Gemma 3 4B IT는 Google의 Gemma 3 시각·언어 제품군에서 지시 튜닝을 거친 4B 크기의 에디션입니다. IT는 추가 학습의 기반이 되는 사전 학습 체크포인트가 아니라 사용자 지시와 대화 턴에 맞춰 조정한 버전을 뜻합니다. 텍스트와 이미지를 받아 답변, 요약, 설명, 초안, 코드 등의 텍스트를 생성합니다. 시각 입력으로 제공한 사진과 문서 페이지에 관한 질문을 할 수 있으며, 출력은 새로 생성한 이미지가 아닙니다.
모델 카드는 4B 에디션에 요청과 생성 답변이 공유하는 128K토큰 컨텍스트를 지정합니다. 남은 출력 허용량은 전체 컨텍스트에서 입력을 뺀 값이며, 별도의 추가 128K 출력 예산이 아닙니다. 기본 이미지 경로는 이미지를 896×896으로 정규화하고 각 뷰를 256개 시각 토큰으로 인코딩합니다. 초점이 명확한 도우미에는 관련 메모나 이미지, 하나의 분명한 질문, 간결한 목표 결과를 제공하세요. 추출한 이름·날짜·라벨을 확인할 수 있도록 답변과 원문을 함께 유지합니다.
제품군의 학습 자료에는 140개가 넘는 언어의 웹 텍스트, 코드, 수학, 이미지가 포함됩니다. 제조사는 4B 모델의 사전 학습 토큰을 4조로 보고합니다. 기술 보고서는 사전 학습과 지시 튜닝에서 증류를 사용한 뒤, 강화 학습 기반 후속 학습으로 유용성, 추론, 코드, 수학, 지시 이행을 개선했다고 설명합니다. 이는 해당 크기와 제품군의 학습 특성이며 모든 답변의 정확성이나 다른 Gemma 체크포인트의 동일한 동작을 보장하지 않습니다.
아키텍처는 grouped-query attention을 사용하는 디코더 전용 트랜스포머로, 전역 어텐션 레이어 하나마다 로컬 어텐션 레이어 다섯 개를 배치합니다. 로컬 어텐션 범위는 1,024토큰이며 전역 레이어가 더 넓은 컨텍스트를 처리합니다. 공유 SigLIP 시각 인코더가 이미지 정보를 언어 모델 입력으로 변환합니다. 토크나이저는 SentencePiece 기반으로 숫자 분리, 공백 보존, 바이트 수준 인코딩을 사용합니다. 긴 입력을 계획할 때는 실제 토크나이저로 토큰 수를 계산하고 의미를 지닌 코드 들여쓰기와 식별자를 유지하세요.
보고서는 단순한 정사각형 크기 조정으로 형태나 세부 요소가 보존되지 않는 이미지를 위해 Pan and Scan을 설명합니다. 시각 인코더에 맞춰 크기를 조정할, 서로 겹치지 않는 추가 뷰를 만들 수 있습니다. 이 처리에는 별도의 입력·계산 영향이 있습니다. 작은 라벨이 있는 스크린샷에서는 작은 전체 화면 이미지에 기대기보다 관심 영역을 지정하고 읽을 수 있는 뷰를 제공하세요. 여러 이미지는 역할을 표시하고 올바른 원자료에 연결된 답변을 요청합니다.
제조사의 네이티브 IT 대화 형식은 명시적인 턴 경계를 갖춘 user와 model 턴을 사용합니다. 별도의 네이티브 system 역할을 지원하지 않으므로 역할·형식 지시는 첫 사용자 프롬프트에 넣으세요. IT 체크포인트를 단순 텍스트 완성처럼 다루지 말고 맞는 포매터나 프로세서를 사용합니다. 지원 메모의 예에서는 대상 독자, 유지할 사실, 어조를 정하고 짧은 답변과 미해결 질문을 요청할 수 있습니다. 시각 추출에서는 필드와 읽을 수 없는 값의 표현 방식을 정의하세요.
Gemma의 의도한 용도에는 글쓰기, 요약, 대화 지원, 이미지 데이터 추출, 교육적 탐색이 포함됩니다. 범위를 좁힌 4B 워크플로는 서비스 메모를 실행 항목으로 정리하거나 보이는 도식을 설명하고, 제공된 구절에 관한 질문에 답할 수 있습니다. 이름 붙인 요소에 연결된 설명이나 원자료가 뒷받침하는 필드를 갖춘 작은 기록처럼 쉽게 검토할 수 있는 결과를 요청하세요. 도구 조회나 코드 실행은 주변 애플리케이션의 역할입니다. 도구 모양의 지시를 생성하는 것과 외부 작업을 완료하는 것은 다릅니다.
제조사는 학습 범위, 언어 뉘앙스, 사실 오류, 개방형 작업의 복잡성에 따른 한계를 언급합니다. Google은 그럴듯한 언어 패턴이 일상적인 현실 제약을 놓친 답을 만들 수 있다고 경고합니다. 이미지 크기 조정으로 중요한 세부 사항이 사라질 수 있으며 긴 컨텍스트도 불명확한 질문 자체를 명확하게 만들지는 않습니다. 결과를 원자료와 대조하고 요청한 구조화 필드를 검증하며 계산·코드 제안을 별도로 확인하세요. 정확한 4B IT 모델을 작업의 실제 언어와 문서 유형으로 평가해야 합니다. 기록할 때 크기, IT 정체성, 처리 구성을 12B, 27B 및 더 새로운 Gemma 변형과 구분합니다.
", "aboutText": "Gemma 3 4B IT는 Google의 Gemma 3 시각·언어 제품군에서 지시 튜닝을 거친 4B 크기의 에디션입니다. IT는 추가 학습의 기반이 되는 사전 학습 체크포인트가 아니라 사용자 지시와 대화 턴에 맞춰 조정한 버전을 뜻합니다. 텍스트와 이미지를 받아 답변, 요약, 설명, 초안, 코드 등의 텍스트를 생성합니다. 시각 입력으로 제공한 사진과 문서 페이지에 관한 질문을 할 수 있으며, 출력은 새로 생성한 이미지가 아닙니다.\n\n모델 카드는 4B 에디션에 요청과 생성 답변이 공유하는 128K토큰 컨텍스트를 지정합니다. 남은 출력 허용량은 전체 컨텍스트에서 입력을 뺀 값이며, 별도의 추가 128K 출력 예산이 아닙니다. 기본 이미지 경로는 이미지를 896×896으로 정규화하고 각 뷰를 256개 시각 토큰으로 인코딩합니다. 초점이 명확한 도우미에는 관련 메모나 이미지, 하나의 분명한 질문, 간결한 목표 결과를 제공하세요. 추출한 이름·날짜·라벨을 확인할 수 있도록 답변과 원문을 함께 유지합니다.\n\n제품군의 학습 자료에는 140개가 넘는 언어의 웹 텍스트, 코드, 수학, 이미지가 포함됩니다. 제조사는 4B 모델의 사전 학습 토큰을 4조로 보고합니다. 기술 보고서는 사전 학습과 지시 튜닝에서 증류를 사용한 뒤, 강화 학습 기반 후속 학습으로 유용성, 추론, 코드, 수학, 지시 이행을 개선했다고 설명합니다. 이는 해당 크기와 제품군의 학습 특성이며 모든 답변의 정확성이나 다른 Gemma 체크포인트의 동일한 동작을 보장하지 않습니다.\n\n아키텍처는 grouped-query attention을 사용하는 디코더 전용 트랜스포머로, 전역 어텐션 레이어 하나마다 로컬 어텐션 레이어 다섯 개를 배치합니다. 로컬 어텐션 범위는 1,024토큰이며 전역 레이어가 더 넓은 컨텍스트를 처리합니다. 공유 SigLIP 시각 인코더가 이미지 정보를 언어 모델 입력으로 변환합니다. 토크나이저는 SentencePiece 기반으로 숫자 분리, 공백 보존, 바이트 수준 인코딩을 사용합니다. 긴 입력을 계획할 때는 실제 토크나이저로 토큰 수를 계산하고 의미를 지닌 코드 들여쓰기와 식별자를 유지하세요.\n\n보고서는 단순한 정사각형 크기 조정으로 형태나 세부 요소가 보존되지 않는 이미지를 위해 Pan and Scan을 설명합니다. 시각 인코더에 맞춰 크기를 조정할, 서로 겹치지 않는 추가 뷰를 만들 수 있습니다. 이 처리에는 별도의 입력·계산 영향이 있습니다. 작은 라벨이 있는 스크린샷에서는 작은 전체 화면 이미지에 기대기보다 관심 영역을 지정하고 읽을 수 있는 뷰를 제공하세요. 여러 이미지는 역할을 표시하고 올바른 원자료에 연결된 답변을 요청합니다.\n\n제조사의 네이티브 IT 대화 형식은 명시적인 턴 경계를 갖춘 user와 model 턴을 사용합니다. 별도의 네이티브 system 역할을 지원하지 않으므로 역할·형식 지시는 첫 사용자 프롬프트에 넣으세요. IT 체크포인트를 단순 텍스트 완성처럼 다루지 말고 맞는 포매터나 프로세서를 사용합니다. 지원 메모의 예에서는 대상 독자, 유지할 사실, 어조를 정하고 짧은 답변과 미해결 질문을 요청할 수 있습니다. 시각 추출에서는 필드와 읽을 수 없는 값의 표현 방식을 정의하세요.\n\nGemma의 의도한 용도에는 글쓰기, 요약, 대화 지원, 이미지 데이터 추출, 교육적 탐색이 포함됩니다. 범위를 좁힌 4B 워크플로는 서비스 메모를 실행 항목으로 정리하거나 보이는 도식을 설명하고, 제공된 구절에 관한 질문에 답할 수 있습니다. 이름 붙인 요소에 연결된 설명이나 원자료가 뒷받침하는 필드를 갖춘 작은 기록처럼 쉽게 검토할 수 있는 결과를 요청하세요. 도구 조회나 코드 실행은 주변 애플리케이션의 역할입니다. 도구 모양의 지시를 생성하는 것과 외부 작업을 완료하는 것은 다릅니다.\n\n제조사는 학습 범위, 언어 뉘앙스, 사실 오류, 개방형 작업의 복잡성에 따른 한계를 언급합니다. Google은 그럴듯한 언어 패턴이 일상적인 현실 제약을 놓친 답을 만들 수 있다고 경고합니다. 이미지 크기 조정으로 중요한 세부 사항이 사라질 수 있으며 긴 컨텍스트도 불명확한 질문 자체를 명확하게 만들지는 않습니다. 결과를 원자료와 대조하고 요청한 구조화 필드를 검증하며 계산·코드 제안을 별도로 확인하세요. 정확한 4B IT 모델을 작업의 실제 언어와 문서 유형으로 평가해야 합니다. 기록할 때 크기, IT 정체성, 처리 구성을 12B, 27B 및 더 새로운 Gemma 변형과 구분합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 IT는 지시 튜닝된 Google의 4B 크기 텍스트 및 이미지 모델입니다. 공유 128K 컨텍스트와 계열의 140개가 넘는 언어 지원으로 질문, 요약, 작성, 시각 분석을 위한 텍스트를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemma 3 4B IT는 Google의 Gemma 3 시각·언어 제품군에서 지시 튜닝을 거친 4B 크기의 에디션입니다. IT는 추가 학습의 기반이 되는 사전 학습 체크포인트가 아니라 사용자 지시와 대화 턴에 맞춰 조정한 버전을 뜻합니다. 텍스트와 이미지를 받아 답변, 요약, 설명, 초안, 코드 등의 텍스트를 생성합니다. 시각 입력으로 제공한 사진과 문서 페이지에 관한 질문을 할 수 있으며, 출력은 새로 생성한 이미지가 아닙니다.
모델 카드는 4B 에디션에 요청과 생성 답변이 공유하는 128K토큰 컨텍스트를 지정합니다. 남은 출력 허용량은 전체 컨텍스트에서 입력을 뺀 값이며, 별도의 추가 128K 출력 예산이 아닙니다. 기본 이미지 경로는 이미지를 896×896으로 정규화하고 각 뷰를 256개 시각 토큰으로 인코딩합니다. 초점이 명확한 도우미에는 관련 메모나 이미지, 하나의 분명한 질문, 간결한 목표 결과를 제공하세요. 추출한 이름·날짜·라벨을 확인할 수 있도록 답변과 원문을 함께 유지합니다.
제품군의 학습 자료에는 140개가 넘는 언어의 웹 텍스트, 코드, 수학, 이미지가 포함됩니다. 제조사는 4B 모델의 사전 학습 토큰을 4조로 보고합니다. 기술 보고서는 사전 학습과 지시 튜닝에서 증류를 사용한 뒤, 강화 학습 기반 후속 학습으로 유용성, 추론, 코드, 수학, 지시 이행을 개선했다고 설명합니다. 이는 해당 크기와 제품군의 학습 특성이며 모든 답변의 정확성이나 다른 Gemma 체크포인트의 동일한 동작을 보장하지 않습니다.
아키텍처는 grouped-query attention을 사용하는 디코더 전용 트랜스포머로, 전역 어텐션 레이어 하나마다 로컬 어텐션 레이어 다섯 개를 배치합니다. 로컬 어텐션 범위는 1,024토큰이며 전역 레이어가 더 넓은 컨텍스트를 처리합니다. 공유 SigLIP 시각 인코더가 이미지 정보를 언어 모델 입력으로 변환합니다. 토크나이저는 SentencePiece 기반으로 숫자 분리, 공백 보존, 바이트 수준 인코딩을 사용합니다. 긴 입력을 계획할 때는 실제 토크나이저로 토큰 수를 계산하고 의미를 지닌 코드 들여쓰기와 식별자를 유지하세요.
보고서는 단순한 정사각형 크기 조정으로 형태나 세부 요소가 보존되지 않는 이미지를 위해 Pan and Scan을 설명합니다. 시각 인코더에 맞춰 크기를 조정할, 서로 겹치지 않는 추가 뷰를 만들 수 있습니다. 이 처리에는 별도의 입력·계산 영향이 있습니다. 작은 라벨이 있는 스크린샷에서는 작은 전체 화면 이미지에 기대기보다 관심 영역을 지정하고 읽을 수 있는 뷰를 제공하세요. 여러 이미지는 역할을 표시하고 올바른 원자료에 연결된 답변을 요청합니다.
제조사의 네이티브 IT 대화 형식은 명시적인 턴 경계를 갖춘 user와 model 턴을 사용합니다. 별도의 네이티브 system 역할을 지원하지 않으므로 역할·형식 지시는 첫 사용자 프롬프트에 넣으세요. IT 체크포인트를 단순 텍스트 완성처럼 다루지 말고 맞는 포매터나 프로세서를 사용합니다. 지원 메모의 예에서는 대상 독자, 유지할 사실, 어조를 정하고 짧은 답변과 미해결 질문을 요청할 수 있습니다. 시각 추출에서는 필드와 읽을 수 없는 값의 표현 방식을 정의하세요.
Gemma의 의도한 용도에는 글쓰기, 요약, 대화 지원, 이미지 데이터 추출, 교육적 탐색이 포함됩니다. 범위를 좁힌 4B 워크플로는 서비스 메모를 실행 항목으로 정리하거나 보이는 도식을 설명하고, 제공된 구절에 관한 질문에 답할 수 있습니다. 이름 붙인 요소에 연결된 설명이나 원자료가 뒷받침하는 필드를 갖춘 작은 기록처럼 쉽게 검토할 수 있는 결과를 요청하세요. 도구 조회나 코드 실행은 주변 애플리케이션의 역할입니다. 도구 모양의 지시를 생성하는 것과 외부 작업을 완료하는 것은 다릅니다.
제조사는 학습 범위, 언어 뉘앙스, 사실 오류, 개방형 작업의 복잡성에 따른 한계를 언급합니다. Google은 그럴듯한 언어 패턴이 일상적인 현실 제약을 놓친 답을 만들 수 있다고 경고합니다. 이미지 크기 조정으로 중요한 세부 사항이 사라질 수 있으며 긴 컨텍스트도 불명확한 질문 자체를 명확하게 만들지는 않습니다. 결과를 원자료와 대조하고 요청한 구조화 필드를 검증하며 계산·코드 제안을 별도로 확인하세요. 정확한 4B IT 모델을 작업의 실제 언어와 문서 유형으로 평가해야 합니다. 기록할 때 크기, IT 정체성, 처리 구성을 12B, 27B 및 더 새로운 Gemma 변형과 구분합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemma-3-4b-it | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
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.
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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "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 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 google/gemma-3-4b-it
위에 표시된 메서드 경로를 사용하세요.
google/gemma-3-4b-itGemma 3 4B IT는 지시 튜닝된 Google의 4B 크기 텍스트 및 이미지 모델입니다. 공유 128K 컨텍스트와 계열의 140개가 넘는 언어 지원으로 질문, 요약, 작성, 시각 분석을 위한 텍스트를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemma 3 4B IT는 Google의 Gemma 3 시각·언어 제품군에서 지시 튜닝을 거친 4B 크기의 에디션입니다. IT는 추가 학습의 기반이 되는 사전 학습 체크포인트가 아니라 사용자 지시와 대화 턴에 맞춰 조정한 버전을 뜻합니다. 텍스트와 이미지를 받아 답변, 요약, 설명, 초안, 코드 등의 텍스트를 생성합니다. 시각 입력으로 제공한 사진과 문서 페이지에 관한 질문을 할 수 있으며, 출력은 새로 생성한 이미지가 아닙니다.
모델 카드는 4B 에디션에 요청과 생성 답변이 공유하는 128K토큰 컨텍스트를 지정합니다. 남은 출력 허용량은 전체 컨텍스트에서 입력을 뺀 값이며, 별도의 추가 128K 출력 예산이 아닙니다. 기본 이미지 경로는 이미지를 896×896으로 정규화하고 각 뷰를 256개 시각 토큰으로 인코딩합니다. 초점이 명확한 도우미에는 관련 메모나 이미지, 하나의 분명한 질문, 간결한 목표 결과를 제공하세요. 추출한 이름·날짜·라벨을 확인할 수 있도록 답변과 원문을 함께 유지합니다.
제품군의 학습 자료에는 140개가 넘는 언어의 웹 텍스트, 코드, 수학, 이미지가 포함됩니다. 제조사는 4B 모델의 사전 학습 토큰을 4조로 보고합니다. 기술 보고서는 사전 학습과 지시 튜닝에서 증류를 사용한 뒤, 강화 학습 기반 후속 학습으로 유용성, 추론, 코드, 수학, 지시 이행을 개선했다고 설명합니다. 이는 해당 크기와 제품군의 학습 특성이며 모든 답변의 정확성이나 다른 Gemma 체크포인트의 동일한 동작을 보장하지 않습니다.
아키텍처는 grouped-query attention을 사용하는 디코더 전용 트랜스포머로, 전역 어텐션 레이어 하나마다 로컬 어텐션 레이어 다섯 개를 배치합니다. 로컬 어텐션 범위는 1,024토큰이며 전역 레이어가 더 넓은 컨텍스트를 처리합니다. 공유 SigLIP 시각 인코더가 이미지 정보를 언어 모델 입력으로 변환합니다. 토크나이저는 SentencePiece 기반으로 숫자 분리, 공백 보존, 바이트 수준 인코딩을 사용합니다. 긴 입력을 계획할 때는 실제 토크나이저로 토큰 수를 계산하고 의미를 지닌 코드 들여쓰기와 식별자를 유지하세요.
보고서는 단순한 정사각형 크기 조정으로 형태나 세부 요소가 보존되지 않는 이미지를 위해 Pan and Scan을 설명합니다. 시각 인코더에 맞춰 크기를 조정할, 서로 겹치지 않는 추가 뷰를 만들 수 있습니다. 이 처리에는 별도의 입력·계산 영향이 있습니다. 작은 라벨이 있는 스크린샷에서는 작은 전체 화면 이미지에 기대기보다 관심 영역을 지정하고 읽을 수 있는 뷰를 제공하세요. 여러 이미지는 역할을 표시하고 올바른 원자료에 연결된 답변을 요청합니다.
제조사의 네이티브 IT 대화 형식은 명시적인 턴 경계를 갖춘 user와 model 턴을 사용합니다. 별도의 네이티브 system 역할을 지원하지 않으므로 역할·형식 지시는 첫 사용자 프롬프트에 넣으세요. IT 체크포인트를 단순 텍스트 완성처럼 다루지 말고 맞는 포매터나 프로세서를 사용합니다. 지원 메모의 예에서는 대상 독자, 유지할 사실, 어조를 정하고 짧은 답변과 미해결 질문을 요청할 수 있습니다. 시각 추출에서는 필드와 읽을 수 없는 값의 표현 방식을 정의하세요.
Gemma의 의도한 용도에는 글쓰기, 요약, 대화 지원, 이미지 데이터 추출, 교육적 탐색이 포함됩니다. 범위를 좁힌 4B 워크플로는 서비스 메모를 실행 항목으로 정리하거나 보이는 도식을 설명하고, 제공된 구절에 관한 질문에 답할 수 있습니다. 이름 붙인 요소에 연결된 설명이나 원자료가 뒷받침하는 필드를 갖춘 작은 기록처럼 쉽게 검토할 수 있는 결과를 요청하세요. 도구 조회나 코드 실행은 주변 애플리케이션의 역할입니다. 도구 모양의 지시를 생성하는 것과 외부 작업을 완료하는 것은 다릅니다.
제조사는 학습 범위, 언어 뉘앙스, 사실 오류, 개방형 작업의 복잡성에 따른 한계를 언급합니다. Google은 그럴듯한 언어 패턴이 일상적인 현실 제약을 놓친 답을 만들 수 있다고 경고합니다. 이미지 크기 조정으로 중요한 세부 사항이 사라질 수 있으며 긴 컨텍스트도 불명확한 질문 자체를 명확하게 만들지는 않습니다. 결과를 원자료와 대조하고 요청한 구조화 필드를 검증하며 계산·코드 제안을 별도로 확인하세요. 정확한 4B IT 모델을 작업의 실제 언어와 문서 유형으로 평가해야 합니다. 기록할 때 크기, IT 정체성, 처리 구성을 12B, 27B 및 더 새로운 Gemma 변형과 구분합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemma-3-4b-it | 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.
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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "google/gemma-3-4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 google/gemma-3-4b-it
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.