Gemini 3.8 Flash는 지속적인 소프트웨어 엔지니어링, 다단계 에이전트, 복잡한 지식 워크플로를 위한 Google의 텍스트 출력 모델입니다. Gemini 3.7 Flash를 기반으로 소프트웨어 엔지니어링과 에이전트 기반 지식 작업이 개선되었습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받으므로 과제의 서면 목표와 해결에 필요한 실제 자료를 결합할 수 있습니다. 유용한 결과는 코드 변경, 근거를 설명한 분석, 서면 답변 또는 구조화된 기록입니다.
코딩 과제에는 요구 사항, 관련 파일, 관찰한 동작, 유지해야 할 제약을 제공하세요. 스크린샷은 의도한 인터페이스를 보여 줄 수 있고 로그나 재현 예시는 실패를 보여 줍니다. 디버깅 과제에서는 폼의 표시 상태와 저장된 값 사이의 불일치를 추적하고, 원인이 되는 코드 경로를 찾아 집중적인 수정을 제안하도록 요청하세요. 의도한 최종 결과물을 명확하게 유지하면 조사와 도구 사용이 길어져도 구체적인 완료 조건을 유지할 수 있습니다.
장시간 작업에는 더 작은 추론 단계, 반복적인 도구 호출, 중간 결과 검증을 사용하세요. low, medium, high thinking 수준은 추론량을 제어하며 문서상 기본값은 medium입니다. low는 빠른 초안이나 범위가 정해진 분석에 적합하고, high는 어려운 수학, 코딩, 다단계 과제를 위한 설정입니다. Gemini 3.8 Flash는 minimal thinking 수준을 지원하지 않습니다. 따라서 지속적인 디버깅 과제와 단순 필드 추출에는 모든 요청에 같은 설정을 적용하기보다 서로 다른 추론 선택이 필요합니다.
문서화된 도구에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Google Maps 그라운딩, URL 컨텍스트가 포함되며 Computer Use는 프리뷰 기능으로 표시됩니다. 구조화된 출력은 기계가 읽을 수 있는 결과를 정의합니다. 함수에는 명확한 목적과 매개변수 정의가 있어야 합니다. 모델은 함수를 요청할 수 있지만 작업을 수행하고 결과를 반환하는 것은 연결된 애플리케이션입니다. 여러 턴에 걸쳐 함수 식별 정보와 실제 반환 자료를 보존하세요. 유용한 최종 답변은 제안한 수정이나 추출값을 어떤 증거가 뒷받침하는지 설명합니다.
3.8 마이그레이션 가이드는 기존 추론 예산 설정 대신 thinking 수준 제어를 사용하며, 더 이상 권장되지 않는 샘플링 매개변수와 미리 채운 model 턴을 제거하도록 권고합니다. 또한 관련 무상태 워크플로에서는 thought signature를 보존하고 함수 응답을 식별자와 이름에 따라 호출과 연결해야 합니다. 다단계 과제를 이어갈 때 이런 세부 사항이 중요합니다. 다음 턴에는 도구 결과나 서명을 잃어버린 재작성 설명이 아니라 실제 이전 맥락이 필요합니다. 새로운 user 턴에서도 질문과 요청 출력은 명확히 유지하세요.
멀티모달 지식 작업에는 관련 문서 페이지, 차트, 오디오 구간, 비디오 사건을 지정하고 답변에 어떻게 활용해야 하는지 밝히세요. 문서 비교는 원문 구절을 포함한 차이점 표를 요청할 수 있고, 차트 질문은 보이는 값과 그 값이 뒷받침하는 결론을 요청할 수 있습니다. 비디오 분석에서는 판단을 정당화하는 사건의 설명을 요청할 수 있습니다. 모델은 이런 입력에서 텍스트를 반환합니다. 이미지 생성, 음성 생성, Live 오디오 상호작용은 별도의 모델 프로필에 속합니다.
Gemini API 한도는 입력 1,048,576 토큰, 출력 65,536 토큰이며, 고유 모델의 최대 1M 컨텍스트와 64K 텍스트 출력에 대응합니다. 지시, 대화 이력, 제공된 미디어는 입력 컨텍스트를 사용하며 추론이나 긴 최종 결과물은 문서화된 출력 한도 안에 들어가야 합니다. Google은 이 제작사 프로필에 캐싱, 배치 처리, Flex, Priority 처리도 기재합니다. 독립된 항목에는 안정적인 항목 식별자와 명시적인 출력 형식을 유지해 각 결과가 출처와 연결되도록 하세요.
가능한 한계에는 환각, 간헐적인 지연이나 시간 초과, 높은 노력 수준에서 증가하는 토큰 사용량이 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 여전히 2025년 1월로 제한됩니다. 그 이후 정보에 의존하는 과제에는 최신 증거를 제공하거나 문서화된 그라운딩 도구를 사용하세요. 출처 인용, 계산, 코드 제안을 실제 입력 및 실행 결과와 대조해 검토하세요. 유용한 최종 결과물은 유창한 답변만으로 요청한 성과가 입증된다고 가정하지 않고, 근거 있는 판단과 미해결 질문을 구분해야 합니다.
", "aboutText": "Gemini 3.8 Flash는 지속적인 소프트웨어 엔지니어링, 다단계 에이전트, 복잡한 지식 워크플로를 위한 Google의 텍스트 출력 모델입니다. Gemini 3.7 Flash를 기반으로 소프트웨어 엔지니어링과 에이전트 기반 지식 작업이 개선되었습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받으므로 과제의 서면 목표와 해결에 필요한 실제 자료를 결합할 수 있습니다. 유용한 결과는 코드 변경, 근거를 설명한 분석, 서면 답변 또는 구조화된 기록입니다.\n\n코딩 과제에는 요구 사항, 관련 파일, 관찰한 동작, 유지해야 할 제약을 제공하세요. 스크린샷은 의도한 인터페이스를 보여 줄 수 있고 로그나 재현 예시는 실패를 보여 줍니다. 디버깅 과제에서는 폼의 표시 상태와 저장된 값 사이의 불일치를 추적하고, 원인이 되는 코드 경로를 찾아 집중적인 수정을 제안하도록 요청하세요. 의도한 최종 결과물을 명확하게 유지하면 조사와 도구 사용이 길어져도 구체적인 완료 조건을 유지할 수 있습니다.\n\n장시간 작업에는 더 작은 추론 단계, 반복적인 도구 호출, 중간 결과 검증을 사용하세요. low, medium, high thinking 수준은 추론량을 제어하며 문서상 기본값은 medium입니다. low는 빠른 초안이나 범위가 정해진 분석에 적합하고, high는 어려운 수학, 코딩, 다단계 과제를 위한 설정입니다. Gemini 3.8 Flash는 minimal thinking 수준을 지원하지 않습니다. 따라서 지속적인 디버깅 과제와 단순 필드 추출에는 모든 요청에 같은 설정을 적용하기보다 서로 다른 추론 선택이 필요합니다.\n\n문서화된 도구에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Google Maps 그라운딩, URL 컨텍스트가 포함되며 Computer Use는 프리뷰 기능으로 표시됩니다. 구조화된 출력은 기계가 읽을 수 있는 결과를 정의합니다. 함수에는 명확한 목적과 매개변수 정의가 있어야 합니다. 모델은 함수를 요청할 수 있지만 작업을 수행하고 결과를 반환하는 것은 연결된 애플리케이션입니다. 여러 턴에 걸쳐 함수 식별 정보와 실제 반환 자료를 보존하세요. 유용한 최종 답변은 제안한 수정이나 추출값을 어떤 증거가 뒷받침하는지 설명합니다.\n\n3.8 마이그레이션 가이드는 기존 추론 예산 설정 대신 thinking 수준 제어를 사용하며, 더 이상 권장되지 않는 샘플링 매개변수와 미리 채운 model 턴을 제거하도록 권고합니다. 또한 관련 무상태 워크플로에서는 thought signature를 보존하고 함수 응답을 식별자와 이름에 따라 호출과 연결해야 합니다. 다단계 과제를 이어갈 때 이런 세부 사항이 중요합니다. 다음 턴에는 도구 결과나 서명을 잃어버린 재작성 설명이 아니라 실제 이전 맥락이 필요합니다. 새로운 user 턴에서도 질문과 요청 출력은 명확히 유지하세요.\n\n멀티모달 지식 작업에는 관련 문서 페이지, 차트, 오디오 구간, 비디오 사건을 지정하고 답변에 어떻게 활용해야 하는지 밝히세요. 문서 비교는 원문 구절을 포함한 차이점 표를 요청할 수 있고, 차트 질문은 보이는 값과 그 값이 뒷받침하는 결론을 요청할 수 있습니다. 비디오 분석에서는 판단을 정당화하는 사건의 설명을 요청할 수 있습니다. 모델은 이런 입력에서 텍스트를 반환합니다. 이미지 생성, 음성 생성, Live 오디오 상호작용은 별도의 모델 프로필에 속합니다.\n\nGemini API 한도는 입력 1,048,576 토큰, 출력 65,536 토큰이며, 고유 모델의 최대 1M 컨텍스트와 64K 텍스트 출력에 대응합니다. 지시, 대화 이력, 제공된 미디어는 입력 컨텍스트를 사용하며 추론이나 긴 최종 결과물은 문서화된 출력 한도 안에 들어가야 합니다. Google은 이 제작사 프로필에 캐싱, 배치 처리, Flex, Priority 처리도 기재합니다. 독립된 항목에는 안정적인 항목 식별자와 명시적인 출력 형식을 유지해 각 결과가 출처와 연결되도록 하세요.\n\n가능한 한계에는 환각, 간헐적인 지연이나 시간 초과, 높은 노력 수준에서 증가하는 토큰 사용량이 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 여전히 2025년 1월로 제한됩니다. 그 이후 정보에 의존하는 과제에는 최신 증거를 제공하거나 문서화된 그라운딩 도구를 사용하세요. 출처 인용, 계산, 코드 제안을 실제 입력 및 실행 결과와 대조해 검토하세요. 유용한 최종 결과물은 유창한 답변만으로 요청한 성과가 입증된다고 가정하지 않고, 근거 있는 판단과 미해결 질문을 구분해야 합니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "52534c060ff9d0a2119d66e55b9bd96c5058d1bdac2be745cd66e3dab40f3c72", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "google/gemini-3.8-flash:batchGemini 3.8 Flash는 지속적인 소프트웨어 엔지니어링, 에이전트, 복잡한 지식 작업을 위한 Google의 주력 멀티모달 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며, 도구 및 구조화된 출력과 함께 low, medium, high 추론을 제공합니다. 문서에 명시된 입력/출력 한도는 1,048,576/65,536 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.8 Flash는 지속적인 소프트웨어 엔지니어링, 다단계 에이전트, 복잡한 지식 워크플로를 위한 Google의 텍스트 출력 모델입니다. Gemini 3.7 Flash를 기반으로 소프트웨어 엔지니어링과 에이전트 기반 지식 작업이 개선되었습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받으므로 과제의 서면 목표와 해결에 필요한 실제 자료를 결합할 수 있습니다. 유용한 결과는 코드 변경, 근거를 설명한 분석, 서면 답변 또는 구조화된 기록입니다.
코딩 과제에는 요구 사항, 관련 파일, 관찰한 동작, 유지해야 할 제약을 제공하세요. 스크린샷은 의도한 인터페이스를 보여 줄 수 있고 로그나 재현 예시는 실패를 보여 줍니다. 디버깅 과제에서는 폼의 표시 상태와 저장된 값 사이의 불일치를 추적하고, 원인이 되는 코드 경로를 찾아 집중적인 수정을 제안하도록 요청하세요. 의도한 최종 결과물을 명확하게 유지하면 조사와 도구 사용이 길어져도 구체적인 완료 조건을 유지할 수 있습니다.
장시간 작업에는 더 작은 추론 단계, 반복적인 도구 호출, 중간 결과 검증을 사용하세요. low, medium, high thinking 수준은 추론량을 제어하며 문서상 기본값은 medium입니다. low는 빠른 초안이나 범위가 정해진 분석에 적합하고, high는 어려운 수학, 코딩, 다단계 과제를 위한 설정입니다. Gemini 3.8 Flash는 minimal thinking 수준을 지원하지 않습니다. 따라서 지속적인 디버깅 과제와 단순 필드 추출에는 모든 요청에 같은 설정을 적용하기보다 서로 다른 추론 선택이 필요합니다.
문서화된 도구에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Google Maps 그라운딩, URL 컨텍스트가 포함되며 Computer Use는 프리뷰 기능으로 표시됩니다. 구조화된 출력은 기계가 읽을 수 있는 결과를 정의합니다. 함수에는 명확한 목적과 매개변수 정의가 있어야 합니다. 모델은 함수를 요청할 수 있지만 작업을 수행하고 결과를 반환하는 것은 연결된 애플리케이션입니다. 여러 턴에 걸쳐 함수 식별 정보와 실제 반환 자료를 보존하세요. 유용한 최종 답변은 제안한 수정이나 추출값을 어떤 증거가 뒷받침하는지 설명합니다.
3.8 마이그레이션 가이드는 기존 추론 예산 설정 대신 thinking 수준 제어를 사용하며, 더 이상 권장되지 않는 샘플링 매개변수와 미리 채운 model 턴을 제거하도록 권고합니다. 또한 관련 무상태 워크플로에서는 thought signature를 보존하고 함수 응답을 식별자와 이름에 따라 호출과 연결해야 합니다. 다단계 과제를 이어갈 때 이런 세부 사항이 중요합니다. 다음 턴에는 도구 결과나 서명을 잃어버린 재작성 설명이 아니라 실제 이전 맥락이 필요합니다. 새로운 user 턴에서도 질문과 요청 출력은 명확히 유지하세요.
멀티모달 지식 작업에는 관련 문서 페이지, 차트, 오디오 구간, 비디오 사건을 지정하고 답변에 어떻게 활용해야 하는지 밝히세요. 문서 비교는 원문 구절을 포함한 차이점 표를 요청할 수 있고, 차트 질문은 보이는 값과 그 값이 뒷받침하는 결론을 요청할 수 있습니다. 비디오 분석에서는 판단을 정당화하는 사건의 설명을 요청할 수 있습니다. 모델은 이런 입력에서 텍스트를 반환합니다. 이미지 생성, 음성 생성, Live 오디오 상호작용은 별도의 모델 프로필에 속합니다.
Gemini API 한도는 입력 1,048,576 토큰, 출력 65,536 토큰이며, 고유 모델의 최대 1M 컨텍스트와 64K 텍스트 출력에 대응합니다. 지시, 대화 이력, 제공된 미디어는 입력 컨텍스트를 사용하며 추론이나 긴 최종 결과물은 문서화된 출력 한도 안에 들어가야 합니다. Google은 이 제작사 프로필에 캐싱, 배치 처리, Flex, Priority 처리도 기재합니다. 독립된 항목에는 안정적인 항목 식별자와 명시적인 출력 형식을 유지해 각 결과가 출처와 연결되도록 하세요.
가능한 한계에는 환각, 간헐적인 지연이나 시간 초과, 높은 노력 수준에서 증가하는 토큰 사용량이 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 여전히 2025년 1월로 제한됩니다. 그 이후 정보에 의존하는 과제에는 최신 증거를 제공하거나 문서화된 그라운딩 도구를 사용하세요. 출처 인용, 계산, 코드 제안을 실제 입력 및 실행 결과와 대조해 검토하세요. 유용한 최종 결과물은 유창한 답변만으로 요청한 성과가 입증된다고 가정하지 않고, 근거 있는 판단과 미해결 질문을 구분해야 합니다.
POST /v1/batchestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드endpoint | 유형string | 요건필수 | 값과 한도 /v1/chat/completions | 기본값— |
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-3.8-flash:batch | 기본값— |
필드requests | 유형batch_item[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드requests[].custom_id | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드requests[].body.messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드completion_window | 유형string | 요건선택 사항 | 값과 한도 24h | 기본값— |
필드provider | 유형object|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드requests[].body.model | 유형string | 요건선택 사항 | 값과 한도 google/gemini-3.8-flash:batch, google/gemini-3.8-flash | 기본값— |
필드provider.only | 유형string[] | 요건선택 사항 | 값과 한도 google-vertex/global | 기본값— |
필드provider.allow_fallbacks | 유형boolean|null | 요건선택 사항 | 값과 한도 false, null | 기본값— |
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세endpoint, model, requests |
매개변수material_types | 명세text |
매개변수representation | 명세인라인 requests[]; 각 항목에는 custom_id와 body가 있습니다 |
매개변수request_endpoint_profile | 명세/v1/chat/completions |
매개변수file_material | 명세호출자는 실제 UTF-8 JSONL을 로컬에서 읽어 requests[]에 넣을 수 있습니다. 업로드 목적, input_file_id 또는 파일 참조는 사용하지 않습니다. 고객 자료가 없거나 비어 있으면 POST 전에 준비를 중단합니다. |
매개변수serialization_order | 명세endpoint, model, provider (제공된 경우), completion_window (제공된 경우), requests는 마지막에 |
매개변수optional_controls | 명세provider.only, provider.allow_fallbacks, completion_window |
매개변수schema_scope | 명세문서에 명시된 인라인 배치 요청 구조에 담긴 텍스트 Chat Completions 본문입니다. |
수명 주기: asynchronous
GET /v1/batches/{operation_id} · 최초 생성 응답에서 실제로 반환된 response.id; 동일한 사용자/키/그룹
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00075 / 1K 토큰 출력 · 출력 토큰 $0.00375 / 1K 토큰 입력 · 캐시 읽기 $0.000075 / 1K 토큰 입력 · 캐시 쓰기 $0.0000833333333333334 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00075 / 1K 토큰 출력 · 출력 토큰 $0.00375 / 1K 토큰 입력 · 캐시 읽기 $0.000075 / 1K 토큰 입력 · 캐시 쓰기 $0.0000833333333333334 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.8-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.8-flash:batch', 'google/gemini-3.8-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.8-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\n인라인 results[].response.body JSON
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\n반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
최초 상태 JSON 전체, 모든 결과/custom_id와 응답 또는 오류 본문 전체를 보관하세요. 완료된 results[]는 필터링 없이 JSONL로 저장하세요.
최초 작업 ID를 보관하세요. 503 result_pending_check에는 X-Should-Retry:false가 포함됩니다. 상태가 불명확한 최초 배치를 다시 제출하지 마세요.
| 필드 | 유형 |
|---|---|
필드results[].custom_id | 유형string |
필드results[].response.body.choices[].message.content | 유형string|null |
필드results[].error | 유형object|null |
필드usage | 유형object|null |
필드id | 유형string |
필드model | 유형string |
필드endpoint | 유형string |
필드status | 유형string |
필드request_counts | 유형object |
필드results[].id | 유형string |
필드results[].response.status_code | 유형integer |
필드results[].response.request_id | 유형string |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건문서에 명시된 인라인 요청 구조가 유효하지 않거나, 키가 중복되거나, 항목 식별 정보 또는 설정된 모델 기능에 충돌이 있습니다. | 다음 단계새로 제출하기 전에 표시된 필드를 수정하세요. |
응답401 · authentication_error | 조건유효하지 않은 API 키입니다. | 다음 단계사용 권한이 있는 Ailoot 키를 사용하세요. |
응답403 · permission_error | 조건배치 그룹을 사용할 수 없습니다. | 다음 단계키/그룹의 사용 권한을 확인하세요. |
응답422 · invalid_request_error | 조건배치는 잔액 과금을 사용하며, 구독을 통한 생성 요청은 거부됩니다. | 다음 단계사용 권한이 있는 잔액 과금 그룹을 사용하세요. |
응답422 · price_unavailable | 조건배치 입력의 예상 비용을 산출할 수 없습니다. | 다음 단계응답을 보관하고 문서에 명시된 API 계열 입력을 사용하세요. |
응답402 · billing_error | 조건배치 예약 금액을 확보할 수 없습니다. | 다음 단계새 요청 전에 요청 허용 조건을 충족하세요. |
응답503 · price_unavailable | 조건배치 메서드 가격 또는 네이티브 요율을 사용할 수 없습니다. | 다음 단계응답을 보관하고 가격을 임의로 대체하지 마세요. |
응답503 · api_error | 조건정확히 일치하는 공급업체 라우트를 사용할 수 없습니다. | 다음 단계라우트 수정을 위해 응답을 보관하세요. |
응답503 · result_pending_check | 조건최초 결과를 확인해야 합니다. X-Should-Retry:false. | 다음 단계최초 operation_id/id를 보관하고 해당 상태를 조회하세요. 최초 POST를 반복하지 마세요. |
응답404 · not_found | 조건배치 상태 조회 대상 작업이 없거나 다른 사용 주체의 소유입니다. | 다음 단계최초 id를 정확히 사용하고 동일한 사용자/키/그룹을 유지하세요. |
Ailoot Ultra google/gemini-3.8-flash:batch
위에 표시된 메서드 경로를 사용하세요.