Gemma 2 27B IT è l'edizione di Gemma 2 di Google con 27 miliardi di parametri, ottimizzata per seguire istruzioni. È un modello linguistico con pesi aperti, di tipo solo decoder, che riceve testo e genera testo, con particolare attenzione alla lingua inglese. I compiti previsti comprendono risposte a domande, riepilogo, ragionamento, scrittura creativa e attività relative al codice. IT identifica la variante ottimizzata sulle istruzioni, distinta dal modello preaddestrato e dai derivati quantizzati separatamente.
Il rapporto tecnico documenta un contesto di 8,192 token. Gemma 2 alterna attenzione locale con una finestra scorrevole di 4,096 token e attenzione globale estesa all'intero contesto; l'architettura 27B ha 46 livelli e grouped-query attention. Si tratta di caratteristiche del modello del produttore, anziché di impostazioni della lunghezza della risposta di un'applicazione. Prepara un estratto mirato della fonte e lascia spazio alla risposta e alla conversazione richieste, senza presumere la disponibilità dei contesti molto più ampi delle generazioni Gemma successive.
Il modello di base 27B è stato addestrato da zero su 13 mila miliardi di token di testo prevalentemente inglese. Le fonti documentate comprendono documenti web, codice e materiale matematico o scientifico. Il rapporto distingue questo addestramento dalla distillazione usata per i modelli di base più piccoli 2B e 9B. L'ottimizzazione sulle istruzioni aggiunge addestramento supervisionato su coppie prompt-risposta e perfezionamento basato sulle preferenze per ottenere risposte conversazionali. Questo conferisce all'edizione IT un profilo d'uso diverso dalla prosecuzione di testo arbitrario con il modello preaddestrato.
Per il riepilogo di un documento, fornisci il brano e specifica ciò che il lettore deve ricavarne: decisioni, requisiti, una spiegazione o un breve elenco di punti chiave. Un esempio di consegna è: «Riassumi questa specifica per un tecnico dell'assistenza. Conserva tutti i nomi dei campi, distingui i requisiti espliciti dagli esempi ed elenca i dettagli che il brano non definisce». Se un fatto deve provenire dalla fonte, chiedi di affiancare alla spiegazione la formulazione pertinente o un riferimento alla sezione.
L'uso conversazionale segue il template di turni user/model di Gemma 2. La scheda dell'esatto modello di Google mostra come mantenere il dialogo in quel template, con delimitatori che identificano l'inizio e la fine di ciascun turno, affinché una richiesta successiva possa sviluppare la risposta precedente. Il formato documentato differisce dai nuovi controlli nativi di Gemma 4 per il ruolo system e il thinking. Una conversazione pratica può prima estrarre i fatti e poi richiedere una spiegazione più breve o una bozza di messaggio, conservando i nomi e le condizioni estratti.
Per il codice, includi il frammento pertinente, il linguaggio di programmazione, il comportamento osservato e il risultato atteso. Chiedi una spiegazione, una proposta di correzione o un esempio svolto, delimitandone l'ambito. Per il ragionamento matematico, scrivi come testo l'intero problema, le definizioni delle variabili e le ipotesi. Questa edizione non dispone di input visivo o audio nativo: un problema fotografato o una spiegazione parlata devono prima essere trascritti in testo. L'output può contenere codice o una risposta formattata, ma queste forme testuali non dimostrano l'esistenza di una modalità dedicata di chiamata agli strumenti o di output vincolato.
La scheda del modello identifica ambiguità, sarcasmo, istruzioni complesse a risposta aperta e accuratezza fattuale come ambiti in cui le risposte possono avere dei limiti. Per una risposta basata sulle fonti, fornisci il brano autorevole e chiedi al modello di dichiarare dove mancano informazioni. Per un'attività di revisione, specifica il pubblico, il tono, i fatti obbligatori e le parti modificabili. Il risultato utile è una risposta, un riepilogo, una bozza o una spiegazione del codice in inglese, focalizzati e confrontabili con il materiale e le condizioni forniti nel prompt.
", "aboutText": "Gemma 2 27B IT è l'edizione di Gemma 2 di Google con 27 miliardi di parametri, ottimizzata per seguire istruzioni. È un modello linguistico con pesi aperti, di tipo solo decoder, che riceve testo e genera testo, con particolare attenzione alla lingua inglese. I compiti previsti comprendono risposte a domande, riepilogo, ragionamento, scrittura creativa e attività relative al codice. IT identifica la variante ottimizzata sulle istruzioni, distinta dal modello preaddestrato e dai derivati quantizzati separatamente.\n\nIl rapporto tecnico documenta un contesto di 8,192 token. Gemma 2 alterna attenzione locale con una finestra scorrevole di 4,096 token e attenzione globale estesa all'intero contesto; l'architettura 27B ha 46 livelli e grouped-query attention. Si tratta di caratteristiche del modello del produttore, anziché di impostazioni della lunghezza della risposta di un'applicazione. Prepara un estratto mirato della fonte e lascia spazio alla risposta e alla conversazione richieste, senza presumere la disponibilità dei contesti molto più ampi delle generazioni Gemma successive.\n\nIl modello di base 27B è stato addestrato da zero su 13 mila miliardi di token di testo prevalentemente inglese. Le fonti documentate comprendono documenti web, codice e materiale matematico o scientifico. Il rapporto distingue questo addestramento dalla distillazione usata per i modelli di base più piccoli 2B e 9B. L'ottimizzazione sulle istruzioni aggiunge addestramento supervisionato su coppie prompt-risposta e perfezionamento basato sulle preferenze per ottenere risposte conversazionali. Questo conferisce all'edizione IT un profilo d'uso diverso dalla prosecuzione di testo arbitrario con il modello preaddestrato.\n\nPer il riepilogo di un documento, fornisci il brano e specifica ciò che il lettore deve ricavarne: decisioni, requisiti, una spiegazione o un breve elenco di punti chiave. Un esempio di consegna è: «Riassumi questa specifica per un tecnico dell'assistenza. Conserva tutti i nomi dei campi, distingui i requisiti espliciti dagli esempi ed elenca i dettagli che il brano non definisce». Se un fatto deve provenire dalla fonte, chiedi di affiancare alla spiegazione la formulazione pertinente o un riferimento alla sezione.\n\nL'uso conversazionale segue il template di turni user/model di Gemma 2. La scheda dell'esatto modello di Google mostra come mantenere il dialogo in quel template, con delimitatori che identificano l'inizio e la fine di ciascun turno, affinché una richiesta successiva possa sviluppare la risposta precedente. Il formato documentato differisce dai nuovi controlli nativi di Gemma 4 per il ruolo system e il thinking. Una conversazione pratica può prima estrarre i fatti e poi richiedere una spiegazione più breve o una bozza di messaggio, conservando i nomi e le condizioni estratti.\n\nPer il codice, includi il frammento pertinente, il linguaggio di programmazione, il comportamento osservato e il risultato atteso. Chiedi una spiegazione, una proposta di correzione o un esempio svolto, delimitandone l'ambito. Per il ragionamento matematico, scrivi come testo l'intero problema, le definizioni delle variabili e le ipotesi. Questa edizione non dispone di input visivo o audio nativo: un problema fotografato o una spiegazione parlata devono prima essere trascritti in testo. L'output può contenere codice o una risposta formattata, ma queste forme testuali non dimostrano l'esistenza di una modalità dedicata di chiamata agli strumenti o di output vincolato.\n\nLa scheda del modello identifica ambiguità, sarcasmo, istruzioni complesse a risposta aperta e accuratezza fattuale come ambiti in cui le risposte possono avere dei limiti. Per una risposta basata sulle fonti, fornisci il brano autorevole e chiedi al modello di dichiarare dove mancano informazioni. Per un'attività di revisione, specifica il pubblico, il tono, i fatti obbligatori e le parti modificabili. Il risultato utile è una risposta, un riepilogo, una bozza o una spiegazione del codice in inglese, focalizzati e confrontabili con il materiale e le condizioni forniti nel prompt.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Explain a specification for support\n\nSummarize this specification for a support engineer: “retry_after is optional and measured in seconds. If absent, the client must not infer a retry time. Example: retry_after = 30. A failed request may include error_id.” Separate requirements from examples and list what the passage does not define. Keep field names unchanged.A short support note with requirements, examples and unspecified details in separate sections.Check that 30 seconds remains an example and that error_id is not described as mandatory.google/gemma-2-27b-itGemma 2 27B IT è il modello di Google ottimizzato per seguire istruzioni e basato esclusivamente sul testo, per risposte a domande, riepiloghi, scrittura e ragionamento in inglese. Il contesto di 8,192 token e il formato conversazionale si prestano a incarichi mirati basati sulle fonti e a spiegazioni del codice.
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.
Gemma 2 27B IT è l'edizione di Gemma 2 di Google con 27 miliardi di parametri, ottimizzata per seguire istruzioni. È un modello linguistico con pesi aperti, di tipo solo decoder, che riceve testo e genera testo, con particolare attenzione alla lingua inglese. I compiti previsti comprendono risposte a domande, riepilogo, ragionamento, scrittura creativa e attività relative al codice. IT identifica la variante ottimizzata sulle istruzioni, distinta dal modello preaddestrato e dai derivati quantizzati separatamente.
Il rapporto tecnico documenta un contesto di 8,192 token. Gemma 2 alterna attenzione locale con una finestra scorrevole di 4,096 token e attenzione globale estesa all'intero contesto; l'architettura 27B ha 46 livelli e grouped-query attention. Si tratta di caratteristiche del modello del produttore, anziché di impostazioni della lunghezza della risposta di un'applicazione. Prepara un estratto mirato della fonte e lascia spazio alla risposta e alla conversazione richieste, senza presumere la disponibilità dei contesti molto più ampi delle generazioni Gemma successive.
Il modello di base 27B è stato addestrato da zero su 13 mila miliardi di token di testo prevalentemente inglese. Le fonti documentate comprendono documenti web, codice e materiale matematico o scientifico. Il rapporto distingue questo addestramento dalla distillazione usata per i modelli di base più piccoli 2B e 9B. L'ottimizzazione sulle istruzioni aggiunge addestramento supervisionato su coppie prompt-risposta e perfezionamento basato sulle preferenze per ottenere risposte conversazionali. Questo conferisce all'edizione IT un profilo d'uso diverso dalla prosecuzione di testo arbitrario con il modello preaddestrato.
Per il riepilogo di un documento, fornisci il brano e specifica ciò che il lettore deve ricavarne: decisioni, requisiti, una spiegazione o un breve elenco di punti chiave. Un esempio di consegna è: «Riassumi questa specifica per un tecnico dell'assistenza. Conserva tutti i nomi dei campi, distingui i requisiti espliciti dagli esempi ed elenca i dettagli che il brano non definisce». Se un fatto deve provenire dalla fonte, chiedi di affiancare alla spiegazione la formulazione pertinente o un riferimento alla sezione.
L'uso conversazionale segue il template di turni user/model di Gemma 2. La scheda dell'esatto modello di Google mostra come mantenere il dialogo in quel template, con delimitatori che identificano l'inizio e la fine di ciascun turno, affinché una richiesta successiva possa sviluppare la risposta precedente. Il formato documentato differisce dai nuovi controlli nativi di Gemma 4 per il ruolo system e il thinking. Una conversazione pratica può prima estrarre i fatti e poi richiedere una spiegazione più breve o una bozza di messaggio, conservando i nomi e le condizioni estratti.
Per il codice, includi il frammento pertinente, il linguaggio di programmazione, il comportamento osservato e il risultato atteso. Chiedi una spiegazione, una proposta di correzione o un esempio svolto, delimitandone l'ambito. Per il ragionamento matematico, scrivi come testo l'intero problema, le definizioni delle variabili e le ipotesi. Questa edizione non dispone di input visivo o audio nativo: un problema fotografato o una spiegazione parlata devono prima essere trascritti in testo. L'output può contenere codice o una risposta formattata, ma queste forme testuali non dimostrano l'esistenza di una modalità dedicata di chiamata agli strumenti o di output vincolato.
La scheda del modello identifica ambiguità, sarcasmo, istruzioni complesse a risposta aperta e accuratezza fattuale come ambiti in cui le risposte possono avere dei limiti. Per una risposta basata sulle fonti, fornisci il brano autorevole e chiedi al modello di dichiarare dove mancano informazioni. Per un'attività di revisione, specifica il pubblico, il tono, i fatti obbligatori e le parti modificabili. Il risultato utile è una risposta, un riepilogo, una bozza o una spiegazione del codice in inglese, focalizzati e confrontabili con il materiale e le condizioni forniti nel prompt.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemma-2-27b-it | 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 $0.0013 / 1K token Output · Token in output $0.0013 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 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 $0.0013 / 1K token Output · Token in output $0.0013 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-2-27b-it", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemma-2-27b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemma-2-27b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 google/gemma-2-27b-it
Usa i percorsi dei metodi indicati sopra.
google/gemma-2-27b-itGemma 2 27B IT è il modello di Google ottimizzato per seguire istruzioni e basato esclusivamente sul testo, per risposte a domande, riepiloghi, scrittura e ragionamento in inglese. Il contesto di 8,192 token e il formato conversazionale si prestano a incarichi mirati basati sulle fonti e a spiegazioni del codice.
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.
Gemma 2 27B IT è l'edizione di Gemma 2 di Google con 27 miliardi di parametri, ottimizzata per seguire istruzioni. È un modello linguistico con pesi aperti, di tipo solo decoder, che riceve testo e genera testo, con particolare attenzione alla lingua inglese. I compiti previsti comprendono risposte a domande, riepilogo, ragionamento, scrittura creativa e attività relative al codice. IT identifica la variante ottimizzata sulle istruzioni, distinta dal modello preaddestrato e dai derivati quantizzati separatamente.
Il rapporto tecnico documenta un contesto di 8,192 token. Gemma 2 alterna attenzione locale con una finestra scorrevole di 4,096 token e attenzione globale estesa all'intero contesto; l'architettura 27B ha 46 livelli e grouped-query attention. Si tratta di caratteristiche del modello del produttore, anziché di impostazioni della lunghezza della risposta di un'applicazione. Prepara un estratto mirato della fonte e lascia spazio alla risposta e alla conversazione richieste, senza presumere la disponibilità dei contesti molto più ampi delle generazioni Gemma successive.
Il modello di base 27B è stato addestrato da zero su 13 mila miliardi di token di testo prevalentemente inglese. Le fonti documentate comprendono documenti web, codice e materiale matematico o scientifico. Il rapporto distingue questo addestramento dalla distillazione usata per i modelli di base più piccoli 2B e 9B. L'ottimizzazione sulle istruzioni aggiunge addestramento supervisionato su coppie prompt-risposta e perfezionamento basato sulle preferenze per ottenere risposte conversazionali. Questo conferisce all'edizione IT un profilo d'uso diverso dalla prosecuzione di testo arbitrario con il modello preaddestrato.
Per il riepilogo di un documento, fornisci il brano e specifica ciò che il lettore deve ricavarne: decisioni, requisiti, una spiegazione o un breve elenco di punti chiave. Un esempio di consegna è: «Riassumi questa specifica per un tecnico dell'assistenza. Conserva tutti i nomi dei campi, distingui i requisiti espliciti dagli esempi ed elenca i dettagli che il brano non definisce». Se un fatto deve provenire dalla fonte, chiedi di affiancare alla spiegazione la formulazione pertinente o un riferimento alla sezione.
L'uso conversazionale segue il template di turni user/model di Gemma 2. La scheda dell'esatto modello di Google mostra come mantenere il dialogo in quel template, con delimitatori che identificano l'inizio e la fine di ciascun turno, affinché una richiesta successiva possa sviluppare la risposta precedente. Il formato documentato differisce dai nuovi controlli nativi di Gemma 4 per il ruolo system e il thinking. Una conversazione pratica può prima estrarre i fatti e poi richiedere una spiegazione più breve o una bozza di messaggio, conservando i nomi e le condizioni estratti.
Per il codice, includi il frammento pertinente, il linguaggio di programmazione, il comportamento osservato e il risultato atteso. Chiedi una spiegazione, una proposta di correzione o un esempio svolto, delimitandone l'ambito. Per il ragionamento matematico, scrivi come testo l'intero problema, le definizioni delle variabili e le ipotesi. Questa edizione non dispone di input visivo o audio nativo: un problema fotografato o una spiegazione parlata devono prima essere trascritti in testo. L'output può contenere codice o una risposta formattata, ma queste forme testuali non dimostrano l'esistenza di una modalità dedicata di chiamata agli strumenti o di output vincolato.
La scheda del modello identifica ambiguità, sarcasmo, istruzioni complesse a risposta aperta e accuratezza fattuale come ambiti in cui le risposte possono avere dei limiti. Per una risposta basata sulle fonti, fornisci il brano autorevole e chiedi al modello di dichiarare dove mancano informazioni. Per un'attività di revisione, specifica il pubblico, il tono, i fatti obbligatori e le parti modificabili. Il risultato utile è una risposta, un riepilogo, una bozza o una spiegazione del codice in inglese, focalizzati e confrontabili con il materiale e le condizioni forniti nel prompt.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemma-2-27b-it | 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 $0.0013 / 1K token Output · Token in output $0.0013 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 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 $0.0013 / 1K token Output · Token in output $0.0013 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemma-2-27b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-2-27b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-2-27b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 google/gemma-2-27b-it
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Explain a specification for support\n\nSummarize this specification for a support engineer: “retry_after is optional and measured in seconds. If absent, the client must not infer a retry time. Example: retry_after = 30. A failed request may include error_id.” Separate requirements from examples and list what the passage does not define. Keep field names unchanged.A short support note with requirements, examples and unspecified details in separate sections.Check that 30 seconds remains an example and that error_id is not described as mandatory.