Gemini 4 Argon ialah model penaakulan Google untuk kerja yang menggabungkan set bukti besar dengan objektif berbilang langkah. Julat input yang diterbitkan merangkumi teks, imej, audio, video dan fail seperti PDF, manakala hasilnya ialah teks. Ini membolehkan tugas menghimpunkan spesifikasi, carta, tangkap layar dan bahan sokongan, dan bukan bergantung pada ringkasan bertulis setiap sumber.
Mulakan dengan soalan jelas dan artifak yang diperlukan pada penghujungnya. Tugas perisian boleh meminta pelan perubahan, komponen terjejas dan kriteria pengesahan. Tugas matematik boleh meminta derivasi matematik dengan andaian yang dinyatakan. Tugas dokumen boleh meminta perbandingan yang mengekalkan percanggahan antara teks, jadual dan rajah agar kelihatan.
Tetingkap konteks yang diterbitkan ialah 1,048,576 token. Gunakan kapasiti itu untuk mengekalkan bahan relevan bersama, dengan nama dokumen dan sempadan bahagian yang menjadikan rujukan jelas. Kumpulkan bahan sokongan sekitar soalan, dan bukan memasukkan fail tidak berkaitan hanya kerana ruang tersedia. Minta respons membezakan bukti yang dibekalkan dalam tugas daripada andaian yang diperkenalkan semasa analisis.
Konfigurasi penaakulan model yang diterbitkan adalah wajib, dengan tahap usaha low, medium dan high serta medium sebagai tetapan lalai yang disenaraikan. Pilih tahap berdasarkan kedalaman masalah dan tentukan perkara yang mesti dibuktikan oleh jawapan yang berjaya. Perbandingan fakta pendek memerlukan kriteria pengesahan berbeza daripada perubahan kod yang menjejaskan beberapa komponen.
Argon menerbitkan keupayaan panggilan alat dan output berstruktur berpandukan skema. Ini berguna apabila aplikasi membekalkan alat untuk mendapatkan bukti tambahan atau memerlukan hasil analisis yang boleh dibaca mesin. Bezakan aktiviti alat yang dicadangkan model daripada aplikasi yang melaksanakannya, serta kekalkan pemerhatian yang dikembalikan sebelum meminta keputusan berikutnya. Bagi hasil berstruktur, tentukan medan yang dimaksudkan sekitar keputusan perniagaan: penemuan, rujukan bukti, andaian belum diselesaikan dan tindakan yang disyorkan.
Bagi tugas repositori, berikan sumber yang relevan, tingkah laku yang hendak dikekalkan dan semakan yang seharusnya lulus. Minta pelan pelaksanaan terfokus atau penilaian perubahan konkrit, kemudian nilai cadangan berdasarkan semakan itu. Bagi laporan teknikal, bentangkan pemerhatian asas dan minta penerangan yang menghubungkan setiap kesimpulan dengan bahan sokongannya.
Bagi dokumen campuran, sertakan jadual dan imej yang membawa makna, dan bukan menggantikannya dengan transkrip tidak lengkap. Output model boleh menggabungkan input itu menjadi laporan yang boleh dibaca, set penemuan yang diekstrak atau senarai tindakan. Input imej dan audio ialah bukti bagi hasil teks itu; ia tidak menukar rekod ini menjadi model penjanaan imej atau pertuturan.
Rekod Argon standard dan FAQ halaman model menyenaraikan had penyempurnaan 65,536 token. Nyatakan kedalaman dan susun atur jawapan yang dijangka sebelum meminta hasil panjang. Kekalkan pengecam standard secara berasingan daripada rekod berlabel batch kerana peruntukan penyempurnaan yang diterbitkan berbeza. Gunakan had varian yang dipilih sendiri ketika membahagikan kerja kepada respons.
low), sederhana (medium) dan tinggi (high).low), sederhana (medium) dan tinggi (high), dengan sederhana (medium) sebagai lalai.google/gemini-4-argonGemini 4 Argon ialah model penaakulan multimodal Google untuk kejuruteraan perisian, kerja matematik dan saintifik serta ejen berbilang langkah. Ia menggabungkan teks, imej, audio, video dan dokumen dalam konteks 1,048,576 token serta mengembalikan teks, dengan sokongan panggilan alat dan output berstruktur yang diterbitkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 4 Argon ialah model penaakulan Google untuk kerja yang menggabungkan set bukti besar dengan objektif berbilang langkah. Julat input yang diterbitkan merangkumi teks, imej, audio, video dan fail seperti PDF, manakala hasilnya ialah teks. Ini membolehkan tugas menghimpunkan spesifikasi, carta, tangkap layar dan bahan sokongan, dan bukan bergantung pada ringkasan bertulis setiap sumber.
Mulakan dengan soalan jelas dan artifak yang diperlukan pada penghujungnya. Tugas perisian boleh meminta pelan perubahan, komponen terjejas dan kriteria pengesahan. Tugas matematik boleh meminta derivasi matematik dengan andaian yang dinyatakan. Tugas dokumen boleh meminta perbandingan yang mengekalkan percanggahan antara teks, jadual dan rajah agar kelihatan.
Tetingkap konteks yang diterbitkan ialah 1,048,576 token. Gunakan kapasiti itu untuk mengekalkan bahan relevan bersama, dengan nama dokumen dan sempadan bahagian yang menjadikan rujukan jelas. Kumpulkan bahan sokongan sekitar soalan, dan bukan memasukkan fail tidak berkaitan hanya kerana ruang tersedia. Minta respons membezakan bukti yang dibekalkan dalam tugas daripada andaian yang diperkenalkan semasa analisis.
Konfigurasi penaakulan model yang diterbitkan adalah wajib, dengan tahap usaha low, medium dan high serta medium sebagai tetapan lalai yang disenaraikan. Pilih tahap berdasarkan kedalaman masalah dan tentukan perkara yang mesti dibuktikan oleh jawapan yang berjaya. Perbandingan fakta pendek memerlukan kriteria pengesahan berbeza daripada perubahan kod yang menjejaskan beberapa komponen.
Argon menerbitkan keupayaan panggilan alat dan output berstruktur berpandukan skema. Ini berguna apabila aplikasi membekalkan alat untuk mendapatkan bukti tambahan atau memerlukan hasil analisis yang boleh dibaca mesin. Bezakan aktiviti alat yang dicadangkan model daripada aplikasi yang melaksanakannya, serta kekalkan pemerhatian yang dikembalikan sebelum meminta keputusan berikutnya. Bagi hasil berstruktur, tentukan medan yang dimaksudkan sekitar keputusan perniagaan: penemuan, rujukan bukti, andaian belum diselesaikan dan tindakan yang disyorkan.
Bagi tugas repositori, berikan sumber yang relevan, tingkah laku yang hendak dikekalkan dan semakan yang seharusnya lulus. Minta pelan pelaksanaan terfokus atau penilaian perubahan konkrit, kemudian nilai cadangan berdasarkan semakan itu. Bagi laporan teknikal, bentangkan pemerhatian asas dan minta penerangan yang menghubungkan setiap kesimpulan dengan bahan sokongannya.
Bagi dokumen campuran, sertakan jadual dan imej yang membawa makna, dan bukan menggantikannya dengan transkrip tidak lengkap. Output model boleh menggabungkan input itu menjadi laporan yang boleh dibaca, set penemuan yang diekstrak atau senarai tindakan. Input imej dan audio ialah bukti bagi hasil teks itu; ia tidak menukar rekod ini menjadi model penjanaan imej atau pertuturan.
Rekod Argon standard dan FAQ halaman model menyenaraikan had penyempurnaan 65,536 token. Nyatakan kedalaman dan susun atur jawapan yang dijangka sebelum meminta hasil panjang. Kekalkan pengecam standard secara berasingan daripada rekod berlabel batch kerana peruntukan penyempurnaan yang diterbitkan berbeza. Gunakan had varian yang dipilih sendiri ketika membahagikan kerja kepada respons.
low), sederhana (medium) dan tinggi (high).low), sederhana (medium) dan tinggi (high), dengan sederhana (medium) sebagai lalai.POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-4-argon | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.008 / 1K token Output · Token output $0.04 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"google/gemini-4-argon","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="google/gemini-4-argon", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra google/gemini-4-argon
/chat/completions
google/gemini-4-argonGemini 4 Argon ialah model penaakulan multimodal Google untuk kejuruteraan perisian, kerja matematik dan saintifik serta ejen berbilang langkah. Ia menggabungkan teks, imej, audio, video dan dokumen dalam konteks 1,048,576 token serta mengembalikan teks, dengan sokongan panggilan alat dan output berstruktur yang diterbitkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 4 Argon ialah model penaakulan Google untuk kerja yang menggabungkan set bukti besar dengan objektif berbilang langkah. Julat input yang diterbitkan merangkumi teks, imej, audio, video dan fail seperti PDF, manakala hasilnya ialah teks. Ini membolehkan tugas menghimpunkan spesifikasi, carta, tangkap layar dan bahan sokongan, dan bukan bergantung pada ringkasan bertulis setiap sumber.
Mulakan dengan soalan jelas dan artifak yang diperlukan pada penghujungnya. Tugas perisian boleh meminta pelan perubahan, komponen terjejas dan kriteria pengesahan. Tugas matematik boleh meminta derivasi matematik dengan andaian yang dinyatakan. Tugas dokumen boleh meminta perbandingan yang mengekalkan percanggahan antara teks, jadual dan rajah agar kelihatan.
Tetingkap konteks yang diterbitkan ialah 1,048,576 token. Gunakan kapasiti itu untuk mengekalkan bahan relevan bersama, dengan nama dokumen dan sempadan bahagian yang menjadikan rujukan jelas. Kumpulkan bahan sokongan sekitar soalan, dan bukan memasukkan fail tidak berkaitan hanya kerana ruang tersedia. Minta respons membezakan bukti yang dibekalkan dalam tugas daripada andaian yang diperkenalkan semasa analisis.
Konfigurasi penaakulan model yang diterbitkan adalah wajib, dengan tahap usaha low, medium dan high serta medium sebagai tetapan lalai yang disenaraikan. Pilih tahap berdasarkan kedalaman masalah dan tentukan perkara yang mesti dibuktikan oleh jawapan yang berjaya. Perbandingan fakta pendek memerlukan kriteria pengesahan berbeza daripada perubahan kod yang menjejaskan beberapa komponen.
Argon menerbitkan keupayaan panggilan alat dan output berstruktur berpandukan skema. Ini berguna apabila aplikasi membekalkan alat untuk mendapatkan bukti tambahan atau memerlukan hasil analisis yang boleh dibaca mesin. Bezakan aktiviti alat yang dicadangkan model daripada aplikasi yang melaksanakannya, serta kekalkan pemerhatian yang dikembalikan sebelum meminta keputusan berikutnya. Bagi hasil berstruktur, tentukan medan yang dimaksudkan sekitar keputusan perniagaan: penemuan, rujukan bukti, andaian belum diselesaikan dan tindakan yang disyorkan.
Bagi tugas repositori, berikan sumber yang relevan, tingkah laku yang hendak dikekalkan dan semakan yang seharusnya lulus. Minta pelan pelaksanaan terfokus atau penilaian perubahan konkrit, kemudian nilai cadangan berdasarkan semakan itu. Bagi laporan teknikal, bentangkan pemerhatian asas dan minta penerangan yang menghubungkan setiap kesimpulan dengan bahan sokongannya.
Bagi dokumen campuran, sertakan jadual dan imej yang membawa makna, dan bukan menggantikannya dengan transkrip tidak lengkap. Output model boleh menggabungkan input itu menjadi laporan yang boleh dibaca, set penemuan yang diekstrak atau senarai tindakan. Input imej dan audio ialah bukti bagi hasil teks itu; ia tidak menukar rekod ini menjadi model penjanaan imej atau pertuturan.
Rekod Argon standard dan FAQ halaman model menyenaraikan had penyempurnaan 65,536 token. Nyatakan kedalaman dan susun atur jawapan yang dijangka sebelum meminta hasil panjang. Kekalkan pengecam standard secara berasingan daripada rekod berlabel batch kerana peruntukan penyempurnaan yang diterbitkan berbeza. Gunakan had varian yang dipilih sendiri ketika membahagikan kerja kepada respons.
low), sederhana (medium) dan tinggi (high).low), sederhana (medium) dan tinggi (high), dengan sederhana (medium) sebagai lalai.POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-4-argon | 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 $0.008 / 1K token Output · Token output $0.04 / 1K token Input · Bacaan cache $0.0004 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "google/gemini-4-argon",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-argon', '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-4-argon', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra google/gemini-4-argon
/chat/completions