Gemma 3 12B IT adalah model bahasa dan visual dari Google berukuran 12B yang disesuaikan dengan instruksi. Model ini termasuk keluarga Gemma 3, yang menggabungkan pembuatan teks dengan pemahaman gambar serta pelatihan multibahasa. Akhiran IT memilih checkpoint yang mengikuti instruksi, bukan model pralatih. Hasilnya adalah teks: penjelasan, ringkasan, jawaban, draf, atau kode yang berasal dari materi tertulis dan visual dalam permintaan.
Model 12B memiliki konteks keluarga ini sebesar 128K token untuk masukan dan respons yang dihasilkan secara bersama. Keluaran menggunakan bagian yang tersisa setelah permintaan; kartu model tidak memberikan jendela keluaran 128K kedua yang terpisah. Tampilan gambar dasar dinormalisasi menjadi 896×896 dan masing-masing direpresentasikan oleh 256 token visual. Saat menyiapkan kumpulan halaman, pertahankan pengenal halaman dan alokasikan ruang untuk hasil. Ajukan pertanyaan spesifik tentang konten yang relevan, alih-alih mengandalkan jendela besar untuk memilih masalah yang tepat secara otomatis.
Pembuatnya melaporkan 12 triliun token prapelatihan untuk ukuran ini. Materi pelatihan mencakup dokumen web multibahasa, kode, matematika, dan gambar, dengan cakupan lebih dari 140 bahasa dalam keluarga ini. Laporan menjelaskan distilasi pengetahuan dan resep penyesuaian instruksi yang ditingkatkan dengan pembelajaran penguatan. Tahap tersebut menargetkan kegunaan, penalaran matematika dan kode, kepatuhan pada instruksi, serta interaksi multibahasa. Anggaran pelatihan dan identitas checkpoint yang berbeda tidak dengan sendirinya membuktikan kualitas jawaban tertentu, jadi bandingkan keluaran dengan tugas sumbernya.
Arsitekturnya menggunakan transformer khusus decoder dengan mekanisme atensi kueri berkelompok dan pola berulang lima lapisan atensi lokal untuk satu lapisan global. Lapisan lokal menggunakan rentang 1024 token, sedangkan atensi global mendukung konteks yang lebih panjang. Encoder visual SigLIP, yang digunakan bersama oleh model 4B, 12B, dan 27B, mengubah gambar menjadi representasi yang dikonsumsi model bahasa. Tokenizer SentencePiece mempertahankan whitespace, memisahkan digit, dan mencakup pengodean tingkat byte. Ini relevan ketika format kode, notasi angka, atau teks multibahasa perlu tetap utuh.
Alur kerja visual juga mencakup Pan and Scan: potongan adaptif yang tidak tumpang tindih membantu mempertahankan konten dari sumber lebar atau beresolusi tinggi sebelum setiap tampilan mencapai encoder beresolusi tetap. Tampilan tambahan mengubah materi yang diproses. Untuk dokumen teknis, berikan halaman yang dapat dibaca dan, jika diperlukan, tampilan jelas tabel atau diagram yang ditanyakan. Pertahankan definisi satuan, simbol, atau kolom di sekitarnya agar pembacaan visual setempat tidak kehilangan makna.
Format prompt IT native menggunakan giliran user dan model serta tidak memiliki peran system terpisah. Tempatkan peran yang diinginkan, aturan respons, dan tugas dalam prompt user awal, menggunakan formatter atau prosesor yang ditentukan untuk percakapan sebenarnya. Permintaan analisis dokumen orisinal dapat membandingkan dua deskripsi prosedur, mengembalikan tabel persyaratan yang cocok, dan mengidentifikasi konflik. Beri label pada sumber, nyatakan persyaratan mana yang memiliki prioritas, dan minta model membedakan fakta yang diberikan dari penafsirannya.
Penggunaan yang dituju dalam kartu pembuatnya mencakup peringkasan, bantuan percakapan, ekstraksi data gambar, penulisan, dan pembelajaran. Untuk penjelasan multibahasa, tentukan pembaca sasaran, terminologi, dan tingkat perincian. Untuk pertanyaan gambar, identifikasi objek atau hubungan yang perlu dibahas dan minta pengamatan yang mendukung jawaban akhir. Untuk kode, sertakan fungsi sebenarnya dan perilaku yang diharapkan; hasil dapat mengusulkan implementasi, sedangkan aplikasi terpisah harus menjalankan dan memeriksanya. Laporan memublikasikan varian keluarga yang dikuantisasi secara terpisah, sehingga identitas 12B IT ini tidak boleh diam-diam diganti dengan checkpoint terkuantisasi berbeda saat mencatat hasil.
Pembuatnya mengidentifikasi batasan dari cakupan pelatihan, ketidakakuratan fakta, nuansa bahasa, dan tugas terbuka yang kompleks. Google juga mengingatkan bahwa pola bahasa yang masuk akal dapat menghasilkan jawaban yang mengabaikan batasan dunia nyata sehari-hari. Detail visual kecil dapat hilang atau salah dibaca, dan masukan panjang tetap memerlukan prioritas yang jelas. Simpan halaman asli, verifikasi label serta jumlah yang diekstrak, dan validasi teks yang diminta dan tampak terstruktur sebelum menggunakannya sebagai data. Evaluasi model 12B IT yang persis pada pertanyaan dan bahasa yang representatif. Hasil akhir yang berguna menyatakan jawaban berbasis sumber, penalaran yang diperlukan untuk memahaminya, dan ketidakpastian yang tersisa, tanpa menganggap penjelasan yang dihasilkan sebagai aksi alat yang sudah selesai atau pencarian pengetahuan terkini.
", "aboutText": "Gemma 3 12B IT adalah model bahasa dan visual dari Google berukuran 12B yang disesuaikan dengan instruksi. Model ini termasuk keluarga Gemma 3, yang menggabungkan pembuatan teks dengan pemahaman gambar serta pelatihan multibahasa. Akhiran IT memilih checkpoint yang mengikuti instruksi, bukan model pralatih. Hasilnya adalah teks: penjelasan, ringkasan, jawaban, draf, atau kode yang berasal dari materi tertulis dan visual dalam permintaan.\n\nModel 12B memiliki konteks keluarga ini sebesar 128K token untuk masukan dan respons yang dihasilkan secara bersama. Keluaran menggunakan bagian yang tersisa setelah permintaan; kartu model tidak memberikan jendela keluaran 128K kedua yang terpisah. Tampilan gambar dasar dinormalisasi menjadi 896×896 dan masing-masing direpresentasikan oleh 256 token visual. Saat menyiapkan kumpulan halaman, pertahankan pengenal halaman dan alokasikan ruang untuk hasil. Ajukan pertanyaan spesifik tentang konten yang relevan, alih-alih mengandalkan jendela besar untuk memilih masalah yang tepat secara otomatis.\n\nPembuatnya melaporkan 12 triliun token prapelatihan untuk ukuran ini. Materi pelatihan mencakup dokumen web multibahasa, kode, matematika, dan gambar, dengan cakupan lebih dari 140 bahasa dalam keluarga ini. Laporan menjelaskan distilasi pengetahuan dan resep penyesuaian instruksi yang ditingkatkan dengan pembelajaran penguatan. Tahap tersebut menargetkan kegunaan, penalaran matematika dan kode, kepatuhan pada instruksi, serta interaksi multibahasa. Anggaran pelatihan dan identitas checkpoint yang berbeda tidak dengan sendirinya membuktikan kualitas jawaban tertentu, jadi bandingkan keluaran dengan tugas sumbernya.\n\nArsitekturnya menggunakan transformer khusus decoder dengan mekanisme atensi kueri berkelompok dan pola berulang lima lapisan atensi lokal untuk satu lapisan global. Lapisan lokal menggunakan rentang 1024 token, sedangkan atensi global mendukung konteks yang lebih panjang. Encoder visual SigLIP, yang digunakan bersama oleh model 4B, 12B, dan 27B, mengubah gambar menjadi representasi yang dikonsumsi model bahasa. Tokenizer SentencePiece mempertahankan whitespace, memisahkan digit, dan mencakup pengodean tingkat byte. Ini relevan ketika format kode, notasi angka, atau teks multibahasa perlu tetap utuh.\n\nAlur kerja visual juga mencakup Pan and Scan: potongan adaptif yang tidak tumpang tindih membantu mempertahankan konten dari sumber lebar atau beresolusi tinggi sebelum setiap tampilan mencapai encoder beresolusi tetap. Tampilan tambahan mengubah materi yang diproses. Untuk dokumen teknis, berikan halaman yang dapat dibaca dan, jika diperlukan, tampilan jelas tabel atau diagram yang ditanyakan. Pertahankan definisi satuan, simbol, atau kolom di sekitarnya agar pembacaan visual setempat tidak kehilangan makna.\n\nFormat prompt IT native menggunakan giliran user dan model serta tidak memiliki peran system terpisah. Tempatkan peran yang diinginkan, aturan respons, dan tugas dalam prompt user awal, menggunakan formatter atau prosesor yang ditentukan untuk percakapan sebenarnya. Permintaan analisis dokumen orisinal dapat membandingkan dua deskripsi prosedur, mengembalikan tabel persyaratan yang cocok, dan mengidentifikasi konflik. Beri label pada sumber, nyatakan persyaratan mana yang memiliki prioritas, dan minta model membedakan fakta yang diberikan dari penafsirannya.\n\nPenggunaan yang dituju dalam kartu pembuatnya mencakup peringkasan, bantuan percakapan, ekstraksi data gambar, penulisan, dan pembelajaran. Untuk penjelasan multibahasa, tentukan pembaca sasaran, terminologi, dan tingkat perincian. Untuk pertanyaan gambar, identifikasi objek atau hubungan yang perlu dibahas dan minta pengamatan yang mendukung jawaban akhir. Untuk kode, sertakan fungsi sebenarnya dan perilaku yang diharapkan; hasil dapat mengusulkan implementasi, sedangkan aplikasi terpisah harus menjalankan dan memeriksanya. Laporan memublikasikan varian keluarga yang dikuantisasi secara terpisah, sehingga identitas 12B IT ini tidak boleh diam-diam diganti dengan checkpoint terkuantisasi berbeda saat mencatat hasil.\n\nPembuatnya mengidentifikasi batasan dari cakupan pelatihan, ketidakakuratan fakta, nuansa bahasa, dan tugas terbuka yang kompleks. Google juga mengingatkan bahwa pola bahasa yang masuk akal dapat menghasilkan jawaban yang mengabaikan batasan dunia nyata sehari-hari. Detail visual kecil dapat hilang atau salah dibaca, dan masukan panjang tetap memerlukan prioritas yang jelas. Simpan halaman asli, verifikasi label serta jumlah yang diekstrak, dan validasi teks yang diminta dan tampak terstruktur sebelum menggunakannya sebagai data. Evaluasi model 12B IT yang persis pada pertanyaan dan bahasa yang representatif. Hasil akhir yang berguna menyatakan jawaban berbasis sumber, penalaran yang diperlukan untuk memahaminya, dan ketidakpastian yang tersisa, tanpa menganggap penjelasan yang dihasilkan sebagai aksi alat yang sudah selesai atau pencarian pengetahuan terkini.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.google/gemma-3-12b-itGemma 3 12B IT adalah edisi Gemma 3 tersendiri yang disesuaikan dengan instruksi untuk pembuatan teks dan pemahaman gambar. Gunakan untuk pertanyaan dokumen, penjelasan, dan penulisan multibahasa dengan konteks bersama 128K, sambil menjaga kejelasan identitas checkpoint 12B serta format percakapan native-nya.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemma 3 12B IT adalah model bahasa dan visual dari Google berukuran 12B yang disesuaikan dengan instruksi. Model ini termasuk keluarga Gemma 3, yang menggabungkan pembuatan teks dengan pemahaman gambar serta pelatihan multibahasa. Akhiran IT memilih checkpoint yang mengikuti instruksi, bukan model pralatih. Hasilnya adalah teks: penjelasan, ringkasan, jawaban, draf, atau kode yang berasal dari materi tertulis dan visual dalam permintaan.
Model 12B memiliki konteks keluarga ini sebesar 128K token untuk masukan dan respons yang dihasilkan secara bersama. Keluaran menggunakan bagian yang tersisa setelah permintaan; kartu model tidak memberikan jendela keluaran 128K kedua yang terpisah. Tampilan gambar dasar dinormalisasi menjadi 896×896 dan masing-masing direpresentasikan oleh 256 token visual. Saat menyiapkan kumpulan halaman, pertahankan pengenal halaman dan alokasikan ruang untuk hasil. Ajukan pertanyaan spesifik tentang konten yang relevan, alih-alih mengandalkan jendela besar untuk memilih masalah yang tepat secara otomatis.
Pembuatnya melaporkan 12 triliun token prapelatihan untuk ukuran ini. Materi pelatihan mencakup dokumen web multibahasa, kode, matematika, dan gambar, dengan cakupan lebih dari 140 bahasa dalam keluarga ini. Laporan menjelaskan distilasi pengetahuan dan resep penyesuaian instruksi yang ditingkatkan dengan pembelajaran penguatan. Tahap tersebut menargetkan kegunaan, penalaran matematika dan kode, kepatuhan pada instruksi, serta interaksi multibahasa. Anggaran pelatihan dan identitas checkpoint yang berbeda tidak dengan sendirinya membuktikan kualitas jawaban tertentu, jadi bandingkan keluaran dengan tugas sumbernya.
Arsitekturnya menggunakan transformer khusus decoder dengan mekanisme atensi kueri berkelompok dan pola berulang lima lapisan atensi lokal untuk satu lapisan global. Lapisan lokal menggunakan rentang 1024 token, sedangkan atensi global mendukung konteks yang lebih panjang. Encoder visual SigLIP, yang digunakan bersama oleh model 4B, 12B, dan 27B, mengubah gambar menjadi representasi yang dikonsumsi model bahasa. Tokenizer SentencePiece mempertahankan whitespace, memisahkan digit, dan mencakup pengodean tingkat byte. Ini relevan ketika format kode, notasi angka, atau teks multibahasa perlu tetap utuh.
Alur kerja visual juga mencakup Pan and Scan: potongan adaptif yang tidak tumpang tindih membantu mempertahankan konten dari sumber lebar atau beresolusi tinggi sebelum setiap tampilan mencapai encoder beresolusi tetap. Tampilan tambahan mengubah materi yang diproses. Untuk dokumen teknis, berikan halaman yang dapat dibaca dan, jika diperlukan, tampilan jelas tabel atau diagram yang ditanyakan. Pertahankan definisi satuan, simbol, atau kolom di sekitarnya agar pembacaan visual setempat tidak kehilangan makna.
Format prompt IT native menggunakan giliran user dan model serta tidak memiliki peran system terpisah. Tempatkan peran yang diinginkan, aturan respons, dan tugas dalam prompt user awal, menggunakan formatter atau prosesor yang ditentukan untuk percakapan sebenarnya. Permintaan analisis dokumen orisinal dapat membandingkan dua deskripsi prosedur, mengembalikan tabel persyaratan yang cocok, dan mengidentifikasi konflik. Beri label pada sumber, nyatakan persyaratan mana yang memiliki prioritas, dan minta model membedakan fakta yang diberikan dari penafsirannya.
Penggunaan yang dituju dalam kartu pembuatnya mencakup peringkasan, bantuan percakapan, ekstraksi data gambar, penulisan, dan pembelajaran. Untuk penjelasan multibahasa, tentukan pembaca sasaran, terminologi, dan tingkat perincian. Untuk pertanyaan gambar, identifikasi objek atau hubungan yang perlu dibahas dan minta pengamatan yang mendukung jawaban akhir. Untuk kode, sertakan fungsi sebenarnya dan perilaku yang diharapkan; hasil dapat mengusulkan implementasi, sedangkan aplikasi terpisah harus menjalankan dan memeriksanya. Laporan memublikasikan varian keluarga yang dikuantisasi secara terpisah, sehingga identitas 12B IT ini tidak boleh diam-diam diganti dengan checkpoint terkuantisasi berbeda saat mencatat hasil.
Pembuatnya mengidentifikasi batasan dari cakupan pelatihan, ketidakakuratan fakta, nuansa bahasa, dan tugas terbuka yang kompleks. Google juga mengingatkan bahwa pola bahasa yang masuk akal dapat menghasilkan jawaban yang mengabaikan batasan dunia nyata sehari-hari. Detail visual kecil dapat hilang atau salah dibaca, dan masukan panjang tetap memerlukan prioritas yang jelas. Simpan halaman asli, verifikasi label serta jumlah yang diekstrak, dan validasi teks yang diminta dan tampak terstruktur sebelum menggunakannya sebagai data. Evaluasi model 12B IT yang persis pada pertanyaan dan bahasa yang representatif. Hasil akhir yang berguna menyatakan jawaban berbasis sumber, penalaran yang diperlukan untuk memahaminya, dan ketidakpastian yang tersisa, tanpa menganggap penjelasan yang dihasilkan sebagai aksi alat yang sudah selesai atau pencarian pengetahuan terkini.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemma-3-12b-it | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0001 / 1K token Keluaran · Token keluaran $0.0003 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0001 / 1K token Keluaran · Token keluaran $0.0003 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-12b-it", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\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='google/gemma-3-12b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\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"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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)\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\nwith client.chat.completions.stream(model='google/gemma-3-12b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\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 google/gemma-3-12b-it
Gunakan jalur metode yang ditampilkan di atas.
google/gemma-3-12b-itGemma 3 12B IT adalah edisi Gemma 3 tersendiri yang disesuaikan dengan instruksi untuk pembuatan teks dan pemahaman gambar. Gunakan untuk pertanyaan dokumen, penjelasan, dan penulisan multibahasa dengan konteks bersama 128K, sambil menjaga kejelasan identitas checkpoint 12B serta format percakapan native-nya.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemma 3 12B IT adalah model bahasa dan visual dari Google berukuran 12B yang disesuaikan dengan instruksi. Model ini termasuk keluarga Gemma 3, yang menggabungkan pembuatan teks dengan pemahaman gambar serta pelatihan multibahasa. Akhiran IT memilih checkpoint yang mengikuti instruksi, bukan model pralatih. Hasilnya adalah teks: penjelasan, ringkasan, jawaban, draf, atau kode yang berasal dari materi tertulis dan visual dalam permintaan.
Model 12B memiliki konteks keluarga ini sebesar 128K token untuk masukan dan respons yang dihasilkan secara bersama. Keluaran menggunakan bagian yang tersisa setelah permintaan; kartu model tidak memberikan jendela keluaran 128K kedua yang terpisah. Tampilan gambar dasar dinormalisasi menjadi 896×896 dan masing-masing direpresentasikan oleh 256 token visual. Saat menyiapkan kumpulan halaman, pertahankan pengenal halaman dan alokasikan ruang untuk hasil. Ajukan pertanyaan spesifik tentang konten yang relevan, alih-alih mengandalkan jendela besar untuk memilih masalah yang tepat secara otomatis.
Pembuatnya melaporkan 12 triliun token prapelatihan untuk ukuran ini. Materi pelatihan mencakup dokumen web multibahasa, kode, matematika, dan gambar, dengan cakupan lebih dari 140 bahasa dalam keluarga ini. Laporan menjelaskan distilasi pengetahuan dan resep penyesuaian instruksi yang ditingkatkan dengan pembelajaran penguatan. Tahap tersebut menargetkan kegunaan, penalaran matematika dan kode, kepatuhan pada instruksi, serta interaksi multibahasa. Anggaran pelatihan dan identitas checkpoint yang berbeda tidak dengan sendirinya membuktikan kualitas jawaban tertentu, jadi bandingkan keluaran dengan tugas sumbernya.
Arsitekturnya menggunakan transformer khusus decoder dengan mekanisme atensi kueri berkelompok dan pola berulang lima lapisan atensi lokal untuk satu lapisan global. Lapisan lokal menggunakan rentang 1024 token, sedangkan atensi global mendukung konteks yang lebih panjang. Encoder visual SigLIP, yang digunakan bersama oleh model 4B, 12B, dan 27B, mengubah gambar menjadi representasi yang dikonsumsi model bahasa. Tokenizer SentencePiece mempertahankan whitespace, memisahkan digit, dan mencakup pengodean tingkat byte. Ini relevan ketika format kode, notasi angka, atau teks multibahasa perlu tetap utuh.
Alur kerja visual juga mencakup Pan and Scan: potongan adaptif yang tidak tumpang tindih membantu mempertahankan konten dari sumber lebar atau beresolusi tinggi sebelum setiap tampilan mencapai encoder beresolusi tetap. Tampilan tambahan mengubah materi yang diproses. Untuk dokumen teknis, berikan halaman yang dapat dibaca dan, jika diperlukan, tampilan jelas tabel atau diagram yang ditanyakan. Pertahankan definisi satuan, simbol, atau kolom di sekitarnya agar pembacaan visual setempat tidak kehilangan makna.
Format prompt IT native menggunakan giliran user dan model serta tidak memiliki peran system terpisah. Tempatkan peran yang diinginkan, aturan respons, dan tugas dalam prompt user awal, menggunakan formatter atau prosesor yang ditentukan untuk percakapan sebenarnya. Permintaan analisis dokumen orisinal dapat membandingkan dua deskripsi prosedur, mengembalikan tabel persyaratan yang cocok, dan mengidentifikasi konflik. Beri label pada sumber, nyatakan persyaratan mana yang memiliki prioritas, dan minta model membedakan fakta yang diberikan dari penafsirannya.
Penggunaan yang dituju dalam kartu pembuatnya mencakup peringkasan, bantuan percakapan, ekstraksi data gambar, penulisan, dan pembelajaran. Untuk penjelasan multibahasa, tentukan pembaca sasaran, terminologi, dan tingkat perincian. Untuk pertanyaan gambar, identifikasi objek atau hubungan yang perlu dibahas dan minta pengamatan yang mendukung jawaban akhir. Untuk kode, sertakan fungsi sebenarnya dan perilaku yang diharapkan; hasil dapat mengusulkan implementasi, sedangkan aplikasi terpisah harus menjalankan dan memeriksanya. Laporan memublikasikan varian keluarga yang dikuantisasi secara terpisah, sehingga identitas 12B IT ini tidak boleh diam-diam diganti dengan checkpoint terkuantisasi berbeda saat mencatat hasil.
Pembuatnya mengidentifikasi batasan dari cakupan pelatihan, ketidakakuratan fakta, nuansa bahasa, dan tugas terbuka yang kompleks. Google juga mengingatkan bahwa pola bahasa yang masuk akal dapat menghasilkan jawaban yang mengabaikan batasan dunia nyata sehari-hari. Detail visual kecil dapat hilang atau salah dibaca, dan masukan panjang tetap memerlukan prioritas yang jelas. Simpan halaman asli, verifikasi label serta jumlah yang diekstrak, dan validasi teks yang diminta dan tampak terstruktur sebelum menggunakannya sebagai data. Evaluasi model 12B IT yang persis pada pertanyaan dan bahasa yang representatif. Hasil akhir yang berguna menyatakan jawaban berbasis sumber, penalaran yang diperlukan untuk memahaminya, dan ketidakpastian yang tersisa, tanpa menganggap penjelasan yang dihasilkan sebagai aksi alat yang sudah selesai atau pencarian pengetahuan terkini.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemma-3-12b-it | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0001 / 1K token Keluaran · Token keluaran $0.0003 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0001 / 1K token Keluaran · Token keluaran $0.0003 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "google/gemma-3-12b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'google/gemma-3-12b-it', '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': 'google/gemma-3-12b-it', '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 google/gemma-3-12b-it
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.