Gemini 3.1 Pro Preview skirta darbui su sudėtinga medžiaga ir užduotimis, reikalaujančiomis kelių nuoseklių sprendimų. Google išskiria programinės įrangos inžineriją, įrankių naudojimą ir faktinių atsakymų nuoseklumą. Modelis padeda nagrinėti didelius duomenų rinkinius, ištisas programinės įrangos saugyklas ir užduotis, kuriose tekstas sujungtas su vaizdine ar garsine medžiaga.
Google charakteristikose išvardyti tekstas, vaizdai, vaizdo įrašai, garsas ir PDF. Dabartiniame Ailoot API kataloge tekstiniams metodams nurodyti tekstas ir vaizdai įvestyje ir tekstas išvestyje. Vaizdo įrašai, garsas ir PDF į šį įvesties rinkinį neįtraukti. Ilgas kontekstas talpina iki 1 048 576 įvesties tokenų, tekstinis atsakymas – iki 65 536 išvesties tokenų. Vaizdų ir garso supratimas nereiškia jų generavimo: šios versijos išvestis išlieka tekstinė.
Thinking leidžia skirti papildomų pastangų vidiniam samprotavimui. Google aprašytu bazinio modelio režimu numatytasis lygis – high; galimi low, medium, high. Šios reikšmės apibūdina bazinį Google modelį; režimą ir valdymo per Ailoot API prieinamumą lemia pasirinktas metodas ir modelio variantas. Pagrindiniai scenarijai apima sudėtingą programavimą, algoritmų kūrimą, strateginį planavimą ir laipsnišką sprendimo tobulinimą. Tai ypač naudinga, kai reikia atsižvelgti į kelis tarpusavyje susijusius reikalavimus ir grįžti prie tarpinių rezultatų.
Modelio galimybės apima funkcijų iškvietimus, kodo vykdymą ir struktūruotus atsakymus. Palaikomi konteksto kaupimas podėlyje, pagrindimas paieškos rezultatais, Google Maps ir žiniatinklio adresų turinio naudojimas; numatytas paketinis apdorojimas. Toks rinkinys leidžia kurti procesą, kuriame modelis analizuoja duomenis, pasirenka kitą įrankį ir suformuoja galutinį rezultatą. Faktinis kiekvieno įrankio prieinamumas priklauso nuo darbo su modeliu metodo.
Kortelė skirta preliminariai versijai gemini-3.1-pro-preview. Jos pagrindas – Gemini 3 Pro. Gamintojas atskirai nurodo variantą gemini-3.1-pro-preview-customtools, orientuotą į procesus su komandų apvalkalu ir naudotojo įrankiais. Jo įrankių pasirinkimo prioritetai ir elgsenos ypatybės nėra įprastos Preview versijos savybės.
Modeliui išlieka bendri bazinės linijos apribojimai: atsakymuose gali būti išgalvotos informacijos, o atskiros užklausos gali būti vykdomos lėtai arba baigtis viršijus laiko limitą. Kelių žingsnių samprotavimas, didelis kontekstas ir prieiga prie duomenų padeda dirbti su sudėtinga užduotimi, tačiau nepaverčia kiekvienos sugeneruotos išvados patikrintu faktu.
", "aboutText": "Gemini 3.1 Pro Preview skirta darbui su sudėtinga medžiaga ir užduotimis, reikalaujančiomis kelių nuoseklių sprendimų. Google išskiria programinės įrangos inžineriją, įrankių naudojimą ir faktinių atsakymų nuoseklumą. Modelis padeda nagrinėti didelius duomenų rinkinius, ištisas programinės įrangos saugyklas ir užduotis, kuriose tekstas sujungtas su vaizdine ar garsine medžiaga.\n\n### Kokią medžiagą supranta modelis\n\nGoogle charakteristikose išvardyti **tekstas, vaizdai, vaizdo įrašai, garsas ir PDF**. Dabartiniame Ailoot API kataloge tekstiniams metodams nurodyti **tekstas ir vaizdai** įvestyje ir tekstas išvestyje. Vaizdo įrašai, garsas ir PDF į šį įvesties rinkinį neįtraukti. Ilgas kontekstas talpina iki **1 048 576 įvesties tokenų**, tekstinis atsakymas – iki **65 536 išvesties tokenų**. Vaizdų ir garso supratimas nereiškia jų generavimo: šios versijos išvestis išlieka tekstinė.\n\n### Samprotavimas ir darbas žingsniais\n\nThinking leidžia skirti papildomų pastangų vidiniam samprotavimui. Google aprašytu bazinio modelio režimu numatytasis lygis – `high`; galimi `low`, `medium`, `high`. Šios reikšmės apibūdina bazinį Google modelį; režimą ir valdymo per Ailoot API prieinamumą lemia pasirinktas metodas ir modelio variantas. Pagrindiniai scenarijai apima sudėtingą programavimą, algoritmų kūrimą, strateginį planavimą ir laipsnišką sprendimo tobulinimą. Tai ypač naudinga, kai reikia atsižvelgti į kelis tarpusavyje susijusius reikalavimus ir grįžti prie tarpinių rezultatų.\n\nModelio galimybės apima funkcijų iškvietimus, kodo vykdymą ir struktūruotus atsakymus. Palaikomi konteksto kaupimas podėlyje, pagrindimas paieškos rezultatais, Google Maps ir žiniatinklio adresų turinio naudojimas; numatytas paketinis apdorojimas. Toks rinkinys leidžia kurti procesą, kuriame modelis analizuoja duomenis, pasirenka kitą įrankį ir suformuoja galutinį rezultatą. Faktinis kiekvieno įrankio prieinamumas priklauso nuo darbo su modeliu metodo.\n\n### Versija ir ypatybės\n\nKortelė skirta preliminariai versijai `gemini-3.1-pro-preview`. Jos pagrindas – Gemini 3 Pro. Gamintojas atskirai nurodo variantą `gemini-3.1-pro-preview-customtools`, orientuotą į procesus su komandų apvalkalu ir naudotojo įrankiais. Jo įrankių pasirinkimo prioritetai ir elgsenos ypatybės nėra įprastos Preview versijos savybės.\n\nModeliui išlieka bendri bazinės linijos apribojimai: atsakymuose gali būti išgalvotos informacijos, o atskiros užklausos gali būti vykdomos lėtai arba baigtis viršijus laiko limitą. Kelių žingsnių samprotavimas, didelis kontekstas ir prieiga prie duomenų padeda dirbti su sudėtinga užduotimi, tačiau nepaverčia kiekvienos sugeneruotos išvados patikrintu faktu.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
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-highGoogle multimodalinis modelis sudėtingoms programavimo užduotims, didelės apimties medžiagos analizei ir tiksliam kelių žingsnių darbui su įrankiais.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Gemini 3.1 Pro Preview skirta darbui su sudėtinga medžiaga ir užduotimis, reikalaujančiomis kelių nuoseklių sprendimų. Google išskiria programinės įrangos inžineriją, įrankių naudojimą ir faktinių atsakymų nuoseklumą. Modelis padeda nagrinėti didelius duomenų rinkinius, ištisas programinės įrangos saugyklas ir užduotis, kuriose tekstas sujungtas su vaizdine ar garsine medžiaga.
Google charakteristikose išvardyti tekstas, vaizdai, vaizdo įrašai, garsas ir PDF. Dabartiniame Ailoot API kataloge tekstiniams metodams nurodyti tekstas ir vaizdai įvestyje ir tekstas išvestyje. Vaizdo įrašai, garsas ir PDF į šį įvesties rinkinį neįtraukti. Ilgas kontekstas talpina iki 1 048 576 įvesties tokenų, tekstinis atsakymas – iki 65 536 išvesties tokenų. Vaizdų ir garso supratimas nereiškia jų generavimo: šios versijos išvestis išlieka tekstinė.
Thinking leidžia skirti papildomų pastangų vidiniam samprotavimui. Google aprašytu bazinio modelio režimu numatytasis lygis – high; galimi low, medium, high. Šios reikšmės apibūdina bazinį Google modelį; režimą ir valdymo per Ailoot API prieinamumą lemia pasirinktas metodas ir modelio variantas. Pagrindiniai scenarijai apima sudėtingą programavimą, algoritmų kūrimą, strateginį planavimą ir laipsnišką sprendimo tobulinimą. Tai ypač naudinga, kai reikia atsižvelgti į kelis tarpusavyje susijusius reikalavimus ir grįžti prie tarpinių rezultatų.
Modelio galimybės apima funkcijų iškvietimus, kodo vykdymą ir struktūruotus atsakymus. Palaikomi konteksto kaupimas podėlyje, pagrindimas paieškos rezultatais, Google Maps ir žiniatinklio adresų turinio naudojimas; numatytas paketinis apdorojimas. Toks rinkinys leidžia kurti procesą, kuriame modelis analizuoja duomenis, pasirenka kitą įrankį ir suformuoja galutinį rezultatą. Faktinis kiekvieno įrankio prieinamumas priklauso nuo darbo su modeliu metodo.
Kortelė skirta preliminariai versijai gemini-3.1-pro-preview. Jos pagrindas – Gemini 3 Pro. Gamintojas atskirai nurodo variantą gemini-3.1-pro-preview-customtools, orientuotą į procesus su komandų apvalkalu ir naudotojo įrankiais. Jo įrankių pasirinkimo prioritetai ir elgsenos ypatybės nėra įprastos Preview versijos savybės.
Modeliui išlieka bendri bazinės linijos apribojimai: atsakymuose gali būti išgalvotos informacijos, o atskiros užklausos gali būti vykdomos lėtai arba baigtis viršijus laiko limitą. Kelių žingsnių samprotavimas, didelis kontekstas ir prieiga prie duomenų padeda dirbti su sudėtinga užduotimi, tačiau nepaverčia kiekvienos sugeneruotos išvados patikrintu faktu.
POST /v1/messagestext, imagetext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos gemini-3.1-pro-high | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring|content_block[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukassystem | Tipasstring|content_block[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Riba taikoma: konkretus pasirinkto modelio / kortelės limitas | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop_sequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipastool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas įrankis | Numatyta— |
Laukastools[].description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].input_schema | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasthinking.budget_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasoutput_config.effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmetadata | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukascache_control | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content arba type=text blokas
Tekstas + vaizdas
{type:image,source:{type:base64,media_type,data}} arba šaltinis type=url
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext, image |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1/messages| Užklausos dydis tokenais | Įvestis | Išvestis | Talpyklos skaitymas | Rašymas į talpyklą | Talpykla 5 min | Talpykla 1 val |
|---|---|---|---|---|---|---|
| Užklausos dydis tokenais(0; 200 000] | Įvestis0,002 USD | Išvestis0,012 USD | Talpyklos skaitymas0,0002 USD | Rašymas į talpykląBazinė: — | Talpykla 5 minBazinė: — | Talpykla 1 valBazinė: — |
| Užklausos dydis tokenais(200 000; ∞) | Įvestis0,004 USD | Išvestis0,018 USD | Talpyklos skaitymas0,0004 USD | Rašymas į talpykląBazinė: — | Talpykla 5 minBazinė: — | Talpykla 1 valBazinė: — |
Įkainiai USD už 1K tokenų. Jei įkainis nenustatytas, paveldimas šio metodo bazinis įkainis; «—» reiškia, kad bazinis įkainis nenustatytas.
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot gemini-3.1-pro-high
Naudokite aukščiau nurodytus metodų kelius.
gemini-3.1-pro-highGoogle multimodalinis modelis sudėtingoms programavimo užduotims, didelės apimties medžiagos analizei ir tiksliam kelių žingsnių darbui su įrankiais.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Gemini 3.1 Pro Preview skirta darbui su sudėtinga medžiaga ir užduotimis, reikalaujančiomis kelių nuoseklių sprendimų. Google išskiria programinės įrangos inžineriją, įrankių naudojimą ir faktinių atsakymų nuoseklumą. Modelis padeda nagrinėti didelius duomenų rinkinius, ištisas programinės įrangos saugyklas ir užduotis, kuriose tekstas sujungtas su vaizdine ar garsine medžiaga.
Google charakteristikose išvardyti tekstas, vaizdai, vaizdo įrašai, garsas ir PDF. Dabartiniame Ailoot API kataloge tekstiniams metodams nurodyti tekstas ir vaizdai įvestyje ir tekstas išvestyje. Vaizdo įrašai, garsas ir PDF į šį įvesties rinkinį neįtraukti. Ilgas kontekstas talpina iki 1 048 576 įvesties tokenų, tekstinis atsakymas – iki 65 536 išvesties tokenų. Vaizdų ir garso supratimas nereiškia jų generavimo: šios versijos išvestis išlieka tekstinė.
Thinking leidžia skirti papildomų pastangų vidiniam samprotavimui. Google aprašytu bazinio modelio režimu numatytasis lygis – high; galimi low, medium, high. Šios reikšmės apibūdina bazinį Google modelį; režimą ir valdymo per Ailoot API prieinamumą lemia pasirinktas metodas ir modelio variantas. Pagrindiniai scenarijai apima sudėtingą programavimą, algoritmų kūrimą, strateginį planavimą ir laipsnišką sprendimo tobulinimą. Tai ypač naudinga, kai reikia atsižvelgti į kelis tarpusavyje susijusius reikalavimus ir grįžti prie tarpinių rezultatų.
Modelio galimybės apima funkcijų iškvietimus, kodo vykdymą ir struktūruotus atsakymus. Palaikomi konteksto kaupimas podėlyje, pagrindimas paieškos rezultatais, Google Maps ir žiniatinklio adresų turinio naudojimas; numatytas paketinis apdorojimas. Toks rinkinys leidžia kurti procesą, kuriame modelis analizuoja duomenis, pasirenka kitą įrankį ir suformuoja galutinį rezultatą. Faktinis kiekvieno įrankio prieinamumas priklauso nuo darbo su modeliu metodo.
Kortelė skirta preliminariai versijai gemini-3.1-pro-preview. Jos pagrindas – Gemini 3 Pro. Gamintojas atskirai nurodo variantą gemini-3.1-pro-preview-customtools, orientuotą į procesus su komandų apvalkalu ir naudotojo įrankiais. Jo įrankių pasirinkimo prioritetai ir elgsenos ypatybės nėra įprastos Preview versijos savybės.
Modeliui išlieka bendri bazinės linijos apribojimai: atsakymuose gali būti išgalvotos informacijos, o atskiros užklausos gali būti vykdomos lėtai arba baigtis viršijus laiko limitą. Kelių žingsnių samprotavimas, didelis kontekstas ir prieiga prie duomenų padeda dirbti su sudėtinga užduotimi, tačiau nepaverčia kiekvienos sugeneruotos išvados patikrintu faktu.
POST /v1beta/models/{model}:generateContenttext, imagetext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukaspath.model | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos gemini-3.1-pro-high | Numatyta— |
Laukascontents | Tipascontent[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukascontents[].role | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos user, model | Numatyta— |
Laukascontents[].parts | Tipaspart[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
LaukassystemInstruction | Tipascontent | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
LaukasgenerationConfig.maxOutputTokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
LaukasgenerationConfig.temperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
LaukasgenerationConfig.topP | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
LaukasgenerationConfig.topK | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
LaukasgenerationConfig.stopSequences | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
LaukasgenerationConfig.thinkingConfig.includeThoughts | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
LaukasgenerationConfig.thinkingConfig.thinkingBudget | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].functionDeclarations | Tipasfunction_declaration[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
LaukastoolConfig.functionCallingConfig.mode | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
LaukassafetySettings | Tipasobject[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
LaukassessionId | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Tekstas · UTF8 tekstas
contents[].parts[].text
Tekstas + vaizdas
parts[].inlineData={mimeType,data}
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijatext, image |
Parametrasrequired | Specifikacijacontents |
Parametrasoptional_controls | Specifikacijanull |
Parametrascontent_type | Specifikacijaapplication/json |
Parametrastext_file_material | Specifikacijatikrasis UTF-8 turinys įterptas kaip tekstas; failų ID/URLs reikia atskiro tiksliai apibrėžto palaikymo |
Gyvavimo ciklas: exact retained published method
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
POST /v1beta/models/{model}:generateContent| Užklausos dydis tokenais | Įvestis | Išvestis | Talpyklos skaitymas | Rašymas į talpyklą | Talpykla 5 min | Talpykla 1 val |
|---|---|---|---|---|---|---|
| Užklausos dydis tokenais(0; 200 000] | Įvestis0,002 USD | Išvestis0,012 USD | Talpyklos skaitymas0,0002 USD | Rašymas į talpykląBazinė: — | Talpykla 5 minBazinė: — | Talpykla 1 valBazinė: — |
| Užklausos dydis tokenais(200 000; ∞) | Įvestis0,004 USD | Išvestis0,018 USD | Talpyklos skaitymas0,0004 USD | Rašymas į talpykląBazinė: — | Talpykla 5 minBazinė: — | Talpykla 1 valBazinė: — |
Įkainiai USD už 1K tokenų. Jei įkainis nenustatytas, paveldimas šio metodo bazinis įkainis; «—» reiškia, kad bazinis įkainis nenustatytas.
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
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 arba palaikomas srautinis perdavimas
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus kandidatus ir dalis, įskaitant funkcijų iškvietimus, mąstymo parašus ir naudojimo duomenis; srauto dalis surinkite eilės tvarka.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
LaukasresponseId | Tipasstring |
LaukasmodelVersion | Tipasstring |
Laukascandidates[].content.parts[] | Tipastext|inlineData|functionCall|other part |
Laukascandidates[].finishReason | Tipasstring |
LaukasusageMetadata | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot gemini-3.1-pro-high
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
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.