Gemini 3.5 Flash è il profilo di modello Flash multimodale di Google per attività prolungate di programmazione e lavoro agentico. Gli input documentati sono testo, immagini, video, audio e PDF, con output testuale. I compiti su cui si concentra comprendono programmazione iterativa, esplorazione di soluzioni alternative e sequenze più lunghe di istruzioni e uso degli strumenti. L'edizione 3.5 offre controlli di thinking documentati, input multimodali e flussi con strumenti.
Un compito di programmazione può unire un requisito scritto, file sorgente pertinenti e uno screenshot del risultato desiderato. Fornisci il comportamento osservato, quello atteso e i vincoli che devono rimanere integri. Un esempio di brief è: «Confronta lo screenshot con il testo del componente, identifica la discrepanza nel flusso del modulo e proponi una correzione mirata. Spiega quali dettagli della fonte giustificano la modifica». Per un compito documentale, fornisci le pagine pertinenti e chiedi un confronto con requisiti espliciti, con riferimenti alle fonti per ciascun rilievo.
L'edizione documenta i livelli di thinking minimal, low, medium e high. Medium è il predefinito, cambiato rispetto al predefinito high di Gemini 3 Flash Preview. Minimal è adatto a risposte semplici e decisioni immediate sugli strumenti, senza garantire che il ragionamento sia completamente disabilitato; low si rivolge a compiti che richiedono meno passaggi; high offre ragionamento più approfondito per problemi difficili di matematica, programmazione e agenti. Google consiglia di usare thinking_level per controllare l'impegno e di mantenere le impostazioni di campionamento predefinite, anziché tentare di forzare il ragionamento modificando temperature, top-p o top-k.
Un comportamento caratterizzante è la conservazione del contesto di ragionamento tra più turni di un compito. Il flusso Interactions di Google trasporta quel contesto automaticamente; il flusso GenerateContent richiede la cronologia completa e non modificata della conversazione, comprese le thought signatures. Questo supporta la prosecuzione di un incarico di debug o refactoring in cui il ragionamento precedente informa il passaggio successivo. Conserva la struttura effettiva della conversazione invece di convertire ogni richiesta successiva in un prompt indipendente, e mantieni chiaro il risultato finale richiesto durante l'avanzamento del lavoro.
L'insieme degli strumenti documentati comprende Google Search, grounding tramite Google Maps, File Search, Code Execution, URL Context e Function Calling standard, con uso combinato degli strumenti e Computer Use indicati come funzionalità in anteprima. Structured Outputs può fornire un record di dati definito. Assegna alle funzioni uno scopo chiaro e una definizione dei parametri: il modello sceglie una funzione, mentre l'applicazione collegata esegue la sua operazione e ne restituisce il risultato. Google richiede che i risultati delle funzioni corrispondano alle chiamate precedenti per identità, nome e numero; i risultati multimodali vanno inseriti nella risposta della funzione.
La tabella dell'esatto modello API indica un massimo di input di 1,048,576 token e un massimo di output di 65,536 token. Cronologia della conversazione e contenuti multimediali forniti contribuiscono al budget di input. Caching ed elaborazione batch sono documentati per questo profilo, con ulteriori opzioni di elaborazione Flex e Priority nella tabella di Google. Questi limiti e capacità descrivono l'edizione del produttore; non richiedono che una risposta riempia l'intera finestra di output né rendono necessario ogni strumento per un compito.
Questo profilo genera testo, anziché immagini o audio, e non usa Live API. La sua guida per sviluppatori esclude anche la segmentazione delle immagini. Per una domanda visiva, chiedi una descrizione, estrazione o interpretazione del materiale fornito; per una registrazione parlata, chiedi un risultato testuale. Quando la risposta dipende da informazioni più recenti, il flusso documentato di grounding tramite ricerca può aggiungere fonti oltre alle conoscenze di addestramento. Specifica se sono necessarie informazioni esterne e quali prove debba conservare la risposta finale.
Per un incarico lungo utile, definisci il risultato finale e il criterio di completamento prima del primo passaggio. Un compito di analisi per l'assistenza potrebbe richiedere una tabella dei problemi osservati, dei brani a supporto e di una risposta proposta; un compito di programmazione potrebbe richiedere la modifica mirata e il relativo risultato di convalida. Allega il contesto sorgente rilevante, specifica le azioni consentite agli strumenti e richiedi una risposta finale esplicita che distingua il lavoro completato dalle questioni ancora bisognose di informazioni. Questo trasforma il flusso prolungato del modello in un artefatto concreto testuale, di codice o strutturato.
", "aboutText": "Gemini 3.5 Flash è il profilo di modello Flash multimodale di Google per attività prolungate di programmazione e lavoro agentico. Gli input documentati sono testo, immagini, video, audio e PDF, con output testuale. I compiti su cui si concentra comprendono programmazione iterativa, esplorazione di soluzioni alternative e sequenze più lunghe di istruzioni e uso degli strumenti. L'edizione 3.5 offre controlli di thinking documentati, input multimodali e flussi con strumenti.\n\nUn compito di programmazione può unire un requisito scritto, file sorgente pertinenti e uno screenshot del risultato desiderato. Fornisci il comportamento osservato, quello atteso e i vincoli che devono rimanere integri. Un esempio di brief è: «Confronta lo screenshot con il testo del componente, identifica la discrepanza nel flusso del modulo e proponi una correzione mirata. Spiega quali dettagli della fonte giustificano la modifica». Per un compito documentale, fornisci le pagine pertinenti e chiedi un confronto con requisiti espliciti, con riferimenti alle fonti per ciascun rilievo.\n\nL'edizione documenta i livelli di thinking minimal, low, medium e high. Medium è il predefinito, cambiato rispetto al predefinito high di Gemini 3 Flash Preview. Minimal è adatto a risposte semplici e decisioni immediate sugli strumenti, senza garantire che il ragionamento sia completamente disabilitato; low si rivolge a compiti che richiedono meno passaggi; high offre ragionamento più approfondito per problemi difficili di matematica, programmazione e agenti. Google consiglia di usare thinking_level per controllare l'impegno e di mantenere le impostazioni di campionamento predefinite, anziché tentare di forzare il ragionamento modificando temperature, top-p o top-k.\n\nUn comportamento caratterizzante è la conservazione del contesto di ragionamento tra più turni di un compito. Il flusso Interactions di Google trasporta quel contesto automaticamente; il flusso GenerateContent richiede la cronologia completa e non modificata della conversazione, comprese le thought signatures. Questo supporta la prosecuzione di un incarico di debug o refactoring in cui il ragionamento precedente informa il passaggio successivo. Conserva la struttura effettiva della conversazione invece di convertire ogni richiesta successiva in un prompt indipendente, e mantieni chiaro il risultato finale richiesto durante l'avanzamento del lavoro.\n\nL'insieme degli strumenti documentati comprende Google Search, grounding tramite Google Maps, File Search, Code Execution, URL Context e Function Calling standard, con uso combinato degli strumenti e Computer Use indicati come funzionalità in anteprima. Structured Outputs può fornire un record di dati definito. Assegna alle funzioni uno scopo chiaro e una definizione dei parametri: il modello sceglie una funzione, mentre l'applicazione collegata esegue la sua operazione e ne restituisce il risultato. Google richiede che i risultati delle funzioni corrispondano alle chiamate precedenti per identità, nome e numero; i risultati multimodali vanno inseriti nella risposta della funzione.\n\nLa tabella dell'esatto modello API indica un massimo di input di 1,048,576 token e un massimo di output di 65,536 token. Cronologia della conversazione e contenuti multimediali forniti contribuiscono al budget di input. Caching ed elaborazione batch sono documentati per questo profilo, con ulteriori opzioni di elaborazione Flex e Priority nella tabella di Google. Questi limiti e capacità descrivono l'edizione del produttore; non richiedono che una risposta riempia l'intera finestra di output né rendono necessario ogni strumento per un compito.\n\nQuesto profilo genera testo, anziché immagini o audio, e non usa Live API. La sua guida per sviluppatori esclude anche la segmentazione delle immagini. Per una domanda visiva, chiedi una descrizione, estrazione o interpretazione del materiale fornito; per una registrazione parlata, chiedi un risultato testuale. Quando la risposta dipende da informazioni più recenti, il flusso documentato di grounding tramite ricerca può aggiungere fonti oltre alle conoscenze di addestramento. Specifica se sono necessarie informazioni esterne e quali prove debba conservare la risposta finale.\n\nPer un incarico lungo utile, definisci il risultato finale e il criterio di completamento prima del primo passaggio. Un compito di analisi per l'assistenza potrebbe richiedere una tabella dei problemi osservati, dei brani a supporto e di una risposta proposta; un compito di programmazione potrebbe richiedere la modifica mirata e il relativo risultato di convalida. Allega il contesto sorgente rilevante, specifica le azioni consentite agli strumenti e richiedi una risposta finale esplicita che distingua il lavoro completato dalle questioni ancora bisognose di informazioni. Questo trasforma il flusso prolungato del modello in un artefatto concreto testuale, di codice o strutturato.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Correct a multi-turn form regression\n\nA form change added a required phone field. Prior accepted behavior: email-only contact was allowed. Current source: if (!email || !phone) return 'Missing contact'; submit({email,phone}). New requirement: at least one contact method. Propose a minimal correction, preserve submission fields and explain tests for email only, phone only, both and neither.A focused condition change and four expected acceptance/rejection cases.Check the correction accepts either contact method independently and rejects only when both are absent.gemini-3.5-flashGemini 3.5 Flash unisce comprensione multimodale e ragionamento per programmazione e compiti agentici con più passaggi. Accetta testo, immagini, video, audio e PDF e produce testo, con output strutturati, strumenti e un limite di input di 1,048,576 token nel suo profilo documentato.
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 3.5 Flash è il profilo di modello Flash multimodale di Google per attività prolungate di programmazione e lavoro agentico. Gli input documentati sono testo, immagini, video, audio e PDF, con output testuale. I compiti su cui si concentra comprendono programmazione iterativa, esplorazione di soluzioni alternative e sequenze più lunghe di istruzioni e uso degli strumenti. L'edizione 3.5 offre controlli di thinking documentati, input multimodali e flussi con strumenti.
Un compito di programmazione può unire un requisito scritto, file sorgente pertinenti e uno screenshot del risultato desiderato. Fornisci il comportamento osservato, quello atteso e i vincoli che devono rimanere integri. Un esempio di brief è: «Confronta lo screenshot con il testo del componente, identifica la discrepanza nel flusso del modulo e proponi una correzione mirata. Spiega quali dettagli della fonte giustificano la modifica». Per un compito documentale, fornisci le pagine pertinenti e chiedi un confronto con requisiti espliciti, con riferimenti alle fonti per ciascun rilievo.
L'edizione documenta i livelli di thinking minimal, low, medium e high. Medium è il predefinito, cambiato rispetto al predefinito high di Gemini 3 Flash Preview. Minimal è adatto a risposte semplici e decisioni immediate sugli strumenti, senza garantire che il ragionamento sia completamente disabilitato; low si rivolge a compiti che richiedono meno passaggi; high offre ragionamento più approfondito per problemi difficili di matematica, programmazione e agenti. Google consiglia di usare thinking_level per controllare l'impegno e di mantenere le impostazioni di campionamento predefinite, anziché tentare di forzare il ragionamento modificando temperature, top-p o top-k.
Un comportamento caratterizzante è la conservazione del contesto di ragionamento tra più turni di un compito. Il flusso Interactions di Google trasporta quel contesto automaticamente; il flusso GenerateContent richiede la cronologia completa e non modificata della conversazione, comprese le thought signatures. Questo supporta la prosecuzione di un incarico di debug o refactoring in cui il ragionamento precedente informa il passaggio successivo. Conserva la struttura effettiva della conversazione invece di convertire ogni richiesta successiva in un prompt indipendente, e mantieni chiaro il risultato finale richiesto durante l'avanzamento del lavoro.
L'insieme degli strumenti documentati comprende Google Search, grounding tramite Google Maps, File Search, Code Execution, URL Context e Function Calling standard, con uso combinato degli strumenti e Computer Use indicati come funzionalità in anteprima. Structured Outputs può fornire un record di dati definito. Assegna alle funzioni uno scopo chiaro e una definizione dei parametri: il modello sceglie una funzione, mentre l'applicazione collegata esegue la sua operazione e ne restituisce il risultato. Google richiede che i risultati delle funzioni corrispondano alle chiamate precedenti per identità, nome e numero; i risultati multimodali vanno inseriti nella risposta della funzione.
La tabella dell'esatto modello API indica un massimo di input di 1,048,576 token e un massimo di output di 65,536 token. Cronologia della conversazione e contenuti multimediali forniti contribuiscono al budget di input. Caching ed elaborazione batch sono documentati per questo profilo, con ulteriori opzioni di elaborazione Flex e Priority nella tabella di Google. Questi limiti e capacità descrivono l'edizione del produttore; non richiedono che una risposta riempia l'intera finestra di output né rendono necessario ogni strumento per un compito.
Questo profilo genera testo, anziché immagini o audio, e non usa Live API. La sua guida per sviluppatori esclude anche la segmentazione delle immagini. Per una domanda visiva, chiedi una descrizione, estrazione o interpretazione del materiale fornito; per una registrazione parlata, chiedi un risultato testuale. Quando la risposta dipende da informazioni più recenti, il flusso documentato di grounding tramite ricerca può aggiungere fonti oltre alle conoscenze di addestramento. Specifica se sono necessarie informazioni esterne e quali prove debba conservare la risposta finale.
Per un incarico lungo utile, definisci il risultato finale e il criterio di completamento prima del primo passaggio. Un compito di analisi per l'assistenza potrebbe richiedere una tabella dei problemi osservati, dei brani a supporto e di una risposta proposta; un compito di programmazione potrebbe richiedere la modifica mirata e il relativo risultato di convalida. Allega il contesto sorgente rilevante, specifica le azioni consentite agli strumenti e richiedi una risposta finale esplicita che distingua il lavoro completato dalle questioni ancora bisognose di informazioni. Questo trasforma il flusso prolungato del modello in un artefatto concreto testuale, di codice o strutturato.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Conversazione testuale | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream |
Parametrocontrol_scope | ContrattoConversazione testuale; stream è un booleano e per impostazione predefinita vale false. |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Alias del metodo: /chat/completions
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.018 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.018 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.5-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-3.5-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 Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
gemini-3.5-flashGemini 3.5 Flash unisce comprensione multimodale e ragionamento per programmazione e compiti agentici con più passaggi. Accetta testo, immagini, video, audio e PDF e produce testo, con output strutturati, strumenti e un limite di input di 1,048,576 token nel suo profilo documentato.
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 3.5 Flash è il profilo di modello Flash multimodale di Google per attività prolungate di programmazione e lavoro agentico. Gli input documentati sono testo, immagini, video, audio e PDF, con output testuale. I compiti su cui si concentra comprendono programmazione iterativa, esplorazione di soluzioni alternative e sequenze più lunghe di istruzioni e uso degli strumenti. L'edizione 3.5 offre controlli di thinking documentati, input multimodali e flussi con strumenti.
Un compito di programmazione può unire un requisito scritto, file sorgente pertinenti e uno screenshot del risultato desiderato. Fornisci il comportamento osservato, quello atteso e i vincoli che devono rimanere integri. Un esempio di brief è: «Confronta lo screenshot con il testo del componente, identifica la discrepanza nel flusso del modulo e proponi una correzione mirata. Spiega quali dettagli della fonte giustificano la modifica». Per un compito documentale, fornisci le pagine pertinenti e chiedi un confronto con requisiti espliciti, con riferimenti alle fonti per ciascun rilievo.
L'edizione documenta i livelli di thinking minimal, low, medium e high. Medium è il predefinito, cambiato rispetto al predefinito high di Gemini 3 Flash Preview. Minimal è adatto a risposte semplici e decisioni immediate sugli strumenti, senza garantire che il ragionamento sia completamente disabilitato; low si rivolge a compiti che richiedono meno passaggi; high offre ragionamento più approfondito per problemi difficili di matematica, programmazione e agenti. Google consiglia di usare thinking_level per controllare l'impegno e di mantenere le impostazioni di campionamento predefinite, anziché tentare di forzare il ragionamento modificando temperature, top-p o top-k.
Un comportamento caratterizzante è la conservazione del contesto di ragionamento tra più turni di un compito. Il flusso Interactions di Google trasporta quel contesto automaticamente; il flusso GenerateContent richiede la cronologia completa e non modificata della conversazione, comprese le thought signatures. Questo supporta la prosecuzione di un incarico di debug o refactoring in cui il ragionamento precedente informa il passaggio successivo. Conserva la struttura effettiva della conversazione invece di convertire ogni richiesta successiva in un prompt indipendente, e mantieni chiaro il risultato finale richiesto durante l'avanzamento del lavoro.
L'insieme degli strumenti documentati comprende Google Search, grounding tramite Google Maps, File Search, Code Execution, URL Context e Function Calling standard, con uso combinato degli strumenti e Computer Use indicati come funzionalità in anteprima. Structured Outputs può fornire un record di dati definito. Assegna alle funzioni uno scopo chiaro e una definizione dei parametri: il modello sceglie una funzione, mentre l'applicazione collegata esegue la sua operazione e ne restituisce il risultato. Google richiede che i risultati delle funzioni corrispondano alle chiamate precedenti per identità, nome e numero; i risultati multimodali vanno inseriti nella risposta della funzione.
La tabella dell'esatto modello API indica un massimo di input di 1,048,576 token e un massimo di output di 65,536 token. Cronologia della conversazione e contenuti multimediali forniti contribuiscono al budget di input. Caching ed elaborazione batch sono documentati per questo profilo, con ulteriori opzioni di elaborazione Flex e Priority nella tabella di Google. Questi limiti e capacità descrivono l'edizione del produttore; non richiedono che una risposta riempia l'intera finestra di output né rendono necessario ogni strumento per un compito.
Questo profilo genera testo, anziché immagini o audio, e non usa Live API. La sua guida per sviluppatori esclude anche la segmentazione delle immagini. Per una domanda visiva, chiedi una descrizione, estrazione o interpretazione del materiale fornito; per una registrazione parlata, chiedi un risultato testuale. Quando la risposta dipende da informazioni più recenti, il flusso documentato di grounding tramite ricerca può aggiungere fonti oltre alle conoscenze di addestramento. Specifica se sono necessarie informazioni esterne e quali prove debba conservare la risposta finale.
Per un incarico lungo utile, definisci il risultato finale e il criterio di completamento prima del primo passaggio. Un compito di analisi per l'assistenza potrebbe richiedere una tabella dei problemi osservati, dei brani a supporto e di una risposta proposta; un compito di programmazione potrebbe richiedere la modifica mirata e il relativo risultato di convalida. Allega il contesto sorgente rilevante, specifica le azioni consentite agli strumenti e richiedi una risposta finale esplicita che distingua il lavoro completato dalle questioni ancora bisognose di informazioni. Questo trasforma il flusso prolungato del modello in un artefatto concreto testuale, di codice o strutturato.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.5-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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.018 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.018 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gemini-3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-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-3.5-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 Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
google/gemini-3.5-flashGemini 3.5 Flash unisce comprensione multimodale e ragionamento per programmazione e compiti agentici con più passaggi. Accetta testo, immagini, video, audio e PDF e produce testo, con output strutturati, strumenti e un limite di input di 1,048,576 token nel suo profilo documentato.
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 3.5 Flash è il profilo di modello Flash multimodale di Google per attività prolungate di programmazione e lavoro agentico. Gli input documentati sono testo, immagini, video, audio e PDF, con output testuale. I compiti su cui si concentra comprendono programmazione iterativa, esplorazione di soluzioni alternative e sequenze più lunghe di istruzioni e uso degli strumenti. L'edizione 3.5 offre controlli di thinking documentati, input multimodali e flussi con strumenti.
Un compito di programmazione può unire un requisito scritto, file sorgente pertinenti e uno screenshot del risultato desiderato. Fornisci il comportamento osservato, quello atteso e i vincoli che devono rimanere integri. Un esempio di brief è: «Confronta lo screenshot con il testo del componente, identifica la discrepanza nel flusso del modulo e proponi una correzione mirata. Spiega quali dettagli della fonte giustificano la modifica». Per un compito documentale, fornisci le pagine pertinenti e chiedi un confronto con requisiti espliciti, con riferimenti alle fonti per ciascun rilievo.
L'edizione documenta i livelli di thinking minimal, low, medium e high. Medium è il predefinito, cambiato rispetto al predefinito high di Gemini 3 Flash Preview. Minimal è adatto a risposte semplici e decisioni immediate sugli strumenti, senza garantire che il ragionamento sia completamente disabilitato; low si rivolge a compiti che richiedono meno passaggi; high offre ragionamento più approfondito per problemi difficili di matematica, programmazione e agenti. Google consiglia di usare thinking_level per controllare l'impegno e di mantenere le impostazioni di campionamento predefinite, anziché tentare di forzare il ragionamento modificando temperature, top-p o top-k.
Un comportamento caratterizzante è la conservazione del contesto di ragionamento tra più turni di un compito. Il flusso Interactions di Google trasporta quel contesto automaticamente; il flusso GenerateContent richiede la cronologia completa e non modificata della conversazione, comprese le thought signatures. Questo supporta la prosecuzione di un incarico di debug o refactoring in cui il ragionamento precedente informa il passaggio successivo. Conserva la struttura effettiva della conversazione invece di convertire ogni richiesta successiva in un prompt indipendente, e mantieni chiaro il risultato finale richiesto durante l'avanzamento del lavoro.
L'insieme degli strumenti documentati comprende Google Search, grounding tramite Google Maps, File Search, Code Execution, URL Context e Function Calling standard, con uso combinato degli strumenti e Computer Use indicati come funzionalità in anteprima. Structured Outputs può fornire un record di dati definito. Assegna alle funzioni uno scopo chiaro e una definizione dei parametri: il modello sceglie una funzione, mentre l'applicazione collegata esegue la sua operazione e ne restituisce il risultato. Google richiede che i risultati delle funzioni corrispondano alle chiamate precedenti per identità, nome e numero; i risultati multimodali vanno inseriti nella risposta della funzione.
La tabella dell'esatto modello API indica un massimo di input di 1,048,576 token e un massimo di output di 65,536 token. Cronologia della conversazione e contenuti multimediali forniti contribuiscono al budget di input. Caching ed elaborazione batch sono documentati per questo profilo, con ulteriori opzioni di elaborazione Flex e Priority nella tabella di Google. Questi limiti e capacità descrivono l'edizione del produttore; non richiedono che una risposta riempia l'intera finestra di output né rendono necessario ogni strumento per un compito.
Questo profilo genera testo, anziché immagini o audio, e non usa Live API. La sua guida per sviluppatori esclude anche la segmentazione delle immagini. Per una domanda visiva, chiedi una descrizione, estrazione o interpretazione del materiale fornito; per una registrazione parlata, chiedi un risultato testuale. Quando la risposta dipende da informazioni più recenti, il flusso documentato di grounding tramite ricerca può aggiungere fonti oltre alle conoscenze di addestramento. Specifica se sono necessarie informazioni esterne e quali prove debba conservare la risposta finale.
Per un incarico lungo utile, definisci il risultato finale e il criterio di completamento prima del primo passaggio. Un compito di analisi per l'assistenza potrebbe richiedere una tabella dei problemi osservati, dei brani a supporto e di una risposta proposta; un compito di programmazione potrebbe richiedere la modifica mirata e il relativo risultato di convalida. Allega il contesto sorgente rilevante, specifica le azioni consentite agli strumenti e richiedi una risposta finale esplicita che distingua il lavoro completato dalle questioni ancora bisognose di informazioni. Questo trasforma il flusso prolungato del modello in un artefatto concreto testuale, di codice o strutturato.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-3.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.018 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.018 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.5-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-3.5-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-3.5-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 Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
google/gemini-3.5-flashGemini 3.5 Flash unisce comprensione multimodale e ragionamento per programmazione e compiti agentici con più passaggi. Accetta testo, immagini, video, audio e PDF e produce testo, con output strutturati, strumenti e un limite di input di 1,048,576 token nel suo profilo documentato.
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 3.5 Flash è il profilo di modello Flash multimodale di Google per attività prolungate di programmazione e lavoro agentico. Gli input documentati sono testo, immagini, video, audio e PDF, con output testuale. I compiti su cui si concentra comprendono programmazione iterativa, esplorazione di soluzioni alternative e sequenze più lunghe di istruzioni e uso degli strumenti. L'edizione 3.5 offre controlli di thinking documentati, input multimodali e flussi con strumenti.
Un compito di programmazione può unire un requisito scritto, file sorgente pertinenti e uno screenshot del risultato desiderato. Fornisci il comportamento osservato, quello atteso e i vincoli che devono rimanere integri. Un esempio di brief è: «Confronta lo screenshot con il testo del componente, identifica la discrepanza nel flusso del modulo e proponi una correzione mirata. Spiega quali dettagli della fonte giustificano la modifica». Per un compito documentale, fornisci le pagine pertinenti e chiedi un confronto con requisiti espliciti, con riferimenti alle fonti per ciascun rilievo.
L'edizione documenta i livelli di thinking minimal, low, medium e high. Medium è il predefinito, cambiato rispetto al predefinito high di Gemini 3 Flash Preview. Minimal è adatto a risposte semplici e decisioni immediate sugli strumenti, senza garantire che il ragionamento sia completamente disabilitato; low si rivolge a compiti che richiedono meno passaggi; high offre ragionamento più approfondito per problemi difficili di matematica, programmazione e agenti. Google consiglia di usare thinking_level per controllare l'impegno e di mantenere le impostazioni di campionamento predefinite, anziché tentare di forzare il ragionamento modificando temperature, top-p o top-k.
Un comportamento caratterizzante è la conservazione del contesto di ragionamento tra più turni di un compito. Il flusso Interactions di Google trasporta quel contesto automaticamente; il flusso GenerateContent richiede la cronologia completa e non modificata della conversazione, comprese le thought signatures. Questo supporta la prosecuzione di un incarico di debug o refactoring in cui il ragionamento precedente informa il passaggio successivo. Conserva la struttura effettiva della conversazione invece di convertire ogni richiesta successiva in un prompt indipendente, e mantieni chiaro il risultato finale richiesto durante l'avanzamento del lavoro.
L'insieme degli strumenti documentati comprende Google Search, grounding tramite Google Maps, File Search, Code Execution, URL Context e Function Calling standard, con uso combinato degli strumenti e Computer Use indicati come funzionalità in anteprima. Structured Outputs può fornire un record di dati definito. Assegna alle funzioni uno scopo chiaro e una definizione dei parametri: il modello sceglie una funzione, mentre l'applicazione collegata esegue la sua operazione e ne restituisce il risultato. Google richiede che i risultati delle funzioni corrispondano alle chiamate precedenti per identità, nome e numero; i risultati multimodali vanno inseriti nella risposta della funzione.
La tabella dell'esatto modello API indica un massimo di input di 1,048,576 token e un massimo di output di 65,536 token. Cronologia della conversazione e contenuti multimediali forniti contribuiscono al budget di input. Caching ed elaborazione batch sono documentati per questo profilo, con ulteriori opzioni di elaborazione Flex e Priority nella tabella di Google. Questi limiti e capacità descrivono l'edizione del produttore; non richiedono che una risposta riempia l'intera finestra di output né rendono necessario ogni strumento per un compito.
Questo profilo genera testo, anziché immagini o audio, e non usa Live API. La sua guida per sviluppatori esclude anche la segmentazione delle immagini. Per una domanda visiva, chiedi una descrizione, estrazione o interpretazione del materiale fornito; per una registrazione parlata, chiedi un risultato testuale. Quando la risposta dipende da informazioni più recenti, il flusso documentato di grounding tramite ricerca può aggiungere fonti oltre alle conoscenze di addestramento. Specifica se sono necessarie informazioni esterne e quali prove debba conservare la risposta finale.
Per un incarico lungo utile, definisci il risultato finale e il criterio di completamento prima del primo passaggio. Un compito di analisi per l'assistenza potrebbe richiedere una tabella dei problemi osservati, dei brani a supporto e di una risposta proposta; un compito di programmazione potrebbe richiedere la modifica mirata e il relativo risultato di convalida. Allega il contesto sorgente rilevante, specifica le azioni consentite agli strumenti e richiedi una risposta finale esplicita che distingua il lavoro completato dalle questioni ancora bisognose di informazioni. Questo trasforma il flusso prolungato del modello in un artefatto concreto testuale, di codice o strutturato.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-3.5-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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.018 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.003 / 1K token Output · Token in output $0.018 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemini-3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-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-3.5-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 Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
Esempio tecnico in inglese
Correct a multi-turn form regression\n\nA form change added a required phone field. Prior accepted behavior: email-only contact was allowed. Current source: if (!email || !phone) return 'Missing contact'; submit({email,phone}). New requirement: at least one contact method. Propose a minimal correction, preserve submission fields and explain tests for email only, phone only, both and neither.A focused condition change and four expected acceptance/rejection cases.Check the correction accepts either contact method independently and rejects only when both are absent.