Gemma 3 27B IT adalah edisi berukuran 27B yang disesuaikan dengan instruksi dalam keluarga Gemma 3 Google. Model ini menggabungkan generasi teks dengan pemahaman gambar dan berbeda dari checkpoint 27B pralatih serta model IT 4B dan 12B yang lebih kecil. Hasilnya berupa teks: penjelasan berbasis sumber, ringkasan, draf dokumen, jawaban, atau usulan kode. Model yang disesuaikan dengan instruksi dirancang untuk mengikuti percakapan dan tugas yang diminta, bukan hanya bertindak sebagai model pelengkapan mentah.
Kartu pembuat menetapkan konteks total 128K token untuk ukuran ini. Masukan dan keluaran berbagi kapasitas tersebut, sehingga jawaban yang dihasilkan menggunakan ruang yang tersisa setelah permintaan. Kumpulan materi yang besar harus mempertahankan pengenal sumber dan tetap menyisakan ruang untuk hasil yang diminta. Tampilan gambar dalam jalur dasar dinormalisasi menjadi 896×896 dan dikodekan menjadi 256 token visual. Untuk analisis gabungan teks dan gambar, jelaskan hubungan gambar halaman, diagram, atau tangkapan layar dengan sumber tertulis agar model memiliki satu pertanyaan yang koheren untuk dijawab.
Anggaran prapelatihan model 27B yang dilaporkan adalah 14 triliun token. Data keluarga ini mencakup dokumen web dalam lebih dari 140 bahasa, kode, matematika, dan gambar. Pelatihan menggunakan distilasi pengetahuan, dan resep pascapelatihan menambahkan tujuan kepatuhan instruksi serta pembelajaran penguatan untuk kebermanfaatan, matematika, pemrograman, penalaran, dan perilaku multibahasa. Fakta tersebut menjelaskan proses pengembangan model pembuat. Fakta itu tidak menggantikan pemeriksaan pernyataan yang dihasilkan berdasarkan sumbernya atau menjalankan program yang diusulkan pada masukan yang dituju.
Laporan teknis menjelaskan transformer berbasis decoder saja dengan perhatian kueri berkelompok dan lima lapisan perhatian lokal untuk setiap lapisan global. Rentang lokal adalah 1024 token, sedangkan lapisan global menyediakan interaksi konteks yang lebih panjang. Encoder gambar SigLIP bersama dalam keluarga ini merepresentasikan masukan visual untuk model bahasa. Tokenizer SentencePiece menggunakan digit yang dipisah, karakter kosong yang dipertahankan, dan pengodean tingkat byte. Pertahankan notasi angka, indentasi kode, serta istilah bahasa sumber ketika relevan dengan penafsiran.
Untuk gambar yang tidak persegi atau terperinci, laporan menjelaskan Pan and Scan, yang dapat menambahkan potongan gambar tidak bertumpang tindih sebelum mengubah ukuran tampilan untuk encoder visual. Hal ini membantu mempertahankan konten kecil yang mungkin hilang akibat satu pengubahan ukuran persegi, tetapi pengaturan pemrosesan sebenarnya tetap penting. Tugas riset atau dokumen teknis dapat memberikan halaman penuh dan detail diagram yang terbaca, dengan label yang menjelaskan hubungannya. Mintalah jawaban mengidentifikasi nilai yang terlihat, kondisi tekstual yang relevan, serta kesimpulan yang didukung keduanya.
Gunakan format percakapan IT bawaan pembuat dengan giliran user dan model. Giliran system terpisah tidak didukung dalam format tersebut; letakkan instruksi peran dan respons dalam pesan user awal serta gunakan jalur pemformatan yang ditentukan. Untuk laporan panjang, sebutkan pertanyaan, bagian yang perlu dibandingkan, serta aturan prioritas jika sumber berbeda pendapat. Contoh penerapannya adalah menyelaraskan spesifikasi tertulis dengan diagram dan mengembalikan tabel persyaratan, daftar ketidaksesuaian, serta asumsi yang dibutuhkan untuk usulan penyelesaian.
Kategori penggunaan yang dituju mencakup penulisan, peringkasan, percakapan, ekstraksi data gambar, serta eksplorasi pendidikan atau riset. Untuk analisis kode, berikan modul sebenarnya, contoh masukan, serta batasan antarmuka, lalu mintalah penjelasan atau usulan perubahan yang terkait dengan fakta tersebut. Untuk penulisan multibahasa, tentukan pembaca dan istilah yang harus tetap sama. Untuk pertanyaan visual, mintalah pengamatan yang terkait dengan elemen bernama, bukan deskripsi gambar umum. Checkpoint keluarga yang dikuantisasi adalah artefak terpublikasi yang terpisah, jadi pertahankan identitas 27B IT yang tepat serta pengaturan pemrosesan ketika membandingkan hasil.
Pembuat mencatat bahwa model dapat memberikan fakta yang salah atau usang dan kesulitan dengan ambiguitas, nuansa, serta instruksi yang sangat terbuka. Google juga memperingatkan bahwa pola bahasa yang tampak masuk akal dapat menghasilkan jawaban yang melewatkan kendala dunia nyata sehari-hari. Konteks yang lebih banyak hanya berguna ketika kondisi yang relevan jelas. Sediakan sumber asli, periksa data serta perhitungan hasil ekstraksi, dan validasi respons yang tampak terstruktur sebelum memprosesnya sebagai catatan. Penjelasan multisumber harus membedakan bukti yang diberikan, penafsiran, serta informasi yang tidak tersedia. Profil 27B ini mendukung tugas penalaran teks dan gambar yang telah disiapkan; pencarian, pelaksanaan alat, atau pembaruan fakta yang dilakukan aplikasi memerlukan bukti hasil yang dikembalikan sendiri, bukan disimpulkan dari keluaran yang lancar.
", "aboutText": "Gemma 3 27B IT adalah edisi berukuran 27B yang disesuaikan dengan instruksi dalam keluarga Gemma 3 Google. Model ini menggabungkan generasi teks dengan pemahaman gambar dan berbeda dari checkpoint 27B pralatih serta model IT 4B dan 12B yang lebih kecil. Hasilnya berupa teks: penjelasan berbasis sumber, ringkasan, draf dokumen, jawaban, atau usulan kode. Model yang disesuaikan dengan instruksi dirancang untuk mengikuti percakapan dan tugas yang diminta, bukan hanya bertindak sebagai model pelengkapan mentah.\n\nKartu pembuat menetapkan konteks total 128K token untuk ukuran ini. Masukan dan keluaran berbagi kapasitas tersebut, sehingga jawaban yang dihasilkan menggunakan ruang yang tersisa setelah permintaan. Kumpulan materi yang besar harus mempertahankan pengenal sumber dan tetap menyisakan ruang untuk hasil yang diminta. Tampilan gambar dalam jalur dasar dinormalisasi menjadi 896×896 dan dikodekan menjadi 256 token visual. Untuk analisis gabungan teks dan gambar, jelaskan hubungan gambar halaman, diagram, atau tangkapan layar dengan sumber tertulis agar model memiliki satu pertanyaan yang koheren untuk dijawab.\n\nAnggaran prapelatihan model 27B yang dilaporkan adalah 14 triliun token. Data keluarga ini mencakup dokumen web dalam lebih dari 140 bahasa, kode, matematika, dan gambar. Pelatihan menggunakan distilasi pengetahuan, dan resep pascapelatihan menambahkan tujuan kepatuhan instruksi serta pembelajaran penguatan untuk kebermanfaatan, matematika, pemrograman, penalaran, dan perilaku multibahasa. Fakta tersebut menjelaskan proses pengembangan model pembuat. Fakta itu tidak menggantikan pemeriksaan pernyataan yang dihasilkan berdasarkan sumbernya atau menjalankan program yang diusulkan pada masukan yang dituju.\n\nLaporan teknis menjelaskan transformer berbasis decoder saja dengan perhatian kueri berkelompok dan lima lapisan perhatian lokal untuk setiap lapisan global. Rentang lokal adalah 1024 token, sedangkan lapisan global menyediakan interaksi konteks yang lebih panjang. Encoder gambar SigLIP bersama dalam keluarga ini merepresentasikan masukan visual untuk model bahasa. Tokenizer SentencePiece menggunakan digit yang dipisah, karakter kosong yang dipertahankan, dan pengodean tingkat byte. Pertahankan notasi angka, indentasi kode, serta istilah bahasa sumber ketika relevan dengan penafsiran.\n\nUntuk gambar yang tidak persegi atau terperinci, laporan menjelaskan Pan and Scan, yang dapat menambahkan potongan gambar tidak bertumpang tindih sebelum mengubah ukuran tampilan untuk encoder visual. Hal ini membantu mempertahankan konten kecil yang mungkin hilang akibat satu pengubahan ukuran persegi, tetapi pengaturan pemrosesan sebenarnya tetap penting. Tugas riset atau dokumen teknis dapat memberikan halaman penuh dan detail diagram yang terbaca, dengan label yang menjelaskan hubungannya. Mintalah jawaban mengidentifikasi nilai yang terlihat, kondisi tekstual yang relevan, serta kesimpulan yang didukung keduanya.\n\nGunakan format percakapan IT bawaan pembuat dengan giliran user dan model. Giliran system terpisah tidak didukung dalam format tersebut; letakkan instruksi peran dan respons dalam pesan user awal serta gunakan jalur pemformatan yang ditentukan. Untuk laporan panjang, sebutkan pertanyaan, bagian yang perlu dibandingkan, serta aturan prioritas jika sumber berbeda pendapat. Contoh penerapannya adalah menyelaraskan spesifikasi tertulis dengan diagram dan mengembalikan tabel persyaratan, daftar ketidaksesuaian, serta asumsi yang dibutuhkan untuk usulan penyelesaian.\n\nKategori penggunaan yang dituju mencakup penulisan, peringkasan, percakapan, ekstraksi data gambar, serta eksplorasi pendidikan atau riset. Untuk analisis kode, berikan modul sebenarnya, contoh masukan, serta batasan antarmuka, lalu mintalah penjelasan atau usulan perubahan yang terkait dengan fakta tersebut. Untuk penulisan multibahasa, tentukan pembaca dan istilah yang harus tetap sama. Untuk pertanyaan visual, mintalah pengamatan yang terkait dengan elemen bernama, bukan deskripsi gambar umum. Checkpoint keluarga yang dikuantisasi adalah artefak terpublikasi yang terpisah, jadi pertahankan identitas 27B IT yang tepat serta pengaturan pemrosesan ketika membandingkan hasil.\n\nPembuat mencatat bahwa model dapat memberikan fakta yang salah atau usang dan kesulitan dengan ambiguitas, nuansa, serta instruksi yang sangat terbuka. Google juga memperingatkan bahwa pola bahasa yang tampak masuk akal dapat menghasilkan jawaban yang melewatkan kendala dunia nyata sehari-hari. Konteks yang lebih banyak hanya berguna ketika kondisi yang relevan jelas. Sediakan sumber asli, periksa data serta perhitungan hasil ekstraksi, dan validasi respons yang tampak terstruktur sebelum memprosesnya sebagai catatan. Penjelasan multisumber harus membedakan bukti yang diberikan, penafsiran, serta informasi yang tidak tersedia. Profil 27B ini mendukung tugas penalaran teks dan gambar yang telah disiapkan; pencarian, pelaksanaan alat, atau pembaruan fakta yang dilakukan aplikasi memerlukan bukti hasil yang dikembalikan sendiri, bukan disimpulkan dari keluaran yang lancar.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Reconcile two written specification sources\n\nReconcile these sources. SPEC-1: the controller has four outputs, each rated 2 A; total current must not exceed 5 A. NOTE-2: connect four 2 A loads simultaneously. Produce a requirement table and a discrepancy note. Suggest a clarification question rather than silently treating the per-output rating as the permitted total.A source-labelled requirement table, the conflicting proposed load and a targeted clarification question.The answer distinguishes the 2 A individual rating from the 5 A aggregate limit and notices the 8 A proposal.google/gemma-3-27b-itGemma 3 27B IT adalah model berukuran 27B yang disesuaikan dengan instruksi dalam keluarga Gemma 3 Google. Model ini menerima teks dan gambar serta menghasilkan teks untuk analisis sumber panjang, penulisan, kode, dan pertanyaan visual, dengan konteks bersama 128K serta cakupan multibahasa keluarga ini.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemma 3 27B IT adalah edisi berukuran 27B yang disesuaikan dengan instruksi dalam keluarga Gemma 3 Google. Model ini menggabungkan generasi teks dengan pemahaman gambar dan berbeda dari checkpoint 27B pralatih serta model IT 4B dan 12B yang lebih kecil. Hasilnya berupa teks: penjelasan berbasis sumber, ringkasan, draf dokumen, jawaban, atau usulan kode. Model yang disesuaikan dengan instruksi dirancang untuk mengikuti percakapan dan tugas yang diminta, bukan hanya bertindak sebagai model pelengkapan mentah.
Kartu pembuat menetapkan konteks total 128K token untuk ukuran ini. Masukan dan keluaran berbagi kapasitas tersebut, sehingga jawaban yang dihasilkan menggunakan ruang yang tersisa setelah permintaan. Kumpulan materi yang besar harus mempertahankan pengenal sumber dan tetap menyisakan ruang untuk hasil yang diminta. Tampilan gambar dalam jalur dasar dinormalisasi menjadi 896×896 dan dikodekan menjadi 256 token visual. Untuk analisis gabungan teks dan gambar, jelaskan hubungan gambar halaman, diagram, atau tangkapan layar dengan sumber tertulis agar model memiliki satu pertanyaan yang koheren untuk dijawab.
Anggaran prapelatihan model 27B yang dilaporkan adalah 14 triliun token. Data keluarga ini mencakup dokumen web dalam lebih dari 140 bahasa, kode, matematika, dan gambar. Pelatihan menggunakan distilasi pengetahuan, dan resep pascapelatihan menambahkan tujuan kepatuhan instruksi serta pembelajaran penguatan untuk kebermanfaatan, matematika, pemrograman, penalaran, dan perilaku multibahasa. Fakta tersebut menjelaskan proses pengembangan model pembuat. Fakta itu tidak menggantikan pemeriksaan pernyataan yang dihasilkan berdasarkan sumbernya atau menjalankan program yang diusulkan pada masukan yang dituju.
Laporan teknis menjelaskan transformer berbasis decoder saja dengan perhatian kueri berkelompok dan lima lapisan perhatian lokal untuk setiap lapisan global. Rentang lokal adalah 1024 token, sedangkan lapisan global menyediakan interaksi konteks yang lebih panjang. Encoder gambar SigLIP bersama dalam keluarga ini merepresentasikan masukan visual untuk model bahasa. Tokenizer SentencePiece menggunakan digit yang dipisah, karakter kosong yang dipertahankan, dan pengodean tingkat byte. Pertahankan notasi angka, indentasi kode, serta istilah bahasa sumber ketika relevan dengan penafsiran.
Untuk gambar yang tidak persegi atau terperinci, laporan menjelaskan Pan and Scan, yang dapat menambahkan potongan gambar tidak bertumpang tindih sebelum mengubah ukuran tampilan untuk encoder visual. Hal ini membantu mempertahankan konten kecil yang mungkin hilang akibat satu pengubahan ukuran persegi, tetapi pengaturan pemrosesan sebenarnya tetap penting. Tugas riset atau dokumen teknis dapat memberikan halaman penuh dan detail diagram yang terbaca, dengan label yang menjelaskan hubungannya. Mintalah jawaban mengidentifikasi nilai yang terlihat, kondisi tekstual yang relevan, serta kesimpulan yang didukung keduanya.
Gunakan format percakapan IT bawaan pembuat dengan giliran user dan model. Giliran system terpisah tidak didukung dalam format tersebut; letakkan instruksi peran dan respons dalam pesan user awal serta gunakan jalur pemformatan yang ditentukan. Untuk laporan panjang, sebutkan pertanyaan, bagian yang perlu dibandingkan, serta aturan prioritas jika sumber berbeda pendapat. Contoh penerapannya adalah menyelaraskan spesifikasi tertulis dengan diagram dan mengembalikan tabel persyaratan, daftar ketidaksesuaian, serta asumsi yang dibutuhkan untuk usulan penyelesaian.
Kategori penggunaan yang dituju mencakup penulisan, peringkasan, percakapan, ekstraksi data gambar, serta eksplorasi pendidikan atau riset. Untuk analisis kode, berikan modul sebenarnya, contoh masukan, serta batasan antarmuka, lalu mintalah penjelasan atau usulan perubahan yang terkait dengan fakta tersebut. Untuk penulisan multibahasa, tentukan pembaca dan istilah yang harus tetap sama. Untuk pertanyaan visual, mintalah pengamatan yang terkait dengan elemen bernama, bukan deskripsi gambar umum. Checkpoint keluarga yang dikuantisasi adalah artefak terpublikasi yang terpisah, jadi pertahankan identitas 27B IT yang tepat serta pengaturan pemrosesan ketika membandingkan hasil.
Pembuat mencatat bahwa model dapat memberikan fakta yang salah atau usang dan kesulitan dengan ambiguitas, nuansa, serta instruksi yang sangat terbuka. Google juga memperingatkan bahwa pola bahasa yang tampak masuk akal dapat menghasilkan jawaban yang melewatkan kendala dunia nyata sehari-hari. Konteks yang lebih banyak hanya berguna ketika kondisi yang relevan jelas. Sediakan sumber asli, periksa data serta perhitungan hasil ekstraksi, dan validasi respons yang tampak terstruktur sebelum memprosesnya sebagai catatan. Penjelasan multisumber harus membedakan bukti yang diberikan, penafsiran, serta informasi yang tidak tersedia. Profil 27B ini mendukung tugas penalaran teks dan gambar yang telah disiapkan; pencarian, pelaksanaan alat, atau pembaruan fakta yang dilakukan aplikasi memerlukan bukti hasil yang dikembalikan sendiri, bukan disimpulkan dari keluaran yang lancar.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemma-3-27b-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 $0.00016 / 1K token Keluaran · Token keluaran $0.0007 / 1K token Masukan · Pembacaan cache $0.00008 / 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 $0.00016 / 1K token Keluaran · Token keluaran $0.0007 / 1K token Masukan · Pembacaan cache $0.00008 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-27b-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-3-27b-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-3-27b-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-3-27b-it
Gunakan jalur metode yang ditampilkan di atas.
google/gemma-3-27b-itGemma 3 27B IT adalah model berukuran 27B yang disesuaikan dengan instruksi dalam keluarga Gemma 3 Google. Model ini menerima teks dan gambar serta menghasilkan teks untuk analisis sumber panjang, penulisan, kode, dan pertanyaan visual, dengan konteks bersama 128K serta cakupan multibahasa keluarga ini.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemma 3 27B IT adalah edisi berukuran 27B yang disesuaikan dengan instruksi dalam keluarga Gemma 3 Google. Model ini menggabungkan generasi teks dengan pemahaman gambar dan berbeda dari checkpoint 27B pralatih serta model IT 4B dan 12B yang lebih kecil. Hasilnya berupa teks: penjelasan berbasis sumber, ringkasan, draf dokumen, jawaban, atau usulan kode. Model yang disesuaikan dengan instruksi dirancang untuk mengikuti percakapan dan tugas yang diminta, bukan hanya bertindak sebagai model pelengkapan mentah.
Kartu pembuat menetapkan konteks total 128K token untuk ukuran ini. Masukan dan keluaran berbagi kapasitas tersebut, sehingga jawaban yang dihasilkan menggunakan ruang yang tersisa setelah permintaan. Kumpulan materi yang besar harus mempertahankan pengenal sumber dan tetap menyisakan ruang untuk hasil yang diminta. Tampilan gambar dalam jalur dasar dinormalisasi menjadi 896×896 dan dikodekan menjadi 256 token visual. Untuk analisis gabungan teks dan gambar, jelaskan hubungan gambar halaman, diagram, atau tangkapan layar dengan sumber tertulis agar model memiliki satu pertanyaan yang koheren untuk dijawab.
Anggaran prapelatihan model 27B yang dilaporkan adalah 14 triliun token. Data keluarga ini mencakup dokumen web dalam lebih dari 140 bahasa, kode, matematika, dan gambar. Pelatihan menggunakan distilasi pengetahuan, dan resep pascapelatihan menambahkan tujuan kepatuhan instruksi serta pembelajaran penguatan untuk kebermanfaatan, matematika, pemrograman, penalaran, dan perilaku multibahasa. Fakta tersebut menjelaskan proses pengembangan model pembuat. Fakta itu tidak menggantikan pemeriksaan pernyataan yang dihasilkan berdasarkan sumbernya atau menjalankan program yang diusulkan pada masukan yang dituju.
Laporan teknis menjelaskan transformer berbasis decoder saja dengan perhatian kueri berkelompok dan lima lapisan perhatian lokal untuk setiap lapisan global. Rentang lokal adalah 1024 token, sedangkan lapisan global menyediakan interaksi konteks yang lebih panjang. Encoder gambar SigLIP bersama dalam keluarga ini merepresentasikan masukan visual untuk model bahasa. Tokenizer SentencePiece menggunakan digit yang dipisah, karakter kosong yang dipertahankan, dan pengodean tingkat byte. Pertahankan notasi angka, indentasi kode, serta istilah bahasa sumber ketika relevan dengan penafsiran.
Untuk gambar yang tidak persegi atau terperinci, laporan menjelaskan Pan and Scan, yang dapat menambahkan potongan gambar tidak bertumpang tindih sebelum mengubah ukuran tampilan untuk encoder visual. Hal ini membantu mempertahankan konten kecil yang mungkin hilang akibat satu pengubahan ukuran persegi, tetapi pengaturan pemrosesan sebenarnya tetap penting. Tugas riset atau dokumen teknis dapat memberikan halaman penuh dan detail diagram yang terbaca, dengan label yang menjelaskan hubungannya. Mintalah jawaban mengidentifikasi nilai yang terlihat, kondisi tekstual yang relevan, serta kesimpulan yang didukung keduanya.
Gunakan format percakapan IT bawaan pembuat dengan giliran user dan model. Giliran system terpisah tidak didukung dalam format tersebut; letakkan instruksi peran dan respons dalam pesan user awal serta gunakan jalur pemformatan yang ditentukan. Untuk laporan panjang, sebutkan pertanyaan, bagian yang perlu dibandingkan, serta aturan prioritas jika sumber berbeda pendapat. Contoh penerapannya adalah menyelaraskan spesifikasi tertulis dengan diagram dan mengembalikan tabel persyaratan, daftar ketidaksesuaian, serta asumsi yang dibutuhkan untuk usulan penyelesaian.
Kategori penggunaan yang dituju mencakup penulisan, peringkasan, percakapan, ekstraksi data gambar, serta eksplorasi pendidikan atau riset. Untuk analisis kode, berikan modul sebenarnya, contoh masukan, serta batasan antarmuka, lalu mintalah penjelasan atau usulan perubahan yang terkait dengan fakta tersebut. Untuk penulisan multibahasa, tentukan pembaca dan istilah yang harus tetap sama. Untuk pertanyaan visual, mintalah pengamatan yang terkait dengan elemen bernama, bukan deskripsi gambar umum. Checkpoint keluarga yang dikuantisasi adalah artefak terpublikasi yang terpisah, jadi pertahankan identitas 27B IT yang tepat serta pengaturan pemrosesan ketika membandingkan hasil.
Pembuat mencatat bahwa model dapat memberikan fakta yang salah atau usang dan kesulitan dengan ambiguitas, nuansa, serta instruksi yang sangat terbuka. Google juga memperingatkan bahwa pola bahasa yang tampak masuk akal dapat menghasilkan jawaban yang melewatkan kendala dunia nyata sehari-hari. Konteks yang lebih banyak hanya berguna ketika kondisi yang relevan jelas. Sediakan sumber asli, periksa data serta perhitungan hasil ekstraksi, dan validasi respons yang tampak terstruktur sebelum memprosesnya sebagai catatan. Penjelasan multisumber harus membedakan bukti yang diberikan, penafsiran, serta informasi yang tidak tersedia. Profil 27B ini mendukung tugas penalaran teks dan gambar yang telah disiapkan; pencarian, pelaksanaan alat, atau pembaruan fakta yang dilakukan aplikasi memerlukan bukti hasil yang dikembalikan sendiri, bukan disimpulkan dari keluaran yang lancar.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemma-3-27b-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 $0.00016 / 1K token Keluaran · Token keluaran $0.0007 / 1K token Masukan · Pembacaan cache $0.00008 / 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 $0.00016 / 1K token Keluaran · Token keluaran $0.0007 / 1K token Masukan · Pembacaan cache $0.00008 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "google/gemma-3-27b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-27b-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-3-27b-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-3-27b-it
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Reconcile two written specification sources\n\nReconcile these sources. SPEC-1: the controller has four outputs, each rated 2 A; total current must not exceed 5 A. NOTE-2: connect four 2 A loads simultaneously. Produce a requirement table and a discrepancy note. Suggest a clarification question rather than silently treating the per-output rating as the permitted total.A source-labelled requirement table, the conflicting proposed load and a targeted clarification question.The answer distinguishes the 2 A individual rating from the 5 A aggregate limit and notices the 8 A proposal.