modeller

Google: Gemini 3.1 Pro Preview

Markdown · JSON

Google: Gemini 3.1 Pro Preview

Gemini 3.1 Pro Preview er Googles multimodale resonneringsmodell for komplekse programvare-, algoritme- og kunnskapsoppgaver. Den tar imot tekst, bilder, lyd, video og PDF og returnerer tekst eller kode, med verktøy og strukturerte utdata. Resonneringsnivåene low, medium og high styrer innsatsen; high er dokumentert standard.

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

Gemini 3.1 Pro Preview er Googles resonneringsorienterte tekstmodell for komplekse oppgaver som krever programvareutvikling, algoritmeutvikling eller sammenstilling av multimodalt belegg. Den bygger på Gemini 3 Pro og vektlegger presis verktøybruk, mer effektiv resonnering og pålitelig gjennomføring i flere trinn. Tekst, bilder, lyd, video og PDF kan bidra til et skriftlig svar, en kodeleveranse eller et strukturert resultat.

Ved en krevende kodeoppgave oppgir du målet, relevant materiale fra kodelageret, observert atferd og begrensningene som skal beholdes. Hele kodelagre kan gi kontekst til oppgaven. Ved en gjennomgang av en datakontrakt i kode kan du be modellen sammenligne hvordan to moduler håndterer en felles datakontrakt, identifisere avviket og foreslå en målrettet rettelse med støttende kodereferanser. Det nyttige resultatet skiller analysen, den foreslåtte endringen og belegget fra eventuell validering utført av den tilkoblede applikasjonen.

Lanseringsmaterialet viser kodebaserte visuelle forklaringer og interaktive prosjekter, blant annet animert SVG fra en tekstinstruks. Dette er kodeleveranser fremfor generering av rasterbilder. En tydelig instruks kan definere hva som skal forklares, hvordan visualiseringen skal oppføre seg, og dataene den skal representere. Kontroller den resulterende koden og gjengivelsen mot disse kravene. Ved sammenstilling av data oppgir du de faktiske kildene og ber om én visning som bevarer sammenhengene og forbeholdene i dem.

De dokumenterte resonneringsnivåene er low, medium og high, med high som standard for 3.1 Pro Preview. Resonnering kan ikke slås helt av i denne Pro-profilen. Velg lavere innsats for et avgrenset svar og mer resonnering for vanskelig arbeid i flere trinn, samtidig som det beholdes nok utdatabudsjett til den endelige leveransen. En lav utdatagrense kan avbryte resonneringen før et brukbart sluttsvar foreligger. Veiledningen for resonnering skiller et sammendrag av resonneringen fra hele den interne prosessen og forklarer hvorfor samtalens kontekst med resonneringssignaturer er viktig.

Den konkrete Preview-tabellen oppgir funksjonskall, kodekjøring, forankring i søkeresultater, Maps-forankring, URL-kontekst og strukturerte utdata. Filsøk er avgrenset til AI Studio. Oppgi funksjonsformål og parameterdefinisjoner, og fortsett fra det reelle returnerte resultatet. Den separate profilen Custom Tools Preview er optimalisert for å prioritere egendefinerte verktøy og bash; den er et eget navngitt produsentendepunkt, så denne spesialiseringen skal ikke behandles som en egenskap ved alle 3.1 Pro-forespørsler uten videre. Velg et skjema for strukturerte resultater når oppgaven trenger definerte poster fremfor fri prosa.

Ved multimodal analyse identifiserer du den relevante siden, visualiseringen, opptaksintervallet eller videohendelsen. Ved dokumentanalyse sammenligner du et diagram med den skriftlige spesifikasjonen og returnerer hvert avvik med den støttende passasjen. En muntlig kilde kan bidra med en transkripsjon eller tolkning i tekst. Behold kildereferanser for konklusjoner som må kontrolleres, og skill det som er synlig eller uttalt, fra det som er utledet. Utdataene fra denne profilen er fortsatt tekst, inkludert kode; innebygd bilde- eller talegenerering inngår ikke i den konkrete egenskapstabellen.

Det opprinnelige 3.1 Pro-kortet angir opptil 1M kontekst og 64K tekstutdata, og den konkrete API-tabellen for Preview oppgir 1048576 inndatatokener og 65536 utdatatokener. Ta med instruksjoner, samtalehistorikk og medier i inndatabudsjettet. Hurtigbufring og batchbehandling er dokumentert, med Flex- og Priority-alternativer også oppført for produsentprofilen. For flere uavhengige elementer definerer du de nødvendige utdataene og beholder hver kildeidentifikator fremfor å kombinere urelatert belegg i ett svar som ikke kan spores.

Den navngitte Preview-utgaven er fortsatt adskilt fra Pros Custom Tools-profil og senere Flash- eller Pro-utgivelser. Styrkene gjelder kompleks resonnering, koding og sammenstilling av belegg; den endelige leveransen må fortsatt kontrolleres mot kilden og de faktiske verktøyresultatene. Behold uavklart tvetydighet når informasjonen som er gitt, ikke støtter en sikker konklusjon. En nyttig leveranse er det underbygde svaret, koden eller posten oppgaven ba om, med nok belegg til å vurdere de praktiske grensene.

Praktisk oppgave

Praktisk oppgave

Teknisk eksempel på engelsk

Review a cross-module date contract

Review this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.

Forventet resultat

A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.

Kontroller resultatet

Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.
Ailoot · Anthropic Messages POST /v1/messages gemini-3.1-pro-preview

gemini-3.1-pro-preview

Google /gemini-3.1-pro-preview

Start

Gemini 3.1 Pro Preview er Googles multimodale resonneringsmodell for komplekse programvare-, algoritme- og kunnskapsoppgaver. Den tar imot tekst, bilder, lyd, video og PDF og returnerer tekst eller kode, med verktøy og strukturerte utdata. Resonneringsnivåene low, medium og high styrer innsatsen; high er dokumentert standard.

Godkjente inndata
Tekst · Bilder
Resultater
Tekst

Tilgjengelig i Ailoot · inndata & metoder

Ailoot · Anthropic Messages POST /v1/messages
Inndatatyper
text, image
Utdatatyper
text
Kontekst
1 048 576 tokens
Maksimale utdata
65 536 tokens
Utdataformat
json eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
gemini-3.1-pro-preview
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
user, assistant
Standard—
Feltmessages[].contentTypestring|content_block[]KravPåkrevdVerdier & grenserStandard—
FeltsystemTypestring|content_block[]KravValgfrittVerdier & grenserStandard—
Feltmax_tokensTypeintegerKravPåkrevdVerdier & grenser
Minimum: 1
Grensen gjelder for: den eksakte øvre grensen for valgt modell/kort
Standard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
FelttemperatureTypenumberKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Felttop_pTypenumberKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltstop_sequencesTypestring[]KravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FelttoolsTypetool[]KravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Felttools[].nameTypestringKravValgfrittVerdier & grenser
Gjelder når: verktøy oppgitt
Standard—
Felttools[].descriptionTypestringKravValgfrittVerdier & grenserStandard—
Felttools[].input_schemaTypeJSON_schemaKravValgfrittVerdier & grenserStandard—
Felttool_choiceTypeobjectKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltthinking.typeTypestringKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltthinking.budget_tokensTypeintegerKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltoutput_config.effortTypestringKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltmetadataTypeobjectKravValgfrittVerdier & grenserStandard—
Feltcache_controlTypeobjectKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Kombinasjoner av inngående materialer

Tekst · UTF8-tekst

messages[].content eller type=text-blokk

Tekst + bilde

{type:image,source:{type:base64,media_type,data}} eller en kilde med type=url

Metodeparametere og livssyklus
ParameterAvtale
Parametermaterial_typesAvtaletext, image
ParameterrequiredAvtalemodel, messages, max_tokens
Parameteroptional_controlsAvtalenull
Parametercontent_typeAvtaleapplication/json
Parametertext_file_materialAvtalefaktisk UTF-8-innhold satt inn som tekst; fil-ID-er eller URL-adresser (URLs) trenger separat, eksakt støtte

Livssyklus: exact retained published method

Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.

Priser

Satser for Ailoot-metoder

Ailoot Anthropic MessagesPOST /v1/messages
Inndata
0,002 USD / 1K
Utdata
0,012 USD / 1K
Lesing fra hurtigbuffer
0,0002 USD / 1K

Priser etter forespørselslengde · Anthropic Messages

Forespørselsstørrelse, tokenerInndataUtdataLesing fra hurtigbufferSkriving til hurtigbufferHurtigbuffer 5 minHurtigbuffer 1 time
Forespørselsstørrelse, tokener(0; 200 000]Inndata0,002 USDUtdata0,012 USDLesing fra hurtigbuffer0,0002 USDSkriving til hurtigbufferGrunnsats: —Hurtigbuffer 5 minGrunnsats: —Hurtigbuffer 1 timeGrunnsats: —
Forespørselsstørrelse, tokener(200 000; ∞)Inndata0,004 USDUtdata0,018 USDLesing fra hurtigbuffer0,0004 USDSkriving til hurtigbufferGrunnsats: —Hurtigbuffer 5 minGrunnsats: —Hurtigbuffer 1 timeGrunnsats: —

Satser i USD per 1K tokener. Hvis ingen sats er angitt, arves grunnsatsen for denne metoden; «—» betyr at ingen grunnsats er angitt.

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Detaljer om referansetariffen

Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden.

Modellens referanseprisplaner

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonOpenAI Chat · Grunnsatser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Utdata · Utdatatokener for resonnering $0.024 / 1K tokener
KonfigurasjonOpenAI Chat · Nivå 1 etter forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med200 000Kostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonOpenAI Chat · Nivå 2 etter forespørselslengdePrisplan—Konteksttokener, mer enn200 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.036 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonAnthropic Messages · Grunnsatser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Utdata · Utdatatokener for resonnering $0.024 / 1K tokener
KonfigurasjonAnthropic Messages · Nivå 1 etter forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med200 000Kostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonAnthropic Messages · Nivå 2 etter forespørselslengdePrisplan—Konteksttokener, mer enn200 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.036 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Eksempelforespørsler

Ailoot · Anthropic Messages

TeksteksempelInndata, bildePython SDKNode.js SDKPython-strømming
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "gemini-3.1-pro-preview", "max_tokens": 1024, "messages": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"
export AILOOT_IMAGE_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "gemini-3.1-pro-preview", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')
import base64
f=Path(os.environ["AILOOT_IMAGE_FILE"])
if not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")
raw=f.read_bytes()
mime="image/png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "image/jpeg" if raw.startswith(b"\xff\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None
if not mime:raise SystemExit("Use PNG JPEG or WebP")
b64=base64.b64encode(raw).decode()
p["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
import anthropic
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)
msg = client.messages.create(
    model="gemini-3.1-pro-preview",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],
)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(msg.to_dict(mode="json"))
import Anthropic from "@anthropic-ai/sdk";

if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");
const client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });
const msg = await client.messages.create({
  model: "gemini-3.1-pro-preview",
  max_tokens: 1024,
  messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],
});
import { writeFileSync } from "node:fs";

function saveResult(data, stem = "result") {
  writeFileSync(stem + ".json", JSON.stringify(data, null, 2));
  console.log(JSON.stringify(data, null, 2));
  const saveBlob = (encoded, suffix, label) => {
    const raw = Buffer.from(encoded, "base64");
    const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;
    const file = `${stem}-${label}.${ext}`;
    writeFileSync(file, raw); console.log("Saved", file);
  };
  for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));
  for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));
  for (const [i, item] of (data.output || []).entries()) {
    console.log("Output", i, JSON.stringify(item));
    if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);
  }
  for (const [ci, candidate] of (data.candidates || []).entries()) {
    for (const [pi, part] of (candidate.content?.parts || []).entries()) {
      console.log("Candidate/part", ci, pi, JSON.stringify(part));
      const blob = part.inlineData || part.inline_data;
      if (blob?.data) {
        const mime = blob.mimeType || blob.mime_type;
        const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";
        saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);
      }
    }
  }
}

saveResult(msg);
import anthropic,os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.messages.stream(model='gemini-3.1-pro-preview',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_message()
    save_result(final.to_dict(mode="json"),"stream-result")

Motta og lagre resultater

Ailoot · Anthropic Messages

json eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
FeltidTypestring
FeltmodelTypestring
Feltcontent[]Typetext|thinking|tool_use|other content block
Feltstop_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview
~google/gemini-pro-latest

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview

Ailoot · Gemini generateContent POST /v1beta/models/{model}:generateContent gemini-3.1-pro-preview

gemini-3.1-pro-preview

Google /gemini-3.1-pro-preview

Start

Gemini 3.1 Pro Preview er Googles multimodale resonneringsmodell for komplekse programvare-, algoritme- og kunnskapsoppgaver. Den tar imot tekst, bilder, lyd, video og PDF og returnerer tekst eller kode, med verktøy og strukturerte utdata. Resonneringsnivåene low, medium og high styrer innsatsen; high er dokumentert standard.

Godkjente inndata
Tekst · Bilder
Resultater
Tekst

Tilgjengelig i Ailoot · inndata & metoder

Ailoot · Gemini generateContent POST /v1beta/models/{model}:generateContent
Inndatatyper
text, image
Utdatatyper
text
Kontekst
1 048 576 tokens
Maksimale utdata
65 536 tokens
Utdataformat
json eller støttet strømming
FeltTypeKravVerdier & grenserStandard
Feltpath.modelTypestringKravPåkrevdVerdier & grenser
gemini-3.1-pro-preview
Standard—
FeltcontentsTypecontent[]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Standard—
Feltcontents[].roleTypestringKravValgfrittVerdier & grenser
user, model
Standard—
Feltcontents[].partsTypepart[]KravPåkrevdVerdier & grenserStandard—
FeltsystemInstructionTypecontentKravValgfrittVerdier & grenserStandard—
FeltgenerationConfig.maxOutputTokensTypeintegerKravValgfrittVerdier & grenser
Minimum: 1
Avhenger av modellen
Standard—
FeltgenerationConfig.temperatureTypenumberKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltgenerationConfig.topPTypenumberKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltgenerationConfig.topKTypeintegerKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltgenerationConfig.stopSequencesTypestring[]KravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltgenerationConfig.thinkingConfig.includeThoughtsTypebooleanKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltgenerationConfig.thinkingConfig.thinkingBudgetTypeintegerKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Felttools[].functionDeclarationsTypefunction_declaration[]KravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FelttoolConfig.functionCallingConfig.modeTypestringKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltsafetySettingsTypeobject[]KravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltsessionIdTypestringKravValgfrittVerdier & grenserStandard—
Kombinasjoner av inngående materialer

Tekst · UTF8-tekst

contents[].parts[].text

Tekst + bilde

parts[].inlineData={mimeType,data}

Metodeparametere og livssyklus
ParameterAvtale
Parametermaterial_typesAvtaletext, image
ParameterrequiredAvtalecontents
Parameteroptional_controlsAvtalenull
Parametercontent_typeAvtaleapplication/json
Parametertext_file_materialAvtalefaktisk UTF-8-innhold satt inn som tekst; fil-ID-er eller URL-adresser (URLs) trenger separat, eksakt støtte

Livssyklus: exact retained published method

Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.

Priser

Satser for Ailoot-metoder

Ailoot Gemini generateContentPOST /v1beta/models/{model}:generateContent
Inndata
0,002 USD / 1K
Utdata
0,012 USD / 1K
Lesing fra hurtigbuffer
0,0002 USD / 1K

Priser etter forespørselslengde · Gemini generateContent

Forespørselsstørrelse, tokenerInndataUtdataLesing fra hurtigbufferSkriving til hurtigbufferHurtigbuffer 5 minHurtigbuffer 1 time
Forespørselsstørrelse, tokener(0; 200 000]Inndata0,002 USDUtdata0,012 USDLesing fra hurtigbuffer0,0002 USDSkriving til hurtigbufferGrunnsats: —Hurtigbuffer 5 minGrunnsats: —Hurtigbuffer 1 timeGrunnsats: —
Forespørselsstørrelse, tokener(200 000; ∞)Inndata0,004 USDUtdata0,018 USDLesing fra hurtigbuffer0,0004 USDSkriving til hurtigbufferGrunnsats: —Hurtigbuffer 5 minGrunnsats: —Hurtigbuffer 1 timeGrunnsats: —

Satser i USD per 1K tokener. Hvis ingen sats er angitt, arves grunnsatsen for denne metoden; «—» betyr at ingen grunnsats er angitt.

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Detaljer om referansetariffen

Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden.

Modellens referanseprisplaner

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonOpenAI Chat · Grunnsatser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Utdata · Utdatatokener for resonnering $0.024 / 1K tokener
KonfigurasjonOpenAI Chat · Nivå 1 etter forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med200 000Kostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonOpenAI Chat · Nivå 2 etter forespørselslengdePrisplan—Konteksttokener, mer enn200 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.036 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonAnthropic Messages · Grunnsatser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Utdata · Utdatatokener for resonnering $0.024 / 1K tokener
KonfigurasjonAnthropic Messages · Nivå 1 etter forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med200 000Kostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonAnthropic Messages · Nivå 2 etter forespørselslengdePrisplan—Konteksttokener, mer enn200 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.036 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Eksempelforespørsler

Ailoot · Gemini generateContent

TeksteksempelInndata, bildePython SDKNode.js SDKPython-strømming
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"contents": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\n\n"+text}]}]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-preview:generateContent \
  -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(json.loads(Path("result.json").read_text(encoding="utf-8")))
PY_RESULT
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"
export AILOOT_IMAGE_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')
import base64
f=Path(os.environ["AILOOT_IMAGE_FILE"])
if not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")
raw=f.read_bytes()
mime="image/png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "image/jpeg" if raw.startswith(b"\xff\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None
if not mime:raise SystemExit("Use PNG JPEG or WebP")
b64=base64.b64encode(raw).decode()
p["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-preview:generateContent \
  -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(json.loads(Path("result.json").read_text(encoding="utf-8")))
PY_RESULT
from google import genai
from google.genai import types
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client = genai.Client(
    api_key=os.environ["AILOOT_API_KEY"],
    http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),
)
resp = client.models.generate_content(model="gemini-3.1-pro-preview", contents="Explain the difference between an observation and a hypothesis in three sentences.")
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(resp.to_json_dict())
import { GoogleGenAI } from "@google/genai";

if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");
const ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });
const resp = await ai.models.generateContent({ model: "gemini-3.1-pro-preview", contents: "Explain the difference between an observation and a hypothesis in three sentences." });
import { writeFileSync } from "node:fs";

function saveResult(data, stem = "result") {
  writeFileSync(stem + ".json", JSON.stringify(data, null, 2));
  console.log(JSON.stringify(data, null, 2));
  const saveBlob = (encoded, suffix, label) => {
    const raw = Buffer.from(encoded, "base64");
    const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;
    const file = `${stem}-${label}.${ext}`;
    writeFileSync(file, raw); console.log("Saved", file);
  };
  for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));
  for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));
  for (const [i, item] of (data.output || []).entries()) {
    console.log("Output", i, JSON.stringify(item));
    if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);
  }
  for (const [ci, candidate] of (data.candidates || []).entries()) {
    for (const [pi, part] of (candidate.content?.parts || []).entries()) {
      console.log("Candidate/part", ci, pi, JSON.stringify(part));
      const blob = part.inlineData || part.inline_data;
      if (blob?.data) {
        const mime = blob.mimeType || blob.mime_type;
        const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";
        saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);
      }
    }
  }
}

saveResult(resp);
from google import genai
from google.genai import types
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

count=0
with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
    for chunk in client.models.generate_content_stream(model='gemini-3.1-pro-preview',contents="Explain observations and hypotheses in three sentences."):
        payload=chunk.to_json_dict()
        log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
        save_result(payload,"stream-chunk-"+str(count))
        count+=1

Motta og lagre resultater

Ailoot · Gemini generateContent

json eller støttet strømming

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold alle kandidater og deler, inkludert funksjonskall, resonneringssignaturer og bruksdata; sett sammen strømmens biter i rekkefølge.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
FeltresponseIdTypestring
FeltmodelVersionTypestring
Feltcandidates[].content.parts[]Typetext|inlineData|functionCall|other part
Feltcandidates[].finishReasonTypestring
FeltusageMetadataTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview
~google/gemini-pro-latest

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions gemini-3.1-pro-preview

gemini-3.1-pro-preview

Google /gemini-3.1-pro-preview
Modell-ID
  • gemini-3.1-pro-preview
  • google/gemini-3.1-pro-preview

Start

Gemini 3.1 Pro Preview er Googles multimodale resonneringsmodell for komplekse programvare-, algoritme- og kunnskapsoppgaver. Den tar imot tekst, bilder, lyd, video og PDF og returnerer tekst eller kode, med verktøy og strukturerte utdata. Resonneringsnivåene low, medium og high styrer innsatsen; high er dokumentert standard.

Godkjente inndata
Tekst
Resultater
Tekst

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Inndatatyper
text
Utdatatyper
text
Utdataformat
json eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
gemini-3.1-pro-preview
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
Avhenger av modellen
Standard—
Feltmessages[].contentTypestringKravValgfrittVerdier & grenser
Gjelder når: Tekstsamtale
Standard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF8-tekst

messages[].content

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages
Parametermaterial_typesAvtaletext
ParametermessagesAvtalemeldingstabell med role/content-struktur
Parameterfile_materialAvtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes
Parameteroptional_controlsAvtalestream
Parametercontrol_scopeAvtaleTekstsamtale; stream er en boolsk verdi med false som standard.
Parameteroutput_modalitiesAvtaletext
Parameterhosted_operationsAvtalefalse
Parametermultimodal_input_bindingAvtalenull

Metodealiaser: /chat/completions

Livssyklus: synchronous_or_streamed

Send eksakt modell-ID sammen med messages.

Kontekstlengde er ikke en outputgrense.

En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Standardpris Når hurtigmodus er valgt
Flex-modus
Standardpris Når flex-modus er valgt
Maksimal resonneringsinnsats
Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats
Resonneringsinnsats · high
Standardpris Når resonneringsinnsatsen er satt til high
Resonneringsinnsats · low
Standardpris Når resonneringsinnsatsen er satt til low
Resonneringsinnsats · medium
Standardpris Når resonneringsinnsatsen er satt til medium
Priser for eksplisitt mellomlagring
Ikke aktivert Når eksplisitt mellomlagring forespørres
Resonneringsutdata
Resonnering bruker den oppførte delsatsen innenfor samlede utdata; ikke legg til disse tokenene to ganger. Når utdata inkluderer resonneringstokener

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Utdata · Utdatatokener for resonnering $0.024 / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med200 000Kostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 2 for forespørselslengdePrisplan—Konteksttokener, mer enn200 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.036 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · OpenAI Chat

curlPython SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"gemini-3.1-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="gemini-3.1-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))

Motta og lagre resultater

Ailoot Ultra · OpenAI Chat

json eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
Feltchoices[].indexTypeinteger
Feltchoices[].message.contentTypestring|null
Feltchoices[].message.tool_callsTypetool_call[]
Feltchoices[].message.reasoning_contentTypestring
Feltchoices[].message.reasoning_detailsTypeobject|array
Feltchoices[].finish_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview
~google/gemini-pro-latest

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview

Ailoot Ultra · Anthropic Messages POST /v1/messages gemini-3.1-pro-preview

gemini-3.1-pro-preview

Google /gemini-3.1-pro-preview
Modell-ID
  • gemini-3.1-pro-preview
  • google/gemini-3.1-pro-preview

Start

Gemini 3.1 Pro Preview er Googles multimodale resonneringsmodell for komplekse programvare-, algoritme- og kunnskapsoppgaver. Den tar imot tekst, bilder, lyd, video og PDF og returnerer tekst eller kode, med verktøy og strukturerte utdata. Resonneringsnivåene low, medium og high styrer innsatsen; high er dokumentert standard.

Godkjente inndata
Tekst
Resultater
json · sse

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Anthropic Messages POST /v1/messages
Inndatatyper
text
Utdatatyper
json, sse
Utdataformat
JSON eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
gemini-3.1-pro-preview
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenserStandard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
user, assistant
Standard—
Feltmessages[].contentTypestringKravPåkrevdVerdier & grenserStandard—
Feltmax_tokensTypeintegerKravPåkrevdVerdier & grenserStandard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF-8-tekst

messages[].content-streng

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages, max_tokens
Parameteroptional_controlsAvtalestream
Parametermaterial_typesAvtaletext
Parametertext_file_materialAvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen.

Livssyklus: synchronous_or_streamed

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Standardpris Når hurtigmodus er valgt
Flex-modus
Standardpris Når flex-modus er valgt
Maksimal resonneringsinnsats
Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats
Resonneringsinnsats · high
Standardpris Når resonneringsinnsatsen er satt til high
Resonneringsinnsats · low
Standardpris Når resonneringsinnsatsen er satt til low
Resonneringsinnsats · medium
Standardpris Når resonneringsinnsatsen er satt til medium
Priser for eksplisitt mellomlagring
Ikke aktivert Når eksplisitt mellomlagring forespørres
Resonneringsutdata
Resonnering bruker den oppførte delsatsen innenfor samlede utdata; ikke legg til disse tokenene to ganger. Når utdata inkluderer resonneringstokener

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Utdata · Utdatatokener for resonnering $0.024 / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med200 000Kostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 2 for forespørselslengdePrisplan—Konteksttokener, mer enn200 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.036 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Anthropic Messages

Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet
{
  "model": "gemini-3.1-pro-preview",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Motta og lagre resultater

Ailoot Ultra · Anthropic Messages

JSON eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
FeltidTypestring
FeltmodelTypestring
Feltcontent[]Typetext|thinking|tool_use|other content block
Feltstop_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview
~google/gemini-pro-latest

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions google/gemini-3.1-pro-preview

google/gemini-3.1-pro-preview

Google /google/gemini-3.1-pro-preview
Modell-ID
  • gemini-3.1-pro-preview
  • google/gemini-3.1-pro-preview

Start

Gemini 3.1 Pro Preview er Googles multimodale resonneringsmodell for komplekse programvare-, algoritme- og kunnskapsoppgaver. Den tar imot tekst, bilder, lyd, video og PDF og returnerer tekst eller kode, med verktøy og strukturerte utdata. Resonneringsnivåene low, medium og high styrer innsatsen; high er dokumentert standard.

Godkjente inndata
Tekst
Resultater
Tekst

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Inndatatyper
text
Utdatatyper
text
Utdataformat
json eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
google/gemini-3.1-pro-preview
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
Eksempler: system, user, assistant, tool, function
Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt.
Avhenger av modellen
Standard—
Feltmessages[].contentTypestring|content_part[]|nullKravValgfrittVerdier & grenserStandard—
Feltmessages[].tool_callsTypetool_call[]KravValgfrittVerdier & grenserStandard—
Feltmessages[].tool_call_idTypestringKravValgfrittVerdier & grenser
Gjelder når: role=tool; bruk faktisk returnert ID
Standard—
Feltmessages[].nameTypestringKravValgfrittVerdier & grenserStandard—
Feltmessages[].reasoning_contentTypestringKravValgfrittVerdier & grenser
Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den
Standard—
Feltmessages[].reasoning_detailsTypeobject|arrayKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltmax_tokensTypeintegerKravValgfrittVerdier & grenser
Minimum: 1
Avhenger av modellen
Standard—
Feltmax_completion_tokensTypeintegerKravValgfrittVerdier & grenser
Minimum: 1
Avhenger av modellen
Standard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Feltstream_options.include_usageTypebooleanKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FelttemperatureTypenumberKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Felttop_pTypenumberKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltstopTypestring|string[]KravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FelttoolsTypefunction_tool[]KravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Felttools[].typeTypestringKravValgfrittVerdier & grenser
function
Avhenger av modellen
Standard—
Felttools[].function.nameTypestringKravPåkrevdVerdier & grenser
Gjelder når: funksjonsverktøy oppgitt
Standard—
Felttools[].function.descriptionTypestringKravValgfrittVerdier & grenserStandard—
Felttools[].function.parametersTypeJSON_schemaKravValgfrittVerdier & grenserStandard—
Felttool_choiceTypestring|objectKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltparallel_tool_callsTypebooleanKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltresponse_formatTypeobjectKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltreasoning_effortTypestringKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltreasoningTypeobjectKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltservice_tierTypestringKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltinstructionsTypestringKravValgfrittVerdier & grenser
Kompatibilitetsfelt
Standard—
FeltfunctionsTypefunction[]KravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltfunction_callTypestring|objectKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
Feltprompt_cache_optionsTypeobjectKravValgfrittVerdier & grenser
Avhenger av modellen
Standard—
FeltmodalitiesTypestring[]KravValgfrittVerdier & grenser
text
Standard—
FeltproviderTypeobjectKravValgfrittVerdier & grenser
Vilkår: provider.options avvises på denne Ultra-tekstruten
Standard—
Feltcache_control.ttlTypestringKravValgfrittVerdier & grenser
Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster
Standard—
Kombinasjoner av inngående materialer

Tekst · UTF8-tekst

messages[].content

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages
Parametermaterial_typesAvtaletext
ParametermessagesAvtalemeldingstabell med role/content-struktur
Parameterfile_materialAvtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes
Parameteroptional_controlsAvtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Parametercontrol_scopeAvtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy
Parameteroutput_modalitiesAvtaletext
Parameterhosted_operationsAvtalefalse
Parametermultimodal_input_bindingAvtalenull

Livssyklus: synchronous_or_streamed

Send eksakt modell-ID sammen med messages.

Kontekstlengde er ikke en outputgrense.

En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Standardpris Når hurtigmodus er valgt
Flex-modus
Standardpris Når flex-modus er valgt
Maksimal resonneringsinnsats
Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats
Resonneringsinnsats · high
Standardpris Når resonneringsinnsatsen er satt til high
Resonneringsinnsats · low
Standardpris Når resonneringsinnsatsen er satt til low
Resonneringsinnsats · medium
Standardpris Når resonneringsinnsatsen er satt til medium
Priser for eksplisitt mellomlagring
Ikke aktivert Når eksplisitt mellomlagring forespørres
Resonneringsutdata
Resonnering bruker den oppførte delsatsen innenfor samlede utdata; ikke legg til disse tokenene to ganger. Når utdata inkluderer resonneringstokener

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Utdata · Utdatatokener for resonnering $0.024 / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med200 000Kostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 2 for forespørselslengdePrisplan—Konteksttokener, mer enn200 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.036 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · OpenAI Chat

curlPython SDKPython-strømming
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "google/gemini-3.1-pro-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='google/gemini-3.1-pro-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='google/gemini-3.1-pro-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Motta og lagre resultater

Ailoot Ultra · OpenAI Chat

json eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
Feltchoices[].indexTypeinteger
Feltchoices[].message.contentTypestring|null
Feltchoices[].message.tool_callsTypetool_call[]
Feltchoices[].message.reasoning_contentTypestring
Feltchoices[].message.reasoning_detailsTypeobject|array
Feltchoices[].finish_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview
~google/gemini-pro-latest

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview

Ailoot Ultra · Anthropic Messages POST /v1/messages google/gemini-3.1-pro-preview

google/gemini-3.1-pro-preview

Google /google/gemini-3.1-pro-preview
Modell-ID
  • gemini-3.1-pro-preview
  • google/gemini-3.1-pro-preview

Start

Gemini 3.1 Pro Preview er Googles multimodale resonneringsmodell for komplekse programvare-, algoritme- og kunnskapsoppgaver. Den tar imot tekst, bilder, lyd, video og PDF og returnerer tekst eller kode, med verktøy og strukturerte utdata. Resonneringsnivåene low, medium og high styrer innsatsen; high er dokumentert standard.

Godkjente inndata
Tekst
Resultater
json · sse

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Anthropic Messages POST /v1/messages
Inndatatyper
text
Utdatatyper
json, sse
Utdataformat
JSON eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
google/gemini-3.1-pro-preview
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenserStandard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
user, assistant
Standard—
Feltmessages[].contentTypestringKravPåkrevdVerdier & grenserStandard—
Feltmax_tokensTypeintegerKravPåkrevdVerdier & grenserStandard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF-8-tekst

messages[].content-streng

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages, max_tokens
Parameteroptional_controlsAvtalestream
Parametermaterial_typesAvtaletext
Parametertext_file_materialAvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen.

Livssyklus: synchronous_or_streamed

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Standardpris Når hurtigmodus er valgt
Flex-modus
Standardpris Når flex-modus er valgt
Maksimal resonneringsinnsats
Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats
Resonneringsinnsats · high
Standardpris Når resonneringsinnsatsen er satt til high
Resonneringsinnsats · low
Standardpris Når resonneringsinnsatsen er satt til low
Resonneringsinnsats · medium
Standardpris Når resonneringsinnsatsen er satt til medium
Priser for eksplisitt mellomlagring
Ikke aktivert Når eksplisitt mellomlagring forespørres
Resonneringsutdata
Resonnering bruker den oppførte delsatsen innenfor samlede utdata; ikke legg til disse tokenene to ganger. Når utdata inkluderer resonneringstokener

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Utdata · Utdatatokener for resonnering $0.024 / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med200 000Kostnad
Inndata · Inngående tokener $0.004 / 1K tokener
Utdata · Utgående tokener $0.024 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 2 for forespørselslengdePrisplan—Konteksttokener, mer enn200 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.036 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener
Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Anthropic Messages

Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet
{
  "model": "google/gemini-3.1-pro-preview",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Motta og lagre resultater

Ailoot Ultra · Anthropic Messages

JSON eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
FeltidTypestring
FeltmodelTypestring
Feltcontent[]Typetext|thinking|tool_use|other content block
Feltstop_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview
~google/gemini-pro-latest

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview

FAQ · Google: Gemini 3.1 Pro Preview
Hvilke inndata og resultater er tilgjengelige?

POST /v1/messages · gemini-3.1-pro-preview: text, image → text

POST /v1beta/models/{model}:generateContent · gemini-3.1-pro-preview: text, image → text

POST /v1/chat/completions · gemini-3.1-pro-preview: text → text

POST /v1/messages · gemini-3.1-pro-preview: text → json, sse

POST /v1/chat/completions · google/gemini-3.1-pro-preview: text → text

POST /v1/messages · google/gemini-3.1-pro-preview: text → json, sse

Hvilke felt bruker forespørselen?

POST /v1/messages · gemini-3.1-pro-preview: model, messages, system, max_tokens, stream, metadata

POST /v1beta/models/{model}:generateContent · gemini-3.1-pro-preview: contents, systemInstruction, sessionId

POST /v1/chat/completions · gemini-3.1-pro-preview: model, messages, stream

POST /v1/messages · gemini-3.1-pro-preview: model, messages, max_tokens, stream

POST /v1/chat/completions · google/gemini-3.1-pro-preview: model, messages, stream, modalities, provider

POST /v1/messages · google/gemini-3.1-pro-preview: model, messages, max_tokens, stream

Hvilke grenser gjelder?

POST /v1/messages · gemini-3.1-pro-preview: ctx: 1048576; max_out: 65536; messages.min_items: 1; max_tokens.minimum: 1

POST /v1beta/models/{model}:generateContent · gemini-3.1-pro-preview: ctx: 1048576; max_out: 65536; contents.min_items: 1

POST /v1/chat/completions · gemini-3.1-pro-preview: messages.min_items: 1

POST /v1/chat/completions · google/gemini-3.1-pro-preview: messages.min_items: 1

Flere detaljer

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement
Velg et rabattabonnement for faste forespørsler.
Kampanjekode opptil 50%
Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.
Kostnader i historikken
Modell, tokener og beløp lagres for hver forespørsel.

Velg abonnement · Se modellpriser

Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon
Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.
Forhandlerlisens
Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.
Dokumenter på nettstedet
Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

Be om forhandlerlisens · Offentlig tilbud og lisensavtale