Gemini 3 Flash Preview er en resonneringsmodell fra Google for multimodal forståelse, programmering og agentoppgaver. Den tar imot tekst, bilder, video, lyd og PDF og returnerer tekst. En forespørsel kan dermed samle skriftlige instruksjoner, kildefiler, visuelle observasjoner og samtalehistorikk rundt ett problem. Resultatet kan være en forklaring, et kodeforslag, uthentede data eller en plan forankret i dette materialet, fremfor et generert bilde eller et muntlig svar.
Modellkortet for denne modellen oppgir en inndatagrense på 1,048,576 tokener og en utdatagrense på 65,536 tokener. Planlegg kildematerialet og resultatet hver for seg: et langt utdrag fra et kodelager, en dokumentsamling eller et opptak får bare plass når den bearbeidede representasjonen og instruksjonene holder seg innenfor inndatabudsjettet, og svaret trenger fortsatt sin egen avsatte lengde. Merk relaterte kilder og angi hvilket materiale som skal være førende. For en lang ledetekst anbefaler utviklerveiledningen å plassere det konkrete spørsmålet etter dataene og knytte det uttrykkelig til informasjonen foran.
Tenkingen er dynamisk, med high som dokumentert standard for denne modellen. De støttede nivåene er minimal, low, medium og high. De angir relative rammer for resonnering, ikke garanterte antall tokener. Minimal kan fortsatt innebære noe resonnering ved et vanskelig programmeringsproblem. Velg nivå etter oppgaven: en kort omforming og et feilsøkingsproblem med flere betingelser trenger ulik behandling. Bruk direkte, tydelige instruksjoner i stedet for å presse omfattende resonneringsritualer inn i ledeteksten; be om det ferdige resultatet og kontrollene som gjør det anvendelig.
Produsentens modellkort oppgir strukturerte utdata, funksjonskall, kodekjøring, datamaskinbruk, filsøk, søkeforankring, forankring i Google Maps, URL-kontekst og hurtigbufring. Innebygde verktøy kan kombineres med egendefinerte funksjonskall i den dokumenterte Gemini 3-flyten. En applikasjon definerer funksjonene, kontrollerer argumentene, utfører godkjente handlinger og sender resultatene tilbake. For en kodeassistent kan et verktøy for å lese filer eller kjøre kontrollerte tester gi konkrete holdepunkter for neste steg. En foreslått handling og et observert verktøyresultat bør holdes atskilt i sluttrapporten.
Ved programmering bør du oppgi relevante filer, språk, forventet virkemåte og inndata som viser problemet. Avgrens endringen og angi grensesnittet eller virkemåten som skal beholdes. Be om en revidert implementasjon og tilfellene som bør kontrolleres. For en analytisk dokumentoppgave bør du definere spørsmålet, obligatoriske felt og kildereferanser. Hvis du bruker strukturerte utdata, bør du gi et skjema med tydelige feltbetydninger og regler for manglende verdier. Kontroller både syntaksen og om hver verdi følger av originalmaterialet.
Ved multimodal analyse bør du angi hva som er viktig i hver kilde. Et skjermbilde kan underbygge en grensesnittforklaring, en PDF kan bidra med en tabell eller graf, og et opptak kan gi muntlige eller synlige hendelser. Utviklerveiledningen omtaler innstillinger for medieoppløsning fordi detaljnivået endrer den bearbeidede representasjonen og tokenbruken. Produsentens arbeidsflyt for kodekjøring kan beskjære eller zoome inn på innsendte bilder, gjøre beregninger ut fra visuelle data og legge til merknader før modellen utarbeider svaret. Lesbar liten tekst kan kreve en annen innstilling enn en overordnet scenebeskrivelse. Ha den relevante siden, bildet eller klippet tilgjengelig slik at observasjonene kan kontrolleres, i stedet for å behandle et velformulert sammendrag som bevis på at alle detaljer ble lest riktig.
Samtale- og verktøytilstand må beholdes i det valgte grensesnittet. Gemini 3 bruker tankesignaturer til å føre resonneringskontekst videre mellom kall; utviklerveiledningen skiller mellom administrert historikk med tilstand og manuelt administrert historikk uten tilstand. Bevar nødvendig kontekst når du fortsetter en verktøyoppgave eller reviderer et resultat. Google anbefaler også å beholde standardtemperaturen på 1.0 i stedet for å overføre en oppskrift med lav temperatur som kan føre til løkker eller dårligere virkemåte ved komplekse oppgaver. Dette er produsentens integrasjonspraksis, ikke nye påstander om transportmekanismen i en bestemt applikasjon.
Tekstmodellen oppgir ikke støtte for bilde- eller lydgenerering eller Live API. Veiledningen skiller også mellom visuell forståelse og bildesegmentering på pikselnivå, som ikke er en støttet egenskap i Gemini 3 Flash. Bruk et sluttresultat som passer til den faktiske oppgaven: observasjoner med kildehenvisninger, en strukturert oppføring, en kodeendring eller en beslutning med uttalte forutsetninger. Kontroller regnestykker, prøv kode i det tiltenkte miljøet og gjennomgå returnert verktøyinformasjon. Når nyere fakta er viktige, bør du bruke de konfigurerte forankringskildene eller innsendte oppdaterte data i stedet for å anta at modellkunnskap er en database med sanntidsinformasjon.
", "aboutText": "Gemini 3 Flash Preview er en resonneringsmodell fra Google for multimodal forståelse, programmering og agentoppgaver. Den tar imot tekst, bilder, video, lyd og PDF og returnerer tekst. En forespørsel kan dermed samle skriftlige instruksjoner, kildefiler, visuelle observasjoner og samtalehistorikk rundt ett problem. Resultatet kan være en forklaring, et kodeforslag, uthentede data eller en plan forankret i dette materialet, fremfor et generert bilde eller et muntlig svar.\n\nModellkortet for denne modellen oppgir en inndatagrense på 1,048,576 tokener og en utdatagrense på 65,536 tokener. Planlegg kildematerialet og resultatet hver for seg: et langt utdrag fra et kodelager, en dokumentsamling eller et opptak får bare plass når den bearbeidede representasjonen og instruksjonene holder seg innenfor inndatabudsjettet, og svaret trenger fortsatt sin egen avsatte lengde. Merk relaterte kilder og angi hvilket materiale som skal være førende. For en lang ledetekst anbefaler utviklerveiledningen å plassere det konkrete spørsmålet etter dataene og knytte det uttrykkelig til informasjonen foran.\n\nTenkingen er dynamisk, med high som dokumentert standard for denne modellen. De støttede nivåene er minimal, low, medium og high. De angir relative rammer for resonnering, ikke garanterte antall tokener. Minimal kan fortsatt innebære noe resonnering ved et vanskelig programmeringsproblem. Velg nivå etter oppgaven: en kort omforming og et feilsøkingsproblem med flere betingelser trenger ulik behandling. Bruk direkte, tydelige instruksjoner i stedet for å presse omfattende resonneringsritualer inn i ledeteksten; be om det ferdige resultatet og kontrollene som gjør det anvendelig.\n\nProdusentens modellkort oppgir strukturerte utdata, funksjonskall, kodekjøring, datamaskinbruk, filsøk, søkeforankring, forankring i Google Maps, URL-kontekst og hurtigbufring. Innebygde verktøy kan kombineres med egendefinerte funksjonskall i den dokumenterte Gemini 3-flyten. En applikasjon definerer funksjonene, kontrollerer argumentene, utfører godkjente handlinger og sender resultatene tilbake. For en kodeassistent kan et verktøy for å lese filer eller kjøre kontrollerte tester gi konkrete holdepunkter for neste steg. En foreslått handling og et observert verktøyresultat bør holdes atskilt i sluttrapporten.\n\nVed programmering bør du oppgi relevante filer, språk, forventet virkemåte og inndata som viser problemet. Avgrens endringen og angi grensesnittet eller virkemåten som skal beholdes. Be om en revidert implementasjon og tilfellene som bør kontrolleres. For en analytisk dokumentoppgave bør du definere spørsmålet, obligatoriske felt og kildereferanser. Hvis du bruker strukturerte utdata, bør du gi et skjema med tydelige feltbetydninger og regler for manglende verdier. Kontroller både syntaksen og om hver verdi følger av originalmaterialet.\n\nVed multimodal analyse bør du angi hva som er viktig i hver kilde. Et skjermbilde kan underbygge en grensesnittforklaring, en PDF kan bidra med en tabell eller graf, og et opptak kan gi muntlige eller synlige hendelser. Utviklerveiledningen omtaler innstillinger for medieoppløsning fordi detaljnivået endrer den bearbeidede representasjonen og tokenbruken. Produsentens arbeidsflyt for kodekjøring kan beskjære eller zoome inn på innsendte bilder, gjøre beregninger ut fra visuelle data og legge til merknader før modellen utarbeider svaret. Lesbar liten tekst kan kreve en annen innstilling enn en overordnet scenebeskrivelse. Ha den relevante siden, bildet eller klippet tilgjengelig slik at observasjonene kan kontrolleres, i stedet for å behandle et velformulert sammendrag som bevis på at alle detaljer ble lest riktig.\n\nSamtale- og verktøytilstand må beholdes i det valgte grensesnittet. Gemini 3 bruker tankesignaturer til å føre resonneringskontekst videre mellom kall; utviklerveiledningen skiller mellom administrert historikk med tilstand og manuelt administrert historikk uten tilstand. Bevar nødvendig kontekst når du fortsetter en verktøyoppgave eller reviderer et resultat. Google anbefaler også å beholde standardtemperaturen på 1.0 i stedet for å overføre en oppskrift med lav temperatur som kan føre til løkker eller dårligere virkemåte ved komplekse oppgaver. Dette er produsentens integrasjonspraksis, ikke nye påstander om transportmekanismen i en bestemt applikasjon.\n\nTekstmodellen oppgir ikke støtte for bilde- eller lydgenerering eller Live API. Veiledningen skiller også mellom visuell forståelse og bildesegmentering på pikselnivå, som ikke er en støttet egenskap i Gemini 3 Flash. Bruk et sluttresultat som passer til den faktiske oppgaven: observasjoner med kildehenvisninger, en strukturert oppføring, en kodeendring eller en beslutning med uttalte forutsetninger. Kontroller regnestykker, prøv kode i det tiltenkte miljøet og gjennomgå returnert verktøyinformasjon. Når nyere fakta er viktige, bør du bruke de konfigurerte forankringskildene eller innsendte oppdaterte data i stedet for å anta at modellkunnskap er en database med sanntidsinformasjon.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Keep a sorting helper immutable\n\nFix this JavaScript helper so it returns users sorted by name without changing the input array: function sortedUsers(users) { return users.sort((a,b) => a.name.localeCompare(b.name)); }. Preserve each user object. Return the revised function and tests for alphabetical order, an empty array and the unchanged original array.A revised function and three small test examples covering sorting and non-mutation.Check that the returned array is a different array and the original sequence is unchanged after the call.gemini-3-flash-previewGemini 3 Flash Preview kombinerer multimodal forståelse og resonnering med tekst som utdata. Den støtter analyse av kode, dokumenter og visuelt materiale, strukturerte resultater og verktøybaserte arbeidsflyter, med fire dokumenterte tenkenivåer for å velge analysedybde.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 3 Flash Preview er en resonneringsmodell fra Google for multimodal forståelse, programmering og agentoppgaver. Den tar imot tekst, bilder, video, lyd og PDF og returnerer tekst. En forespørsel kan dermed samle skriftlige instruksjoner, kildefiler, visuelle observasjoner og samtalehistorikk rundt ett problem. Resultatet kan være en forklaring, et kodeforslag, uthentede data eller en plan forankret i dette materialet, fremfor et generert bilde eller et muntlig svar.
Modellkortet for denne modellen oppgir en inndatagrense på 1,048,576 tokener og en utdatagrense på 65,536 tokener. Planlegg kildematerialet og resultatet hver for seg: et langt utdrag fra et kodelager, en dokumentsamling eller et opptak får bare plass når den bearbeidede representasjonen og instruksjonene holder seg innenfor inndatabudsjettet, og svaret trenger fortsatt sin egen avsatte lengde. Merk relaterte kilder og angi hvilket materiale som skal være førende. For en lang ledetekst anbefaler utviklerveiledningen å plassere det konkrete spørsmålet etter dataene og knytte det uttrykkelig til informasjonen foran.
Tenkingen er dynamisk, med high som dokumentert standard for denne modellen. De støttede nivåene er minimal, low, medium og high. De angir relative rammer for resonnering, ikke garanterte antall tokener. Minimal kan fortsatt innebære noe resonnering ved et vanskelig programmeringsproblem. Velg nivå etter oppgaven: en kort omforming og et feilsøkingsproblem med flere betingelser trenger ulik behandling. Bruk direkte, tydelige instruksjoner i stedet for å presse omfattende resonneringsritualer inn i ledeteksten; be om det ferdige resultatet og kontrollene som gjør det anvendelig.
Produsentens modellkort oppgir strukturerte utdata, funksjonskall, kodekjøring, datamaskinbruk, filsøk, søkeforankring, forankring i Google Maps, URL-kontekst og hurtigbufring. Innebygde verktøy kan kombineres med egendefinerte funksjonskall i den dokumenterte Gemini 3-flyten. En applikasjon definerer funksjonene, kontrollerer argumentene, utfører godkjente handlinger og sender resultatene tilbake. For en kodeassistent kan et verktøy for å lese filer eller kjøre kontrollerte tester gi konkrete holdepunkter for neste steg. En foreslått handling og et observert verktøyresultat bør holdes atskilt i sluttrapporten.
Ved programmering bør du oppgi relevante filer, språk, forventet virkemåte og inndata som viser problemet. Avgrens endringen og angi grensesnittet eller virkemåten som skal beholdes. Be om en revidert implementasjon og tilfellene som bør kontrolleres. For en analytisk dokumentoppgave bør du definere spørsmålet, obligatoriske felt og kildereferanser. Hvis du bruker strukturerte utdata, bør du gi et skjema med tydelige feltbetydninger og regler for manglende verdier. Kontroller både syntaksen og om hver verdi følger av originalmaterialet.
Ved multimodal analyse bør du angi hva som er viktig i hver kilde. Et skjermbilde kan underbygge en grensesnittforklaring, en PDF kan bidra med en tabell eller graf, og et opptak kan gi muntlige eller synlige hendelser. Utviklerveiledningen omtaler innstillinger for medieoppløsning fordi detaljnivået endrer den bearbeidede representasjonen og tokenbruken. Produsentens arbeidsflyt for kodekjøring kan beskjære eller zoome inn på innsendte bilder, gjøre beregninger ut fra visuelle data og legge til merknader før modellen utarbeider svaret. Lesbar liten tekst kan kreve en annen innstilling enn en overordnet scenebeskrivelse. Ha den relevante siden, bildet eller klippet tilgjengelig slik at observasjonene kan kontrolleres, i stedet for å behandle et velformulert sammendrag som bevis på at alle detaljer ble lest riktig.
Samtale- og verktøytilstand må beholdes i det valgte grensesnittet. Gemini 3 bruker tankesignaturer til å føre resonneringskontekst videre mellom kall; utviklerveiledningen skiller mellom administrert historikk med tilstand og manuelt administrert historikk uten tilstand. Bevar nødvendig kontekst når du fortsetter en verktøyoppgave eller reviderer et resultat. Google anbefaler også å beholde standardtemperaturen på 1.0 i stedet for å overføre en oppskrift med lav temperatur som kan føre til løkker eller dårligere virkemåte ved komplekse oppgaver. Dette er produsentens integrasjonspraksis, ikke nye påstander om transportmekanismen i en bestemt applikasjon.
Tekstmodellen oppgir ikke støtte for bilde- eller lydgenerering eller Live API. Veiledningen skiller også mellom visuell forståelse og bildesegmentering på pikselnivå, som ikke er en støttet egenskap i Gemini 3 Flash. Bruk et sluttresultat som passer til den faktiske oppgaven: observasjoner med kildehenvisninger, en strukturert oppføring, en kodeendring eller en beslutning med uttalte forutsetninger. Kontroller regnestykker, prøv kode i det tiltenkte miljøet og gjennomgå returnert verktøyinformasjon. Når nyere fakta er viktige, bør du bruke de konfigurerte forankringskildene eller innsendte oppdaterte data i stedet for å anta at modellkunnskap er en database med sanntidsinformasjon.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gemini-3-flash-preview | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream |
Parametercontrol_scope | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
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.
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 $0.001 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0001666666666666666 / 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 $0.001 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0001666666666666666 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-flash-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3-flash-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson eller SSE
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.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gemini-3-flash-preview, google/gemini-3-flash-preview
/chat/completions
gemini-3-flash-previewGemini 3 Flash Preview kombinerer multimodal forståelse og resonnering med tekst som utdata. Den støtter analyse av kode, dokumenter og visuelt materiale, strukturerte resultater og verktøybaserte arbeidsflyter, med fire dokumenterte tenkenivåer for å velge analysedybde.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 3 Flash Preview er en resonneringsmodell fra Google for multimodal forståelse, programmering og agentoppgaver. Den tar imot tekst, bilder, video, lyd og PDF og returnerer tekst. En forespørsel kan dermed samle skriftlige instruksjoner, kildefiler, visuelle observasjoner og samtalehistorikk rundt ett problem. Resultatet kan være en forklaring, et kodeforslag, uthentede data eller en plan forankret i dette materialet, fremfor et generert bilde eller et muntlig svar.
Modellkortet for denne modellen oppgir en inndatagrense på 1,048,576 tokener og en utdatagrense på 65,536 tokener. Planlegg kildematerialet og resultatet hver for seg: et langt utdrag fra et kodelager, en dokumentsamling eller et opptak får bare plass når den bearbeidede representasjonen og instruksjonene holder seg innenfor inndatabudsjettet, og svaret trenger fortsatt sin egen avsatte lengde. Merk relaterte kilder og angi hvilket materiale som skal være førende. For en lang ledetekst anbefaler utviklerveiledningen å plassere det konkrete spørsmålet etter dataene og knytte det uttrykkelig til informasjonen foran.
Tenkingen er dynamisk, med high som dokumentert standard for denne modellen. De støttede nivåene er minimal, low, medium og high. De angir relative rammer for resonnering, ikke garanterte antall tokener. Minimal kan fortsatt innebære noe resonnering ved et vanskelig programmeringsproblem. Velg nivå etter oppgaven: en kort omforming og et feilsøkingsproblem med flere betingelser trenger ulik behandling. Bruk direkte, tydelige instruksjoner i stedet for å presse omfattende resonneringsritualer inn i ledeteksten; be om det ferdige resultatet og kontrollene som gjør det anvendelig.
Produsentens modellkort oppgir strukturerte utdata, funksjonskall, kodekjøring, datamaskinbruk, filsøk, søkeforankring, forankring i Google Maps, URL-kontekst og hurtigbufring. Innebygde verktøy kan kombineres med egendefinerte funksjonskall i den dokumenterte Gemini 3-flyten. En applikasjon definerer funksjonene, kontrollerer argumentene, utfører godkjente handlinger og sender resultatene tilbake. For en kodeassistent kan et verktøy for å lese filer eller kjøre kontrollerte tester gi konkrete holdepunkter for neste steg. En foreslått handling og et observert verktøyresultat bør holdes atskilt i sluttrapporten.
Ved programmering bør du oppgi relevante filer, språk, forventet virkemåte og inndata som viser problemet. Avgrens endringen og angi grensesnittet eller virkemåten som skal beholdes. Be om en revidert implementasjon og tilfellene som bør kontrolleres. For en analytisk dokumentoppgave bør du definere spørsmålet, obligatoriske felt og kildereferanser. Hvis du bruker strukturerte utdata, bør du gi et skjema med tydelige feltbetydninger og regler for manglende verdier. Kontroller både syntaksen og om hver verdi følger av originalmaterialet.
Ved multimodal analyse bør du angi hva som er viktig i hver kilde. Et skjermbilde kan underbygge en grensesnittforklaring, en PDF kan bidra med en tabell eller graf, og et opptak kan gi muntlige eller synlige hendelser. Utviklerveiledningen omtaler innstillinger for medieoppløsning fordi detaljnivået endrer den bearbeidede representasjonen og tokenbruken. Produsentens arbeidsflyt for kodekjøring kan beskjære eller zoome inn på innsendte bilder, gjøre beregninger ut fra visuelle data og legge til merknader før modellen utarbeider svaret. Lesbar liten tekst kan kreve en annen innstilling enn en overordnet scenebeskrivelse. Ha den relevante siden, bildet eller klippet tilgjengelig slik at observasjonene kan kontrolleres, i stedet for å behandle et velformulert sammendrag som bevis på at alle detaljer ble lest riktig.
Samtale- og verktøytilstand må beholdes i det valgte grensesnittet. Gemini 3 bruker tankesignaturer til å føre resonneringskontekst videre mellom kall; utviklerveiledningen skiller mellom administrert historikk med tilstand og manuelt administrert historikk uten tilstand. Bevar nødvendig kontekst når du fortsetter en verktøyoppgave eller reviderer et resultat. Google anbefaler også å beholde standardtemperaturen på 1.0 i stedet for å overføre en oppskrift med lav temperatur som kan føre til løkker eller dårligere virkemåte ved komplekse oppgaver. Dette er produsentens integrasjonspraksis, ikke nye påstander om transportmekanismen i en bestemt applikasjon.
Tekstmodellen oppgir ikke støtte for bilde- eller lydgenerering eller Live API. Veiledningen skiller også mellom visuell forståelse og bildesegmentering på pikselnivå, som ikke er en støttet egenskap i Gemini 3 Flash. Bruk et sluttresultat som passer til den faktiske oppgaven: observasjoner med kildehenvisninger, en strukturert oppføring, en kodeendring eller en beslutning med uttalte forutsetninger. Kontroller regnestykker, prøv kode i det tiltenkte miljøet og gjennomgå returnert verktøyinformasjon. Når nyere fakta er viktige, bør du bruke de konfigurerte forankringskildene eller innsendte oppdaterte data i stedet for å anta at modellkunnskap er en database med sanntidsinformasjon.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gemini-3-flash-preview | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
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 $0.001 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0001666666666666666 / 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 $0.001 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0001666666666666666 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "gemini-3-flash-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-flash-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-flash-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
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.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gemini-3-flash-preview, google/gemini-3-flash-preview
/chat/completions
google/gemini-3-flash-previewGemini 3 Flash Preview kombinerer multimodal forståelse og resonnering med tekst som utdata. Den støtter analyse av kode, dokumenter og visuelt materiale, strukturerte resultater og verktøybaserte arbeidsflyter, med fire dokumenterte tenkenivåer for å velge analysedybde.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 3 Flash Preview er en resonneringsmodell fra Google for multimodal forståelse, programmering og agentoppgaver. Den tar imot tekst, bilder, video, lyd og PDF og returnerer tekst. En forespørsel kan dermed samle skriftlige instruksjoner, kildefiler, visuelle observasjoner og samtalehistorikk rundt ett problem. Resultatet kan være en forklaring, et kodeforslag, uthentede data eller en plan forankret i dette materialet, fremfor et generert bilde eller et muntlig svar.
Modellkortet for denne modellen oppgir en inndatagrense på 1,048,576 tokener og en utdatagrense på 65,536 tokener. Planlegg kildematerialet og resultatet hver for seg: et langt utdrag fra et kodelager, en dokumentsamling eller et opptak får bare plass når den bearbeidede representasjonen og instruksjonene holder seg innenfor inndatabudsjettet, og svaret trenger fortsatt sin egen avsatte lengde. Merk relaterte kilder og angi hvilket materiale som skal være førende. For en lang ledetekst anbefaler utviklerveiledningen å plassere det konkrete spørsmålet etter dataene og knytte det uttrykkelig til informasjonen foran.
Tenkingen er dynamisk, med high som dokumentert standard for denne modellen. De støttede nivåene er minimal, low, medium og high. De angir relative rammer for resonnering, ikke garanterte antall tokener. Minimal kan fortsatt innebære noe resonnering ved et vanskelig programmeringsproblem. Velg nivå etter oppgaven: en kort omforming og et feilsøkingsproblem med flere betingelser trenger ulik behandling. Bruk direkte, tydelige instruksjoner i stedet for å presse omfattende resonneringsritualer inn i ledeteksten; be om det ferdige resultatet og kontrollene som gjør det anvendelig.
Produsentens modellkort oppgir strukturerte utdata, funksjonskall, kodekjøring, datamaskinbruk, filsøk, søkeforankring, forankring i Google Maps, URL-kontekst og hurtigbufring. Innebygde verktøy kan kombineres med egendefinerte funksjonskall i den dokumenterte Gemini 3-flyten. En applikasjon definerer funksjonene, kontrollerer argumentene, utfører godkjente handlinger og sender resultatene tilbake. For en kodeassistent kan et verktøy for å lese filer eller kjøre kontrollerte tester gi konkrete holdepunkter for neste steg. En foreslått handling og et observert verktøyresultat bør holdes atskilt i sluttrapporten.
Ved programmering bør du oppgi relevante filer, språk, forventet virkemåte og inndata som viser problemet. Avgrens endringen og angi grensesnittet eller virkemåten som skal beholdes. Be om en revidert implementasjon og tilfellene som bør kontrolleres. For en analytisk dokumentoppgave bør du definere spørsmålet, obligatoriske felt og kildereferanser. Hvis du bruker strukturerte utdata, bør du gi et skjema med tydelige feltbetydninger og regler for manglende verdier. Kontroller både syntaksen og om hver verdi følger av originalmaterialet.
Ved multimodal analyse bør du angi hva som er viktig i hver kilde. Et skjermbilde kan underbygge en grensesnittforklaring, en PDF kan bidra med en tabell eller graf, og et opptak kan gi muntlige eller synlige hendelser. Utviklerveiledningen omtaler innstillinger for medieoppløsning fordi detaljnivået endrer den bearbeidede representasjonen og tokenbruken. Produsentens arbeidsflyt for kodekjøring kan beskjære eller zoome inn på innsendte bilder, gjøre beregninger ut fra visuelle data og legge til merknader før modellen utarbeider svaret. Lesbar liten tekst kan kreve en annen innstilling enn en overordnet scenebeskrivelse. Ha den relevante siden, bildet eller klippet tilgjengelig slik at observasjonene kan kontrolleres, i stedet for å behandle et velformulert sammendrag som bevis på at alle detaljer ble lest riktig.
Samtale- og verktøytilstand må beholdes i det valgte grensesnittet. Gemini 3 bruker tankesignaturer til å føre resonneringskontekst videre mellom kall; utviklerveiledningen skiller mellom administrert historikk med tilstand og manuelt administrert historikk uten tilstand. Bevar nødvendig kontekst når du fortsetter en verktøyoppgave eller reviderer et resultat. Google anbefaler også å beholde standardtemperaturen på 1.0 i stedet for å overføre en oppskrift med lav temperatur som kan føre til løkker eller dårligere virkemåte ved komplekse oppgaver. Dette er produsentens integrasjonspraksis, ikke nye påstander om transportmekanismen i en bestemt applikasjon.
Tekstmodellen oppgir ikke støtte for bilde- eller lydgenerering eller Live API. Veiledningen skiller også mellom visuell forståelse og bildesegmentering på pikselnivå, som ikke er en støttet egenskap i Gemini 3 Flash. Bruk et sluttresultat som passer til den faktiske oppgaven: observasjoner med kildehenvisninger, en strukturert oppføring, en kodeendring eller en beslutning med uttalte forutsetninger. Kontroller regnestykker, prøv kode i det tiltenkte miljøet og gjennomgå returnert verktøyinformasjon. Når nyere fakta er viktige, bør du bruke de konfigurerte forankringskildene eller innsendte oppdaterte data i stedet for å anta at modellkunnskap er en database med sanntidsinformasjon.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-3-flash-preview | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & 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[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
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.
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 $0.001 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0001666666666666666 / 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 $0.001 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0001666666666666666 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3-flash-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3-flash-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3-flash-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
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.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gemini-3-flash-preview, google/gemini-3-flash-preview
/chat/completions
google/gemini-3-flash-previewGemini 3 Flash Preview kombinerer multimodal forståelse og resonnering med tekst som utdata. Den støtter analyse av kode, dokumenter og visuelt materiale, strukturerte resultater og verktøybaserte arbeidsflyter, med fire dokumenterte tenkenivåer for å velge analysedybde.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 3 Flash Preview er en resonneringsmodell fra Google for multimodal forståelse, programmering og agentoppgaver. Den tar imot tekst, bilder, video, lyd og PDF og returnerer tekst. En forespørsel kan dermed samle skriftlige instruksjoner, kildefiler, visuelle observasjoner og samtalehistorikk rundt ett problem. Resultatet kan være en forklaring, et kodeforslag, uthentede data eller en plan forankret i dette materialet, fremfor et generert bilde eller et muntlig svar.
Modellkortet for denne modellen oppgir en inndatagrense på 1,048,576 tokener og en utdatagrense på 65,536 tokener. Planlegg kildematerialet og resultatet hver for seg: et langt utdrag fra et kodelager, en dokumentsamling eller et opptak får bare plass når den bearbeidede representasjonen og instruksjonene holder seg innenfor inndatabudsjettet, og svaret trenger fortsatt sin egen avsatte lengde. Merk relaterte kilder og angi hvilket materiale som skal være førende. For en lang ledetekst anbefaler utviklerveiledningen å plassere det konkrete spørsmålet etter dataene og knytte det uttrykkelig til informasjonen foran.
Tenkingen er dynamisk, med high som dokumentert standard for denne modellen. De støttede nivåene er minimal, low, medium og high. De angir relative rammer for resonnering, ikke garanterte antall tokener. Minimal kan fortsatt innebære noe resonnering ved et vanskelig programmeringsproblem. Velg nivå etter oppgaven: en kort omforming og et feilsøkingsproblem med flere betingelser trenger ulik behandling. Bruk direkte, tydelige instruksjoner i stedet for å presse omfattende resonneringsritualer inn i ledeteksten; be om det ferdige resultatet og kontrollene som gjør det anvendelig.
Produsentens modellkort oppgir strukturerte utdata, funksjonskall, kodekjøring, datamaskinbruk, filsøk, søkeforankring, forankring i Google Maps, URL-kontekst og hurtigbufring. Innebygde verktøy kan kombineres med egendefinerte funksjonskall i den dokumenterte Gemini 3-flyten. En applikasjon definerer funksjonene, kontrollerer argumentene, utfører godkjente handlinger og sender resultatene tilbake. For en kodeassistent kan et verktøy for å lese filer eller kjøre kontrollerte tester gi konkrete holdepunkter for neste steg. En foreslått handling og et observert verktøyresultat bør holdes atskilt i sluttrapporten.
Ved programmering bør du oppgi relevante filer, språk, forventet virkemåte og inndata som viser problemet. Avgrens endringen og angi grensesnittet eller virkemåten som skal beholdes. Be om en revidert implementasjon og tilfellene som bør kontrolleres. For en analytisk dokumentoppgave bør du definere spørsmålet, obligatoriske felt og kildereferanser. Hvis du bruker strukturerte utdata, bør du gi et skjema med tydelige feltbetydninger og regler for manglende verdier. Kontroller både syntaksen og om hver verdi følger av originalmaterialet.
Ved multimodal analyse bør du angi hva som er viktig i hver kilde. Et skjermbilde kan underbygge en grensesnittforklaring, en PDF kan bidra med en tabell eller graf, og et opptak kan gi muntlige eller synlige hendelser. Utviklerveiledningen omtaler innstillinger for medieoppløsning fordi detaljnivået endrer den bearbeidede representasjonen og tokenbruken. Produsentens arbeidsflyt for kodekjøring kan beskjære eller zoome inn på innsendte bilder, gjøre beregninger ut fra visuelle data og legge til merknader før modellen utarbeider svaret. Lesbar liten tekst kan kreve en annen innstilling enn en overordnet scenebeskrivelse. Ha den relevante siden, bildet eller klippet tilgjengelig slik at observasjonene kan kontrolleres, i stedet for å behandle et velformulert sammendrag som bevis på at alle detaljer ble lest riktig.
Samtale- og verktøytilstand må beholdes i det valgte grensesnittet. Gemini 3 bruker tankesignaturer til å føre resonneringskontekst videre mellom kall; utviklerveiledningen skiller mellom administrert historikk med tilstand og manuelt administrert historikk uten tilstand. Bevar nødvendig kontekst når du fortsetter en verktøyoppgave eller reviderer et resultat. Google anbefaler også å beholde standardtemperaturen på 1.0 i stedet for å overføre en oppskrift med lav temperatur som kan føre til løkker eller dårligere virkemåte ved komplekse oppgaver. Dette er produsentens integrasjonspraksis, ikke nye påstander om transportmekanismen i en bestemt applikasjon.
Tekstmodellen oppgir ikke støtte for bilde- eller lydgenerering eller Live API. Veiledningen skiller også mellom visuell forståelse og bildesegmentering på pikselnivå, som ikke er en støttet egenskap i Gemini 3 Flash. Bruk et sluttresultat som passer til den faktiske oppgaven: observasjoner med kildehenvisninger, en strukturert oppføring, en kodeendring eller en beslutning med uttalte forutsetninger. Kontroller regnestykker, prøv kode i det tiltenkte miljøet og gjennomgå returnert verktøyinformasjon. Når nyere fakta er viktige, bør du bruke de konfigurerte forankringskildene eller innsendte oppdaterte data i stedet for å anta at modellkunnskap er en database med sanntidsinformasjon.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-3-flash-preview | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
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 $0.001 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0001666666666666666 / 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 $0.001 / 1K tokener Utdata · Utgående tokener $0.006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.0001666666666666666 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "google/gemini-3-flash-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3-flash-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3-flash-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
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.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gemini-3-flash-preview, google/gemini-3-flash-preview
/chat/completions
Teknisk eksempel på engelsk
Keep a sorting helper immutable\n\nFix this JavaScript helper so it returns users sorted by name without changing the input array: function sortedUsers(users) { return users.sort((a,b) => a.name.localeCompare(b.name)); }. Preserve each user object. Return the revised function and tests for alphabetical order, an empty array and the unchanged original array.A revised function and three small test examples covering sorting and non-mutation.Check that the returned array is a different array and the original sequence is unchanged after the call.