Gemini 4 Argon er en resonneringsmodell fra Google for arbeid som kombinerer et stort underlag med et mål som krever flere trinn. Det publiserte inndataområdet inkluderer tekst, bilder, lyd, video og filer som PDF-er, mens resultatet er tekst. Dette lar en oppgave samle en spesifikasjon, et diagram, et skjermbilde og støttemateriale fremfor å være avhengig av en skriftlig oppsummering av hver kilde.
Begynn med et tydelig spørsmål og sluttresultatet du trenger. En programvareoppgave kan be om en endringsplan, berørte komponenter og verifiseringskriterier. En matematisk oppgave kan be om en utledning med oppgitte forutsetninger. En dokumentoppgave kan be om en sammenligning som holder uenigheter mellom tekst, tabeller og figurer synlige.
Det publiserte kontekstvinduet er 1 048 576 tokener. Bruk kapasiteten til å holde relevant materiale samlet, med dokumentnavn og avsnittsgrenser som gjør referansene entydige. Grupper støttematerialet rundt spørsmålet fremfor å sette inn urelaterte filer bare fordi det er plass. Be svaret skille underlaget som er gitt i oppgaven fra antakelser som introduseres under analysen.
Modellens publiserte resonneringskonfigurasjon er obligatorisk, med innsatsnivåene low, medium og high og medium som oppgitt standard. Velg et nivå ut fra problemets dybde og definer hva et vellykket svar må fastslå. En kort faktasammenligning trenger andre verifiseringskriterier enn en kodeendring som påvirker flere komponenter.
Argon publiserer funksjoner for verktøykall og skjemastyrte strukturerte utdata. Disse er nyttige når en applikasjon tilbyr verktøy for å hente inn ytterligere underlag eller trenger et maskinlesbart analyseresultat. Hold modellens foreslåtte verktøyaktivitet atskilt fra applikasjonen som utfører den, og bevar de returnerte observasjonene før du ber om neste beslutning. For et strukturert resultat kan du definere de ønskede feltene rundt forretningsbeslutningen: funn, referanser til underlaget, uløste antakelser og anbefalt handling.
For en oppgave i et kodelager kan du oppgi den relevante kildekoden, atferden som skal bevares, og kontrollene som bør bestås. Be om en fokusert implementeringsplan eller en gjennomgang av en konkret endring, og vurder deretter forslaget mot disse kontrollene. For en teknisk rapport kan du presentere de underliggende observasjonene og be om en forklaring som knytter hver konklusjon til støttematerialet.
For blandede dokumenter kan du inkludere tabellene og bildene som bærer betydning, fremfor å erstatte dem med en ufullstendig transkripsjon. Modellens utdata kan samle disse inndataene til en lesbar rapport, et sett med uttrukne funn eller en handlingsliste. Bilde- og lydinndata er underlag for dette tekstresultatet; de gjør ikke denne oppføringen til en modell for bilde- eller talegenerering.
Standardoppføringen for Argon og modellsidens vanlige spørsmål angir en fullføringsgrense på 65 536 tokener. Angi forventet dybde og oppsett for svaret før du ber om et langt resultat. Bevar standardidentifikatoren separat fra den batch-merkede oppføringen, fordi de publiserte fullføringsrammene er forskjellige. Bruk den valgte variantens egne grenser når du fordeler arbeidet på svar.
google/gemini-4-argonGemini 4 Argon er Googles multimodale resonneringsmodell for programvareutvikling, matematisk og vitenskapelig arbeid og agenter med flere trinn. Den kombinerer tekst, bilder, lyd, video og dokumenter innenfor en kontekst på 1 048 576 tokener og returnerer tekst, med publisert støtte for verktøykall og strukturerte utdata.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 4 Argon er en resonneringsmodell fra Google for arbeid som kombinerer et stort underlag med et mål som krever flere trinn. Det publiserte inndataområdet inkluderer tekst, bilder, lyd, video og filer som PDF-er, mens resultatet er tekst. Dette lar en oppgave samle en spesifikasjon, et diagram, et skjermbilde og støttemateriale fremfor å være avhengig av en skriftlig oppsummering av hver kilde.
Begynn med et tydelig spørsmål og sluttresultatet du trenger. En programvareoppgave kan be om en endringsplan, berørte komponenter og verifiseringskriterier. En matematisk oppgave kan be om en utledning med oppgitte forutsetninger. En dokumentoppgave kan be om en sammenligning som holder uenigheter mellom tekst, tabeller og figurer synlige.
Det publiserte kontekstvinduet er 1 048 576 tokener. Bruk kapasiteten til å holde relevant materiale samlet, med dokumentnavn og avsnittsgrenser som gjør referansene entydige. Grupper støttematerialet rundt spørsmålet fremfor å sette inn urelaterte filer bare fordi det er plass. Be svaret skille underlaget som er gitt i oppgaven fra antakelser som introduseres under analysen.
Modellens publiserte resonneringskonfigurasjon er obligatorisk, med innsatsnivåene low, medium og high og medium som oppgitt standard. Velg et nivå ut fra problemets dybde og definer hva et vellykket svar må fastslå. En kort faktasammenligning trenger andre verifiseringskriterier enn en kodeendring som påvirker flere komponenter.
Argon publiserer funksjoner for verktøykall og skjemastyrte strukturerte utdata. Disse er nyttige når en applikasjon tilbyr verktøy for å hente inn ytterligere underlag eller trenger et maskinlesbart analyseresultat. Hold modellens foreslåtte verktøyaktivitet atskilt fra applikasjonen som utfører den, og bevar de returnerte observasjonene før du ber om neste beslutning. For et strukturert resultat kan du definere de ønskede feltene rundt forretningsbeslutningen: funn, referanser til underlaget, uløste antakelser og anbefalt handling.
For en oppgave i et kodelager kan du oppgi den relevante kildekoden, atferden som skal bevares, og kontrollene som bør bestås. Be om en fokusert implementeringsplan eller en gjennomgang av en konkret endring, og vurder deretter forslaget mot disse kontrollene. For en teknisk rapport kan du presentere de underliggende observasjonene og be om en forklaring som knytter hver konklusjon til støttematerialet.
For blandede dokumenter kan du inkludere tabellene og bildene som bærer betydning, fremfor å erstatte dem med en ufullstendig transkripsjon. Modellens utdata kan samle disse inndataene til en lesbar rapport, et sett med uttrukne funn eller en handlingsliste. Bilde- og lydinndata er underlag for dette tekstresultatet; de gjør ikke denne oppføringen til en modell for bilde- eller talegenerering.
Standardoppføringen for Argon og modellsidens vanlige spørsmål angir en fullføringsgrense på 65 536 tokener. Angi forventet dybde og oppsett for svaret før du ber om et langt resultat. Bevar standardidentifikatoren separat fra den batch-merkede oppføringen, fordi de publiserte fullføringsrammene er forskjellige. Bruk den valgte variantens egne grenser når du fordeler arbeidet på svar.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-4-argon | 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.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"google/gemini-4-argon","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="google/gemini-4-argon", 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 google/gemini-4-argon
/chat/completions
google/gemini-4-argonGemini 4 Argon er Googles multimodale resonneringsmodell for programvareutvikling, matematisk og vitenskapelig arbeid og agenter med flere trinn. Den kombinerer tekst, bilder, lyd, video og dokumenter innenfor en kontekst på 1 048 576 tokener og returnerer tekst, med publisert støtte for verktøykall og strukturerte utdata.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 4 Argon er en resonneringsmodell fra Google for arbeid som kombinerer et stort underlag med et mål som krever flere trinn. Det publiserte inndataområdet inkluderer tekst, bilder, lyd, video og filer som PDF-er, mens resultatet er tekst. Dette lar en oppgave samle en spesifikasjon, et diagram, et skjermbilde og støttemateriale fremfor å være avhengig av en skriftlig oppsummering av hver kilde.
Begynn med et tydelig spørsmål og sluttresultatet du trenger. En programvareoppgave kan be om en endringsplan, berørte komponenter og verifiseringskriterier. En matematisk oppgave kan be om en utledning med oppgitte forutsetninger. En dokumentoppgave kan be om en sammenligning som holder uenigheter mellom tekst, tabeller og figurer synlige.
Det publiserte kontekstvinduet er 1 048 576 tokener. Bruk kapasiteten til å holde relevant materiale samlet, med dokumentnavn og avsnittsgrenser som gjør referansene entydige. Grupper støttematerialet rundt spørsmålet fremfor å sette inn urelaterte filer bare fordi det er plass. Be svaret skille underlaget som er gitt i oppgaven fra antakelser som introduseres under analysen.
Modellens publiserte resonneringskonfigurasjon er obligatorisk, med innsatsnivåene low, medium og high og medium som oppgitt standard. Velg et nivå ut fra problemets dybde og definer hva et vellykket svar må fastslå. En kort faktasammenligning trenger andre verifiseringskriterier enn en kodeendring som påvirker flere komponenter.
Argon publiserer funksjoner for verktøykall og skjemastyrte strukturerte utdata. Disse er nyttige når en applikasjon tilbyr verktøy for å hente inn ytterligere underlag eller trenger et maskinlesbart analyseresultat. Hold modellens foreslåtte verktøyaktivitet atskilt fra applikasjonen som utfører den, og bevar de returnerte observasjonene før du ber om neste beslutning. For et strukturert resultat kan du definere de ønskede feltene rundt forretningsbeslutningen: funn, referanser til underlaget, uløste antakelser og anbefalt handling.
For en oppgave i et kodelager kan du oppgi den relevante kildekoden, atferden som skal bevares, og kontrollene som bør bestås. Be om en fokusert implementeringsplan eller en gjennomgang av en konkret endring, og vurder deretter forslaget mot disse kontrollene. For en teknisk rapport kan du presentere de underliggende observasjonene og be om en forklaring som knytter hver konklusjon til støttematerialet.
For blandede dokumenter kan du inkludere tabellene og bildene som bærer betydning, fremfor å erstatte dem med en ufullstendig transkripsjon. Modellens utdata kan samle disse inndataene til en lesbar rapport, et sett med uttrukne funn eller en handlingsliste. Bilde- og lydinndata er underlag for dette tekstresultatet; de gjør ikke denne oppføringen til en modell for bilde- eller talegenerering.
Standardoppføringen for Argon og modellsidens vanlige spørsmål angir en fullføringsgrense på 65 536 tokener. Angi forventet dybde og oppsett for svaret før du ber om et langt resultat. Bevar standardidentifikatoren separat fra den batch-merkede oppføringen, fordi de publiserte fullføringsrammene er forskjellige. Bruk den valgte variantens egne grenser når du fordeler arbeidet på svar.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-4-argon | 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.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "google/gemini-4-argon",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-argon', '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-4-argon', '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 google/gemini-4-argon
/chat/completions