Gemma 4 31B IT adalah edisi dense yang disesuaikan untuk mengikuti instruksi dari keluarga terbuka Gemma 4 milik Google DeepMind. Google menempatkan model 31B pada kualitas model dan adaptasi terhadap tugas, sedangkan edisi 26B A4B yang terpisah menggunakan campuran pakar untuk efisiensi inferensi. Kartu ini membahas edisi 31B yang disesuaikan dengan instruksi ini, bukan bobot pralatihnya atau turunan terkuantisasi.
Tabel arsitektur dense resmi mencantumkan 30.7 miliar parameter, 60 lapisan, jendela geser 1,024 token, dan konteks 256K token. Keluarga ini menggabungkan perhatian lokal berjendela geser dengan perhatian global, berakhir pada lapisan global, dan menggunakan encoder visual khusus untuk model ini. Profil yang dihasilkan dibangun untuk masukan teks dan gambar dengan keluaran teks. Ini adalah fakta arsitektur model; fakta tersebut tidak menetapkan waktu respons aplikasi atau menyiratkan dukungan audio dari ukuran Gemma 4 lainnya.
Konteks 256K tokennya mendukung tugas yang menggabungkan teks dalam jumlah besar dengan bukti visual. Gambar dan teks dapat diselingkan dalam satu prompt; produsen menyarankan menempatkan isi gambar sebelum teks yang terkait untuk hasil terbaik. Tugas visual mencakup deteksi objek, penafsiran halaman dokumen, pemahaman layar dan antarmuka, bagan, OCR multibahasa, tulisan tangan, dan penunjukan posisi. Keluarannya adalah teks: isi yang diekstrak, penjelasan, kode, atau usulan tindakan alat.
Pemahaman video memproses urutan bingkai. Kartu model memberikan durasi maksimum 60 detik ketika gambar diproses pada satu bingkai per detik. Siapkan bagian yang relevan, pertahankan urutan bingkai, dan berikan pertanyaan tentang rangkaian yang terlihat. Profil visual 26B/31B ini tidak menerima audio; kemampuan wicara varian Gemma 4 yang lebih kecil dan mendukung audio tidak berlaku di sini. Jika tugas membutuhkan informasi yang diucapkan, tambahkan transkripsinya sebagai teks.
Thinking yang dapat dikonfigurasi memungkinkan model menalar sebelum menjawab atau memberikan jawaban langsung. Gemma 4 menambahkan peran system native di samping peran user dan assistant. Format prompt Google mengaktifkan thinking melalui token kontrol <|think|> dalam prompt system dan memisahkan kanal pemikiran dari jawaban akhir; processor yang didokumentasikan dapat menangani templat tersebut. Untuk percakapan multigiliran, pertahankan jawaban akhir sebelumnya dalam riwayat dan keluarkan pemikiran terdahulu, kecuali pada giliran pemanggilan alat, yang menurut produsen harus tetap mempertahankannya.
Native Function Calling mendukung penggunaan alat terstruktur, dan uraian peluncuran Google juga mendokumentasikan keluaran JSON terstruktur. Tentukan tugas, fungsi yang tersedia, dan hasil yang diharapkan; aplikasi menjalankan operasi yang diminta dan mengembalikan keluarannya untuk langkah berikutnya. Tugas pemrograman dapat meminta pembuatan, pelengkapan, atau perbaikan, sedangkan asisten visual dapat menggunakan teks yang dikembalikan untuk menjelaskan bagan atau layar. Instruksi pemanggilan fungsi berbeda dari tindakan terhubung yang benar-benar sudah dijalankan.
Resolusi gambar variabel dikendalikan oleh anggaran token visual. Pilihan yang didokumentasikan adalah 70, 140, 280, 560, dan 1,120 token. Anggaran lebih rendah sesuai untuk klasifikasi, keterangan, atau urutan bingkai; anggaran lebih tinggi mempertahankan lebih banyak detail untuk OCR, penguraian dokumen, dan teks kecil, dengan komputasi tambahan. Putuskan apakah yang dibutuhkan adalah keseluruhan adegan atau tulisan yang persis sebelum menyiapkan gambar. Potongan label yang jelas dapat lebih berguna untuk tugas ekstraksi daripada permintaan tanpa batas yang meminta pemeriksaan setiap detail halaman penuh.
Google menyarankan temperature 1.0, top-p 0.95, dan top-k 64 sebagai konfigurasi sampling keluarga ini. Kartu model membedakan pelatihan dalam lebih dari 140 bahasa dari dukungan siap pakai dalam lebih dari 35 bahasa. Nyatakan bahasa jawaban dan pertahankan nama domain, nama kolom, atau rumus secara eksplisit dalam arahan. Angka 256K adalah spesifikasi konteks; kartu model yang dirujuk tidak menetapkan angka maksimum keluaran universal yang terpisah untuk edisi ini.
Untuk tugas dokumen dan kode, berikan gambar halaman yang relevan, persyaratan tertulis, dan fragmen sumber: “Baca label, jelaskan perbedaan layar ini dari spesifikasi, dan usulkan perbaikan terarah pada kode yang diberikan.” Untuk bagan, minta jawaban memisahkan nilai yang terlihat dari tren yang disimpulkan. Kartu model Gemma mencatat keterbatasan terkait bahasa ambigu, tugas yang sangat kompleks, dan pernyataan faktual yang salah atau kedaluwarsa; karena itu, lampirkan fakta dari sumber otoritatif yang harus digunakan hasil yang diminta, alih-alih mengharapkan pengetahuan pelatihan menyediakannya.
", "aboutText": "Gemma 4 31B IT adalah edisi dense yang disesuaikan untuk mengikuti instruksi dari keluarga terbuka Gemma 4 milik Google DeepMind. Google menempatkan model 31B pada kualitas model dan adaptasi terhadap tugas, sedangkan edisi 26B A4B yang terpisah menggunakan campuran pakar untuk efisiensi inferensi. Kartu ini membahas edisi 31B yang disesuaikan dengan instruksi ini, bukan bobot pralatihnya atau turunan terkuantisasi.\n\nTabel arsitektur dense resmi mencantumkan 30.7 miliar parameter, 60 lapisan, jendela geser 1,024 token, dan konteks 256K token. Keluarga ini menggabungkan perhatian lokal berjendela geser dengan perhatian global, berakhir pada lapisan global, dan menggunakan encoder visual khusus untuk model ini. Profil yang dihasilkan dibangun untuk masukan teks dan gambar dengan keluaran teks. Ini adalah fakta arsitektur model; fakta tersebut tidak menetapkan waktu respons aplikasi atau menyiratkan dukungan audio dari ukuran Gemma 4 lainnya.\n\nKonteks 256K tokennya mendukung tugas yang menggabungkan teks dalam jumlah besar dengan bukti visual. Gambar dan teks dapat diselingkan dalam satu prompt; produsen menyarankan menempatkan isi gambar sebelum teks yang terkait untuk hasil terbaik. Tugas visual mencakup deteksi objek, penafsiran halaman dokumen, pemahaman layar dan antarmuka, bagan, OCR multibahasa, tulisan tangan, dan penunjukan posisi. Keluarannya adalah teks: isi yang diekstrak, penjelasan, kode, atau usulan tindakan alat.\n\nPemahaman video memproses urutan bingkai. Kartu model memberikan durasi maksimum 60 detik ketika gambar diproses pada satu bingkai per detik. Siapkan bagian yang relevan, pertahankan urutan bingkai, dan berikan pertanyaan tentang rangkaian yang terlihat. Profil visual 26B/31B ini tidak menerima audio; kemampuan wicara varian Gemma 4 yang lebih kecil dan mendukung audio tidak berlaku di sini. Jika tugas membutuhkan informasi yang diucapkan, tambahkan transkripsinya sebagai teks.\n\nThinking yang dapat dikonfigurasi memungkinkan model menalar sebelum menjawab atau memberikan jawaban langsung. Gemma 4 menambahkan peran system native di samping peran user dan assistant. Format prompt Google mengaktifkan thinking melalui token kontrol <|think|> dalam prompt system dan memisahkan kanal pemikiran dari jawaban akhir; processor yang didokumentasikan dapat menangani templat tersebut. Untuk percakapan multigiliran, pertahankan jawaban akhir sebelumnya dalam riwayat dan keluarkan pemikiran terdahulu, kecuali pada giliran pemanggilan alat, yang menurut produsen harus tetap mempertahankannya.\n\nNative Function Calling mendukung penggunaan alat terstruktur, dan uraian peluncuran Google juga mendokumentasikan keluaran JSON terstruktur. Tentukan tugas, fungsi yang tersedia, dan hasil yang diharapkan; aplikasi menjalankan operasi yang diminta dan mengembalikan keluarannya untuk langkah berikutnya. Tugas pemrograman dapat meminta pembuatan, pelengkapan, atau perbaikan, sedangkan asisten visual dapat menggunakan teks yang dikembalikan untuk menjelaskan bagan atau layar. Instruksi pemanggilan fungsi berbeda dari tindakan terhubung yang benar-benar sudah dijalankan.\n\nResolusi gambar variabel dikendalikan oleh anggaran token visual. Pilihan yang didokumentasikan adalah 70, 140, 280, 560, dan 1,120 token. Anggaran lebih rendah sesuai untuk klasifikasi, keterangan, atau urutan bingkai; anggaran lebih tinggi mempertahankan lebih banyak detail untuk OCR, penguraian dokumen, dan teks kecil, dengan komputasi tambahan. Putuskan apakah yang dibutuhkan adalah keseluruhan adegan atau tulisan yang persis sebelum menyiapkan gambar. Potongan label yang jelas dapat lebih berguna untuk tugas ekstraksi daripada permintaan tanpa batas yang meminta pemeriksaan setiap detail halaman penuh.\n\nGoogle menyarankan temperature 1.0, top-p 0.95, dan top-k 64 sebagai konfigurasi sampling keluarga ini. Kartu model membedakan pelatihan dalam lebih dari 140 bahasa dari dukungan siap pakai dalam lebih dari 35 bahasa. Nyatakan bahasa jawaban dan pertahankan nama domain, nama kolom, atau rumus secara eksplisit dalam arahan. Angka 256K adalah spesifikasi konteks; kartu model yang dirujuk tidak menetapkan angka maksimum keluaran universal yang terpisah untuk edisi ini.\n\nUntuk tugas dokumen dan kode, berikan gambar halaman yang relevan, persyaratan tertulis, dan fragmen sumber: “Baca label, jelaskan perbedaan layar ini dari spesifikasi, dan usulkan perbaikan terarah pada kode yang diberikan.” Untuk bagan, minta jawaban memisahkan nilai yang terlihat dari tren yang disimpulkan. Kartu model Gemma mencatat keterbatasan terkait bahasa ambigu, tugas yang sangat kompleks, dan pernyataan faktual yang salah atau kedaluwarsa; karena itu, lampirkan fakta dari sumber otoritatif yang harus digunakan hasil yang diminta, alih-alih mengharapkan pengetahuan pelatihan menyediakannya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.google/gemma-4-31b-itGemma 4 31B IT adalah model berarsitektur padat Google yang disesuaikan dengan instruksi untuk penalaran teks dan visual. Konteks 256K, pemikiran yang dapat diatur, pemahaman gambar dan video berbasis bingkai, serta pemanggilan fungsi bawaan mendukung tugas pemrograman, dokumen, dan agen dengan keluaran teks.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemma 4 31B IT adalah edisi dense yang disesuaikan untuk mengikuti instruksi dari keluarga terbuka Gemma 4 milik Google DeepMind. Google menempatkan model 31B pada kualitas model dan adaptasi terhadap tugas, sedangkan edisi 26B A4B yang terpisah menggunakan campuran pakar untuk efisiensi inferensi. Kartu ini membahas edisi 31B yang disesuaikan dengan instruksi ini, bukan bobot pralatihnya atau turunan terkuantisasi.
Tabel arsitektur dense resmi mencantumkan 30.7 miliar parameter, 60 lapisan, jendela geser 1,024 token, dan konteks 256K token. Keluarga ini menggabungkan perhatian lokal berjendela geser dengan perhatian global, berakhir pada lapisan global, dan menggunakan encoder visual khusus untuk model ini. Profil yang dihasilkan dibangun untuk masukan teks dan gambar dengan keluaran teks. Ini adalah fakta arsitektur model; fakta tersebut tidak menetapkan waktu respons aplikasi atau menyiratkan dukungan audio dari ukuran Gemma 4 lainnya.
Konteks 256K tokennya mendukung tugas yang menggabungkan teks dalam jumlah besar dengan bukti visual. Gambar dan teks dapat diselingkan dalam satu prompt; produsen menyarankan menempatkan isi gambar sebelum teks yang terkait untuk hasil terbaik. Tugas visual mencakup deteksi objek, penafsiran halaman dokumen, pemahaman layar dan antarmuka, bagan, OCR multibahasa, tulisan tangan, dan penunjukan posisi. Keluarannya adalah teks: isi yang diekstrak, penjelasan, kode, atau usulan tindakan alat.
Pemahaman video memproses urutan bingkai. Kartu model memberikan durasi maksimum 60 detik ketika gambar diproses pada satu bingkai per detik. Siapkan bagian yang relevan, pertahankan urutan bingkai, dan berikan pertanyaan tentang rangkaian yang terlihat. Profil visual 26B/31B ini tidak menerima audio; kemampuan wicara varian Gemma 4 yang lebih kecil dan mendukung audio tidak berlaku di sini. Jika tugas membutuhkan informasi yang diucapkan, tambahkan transkripsinya sebagai teks.
Thinking yang dapat dikonfigurasi memungkinkan model menalar sebelum menjawab atau memberikan jawaban langsung. Gemma 4 menambahkan peran system native di samping peran user dan assistant. Format prompt Google mengaktifkan thinking melalui token kontrol <|think|> dalam prompt system dan memisahkan kanal pemikiran dari jawaban akhir; processor yang didokumentasikan dapat menangani templat tersebut. Untuk percakapan multigiliran, pertahankan jawaban akhir sebelumnya dalam riwayat dan keluarkan pemikiran terdahulu, kecuali pada giliran pemanggilan alat, yang menurut produsen harus tetap mempertahankannya.
Native Function Calling mendukung penggunaan alat terstruktur, dan uraian peluncuran Google juga mendokumentasikan keluaran JSON terstruktur. Tentukan tugas, fungsi yang tersedia, dan hasil yang diharapkan; aplikasi menjalankan operasi yang diminta dan mengembalikan keluarannya untuk langkah berikutnya. Tugas pemrograman dapat meminta pembuatan, pelengkapan, atau perbaikan, sedangkan asisten visual dapat menggunakan teks yang dikembalikan untuk menjelaskan bagan atau layar. Instruksi pemanggilan fungsi berbeda dari tindakan terhubung yang benar-benar sudah dijalankan.
Resolusi gambar variabel dikendalikan oleh anggaran token visual. Pilihan yang didokumentasikan adalah 70, 140, 280, 560, dan 1,120 token. Anggaran lebih rendah sesuai untuk klasifikasi, keterangan, atau urutan bingkai; anggaran lebih tinggi mempertahankan lebih banyak detail untuk OCR, penguraian dokumen, dan teks kecil, dengan komputasi tambahan. Putuskan apakah yang dibutuhkan adalah keseluruhan adegan atau tulisan yang persis sebelum menyiapkan gambar. Potongan label yang jelas dapat lebih berguna untuk tugas ekstraksi daripada permintaan tanpa batas yang meminta pemeriksaan setiap detail halaman penuh.
Google menyarankan temperature 1.0, top-p 0.95, dan top-k 64 sebagai konfigurasi sampling keluarga ini. Kartu model membedakan pelatihan dalam lebih dari 140 bahasa dari dukungan siap pakai dalam lebih dari 35 bahasa. Nyatakan bahasa jawaban dan pertahankan nama domain, nama kolom, atau rumus secara eksplisit dalam arahan. Angka 256K adalah spesifikasi konteks; kartu model yang dirujuk tidak menetapkan angka maksimum keluaran universal yang terpisah untuk edisi ini.
Untuk tugas dokumen dan kode, berikan gambar halaman yang relevan, persyaratan tertulis, dan fragmen sumber: “Baca label, jelaskan perbedaan layar ini dari spesifikasi, dan usulkan perbaikan terarah pada kode yang diberikan.” Untuk bagan, minta jawaban memisahkan nilai yang terlihat dari tren yang disimpulkan. Kartu model Gemma mencatat keterbatasan terkait bahasa ambigu, tugas yang sangat kompleks, dan pernyataan faktual yang salah atau kedaluwarsa; karena itu, lampirkan fakta dari sumber otoritatif yang harus digunakan hasil yang diminta, alih-alih mengharapkan pengetahuan pelatihan menyediakannya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemma-4-31b-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 $0.0002 / 1K token Keluaran · Token keluaran $0.00068 / 1K token Masukan · Pembacaan cache $0.0002 / 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 $0.0002 / 1K token Keluaran · Token keluaran $0.00068 / 1K token Masukan · Pembacaan cache $0.0002 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-4-31b-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-4-31b-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-4-31b-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-4-31b-it
Gunakan jalur metode yang ditampilkan di atas.
google/gemma-4-31b-itGemma 4 31B IT adalah model berarsitektur padat Google yang disesuaikan dengan instruksi untuk penalaran teks dan visual. Konteks 256K, pemikiran yang dapat diatur, pemahaman gambar dan video berbasis bingkai, serta pemanggilan fungsi bawaan mendukung tugas pemrograman, dokumen, dan agen dengan keluaran teks.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemma 4 31B IT adalah edisi dense yang disesuaikan untuk mengikuti instruksi dari keluarga terbuka Gemma 4 milik Google DeepMind. Google menempatkan model 31B pada kualitas model dan adaptasi terhadap tugas, sedangkan edisi 26B A4B yang terpisah menggunakan campuran pakar untuk efisiensi inferensi. Kartu ini membahas edisi 31B yang disesuaikan dengan instruksi ini, bukan bobot pralatihnya atau turunan terkuantisasi.
Tabel arsitektur dense resmi mencantumkan 30.7 miliar parameter, 60 lapisan, jendela geser 1,024 token, dan konteks 256K token. Keluarga ini menggabungkan perhatian lokal berjendela geser dengan perhatian global, berakhir pada lapisan global, dan menggunakan encoder visual khusus untuk model ini. Profil yang dihasilkan dibangun untuk masukan teks dan gambar dengan keluaran teks. Ini adalah fakta arsitektur model; fakta tersebut tidak menetapkan waktu respons aplikasi atau menyiratkan dukungan audio dari ukuran Gemma 4 lainnya.
Konteks 256K tokennya mendukung tugas yang menggabungkan teks dalam jumlah besar dengan bukti visual. Gambar dan teks dapat diselingkan dalam satu prompt; produsen menyarankan menempatkan isi gambar sebelum teks yang terkait untuk hasil terbaik. Tugas visual mencakup deteksi objek, penafsiran halaman dokumen, pemahaman layar dan antarmuka, bagan, OCR multibahasa, tulisan tangan, dan penunjukan posisi. Keluarannya adalah teks: isi yang diekstrak, penjelasan, kode, atau usulan tindakan alat.
Pemahaman video memproses urutan bingkai. Kartu model memberikan durasi maksimum 60 detik ketika gambar diproses pada satu bingkai per detik. Siapkan bagian yang relevan, pertahankan urutan bingkai, dan berikan pertanyaan tentang rangkaian yang terlihat. Profil visual 26B/31B ini tidak menerima audio; kemampuan wicara varian Gemma 4 yang lebih kecil dan mendukung audio tidak berlaku di sini. Jika tugas membutuhkan informasi yang diucapkan, tambahkan transkripsinya sebagai teks.
Thinking yang dapat dikonfigurasi memungkinkan model menalar sebelum menjawab atau memberikan jawaban langsung. Gemma 4 menambahkan peran system native di samping peran user dan assistant. Format prompt Google mengaktifkan thinking melalui token kontrol <|think|> dalam prompt system dan memisahkan kanal pemikiran dari jawaban akhir; processor yang didokumentasikan dapat menangani templat tersebut. Untuk percakapan multigiliran, pertahankan jawaban akhir sebelumnya dalam riwayat dan keluarkan pemikiran terdahulu, kecuali pada giliran pemanggilan alat, yang menurut produsen harus tetap mempertahankannya.
Native Function Calling mendukung penggunaan alat terstruktur, dan uraian peluncuran Google juga mendokumentasikan keluaran JSON terstruktur. Tentukan tugas, fungsi yang tersedia, dan hasil yang diharapkan; aplikasi menjalankan operasi yang diminta dan mengembalikan keluarannya untuk langkah berikutnya. Tugas pemrograman dapat meminta pembuatan, pelengkapan, atau perbaikan, sedangkan asisten visual dapat menggunakan teks yang dikembalikan untuk menjelaskan bagan atau layar. Instruksi pemanggilan fungsi berbeda dari tindakan terhubung yang benar-benar sudah dijalankan.
Resolusi gambar variabel dikendalikan oleh anggaran token visual. Pilihan yang didokumentasikan adalah 70, 140, 280, 560, dan 1,120 token. Anggaran lebih rendah sesuai untuk klasifikasi, keterangan, atau urutan bingkai; anggaran lebih tinggi mempertahankan lebih banyak detail untuk OCR, penguraian dokumen, dan teks kecil, dengan komputasi tambahan. Putuskan apakah yang dibutuhkan adalah keseluruhan adegan atau tulisan yang persis sebelum menyiapkan gambar. Potongan label yang jelas dapat lebih berguna untuk tugas ekstraksi daripada permintaan tanpa batas yang meminta pemeriksaan setiap detail halaman penuh.
Google menyarankan temperature 1.0, top-p 0.95, dan top-k 64 sebagai konfigurasi sampling keluarga ini. Kartu model membedakan pelatihan dalam lebih dari 140 bahasa dari dukungan siap pakai dalam lebih dari 35 bahasa. Nyatakan bahasa jawaban dan pertahankan nama domain, nama kolom, atau rumus secara eksplisit dalam arahan. Angka 256K adalah spesifikasi konteks; kartu model yang dirujuk tidak menetapkan angka maksimum keluaran universal yang terpisah untuk edisi ini.
Untuk tugas dokumen dan kode, berikan gambar halaman yang relevan, persyaratan tertulis, dan fragmen sumber: “Baca label, jelaskan perbedaan layar ini dari spesifikasi, dan usulkan perbaikan terarah pada kode yang diberikan.” Untuk bagan, minta jawaban memisahkan nilai yang terlihat dari tren yang disimpulkan. Kartu model Gemma mencatat keterbatasan terkait bahasa ambigu, tugas yang sangat kompleks, dan pernyataan faktual yang salah atau kedaluwarsa; karena itu, lampirkan fakta dari sumber otoritatif yang harus digunakan hasil yang diminta, alih-alih mengharapkan pengetahuan pelatihan menyediakannya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemma-4-31b-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 $0.0002 / 1K token Keluaran · Token keluaran $0.00068 / 1K token Masukan · Pembacaan cache $0.0002 / 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 $0.0002 / 1K token Keluaran · Token keluaran $0.00068 / 1K token Masukan · Pembacaan cache $0.0002 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "google/gemma-4-31b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-31b-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-4-31b-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-4-31b-it
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.