Gemini 3.7 Flash is Googles benoemde multimodale redeneerprofiel voor programmeren, agentwerkstromen en uitvoering in meerdere stappen. Het bouwt voort op Gemini 3.6 Flash met algoritmische wijzigingen in het redeneren en ondersteuning voor videobegrip door agenten. Tekst, beelden, audio, video en PDF kunnen het bronmateriaal voor een tekstresultaat vormen. Bruikbare resultaten omvatten een gerichte codeherziening, een vergelijking tussen een ontwerpmodel en een implementatie of een brongebaseerde analyse van gebeurtenissen in een opname.
De ontwikkelaarshandleiding van 3.7 benadrukt sterkere ontwerpgetrouwheid bij desktop- en webwerk. Geef voor die taak het bedoelde ontwerpmodel, de relevante bron en de waarneembare afwijking. Vraag om een vergelijking met concrete elementen zoals afstanden, componenttoestanden, teksthiërarchie of interactiegedrag. Vraag voor een ontwerpvergelijking om een lijst van afwijkingen tussen een ontwerpmodel voor een instellingenpaneel en de bestaande implementatie, waarbij elke voorgestelde correctie aan de schermafbeelding of bron is gekoppeld. Het resultaat moet aangeven wat gewijzigd moet worden zonder het ontwerp stilzwijgend buiten de aangeleverde eisen uit te breiden.
Geef voor een programmeerwerkstroom het doel, het bestaande gedrag, de relevante bestanden en de voorwaarden. Google positioneert 3.7 voor het oplossen van softwareproblemen en verminderen van mislukte agentlussen, maar een nuttige controle toetst nog steeds de werkelijke wijziging en het validatieresultaat. Houd de reeks waarnemingen met hulpmiddelen in het gesprek zodat een latere stap niet vanuit een verzonnen beschrijving van de codebase begint. Het eindresultaat kan een voorgestelde wijziging onderscheiden van een wijziging die via de hulpmiddelen van de gekoppelde toepassing is bevestigd.
De gedocumenteerde denkniveaus zijn low, medium en high, met medium als standaard. low ondersteunt snellere, afgebakende antwoorden, terwijl high bedoeld is voor moeilijk redeneren en langdurig werk met hulpmiddelen. Gemini 3.7 Flash ondersteunt minimal niet. Een korte analyse van één interfaceafwijking en een diepgaander onderzoek over meerdere bestanden vragen daarom om verschillende inspanningskeuzes. Definieer het eindresultaat en de voorwaarden waaraan het moet voldoen voordat u om een langere reeks redeneringen en acties vraagt.
De exacte modelpagina vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context. Computer Use is als preview gemarkeerd en gestructureerde uitvoer kan een resultaatrecord definiëren. Een verzoek om een functieaanroep is een voorgestelde bewerking die de gekoppelde toepassing moet uitvoeren en teruggeven. Geef bij een agenttaak het hulpmiddel een duidelijk doel en behoud het werkelijke resultaat voordat u het model vraagt verder te gaan. Definieer voor documentextractie de velden, toegestane waarden en hoe ontbrekende informatie moet worden weergegeven.
Deze editie ondersteunt videobegrip door agenten. Lever de relevante opname aan en benoem de te onderzoeken gebeurtenis of relatie. Een praktische briefing kan vragen welke zichtbare actie een toestandsverandering verklaart of vragen om een geordende beschrijving van gebeurtenissen met bewijs uit de clip. Beelden en PDF-pagina’s kunnen op dezelfde manier een visuele of documentvergelijking ondersteunen. De uitvoer blijft tekst: interpretatie, geëxtraheerde gegevens, code of een geschreven uitleg. Gegenereerde video, beeldende kunst of spraak behoort tot afzonderlijke modelprofielen.
Googles exacte API-tabel voor 3.7 specificeert 1.048.576 invoertokens en 65.536 uitvoertokens, terwijl de native kaart maximaal 1M context en 64K tekstuitvoer beschrijft. Neem instructies, eerdere beurten en aangeleverde media mee in de invoervoorbereiding. Batchverwerking en caching zijn voor het producentprofiel vermeld, naast Flex- en Priority-opties. Behoud voor een verzameling onafhankelijke aanvragen bronidentificaties en een consistent resultaatformaat zodat elk antwoord aan zijn eigen invoer kan worden getoetst.
Mogelijke beperkingen omvatten hallucinaties en incidentele traagheid of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Geef actueel bronmateriaal wanneer een conclusie van recentere feiten afhangt. Het bruikbare onderscheid van de editie is de gedocumenteerde focus op softwareproblemen, ontwerpgetrouwheid en videoredeneren; toets die resultaten aan het werkelijke ontwerpmodel, de code of media in plaats van een benoemd historisch profiel door nieuwere functies te vervangen.
", "aboutText": "Gemini 3.7 Flash is Googles benoemde multimodale redeneerprofiel voor programmeren, agentwerkstromen en uitvoering in meerdere stappen. Het bouwt voort op Gemini 3.6 Flash met algoritmische wijzigingen in het redeneren en ondersteuning voor videobegrip door agenten. Tekst, beelden, audio, video en PDF kunnen het bronmateriaal voor een tekstresultaat vormen. Bruikbare resultaten omvatten een gerichte codeherziening, een vergelijking tussen een ontwerpmodel en een implementatie of een brongebaseerde analyse van gebeurtenissen in een opname.\n\nDe ontwikkelaarshandleiding van 3.7 benadrukt sterkere ontwerpgetrouwheid bij desktop- en webwerk. Geef voor die taak het bedoelde ontwerpmodel, de relevante bron en de waarneembare afwijking. Vraag om een vergelijking met concrete elementen zoals afstanden, componenttoestanden, teksthiërarchie of interactiegedrag. Vraag voor een ontwerpvergelijking om een lijst van afwijkingen tussen een ontwerpmodel voor een instellingenpaneel en de bestaande implementatie, waarbij elke voorgestelde correctie aan de schermafbeelding of bron is gekoppeld. Het resultaat moet aangeven wat gewijzigd moet worden zonder het ontwerp stilzwijgend buiten de aangeleverde eisen uit te breiden.\n\nGeef voor een programmeerwerkstroom het doel, het bestaande gedrag, de relevante bestanden en de voorwaarden. Google positioneert 3.7 voor het oplossen van softwareproblemen en verminderen van mislukte agentlussen, maar een nuttige controle toetst nog steeds de werkelijke wijziging en het validatieresultaat. Houd de reeks waarnemingen met hulpmiddelen in het gesprek zodat een latere stap niet vanuit een verzonnen beschrijving van de codebase begint. Het eindresultaat kan een voorgestelde wijziging onderscheiden van een wijziging die via de hulpmiddelen van de gekoppelde toepassing is bevestigd.\n\nDe gedocumenteerde denkniveaus zijn low, medium en high, met medium als standaard. low ondersteunt snellere, afgebakende antwoorden, terwijl high bedoeld is voor moeilijk redeneren en langdurig werk met hulpmiddelen. Gemini 3.7 Flash ondersteunt minimal niet. Een korte analyse van één interfaceafwijking en een diepgaander onderzoek over meerdere bestanden vragen daarom om verschillende inspanningskeuzes. Definieer het eindresultaat en de voorwaarden waaraan het moet voldoen voordat u om een langere reeks redeneringen en acties vraagt.\n\nDe exacte modelpagina vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context. Computer Use is als preview gemarkeerd en gestructureerde uitvoer kan een resultaatrecord definiëren. Een verzoek om een functieaanroep is een voorgestelde bewerking die de gekoppelde toepassing moet uitvoeren en teruggeven. Geef bij een agenttaak het hulpmiddel een duidelijk doel en behoud het werkelijke resultaat voordat u het model vraagt verder te gaan. Definieer voor documentextractie de velden, toegestane waarden en hoe ontbrekende informatie moet worden weergegeven.\n\nDeze editie ondersteunt videobegrip door agenten. Lever de relevante opname aan en benoem de te onderzoeken gebeurtenis of relatie. Een praktische briefing kan vragen welke zichtbare actie een toestandsverandering verklaart of vragen om een geordende beschrijving van gebeurtenissen met bewijs uit de clip. Beelden en PDF-pagina’s kunnen op dezelfde manier een visuele of documentvergelijking ondersteunen. De uitvoer blijft tekst: interpretatie, geëxtraheerde gegevens, code of een geschreven uitleg. Gegenereerde video, beeldende kunst of spraak behoort tot afzonderlijke modelprofielen.\n\nGoogles exacte API-tabel voor 3.7 specificeert 1.048.576 invoertokens en 65.536 uitvoertokens, terwijl de native kaart maximaal 1M context en 64K tekstuitvoer beschrijft. Neem instructies, eerdere beurten en aangeleverde media mee in de invoervoorbereiding. Batchverwerking en caching zijn voor het producentprofiel vermeld, naast Flex- en Priority-opties. Behoud voor een verzameling onafhankelijke aanvragen bronidentificaties en een consistent resultaatformaat zodat elk antwoord aan zijn eigen invoer kan worden getoetst.\n\nMogelijke beperkingen omvatten hallucinaties en incidentele traagheid of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Geef actueel bronmateriaal wanneer een conclusie van recentere feiten afhangt. Het bruikbare onderscheid van de editie is de gedocumenteerde focus op softwareproblemen, ontwerpgetrouwheid en videoredeneren; toets die resultaten aan het werkelijke ontwerpmodel, de code of media in plaats van een benoemd historisch profiel door nieuwere functies te vervangen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Match a written panel specification\n\nCompare this panel specification with its CSS. Specification: title above the form; labels remain visible; error text appears below its field. CSS: .panel{display:flex;flex-direction:column-reverse} .field label{display:none}. Explain the mismatches and propose the smallest CSS and markup corrections. Give inspection checks for normal and error states using the supplied written requirements.A mismatch list, focused CSS/markup changes and normal/error-state inspection checks.Check that each proposed change maps to a stated requirement without redesigning other elements.gemini-3.7-flashGemini 3.7 Flash combineert multimodaal redeneren met programmeren en agentwerk in meerdere stappen. Googles 3.7-profiel benadrukt getrouwheid aan ontwerpmodellen en videobegrip door agenten, met low, medium en high redeneren. Het accepteert tekst en media, geeft tekst terug en heeft gedocumenteerde invoer- en uitvoerlimieten van 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.7 Flash is Googles benoemde multimodale redeneerprofiel voor programmeren, agentwerkstromen en uitvoering in meerdere stappen. Het bouwt voort op Gemini 3.6 Flash met algoritmische wijzigingen in het redeneren en ondersteuning voor videobegrip door agenten. Tekst, beelden, audio, video en PDF kunnen het bronmateriaal voor een tekstresultaat vormen. Bruikbare resultaten omvatten een gerichte codeherziening, een vergelijking tussen een ontwerpmodel en een implementatie of een brongebaseerde analyse van gebeurtenissen in een opname.
De ontwikkelaarshandleiding van 3.7 benadrukt sterkere ontwerpgetrouwheid bij desktop- en webwerk. Geef voor die taak het bedoelde ontwerpmodel, de relevante bron en de waarneembare afwijking. Vraag om een vergelijking met concrete elementen zoals afstanden, componenttoestanden, teksthiërarchie of interactiegedrag. Vraag voor een ontwerpvergelijking om een lijst van afwijkingen tussen een ontwerpmodel voor een instellingenpaneel en de bestaande implementatie, waarbij elke voorgestelde correctie aan de schermafbeelding of bron is gekoppeld. Het resultaat moet aangeven wat gewijzigd moet worden zonder het ontwerp stilzwijgend buiten de aangeleverde eisen uit te breiden.
Geef voor een programmeerwerkstroom het doel, het bestaande gedrag, de relevante bestanden en de voorwaarden. Google positioneert 3.7 voor het oplossen van softwareproblemen en verminderen van mislukte agentlussen, maar een nuttige controle toetst nog steeds de werkelijke wijziging en het validatieresultaat. Houd de reeks waarnemingen met hulpmiddelen in het gesprek zodat een latere stap niet vanuit een verzonnen beschrijving van de codebase begint. Het eindresultaat kan een voorgestelde wijziging onderscheiden van een wijziging die via de hulpmiddelen van de gekoppelde toepassing is bevestigd.
De gedocumenteerde denkniveaus zijn low, medium en high, met medium als standaard. low ondersteunt snellere, afgebakende antwoorden, terwijl high bedoeld is voor moeilijk redeneren en langdurig werk met hulpmiddelen. Gemini 3.7 Flash ondersteunt minimal niet. Een korte analyse van één interfaceafwijking en een diepgaander onderzoek over meerdere bestanden vragen daarom om verschillende inspanningskeuzes. Definieer het eindresultaat en de voorwaarden waaraan het moet voldoen voordat u om een langere reeks redeneringen en acties vraagt.
De exacte modelpagina vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context. Computer Use is als preview gemarkeerd en gestructureerde uitvoer kan een resultaatrecord definiëren. Een verzoek om een functieaanroep is een voorgestelde bewerking die de gekoppelde toepassing moet uitvoeren en teruggeven. Geef bij een agenttaak het hulpmiddel een duidelijk doel en behoud het werkelijke resultaat voordat u het model vraagt verder te gaan. Definieer voor documentextractie de velden, toegestane waarden en hoe ontbrekende informatie moet worden weergegeven.
Deze editie ondersteunt videobegrip door agenten. Lever de relevante opname aan en benoem de te onderzoeken gebeurtenis of relatie. Een praktische briefing kan vragen welke zichtbare actie een toestandsverandering verklaart of vragen om een geordende beschrijving van gebeurtenissen met bewijs uit de clip. Beelden en PDF-pagina’s kunnen op dezelfde manier een visuele of documentvergelijking ondersteunen. De uitvoer blijft tekst: interpretatie, geëxtraheerde gegevens, code of een geschreven uitleg. Gegenereerde video, beeldende kunst of spraak behoort tot afzonderlijke modelprofielen.
Googles exacte API-tabel voor 3.7 specificeert 1.048.576 invoertokens en 65.536 uitvoertokens, terwijl de native kaart maximaal 1M context en 64K tekstuitvoer beschrijft. Neem instructies, eerdere beurten en aangeleverde media mee in de invoervoorbereiding. Batchverwerking en caching zijn voor het producentprofiel vermeld, naast Flex- en Priority-opties. Behoud voor een verzameling onafhankelijke aanvragen bronidentificaties en een consistent resultaatformaat zodat elk antwoord aan zijn eigen invoer kan worden getoetst.
Mogelijke beperkingen omvatten hallucinaties en incidentele traagheid of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Geef actueel bronmateriaal wanneer een conclusie van recentere feiten afhangt. Het bruikbare onderscheid van de editie is de gedocumenteerde focus op softwareproblemen, ontwerpgetrouwheid en videoredeneren; toets die resultaten aan het werkelijke ontwerpmodel, de code of media in plaats van een benoemd historisch profiel door nieuwere functies te vervangen.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring|content_block[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldsystem | Typestring|content_block[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten Minimum: 1 Limiet geldt voor: exacte bovengrens van het gekozen model/de gekozen modelkaart | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop_sequences | Typestring[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typetool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].name | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: tool opgegeven | Standaard— |
Veldtools[].description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].input_schema | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldthinking.type | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldthinking.budget_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldoutput_config.effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmetadata | Typeobject | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldcache_control | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Tekst · UTF8-tekst
messages[].content of een blok met type=text
Tekst + afbeelding
{type:image,source:{type:base64,media_type,data}} of bron met type=url
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext, image |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Parametertext_file_material | Contractwerkelijke UTF-8-inhoud ingevoegd als tekst; bestands-ID’s/URLs vereisen afzonderlijke exacte ondersteuning |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1/messagesAiloot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.7-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.7-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.7-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.7-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-3.7-flash',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash combineert multimodaal redeneren met programmeren en agentwerk in meerdere stappen. Googles 3.7-profiel benadrukt getrouwheid aan ontwerpmodellen en videobegrip door agenten, met low, medium en high redeneren. Het accepteert tekst en media, geeft tekst terug en heeft gedocumenteerde invoer- en uitvoerlimieten van 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.7 Flash is Googles benoemde multimodale redeneerprofiel voor programmeren, agentwerkstromen en uitvoering in meerdere stappen. Het bouwt voort op Gemini 3.6 Flash met algoritmische wijzigingen in het redeneren en ondersteuning voor videobegrip door agenten. Tekst, beelden, audio, video en PDF kunnen het bronmateriaal voor een tekstresultaat vormen. Bruikbare resultaten omvatten een gerichte codeherziening, een vergelijking tussen een ontwerpmodel en een implementatie of een brongebaseerde analyse van gebeurtenissen in een opname.
De ontwikkelaarshandleiding van 3.7 benadrukt sterkere ontwerpgetrouwheid bij desktop- en webwerk. Geef voor die taak het bedoelde ontwerpmodel, de relevante bron en de waarneembare afwijking. Vraag om een vergelijking met concrete elementen zoals afstanden, componenttoestanden, teksthiërarchie of interactiegedrag. Vraag voor een ontwerpvergelijking om een lijst van afwijkingen tussen een ontwerpmodel voor een instellingenpaneel en de bestaande implementatie, waarbij elke voorgestelde correctie aan de schermafbeelding of bron is gekoppeld. Het resultaat moet aangeven wat gewijzigd moet worden zonder het ontwerp stilzwijgend buiten de aangeleverde eisen uit te breiden.
Geef voor een programmeerwerkstroom het doel, het bestaande gedrag, de relevante bestanden en de voorwaarden. Google positioneert 3.7 voor het oplossen van softwareproblemen en verminderen van mislukte agentlussen, maar een nuttige controle toetst nog steeds de werkelijke wijziging en het validatieresultaat. Houd de reeks waarnemingen met hulpmiddelen in het gesprek zodat een latere stap niet vanuit een verzonnen beschrijving van de codebase begint. Het eindresultaat kan een voorgestelde wijziging onderscheiden van een wijziging die via de hulpmiddelen van de gekoppelde toepassing is bevestigd.
De gedocumenteerde denkniveaus zijn low, medium en high, met medium als standaard. low ondersteunt snellere, afgebakende antwoorden, terwijl high bedoeld is voor moeilijk redeneren en langdurig werk met hulpmiddelen. Gemini 3.7 Flash ondersteunt minimal niet. Een korte analyse van één interfaceafwijking en een diepgaander onderzoek over meerdere bestanden vragen daarom om verschillende inspanningskeuzes. Definieer het eindresultaat en de voorwaarden waaraan het moet voldoen voordat u om een langere reeks redeneringen en acties vraagt.
De exacte modelpagina vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context. Computer Use is als preview gemarkeerd en gestructureerde uitvoer kan een resultaatrecord definiëren. Een verzoek om een functieaanroep is een voorgestelde bewerking die de gekoppelde toepassing moet uitvoeren en teruggeven. Geef bij een agenttaak het hulpmiddel een duidelijk doel en behoud het werkelijke resultaat voordat u het model vraagt verder te gaan. Definieer voor documentextractie de velden, toegestane waarden en hoe ontbrekende informatie moet worden weergegeven.
Deze editie ondersteunt videobegrip door agenten. Lever de relevante opname aan en benoem de te onderzoeken gebeurtenis of relatie. Een praktische briefing kan vragen welke zichtbare actie een toestandsverandering verklaart of vragen om een geordende beschrijving van gebeurtenissen met bewijs uit de clip. Beelden en PDF-pagina’s kunnen op dezelfde manier een visuele of documentvergelijking ondersteunen. De uitvoer blijft tekst: interpretatie, geëxtraheerde gegevens, code of een geschreven uitleg. Gegenereerde video, beeldende kunst of spraak behoort tot afzonderlijke modelprofielen.
Googles exacte API-tabel voor 3.7 specificeert 1.048.576 invoertokens en 65.536 uitvoertokens, terwijl de native kaart maximaal 1M context en 64K tekstuitvoer beschrijft. Neem instructies, eerdere beurten en aangeleverde media mee in de invoervoorbereiding. Batchverwerking en caching zijn voor het producentprofiel vermeld, naast Flex- en Priority-opties. Behoud voor een verzameling onafhankelijke aanvragen bronidentificaties en een consistent resultaatformaat zodat elk antwoord aan zijn eigen invoer kan worden getoetst.
Mogelijke beperkingen omvatten hallucinaties en incidentele traagheid of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Geef actueel bronmateriaal wanneer een conclusie van recentere feiten afhangt. Het bruikbare onderscheid van de editie is de gedocumenteerde focus op softwareproblemen, ontwerpgetrouwheid en videoredeneren; toets die resultaten aan het werkelijke ontwerpmodel, de code of media in plaats van een benoemd historisch profiel door nieuwere functies te vervangen.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-3.7-flash | Standaard— |
Veldcontents | Typecontent[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldcontents[].role | Typestring | VereisteOptioneel | Waarden en limieten user, model | Standaard— |
Veldcontents[].parts | Typepart[] | VereisteVereist | Waarden en limieten | Standaard— |
VeldsystemInstruction | Typecontent | VereisteOptioneel | Waarden en limieten | Standaard— |
VeldgenerationConfig.maxOutputTokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
VeldgenerationConfig.temperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.topP | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.topK | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.stopSequences | Typestring[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.thinkingConfig.includeThoughts | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.thinkingConfig.thinkingBudget | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].functionDeclarations | Typefunction_declaration[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldtoolConfig.functionCallingConfig.mode | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldsafetySettings | Typeobject[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldsessionId | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Tekst · UTF8-tekst
contents[].parts[].text
Tekst + afbeelding
parts[].inlineData={mimeType,data}
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext, image |
Parameterrequired | Contractcontents |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Parametertext_file_material | Contractwerkelijke UTF-8-inhoud ingevoegd als tekst; bestands-ID’s/URLs vereisen afzonderlijke exacte ondersteuning |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1beta/models/{model}:generateContentAiloot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.7-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.7-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.7-flash", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.7-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.7-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson of ondersteunde streaming
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle kandidaten en onderdelen, inclusief functieaanroepen, handtekeningen van redeneringen en verbruiksgegevens; voeg streamingfragmenten in de juiste volgorde samen.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
VeldresponseId | Typestring |
VeldmodelVersion | Typestring |
Veldcandidates[].content.parts[] | Typetext|inlineData|functionCall|other part |
Veldcandidates[].finishReason | Typestring |
VeldusageMetadata | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash combineert multimodaal redeneren met programmeren en agentwerk in meerdere stappen. Googles 3.7-profiel benadrukt getrouwheid aan ontwerpmodellen en videobegrip door agenten, met low, medium en high redeneren. Het accepteert tekst en media, geeft tekst terug en heeft gedocumenteerde invoer- en uitvoerlimieten van 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.7 Flash is Googles benoemde multimodale redeneerprofiel voor programmeren, agentwerkstromen en uitvoering in meerdere stappen. Het bouwt voort op Gemini 3.6 Flash met algoritmische wijzigingen in het redeneren en ondersteuning voor videobegrip door agenten. Tekst, beelden, audio, video en PDF kunnen het bronmateriaal voor een tekstresultaat vormen. Bruikbare resultaten omvatten een gerichte codeherziening, een vergelijking tussen een ontwerpmodel en een implementatie of een brongebaseerde analyse van gebeurtenissen in een opname.
De ontwikkelaarshandleiding van 3.7 benadrukt sterkere ontwerpgetrouwheid bij desktop- en webwerk. Geef voor die taak het bedoelde ontwerpmodel, de relevante bron en de waarneembare afwijking. Vraag om een vergelijking met concrete elementen zoals afstanden, componenttoestanden, teksthiërarchie of interactiegedrag. Vraag voor een ontwerpvergelijking om een lijst van afwijkingen tussen een ontwerpmodel voor een instellingenpaneel en de bestaande implementatie, waarbij elke voorgestelde correctie aan de schermafbeelding of bron is gekoppeld. Het resultaat moet aangeven wat gewijzigd moet worden zonder het ontwerp stilzwijgend buiten de aangeleverde eisen uit te breiden.
Geef voor een programmeerwerkstroom het doel, het bestaande gedrag, de relevante bestanden en de voorwaarden. Google positioneert 3.7 voor het oplossen van softwareproblemen en verminderen van mislukte agentlussen, maar een nuttige controle toetst nog steeds de werkelijke wijziging en het validatieresultaat. Houd de reeks waarnemingen met hulpmiddelen in het gesprek zodat een latere stap niet vanuit een verzonnen beschrijving van de codebase begint. Het eindresultaat kan een voorgestelde wijziging onderscheiden van een wijziging die via de hulpmiddelen van de gekoppelde toepassing is bevestigd.
De gedocumenteerde denkniveaus zijn low, medium en high, met medium als standaard. low ondersteunt snellere, afgebakende antwoorden, terwijl high bedoeld is voor moeilijk redeneren en langdurig werk met hulpmiddelen. Gemini 3.7 Flash ondersteunt minimal niet. Een korte analyse van één interfaceafwijking en een diepgaander onderzoek over meerdere bestanden vragen daarom om verschillende inspanningskeuzes. Definieer het eindresultaat en de voorwaarden waaraan het moet voldoen voordat u om een langere reeks redeneringen en acties vraagt.
De exacte modelpagina vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context. Computer Use is als preview gemarkeerd en gestructureerde uitvoer kan een resultaatrecord definiëren. Een verzoek om een functieaanroep is een voorgestelde bewerking die de gekoppelde toepassing moet uitvoeren en teruggeven. Geef bij een agenttaak het hulpmiddel een duidelijk doel en behoud het werkelijke resultaat voordat u het model vraagt verder te gaan. Definieer voor documentextractie de velden, toegestane waarden en hoe ontbrekende informatie moet worden weergegeven.
Deze editie ondersteunt videobegrip door agenten. Lever de relevante opname aan en benoem de te onderzoeken gebeurtenis of relatie. Een praktische briefing kan vragen welke zichtbare actie een toestandsverandering verklaart of vragen om een geordende beschrijving van gebeurtenissen met bewijs uit de clip. Beelden en PDF-pagina’s kunnen op dezelfde manier een visuele of documentvergelijking ondersteunen. De uitvoer blijft tekst: interpretatie, geëxtraheerde gegevens, code of een geschreven uitleg. Gegenereerde video, beeldende kunst of spraak behoort tot afzonderlijke modelprofielen.
Googles exacte API-tabel voor 3.7 specificeert 1.048.576 invoertokens en 65.536 uitvoertokens, terwijl de native kaart maximaal 1M context en 64K tekstuitvoer beschrijft. Neem instructies, eerdere beurten en aangeleverde media mee in de invoervoorbereiding. Batchverwerking en caching zijn voor het producentprofiel vermeld, naast Flex- en Priority-opties. Behoud voor een verzameling onafhankelijke aanvragen bronidentificaties en een consistent resultaatformaat zodat elk antwoord aan zijn eigen invoer kan worden getoetst.
Mogelijke beperkingen omvatten hallucinaties en incidentele traagheid of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Geef actueel bronmateriaal wanneer een conclusie van recentere feiten afhangt. Het bruikbare onderscheid van de editie is de gedocumenteerde focus op softwareproblemen, ontwerpgetrouwheid en videoredeneren; toets die resultaten aan het werkelijke ontwerpmodel, de code of media in plaats van een benoemd historisch profiel door nieuwere functies te vervangen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.7-flash","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-3.7-flash", 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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash combineert multimodaal redeneren met programmeren en agentwerk in meerdere stappen. Googles 3.7-profiel benadrukt getrouwheid aan ontwerpmodellen en videobegrip door agenten, met low, medium en high redeneren. Het accepteert tekst en media, geeft tekst terug en heeft gedocumenteerde invoer- en uitvoerlimieten van 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.7 Flash is Googles benoemde multimodale redeneerprofiel voor programmeren, agentwerkstromen en uitvoering in meerdere stappen. Het bouwt voort op Gemini 3.6 Flash met algoritmische wijzigingen in het redeneren en ondersteuning voor videobegrip door agenten. Tekst, beelden, audio, video en PDF kunnen het bronmateriaal voor een tekstresultaat vormen. Bruikbare resultaten omvatten een gerichte codeherziening, een vergelijking tussen een ontwerpmodel en een implementatie of een brongebaseerde analyse van gebeurtenissen in een opname.
De ontwikkelaarshandleiding van 3.7 benadrukt sterkere ontwerpgetrouwheid bij desktop- en webwerk. Geef voor die taak het bedoelde ontwerpmodel, de relevante bron en de waarneembare afwijking. Vraag om een vergelijking met concrete elementen zoals afstanden, componenttoestanden, teksthiërarchie of interactiegedrag. Vraag voor een ontwerpvergelijking om een lijst van afwijkingen tussen een ontwerpmodel voor een instellingenpaneel en de bestaande implementatie, waarbij elke voorgestelde correctie aan de schermafbeelding of bron is gekoppeld. Het resultaat moet aangeven wat gewijzigd moet worden zonder het ontwerp stilzwijgend buiten de aangeleverde eisen uit te breiden.
Geef voor een programmeerwerkstroom het doel, het bestaande gedrag, de relevante bestanden en de voorwaarden. Google positioneert 3.7 voor het oplossen van softwareproblemen en verminderen van mislukte agentlussen, maar een nuttige controle toetst nog steeds de werkelijke wijziging en het validatieresultaat. Houd de reeks waarnemingen met hulpmiddelen in het gesprek zodat een latere stap niet vanuit een verzonnen beschrijving van de codebase begint. Het eindresultaat kan een voorgestelde wijziging onderscheiden van een wijziging die via de hulpmiddelen van de gekoppelde toepassing is bevestigd.
De gedocumenteerde denkniveaus zijn low, medium en high, met medium als standaard. low ondersteunt snellere, afgebakende antwoorden, terwijl high bedoeld is voor moeilijk redeneren en langdurig werk met hulpmiddelen. Gemini 3.7 Flash ondersteunt minimal niet. Een korte analyse van één interfaceafwijking en een diepgaander onderzoek over meerdere bestanden vragen daarom om verschillende inspanningskeuzes. Definieer het eindresultaat en de voorwaarden waaraan het moet voldoen voordat u om een langere reeks redeneringen en acties vraagt.
De exacte modelpagina vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context. Computer Use is als preview gemarkeerd en gestructureerde uitvoer kan een resultaatrecord definiëren. Een verzoek om een functieaanroep is een voorgestelde bewerking die de gekoppelde toepassing moet uitvoeren en teruggeven. Geef bij een agenttaak het hulpmiddel een duidelijk doel en behoud het werkelijke resultaat voordat u het model vraagt verder te gaan. Definieer voor documentextractie de velden, toegestane waarden en hoe ontbrekende informatie moet worden weergegeven.
Deze editie ondersteunt videobegrip door agenten. Lever de relevante opname aan en benoem de te onderzoeken gebeurtenis of relatie. Een praktische briefing kan vragen welke zichtbare actie een toestandsverandering verklaart of vragen om een geordende beschrijving van gebeurtenissen met bewijs uit de clip. Beelden en PDF-pagina’s kunnen op dezelfde manier een visuele of documentvergelijking ondersteunen. De uitvoer blijft tekst: interpretatie, geëxtraheerde gegevens, code of een geschreven uitleg. Gegenereerde video, beeldende kunst of spraak behoort tot afzonderlijke modelprofielen.
Googles exacte API-tabel voor 3.7 specificeert 1.048.576 invoertokens en 65.536 uitvoertokens, terwijl de native kaart maximaal 1M context en 64K tekstuitvoer beschrijft. Neem instructies, eerdere beurten en aangeleverde media mee in de invoervoorbereiding. Batchverwerking en caching zijn voor het producentprofiel vermeld, naast Flex- en Priority-opties. Behoud voor een verzameling onafhankelijke aanvragen bronidentificaties en een consistent resultaatformaat zodat elk antwoord aan zijn eigen invoer kan worden getoetst.
Mogelijke beperkingen omvatten hallucinaties en incidentele traagheid of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Geef actueel bronmateriaal wanneer een conclusie van recentere feiten afhangt. Het bruikbare onderscheid van de editie is de gedocumenteerde focus op softwareproblemen, ontwerpgetrouwheid en videoredeneren; toets die resultaten aan het werkelijke ontwerpmodel, de code of media in plaats van een benoemd historisch profiel door nieuwere functies te vervangen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.7-flash', '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-3.7-flash', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
google/gemini-3.7-flashGemini 3.7 Flash combineert multimodaal redeneren met programmeren en agentwerk in meerdere stappen. Googles 3.7-profiel benadrukt getrouwheid aan ontwerpmodellen en videobegrip door agenten, met low, medium en high redeneren. Het accepteert tekst en media, geeft tekst terug en heeft gedocumenteerde invoer- en uitvoerlimieten van 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.7 Flash is Googles benoemde multimodale redeneerprofiel voor programmeren, agentwerkstromen en uitvoering in meerdere stappen. Het bouwt voort op Gemini 3.6 Flash met algoritmische wijzigingen in het redeneren en ondersteuning voor videobegrip door agenten. Tekst, beelden, audio, video en PDF kunnen het bronmateriaal voor een tekstresultaat vormen. Bruikbare resultaten omvatten een gerichte codeherziening, een vergelijking tussen een ontwerpmodel en een implementatie of een brongebaseerde analyse van gebeurtenissen in een opname.
De ontwikkelaarshandleiding van 3.7 benadrukt sterkere ontwerpgetrouwheid bij desktop- en webwerk. Geef voor die taak het bedoelde ontwerpmodel, de relevante bron en de waarneembare afwijking. Vraag om een vergelijking met concrete elementen zoals afstanden, componenttoestanden, teksthiërarchie of interactiegedrag. Vraag voor een ontwerpvergelijking om een lijst van afwijkingen tussen een ontwerpmodel voor een instellingenpaneel en de bestaande implementatie, waarbij elke voorgestelde correctie aan de schermafbeelding of bron is gekoppeld. Het resultaat moet aangeven wat gewijzigd moet worden zonder het ontwerp stilzwijgend buiten de aangeleverde eisen uit te breiden.
Geef voor een programmeerwerkstroom het doel, het bestaande gedrag, de relevante bestanden en de voorwaarden. Google positioneert 3.7 voor het oplossen van softwareproblemen en verminderen van mislukte agentlussen, maar een nuttige controle toetst nog steeds de werkelijke wijziging en het validatieresultaat. Houd de reeks waarnemingen met hulpmiddelen in het gesprek zodat een latere stap niet vanuit een verzonnen beschrijving van de codebase begint. Het eindresultaat kan een voorgestelde wijziging onderscheiden van een wijziging die via de hulpmiddelen van de gekoppelde toepassing is bevestigd.
De gedocumenteerde denkniveaus zijn low, medium en high, met medium als standaard. low ondersteunt snellere, afgebakende antwoorden, terwijl high bedoeld is voor moeilijk redeneren en langdurig werk met hulpmiddelen. Gemini 3.7 Flash ondersteunt minimal niet. Een korte analyse van één interfaceafwijking en een diepgaander onderzoek over meerdere bestanden vragen daarom om verschillende inspanningskeuzes. Definieer het eindresultaat en de voorwaarden waaraan het moet voldoen voordat u om een langere reeks redeneringen en acties vraagt.
De exacte modelpagina vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context. Computer Use is als preview gemarkeerd en gestructureerde uitvoer kan een resultaatrecord definiëren. Een verzoek om een functieaanroep is een voorgestelde bewerking die de gekoppelde toepassing moet uitvoeren en teruggeven. Geef bij een agenttaak het hulpmiddel een duidelijk doel en behoud het werkelijke resultaat voordat u het model vraagt verder te gaan. Definieer voor documentextractie de velden, toegestane waarden en hoe ontbrekende informatie moet worden weergegeven.
Deze editie ondersteunt videobegrip door agenten. Lever de relevante opname aan en benoem de te onderzoeken gebeurtenis of relatie. Een praktische briefing kan vragen welke zichtbare actie een toestandsverandering verklaart of vragen om een geordende beschrijving van gebeurtenissen met bewijs uit de clip. Beelden en PDF-pagina’s kunnen op dezelfde manier een visuele of documentvergelijking ondersteunen. De uitvoer blijft tekst: interpretatie, geëxtraheerde gegevens, code of een geschreven uitleg. Gegenereerde video, beeldende kunst of spraak behoort tot afzonderlijke modelprofielen.
Googles exacte API-tabel voor 3.7 specificeert 1.048.576 invoertokens en 65.536 uitvoertokens, terwijl de native kaart maximaal 1M context en 64K tekstuitvoer beschrijft. Neem instructies, eerdere beurten en aangeleverde media mee in de invoervoorbereiding. Batchverwerking en caching zijn voor het producentprofiel vermeld, naast Flex- en Priority-opties. Behoud voor een verzameling onafhankelijke aanvragen bronidentificaties en een consistent resultaatformaat zodat elk antwoord aan zijn eigen invoer kan worden getoetst.
Mogelijke beperkingen omvatten hallucinaties en incidentele traagheid of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Geef actueel bronmateriaal wanneer een conclusie van recentere feiten afhangt. Het bruikbare onderscheid van de editie is de gedocumenteerde focus op softwareproblemen, ontwerpgetrouwheid en videoredeneren; toets die resultaten aan het werkelijke ontwerpmodel, de code of media in plaats van een benoemd historisch profiel door nieuwere functies te vervangen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-3.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.7-flash", "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-3.7-flash',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-3.7-flash',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
google/gemini-3.7-flashGemini 3.7 Flash combineert multimodaal redeneren met programmeren en agentwerk in meerdere stappen. Googles 3.7-profiel benadrukt getrouwheid aan ontwerpmodellen en videobegrip door agenten, met low, medium en high redeneren. Het accepteert tekst en media, geeft tekst terug en heeft gedocumenteerde invoer- en uitvoerlimieten van 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.7 Flash is Googles benoemde multimodale redeneerprofiel voor programmeren, agentwerkstromen en uitvoering in meerdere stappen. Het bouwt voort op Gemini 3.6 Flash met algoritmische wijzigingen in het redeneren en ondersteuning voor videobegrip door agenten. Tekst, beelden, audio, video en PDF kunnen het bronmateriaal voor een tekstresultaat vormen. Bruikbare resultaten omvatten een gerichte codeherziening, een vergelijking tussen een ontwerpmodel en een implementatie of een brongebaseerde analyse van gebeurtenissen in een opname.
De ontwikkelaarshandleiding van 3.7 benadrukt sterkere ontwerpgetrouwheid bij desktop- en webwerk. Geef voor die taak het bedoelde ontwerpmodel, de relevante bron en de waarneembare afwijking. Vraag om een vergelijking met concrete elementen zoals afstanden, componenttoestanden, teksthiërarchie of interactiegedrag. Vraag voor een ontwerpvergelijking om een lijst van afwijkingen tussen een ontwerpmodel voor een instellingenpaneel en de bestaande implementatie, waarbij elke voorgestelde correctie aan de schermafbeelding of bron is gekoppeld. Het resultaat moet aangeven wat gewijzigd moet worden zonder het ontwerp stilzwijgend buiten de aangeleverde eisen uit te breiden.
Geef voor een programmeerwerkstroom het doel, het bestaande gedrag, de relevante bestanden en de voorwaarden. Google positioneert 3.7 voor het oplossen van softwareproblemen en verminderen van mislukte agentlussen, maar een nuttige controle toetst nog steeds de werkelijke wijziging en het validatieresultaat. Houd de reeks waarnemingen met hulpmiddelen in het gesprek zodat een latere stap niet vanuit een verzonnen beschrijving van de codebase begint. Het eindresultaat kan een voorgestelde wijziging onderscheiden van een wijziging die via de hulpmiddelen van de gekoppelde toepassing is bevestigd.
De gedocumenteerde denkniveaus zijn low, medium en high, met medium als standaard. low ondersteunt snellere, afgebakende antwoorden, terwijl high bedoeld is voor moeilijk redeneren en langdurig werk met hulpmiddelen. Gemini 3.7 Flash ondersteunt minimal niet. Een korte analyse van één interfaceafwijking en een diepgaander onderzoek over meerdere bestanden vragen daarom om verschillende inspanningskeuzes. Definieer het eindresultaat en de voorwaarden waaraan het moet voldoen voordat u om een langere reeks redeneringen en acties vraagt.
De exacte modelpagina vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context. Computer Use is als preview gemarkeerd en gestructureerde uitvoer kan een resultaatrecord definiëren. Een verzoek om een functieaanroep is een voorgestelde bewerking die de gekoppelde toepassing moet uitvoeren en teruggeven. Geef bij een agenttaak het hulpmiddel een duidelijk doel en behoud het werkelijke resultaat voordat u het model vraagt verder te gaan. Definieer voor documentextractie de velden, toegestane waarden en hoe ontbrekende informatie moet worden weergegeven.
Deze editie ondersteunt videobegrip door agenten. Lever de relevante opname aan en benoem de te onderzoeken gebeurtenis of relatie. Een praktische briefing kan vragen welke zichtbare actie een toestandsverandering verklaart of vragen om een geordende beschrijving van gebeurtenissen met bewijs uit de clip. Beelden en PDF-pagina’s kunnen op dezelfde manier een visuele of documentvergelijking ondersteunen. De uitvoer blijft tekst: interpretatie, geëxtraheerde gegevens, code of een geschreven uitleg. Gegenereerde video, beeldende kunst of spraak behoort tot afzonderlijke modelprofielen.
Googles exacte API-tabel voor 3.7 specificeert 1.048.576 invoertokens en 65.536 uitvoertokens, terwijl de native kaart maximaal 1M context en 64K tekstuitvoer beschrijft. Neem instructies, eerdere beurten en aangeleverde media mee in de invoervoorbereiding. Batchverwerking en caching zijn voor het producentprofiel vermeld, naast Flex- en Priority-opties. Behoud voor een verzameling onafhankelijke aanvragen bronidentificaties en een consistent resultaatformaat zodat elk antwoord aan zijn eigen invoer kan worden getoetst.
Mogelijke beperkingen omvatten hallucinaties en incidentele traagheid of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Geef actueel bronmateriaal wanneer een conclusie van recentere feiten afhangt. Het bruikbare onderscheid van de editie is de gedocumenteerde focus op softwareproblemen, ontwerpgetrouwheid en videoredeneren; toets die resultaten aan het werkelijke ontwerpmodel, de code of media in plaats van een benoemd historisch profiel door nieuwere functies te vervangen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-3.7-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "google/gemini-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.7-flash', '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-3.7-flash', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
Technisch voorbeeld in het Engels
Match a written panel specification\n\nCompare this panel specification with its CSS. Specification: title above the form; labels remain visible; error text appears below its field. CSS: .panel{display:flex;flex-direction:column-reverse} .field label{display:none}. Explain the mismatches and propose the smallest CSS and markup corrections. Give inspection checks for normal and error states using the supplied written requirements.A mismatch list, focused CSS/markup changes and normal/error-state inspection checks.Check that each proposed change maps to a stated requirement without redesigning other elements.