{
  "aboutHtml": "<p>Gemma 4 26B A4B IT ialah edisi campuran pakar yang ditala untuk arahan dalam keluarga terbuka Gemma 4 daripada Google DeepMind. Jadual seni bina rasmi menyenaraikan 25.2 bilion jumlah parameter dan 3.8 bilion parameter aktif; A4B menamakan skala parameter aktif yang dibundarkan. Tujuannya merangkumi penaakulan, pengaturcaraan, aliran kerja ejen dan pemahaman multimodal. Ia berasingan daripada edisi pralatih dan model padat 31B.</p><p>Reka bentuk campuran pakar mengaktifkan sebahagian parameternya bagi setiap langkah inferens: lapan pakar aktif daripada 128, ditambah satu pakar kongsi, menurut jadual seni bina yang diterbitkan. Google meletakkan edisi ini sebagai pilihan yang mengutamakan kecekapan inferens berbanding model padat. Ia menggabungkan seni bina 30 lapisan dan tetingkap gelongsor 1,024 token dengan perhatian global, konteks 256K dan pengekod visual. Angka seni bina ini menerangkan model pengeluar, bukannya jaminan kependaman atau konfigurasi perkakasan untuk aplikasi tertentu.</p><p>Konteksnya yang berukuran 256K token menyokong tugasan yang menggabungkan teks yang banyak dengan bukti visual. Imej dan teks boleh diselang-selikan dalam satu prom; pengeluar mengesyorkan supaya kandungan imej diletakkan sebelum teks yang berkaitan untuk hasil terbaik. Tugasan visual merangkumi pengesanan objek, pentafsiran halaman dokumen, pemahaman skrin dan antara muka, carta, OCR berbilang bahasa, tulisan tangan dan penunjukan lokasi. Keluarannya ialah teks: kandungan yang diekstrak, penerangan, kod atau cadangan tindakan alat.</p><p>Pemikiran yang boleh dikonfigurasi membolehkan model menaakul sebelum menjawab atau memberikan jawapan terus. Gemma 4 menambah peranan system terbina dalam bersama peranan user dan assistant. Format prom Google mengaktifkan pemikiran dengan token kawalan &lt;|think|&gt; dalam prom sistem dan memisahkan saluran pemikiran daripada jawapan akhir; pemproses yang didokumenkan dapat mengendalikan templat tersebut. Untuk perbualan berbilang giliran, simpan jawapan akhir terdahulu dalam sejarah dan kecualikan pemikiran terdahulu, kecuali dalam giliran panggilan alat, yang menurut pengeluar perlu dikekalkan.</p><p>Native Function Calling menyokong penggunaan alat secara berstruktur, dan penerangan pelancaran Google turut mendokumenkan keluaran JSON berstruktur. Tentukan tugasan, fungsi yang tersedia dan hasil yang dijangka; aplikasi menjalankan operasi yang diminta dan memulangkan keluarannya untuk langkah seterusnya. Tugasan pengaturcaraan boleh meminta penjanaan, pelengkapan atau pembetulan kod, manakala pembantu visual boleh menggunakan teks yang dipulangkan untuk menerangkan carta atau skrin. Arahan panggilan fungsi berbeza daripada tindakan bersambung yang benar-benar telah dijalankan.</p><p>Resolusi imej berubah-ubah dikawal oleh peruntukan token visual. Pilihan yang didokumenkan ialah 70, 140, 280, 560 dan 1,120 token. Peruntukan lebih rendah sesuai untuk pengelasan atau kapsyen; peruntukan lebih tinggi mengekalkan lebih banyak butiran untuk OCR, penghuraian dokumen dan teks kecil, dengan pengiraan tambahan. Tentukan sama ada anda memerlukan gambaran keseluruhan adegan atau huruf yang tepat sebelum menyediakan imej. Potongan label yang jelas boleh lebih berguna untuk tugasan pengekstrakan berbanding permintaan umum supaya setiap butiran halaman penuh diperiksa.</p><p>Google mengesyorkan temperature 1.0, top-p 0.95 dan top-k 64 sebagai konfigurasi pensampelan keluarga ini. Kad model membezakan latihan dalam lebih daripada 140 bahasa daripada sokongan sedia guna dalam lebih daripada 35 bahasa. Nyatakan bahasa jawapan dan minta nama domain, nama medan atau formula dikekalkan secara jelas dalam taklimat. Angka 256K ialah spesifikasi konteks; kad model yang dirujuk tidak menetapkan angka maksimum keluaran sejagat yang berasingan untuk edisi ini.</p><p>Untuk tugasan dokumen dan kod, sertakan imej halaman yang berkaitan, keperluan bertulis dan cebisan sumber: “Baca label, terangkan perbezaan skrin ini daripada spesifikasi dan cadangkan pembetulan terarah pada kod yang disediakan.” Untuk carta, minta jawapan memisahkan nilai yang kelihatan daripada trend yang disimpulkan. Kad model Gemma mencatatkan batasan yang melibatkan bahasa kabur, tugasan sangat rumit serta pernyataan fakta yang salah atau lapuk, jadi sertakan fakta berwibawa yang mesti digunakan dalam hasil yang diminta, bukannya mengharapkan pengetahuan latihan membekalkannya.</p><p>Melalui Ailoot, pilih ID model yang tepat ini dalam /v1/chat/completions dan sertakan tugasan dalam messages. Setiap mesej membawa role dan kandungannya; simpan arahan yang berkaitan bersama bahan sumber. Kumpulkan respons JSON yang lengkap atau semua segmen SSE apabila stream diaktifkan, dan simpan usage bersama hasil bertulis.</p>",
  "aboutText": "Gemma 4 26B A4B IT ialah edisi campuran pakar yang ditala untuk arahan dalam keluarga terbuka Gemma 4 daripada Google DeepMind. Jadual seni bina rasmi menyenaraikan 25.2 bilion jumlah parameter dan 3.8 bilion parameter aktif; A4B menamakan skala parameter aktif yang dibundarkan. Tujuannya merangkumi penaakulan, pengaturcaraan, aliran kerja ejen dan pemahaman multimodal. Ia berasingan daripada edisi pralatih dan model padat 31B.\n\nReka bentuk campuran pakar mengaktifkan sebahagian parameternya bagi setiap langkah inferens: lapan pakar aktif daripada 128, ditambah satu pakar kongsi, menurut jadual seni bina yang diterbitkan. Google meletakkan edisi ini sebagai pilihan yang mengutamakan kecekapan inferens berbanding model padat. Ia menggabungkan seni bina 30 lapisan dan tetingkap gelongsor 1,024 token dengan perhatian global, konteks 256K dan pengekod visual. Angka seni bina ini menerangkan model pengeluar, bukannya jaminan kependaman atau konfigurasi perkakasan untuk aplikasi tertentu.\n\nKonteksnya yang berukuran 256K token menyokong tugasan yang menggabungkan teks yang banyak dengan bukti visual. Imej dan teks boleh diselang-selikan dalam satu prom; pengeluar mengesyorkan supaya kandungan imej diletakkan sebelum teks yang berkaitan untuk hasil terbaik. Tugasan visual merangkumi pengesanan objek, pentafsiran halaman dokumen, pemahaman skrin dan antara muka, carta, OCR berbilang bahasa, tulisan tangan dan penunjukan lokasi. Keluarannya ialah teks: kandungan yang diekstrak, penerangan, kod atau cadangan tindakan alat.\n\nPemikiran yang boleh dikonfigurasi membolehkan model menaakul sebelum menjawab atau memberikan jawapan terus. Gemma 4 menambah peranan system terbina dalam bersama peranan user dan assistant. Format prom Google mengaktifkan pemikiran dengan token kawalan <|think|> dalam prom sistem dan memisahkan saluran pemikiran daripada jawapan akhir; pemproses yang didokumenkan dapat mengendalikan templat tersebut. Untuk perbualan berbilang giliran, simpan jawapan akhir terdahulu dalam sejarah dan kecualikan pemikiran terdahulu, kecuali dalam giliran panggilan alat, yang menurut pengeluar perlu dikekalkan.\n\nNative Function Calling menyokong penggunaan alat secara berstruktur, dan penerangan pelancaran Google turut mendokumenkan keluaran JSON berstruktur. Tentukan tugasan, fungsi yang tersedia dan hasil yang dijangka; aplikasi menjalankan operasi yang diminta dan memulangkan keluarannya untuk langkah seterusnya. Tugasan pengaturcaraan boleh meminta penjanaan, pelengkapan atau pembetulan kod, manakala pembantu visual boleh menggunakan teks yang dipulangkan untuk menerangkan carta atau skrin. Arahan panggilan fungsi berbeza daripada tindakan bersambung yang benar-benar telah dijalankan.\n\nResolusi imej berubah-ubah dikawal oleh peruntukan token visual. Pilihan yang didokumenkan ialah 70, 140, 280, 560 dan 1,120 token. Peruntukan lebih rendah sesuai untuk pengelasan atau kapsyen; peruntukan lebih tinggi mengekalkan lebih banyak butiran untuk OCR, penghuraian dokumen dan teks kecil, dengan pengiraan tambahan. Tentukan sama ada anda memerlukan gambaran keseluruhan adegan atau huruf yang tepat sebelum menyediakan imej. Potongan label yang jelas boleh lebih berguna untuk tugasan pengekstrakan berbanding permintaan umum supaya setiap butiran halaman penuh diperiksa.\n\nGoogle mengesyorkan temperature 1.0, top-p 0.95 dan top-k 64 sebagai konfigurasi pensampelan keluarga ini. Kad model membezakan latihan dalam lebih daripada 140 bahasa daripada sokongan sedia guna dalam lebih daripada 35 bahasa. Nyatakan bahasa jawapan dan minta nama domain, nama medan atau formula dikekalkan secara jelas dalam taklimat. Angka 256K ialah spesifikasi konteks; kad model yang dirujuk tidak menetapkan angka maksimum keluaran sejagat yang berasingan untuk edisi ini.\n\nUntuk tugasan dokumen dan kod, sertakan imej halaman yang berkaitan, keperluan bertulis dan cebisan sumber: “Baca label, terangkan perbezaan skrin ini daripada spesifikasi dan cadangkan pembetulan terarah pada kod yang disediakan.” Untuk carta, minta jawapan memisahkan nilai yang kelihatan daripada trend yang disimpulkan. Kad model Gemma mencatatkan batasan yang melibatkan bahasa kabur, tugasan sangat rumit serta pernyataan fakta yang salah atau lapuk, jadi sertakan fakta berwibawa yang mesti digunakan dalam hasil yang diminta, bukannya mengharapkan pengetahuan latihan membekalkannya.\n\nMelalui Ailoot, pilih ID model yang tepat ini dalam /v1/chat/completions dan sertakan tugasan dalam messages. Setiap mesej membawa role dan kandungannya; simpan arahan yang berkaitan bersama bahan sumber. Kumpulkan respons JSON yang lengkap atau semua segmen SSE apabila stream diaktifkan, dan simpan usage bersama hasil bertulis.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "c9521200bf1b888ecf3d45679d19b13e422043ed49a803145932317d44b8e223",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "ms",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">G</span><h2 id=\"sheet-title\">Google: Gemma 4 26B A4B (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Tutup\">×</button></div><div class=\"idline\"><span>Google /</span><code>google/gemma-4-26b-a4b-it:free</code><button type=\"button\" id=\"copy-id\">Salin ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Bahagian kad model\"><button type=\"button\" data-card-jump=\"overview\">Pengenalan</button><button type=\"button\" data-card-jump=\"methods\">Input &amp; kaedah</button><button type=\"button\" data-card-jump=\"pricing\">Pelan harga</button><button type=\"button\" data-card-jump=\"examples\">Contoh</button><button type=\"button\" data-card-jump=\"results\">Hasil</button><button type=\"button\" data-card-jump=\"aliases\">Alias</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Kaedah API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|chat|/v1/chat/completions|google%2Fgemma-4-26b-a4b-it%3Afree\">Chat</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Pengenalan</h3><p class=\"mdesc-full\">Gemma 4 26B A4B IT ialah model campuran pakar Google yang ditala untuk arahan bagi penaakulan teks dan visual. Ia menggabungkan konteks 256K, pemahaman imej, pemikiran boleh konfigurasi dan panggilan fungsi terbina dalam dengan keluaran teks.</p><dl class=\"card-io\" data-card-io><div><dt>Input yang diterima</dt><dd>Teks · Imej</dd></div><div><dt>Hasil</dt><dd>Teks</dd></div></dl><details class=\"card-about\"><summary>Tentang model</summary><p class=\"note-s\" data-model-method-boundary>Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.</p><div class=\"mabout\" id=\"m-about\"><p>Gemma 4 26B A4B IT ialah edisi campuran pakar yang ditala untuk arahan dalam keluarga terbuka Gemma 4 daripada Google DeepMind. Jadual seni bina rasmi menyenaraikan 25.2 bilion jumlah parameter dan 3.8 bilion parameter aktif; A4B menamakan skala parameter aktif yang dibundarkan. Tujuannya merangkumi penaakulan, pengaturcaraan, aliran kerja ejen dan pemahaman multimodal. Ia berasingan daripada edisi pralatih dan model padat 31B.</p><p>Reka bentuk campuran pakar mengaktifkan sebahagian parameternya bagi setiap langkah inferens: lapan pakar aktif daripada 128, ditambah satu pakar kongsi, menurut jadual seni bina yang diterbitkan. Google meletakkan edisi ini sebagai pilihan yang mengutamakan kecekapan inferens berbanding model padat. Ia menggabungkan seni bina 30 lapisan dan tetingkap gelongsor 1,024 token dengan perhatian global, konteks 256K dan pengekod visual. Angka seni bina ini menerangkan model pengeluar, bukannya jaminan kependaman atau konfigurasi perkakasan untuk aplikasi tertentu.</p><p>Konteksnya yang berukuran 256K token menyokong tugasan yang menggabungkan teks yang banyak dengan bukti visual. Imej dan teks boleh diselang-selikan dalam satu prom; pengeluar mengesyorkan supaya kandungan imej diletakkan sebelum teks yang berkaitan untuk hasil terbaik. Tugasan visual merangkumi pengesanan objek, pentafsiran halaman dokumen, pemahaman skrin dan antara muka, carta, OCR berbilang bahasa, tulisan tangan dan penunjukan lokasi. Keluarannya ialah teks: kandungan yang diekstrak, penerangan, kod atau cadangan tindakan alat.</p><p>Pemikiran yang boleh dikonfigurasi membolehkan model menaakul sebelum menjawab atau memberikan jawapan terus. Gemma 4 menambah peranan system terbina dalam bersama peranan user dan assistant. Format prom Google mengaktifkan pemikiran dengan token kawalan &lt;|think|&gt; dalam prom sistem dan memisahkan saluran pemikiran daripada jawapan akhir; pemproses yang didokumenkan dapat mengendalikan templat tersebut. Untuk perbualan berbilang giliran, simpan jawapan akhir terdahulu dalam sejarah dan kecualikan pemikiran terdahulu, kecuali dalam giliran panggilan alat, yang menurut pengeluar perlu dikekalkan.</p><p>Native Function Calling menyokong penggunaan alat secara berstruktur, dan penerangan pelancaran Google turut mendokumenkan keluaran JSON berstruktur. Tentukan tugasan, fungsi yang tersedia dan hasil yang dijangka; aplikasi menjalankan operasi yang diminta dan memulangkan keluarannya untuk langkah seterusnya. Tugasan pengaturcaraan boleh meminta penjanaan, pelengkapan atau pembetulan kod, manakala pembantu visual boleh menggunakan teks yang dipulangkan untuk menerangkan carta atau skrin. Arahan panggilan fungsi berbeza daripada tindakan bersambung yang benar-benar telah dijalankan.</p><p>Resolusi imej berubah-ubah dikawal oleh peruntukan token visual. Pilihan yang didokumenkan ialah 70, 140, 280, 560 dan 1,120 token. Peruntukan lebih rendah sesuai untuk pengelasan atau kapsyen; peruntukan lebih tinggi mengekalkan lebih banyak butiran untuk OCR, penghuraian dokumen dan teks kecil, dengan pengiraan tambahan. Tentukan sama ada anda memerlukan gambaran keseluruhan adegan atau huruf yang tepat sebelum menyediakan imej. Potongan label yang jelas boleh lebih berguna untuk tugasan pengekstrakan berbanding permintaan umum supaya setiap butiran halaman penuh diperiksa.</p><p>Google mengesyorkan temperature 1.0, top-p 0.95 dan top-k 64 sebagai konfigurasi pensampelan keluarga ini. Kad model membezakan latihan dalam lebih daripada 140 bahasa daripada sokongan sedia guna dalam lebih daripada 35 bahasa. Nyatakan bahasa jawapan dan minta nama domain, nama medan atau formula dikekalkan secara jelas dalam taklimat. Angka 256K ialah spesifikasi konteks; kad model yang dirujuk tidak menetapkan angka maksimum keluaran sejagat yang berasingan untuk edisi ini.</p><p>Untuk tugasan dokumen dan kod, sertakan imej halaman yang berkaitan, keperluan bertulis dan cebisan sumber: “Baca label, terangkan perbezaan skrin ini daripada spesifikasi dan cadangkan pembetulan terarah pada kod yang disediakan.” Untuk carta, minta jawapan memisahkan nilai yang kelihatan daripada trend yang disimpulkan. Kad model Gemma mencatatkan batasan yang melibatkan bahasa kabur, tugasan sangat rumit serta pernyataan fakta yang salah atau lapuk, jadi sertakan fakta berwibawa yang mesti digunakan dalam hasil yang diminta, bukannya mengharapkan pengetahuan latihan membekalkannya.</p><p>Melalui Ailoot, pilih ID model yang tepat ini dalam /v1/chat/completions dan sertakan tugasan dalam messages. Setiap mesej membawa role dan kandungannya; simpan arahan yang berkaitan bersama bahan sumber. Kumpulkan respons JSON yang lengkap atau semua segmen SSE apabila stream diaktifkan, dan simpan usage bersama hasil bertulis.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Tersedia di Ailoot · input &amp; kaedah</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · OpenAI Chat</b> <code>POST /v1/chat/completions</code></summary><dl class=\"method-capabilities\"><div><dt>Input</dt><dd><code>text</code>, <code>image</code></dd></div><div><dt>Output</dt><dd><code>text</code></dd></div><div><dt>Format output</dt><dd>JSON or SSE</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Medan</th><th>Jenis</th><th>Keperluan</th><th>Nilai &amp; had</th><th>Lalai</th></tr></thead><tbody><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>string</code></td><td data-cell-label=\"Keperluan\"><span class=\"card-cell-label\">Keperluan</span>Diperlukan</td><td data-cell-label=\"Nilai &amp; had\"><span class=\"card-cell-label\">Nilai &amp; had</span><div>google/gemma-4-26b-a4b-it:free</div><div>Syarat: Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.</div></td><td data-cell-label=\"Lalai\" data-default=\"unspecified\"><span class=\"card-cell-label\">Lalai</span>—</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">messages</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>array</code></td><td data-cell-label=\"Keperluan\"><span class=\"card-cell-label\">Keperluan</span>Diperlukan</td><td data-cell-label=\"Nilai &amp; had\"><span class=\"card-cell-label\">Nilai &amp; had</span><div>Syarat: </div></td><td data-cell-label=\"Lalai\" data-default=\"unspecified\"><span class=\"card-cell-label\">Lalai</span>—</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">stream</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>boolean</code></td><td data-cell-label=\"Keperluan\"><span class=\"card-cell-label\">Keperluan</span>Pilihan</td><td data-cell-label=\"Nilai &amp; had\"><span class=\"card-cell-label\">Nilai &amp; had</span><div>Syarat: </div></td><td data-cell-label=\"Lalai\" data-default=\"known\"><span class=\"card-cell-label\">Lalai</span>false</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Gabungan bahan input</summary><p class=\"note-s\"><b>text_input</b> · Diperlukan: messages</p><p class=\"note-s\"><b>image_with_text</b> · Diperlukan: messages with actual image content blocks</p></details><details class=\"note-s\" data-method-contract><summary>Parameter kaedah dan kitar hayat</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parameter</th><th>Kontrak</th></tr></thead><tbody><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>content_type</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>application/json</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>required</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>model, messages</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>optional</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>stream</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_types</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>text, image</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>conditions</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan., Protokol ini membawa kandungan imej jika model yang dipilih itu menyokong penglihatan. Penerimaan oleh protokol tidak membuktikan keupayaan imej bagi setiap model.</td></tr></tbody></table></div><p>Alias kaedah: <code>/chat/completions</code></p><p>Kitar hayat: <code>synchronous_or_streamed</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Pelan harga</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.</p><dl data-price-conditions><dt>Mod pantas</dt><dd>Kadar standard <span class=\"note-s\">Apabila mod pantas dipilih</span></dd><dt>Mod flex</dt><dd>Kadar standard <span class=\"note-s\">Apabila mod flex dipilih</span></dd><dt>Usaha penaakulan maksimum</dt><dd>Kadar standard <span class=\"note-s\">Apabila usaha penaakulan maksimum menggunakan pelarasan default</span></dd><dt>Harga cache eksplisit</dt><dd>Tidak diaktifkan <span class=\"note-s\">Apabila cache eksplisit diminta</span></dd><dt>Kadar sifar untuk teks sahaja</dt><dd>Data cache, alat dan media tertakluk pada syarat harga masing-masing yang disenaraikan secara berasingan. <span class=\"note-s\">Untuk input dan output teks sahaja</span></dd></dl></div><div data-declared-tariff-pricing><h4>Kadar Ailoot</h4><h4>Harga mengikut konfigurasi</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfigurasi</th><th>Jadual kadar</th><th>Caj</th></tr></thead><tbody><tr><th data-cell-label=\"Konfigurasi\" scope=\"row\"><span class=\"card-cell-label\">Konfigurasi</span>Kadar asas token</th><td data-cell-label=\"Jadual kadar\"><span class=\"card-cell-label\">Jadual kadar</span>Kadar asas</td><td data-cell-label=\"Caj\"><span class=\"card-cell-label\">Caj</span><div><span>Input · Token input</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Output · Token output</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Input · Bacaan cache</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Input · Penulisan cache</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Input · Penulisan cache, 1 jam</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. <a href=\"/docs/ms/billing/reserve/\">Cara rizab dan penyelesaian caj berfungsi →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Contoh permintaan</h3><h4>Ailoot Ultra · OpenAI Chat</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Pilihan kod\"><button class=\"cg-tab\" id=\"model-code-2926-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2926-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · cipta sekali sahaja dan simpan hasil lengkap</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Salin kod\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2926-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2926-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\nexport AILOOT_API_KEY\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;google/gemma-4-26b-a4b-it:free&quot;, &quot;messages&quot;: [{&quot;role&quot;: &quot;user&quot;, &quot;content&quot;: &quot;Explain how a rainbow forms.&quot;}]}&#39;)\n\nPath(&quot;request.json&quot;).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 &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Terima dan simpan hasil</h3><h4>Ailoot Ultra · OpenAI Chat</h4><p class=\"note-s\">JSON or SSE</p><div class=\"card-result-process\" data-all-results><h5>Simpan semua hasil yang selesai</h5><p class=\"note-s\">Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.</p><p class=\"note-s\">Simpan setiap blok kandungan, ID panggilan alat, tandatangan pemikiran apabila dikembalikan, semua delta SSE dan data penggunaan lengkap. Fragmen teks pertama bukan keseluruhan hasil.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Jika respons asal perlu disemak</h5><p class=\"note-s\">Simpan X-Client-Request-ID asal, respons dan pengepala. Hasil yang tidak diketahui atau result_pending_check tidak membenarkan penciptaan kedua.</p></div><details class=\"card-about\" data-output-fields><summary>Medan respons</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Medan</th><th>Jenis</th></tr></thead><tbody><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">choices[]</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span>object</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Ralat dan langkah seterusnya</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Respons</th><th>Syarat</th><th>Langkah seterusnya</th></tr></thead><tbody><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Medan wajib, pemilih model, jenis atau bentuk input tidak sah.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Semak butiran pengesahan yang dikembalikan sebelum menyediakan permintaan berasingan.</td></tr><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span><code></code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Permintaan atau hasil asal tidak diketahui atau memerlukan semakan.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Simpan pengecam dan pengepala asal; baca hanya rekod status/pustaka yang disokong. Jangan hantar semula permintaan penciptaan.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Alias</h3><h4>Alias model</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=google%2Fgemma-4-26b-a4b-it%3Afree&amp;route=Ultra&amp;caller=google%2Fgemma-4-26b-a4b-it%3Afree&amp;fmt=chat\"><code>google/gemma-4-26b-a4b-it:free</code></a></span></p><h4>Alias laluan kaedah</h4><p class=\"note-s\"><code>/chat/completions</code></p><h4>ID pemanggil berkaitan</h4><p class=\"note-s\"><a href=\"#m=google%2Fgemma-4-26b-a4b-it%3Afree&amp;route=Ultra&amp;caller=google%2Fgemma-4-26b-a4b-it%3Afree&amp;fmt=chat\"><code>google/gemma-4-26b-a4b-it:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "google/gemma-4-26b-a4b-it:free",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "google/gemma-4-26b-a4b-it:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|google%2Fgemma-4-26b-a4b-it%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "accepted_material_guidance": {
              "content_type": "application/json",
              "example_scope": "The preserved text example is one valid request form, not the full protocol input set.",
              "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.",
              "material_types": [
                "text",
                "image"
              ],
              "text_file_material": "Actual UTF-8 text can be inserted in a text content part."
            },
            "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.",
            "authentication": {
              "header": "Authorization",
              "scheme": "Bearer",
              "value": "$AILOOT_API_KEY"
            },
            "errors": [
              {
                "condition": "Medan wajib, pemilih model, jenis atau bentuk input tidak sah.",
                "http_status": 400,
                "recovery": "Semak butiran pengesahan yang dikembalikan sebelum menyediakan permintaan berasingan.",
                "type": "invalid_request_error"
              },
              {
                "condition": "Permintaan atau hasil asal tidak diketahui atau memerlukan semakan.",
                "http_status": null,
                "recovery": "Simpan pengecam dan pengepala asal; baca hanya rekod status/pustaka yang disokong. Jangan hantar semula permintaan penciptaan.",
                "type": null
              }
            ],
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/chat/completions"
              },
              "mode": "synchronous_or_streamed",
              "status": [],
              "unknown": "Simpan X-Client-Request-ID asal, respons dan pengepala. Hasil yang tidak diketahui atau result_pending_check tidak membenarkan penciptaan kedua.",
              "unknown_no_replay": true
            },
            "material_combinations": [
              {
                "materials": [
                  "text"
                ],
                "mode": "text_input",
                "required": [
                  "messages"
                ]
              },
              {
                "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.",
                "materials": [
                  "text",
                  "image"
                ],
                "mode": "image_with_text",
                "required": [
                  "messages with actual image content blocks"
                ]
              }
            ],
            "model_capability_scope": {
              "all_models_vision_claim": false,
              "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.",
              "model_vision": "conditional_on_exact_model_capability",
              "transport_materials": [
                "text",
                "image"
              ],
              "video_audio_inferred": false
            },
            "outputs": {
              "all_results": "Simpan setiap blok kandungan, ID panggilan alat, tandatangan pemikiran apabila dikembalikan, semua delta SSE dan data penggunaan lengkap. Fragmen teks pertama bukan keseluruhan hasil.",
              "every_actual_output": true,
              "family": "text",
              "fields": [
                {
                  "name": "choices[]",
                  "type": "object"
                },
                {
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "JSON or SSE"
            },
            "parameters": [
              {
                "conditions": "Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.",
                "default_known": false,
                "enum": [
                  "google/gemma-4-26b-a4b-it:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "",
                "default_known": false,
                "enum_known": false,
                "items": {
                  "properties": {
                    "content": {
                      "oneOf": [
                        {
                          "type": "string"
                        },
                        {
                          "items": {
                            "oneOf": [
                              {
                                "properties": {
                                  "text": {
                                    "type": "string"
                                  },
                                  "type": {
                                    "const": "text"
                                  }
                                },
                                "required": [
                                  "type",
                                  "text"
                                ],
                                "type": "object"
                              },
                              {
                                "properties": {
                                  "image_url": {
                                    "properties": {
                                      "detail": {
                                        "type": "string"
                                      },
                                      "url": {
                                        "type": "string"
                                      }
                                    },
                                    "required": [
                                      "url"
                                    ],
                                    "type": "object"
                                  },
                                  "type": {
                                    "const": "image_url"
                                  }
                                },
                                "required": [
                                  "type",
                                  "image_url"
                                ],
                                "type": "object"
                              }
                            ]
                          },
                          "type": "array"
                        }
                      ]
                    },
                    "role": {
                      "type": "string"
                    }
                  },
                  "required": [
                    "role",
                    "content"
                  ],
                  "type": "object"
                },
                "minItems": 1,
                "name": "messages",
                "required": true,
                "type": "array"
              },
              {
                "conditions": "",
                "default": false,
                "default_known": true,
                "enum_known": false,
                "name": "stream",
                "required": false,
                "type": "boolean"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "messages": {
                  "items": {
                    "properties": {
                      "content": {
                        "oneOf": [
                          {
                            "type": "string"
                          },
                          {
                            "items": {
                              "oneOf": [
                                {
                                  "properties": {
                                    "text": {
                                      "type": "string"
                                    },
                                    "type": {
                                      "const": "text"
                                    }
                                  },
                                  "required": [
                                    "type",
                                    "text"
                                  ],
                                  "type": "object"
                                },
                                {
                                  "properties": {
                                    "image_url": {
                                      "properties": {
                                        "detail": {
                                          "type": "string"
                                        },
                                        "url": {
                                          "type": "string"
                                        }
                                      },
                                      "required": [
                                        "url"
                                      ],
                                      "type": "object"
                                    },
                                    "type": {
                                      "const": "image_url"
                                    }
                                  },
                                  "required": [
                                    "type",
                                    "image_url"
                                  ],
                                  "type": "object"
                                }
                              ]
                            },
                            "type": "array"
                          }
                        ]
                      },
                      "role": {
                        "type": "string"
                      }
                    },
                    "required": [
                      "role",
                      "content"
                    ],
                    "type": "object"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "google/gemma-4-26b-a4b-it:free"
                  ],
                  "type": "string"
                },
                "stream": {
                  "default": false,
                  "type": "boolean"
                }
              },
              "required": [
                "model",
                "messages"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "messages": [
                  {
                    "content": "Explain how a rainbow forms.",
                    "role": "user"
                  }
                ],
                "model": "google/gemma-4-26b-a4b-it:free"
              },
              "content_type": "application/json",
              "example_is_offline_content": true
            },
            "usage": {
              "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.",
              "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.",
              "settlement": "Retain the original operation; reconcile its result and accounting once."
            }
          },
          "input": {
            "conditions": [
              "Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.",
              "Protokol ini membawa kandungan imej jika model yang dipilih itu menyokong penglihatan. Penerimaan oleh protokol tidak membuktikan keupayaan imej bagi setiap model."
            ],
            "content_type": "application/json",
            "material_types": [
              "text",
              "image"
            ],
            "optional": [
              "stream"
            ],
            "required": [
              "model",
              "messages"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/chat/completions"
            },
            "mode": "synchronous_or_streamed",
            "status": [],
            "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/chat/completions"
          },
          "method_aliases": [
            "/chat/completions"
          ],
          "output": {
            "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.",
            "every_actual_output": true,
            "family": "text",
            "fields": [
              {
                "name": "choices[]",
                "type": "object"
              },
              {
                "name": "usage",
                "type": "object"
              }
            ],
            "format": "JSON or SSE"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"google/gemma-4-26b-a4b-it:free\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "chat",
        "http": "POST",
        "in": 0,
        "input": [
          "text",
          "image"
        ],
        "input_conditions": {
          "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model."
        },
        "label": "OpenAI Chat",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [
          "/chat/completions"
        ],
        "out": 0,
        "output": [
          "text"
        ],
        "path": "/v1/chat/completions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Standard rate",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Standard rate",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Standard rate",
            "when": "When maximum reasoning effort uses the default adjustment"
          },
          {
            "label": "Explicit cache pricing",
            "value": "Not enabled",
            "when": "When explicit cache is requested"
          },
          {
            "label": "Kadar sifar untuk teks sahaja",
            "value": "Data cache, alat dan media tertakluk pada syarat harga masing-masing yang disenaraikan secara berasingan.",
            "when": "Untuk input dan output teks sahaja"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "google/gemma-4-26b-a4b-it:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "google/gemma-4-26b-a4b-it:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "95a9e5ae5dbd2f1506c97154aa4a7bbb8c9914f132b6b1f0ac27211531ebb39e",
    "input_html_sha256": "9724870a6a376689c98d83da1ee6f6bc6234fe1a843c230d28bcdb25449911c8",
    "private_audit_sha256": "14497e2154746dbecdf940a9fff6af50ce346ccf3cbf7bb719227b08eae08f8d",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/ms/google-gemma-4-26b-a4b-it-u003a-free/",
    "description": "Gemma 4 26B A4B IT ialah model campuran pakar Google yang ditala untuk arahan bagi penaakulan teks dan visual. Ia menggabungkan konteks 256K, pemahaman imej, pemikiran boleh konfigurasi dan panggilan fungsi terbina dalam dengan keluaran teks.",
    "locale": "ms",
    "md_url": "https://ailoot.ai/models/ms/google-gemma-4-26b-a4b-it-u003a-free/index.md",
    "title": "Google: Gemma 4 26B A4B (free) — Ailoot",
    "url": "https://ailoot.ai/models/ms/google-gemma-4-26b-a4b-it-u003a-free/"
  },
  "rawModel": {
    "about": "Gemma 4 26B A4B IT ialah edisi campuran pakar yang ditala untuk arahan dalam keluarga terbuka Gemma 4 daripada Google DeepMind. Jadual seni bina rasmi menyenaraikan 25.2 bilion jumlah parameter dan 3.8 bilion parameter aktif; A4B menamakan skala parameter aktif yang dibundarkan. Tujuannya merangkumi penaakulan, pengaturcaraan, aliran kerja ejen dan pemahaman multimodal. Ia berasingan daripada edisi pralatih dan model padat 31B.\n\nReka bentuk campuran pakar mengaktifkan sebahagian parameternya bagi setiap langkah inferens: lapan pakar aktif daripada 128, ditambah satu pakar kongsi, menurut jadual seni bina yang diterbitkan. Google meletakkan edisi ini sebagai pilihan yang mengutamakan kecekapan inferens berbanding model padat. Ia menggabungkan seni bina 30 lapisan dan tetingkap gelongsor 1,024 token dengan perhatian global, konteks 256K dan pengekod visual. Angka seni bina ini menerangkan model pengeluar, bukannya jaminan kependaman atau konfigurasi perkakasan untuk aplikasi tertentu.\n\nKonteksnya yang berukuran 256K token menyokong tugasan yang menggabungkan teks yang banyak dengan bukti visual. Imej dan teks boleh diselang-selikan dalam satu prom; pengeluar mengesyorkan supaya kandungan imej diletakkan sebelum teks yang berkaitan untuk hasil terbaik. Tugasan visual merangkumi pengesanan objek, pentafsiran halaman dokumen, pemahaman skrin dan antara muka, carta, OCR berbilang bahasa, tulisan tangan dan penunjukan lokasi. Keluarannya ialah teks: kandungan yang diekstrak, penerangan, kod atau cadangan tindakan alat.\n\nPemikiran yang boleh dikonfigurasi membolehkan model menaakul sebelum menjawab atau memberikan jawapan terus. Gemma 4 menambah peranan system terbina dalam bersama peranan user dan assistant. Format prom Google mengaktifkan pemikiran dengan token kawalan <|think|> dalam prom sistem dan memisahkan saluran pemikiran daripada jawapan akhir; pemproses yang didokumenkan dapat mengendalikan templat tersebut. Untuk perbualan berbilang giliran, simpan jawapan akhir terdahulu dalam sejarah dan kecualikan pemikiran terdahulu, kecuali dalam giliran panggilan alat, yang menurut pengeluar perlu dikekalkan.\n\nNative Function Calling menyokong penggunaan alat secara berstruktur, dan penerangan pelancaran Google turut mendokumenkan keluaran JSON berstruktur. Tentukan tugasan, fungsi yang tersedia dan hasil yang dijangka; aplikasi menjalankan operasi yang diminta dan memulangkan keluarannya untuk langkah seterusnya. Tugasan pengaturcaraan boleh meminta penjanaan, pelengkapan atau pembetulan kod, manakala pembantu visual boleh menggunakan teks yang dipulangkan untuk menerangkan carta atau skrin. Arahan panggilan fungsi berbeza daripada tindakan bersambung yang benar-benar telah dijalankan.\n\nResolusi imej berubah-ubah dikawal oleh peruntukan token visual. Pilihan yang didokumenkan ialah 70, 140, 280, 560 dan 1,120 token. Peruntukan lebih rendah sesuai untuk pengelasan atau kapsyen; peruntukan lebih tinggi mengekalkan lebih banyak butiran untuk OCR, penghuraian dokumen dan teks kecil, dengan pengiraan tambahan. Tentukan sama ada anda memerlukan gambaran keseluruhan adegan atau huruf yang tepat sebelum menyediakan imej. Potongan label yang jelas boleh lebih berguna untuk tugasan pengekstrakan berbanding permintaan umum supaya setiap butiran halaman penuh diperiksa.\n\nGoogle mengesyorkan temperature 1.0, top-p 0.95 dan top-k 64 sebagai konfigurasi pensampelan keluarga ini. Kad model membezakan latihan dalam lebih daripada 140 bahasa daripada sokongan sedia guna dalam lebih daripada 35 bahasa. Nyatakan bahasa jawapan dan minta nama domain, nama medan atau formula dikekalkan secara jelas dalam taklimat. Angka 256K ialah spesifikasi konteks; kad model yang dirujuk tidak menetapkan angka maksimum keluaran sejagat yang berasingan untuk edisi ini.\n\nUntuk tugasan dokumen dan kod, sertakan imej halaman yang berkaitan, keperluan bertulis dan cebisan sumber: “Baca label, terangkan perbezaan skrin ini daripada spesifikasi dan cadangkan pembetulan terarah pada kod yang disediakan.” Untuk carta, minta jawapan memisahkan nilai yang kelihatan daripada trend yang disimpulkan. Kad model Gemma mencatatkan batasan yang melibatkan bahasa kabur, tugasan sangat rumit serta pernyataan fakta yang salah atau lapuk, jadi sertakan fakta berwibawa yang mesti digunakan dalam hasil yang diminta, bukannya mengharapkan pengetahuan latihan membekalkannya.\n\nMelalui Ailoot, pilih ID model yang tepat ini dalam /v1/chat/completions dan sertakan tugasan dalam messages. Setiap mesej membawa role dan kandungannya; simpan arahan yang berkaitan bersama bahan sumber. Kumpulkan respons JSON yang lengkap atau semua segmen SSE apabila stream diaktifkan, dan simpan usage bersama hasil bertulis.",
    "alias_of": null,
    "aliases": [],
    "author": "Google",
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          }
        ],
        "summary": "Maklumat lengkap tentang harga konfigurasi terdapat dalam butiran."
      }
    ],
    "ctx": null,
    "formats": [
      "chat"
    ],
    "id": "google/gemma-4-26b-a4b-it:free",
    "input": [
      "text",
      "image"
    ],
    "kind": "text",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "accepted_material_guidance": {
              "content_type": "application/json",
              "example_scope": "The preserved text example is one valid request form, not the full protocol input set.",
              "image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.",
              "material_types": [
                "text",
                "image"
              ],
              "text_file_material": "Actual UTF-8 text can be inserted in a text content part."
            },
            "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.",
            "authentication": {
              "header": "Authorization",
              "scheme": "Bearer",
              "value": "$AILOOT_API_KEY"
            },
            "errors": [
              {
                "condition": "Medan wajib, pemilih model, jenis atau bentuk input tidak sah.",
                "http_status": 400,
                "recovery": "Semak butiran pengesahan yang dikembalikan sebelum menyediakan permintaan berasingan.",
                "type": "invalid_request_error"
              },
              {
                "condition": "Permintaan atau hasil asal tidak diketahui atau memerlukan semakan.",
                "http_status": null,
                "recovery": "Simpan pengecam dan pengepala asal; baca hanya rekod status/pustaka yang disokong. Jangan hantar semula permintaan penciptaan.",
                "type": null
              }
            ],
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/chat/completions"
              },
              "mode": "synchronous_or_streamed",
              "status": [],
              "unknown": "Simpan X-Client-Request-ID asal, respons dan pengepala. Hasil yang tidak diketahui atau result_pending_check tidak membenarkan penciptaan kedua.",
              "unknown_no_replay": true
            },
            "material_combinations": [
              {
                "materials": [
                  "text"
                ],
                "mode": "text_input",
                "required": [
                  "messages"
                ]
              },
              {
                "condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.",
                "materials": [
                  "text",
                  "image"
                ],
                "mode": "image_with_text",
                "required": [
                  "messages with actual image content blocks"
                ]
              }
            ],
            "model_capability_scope": {
              "all_models_vision_claim": false,
              "manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.",
              "model_vision": "conditional_on_exact_model_capability",
              "transport_materials": [
                "text",
                "image"
              ],
              "video_audio_inferred": false
            },
            "outputs": {
              "all_results": "Simpan setiap blok kandungan, ID panggilan alat, tandatangan pemikiran apabila dikembalikan, semua delta SSE dan data penggunaan lengkap. Fragmen teks pertama bukan keseluruhan hasil.",
              "every_actual_output": true,
              "family": "text",
              "fields": [
                {
                  "name": "choices[]",
                  "type": "object"
                },
                {
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "JSON or SSE"
            },
            "parameters": [
              {
                "conditions": "Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.",
                "default_known": false,
                "enum": [
                  "google/gemma-4-26b-a4b-it:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "",
                "default_known": false,
                "enum_known": false,
                "items": {
                  "properties": {
                    "content": {
                      "oneOf": [
                        {
                          "type": "string"
                        },
                        {
                          "items": {
                            "oneOf": [
                              {
                                "properties": {
                                  "text": {
                                    "type": "string"
                                  },
                                  "type": {
                                    "const": "text"
                                  }
                                },
                                "required": [
                                  "type",
                                  "text"
                                ],
                                "type": "object"
                              },
                              {
                                "properties": {
                                  "image_url": {
                                    "properties": {
                                      "detail": {
                                        "type": "string"
                                      },
                                      "url": {
                                        "type": "string"
                                      }
                                    },
                                    "required": [
                                      "url"
                                    ],
                                    "type": "object"
                                  },
                                  "type": {
                                    "const": "image_url"
                                  }
                                },
                                "required": [
                                  "type",
                                  "image_url"
                                ],
                                "type": "object"
                              }
                            ]
                          },
                          "type": "array"
                        }
                      ]
                    },
                    "role": {
                      "type": "string"
                    }
                  },
                  "required": [
                    "role",
                    "content"
                  ],
                  "type": "object"
                },
                "minItems": 1,
                "name": "messages",
                "required": true,
                "type": "array"
              },
              {
                "conditions": "",
                "default": false,
                "default_known": true,
                "enum_known": false,
                "name": "stream",
                "required": false,
                "type": "boolean"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "messages": {
                  "items": {
                    "properties": {
                      "content": {
                        "oneOf": [
                          {
                            "type": "string"
                          },
                          {
                            "items": {
                              "oneOf": [
                                {
                                  "properties": {
                                    "text": {
                                      "type": "string"
                                    },
                                    "type": {
                                      "const": "text"
                                    }
                                  },
                                  "required": [
                                    "type",
                                    "text"
                                  ],
                                  "type": "object"
                                },
                                {
                                  "properties": {
                                    "image_url": {
                                      "properties": {
                                        "detail": {
                                          "type": "string"
                                        },
                                        "url": {
                                          "type": "string"
                                        }
                                      },
                                      "required": [
                                        "url"
                                      ],
                                      "type": "object"
                                    },
                                    "type": {
                                      "const": "image_url"
                                    }
                                  },
                                  "required": [
                                    "type",
                                    "image_url"
                                  ],
                                  "type": "object"
                                }
                              ]
                            },
                            "type": "array"
                          }
                        ]
                      },
                      "role": {
                        "type": "string"
                      }
                    },
                    "required": [
                      "role",
                      "content"
                    ],
                    "type": "object"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "google/gemma-4-26b-a4b-it:free"
                  ],
                  "type": "string"
                },
                "stream": {
                  "default": false,
                  "type": "boolean"
                }
              },
              "required": [
                "model",
                "messages"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "messages": [
                  {
                    "content": "Explain how a rainbow forms.",
                    "role": "user"
                  }
                ],
                "model": "google/gemma-4-26b-a4b-it:free"
              },
              "content_type": "application/json",
              "example_is_offline_content": true
            },
            "usage": {
              "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.",
              "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.",
              "settlement": "Retain the original operation; reconcile its result and accounting once."
            }
          },
          "input": {
            "conditions": [
              "Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.",
              "Protokol ini membawa kandungan imej jika model yang dipilih itu menyokong penglihatan. Penerimaan oleh protokol tidak membuktikan keupayaan imej bagi setiap model."
            ],
            "content_type": "application/json",
            "material_types": [
              "text",
              "image"
            ],
            "optional": [
              "stream"
            ],
            "required": [
              "model",
              "messages"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/chat/completions"
            },
            "mode": "synchronous_or_streamed",
            "status": [],
            "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/chat/completions"
          },
          "method_aliases": [
            "/chat/completions"
          ],
          "output": {
            "all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.",
            "every_actual_output": true,
            "family": "text",
            "fields": [
              {
                "name": "choices[]",
                "type": "object"
              },
              {
                "name": "usage",
                "type": "object"
              }
            ],
            "format": "JSON or SSE"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"google/gemma-4-26b-a4b-it:free\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "chat",
        "http": "POST",
        "in": 0,
        "input": [
          "text",
          "image"
        ],
        "input_conditions": {
          "image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model."
        },
        "label": "OpenAI Chat",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [
          "/chat/completions"
        ],
        "out": 0,
        "output": [
          "text"
        ],
        "path": "/v1/chat/completions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Standard rate",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Standard rate",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Standard rate",
            "when": "When maximum reasoning effort uses the default adjustment"
          },
          {
            "label": "Explicit cache pricing",
            "value": "Not enabled",
            "when": "When explicit cache is requested"
          },
          {
            "label": "Kadar sifar untuk teks sahaja",
            "value": "Data cache, alat dan media tertakluk pada syarat harga masing-masing yang disenaraikan secara berasingan.",
            "when": "Untuk input dan output teks sahaja"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "google/gemma-4-26b-a4b-it:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "google/gemma-4-26b-a4b-it:free",
        "request_model_id": "google/gemma-4-26b-a4b-it:free",
        "route_label": "Ultra"
      }
    ],
    "name": "Google: Gemma 4 26B A4B (free)",
    "price": {
      "in": 0,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0,
      "sort_out": 0,
      "varies": false
    },
    "short": "Gemma 4 26B A4B IT ialah model campuran pakar Google yang ditala untuk arahan bagi penaakulan teks dan visual. Ia menggabungkan konteks 256K, pemahaman imej, pemikiran boleh konfigurasi dan panggilan fungsi terbina dalam dengan keluaran teks.",
    "title": "Google: Gemma 4 26B A4B (free)"
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Gemma 4 26B A4B IT ialah model campuran pakar Google yang ditala untuk arahan bagi penaakulan teks dan visual. Ia menggabungkan konteks 256K, pemahaman imej, pemikiran boleh konfigurasi dan panggilan fungsi terbina dalam dengan keluaran teks.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "91ad2103161cf3ac55c2d882e3694681302e07ce954a3933a99d3621a40909c4",
    "renderer_sha256": "1dab5ba62521e9568c8b7c82005622cabbf330a075df7cce1f83274a04009460"
  },
  "sourceRevision": "2bc4100618bedc5d10b98f11308498cb5881c685ccfe5f5567590253f47b3b64"
}