Gemini 3 Pro Preview is het door Google benoemde previewprofiel van Gemini 3 Pro voor multimodaal redeneren en tekstgeneratie. Het kan werken met tekst, afbeeldingen, audio, video en PDF-documenten en een geschreven resultaat teruggeven. De beoogde toepassingen omvatten complexe analyse, geavanceerd programmeren, algoritmeontwikkeling en taken die een omvangrijke verzameling bronnen combineren met een specifieke vraag.
Gemini 3 Pro is een op transformers gebaseerd sparse mixture-of-experts-model met ingebouwde ondersteuning voor multimodale invoer. De architectuur leidt elk token door een geselecteerde deelverzameling van experts. Dit is een onderscheid in het modelontwerp, geen gebruikersinstelling om een bepaalde expert te selecteren of een uitvoeringsconfiguratie vast te leggen.
Bereid de invoer voor op basis van de informatiebehoefte van de taak. Een document, schermafbeelding en audio-opname kunnen elk ander bewijs leveren. Geef aan wat elk bestand bevat en hoe het aan het antwoord moet bijdragen. De uitvoer blijft tekst; begrip van visueel of gesproken materiaal maakt deze preview geen generator van afbeeldingen, spraak of video.
Gebruik afbeeldingen voor vragen over zichtbare inhoud, audio voor gesproken of akoestische informatie en video voor een reeks waarvan veranderingen in de tijd belangrijk zijn. Voeg het daadwerkelijke bestand bij de vraag in plaats van het alleen uit het geheugen te beschrijven. Geef bij vergelijking van meerdere bestanden duidelijke labels, zodat het antwoord naar de juiste bron kan verwijzen.
Een opdracht voor productanalyse kan bijvoorbeeld een schriftelijke specificatie, een schermafbeelding van de interface en een opgenomen demonstratie combineren. Vraag om een vergelijking die onderscheid maakt tussen wat de specificatie belooft en wat zichtbaar of hoorbaar is in het aangeleverde materiaal. Definieer het gewenste resultaat als bevindingen, ondersteunende waarnemingen en open vragen.
Lever bij een PDF-taak het document aan en vermeld de secties of beweringen die moeten worden onderzocht. Een nuttige vraag vraagt om een vergelijking, extractie of uitleg die aan de bron is gekoppeld, in plaats van alleen een algemene samenvatting van een groot bestand.
De exacte previewspecificatie vermeldt een invoerlimiet van 1.048.576 tokens en een uitvoerlimiet van 65.536 tokens. De maker geeft januari 2025 als kennisgrens; lever recenter bewijs aan wanneer de vraag afhangt van latere gebeurtenissen of informatie. Dit zijn verschillende budgetten. Een grote verzameling bronnen kan worden gelezen voor een gericht antwoord zonder dat het model elk deel van de invoer moet reproduceren.
Orden lang materiaal zodat de structuur duidelijk is: documenttitels, sectiegrenzen, codepaden en de vraag die de uitvoer moet beantwoorden. Houd relevante uitzonderingen en definities dicht bij de inhoud waarop ze betrekking hebben. Als een taak een lang rapport vereist, vermeld dan de rapportsecties en het bewijs dat in elke sectie wordt verwacht.
Een groot contextvenster garandeert niet dat elk detail evenveel aandacht krijgt of dat elke conclusie correct is. Google wijst ook op mogelijke achteruitgang in gesprekken met meerdere beurten; controleer belangrijke bronfeiten en hergebruikte context naarmate een gesprek vordert. Toets het antwoord aan de specifieke passages of bestanden die de belangrijke beweringen ondersteunen.
De beoogde toepassingen van de producent omvatten geavanceerd programmeren en algoritmisch werk. Lever de relevante broncode, aannames over de omgeving, de waargenomen fout en het verwachte gedrag aan. Definieer bij een algoritmetaak de invoer, gewenste uitvoer en voorwaarden zoals volgorde, duplicaten of ongeldige gegevens.
Een bruikbare foutopsporingsopdracht combineert de falende invoer en foutmelding met het kleinste relevante deel van de broncode. Vraag om een diagnose en een gerichte wijziging en controleer vervolgens of de voorgestelde wijziging het gemelde gedrag aanpakt. Gegenereerde code en de bewering dat die zou moeten werken verschillen van een implementatie die is uitgevoerd en geverifieerd.
Gebruik bij een vraag over een grotere repository het invoerbudget om de benodigde bestanden met duidelijke padlabels aan te leveren. Geef aan of het gewenste resultaat een uitleg, voorgestelde patch of analyse van alternatieven is, zodat het een concreet doel heeft.
De specificatie van de producent voor de preview ondersteunt functieaanroepen, code-uitvoering, zoeken in bestanden, onderbouwing via zoeken en URL-context. Deze functies hebben verschillende rollen. Een functieaanroep beschrijft een bewerking die een toepassing uitvoert; een hulpmiddelresultaat levert vervolgens bewijs voor de volgende modelstap. Code-uitvoering is een werkwijze met hulpmiddelen, geen garantie dat willekeurige gegenereerde toepassingscode al is getest.
Onderbouwing via zoeken en URL-context bieden brongerichte werkwijzen, terwijl zoeken in bestanden werkt met een voorbereide bestandsverzameling. Bewaar hulpmiddelresultaten en hun bronrelaties bij het antwoord, zodat een conclusie kan worden onderzocht. Volgens de specificatie ondersteunt het profiel geen computerbediening of onderbouwing via Maps.
Ondersteuning voor gestructureerde uitvoer kan een resultaat in een gedefinieerd schema uitdrukken. Specificeer vóór generatie de velden en hun betekenis en controleer zowel de inhoud als het formaat. Een geldig gestructureerd object vereist nog steeds feitelijke en taakspecifieke controle.
Deze preview ondersteunt denken. Gebruik een duidelijke taak, relevant bewijs en expliciete beperkingen voor werk dat meerdere redeneerstappen vereist. Het resultaat moet aannames en de nuttige conclusie toelichten; verborgen redeneringen of het bestaan van een denkmodus vormen op zichzelf geen verificatie.
De producent vermeldt ook ondersteuning voor caching en batchverwerking. Dit zijn verwerkingsfuncties die losstaan van de inhoudelijke mogelijkheden van het model; hun aanwezigheid bewijst niet dat een bepaald verzoek uit de cache kwam of dat een batchresultaat correct is.
Houd Gemini 3 Pro Preview gescheiden van Gemini 3.1 Pro Preview, Gemini 3 Pro Image en de audio- of Live-profielen. De uitvoer van deze preview is tekst en de specificatie omvat geen beeldgeneratie, audiogeneratie of Live-werking. Beoordeel het teruggegeven antwoord, de code of het gestructureerde resultaat aan de hand van de aangeleverde bronnen en de beoogde taak.
", "aboutText": "Gemini 3 Pro Preview is het door Google benoemde previewprofiel van Gemini 3 Pro voor multimodaal redeneren en tekstgeneratie. Het kan werken met tekst, afbeeldingen, audio, video en PDF-documenten en een geschreven resultaat teruggeven. De beoogde toepassingen omvatten complexe analyse, geavanceerd programmeren, algoritmeontwikkeling en taken die een omvangrijke verzameling bronnen combineren met een specifieke vraag.\n\n### Model en invoerstructuur\n\nGemini 3 Pro is een op transformers gebaseerd sparse mixture-of-experts-model met ingebouwde ondersteuning voor multimodale invoer. De architectuur leidt elk token door een geselecteerde deelverzameling van experts. Dit is een onderscheid in het modelontwerp, geen gebruikersinstelling om een bepaalde expert te selecteren of een uitvoeringsconfiguratie vast te leggen.\n\nBereid de invoer voor op basis van de informatiebehoefte van de taak. Een document, schermafbeelding en audio-opname kunnen elk ander bewijs leveren. Geef aan wat elk bestand bevat en hoe het aan het antwoord moet bijdragen. De uitvoer blijft tekst; begrip van visueel of gesproken materiaal maakt deze preview geen generator van afbeeldingen, spraak of video.\n\n### Multimodale analyse\n\nGebruik afbeeldingen voor vragen over zichtbare inhoud, audio voor gesproken of akoestische informatie en video voor een reeks waarvan veranderingen in de tijd belangrijk zijn. Voeg het daadwerkelijke bestand bij de vraag in plaats van het alleen uit het geheugen te beschrijven. Geef bij vergelijking van meerdere bestanden duidelijke labels, zodat het antwoord naar de juiste bron kan verwijzen.\n\nEen opdracht voor productanalyse kan bijvoorbeeld een schriftelijke specificatie, een schermafbeelding van de interface en een opgenomen demonstratie combineren. Vraag om een vergelijking die onderscheid maakt tussen wat de specificatie belooft en wat zichtbaar of hoorbaar is in het aangeleverde materiaal. Definieer het gewenste resultaat als bevindingen, ondersteunende waarnemingen en open vragen.\n\nLever bij een PDF-taak het document aan en vermeld de secties of beweringen die moeten worden onderzocht. Een nuttige vraag vraagt om een vergelijking, extractie of uitleg die aan de bron is gekoppeld, in plaats van alleen een algemene samenvatting van een groot bestand.\n\n### Lange context en uitvoerbudget\n\nDe exacte previewspecificatie vermeldt een invoerlimiet van 1.048.576 tokens en een uitvoerlimiet van 65.536 tokens. De maker geeft januari 2025 als kennisgrens; lever recenter bewijs aan wanneer de vraag afhangt van latere gebeurtenissen of informatie. Dit zijn verschillende budgetten. Een grote verzameling bronnen kan worden gelezen voor een gericht antwoord zonder dat het model elk deel van de invoer moet reproduceren.\n\nOrden lang materiaal zodat de structuur duidelijk is: documenttitels, sectiegrenzen, codepaden en de vraag die de uitvoer moet beantwoorden. Houd relevante uitzonderingen en definities dicht bij de inhoud waarop ze betrekking hebben. Als een taak een lang rapport vereist, vermeld dan de rapportsecties en het bewijs dat in elke sectie wordt verwacht.\n\nEen groot contextvenster garandeert niet dat elk detail evenveel aandacht krijgt of dat elke conclusie correct is. Google wijst ook op mogelijke achteruitgang in gesprekken met meerdere beurten; controleer belangrijke bronfeiten en hergebruikte context naarmate een gesprek vordert. Toets het antwoord aan de specifieke passages of bestanden die de belangrijke beweringen ondersteunen.\n\n### Programmeren en algoritmeontwikkeling\n\nDe beoogde toepassingen van de producent omvatten geavanceerd programmeren en algoritmisch werk. Lever de relevante broncode, aannames over de omgeving, de waargenomen fout en het verwachte gedrag aan. Definieer bij een algoritmetaak de invoer, gewenste uitvoer en voorwaarden zoals volgorde, duplicaten of ongeldige gegevens.\n\nEen bruikbare foutopsporingsopdracht combineert de falende invoer en foutmelding met het kleinste relevante deel van de broncode. Vraag om een diagnose en een gerichte wijziging en controleer vervolgens of de voorgestelde wijziging het gemelde gedrag aanpakt. Gegenereerde code en de bewering dat die zou moeten werken verschillen van een implementatie die is uitgevoerd en geverifieerd.\n\nGebruik bij een vraag over een grotere repository het invoerbudget om de benodigde bestanden met duidelijke padlabels aan te leveren. Geef aan of het gewenste resultaat een uitleg, voorgestelde patch of analyse van alternatieven is, zodat het een concreet doel heeft.\n\n### Hulpmiddelen, bronnen en gestructureerde resultaten\n\nDe specificatie van de producent voor de preview ondersteunt functieaanroepen, code-uitvoering, zoeken in bestanden, onderbouwing via zoeken en URL-context. Deze functies hebben verschillende rollen. Een functieaanroep beschrijft een bewerking die een toepassing uitvoert; een hulpmiddelresultaat levert vervolgens bewijs voor de volgende modelstap. Code-uitvoering is een werkwijze met hulpmiddelen, geen garantie dat willekeurige gegenereerde toepassingscode al is getest.\n\nOnderbouwing via zoeken en URL-context bieden brongerichte werkwijzen, terwijl zoeken in bestanden werkt met een voorbereide bestandsverzameling. Bewaar hulpmiddelresultaten en hun bronrelaties bij het antwoord, zodat een conclusie kan worden onderzocht. Volgens de specificatie ondersteunt het profiel geen computerbediening of onderbouwing via Maps.\n\nOndersteuning voor gestructureerde uitvoer kan een resultaat in een gedefinieerd schema uitdrukken. Specificeer vóór generatie de velden en hun betekenis en controleer zowel de inhoud als het formaat. Een geldig gestructureerd object vereist nog steeds feitelijke en taakspecifieke controle.\n\n### Redeneren, hergebruik en grenzen tussen edities\n\nDeze preview ondersteunt denken. Gebruik een duidelijke taak, relevant bewijs en expliciete beperkingen voor werk dat meerdere redeneerstappen vereist. Het resultaat moet aannames en de nuttige conclusie toelichten; verborgen redeneringen of het bestaan van een denkmodus vormen op zichzelf geen verificatie.\n\nDe producent vermeldt ook ondersteuning voor caching en batchverwerking. Dit zijn verwerkingsfuncties die losstaan van de inhoudelijke mogelijkheden van het model; hun aanwezigheid bewijst niet dat een bepaald verzoek uit de cache kwam of dat een batchresultaat correct is.\n\nHoud Gemini 3 Pro Preview gescheiden van Gemini 3.1 Pro Preview, Gemini 3 Pro Image en de audio- of Live-profielen. De uitvoer van deze preview is tekst en de specificatie omvat geen beeldgeneratie, audiogeneratie of Live-werking. Beoordeel het teruggegeven antwoord, de code of het gestructureerde resultaat aan de hand van de aangeleverde bronnen en de beoogde taak.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2692267ee5c0071eae97fdb896dbbd7b7bbaad8e96d9ed2cc646ec864739c9f8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "gemini-3-pro-previewGemini 3 Pro Preview is het multimodale redeneermodel van Google voor tekst, afbeeldingen, audio, video en PDF's, met tekst als uitvoer. Het ruime invoerbudget, de programmeermogelijkheden en de ondersteunde werkwijzen met hulpmiddelen zijn geschikt voor gedetailleerde analyse, documentvergelijking en taakuitvoering op basis van bewijs.
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 Pro Preview is het door Google benoemde previewprofiel van Gemini 3 Pro voor multimodaal redeneren en tekstgeneratie. Het kan werken met tekst, afbeeldingen, audio, video en PDF-documenten en een geschreven resultaat teruggeven. De beoogde toepassingen omvatten complexe analyse, geavanceerd programmeren, algoritmeontwikkeling en taken die een omvangrijke verzameling bronnen combineren met een specifieke vraag.
Gemini 3 Pro is een op transformers gebaseerd sparse mixture-of-experts-model met ingebouwde ondersteuning voor multimodale invoer. De architectuur leidt elk token door een geselecteerde deelverzameling van experts. Dit is een onderscheid in het modelontwerp, geen gebruikersinstelling om een bepaalde expert te selecteren of een uitvoeringsconfiguratie vast te leggen.
Bereid de invoer voor op basis van de informatiebehoefte van de taak. Een document, schermafbeelding en audio-opname kunnen elk ander bewijs leveren. Geef aan wat elk bestand bevat en hoe het aan het antwoord moet bijdragen. De uitvoer blijft tekst; begrip van visueel of gesproken materiaal maakt deze preview geen generator van afbeeldingen, spraak of video.
Gebruik afbeeldingen voor vragen over zichtbare inhoud, audio voor gesproken of akoestische informatie en video voor een reeks waarvan veranderingen in de tijd belangrijk zijn. Voeg het daadwerkelijke bestand bij de vraag in plaats van het alleen uit het geheugen te beschrijven. Geef bij vergelijking van meerdere bestanden duidelijke labels, zodat het antwoord naar de juiste bron kan verwijzen.
Een opdracht voor productanalyse kan bijvoorbeeld een schriftelijke specificatie, een schermafbeelding van de interface en een opgenomen demonstratie combineren. Vraag om een vergelijking die onderscheid maakt tussen wat de specificatie belooft en wat zichtbaar of hoorbaar is in het aangeleverde materiaal. Definieer het gewenste resultaat als bevindingen, ondersteunende waarnemingen en open vragen.
Lever bij een PDF-taak het document aan en vermeld de secties of beweringen die moeten worden onderzocht. Een nuttige vraag vraagt om een vergelijking, extractie of uitleg die aan de bron is gekoppeld, in plaats van alleen een algemene samenvatting van een groot bestand.
De exacte previewspecificatie vermeldt een invoerlimiet van 1.048.576 tokens en een uitvoerlimiet van 65.536 tokens. De maker geeft januari 2025 als kennisgrens; lever recenter bewijs aan wanneer de vraag afhangt van latere gebeurtenissen of informatie. Dit zijn verschillende budgetten. Een grote verzameling bronnen kan worden gelezen voor een gericht antwoord zonder dat het model elk deel van de invoer moet reproduceren.
Orden lang materiaal zodat de structuur duidelijk is: documenttitels, sectiegrenzen, codepaden en de vraag die de uitvoer moet beantwoorden. Houd relevante uitzonderingen en definities dicht bij de inhoud waarop ze betrekking hebben. Als een taak een lang rapport vereist, vermeld dan de rapportsecties en het bewijs dat in elke sectie wordt verwacht.
Een groot contextvenster garandeert niet dat elk detail evenveel aandacht krijgt of dat elke conclusie correct is. Google wijst ook op mogelijke achteruitgang in gesprekken met meerdere beurten; controleer belangrijke bronfeiten en hergebruikte context naarmate een gesprek vordert. Toets het antwoord aan de specifieke passages of bestanden die de belangrijke beweringen ondersteunen.
De beoogde toepassingen van de producent omvatten geavanceerd programmeren en algoritmisch werk. Lever de relevante broncode, aannames over de omgeving, de waargenomen fout en het verwachte gedrag aan. Definieer bij een algoritmetaak de invoer, gewenste uitvoer en voorwaarden zoals volgorde, duplicaten of ongeldige gegevens.
Een bruikbare foutopsporingsopdracht combineert de falende invoer en foutmelding met het kleinste relevante deel van de broncode. Vraag om een diagnose en een gerichte wijziging en controleer vervolgens of de voorgestelde wijziging het gemelde gedrag aanpakt. Gegenereerde code en de bewering dat die zou moeten werken verschillen van een implementatie die is uitgevoerd en geverifieerd.
Gebruik bij een vraag over een grotere repository het invoerbudget om de benodigde bestanden met duidelijke padlabels aan te leveren. Geef aan of het gewenste resultaat een uitleg, voorgestelde patch of analyse van alternatieven is, zodat het een concreet doel heeft.
De specificatie van de producent voor de preview ondersteunt functieaanroepen, code-uitvoering, zoeken in bestanden, onderbouwing via zoeken en URL-context. Deze functies hebben verschillende rollen. Een functieaanroep beschrijft een bewerking die een toepassing uitvoert; een hulpmiddelresultaat levert vervolgens bewijs voor de volgende modelstap. Code-uitvoering is een werkwijze met hulpmiddelen, geen garantie dat willekeurige gegenereerde toepassingscode al is getest.
Onderbouwing via zoeken en URL-context bieden brongerichte werkwijzen, terwijl zoeken in bestanden werkt met een voorbereide bestandsverzameling. Bewaar hulpmiddelresultaten en hun bronrelaties bij het antwoord, zodat een conclusie kan worden onderzocht. Volgens de specificatie ondersteunt het profiel geen computerbediening of onderbouwing via Maps.
Ondersteuning voor gestructureerde uitvoer kan een resultaat in een gedefinieerd schema uitdrukken. Specificeer vóór generatie de velden en hun betekenis en controleer zowel de inhoud als het formaat. Een geldig gestructureerd object vereist nog steeds feitelijke en taakspecifieke controle.
Deze preview ondersteunt denken. Gebruik een duidelijke taak, relevant bewijs en expliciete beperkingen voor werk dat meerdere redeneerstappen vereist. Het resultaat moet aannames en de nuttige conclusie toelichten; verborgen redeneringen of het bestaan van een denkmodus vormen op zichzelf geen verificatie.
De producent vermeldt ook ondersteuning voor caching en batchverwerking. Dit zijn verwerkingsfuncties die losstaan van de inhoudelijke mogelijkheden van het model; hun aanwezigheid bewijst niet dat een bepaald verzoek uit de cache kwam of dat een batchresultaat correct is.
Houd Gemini 3 Pro Preview gescheiden van Gemini 3.1 Pro Preview, Gemini 3 Pro Image en de audio- of Live-profielen. De uitvoer van deze preview is tekst en de specificatie omvat geen beeldgeneratie, audiogeneratie of Live-werking. Beoordeel het teruggegeven antwoord, de code of het gestructureerde resultaat aan de hand van de aangeleverde bronnen en de beoogde taak.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3-pro-preview | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions
gemini-3-pro-previewGemini 3 Pro Preview is het multimodale redeneermodel van Google voor tekst, afbeeldingen, audio, video en PDF's, met tekst als uitvoer. Het ruime invoerbudget, de programmeermogelijkheden en de ondersteunde werkwijzen met hulpmiddelen zijn geschikt voor gedetailleerde analyse, documentvergelijking en taakuitvoering op basis van bewijs.
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 Pro Preview is het door Google benoemde previewprofiel van Gemini 3 Pro voor multimodaal redeneren en tekstgeneratie. Het kan werken met tekst, afbeeldingen, audio, video en PDF-documenten en een geschreven resultaat teruggeven. De beoogde toepassingen omvatten complexe analyse, geavanceerd programmeren, algoritmeontwikkeling en taken die een omvangrijke verzameling bronnen combineren met een specifieke vraag.
Gemini 3 Pro is een op transformers gebaseerd sparse mixture-of-experts-model met ingebouwde ondersteuning voor multimodale invoer. De architectuur leidt elk token door een geselecteerde deelverzameling van experts. Dit is een onderscheid in het modelontwerp, geen gebruikersinstelling om een bepaalde expert te selecteren of een uitvoeringsconfiguratie vast te leggen.
Bereid de invoer voor op basis van de informatiebehoefte van de taak. Een document, schermafbeelding en audio-opname kunnen elk ander bewijs leveren. Geef aan wat elk bestand bevat en hoe het aan het antwoord moet bijdragen. De uitvoer blijft tekst; begrip van visueel of gesproken materiaal maakt deze preview geen generator van afbeeldingen, spraak of video.
Gebruik afbeeldingen voor vragen over zichtbare inhoud, audio voor gesproken of akoestische informatie en video voor een reeks waarvan veranderingen in de tijd belangrijk zijn. Voeg het daadwerkelijke bestand bij de vraag in plaats van het alleen uit het geheugen te beschrijven. Geef bij vergelijking van meerdere bestanden duidelijke labels, zodat het antwoord naar de juiste bron kan verwijzen.
Een opdracht voor productanalyse kan bijvoorbeeld een schriftelijke specificatie, een schermafbeelding van de interface en een opgenomen demonstratie combineren. Vraag om een vergelijking die onderscheid maakt tussen wat de specificatie belooft en wat zichtbaar of hoorbaar is in het aangeleverde materiaal. Definieer het gewenste resultaat als bevindingen, ondersteunende waarnemingen en open vragen.
Lever bij een PDF-taak het document aan en vermeld de secties of beweringen die moeten worden onderzocht. Een nuttige vraag vraagt om een vergelijking, extractie of uitleg die aan de bron is gekoppeld, in plaats van alleen een algemene samenvatting van een groot bestand.
De exacte previewspecificatie vermeldt een invoerlimiet van 1.048.576 tokens en een uitvoerlimiet van 65.536 tokens. De maker geeft januari 2025 als kennisgrens; lever recenter bewijs aan wanneer de vraag afhangt van latere gebeurtenissen of informatie. Dit zijn verschillende budgetten. Een grote verzameling bronnen kan worden gelezen voor een gericht antwoord zonder dat het model elk deel van de invoer moet reproduceren.
Orden lang materiaal zodat de structuur duidelijk is: documenttitels, sectiegrenzen, codepaden en de vraag die de uitvoer moet beantwoorden. Houd relevante uitzonderingen en definities dicht bij de inhoud waarop ze betrekking hebben. Als een taak een lang rapport vereist, vermeld dan de rapportsecties en het bewijs dat in elke sectie wordt verwacht.
Een groot contextvenster garandeert niet dat elk detail evenveel aandacht krijgt of dat elke conclusie correct is. Google wijst ook op mogelijke achteruitgang in gesprekken met meerdere beurten; controleer belangrijke bronfeiten en hergebruikte context naarmate een gesprek vordert. Toets het antwoord aan de specifieke passages of bestanden die de belangrijke beweringen ondersteunen.
De beoogde toepassingen van de producent omvatten geavanceerd programmeren en algoritmisch werk. Lever de relevante broncode, aannames over de omgeving, de waargenomen fout en het verwachte gedrag aan. Definieer bij een algoritmetaak de invoer, gewenste uitvoer en voorwaarden zoals volgorde, duplicaten of ongeldige gegevens.
Een bruikbare foutopsporingsopdracht combineert de falende invoer en foutmelding met het kleinste relevante deel van de broncode. Vraag om een diagnose en een gerichte wijziging en controleer vervolgens of de voorgestelde wijziging het gemelde gedrag aanpakt. Gegenereerde code en de bewering dat die zou moeten werken verschillen van een implementatie die is uitgevoerd en geverifieerd.
Gebruik bij een vraag over een grotere repository het invoerbudget om de benodigde bestanden met duidelijke padlabels aan te leveren. Geef aan of het gewenste resultaat een uitleg, voorgestelde patch of analyse van alternatieven is, zodat het een concreet doel heeft.
De specificatie van de producent voor de preview ondersteunt functieaanroepen, code-uitvoering, zoeken in bestanden, onderbouwing via zoeken en URL-context. Deze functies hebben verschillende rollen. Een functieaanroep beschrijft een bewerking die een toepassing uitvoert; een hulpmiddelresultaat levert vervolgens bewijs voor de volgende modelstap. Code-uitvoering is een werkwijze met hulpmiddelen, geen garantie dat willekeurige gegenereerde toepassingscode al is getest.
Onderbouwing via zoeken en URL-context bieden brongerichte werkwijzen, terwijl zoeken in bestanden werkt met een voorbereide bestandsverzameling. Bewaar hulpmiddelresultaten en hun bronrelaties bij het antwoord, zodat een conclusie kan worden onderzocht. Volgens de specificatie ondersteunt het profiel geen computerbediening of onderbouwing via Maps.
Ondersteuning voor gestructureerde uitvoer kan een resultaat in een gedefinieerd schema uitdrukken. Specificeer vóór generatie de velden en hun betekenis en controleer zowel de inhoud als het formaat. Een geldig gestructureerd object vereist nog steeds feitelijke en taakspecifieke controle.
Deze preview ondersteunt denken. Gebruik een duidelijke taak, relevant bewijs en expliciete beperkingen voor werk dat meerdere redeneerstappen vereist. Het resultaat moet aannames en de nuttige conclusie toelichten; verborgen redeneringen of het bestaan van een denkmodus vormen op zichzelf geen verificatie.
De producent vermeldt ook ondersteuning voor caching en batchverwerking. Dit zijn verwerkingsfuncties die losstaan van de inhoudelijke mogelijkheden van het model; hun aanwezigheid bewijst niet dat een bepaald verzoek uit de cache kwam of dat een batchresultaat correct is.
Houd Gemini 3 Pro Preview gescheiden van Gemini 3.1 Pro Preview, Gemini 3 Pro Image en de audio- of Live-profielen. De uitvoer van deze preview is tekst en de specificatie omvat geen beeldgeneratie, audiogeneratie of Live-werking. Beoordeel het teruggegeven antwoord, de code of het gestructureerde resultaat aan de hand van de aangeleverde bronnen en de beoogde taak.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3-pro-preview | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.024 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions