Gemini 3 Pro Preview è il profilo di anteprima Gemini 3 Pro di Google per il ragionamento multimodale e la generazione di testo. Può lavorare con testo, immagini, audio, video e documenti PDF e restituire un risultato scritto. Gli impieghi previsti comprendono analisi complesse, programmazione avanzata, sviluppo di algoritmi e compiti che combinano un insieme consistente di fonti con una domanda specifica.
Gemini 3 Pro è un modello sparse mixture-of-experts basato su transformer, con supporto nativo per input multimodali. La sua architettura instrada ogni token attraverso un sottoinsieme selezionato di esperti. Si tratta di una caratteristica progettuale del modello, anziché di un controllo utente per selezionare un particolare esperto o fissare una configurazione di erogazione.
Prepara gli input in funzione delle informazioni necessarie al compito. Un documento, uno screenshot e una registrazione audio possono fornire prove diverse. Identifica il contenuto di ciascun elemento e il modo in cui deve contribuire alla risposta. L’output rimane testuale; comprendere materiale visivo o parlato non trasforma questa anteprima in un generatore di immagini, voce o video.
Usa le immagini per domande sul contenuto visibile, l’audio per informazioni parlate o acustiche e il video per una sequenza in cui contano i cambiamenti nel tempo. Allega il contenuto effettivo alla domanda, anziché descriverlo soltanto a memoria. Quando confronti più elementi, etichettali chiaramente, così la risposta potrà riferirsi alla fonte corretta.
Per esempio, un brief di analisi del prodotto può combinare una specifica scritta, uno screenshot dell’interfaccia e una dimostrazione registrata. Chiedi un confronto che separi ciò che la specifica promette da ciò che è visibile o udibile nel materiale fornito. Definisci il risultato desiderato come un insieme di conclusioni, osservazioni di supporto e domande irrisolte.
Per un compito su PDF, fornisci il documento e identifica le sezioni o le affermazioni da esaminare. Una domanda utile chiede un confronto, un’estrazione o una spiegazione legata alla fonte, anziché richiedere soltanto un riepilogo generale di un file di grandi dimensioni.
La specifica esatta dell’anteprima indica un limite di input di 1.048.576 token e un limite di output di 65.536 token. Il produttore dichiara gennaio 2025 come limite temporale delle conoscenze; fornisci prove più recenti quando la domanda dipende da eventi o informazioni successivi. Questi limiti sono distinti. Un ampio insieme di fonti può essere letto per produrre una risposta mirata senza richiedere al modello di riprodurre ogni parte dell’input.
Organizza il materiale lungo rendendone chiara la struttura: titoli dei documenti, confini delle sezioni, percorsi del codice e domanda a cui l’output deve rispondere. Mantieni le eccezioni e le definizioni pertinenti vicino al contenuto a cui si applicano. Se il compito richiede una relazione lunga, specificane le sezioni e le prove attese in ciascuna.
Un’ampia finestra di contesto non garantisce che ogni dettaglio riceva la stessa attenzione o che ogni conclusione sia corretta. Google segnala anche un possibile peggioramento nelle conversazioni con più turni; riesamina i fatti importanti delle fonti e il contesto riutilizzato man mano che lo scambio prosegue. Controlla la risposta rispetto ai passaggi o agli elementi specifici che ne sostengono le affermazioni importanti.
Gli impieghi previsti dal produttore comprendono programmazione avanzata e lavoro algoritmico. Fornisci il sorgente pertinente, le ipotesi sull’ambiente, l’errore osservato e il comportamento atteso. Per un compito algoritmico, definisci l’input, l’output desiderato e condizioni quali ordinamento, duplicati o dati non validi.
Un brief di debug utile affianca l’input che causa il problema e l’errore alla porzione minima di sorgente pertinente. Chiedi una diagnosi e una modifica mirata, quindi verifica se la modifica proposta affronta il comportamento segnalato. Il codice generato e l’affermazione che dovrebbe funzionare sono diversi da un’implementazione eseguita e verificata.
Per una domanda su un repository più ampio, usa lo spazio di input per fornire i file necessari con etichette di percorso chiare. Specifica se il risultato desiderato è una spiegazione, una patch proposta o un’analisi delle alternative, così da dare al risultato uno scopo concreto.
La specifica del produttore per questa anteprima supporta chiamate di funzioni, esecuzione di codice, ricerca nei file, ancoraggio alla ricerca e contesto da URL. Queste funzionalità hanno ruoli distinti. Una chiamata di funzione descrive un’operazione che un’applicazione deve eseguire; il risultato dello strumento fornisce poi prove per il passaggio successivo del modello. L’esecuzione di codice è un flusso con strumenti, anziché una garanzia che qualsiasi codice applicativo generato sia già stato testato.
L’ancoraggio alla ricerca e il contesto da URL offrono flussi orientati alle fonti, mentre la ricerca nei file opera su una raccolta di file preparata. Conserva i risultati degli strumenti e le associazioni alle fonti insieme alla risposta, così da poter esaminare una conclusione. Secondo la specifica, il profilo non supporta l’uso del computer né l’ancoraggio a Maps.
Il supporto per output strutturati può esprimere un risultato secondo uno schema definito. Specifica i campi e il loro significato prima della generazione e controlla tanto il contenuto quanto il formato. Un oggetto strutturato valido richiede comunque una verifica dei fatti e della corrispondenza al compito.
Questa anteprima supporta la modalità di pensiero. Usa un compito chiaro, prove pertinenti e vincoli espliciti per il lavoro che richiede più passaggi di ragionamento. Il risultato dovrebbe spiegare le ipotesi e la conclusione utile; il ragionamento nascosto o la presenza di una modalità di pensiero non costituiscono di per sé una verifica.
Il produttore elenca anche il supporto per cache e batch. Si tratta di funzionalità di elaborazione separate dalle capacità di contenuto del modello e la loro presenza non dimostra che una specifica richiesta sia stata memorizzata in cache o che un risultato batch sia corretto.
Mantieni Gemini 3 Pro Preview distinto da Gemini 3.1 Pro Preview, Gemini 3 Pro Image e dai profili audio o Live. L’output di questa anteprima è testuale e la sua specifica non comprende generazione di immagini, generazione audio o funzionamento Live. Valuta la risposta, il codice o il risultato strutturato restituito rispetto all’insieme di fonti fornito e al compito previsto.
", "aboutText": "Gemini 3 Pro Preview è il profilo di anteprima Gemini 3 Pro di Google per il ragionamento multimodale e la generazione di testo. Può lavorare con testo, immagini, audio, video e documenti PDF e restituire un risultato scritto. Gli impieghi previsti comprendono analisi complesse, programmazione avanzata, sviluppo di algoritmi e compiti che combinano un insieme consistente di fonti con una domanda specifica.\n\n### Modello e struttura dell’input\n\nGemini 3 Pro è un modello sparse mixture-of-experts basato su transformer, con supporto nativo per input multimodali. La sua architettura instrada ogni token attraverso un sottoinsieme selezionato di esperti. Si tratta di una caratteristica progettuale del modello, anziché di un controllo utente per selezionare un particolare esperto o fissare una configurazione di erogazione.\n\nPrepara gli input in funzione delle informazioni necessarie al compito. Un documento, uno screenshot e una registrazione audio possono fornire prove diverse. Identifica il contenuto di ciascun elemento e il modo in cui deve contribuire alla risposta. L’output rimane testuale; comprendere materiale visivo o parlato non trasforma questa anteprima in un generatore di immagini, voce o video.\n\n### Analisi multimodale\n\nUsa le immagini per domande sul contenuto visibile, l’audio per informazioni parlate o acustiche e il video per una sequenza in cui contano i cambiamenti nel tempo. Allega il contenuto effettivo alla domanda, anziché descriverlo soltanto a memoria. Quando confronti più elementi, etichettali chiaramente, così la risposta potrà riferirsi alla fonte corretta.\n\nPer esempio, un brief di analisi del prodotto può combinare una specifica scritta, uno screenshot dell’interfaccia e una dimostrazione registrata. Chiedi un confronto che separi ciò che la specifica promette da ciò che è visibile o udibile nel materiale fornito. Definisci il risultato desiderato come un insieme di conclusioni, osservazioni di supporto e domande irrisolte.\n\nPer un compito su PDF, fornisci il documento e identifica le sezioni o le affermazioni da esaminare. Una domanda utile chiede un confronto, un’estrazione o una spiegazione legata alla fonte, anziché richiedere soltanto un riepilogo generale di un file di grandi dimensioni.\n\n### Contesto lungo e spazio per l’output\n\nLa specifica esatta dell’anteprima indica un limite di input di 1.048.576 token e un limite di output di 65.536 token. Il produttore dichiara gennaio 2025 come limite temporale delle conoscenze; fornisci prove più recenti quando la domanda dipende da eventi o informazioni successivi. Questi limiti sono distinti. Un ampio insieme di fonti può essere letto per produrre una risposta mirata senza richiedere al modello di riprodurre ogni parte dell’input.\n\nOrganizza il materiale lungo rendendone chiara la struttura: titoli dei documenti, confini delle sezioni, percorsi del codice e domanda a cui l’output deve rispondere. Mantieni le eccezioni e le definizioni pertinenti vicino al contenuto a cui si applicano. Se il compito richiede una relazione lunga, specificane le sezioni e le prove attese in ciascuna.\n\nUn’ampia finestra di contesto non garantisce che ogni dettaglio riceva la stessa attenzione o che ogni conclusione sia corretta. Google segnala anche un possibile peggioramento nelle conversazioni con più turni; riesamina i fatti importanti delle fonti e il contesto riutilizzato man mano che lo scambio prosegue. Controlla la risposta rispetto ai passaggi o agli elementi specifici che ne sostengono le affermazioni importanti.\n\n### Programmazione e sviluppo di algoritmi\n\nGli impieghi previsti dal produttore comprendono programmazione avanzata e lavoro algoritmico. Fornisci il sorgente pertinente, le ipotesi sull’ambiente, l’errore osservato e il comportamento atteso. Per un compito algoritmico, definisci l’input, l’output desiderato e condizioni quali ordinamento, duplicati o dati non validi.\n\nUn brief di debug utile affianca l’input che causa il problema e l’errore alla porzione minima di sorgente pertinente. Chiedi una diagnosi e una modifica mirata, quindi verifica se la modifica proposta affronta il comportamento segnalato. Il codice generato e l’affermazione che dovrebbe funzionare sono diversi da un’implementazione eseguita e verificata.\n\nPer una domanda su un repository più ampio, usa lo spazio di input per fornire i file necessari con etichette di percorso chiare. Specifica se il risultato desiderato è una spiegazione, una patch proposta o un’analisi delle alternative, così da dare al risultato uno scopo concreto.\n\n### Strumenti, fonti e risultati strutturati\n\nLa specifica del produttore per questa anteprima supporta chiamate di funzioni, esecuzione di codice, ricerca nei file, ancoraggio alla ricerca e contesto da URL. Queste funzionalità hanno ruoli distinti. Una chiamata di funzione descrive un’operazione che un’applicazione deve eseguire; il risultato dello strumento fornisce poi prove per il passaggio successivo del modello. L’esecuzione di codice è un flusso con strumenti, anziché una garanzia che qualsiasi codice applicativo generato sia già stato testato.\n\nL’ancoraggio alla ricerca e il contesto da URL offrono flussi orientati alle fonti, mentre la ricerca nei file opera su una raccolta di file preparata. Conserva i risultati degli strumenti e le associazioni alle fonti insieme alla risposta, così da poter esaminare una conclusione. Secondo la specifica, il profilo non supporta l’uso del computer né l’ancoraggio a Maps.\n\nIl supporto per output strutturati può esprimere un risultato secondo uno schema definito. Specifica i campi e il loro significato prima della generazione e controlla tanto il contenuto quanto il formato. Un oggetto strutturato valido richiede comunque una verifica dei fatti e della corrispondenza al compito.\n\n### Ragionamento, riutilizzo e confini tra edizioni\n\nQuesta anteprima supporta la modalità di pensiero. Usa un compito chiaro, prove pertinenti e vincoli espliciti per il lavoro che richiede più passaggi di ragionamento. Il risultato dovrebbe spiegare le ipotesi e la conclusione utile; il ragionamento nascosto o la presenza di una modalità di pensiero non costituiscono di per sé una verifica.\n\nIl produttore elenca anche il supporto per cache e batch. Si tratta di funzionalità di elaborazione separate dalle capacità di contenuto del modello e la loro presenza non dimostra che una specifica richiesta sia stata memorizzata in cache o che un risultato batch sia corretto.\n\nMantieni Gemini 3 Pro Preview distinto da Gemini 3.1 Pro Preview, Gemini 3 Pro Image e dai profili audio o Live. L’output di questa anteprima è testuale e la sua specifica non comprende generazione di immagini, generazione audio o funzionamento Live. Valuta la risposta, il codice o il risultato strutturato restituito rispetto all’insieme di fonti fornito e al compito previsto.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e5975494f188287f9a558ccc69d11e0e6072167faa614f80003c76413e30f767", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "gemini-3-pro-previewGemini 3 Pro Preview è il modello di ragionamento multimodale di Google per testo, immagini, audio, video e PDF, con output testuale. L’ampio spazio di input, le capacità di programmazione e i flussi con strumenti supportati lo rendono adatto ad analisi dettagliate, confronti tra documenti ed esecuzione di compiti basata sulle prove.
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 Pro Preview è il profilo di anteprima Gemini 3 Pro di Google per il ragionamento multimodale e la generazione di testo. Può lavorare con testo, immagini, audio, video e documenti PDF e restituire un risultato scritto. Gli impieghi previsti comprendono analisi complesse, programmazione avanzata, sviluppo di algoritmi e compiti che combinano un insieme consistente di fonti con una domanda specifica.
Gemini 3 Pro è un modello sparse mixture-of-experts basato su transformer, con supporto nativo per input multimodali. La sua architettura instrada ogni token attraverso un sottoinsieme selezionato di esperti. Si tratta di una caratteristica progettuale del modello, anziché di un controllo utente per selezionare un particolare esperto o fissare una configurazione di erogazione.
Prepara gli input in funzione delle informazioni necessarie al compito. Un documento, uno screenshot e una registrazione audio possono fornire prove diverse. Identifica il contenuto di ciascun elemento e il modo in cui deve contribuire alla risposta. L’output rimane testuale; comprendere materiale visivo o parlato non trasforma questa anteprima in un generatore di immagini, voce o video.
Usa le immagini per domande sul contenuto visibile, l’audio per informazioni parlate o acustiche e il video per una sequenza in cui contano i cambiamenti nel tempo. Allega il contenuto effettivo alla domanda, anziché descriverlo soltanto a memoria. Quando confronti più elementi, etichettali chiaramente, così la risposta potrà riferirsi alla fonte corretta.
Per esempio, un brief di analisi del prodotto può combinare una specifica scritta, uno screenshot dell’interfaccia e una dimostrazione registrata. Chiedi un confronto che separi ciò che la specifica promette da ciò che è visibile o udibile nel materiale fornito. Definisci il risultato desiderato come un insieme di conclusioni, osservazioni di supporto e domande irrisolte.
Per un compito su PDF, fornisci il documento e identifica le sezioni o le affermazioni da esaminare. Una domanda utile chiede un confronto, un’estrazione o una spiegazione legata alla fonte, anziché richiedere soltanto un riepilogo generale di un file di grandi dimensioni.
La specifica esatta dell’anteprima indica un limite di input di 1.048.576 token e un limite di output di 65.536 token. Il produttore dichiara gennaio 2025 come limite temporale delle conoscenze; fornisci prove più recenti quando la domanda dipende da eventi o informazioni successivi. Questi limiti sono distinti. Un ampio insieme di fonti può essere letto per produrre una risposta mirata senza richiedere al modello di riprodurre ogni parte dell’input.
Organizza il materiale lungo rendendone chiara la struttura: titoli dei documenti, confini delle sezioni, percorsi del codice e domanda a cui l’output deve rispondere. Mantieni le eccezioni e le definizioni pertinenti vicino al contenuto a cui si applicano. Se il compito richiede una relazione lunga, specificane le sezioni e le prove attese in ciascuna.
Un’ampia finestra di contesto non garantisce che ogni dettaglio riceva la stessa attenzione o che ogni conclusione sia corretta. Google segnala anche un possibile peggioramento nelle conversazioni con più turni; riesamina i fatti importanti delle fonti e il contesto riutilizzato man mano che lo scambio prosegue. Controlla la risposta rispetto ai passaggi o agli elementi specifici che ne sostengono le affermazioni importanti.
Gli impieghi previsti dal produttore comprendono programmazione avanzata e lavoro algoritmico. Fornisci il sorgente pertinente, le ipotesi sull’ambiente, l’errore osservato e il comportamento atteso. Per un compito algoritmico, definisci l’input, l’output desiderato e condizioni quali ordinamento, duplicati o dati non validi.
Un brief di debug utile affianca l’input che causa il problema e l’errore alla porzione minima di sorgente pertinente. Chiedi una diagnosi e una modifica mirata, quindi verifica se la modifica proposta affronta il comportamento segnalato. Il codice generato e l’affermazione che dovrebbe funzionare sono diversi da un’implementazione eseguita e verificata.
Per una domanda su un repository più ampio, usa lo spazio di input per fornire i file necessari con etichette di percorso chiare. Specifica se il risultato desiderato è una spiegazione, una patch proposta o un’analisi delle alternative, così da dare al risultato uno scopo concreto.
La specifica del produttore per questa anteprima supporta chiamate di funzioni, esecuzione di codice, ricerca nei file, ancoraggio alla ricerca e contesto da URL. Queste funzionalità hanno ruoli distinti. Una chiamata di funzione descrive un’operazione che un’applicazione deve eseguire; il risultato dello strumento fornisce poi prove per il passaggio successivo del modello. L’esecuzione di codice è un flusso con strumenti, anziché una garanzia che qualsiasi codice applicativo generato sia già stato testato.
L’ancoraggio alla ricerca e il contesto da URL offrono flussi orientati alle fonti, mentre la ricerca nei file opera su una raccolta di file preparata. Conserva i risultati degli strumenti e le associazioni alle fonti insieme alla risposta, così da poter esaminare una conclusione. Secondo la specifica, il profilo non supporta l’uso del computer né l’ancoraggio a Maps.
Il supporto per output strutturati può esprimere un risultato secondo uno schema definito. Specifica i campi e il loro significato prima della generazione e controlla tanto il contenuto quanto il formato. Un oggetto strutturato valido richiede comunque una verifica dei fatti e della corrispondenza al compito.
Questa anteprima supporta la modalità di pensiero. Usa un compito chiaro, prove pertinenti e vincoli espliciti per il lavoro che richiede più passaggi di ragionamento. Il risultato dovrebbe spiegare le ipotesi e la conclusione utile; il ragionamento nascosto o la presenza di una modalità di pensiero non costituiscono di per sé una verifica.
Il produttore elenca anche il supporto per cache e batch. Si tratta di funzionalità di elaborazione separate dalle capacità di contenuto del modello e la loro presenza non dimostra che una specifica richiesta sia stata memorizzata in cache o che un risultato batch sia corretto.
Mantieni Gemini 3 Pro Preview distinto da Gemini 3.1 Pro Preview, Gemini 3 Pro Image e dai profili audio o Live. L’output di questa anteprima è testuale e la sua specifica non comprende generazione di immagini, generazione audio o funzionamento Live. Valuta la risposta, il codice o il risultato strutturato restituito rispetto all’insieme di fonti fornito e al compito previsto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3-pro-preview | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Conversazione testuale | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream |
Parametrocontrol_scope | ContrattoConversazione testuale; stream è un booleano e per impostazione predefinita vale false. |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Alias del metodo: /chat/completions
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.004 / 1K token Output · Token in output $0.024 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-pro-preview","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-pro-preview", 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 Ultra gemini-3-pro-preview
/chat/completions
gemini-3-pro-previewGemini 3 Pro Preview è il modello di ragionamento multimodale di Google per testo, immagini, audio, video e PDF, con output testuale. L’ampio spazio di input, le capacità di programmazione e i flussi con strumenti supportati lo rendono adatto ad analisi dettagliate, confronti tra documenti ed esecuzione di compiti basata sulle prove.
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 Pro Preview è il profilo di anteprima Gemini 3 Pro di Google per il ragionamento multimodale e la generazione di testo. Può lavorare con testo, immagini, audio, video e documenti PDF e restituire un risultato scritto. Gli impieghi previsti comprendono analisi complesse, programmazione avanzata, sviluppo di algoritmi e compiti che combinano un insieme consistente di fonti con una domanda specifica.
Gemini 3 Pro è un modello sparse mixture-of-experts basato su transformer, con supporto nativo per input multimodali. La sua architettura instrada ogni token attraverso un sottoinsieme selezionato di esperti. Si tratta di una caratteristica progettuale del modello, anziché di un controllo utente per selezionare un particolare esperto o fissare una configurazione di erogazione.
Prepara gli input in funzione delle informazioni necessarie al compito. Un documento, uno screenshot e una registrazione audio possono fornire prove diverse. Identifica il contenuto di ciascun elemento e il modo in cui deve contribuire alla risposta. L’output rimane testuale; comprendere materiale visivo o parlato non trasforma questa anteprima in un generatore di immagini, voce o video.
Usa le immagini per domande sul contenuto visibile, l’audio per informazioni parlate o acustiche e il video per una sequenza in cui contano i cambiamenti nel tempo. Allega il contenuto effettivo alla domanda, anziché descriverlo soltanto a memoria. Quando confronti più elementi, etichettali chiaramente, così la risposta potrà riferirsi alla fonte corretta.
Per esempio, un brief di analisi del prodotto può combinare una specifica scritta, uno screenshot dell’interfaccia e una dimostrazione registrata. Chiedi un confronto che separi ciò che la specifica promette da ciò che è visibile o udibile nel materiale fornito. Definisci il risultato desiderato come un insieme di conclusioni, osservazioni di supporto e domande irrisolte.
Per un compito su PDF, fornisci il documento e identifica le sezioni o le affermazioni da esaminare. Una domanda utile chiede un confronto, un’estrazione o una spiegazione legata alla fonte, anziché richiedere soltanto un riepilogo generale di un file di grandi dimensioni.
La specifica esatta dell’anteprima indica un limite di input di 1.048.576 token e un limite di output di 65.536 token. Il produttore dichiara gennaio 2025 come limite temporale delle conoscenze; fornisci prove più recenti quando la domanda dipende da eventi o informazioni successivi. Questi limiti sono distinti. Un ampio insieme di fonti può essere letto per produrre una risposta mirata senza richiedere al modello di riprodurre ogni parte dell’input.
Organizza il materiale lungo rendendone chiara la struttura: titoli dei documenti, confini delle sezioni, percorsi del codice e domanda a cui l’output deve rispondere. Mantieni le eccezioni e le definizioni pertinenti vicino al contenuto a cui si applicano. Se il compito richiede una relazione lunga, specificane le sezioni e le prove attese in ciascuna.
Un’ampia finestra di contesto non garantisce che ogni dettaglio riceva la stessa attenzione o che ogni conclusione sia corretta. Google segnala anche un possibile peggioramento nelle conversazioni con più turni; riesamina i fatti importanti delle fonti e il contesto riutilizzato man mano che lo scambio prosegue. Controlla la risposta rispetto ai passaggi o agli elementi specifici che ne sostengono le affermazioni importanti.
Gli impieghi previsti dal produttore comprendono programmazione avanzata e lavoro algoritmico. Fornisci il sorgente pertinente, le ipotesi sull’ambiente, l’errore osservato e il comportamento atteso. Per un compito algoritmico, definisci l’input, l’output desiderato e condizioni quali ordinamento, duplicati o dati non validi.
Un brief di debug utile affianca l’input che causa il problema e l’errore alla porzione minima di sorgente pertinente. Chiedi una diagnosi e una modifica mirata, quindi verifica se la modifica proposta affronta il comportamento segnalato. Il codice generato e l’affermazione che dovrebbe funzionare sono diversi da un’implementazione eseguita e verificata.
Per una domanda su un repository più ampio, usa lo spazio di input per fornire i file necessari con etichette di percorso chiare. Specifica se il risultato desiderato è una spiegazione, una patch proposta o un’analisi delle alternative, così da dare al risultato uno scopo concreto.
La specifica del produttore per questa anteprima supporta chiamate di funzioni, esecuzione di codice, ricerca nei file, ancoraggio alla ricerca e contesto da URL. Queste funzionalità hanno ruoli distinti. Una chiamata di funzione descrive un’operazione che un’applicazione deve eseguire; il risultato dello strumento fornisce poi prove per il passaggio successivo del modello. L’esecuzione di codice è un flusso con strumenti, anziché una garanzia che qualsiasi codice applicativo generato sia già stato testato.
L’ancoraggio alla ricerca e il contesto da URL offrono flussi orientati alle fonti, mentre la ricerca nei file opera su una raccolta di file preparata. Conserva i risultati degli strumenti e le associazioni alle fonti insieme alla risposta, così da poter esaminare una conclusione. Secondo la specifica, il profilo non supporta l’uso del computer né l’ancoraggio a Maps.
Il supporto per output strutturati può esprimere un risultato secondo uno schema definito. Specifica i campi e il loro significato prima della generazione e controlla tanto il contenuto quanto il formato. Un oggetto strutturato valido richiede comunque una verifica dei fatti e della corrispondenza al compito.
Questa anteprima supporta la modalità di pensiero. Usa un compito chiaro, prove pertinenti e vincoli espliciti per il lavoro che richiede più passaggi di ragionamento. Il risultato dovrebbe spiegare le ipotesi e la conclusione utile; il ragionamento nascosto o la presenza di una modalità di pensiero non costituiscono di per sé una verifica.
Il produttore elenca anche il supporto per cache e batch. Si tratta di funzionalità di elaborazione separate dalle capacità di contenuto del modello e la loro presenza non dimostra che una specifica richiesta sia stata memorizzata in cache o che un risultato batch sia corretto.
Mantieni Gemini 3 Pro Preview distinto da Gemini 3.1 Pro Preview, Gemini 3 Pro Image e dai profili audio o Live. L’output di questa anteprima è testuale e la sua specifica non comprende generazione di immagini, generazione audio o funzionamento Live. Valuta la risposta, il codice o il risultato strutturato restituito rispetto all’insieme di fonti fornito e al compito previsto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3-pro-preview | 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 $0.004 / 1K token Output · Token in output $0.024 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro-preview', '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-pro-preview', '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 Ultra gemini-3-pro-preview
/chat/completions