Gemini 3.1 Pro Preview is Googles redeneergerichte tekstmodel voor complexe taken die software-engineering, algoritmische ontwikkeling of synthese van multimodaal bewijs vereisen. Het bouwt voort op Gemini 3 Pro en benadrukt precies hulpmiddelgebruik, efficiënter redeneren en betrouwbare uitvoering in meerdere stappen. Tekst, beelden, audio, video en PDF kunnen bijdragen aan een geschreven antwoord, een coderesultaat of een gestructureerd resultaat.
Geef voor een veeleisende programmeeropdracht het doel, relevant repositorymateriaal, het waargenomen gedrag en de te behouden voorwaarden. Volledige coderepositories kunnen context voor de opdracht leveren. Vraag het model bij een codecontractreview te vergelijken hoe twee modules een gedeeld gegevenscontract behandelen, de afwijking te identificeren en een gerichte correctie met ondersteunende codeverwijzingen voor te stellen. De bruikbare uitvoer onderscheidt de analyse, voorgestelde revisie en het bewijs van eventuele validatie door de gekoppelde toepassing.
Het introductiemateriaal demonstreert op code gebaseerde visuele uitleg en interactieve projecten, waaronder geanimeerde SVG-uitvoer uit een tekstbriefing. Dit zijn coderesultaten, geen rasterbeeldgeneratie. Een heldere briefing kan definiëren wat moet worden uitgelegd, hoe de visualisatie zich moet gedragen en welke gegevens ze moet weergeven. Toets de resulterende code en weergave aan die eisen. Geef voor een gegevenssynthesetaak de werkelijke bronnen en vraag om één weergave die de relaties en kwalificaties daarin behoudt.
De gedocumenteerde denkniveaus zijn low, medium en high, met high als standaard voor 3.1 Pro Preview. Denken kan in dit Pro-profiel niet volledig worden uitgeschakeld. Kies lagere inspanning voor een afgebakend antwoord en meer redeneren voor moeilijk werk in meerdere stappen en laat voldoende uitvoerruimte voor het eindresultaat. Een kleine uitvoerlimiet kan het redeneren onderbreken voordat een bruikbaar eindantwoord verschijnt. De denkhandleiding onderscheidt een samenvatting van redeneren van het volledige interne proces en legt uit waarom de gedachtehandtekeningcontext van het gesprek belangrijk is.
De exacte Preview-tabel vermeldt functieaanroepen, code-uitvoering, zoekgrounding, Maps-grounding, URL-context en gestructureerde uitvoer. Ze beperkt File Search tot AI Studio. Geef functiedoelen en parameterdefinities en ga verder vanuit het werkelijk teruggegeven resultaat. Het afzonderlijke Custom Tools Preview-profiel is geoptimaliseerd om aangepaste hulpmiddelen en bash voorrang te geven; het is een afzonderlijk benoemd producentendpoint, dus die specialisatie mag niet stilzwijgend als een eigenschap van elke 3.1 Pro-aanvraag worden behandeld. Kies een gestructureerd resultaatschema wanneer een taak gedefinieerde records in plaats van onbeperkt proza vereist.
Benoem voor multimodale analyse de relevante pagina, visualisatie, opnameperiode of videogebeurtenis. Vergelijk voor documentanalyse een diagram met de schriftelijke specificatie en geef elke afwijking met de ondersteunende passage terug. Een gesproken bron kan een transcript of interpretatie in tekst bijdragen. Behoud bronverwijzingen voor conclusies die controle vereisen en scheid wat zichtbaar of vermeld is van wat is afgeleid. De uitvoer van dit profiel blijft tekst, inclusief code; native beeld- of spraakgeneratie maakt geen deel uit van de exacte capaciteitentabel.
De native kaart van 3.1 Pro specificeert maximaal 1M context en 64K tekstuitvoer en de exacte Preview-API-tabel geeft 1.048.576 invoertokens en 65.536 uitvoertokens. Neem instructies, gespreksgeschiedenis en media mee in het invoerbudget. Caching en batchverwerking zijn gedocumenteerd en Flex- en Priority-opties zijn ook voor het producentprofiel vermeld. Definieer voor meerdere onafhankelijke items de vereiste uitvoer en behoud elke bronidentificatie in plaats van niet-verwant bewijs tot één ontraceerbaar antwoord te combineren.
De benoemde Preview-editie blijft onderscheiden van Pro’s Custom Tools-profiel en latere Flash- of Pro-releases. De sterke punten betreffen complex redeneren, programmeren en bewijssynthese; het eindresultaat moet nog steeds aan de bron en werkelijke hulpmiddelresultaten worden getoetst. Behoud onopgeloste dubbelzinnigheid wanneer de aangeleverde informatie geen definitieve conclusie ondersteunt. Een bruikbaar resultaat is het onderbouwde antwoord, de code of het record waar de taak om vroeg, met voldoende bewijs om de praktische grenzen ervan te beoordelen.
", "aboutText": "Gemini 3.1 Pro Preview is Googles redeneergerichte tekstmodel voor complexe taken die software-engineering, algoritmische ontwikkeling of synthese van multimodaal bewijs vereisen. Het bouwt voort op Gemini 3 Pro en benadrukt precies hulpmiddelgebruik, efficiënter redeneren en betrouwbare uitvoering in meerdere stappen. Tekst, beelden, audio, video en PDF kunnen bijdragen aan een geschreven antwoord, een coderesultaat of een gestructureerd resultaat.\n\nGeef voor een veeleisende programmeeropdracht het doel, relevant repositorymateriaal, het waargenomen gedrag en de te behouden voorwaarden. Volledige coderepositories kunnen context voor de opdracht leveren. Vraag het model bij een codecontractreview te vergelijken hoe twee modules een gedeeld gegevenscontract behandelen, de afwijking te identificeren en een gerichte correctie met ondersteunende codeverwijzingen voor te stellen. De bruikbare uitvoer onderscheidt de analyse, voorgestelde revisie en het bewijs van eventuele validatie door de gekoppelde toepassing.\n\nHet introductiemateriaal demonstreert op code gebaseerde visuele uitleg en interactieve projecten, waaronder geanimeerde SVG-uitvoer uit een tekstbriefing. Dit zijn coderesultaten, geen rasterbeeldgeneratie. Een heldere briefing kan definiëren wat moet worden uitgelegd, hoe de visualisatie zich moet gedragen en welke gegevens ze moet weergeven. Toets de resulterende code en weergave aan die eisen. Geef voor een gegevenssynthesetaak de werkelijke bronnen en vraag om één weergave die de relaties en kwalificaties daarin behoudt.\n\nDe gedocumenteerde denkniveaus zijn low, medium en high, met high als standaard voor 3.1 Pro Preview. Denken kan in dit Pro-profiel niet volledig worden uitgeschakeld. Kies lagere inspanning voor een afgebakend antwoord en meer redeneren voor moeilijk werk in meerdere stappen en laat voldoende uitvoerruimte voor het eindresultaat. Een kleine uitvoerlimiet kan het redeneren onderbreken voordat een bruikbaar eindantwoord verschijnt. De denkhandleiding onderscheidt een samenvatting van redeneren van het volledige interne proces en legt uit waarom de gedachtehandtekeningcontext van het gesprek belangrijk is.\n\nDe exacte Preview-tabel vermeldt functieaanroepen, code-uitvoering, zoekgrounding, Maps-grounding, URL-context en gestructureerde uitvoer. Ze beperkt File Search tot AI Studio. Geef functiedoelen en parameterdefinities en ga verder vanuit het werkelijk teruggegeven resultaat. Het afzonderlijke Custom Tools Preview-profiel is geoptimaliseerd om aangepaste hulpmiddelen en bash voorrang te geven; het is een afzonderlijk benoemd producentendpoint, dus die specialisatie mag niet stilzwijgend als een eigenschap van elke 3.1 Pro-aanvraag worden behandeld. Kies een gestructureerd resultaatschema wanneer een taak gedefinieerde records in plaats van onbeperkt proza vereist.\n\nBenoem voor multimodale analyse de relevante pagina, visualisatie, opnameperiode of videogebeurtenis. Vergelijk voor documentanalyse een diagram met de schriftelijke specificatie en geef elke afwijking met de ondersteunende passage terug. Een gesproken bron kan een transcript of interpretatie in tekst bijdragen. Behoud bronverwijzingen voor conclusies die controle vereisen en scheid wat zichtbaar of vermeld is van wat is afgeleid. De uitvoer van dit profiel blijft tekst, inclusief code; native beeld- of spraakgeneratie maakt geen deel uit van de exacte capaciteitentabel.\n\nDe native kaart van 3.1 Pro specificeert maximaal 1M context en 64K tekstuitvoer en de exacte Preview-API-tabel geeft 1.048.576 invoertokens en 65.536 uitvoertokens. Neem instructies, gespreksgeschiedenis en media mee in het invoerbudget. Caching en batchverwerking zijn gedocumenteerd en Flex- en Priority-opties zijn ook voor het producentprofiel vermeld. Definieer voor meerdere onafhankelijke items de vereiste uitvoer en behoud elke bronidentificatie in plaats van niet-verwant bewijs tot één ontraceerbaar antwoord te combineren.\n\nDe benoemde Preview-editie blijft onderscheiden van Pro’s Custom Tools-profiel en latere Flash- of Pro-releases. De sterke punten betreffen complex redeneren, programmeren en bewijssynthese; het eindresultaat moet nog steeds aan de bron en werkelijke hulpmiddelresultaten worden getoetst. Behoud onopgeloste dubbelzinnigheid wanneer de aangeleverde informatie geen definitieve conclusie ondersteunt. Een bruikbaar resultaat is het onderbouwde antwoord, de code of het record waar de taak om vroeg, met voldoende bewijs om de praktische grenzen ervan te beoordelen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.gemini-3.1-pro-previewGemini 3.1 Pro Preview is Google’s multimodale redeneermodel voor complexe software-, algoritme- en kennistaken. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst of code terug, met tools en gestructureerde uitvoer. De redeneerniveaus low, medium en high sturen de inspanning; high is de gedocumenteerde standaard.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.1 Pro Preview is Googles redeneergerichte tekstmodel voor complexe taken die software-engineering, algoritmische ontwikkeling of synthese van multimodaal bewijs vereisen. Het bouwt voort op Gemini 3 Pro en benadrukt precies hulpmiddelgebruik, efficiënter redeneren en betrouwbare uitvoering in meerdere stappen. Tekst, beelden, audio, video en PDF kunnen bijdragen aan een geschreven antwoord, een coderesultaat of een gestructureerd resultaat.
Geef voor een veeleisende programmeeropdracht het doel, relevant repositorymateriaal, het waargenomen gedrag en de te behouden voorwaarden. Volledige coderepositories kunnen context voor de opdracht leveren. Vraag het model bij een codecontractreview te vergelijken hoe twee modules een gedeeld gegevenscontract behandelen, de afwijking te identificeren en een gerichte correctie met ondersteunende codeverwijzingen voor te stellen. De bruikbare uitvoer onderscheidt de analyse, voorgestelde revisie en het bewijs van eventuele validatie door de gekoppelde toepassing.
Het introductiemateriaal demonstreert op code gebaseerde visuele uitleg en interactieve projecten, waaronder geanimeerde SVG-uitvoer uit een tekstbriefing. Dit zijn coderesultaten, geen rasterbeeldgeneratie. Een heldere briefing kan definiëren wat moet worden uitgelegd, hoe de visualisatie zich moet gedragen en welke gegevens ze moet weergeven. Toets de resulterende code en weergave aan die eisen. Geef voor een gegevenssynthesetaak de werkelijke bronnen en vraag om één weergave die de relaties en kwalificaties daarin behoudt.
De gedocumenteerde denkniveaus zijn low, medium en high, met high als standaard voor 3.1 Pro Preview. Denken kan in dit Pro-profiel niet volledig worden uitgeschakeld. Kies lagere inspanning voor een afgebakend antwoord en meer redeneren voor moeilijk werk in meerdere stappen en laat voldoende uitvoerruimte voor het eindresultaat. Een kleine uitvoerlimiet kan het redeneren onderbreken voordat een bruikbaar eindantwoord verschijnt. De denkhandleiding onderscheidt een samenvatting van redeneren van het volledige interne proces en legt uit waarom de gedachtehandtekeningcontext van het gesprek belangrijk is.
De exacte Preview-tabel vermeldt functieaanroepen, code-uitvoering, zoekgrounding, Maps-grounding, URL-context en gestructureerde uitvoer. Ze beperkt File Search tot AI Studio. Geef functiedoelen en parameterdefinities en ga verder vanuit het werkelijk teruggegeven resultaat. Het afzonderlijke Custom Tools Preview-profiel is geoptimaliseerd om aangepaste hulpmiddelen en bash voorrang te geven; het is een afzonderlijk benoemd producentendpoint, dus die specialisatie mag niet stilzwijgend als een eigenschap van elke 3.1 Pro-aanvraag worden behandeld. Kies een gestructureerd resultaatschema wanneer een taak gedefinieerde records in plaats van onbeperkt proza vereist.
Benoem voor multimodale analyse de relevante pagina, visualisatie, opnameperiode of videogebeurtenis. Vergelijk voor documentanalyse een diagram met de schriftelijke specificatie en geef elke afwijking met de ondersteunende passage terug. Een gesproken bron kan een transcript of interpretatie in tekst bijdragen. Behoud bronverwijzingen voor conclusies die controle vereisen en scheid wat zichtbaar of vermeld is van wat is afgeleid. De uitvoer van dit profiel blijft tekst, inclusief code; native beeld- of spraakgeneratie maakt geen deel uit van de exacte capaciteitentabel.
De native kaart van 3.1 Pro specificeert maximaal 1M context en 64K tekstuitvoer en de exacte Preview-API-tabel geeft 1.048.576 invoertokens en 65.536 uitvoertokens. Neem instructies, gespreksgeschiedenis en media mee in het invoerbudget. Caching en batchverwerking zijn gedocumenteerd en Flex- en Priority-opties zijn ook voor het producentprofiel vermeld. Definieer voor meerdere onafhankelijke items de vereiste uitvoer en behoud elke bronidentificatie in plaats van niet-verwant bewijs tot één ontraceerbaar antwoord te combineren.
De benoemde Preview-editie blijft onderscheiden van Pro’s Custom Tools-profiel en latere Flash- of Pro-releases. De sterke punten betreffen complex redeneren, programmeren en bewijssynthese; het eindresultaat moet nog steeds aan de bron en werkelijke hulpmiddelresultaten worden getoetst. Behoud onopgeloste dubbelzinnigheid wanneer de aangeleverde informatie geen definitieve conclusie ondersteunt. Een bruikbaar resultaat is het onderbouwde antwoord, de code of het record waar de taak om vroeg, met voldoende bewijs om de praktische grenzen ervan te beoordelen.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.1-pro-preview | 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/messages| Verzoekgrootte, tokens | Invoer | Uitvoer | Cache lezen | Cache schrijven | Cache 5 min | Cache 1 uur |
|---|---|---|---|---|---|---|
| Verzoekgrootte, tokens(0; 200.000] | InvoerUS$ 0,002 | UitvoerUS$ 0,012 | Cache lezenUS$ 0,0002 | Cache schrijvenBasis: — | Cache 5 minBasis: — | Cache 1 uurBasis: — |
| Verzoekgrootte, tokens(200.000; ∞) | InvoerUS$ 0,004 | UitvoerUS$ 0,018 | Cache lezenUS$ 0,0004 | Cache schrijvenBasis: — | Cache 5 minBasis: — | Cache 1 uurBasis: — |
Tarieven in USD per 1K tokens. Als geen tarief is ingesteld, wordt het basistarief voor deze methode overgenomen; «—» betekent dat geen basistarief is ingesteld.
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 →
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 | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.024 / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 2 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.008 / 1K tokens Uitvoer · Uitvoertokens $0.036 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.024 / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 2 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.008 / 1K tokens Uitvoer · Uitvoertokens $0.036 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${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-3.1-pro-preview", "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-3.1-pro-preview", "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-3.1-pro-preview",\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-3.1-pro-preview",\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-3.1-pro-preview',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-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview is Google’s multimodale redeneermodel voor complexe software-, algoritme- en kennistaken. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst of code terug, met tools en gestructureerde uitvoer. De redeneerniveaus low, medium en high sturen de inspanning; high is de gedocumenteerde standaard.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.1 Pro Preview is Googles redeneergerichte tekstmodel voor complexe taken die software-engineering, algoritmische ontwikkeling of synthese van multimodaal bewijs vereisen. Het bouwt voort op Gemini 3 Pro en benadrukt precies hulpmiddelgebruik, efficiënter redeneren en betrouwbare uitvoering in meerdere stappen. Tekst, beelden, audio, video en PDF kunnen bijdragen aan een geschreven antwoord, een coderesultaat of een gestructureerd resultaat.
Geef voor een veeleisende programmeeropdracht het doel, relevant repositorymateriaal, het waargenomen gedrag en de te behouden voorwaarden. Volledige coderepositories kunnen context voor de opdracht leveren. Vraag het model bij een codecontractreview te vergelijken hoe twee modules een gedeeld gegevenscontract behandelen, de afwijking te identificeren en een gerichte correctie met ondersteunende codeverwijzingen voor te stellen. De bruikbare uitvoer onderscheidt de analyse, voorgestelde revisie en het bewijs van eventuele validatie door de gekoppelde toepassing.
Het introductiemateriaal demonstreert op code gebaseerde visuele uitleg en interactieve projecten, waaronder geanimeerde SVG-uitvoer uit een tekstbriefing. Dit zijn coderesultaten, geen rasterbeeldgeneratie. Een heldere briefing kan definiëren wat moet worden uitgelegd, hoe de visualisatie zich moet gedragen en welke gegevens ze moet weergeven. Toets de resulterende code en weergave aan die eisen. Geef voor een gegevenssynthesetaak de werkelijke bronnen en vraag om één weergave die de relaties en kwalificaties daarin behoudt.
De gedocumenteerde denkniveaus zijn low, medium en high, met high als standaard voor 3.1 Pro Preview. Denken kan in dit Pro-profiel niet volledig worden uitgeschakeld. Kies lagere inspanning voor een afgebakend antwoord en meer redeneren voor moeilijk werk in meerdere stappen en laat voldoende uitvoerruimte voor het eindresultaat. Een kleine uitvoerlimiet kan het redeneren onderbreken voordat een bruikbaar eindantwoord verschijnt. De denkhandleiding onderscheidt een samenvatting van redeneren van het volledige interne proces en legt uit waarom de gedachtehandtekeningcontext van het gesprek belangrijk is.
De exacte Preview-tabel vermeldt functieaanroepen, code-uitvoering, zoekgrounding, Maps-grounding, URL-context en gestructureerde uitvoer. Ze beperkt File Search tot AI Studio. Geef functiedoelen en parameterdefinities en ga verder vanuit het werkelijk teruggegeven resultaat. Het afzonderlijke Custom Tools Preview-profiel is geoptimaliseerd om aangepaste hulpmiddelen en bash voorrang te geven; het is een afzonderlijk benoemd producentendpoint, dus die specialisatie mag niet stilzwijgend als een eigenschap van elke 3.1 Pro-aanvraag worden behandeld. Kies een gestructureerd resultaatschema wanneer een taak gedefinieerde records in plaats van onbeperkt proza vereist.
Benoem voor multimodale analyse de relevante pagina, visualisatie, opnameperiode of videogebeurtenis. Vergelijk voor documentanalyse een diagram met de schriftelijke specificatie en geef elke afwijking met de ondersteunende passage terug. Een gesproken bron kan een transcript of interpretatie in tekst bijdragen. Behoud bronverwijzingen voor conclusies die controle vereisen en scheid wat zichtbaar of vermeld is van wat is afgeleid. De uitvoer van dit profiel blijft tekst, inclusief code; native beeld- of spraakgeneratie maakt geen deel uit van de exacte capaciteitentabel.
De native kaart van 3.1 Pro specificeert maximaal 1M context en 64K tekstuitvoer en de exacte Preview-API-tabel geeft 1.048.576 invoertokens en 65.536 uitvoertokens. Neem instructies, gespreksgeschiedenis en media mee in het invoerbudget. Caching en batchverwerking zijn gedocumenteerd en Flex- en Priority-opties zijn ook voor het producentprofiel vermeld. Definieer voor meerdere onafhankelijke items de vereiste uitvoer en behoud elke bronidentificatie in plaats van niet-verwant bewijs tot één ontraceerbaar antwoord te combineren.
De benoemde Preview-editie blijft onderscheiden van Pro’s Custom Tools-profiel en latere Flash- of Pro-releases. De sterke punten betreffen complex redeneren, programmeren en bewijssynthese; het eindresultaat moet nog steeds aan de bron en werkelijke hulpmiddelresultaten worden getoetst. Behoud onopgeloste dubbelzinnigheid wanneer de aangeleverde informatie geen definitieve conclusie ondersteunt. Een bruikbaar resultaat is het onderbouwde antwoord, de code of het record waar de taak om vroeg, met voldoende bewijs om de praktische grenzen ervan te beoordelen.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-3.1-pro-preview | 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}:generateContent| Verzoekgrootte, tokens | Invoer | Uitvoer | Cache lezen | Cache schrijven | Cache 5 min | Cache 1 uur |
|---|---|---|---|---|---|---|
| Verzoekgrootte, tokens(0; 200.000] | InvoerUS$ 0,002 | UitvoerUS$ 0,012 | Cache lezenUS$ 0,0002 | Cache schrijvenBasis: — | Cache 5 minBasis: — | Cache 1 uurBasis: — |
| Verzoekgrootte, tokens(200.000; ∞) | InvoerUS$ 0,004 | UitvoerUS$ 0,018 | Cache lezenUS$ 0,0004 | Cache schrijvenBasis: — | Cache 5 minBasis: — | Cache 1 uurBasis: — |
Tarieven in USD per 1K tokens. Als geen tarief is ingesteld, wordt het basistarief voor deze methode overgenomen; «—» betekent dat geen basistarief is ingesteld.
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 →
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 | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.024 / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 2 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.008 / 1K tokens Uitvoer · Uitvoertokens $0.036 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.024 / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 2 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.008 / 1K tokens Uitvoer · Uitvoertokens $0.036 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${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-3.1-pro-preview: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-3.1-pro-preview: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-3.1-pro-preview", 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-3.1-pro-preview", 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-3.1-pro-preview',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-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview is Google’s multimodale redeneermodel voor complexe software-, algoritme- en kennistaken. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst of code terug, met tools en gestructureerde uitvoer. De redeneerniveaus low, medium en high sturen de inspanning; high is de gedocumenteerde standaard.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.1 Pro Preview is Googles redeneergerichte tekstmodel voor complexe taken die software-engineering, algoritmische ontwikkeling of synthese van multimodaal bewijs vereisen. Het bouwt voort op Gemini 3 Pro en benadrukt precies hulpmiddelgebruik, efficiënter redeneren en betrouwbare uitvoering in meerdere stappen. Tekst, beelden, audio, video en PDF kunnen bijdragen aan een geschreven antwoord, een coderesultaat of een gestructureerd resultaat.
Geef voor een veeleisende programmeeropdracht het doel, relevant repositorymateriaal, het waargenomen gedrag en de te behouden voorwaarden. Volledige coderepositories kunnen context voor de opdracht leveren. Vraag het model bij een codecontractreview te vergelijken hoe twee modules een gedeeld gegevenscontract behandelen, de afwijking te identificeren en een gerichte correctie met ondersteunende codeverwijzingen voor te stellen. De bruikbare uitvoer onderscheidt de analyse, voorgestelde revisie en het bewijs van eventuele validatie door de gekoppelde toepassing.
Het introductiemateriaal demonstreert op code gebaseerde visuele uitleg en interactieve projecten, waaronder geanimeerde SVG-uitvoer uit een tekstbriefing. Dit zijn coderesultaten, geen rasterbeeldgeneratie. Een heldere briefing kan definiëren wat moet worden uitgelegd, hoe de visualisatie zich moet gedragen en welke gegevens ze moet weergeven. Toets de resulterende code en weergave aan die eisen. Geef voor een gegevenssynthesetaak de werkelijke bronnen en vraag om één weergave die de relaties en kwalificaties daarin behoudt.
De gedocumenteerde denkniveaus zijn low, medium en high, met high als standaard voor 3.1 Pro Preview. Denken kan in dit Pro-profiel niet volledig worden uitgeschakeld. Kies lagere inspanning voor een afgebakend antwoord en meer redeneren voor moeilijk werk in meerdere stappen en laat voldoende uitvoerruimte voor het eindresultaat. Een kleine uitvoerlimiet kan het redeneren onderbreken voordat een bruikbaar eindantwoord verschijnt. De denkhandleiding onderscheidt een samenvatting van redeneren van het volledige interne proces en legt uit waarom de gedachtehandtekeningcontext van het gesprek belangrijk is.
De exacte Preview-tabel vermeldt functieaanroepen, code-uitvoering, zoekgrounding, Maps-grounding, URL-context en gestructureerde uitvoer. Ze beperkt File Search tot AI Studio. Geef functiedoelen en parameterdefinities en ga verder vanuit het werkelijk teruggegeven resultaat. Het afzonderlijke Custom Tools Preview-profiel is geoptimaliseerd om aangepaste hulpmiddelen en bash voorrang te geven; het is een afzonderlijk benoemd producentendpoint, dus die specialisatie mag niet stilzwijgend als een eigenschap van elke 3.1 Pro-aanvraag worden behandeld. Kies een gestructureerd resultaatschema wanneer een taak gedefinieerde records in plaats van onbeperkt proza vereist.
Benoem voor multimodale analyse de relevante pagina, visualisatie, opnameperiode of videogebeurtenis. Vergelijk voor documentanalyse een diagram met de schriftelijke specificatie en geef elke afwijking met de ondersteunende passage terug. Een gesproken bron kan een transcript of interpretatie in tekst bijdragen. Behoud bronverwijzingen voor conclusies die controle vereisen en scheid wat zichtbaar of vermeld is van wat is afgeleid. De uitvoer van dit profiel blijft tekst, inclusief code; native beeld- of spraakgeneratie maakt geen deel uit van de exacte capaciteitentabel.
De native kaart van 3.1 Pro specificeert maximaal 1M context en 64K tekstuitvoer en de exacte Preview-API-tabel geeft 1.048.576 invoertokens en 65.536 uitvoertokens. Neem instructies, gespreksgeschiedenis en media mee in het invoerbudget. Caching en batchverwerking zijn gedocumenteerd en Flex- en Priority-opties zijn ook voor het producentprofiel vermeld. Definieer voor meerdere onafhankelijke items de vereiste uitvoer en behoud elke bronidentificatie in plaats van niet-verwant bewijs tot één ontraceerbaar antwoord te combineren.
De benoemde Preview-editie blijft onderscheiden van Pro’s Custom Tools-profiel en latere Flash- of Pro-releases. De sterke punten betreffen complex redeneren, programmeren en bewijssynthese; het eindresultaat moet nog steeds aan de bron en werkelijke hulpmiddelresultaten worden getoetst. Behoud onopgeloste dubbelzinnigheid wanneer de aangeleverde informatie geen definitieve conclusie ondersteunt. Een bruikbaar resultaat is het onderbouwde antwoord, de code of het record waar de taak om vroeg, met voldoende bewijs om de praktische grenzen ervan te beoordelen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.1-pro-preview | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.024 / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.008 / 1K tokens Uitvoer · Uitvoertokens $0.036 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.1-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview is Google’s multimodale redeneermodel voor complexe software-, algoritme- en kennistaken. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst of code terug, met tools en gestructureerde uitvoer. De redeneerniveaus low, medium en high sturen de inspanning; high is de gedocumenteerde standaard.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.1 Pro Preview is Googles redeneergerichte tekstmodel voor complexe taken die software-engineering, algoritmische ontwikkeling of synthese van multimodaal bewijs vereisen. Het bouwt voort op Gemini 3 Pro en benadrukt precies hulpmiddelgebruik, efficiënter redeneren en betrouwbare uitvoering in meerdere stappen. Tekst, beelden, audio, video en PDF kunnen bijdragen aan een geschreven antwoord, een coderesultaat of een gestructureerd resultaat.
Geef voor een veeleisende programmeeropdracht het doel, relevant repositorymateriaal, het waargenomen gedrag en de te behouden voorwaarden. Volledige coderepositories kunnen context voor de opdracht leveren. Vraag het model bij een codecontractreview te vergelijken hoe twee modules een gedeeld gegevenscontract behandelen, de afwijking te identificeren en een gerichte correctie met ondersteunende codeverwijzingen voor te stellen. De bruikbare uitvoer onderscheidt de analyse, voorgestelde revisie en het bewijs van eventuele validatie door de gekoppelde toepassing.
Het introductiemateriaal demonstreert op code gebaseerde visuele uitleg en interactieve projecten, waaronder geanimeerde SVG-uitvoer uit een tekstbriefing. Dit zijn coderesultaten, geen rasterbeeldgeneratie. Een heldere briefing kan definiëren wat moet worden uitgelegd, hoe de visualisatie zich moet gedragen en welke gegevens ze moet weergeven. Toets de resulterende code en weergave aan die eisen. Geef voor een gegevenssynthesetaak de werkelijke bronnen en vraag om één weergave die de relaties en kwalificaties daarin behoudt.
De gedocumenteerde denkniveaus zijn low, medium en high, met high als standaard voor 3.1 Pro Preview. Denken kan in dit Pro-profiel niet volledig worden uitgeschakeld. Kies lagere inspanning voor een afgebakend antwoord en meer redeneren voor moeilijk werk in meerdere stappen en laat voldoende uitvoerruimte voor het eindresultaat. Een kleine uitvoerlimiet kan het redeneren onderbreken voordat een bruikbaar eindantwoord verschijnt. De denkhandleiding onderscheidt een samenvatting van redeneren van het volledige interne proces en legt uit waarom de gedachtehandtekeningcontext van het gesprek belangrijk is.
De exacte Preview-tabel vermeldt functieaanroepen, code-uitvoering, zoekgrounding, Maps-grounding, URL-context en gestructureerde uitvoer. Ze beperkt File Search tot AI Studio. Geef functiedoelen en parameterdefinities en ga verder vanuit het werkelijk teruggegeven resultaat. Het afzonderlijke Custom Tools Preview-profiel is geoptimaliseerd om aangepaste hulpmiddelen en bash voorrang te geven; het is een afzonderlijk benoemd producentendpoint, dus die specialisatie mag niet stilzwijgend als een eigenschap van elke 3.1 Pro-aanvraag worden behandeld. Kies een gestructureerd resultaatschema wanneer een taak gedefinieerde records in plaats van onbeperkt proza vereist.
Benoem voor multimodale analyse de relevante pagina, visualisatie, opnameperiode of videogebeurtenis. Vergelijk voor documentanalyse een diagram met de schriftelijke specificatie en geef elke afwijking met de ondersteunende passage terug. Een gesproken bron kan een transcript of interpretatie in tekst bijdragen. Behoud bronverwijzingen voor conclusies die controle vereisen en scheid wat zichtbaar of vermeld is van wat is afgeleid. De uitvoer van dit profiel blijft tekst, inclusief code; native beeld- of spraakgeneratie maakt geen deel uit van de exacte capaciteitentabel.
De native kaart van 3.1 Pro specificeert maximaal 1M context en 64K tekstuitvoer en de exacte Preview-API-tabel geeft 1.048.576 invoertokens en 65.536 uitvoertokens. Neem instructies, gespreksgeschiedenis en media mee in het invoerbudget. Caching en batchverwerking zijn gedocumenteerd en Flex- en Priority-opties zijn ook voor het producentprofiel vermeld. Definieer voor meerdere onafhankelijke items de vereiste uitvoer en behoud elke bronidentificatie in plaats van niet-verwant bewijs tot één ontraceerbaar antwoord te combineren.
De benoemde Preview-editie blijft onderscheiden van Pro’s Custom Tools-profiel en latere Flash- of Pro-releases. De sterke punten betreffen complex redeneren, programmeren en bewijssynthese; het eindresultaat moet nog steeds aan de bron en werkelijke hulpmiddelresultaten worden getoetst. Behoud onopgeloste dubbelzinnigheid wanneer de aangeleverde informatie geen definitieve conclusie ondersteunt. Een bruikbaar resultaat is het onderbouwde antwoord, de code of het record waar de taak om vroeg, met voldoende bewijs om de praktische grenzen ervan te beoordelen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.1-pro-preview | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.024 / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.008 / 1K tokens Uitvoer · Uitvoertokens $0.036 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview is Google’s multimodale redeneermodel voor complexe software-, algoritme- en kennistaken. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst of code terug, met tools en gestructureerde uitvoer. De redeneerniveaus low, medium en high sturen de inspanning; high is de gedocumenteerde standaard.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.1 Pro Preview is Googles redeneergerichte tekstmodel voor complexe taken die software-engineering, algoritmische ontwikkeling of synthese van multimodaal bewijs vereisen. Het bouwt voort op Gemini 3 Pro en benadrukt precies hulpmiddelgebruik, efficiënter redeneren en betrouwbare uitvoering in meerdere stappen. Tekst, beelden, audio, video en PDF kunnen bijdragen aan een geschreven antwoord, een coderesultaat of een gestructureerd resultaat.
Geef voor een veeleisende programmeeropdracht het doel, relevant repositorymateriaal, het waargenomen gedrag en de te behouden voorwaarden. Volledige coderepositories kunnen context voor de opdracht leveren. Vraag het model bij een codecontractreview te vergelijken hoe twee modules een gedeeld gegevenscontract behandelen, de afwijking te identificeren en een gerichte correctie met ondersteunende codeverwijzingen voor te stellen. De bruikbare uitvoer onderscheidt de analyse, voorgestelde revisie en het bewijs van eventuele validatie door de gekoppelde toepassing.
Het introductiemateriaal demonstreert op code gebaseerde visuele uitleg en interactieve projecten, waaronder geanimeerde SVG-uitvoer uit een tekstbriefing. Dit zijn coderesultaten, geen rasterbeeldgeneratie. Een heldere briefing kan definiëren wat moet worden uitgelegd, hoe de visualisatie zich moet gedragen en welke gegevens ze moet weergeven. Toets de resulterende code en weergave aan die eisen. Geef voor een gegevenssynthesetaak de werkelijke bronnen en vraag om één weergave die de relaties en kwalificaties daarin behoudt.
De gedocumenteerde denkniveaus zijn low, medium en high, met high als standaard voor 3.1 Pro Preview. Denken kan in dit Pro-profiel niet volledig worden uitgeschakeld. Kies lagere inspanning voor een afgebakend antwoord en meer redeneren voor moeilijk werk in meerdere stappen en laat voldoende uitvoerruimte voor het eindresultaat. Een kleine uitvoerlimiet kan het redeneren onderbreken voordat een bruikbaar eindantwoord verschijnt. De denkhandleiding onderscheidt een samenvatting van redeneren van het volledige interne proces en legt uit waarom de gedachtehandtekeningcontext van het gesprek belangrijk is.
De exacte Preview-tabel vermeldt functieaanroepen, code-uitvoering, zoekgrounding, Maps-grounding, URL-context en gestructureerde uitvoer. Ze beperkt File Search tot AI Studio. Geef functiedoelen en parameterdefinities en ga verder vanuit het werkelijk teruggegeven resultaat. Het afzonderlijke Custom Tools Preview-profiel is geoptimaliseerd om aangepaste hulpmiddelen en bash voorrang te geven; het is een afzonderlijk benoemd producentendpoint, dus die specialisatie mag niet stilzwijgend als een eigenschap van elke 3.1 Pro-aanvraag worden behandeld. Kies een gestructureerd resultaatschema wanneer een taak gedefinieerde records in plaats van onbeperkt proza vereist.
Benoem voor multimodale analyse de relevante pagina, visualisatie, opnameperiode of videogebeurtenis. Vergelijk voor documentanalyse een diagram met de schriftelijke specificatie en geef elke afwijking met de ondersteunende passage terug. Een gesproken bron kan een transcript of interpretatie in tekst bijdragen. Behoud bronverwijzingen voor conclusies die controle vereisen en scheid wat zichtbaar of vermeld is van wat is afgeleid. De uitvoer van dit profiel blijft tekst, inclusief code; native beeld- of spraakgeneratie maakt geen deel uit van de exacte capaciteitentabel.
De native kaart van 3.1 Pro specificeert maximaal 1M context en 64K tekstuitvoer en de exacte Preview-API-tabel geeft 1.048.576 invoertokens en 65.536 uitvoertokens. Neem instructies, gespreksgeschiedenis en media mee in het invoerbudget. Caching en batchverwerking zijn gedocumenteerd en Flex- en Priority-opties zijn ook voor het producentprofiel vermeld. Definieer voor meerdere onafhankelijke items de vereiste uitvoer en behoud elke bronidentificatie in plaats van niet-verwant bewijs tot één ontraceerbaar antwoord te combineren.
De benoemde Preview-editie blijft onderscheiden van Pro’s Custom Tools-profiel en latere Flash- of Pro-releases. De sterke punten betreffen complex redeneren, programmeren en bewijssynthese; het eindresultaat moet nog steeds aan de bron en werkelijke hulpmiddelresultaten worden getoetst. Behoud onopgeloste dubbelzinnigheid wanneer de aangeleverde informatie geen definitieve conclusie ondersteunt. Een bruikbaar resultaat is het onderbouwde antwoord, de code of het record waar de taak om vroeg, met voldoende bewijs om de praktische grenzen ervan te beoordelen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-3.1-pro-preview | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.024 / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.008 / 1K tokens Uitvoer · Uitvoertokens $0.036 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-pro-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.1-pro-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.1-pro-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview is Google’s multimodale redeneermodel voor complexe software-, algoritme- en kennistaken. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst of code terug, met tools en gestructureerde uitvoer. De redeneerniveaus low, medium en high sturen de inspanning; high is de gedocumenteerde standaard.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.1 Pro Preview is Googles redeneergerichte tekstmodel voor complexe taken die software-engineering, algoritmische ontwikkeling of synthese van multimodaal bewijs vereisen. Het bouwt voort op Gemini 3 Pro en benadrukt precies hulpmiddelgebruik, efficiënter redeneren en betrouwbare uitvoering in meerdere stappen. Tekst, beelden, audio, video en PDF kunnen bijdragen aan een geschreven antwoord, een coderesultaat of een gestructureerd resultaat.
Geef voor een veeleisende programmeeropdracht het doel, relevant repositorymateriaal, het waargenomen gedrag en de te behouden voorwaarden. Volledige coderepositories kunnen context voor de opdracht leveren. Vraag het model bij een codecontractreview te vergelijken hoe twee modules een gedeeld gegevenscontract behandelen, de afwijking te identificeren en een gerichte correctie met ondersteunende codeverwijzingen voor te stellen. De bruikbare uitvoer onderscheidt de analyse, voorgestelde revisie en het bewijs van eventuele validatie door de gekoppelde toepassing.
Het introductiemateriaal demonstreert op code gebaseerde visuele uitleg en interactieve projecten, waaronder geanimeerde SVG-uitvoer uit een tekstbriefing. Dit zijn coderesultaten, geen rasterbeeldgeneratie. Een heldere briefing kan definiëren wat moet worden uitgelegd, hoe de visualisatie zich moet gedragen en welke gegevens ze moet weergeven. Toets de resulterende code en weergave aan die eisen. Geef voor een gegevenssynthesetaak de werkelijke bronnen en vraag om één weergave die de relaties en kwalificaties daarin behoudt.
De gedocumenteerde denkniveaus zijn low, medium en high, met high als standaard voor 3.1 Pro Preview. Denken kan in dit Pro-profiel niet volledig worden uitgeschakeld. Kies lagere inspanning voor een afgebakend antwoord en meer redeneren voor moeilijk werk in meerdere stappen en laat voldoende uitvoerruimte voor het eindresultaat. Een kleine uitvoerlimiet kan het redeneren onderbreken voordat een bruikbaar eindantwoord verschijnt. De denkhandleiding onderscheidt een samenvatting van redeneren van het volledige interne proces en legt uit waarom de gedachtehandtekeningcontext van het gesprek belangrijk is.
De exacte Preview-tabel vermeldt functieaanroepen, code-uitvoering, zoekgrounding, Maps-grounding, URL-context en gestructureerde uitvoer. Ze beperkt File Search tot AI Studio. Geef functiedoelen en parameterdefinities en ga verder vanuit het werkelijk teruggegeven resultaat. Het afzonderlijke Custom Tools Preview-profiel is geoptimaliseerd om aangepaste hulpmiddelen en bash voorrang te geven; het is een afzonderlijk benoemd producentendpoint, dus die specialisatie mag niet stilzwijgend als een eigenschap van elke 3.1 Pro-aanvraag worden behandeld. Kies een gestructureerd resultaatschema wanneer een taak gedefinieerde records in plaats van onbeperkt proza vereist.
Benoem voor multimodale analyse de relevante pagina, visualisatie, opnameperiode of videogebeurtenis. Vergelijk voor documentanalyse een diagram met de schriftelijke specificatie en geef elke afwijking met de ondersteunende passage terug. Een gesproken bron kan een transcript of interpretatie in tekst bijdragen. Behoud bronverwijzingen voor conclusies die controle vereisen en scheid wat zichtbaar of vermeld is van wat is afgeleid. De uitvoer van dit profiel blijft tekst, inclusief code; native beeld- of spraakgeneratie maakt geen deel uit van de exacte capaciteitentabel.
De native kaart van 3.1 Pro specificeert maximaal 1M context en 64K tekstuitvoer en de exacte Preview-API-tabel geeft 1.048.576 invoertokens en 65.536 uitvoertokens. Neem instructies, gespreksgeschiedenis en media mee in het invoerbudget. Caching en batchverwerking zijn gedocumenteerd en Flex- en Priority-opties zijn ook voor het producentprofiel vermeld. Definieer voor meerdere onafhankelijke items de vereiste uitvoer en behoud elke bronidentificatie in plaats van niet-verwant bewijs tot één ontraceerbaar antwoord te combineren.
De benoemde Preview-editie blijft onderscheiden van Pro’s Custom Tools-profiel en latere Flash- of Pro-releases. De sterke punten betreffen complex redeneren, programmeren en bewijssynthese; het eindresultaat moet nog steeds aan de bron en werkelijke hulpmiddelresultaten worden getoetst. Behoud onopgeloste dubbelzinnigheid wanneer de aangeleverde informatie geen definitieve conclusie ondersteunt. Een bruikbaar resultaat is het onderbouwde antwoord, de code of het record waar de taak om vroeg, met voldoende bewijs om de praktische grenzen ervan te beoordelen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-3.1-pro-preview | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.024 / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.008 / 1K tokens Uitvoer · Uitvoertokens $0.036 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "google/gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
Technisch voorbeeld in het Engels
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.