Gemma 3 4B IT è l’edizione da 4B adattata alle istruzioni della famiglia vision-language Gemma 3 di Google. IT identifica la versione adattata a seguire istruzioni e turni di conversazione, anziché il checkpoint preaddestrato usato come base per ulteriore addestramento. Riceve testo e immagini e genera testo: risposta, riepilogo, spiegazione, bozza o codice. L’input visivo supporta domande su immagini e pagine fornite; l’output non è una nuova immagine generata.
La scheda assegna all’edizione 4B un contesto di 128K token condiviso fra richiesta e risposta. L’output residuo corrisponde al contesto totale meno l’input, non a un budget indipendente aggiuntivo di 128K. Il percorso base delle immagini le normalizza a 896×896 e codifica ogni vista in 256 token visivi. Per un assistente mirato, fornisci la nota o l’immagine pertinente, una domanda chiara e un risultato conciso. Conserva il testo sorgente con la risposta per verificare nomi, date o etichette estratti.
Il materiale di addestramento della famiglia comprende testo Web in oltre 140 lingue, codice, matematica e immagini. Il produttore riporta quattromila miliardi di token di pre-training per il modello 4B. Il rapporto descrive distillazione durante pre-training e adattamento alle istruzioni, seguiti da post-training basato su reinforcement learning per migliorare utilità, ragionamento, codice, matematica e rispetto delle istruzioni. Sono caratteristiche di addestramento di questa taglia e famiglia, non una garanzia di correttezza di ogni risposta o di identico comportamento di altri checkpoint Gemma.
L’architettura è un transformer decoder-only con grouped-query attention, che alterna cinque strati di attenzione locale per ogni strato globale. L’attenzione locale copre 1 024 token, mentre gli strati globali gestiscono il contesto più ampio. Un encoder visivo SigLIP condiviso converte informazioni delle immagini in input per il modello linguistico. Il tokenizer si basa su SentencePiece, con cifre separate, spazi preservati e codifica a livello di byte. Usa il conteggio del tokenizer reale per pianificare input lunghi e mantieni indentazione e identificatori del codice quando sono significativi.
Il rapporto descrive Pan and Scan per immagini la cui forma o i cui dettagli non sopravvivono a un semplice ridimensionamento quadrato. Può creare viste aggiuntive non sovrapposte, poi ridimensionate per l’encoder visivo. Il processo ha proprie implicazioni su input e calcolo. Per uno screenshot con etichette piccole, identifica la regione di interesse e fornisci una vista leggibile invece di affidarti a una minuscola immagine dell’intero schermo. Per più immagini, indica i ruoli e chiedi una risposta collegata alla fonte corretta.
Il formato di conversazione IT nativo usa turni user e model, con confini espliciti. Non supporta un ruolo system nativo separato: inserisci le istruzioni di ruolo e formato nel prompt user iniziale. Usa il formatter o processore corrispondente anziché trattare il checkpoint IT come semplice completamento testuale. Per una nota di assistenza, specifica destinatario, fatti da conservare e tono, poi richiedi una risposta breve con le eventuali domande irrisolte. Per un’estrazione visiva, definisci i campi e come rappresentare un valore illeggibile.
Gli usi previsti comprendono scrittura, sintesi, assistenza conversazionale, estrazione di dati da immagini ed esplorazione educativa. Un flusso mirato 4B può trasformare una nota di servizio in un elenco di azioni, spiegare un diagramma o rispondere su un passaggio fornito. Chiedi un risultato facile da esaminare: una spiegazione legata a elementi denominati o un piccolo documento con campi sostenuti dalle fonti. Ricerche tramite strumenti ed esecuzione del codice appartengono all’applicazione circostante; generare un’istruzione dalla forma di uno strumento è diverso dal completare un’operazione esterna.
Il produttore segnala limiti dovuti a copertura dell’addestramento, sfumature linguistiche, errori fattuali e complessità dei compiti aperti. Google avverte inoltre che uno schema linguistico plausibile può produrre una risposta che trascura un comune vincolo reale. Le immagini possono perdere dettagli importanti nel ridimensionamento e un contesto lungo non chiarisce una domanda poco specifica. Esamina il risultato rispetto al materiale originale, valida i campi richiesti e controlla calcoli o codice proposto in modo indipendente. Valuta il modello preciso 4B IT sulle lingue e sui documenti reali del compito. Registra taglia, identità IT e configurazione di trattamento separatamente dalle varianti Gemma 12B, 27B e più recenti.
", "aboutText": "Gemma 3 4B IT è l’edizione da 4B adattata alle istruzioni della famiglia vision-language Gemma 3 di Google. IT identifica la versione adattata a seguire istruzioni e turni di conversazione, anziché il checkpoint preaddestrato usato come base per ulteriore addestramento. Riceve testo e immagini e genera testo: risposta, riepilogo, spiegazione, bozza o codice. L’input visivo supporta domande su immagini e pagine fornite; l’output non è una nuova immagine generata.\n\nLa scheda assegna all’edizione 4B un contesto di 128K token condiviso fra richiesta e risposta. L’output residuo corrisponde al contesto totale meno l’input, non a un budget indipendente aggiuntivo di 128K. Il percorso base delle immagini le normalizza a 896×896 e codifica ogni vista in 256 token visivi. Per un assistente mirato, fornisci la nota o l’immagine pertinente, una domanda chiara e un risultato conciso. Conserva il testo sorgente con la risposta per verificare nomi, date o etichette estratti.\n\nIl materiale di addestramento della famiglia comprende testo Web in oltre 140 lingue, codice, matematica e immagini. Il produttore riporta quattromila miliardi di token di pre-training per il modello 4B. Il rapporto descrive distillazione durante pre-training e adattamento alle istruzioni, seguiti da post-training basato su reinforcement learning per migliorare utilità, ragionamento, codice, matematica e rispetto delle istruzioni. Sono caratteristiche di addestramento di questa taglia e famiglia, non una garanzia di correttezza di ogni risposta o di identico comportamento di altri checkpoint Gemma.\n\nL’architettura è un transformer decoder-only con grouped-query attention, che alterna cinque strati di attenzione locale per ogni strato globale. L’attenzione locale copre 1 024 token, mentre gli strati globali gestiscono il contesto più ampio. Un encoder visivo SigLIP condiviso converte informazioni delle immagini in input per il modello linguistico. Il tokenizer si basa su SentencePiece, con cifre separate, spazi preservati e codifica a livello di byte. Usa il conteggio del tokenizer reale per pianificare input lunghi e mantieni indentazione e identificatori del codice quando sono significativi.\n\nIl rapporto descrive Pan and Scan per immagini la cui forma o i cui dettagli non sopravvivono a un semplice ridimensionamento quadrato. Può creare viste aggiuntive non sovrapposte, poi ridimensionate per l’encoder visivo. Il processo ha proprie implicazioni su input e calcolo. Per uno screenshot con etichette piccole, identifica la regione di interesse e fornisci una vista leggibile invece di affidarti a una minuscola immagine dell’intero schermo. Per più immagini, indica i ruoli e chiedi una risposta collegata alla fonte corretta.\n\nIl formato di conversazione IT nativo usa turni user e model, con confini espliciti. Non supporta un ruolo system nativo separato: inserisci le istruzioni di ruolo e formato nel prompt user iniziale. Usa il formatter o processore corrispondente anziché trattare il checkpoint IT come semplice completamento testuale. Per una nota di assistenza, specifica destinatario, fatti da conservare e tono, poi richiedi una risposta breve con le eventuali domande irrisolte. Per un’estrazione visiva, definisci i campi e come rappresentare un valore illeggibile.\n\nGli usi previsti comprendono scrittura, sintesi, assistenza conversazionale, estrazione di dati da immagini ed esplorazione educativa. Un flusso mirato 4B può trasformare una nota di servizio in un elenco di azioni, spiegare un diagramma o rispondere su un passaggio fornito. Chiedi un risultato facile da esaminare: una spiegazione legata a elementi denominati o un piccolo documento con campi sostenuti dalle fonti. Ricerche tramite strumenti ed esecuzione del codice appartengono all’applicazione circostante; generare un’istruzione dalla forma di uno strumento è diverso dal completare un’operazione esterna.\n\nIl produttore segnala limiti dovuti a copertura dell’addestramento, sfumature linguistiche, errori fattuali e complessità dei compiti aperti. Google avverte inoltre che uno schema linguistico plausibile può produrre una risposta che trascura un comune vincolo reale. Le immagini possono perdere dettagli importanti nel ridimensionamento e un contesto lungo non chiarisce una domanda poco specifica. Esamina il risultato rispetto al materiale originale, valida i campi richiesti e controlla calcoli o codice proposto in modo indipendente. Valuta il modello preciso 4B IT sulle lingue e sui documenti reali del compito. Registra taglia, identità IT e configurazione di trattamento separatamente dalle varianti Gemma 12B, 27B e più recenti.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.google/gemma-3-4b-itGemma 3 4B IT è il modello di Google da 4B, ottimizzato per seguire istruzioni, con input testuali e visivi. Genera testo per domande, sintesi, scrittura e analisi visiva, con un contesto condiviso di 128K e supporto della famiglia per oltre 140 lingue.
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 4B IT è l’edizione da 4B adattata alle istruzioni della famiglia vision-language Gemma 3 di Google. IT identifica la versione adattata a seguire istruzioni e turni di conversazione, anziché il checkpoint preaddestrato usato come base per ulteriore addestramento. Riceve testo e immagini e genera testo: risposta, riepilogo, spiegazione, bozza o codice. L’input visivo supporta domande su immagini e pagine fornite; l’output non è una nuova immagine generata.
La scheda assegna all’edizione 4B un contesto di 128K token condiviso fra richiesta e risposta. L’output residuo corrisponde al contesto totale meno l’input, non a un budget indipendente aggiuntivo di 128K. Il percorso base delle immagini le normalizza a 896×896 e codifica ogni vista in 256 token visivi. Per un assistente mirato, fornisci la nota o l’immagine pertinente, una domanda chiara e un risultato conciso. Conserva il testo sorgente con la risposta per verificare nomi, date o etichette estratti.
Il materiale di addestramento della famiglia comprende testo Web in oltre 140 lingue, codice, matematica e immagini. Il produttore riporta quattromila miliardi di token di pre-training per il modello 4B. Il rapporto descrive distillazione durante pre-training e adattamento alle istruzioni, seguiti da post-training basato su reinforcement learning per migliorare utilità, ragionamento, codice, matematica e rispetto delle istruzioni. Sono caratteristiche di addestramento di questa taglia e famiglia, non una garanzia di correttezza di ogni risposta o di identico comportamento di altri checkpoint Gemma.
L’architettura è un transformer decoder-only con grouped-query attention, che alterna cinque strati di attenzione locale per ogni strato globale. L’attenzione locale copre 1 024 token, mentre gli strati globali gestiscono il contesto più ampio. Un encoder visivo SigLIP condiviso converte informazioni delle immagini in input per il modello linguistico. Il tokenizer si basa su SentencePiece, con cifre separate, spazi preservati e codifica a livello di byte. Usa il conteggio del tokenizer reale per pianificare input lunghi e mantieni indentazione e identificatori del codice quando sono significativi.
Il rapporto descrive Pan and Scan per immagini la cui forma o i cui dettagli non sopravvivono a un semplice ridimensionamento quadrato. Può creare viste aggiuntive non sovrapposte, poi ridimensionate per l’encoder visivo. Il processo ha proprie implicazioni su input e calcolo. Per uno screenshot con etichette piccole, identifica la regione di interesse e fornisci una vista leggibile invece di affidarti a una minuscola immagine dell’intero schermo. Per più immagini, indica i ruoli e chiedi una risposta collegata alla fonte corretta.
Il formato di conversazione IT nativo usa turni user e model, con confini espliciti. Non supporta un ruolo system nativo separato: inserisci le istruzioni di ruolo e formato nel prompt user iniziale. Usa il formatter o processore corrispondente anziché trattare il checkpoint IT come semplice completamento testuale. Per una nota di assistenza, specifica destinatario, fatti da conservare e tono, poi richiedi una risposta breve con le eventuali domande irrisolte. Per un’estrazione visiva, definisci i campi e come rappresentare un valore illeggibile.
Gli usi previsti comprendono scrittura, sintesi, assistenza conversazionale, estrazione di dati da immagini ed esplorazione educativa. Un flusso mirato 4B può trasformare una nota di servizio in un elenco di azioni, spiegare un diagramma o rispondere su un passaggio fornito. Chiedi un risultato facile da esaminare: una spiegazione legata a elementi denominati o un piccolo documento con campi sostenuti dalle fonti. Ricerche tramite strumenti ed esecuzione del codice appartengono all’applicazione circostante; generare un’istruzione dalla forma di uno strumento è diverso dal completare un’operazione esterna.
Il produttore segnala limiti dovuti a copertura dell’addestramento, sfumature linguistiche, errori fattuali e complessità dei compiti aperti. Google avverte inoltre che uno schema linguistico plausibile può produrre una risposta che trascura un comune vincolo reale. Le immagini possono perdere dettagli importanti nel ridimensionamento e un contesto lungo non chiarisce una domanda poco specifica. Esamina il risultato rispetto al materiale originale, valida i campi richiesti e controlla calcoli o codice proposto in modo indipendente. Valuta il modello preciso 4B IT sulle lingue e sui documenti reali del compito. Registra taglia, identità IT e configurazione di trattamento separatamente dalle varianti Gemma 12B, 27B e più recenti.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemma-3-4b-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 $0.0002 / 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 $0.0002 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-4b-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-3-4b-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-3-4b-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-3-4b-it
Usa i percorsi dei metodi indicati sopra.
google/gemma-3-4b-itGemma 3 4B IT è il modello di Google da 4B, ottimizzato per seguire istruzioni, con input testuali e visivi. Genera testo per domande, sintesi, scrittura e analisi visiva, con un contesto condiviso di 128K e supporto della famiglia per oltre 140 lingue.
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 4B IT è l’edizione da 4B adattata alle istruzioni della famiglia vision-language Gemma 3 di Google. IT identifica la versione adattata a seguire istruzioni e turni di conversazione, anziché il checkpoint preaddestrato usato come base per ulteriore addestramento. Riceve testo e immagini e genera testo: risposta, riepilogo, spiegazione, bozza o codice. L’input visivo supporta domande su immagini e pagine fornite; l’output non è una nuova immagine generata.
La scheda assegna all’edizione 4B un contesto di 128K token condiviso fra richiesta e risposta. L’output residuo corrisponde al contesto totale meno l’input, non a un budget indipendente aggiuntivo di 128K. Il percorso base delle immagini le normalizza a 896×896 e codifica ogni vista in 256 token visivi. Per un assistente mirato, fornisci la nota o l’immagine pertinente, una domanda chiara e un risultato conciso. Conserva il testo sorgente con la risposta per verificare nomi, date o etichette estratti.
Il materiale di addestramento della famiglia comprende testo Web in oltre 140 lingue, codice, matematica e immagini. Il produttore riporta quattromila miliardi di token di pre-training per il modello 4B. Il rapporto descrive distillazione durante pre-training e adattamento alle istruzioni, seguiti da post-training basato su reinforcement learning per migliorare utilità, ragionamento, codice, matematica e rispetto delle istruzioni. Sono caratteristiche di addestramento di questa taglia e famiglia, non una garanzia di correttezza di ogni risposta o di identico comportamento di altri checkpoint Gemma.
L’architettura è un transformer decoder-only con grouped-query attention, che alterna cinque strati di attenzione locale per ogni strato globale. L’attenzione locale copre 1 024 token, mentre gli strati globali gestiscono il contesto più ampio. Un encoder visivo SigLIP condiviso converte informazioni delle immagini in input per il modello linguistico. Il tokenizer si basa su SentencePiece, con cifre separate, spazi preservati e codifica a livello di byte. Usa il conteggio del tokenizer reale per pianificare input lunghi e mantieni indentazione e identificatori del codice quando sono significativi.
Il rapporto descrive Pan and Scan per immagini la cui forma o i cui dettagli non sopravvivono a un semplice ridimensionamento quadrato. Può creare viste aggiuntive non sovrapposte, poi ridimensionate per l’encoder visivo. Il processo ha proprie implicazioni su input e calcolo. Per uno screenshot con etichette piccole, identifica la regione di interesse e fornisci una vista leggibile invece di affidarti a una minuscola immagine dell’intero schermo. Per più immagini, indica i ruoli e chiedi una risposta collegata alla fonte corretta.
Il formato di conversazione IT nativo usa turni user e model, con confini espliciti. Non supporta un ruolo system nativo separato: inserisci le istruzioni di ruolo e formato nel prompt user iniziale. Usa il formatter o processore corrispondente anziché trattare il checkpoint IT come semplice completamento testuale. Per una nota di assistenza, specifica destinatario, fatti da conservare e tono, poi richiedi una risposta breve con le eventuali domande irrisolte. Per un’estrazione visiva, definisci i campi e come rappresentare un valore illeggibile.
Gli usi previsti comprendono scrittura, sintesi, assistenza conversazionale, estrazione di dati da immagini ed esplorazione educativa. Un flusso mirato 4B può trasformare una nota di servizio in un elenco di azioni, spiegare un diagramma o rispondere su un passaggio fornito. Chiedi un risultato facile da esaminare: una spiegazione legata a elementi denominati o un piccolo documento con campi sostenuti dalle fonti. Ricerche tramite strumenti ed esecuzione del codice appartengono all’applicazione circostante; generare un’istruzione dalla forma di uno strumento è diverso dal completare un’operazione esterna.
Il produttore segnala limiti dovuti a copertura dell’addestramento, sfumature linguistiche, errori fattuali e complessità dei compiti aperti. Google avverte inoltre che uno schema linguistico plausibile può produrre una risposta che trascura un comune vincolo reale. Le immagini possono perdere dettagli importanti nel ridimensionamento e un contesto lungo non chiarisce una domanda poco specifica. Esamina il risultato rispetto al materiale originale, valida i campi richiesti e controlla calcoli o codice proposto in modo indipendente. Valuta il modello preciso 4B IT sulle lingue e sui documenti reali del compito. Registra taglia, identità IT e configurazione di trattamento separatamente dalle varianti Gemma 12B, 27B e più recenti.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemma-3-4b-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 $0.0002 / 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 $0.0002 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemma-3-4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-4b-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-3-4b-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-3-4b-it
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.