Gemini 3.8 Flash er Googles modell med tekstutdata for vedvarende programvareutvikling, flertrinnsagenter og komplekse kunnskapsprosesser. Den bygger på Gemini 3.7 Flash, med forbedringer i programvareutvikling og agentbasert kunnskapsarbeid. Den godtar tekst, bilder, lyd, video og PDF, slik at en oppgave kan kombinere et skriftlig mål med det faktiske materialet som trengs for å løse den. Det nyttige resultatet er en kodeendring, en forklart analyse, et skriftlig svar eller en strukturert post.
For en kodeoppgave oppgis kravet, relevante filer, observert oppførsel og begrensningene som skal bevares. Et skjermbilde kan etablere det tiltenkte grensesnittet, mens logger eller et reproduksjonseksempel viser feilen. For en feilsøkingsoppgave bes modellen spore et avvik mellom et skjemas synlige tilstand og den lagrede verdien, identifisere den ansvarlige kodebanen og foreslå en fokusert korrigering. Hold den tiltenkte sluttleveransen tydelig, slik at en lengre sekvens av undersøkelse og verktøybruk fortsatt har en konkret fullføringsbetingelse.
For mer langvarig arbeid brukes mindre resonneringstrinn, iterative verktøykall og kontroll av mellomresultater. Tenkningsnivåene low, medium og high styrer mengden resonnering; medium er den dokumenterte standarden. Low passer et raskt utkast eller en avgrenset analyse, mens high er ment for krevende matematikk, koding eller flertrinnsoppgaver. Gemini 3.8 Flash støtter ikke tenkningsnivået minimal. En vedvarende feilsøkingsoppgave og et enkelt feltuttrekk trenger derfor ulike resonneringsvalg fremfor samme innstilling for hver forespørsel.
Dokumenterte verktøy omfatter funksjonskall, kodekjøring, filsøk, søkeforankring, Google Maps-forankring og URL-kontekst, med Computer Use oppført som en forhåndsvisningsfunksjon. Strukturerte utdata definerer et maskinlesbart resultat. Funksjoner bør ha et tydelig formål og en parameterdefinisjon: modellen kan be om en funksjon, mens den tilkoblede applikasjonen utfører operasjonen og returnerer resultatet. Behold funksjonsidentiteter og det faktiske returnerte materialet på tvers av samtalerunder. Et nyttig sluttsvar forklarer hvilket grunnlag som støtter den foreslåtte korrigeringen eller den uttrukne verdien.
Migreringsveiledningen for 3.8 bruker kontroller for tenkningsnivå i stedet for eldre resonneringsbudsjettkonfigurasjon og anbefaler å fjerne foreldede samplingsparametere og forhåndsutfylte modellmeldinger. Den krever også at tankesignaturer bevares i den relevante tilstandsløse prosessen, og at funksjonssvar kobles til kallene etter identitet og navn. Dette er viktig når en flertrinnsoppgave fortsettes: neste samtalerunde trenger den faktiske tidligere konteksten fremfor en omskrevet redegjørelse som mister verktøyresultatet eller signaturen. Angi spørsmålet og ønsket utdata tydelig i den nye brukermeldingen.
For multimodalt kunnskapsarbeid identifiseres relevante dokumentsider, diagrammet, lydintervallet eller videohendelsen, og det angis hvordan materialet skal bidra til svaret. En dokumentsammenligning kan be om en tabell over forskjeller med kildeavsnitt; et diagramspørsmål kan be om synlige verdier og konklusjonen de støtter. En videoanalyse kan be om en beskrivelse av hendelsene som begrunner en observasjon. Modellen returnerer tekst fra disse inndataene. Genererte bilder, tale og Live-lydsamspill tilhører separate modellprofiler.
Gemini API-grensene er 1048576 inndatatokener og 65536 utdatatokener, tilsvarende den innebygde modellens kontekst på opptil 1M og tekstutdata på 64K. Instruksjoner, samtalehistorikk og oppgitte medier bruker inndatakontekst, og resonnering eller en lang sluttleveranse må passe innenfor det dokumenterte utdataomfanget. Google oppgir også bufring, batchbehandling, Flex- og Priority-behandling for denne produsentprofilen. For uavhengige elementer beholdes en stabil elementidentifikator og et uttrykkelig utdataformat, slik at hvert resultat forblir koblet til kilden.
Mulige begrensninger omfatter hallusinasjoner, sporadisk treghet eller tidsavbrudd og større tokenbruk ved høyere innsats. Kunnskapsgrensen er mars 2026, mens noen fagområder fortsatt er begrenset til januar 2025. Oppgi oppdatert grunnlag eller bruk de dokumenterte forankringsverktøyene når oppgaven avhenger av senere informasjon. Vurder kildehenvisninger, beregninger og foreslått kode mot de faktiske inndataene og kjøringsresultatene. Den endelige nyttige leveransen bør skille en underbygd observasjon fra et uavklart spørsmål uten å anta at et flytende svar fastslår det ønskede utfallet.
", "aboutText": "Gemini 3.8 Flash er Googles modell med tekstutdata for vedvarende programvareutvikling, flertrinnsagenter og komplekse kunnskapsprosesser. Den bygger på Gemini 3.7 Flash, med forbedringer i programvareutvikling og agentbasert kunnskapsarbeid. Den godtar tekst, bilder, lyd, video og PDF, slik at en oppgave kan kombinere et skriftlig mål med det faktiske materialet som trengs for å løse den. Det nyttige resultatet er en kodeendring, en forklart analyse, et skriftlig svar eller en strukturert post.\n\nFor en kodeoppgave oppgis kravet, relevante filer, observert oppførsel og begrensningene som skal bevares. Et skjermbilde kan etablere det tiltenkte grensesnittet, mens logger eller et reproduksjonseksempel viser feilen. For en feilsøkingsoppgave bes modellen spore et avvik mellom et skjemas synlige tilstand og den lagrede verdien, identifisere den ansvarlige kodebanen og foreslå en fokusert korrigering. Hold den tiltenkte sluttleveransen tydelig, slik at en lengre sekvens av undersøkelse og verktøybruk fortsatt har en konkret fullføringsbetingelse.\n\nFor mer langvarig arbeid brukes mindre resonneringstrinn, iterative verktøykall og kontroll av mellomresultater. Tenkningsnivåene low, medium og high styrer mengden resonnering; medium er den dokumenterte standarden. Low passer et raskt utkast eller en avgrenset analyse, mens high er ment for krevende matematikk, koding eller flertrinnsoppgaver. Gemini 3.8 Flash støtter ikke tenkningsnivået minimal. En vedvarende feilsøkingsoppgave og et enkelt feltuttrekk trenger derfor ulike resonneringsvalg fremfor samme innstilling for hver forespørsel.\n\nDokumenterte verktøy omfatter funksjonskall, kodekjøring, filsøk, søkeforankring, Google Maps-forankring og URL-kontekst, med Computer Use oppført som en forhåndsvisningsfunksjon. Strukturerte utdata definerer et maskinlesbart resultat. Funksjoner bør ha et tydelig formål og en parameterdefinisjon: modellen kan be om en funksjon, mens den tilkoblede applikasjonen utfører operasjonen og returnerer resultatet. Behold funksjonsidentiteter og det faktiske returnerte materialet på tvers av samtalerunder. Et nyttig sluttsvar forklarer hvilket grunnlag som støtter den foreslåtte korrigeringen eller den uttrukne verdien.\n\nMigreringsveiledningen for 3.8 bruker kontroller for tenkningsnivå i stedet for eldre resonneringsbudsjettkonfigurasjon og anbefaler å fjerne foreldede samplingsparametere og forhåndsutfylte modellmeldinger. Den krever også at tankesignaturer bevares i den relevante tilstandsløse prosessen, og at funksjonssvar kobles til kallene etter identitet og navn. Dette er viktig når en flertrinnsoppgave fortsettes: neste samtalerunde trenger den faktiske tidligere konteksten fremfor en omskrevet redegjørelse som mister verktøyresultatet eller signaturen. Angi spørsmålet og ønsket utdata tydelig i den nye brukermeldingen.\n\nFor multimodalt kunnskapsarbeid identifiseres relevante dokumentsider, diagrammet, lydintervallet eller videohendelsen, og det angis hvordan materialet skal bidra til svaret. En dokumentsammenligning kan be om en tabell over forskjeller med kildeavsnitt; et diagramspørsmål kan be om synlige verdier og konklusjonen de støtter. En videoanalyse kan be om en beskrivelse av hendelsene som begrunner en observasjon. Modellen returnerer tekst fra disse inndataene. Genererte bilder, tale og Live-lydsamspill tilhører separate modellprofiler.\n\nGemini API-grensene er 1048576 inndatatokener og 65536 utdatatokener, tilsvarende den innebygde modellens kontekst på opptil 1M og tekstutdata på 64K. Instruksjoner, samtalehistorikk og oppgitte medier bruker inndatakontekst, og resonnering eller en lang sluttleveranse må passe innenfor det dokumenterte utdataomfanget. Google oppgir også bufring, batchbehandling, Flex- og Priority-behandling for denne produsentprofilen. For uavhengige elementer beholdes en stabil elementidentifikator og et uttrykkelig utdataformat, slik at hvert resultat forblir koblet til kilden.\n\nMulige begrensninger omfatter hallusinasjoner, sporadisk treghet eller tidsavbrudd og større tokenbruk ved høyere innsats. Kunnskapsgrensen er mars 2026, mens noen fagområder fortsatt er begrenset til januar 2025. Oppgi oppdatert grunnlag eller bruk de dokumenterte forankringsverktøyene når oppgaven avhenger av senere informasjon. Vurder kildehenvisninger, beregninger og foreslått kode mot de faktiske inndataene og kjøringsresultatene. Den endelige nyttige leveransen bør skille en underbygd observasjon fra et uavklart spørsmål uten å anta at et flytende svar fastslår det ønskede utfallet.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "896bc38278bce458b5c611bd1b587de5e6f75479c9added5c8e37c0f62250d7e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "google/gemini-3.8-flash:batchGemini 3.8 Flash er Googles multimodale arbeidsmodell for vedvarende programvareutvikling, agenter og komplekse kunnskapsoppgaver. Den godtar tekst, bilder, lyd, video og PDF, returnerer tekst og tilbyr resonnering på low, medium eller high med verktøy og strukturerte utdata. Dokumenterte inndata-/utdatagrenser er 1048576/65536 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 3.8 Flash er Googles modell med tekstutdata for vedvarende programvareutvikling, flertrinnsagenter og komplekse kunnskapsprosesser. Den bygger på Gemini 3.7 Flash, med forbedringer i programvareutvikling og agentbasert kunnskapsarbeid. Den godtar tekst, bilder, lyd, video og PDF, slik at en oppgave kan kombinere et skriftlig mål med det faktiske materialet som trengs for å løse den. Det nyttige resultatet er en kodeendring, en forklart analyse, et skriftlig svar eller en strukturert post.
For en kodeoppgave oppgis kravet, relevante filer, observert oppførsel og begrensningene som skal bevares. Et skjermbilde kan etablere det tiltenkte grensesnittet, mens logger eller et reproduksjonseksempel viser feilen. For en feilsøkingsoppgave bes modellen spore et avvik mellom et skjemas synlige tilstand og den lagrede verdien, identifisere den ansvarlige kodebanen og foreslå en fokusert korrigering. Hold den tiltenkte sluttleveransen tydelig, slik at en lengre sekvens av undersøkelse og verktøybruk fortsatt har en konkret fullføringsbetingelse.
For mer langvarig arbeid brukes mindre resonneringstrinn, iterative verktøykall og kontroll av mellomresultater. Tenkningsnivåene low, medium og high styrer mengden resonnering; medium er den dokumenterte standarden. Low passer et raskt utkast eller en avgrenset analyse, mens high er ment for krevende matematikk, koding eller flertrinnsoppgaver. Gemini 3.8 Flash støtter ikke tenkningsnivået minimal. En vedvarende feilsøkingsoppgave og et enkelt feltuttrekk trenger derfor ulike resonneringsvalg fremfor samme innstilling for hver forespørsel.
Dokumenterte verktøy omfatter funksjonskall, kodekjøring, filsøk, søkeforankring, Google Maps-forankring og URL-kontekst, med Computer Use oppført som en forhåndsvisningsfunksjon. Strukturerte utdata definerer et maskinlesbart resultat. Funksjoner bør ha et tydelig formål og en parameterdefinisjon: modellen kan be om en funksjon, mens den tilkoblede applikasjonen utfører operasjonen og returnerer resultatet. Behold funksjonsidentiteter og det faktiske returnerte materialet på tvers av samtalerunder. Et nyttig sluttsvar forklarer hvilket grunnlag som støtter den foreslåtte korrigeringen eller den uttrukne verdien.
Migreringsveiledningen for 3.8 bruker kontroller for tenkningsnivå i stedet for eldre resonneringsbudsjettkonfigurasjon og anbefaler å fjerne foreldede samplingsparametere og forhåndsutfylte modellmeldinger. Den krever også at tankesignaturer bevares i den relevante tilstandsløse prosessen, og at funksjonssvar kobles til kallene etter identitet og navn. Dette er viktig når en flertrinnsoppgave fortsettes: neste samtalerunde trenger den faktiske tidligere konteksten fremfor en omskrevet redegjørelse som mister verktøyresultatet eller signaturen. Angi spørsmålet og ønsket utdata tydelig i den nye brukermeldingen.
For multimodalt kunnskapsarbeid identifiseres relevante dokumentsider, diagrammet, lydintervallet eller videohendelsen, og det angis hvordan materialet skal bidra til svaret. En dokumentsammenligning kan be om en tabell over forskjeller med kildeavsnitt; et diagramspørsmål kan be om synlige verdier og konklusjonen de støtter. En videoanalyse kan be om en beskrivelse av hendelsene som begrunner en observasjon. Modellen returnerer tekst fra disse inndataene. Genererte bilder, tale og Live-lydsamspill tilhører separate modellprofiler.
Gemini API-grensene er 1048576 inndatatokener og 65536 utdatatokener, tilsvarende den innebygde modellens kontekst på opptil 1M og tekstutdata på 64K. Instruksjoner, samtalehistorikk og oppgitte medier bruker inndatakontekst, og resonnering eller en lang sluttleveranse må passe innenfor det dokumenterte utdataomfanget. Google oppgir også bufring, batchbehandling, Flex- og Priority-behandling for denne produsentprofilen. For uavhengige elementer beholdes en stabil elementidentifikator og et uttrykkelig utdataformat, slik at hvert resultat forblir koblet til kilden.
Mulige begrensninger omfatter hallusinasjoner, sporadisk treghet eller tidsavbrudd og større tokenbruk ved høyere innsats. Kunnskapsgrensen er mars 2026, mens noen fagområder fortsatt er begrenset til januar 2025. Oppgi oppdatert grunnlag eller bruk de dokumenterte forankringsverktøyene når oppgaven avhenger av senere informasjon. Vurder kildehenvisninger, beregninger og foreslått kode mot de faktiske inndataene og kjøringsresultatene. Den endelige nyttige leveransen bør skille en underbygd observasjon fra et uavklart spørsmål uten å anta at et flytende svar fastslår det ønskede utfallet.
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-3.8-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-3.8-flash:batch, google/gemini-3.8-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-3.8-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-3.8-flash:batch', 'google/gemini-3.8-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.8-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-3.8-flash:batch
Bruk metodestiene som vises ovenfor.