Gemma 3 12B IT è il modello visivo-linguistico di Google nella taglia 12B, ottimizzato per seguire istruzioni. Appartiene alla famiglia Gemma 3, che unisce generazione di testo, comprensione delle immagini e addestramento multilingue. Il suffisso IT seleziona il checkpoint che segue le istruzioni, anziché il modello preaddestrato. Il risultato è un testo: una spiegazione, un riepilogo, una risposta, una bozza o codice ricavato dal materiale scritto e visivo contenuto nella richiesta.
Il modello 12B dispone del contesto di 128K token della famiglia, condiviso tra input e risposta generata. L'output utilizza la porzione rimasta dopo la richiesta; la scheda non assegna una seconda finestra indipendente di 128K per l'output. Le viste di base delle immagini vengono normalizzate a 896×896 e rappresentate da 256 token visivi ciascuna. Quando prepari una raccolta di pagine, conserva gli identificativi delle pagine e riserva spazio al risultato. Formula una domanda specifica sul contenuto pertinente, invece di affidarti a una finestra ampia perché individui automaticamente il problema giusto.
Per questa taglia, il produttore dichiara 12 mila miliardi di token di preaddestramento. Il materiale di addestramento comprende documenti web multilingue, codice, matematica e immagini, con una copertura di oltre 140 lingue nella famiglia. Il rapporto descrive la distillazione della conoscenza e una procedura migliorata di ottimizzazione sulle istruzioni con apprendimento per rinforzo. Queste fasi mirano a utilità, ragionamento matematico e sul codice, rispetto delle istruzioni e interazione multilingue. Un budget di addestramento e un'identità del checkpoint distinti non dimostrano da soli la qualità di una determinata risposta: confronta quindi l'output con il compito di partenza.
L'architettura usa un transformer di tipo solo decoder con grouped-query attention e uno schema ripetuto di cinque livelli di attenzione locale per ogni livello globale. I livelli locali usano un intervallo di 1,024 token, mentre l'attenzione globale supporta il contesto più lungo. Un encoder visivo SigLIP, condiviso dai modelli 4B, 12B e 27B, converte le immagini in rappresentazioni elaborate dal modello linguistico. Il tokenizer SentencePiece conserva gli spazi bianchi, separa le cifre e include una codifica a livello di byte. Questo è rilevante quando devono rimanere integri la formattazione del codice, la notazione numerica o il testo multilingue.
Il flusso di elaborazione visiva include anche Pan and Scan: ritagli adattivi non sovrapposti aiutano a conservare i contenuti di sorgenti molto larghe o ad alta risoluzione prima che ogni vista raggiunga l'encoder a risoluzione fissa. Le viste aggiuntive modificano il materiale elaborato. Per un documento tecnico, fornisci una pagina leggibile e, dove necessario, una vista chiara della tabella o del diagramma su cui poni la domanda. Conserva la definizione circostante di un'unità, un simbolo o una colonna, affinché una lettura visiva locale non ne perda il significato.
Il formato nativo dei prompt IT usa turni user e model e non prevede un ruolo system separato. Inserisci il ruolo desiderato, le regole della risposta e il compito nel prompt user iniziale, usando il formatter o il processore designato per la conversazione effettiva. Una richiesta originale di analisi documentale potrebbe confrontare due descrizioni di una procedura, restituire una tabella dei requisiti corrispondenti e individuare eventuali conflitti. Etichetta le fonti, specifica quale requisito ha la precedenza e chiedi al modello di distinguere i fatti forniti dalla propria interpretazione.
Gli impieghi previsti nella scheda del produttore comprendono riepilogo, assistenza conversazionale, estrazione di dati dalle immagini, scrittura e apprendimento. Per una spiegazione multilingue, indica il lettore destinatario, la terminologia e il livello di dettaglio. Per una domanda su un'immagine, identifica gli oggetti o le relazioni da discutere e richiedi osservazioni a sostegno della risposta finale. Per il codice, includi la funzione effettiva e il comportamento atteso; il risultato può proporre un'implementazione, mentre un'applicazione separata deve eseguirla e verificarla. Il rapporto pubblica separatamente le varianti quantizzate della famiglia: quando registri i risultati, questa identità 12B IT non deve quindi essere sostituita implicitamente con un diverso checkpoint quantizzato.
Il produttore individua limiti legati alla copertura dell'addestramento, alle inesattezze fattuali, alle sfumature linguistiche e ai compiti complessi a risposta aperta. Google avverte inoltre che uno schema linguistico plausibile può produrre una risposta che trascura un vincolo quotidiano del mondo reale. I piccoli dettagli visivi possono andare persi o essere interpretati male, e anche gli input lunghi richiedono priorità chiare. Conserva le pagine originali, verifica le etichette e le quantità estratte e convalida qualsiasi testo richiesto dall'aspetto strutturato prima di usarlo come dato. Valuta l'esatto modello 12B IT su domande e lingue rappresentative. Un risultato finale utile espone la risposta basata sulle fonti, il ragionamento necessario a comprenderla e l'incertezza residua, senza presentare una spiegazione generata come un'azione già eseguita da uno strumento o una ricerca di informazioni in tempo reale.
", "aboutText": "Gemma 3 12B IT è il modello visivo-linguistico di Google nella taglia 12B, ottimizzato per seguire istruzioni. Appartiene alla famiglia Gemma 3, che unisce generazione di testo, comprensione delle immagini e addestramento multilingue. Il suffisso IT seleziona il checkpoint che segue le istruzioni, anziché il modello preaddestrato. Il risultato è un testo: una spiegazione, un riepilogo, una risposta, una bozza o codice ricavato dal materiale scritto e visivo contenuto nella richiesta.\n\nIl modello 12B dispone del contesto di 128K token della famiglia, condiviso tra input e risposta generata. L'output utilizza la porzione rimasta dopo la richiesta; la scheda non assegna una seconda finestra indipendente di 128K per l'output. Le viste di base delle immagini vengono normalizzate a 896×896 e rappresentate da 256 token visivi ciascuna. Quando prepari una raccolta di pagine, conserva gli identificativi delle pagine e riserva spazio al risultato. Formula una domanda specifica sul contenuto pertinente, invece di affidarti a una finestra ampia perché individui automaticamente il problema giusto.\n\nPer questa taglia, il produttore dichiara 12 mila miliardi di token di preaddestramento. Il materiale di addestramento comprende documenti web multilingue, codice, matematica e immagini, con una copertura di oltre 140 lingue nella famiglia. Il rapporto descrive la distillazione della conoscenza e una procedura migliorata di ottimizzazione sulle istruzioni con apprendimento per rinforzo. Queste fasi mirano a utilità, ragionamento matematico e sul codice, rispetto delle istruzioni e interazione multilingue. Un budget di addestramento e un'identità del checkpoint distinti non dimostrano da soli la qualità di una determinata risposta: confronta quindi l'output con il compito di partenza.\n\nL'architettura usa un transformer di tipo solo decoder con grouped-query attention e uno schema ripetuto di cinque livelli di attenzione locale per ogni livello globale. I livelli locali usano un intervallo di 1,024 token, mentre l'attenzione globale supporta il contesto più lungo. Un encoder visivo SigLIP, condiviso dai modelli 4B, 12B e 27B, converte le immagini in rappresentazioni elaborate dal modello linguistico. Il tokenizer SentencePiece conserva gli spazi bianchi, separa le cifre e include una codifica a livello di byte. Questo è rilevante quando devono rimanere integri la formattazione del codice, la notazione numerica o il testo multilingue.\n\nIl flusso di elaborazione visiva include anche Pan and Scan: ritagli adattivi non sovrapposti aiutano a conservare i contenuti di sorgenti molto larghe o ad alta risoluzione prima che ogni vista raggiunga l'encoder a risoluzione fissa. Le viste aggiuntive modificano il materiale elaborato. Per un documento tecnico, fornisci una pagina leggibile e, dove necessario, una vista chiara della tabella o del diagramma su cui poni la domanda. Conserva la definizione circostante di un'unità, un simbolo o una colonna, affinché una lettura visiva locale non ne perda il significato.\n\nIl formato nativo dei prompt IT usa turni user e model e non prevede un ruolo system separato. Inserisci il ruolo desiderato, le regole della risposta e il compito nel prompt user iniziale, usando il formatter o il processore designato per la conversazione effettiva. Una richiesta originale di analisi documentale potrebbe confrontare due descrizioni di una procedura, restituire una tabella dei requisiti corrispondenti e individuare eventuali conflitti. Etichetta le fonti, specifica quale requisito ha la precedenza e chiedi al modello di distinguere i fatti forniti dalla propria interpretazione.\n\nGli impieghi previsti nella scheda del produttore comprendono riepilogo, assistenza conversazionale, estrazione di dati dalle immagini, scrittura e apprendimento. Per una spiegazione multilingue, indica il lettore destinatario, la terminologia e il livello di dettaglio. Per una domanda su un'immagine, identifica gli oggetti o le relazioni da discutere e richiedi osservazioni a sostegno della risposta finale. Per il codice, includi la funzione effettiva e il comportamento atteso; il risultato può proporre un'implementazione, mentre un'applicazione separata deve eseguirla e verificarla. Il rapporto pubblica separatamente le varianti quantizzate della famiglia: quando registri i risultati, questa identità 12B IT non deve quindi essere sostituita implicitamente con un diverso checkpoint quantizzato.\n\nIl produttore individua limiti legati alla copertura dell'addestramento, alle inesattezze fattuali, alle sfumature linguistiche e ai compiti complessi a risposta aperta. Google avverte inoltre che uno schema linguistico plausibile può produrre una risposta che trascura un vincolo quotidiano del mondo reale. I piccoli dettagli visivi possono andare persi o essere interpretati male, e anche gli input lunghi richiedono priorità chiare. Conserva le pagine originali, verifica le etichette e le quantità estratte e convalida qualsiasi testo richiesto dall'aspetto strutturato prima di usarlo come dato. Valuta l'esatto modello 12B IT su domande e lingue rappresentative. Un risultato finale utile espone la risposta basata sulle fonti, il ragionamento necessario a comprenderla e l'incertezza residua, senza presentare una spiegazione generata come un'azione già eseguita da uno strumento o una ricerca di informazioni in tempo reale.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.google/gemma-3-12b-itGemma 3 12B IT è un'edizione distinta di Gemma 3, ottimizzata per seguire istruzioni, per la generazione di testo e la comprensione delle immagini. Usala per domande sui documenti, spiegazioni e scrittura multilingue con un contesto condiviso di 128K, specificando esplicitamente il checkpoint 12B e il suo formato di conversazione nativo.
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 3 12B IT è il modello visivo-linguistico di Google nella taglia 12B, ottimizzato per seguire istruzioni. Appartiene alla famiglia Gemma 3, che unisce generazione di testo, comprensione delle immagini e addestramento multilingue. Il suffisso IT seleziona il checkpoint che segue le istruzioni, anziché il modello preaddestrato. Il risultato è un testo: una spiegazione, un riepilogo, una risposta, una bozza o codice ricavato dal materiale scritto e visivo contenuto nella richiesta.
Il modello 12B dispone del contesto di 128K token della famiglia, condiviso tra input e risposta generata. L'output utilizza la porzione rimasta dopo la richiesta; la scheda non assegna una seconda finestra indipendente di 128K per l'output. Le viste di base delle immagini vengono normalizzate a 896×896 e rappresentate da 256 token visivi ciascuna. Quando prepari una raccolta di pagine, conserva gli identificativi delle pagine e riserva spazio al risultato. Formula una domanda specifica sul contenuto pertinente, invece di affidarti a una finestra ampia perché individui automaticamente il problema giusto.
Per questa taglia, il produttore dichiara 12 mila miliardi di token di preaddestramento. Il materiale di addestramento comprende documenti web multilingue, codice, matematica e immagini, con una copertura di oltre 140 lingue nella famiglia. Il rapporto descrive la distillazione della conoscenza e una procedura migliorata di ottimizzazione sulle istruzioni con apprendimento per rinforzo. Queste fasi mirano a utilità, ragionamento matematico e sul codice, rispetto delle istruzioni e interazione multilingue. Un budget di addestramento e un'identità del checkpoint distinti non dimostrano da soli la qualità di una determinata risposta: confronta quindi l'output con il compito di partenza.
L'architettura usa un transformer di tipo solo decoder con grouped-query attention e uno schema ripetuto di cinque livelli di attenzione locale per ogni livello globale. I livelli locali usano un intervallo di 1,024 token, mentre l'attenzione globale supporta il contesto più lungo. Un encoder visivo SigLIP, condiviso dai modelli 4B, 12B e 27B, converte le immagini in rappresentazioni elaborate dal modello linguistico. Il tokenizer SentencePiece conserva gli spazi bianchi, separa le cifre e include una codifica a livello di byte. Questo è rilevante quando devono rimanere integri la formattazione del codice, la notazione numerica o il testo multilingue.
Il flusso di elaborazione visiva include anche Pan and Scan: ritagli adattivi non sovrapposti aiutano a conservare i contenuti di sorgenti molto larghe o ad alta risoluzione prima che ogni vista raggiunga l'encoder a risoluzione fissa. Le viste aggiuntive modificano il materiale elaborato. Per un documento tecnico, fornisci una pagina leggibile e, dove necessario, una vista chiara della tabella o del diagramma su cui poni la domanda. Conserva la definizione circostante di un'unità, un simbolo o una colonna, affinché una lettura visiva locale non ne perda il significato.
Il formato nativo dei prompt IT usa turni user e model e non prevede un ruolo system separato. Inserisci il ruolo desiderato, le regole della risposta e il compito nel prompt user iniziale, usando il formatter o il processore designato per la conversazione effettiva. Una richiesta originale di analisi documentale potrebbe confrontare due descrizioni di una procedura, restituire una tabella dei requisiti corrispondenti e individuare eventuali conflitti. Etichetta le fonti, specifica quale requisito ha la precedenza e chiedi al modello di distinguere i fatti forniti dalla propria interpretazione.
Gli impieghi previsti nella scheda del produttore comprendono riepilogo, assistenza conversazionale, estrazione di dati dalle immagini, scrittura e apprendimento. Per una spiegazione multilingue, indica il lettore destinatario, la terminologia e il livello di dettaglio. Per una domanda su un'immagine, identifica gli oggetti o le relazioni da discutere e richiedi osservazioni a sostegno della risposta finale. Per il codice, includi la funzione effettiva e il comportamento atteso; il risultato può proporre un'implementazione, mentre un'applicazione separata deve eseguirla e verificarla. Il rapporto pubblica separatamente le varianti quantizzate della famiglia: quando registri i risultati, questa identità 12B IT non deve quindi essere sostituita implicitamente con un diverso checkpoint quantizzato.
Il produttore individua limiti legati alla copertura dell'addestramento, alle inesattezze fattuali, alle sfumature linguistiche e ai compiti complessi a risposta aperta. Google avverte inoltre che uno schema linguistico plausibile può produrre una risposta che trascura un vincolo quotidiano del mondo reale. I piccoli dettagli visivi possono andare persi o essere interpretati male, e anche gli input lunghi richiedono priorità chiare. Conserva le pagine originali, verifica le etichette e le quantità estratte e convalida qualsiasi testo richiesto dall'aspetto strutturato prima di usarlo come dato. Valuta l'esatto modello 12B IT su domande e lingue rappresentative. Un risultato finale utile espone la risposta basata sulle fonti, il ragionamento necessario a comprenderla e l'incertezza residua, senza presentare una spiegazione generata come un'azione già eseguita da uno strumento o una ricerca di informazioni in tempo reale.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemma-3-12b-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 $0.0001 / 1K token Output · Token in output $0.0003 / 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 $0.0001 / 1K token Output · Token in output $0.0003 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-12b-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-3-12b-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-3-12b-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-3-12b-it
Usa i percorsi dei metodi indicati sopra.
google/gemma-3-12b-itGemma 3 12B IT è un'edizione distinta di Gemma 3, ottimizzata per seguire istruzioni, per la generazione di testo e la comprensione delle immagini. Usala per domande sui documenti, spiegazioni e scrittura multilingue con un contesto condiviso di 128K, specificando esplicitamente il checkpoint 12B e il suo formato di conversazione nativo.
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 3 12B IT è il modello visivo-linguistico di Google nella taglia 12B, ottimizzato per seguire istruzioni. Appartiene alla famiglia Gemma 3, che unisce generazione di testo, comprensione delle immagini e addestramento multilingue. Il suffisso IT seleziona il checkpoint che segue le istruzioni, anziché il modello preaddestrato. Il risultato è un testo: una spiegazione, un riepilogo, una risposta, una bozza o codice ricavato dal materiale scritto e visivo contenuto nella richiesta.
Il modello 12B dispone del contesto di 128K token della famiglia, condiviso tra input e risposta generata. L'output utilizza la porzione rimasta dopo la richiesta; la scheda non assegna una seconda finestra indipendente di 128K per l'output. Le viste di base delle immagini vengono normalizzate a 896×896 e rappresentate da 256 token visivi ciascuna. Quando prepari una raccolta di pagine, conserva gli identificativi delle pagine e riserva spazio al risultato. Formula una domanda specifica sul contenuto pertinente, invece di affidarti a una finestra ampia perché individui automaticamente il problema giusto.
Per questa taglia, il produttore dichiara 12 mila miliardi di token di preaddestramento. Il materiale di addestramento comprende documenti web multilingue, codice, matematica e immagini, con una copertura di oltre 140 lingue nella famiglia. Il rapporto descrive la distillazione della conoscenza e una procedura migliorata di ottimizzazione sulle istruzioni con apprendimento per rinforzo. Queste fasi mirano a utilità, ragionamento matematico e sul codice, rispetto delle istruzioni e interazione multilingue. Un budget di addestramento e un'identità del checkpoint distinti non dimostrano da soli la qualità di una determinata risposta: confronta quindi l'output con il compito di partenza.
L'architettura usa un transformer di tipo solo decoder con grouped-query attention e uno schema ripetuto di cinque livelli di attenzione locale per ogni livello globale. I livelli locali usano un intervallo di 1,024 token, mentre l'attenzione globale supporta il contesto più lungo. Un encoder visivo SigLIP, condiviso dai modelli 4B, 12B e 27B, converte le immagini in rappresentazioni elaborate dal modello linguistico. Il tokenizer SentencePiece conserva gli spazi bianchi, separa le cifre e include una codifica a livello di byte. Questo è rilevante quando devono rimanere integri la formattazione del codice, la notazione numerica o il testo multilingue.
Il flusso di elaborazione visiva include anche Pan and Scan: ritagli adattivi non sovrapposti aiutano a conservare i contenuti di sorgenti molto larghe o ad alta risoluzione prima che ogni vista raggiunga l'encoder a risoluzione fissa. Le viste aggiuntive modificano il materiale elaborato. Per un documento tecnico, fornisci una pagina leggibile e, dove necessario, una vista chiara della tabella o del diagramma su cui poni la domanda. Conserva la definizione circostante di un'unità, un simbolo o una colonna, affinché una lettura visiva locale non ne perda il significato.
Il formato nativo dei prompt IT usa turni user e model e non prevede un ruolo system separato. Inserisci il ruolo desiderato, le regole della risposta e il compito nel prompt user iniziale, usando il formatter o il processore designato per la conversazione effettiva. Una richiesta originale di analisi documentale potrebbe confrontare due descrizioni di una procedura, restituire una tabella dei requisiti corrispondenti e individuare eventuali conflitti. Etichetta le fonti, specifica quale requisito ha la precedenza e chiedi al modello di distinguere i fatti forniti dalla propria interpretazione.
Gli impieghi previsti nella scheda del produttore comprendono riepilogo, assistenza conversazionale, estrazione di dati dalle immagini, scrittura e apprendimento. Per una spiegazione multilingue, indica il lettore destinatario, la terminologia e il livello di dettaglio. Per una domanda su un'immagine, identifica gli oggetti o le relazioni da discutere e richiedi osservazioni a sostegno della risposta finale. Per il codice, includi la funzione effettiva e il comportamento atteso; il risultato può proporre un'implementazione, mentre un'applicazione separata deve eseguirla e verificarla. Il rapporto pubblica separatamente le varianti quantizzate della famiglia: quando registri i risultati, questa identità 12B IT non deve quindi essere sostituita implicitamente con un diverso checkpoint quantizzato.
Il produttore individua limiti legati alla copertura dell'addestramento, alle inesattezze fattuali, alle sfumature linguistiche e ai compiti complessi a risposta aperta. Google avverte inoltre che uno schema linguistico plausibile può produrre una risposta che trascura un vincolo quotidiano del mondo reale. I piccoli dettagli visivi possono andare persi o essere interpretati male, e anche gli input lunghi richiedono priorità chiare. Conserva le pagine originali, verifica le etichette e le quantità estratte e convalida qualsiasi testo richiesto dall'aspetto strutturato prima di usarlo come dato. Valuta l'esatto modello 12B IT su domande e lingue rappresentative. Un risultato finale utile espone la risposta basata sulle fonti, il ragionamento necessario a comprenderla e l'incertezza residua, senza presentare una spiegazione generata come un'azione già eseguita da uno strumento o una ricerca di informazioni in tempo reale.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemma-3-12b-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 $0.0001 / 1K token Output · Token in output $0.0003 / 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 $0.0001 / 1K token Output · Token in output $0.0003 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemma-3-12b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-12b-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-3-12b-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-3-12b-it
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.