Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
", "aboutText": "Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.\n\nUntuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.\n\nUntuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.\n\nAlat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.\n\nPanduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.\n\nUntuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.\n\nHad Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.\n\nBatasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.gemini-3.8-flashGemini 3.8 Flash ialah model multimodal serba guna Google untuk kejuruteraan perisian berterusan, ejen dan tugas pengetahuan kompleks. Ia menerima teks, imej, audio, video dan PDF, mengembalikan teks serta menawarkan penaakulan low, medium atau high dengan alat dan output berstruktur. Had input/output yang didokumenkan ialah 1,048,576/65,536 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
POST /v1/messagestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.8-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 Model-specific | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Model-specific | 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 Model-specific | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Model-specific | 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 | Caj |
|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash ialah model multimodal serba guna Google untuk kejuruteraan perisian berterusan, ejen dan tugas pengetahuan kompleks. Ia menerima teks, imej, audio, video dan PDF, mengembalikan teks serta menawarkan penaakulan low, medium atau high dengan alat dan output berstruktur. Had input/output yang didokumenkan ialah 1,048,576/65,536 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
POST /v1beta/models/{model}:generateContenttext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanpath.model | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.8-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 Model-specific | Lalai— |
MedangenerationConfig.temperature | Jenisnumber | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
MedangenerationConfig.topP | Jenisnumber | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
MedangenerationConfig.topK | Jenisinteger | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
MedangenerationConfig.stopSequences | Jenisstring[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
MedangenerationConfig.thinkingConfig.includeThoughts | Jenisboolean | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
MedangenerationConfig.thinkingConfig.thinkingBudget | Jenisinteger | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantools[].functionDeclarations | Jenisfunction_declaration[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
MedantoolConfig.functionCallingConfig.mode | Jenisstring | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
MedansafetySettings | Jenisobject[] | KeperluanPilihan | Nilai & had Model-specific | 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 | Caj |
|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash ialah model multimodal serba guna Google untuk kejuruteraan perisian berterusan, ejen dan tugas pengetahuan kompleks. Ia menerima teks, imej, audio, video dan PDF, mengembalikan teks serta menawarkan penaakulan low, medium atau high dengan alat dan output berstruktur. Had input/output yang didokumenkan ialah 1,048,576/65,536 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.8-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Model-specific | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash ialah model multimodal serba guna Google untuk kejuruteraan perisian berterusan, ejen dan tugas pengetahuan kompleks. Ia menerima teks, imej, audio, video dan PDF, mengembalikan teks serta menawarkan penaakulan low, medium atau high dengan alat dan output berstruktur. Had input/output yang didokumenkan ialah 1,048,576/65,536 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.8-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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash ialah model multimodal serba guna Google untuk kejuruteraan perisian berterusan, ejen dan tugas pengetahuan kompleks. Ia menerima teks, imej, audio, video dan PDF, mengembalikan teks serta menawarkan penaakulan low, medium atau high dengan alat dan output berstruktur. Had input/output yang didokumenkan ialah 1,048,576/65,536 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.8-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. Model-specific | 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 Model-specific | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Model-specific | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Model-specific | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Model-specific | 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 Model-specific | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Model-specific | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash ialah model multimodal serba guna Google untuk kejuruteraan perisian berterusan, ejen dan tugas pengetahuan kompleks. Ia menerima teks, imej, audio, video dan PDF, mengembalikan teks serta menawarkan penaakulan low, medium atau high dengan alat dan output berstruktur. Had input/output yang didokumenkan ialah 1,048,576/65,536 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.8-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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "google/gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash ialah model multimodal serba guna Google untuk kejuruteraan perisian berterusan, ejen dan tugas pengetahuan kompleks. Ia menerima teks, imej, audio, video dan PDF, mengembalikan teks serta menawarkan penaakulan low, medium atau high dengan alat dan output berstruktur. Had input/output yang didokumenkan ialah 1,048,576/65,536 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~google/gemini-flash-latest | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: These roles are explicitly represented by Source compatibility types; the exact model role set remains model-specific. Model-specific | 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; use actual returned ID | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Round-trip actual returned reasoning where this model uses it | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Model-specific | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Model-specific | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Model-specific | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: function tool supplied | 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 Model-specific | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Model-specific | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options is rejected on this Ultra text route | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h is rejected in actual prompt-cache locations | Lalai— |
Teks · UTF8 text
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakmessage array with role/content shape |
Parameterfile_material | Kontrakactual UTF-8 document inserted as literal text; no file ID inferred |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakmodel-specific; user function tools differ from hosted tools |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Send exact model ID with messages.
Context length is not an output cap.
A text file may supply literal text; image/audio/file-object inputs need exact binding.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~google/gemini-flash-latest", "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-flash-latest',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-flash-latest',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 or SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | SyaratInvalid required fields, material representation or parameter value | Langkah seterusnyaCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash ialah model multimodal serba guna Google untuk kejuruteraan perisian berterusan, ejen dan tugas pengetahuan kompleks. Ia menerima teks, imej, audio, video dan PDF, mengembalikan teks serta menawarkan penaakulan low, medium atau high dengan alat dan output berstruktur. Had input/output yang didokumenkan ialah 1,048,576/65,536 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.8 Flash ialah model output teks Google untuk kejuruteraan perisian berterusan, ejen berbilang langkah dan aliran kerja pengetahuan kompleks. Ia dibina berasaskan Gemini 3.7 Flash, dengan penambahbaikan dalam kejuruteraan perisian dan kerja pengetahuan berejen. Ia menerima teks, imej, audio, video dan PDF, jadi tugas boleh menggabungkan objektif bertulis dengan bahan sebenar yang diperlukan untuk menyelesaikannya. Hasil yang berguna ialah perubahan kod, analisis yang diterangkan, jawapan bertulis atau rekod berstruktur.
Untuk tugasan pengekodan, bekalkan keperluan, fail berkaitan, tingkah laku yang diperhatikan dan kekangan yang perlu dikekalkan. Tangkapan skrin boleh menetapkan antara muka yang dimaksudkan, manakala log atau contoh yang menghasilkan semula masalah menunjukkan kegagalan. Untuk tugas penyahpepijatan, minta model menjejaki ketidakpadanan antara keadaan borang yang kelihatan dengan nilai tersimpannya, mengenal pasti laluan kod yang bertanggungjawab dan mencadangkan pembetulan berfokus. Jelaskan artifak akhir yang dimaksudkan supaya urutan penyiasatan dan penggunaan alat yang lebih panjang masih mempunyai syarat penyiapan khusus.
Untuk kerja yang berjalan lebih lama, gunakan langkah penaakulan lebih kecil, panggilan alat berulang dan semakan hasil perantaraan. Aras pemikiran low, medium dan high mengawal jumlah penaakulan; medium ialah lalai yang didokumenkan. Low sesuai untuk draf pantas atau analisis terbatas, manakala high ditujukan untuk matematik sukar, pengekodan atau tugas berbilang langkah. Gemini 3.8 Flash tidak menyokong aras pemikiran minimal. Oleh itu, tugasan penyahpepijatan berterusan dan pengekstrakan medan mudah memerlukan pilihan penaakulan berbeza, bukannya tetapan sama untuk setiap permintaan.
Alat yang didokumenkan merangkumi pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps dan konteks URL, dengan Computer Use disenaraikan sebagai keupayaan pratonton. Output berstruktur menetapkan hasil yang boleh dibaca mesin. Fungsi perlu mempunyai tujuan dan takrif parameter yang jelas: model boleh meminta fungsi, manakala aplikasi yang disambungkan melaksanakan operasi dan mengembalikan hasilnya. Kekalkan identiti fungsi dan bahan sebenar yang dikembalikan merentas giliran. Jawapan akhir yang berguna menerangkan bukti yang menyokong pembetulan atau nilai diekstrak yang dicadangkan.
Panduan migrasi 3.8 menggunakan kawalan aras pemikiran menggantikan konfigurasi belanjawan penaakulan lama dan menasihatkan agar parameter pensampelan lapuk serta giliran model yang diisi awal dibuang. Ia juga mewajibkan tandatangan pemikiran dikekalkan dalam aliran kerja tanpa keadaan yang berkaitan dan respons fungsi dipadankan dengan panggilannya melalui identiti dan nama. Butiran ini penting semasa menyambung tugas berbilang langkah: giliran seterusnya memerlukan konteks terdahulu sebenar, bukannya penceritaan semula yang kehilangan hasil alat atau tandatangan. Jelaskan soalan dan output yang diminta dalam giliran pengguna baharu.
Untuk kerja pengetahuan multimodal, kenal pasti halaman dokumen, carta, selang audio atau peristiwa video yang berkaitan dan nyatakan sumbangannya kepada jawapan. Perbandingan dokumen boleh meminta jadual perbezaan dengan petikan sumber; soalan carta boleh meminta nilai yang kelihatan dan kesimpulan yang disokongnya. Analisis video boleh meminta huraian peristiwa yang menyokong dapatan. Model mengembalikan teks daripada input ini. Imej terjana, pertuturan dan interaksi audio Live tergolong dalam profil model berasingan.
Had Gemini APInya ialah 1,048,576 token input dan 65,536 token output, bersamaan konteks sehingga 1M dan output teks 64K bagi model asal. Arahan, sejarah perbualan dan media yang dibekalkan menggunakan konteks input, dan penaakulan atau artifak akhir yang panjang mesti muat dalam peruntukan output yang didokumenkan. Google turut menyenaraikan cache, pemprosesan kelompok serta pemprosesan Flex dan Priority bagi profil pengeluar ini. Untuk item bebas, kekalkan pengecam item yang stabil dan format output yang jelas supaya setiap hasil kekal berkait dengan sumbernya.
Batasan yang mungkin berlaku merangkumi halusinasi, kelewatan atau tamat masa sekali-sekala serta penggunaan token lebih banyak pada usaha lebih tinggi. Tarikh akhir pengetahuannya ialah Mac 2026, dengan sesetengah domain masih terhad kepada Januari 2025. Bekalkan bukti semasa atau gunakan alat pembumian yang didokumenkan apabila tugas bergantung pada maklumat lebih baharu. Semak petikan sumber, pengiraan dan kod yang dicadangkan berdasarkan input sebenar serta hasil pelaksanaan. Artifak akhir yang berguna perlu membezakan dapatan yang disokong daripada soalan belum selesai tanpa mengandaikan jawapan lancar membuktikan hasil yang diminta telah dicapai.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~google/gemini-flash-latest | 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 · UTF-8 text
messages[].content string
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakRead the actual UTF-8 document and put its text in the indicated input or message content string. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.003 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "~google/gemini-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash-latest', '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-flash-latest', '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 or SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | SyaratInvalid required fields, material representation or parameter value | Langkah seterusnyaCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
Contoh teknikal dalam bahasa Inggeris
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.