Gemma 3 4B IT adalah edisi berukuran 4B yang disesuaikan untuk mengikuti instruksi dalam keluarga vision-language Gemma 3 milik Google. IT menunjukkan versi yang diadaptasi untuk mengikuti instruksi pengguna dan giliran percakapan, bukan checkpoint pralatih yang digunakan sebagai fondasi pelatihan lanjutan. Model menerima teks dan gambar serta menghasilkan teks: jawaban, ringkasan, penjelasan, draf, atau kode. Masukan visualnya mendukung pertanyaan tentang gambar dan halaman dokumen yang diberikan; keluarannya bukan gambar yang baru dibuat.
Kartu model menetapkan konteks 128K token untuk edisi 4B, yang digunakan bersama oleh permintaan dan jawaban yang dihasilkan. Sisa kapasitas keluaran adalah total konteks setelah dikurangi masukan, bukan anggaran keluaran 128K tambahan yang independen. Jalur gambar dasarnya menormalkan gambar menjadi 896×896 dan mengodekan setiap tampilan menjadi 256 token visual. Untuk asisten yang terarah, berikan catatan atau gambar yang relevan, satu pertanyaan yang jelas, dan hasil ringkas yang diinginkan. Simpan teks sumber bersama jawaban agar nama, tanggal, atau label yang diekstrak dapat diperiksa.
Bahan pelatihan keluarga ini mencakup teks web dalam lebih dari 140 bahasa, kode, matematika, dan gambar. Pengembang melaporkan empat triliun token prapelatihan untuk model 4B. Laporan teknis menjelaskan distilasi selama prapelatihan dan penyesuaian instruksi, diikuti pascapelatihan berbasis reinforcement learning untuk meningkatkan kegunaan, penalaran, kode, matematika, dan kepatuhan pada instruksi. Ini adalah karakteristik pelatihan ukuran dan keluarga tersebut, bukan jaminan bahwa setiap jawaban benar atau checkpoint Gemma lainnya berperilaku identik.
Arsitekturnya adalah transformer khusus decoder dengan grouped-query attention, yang menyisipkan lima lapisan perhatian lokal untuk setiap lapisan perhatian global. Perhatian lokal mencakup 1,024 token, sedangkan lapisan global menangani konteks yang lebih luas. Encoder visual SigLIP bersama mengubah informasi gambar menjadi masukan bagi model bahasa. Tokenizer berbasis SentencePiece menggunakan digit terpisah, spasi yang dipertahankan, dan pengodean tingkat byte. Gunakan jumlah token dari tokenizer aktual saat merencanakan masukan panjang, serta pertahankan indentasi kode dan pengenal ketika keduanya membawa makna.
Laporan menjelaskan Pan and Scan untuk gambar yang bentuk atau detailnya tidak bertahan saat diubah ukurannya secara sederhana menjadi persegi. Proses ini dapat membuat tampilan tambahan yang tidak saling tumpang tindih, lalu menyesuaikan ukurannya untuk encoder visual. Pemrosesan tersebut memiliki dampak tersendiri pada masukan dan komputasi. Untuk tangkapan layar berisi label kecil, tentukan wilayah yang penting dan berikan tampilan yang terbaca, alih-alih mengandalkan gambar seluruh layar berukuran kecil. Untuk beberapa gambar, beri label pada perannya dan minta jawaban terhubung dengan sumber yang tepat.
Format percakapan IT native pengembang menggunakan giliran user dan model dengan batas giliran yang eksplisit. Format ini tidak mendukung peran system native yang terpisah; letakkan instruksi peran dan format dalam prompt user awal. Gunakan formatter atau processor yang sesuai, alih-alih memperlakukan checkpoint IT seperti pelengkapan teks biasa. Untuk contoh catatan dukungan, sebutkan pembaca yang dituju, fakta yang harus dipertahankan, dan nada, lalu minta balasan singkat beserta pertanyaan yang belum terselesaikan. Untuk ekstraksi visual, tentukan kolom dan cara menyatakan nilai yang tidak terbaca.
Penggunaan Gemma yang dituju mencakup penulisan, peringkasan, bantuan percakapan, ekstraksi data gambar, dan eksplorasi pendidikan. Alur kerja 4B yang terarah dapat mengubah catatan layanan menjadi daftar tindakan, menjelaskan diagram yang terlihat, atau menjawab pertanyaan tentang bagian teks yang diberikan. Minta hasil yang mudah diperiksa: penjelasan yang terkait dengan elemen bernama atau catatan kecil berisi kolom yang didukung sumber. Pencarian melalui alat atau eksekusi kode merupakan tugas aplikasi yang menaunginya; menghasilkan instruksi berbentuk panggilan alat berbeda dari menyelesaikan operasi eksternal.
Pengembang mencatat batasan yang berasal dari cakupan pelatihan, nuansa bahasa, kesalahan faktual, dan kompleksitas tugas terbuka. Google juga mengingatkan bahwa pola bahasa yang masuk akal dapat menghasilkan jawaban yang mengabaikan batasan dunia nyata sehari-hari. Gambar juga dapat kehilangan detail penting akibat perubahan ukuran, dan konteks panjang tidak membuat pertanyaan yang kurang jelas menjadi jelas. Tinjau hasil terhadap bahan asli, validasi kolom terstruktur yang diminta, dan periksa perhitungan atau usulan kode secara independen. Evaluasi model 4B IT yang tepat pada bahasa serta jenis dokumen nyata dalam tugas. Pisahkan ukuran, identitas IT, dan pengaturan pemrosesannya dari varian Gemma 12B, 27B, dan yang lebih baru saat mencatat hasil.
", "aboutText": "Gemma 3 4B IT adalah edisi berukuran 4B yang disesuaikan untuk mengikuti instruksi dalam keluarga vision-language Gemma 3 milik Google. IT menunjukkan versi yang diadaptasi untuk mengikuti instruksi pengguna dan giliran percakapan, bukan checkpoint pralatih yang digunakan sebagai fondasi pelatihan lanjutan. Model menerima teks dan gambar serta menghasilkan teks: jawaban, ringkasan, penjelasan, draf, atau kode. Masukan visualnya mendukung pertanyaan tentang gambar dan halaman dokumen yang diberikan; keluarannya bukan gambar yang baru dibuat.\n\nKartu model menetapkan konteks 128K token untuk edisi 4B, yang digunakan bersama oleh permintaan dan jawaban yang dihasilkan. Sisa kapasitas keluaran adalah total konteks setelah dikurangi masukan, bukan anggaran keluaran 128K tambahan yang independen. Jalur gambar dasarnya menormalkan gambar menjadi 896×896 dan mengodekan setiap tampilan menjadi 256 token visual. Untuk asisten yang terarah, berikan catatan atau gambar yang relevan, satu pertanyaan yang jelas, dan hasil ringkas yang diinginkan. Simpan teks sumber bersama jawaban agar nama, tanggal, atau label yang diekstrak dapat diperiksa.\n\nBahan pelatihan keluarga ini mencakup teks web dalam lebih dari 140 bahasa, kode, matematika, dan gambar. Pengembang melaporkan empat triliun token prapelatihan untuk model 4B. Laporan teknis menjelaskan distilasi selama prapelatihan dan penyesuaian instruksi, diikuti pascapelatihan berbasis reinforcement learning untuk meningkatkan kegunaan, penalaran, kode, matematika, dan kepatuhan pada instruksi. Ini adalah karakteristik pelatihan ukuran dan keluarga tersebut, bukan jaminan bahwa setiap jawaban benar atau checkpoint Gemma lainnya berperilaku identik.\n\nArsitekturnya adalah transformer khusus decoder dengan grouped-query attention, yang menyisipkan lima lapisan perhatian lokal untuk setiap lapisan perhatian global. Perhatian lokal mencakup 1,024 token, sedangkan lapisan global menangani konteks yang lebih luas. Encoder visual SigLIP bersama mengubah informasi gambar menjadi masukan bagi model bahasa. Tokenizer berbasis SentencePiece menggunakan digit terpisah, spasi yang dipertahankan, dan pengodean tingkat byte. Gunakan jumlah token dari tokenizer aktual saat merencanakan masukan panjang, serta pertahankan indentasi kode dan pengenal ketika keduanya membawa makna.\n\nLaporan menjelaskan Pan and Scan untuk gambar yang bentuk atau detailnya tidak bertahan saat diubah ukurannya secara sederhana menjadi persegi. Proses ini dapat membuat tampilan tambahan yang tidak saling tumpang tindih, lalu menyesuaikan ukurannya untuk encoder visual. Pemrosesan tersebut memiliki dampak tersendiri pada masukan dan komputasi. Untuk tangkapan layar berisi label kecil, tentukan wilayah yang penting dan berikan tampilan yang terbaca, alih-alih mengandalkan gambar seluruh layar berukuran kecil. Untuk beberapa gambar, beri label pada perannya dan minta jawaban terhubung dengan sumber yang tepat.\n\nFormat percakapan IT native pengembang menggunakan giliran user dan model dengan batas giliran yang eksplisit. Format ini tidak mendukung peran system native yang terpisah; letakkan instruksi peran dan format dalam prompt user awal. Gunakan formatter atau processor yang sesuai, alih-alih memperlakukan checkpoint IT seperti pelengkapan teks biasa. Untuk contoh catatan dukungan, sebutkan pembaca yang dituju, fakta yang harus dipertahankan, dan nada, lalu minta balasan singkat beserta pertanyaan yang belum terselesaikan. Untuk ekstraksi visual, tentukan kolom dan cara menyatakan nilai yang tidak terbaca.\n\nPenggunaan Gemma yang dituju mencakup penulisan, peringkasan, bantuan percakapan, ekstraksi data gambar, dan eksplorasi pendidikan. Alur kerja 4B yang terarah dapat mengubah catatan layanan menjadi daftar tindakan, menjelaskan diagram yang terlihat, atau menjawab pertanyaan tentang bagian teks yang diberikan. Minta hasil yang mudah diperiksa: penjelasan yang terkait dengan elemen bernama atau catatan kecil berisi kolom yang didukung sumber. Pencarian melalui alat atau eksekusi kode merupakan tugas aplikasi yang menaunginya; menghasilkan instruksi berbentuk panggilan alat berbeda dari menyelesaikan operasi eksternal.\n\nPengembang mencatat batasan yang berasal dari cakupan pelatihan, nuansa bahasa, kesalahan faktual, dan kompleksitas tugas terbuka. Google juga mengingatkan bahwa pola bahasa yang masuk akal dapat menghasilkan jawaban yang mengabaikan batasan dunia nyata sehari-hari. Gambar juga dapat kehilangan detail penting akibat perubahan ukuran, dan konteks panjang tidak membuat pertanyaan yang kurang jelas menjadi jelas. Tinjau hasil terhadap bahan asli, validasi kolom terstruktur yang diminta, dan periksa perhitungan atau usulan kode secara independen. Evaluasi model 4B IT yang tepat pada bahasa serta jenis dokumen nyata dalam tugas. Pisahkan ukuran, identitas IT, dan pengaturan pemrosesannya dari varian Gemma 12B, 27B, dan yang lebih baru saat mencatat hasil.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.google/gemma-3-4b-itGemma 3 4B IT adalah model teks dan gambar Google berukuran 4B yang disesuaikan dengan instruksi. Model ini menghasilkan teks untuk pertanyaan, ringkasan, penulisan, dan analisis visual, dengan konteks bersama 128K serta dukungan keluarga untuk lebih dari 140 bahasa.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemma 3 4B IT adalah edisi berukuran 4B yang disesuaikan untuk mengikuti instruksi dalam keluarga vision-language Gemma 3 milik Google. IT menunjukkan versi yang diadaptasi untuk mengikuti instruksi pengguna dan giliran percakapan, bukan checkpoint pralatih yang digunakan sebagai fondasi pelatihan lanjutan. Model menerima teks dan gambar serta menghasilkan teks: jawaban, ringkasan, penjelasan, draf, atau kode. Masukan visualnya mendukung pertanyaan tentang gambar dan halaman dokumen yang diberikan; keluarannya bukan gambar yang baru dibuat.
Kartu model menetapkan konteks 128K token untuk edisi 4B, yang digunakan bersama oleh permintaan dan jawaban yang dihasilkan. Sisa kapasitas keluaran adalah total konteks setelah dikurangi masukan, bukan anggaran keluaran 128K tambahan yang independen. Jalur gambar dasarnya menormalkan gambar menjadi 896×896 dan mengodekan setiap tampilan menjadi 256 token visual. Untuk asisten yang terarah, berikan catatan atau gambar yang relevan, satu pertanyaan yang jelas, dan hasil ringkas yang diinginkan. Simpan teks sumber bersama jawaban agar nama, tanggal, atau label yang diekstrak dapat diperiksa.
Bahan pelatihan keluarga ini mencakup teks web dalam lebih dari 140 bahasa, kode, matematika, dan gambar. Pengembang melaporkan empat triliun token prapelatihan untuk model 4B. Laporan teknis menjelaskan distilasi selama prapelatihan dan penyesuaian instruksi, diikuti pascapelatihan berbasis reinforcement learning untuk meningkatkan kegunaan, penalaran, kode, matematika, dan kepatuhan pada instruksi. Ini adalah karakteristik pelatihan ukuran dan keluarga tersebut, bukan jaminan bahwa setiap jawaban benar atau checkpoint Gemma lainnya berperilaku identik.
Arsitekturnya adalah transformer khusus decoder dengan grouped-query attention, yang menyisipkan lima lapisan perhatian lokal untuk setiap lapisan perhatian global. Perhatian lokal mencakup 1,024 token, sedangkan lapisan global menangani konteks yang lebih luas. Encoder visual SigLIP bersama mengubah informasi gambar menjadi masukan bagi model bahasa. Tokenizer berbasis SentencePiece menggunakan digit terpisah, spasi yang dipertahankan, dan pengodean tingkat byte. Gunakan jumlah token dari tokenizer aktual saat merencanakan masukan panjang, serta pertahankan indentasi kode dan pengenal ketika keduanya membawa makna.
Laporan menjelaskan Pan and Scan untuk gambar yang bentuk atau detailnya tidak bertahan saat diubah ukurannya secara sederhana menjadi persegi. Proses ini dapat membuat tampilan tambahan yang tidak saling tumpang tindih, lalu menyesuaikan ukurannya untuk encoder visual. Pemrosesan tersebut memiliki dampak tersendiri pada masukan dan komputasi. Untuk tangkapan layar berisi label kecil, tentukan wilayah yang penting dan berikan tampilan yang terbaca, alih-alih mengandalkan gambar seluruh layar berukuran kecil. Untuk beberapa gambar, beri label pada perannya dan minta jawaban terhubung dengan sumber yang tepat.
Format percakapan IT native pengembang menggunakan giliran user dan model dengan batas giliran yang eksplisit. Format ini tidak mendukung peran system native yang terpisah; letakkan instruksi peran dan format dalam prompt user awal. Gunakan formatter atau processor yang sesuai, alih-alih memperlakukan checkpoint IT seperti pelengkapan teks biasa. Untuk contoh catatan dukungan, sebutkan pembaca yang dituju, fakta yang harus dipertahankan, dan nada, lalu minta balasan singkat beserta pertanyaan yang belum terselesaikan. Untuk ekstraksi visual, tentukan kolom dan cara menyatakan nilai yang tidak terbaca.
Penggunaan Gemma yang dituju mencakup penulisan, peringkasan, bantuan percakapan, ekstraksi data gambar, dan eksplorasi pendidikan. Alur kerja 4B yang terarah dapat mengubah catatan layanan menjadi daftar tindakan, menjelaskan diagram yang terlihat, atau menjawab pertanyaan tentang bagian teks yang diberikan. Minta hasil yang mudah diperiksa: penjelasan yang terkait dengan elemen bernama atau catatan kecil berisi kolom yang didukung sumber. Pencarian melalui alat atau eksekusi kode merupakan tugas aplikasi yang menaunginya; menghasilkan instruksi berbentuk panggilan alat berbeda dari menyelesaikan operasi eksternal.
Pengembang mencatat batasan yang berasal dari cakupan pelatihan, nuansa bahasa, kesalahan faktual, dan kompleksitas tugas terbuka. Google juga mengingatkan bahwa pola bahasa yang masuk akal dapat menghasilkan jawaban yang mengabaikan batasan dunia nyata sehari-hari. Gambar juga dapat kehilangan detail penting akibat perubahan ukuran, dan konteks panjang tidak membuat pertanyaan yang kurang jelas menjadi jelas. Tinjau hasil terhadap bahan asli, validasi kolom terstruktur yang diminta, dan periksa perhitungan atau usulan kode secara independen. Evaluasi model 4B IT yang tepat pada bahasa serta jenis dokumen nyata dalam tugas. Pisahkan ukuran, identitas IT, dan pengaturan pemrosesannya dari varian Gemma 12B, 27B, dan yang lebih baru saat mencatat hasil.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemma-3-4b-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 $0.0002 / 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 $0.0002 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-4b-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-3-4b-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-3-4b-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-3-4b-it
Gunakan jalur metode yang ditampilkan di atas.
google/gemma-3-4b-itGemma 3 4B IT adalah model teks dan gambar Google berukuran 4B yang disesuaikan dengan instruksi. Model ini menghasilkan teks untuk pertanyaan, ringkasan, penulisan, dan analisis visual, dengan konteks bersama 128K serta dukungan keluarga untuk lebih dari 140 bahasa.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemma 3 4B IT adalah edisi berukuran 4B yang disesuaikan untuk mengikuti instruksi dalam keluarga vision-language Gemma 3 milik Google. IT menunjukkan versi yang diadaptasi untuk mengikuti instruksi pengguna dan giliran percakapan, bukan checkpoint pralatih yang digunakan sebagai fondasi pelatihan lanjutan. Model menerima teks dan gambar serta menghasilkan teks: jawaban, ringkasan, penjelasan, draf, atau kode. Masukan visualnya mendukung pertanyaan tentang gambar dan halaman dokumen yang diberikan; keluarannya bukan gambar yang baru dibuat.
Kartu model menetapkan konteks 128K token untuk edisi 4B, yang digunakan bersama oleh permintaan dan jawaban yang dihasilkan. Sisa kapasitas keluaran adalah total konteks setelah dikurangi masukan, bukan anggaran keluaran 128K tambahan yang independen. Jalur gambar dasarnya menormalkan gambar menjadi 896×896 dan mengodekan setiap tampilan menjadi 256 token visual. Untuk asisten yang terarah, berikan catatan atau gambar yang relevan, satu pertanyaan yang jelas, dan hasil ringkas yang diinginkan. Simpan teks sumber bersama jawaban agar nama, tanggal, atau label yang diekstrak dapat diperiksa.
Bahan pelatihan keluarga ini mencakup teks web dalam lebih dari 140 bahasa, kode, matematika, dan gambar. Pengembang melaporkan empat triliun token prapelatihan untuk model 4B. Laporan teknis menjelaskan distilasi selama prapelatihan dan penyesuaian instruksi, diikuti pascapelatihan berbasis reinforcement learning untuk meningkatkan kegunaan, penalaran, kode, matematika, dan kepatuhan pada instruksi. Ini adalah karakteristik pelatihan ukuran dan keluarga tersebut, bukan jaminan bahwa setiap jawaban benar atau checkpoint Gemma lainnya berperilaku identik.
Arsitekturnya adalah transformer khusus decoder dengan grouped-query attention, yang menyisipkan lima lapisan perhatian lokal untuk setiap lapisan perhatian global. Perhatian lokal mencakup 1,024 token, sedangkan lapisan global menangani konteks yang lebih luas. Encoder visual SigLIP bersama mengubah informasi gambar menjadi masukan bagi model bahasa. Tokenizer berbasis SentencePiece menggunakan digit terpisah, spasi yang dipertahankan, dan pengodean tingkat byte. Gunakan jumlah token dari tokenizer aktual saat merencanakan masukan panjang, serta pertahankan indentasi kode dan pengenal ketika keduanya membawa makna.
Laporan menjelaskan Pan and Scan untuk gambar yang bentuk atau detailnya tidak bertahan saat diubah ukurannya secara sederhana menjadi persegi. Proses ini dapat membuat tampilan tambahan yang tidak saling tumpang tindih, lalu menyesuaikan ukurannya untuk encoder visual. Pemrosesan tersebut memiliki dampak tersendiri pada masukan dan komputasi. Untuk tangkapan layar berisi label kecil, tentukan wilayah yang penting dan berikan tampilan yang terbaca, alih-alih mengandalkan gambar seluruh layar berukuran kecil. Untuk beberapa gambar, beri label pada perannya dan minta jawaban terhubung dengan sumber yang tepat.
Format percakapan IT native pengembang menggunakan giliran user dan model dengan batas giliran yang eksplisit. Format ini tidak mendukung peran system native yang terpisah; letakkan instruksi peran dan format dalam prompt user awal. Gunakan formatter atau processor yang sesuai, alih-alih memperlakukan checkpoint IT seperti pelengkapan teks biasa. Untuk contoh catatan dukungan, sebutkan pembaca yang dituju, fakta yang harus dipertahankan, dan nada, lalu minta balasan singkat beserta pertanyaan yang belum terselesaikan. Untuk ekstraksi visual, tentukan kolom dan cara menyatakan nilai yang tidak terbaca.
Penggunaan Gemma yang dituju mencakup penulisan, peringkasan, bantuan percakapan, ekstraksi data gambar, dan eksplorasi pendidikan. Alur kerja 4B yang terarah dapat mengubah catatan layanan menjadi daftar tindakan, menjelaskan diagram yang terlihat, atau menjawab pertanyaan tentang bagian teks yang diberikan. Minta hasil yang mudah diperiksa: penjelasan yang terkait dengan elemen bernama atau catatan kecil berisi kolom yang didukung sumber. Pencarian melalui alat atau eksekusi kode merupakan tugas aplikasi yang menaunginya; menghasilkan instruksi berbentuk panggilan alat berbeda dari menyelesaikan operasi eksternal.
Pengembang mencatat batasan yang berasal dari cakupan pelatihan, nuansa bahasa, kesalahan faktual, dan kompleksitas tugas terbuka. Google juga mengingatkan bahwa pola bahasa yang masuk akal dapat menghasilkan jawaban yang mengabaikan batasan dunia nyata sehari-hari. Gambar juga dapat kehilangan detail penting akibat perubahan ukuran, dan konteks panjang tidak membuat pertanyaan yang kurang jelas menjadi jelas. Tinjau hasil terhadap bahan asli, validasi kolom terstruktur yang diminta, dan periksa perhitungan atau usulan kode secara independen. Evaluasi model 4B IT yang tepat pada bahasa serta jenis dokumen nyata dalam tugas. Pisahkan ukuran, identitas IT, dan pengaturan pemrosesannya dari varian Gemma 12B, 27B, dan yang lebih baru saat mencatat hasil.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemma-3-4b-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 $0.0002 / 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 $0.0002 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "google/gemma-3-4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-4b-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-3-4b-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-3-4b-it
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.