Gemma 3 4B IT は、Google の Gemma 3 視覚言語ファミリーに属する、指示調整済みの 4B サイズのエディションです。IT は、追加学習の基盤となる事前学習済みチェックポイントではなく、ユーザーの指示や会話ターンに従うよう調整された版を示します。テキストと画像を受け取り、回答、要約、説明、草案、コードなどのテキストを生成します。視覚入力では、提供された画像や文書ページについて質問できます。出力は、新しく生成した画像ではありません。
モデルカードは、4B エディションに、リクエストと生成回答で共有する 128K トークンのコンテキストを割り当てています。残りの出力枠は、全コンテキストから入力を引いたものであり、独立した追加の 128K 出力予算ではありません。基本の画像処理では、画像を 896×896 に正規化し、各ビューを 256 の視覚トークンに符号化します。焦点の合ったアシスタントには、関係するメモや画像、明確な質問一つ、簡潔な期待結果を渡します。抽出された名称、日付、ラベルを確認できるよう、元のテキストを回答と共に保持してください。
ファミリーの学習資料には、140 を超える言語のウェブテキスト、コード、数学、画像が含まれます。メーカーは、4B モデルの事前学習トークン数を四兆と報告しています。技術報告書は、事前学習と指示調整での蒸留、その後の強化学習を使った追加学習により、有用性、推論、コード、数学、指示追従を改善したと説明しています。これらは、このサイズとファミリーの学習上の特徴であり、全ての回答が正しいことや、別の Gemma チェックポイントが同じように動作することの保証ではありません。
アーキテクチャは、grouped-query attention を使うデコーダー専用トランスフォーマーで、グローバル注意の各層に対して五つのローカル注意層を組み合わせています。ローカル注意は 1,024 トークンを対象とし、グローバル層がより広いコンテキストを扱います。共有の SigLIP 視覚エンコーダーが、画像情報を言語モデルへの入力に変換します。トークナイザーは SentencePiece を基盤とし、数字の分割、空白の保持、バイトレベルの符号化を行います。長い入力を計画するときは実際のトークナイザーでトークン数を数え、意味を持つコードの字下げや識別子を保ちます。
報告書は、単純な正方形へのリサイズでは形状や詳細が保たれない画像に対し、Pan and Scan を説明しています。視覚エンコーダー用にリサイズする、互いに重ならない追加のビューを作成できます。この処理には、入力と計算上の影響があります。小さなラベルを含むスクリーンショットでは、小さい全画面画像に頼らず、注目する領域を指定して読み取れるビューを提供します。複数の画像では役割にラベルを付け、正しい出典と結び付けた回答を求めてください。
メーカーのネイティブな IT 会話形式は、user と model のターンを使い、ターンの境界を明示します。独立したネイティブ system ロールには対応しません。役割や書式の指示は、最初のユーザープロンプトに置きます。IT チェックポイントを単なるテキスト補完として扱わず、対応するフォーマッターやプロセッサーを使ってください。サポート用メモでは、読者、残す事実、文体を示し、短い返信と未解決の質問を求められます。視覚情報の抽出では、フィールドと読み取れない値の表現を定めます。
Gemma の想定用途には、文章作成、要約、対話支援、画像データの抽出、教育目的の探究があります。範囲を絞った 4B ワークフローでは、サービスのメモを行動一覧に変えたり、見える図を説明したり、提供した文章について回答したりできます。名前を示した要素と結び付いた説明や、出典で裏付けられたフィールドを持つ小さな記録など、確認しやすい結果を求めます。ツール検索やコード実行は周囲のアプリケーションが担います。ツール操作の形をした指示を生成することと、外部操作を完了することは別です。
メーカーは、学習範囲、言語のニュアンス、事実の誤り、自由度の高いタスクの複雑さに由来する限界を挙げています。Google は、もっともらしい言語パターンであっても、日常の現実世界の制約を見落とす回答になり得ると注意しています。画像のリサイズで重要な詳細が失われる場合もあり、長いコンテキストでも、指定の不十分な質問は明確になりません。元資料と結果を比較し、指定した構造化フィールドを検証して、計算やコード案を独立に確認してください。この正確な 4B IT モデルを、タスクで使う実際の言語と文書の種類で評価します。記録時は、サイズ、IT という特性、処理設定を、12B、27B や新しい Gemma バリアントと区別します。
", "aboutText": "Gemma 3 4B IT は、Google の Gemma 3 視覚言語ファミリーに属する、指示調整済みの 4B サイズのエディションです。IT は、追加学習の基盤となる事前学習済みチェックポイントではなく、ユーザーの指示や会話ターンに従うよう調整された版を示します。テキストと画像を受け取り、回答、要約、説明、草案、コードなどのテキストを生成します。視覚入力では、提供された画像や文書ページについて質問できます。出力は、新しく生成した画像ではありません。\n\nモデルカードは、4B エディションに、リクエストと生成回答で共有する 128K トークンのコンテキストを割り当てています。残りの出力枠は、全コンテキストから入力を引いたものであり、独立した追加の 128K 出力予算ではありません。基本の画像処理では、画像を 896×896 に正規化し、各ビューを 256 の視覚トークンに符号化します。焦点の合ったアシスタントには、関係するメモや画像、明確な質問一つ、簡潔な期待結果を渡します。抽出された名称、日付、ラベルを確認できるよう、元のテキストを回答と共に保持してください。\n\nファミリーの学習資料には、140 を超える言語のウェブテキスト、コード、数学、画像が含まれます。メーカーは、4B モデルの事前学習トークン数を四兆と報告しています。技術報告書は、事前学習と指示調整での蒸留、その後の強化学習を使った追加学習により、有用性、推論、コード、数学、指示追従を改善したと説明しています。これらは、このサイズとファミリーの学習上の特徴であり、全ての回答が正しいことや、別の Gemma チェックポイントが同じように動作することの保証ではありません。\n\nアーキテクチャは、grouped-query attention を使うデコーダー専用トランスフォーマーで、グローバル注意の各層に対して五つのローカル注意層を組み合わせています。ローカル注意は 1,024 トークンを対象とし、グローバル層がより広いコンテキストを扱います。共有の SigLIP 視覚エンコーダーが、画像情報を言語モデルへの入力に変換します。トークナイザーは SentencePiece を基盤とし、数字の分割、空白の保持、バイトレベルの符号化を行います。長い入力を計画するときは実際のトークナイザーでトークン数を数え、意味を持つコードの字下げや識別子を保ちます。\n\n報告書は、単純な正方形へのリサイズでは形状や詳細が保たれない画像に対し、Pan and Scan を説明しています。視覚エンコーダー用にリサイズする、互いに重ならない追加のビューを作成できます。この処理には、入力と計算上の影響があります。小さなラベルを含むスクリーンショットでは、小さい全画面画像に頼らず、注目する領域を指定して読み取れるビューを提供します。複数の画像では役割にラベルを付け、正しい出典と結び付けた回答を求めてください。\n\nメーカーのネイティブな IT 会話形式は、user と model のターンを使い、ターンの境界を明示します。独立したネイティブ system ロールには対応しません。役割や書式の指示は、最初のユーザープロンプトに置きます。IT チェックポイントを単なるテキスト補完として扱わず、対応するフォーマッターやプロセッサーを使ってください。サポート用メモでは、読者、残す事実、文体を示し、短い返信と未解決の質問を求められます。視覚情報の抽出では、フィールドと読み取れない値の表現を定めます。\n\nGemma の想定用途には、文章作成、要約、対話支援、画像データの抽出、教育目的の探究があります。範囲を絞った 4B ワークフローでは、サービスのメモを行動一覧に変えたり、見える図を説明したり、提供した文章について回答したりできます。名前を示した要素と結び付いた説明や、出典で裏付けられたフィールドを持つ小さな記録など、確認しやすい結果を求めます。ツール検索やコード実行は周囲のアプリケーションが担います。ツール操作の形をした指示を生成することと、外部操作を完了することは別です。\n\nメーカーは、学習範囲、言語のニュアンス、事実の誤り、自由度の高いタスクの複雑さに由来する限界を挙げています。Google は、もっともらしい言語パターンであっても、日常の現実世界の制約を見落とす回答になり得ると注意しています。画像のリサイズで重要な詳細が失われる場合もあり、長いコンテキストでも、指定の不十分な質問は明確になりません。元資料と結果を比較し、指定した構造化フィールドを検証して、計算やコード案を独立に確認してください。この正確な 4B IT モデルを、タスクで使う実際の言語と文書の種類で評価します。記録時は、サイズ、IT という特性、処理設定を、12B、27B や新しい Gemma バリアントと区別します。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
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は、Googleの指示調整された4B規模のテキスト・画像モデルです。共有される128Kのコンテキストと、ファミリーによる140を超える言語への対応により、質問、要約、文章作成、視覚分析のためのテキストを生成します。
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。
Gemma 3 4B IT は、Google の Gemma 3 視覚言語ファミリーに属する、指示調整済みの 4B サイズのエディションです。IT は、追加学習の基盤となる事前学習済みチェックポイントではなく、ユーザーの指示や会話ターンに従うよう調整された版を示します。テキストと画像を受け取り、回答、要約、説明、草案、コードなどのテキストを生成します。視覚入力では、提供された画像や文書ページについて質問できます。出力は、新しく生成した画像ではありません。
モデルカードは、4B エディションに、リクエストと生成回答で共有する 128K トークンのコンテキストを割り当てています。残りの出力枠は、全コンテキストから入力を引いたものであり、独立した追加の 128K 出力予算ではありません。基本の画像処理では、画像を 896×896 に正規化し、各ビューを 256 の視覚トークンに符号化します。焦点の合ったアシスタントには、関係するメモや画像、明確な質問一つ、簡潔な期待結果を渡します。抽出された名称、日付、ラベルを確認できるよう、元のテキストを回答と共に保持してください。
ファミリーの学習資料には、140 を超える言語のウェブテキスト、コード、数学、画像が含まれます。メーカーは、4B モデルの事前学習トークン数を四兆と報告しています。技術報告書は、事前学習と指示調整での蒸留、その後の強化学習を使った追加学習により、有用性、推論、コード、数学、指示追従を改善したと説明しています。これらは、このサイズとファミリーの学習上の特徴であり、全ての回答が正しいことや、別の Gemma チェックポイントが同じように動作することの保証ではありません。
アーキテクチャは、grouped-query attention を使うデコーダー専用トランスフォーマーで、グローバル注意の各層に対して五つのローカル注意層を組み合わせています。ローカル注意は 1,024 トークンを対象とし、グローバル層がより広いコンテキストを扱います。共有の SigLIP 視覚エンコーダーが、画像情報を言語モデルへの入力に変換します。トークナイザーは SentencePiece を基盤とし、数字の分割、空白の保持、バイトレベルの符号化を行います。長い入力を計画するときは実際のトークナイザーでトークン数を数え、意味を持つコードの字下げや識別子を保ちます。
報告書は、単純な正方形へのリサイズでは形状や詳細が保たれない画像に対し、Pan and Scan を説明しています。視覚エンコーダー用にリサイズする、互いに重ならない追加のビューを作成できます。この処理には、入力と計算上の影響があります。小さなラベルを含むスクリーンショットでは、小さい全画面画像に頼らず、注目する領域を指定して読み取れるビューを提供します。複数の画像では役割にラベルを付け、正しい出典と結び付けた回答を求めてください。
メーカーのネイティブな IT 会話形式は、user と model のターンを使い、ターンの境界を明示します。独立したネイティブ system ロールには対応しません。役割や書式の指示は、最初のユーザープロンプトに置きます。IT チェックポイントを単なるテキスト補完として扱わず、対応するフォーマッターやプロセッサーを使ってください。サポート用メモでは、読者、残す事実、文体を示し、短い返信と未解決の質問を求められます。視覚情報の抽出では、フィールドと読み取れない値の表現を定めます。
Gemma の想定用途には、文章作成、要約、対話支援、画像データの抽出、教育目的の探究があります。範囲を絞った 4B ワークフローでは、サービスのメモを行動一覧に変えたり、見える図を説明したり、提供した文章について回答したりできます。名前を示した要素と結び付いた説明や、出典で裏付けられたフィールドを持つ小さな記録など、確認しやすい結果を求めます。ツール検索やコード実行は周囲のアプリケーションが担います。ツール操作の形をした指示を生成することと、外部操作を完了することは別です。
メーカーは、学習範囲、言語のニュアンス、事実の誤り、自由度の高いタスクの複雑さに由来する限界を挙げています。Google は、もっともらしい言語パターンであっても、日常の現実世界の制約を見落とす回答になり得ると注意しています。画像のリサイズで重要な詳細が失われる場合もあり、長いコンテキストでも、指定の不十分な質問は明確になりません。元資料と結果を比較し、指定した構造化フィールドを検証して、計算やコード案を独立に確認してください。この正確な 4B IT モデルを、タスクで使う実際の言語と文書の種類で評価します。記録時は、サイズ、IT という特性、処理設定を、12B、27B や新しい Gemma バリアントと区別します。
POST /v1/chat/completionstexttext| 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 google/gemma-3-4b-it | 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 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 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max_completion_tokens | 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stream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 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 | 種類string|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function_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[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 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string|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parallel_tool_calls | 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response_format | 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reasoning_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reasoning | 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service_tier | 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instructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|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prompt_cache_options | 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modalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0001 / 1K トークン 出力 · 出力トークン $0.0002 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0001 / 1K トークン 出力 · 出力トークン $0.0002 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\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。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
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choices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_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 Ultra google/gemma-3-4b-it
上記に表示されたメソッドパスを使用してください。
google/gemma-3-4b-itGemma 3 4B ITは、Googleの指示調整された4B規模のテキスト・画像モデルです。共有される128Kのコンテキストと、ファミリーによる140を超える言語への対応により、質問、要約、文章作成、視覚分析のためのテキストを生成します。
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。
Gemma 3 4B IT は、Google の Gemma 3 視覚言語ファミリーに属する、指示調整済みの 4B サイズのエディションです。IT は、追加学習の基盤となる事前学習済みチェックポイントではなく、ユーザーの指示や会話ターンに従うよう調整された版を示します。テキストと画像を受け取り、回答、要約、説明、草案、コードなどのテキストを生成します。視覚入力では、提供された画像や文書ページについて質問できます。出力は、新しく生成した画像ではありません。
モデルカードは、4B エディションに、リクエストと生成回答で共有する 128K トークンのコンテキストを割り当てています。残りの出力枠は、全コンテキストから入力を引いたものであり、独立した追加の 128K 出力予算ではありません。基本の画像処理では、画像を 896×896 に正規化し、各ビューを 256 の視覚トークンに符号化します。焦点の合ったアシスタントには、関係するメモや画像、明確な質問一つ、簡潔な期待結果を渡します。抽出された名称、日付、ラベルを確認できるよう、元のテキストを回答と共に保持してください。
ファミリーの学習資料には、140 を超える言語のウェブテキスト、コード、数学、画像が含まれます。メーカーは、4B モデルの事前学習トークン数を四兆と報告しています。技術報告書は、事前学習と指示調整での蒸留、その後の強化学習を使った追加学習により、有用性、推論、コード、数学、指示追従を改善したと説明しています。これらは、このサイズとファミリーの学習上の特徴であり、全ての回答が正しいことや、別の Gemma チェックポイントが同じように動作することの保証ではありません。
アーキテクチャは、grouped-query attention を使うデコーダー専用トランスフォーマーで、グローバル注意の各層に対して五つのローカル注意層を組み合わせています。ローカル注意は 1,024 トークンを対象とし、グローバル層がより広いコンテキストを扱います。共有の SigLIP 視覚エンコーダーが、画像情報を言語モデルへの入力に変換します。トークナイザーは SentencePiece を基盤とし、数字の分割、空白の保持、バイトレベルの符号化を行います。長い入力を計画するときは実際のトークナイザーでトークン数を数え、意味を持つコードの字下げや識別子を保ちます。
報告書は、単純な正方形へのリサイズでは形状や詳細が保たれない画像に対し、Pan and Scan を説明しています。視覚エンコーダー用にリサイズする、互いに重ならない追加のビューを作成できます。この処理には、入力と計算上の影響があります。小さなラベルを含むスクリーンショットでは、小さい全画面画像に頼らず、注目する領域を指定して読み取れるビューを提供します。複数の画像では役割にラベルを付け、正しい出典と結び付けた回答を求めてください。
メーカーのネイティブな IT 会話形式は、user と model のターンを使い、ターンの境界を明示します。独立したネイティブ system ロールには対応しません。役割や書式の指示は、最初のユーザープロンプトに置きます。IT チェックポイントを単なるテキスト補完として扱わず、対応するフォーマッターやプロセッサーを使ってください。サポート用メモでは、読者、残す事実、文体を示し、短い返信と未解決の質問を求められます。視覚情報の抽出では、フィールドと読み取れない値の表現を定めます。
Gemma の想定用途には、文章作成、要約、対話支援、画像データの抽出、教育目的の探究があります。範囲を絞った 4B ワークフローでは、サービスのメモを行動一覧に変えたり、見える図を説明したり、提供した文章について回答したりできます。名前を示した要素と結び付いた説明や、出典で裏付けられたフィールドを持つ小さな記録など、確認しやすい結果を求めます。ツール検索やコード実行は周囲のアプリケーションが担います。ツール操作の形をした指示を生成することと、外部操作を完了することは別です。
メーカーは、学習範囲、言語のニュアンス、事実の誤り、自由度の高いタスクの複雑さに由来する限界を挙げています。Google は、もっともらしい言語パターンであっても、日常の現実世界の制約を見落とす回答になり得ると注意しています。画像のリサイズで重要な詳細が失われる場合もあり、長いコンテキストでも、指定の不十分な質問は明確になりません。元資料と結果を比較し、指定した構造化フィールドを検証して、計算やコード案を独立に確認してください。この正確な 4B IT モデルを、タスクで使う実際の言語と文書の種類で評価します。記録時は、サイズ、IT という特性、処理設定を、12B、27B や新しい Gemma バリアントと区別します。
POST /v1/messagestextjson, sse| 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 google/gemma-3-4b-it | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | 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 | 要件必須 | 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 | 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 |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0001 / 1K トークン 出力 · 出力トークン $0.0002 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0001 / 1K トークン 出力 · 出力トークン $0.0002 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "google/gemma-3-4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 Ultra google/gemma-3-4b-it
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
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.