Gemini 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
", "aboutText": "Gemini 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.\n\nPer un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.\n\nPer attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.\n\nGli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.\n\nLa guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.\n\nPer attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.\n\nI limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.\n\nI limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.gemini-3.8-flashGemini 3.8 Flash è il modello multimodale generalista di Google per attività prolungate di ingegneria del software, agenti e compiti complessi di gestione della conoscenza. Accetta testo, immagini, audio, video e PDF, restituisce testo e offre ragionamento low, medium o high con strumenti e output strutturati. I limiti documentati di input/output sono 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 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.8-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 Model-specific | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Model-specific | 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 Model-specific | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Model-specific | 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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash è il modello multimodale generalista di Google per attività prolungate di ingegneria del software, agenti e compiti complessi di gestione della conoscenza. Accetta testo, immagini, audio, video e PDF, restituisce testo e offre ragionamento low, medium o high con strumenti e output strutturati. I limiti documentati di input/output sono 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 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.8-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 Model-specific | Predefinito— |
CampogenerationConfig.temperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
CampogenerationConfig.topP | Tiponumber | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
CampogenerationConfig.topK | Tipointeger | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
CamposafetySettings | Tipoobject[] | RequisitoFacoltativo | Valori e limiti Model-specific | 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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash è il modello multimodale generalista di Google per attività prolungate di ingegneria del software, agenti e compiti complessi di gestione della conoscenza. Accetta testo, immagini, audio, video e PDF, restituisce testo e offre ragionamento low, medium o high con strumenti e output strutturati. I limiti documentati di input/output sono 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 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.8-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Model-specific | 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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash è il modello multimodale generalista di Google per attività prolungate di ingegneria del software, agenti e compiti complessi di gestione della conoscenza. Accetta testo, immagini, audio, video e PDF, restituisce testo e offre ragionamento low, medium o high con strumenti e output strutturati. I limiti documentati di input/output sono 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 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.8-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 $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash è il modello multimodale generalista di Google per attività prolungate di ingegneria del software, agenti e compiti complessi di gestione della conoscenza. Accetta testo, immagini, audio, video e PDF, restituisce testo e offre ragionamento low, medium o high con strumenti e output strutturati. I limiti documentati di input/output sono 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 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-3.8-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. Model-specific | 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 Model-specific | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Model-specific | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Model-specific | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Model-specific | 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 Model-specific | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Model-specific | 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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash è il modello multimodale generalista di Google per attività prolungate di ingegneria del software, agenti e compiti complessi di gestione della conoscenza. Accetta testo, immagini, audio, video e PDF, restituisce testo e offre ragionamento low, medium o high con strumenti e output strutturati. I limiti documentati di input/output sono 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 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-3.8-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 $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash è il modello multimodale generalista di Google per attività prolungate di ingegneria del software, agenti e compiti complessi di gestione della conoscenza. Accetta testo, immagini, audio, video e PDF, restituisce testo e offre ragionamento low, medium o high con strumenti e output strutturati. I limiti documentati di input/output sono 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 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~google/gemini-flash-latest | 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: These roles are explicitly represented by Source compatibility types; the exact model role set remains model-specific. Model-specific | 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; use actual returned ID | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Round-trip actual returned reasoning where this model uses it | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Model-specific | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Model-specific | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Model-specific | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: function tool supplied | 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 Model-specific | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Model-specific | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options is rejected on this Ultra text route | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h is rejected in actual prompt-cache locations | Predefinito— |
Testo · UTF8 text
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | Contrattomessage array with role/content shape |
Parametrofile_material | Contrattoactual UTF-8 document inserted as literal text; no file ID inferred |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | Contrattomodel-specific; user function tools differ from hosted tools |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Send exact model ID with messages.
Context length is not an output cap.
A text file may supply literal text; image/audio/file-object inputs need exact binding.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe 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-flash-latest", "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-flash-latest',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-flash-latest',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 or SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | CondizioneInvalid required fields, material representation or parameter value | Passaggio successivoCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash è il modello multimodale generalista di Google per attività prolungate di ingegneria del software, agenti e compiti complessi di gestione della conoscenza. Accetta testo, immagini, audio, video e PDF, restituisce testo e offre ragionamento low, medium o high con strumenti e output strutturati. I limiti documentati di input/output sono 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 3.8 Flash è il modello di Google con output testuale per attività prolungate di ingegneria del software, agenti con più passaggi e flussi complessi di gestione della conoscenza. Si basa su Gemini 3.7 Flash, con miglioramenti nell'ingegneria del software e nelle attività agentiche sulla conoscenza. Accetta testo, immagini, audio, video e PDF, permettendo di unire in un compito un obiettivo scritto e il materiale effettivamente necessario a risolverlo. Il risultato utile è una modifica al codice, un'analisi spiegata, una risposta scritta o un record strutturato.
Per un incarico di programmazione, fornisci il requisito, i file pertinenti, il comportamento osservato e i vincoli da conservare. Uno screenshot può stabilire l'interfaccia desiderata, mentre log o un esempio riproducibile mostrano il malfunzionamento. Per un'attività di debug, chiedi al modello di ricostruire una discrepanza tra lo stato visibile di un modulo e il suo valore memorizzato, individuare il percorso di codice responsabile e proporre una correzione mirata. Mantieni chiaro il risultato finale previsto, affinché anche una sequenza più lunga di indagine e uso degli strumenti abbia una condizione di completamento specifica.
Per attività di maggiore durata, usa passaggi di ragionamento più piccoli, chiamate iterative agli strumenti e verifiche dei risultati intermedi. I livelli di thinking low, medium e high controllano la quantità di ragionamento; medium è il valore predefinito documentato. Low si presta a una bozza rapida o a un'analisi delimitata, mentre high è previsto per matematica difficile, programmazione o compiti con più passaggi. Gemini 3.8 Flash non supporta il livello di thinking minimal. Un incarico prolungato di debug e una semplice estrazione di campi richiedono quindi scelte di ragionamento diverse, anziché la stessa impostazione per ogni richiesta.
Gli strumenti documentati comprendono chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Google Maps e contesto URL, con Computer Use indicato come funzionalità in anteprima. Gli output strutturati definiscono un risultato leggibile dalle macchine. Le funzioni devono avere uno scopo chiaro e una definizione dei parametri: il modello può richiedere una funzione, mentre l'applicazione collegata esegue l'operazione e ne restituisce il risultato. Conserva le identità delle funzioni e il materiale effettivamente restituito tra i turni. Una risposta finale utile spiega quali prove sostengono la correzione proposta o il valore estratto.
La guida alla migrazione 3.8 usa controlli del livello di thinking al posto della configurazione precedente del budget di ragionamento e consiglia di rimuovere i parametri di campionamento deprecati e i turni model precompilati. Richiede inoltre di conservare le thought signatures nel flusso stateless pertinente e di associare le risposte delle funzioni alle rispettive chiamate per identità e nome. Questi dettagli contano nella prosecuzione di un compito con più passaggi: il turno successivo necessita del contesto precedente effettivo, anziché di un resoconto riscritto che perda il risultato dello strumento o la firma. Mantieni espliciti la domanda e l'output richiesto nel nuovo turno user.
Per attività multimodali sulla conoscenza, identifica le pagine del documento, il grafico, l'intervallo audio o l'evento video pertinenti e specifica come debbano contribuire alla risposta. Un confronto di documenti può richiedere una tabella delle differenze con brani delle fonti; una domanda su un grafico può chiedere i valori visibili e la conclusione che sostengono. Un'analisi video può richiedere una descrizione degli eventi che giustificano un rilievo. Il modello restituisce testo a partire da questi input. Immagini generate, parlato e interazione audio Live appartengono a profili di modello separati.
I limiti di Gemini API sono 1,048,576 token di input e 65,536 token di output, corrispondenti al contesto fino a 1M e all'output testuale di 64K del modello nativo. Istruzioni, cronologia della conversazione e contenuti multimediali forniti consumano il contesto di input; il ragionamento o un lungo risultato finale devono rientrare nella capacità di output documentata. Google elenca inoltre caching, elaborazione batch, elaborazione Flex e Priority per questo profilo del produttore. Per elementi indipendenti, conserva un identificativo stabile dell'elemento e un formato di output esplicito, affinché ogni risultato rimanga collegato alla propria fonte.
I limiti possibili comprendono allucinazioni, occasionali rallentamenti o timeout e un maggiore uso di token a livelli di impegno più elevati. Il limite temporale delle conoscenze è marzo 2026, con alcuni ambiti ancora limitati a gennaio 2025. Fornisci prove aggiornate o usa gli strumenti di grounding documentati quando il compito dipende da informazioni successive. Controlla citazioni delle fonti, calcoli e codice proposto rispetto agli input effettivi e ai risultati dell'esecuzione. Il risultato finale utile dovrebbe distinguere un rilievo supportato da una questione irrisolta, senza presumere che una risposta scorrevole dimostri il conseguimento dell'esito richiesto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~google/gemini-flash-latest | 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 · UTF-8 text
messages[].content string
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoRead the actual UTF-8 document and put its text in the indicated input or message content string. |
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 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 $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "~google/gemini-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash-latest', '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-flash-latest', '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 or SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | CondizioneInvalid required fields, material representation or parameter value | Passaggio successivoCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
Esempio tecnico in inglese
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.