Gemini 3.7 Flash è il profilo denominato di Google per il ragionamento multimodale, la programmazione, i flussi agentici e l'esecuzione in più passaggi. Si basa su Gemini 3.6 Flash, con modifiche algoritmiche al ragionamento e supporto alla comprensione agentica dei video. Testo, immagini, audio, video e PDF possono costituire il materiale sorgente per un risultato testuale. Tra i risultati utili figurano una revisione mirata del codice, un confronto tra un mockup di design e un'implementazione oppure un'analisi basata sulle fonti degli eventi in una registrazione.
La guida per sviluppatori 3.7 evidenzia una maggiore corrispondenza al design nel lavoro desktop e web. Per questo compito, fornisci il mockup previsto, il codice sorgente pertinente e la discrepanza osservabile. Chiedi un confronto su elementi concreti, come spaziatura, stati dei componenti, gerarchia del testo o comportamento delle interazioni. Per un confronto di design, richiedi un elenco delle discrepanze tra il mockup di un pannello di impostazioni e la sua implementazione esistente, collegando ogni correzione proposta allo screenshot o al sorgente. Il risultato dovrebbe identificare ciò che deve cambiare senza estendere implicitamente il design oltre i requisiti forniti.
Per un flusso di programmazione, indica l'obiettivo, il comportamento esistente, i file pertinenti e i vincoli. Google propone 3.7 per risolvere problemi software e ridurre i cicli fallimentari degli agenti, ma una verifica utile controlla comunque la modifica effettiva e il risultato della convalida. Mantieni nella conversazione la sequenza delle osservazioni degli strumenti, affinché un passaggio successivo non parta da un resoconto inventato della base di codice. Il risultato finale può distinguere una modifica proposta da una confermata tramite gli strumenti dell'applicazione collegata.
I livelli di thinking documentati sono low, medium e high, con medium come predefinito. Low supporta risposte delimitate più rapide, mentre high è previsto per ragionamento difficile e uso esteso degli strumenti. Gemini 3.7 Flash non supporta il thinking minimal. Una breve analisi di una discrepanza dell'interfaccia e un'indagine approfondita su più file richiedono quindi scelte di impegno diverse. Definisci il risultato finale e le condizioni che deve soddisfare prima di richiedere una sequenza più lunga di ragionamento e azioni.
La pagina dell'esatto modello elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps e contesto URL. Computer Use è indicato come funzionalità in anteprima, e gli output strutturati possono definire un record del risultato. Una richiesta di funzione è un'operazione proposta che l'applicazione collegata deve eseguire, restituendone l'esito. Per un compito agentico, assegna allo strumento uno scopo chiaro e conserva il risultato reale prima di chiedere al modello di proseguire. Per un'estrazione documentale, definisci i campi, i valori accettabili e come rappresentare le informazioni mancanti.
Questa edizione supporta la comprensione agentica dei video. Fornisci la registrazione pertinente e specifica l'evento o la relazione da esaminare. Un brief pratico può chiedere quale azione visibile spieghi un cambiamento di stato, oppure richiedere una descrizione ordinata degli eventi con prove tratte dalla clip. Analogamente, immagini e pagine PDF possono sostenere un confronto visivo o documentale. L'output resta testo: interpretazione, dati estratti, codice o una spiegazione scritta. Video, immagini artistiche o parlato generati appartengono a profili di modello separati.
La tabella dell'esatta API 3.7 di Google specifica 1,048,576 token di input e 65,536 token di output, mentre la scheda nativa descrive un contesto fino a 1M e output testuale di 64K. Includi istruzioni, turni precedenti e contenuti multimediali forniti nella preparazione dell'input. Elaborazione batch e caching sono elencati per il profilo del produttore, insieme alle opzioni Flex e Priority. Per una raccolta di richieste indipendenti, conserva identificativi delle fonti e un formato coerente del risultato, affinché ogni risposta possa essere verificata rispetto al proprio input.
I limiti possibili comprendono allucinazioni e occasionali rallentamenti o timeout. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti limitati a gennaio 2025. Fornisci materiale sorgente aggiornato quando una conclusione dipende da fatti più recenti. La distinzione utile di questa edizione è l'attenzione documentata a problemi software, aderenza al design e ragionamento sui video; controlla tali risultati rispetto al mockup, al codice o ai contenuti multimediali effettivi, anziché sostituire un profilo storico denominato con funzionalità più nuove.
", "aboutText": "Gemini 3.7 Flash è il profilo denominato di Google per il ragionamento multimodale, la programmazione, i flussi agentici e l'esecuzione in più passaggi. Si basa su Gemini 3.6 Flash, con modifiche algoritmiche al ragionamento e supporto alla comprensione agentica dei video. Testo, immagini, audio, video e PDF possono costituire il materiale sorgente per un risultato testuale. Tra i risultati utili figurano una revisione mirata del codice, un confronto tra un mockup di design e un'implementazione oppure un'analisi basata sulle fonti degli eventi in una registrazione.\n\nLa guida per sviluppatori 3.7 evidenzia una maggiore corrispondenza al design nel lavoro desktop e web. Per questo compito, fornisci il mockup previsto, il codice sorgente pertinente e la discrepanza osservabile. Chiedi un confronto su elementi concreti, come spaziatura, stati dei componenti, gerarchia del testo o comportamento delle interazioni. Per un confronto di design, richiedi un elenco delle discrepanze tra il mockup di un pannello di impostazioni e la sua implementazione esistente, collegando ogni correzione proposta allo screenshot o al sorgente. Il risultato dovrebbe identificare ciò che deve cambiare senza estendere implicitamente il design oltre i requisiti forniti.\n\nPer un flusso di programmazione, indica l'obiettivo, il comportamento esistente, i file pertinenti e i vincoli. Google propone 3.7 per risolvere problemi software e ridurre i cicli fallimentari degli agenti, ma una verifica utile controlla comunque la modifica effettiva e il risultato della convalida. Mantieni nella conversazione la sequenza delle osservazioni degli strumenti, affinché un passaggio successivo non parta da un resoconto inventato della base di codice. Il risultato finale può distinguere una modifica proposta da una confermata tramite gli strumenti dell'applicazione collegata.\n\nI livelli di thinking documentati sono low, medium e high, con medium come predefinito. Low supporta risposte delimitate più rapide, mentre high è previsto per ragionamento difficile e uso esteso degli strumenti. Gemini 3.7 Flash non supporta il thinking minimal. Una breve analisi di una discrepanza dell'interfaccia e un'indagine approfondita su più file richiedono quindi scelte di impegno diverse. Definisci il risultato finale e le condizioni che deve soddisfare prima di richiedere una sequenza più lunga di ragionamento e azioni.\n\nLa pagina dell'esatto modello elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps e contesto URL. Computer Use è indicato come funzionalità in anteprima, e gli output strutturati possono definire un record del risultato. Una richiesta di funzione è un'operazione proposta che l'applicazione collegata deve eseguire, restituendone l'esito. Per un compito agentico, assegna allo strumento uno scopo chiaro e conserva il risultato reale prima di chiedere al modello di proseguire. Per un'estrazione documentale, definisci i campi, i valori accettabili e come rappresentare le informazioni mancanti.\n\nQuesta edizione supporta la comprensione agentica dei video. Fornisci la registrazione pertinente e specifica l'evento o la relazione da esaminare. Un brief pratico può chiedere quale azione visibile spieghi un cambiamento di stato, oppure richiedere una descrizione ordinata degli eventi con prove tratte dalla clip. Analogamente, immagini e pagine PDF possono sostenere un confronto visivo o documentale. L'output resta testo: interpretazione, dati estratti, codice o una spiegazione scritta. Video, immagini artistiche o parlato generati appartengono a profili di modello separati.\n\nLa tabella dell'esatta API 3.7 di Google specifica 1,048,576 token di input e 65,536 token di output, mentre la scheda nativa descrive un contesto fino a 1M e output testuale di 64K. Includi istruzioni, turni precedenti e contenuti multimediali forniti nella preparazione dell'input. Elaborazione batch e caching sono elencati per il profilo del produttore, insieme alle opzioni Flex e Priority. Per una raccolta di richieste indipendenti, conserva identificativi delle fonti e un formato coerente del risultato, affinché ogni risposta possa essere verificata rispetto al proprio input.\n\nI limiti possibili comprendono allucinazioni e occasionali rallentamenti o timeout. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti limitati a gennaio 2025. Fornisci materiale sorgente aggiornato quando una conclusione dipende da fatti più recenti. La distinzione utile di questa edizione è l'attenzione documentata a problemi software, aderenza al design e ragionamento sui video; controlla tali risultati rispetto al mockup, al codice o ai contenuti multimediali effettivi, anziché sostituire un profilo storico denominato con funzionalità più nuove.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Match a written panel specification\n\nCompare this panel specification with its CSS. Specification: title above the form; labels remain visible; error text appears below its field. CSS: .panel{display:flex;flex-direction:column-reverse} .field label{display:none}. Explain the mismatches and propose the smallest CSS and markup corrections. Give inspection checks for normal and error states using the supplied written requirements.A mismatch list, focused CSS/markup changes and normal/error-state inspection checks.Check that each proposed change maps to a stated requirement without redesigning other elements.gemini-3.7-flashGemini 3.7 Flash unisce ragionamento multimodale, programmazione e lavoro con agenti in più passaggi. Il profilo 3.7 di Google privilegia la fedeltà ai mockup di design e la comprensione agentica dei video, con ragionamento low, medium e high. Accetta testo e contenuti multimediali, restituisce testo e ha limiti documentati di input/output di 1,048,576/65,536 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 3.7 Flash è il profilo denominato di Google per il ragionamento multimodale, la programmazione, i flussi agentici e l'esecuzione in più passaggi. Si basa su Gemini 3.6 Flash, con modifiche algoritmiche al ragionamento e supporto alla comprensione agentica dei video. Testo, immagini, audio, video e PDF possono costituire il materiale sorgente per un risultato testuale. Tra i risultati utili figurano una revisione mirata del codice, un confronto tra un mockup di design e un'implementazione oppure un'analisi basata sulle fonti degli eventi in una registrazione.
La guida per sviluppatori 3.7 evidenzia una maggiore corrispondenza al design nel lavoro desktop e web. Per questo compito, fornisci il mockup previsto, il codice sorgente pertinente e la discrepanza osservabile. Chiedi un confronto su elementi concreti, come spaziatura, stati dei componenti, gerarchia del testo o comportamento delle interazioni. Per un confronto di design, richiedi un elenco delle discrepanze tra il mockup di un pannello di impostazioni e la sua implementazione esistente, collegando ogni correzione proposta allo screenshot o al sorgente. Il risultato dovrebbe identificare ciò che deve cambiare senza estendere implicitamente il design oltre i requisiti forniti.
Per un flusso di programmazione, indica l'obiettivo, il comportamento esistente, i file pertinenti e i vincoli. Google propone 3.7 per risolvere problemi software e ridurre i cicli fallimentari degli agenti, ma una verifica utile controlla comunque la modifica effettiva e il risultato della convalida. Mantieni nella conversazione la sequenza delle osservazioni degli strumenti, affinché un passaggio successivo non parta da un resoconto inventato della base di codice. Il risultato finale può distinguere una modifica proposta da una confermata tramite gli strumenti dell'applicazione collegata.
I livelli di thinking documentati sono low, medium e high, con medium come predefinito. Low supporta risposte delimitate più rapide, mentre high è previsto per ragionamento difficile e uso esteso degli strumenti. Gemini 3.7 Flash non supporta il thinking minimal. Una breve analisi di una discrepanza dell'interfaccia e un'indagine approfondita su più file richiedono quindi scelte di impegno diverse. Definisci il risultato finale e le condizioni che deve soddisfare prima di richiedere una sequenza più lunga di ragionamento e azioni.
La pagina dell'esatto modello elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps e contesto URL. Computer Use è indicato come funzionalità in anteprima, e gli output strutturati possono definire un record del risultato. Una richiesta di funzione è un'operazione proposta che l'applicazione collegata deve eseguire, restituendone l'esito. Per un compito agentico, assegna allo strumento uno scopo chiaro e conserva il risultato reale prima di chiedere al modello di proseguire. Per un'estrazione documentale, definisci i campi, i valori accettabili e come rappresentare le informazioni mancanti.
Questa edizione supporta la comprensione agentica dei video. Fornisci la registrazione pertinente e specifica l'evento o la relazione da esaminare. Un brief pratico può chiedere quale azione visibile spieghi un cambiamento di stato, oppure richiedere una descrizione ordinata degli eventi con prove tratte dalla clip. Analogamente, immagini e pagine PDF possono sostenere un confronto visivo o documentale. L'output resta testo: interpretazione, dati estratti, codice o una spiegazione scritta. Video, immagini artistiche o parlato generati appartengono a profili di modello separati.
La tabella dell'esatta API 3.7 di Google specifica 1,048,576 token di input e 65,536 token di output, mentre la scheda nativa descrive un contesto fino a 1M e output testuale di 64K. Includi istruzioni, turni precedenti e contenuti multimediali forniti nella preparazione dell'input. Elaborazione batch e caching sono elencati per il profilo del produttore, insieme alle opzioni Flex e Priority. Per una raccolta di richieste indipendenti, conserva identificativi delle fonti e un formato coerente del risultato, affinché ogni risposta possa essere verificata rispetto al proprio input.
I limiti possibili comprendono allucinazioni e occasionali rallentamenti o timeout. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti limitati a gennaio 2025. Fornisci materiale sorgente aggiornato quando una conclusione dipende da fatti più recenti. La distinzione utile di questa edizione è l'attenzione documentata a problemi software, aderenza al design e ragionamento sui video; controlla tali risultati rispetto al mockup, al codice o ai contenuti multimediali effettivi, anziché sostituire un profilo storico denominato con funzionalità più nuove.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.7-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposystem | Tipostring|content_block[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Il limite si applica a: Limite esatto del modello o della scheda selezionati | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].name | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Strumento fornito | Predefinito— |
Campotools[].description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].input_schema | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content o blocco type=text
Testo + immagine
{type:image,source:{type:base64,media_type,data}} o origine type=url
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/messagesAiloot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.7-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.7-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.7-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.7-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-3.7-flash',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash unisce ragionamento multimodale, programmazione e lavoro con agenti in più passaggi. Il profilo 3.7 di Google privilegia la fedeltà ai mockup di design e la comprensione agentica dei video, con ragionamento low, medium e high. Accetta testo e contenuti multimediali, restituisce testo e ha limiti documentati di input/output di 1,048,576/65,536 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 3.7 Flash è il profilo denominato di Google per il ragionamento multimodale, la programmazione, i flussi agentici e l'esecuzione in più passaggi. Si basa su Gemini 3.6 Flash, con modifiche algoritmiche al ragionamento e supporto alla comprensione agentica dei video. Testo, immagini, audio, video e PDF possono costituire il materiale sorgente per un risultato testuale. Tra i risultati utili figurano una revisione mirata del codice, un confronto tra un mockup di design e un'implementazione oppure un'analisi basata sulle fonti degli eventi in una registrazione.
La guida per sviluppatori 3.7 evidenzia una maggiore corrispondenza al design nel lavoro desktop e web. Per questo compito, fornisci il mockup previsto, il codice sorgente pertinente e la discrepanza osservabile. Chiedi un confronto su elementi concreti, come spaziatura, stati dei componenti, gerarchia del testo o comportamento delle interazioni. Per un confronto di design, richiedi un elenco delle discrepanze tra il mockup di un pannello di impostazioni e la sua implementazione esistente, collegando ogni correzione proposta allo screenshot o al sorgente. Il risultato dovrebbe identificare ciò che deve cambiare senza estendere implicitamente il design oltre i requisiti forniti.
Per un flusso di programmazione, indica l'obiettivo, il comportamento esistente, i file pertinenti e i vincoli. Google propone 3.7 per risolvere problemi software e ridurre i cicli fallimentari degli agenti, ma una verifica utile controlla comunque la modifica effettiva e il risultato della convalida. Mantieni nella conversazione la sequenza delle osservazioni degli strumenti, affinché un passaggio successivo non parta da un resoconto inventato della base di codice. Il risultato finale può distinguere una modifica proposta da una confermata tramite gli strumenti dell'applicazione collegata.
I livelli di thinking documentati sono low, medium e high, con medium come predefinito. Low supporta risposte delimitate più rapide, mentre high è previsto per ragionamento difficile e uso esteso degli strumenti. Gemini 3.7 Flash non supporta il thinking minimal. Una breve analisi di una discrepanza dell'interfaccia e un'indagine approfondita su più file richiedono quindi scelte di impegno diverse. Definisci il risultato finale e le condizioni che deve soddisfare prima di richiedere una sequenza più lunga di ragionamento e azioni.
La pagina dell'esatto modello elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps e contesto URL. Computer Use è indicato come funzionalità in anteprima, e gli output strutturati possono definire un record del risultato. Una richiesta di funzione è un'operazione proposta che l'applicazione collegata deve eseguire, restituendone l'esito. Per un compito agentico, assegna allo strumento uno scopo chiaro e conserva il risultato reale prima di chiedere al modello di proseguire. Per un'estrazione documentale, definisci i campi, i valori accettabili e come rappresentare le informazioni mancanti.
Questa edizione supporta la comprensione agentica dei video. Fornisci la registrazione pertinente e specifica l'evento o la relazione da esaminare. Un brief pratico può chiedere quale azione visibile spieghi un cambiamento di stato, oppure richiedere una descrizione ordinata degli eventi con prove tratte dalla clip. Analogamente, immagini e pagine PDF possono sostenere un confronto visivo o documentale. L'output resta testo: interpretazione, dati estratti, codice o una spiegazione scritta. Video, immagini artistiche o parlato generati appartengono a profili di modello separati.
La tabella dell'esatta API 3.7 di Google specifica 1,048,576 token di input e 65,536 token di output, mentre la scheda nativa descrive un contesto fino a 1M e output testuale di 64K. Includi istruzioni, turni precedenti e contenuti multimediali forniti nella preparazione dell'input. Elaborazione batch e caching sono elencati per il profilo del produttore, insieme alle opzioni Flex e Priority. Per una raccolta di richieste indipendenti, conserva identificativi delle fonti e un formato coerente del risultato, affinché ogni risposta possa essere verificata rispetto al proprio input.
I limiti possibili comprendono allucinazioni e occasionali rallentamenti o timeout. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti limitati a gennaio 2025. Fornisci materiale sorgente aggiornato quando una conclusione dipende da fatti più recenti. La distinzione utile di questa edizione è l'attenzione documentata a problemi software, aderenza al design e ragionamento sui video; controlla tali risultati rispetto al mockup, al codice o ai contenuti multimediali effettivi, anziché sostituire un profilo storico denominato con funzionalità più nuove.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.7-flash | Predefinito— |
Campocontents | Tipocontent[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campocontents[].role | Tipostring | RequisitoFacoltativo | Valori e limiti user, model | Predefinito— |
Campocontents[].parts | Tipopart[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
CamposystemInstruction | Tipocontent | RequisitoFacoltativo | Valori e limiti | Predefinito— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
CampogenerationConfig.temperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.topP | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.topK | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CamposafetySettings | Tipoobject[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CamposessionId | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Testo · Testo UTF8
contents[].parts[].text
Testo + immagine
parts[].inlineData={mimeType,data}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattocontents |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1beta/models/{model}:generateContentAiloot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.7-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.7-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.7-flash", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.7-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.7-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson o streaming supportato
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i candidati e le parti, comprese le chiamate a funzione, le firme di ragionamento e i dati di utilizzo; assembla i frammenti del flusso nell’ordine.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
CamporesponseId | Tipostring |
CampomodelVersion | Tipostring |
Campocandidates[].content.parts[] | Tipotext|inlineData|functionCall|other part |
Campocandidates[].finishReason | Tipostring |
CampousageMetadata | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash unisce ragionamento multimodale, programmazione e lavoro con agenti in più passaggi. Il profilo 3.7 di Google privilegia la fedeltà ai mockup di design e la comprensione agentica dei video, con ragionamento low, medium e high. Accetta testo e contenuti multimediali, restituisce testo e ha limiti documentati di input/output di 1,048,576/65,536 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 3.7 Flash è il profilo denominato di Google per il ragionamento multimodale, la programmazione, i flussi agentici e l'esecuzione in più passaggi. Si basa su Gemini 3.6 Flash, con modifiche algoritmiche al ragionamento e supporto alla comprensione agentica dei video. Testo, immagini, audio, video e PDF possono costituire il materiale sorgente per un risultato testuale. Tra i risultati utili figurano una revisione mirata del codice, un confronto tra un mockup di design e un'implementazione oppure un'analisi basata sulle fonti degli eventi in una registrazione.
La guida per sviluppatori 3.7 evidenzia una maggiore corrispondenza al design nel lavoro desktop e web. Per questo compito, fornisci il mockup previsto, il codice sorgente pertinente e la discrepanza osservabile. Chiedi un confronto su elementi concreti, come spaziatura, stati dei componenti, gerarchia del testo o comportamento delle interazioni. Per un confronto di design, richiedi un elenco delle discrepanze tra il mockup di un pannello di impostazioni e la sua implementazione esistente, collegando ogni correzione proposta allo screenshot o al sorgente. Il risultato dovrebbe identificare ciò che deve cambiare senza estendere implicitamente il design oltre i requisiti forniti.
Per un flusso di programmazione, indica l'obiettivo, il comportamento esistente, i file pertinenti e i vincoli. Google propone 3.7 per risolvere problemi software e ridurre i cicli fallimentari degli agenti, ma una verifica utile controlla comunque la modifica effettiva e il risultato della convalida. Mantieni nella conversazione la sequenza delle osservazioni degli strumenti, affinché un passaggio successivo non parta da un resoconto inventato della base di codice. Il risultato finale può distinguere una modifica proposta da una confermata tramite gli strumenti dell'applicazione collegata.
I livelli di thinking documentati sono low, medium e high, con medium come predefinito. Low supporta risposte delimitate più rapide, mentre high è previsto per ragionamento difficile e uso esteso degli strumenti. Gemini 3.7 Flash non supporta il thinking minimal. Una breve analisi di una discrepanza dell'interfaccia e un'indagine approfondita su più file richiedono quindi scelte di impegno diverse. Definisci il risultato finale e le condizioni che deve soddisfare prima di richiedere una sequenza più lunga di ragionamento e azioni.
La pagina dell'esatto modello elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps e contesto URL. Computer Use è indicato come funzionalità in anteprima, e gli output strutturati possono definire un record del risultato. Una richiesta di funzione è un'operazione proposta che l'applicazione collegata deve eseguire, restituendone l'esito. Per un compito agentico, assegna allo strumento uno scopo chiaro e conserva il risultato reale prima di chiedere al modello di proseguire. Per un'estrazione documentale, definisci i campi, i valori accettabili e come rappresentare le informazioni mancanti.
Questa edizione supporta la comprensione agentica dei video. Fornisci la registrazione pertinente e specifica l'evento o la relazione da esaminare. Un brief pratico può chiedere quale azione visibile spieghi un cambiamento di stato, oppure richiedere una descrizione ordinata degli eventi con prove tratte dalla clip. Analogamente, immagini e pagine PDF possono sostenere un confronto visivo o documentale. L'output resta testo: interpretazione, dati estratti, codice o una spiegazione scritta. Video, immagini artistiche o parlato generati appartengono a profili di modello separati.
La tabella dell'esatta API 3.7 di Google specifica 1,048,576 token di input e 65,536 token di output, mentre la scheda nativa descrive un contesto fino a 1M e output testuale di 64K. Includi istruzioni, turni precedenti e contenuti multimediali forniti nella preparazione dell'input. Elaborazione batch e caching sono elencati per il profilo del produttore, insieme alle opzioni Flex e Priority. Per una raccolta di richieste indipendenti, conserva identificativi delle fonti e un formato coerente del risultato, affinché ogni risposta possa essere verificata rispetto al proprio input.
I limiti possibili comprendono allucinazioni e occasionali rallentamenti o timeout. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti limitati a gennaio 2025. Fornisci materiale sorgente aggiornato quando una conclusione dipende da fatti più recenti. La distinzione utile di questa edizione è l'attenzione documentata a problemi software, aderenza al design e ragionamento sui video; controlla tali risultati rispetto al mockup, al codice o ai contenuti multimediali effettivi, anziché sostituire un profilo storico denominato con funzionalità più nuove.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.7-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Conversazione testuale | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream |
Parametrocontrol_scope | ContrattoConversazione testuale; stream è un booleano e per impostazione predefinita vale false. |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Alias del metodo: /chat/completions
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.7-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.7-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash unisce ragionamento multimodale, programmazione e lavoro con agenti in più passaggi. Il profilo 3.7 di Google privilegia la fedeltà ai mockup di design e la comprensione agentica dei video, con ragionamento low, medium e high. Accetta testo e contenuti multimediali, restituisce testo e ha limiti documentati di input/output di 1,048,576/65,536 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 3.7 Flash è il profilo denominato di Google per il ragionamento multimodale, la programmazione, i flussi agentici e l'esecuzione in più passaggi. Si basa su Gemini 3.6 Flash, con modifiche algoritmiche al ragionamento e supporto alla comprensione agentica dei video. Testo, immagini, audio, video e PDF possono costituire il materiale sorgente per un risultato testuale. Tra i risultati utili figurano una revisione mirata del codice, un confronto tra un mockup di design e un'implementazione oppure un'analisi basata sulle fonti degli eventi in una registrazione.
La guida per sviluppatori 3.7 evidenzia una maggiore corrispondenza al design nel lavoro desktop e web. Per questo compito, fornisci il mockup previsto, il codice sorgente pertinente e la discrepanza osservabile. Chiedi un confronto su elementi concreti, come spaziatura, stati dei componenti, gerarchia del testo o comportamento delle interazioni. Per un confronto di design, richiedi un elenco delle discrepanze tra il mockup di un pannello di impostazioni e la sua implementazione esistente, collegando ogni correzione proposta allo screenshot o al sorgente. Il risultato dovrebbe identificare ciò che deve cambiare senza estendere implicitamente il design oltre i requisiti forniti.
Per un flusso di programmazione, indica l'obiettivo, il comportamento esistente, i file pertinenti e i vincoli. Google propone 3.7 per risolvere problemi software e ridurre i cicli fallimentari degli agenti, ma una verifica utile controlla comunque la modifica effettiva e il risultato della convalida. Mantieni nella conversazione la sequenza delle osservazioni degli strumenti, affinché un passaggio successivo non parta da un resoconto inventato della base di codice. Il risultato finale può distinguere una modifica proposta da una confermata tramite gli strumenti dell'applicazione collegata.
I livelli di thinking documentati sono low, medium e high, con medium come predefinito. Low supporta risposte delimitate più rapide, mentre high è previsto per ragionamento difficile e uso esteso degli strumenti. Gemini 3.7 Flash non supporta il thinking minimal. Una breve analisi di una discrepanza dell'interfaccia e un'indagine approfondita su più file richiedono quindi scelte di impegno diverse. Definisci il risultato finale e le condizioni che deve soddisfare prima di richiedere una sequenza più lunga di ragionamento e azioni.
La pagina dell'esatto modello elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps e contesto URL. Computer Use è indicato come funzionalità in anteprima, e gli output strutturati possono definire un record del risultato. Una richiesta di funzione è un'operazione proposta che l'applicazione collegata deve eseguire, restituendone l'esito. Per un compito agentico, assegna allo strumento uno scopo chiaro e conserva il risultato reale prima di chiedere al modello di proseguire. Per un'estrazione documentale, definisci i campi, i valori accettabili e come rappresentare le informazioni mancanti.
Questa edizione supporta la comprensione agentica dei video. Fornisci la registrazione pertinente e specifica l'evento o la relazione da esaminare. Un brief pratico può chiedere quale azione visibile spieghi un cambiamento di stato, oppure richiedere una descrizione ordinata degli eventi con prove tratte dalla clip. Analogamente, immagini e pagine PDF possono sostenere un confronto visivo o documentale. L'output resta testo: interpretazione, dati estratti, codice o una spiegazione scritta. Video, immagini artistiche o parlato generati appartengono a profili di modello separati.
La tabella dell'esatta API 3.7 di Google specifica 1,048,576 token di input e 65,536 token di output, mentre la scheda nativa descrive un contesto fino a 1M e output testuale di 64K. Includi istruzioni, turni precedenti e contenuti multimediali forniti nella preparazione dell'input. Elaborazione batch e caching sono elencati per il profilo del produttore, insieme alle opzioni Flex e Priority. Per una raccolta di richieste indipendenti, conserva identificativi delle fonti e un formato coerente del risultato, affinché ogni risposta possa essere verificata rispetto al proprio input.
I limiti possibili comprendono allucinazioni e occasionali rallentamenti o timeout. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti limitati a gennaio 2025. Fornisci materiale sorgente aggiornato quando una conclusione dipende da fatti più recenti. La distinzione utile di questa edizione è l'attenzione documentata a problemi software, aderenza al design e ragionamento sui video; controlla tali risultati rispetto al mockup, al codice o ai contenuti multimediali effettivi, anziché sostituire un profilo storico denominato con funzionalità più nuove.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.7-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gemini-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.7-flash', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
google/gemini-3.7-flashGemini 3.7 Flash unisce ragionamento multimodale, programmazione e lavoro con agenti in più passaggi. Il profilo 3.7 di Google privilegia la fedeltà ai mockup di design e la comprensione agentica dei video, con ragionamento low, medium e high. Accetta testo e contenuti multimediali, restituisce testo e ha limiti documentati di input/output di 1,048,576/65,536 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 3.7 Flash è il profilo denominato di Google per il ragionamento multimodale, la programmazione, i flussi agentici e l'esecuzione in più passaggi. Si basa su Gemini 3.6 Flash, con modifiche algoritmiche al ragionamento e supporto alla comprensione agentica dei video. Testo, immagini, audio, video e PDF possono costituire il materiale sorgente per un risultato testuale. Tra i risultati utili figurano una revisione mirata del codice, un confronto tra un mockup di design e un'implementazione oppure un'analisi basata sulle fonti degli eventi in una registrazione.
La guida per sviluppatori 3.7 evidenzia una maggiore corrispondenza al design nel lavoro desktop e web. Per questo compito, fornisci il mockup previsto, il codice sorgente pertinente e la discrepanza osservabile. Chiedi un confronto su elementi concreti, come spaziatura, stati dei componenti, gerarchia del testo o comportamento delle interazioni. Per un confronto di design, richiedi un elenco delle discrepanze tra il mockup di un pannello di impostazioni e la sua implementazione esistente, collegando ogni correzione proposta allo screenshot o al sorgente. Il risultato dovrebbe identificare ciò che deve cambiare senza estendere implicitamente il design oltre i requisiti forniti.
Per un flusso di programmazione, indica l'obiettivo, il comportamento esistente, i file pertinenti e i vincoli. Google propone 3.7 per risolvere problemi software e ridurre i cicli fallimentari degli agenti, ma una verifica utile controlla comunque la modifica effettiva e il risultato della convalida. Mantieni nella conversazione la sequenza delle osservazioni degli strumenti, affinché un passaggio successivo non parta da un resoconto inventato della base di codice. Il risultato finale può distinguere una modifica proposta da una confermata tramite gli strumenti dell'applicazione collegata.
I livelli di thinking documentati sono low, medium e high, con medium come predefinito. Low supporta risposte delimitate più rapide, mentre high è previsto per ragionamento difficile e uso esteso degli strumenti. Gemini 3.7 Flash non supporta il thinking minimal. Una breve analisi di una discrepanza dell'interfaccia e un'indagine approfondita su più file richiedono quindi scelte di impegno diverse. Definisci il risultato finale e le condizioni che deve soddisfare prima di richiedere una sequenza più lunga di ragionamento e azioni.
La pagina dell'esatto modello elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps e contesto URL. Computer Use è indicato come funzionalità in anteprima, e gli output strutturati possono definire un record del risultato. Una richiesta di funzione è un'operazione proposta che l'applicazione collegata deve eseguire, restituendone l'esito. Per un compito agentico, assegna allo strumento uno scopo chiaro e conserva il risultato reale prima di chiedere al modello di proseguire. Per un'estrazione documentale, definisci i campi, i valori accettabili e come rappresentare le informazioni mancanti.
Questa edizione supporta la comprensione agentica dei video. Fornisci la registrazione pertinente e specifica l'evento o la relazione da esaminare. Un brief pratico può chiedere quale azione visibile spieghi un cambiamento di stato, oppure richiedere una descrizione ordinata degli eventi con prove tratte dalla clip. Analogamente, immagini e pagine PDF possono sostenere un confronto visivo o documentale. L'output resta testo: interpretazione, dati estratti, codice o una spiegazione scritta. Video, immagini artistiche o parlato generati appartengono a profili di modello separati.
La tabella dell'esatta API 3.7 di Google specifica 1,048,576 token di input e 65,536 token di output, mentre la scheda nativa descrive un contesto fino a 1M e output testuale di 64K. Includi istruzioni, turni precedenti e contenuti multimediali forniti nella preparazione dell'input. Elaborazione batch e caching sono elencati per il profilo del produttore, insieme alle opzioni Flex e Priority. Per una raccolta di richieste indipendenti, conserva identificativi delle fonti e un formato coerente del risultato, affinché ogni risposta possa essere verificata rispetto al proprio input.
I limiti possibili comprendono allucinazioni e occasionali rallentamenti o timeout. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti limitati a gennaio 2025. Fornisci materiale sorgente aggiornato quando una conclusione dipende da fatti più recenti. La distinzione utile di questa edizione è l'attenzione documentata a problemi software, aderenza al design e ragionamento sui video; controlla tali risultati rispetto al mockup, al codice o ai contenuti multimediali effettivi, anziché sostituire un profilo storico denominato con funzionalità più nuove.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-3.7-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.7-flash", "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/gemini-3.7-flash',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/gemini-3.7-flash',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
google/gemini-3.7-flashGemini 3.7 Flash unisce ragionamento multimodale, programmazione e lavoro con agenti in più passaggi. Il profilo 3.7 di Google privilegia la fedeltà ai mockup di design e la comprensione agentica dei video, con ragionamento low, medium e high. Accetta testo e contenuti multimediali, restituisce testo e ha limiti documentati di input/output di 1,048,576/65,536 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 3.7 Flash è il profilo denominato di Google per il ragionamento multimodale, la programmazione, i flussi agentici e l'esecuzione in più passaggi. Si basa su Gemini 3.6 Flash, con modifiche algoritmiche al ragionamento e supporto alla comprensione agentica dei video. Testo, immagini, audio, video e PDF possono costituire il materiale sorgente per un risultato testuale. Tra i risultati utili figurano una revisione mirata del codice, un confronto tra un mockup di design e un'implementazione oppure un'analisi basata sulle fonti degli eventi in una registrazione.
La guida per sviluppatori 3.7 evidenzia una maggiore corrispondenza al design nel lavoro desktop e web. Per questo compito, fornisci il mockup previsto, il codice sorgente pertinente e la discrepanza osservabile. Chiedi un confronto su elementi concreti, come spaziatura, stati dei componenti, gerarchia del testo o comportamento delle interazioni. Per un confronto di design, richiedi un elenco delle discrepanze tra il mockup di un pannello di impostazioni e la sua implementazione esistente, collegando ogni correzione proposta allo screenshot o al sorgente. Il risultato dovrebbe identificare ciò che deve cambiare senza estendere implicitamente il design oltre i requisiti forniti.
Per un flusso di programmazione, indica l'obiettivo, il comportamento esistente, i file pertinenti e i vincoli. Google propone 3.7 per risolvere problemi software e ridurre i cicli fallimentari degli agenti, ma una verifica utile controlla comunque la modifica effettiva e il risultato della convalida. Mantieni nella conversazione la sequenza delle osservazioni degli strumenti, affinché un passaggio successivo non parta da un resoconto inventato della base di codice. Il risultato finale può distinguere una modifica proposta da una confermata tramite gli strumenti dell'applicazione collegata.
I livelli di thinking documentati sono low, medium e high, con medium come predefinito. Low supporta risposte delimitate più rapide, mentre high è previsto per ragionamento difficile e uso esteso degli strumenti. Gemini 3.7 Flash non supporta il thinking minimal. Una breve analisi di una discrepanza dell'interfaccia e un'indagine approfondita su più file richiedono quindi scelte di impegno diverse. Definisci il risultato finale e le condizioni che deve soddisfare prima di richiedere una sequenza più lunga di ragionamento e azioni.
La pagina dell'esatto modello elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps e contesto URL. Computer Use è indicato come funzionalità in anteprima, e gli output strutturati possono definire un record del risultato. Una richiesta di funzione è un'operazione proposta che l'applicazione collegata deve eseguire, restituendone l'esito. Per un compito agentico, assegna allo strumento uno scopo chiaro e conserva il risultato reale prima di chiedere al modello di proseguire. Per un'estrazione documentale, definisci i campi, i valori accettabili e come rappresentare le informazioni mancanti.
Questa edizione supporta la comprensione agentica dei video. Fornisci la registrazione pertinente e specifica l'evento o la relazione da esaminare. Un brief pratico può chiedere quale azione visibile spieghi un cambiamento di stato, oppure richiedere una descrizione ordinata degli eventi con prove tratte dalla clip. Analogamente, immagini e pagine PDF possono sostenere un confronto visivo o documentale. L'output resta testo: interpretazione, dati estratti, codice o una spiegazione scritta. Video, immagini artistiche o parlato generati appartengono a profili di modello separati.
La tabella dell'esatta API 3.7 di Google specifica 1,048,576 token di input e 65,536 token di output, mentre la scheda nativa descrive un contesto fino a 1M e output testuale di 64K. Includi istruzioni, turni precedenti e contenuti multimediali forniti nella preparazione dell'input. Elaborazione batch e caching sono elencati per il profilo del produttore, insieme alle opzioni Flex e Priority. Per una raccolta di richieste indipendenti, conserva identificativi delle fonti e un formato coerente del risultato, affinché ogni risposta possa essere verificata rispetto al proprio input.
I limiti possibili comprendono allucinazioni e occasionali rallentamenti o timeout. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti limitati a gennaio 2025. Fornisci materiale sorgente aggiornato quando una conclusione dipende da fatti più recenti. La distinzione utile di questa edizione è l'attenzione documentata a problemi software, aderenza al design e ragionamento sui video; controlla tali risultati rispetto al mockup, al codice o ai contenuti multimediali effettivi, anziché sostituire un profilo storico denominato con funzionalità più nuove.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-3.7-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemini-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/gemini-3.7-flash', '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/gemini-3.7-flash', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
Esempio tecnico in inglese
Match a written panel specification\n\nCompare this panel specification with its CSS. Specification: title above the form; labels remain visible; error text appears below its field. CSS: .panel{display:flex;flex-direction:column-reverse} .field label{display:none}. Explain the mismatches and propose the smallest CSS and markup corrections. Give inspection checks for normal and error states using the supplied written requirements.A mismatch list, focused CSS/markup changes and normal/error-state inspection checks.Check that each proposed change maps to a stated requirement without redesigning other elements.