Gemini 3 Pro Preview adalah varian pratinjau Gemini 3 Pro bernama khusus dari Google untuk penalaran multimodal dan pembangkitan teks. Model ini dapat mengolah teks, gambar, audio, video, dan dokumen PDF lalu menghasilkan jawaban tertulis. Penggunaan yang dituju mencakup analisis kompleks, pemrograman tingkat lanjut, pengembangan algoritma, serta tugas yang menggabungkan kumpulan sumber besar dengan pertanyaan tertentu.
Gemini 3 Pro adalah model sparse mixture-of-experts berbasis transformer dengan dukungan masukan multimodal bawaan. Arsitekturnya mengarahkan setiap token melalui sebagian expert yang dipilih. Ini merupakan perbedaan dalam desain model, bukan kontrol pengguna untuk memilih expert tertentu atau menetapkan konfigurasi penyajian model.
Siapkan masukan sesuai kebutuhan informasi tugas. Dokumen, tangkapan layar, dan rekaman audio masing-masing dapat memberikan bukti berbeda. Jelaskan isi setiap aset dan kontribusinya terhadap jawaban. Keluarannya tetap berupa teks; memahami materi visual atau ucapan tidak menjadikan varian pratinjau ini generator gambar, ucapan, atau video.
Gunakan gambar untuk pertanyaan tentang isi yang terlihat, audio untuk informasi ucapan atau akustik, dan video untuk rangkaian yang perubahannya dari waktu ke waktu penting. Sertakan aset sebenarnya bersama pertanyaan, bukan hanya mendeskripsikannya dari ingatan. Saat membandingkan beberapa aset, beri label yang jelas agar jawaban dapat merujuk sumber yang tepat.
Misalnya, arahan analisis produk dapat menggabungkan spesifikasi tertulis, tangkapan layar antarmuka, dan rekaman demonstrasi. Mintalah perbandingan yang memisahkan janji dalam spesifikasi dari hal yang terlihat atau terdengar dalam materi yang diberikan. Tetapkan hasil yang diinginkan berupa temuan, pengamatan pendukung, dan pertanyaan yang belum terjawab.
Untuk tugas PDF, berikan dokumen dan tunjukkan bagian atau klaim yang perlu diperiksa. Pertanyaan yang berguna meminta perbandingan, ekstraksi, atau penjelasan yang terkait sumber, alih-alih sekadar ringkasan umum sebuah berkas besar.
Spesifikasi persis varian pratinjau ini mencantumkan batas masukan 1.048.576 token dan batas keluaran 65.536 token. Pembuat menyebut Januari 2025 sebagai batas pengetahuan; berikan bukti lebih baru jika pertanyaan bergantung pada kejadian atau informasi setelahnya. Kedua batas token tersebut berbeda. Kumpulan sumber besar dapat dibaca untuk menghasilkan jawaban terfokus tanpa perlu menyalin seluruh bagian masukan.
Susun materi panjang dengan struktur yang jelas: judul dokumen, batas bagian, jalur kode, dan pertanyaan yang harus dijawab keluaran. Letakkan pengecualian dan definisi yang relevan berdekatan dengan isi yang dibatasinya. Jika tugas membutuhkan laporan panjang, tentukan bagian laporan dan bukti yang diharapkan dalam setiap bagian.
Jendela konteks besar tidak menjamin setiap detail mendapat perhatian yang sama atau setiap kesimpulan benar. Google juga menyebut kemungkinan penurunan kualitas sepanjang percakapan beberapa giliran; tinjau fakta sumber penting dan konteks yang digunakan kembali seiring percakapan berkembang. Periksa jawaban terhadap bagian teks atau aset tertentu yang mendukung klaim pentingnya.
Penggunaan yang dituju produsen mencakup pemrograman tingkat lanjut dan pekerjaan algoritmik. Berikan sumber yang relevan, asumsi lingkungan, kegagalan yang diamati, dan perilaku yang diharapkan. Untuk tugas algoritma, tentukan masukan, keluaran yang diinginkan, serta syarat seperti urutan, duplikasi, atau data tidak valid.
Arahan debugging yang berguna memasangkan masukan yang gagal dan galatnya dengan bagian sumber terkecil yang relevan. Mintalah diagnosis dan perubahan terfokus, lalu periksa apakah perubahan yang diusulkan mengatasi perilaku yang dilaporkan. Kode yang dihasilkan beserta klaim bahwa kode seharusnya berfungsi berbeda dari implementasi yang sudah dijalankan dan diverifikasi.
Untuk pertanyaan repositori yang lebih besar, gunakan kapasitas masukan untuk menyertakan berkas yang diperlukan dengan label jalur yang jelas. Nyatakan apakah artefak yang diinginkan berupa penjelasan, usulan patch, atau analisis alternatif agar hasilnya memiliki tujuan konkret.
Spesifikasi produsen untuk varian pratinjau ini mendukung pemanggilan fungsi, eksekusi kode, pencarian berkas, grounding penelusuran, dan konteks URL. Fitur-fitur tersebut memiliki peran berbeda. Panggilan fungsi menjelaskan operasi untuk dijalankan aplikasi; hasil alat kemudian menyediakan bukti bagi langkah model berikutnya. Eksekusi kode adalah alur kerja alat, bukan jaminan bahwa sembarang kode aplikasi yang dihasilkan telah diuji.
Grounding penelusuran dan konteks URL menyediakan alur kerja berorientasi sumber, sedangkan pencarian berkas bekerja dengan koleksi berkas yang telah disiapkan. Simpan hasil alat dan keterkaitan sumber bersama jawaban agar kesimpulan dapat diperiksa. Menurut spesifikasinya, varian ini tidak mendukung penggunaan komputer atau grounding Maps.
Dukungan keluaran terstruktur dapat menyatakan hasil dalam skema yang ditentukan. Tentukan kolom dan maknanya sebelum pembangkitan, lalu periksa isi sekaligus formatnya. Objek terstruktur yang valid tetap membutuhkan pemeriksaan fakta dan kesesuaiannya dengan tugas.
Varian pratinjau ini mendukung thinking. Gunakan tugas yang jelas, bukti relevan, dan batasan eksplisit untuk pekerjaan yang memerlukan beberapa langkah penalaran. Hasilnya harus menjelaskan asumsi dan kesimpulan yang berguna; penalaran tersembunyi atau keberadaan mode thinking sendiri bukan verifikasi.
Produsen juga mencantumkan dukungan caching dan batch. Keduanya merupakan fitur pemrosesan yang terpisah dari kemampuan isi model, dan keberadaannya tidak membuktikan suatu permintaan masuk cache atau hasil batch benar.
Bedakan Gemini 3 Pro Preview dari Gemini 3.1 Pro Preview, Gemini 3 Pro Image, serta varian audio atau Live. Keluaran varian pratinjau ini berupa teks, dan spesifikasinya tidak mencakup pembangkitan gambar, pembangkitan audio, atau operasi Live. Evaluasi jawaban, kode, atau hasil terstruktur yang dikembalikan berdasarkan kumpulan sumber yang diberikan dan tujuan tugas.
", "aboutText": "Gemini 3 Pro Preview adalah varian pratinjau Gemini 3 Pro bernama khusus dari Google untuk penalaran multimodal dan pembangkitan teks. Model ini dapat mengolah teks, gambar, audio, video, dan dokumen PDF lalu menghasilkan jawaban tertulis. Penggunaan yang dituju mencakup analisis kompleks, pemrograman tingkat lanjut, pengembangan algoritma, serta tugas yang menggabungkan kumpulan sumber besar dengan pertanyaan tertentu.\n\n### Model dan struktur masukan\n\nGemini 3 Pro adalah model sparse mixture-of-experts berbasis transformer dengan dukungan masukan multimodal bawaan. Arsitekturnya mengarahkan setiap token melalui sebagian expert yang dipilih. Ini merupakan perbedaan dalam desain model, bukan kontrol pengguna untuk memilih expert tertentu atau menetapkan konfigurasi penyajian model.\n\nSiapkan masukan sesuai kebutuhan informasi tugas. Dokumen, tangkapan layar, dan rekaman audio masing-masing dapat memberikan bukti berbeda. Jelaskan isi setiap aset dan kontribusinya terhadap jawaban. Keluarannya tetap berupa teks; memahami materi visual atau ucapan tidak menjadikan varian pratinjau ini generator gambar, ucapan, atau video.\n\n### Analisis multimodal\n\nGunakan gambar untuk pertanyaan tentang isi yang terlihat, audio untuk informasi ucapan atau akustik, dan video untuk rangkaian yang perubahannya dari waktu ke waktu penting. Sertakan aset sebenarnya bersama pertanyaan, bukan hanya mendeskripsikannya dari ingatan. Saat membandingkan beberapa aset, beri label yang jelas agar jawaban dapat merujuk sumber yang tepat.\n\nMisalnya, arahan analisis produk dapat menggabungkan spesifikasi tertulis, tangkapan layar antarmuka, dan rekaman demonstrasi. Mintalah perbandingan yang memisahkan janji dalam spesifikasi dari hal yang terlihat atau terdengar dalam materi yang diberikan. Tetapkan hasil yang diinginkan berupa temuan, pengamatan pendukung, dan pertanyaan yang belum terjawab.\n\nUntuk tugas PDF, berikan dokumen dan tunjukkan bagian atau klaim yang perlu diperiksa. Pertanyaan yang berguna meminta perbandingan, ekstraksi, atau penjelasan yang terkait sumber, alih-alih sekadar ringkasan umum sebuah berkas besar.\n\n### Konteks panjang dan batas keluaran\n\nSpesifikasi persis varian pratinjau ini mencantumkan batas masukan 1.048.576 token dan batas keluaran 65.536 token. Pembuat menyebut Januari 2025 sebagai batas pengetahuan; berikan bukti lebih baru jika pertanyaan bergantung pada kejadian atau informasi setelahnya. Kedua batas token tersebut berbeda. Kumpulan sumber besar dapat dibaca untuk menghasilkan jawaban terfokus tanpa perlu menyalin seluruh bagian masukan.\n\nSusun materi panjang dengan struktur yang jelas: judul dokumen, batas bagian, jalur kode, dan pertanyaan yang harus dijawab keluaran. Letakkan pengecualian dan definisi yang relevan berdekatan dengan isi yang dibatasinya. Jika tugas membutuhkan laporan panjang, tentukan bagian laporan dan bukti yang diharapkan dalam setiap bagian.\n\nJendela konteks besar tidak menjamin setiap detail mendapat perhatian yang sama atau setiap kesimpulan benar. Google juga menyebut kemungkinan penurunan kualitas sepanjang percakapan beberapa giliran; tinjau fakta sumber penting dan konteks yang digunakan kembali seiring percakapan berkembang. Periksa jawaban terhadap bagian teks atau aset tertentu yang mendukung klaim pentingnya.\n\n### Pemrograman dan pengembangan algoritma\n\nPenggunaan yang dituju produsen mencakup pemrograman tingkat lanjut dan pekerjaan algoritmik. Berikan sumber yang relevan, asumsi lingkungan, kegagalan yang diamati, dan perilaku yang diharapkan. Untuk tugas algoritma, tentukan masukan, keluaran yang diinginkan, serta syarat seperti urutan, duplikasi, atau data tidak valid.\n\nArahan debugging yang berguna memasangkan masukan yang gagal dan galatnya dengan bagian sumber terkecil yang relevan. Mintalah diagnosis dan perubahan terfokus, lalu periksa apakah perubahan yang diusulkan mengatasi perilaku yang dilaporkan. Kode yang dihasilkan beserta klaim bahwa kode seharusnya berfungsi berbeda dari implementasi yang sudah dijalankan dan diverifikasi.\n\nUntuk pertanyaan repositori yang lebih besar, gunakan kapasitas masukan untuk menyertakan berkas yang diperlukan dengan label jalur yang jelas. Nyatakan apakah artefak yang diinginkan berupa penjelasan, usulan patch, atau analisis alternatif agar hasilnya memiliki tujuan konkret.\n\n### Alat, sumber, dan hasil terstruktur\n\nSpesifikasi produsen untuk varian pratinjau ini mendukung pemanggilan fungsi, eksekusi kode, pencarian berkas, grounding penelusuran, dan konteks URL. Fitur-fitur tersebut memiliki peran berbeda. Panggilan fungsi menjelaskan operasi untuk dijalankan aplikasi; hasil alat kemudian menyediakan bukti bagi langkah model berikutnya. Eksekusi kode adalah alur kerja alat, bukan jaminan bahwa sembarang kode aplikasi yang dihasilkan telah diuji.\n\nGrounding penelusuran dan konteks URL menyediakan alur kerja berorientasi sumber, sedangkan pencarian berkas bekerja dengan koleksi berkas yang telah disiapkan. Simpan hasil alat dan keterkaitan sumber bersama jawaban agar kesimpulan dapat diperiksa. Menurut spesifikasinya, varian ini tidak mendukung penggunaan komputer atau grounding Maps.\n\nDukungan keluaran terstruktur dapat menyatakan hasil dalam skema yang ditentukan. Tentukan kolom dan maknanya sebelum pembangkitan, lalu periksa isi sekaligus formatnya. Objek terstruktur yang valid tetap membutuhkan pemeriksaan fakta dan kesesuaiannya dengan tugas.\n\n### Penalaran, penggunaan kembali, dan batas antaredisi\n\nVarian pratinjau ini mendukung thinking. Gunakan tugas yang jelas, bukti relevan, dan batasan eksplisit untuk pekerjaan yang memerlukan beberapa langkah penalaran. Hasilnya harus menjelaskan asumsi dan kesimpulan yang berguna; penalaran tersembunyi atau keberadaan mode thinking sendiri bukan verifikasi.\n\nProdusen juga mencantumkan dukungan caching dan batch. Keduanya merupakan fitur pemrosesan yang terpisah dari kemampuan isi model, dan keberadaannya tidak membuktikan suatu permintaan masuk cache atau hasil batch benar.\n\nBedakan Gemini 3 Pro Preview dari Gemini 3.1 Pro Preview, Gemini 3 Pro Image, serta varian audio atau Live. Keluaran varian pratinjau ini berupa teks, dan spesifikasinya tidak mencakup pembangkitan gambar, pembangkitan audio, atau operasi Live. Evaluasi jawaban, kode, atau hasil terstruktur yang dikembalikan berdasarkan kumpulan sumber yang diberikan dan tujuan tugas.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0a203392232141398b98297f302ff85c3fab03eff23d23402b2462e87357dfb2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "gemini-3-pro-previewGemini 3 Pro Preview adalah model penalaran multimodal Google untuk teks, gambar, audio, video, dan PDF, dengan keluaran teks. Kapasitas masukannya yang besar, kemampuan pemrograman, dan alur kerja alat yang didukung cocok untuk analisis terperinci, perbandingan dokumen, dan pelaksanaan tugas berdasarkan bukti.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3 Pro Preview adalah varian pratinjau Gemini 3 Pro bernama khusus dari Google untuk penalaran multimodal dan pembangkitan teks. Model ini dapat mengolah teks, gambar, audio, video, dan dokumen PDF lalu menghasilkan jawaban tertulis. Penggunaan yang dituju mencakup analisis kompleks, pemrograman tingkat lanjut, pengembangan algoritma, serta tugas yang menggabungkan kumpulan sumber besar dengan pertanyaan tertentu.
Gemini 3 Pro adalah model sparse mixture-of-experts berbasis transformer dengan dukungan masukan multimodal bawaan. Arsitekturnya mengarahkan setiap token melalui sebagian expert yang dipilih. Ini merupakan perbedaan dalam desain model, bukan kontrol pengguna untuk memilih expert tertentu atau menetapkan konfigurasi penyajian model.
Siapkan masukan sesuai kebutuhan informasi tugas. Dokumen, tangkapan layar, dan rekaman audio masing-masing dapat memberikan bukti berbeda. Jelaskan isi setiap aset dan kontribusinya terhadap jawaban. Keluarannya tetap berupa teks; memahami materi visual atau ucapan tidak menjadikan varian pratinjau ini generator gambar, ucapan, atau video.
Gunakan gambar untuk pertanyaan tentang isi yang terlihat, audio untuk informasi ucapan atau akustik, dan video untuk rangkaian yang perubahannya dari waktu ke waktu penting. Sertakan aset sebenarnya bersama pertanyaan, bukan hanya mendeskripsikannya dari ingatan. Saat membandingkan beberapa aset, beri label yang jelas agar jawaban dapat merujuk sumber yang tepat.
Misalnya, arahan analisis produk dapat menggabungkan spesifikasi tertulis, tangkapan layar antarmuka, dan rekaman demonstrasi. Mintalah perbandingan yang memisahkan janji dalam spesifikasi dari hal yang terlihat atau terdengar dalam materi yang diberikan. Tetapkan hasil yang diinginkan berupa temuan, pengamatan pendukung, dan pertanyaan yang belum terjawab.
Untuk tugas PDF, berikan dokumen dan tunjukkan bagian atau klaim yang perlu diperiksa. Pertanyaan yang berguna meminta perbandingan, ekstraksi, atau penjelasan yang terkait sumber, alih-alih sekadar ringkasan umum sebuah berkas besar.
Spesifikasi persis varian pratinjau ini mencantumkan batas masukan 1.048.576 token dan batas keluaran 65.536 token. Pembuat menyebut Januari 2025 sebagai batas pengetahuan; berikan bukti lebih baru jika pertanyaan bergantung pada kejadian atau informasi setelahnya. Kedua batas token tersebut berbeda. Kumpulan sumber besar dapat dibaca untuk menghasilkan jawaban terfokus tanpa perlu menyalin seluruh bagian masukan.
Susun materi panjang dengan struktur yang jelas: judul dokumen, batas bagian, jalur kode, dan pertanyaan yang harus dijawab keluaran. Letakkan pengecualian dan definisi yang relevan berdekatan dengan isi yang dibatasinya. Jika tugas membutuhkan laporan panjang, tentukan bagian laporan dan bukti yang diharapkan dalam setiap bagian.
Jendela konteks besar tidak menjamin setiap detail mendapat perhatian yang sama atau setiap kesimpulan benar. Google juga menyebut kemungkinan penurunan kualitas sepanjang percakapan beberapa giliran; tinjau fakta sumber penting dan konteks yang digunakan kembali seiring percakapan berkembang. Periksa jawaban terhadap bagian teks atau aset tertentu yang mendukung klaim pentingnya.
Penggunaan yang dituju produsen mencakup pemrograman tingkat lanjut dan pekerjaan algoritmik. Berikan sumber yang relevan, asumsi lingkungan, kegagalan yang diamati, dan perilaku yang diharapkan. Untuk tugas algoritma, tentukan masukan, keluaran yang diinginkan, serta syarat seperti urutan, duplikasi, atau data tidak valid.
Arahan debugging yang berguna memasangkan masukan yang gagal dan galatnya dengan bagian sumber terkecil yang relevan. Mintalah diagnosis dan perubahan terfokus, lalu periksa apakah perubahan yang diusulkan mengatasi perilaku yang dilaporkan. Kode yang dihasilkan beserta klaim bahwa kode seharusnya berfungsi berbeda dari implementasi yang sudah dijalankan dan diverifikasi.
Untuk pertanyaan repositori yang lebih besar, gunakan kapasitas masukan untuk menyertakan berkas yang diperlukan dengan label jalur yang jelas. Nyatakan apakah artefak yang diinginkan berupa penjelasan, usulan patch, atau analisis alternatif agar hasilnya memiliki tujuan konkret.
Spesifikasi produsen untuk varian pratinjau ini mendukung pemanggilan fungsi, eksekusi kode, pencarian berkas, grounding penelusuran, dan konteks URL. Fitur-fitur tersebut memiliki peran berbeda. Panggilan fungsi menjelaskan operasi untuk dijalankan aplikasi; hasil alat kemudian menyediakan bukti bagi langkah model berikutnya. Eksekusi kode adalah alur kerja alat, bukan jaminan bahwa sembarang kode aplikasi yang dihasilkan telah diuji.
Grounding penelusuran dan konteks URL menyediakan alur kerja berorientasi sumber, sedangkan pencarian berkas bekerja dengan koleksi berkas yang telah disiapkan. Simpan hasil alat dan keterkaitan sumber bersama jawaban agar kesimpulan dapat diperiksa. Menurut spesifikasinya, varian ini tidak mendukung penggunaan komputer atau grounding Maps.
Dukungan keluaran terstruktur dapat menyatakan hasil dalam skema yang ditentukan. Tentukan kolom dan maknanya sebelum pembangkitan, lalu periksa isi sekaligus formatnya. Objek terstruktur yang valid tetap membutuhkan pemeriksaan fakta dan kesesuaiannya dengan tugas.
Varian pratinjau ini mendukung thinking. Gunakan tugas yang jelas, bukti relevan, dan batasan eksplisit untuk pekerjaan yang memerlukan beberapa langkah penalaran. Hasilnya harus menjelaskan asumsi dan kesimpulan yang berguna; penalaran tersembunyi atau keberadaan mode thinking sendiri bukan verifikasi.
Produsen juga mencantumkan dukungan caching dan batch. Keduanya merupakan fitur pemrosesan yang terpisah dari kemampuan isi model, dan keberadaannya tidak membuktikan suatu permintaan masuk cache atau hasil batch benar.
Bedakan Gemini 3 Pro Preview dari Gemini 3.1 Pro Preview, Gemini 3 Pro Image, serta varian audio atau Live. Keluaran varian pratinjau ini berupa teks, dan spesifikasinya tidak mencakup pembangkitan gambar, pembangkitan audio, atau operasi Live. Evaluasi jawaban, kode, atau hasil terstruktur yang dikembalikan berdasarkan kumpulan sumber yang diberikan dan tujuan tugas.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3-pro-preview | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.004 / 1K token Keluaran · Token keluaran $0.024 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions
gemini-3-pro-previewGemini 3 Pro Preview adalah model penalaran multimodal Google untuk teks, gambar, audio, video, dan PDF, dengan keluaran teks. Kapasitas masukannya yang besar, kemampuan pemrograman, dan alur kerja alat yang didukung cocok untuk analisis terperinci, perbandingan dokumen, dan pelaksanaan tugas berdasarkan bukti.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3 Pro Preview adalah varian pratinjau Gemini 3 Pro bernama khusus dari Google untuk penalaran multimodal dan pembangkitan teks. Model ini dapat mengolah teks, gambar, audio, video, dan dokumen PDF lalu menghasilkan jawaban tertulis. Penggunaan yang dituju mencakup analisis kompleks, pemrograman tingkat lanjut, pengembangan algoritma, serta tugas yang menggabungkan kumpulan sumber besar dengan pertanyaan tertentu.
Gemini 3 Pro adalah model sparse mixture-of-experts berbasis transformer dengan dukungan masukan multimodal bawaan. Arsitekturnya mengarahkan setiap token melalui sebagian expert yang dipilih. Ini merupakan perbedaan dalam desain model, bukan kontrol pengguna untuk memilih expert tertentu atau menetapkan konfigurasi penyajian model.
Siapkan masukan sesuai kebutuhan informasi tugas. Dokumen, tangkapan layar, dan rekaman audio masing-masing dapat memberikan bukti berbeda. Jelaskan isi setiap aset dan kontribusinya terhadap jawaban. Keluarannya tetap berupa teks; memahami materi visual atau ucapan tidak menjadikan varian pratinjau ini generator gambar, ucapan, atau video.
Gunakan gambar untuk pertanyaan tentang isi yang terlihat, audio untuk informasi ucapan atau akustik, dan video untuk rangkaian yang perubahannya dari waktu ke waktu penting. Sertakan aset sebenarnya bersama pertanyaan, bukan hanya mendeskripsikannya dari ingatan. Saat membandingkan beberapa aset, beri label yang jelas agar jawaban dapat merujuk sumber yang tepat.
Misalnya, arahan analisis produk dapat menggabungkan spesifikasi tertulis, tangkapan layar antarmuka, dan rekaman demonstrasi. Mintalah perbandingan yang memisahkan janji dalam spesifikasi dari hal yang terlihat atau terdengar dalam materi yang diberikan. Tetapkan hasil yang diinginkan berupa temuan, pengamatan pendukung, dan pertanyaan yang belum terjawab.
Untuk tugas PDF, berikan dokumen dan tunjukkan bagian atau klaim yang perlu diperiksa. Pertanyaan yang berguna meminta perbandingan, ekstraksi, atau penjelasan yang terkait sumber, alih-alih sekadar ringkasan umum sebuah berkas besar.
Spesifikasi persis varian pratinjau ini mencantumkan batas masukan 1.048.576 token dan batas keluaran 65.536 token. Pembuat menyebut Januari 2025 sebagai batas pengetahuan; berikan bukti lebih baru jika pertanyaan bergantung pada kejadian atau informasi setelahnya. Kedua batas token tersebut berbeda. Kumpulan sumber besar dapat dibaca untuk menghasilkan jawaban terfokus tanpa perlu menyalin seluruh bagian masukan.
Susun materi panjang dengan struktur yang jelas: judul dokumen, batas bagian, jalur kode, dan pertanyaan yang harus dijawab keluaran. Letakkan pengecualian dan definisi yang relevan berdekatan dengan isi yang dibatasinya. Jika tugas membutuhkan laporan panjang, tentukan bagian laporan dan bukti yang diharapkan dalam setiap bagian.
Jendela konteks besar tidak menjamin setiap detail mendapat perhatian yang sama atau setiap kesimpulan benar. Google juga menyebut kemungkinan penurunan kualitas sepanjang percakapan beberapa giliran; tinjau fakta sumber penting dan konteks yang digunakan kembali seiring percakapan berkembang. Periksa jawaban terhadap bagian teks atau aset tertentu yang mendukung klaim pentingnya.
Penggunaan yang dituju produsen mencakup pemrograman tingkat lanjut dan pekerjaan algoritmik. Berikan sumber yang relevan, asumsi lingkungan, kegagalan yang diamati, dan perilaku yang diharapkan. Untuk tugas algoritma, tentukan masukan, keluaran yang diinginkan, serta syarat seperti urutan, duplikasi, atau data tidak valid.
Arahan debugging yang berguna memasangkan masukan yang gagal dan galatnya dengan bagian sumber terkecil yang relevan. Mintalah diagnosis dan perubahan terfokus, lalu periksa apakah perubahan yang diusulkan mengatasi perilaku yang dilaporkan. Kode yang dihasilkan beserta klaim bahwa kode seharusnya berfungsi berbeda dari implementasi yang sudah dijalankan dan diverifikasi.
Untuk pertanyaan repositori yang lebih besar, gunakan kapasitas masukan untuk menyertakan berkas yang diperlukan dengan label jalur yang jelas. Nyatakan apakah artefak yang diinginkan berupa penjelasan, usulan patch, atau analisis alternatif agar hasilnya memiliki tujuan konkret.
Spesifikasi produsen untuk varian pratinjau ini mendukung pemanggilan fungsi, eksekusi kode, pencarian berkas, grounding penelusuran, dan konteks URL. Fitur-fitur tersebut memiliki peran berbeda. Panggilan fungsi menjelaskan operasi untuk dijalankan aplikasi; hasil alat kemudian menyediakan bukti bagi langkah model berikutnya. Eksekusi kode adalah alur kerja alat, bukan jaminan bahwa sembarang kode aplikasi yang dihasilkan telah diuji.
Grounding penelusuran dan konteks URL menyediakan alur kerja berorientasi sumber, sedangkan pencarian berkas bekerja dengan koleksi berkas yang telah disiapkan. Simpan hasil alat dan keterkaitan sumber bersama jawaban agar kesimpulan dapat diperiksa. Menurut spesifikasinya, varian ini tidak mendukung penggunaan komputer atau grounding Maps.
Dukungan keluaran terstruktur dapat menyatakan hasil dalam skema yang ditentukan. Tentukan kolom dan maknanya sebelum pembangkitan, lalu periksa isi sekaligus formatnya. Objek terstruktur yang valid tetap membutuhkan pemeriksaan fakta dan kesesuaiannya dengan tugas.
Varian pratinjau ini mendukung thinking. Gunakan tugas yang jelas, bukti relevan, dan batasan eksplisit untuk pekerjaan yang memerlukan beberapa langkah penalaran. Hasilnya harus menjelaskan asumsi dan kesimpulan yang berguna; penalaran tersembunyi atau keberadaan mode thinking sendiri bukan verifikasi.
Produsen juga mencantumkan dukungan caching dan batch. Keduanya merupakan fitur pemrosesan yang terpisah dari kemampuan isi model, dan keberadaannya tidak membuktikan suatu permintaan masuk cache atau hasil batch benar.
Bedakan Gemini 3 Pro Preview dari Gemini 3.1 Pro Preview, Gemini 3 Pro Image, serta varian audio atau Live. Keluaran varian pratinjau ini berupa teks, dan spesifikasinya tidak mencakup pembangkitan gambar, pembangkitan audio, atau operasi Live. Evaluasi jawaban, kode, atau hasil terstruktur yang dikembalikan berdasarkan kumpulan sumber yang diberikan dan tujuan tugas.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3-pro-preview | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.004 / 1K token Keluaran · Token keluaran $0.024 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions