Gemini 3.1 Pro Previewは、複雑な素材と、複数の判断を順に行う必要があるタスクに向けられています。Googleは、ソフトウェアエンジニアリング、ツールの利用、事実に関する応答の一貫性を特徴として挙げています。モデルは、大きなデータセット、ソフトウェアリポジトリ全体、テキストと視覚・音声素材を組み合わせたタスクの分析を支援します。
Googleの特性説明には、テキスト、画像、動画、音声、PDFが挙げられています。現在のAiloot APIのカタログで、テキストのメソッドに公表されているのは、入力のテキストと画像と、テキストの出力です。動画、音声、PDFは、この入力範囲には含まれません。長いコンテキストには入力1 048 576トークンまで、テキスト応答には出力65 536トークンまでが収まります。画像や音声の理解は、それらの生成を意味しません。このバージョンの出力はテキストです。
Thinkingにより、内部推論に追加の検討を割り当てられます。Googleが説明する基本モデルのモードでは、標準のレベルはhighで、low、medium、highを利用できます。これらの値はGoogleの基本モデルについての説明です。Ailoot APIでのモードと制御の利用可否は、選択したメソッドとモデルのバリエーションによって決まります。主な用途には、複雑なプログラミング、アルゴリズムの開発、戦略的な計画、解決策の段階的な改善があります。複数の関連する要件を考慮し、中間結果に戻る必要がある場合に特に役立ちます。
モデルの機能には、関数呼び出し、コードの実行、構造化された応答があります。コンテキストのキャッシュ、検索による裏付け、Google Maps、ウェブアドレスの内容の利用に対応し、バッチ処理も用意されています。データを分析し、次のツールを選び、結果をまとめる処理を組み立てられます。個々のツールを実際に利用できるかは、モデルを扱うメソッドによって決まります。
カードは、プレビュー版のgemini-3.1-pro-previewに関するものです。基盤はGemini 3 Proです。メーカーは、コマンドシェルやユーザー独自のツールを使う処理に向けたgemini-3.1-pro-preview-customtoolsも、別のバリエーションとして示しています。ツールを選ぶ際の優先順位や振る舞いの特徴は、通常のPreview版の特性ではありません。
モデルには、基盤となる系列の一般的な制限が残ります。応答に架空の情報を含めたり、個々のリクエストが遅く実行されたり、タイムアウトで終わったりする場合があります。複数段階の推論、大きなコンテキスト、データへのアクセスは、複雑なタスクを扱うのに役立ちますが、生成したすべての結論を検証済みの事実にするものではありません。
", "aboutText": "Gemini 3.1 Pro Previewは、複雑な素材と、複数の判断を順に行う必要があるタスクに向けられています。Googleは、ソフトウェアエンジニアリング、ツールの利用、事実に関する応答の一貫性を特徴として挙げています。モデルは、大きなデータセット、ソフトウェアリポジトリ全体、テキストと視覚・音声素材を組み合わせたタスクの分析を支援します。\n\n### モデルが理解する素材\n\nGoogleの特性説明には、**テキスト、画像、動画、音声、PDF**が挙げられています。現在のAiloot APIのカタログで、テキストのメソッドに公表されているのは、入力の**テキストと画像**と、テキストの出力です。動画、音声、PDFは、この入力範囲には含まれません。長いコンテキストには**入力1 048 576トークン**まで、テキスト応答には**出力65 536トークン**までが収まります。画像や音声の理解は、それらの生成を意味しません。このバージョンの出力はテキストです。\n\n### 推論と段階的な作業\n\nThinkingにより、内部推論に追加の検討を割り当てられます。Googleが説明する基本モデルのモードでは、標準のレベルは`high`で、`low`、`medium`、`high`を利用できます。これらの値はGoogleの基本モデルについての説明です。Ailoot APIでのモードと制御の利用可否は、選択したメソッドとモデルのバリエーションによって決まります。主な用途には、複雑なプログラミング、アルゴリズムの開発、戦略的な計画、解決策の段階的な改善があります。複数の関連する要件を考慮し、中間結果に戻る必要がある場合に特に役立ちます。\n\nモデルの機能には、関数呼び出し、コードの実行、構造化された応答があります。コンテキストのキャッシュ、検索による裏付け、Google Maps、ウェブアドレスの内容の利用に対応し、バッチ処理も用意されています。データを分析し、次のツールを選び、結果をまとめる処理を組み立てられます。個々のツールを実際に利用できるかは、モデルを扱うメソッドによって決まります。\n\n### バージョンと特徴\n\nカードは、プレビュー版の`gemini-3.1-pro-preview`に関するものです。基盤はGemini 3 Proです。メーカーは、コマンドシェルやユーザー独自のツールを使う処理に向けた`gemini-3.1-pro-preview-customtools`も、別のバリエーションとして示しています。ツールを選ぶ際の優先順位や振る舞いの特徴は、通常のPreview版の特性ではありません。\n\nモデルには、基盤となる系列の一般的な制限が残ります。応答に架空の情報を含めたり、個々のリクエストが遅く実行されたり、タイムアウトで終わったりする場合があります。複数段階の推論、大きなコンテキスト、データへのアクセスは、複雑なタスクを扱うのに役立ちますが、生成したすべての結論を検証済みの事実にするものではありません。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Plan a dependency-constrained move\n\nA lab move has these constraints: archive samples before unplugging the freezer; test the backup freezer before moving samples; restore temperature monitoring before accepting new samples. Staff propose unplugging first to save time. Produce an ordered checklist, flag the unsafe proposed step and specify evidence needed before accepting new samples. Use only the supplied constraints.An ordered checklist, one identified conflict and an acceptance-evidence item.The checklist must place backup testing and sample protection before unplugging and monitoring before intake.gemini-3.1-pro-high複雑なプログラミング、大量の素材の分析、ツールを使った精密な複数段階の作業に向けたGoogleのマルチモーダルモデルです。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Gemini 3.1 Pro Previewは、複雑な素材と、複数の判断を順に行う必要があるタスクに向けられています。Googleは、ソフトウェアエンジニアリング、ツールの利用、事実に関する応答の一貫性を特徴として挙げています。モデルは、大きなデータセット、ソフトウェアリポジトリ全体、テキストと視覚・音声素材を組み合わせたタスクの分析を支援します。
Googleの特性説明には、テキスト、画像、動画、音声、PDFが挙げられています。現在のAiloot APIのカタログで、テキストのメソッドに公表されているのは、入力のテキストと画像と、テキストの出力です。動画、音声、PDFは、この入力範囲には含まれません。長いコンテキストには入力1 048 576トークンまで、テキスト応答には出力65 536トークンまでが収まります。画像や音声の理解は、それらの生成を意味しません。このバージョンの出力はテキストです。
Thinkingにより、内部推論に追加の検討を割り当てられます。Googleが説明する基本モデルのモードでは、標準のレベルはhighで、low、medium、highを利用できます。これらの値はGoogleの基本モデルについての説明です。Ailoot APIでのモードと制御の利用可否は、選択したメソッドとモデルのバリエーションによって決まります。主な用途には、複雑なプログラミング、アルゴリズムの開発、戦略的な計画、解決策の段階的な改善があります。複数の関連する要件を考慮し、中間結果に戻る必要がある場合に特に役立ちます。
モデルの機能には、関数呼び出し、コードの実行、構造化された応答があります。コンテキストのキャッシュ、検索による裏付け、Google Maps、ウェブアドレスの内容の利用に対応し、バッチ処理も用意されています。データを分析し、次のツールを選び、結果をまとめる処理を組み立てられます。個々のツールを実際に利用できるかは、モデルを扱うメソッドによって決まります。
カードは、プレビュー版のgemini-3.1-pro-previewに関するものです。基盤はGemini 3 Proです。メーカーは、コマンドシェルやユーザー独自のツールを使う処理に向けたgemini-3.1-pro-preview-customtoolsも、別のバリエーションとして示しています。ツールを選ぶ際の優先順位や振る舞いの特徴は、通常のPreview版の特性ではありません。
モデルには、基盤となる系列の一般的な制限が残ります。応答に架空の情報を含めたり、個々のリクエストが遅く実行されたり、タイムアウトで終わったりする場合があります。複数段階の推論、大きなコンテキスト、データへのアクセスは、複雑なタスクを扱うのに役立ちますが、生成したすべての結論を検証済みの事実にするものではありません。
POST /v1/messagestext, imagetext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 gemini-3.1-pro-high | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string|content_block[] | 要件必須 | 値と制限 | デフォルト— |
フィールドsystem | 種類string|content_block[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 最小値: 1 制限の適用対象: 選択したモデル／カードに固有の正確な上限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop_sequences | 種類string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].name | 種類string | 要件任意 | 値と制限 適用条件: ツールの指定あり | デフォルト— |
フィールドtools[].description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].input_schema | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドthinking.type | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドthinking.budget_tokens | 種類integer | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドoutput_config.effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmetadata | 種類object | 要件任意 | 値と制限 | デフォルト— |
フィールドcache_control | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
テキスト · UTF8テキスト
messages[].contentまたはtype=textブロック
テキスト + 画像
{type:image,source:{type:base64,media_type,data}}またはtype=urlのソース
| パラメータ | 仕様 |
|---|---|
パラメータmaterial_types | 仕様text, image |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様null |
パラメータcontent_type | 仕様application/json |
パラメータtext_file_material | 仕様実際のUTF-8内容をテキストとして挿入します。ファイルID/URLsには別途、正確な対応が必要です |
ライフサイクル: exact retained published method
メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。
POST /v1/messages| リクエストサイズ、トークン数 | 入力 | 出力 | キャッシュ読み取り | キャッシュ書き込み | 5分キャッシュ | 1時間キャッシュ |
|---|---|---|---|---|---|---|
| リクエストサイズ、トークン数(0; 200,000] | 入力$0.002 | 出力$0.012 | キャッシュ読み取り$0.0002 | キャッシュ書き込み基本料金: — | 5分キャッシュ基本料金: — | 1時間キャッシュ基本料金: — |
| リクエストサイズ、トークン数(200,000; ∞) | 入力$0.004 | 出力$0.018 | キャッシュ読み取り$0.0004 | キャッシュ書き込み基本料金: — | 5分キャッシュ基本料金: — | 1時間キャッシュ基本料金: — |
料金は1KトークンあたりのUSDです。 料金が未設定の場合、このメソッドの基本料金を引き継ぎます。«—»は基本料金が未設定であることを示します。
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-pro-high", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-pro-high", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.1-pro-high",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.1-pro-high",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-3.1-pro-high',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njsonまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot gemini-3.1-pro-high
上記に表示されたメソッドパスを使用してください。
gemini-3.1-pro-high複雑なプログラミング、大量の素材の分析、ツールを使った精密な複数段階の作業に向けたGoogleのマルチモーダルモデルです。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Gemini 3.1 Pro Previewは、複雑な素材と、複数の判断を順に行う必要があるタスクに向けられています。Googleは、ソフトウェアエンジニアリング、ツールの利用、事実に関する応答の一貫性を特徴として挙げています。モデルは、大きなデータセット、ソフトウェアリポジトリ全体、テキストと視覚・音声素材を組み合わせたタスクの分析を支援します。
Googleの特性説明には、テキスト、画像、動画、音声、PDFが挙げられています。現在のAiloot APIのカタログで、テキストのメソッドに公表されているのは、入力のテキストと画像と、テキストの出力です。動画、音声、PDFは、この入力範囲には含まれません。長いコンテキストには入力1 048 576トークンまで、テキスト応答には出力65 536トークンまでが収まります。画像や音声の理解は、それらの生成を意味しません。このバージョンの出力はテキストです。
Thinkingにより、内部推論に追加の検討を割り当てられます。Googleが説明する基本モデルのモードでは、標準のレベルはhighで、low、medium、highを利用できます。これらの値はGoogleの基本モデルについての説明です。Ailoot APIでのモードと制御の利用可否は、選択したメソッドとモデルのバリエーションによって決まります。主な用途には、複雑なプログラミング、アルゴリズムの開発、戦略的な計画、解決策の段階的な改善があります。複数の関連する要件を考慮し、中間結果に戻る必要がある場合に特に役立ちます。
モデルの機能には、関数呼び出し、コードの実行、構造化された応答があります。コンテキストのキャッシュ、検索による裏付け、Google Maps、ウェブアドレスの内容の利用に対応し、バッチ処理も用意されています。データを分析し、次のツールを選び、結果をまとめる処理を組み立てられます。個々のツールを実際に利用できるかは、モデルを扱うメソッドによって決まります。
カードは、プレビュー版のgemini-3.1-pro-previewに関するものです。基盤はGemini 3 Proです。メーカーは、コマンドシェルやユーザー独自のツールを使う処理に向けたgemini-3.1-pro-preview-customtoolsも、別のバリエーションとして示しています。ツールを選ぶ際の優先順位や振る舞いの特徴は、通常のPreview版の特性ではありません。
モデルには、基盤となる系列の一般的な制限が残ります。応答に架空の情報を含めたり、個々のリクエストが遅く実行されたり、タイムアウトで終わったりする場合があります。複数段階の推論、大きなコンテキスト、データへのアクセスは、複雑なタスクを扱うのに役立ちますが、生成したすべての結論を検証済みの事実にするものではありません。
POST /v1beta/models/{model}:generateContenttext, imagetext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドpath.model | 種類string | 要件必須 | 値と制限 gemini-3.1-pro-high | デフォルト— |
フィールドcontents | 種類content[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドcontents[].role | 種類string | 要件任意 | 値と制限 user, model | デフォルト— |
フィールドcontents[].parts | 種類part[] | 要件必須 | 値と制限 | デフォルト— |
フィールドsystemInstruction | 種類content | 要件任意 | 値と制限 | デフォルト— |
フィールドgenerationConfig.maxOutputTokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドgenerationConfig.temperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドgenerationConfig.topP | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドgenerationConfig.topK | 種類integer | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドgenerationConfig.stopSequences | 種類string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドgenerationConfig.thinkingConfig.includeThoughts | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドgenerationConfig.thinkingConfig.thinkingBudget | 種類integer | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].functionDeclarations | 種類function_declaration[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtoolConfig.functionCallingConfig.mode | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドsafetySettings | 種類object[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドsessionId | 種類string | 要件任意 | 値と制限 | デフォルト— |
テキスト · UTF8テキスト
contents[].parts[].text
テキスト + 画像
parts[].inlineData={mimeType,data}
| パラメータ | 仕様 |
|---|---|
パラメータmaterial_types | 仕様text, image |
パラメータrequired | 仕様contents |
パラメータoptional_controls | 仕様null |
パラメータcontent_type | 仕様application/json |
パラメータtext_file_material | 仕様実際のUTF-8内容をテキストとして挿入します。ファイルID/URLsには別途、正確な対応が必要です |
ライフサイクル: exact retained published method
メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。
POST /v1beta/models/{model}:generateContent| リクエストサイズ、トークン数 | 入力 | 出力 | キャッシュ読み取り | キャッシュ書き込み | 5分キャッシュ | 1時間キャッシュ |
|---|---|---|---|---|---|---|
| リクエストサイズ、トークン数(0; 200,000] | 入力$0.002 | 出力$0.012 | キャッシュ読み取り$0.0002 | キャッシュ書き込み基本料金: — | 5分キャッシュ基本料金: — | 1時間キャッシュ基本料金: — |
| リクエストサイズ、トークン数(200,000; ∞) | 入力$0.004 | 出力$0.018 | キャッシュ読み取り$0.0004 | キャッシュ書き込み基本料金: — | 5分キャッシュ基本料金: — | 1時間キャッシュ基本料金: — |
料金は1KトークンあたりのUSDです。 料金が未設定の場合、このメソッドの基本料金を引き継ぎます。«—»は基本料金が未設定であることを示します。
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-high:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-high:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.1-pro-high", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.1-pro-high", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.1-pro-high',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njsonまたは対応するストリーミング
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
関数呼び出し、思考署名、使用量を含む、すべての候補とパートを保持してください。ストリームのチャンクを順番に組み立てます。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドresponseId | 種類string |
フィールドmodelVersion | 種類string |
フィールドcandidates[].content.parts[] | 種類text|inlineData|functionCall|other part |
フィールドcandidates[].finishReason | 種類string |
フィールドusageMetadata | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot gemini-3.1-pro-high
上記に表示されたメソッドパスを使用してください。
英語の技術例
Plan a dependency-constrained move\n\nA lab move has these constraints: archive samples before unplugging the freezer; test the backup freezer before moving samples; restore temperature monitoring before accepting new samples. Staff propose unplugging first to save time. Produce an ordered checklist, flag the unsafe proposed step and specify evidence needed before accepting new samples. Use only the supplied constraints.An ordered checklist, one identified conflict and an acceptance-evidence item.The checklist must place backup testing and sample protection before unplugging and monitoring before intake.