Gemini 3.5 Flash ialah profil model Flash multimodal Google untuk pengekodan berterusan dan kerja berejen. Input yang didokumenkan ialah teks, imej, video, audio dan PDF, dengan output teks. Tumpuan tugas model merangkumi pengekodan berulang, penerokaan penyelesaian alternatif dan urutan arahan serta penggunaan alat yang lebih panjang. Edisi 3.5 menyediakan kawalan pemikiran, input multimodal dan aliran kerja alat yang didokumenkan.
Tugas pengekodan boleh menggabungkan keperluan bertulis, fail sumber berkaitan dan tangkapan skrin hasil yang dimaksudkan. Bekalkan tingkah laku yang diperhatikan, tingkah laku dijangkakan dan kekangan yang mesti dikekalkan. Contoh taklimat ialah: “Bandingkan tangkapan skrin dengan teks komponen, kenal pasti ketidakpadanan dalam aliran kerja borang dan cadangkan satu pembetulan berfokus. Terangkan butiran sumber yang menyokong perubahan itu.” Untuk tugas dokumen, berikan halaman berkaitan dan minta perbandingan dengan keperluan nyata, bersama rujukan sumber bagi setiap dapatan.
Edisi ini mendokumenkan aras pemikiran minimal, low, medium dan high. Medium ialah lalai, berubah daripada lalai high Gemini 3 Flash Preview. Minimal sesuai untuk jawapan mudah dan keputusan alat terus tanpa menjamin penaakulan dinyahaktifkan sepenuhnya; low menyasarkan tugas yang memerlukan lebih sedikit langkah; high memberikan penaakulan lebih mendalam untuk masalah matematik, pengekodan dan ejen yang sukar. Google mengesyorkan thinking_level untuk mengawal usaha dan mengekalkan tetapan pensampelan lalai, daripada cuba memaksa penaakulan dengan mengubah temperature, top-p atau top-k.
Tingkah laku utama ialah pengekalan konteks penaakulan sepanjang tugas berbilang giliran. Aliran kerja Interactions Google membawa konteks itu secara automatik; aliran kerja GenerateContent memerlukan sejarah perbualan penuh tanpa pengubahsuaian, termasuk tandatangan pemikiran. Ini menyokong tugasan penyahpepijatan atau pemfaktoran semula berterusan apabila penaakulan terdahulu memaklumkan langkah seterusnya. Kekalkan struktur perbualan sebenar daripada menukar setiap susulan kepada prom tidak berkaitan, dan jelaskan artifak akhir yang diminta sepanjang kerja berlangsung.
Set alat yang didokumenkan merangkumi Google Search, pembumian Google Maps, File Search, Code Execution, URL Context dan Function Calling biasa, dengan penggunaan alat gabungan serta Computer Use ditandakan sebagai keupayaan pratonton. Structured Outputs boleh membekalkan rekod data yang ditetapkan. Berikan fungsi tujuan dan takrif parameter jelas: model memilih fungsi, manakala aplikasi yang disambungkan melaksanakan operasi serta mengembalikan hasil. Google mewajibkan hasil fungsi sepadan dengan panggilan terdahulu melalui identiti, nama dan bilangan; hasil multimodal diletakkan dalam respons fungsi.
Jadual model API khusus memberikan input maksimum 1,048,576 token dan output maksimum 65,536 token. Sejarah perbualan dan media yang dibekalkan menyumbang kepada belanjawan input. Cache dan pemprosesan kelompok didokumenkan bagi profil ini, dengan pilihan pemprosesan Flex dan Priority tambahan dalam jadual Google. Had dan keupayaan ini menerangkan edisi pengeluar; ia tidak mewajibkan jawapan memenuhi seluruh tetingkap output atau menjadikan setiap alat perlu untuk sesuatu tugas.
Profil ini menjana teks, bukannya imej atau audio, dan tidak menggunakan Live API. Panduan pembangunnya turut mengecualikan segmentasi imej. Untuk soalan visual, minta huraian, pengekstrakan atau tafsiran bahan yang dibekalkan; untuk rakaman pertuturan, minta hasil teks. Apabila jawapan bergantung pada maklumat lebih baharu, aliran kerja pembumian carian yang didokumenkan boleh menambah sumber melampaui pengetahuan latihan. Nyatakan sama ada maklumat luar diperlukan dan bukti yang perlu disimpan dalam jawapan akhir.
Untuk tugasan lebih panjang yang berguna, tetapkan hasil akhir dan kriteria penyiapan sebelum langkah pertama. Tugas analisis sokongan mungkin meminta jadual isu yang diperhatikan, petikan sokongan dan cadangan balasan; tugas pengekodan mungkin memerlukan perubahan berfokus serta hasil pengesahan berkaitan. Lampirkan konteks sumber yang penting, tetapkan tindakan alat dibenarkan dan minta jawapan akhir jelas yang memisahkan kerja selesai daripada soalan yang masih memerlukan maklumat. Ini menukar aliran kerja berterusan model kepada artifak teks, kod atau berstruktur yang konkrit.
", "aboutText": "Gemini 3.5 Flash ialah profil model Flash multimodal Google untuk pengekodan berterusan dan kerja berejen. Input yang didokumenkan ialah teks, imej, video, audio dan PDF, dengan output teks. Tumpuan tugas model merangkumi pengekodan berulang, penerokaan penyelesaian alternatif dan urutan arahan serta penggunaan alat yang lebih panjang. Edisi 3.5 menyediakan kawalan pemikiran, input multimodal dan aliran kerja alat yang didokumenkan.\n\nTugas pengekodan boleh menggabungkan keperluan bertulis, fail sumber berkaitan dan tangkapan skrin hasil yang dimaksudkan. Bekalkan tingkah laku yang diperhatikan, tingkah laku dijangkakan dan kekangan yang mesti dikekalkan. Contoh taklimat ialah: “Bandingkan tangkapan skrin dengan teks komponen, kenal pasti ketidakpadanan dalam aliran kerja borang dan cadangkan satu pembetulan berfokus. Terangkan butiran sumber yang menyokong perubahan itu.” Untuk tugas dokumen, berikan halaman berkaitan dan minta perbandingan dengan keperluan nyata, bersama rujukan sumber bagi setiap dapatan.\n\nEdisi ini mendokumenkan aras pemikiran minimal, low, medium dan high. Medium ialah lalai, berubah daripada lalai high Gemini 3 Flash Preview. Minimal sesuai untuk jawapan mudah dan keputusan alat terus tanpa menjamin penaakulan dinyahaktifkan sepenuhnya; low menyasarkan tugas yang memerlukan lebih sedikit langkah; high memberikan penaakulan lebih mendalam untuk masalah matematik, pengekodan dan ejen yang sukar. Google mengesyorkan thinking_level untuk mengawal usaha dan mengekalkan tetapan pensampelan lalai, daripada cuba memaksa penaakulan dengan mengubah temperature, top-p atau top-k.\n\nTingkah laku utama ialah pengekalan konteks penaakulan sepanjang tugas berbilang giliran. Aliran kerja Interactions Google membawa konteks itu secara automatik; aliran kerja GenerateContent memerlukan sejarah perbualan penuh tanpa pengubahsuaian, termasuk tandatangan pemikiran. Ini menyokong tugasan penyahpepijatan atau pemfaktoran semula berterusan apabila penaakulan terdahulu memaklumkan langkah seterusnya. Kekalkan struktur perbualan sebenar daripada menukar setiap susulan kepada prom tidak berkaitan, dan jelaskan artifak akhir yang diminta sepanjang kerja berlangsung.\n\nSet alat yang didokumenkan merangkumi Google Search, pembumian Google Maps, File Search, Code Execution, URL Context dan Function Calling biasa, dengan penggunaan alat gabungan serta Computer Use ditandakan sebagai keupayaan pratonton. Structured Outputs boleh membekalkan rekod data yang ditetapkan. Berikan fungsi tujuan dan takrif parameter jelas: model memilih fungsi, manakala aplikasi yang disambungkan melaksanakan operasi serta mengembalikan hasil. Google mewajibkan hasil fungsi sepadan dengan panggilan terdahulu melalui identiti, nama dan bilangan; hasil multimodal diletakkan dalam respons fungsi.\n\nJadual model API khusus memberikan input maksimum 1,048,576 token dan output maksimum 65,536 token. Sejarah perbualan dan media yang dibekalkan menyumbang kepada belanjawan input. Cache dan pemprosesan kelompok didokumenkan bagi profil ini, dengan pilihan pemprosesan Flex dan Priority tambahan dalam jadual Google. Had dan keupayaan ini menerangkan edisi pengeluar; ia tidak mewajibkan jawapan memenuhi seluruh tetingkap output atau menjadikan setiap alat perlu untuk sesuatu tugas.\n\nProfil ini menjana teks, bukannya imej atau audio, dan tidak menggunakan Live API. Panduan pembangunnya turut mengecualikan segmentasi imej. Untuk soalan visual, minta huraian, pengekstrakan atau tafsiran bahan yang dibekalkan; untuk rakaman pertuturan, minta hasil teks. Apabila jawapan bergantung pada maklumat lebih baharu, aliran kerja pembumian carian yang didokumenkan boleh menambah sumber melampaui pengetahuan latihan. Nyatakan sama ada maklumat luar diperlukan dan bukti yang perlu disimpan dalam jawapan akhir.\n\nUntuk tugasan lebih panjang yang berguna, tetapkan hasil akhir dan kriteria penyiapan sebelum langkah pertama. Tugas analisis sokongan mungkin meminta jadual isu yang diperhatikan, petikan sokongan dan cadangan balasan; tugas pengekodan mungkin memerlukan perubahan berfokus serta hasil pengesahan berkaitan. Lampirkan konteks sumber yang penting, tetapkan tindakan alat dibenarkan dan minta jawapan akhir jelas yang memisahkan kerja selesai daripada soalan yang masih memerlukan maklumat. Ini menukar aliran kerja berterusan model kepada artifak teks, kod atau berstruktur yang konkrit.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a9e0a2b80d9c3163fdce0a403e9411dd9ea077749649c2e9bc923e31aecf834e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "gemini-3.5-flash-thinkingGemini 3.5 Flash menggabungkan pemahaman multimodal dengan penaakulan untuk pengekodan dan tugas ejen berbilang langkah. Ia menerima teks, imej, video, audio dan PDF serta menghasilkan teks, dengan output berstruktur, alat dan had input 1,048,576 token dalam profil yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.5 Flash ialah profil model Flash multimodal Google untuk pengekodan berterusan dan kerja berejen. Input yang didokumenkan ialah teks, imej, video, audio dan PDF, dengan output teks. Tumpuan tugas model merangkumi pengekodan berulang, penerokaan penyelesaian alternatif dan urutan arahan serta penggunaan alat yang lebih panjang. Edisi 3.5 menyediakan kawalan pemikiran, input multimodal dan aliran kerja alat yang didokumenkan.
Tugas pengekodan boleh menggabungkan keperluan bertulis, fail sumber berkaitan dan tangkapan skrin hasil yang dimaksudkan. Bekalkan tingkah laku yang diperhatikan, tingkah laku dijangkakan dan kekangan yang mesti dikekalkan. Contoh taklimat ialah: “Bandingkan tangkapan skrin dengan teks komponen, kenal pasti ketidakpadanan dalam aliran kerja borang dan cadangkan satu pembetulan berfokus. Terangkan butiran sumber yang menyokong perubahan itu.” Untuk tugas dokumen, berikan halaman berkaitan dan minta perbandingan dengan keperluan nyata, bersama rujukan sumber bagi setiap dapatan.
Edisi ini mendokumenkan aras pemikiran minimal, low, medium dan high. Medium ialah lalai, berubah daripada lalai high Gemini 3 Flash Preview. Minimal sesuai untuk jawapan mudah dan keputusan alat terus tanpa menjamin penaakulan dinyahaktifkan sepenuhnya; low menyasarkan tugas yang memerlukan lebih sedikit langkah; high memberikan penaakulan lebih mendalam untuk masalah matematik, pengekodan dan ejen yang sukar. Google mengesyorkan thinking_level untuk mengawal usaha dan mengekalkan tetapan pensampelan lalai, daripada cuba memaksa penaakulan dengan mengubah temperature, top-p atau top-k.
Tingkah laku utama ialah pengekalan konteks penaakulan sepanjang tugas berbilang giliran. Aliran kerja Interactions Google membawa konteks itu secara automatik; aliran kerja GenerateContent memerlukan sejarah perbualan penuh tanpa pengubahsuaian, termasuk tandatangan pemikiran. Ini menyokong tugasan penyahpepijatan atau pemfaktoran semula berterusan apabila penaakulan terdahulu memaklumkan langkah seterusnya. Kekalkan struktur perbualan sebenar daripada menukar setiap susulan kepada prom tidak berkaitan, dan jelaskan artifak akhir yang diminta sepanjang kerja berlangsung.
Set alat yang didokumenkan merangkumi Google Search, pembumian Google Maps, File Search, Code Execution, URL Context dan Function Calling biasa, dengan penggunaan alat gabungan serta Computer Use ditandakan sebagai keupayaan pratonton. Structured Outputs boleh membekalkan rekod data yang ditetapkan. Berikan fungsi tujuan dan takrif parameter jelas: model memilih fungsi, manakala aplikasi yang disambungkan melaksanakan operasi serta mengembalikan hasil. Google mewajibkan hasil fungsi sepadan dengan panggilan terdahulu melalui identiti, nama dan bilangan; hasil multimodal diletakkan dalam respons fungsi.
Jadual model API khusus memberikan input maksimum 1,048,576 token dan output maksimum 65,536 token. Sejarah perbualan dan media yang dibekalkan menyumbang kepada belanjawan input. Cache dan pemprosesan kelompok didokumenkan bagi profil ini, dengan pilihan pemprosesan Flex dan Priority tambahan dalam jadual Google. Had dan keupayaan ini menerangkan edisi pengeluar; ia tidak mewajibkan jawapan memenuhi seluruh tetingkap output atau menjadikan setiap alat perlu untuk sesuatu tugas.
Profil ini menjana teks, bukannya imej atau audio, dan tidak menggunakan Live API. Panduan pembangunnya turut mengecualikan segmentasi imej. Untuk soalan visual, minta huraian, pengekstrakan atau tafsiran bahan yang dibekalkan; untuk rakaman pertuturan, minta hasil teks. Apabila jawapan bergantung pada maklumat lebih baharu, aliran kerja pembumian carian yang didokumenkan boleh menambah sumber melampaui pengetahuan latihan. Nyatakan sama ada maklumat luar diperlukan dan bukti yang perlu disimpan dalam jawapan akhir.
Untuk tugasan lebih panjang yang berguna, tetapkan hasil akhir dan kriteria penyiapan sebelum langkah pertama. Tugas analisis sokongan mungkin meminta jadual isu yang diperhatikan, petikan sokongan dan cadangan balasan; tugas pengekodan mungkin memerlukan perubahan berfokus serta hasil pengesahan berkaitan. Lampirkan konteks sumber yang penting, tetapkan tindakan alat dibenarkan dan minta jawapan akhir jelas yang memisahkan kerja selesai daripada soalan yang masih memerlukan maklumat. Ini menukar aliran kerja berterusan model kepada artifak teks, kod atau berstruktur yang konkrit.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.5-flash-thinking | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.018 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.5-flash-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.5-flash-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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 Ultra gemini-3.5-flash-thinking
/chat/completions
gemini-3.5-flash-thinkingGemini 3.5 Flash menggabungkan pemahaman multimodal dengan penaakulan untuk pengekodan dan tugas ejen berbilang langkah. Ia menerima teks, imej, video, audio dan PDF serta menghasilkan teks, dengan output berstruktur, alat dan had input 1,048,576 token dalam profil yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.5 Flash ialah profil model Flash multimodal Google untuk pengekodan berterusan dan kerja berejen. Input yang didokumenkan ialah teks, imej, video, audio dan PDF, dengan output teks. Tumpuan tugas model merangkumi pengekodan berulang, penerokaan penyelesaian alternatif dan urutan arahan serta penggunaan alat yang lebih panjang. Edisi 3.5 menyediakan kawalan pemikiran, input multimodal dan aliran kerja alat yang didokumenkan.
Tugas pengekodan boleh menggabungkan keperluan bertulis, fail sumber berkaitan dan tangkapan skrin hasil yang dimaksudkan. Bekalkan tingkah laku yang diperhatikan, tingkah laku dijangkakan dan kekangan yang mesti dikekalkan. Contoh taklimat ialah: “Bandingkan tangkapan skrin dengan teks komponen, kenal pasti ketidakpadanan dalam aliran kerja borang dan cadangkan satu pembetulan berfokus. Terangkan butiran sumber yang menyokong perubahan itu.” Untuk tugas dokumen, berikan halaman berkaitan dan minta perbandingan dengan keperluan nyata, bersama rujukan sumber bagi setiap dapatan.
Edisi ini mendokumenkan aras pemikiran minimal, low, medium dan high. Medium ialah lalai, berubah daripada lalai high Gemini 3 Flash Preview. Minimal sesuai untuk jawapan mudah dan keputusan alat terus tanpa menjamin penaakulan dinyahaktifkan sepenuhnya; low menyasarkan tugas yang memerlukan lebih sedikit langkah; high memberikan penaakulan lebih mendalam untuk masalah matematik, pengekodan dan ejen yang sukar. Google mengesyorkan thinking_level untuk mengawal usaha dan mengekalkan tetapan pensampelan lalai, daripada cuba memaksa penaakulan dengan mengubah temperature, top-p atau top-k.
Tingkah laku utama ialah pengekalan konteks penaakulan sepanjang tugas berbilang giliran. Aliran kerja Interactions Google membawa konteks itu secara automatik; aliran kerja GenerateContent memerlukan sejarah perbualan penuh tanpa pengubahsuaian, termasuk tandatangan pemikiran. Ini menyokong tugasan penyahpepijatan atau pemfaktoran semula berterusan apabila penaakulan terdahulu memaklumkan langkah seterusnya. Kekalkan struktur perbualan sebenar daripada menukar setiap susulan kepada prom tidak berkaitan, dan jelaskan artifak akhir yang diminta sepanjang kerja berlangsung.
Set alat yang didokumenkan merangkumi Google Search, pembumian Google Maps, File Search, Code Execution, URL Context dan Function Calling biasa, dengan penggunaan alat gabungan serta Computer Use ditandakan sebagai keupayaan pratonton. Structured Outputs boleh membekalkan rekod data yang ditetapkan. Berikan fungsi tujuan dan takrif parameter jelas: model memilih fungsi, manakala aplikasi yang disambungkan melaksanakan operasi serta mengembalikan hasil. Google mewajibkan hasil fungsi sepadan dengan panggilan terdahulu melalui identiti, nama dan bilangan; hasil multimodal diletakkan dalam respons fungsi.
Jadual model API khusus memberikan input maksimum 1,048,576 token dan output maksimum 65,536 token. Sejarah perbualan dan media yang dibekalkan menyumbang kepada belanjawan input. Cache dan pemprosesan kelompok didokumenkan bagi profil ini, dengan pilihan pemprosesan Flex dan Priority tambahan dalam jadual Google. Had dan keupayaan ini menerangkan edisi pengeluar; ia tidak mewajibkan jawapan memenuhi seluruh tetingkap output atau menjadikan setiap alat perlu untuk sesuatu tugas.
Profil ini menjana teks, bukannya imej atau audio, dan tidak menggunakan Live API. Panduan pembangunnya turut mengecualikan segmentasi imej. Untuk soalan visual, minta huraian, pengekstrakan atau tafsiran bahan yang dibekalkan; untuk rakaman pertuturan, minta hasil teks. Apabila jawapan bergantung pada maklumat lebih baharu, aliran kerja pembumian carian yang didokumenkan boleh menambah sumber melampaui pengetahuan latihan. Nyatakan sama ada maklumat luar diperlukan dan bukti yang perlu disimpan dalam jawapan akhir.
Untuk tugasan lebih panjang yang berguna, tetapkan hasil akhir dan kriteria penyiapan sebelum langkah pertama. Tugas analisis sokongan mungkin meminta jadual isu yang diperhatikan, petikan sokongan dan cadangan balasan; tugas pengekodan mungkin memerlukan perubahan berfokus serta hasil pengesahan berkaitan. Lampirkan konteks sumber yang penting, tetapkan tindakan alat dibenarkan dan minta jawapan akhir jelas yang memisahkan kerja selesai daripada soalan yang masih memerlukan maklumat. Ini menukar aliran kerja berterusan model kepada artifak teks, kod atau berstruktur yang konkrit.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.5-flash-thinking | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.018 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gemini-3.5-flash-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 Ultra gemini-3.5-flash-thinking
/chat/completions