Gemini 3.5 Flash는 지속적인 코딩과 에이전트 작업을 위한 Google의 멀티모달 Flash 모델 프로필입니다. 문서화된 입력은 텍스트, 이미지, 비디오, 오디오, PDF이며 출력은 텍스트입니다. 모델이 중점을 두는 과제에는 반복적인 코딩, 대안 탐색, 더 긴 지시 및 도구 사용 순서가 포함됩니다. 3.5 에디션은 문서화된 thinking 제어, 멀티모달 입력, 도구 워크플로를 제공합니다.
코딩 과제는 서면 요구 사항, 관련 소스 파일, 의도한 결과의 스크린샷을 결합할 수 있습니다. 관찰한 동작, 기대하는 동작, 유지해야 할 제약을 제공하세요. 예시 지시문은 다음과 같습니다. “스크린샷과 컴포넌트 텍스트를 비교해 폼 워크플로의 불일치를 찾고 집중적인 수정 하나를 제안하세요. 어떤 소스 세부 사항이 그 변경을 정당화하는지 설명하세요.” 문서 과제에는 관련 페이지를 제공하고 각 판단의 출처 참조와 함께 명시적 요구 사항과 비교하도록 요청하세요.
이 에디션은 minimal, low, medium, high thinking 수준을 문서화합니다. 기본값은 medium으로, Gemini 3 Flash Preview의 기본값인 high에서 바뀌었습니다. minimal은 추론이 완전히 비활성화된다고 보장하지 않으면서 단순 답변과 간단한 도구 결정을 지원합니다. low는 더 적은 단계가 필요한 과제를 겨냥하고 high는 어려운 수학, 코딩, 에이전트 문제에 더 깊은 추론을 제공합니다. Google은 노력 수준 제어에 thinking_level을 사용하고 temperature, top-p, top-k를 바꿔 추론을 강제하려 하기보다 기본 샘플링 설정을 유지할 것을 권장합니다.
여러 턴의 과제에 걸쳐 추론 맥락을 보존하는 것이 핵심 동작입니다. Google의 Interactions 워크플로는 이 맥락을 자동으로 전달하고 GenerateContent 워크플로는 thought signature를 포함한 전체 대화 이력을 변경 없이 전달해야 합니다. 이는 이전 추론이 다음 단계에 반영되는 지속적인 디버깅이나 리팩터링 과제를 지원합니다. 각 후속 요청을 무관한 프롬프트로 바꾸지 말고 실제 대화 구조를 보존하며, 작업이 진행되어도 요청하는 최종 결과물을 명확히 유지하세요.
문서화된 도구 모음에는 Google Search, Google Maps 그라운딩, File Search, Code Execution, URL Context, 표준 Function Calling이 포함되며 복합 도구 사용과 Computer Use는 프리뷰 기능으로 표시됩니다. Structured Outputs는 정의된 데이터 기록을 제공할 수 있습니다. 함수에 명확한 목적과 매개변수 정의를 제공하세요. 모델은 함수를 선택하고 연결된 애플리케이션은 작업을 수행해 결과를 반환합니다. Google은 함수 결과가 앞선 호출과 식별자, 이름, 개수로 일치해야 하며 멀티모달 결과는 함수 응답 안에 넣어야 한다고 요구합니다.
정확한 API 모델 표는 최대 입력 1,048,576 토큰, 최대 출력 65,536 토큰을 제공합니다. 대화 이력과 제공된 미디어는 입력 예산에 포함됩니다. 이 프로필에는 캐싱과 배치 처리가 문서화되어 있으며 Google 표에는 Flex와 Priority 처리 옵션도 있습니다. 이런 한도와 기능은 제작사 에디션을 설명하며, 답변이 전체 출력 창을 채워야 하거나 모든 과제에 모든 도구가 필요하다는 뜻은 아닙니다.
이 프로필은 이미지나 오디오가 아니라 텍스트를 생성하며 Live API를 사용하지 않습니다. 개발자 가이드는 이미지 분할도 제외합니다. 시각 질문에는 제공된 자료의 설명, 추출, 해석을 요청하고 녹음에는 텍스트 결과를 요청하세요. 답변이 더 최신 정보에 의존하면 문서화된 검색 그라운딩 워크플로를 통해 학습 지식 밖의 출처를 추가할 수 있습니다. 외부 정보가 필요한지, 최종 답변에 어떤 증거를 유지해야 하는지 밝히세요.
유용한 장기 과제를 위해 첫 단계 전에 최종 결과와 완료 기준을 정의하세요. 지원 분석 과제는 관찰된 문제, 뒷받침하는 구절, 답변 제안을 담은 표를 요청할 수 있습니다. 코딩 과제는 집중적인 변경과 관련 검증 결과를 요구할 수 있습니다. 중요한 출처 맥락을 첨부하고 허용되는 도구 행동을 지정하며, 완료한 작업과 추가 정보가 필요한 질문을 구분하는 명시적인 최종 답변을 요청하세요. 이렇게 하면 모델의 지속적인 워크플로가 구체적인 텍스트, 코드 또는 구조화된 결과물로 이어집니다.
", "aboutText": "Gemini 3.5 Flash는 지속적인 코딩과 에이전트 작업을 위한 Google의 멀티모달 Flash 모델 프로필입니다. 문서화된 입력은 텍스트, 이미지, 비디오, 오디오, PDF이며 출력은 텍스트입니다. 모델이 중점을 두는 과제에는 반복적인 코딩, 대안 탐색, 더 긴 지시 및 도구 사용 순서가 포함됩니다. 3.5 에디션은 문서화된 thinking 제어, 멀티모달 입력, 도구 워크플로를 제공합니다.\n\n코딩 과제는 서면 요구 사항, 관련 소스 파일, 의도한 결과의 스크린샷을 결합할 수 있습니다. 관찰한 동작, 기대하는 동작, 유지해야 할 제약을 제공하세요. 예시 지시문은 다음과 같습니다. “스크린샷과 컴포넌트 텍스트를 비교해 폼 워크플로의 불일치를 찾고 집중적인 수정 하나를 제안하세요. 어떤 소스 세부 사항이 그 변경을 정당화하는지 설명하세요.” 문서 과제에는 관련 페이지를 제공하고 각 판단의 출처 참조와 함께 명시적 요구 사항과 비교하도록 요청하세요.\n\n이 에디션은 minimal, low, medium, high thinking 수준을 문서화합니다. 기본값은 medium으로, Gemini 3 Flash Preview의 기본값인 high에서 바뀌었습니다. minimal은 추론이 완전히 비활성화된다고 보장하지 않으면서 단순 답변과 간단한 도구 결정을 지원합니다. low는 더 적은 단계가 필요한 과제를 겨냥하고 high는 어려운 수학, 코딩, 에이전트 문제에 더 깊은 추론을 제공합니다. Google은 노력 수준 제어에 thinking_level을 사용하고 temperature, top-p, top-k를 바꿔 추론을 강제하려 하기보다 기본 샘플링 설정을 유지할 것을 권장합니다.\n\n여러 턴의 과제에 걸쳐 추론 맥락을 보존하는 것이 핵심 동작입니다. Google의 Interactions 워크플로는 이 맥락을 자동으로 전달하고 GenerateContent 워크플로는 thought signature를 포함한 전체 대화 이력을 변경 없이 전달해야 합니다. 이는 이전 추론이 다음 단계에 반영되는 지속적인 디버깅이나 리팩터링 과제를 지원합니다. 각 후속 요청을 무관한 프롬프트로 바꾸지 말고 실제 대화 구조를 보존하며, 작업이 진행되어도 요청하는 최종 결과물을 명확히 유지하세요.\n\n문서화된 도구 모음에는 Google Search, Google Maps 그라운딩, File Search, Code Execution, URL Context, 표준 Function Calling이 포함되며 복합 도구 사용과 Computer Use는 프리뷰 기능으로 표시됩니다. Structured Outputs는 정의된 데이터 기록을 제공할 수 있습니다. 함수에 명확한 목적과 매개변수 정의를 제공하세요. 모델은 함수를 선택하고 연결된 애플리케이션은 작업을 수행해 결과를 반환합니다. Google은 함수 결과가 앞선 호출과 식별자, 이름, 개수로 일치해야 하며 멀티모달 결과는 함수 응답 안에 넣어야 한다고 요구합니다.\n\n정확한 API 모델 표는 최대 입력 1,048,576 토큰, 최대 출력 65,536 토큰을 제공합니다. 대화 이력과 제공된 미디어는 입력 예산에 포함됩니다. 이 프로필에는 캐싱과 배치 처리가 문서화되어 있으며 Google 표에는 Flex와 Priority 처리 옵션도 있습니다. 이런 한도와 기능은 제작사 에디션을 설명하며, 답변이 전체 출력 창을 채워야 하거나 모든 과제에 모든 도구가 필요하다는 뜻은 아닙니다.\n\n이 프로필은 이미지나 오디오가 아니라 텍스트를 생성하며 Live API를 사용하지 않습니다. 개발자 가이드는 이미지 분할도 제외합니다. 시각 질문에는 제공된 자료의 설명, 추출, 해석을 요청하고 녹음에는 텍스트 결과를 요청하세요. 답변이 더 최신 정보에 의존하면 문서화된 검색 그라운딩 워크플로를 통해 학습 지식 밖의 출처를 추가할 수 있습니다. 외부 정보가 필요한지, 최종 답변에 어떤 증거를 유지해야 하는지 밝히세요.\n\n유용한 장기 과제를 위해 첫 단계 전에 최종 결과와 완료 기준을 정의하세요. 지원 분석 과제는 관찰된 문제, 뒷받침하는 구절, 답변 제안을 담은 표를 요청할 수 있습니다. 코딩 과제는 집중적인 변경과 관련 검증 결과를 요구할 수 있습니다. 중요한 출처 맥락을 첨부하고 허용되는 도구 행동을 지정하며, 완료한 작업과 추가 정보가 필요한 질문을 구분하는 명시적인 최종 답변을 요청하세요. 이렇게 하면 모델의 지속적인 워크플로가 구체적인 텍스트, 코드 또는 구조화된 결과물로 이어집니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bd9c513911540f0f7302b063816a7f89e5b49d09c2cb56e58b6717c1df4f1592", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "gemini-3.5-flash-thinkingGemini 3.5 Flash는 코딩 및 다단계 에이전트 과제를 위해 멀티모달 이해와 추론을 결합합니다. 텍스트, 이미지, 비디오, 오디오, PDF를 입력받아 텍스트를 생성하며, 문서화된 프로필에 구조화된 출력, 도구, 1,048,576 토큰 입력 한도가 포함됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash는 지속적인 코딩과 에이전트 작업을 위한 Google의 멀티모달 Flash 모델 프로필입니다. 문서화된 입력은 텍스트, 이미지, 비디오, 오디오, PDF이며 출력은 텍스트입니다. 모델이 중점을 두는 과제에는 반복적인 코딩, 대안 탐색, 더 긴 지시 및 도구 사용 순서가 포함됩니다. 3.5 에디션은 문서화된 thinking 제어, 멀티모달 입력, 도구 워크플로를 제공합니다.
코딩 과제는 서면 요구 사항, 관련 소스 파일, 의도한 결과의 스크린샷을 결합할 수 있습니다. 관찰한 동작, 기대하는 동작, 유지해야 할 제약을 제공하세요. 예시 지시문은 다음과 같습니다. “스크린샷과 컴포넌트 텍스트를 비교해 폼 워크플로의 불일치를 찾고 집중적인 수정 하나를 제안하세요. 어떤 소스 세부 사항이 그 변경을 정당화하는지 설명하세요.” 문서 과제에는 관련 페이지를 제공하고 각 판단의 출처 참조와 함께 명시적 요구 사항과 비교하도록 요청하세요.
이 에디션은 minimal, low, medium, high thinking 수준을 문서화합니다. 기본값은 medium으로, Gemini 3 Flash Preview의 기본값인 high에서 바뀌었습니다. minimal은 추론이 완전히 비활성화된다고 보장하지 않으면서 단순 답변과 간단한 도구 결정을 지원합니다. low는 더 적은 단계가 필요한 과제를 겨냥하고 high는 어려운 수학, 코딩, 에이전트 문제에 더 깊은 추론을 제공합니다. Google은 노력 수준 제어에 thinking_level을 사용하고 temperature, top-p, top-k를 바꿔 추론을 강제하려 하기보다 기본 샘플링 설정을 유지할 것을 권장합니다.
여러 턴의 과제에 걸쳐 추론 맥락을 보존하는 것이 핵심 동작입니다. Google의 Interactions 워크플로는 이 맥락을 자동으로 전달하고 GenerateContent 워크플로는 thought signature를 포함한 전체 대화 이력을 변경 없이 전달해야 합니다. 이는 이전 추론이 다음 단계에 반영되는 지속적인 디버깅이나 리팩터링 과제를 지원합니다. 각 후속 요청을 무관한 프롬프트로 바꾸지 말고 실제 대화 구조를 보존하며, 작업이 진행되어도 요청하는 최종 결과물을 명확히 유지하세요.
문서화된 도구 모음에는 Google Search, Google Maps 그라운딩, File Search, Code Execution, URL Context, 표준 Function Calling이 포함되며 복합 도구 사용과 Computer Use는 프리뷰 기능으로 표시됩니다. Structured Outputs는 정의된 데이터 기록을 제공할 수 있습니다. 함수에 명확한 목적과 매개변수 정의를 제공하세요. 모델은 함수를 선택하고 연결된 애플리케이션은 작업을 수행해 결과를 반환합니다. Google은 함수 결과가 앞선 호출과 식별자, 이름, 개수로 일치해야 하며 멀티모달 결과는 함수 응답 안에 넣어야 한다고 요구합니다.
정확한 API 모델 표는 최대 입력 1,048,576 토큰, 최대 출력 65,536 토큰을 제공합니다. 대화 이력과 제공된 미디어는 입력 예산에 포함됩니다. 이 프로필에는 캐싱과 배치 처리가 문서화되어 있으며 Google 표에는 Flex와 Priority 처리 옵션도 있습니다. 이런 한도와 기능은 제작사 에디션을 설명하며, 답변이 전체 출력 창을 채워야 하거나 모든 과제에 모든 도구가 필요하다는 뜻은 아닙니다.
이 프로필은 이미지나 오디오가 아니라 텍스트를 생성하며 Live API를 사용하지 않습니다. 개발자 가이드는 이미지 분할도 제외합니다. 시각 질문에는 제공된 자료의 설명, 추출, 해석을 요청하고 녹음에는 텍스트 결과를 요청하세요. 답변이 더 최신 정보에 의존하면 문서화된 검색 그라운딩 워크플로를 통해 학습 지식 밖의 출처를 추가할 수 있습니다. 외부 정보가 필요한지, 최종 답변에 어떤 증거를 유지해야 하는지 밝히세요.
유용한 장기 과제를 위해 첫 단계 전에 최종 결과와 완료 기준을 정의하세요. 지원 분석 과제는 관찰된 문제, 뒷받침하는 구절, 답변 제안을 담은 표를 요청할 수 있습니다. 코딩 과제는 집중적인 변경과 관련 검증 결과를 요구할 수 있습니다. 중요한 출처 맥락을 첨부하고 허용되는 도구 행동을 지정하며, 완료한 작업과 추가 정보가 필요한 질문을 구분하는 명시적인 최종 답변을 요청하세요. 이렇게 하면 모델의 지속적인 워크플로가 구체적인 텍스트, 코드 또는 구조화된 결과물로 이어집니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-3.5-flash-thinking | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.018 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.5-flash-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="gemini-3.5-flash-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra gemini-3.5-flash-thinking
/chat/completions
gemini-3.5-flash-thinkingGemini 3.5 Flash는 코딩 및 다단계 에이전트 과제를 위해 멀티모달 이해와 추론을 결합합니다. 텍스트, 이미지, 비디오, 오디오, PDF를 입력받아 텍스트를 생성하며, 문서화된 프로필에 구조화된 출력, 도구, 1,048,576 토큰 입력 한도가 포함됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash는 지속적인 코딩과 에이전트 작업을 위한 Google의 멀티모달 Flash 모델 프로필입니다. 문서화된 입력은 텍스트, 이미지, 비디오, 오디오, PDF이며 출력은 텍스트입니다. 모델이 중점을 두는 과제에는 반복적인 코딩, 대안 탐색, 더 긴 지시 및 도구 사용 순서가 포함됩니다. 3.5 에디션은 문서화된 thinking 제어, 멀티모달 입력, 도구 워크플로를 제공합니다.
코딩 과제는 서면 요구 사항, 관련 소스 파일, 의도한 결과의 스크린샷을 결합할 수 있습니다. 관찰한 동작, 기대하는 동작, 유지해야 할 제약을 제공하세요. 예시 지시문은 다음과 같습니다. “스크린샷과 컴포넌트 텍스트를 비교해 폼 워크플로의 불일치를 찾고 집중적인 수정 하나를 제안하세요. 어떤 소스 세부 사항이 그 변경을 정당화하는지 설명하세요.” 문서 과제에는 관련 페이지를 제공하고 각 판단의 출처 참조와 함께 명시적 요구 사항과 비교하도록 요청하세요.
이 에디션은 minimal, low, medium, high thinking 수준을 문서화합니다. 기본값은 medium으로, Gemini 3 Flash Preview의 기본값인 high에서 바뀌었습니다. minimal은 추론이 완전히 비활성화된다고 보장하지 않으면서 단순 답변과 간단한 도구 결정을 지원합니다. low는 더 적은 단계가 필요한 과제를 겨냥하고 high는 어려운 수학, 코딩, 에이전트 문제에 더 깊은 추론을 제공합니다. Google은 노력 수준 제어에 thinking_level을 사용하고 temperature, top-p, top-k를 바꿔 추론을 강제하려 하기보다 기본 샘플링 설정을 유지할 것을 권장합니다.
여러 턴의 과제에 걸쳐 추론 맥락을 보존하는 것이 핵심 동작입니다. Google의 Interactions 워크플로는 이 맥락을 자동으로 전달하고 GenerateContent 워크플로는 thought signature를 포함한 전체 대화 이력을 변경 없이 전달해야 합니다. 이는 이전 추론이 다음 단계에 반영되는 지속적인 디버깅이나 리팩터링 과제를 지원합니다. 각 후속 요청을 무관한 프롬프트로 바꾸지 말고 실제 대화 구조를 보존하며, 작업이 진행되어도 요청하는 최종 결과물을 명확히 유지하세요.
문서화된 도구 모음에는 Google Search, Google Maps 그라운딩, File Search, Code Execution, URL Context, 표준 Function Calling이 포함되며 복합 도구 사용과 Computer Use는 프리뷰 기능으로 표시됩니다. Structured Outputs는 정의된 데이터 기록을 제공할 수 있습니다. 함수에 명확한 목적과 매개변수 정의를 제공하세요. 모델은 함수를 선택하고 연결된 애플리케이션은 작업을 수행해 결과를 반환합니다. Google은 함수 결과가 앞선 호출과 식별자, 이름, 개수로 일치해야 하며 멀티모달 결과는 함수 응답 안에 넣어야 한다고 요구합니다.
정확한 API 모델 표는 최대 입력 1,048,576 토큰, 최대 출력 65,536 토큰을 제공합니다. 대화 이력과 제공된 미디어는 입력 예산에 포함됩니다. 이 프로필에는 캐싱과 배치 처리가 문서화되어 있으며 Google 표에는 Flex와 Priority 처리 옵션도 있습니다. 이런 한도와 기능은 제작사 에디션을 설명하며, 답변이 전체 출력 창을 채워야 하거나 모든 과제에 모든 도구가 필요하다는 뜻은 아닙니다.
이 프로필은 이미지나 오디오가 아니라 텍스트를 생성하며 Live API를 사용하지 않습니다. 개발자 가이드는 이미지 분할도 제외합니다. 시각 질문에는 제공된 자료의 설명, 추출, 해석을 요청하고 녹음에는 텍스트 결과를 요청하세요. 답변이 더 최신 정보에 의존하면 문서화된 검색 그라운딩 워크플로를 통해 학습 지식 밖의 출처를 추가할 수 있습니다. 외부 정보가 필요한지, 최종 답변에 어떤 증거를 유지해야 하는지 밝히세요.
유용한 장기 과제를 위해 첫 단계 전에 최종 결과와 완료 기준을 정의하세요. 지원 분석 과제는 관찰된 문제, 뒷받침하는 구절, 답변 제안을 담은 표를 요청할 수 있습니다. 코딩 과제는 집중적인 변경과 관련 검증 결과를 요구할 수 있습니다. 중요한 출처 맥락을 첨부하고 허용되는 도구 행동을 지정하며, 완료한 작업과 추가 정보가 필요한 질문을 구분하는 명시적인 최종 답변을 요청하세요. 이렇게 하면 모델의 지속적인 워크플로가 구체적인 텍스트, 코드 또는 구조화된 결과물로 이어집니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-3.5-flash-thinking | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.018 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gemini-3.5-flash-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'gemini-3.5-flash-thinking', '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': 'gemini-3.5-flash-thinking', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra gemini-3.5-flash-thinking
/chat/completions