Gemini 3.7 Flash er Googles navngitte multimodale resonneringsprofil for koding, agentbaserte arbeidsflyter og gjennomføring i flere trinn. Den bygger på Gemini 3.6 Flash, med algoritmiske endringer i resonneringen og støtte for agentbasert videoforståelse. Tekst, bilder, lyd, video og PDF kan være kildemateriale for et tekstresultat. Nyttige leveranser omfatter en avgrenset kodeendring, en sammenligning mellom et designutkast og en implementasjon eller en kildeforankret analyse av hendelser i et opptak.
Utviklerveiledningen for 3.7 fremhever bedre samsvar med design i arbeid for skrivebord og nett. Oppgi det tiltenkte utkastet, den relevante kildekoden og det observerbare avviket for en slik oppgave. Be om en sammenligning av konkrete elementer som avstander, komponenttilstander, teksthierarki eller interaksjonsatferd. Ved en designsammenligning kan du be om en liste over avvik mellom utkastet til et innstillingspanel og den eksisterende implementasjonen, med hver foreslåtte rettelse knyttet til skjermbildet eller kildekoden. Resultatet bør vise hva som må endres, uten å utvide designet utover de oppgitte kravene i det stille.
For en kodearbeidsflyt oppgir du målet, eksisterende atferd, relevante filer og begrensninger. Google posisjonerer 3.7 for å løse programvareproblemer og redusere mislykkede agentsløyfer, men en nyttig gjennomgang kontrollerer fortsatt den faktiske endringen og valideringsresultatet. Behold rekkefølgen av verktøyobservasjoner i samtalen, slik at et senere trinn ikke starter med en oppdiktet beskrivelse av kodebasen. Sluttresultatet kan skille mellom en foreslått endring og en endring som er bekreftet gjennom verktøyene i den tilkoblede applikasjonen.
De dokumenterte resonneringsnivåene er low, medium og high, med medium som standard. Low gir raskere, avgrensede svar, mens high er beregnet på vanskelig resonnering og omfattende verktøyarbeid. Gemini 3.7 Flash støtter ikke minimal resonnering. En kort analyse av ett grensesnittavvik og en grundigere undersøkelse av flere filer krever derfor ulike valg av innsatsnivå. Definer den endelige leveransen og betingelsene den må oppfylle, før du ber om en lengre rekke med resonnering og handlinger.
Den konkrete modellsiden oppgir funksjonskall, kodekjøring, filsøk, forankring i søkeresultater, Maps-forankring og URL-kontekst. Computer Use er merket som forhåndsversjon, og strukturerte utdata kan definere en resultatpost. En funksjonsforespørsel er en foreslått operasjon som den tilkoblede applikasjonen skal utføre og returnere resultatet av. Gi verktøyet et tydelig formål i en agentoppgave, og behold det reelle resultatet før du ber modellen fortsette. Ved uttrekk fra et dokument definerer du feltene, akseptable verdier og hvordan manglende informasjon skal representeres.
Denne utgaven støtter agentbasert videoforståelse. Oppgi det relevante opptaket og angi hendelsen eller sammenhengen som skal undersøkes. En praktisk instruks kan spørre hvilken synlig handling som forklarer en tilstandsendring, eller be om en ordnet beskrivelse av hendelser med belegg fra klippet. Bilder og PDF-sider kan på samme måte støtte en visuell sammenligning eller dokumentsammenligning. Utdataene er fortsatt tekst: tolkning, uttrekk av data, kode eller en skriftlig forklaring. Generert video, illustrasjoner eller tale hører til egne modellprofiler.
Googles konkrete API-tabell for 3.7 angir 1048576 inndatatokener og 65536 utdatatokener, mens det opprinnelige modellkortet beskriver opptil 1M kontekst og 64K tekstutdata. Ta med instruksjoner, tidligere samtalerunder og tilførte medier når inndataene forberedes. Batchbehandling og hurtigbufring er oppført for produsentprofilen sammen med Flex- og Priority-alternativer. For en samling uavhengige forespørsler bør kildeidentifikatorer og et konsekvent resultatformat beholdes, slik at hvert svar kan kontrolleres mot sine egne inndata.
Mulige begrensninger omfatter hallusinasjoner og sporadisk treghet eller tidsavbrudd. Kunnskapsgrensen er mars 2026, med enkelte fagområder begrenset til januar 2025. Oppgi aktuelt kildemateriale når en konklusjon avhenger av nyere fakta. Det nyttige særtrekket ved utgaven er det dokumenterte fokuset på programvareproblemer, etterlevelse av design og resonnering om video. Kontroller resultatene mot det faktiske utkastet, koden eller mediene fremfor å erstatte en navngitt historisk profil med nyere funksjoner.
", "aboutText": "Gemini 3.7 Flash er Googles navngitte multimodale resonneringsprofil for koding, agentbaserte arbeidsflyter og gjennomføring i flere trinn. Den bygger på Gemini 3.6 Flash, med algoritmiske endringer i resonneringen og støtte for agentbasert videoforståelse. Tekst, bilder, lyd, video og PDF kan være kildemateriale for et tekstresultat. Nyttige leveranser omfatter en avgrenset kodeendring, en sammenligning mellom et designutkast og en implementasjon eller en kildeforankret analyse av hendelser i et opptak.\n\nUtviklerveiledningen for 3.7 fremhever bedre samsvar med design i arbeid for skrivebord og nett. Oppgi det tiltenkte utkastet, den relevante kildekoden og det observerbare avviket for en slik oppgave. Be om en sammenligning av konkrete elementer som avstander, komponenttilstander, teksthierarki eller interaksjonsatferd. Ved en designsammenligning kan du be om en liste over avvik mellom utkastet til et innstillingspanel og den eksisterende implementasjonen, med hver foreslåtte rettelse knyttet til skjermbildet eller kildekoden. Resultatet bør vise hva som må endres, uten å utvide designet utover de oppgitte kravene i det stille.\n\nFor en kodearbeidsflyt oppgir du målet, eksisterende atferd, relevante filer og begrensninger. Google posisjonerer 3.7 for å løse programvareproblemer og redusere mislykkede agentsløyfer, men en nyttig gjennomgang kontrollerer fortsatt den faktiske endringen og valideringsresultatet. Behold rekkefølgen av verktøyobservasjoner i samtalen, slik at et senere trinn ikke starter med en oppdiktet beskrivelse av kodebasen. Sluttresultatet kan skille mellom en foreslått endring og en endring som er bekreftet gjennom verktøyene i den tilkoblede applikasjonen.\n\nDe dokumenterte resonneringsnivåene er low, medium og high, med medium som standard. Low gir raskere, avgrensede svar, mens high er beregnet på vanskelig resonnering og omfattende verktøyarbeid. Gemini 3.7 Flash støtter ikke minimal resonnering. En kort analyse av ett grensesnittavvik og en grundigere undersøkelse av flere filer krever derfor ulike valg av innsatsnivå. Definer den endelige leveransen og betingelsene den må oppfylle, før du ber om en lengre rekke med resonnering og handlinger.\n\nDen konkrete modellsiden oppgir funksjonskall, kodekjøring, filsøk, forankring i søkeresultater, Maps-forankring og URL-kontekst. Computer Use er merket som forhåndsversjon, og strukturerte utdata kan definere en resultatpost. En funksjonsforespørsel er en foreslått operasjon som den tilkoblede applikasjonen skal utføre og returnere resultatet av. Gi verktøyet et tydelig formål i en agentoppgave, og behold det reelle resultatet før du ber modellen fortsette. Ved uttrekk fra et dokument definerer du feltene, akseptable verdier og hvordan manglende informasjon skal representeres.\n\nDenne utgaven støtter agentbasert videoforståelse. Oppgi det relevante opptaket og angi hendelsen eller sammenhengen som skal undersøkes. En praktisk instruks kan spørre hvilken synlig handling som forklarer en tilstandsendring, eller be om en ordnet beskrivelse av hendelser med belegg fra klippet. Bilder og PDF-sider kan på samme måte støtte en visuell sammenligning eller dokumentsammenligning. Utdataene er fortsatt tekst: tolkning, uttrekk av data, kode eller en skriftlig forklaring. Generert video, illustrasjoner eller tale hører til egne modellprofiler.\n\nGoogles konkrete API-tabell for 3.7 angir 1048576 inndatatokener og 65536 utdatatokener, mens det opprinnelige modellkortet beskriver opptil 1M kontekst og 64K tekstutdata. Ta med instruksjoner, tidligere samtalerunder og tilførte medier når inndataene forberedes. Batchbehandling og hurtigbufring er oppført for produsentprofilen sammen med Flex- og Priority-alternativer. For en samling uavhengige forespørsler bør kildeidentifikatorer og et konsekvent resultatformat beholdes, slik at hvert svar kan kontrolleres mot sine egne inndata.\n\nMulige begrensninger omfatter hallusinasjoner og sporadisk treghet eller tidsavbrudd. Kunnskapsgrensen er mars 2026, med enkelte fagområder begrenset til januar 2025. Oppgi aktuelt kildemateriale når en konklusjon avhenger av nyere fakta. Det nyttige særtrekket ved utgaven er det dokumenterte fokuset på programvareproblemer, etterlevelse av design og resonnering om video. Kontroller resultatene mot det faktiske utkastet, koden eller mediene fremfor å erstatte en navngitt historisk profil med nyere funksjoner.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9701f0dc47b67192c4d6b30c0f1b0ffaca085a29c54010e614d6ea8e37e017c4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "google/gemini-3.7-flash:batchGemini 3.7 Flash kombinerer multimodal resonnering med koding og agentarbeid i flere trinn. Googles 3.7-profil fremhever samsvar med designutkast og agentbasert videoforståelse, med resonneringsnivåene low, medium og high. Den tar imot tekst og medier, returnerer tekst og har dokumenterte inn- og utdatagrenser på 1048576/65536 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 3.7 Flash er Googles navngitte multimodale resonneringsprofil for koding, agentbaserte arbeidsflyter og gjennomføring i flere trinn. Den bygger på Gemini 3.6 Flash, med algoritmiske endringer i resonneringen og støtte for agentbasert videoforståelse. Tekst, bilder, lyd, video og PDF kan være kildemateriale for et tekstresultat. Nyttige leveranser omfatter en avgrenset kodeendring, en sammenligning mellom et designutkast og en implementasjon eller en kildeforankret analyse av hendelser i et opptak.
Utviklerveiledningen for 3.7 fremhever bedre samsvar med design i arbeid for skrivebord og nett. Oppgi det tiltenkte utkastet, den relevante kildekoden og det observerbare avviket for en slik oppgave. Be om en sammenligning av konkrete elementer som avstander, komponenttilstander, teksthierarki eller interaksjonsatferd. Ved en designsammenligning kan du be om en liste over avvik mellom utkastet til et innstillingspanel og den eksisterende implementasjonen, med hver foreslåtte rettelse knyttet til skjermbildet eller kildekoden. Resultatet bør vise hva som må endres, uten å utvide designet utover de oppgitte kravene i det stille.
For en kodearbeidsflyt oppgir du målet, eksisterende atferd, relevante filer og begrensninger. Google posisjonerer 3.7 for å løse programvareproblemer og redusere mislykkede agentsløyfer, men en nyttig gjennomgang kontrollerer fortsatt den faktiske endringen og valideringsresultatet. Behold rekkefølgen av verktøyobservasjoner i samtalen, slik at et senere trinn ikke starter med en oppdiktet beskrivelse av kodebasen. Sluttresultatet kan skille mellom en foreslått endring og en endring som er bekreftet gjennom verktøyene i den tilkoblede applikasjonen.
De dokumenterte resonneringsnivåene er low, medium og high, med medium som standard. Low gir raskere, avgrensede svar, mens high er beregnet på vanskelig resonnering og omfattende verktøyarbeid. Gemini 3.7 Flash støtter ikke minimal resonnering. En kort analyse av ett grensesnittavvik og en grundigere undersøkelse av flere filer krever derfor ulike valg av innsatsnivå. Definer den endelige leveransen og betingelsene den må oppfylle, før du ber om en lengre rekke med resonnering og handlinger.
Den konkrete modellsiden oppgir funksjonskall, kodekjøring, filsøk, forankring i søkeresultater, Maps-forankring og URL-kontekst. Computer Use er merket som forhåndsversjon, og strukturerte utdata kan definere en resultatpost. En funksjonsforespørsel er en foreslått operasjon som den tilkoblede applikasjonen skal utføre og returnere resultatet av. Gi verktøyet et tydelig formål i en agentoppgave, og behold det reelle resultatet før du ber modellen fortsette. Ved uttrekk fra et dokument definerer du feltene, akseptable verdier og hvordan manglende informasjon skal representeres.
Denne utgaven støtter agentbasert videoforståelse. Oppgi det relevante opptaket og angi hendelsen eller sammenhengen som skal undersøkes. En praktisk instruks kan spørre hvilken synlig handling som forklarer en tilstandsendring, eller be om en ordnet beskrivelse av hendelser med belegg fra klippet. Bilder og PDF-sider kan på samme måte støtte en visuell sammenligning eller dokumentsammenligning. Utdataene er fortsatt tekst: tolkning, uttrekk av data, kode eller en skriftlig forklaring. Generert video, illustrasjoner eller tale hører til egne modellprofiler.
Googles konkrete API-tabell for 3.7 angir 1048576 inndatatokener og 65536 utdatatokener, mens det opprinnelige modellkortet beskriver opptil 1M kontekst og 64K tekstutdata. Ta med instruksjoner, tidligere samtalerunder og tilførte medier når inndataene forberedes. Batchbehandling og hurtigbufring er oppført for produsentprofilen sammen med Flex- og Priority-alternativer. For en samling uavhengige forespørsler bør kildeidentifikatorer og et konsekvent resultatformat beholdes, slik at hvert svar kan kontrolleres mot sine egne inndata.
Mulige begrensninger omfatter hallusinasjoner og sporadisk treghet eller tidsavbrudd. Kunnskapsgrensen er mars 2026, med enkelte fagområder begrenset til januar 2025. Oppgi aktuelt kildemateriale når en konklusjon avhenger av nyere fakta. Det nyttige særtrekket ved utgaven er det dokumenterte fokuset på programvareproblemer, etterlevelse av design og resonnering om video. Kontroller resultatene mot det faktiske utkastet, koden eller mediene fremfor å erstatte en navngitt historisk profil med nyere funksjoner.
POST /v1/batchestexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrevd | Verdier & grenser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-3.7-flash:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltcompletion_window | Typestring | KravValgfritt | Verdier & grenser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfritt | Verdier & grenser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfritt | Verdier & grenser google/gemini-3.7-flash:batch, google/gemini-3.7-flash | Standard— |
Feltprovider.only | Typestring[] | KravValgfritt | Verdier & grenser google-vertex/global | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfritt | Verdier & grenser false, null | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtaleendpoint, model, requests |
Parametermaterial_types | Avtaletext |
Parameterrepresentation | Avtalerequests[] direkte i forespørselen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Avtale/v1/chat/completions |
Parameterfile_material | AvtaleKlienten kan lese det faktiske UTF-8-kodede JSONL-innholdet lokalt inn i requests[]. Feltet purpose for opplasting, input_file_id og filreferanser brukes ikke. Manglende eller tomt kundemateriale stopper klargjøringen før POST. |
Parameterserialization_order | Avtaleendpoint, model, provider (hvis angitt), completion_window (hvis angitt), requests til slutt |
Parameteroptional_controls | Avtaleprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtaleForespørselsinnhold for tekstbasert Chat Completions lagt direkte inn i det dokumenterte Batch-formatet. |
Livssyklus: asynchronous
GET /v1/batches/{operation_id} · faktisk response.id fra den opprinnelige opprettelsen; samme bruker/nøkkel/gruppe
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00075 / 1K tokener Utdata · Utgående tokener $0.00375 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000075 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0000833333333333334 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00075 / 1K tokener Utdata · Utgående tokener $0.00375 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000075 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0000833333333333334 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.7-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.7-flash:batch', 'google/gemini-3.7-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.7-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON fra results[].response.body direkte i svaret
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBehold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele den opprinnelige statusresponsen i JSON, alle resultater og custom_id-verdier samt hele svar- eller feilinnholdet. Lagre fullførte results[] som JSONL uten filtrering.
Bevar den opprinnelige operasjons-ID-en. 503 result_pending_check har X-Should-Retry:false; send aldri den opprinnelige batchen på nytt når utfallet er ukjent.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldig struktur i det dokumenterte formatet med innebygde forespørsler, dupliserte nøkler, ugyldig elementidentitet eller konflikt med modellens konfigurerte funksjoner. | Neste trinnRett de angitte feltene før du sender en ny forespørsel. |
Svar401 · authentication_error | VilkårUgyldig API-nøkkel. | Neste trinnBruk den autoriserte Ailoot-nøkkelen. |
Svar403 · permission_error | VilkårGruppen for batchbehandling er ikke tilgjengelig. | Neste trinnKontroller tilgangsrettighetene til nøkkelen/gruppen. |
Svar422 · invalid_request_error | VilkårBatch belastes saldoen; opprettelse via abonnement avvises. | Neste trinnBruk den autoriserte gruppen som belastes saldoen. |
Svar422 · price_unavailable | VilkårDet kan ikke beregnes en pris for batchens inndata. | Neste trinnBevar svaret; bruk de dokumenterte inndataene for API-familien. |
Svar402 · billing_error | VilkårBeløpsreservasjon for batchbehandling er ikke tilgjengelig. | Neste trinnLøs problemet som hindrer forespørselen i å bli godkjent før du sender en ny forespørsel. |
Svar503 · price_unavailable | VilkårPris for Batch-metoden eller systemets innebygde satser er ikke tilgjengelige. | Neste trinnBevar svaret; ikke erstatt prisene. |
Svar503 · api_error | VilkårDen nøyaktige leverandørruten er ikke tilgjengelig. | Neste trinnBevar svaret slik at ruten kan repareres. |
Svar503 · result_pending_check | VilkårDet opprinnelige resultatet må kontrolleres; X-Should-Retry:false. | Neste trinnBevar opprinnelig operation_id/id og les statusen; gjenta aldri den opprinnelige POST-forespørselen. |
Svar404 · not_found | VilkårStatusoperasjonen for batchen finnes ikke eller tilhører en annen identitet. | Neste trinnBruk nøyaktig den opprinnelige id-verdien og samme bruker/nøkkel/gruppe. |
Ailoot Ultra google/gemini-3.7-flash:batch
Bruk metodestiene som vises ovenfor.