Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
", "aboutText": "Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.\n\nGeef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.\n\nGebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.\n\nDe gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.\n\nDe migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.\n\nBenoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.\n\nDe Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.\n\nMogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.gemini-3.8-flashGemini 3.8 Flash is Googles veelzijdige multimodale model voor langdurig software-engineeringwerk, agenten en complexe kennistaken. Het accepteert tekst, beelden, audio, video en PDF, geeft tekst terug en biedt low, medium of high redeneren met hulpmiddelen en gestructureerde uitvoer. De gedocumenteerde invoer- en uitvoerlimieten zijn 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.8-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring|content_block[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldsystem | Typestring|content_block[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten Minimum: 1 Limiet geldt voor: exacte bovengrens van het gekozen model/de gekozen modelkaart | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldstop_sequences | Typestring[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtools | Typetool[] | VereisteOptioneel | Waarden en limieten Model-specific | 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 Model-specific | Standaard— |
Veldthinking.type | Typestring | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldthinking.budget_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldoutput_config.effort | Typestring | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldmetadata | Typeobject | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldcache_control | Typeobject | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Tekst · UTF8-tekst
messages[].content of een blok met type=text
Tekst + afbeelding
{type:image,source:{type:base64,media_type,data}} of bron met type=url
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext, image |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Parametertext_file_material | Contractwerkelijke UTF-8-inhoud ingevoegd als tekst; bestands-ID’s/URLs vereisen afzonderlijke exacte ondersteuning |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1/messagesAiloot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.8-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.8-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.8-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.8-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-3.8-flash',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash is Googles veelzijdige multimodale model voor langdurig software-engineeringwerk, agenten en complexe kennistaken. Het accepteert tekst, beelden, audio, video en PDF, geeft tekst terug en biedt low, medium of high redeneren met hulpmiddelen en gestructureerde uitvoer. De gedocumenteerde invoer- en uitvoerlimieten zijn 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-3.8-flash | Standaard— |
Veldcontents | Typecontent[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldcontents[].role | Typestring | VereisteOptioneel | Waarden en limieten user, model | Standaard— |
Veldcontents[].parts | Typepart[] | VereisteVereist | Waarden en limieten | Standaard— |
VeldsystemInstruction | Typecontent | VereisteOptioneel | Waarden en limieten | Standaard— |
VeldgenerationConfig.maxOutputTokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Model-specific | Standaard— |
VeldgenerationConfig.temperature | Typenumber | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
VeldgenerationConfig.topP | Typenumber | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
VeldgenerationConfig.topK | Typeinteger | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
VeldgenerationConfig.stopSequences | Typestring[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
VeldgenerationConfig.thinkingConfig.includeThoughts | Typeboolean | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
VeldgenerationConfig.thinkingConfig.thinkingBudget | Typeinteger | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtools[].functionDeclarations | Typefunction_declaration[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
VeldtoolConfig.functionCallingConfig.mode | Typestring | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
VeldsafetySettings | Typeobject[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
VeldsessionId | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Tekst · UTF8-tekst
contents[].parts[].text
Tekst + afbeelding
parts[].inlineData={mimeType,data}
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext, image |
Parameterrequired | Contractcontents |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Parametertext_file_material | Contractwerkelijke UTF-8-inhoud ingevoegd als tekst; bestands-ID’s/URLs vereisen afzonderlijke exacte ondersteuning |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1beta/models/{model}:generateContentAiloot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.8-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.8-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.8-flash", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.8-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.8-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson of ondersteunde streaming
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle kandidaten en onderdelen, inclusief functieaanroepen, handtekeningen van redeneringen en verbruiksgegevens; voeg streamingfragmenten in de juiste volgorde samen.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
VeldresponseId | Typestring |
VeldmodelVersion | Typestring |
Veldcandidates[].content.parts[] | Typetext|inlineData|functionCall|other part |
Veldcandidates[].finishReason | Typestring |
VeldusageMetadata | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash is Googles veelzijdige multimodale model voor langdurig software-engineeringwerk, agenten en complexe kennistaken. Het accepteert tekst, beelden, audio, video en PDF, geeft tekst terug en biedt low, medium of high redeneren met hulpmiddelen en gestructureerde uitvoer. De gedocumenteerde invoer- en uitvoerlimieten zijn 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.8-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Model-specific | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.8-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.8-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash is Googles veelzijdige multimodale model voor langdurig software-engineeringwerk, agenten en complexe kennistaken. Het accepteert tekst, beelden, audio, video en PDF, geeft tekst terug en biedt low, medium of high redeneren met hulpmiddelen en gestructureerde uitvoer. De gedocumenteerde invoer- en uitvoerlimieten zijn 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.8-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.8-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.8-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash is Googles veelzijdige multimodale model voor langdurig software-engineeringwerk, agenten en complexe kennistaken. Het accepteert tekst, beelden, audio, video en PDF, geeft tekst terug en biedt low, medium of high redeneren met hulpmiddelen en gestructureerde uitvoer. De gedocumenteerde invoer- en uitvoerlimieten zijn 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-3.8-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Model-specific | 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 Model-specific | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Model-specific | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Model-specific | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Model-specific | 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 Model-specific | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.8-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.8-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.8-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash is Googles veelzijdige multimodale model voor langdurig software-engineeringwerk, agenten en complexe kennistaken. Het accepteert tekst, beelden, audio, video en PDF, geeft tekst terug en biedt low, medium of high redeneren met hulpmiddelen en gestructureerde uitvoer. De gedocumenteerde invoer- en uitvoerlimieten zijn 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-3.8-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "google/gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.8-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.8-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash is Googles veelzijdige multimodale model voor langdurig software-engineeringwerk, agenten en complexe kennistaken. Het accepteert tekst, beelden, audio, video en PDF, geeft tekst terug en biedt low, medium of high redeneren met hulpmiddelen en gestructureerde uitvoer. De gedocumenteerde invoer- en uitvoerlimieten zijn 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten ~google/gemini-flash-latest | 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: These roles are explicitly represented by Source compatibility types; the exact model role set remains model-specific. Model-specific | 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; use actual returned ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Round-trip actual returned reasoning where this model uses it | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Model-specific | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Model-specific | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Model-specific | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: function tool supplied | 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 Model-specific | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Model-specific | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options is rejected on this Ultra text route | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h is rejected in actual prompt-cache locations | Standaard— |
Tekst · UTF8 text
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractmessage array with role/content shape |
Parameterfile_material | Contractactual UTF-8 document inserted as literal text; no file ID inferred |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodel-specific; user function tools differ from hosted tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Send exact model ID with messages.
Context length is not an output cap.
A text file may supply literal text; image/audio/file-object inputs need exact binding.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~google/gemini-flash-latest", "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-flash-latest',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-flash-latest',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 or SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | VoorwaardeInvalid required fields, material representation or parameter value | Volgende stapCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash is Googles veelzijdige multimodale model voor langdurig software-engineeringwerk, agenten en complexe kennistaken. Het accepteert tekst, beelden, audio, video en PDF, geeft tekst terug en biedt low, medium of high redeneren met hulpmiddelen en gestructureerde uitvoer. De gedocumenteerde invoer- en uitvoerlimieten zijn 1.048.576/65.536 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.8 Flash is Googles model met tekstuitvoer voor langdurig software-engineeringwerk, agenten met meerdere stappen en complexe kenniswerkstromen. Het bouwt voort op Gemini 3.7 Flash met verbeteringen in software-engineering en kenniswerk door agenten. Het accepteert tekst, beelden, audio, video en PDF, zodat een taak een geschreven doel kan combineren met het werkelijke materiaal dat nodig is om het op te lossen. Het bruikbare resultaat is een codewijziging, een toegelichte analyse, een geschreven antwoord of een gestructureerd record.
Geef voor een programmeeropdracht de eis, relevante bestanden, het waargenomen gedrag en de te behouden voorwaarden. Een schermafbeelding kan de bedoelde interface vastleggen, terwijl logboeken of een reproducerend voorbeeld de fout tonen. Vraag het model bij een foutopsporingstaak een verschil tussen de zichtbare toestand van een formulier en de opgeslagen waarde te volgen, het verantwoordelijke codepad te identificeren en een gerichte correctie voor te stellen. Houd het beoogde eindresultaat helder zodat een langere reeks onderzoeken en hulpmiddelaanroepen toch een specifieke voltooiingsvoorwaarde heeft.
Gebruik voor langer durend werk kleinere redeneerstappen, herhaalde hulpmiddelaanroepen en controles van tussenresultaten. De denkniveaus low, medium en high regelen de hoeveelheid redeneren; medium is de gedocumenteerde standaard. low past bij een snel concept of een afgebakende analyse, terwijl high bedoeld is voor moeilijke wiskunde, programmeren of taken met meerdere stappen. Gemini 3.8 Flash ondersteunt het denkniveau minimal niet. Langdurige foutopsporing en eenvoudige veldextractie vereisen daarom verschillende redeneerkeuzes in plaats van dezelfde instelling voor elke aanvraag.
De gedocumenteerde hulpmiddelen omvatten functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Google Maps-grounding en URL-context, met Computer Use als previewmogelijkheid. Gestructureerde uitvoer definieert een machineleesbaar resultaat. Functies moeten een duidelijk doel en gedefinieerde parameters hebben: het model kan om een functie vragen, terwijl de gekoppelde toepassing de bewerking uitvoert en het resultaat teruggeeft. Behoud functie-identiteiten en het werkelijk teruggegeven materiaal over meerdere beurten. Een bruikbaar eindantwoord legt uit welk bewijs de voorgestelde correctie of geëxtraheerde waarde ondersteunt.
De migratiehandleiding voor 3.8 gebruikt instellingen voor het denkniveau in plaats van oudere configuratie van het redeneerbudget en raadt aan verouderde samplingparameters en vooraf ingevulde modelbeurten te verwijderen. Ze vereist ook dat gedachtehandtekeningen in de betreffende stateloze werkstroom behouden blijven en dat functieantwoorden op identiteit en naam aan hun aanroepen worden gekoppeld. Deze details zijn belangrijk wanneer een taak met meerdere stappen wordt voortgezet: de volgende beurt heeft de werkelijke eerdere context nodig, geen herschreven beschrijving die het hulpmiddelresultaat of de handtekening verliest. Houd de vraag en gevraagde uitvoer expliciet in de nieuwe user-beurt.
Benoem voor multimodaal kenniswerk de relevante documentpagina’s, grafiek, audio-interval of videogebeurtenis en geef aan hoe die aan het antwoord moet bijdragen. Een documentvergelijking kan vragen om een tabel met verschillen en bronpassages; een grafiekvraag kan vragen naar de zichtbare waarden en de conclusie die ze ondersteunen. Een videoanalyse kan vragen om een beschrijving van gebeurtenissen die een bevinding rechtvaardigen. Het model geeft tekst terug uit deze invoer. Gegenereerde beelden, spraak en Live-audio-interactie behoren tot afzonderlijke modelprofielen.
De Gemini API-limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, overeenkomend met maximaal 1M context en 64K tekstuitvoer van het native model. Instructies, gespreksgeschiedenis en aangeleverde media gebruiken invoercontext; redeneren of een lang eindresultaat moet binnen de gedocumenteerde uitvoerruimte passen. Google vermeldt ook caching, batchverwerking en Flex- en Priority-verwerking voor dit producentprofiel. Behoud bij onafhankelijke items een stabiele itemidentificatie en een expliciet uitvoerformaat zodat elk resultaat met zijn bron verbonden blijft.
Mogelijke beperkingen omvatten hallucinaties, incidentele traagheid of time-outs en hoger tokengebruik bij meer inspanning. De kennisgrens is maart 2026, met sommige domeinen nog beperkt tot januari 2025. Lever actueel bewijs aan of gebruik de gedocumenteerde groundinghulpmiddelen wanneer de taak van latere informatie afhangt. Toets bronverwijzingen, berekeningen en voorgestelde code aan de werkelijke invoer en uitvoeringsresultaten. Het bruikbare eindresultaat moet een onderbouwde bevinding onderscheiden van een open vraag zonder aan te nemen dat een vloeiend antwoord het gevraagde resultaat bewijst.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten ~google/gemini-flash-latest | 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 text
messages[].content string
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractRead the actual UTF-8 document and put its text in the indicated input or message content string. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.003 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "~google/gemini-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash-latest', '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-flash-latest', '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 or SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | VoorwaardeInvalid required fields, material representation or parameter value | Volgende stapCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
Technisch voorbeeld in het Engels
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.