Gemma 4 31B IT è l’edizione densa adattata alle istruzioni di Google DeepMind nella famiglia aperta Gemma 4. Google posiziona il 31B per qualità e adattamento al compito, mentre l’edizione separata 26B A4B usa una mixture-of-experts per l’efficienza d’inferenza. Questa scheda riguarda l’edizione denominata 31B instruction-tuned, non i pesi preaddestrati o un derivato quantizzato.
La tabella ufficiale dell’architettura densa riporta 30,7 miliardi di parametri, 60 strati, una finestra scorrevole da 1 024 token e un contesto da 256K token. La famiglia combina attenzione locale a finestra scorrevole e attenzione globale, termina con uno strato globale e usa un encoder visivo dedicato per questo modello. Il profilo risultante prevede testo e immagini in input e testo in output. Sono fatti architetturali, non determinano il tempo di risposta applicativo né implicano il supporto audio di altre taglie Gemma 4.
Il contesto da 256K token permette di combinare testo consistente e prove visive. Immagini e testo possono alternarsi nello stesso prompt; il produttore raccomanda di collocare le immagini prima del testo correlato. I compiti visivi comprendono rilevamento di oggetti, interpretazione di pagine, comprensione di schermi e interfacce, grafici, OCR multilingue, scrittura a mano e indicazione di punti. L’output è testuale: contenuti estratti, spiegazione, codice o proposta di azione tramite strumento.
La comprensione video elabora una sequenza di fotogrammi. La scheda indica un massimo di 60 secondi quando le immagini vengono elaborate a un fotogramma al secondo. Prepara l’episodio pertinente, mantieni l’ordine e fornisci una domanda sulla sequenza visibile. Questo profilo visivo 26B/31B non accetta audio; le capacità vocali delle varianti Gemma 4 più piccole dotate di audio non si applicano. Se servono informazioni parlate, aggiungine la trascrizione testuale.
La riflessione configurabile consente di ragionare prima di rispondere oppure di dare una risposta diretta. Gemma 4 aggiunge un ruolo system nativo ai ruoli user e assistant. Il formato di prompt Google abilita la riflessione con il token di controllo <|think|> nel prompt system e separa il canale di pensiero dalla risposta finale; il processore documentato gestisce questo template. Nelle conversazioni multiturno, mantieni le risposte finali precedenti ed escludi i pensieri precedenti, salvo nei turni di chiamata di strumenti in cui il produttore indica di preservarli.
Native Function Calling supporta l’uso strutturato degli strumenti e l’annuncio Google documenta anche output JSON strutturato. Definisci compito, funzione disponibile e risultato atteso; l’applicazione esegue l’operazione richiesta e ne restituisce l’output al passaggio successivo. Un compito di programmazione può chiedere generazione, completamento o correzione, mentre un assistente visivo può spiegare un grafico o uno schermo usando il testo restituito. L’istruzione di chiamata è distinta da un’azione collegata realmente eseguita.
La risoluzione variabile è controllata dal budget di token visivi. Le opzioni documentate sono 70, 140, 280, 560 e 1 120 token. Budget inferiori sono adatti a classificazione, didascalie o sequenze di fotogrammi; budget maggiori preservano più dettaglio per OCR, analisi documentale e testo piccolo, con calcolo aggiuntivo. Decidi se serve la scena generale o le lettere esatte prima di preparare l’immagine. Un ritaglio leggibile di un’etichetta può essere più utile a un’estrazione di una richiesta non qualificata di esaminare ogni dettaglio di una pagina intera.
Google raccomanda temperature 1.0, top-p 0.95 e top-k 64 come configurazione di campionamento della famiglia. La scheda distingue l’addestramento in più di 140 lingue dal supporto immediato per più di 35. Indica la lingua della risposta e conserva nel brief nomi di dominio, nomi dei campi o formule. Il valore 256K è una specifica di contesto; la scheda citata non stabilisce un massimo universale separato di output per questa edizione.
Per un lavoro documentale e di codice, fornisci immagine della pagina pertinente, requisito scritto e frammento sorgente: «Leggi le etichette, spiega come questa schermata differisce dalla specifica e proponi una correzione mirata al codice fornito». Per un grafico, chiedi di separare valori visibili e andamento dedotto. La scheda Gemma segnala limiti relativi a linguaggio ambiguo, compiti molto complessi e affermazioni fattuali errate o superate: allega i fatti autorevoli che il risultato deve usare invece di attenderti che provengano dalle conoscenze di addestramento.
", "aboutText": "Gemma 4 31B IT è l’edizione densa adattata alle istruzioni di Google DeepMind nella famiglia aperta Gemma 4. Google posiziona il 31B per qualità e adattamento al compito, mentre l’edizione separata 26B A4B usa una mixture-of-experts per l’efficienza d’inferenza. Questa scheda riguarda l’edizione denominata 31B instruction-tuned, non i pesi preaddestrati o un derivato quantizzato.\n\nLa tabella ufficiale dell’architettura densa riporta 30,7 miliardi di parametri, 60 strati, una finestra scorrevole da 1 024 token e un contesto da 256K token. La famiglia combina attenzione locale a finestra scorrevole e attenzione globale, termina con uno strato globale e usa un encoder visivo dedicato per questo modello. Il profilo risultante prevede testo e immagini in input e testo in output. Sono fatti architetturali, non determinano il tempo di risposta applicativo né implicano il supporto audio di altre taglie Gemma 4.\n\nIl contesto da 256K token permette di combinare testo consistente e prove visive. Immagini e testo possono alternarsi nello stesso prompt; il produttore raccomanda di collocare le immagini prima del testo correlato. I compiti visivi comprendono rilevamento di oggetti, interpretazione di pagine, comprensione di schermi e interfacce, grafici, OCR multilingue, scrittura a mano e indicazione di punti. L’output è testuale: contenuti estratti, spiegazione, codice o proposta di azione tramite strumento.\n\nLa comprensione video elabora una sequenza di fotogrammi. La scheda indica un massimo di 60 secondi quando le immagini vengono elaborate a un fotogramma al secondo. Prepara l’episodio pertinente, mantieni l’ordine e fornisci una domanda sulla sequenza visibile. Questo profilo visivo 26B/31B non accetta audio; le capacità vocali delle varianti Gemma 4 più piccole dotate di audio non si applicano. Se servono informazioni parlate, aggiungine la trascrizione testuale.\n\nLa riflessione configurabile consente di ragionare prima di rispondere oppure di dare una risposta diretta. Gemma 4 aggiunge un ruolo system nativo ai ruoli user e assistant. Il formato di prompt Google abilita la riflessione con il token di controllo <|think|> nel prompt system e separa il canale di pensiero dalla risposta finale; il processore documentato gestisce questo template. Nelle conversazioni multiturno, mantieni le risposte finali precedenti ed escludi i pensieri precedenti, salvo nei turni di chiamata di strumenti in cui il produttore indica di preservarli.\n\nNative Function Calling supporta l’uso strutturato degli strumenti e l’annuncio Google documenta anche output JSON strutturato. Definisci compito, funzione disponibile e risultato atteso; l’applicazione esegue l’operazione richiesta e ne restituisce l’output al passaggio successivo. Un compito di programmazione può chiedere generazione, completamento o correzione, mentre un assistente visivo può spiegare un grafico o uno schermo usando il testo restituito. L’istruzione di chiamata è distinta da un’azione collegata realmente eseguita.\n\nLa risoluzione variabile è controllata dal budget di token visivi. Le opzioni documentate sono 70, 140, 280, 560 e 1 120 token. Budget inferiori sono adatti a classificazione, didascalie o sequenze di fotogrammi; budget maggiori preservano più dettaglio per OCR, analisi documentale e testo piccolo, con calcolo aggiuntivo. Decidi se serve la scena generale o le lettere esatte prima di preparare l’immagine. Un ritaglio leggibile di un’etichetta può essere più utile a un’estrazione di una richiesta non qualificata di esaminare ogni dettaglio di una pagina intera.\n\nGoogle raccomanda temperature 1.0, top-p 0.95 e top-k 64 come configurazione di campionamento della famiglia. La scheda distingue l’addestramento in più di 140 lingue dal supporto immediato per più di 35. Indica la lingua della risposta e conserva nel brief nomi di dominio, nomi dei campi o formule. Il valore 256K è una specifica di contesto; la scheda citata non stabilisce un massimo universale separato di output per questa edizione.\n\nPer un lavoro documentale e di codice, fornisci immagine della pagina pertinente, requisito scritto e frammento sorgente: «Leggi le etichette, spiega come questa schermata differisce dalla specifica e proponi una correzione mirata al codice fornito». Per un grafico, chiedi di separare valori visibili e andamento dedotto. La scheda Gemma segnala limiti relativi a linguaggio ambiguo, compiti molto complessi e affermazioni fattuali errate o superate: allega i fatti autorevoli che il risultato deve usare invece di attenderti che provengano dalle conoscenze di addestramento.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.google/gemma-4-31b-itGemma 4 31B IT è il modello denso di Google ottimizzato per seguire istruzioni e per il ragionamento testuale e visivo. Il contesto di 256K, il ragionamento configurabile, la comprensione di immagini e video basati su fotogrammi e le chiamate native di funzione supportano attività di programmazione, documenti e agenti con output testuale.
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 4 31B IT è l’edizione densa adattata alle istruzioni di Google DeepMind nella famiglia aperta Gemma 4. Google posiziona il 31B per qualità e adattamento al compito, mentre l’edizione separata 26B A4B usa una mixture-of-experts per l’efficienza d’inferenza. Questa scheda riguarda l’edizione denominata 31B instruction-tuned, non i pesi preaddestrati o un derivato quantizzato.
La tabella ufficiale dell’architettura densa riporta 30,7 miliardi di parametri, 60 strati, una finestra scorrevole da 1 024 token e un contesto da 256K token. La famiglia combina attenzione locale a finestra scorrevole e attenzione globale, termina con uno strato globale e usa un encoder visivo dedicato per questo modello. Il profilo risultante prevede testo e immagini in input e testo in output. Sono fatti architetturali, non determinano il tempo di risposta applicativo né implicano il supporto audio di altre taglie Gemma 4.
Il contesto da 256K token permette di combinare testo consistente e prove visive. Immagini e testo possono alternarsi nello stesso prompt; il produttore raccomanda di collocare le immagini prima del testo correlato. I compiti visivi comprendono rilevamento di oggetti, interpretazione di pagine, comprensione di schermi e interfacce, grafici, OCR multilingue, scrittura a mano e indicazione di punti. L’output è testuale: contenuti estratti, spiegazione, codice o proposta di azione tramite strumento.
La comprensione video elabora una sequenza di fotogrammi. La scheda indica un massimo di 60 secondi quando le immagini vengono elaborate a un fotogramma al secondo. Prepara l’episodio pertinente, mantieni l’ordine e fornisci una domanda sulla sequenza visibile. Questo profilo visivo 26B/31B non accetta audio; le capacità vocali delle varianti Gemma 4 più piccole dotate di audio non si applicano. Se servono informazioni parlate, aggiungine la trascrizione testuale.
La riflessione configurabile consente di ragionare prima di rispondere oppure di dare una risposta diretta. Gemma 4 aggiunge un ruolo system nativo ai ruoli user e assistant. Il formato di prompt Google abilita la riflessione con il token di controllo <|think|> nel prompt system e separa il canale di pensiero dalla risposta finale; il processore documentato gestisce questo template. Nelle conversazioni multiturno, mantieni le risposte finali precedenti ed escludi i pensieri precedenti, salvo nei turni di chiamata di strumenti in cui il produttore indica di preservarli.
Native Function Calling supporta l’uso strutturato degli strumenti e l’annuncio Google documenta anche output JSON strutturato. Definisci compito, funzione disponibile e risultato atteso; l’applicazione esegue l’operazione richiesta e ne restituisce l’output al passaggio successivo. Un compito di programmazione può chiedere generazione, completamento o correzione, mentre un assistente visivo può spiegare un grafico o uno schermo usando il testo restituito. L’istruzione di chiamata è distinta da un’azione collegata realmente eseguita.
La risoluzione variabile è controllata dal budget di token visivi. Le opzioni documentate sono 70, 140, 280, 560 e 1 120 token. Budget inferiori sono adatti a classificazione, didascalie o sequenze di fotogrammi; budget maggiori preservano più dettaglio per OCR, analisi documentale e testo piccolo, con calcolo aggiuntivo. Decidi se serve la scena generale o le lettere esatte prima di preparare l’immagine. Un ritaglio leggibile di un’etichetta può essere più utile a un’estrazione di una richiesta non qualificata di esaminare ogni dettaglio di una pagina intera.
Google raccomanda temperature 1.0, top-p 0.95 e top-k 64 come configurazione di campionamento della famiglia. La scheda distingue l’addestramento in più di 140 lingue dal supporto immediato per più di 35. Indica la lingua della risposta e conserva nel brief nomi di dominio, nomi dei campi o formule. Il valore 256K è una specifica di contesto; la scheda citata non stabilisce un massimo universale separato di output per questa edizione.
Per un lavoro documentale e di codice, fornisci immagine della pagina pertinente, requisito scritto e frammento sorgente: «Leggi le etichette, spiega come questa schermata differisce dalla specifica e proponi una correzione mirata al codice fornito». Per un grafico, chiedi di separare valori visibili e andamento dedotto. La scheda Gemma segnala limiti relativi a linguaggio ambiguo, compiti molto complessi e affermazioni fattuali errate o superate: allega i fatti autorevoli che il risultato deve usare invece di attenderti che provengano dalle conoscenze di addestramento.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemma-4-31b-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 $0.0002 / 1K token Output · Token in output $0.00068 / 1K token Input · Lettura dalla cache $0.0002 / 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 $0.0002 / 1K token Output · Token in output $0.00068 / 1K token Input · Lettura dalla cache $0.0002 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-4-31b-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-4-31b-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-4-31b-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-4-31b-it
Usa i percorsi dei metodi indicati sopra.
google/gemma-4-31b-itGemma 4 31B IT è il modello denso di Google ottimizzato per seguire istruzioni e per il ragionamento testuale e visivo. Il contesto di 256K, il ragionamento configurabile, la comprensione di immagini e video basati su fotogrammi e le chiamate native di funzione supportano attività di programmazione, documenti e agenti con output testuale.
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 4 31B IT è l’edizione densa adattata alle istruzioni di Google DeepMind nella famiglia aperta Gemma 4. Google posiziona il 31B per qualità e adattamento al compito, mentre l’edizione separata 26B A4B usa una mixture-of-experts per l’efficienza d’inferenza. Questa scheda riguarda l’edizione denominata 31B instruction-tuned, non i pesi preaddestrati o un derivato quantizzato.
La tabella ufficiale dell’architettura densa riporta 30,7 miliardi di parametri, 60 strati, una finestra scorrevole da 1 024 token e un contesto da 256K token. La famiglia combina attenzione locale a finestra scorrevole e attenzione globale, termina con uno strato globale e usa un encoder visivo dedicato per questo modello. Il profilo risultante prevede testo e immagini in input e testo in output. Sono fatti architetturali, non determinano il tempo di risposta applicativo né implicano il supporto audio di altre taglie Gemma 4.
Il contesto da 256K token permette di combinare testo consistente e prove visive. Immagini e testo possono alternarsi nello stesso prompt; il produttore raccomanda di collocare le immagini prima del testo correlato. I compiti visivi comprendono rilevamento di oggetti, interpretazione di pagine, comprensione di schermi e interfacce, grafici, OCR multilingue, scrittura a mano e indicazione di punti. L’output è testuale: contenuti estratti, spiegazione, codice o proposta di azione tramite strumento.
La comprensione video elabora una sequenza di fotogrammi. La scheda indica un massimo di 60 secondi quando le immagini vengono elaborate a un fotogramma al secondo. Prepara l’episodio pertinente, mantieni l’ordine e fornisci una domanda sulla sequenza visibile. Questo profilo visivo 26B/31B non accetta audio; le capacità vocali delle varianti Gemma 4 più piccole dotate di audio non si applicano. Se servono informazioni parlate, aggiungine la trascrizione testuale.
La riflessione configurabile consente di ragionare prima di rispondere oppure di dare una risposta diretta. Gemma 4 aggiunge un ruolo system nativo ai ruoli user e assistant. Il formato di prompt Google abilita la riflessione con il token di controllo <|think|> nel prompt system e separa il canale di pensiero dalla risposta finale; il processore documentato gestisce questo template. Nelle conversazioni multiturno, mantieni le risposte finali precedenti ed escludi i pensieri precedenti, salvo nei turni di chiamata di strumenti in cui il produttore indica di preservarli.
Native Function Calling supporta l’uso strutturato degli strumenti e l’annuncio Google documenta anche output JSON strutturato. Definisci compito, funzione disponibile e risultato atteso; l’applicazione esegue l’operazione richiesta e ne restituisce l’output al passaggio successivo. Un compito di programmazione può chiedere generazione, completamento o correzione, mentre un assistente visivo può spiegare un grafico o uno schermo usando il testo restituito. L’istruzione di chiamata è distinta da un’azione collegata realmente eseguita.
La risoluzione variabile è controllata dal budget di token visivi. Le opzioni documentate sono 70, 140, 280, 560 e 1 120 token. Budget inferiori sono adatti a classificazione, didascalie o sequenze di fotogrammi; budget maggiori preservano più dettaglio per OCR, analisi documentale e testo piccolo, con calcolo aggiuntivo. Decidi se serve la scena generale o le lettere esatte prima di preparare l’immagine. Un ritaglio leggibile di un’etichetta può essere più utile a un’estrazione di una richiesta non qualificata di esaminare ogni dettaglio di una pagina intera.
Google raccomanda temperature 1.0, top-p 0.95 e top-k 64 come configurazione di campionamento della famiglia. La scheda distingue l’addestramento in più di 140 lingue dal supporto immediato per più di 35. Indica la lingua della risposta e conserva nel brief nomi di dominio, nomi dei campi o formule. Il valore 256K è una specifica di contesto; la scheda citata non stabilisce un massimo universale separato di output per questa edizione.
Per un lavoro documentale e di codice, fornisci immagine della pagina pertinente, requisito scritto e frammento sorgente: «Leggi le etichette, spiega come questa schermata differisce dalla specifica e proponi una correzione mirata al codice fornito». Per un grafico, chiedi di separare valori visibili e andamento dedotto. La scheda Gemma segnala limiti relativi a linguaggio ambiguo, compiti molto complessi e affermazioni fattuali errate o superate: allega i fatti autorevoli che il risultato deve usare invece di attenderti che provengano dalle conoscenze di addestramento.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemma-4-31b-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 $0.0002 / 1K token Output · Token in output $0.00068 / 1K token Input · Lettura dalla cache $0.0002 / 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 $0.0002 / 1K token Output · Token in output $0.00068 / 1K token Input · Lettura dalla cache $0.0002 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemma-4-31b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-31b-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-4-31b-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-4-31b-it
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.