Gemini 3.1 Pro Preview ialah model teks berorientasikan penaakulan Google untuk tugas kompleks yang memerlukan kejuruteraan perisian, pembangunan algoritma atau sintesis bukti multimodal. Ia dibina berasaskan Gemini 3 Pro, menekankan penggunaan alat tepat, penaakulan lebih cekap dan pelaksanaan berbilang langkah yang boleh dipercayai. Teks, imej, audio, video dan PDF boleh menyumbang kepada jawapan bertulis, artifak kod atau hasil berstruktur.
Untuk tugasan pengekodan yang mencabar, berikan matlamat, bahan repositori berkaitan, tingkah laku diperhatikan dan kekangan yang perlu dikekalkan. Seluruh repositori kod boleh membekalkan konteks tugasan. Untuk semakan kontrak kod, minta model membandingkan cara dua modul mengendalikan kontrak data dikongsi, mengenal pasti ketidakpadanan dan mencadangkan pembetulan berfokus dengan rujukan kod sokongan. Output yang berguna membezakan analisis, pindaan cadangan dan bukti daripada sebarang pengesahan yang dilakukan oleh aplikasi yang disambungkan.
Bahan pelancaran menunjukkan penerangan visual berasaskan kod dan projek interaktif, termasuk output SVG beranimasi daripada taklimat teks. Ini ialah artifak kod, bukannya penjanaan imej raster. Taklimat jelas boleh menetapkan perkara yang perlu diterangkan, cara visual perlu berfungsi dan data yang perlu diwakilinya. Semak kod terhasil dan pemaparannya berdasarkan keperluan itu. Untuk tugas sintesis data, bekalkan sumber sebenar dan minta satu paparan yang mengekalkan hubungan serta batasan atau syarat yang terkandung dalam sumber-sumber tersebut.
Aras pemikiran yang didokumenkan ialah low, medium dan high, dengan high sebagai lalai 3.1 Pro Preview. Pemikiran tidak boleh dinyahaktifkan sepenuhnya dalam profil Pro ini. Pilih usaha lebih rendah untuk jawapan terbatas dan lebih banyak penaakulan untuk kerja berbilang langkah yang sukar, sambil meninggalkan peruntukan output mencukupi bagi artifak akhir. Had output kecil boleh mengganggu penaakulan sebelum jawapan akhir yang boleh digunakan muncul. Panduan pemikiran memisahkan ringkasan penaakulan daripada proses dalaman penuh dan menerangkan kepentingan konteks tandatangan pemikiran perbualan.
Jadual Preview khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Ia mengehadkan File Search kepada AI Studio. Berikan tujuan fungsi dan takrif parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Profil Custom Tools Preview berasingan dioptimumkan untuk mengutamakan alat tersuai dan bash; ia ialah titik hujung pengeluar bernama yang berbeza, jadi pengkhususan itu tidak sepatutnya dianggap secara senyap sebagai sifat setiap permintaan 3.1 Pro. Pilih skema hasil berstruktur apabila tugas memerlukan rekod ditetapkan, bukannya prosa bebas.
Untuk analisis multimodal, kenal pasti halaman, visual, selang rakaman atau peristiwa video yang berkaitan. Untuk analisis dokumen, bandingkan rajah dengan spesifikasi bertulisnya dan kembalikan setiap perbezaan bersama petikan sokongan. Sumber pertuturan boleh menyumbang transkrip atau tafsiran dalam teks. Kekalkan rujukan sumber bagi kesimpulan yang perlu disemak, dan pisahkan perkara yang kelihatan atau dinyatakan daripada perkara yang disimpulkan. Output profil ini kekal sebagai teks, termasuk kod; penjanaan imej atau pertuturan asal bukan sebahagian jadual keupayaan khususnya.
Kad asal 3.1 Pro menetapkan konteks sehingga 1M dan output teks 64K, dan jadual API Preview khusus memberikan 1,048,576 token input serta 65,536 token output. Masukkan arahan, sejarah perbualan dan media dalam belanjawan input. Cache dan pemprosesan kelompok didokumenkan, dengan pilihan Flex serta Priority turut disenaraikan bagi profil pengeluar. Untuk beberapa item bebas, tetapkan output wajib dan simpan setiap pengecam sumber, daripada menggabungkan bukti tidak berkaitan menjadi satu jawapan yang tidak boleh dijejaki.
Edisi Preview bernama kekal berbeza daripada profil Custom Tools Pro dan keluaran Flash atau Pro kemudian. Kekuatannya berkaitan penaakulan kompleks, pengekodan dan sintesis bukti; artifak akhir masih perlu disemak berdasarkan sumber serta hasil alat sebenar. Kekalkan kekaburan belum selesai apabila maklumat dibekalkan tidak menyokong kesimpulan pasti. Hasil yang berguna ialah jawapan, kod atau rekod yang disokong dan diminta tugas, dengan bukti mencukupi untuk menilai batasan praktikalnya.
", "aboutText": "Gemini 3.1 Pro Preview ialah model teks berorientasikan penaakulan Google untuk tugas kompleks yang memerlukan kejuruteraan perisian, pembangunan algoritma atau sintesis bukti multimodal. Ia dibina berasaskan Gemini 3 Pro, menekankan penggunaan alat tepat, penaakulan lebih cekap dan pelaksanaan berbilang langkah yang boleh dipercayai. Teks, imej, audio, video dan PDF boleh menyumbang kepada jawapan bertulis, artifak kod atau hasil berstruktur.\n\nUntuk tugasan pengekodan yang mencabar, berikan matlamat, bahan repositori berkaitan, tingkah laku diperhatikan dan kekangan yang perlu dikekalkan. Seluruh repositori kod boleh membekalkan konteks tugasan. Untuk semakan kontrak kod, minta model membandingkan cara dua modul mengendalikan kontrak data dikongsi, mengenal pasti ketidakpadanan dan mencadangkan pembetulan berfokus dengan rujukan kod sokongan. Output yang berguna membezakan analisis, pindaan cadangan dan bukti daripada sebarang pengesahan yang dilakukan oleh aplikasi yang disambungkan.\n\nBahan pelancaran menunjukkan penerangan visual berasaskan kod dan projek interaktif, termasuk output SVG beranimasi daripada taklimat teks. Ini ialah artifak kod, bukannya penjanaan imej raster. Taklimat jelas boleh menetapkan perkara yang perlu diterangkan, cara visual perlu berfungsi dan data yang perlu diwakilinya. Semak kod terhasil dan pemaparannya berdasarkan keperluan itu. Untuk tugas sintesis data, bekalkan sumber sebenar dan minta satu paparan yang mengekalkan hubungan serta batasan atau syarat yang terkandung dalam sumber-sumber tersebut.\n\nAras pemikiran yang didokumenkan ialah low, medium dan high, dengan high sebagai lalai 3.1 Pro Preview. Pemikiran tidak boleh dinyahaktifkan sepenuhnya dalam profil Pro ini. Pilih usaha lebih rendah untuk jawapan terbatas dan lebih banyak penaakulan untuk kerja berbilang langkah yang sukar, sambil meninggalkan peruntukan output mencukupi bagi artifak akhir. Had output kecil boleh mengganggu penaakulan sebelum jawapan akhir yang boleh digunakan muncul. Panduan pemikiran memisahkan ringkasan penaakulan daripada proses dalaman penuh dan menerangkan kepentingan konteks tandatangan pemikiran perbualan.\n\nJadual Preview khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Ia mengehadkan File Search kepada AI Studio. Berikan tujuan fungsi dan takrif parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Profil Custom Tools Preview berasingan dioptimumkan untuk mengutamakan alat tersuai dan bash; ia ialah titik hujung pengeluar bernama yang berbeza, jadi pengkhususan itu tidak sepatutnya dianggap secara senyap sebagai sifat setiap permintaan 3.1 Pro. Pilih skema hasil berstruktur apabila tugas memerlukan rekod ditetapkan, bukannya prosa bebas.\n\nUntuk analisis multimodal, kenal pasti halaman, visual, selang rakaman atau peristiwa video yang berkaitan. Untuk analisis dokumen, bandingkan rajah dengan spesifikasi bertulisnya dan kembalikan setiap perbezaan bersama petikan sokongan. Sumber pertuturan boleh menyumbang transkrip atau tafsiran dalam teks. Kekalkan rujukan sumber bagi kesimpulan yang perlu disemak, dan pisahkan perkara yang kelihatan atau dinyatakan daripada perkara yang disimpulkan. Output profil ini kekal sebagai teks, termasuk kod; penjanaan imej atau pertuturan asal bukan sebahagian jadual keupayaan khususnya.\n\nKad asal 3.1 Pro menetapkan konteks sehingga 1M dan output teks 64K, dan jadual API Preview khusus memberikan 1,048,576 token input serta 65,536 token output. Masukkan arahan, sejarah perbualan dan media dalam belanjawan input. Cache dan pemprosesan kelompok didokumenkan, dengan pilihan Flex serta Priority turut disenaraikan bagi profil pengeluar. Untuk beberapa item bebas, tetapkan output wajib dan simpan setiap pengecam sumber, daripada menggabungkan bukti tidak berkaitan menjadi satu jawapan yang tidak boleh dijejaki.\n\nEdisi Preview bernama kekal berbeza daripada profil Custom Tools Pro dan keluaran Flash atau Pro kemudian. Kekuatannya berkaitan penaakulan kompleks, pengekodan dan sintesis bukti; artifak akhir masih perlu disemak berdasarkan sumber serta hasil alat sebenar. Kekalkan kekaburan belum selesai apabila maklumat dibekalkan tidak menyokong kesimpulan pasti. Hasil yang berguna ialah jawapan, kod atau rekod yang disokong dan diminta tugas, dengan bukti mencukupi untuk menilai batasan praktikalnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.gemini-3.1-pro-previewGemini 3.1 Pro Preview ialah model penaakulan multimodal Google untuk tugas perisian, algoritma dan pengetahuan yang kompleks. Model ini menerima teks, imej, audio, video dan PDF serta memulangkan teks atau kod, dengan alat dan output berstruktur. Tahap penaakulan Low, medium dan high memandu usaha; high ialah lalai yang didokumentasikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Pro Preview ialah model teks berorientasikan penaakulan Google untuk tugas kompleks yang memerlukan kejuruteraan perisian, pembangunan algoritma atau sintesis bukti multimodal. Ia dibina berasaskan Gemini 3 Pro, menekankan penggunaan alat tepat, penaakulan lebih cekap dan pelaksanaan berbilang langkah yang boleh dipercayai. Teks, imej, audio, video dan PDF boleh menyumbang kepada jawapan bertulis, artifak kod atau hasil berstruktur.
Untuk tugasan pengekodan yang mencabar, berikan matlamat, bahan repositori berkaitan, tingkah laku diperhatikan dan kekangan yang perlu dikekalkan. Seluruh repositori kod boleh membekalkan konteks tugasan. Untuk semakan kontrak kod, minta model membandingkan cara dua modul mengendalikan kontrak data dikongsi, mengenal pasti ketidakpadanan dan mencadangkan pembetulan berfokus dengan rujukan kod sokongan. Output yang berguna membezakan analisis, pindaan cadangan dan bukti daripada sebarang pengesahan yang dilakukan oleh aplikasi yang disambungkan.
Bahan pelancaran menunjukkan penerangan visual berasaskan kod dan projek interaktif, termasuk output SVG beranimasi daripada taklimat teks. Ini ialah artifak kod, bukannya penjanaan imej raster. Taklimat jelas boleh menetapkan perkara yang perlu diterangkan, cara visual perlu berfungsi dan data yang perlu diwakilinya. Semak kod terhasil dan pemaparannya berdasarkan keperluan itu. Untuk tugas sintesis data, bekalkan sumber sebenar dan minta satu paparan yang mengekalkan hubungan serta batasan atau syarat yang terkandung dalam sumber-sumber tersebut.
Aras pemikiran yang didokumenkan ialah low, medium dan high, dengan high sebagai lalai 3.1 Pro Preview. Pemikiran tidak boleh dinyahaktifkan sepenuhnya dalam profil Pro ini. Pilih usaha lebih rendah untuk jawapan terbatas dan lebih banyak penaakulan untuk kerja berbilang langkah yang sukar, sambil meninggalkan peruntukan output mencukupi bagi artifak akhir. Had output kecil boleh mengganggu penaakulan sebelum jawapan akhir yang boleh digunakan muncul. Panduan pemikiran memisahkan ringkasan penaakulan daripada proses dalaman penuh dan menerangkan kepentingan konteks tandatangan pemikiran perbualan.
Jadual Preview khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Ia mengehadkan File Search kepada AI Studio. Berikan tujuan fungsi dan takrif parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Profil Custom Tools Preview berasingan dioptimumkan untuk mengutamakan alat tersuai dan bash; ia ialah titik hujung pengeluar bernama yang berbeza, jadi pengkhususan itu tidak sepatutnya dianggap secara senyap sebagai sifat setiap permintaan 3.1 Pro. Pilih skema hasil berstruktur apabila tugas memerlukan rekod ditetapkan, bukannya prosa bebas.
Untuk analisis multimodal, kenal pasti halaman, visual, selang rakaman atau peristiwa video yang berkaitan. Untuk analisis dokumen, bandingkan rajah dengan spesifikasi bertulisnya dan kembalikan setiap perbezaan bersama petikan sokongan. Sumber pertuturan boleh menyumbang transkrip atau tafsiran dalam teks. Kekalkan rujukan sumber bagi kesimpulan yang perlu disemak, dan pisahkan perkara yang kelihatan atau dinyatakan daripada perkara yang disimpulkan. Output profil ini kekal sebagai teks, termasuk kod; penjanaan imej atau pertuturan asal bukan sebahagian jadual keupayaan khususnya.
Kad asal 3.1 Pro menetapkan konteks sehingga 1M dan output teks 64K, dan jadual API Preview khusus memberikan 1,048,576 token input serta 65,536 token output. Masukkan arahan, sejarah perbualan dan media dalam belanjawan input. Cache dan pemprosesan kelompok didokumenkan, dengan pilihan Flex serta Priority turut disenaraikan bagi profil pengeluar. Untuk beberapa item bebas, tetapkan output wajib dan simpan setiap pengecam sumber, daripada menggabungkan bukti tidak berkaitan menjadi satu jawapan yang tidak boleh dijejaki.
Edisi Preview bernama kekal berbeza daripada profil Custom Tools Pro dan keluaran Flash atau Pro kemudian. Kekuatannya berkaitan penaakulan kompleks, pengekodan dan sintesis bukti; artifak akhir masih perlu disemak berdasarkan sumber serta hasil alat sebenar. Kekalkan kekaburan belum selesai apabila maklumat dibekalkan tidak menyokong kesimpulan pasti. Hasil yang berguna ialah jawapan, kod atau rekod yang disokong dan diminta tugas, dengan bukti mencukupi untuk menilai batasan praktikalnya.
POST /v1/messagestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.1-pro-preview | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring|content_block[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansystem | Jenisstring|content_block[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had Minimum: 1 Had terpakai pada: had maksimum tepat bagi model/kad yang dipilih | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].name | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: alat dibekalkan | Lalai— |
Medantools[].description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].input_schema | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + imej
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/messages| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 200,000] | InputUSD 0.002 | OutputUSD 0.012 | Bacaan cacheUSD 0.0002 | Penulisan cacheAsas: — | Cache 5 minitAsas: — | Cache 1 jamAsas: — |
| Saiz permintaan, token(200,000; ∞) | InputUSD 0.004 | OutputUSD 0.018 | Bacaan cacheUSD 0.0004 | Penulisan cacheAsas: — | Cache 5 minitAsas: — | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token Output · Token keluaran penaakulan $0.024 / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.036 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token Output · Token keluaran penaakulan $0.024 / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.036 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-preview", "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-preview", "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-preview",\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-preview",\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-preview',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview ialah model penaakulan multimodal Google untuk tugas perisian, algoritma dan pengetahuan yang kompleks. Model ini menerima teks, imej, audio, video dan PDF serta memulangkan teks atau kod, dengan alat dan output berstruktur. Tahap penaakulan Low, medium dan high memandu usaha; high ialah lalai yang didokumentasikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Pro Preview ialah model teks berorientasikan penaakulan Google untuk tugas kompleks yang memerlukan kejuruteraan perisian, pembangunan algoritma atau sintesis bukti multimodal. Ia dibina berasaskan Gemini 3 Pro, menekankan penggunaan alat tepat, penaakulan lebih cekap dan pelaksanaan berbilang langkah yang boleh dipercayai. Teks, imej, audio, video dan PDF boleh menyumbang kepada jawapan bertulis, artifak kod atau hasil berstruktur.
Untuk tugasan pengekodan yang mencabar, berikan matlamat, bahan repositori berkaitan, tingkah laku diperhatikan dan kekangan yang perlu dikekalkan. Seluruh repositori kod boleh membekalkan konteks tugasan. Untuk semakan kontrak kod, minta model membandingkan cara dua modul mengendalikan kontrak data dikongsi, mengenal pasti ketidakpadanan dan mencadangkan pembetulan berfokus dengan rujukan kod sokongan. Output yang berguna membezakan analisis, pindaan cadangan dan bukti daripada sebarang pengesahan yang dilakukan oleh aplikasi yang disambungkan.
Bahan pelancaran menunjukkan penerangan visual berasaskan kod dan projek interaktif, termasuk output SVG beranimasi daripada taklimat teks. Ini ialah artifak kod, bukannya penjanaan imej raster. Taklimat jelas boleh menetapkan perkara yang perlu diterangkan, cara visual perlu berfungsi dan data yang perlu diwakilinya. Semak kod terhasil dan pemaparannya berdasarkan keperluan itu. Untuk tugas sintesis data, bekalkan sumber sebenar dan minta satu paparan yang mengekalkan hubungan serta batasan atau syarat yang terkandung dalam sumber-sumber tersebut.
Aras pemikiran yang didokumenkan ialah low, medium dan high, dengan high sebagai lalai 3.1 Pro Preview. Pemikiran tidak boleh dinyahaktifkan sepenuhnya dalam profil Pro ini. Pilih usaha lebih rendah untuk jawapan terbatas dan lebih banyak penaakulan untuk kerja berbilang langkah yang sukar, sambil meninggalkan peruntukan output mencukupi bagi artifak akhir. Had output kecil boleh mengganggu penaakulan sebelum jawapan akhir yang boleh digunakan muncul. Panduan pemikiran memisahkan ringkasan penaakulan daripada proses dalaman penuh dan menerangkan kepentingan konteks tandatangan pemikiran perbualan.
Jadual Preview khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Ia mengehadkan File Search kepada AI Studio. Berikan tujuan fungsi dan takrif parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Profil Custom Tools Preview berasingan dioptimumkan untuk mengutamakan alat tersuai dan bash; ia ialah titik hujung pengeluar bernama yang berbeza, jadi pengkhususan itu tidak sepatutnya dianggap secara senyap sebagai sifat setiap permintaan 3.1 Pro. Pilih skema hasil berstruktur apabila tugas memerlukan rekod ditetapkan, bukannya prosa bebas.
Untuk analisis multimodal, kenal pasti halaman, visual, selang rakaman atau peristiwa video yang berkaitan. Untuk analisis dokumen, bandingkan rajah dengan spesifikasi bertulisnya dan kembalikan setiap perbezaan bersama petikan sokongan. Sumber pertuturan boleh menyumbang transkrip atau tafsiran dalam teks. Kekalkan rujukan sumber bagi kesimpulan yang perlu disemak, dan pisahkan perkara yang kelihatan atau dinyatakan daripada perkara yang disimpulkan. Output profil ini kekal sebagai teks, termasuk kod; penjanaan imej atau pertuturan asal bukan sebahagian jadual keupayaan khususnya.
Kad asal 3.1 Pro menetapkan konteks sehingga 1M dan output teks 64K, dan jadual API Preview khusus memberikan 1,048,576 token input serta 65,536 token output. Masukkan arahan, sejarah perbualan dan media dalam belanjawan input. Cache dan pemprosesan kelompok didokumenkan, dengan pilihan Flex serta Priority turut disenaraikan bagi profil pengeluar. Untuk beberapa item bebas, tetapkan output wajib dan simpan setiap pengecam sumber, daripada menggabungkan bukti tidak berkaitan menjadi satu jawapan yang tidak boleh dijejaki.
Edisi Preview bernama kekal berbeza daripada profil Custom Tools Pro dan keluaran Flash atau Pro kemudian. Kekuatannya berkaitan penaakulan kompleks, pengekodan dan sintesis bukti; artifak akhir masih perlu disemak berdasarkan sumber serta hasil alat sebenar. Kekalkan kekaburan belum selesai apabila maklumat dibekalkan tidak menyokong kesimpulan pasti. Hasil yang berguna ialah jawapan, kod atau rekod yang disokong dan diminta tugas, dengan bukti mencukupi untuk menilai batasan praktikalnya.
POST /v1beta/models/{model}:generateContenttext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanpath.model | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.1-pro-preview | Lalai— |
Medancontents | Jeniscontent[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medancontents[].role | Jenisstring | KeperluanPilihan | Nilai & had user, model | Lalai— |
Medancontents[].parts | Jenispart[] | KeperluanDiperlukan | Nilai & had | Lalai— |
MedansystemInstruction | Jeniscontent | KeperluanPilihan | Nilai & had | Lalai— |
MedangenerationConfig.maxOutputTokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
MedangenerationConfig.temperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.topP | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.topK | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.stopSequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.thinkingConfig.includeThoughts | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.thinkingConfig.thinkingBudget | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].functionDeclarations | Jenisfunction_declaration[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedantoolConfig.functionCallingConfig.mode | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedansafetySettings | Jenisobject[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedansessionId | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Teks · Teks UTF8
contents[].parts[].text
Teks + imej
parts[].inlineData={mimeType,data}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakcontents |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1beta/models/{model}:generateContent| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 200,000] | InputUSD 0.002 | OutputUSD 0.012 | Bacaan cacheUSD 0.0002 | Penulisan cacheAsas: — | Cache 5 minitAsas: — | Cache 1 jamAsas: — |
| Saiz permintaan, token(200,000; ∞) | InputUSD 0.004 | OutputUSD 0.018 | Bacaan cacheUSD 0.0004 | Penulisan cacheAsas: — | Cache 5 minitAsas: — | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token Output · Token keluaran penaakulan $0.024 / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.036 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token Output · Token keluaran penaakulan $0.024 / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.036 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-preview: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-preview: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-preview", 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-preview", 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-preview',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 atau penstriman yang disokong
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua calon dan bahagian, termasuk panggilan fungsi, tandatangan pemikiran dan data penggunaan; gabungkan cebisan strim mengikut urutan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
MedanresponseId | Jenisstring |
MedanmodelVersion | Jenisstring |
Medancandidates[].content.parts[] | Jenistext|inlineData|functionCall|other part |
Medancandidates[].finishReason | Jenisstring |
MedanusageMetadata | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview ialah model penaakulan multimodal Google untuk tugas perisian, algoritma dan pengetahuan yang kompleks. Model ini menerima teks, imej, audio, video dan PDF serta memulangkan teks atau kod, dengan alat dan output berstruktur. Tahap penaakulan Low, medium dan high memandu usaha; high ialah lalai yang didokumentasikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Pro Preview ialah model teks berorientasikan penaakulan Google untuk tugas kompleks yang memerlukan kejuruteraan perisian, pembangunan algoritma atau sintesis bukti multimodal. Ia dibina berasaskan Gemini 3 Pro, menekankan penggunaan alat tepat, penaakulan lebih cekap dan pelaksanaan berbilang langkah yang boleh dipercayai. Teks, imej, audio, video dan PDF boleh menyumbang kepada jawapan bertulis, artifak kod atau hasil berstruktur.
Untuk tugasan pengekodan yang mencabar, berikan matlamat, bahan repositori berkaitan, tingkah laku diperhatikan dan kekangan yang perlu dikekalkan. Seluruh repositori kod boleh membekalkan konteks tugasan. Untuk semakan kontrak kod, minta model membandingkan cara dua modul mengendalikan kontrak data dikongsi, mengenal pasti ketidakpadanan dan mencadangkan pembetulan berfokus dengan rujukan kod sokongan. Output yang berguna membezakan analisis, pindaan cadangan dan bukti daripada sebarang pengesahan yang dilakukan oleh aplikasi yang disambungkan.
Bahan pelancaran menunjukkan penerangan visual berasaskan kod dan projek interaktif, termasuk output SVG beranimasi daripada taklimat teks. Ini ialah artifak kod, bukannya penjanaan imej raster. Taklimat jelas boleh menetapkan perkara yang perlu diterangkan, cara visual perlu berfungsi dan data yang perlu diwakilinya. Semak kod terhasil dan pemaparannya berdasarkan keperluan itu. Untuk tugas sintesis data, bekalkan sumber sebenar dan minta satu paparan yang mengekalkan hubungan serta batasan atau syarat yang terkandung dalam sumber-sumber tersebut.
Aras pemikiran yang didokumenkan ialah low, medium dan high, dengan high sebagai lalai 3.1 Pro Preview. Pemikiran tidak boleh dinyahaktifkan sepenuhnya dalam profil Pro ini. Pilih usaha lebih rendah untuk jawapan terbatas dan lebih banyak penaakulan untuk kerja berbilang langkah yang sukar, sambil meninggalkan peruntukan output mencukupi bagi artifak akhir. Had output kecil boleh mengganggu penaakulan sebelum jawapan akhir yang boleh digunakan muncul. Panduan pemikiran memisahkan ringkasan penaakulan daripada proses dalaman penuh dan menerangkan kepentingan konteks tandatangan pemikiran perbualan.
Jadual Preview khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Ia mengehadkan File Search kepada AI Studio. Berikan tujuan fungsi dan takrif parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Profil Custom Tools Preview berasingan dioptimumkan untuk mengutamakan alat tersuai dan bash; ia ialah titik hujung pengeluar bernama yang berbeza, jadi pengkhususan itu tidak sepatutnya dianggap secara senyap sebagai sifat setiap permintaan 3.1 Pro. Pilih skema hasil berstruktur apabila tugas memerlukan rekod ditetapkan, bukannya prosa bebas.
Untuk analisis multimodal, kenal pasti halaman, visual, selang rakaman atau peristiwa video yang berkaitan. Untuk analisis dokumen, bandingkan rajah dengan spesifikasi bertulisnya dan kembalikan setiap perbezaan bersama petikan sokongan. Sumber pertuturan boleh menyumbang transkrip atau tafsiran dalam teks. Kekalkan rujukan sumber bagi kesimpulan yang perlu disemak, dan pisahkan perkara yang kelihatan atau dinyatakan daripada perkara yang disimpulkan. Output profil ini kekal sebagai teks, termasuk kod; penjanaan imej atau pertuturan asal bukan sebahagian jadual keupayaan khususnya.
Kad asal 3.1 Pro menetapkan konteks sehingga 1M dan output teks 64K, dan jadual API Preview khusus memberikan 1,048,576 token input serta 65,536 token output. Masukkan arahan, sejarah perbualan dan media dalam belanjawan input. Cache dan pemprosesan kelompok didokumenkan, dengan pilihan Flex serta Priority turut disenaraikan bagi profil pengeluar. Untuk beberapa item bebas, tetapkan output wajib dan simpan setiap pengecam sumber, daripada menggabungkan bukti tidak berkaitan menjadi satu jawapan yang tidak boleh dijejaki.
Edisi Preview bernama kekal berbeza daripada profil Custom Tools Pro dan keluaran Flash atau Pro kemudian. Kekuatannya berkaitan penaakulan kompleks, pengekodan dan sintesis bukti; artifak akhir masih perlu disemak berdasarkan sumber serta hasil alat sebenar. Kekalkan kekaburan belum selesai apabila maklumat dibekalkan tidak menyokong kesimpulan pasti. Hasil yang berguna ialah jawapan, kod atau rekod yang disokong dan diminta tugas, dengan bukti mencukupi untuk menilai batasan praktikalnya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.1-pro-preview | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token Output · Token keluaran penaakulan $0.024 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.036 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-pro-preview","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-3.1-pro-preview", 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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview ialah model penaakulan multimodal Google untuk tugas perisian, algoritma dan pengetahuan yang kompleks. Model ini menerima teks, imej, audio, video dan PDF serta memulangkan teks atau kod, dengan alat dan output berstruktur. Tahap penaakulan Low, medium dan high memandu usaha; high ialah lalai yang didokumentasikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Pro Preview ialah model teks berorientasikan penaakulan Google untuk tugas kompleks yang memerlukan kejuruteraan perisian, pembangunan algoritma atau sintesis bukti multimodal. Ia dibina berasaskan Gemini 3 Pro, menekankan penggunaan alat tepat, penaakulan lebih cekap dan pelaksanaan berbilang langkah yang boleh dipercayai. Teks, imej, audio, video dan PDF boleh menyumbang kepada jawapan bertulis, artifak kod atau hasil berstruktur.
Untuk tugasan pengekodan yang mencabar, berikan matlamat, bahan repositori berkaitan, tingkah laku diperhatikan dan kekangan yang perlu dikekalkan. Seluruh repositori kod boleh membekalkan konteks tugasan. Untuk semakan kontrak kod, minta model membandingkan cara dua modul mengendalikan kontrak data dikongsi, mengenal pasti ketidakpadanan dan mencadangkan pembetulan berfokus dengan rujukan kod sokongan. Output yang berguna membezakan analisis, pindaan cadangan dan bukti daripada sebarang pengesahan yang dilakukan oleh aplikasi yang disambungkan.
Bahan pelancaran menunjukkan penerangan visual berasaskan kod dan projek interaktif, termasuk output SVG beranimasi daripada taklimat teks. Ini ialah artifak kod, bukannya penjanaan imej raster. Taklimat jelas boleh menetapkan perkara yang perlu diterangkan, cara visual perlu berfungsi dan data yang perlu diwakilinya. Semak kod terhasil dan pemaparannya berdasarkan keperluan itu. Untuk tugas sintesis data, bekalkan sumber sebenar dan minta satu paparan yang mengekalkan hubungan serta batasan atau syarat yang terkandung dalam sumber-sumber tersebut.
Aras pemikiran yang didokumenkan ialah low, medium dan high, dengan high sebagai lalai 3.1 Pro Preview. Pemikiran tidak boleh dinyahaktifkan sepenuhnya dalam profil Pro ini. Pilih usaha lebih rendah untuk jawapan terbatas dan lebih banyak penaakulan untuk kerja berbilang langkah yang sukar, sambil meninggalkan peruntukan output mencukupi bagi artifak akhir. Had output kecil boleh mengganggu penaakulan sebelum jawapan akhir yang boleh digunakan muncul. Panduan pemikiran memisahkan ringkasan penaakulan daripada proses dalaman penuh dan menerangkan kepentingan konteks tandatangan pemikiran perbualan.
Jadual Preview khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Ia mengehadkan File Search kepada AI Studio. Berikan tujuan fungsi dan takrif parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Profil Custom Tools Preview berasingan dioptimumkan untuk mengutamakan alat tersuai dan bash; ia ialah titik hujung pengeluar bernama yang berbeza, jadi pengkhususan itu tidak sepatutnya dianggap secara senyap sebagai sifat setiap permintaan 3.1 Pro. Pilih skema hasil berstruktur apabila tugas memerlukan rekod ditetapkan, bukannya prosa bebas.
Untuk analisis multimodal, kenal pasti halaman, visual, selang rakaman atau peristiwa video yang berkaitan. Untuk analisis dokumen, bandingkan rajah dengan spesifikasi bertulisnya dan kembalikan setiap perbezaan bersama petikan sokongan. Sumber pertuturan boleh menyumbang transkrip atau tafsiran dalam teks. Kekalkan rujukan sumber bagi kesimpulan yang perlu disemak, dan pisahkan perkara yang kelihatan atau dinyatakan daripada perkara yang disimpulkan. Output profil ini kekal sebagai teks, termasuk kod; penjanaan imej atau pertuturan asal bukan sebahagian jadual keupayaan khususnya.
Kad asal 3.1 Pro menetapkan konteks sehingga 1M dan output teks 64K, dan jadual API Preview khusus memberikan 1,048,576 token input serta 65,536 token output. Masukkan arahan, sejarah perbualan dan media dalam belanjawan input. Cache dan pemprosesan kelompok didokumenkan, dengan pilihan Flex serta Priority turut disenaraikan bagi profil pengeluar. Untuk beberapa item bebas, tetapkan output wajib dan simpan setiap pengecam sumber, daripada menggabungkan bukti tidak berkaitan menjadi satu jawapan yang tidak boleh dijejaki.
Edisi Preview bernama kekal berbeza daripada profil Custom Tools Pro dan keluaran Flash atau Pro kemudian. Kekuatannya berkaitan penaakulan kompleks, pengekodan dan sintesis bukti; artifak akhir masih perlu disemak berdasarkan sumber serta hasil alat sebenar. Kekalkan kekaburan belum selesai apabila maklumat dibekalkan tidak menyokong kesimpulan pasti. Hasil yang berguna ialah jawapan, kod atau rekod yang disokong dan diminta tugas, dengan bukti mencukupi untuk menilai batasan praktikalnya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.1-pro-preview | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token Output · Token keluaran penaakulan $0.024 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.036 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-pro-preview', '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-3.1-pro-preview', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview ialah model penaakulan multimodal Google untuk tugas perisian, algoritma dan pengetahuan yang kompleks. Model ini menerima teks, imej, audio, video dan PDF serta memulangkan teks atau kod, dengan alat dan output berstruktur. Tahap penaakulan Low, medium dan high memandu usaha; high ialah lalai yang didokumentasikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Pro Preview ialah model teks berorientasikan penaakulan Google untuk tugas kompleks yang memerlukan kejuruteraan perisian, pembangunan algoritma atau sintesis bukti multimodal. Ia dibina berasaskan Gemini 3 Pro, menekankan penggunaan alat tepat, penaakulan lebih cekap dan pelaksanaan berbilang langkah yang boleh dipercayai. Teks, imej, audio, video dan PDF boleh menyumbang kepada jawapan bertulis, artifak kod atau hasil berstruktur.
Untuk tugasan pengekodan yang mencabar, berikan matlamat, bahan repositori berkaitan, tingkah laku diperhatikan dan kekangan yang perlu dikekalkan. Seluruh repositori kod boleh membekalkan konteks tugasan. Untuk semakan kontrak kod, minta model membandingkan cara dua modul mengendalikan kontrak data dikongsi, mengenal pasti ketidakpadanan dan mencadangkan pembetulan berfokus dengan rujukan kod sokongan. Output yang berguna membezakan analisis, pindaan cadangan dan bukti daripada sebarang pengesahan yang dilakukan oleh aplikasi yang disambungkan.
Bahan pelancaran menunjukkan penerangan visual berasaskan kod dan projek interaktif, termasuk output SVG beranimasi daripada taklimat teks. Ini ialah artifak kod, bukannya penjanaan imej raster. Taklimat jelas boleh menetapkan perkara yang perlu diterangkan, cara visual perlu berfungsi dan data yang perlu diwakilinya. Semak kod terhasil dan pemaparannya berdasarkan keperluan itu. Untuk tugas sintesis data, bekalkan sumber sebenar dan minta satu paparan yang mengekalkan hubungan serta batasan atau syarat yang terkandung dalam sumber-sumber tersebut.
Aras pemikiran yang didokumenkan ialah low, medium dan high, dengan high sebagai lalai 3.1 Pro Preview. Pemikiran tidak boleh dinyahaktifkan sepenuhnya dalam profil Pro ini. Pilih usaha lebih rendah untuk jawapan terbatas dan lebih banyak penaakulan untuk kerja berbilang langkah yang sukar, sambil meninggalkan peruntukan output mencukupi bagi artifak akhir. Had output kecil boleh mengganggu penaakulan sebelum jawapan akhir yang boleh digunakan muncul. Panduan pemikiran memisahkan ringkasan penaakulan daripada proses dalaman penuh dan menerangkan kepentingan konteks tandatangan pemikiran perbualan.
Jadual Preview khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Ia mengehadkan File Search kepada AI Studio. Berikan tujuan fungsi dan takrif parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Profil Custom Tools Preview berasingan dioptimumkan untuk mengutamakan alat tersuai dan bash; ia ialah titik hujung pengeluar bernama yang berbeza, jadi pengkhususan itu tidak sepatutnya dianggap secara senyap sebagai sifat setiap permintaan 3.1 Pro. Pilih skema hasil berstruktur apabila tugas memerlukan rekod ditetapkan, bukannya prosa bebas.
Untuk analisis multimodal, kenal pasti halaman, visual, selang rakaman atau peristiwa video yang berkaitan. Untuk analisis dokumen, bandingkan rajah dengan spesifikasi bertulisnya dan kembalikan setiap perbezaan bersama petikan sokongan. Sumber pertuturan boleh menyumbang transkrip atau tafsiran dalam teks. Kekalkan rujukan sumber bagi kesimpulan yang perlu disemak, dan pisahkan perkara yang kelihatan atau dinyatakan daripada perkara yang disimpulkan. Output profil ini kekal sebagai teks, termasuk kod; penjanaan imej atau pertuturan asal bukan sebahagian jadual keupayaan khususnya.
Kad asal 3.1 Pro menetapkan konteks sehingga 1M dan output teks 64K, dan jadual API Preview khusus memberikan 1,048,576 token input serta 65,536 token output. Masukkan arahan, sejarah perbualan dan media dalam belanjawan input. Cache dan pemprosesan kelompok didokumenkan, dengan pilihan Flex serta Priority turut disenaraikan bagi profil pengeluar. Untuk beberapa item bebas, tetapkan output wajib dan simpan setiap pengecam sumber, daripada menggabungkan bukti tidak berkaitan menjadi satu jawapan yang tidak boleh dijejaki.
Edisi Preview bernama kekal berbeza daripada profil Custom Tools Pro dan keluaran Flash atau Pro kemudian. Kekuatannya berkaitan penaakulan kompleks, pengekodan dan sintesis bukti; artifak akhir masih perlu disemak berdasarkan sumber serta hasil alat sebenar. Kekalkan kekaburan belum selesai apabila maklumat dibekalkan tidak menyokong kesimpulan pasti. Hasil yang berguna ialah jawapan, kod atau rekod yang disokong dan diminta tugas, dengan bukti mencukupi untuk menilai batasan praktikalnya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.1-pro-preview | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token Output · Token keluaran penaakulan $0.024 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.036 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-pro-preview", "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/gemini-3.1-pro-preview',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/gemini-3.1-pro-preview',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview ialah model penaakulan multimodal Google untuk tugas perisian, algoritma dan pengetahuan yang kompleks. Model ini menerima teks, imej, audio, video dan PDF serta memulangkan teks atau kod, dengan alat dan output berstruktur. Tahap penaakulan Low, medium dan high memandu usaha; high ialah lalai yang didokumentasikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Pro Preview ialah model teks berorientasikan penaakulan Google untuk tugas kompleks yang memerlukan kejuruteraan perisian, pembangunan algoritma atau sintesis bukti multimodal. Ia dibina berasaskan Gemini 3 Pro, menekankan penggunaan alat tepat, penaakulan lebih cekap dan pelaksanaan berbilang langkah yang boleh dipercayai. Teks, imej, audio, video dan PDF boleh menyumbang kepada jawapan bertulis, artifak kod atau hasil berstruktur.
Untuk tugasan pengekodan yang mencabar, berikan matlamat, bahan repositori berkaitan, tingkah laku diperhatikan dan kekangan yang perlu dikekalkan. Seluruh repositori kod boleh membekalkan konteks tugasan. Untuk semakan kontrak kod, minta model membandingkan cara dua modul mengendalikan kontrak data dikongsi, mengenal pasti ketidakpadanan dan mencadangkan pembetulan berfokus dengan rujukan kod sokongan. Output yang berguna membezakan analisis, pindaan cadangan dan bukti daripada sebarang pengesahan yang dilakukan oleh aplikasi yang disambungkan.
Bahan pelancaran menunjukkan penerangan visual berasaskan kod dan projek interaktif, termasuk output SVG beranimasi daripada taklimat teks. Ini ialah artifak kod, bukannya penjanaan imej raster. Taklimat jelas boleh menetapkan perkara yang perlu diterangkan, cara visual perlu berfungsi dan data yang perlu diwakilinya. Semak kod terhasil dan pemaparannya berdasarkan keperluan itu. Untuk tugas sintesis data, bekalkan sumber sebenar dan minta satu paparan yang mengekalkan hubungan serta batasan atau syarat yang terkandung dalam sumber-sumber tersebut.
Aras pemikiran yang didokumenkan ialah low, medium dan high, dengan high sebagai lalai 3.1 Pro Preview. Pemikiran tidak boleh dinyahaktifkan sepenuhnya dalam profil Pro ini. Pilih usaha lebih rendah untuk jawapan terbatas dan lebih banyak penaakulan untuk kerja berbilang langkah yang sukar, sambil meninggalkan peruntukan output mencukupi bagi artifak akhir. Had output kecil boleh mengganggu penaakulan sebelum jawapan akhir yang boleh digunakan muncul. Panduan pemikiran memisahkan ringkasan penaakulan daripada proses dalaman penuh dan menerangkan kepentingan konteks tandatangan pemikiran perbualan.
Jadual Preview khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Ia mengehadkan File Search kepada AI Studio. Berikan tujuan fungsi dan takrif parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Profil Custom Tools Preview berasingan dioptimumkan untuk mengutamakan alat tersuai dan bash; ia ialah titik hujung pengeluar bernama yang berbeza, jadi pengkhususan itu tidak sepatutnya dianggap secara senyap sebagai sifat setiap permintaan 3.1 Pro. Pilih skema hasil berstruktur apabila tugas memerlukan rekod ditetapkan, bukannya prosa bebas.
Untuk analisis multimodal, kenal pasti halaman, visual, selang rakaman atau peristiwa video yang berkaitan. Untuk analisis dokumen, bandingkan rajah dengan spesifikasi bertulisnya dan kembalikan setiap perbezaan bersama petikan sokongan. Sumber pertuturan boleh menyumbang transkrip atau tafsiran dalam teks. Kekalkan rujukan sumber bagi kesimpulan yang perlu disemak, dan pisahkan perkara yang kelihatan atau dinyatakan daripada perkara yang disimpulkan. Output profil ini kekal sebagai teks, termasuk kod; penjanaan imej atau pertuturan asal bukan sebahagian jadual keupayaan khususnya.
Kad asal 3.1 Pro menetapkan konteks sehingga 1M dan output teks 64K, dan jadual API Preview khusus memberikan 1,048,576 token input serta 65,536 token output. Masukkan arahan, sejarah perbualan dan media dalam belanjawan input. Cache dan pemprosesan kelompok didokumenkan, dengan pilihan Flex serta Priority turut disenaraikan bagi profil pengeluar. Untuk beberapa item bebas, tetapkan output wajib dan simpan setiap pengecam sumber, daripada menggabungkan bukti tidak berkaitan menjadi satu jawapan yang tidak boleh dijejaki.
Edisi Preview bernama kekal berbeza daripada profil Custom Tools Pro dan keluaran Flash atau Pro kemudian. Kekuatannya berkaitan penaakulan kompleks, pengekodan dan sintesis bukti; artifak akhir masih perlu disemak berdasarkan sumber serta hasil alat sebenar. Kekalkan kekaburan belum selesai apabila maklumat dibekalkan tidak menyokong kesimpulan pasti. Hasil yang berguna ialah jawapan, kod atau rekod yang disokong dan diminta tugas, dengan bukti mencukupi untuk menilai batasan praktikalnya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.1-pro-preview | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token Output · Token keluaran penaakulan $0.024 / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.004 / 1K token Output · Token output $0.024 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.036 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0.00075 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "google/gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/gemini-3.1-pro-preview', '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/gemini-3.1-pro-preview', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
Contoh teknikal dalam bahasa Inggeris
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.