Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.
Panduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.
Pemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.
Penaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.
Medium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.
Panduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.
Kad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.
Batasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.
", "aboutText": "Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.\n\nPanduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.\n\nPemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.\n\nPenaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.\n\nMedium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.\n\nPanduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.\n\nKad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.\n\nBatasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Diagnose swapped chart series\n\nA chart receives [{month:'Jan', sales:20, returns:2}, {month:'Feb', sales:30, returns:3}], but its Sales series uses rows.map(r => r.returns). Identify the data-binding error and propose one correction. Keep the existing month labels and Returns series unchanged. Include a small assertion showing the expected Sales data without claiming the chart was rendered.One corrected series expression and a concrete assertion against the supplied data.Only the Sales binding changes, and its values come from sales rather than returns.gemini-3.6-flashGemini 3.6 Flash ialah model teks multimodal Google untuk pengekodan, analisis ruang dan ejen berbilang langkah. Ia menekankan pemeriksaan diagnostik, suntingan berfokus dan pengurangan gelung pelaksanaan yang tidak perlu. Ia menerima teks, imej, audio, video dan PDF, dengan alat, output berstruktur dan had input 1,048,576 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.
Panduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.
Pemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.
Penaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.
Medium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.
Panduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.
Kad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.
Batasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.
POST /v1/messagestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.6-flash | 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/messagesAiloot 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-3.6-flash", "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-3.6-flash", "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-3.6-flash",\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-3.6-flash",\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-3.6-flash',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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash ialah model teks multimodal Google untuk pengekodan, analisis ruang dan ejen berbilang langkah. Ia menekankan pemeriksaan diagnostik, suntingan berfokus dan pengurangan gelung pelaksanaan yang tidak perlu. Ia menerima teks, imej, audio, video dan PDF, dengan alat, output berstruktur dan had input 1,048,576 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.
Panduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.
Pemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.
Penaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.
Medium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.
Panduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.
Kad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.
Batasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.
POST /v1/chat/completionstext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.6-flash | 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 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— |
Teks · Teks UTF8
messages[].content
Teks + imej
{type:image_url,image_url:{url,detail}}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages |
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/chat/completionsAiloot 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-3.6-flash", "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/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${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-3.6-flash", "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_url","image_url":{"url":"data:"+mime+";base64,"+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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gemini-3.6-flash",\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gemini-3.6-flash",\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(resp);\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='gemini-3.6-flash',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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash ialah model teks multimodal Google untuk pengekodan, analisis ruang dan ejen berbilang langkah. Ia menekankan pemeriksaan diagnostik, suntingan berfokus dan pengurangan gelung pelaksanaan yang tidak perlu. Ia menerima teks, imej, audio, video dan PDF, dengan alat, output berstruktur dan had input 1,048,576 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.
Panduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.
Pemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.
Penaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.
Medium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.
Panduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.
Kad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.
Batasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.
POST /v1beta/models/{model}:generateContenttext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanpath.model | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.6-flash | 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}:generateContentAiloot 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-3.6-flash: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-3.6-flash: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-3.6-flash", 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-3.6-flash", 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-3.6-flash',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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash ialah model teks multimodal Google untuk pengekodan, analisis ruang dan ejen berbilang langkah. Ia menekankan pemeriksaan diagnostik, suntingan berfokus dan pengurangan gelung pelaksanaan yang tidak perlu. Ia menerima teks, imej, audio, video dan PDF, dengan alat, output berstruktur dan had input 1,048,576 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.
Panduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.
Pemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.
Penaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.
Medium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.
Panduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.
Kad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.
Batasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.6-flash | 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.6-flash","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-3.6-flash", 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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash ialah model teks multimodal Google untuk pengekodan, analisis ruang dan ejen berbilang langkah. Ia menekankan pemeriksaan diagnostik, suntingan berfokus dan pengurangan gelung pelaksanaan yang tidak perlu. Ia menerima teks, imej, audio, video dan PDF, dengan alat, output berstruktur dan had input 1,048,576 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.
Panduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.
Pemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.
Penaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.
Medium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.
Panduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.
Kad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.
Batasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.6-flash | 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gemini-3.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.6-flash', '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-3.6-flash', '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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
google/gemini-3.6-flashGemini 3.6 Flash ialah model teks multimodal Google untuk pengekodan, analisis ruang dan ejen berbilang langkah. Ia menekankan pemeriksaan diagnostik, suntingan berfokus dan pengurangan gelung pelaksanaan yang tidak perlu. Ia menerima teks, imej, audio, video dan PDF, dengan alat, output berstruktur dan had input 1,048,576 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.
Panduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.
Pemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.
Penaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.
Medium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.
Panduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.
Kad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.
Batasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.6-flash | 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.6-flash", "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-3.6-flash',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-3.6-flash',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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
google/gemini-3.6-flashGemini 3.6 Flash ialah model teks multimodal Google untuk pengekodan, analisis ruang dan ejen berbilang langkah. Ia menekankan pemeriksaan diagnostik, suntingan berfokus dan pengurangan gelung pelaksanaan yang tidak perlu. Ia menerima teks, imej, audio, video dan PDF, dengan alat, output berstruktur dan had input 1,048,576 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.6 Flash ialah profil multimodal serba guna Google untuk pengekodan, kerja pengetahuan dan pelaksanaan berejen. Ia dibina berasaskan Gemini 3.5 Flash, dengan tumpuan pada prestasi multimodal dan kecekapan token yang ditambah baik. Model menerima teks, imej, audio, video dan PDF serta mengembalikan teks. Tugasan berguna boleh menggabungkan kod, tangkapan skrin dan keperluan, atau membandingkan carta atau pelan visual dengan kekangan bertulis untuk menghasilkan penerangan yang disemak atau pindaan bersasar.
Panduan pembangun menekankan pengurangan langkah penaakulan, giliran dan panggilan alat yang tidak perlu dalam kerja berbilang langkah, serta suntingan lebih berfokus. Untuk diagnosis, berikan kegagalan yang diperhatikan, sumber berkaitan dan tingkah laku yang mesti dikekalkan. Untuk penyahpepijatan carta, minta model memeriksa sebab carta memaparkan siri yang salah, mengenal pasti transformasi data yang terlibat dan mencadangkan satu pembetulan sambil mengekalkan susun atur sekeliling. Hasil kemudian boleh dibandingkan dengan data input sebenar dan tingkah laku carta yang diperlukan.
Pemeriksaan secara program pada peringkat awal ialah tingkah laku tersendiri yang diterangkan bagi 3.6. Pembuat menyatakan model lebih kerap memeriksa masalah menggunakan kod diagnostik sebelum membuat perubahan. Ini boleh membantu penyiasatan kompleks, tetapi panduan menyatakan ia boleh menambah langkah penerokaan dalam kerja frontend rutin. Nyatakan sama ada tugas memerlukan penyiasatan, suntingan mudah atau perbandingan reka bentuk. Bekalkan maklumat yang menjelaskan perbezaan itu dan tentukan tindakan yang dibenarkan untuk alat aplikasi yang disambungkan.
Penaakulan ruang dan multimodal turut diketengahkan: tafsiran carta, penukaran pelan visual dan susun atur web berbilang elemen. Bekalkan paparan atau halaman berkaitan, kenal pasti perkara yang perlu ditafsirkan dan minta bukti di sebalik kesimpulan. Untuk tugas reka bentuk, sertakan garis panduan susun atur dan gaya yang konkrit. Pembuat menyatakan tumpuan pada kod berfungsi dan bahawa penilai kadangkala lebih menyukai penggayaan visual model terdahulu, menjadikan taklimat visual jelas berguna. Semak hasil terhadap rajah atau keperluan reka bentuk sebenar.
Medium ialah aras pemikiran lalai yang didokumenkan. Jadual pemikiran khusus model Google menyenaraikan minimal, low, medium dan high; panduan migrasi 3.6 menggunakan medium atau high dalam contoh usahanya. Halaman khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur, dengan Computer Use sebagai keupayaan pratonton. Takrifkan input fungsi dan hasil wajib dengan jelas. Fungsi yang dipilih model memerlukan hasil aplikasi sebenar sebelum jawapan kemudian boleh bergantung pada kesudahannya. Untuk analisis berstruktur, tetapkan skema dan bukti sumber yang diperlukan bagi setiap dapatan.
Panduan 3.6 mengubah penyediaan berbanding permintaan Gemini terdahulu. Ia menandakan tetapan pensampelan temperature, top-p dan top-k sebagai lapuk, menolak giliran akhir peranan model yang diisi awal serta mengesyorkan arahan sistem atau output berstruktur untuk mengawal jawapan. Peraturan respons fungsinya memadankan respons dengan panggilan melalui identiti dan nama, dan asas Gemini 3 mengekalkan tandatangan pemikiran dalam penggunaan berbilang giliran. Sambungan praktikal perlu membawa sejarah berkaitan dan hasil alat tanpa diubah, daripada meniru awalan jawapan terdahulu.
Kad asal menetapkan konteks input sehingga 1M dan output teks 64K; jadual API khusus memberikan 1,048,576 token input dan 65,536 token output. Peruntukkan arahan, sejarah dan media sebagai sebahagian input, dan minta output yang sesuai dengan tugas. Halaman pengeluar turut menyenaraikan cache, pemprosesan kelompok, Flex dan Priority. Apabila memproses rekod bebas, jelaskan pengecam rekod dan format hasil. Output ialah artifak teks walaupun bukti merangkumi foto, audio atau video.
Batasan yang mungkin berlaku merangkumi halusinasi serta kelewatan atau tamat masa sekali-sekala. Tarikh akhir Mac 2026nya merangkumi domain yang pengetahuannya masih terhad kepada Januari 2025, jadi lampirkan bahan lebih baharu atau gunakan aliran kerja pembumian yang didokumenkan apabila fakta semasa penting. Semak pengiraan, rujukan sumber, tafsiran visual dan pengubahsuaian yang dicadangkan. Penyediaan tersendiri edisi ini ialah taklimat diagnostik berfokus, skop alat jelas dan kekangan reka bentuk nyata, diikuti pemeriksaan hasil konkrit.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.6-flash | 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 $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0015 / 1K token Output · Token output $0.0075 / 1K token Input · Bacaan cache $0.00015 / 1K token Input · Penulisan cache $0.0000833333333333334 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "google/gemini-3.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.6-flash', '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-3.6-flash', '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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Diagnose swapped chart series\n\nA chart receives [{month:'Jan', sales:20, returns:2}, {month:'Feb', sales:30, returns:3}], but its Sales series uses rows.map(r => r.returns). Identify the data-binding error and propose one correction. Keep the existing month labels and Returns series unchanged. Include a small assertion showing the expected Sales data without claiming the chart was rendered.One corrected series expression and a concrete assertion against the supplied data.Only the Sales binding changes, and its values come from sales rather than returns.