Gemini 3.1 Pro Preview to model tekstowy Google nastawiony na rozumowanie do złożonych zadań wymagających inżynierii oprogramowania, opracowania algorytmów lub syntezy dowodów multimodalnych. Rozwija Gemini 3 Pro, kładąc nacisk na precyzyjne użycie narzędzi, efektywniejsze rozumowanie i niezawodne wykonanie wieloetapowe. Tekst, obrazy, audio, wideo i PDF mogą składać się na pisemną odpowiedź, rezultat w postaci kodu lub wynik strukturalny.
W wymagającym zleceniu programistycznym podaj cel, odpowiednie materiały z repozytorium, zaobserwowane zachowanie i ograniczenia do zachowania. Całe repozytoria kodu mogą dostarczać kontekstu dla zadania. Przy przeglądzie kontraktu kodu poproś model o porównanie obsługi wspólnego kontraktu danych przez dwa moduły, wskazanie niezgodności i zaproponowanie konkretnej poprawki z potwierdzającymi odwołaniami do kodu. Przydatne wyjście odróżnia analizę, proponowaną zmianę i dowody od wszelkiej walidacji wykonanej przez połączoną aplikację.
Materiały premierowe pokazują oparte na kodzie wyjaśnienia wizualne i projekty interaktywne, w tym animowane wyjście SVG na podstawie opisu tekstowego. Są to artefakty kodowe, a nie generowanie obrazów rastrowych. Jasny opis może określać, co ma zostać wyjaśnione, jak wizualizacja powinna się zachowywać i jakie dane reprezentować. Sprawdź uzyskany kod i renderowanie względem tych wymagań. W zadaniu syntezy danych podaj rzeczywiste źródła i poproś o jeden widok zachowujący zawarte w nich relacje i zastrzeżenia.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym high dla 3.1 Pro Preview. Myślenia nie można całkowicie wyłączyć w tym profilu Pro. Wybierz niższy wysiłek dla odpowiedzi o ograniczonym zakresie i więcej rozumowania dla trudnej pracy wieloetapowej, pozostawiając wystarczający limit wyjścia na rezultat końcowy. Mały limit wyjścia może przerwać rozumowanie, zanim pojawi się użyteczna odpowiedź końcowa. Przewodnik myślenia oddziela podsumowanie rozumowania od pełnego procesu wewnętrznego i wyjaśnia znaczenie kontekstu sygnatur myśli rozmowy.
Dokładna tabela Preview wymienia wywoływanie funkcji, wykonywanie kodu, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Ogranicza File Search do AI Studio. Podaj cele funkcji i definicje parametrów, a następnie kontynuuj na podstawie rzeczywiście zwróconego wyniku. Osobny profil Custom Tools Preview jest zoptymalizowany pod kątem pierwszeństwa niestandardowych narzędzi i bash; jest to odrębny nazwany endpoint producenta, więc tej specjalizacji nie należy milcząco traktować jako właściwości każdego żądania 3.1 Pro. Wybierz schemat wyniku strukturalnego, gdy zadanie wymaga zdefiniowanych rekordów zamiast nieograniczonego tekstu.
W analizie multimodalnej wskaż odpowiednią stronę, materiał wizualny, przedział nagrania lub zdarzenie wideo. Przy analizie dokumentu porównaj diagram z jego pisemną specyfikacją i zwróć każdą rozbieżność z potwierdzającym fragmentem. Źródło mówione może dostarczyć transkryptu lub interpretacji tekstowej. Zachowuj odwołania do źródeł dla wniosków wymagających sprawdzenia i oddzielaj to, co widoczne lub stwierdzone, od tego, co wywnioskowane. Wyjście tego profilu pozostaje tekstem, w tym kodem; natywne generowanie obrazów lub mowy nie jest częścią dokładnej tabeli jego możliwości.
Natywna karta 3.1 Pro określa kontekst do 1M i wyjście tekstowe 64K, a dokładna tabela Preview API podaje 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Uwzględnij instrukcje, historię rozmowy i media w budżecie wejścia. Udokumentowano buforowanie i przetwarzanie wsadowe, a opcje Flex i Priority także wymieniono dla profilu producenta. Przy kilku niezależnych pozycjach zdefiniuj wymagane wyjście i zachowaj identyfikator każdego źródła, zamiast łączyć niezwiązane dowody w jedną odpowiedź bez możliwości ich prześledzenia.
Nazwana edycja Preview pozostaje odrębna od profilu Custom Tools Pro oraz późniejszych wydań Flash lub Pro. Jej mocne strony dotyczą złożonego rozumowania, programowania i syntezy dowodów; rezultat końcowy nadal wymaga sprawdzenia względem źródła i rzeczywistych wyników narzędzi. Zachowuj nierozstrzygniętą niejednoznaczność, gdy dostarczone informacje nie wspierają jednoznacznego wniosku. Przydatny rezultat to poparta odpowiedź, kod lub rekord wymagany w zadaniu, z wystarczającymi dowodami do oceny jego praktycznych ograniczeń.
", "aboutText": "Gemini 3.1 Pro Preview to model tekstowy Google nastawiony na rozumowanie do złożonych zadań wymagających inżynierii oprogramowania, opracowania algorytmów lub syntezy dowodów multimodalnych. Rozwija Gemini 3 Pro, kładąc nacisk na precyzyjne użycie narzędzi, efektywniejsze rozumowanie i niezawodne wykonanie wieloetapowe. Tekst, obrazy, audio, wideo i PDF mogą składać się na pisemną odpowiedź, rezultat w postaci kodu lub wynik strukturalny.\n\nW wymagającym zleceniu programistycznym podaj cel, odpowiednie materiały z repozytorium, zaobserwowane zachowanie i ograniczenia do zachowania. Całe repozytoria kodu mogą dostarczać kontekstu dla zadania. Przy przeglądzie kontraktu kodu poproś model o porównanie obsługi wspólnego kontraktu danych przez dwa moduły, wskazanie niezgodności i zaproponowanie konkretnej poprawki z potwierdzającymi odwołaniami do kodu. Przydatne wyjście odróżnia analizę, proponowaną zmianę i dowody od wszelkiej walidacji wykonanej przez połączoną aplikację.\n\nMateriały premierowe pokazują oparte na kodzie wyjaśnienia wizualne i projekty interaktywne, w tym animowane wyjście SVG na podstawie opisu tekstowego. Są to artefakty kodowe, a nie generowanie obrazów rastrowych. Jasny opis może określać, co ma zostać wyjaśnione, jak wizualizacja powinna się zachowywać i jakie dane reprezentować. Sprawdź uzyskany kod i renderowanie względem tych wymagań. W zadaniu syntezy danych podaj rzeczywiste źródła i poproś o jeden widok zachowujący zawarte w nich relacje i zastrzeżenia.\n\nUdokumentowane poziomy myślenia to low, medium i high, z domyślnym high dla 3.1 Pro Preview. Myślenia nie można całkowicie wyłączyć w tym profilu Pro. Wybierz niższy wysiłek dla odpowiedzi o ograniczonym zakresie i więcej rozumowania dla trudnej pracy wieloetapowej, pozostawiając wystarczający limit wyjścia na rezultat końcowy. Mały limit wyjścia może przerwać rozumowanie, zanim pojawi się użyteczna odpowiedź końcowa. Przewodnik myślenia oddziela podsumowanie rozumowania od pełnego procesu wewnętrznego i wyjaśnia znaczenie kontekstu sygnatur myśli rozmowy.\n\nDokładna tabela Preview wymienia wywoływanie funkcji, wykonywanie kodu, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Ogranicza File Search do AI Studio. Podaj cele funkcji i definicje parametrów, a następnie kontynuuj na podstawie rzeczywiście zwróconego wyniku. Osobny profil Custom Tools Preview jest zoptymalizowany pod kątem pierwszeństwa niestandardowych narzędzi i bash; jest to odrębny nazwany endpoint producenta, więc tej specjalizacji nie należy milcząco traktować jako właściwości każdego żądania 3.1 Pro. Wybierz schemat wyniku strukturalnego, gdy zadanie wymaga zdefiniowanych rekordów zamiast nieograniczonego tekstu.\n\nW analizie multimodalnej wskaż odpowiednią stronę, materiał wizualny, przedział nagrania lub zdarzenie wideo. Przy analizie dokumentu porównaj diagram z jego pisemną specyfikacją i zwróć każdą rozbieżność z potwierdzającym fragmentem. Źródło mówione może dostarczyć transkryptu lub interpretacji tekstowej. Zachowuj odwołania do źródeł dla wniosków wymagających sprawdzenia i oddzielaj to, co widoczne lub stwierdzone, od tego, co wywnioskowane. Wyjście tego profilu pozostaje tekstem, w tym kodem; natywne generowanie obrazów lub mowy nie jest częścią dokładnej tabeli jego możliwości.\n\nNatywna karta 3.1 Pro określa kontekst do 1M i wyjście tekstowe 64K, a dokładna tabela Preview API podaje 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Uwzględnij instrukcje, historię rozmowy i media w budżecie wejścia. Udokumentowano buforowanie i przetwarzanie wsadowe, a opcje Flex i Priority także wymieniono dla profilu producenta. Przy kilku niezależnych pozycjach zdefiniuj wymagane wyjście i zachowaj identyfikator każdego źródła, zamiast łączyć niezwiązane dowody w jedną odpowiedź bez możliwości ich prześledzenia.\n\nNazwana edycja Preview pozostaje odrębna od profilu Custom Tools Pro oraz późniejszych wydań Flash lub Pro. Jej mocne strony dotyczą złożonego rozumowania, programowania i syntezy dowodów; rezultat końcowy nadal wymaga sprawdzenia względem źródła i rzeczywistych wyników narzędzi. Zachowuj nierozstrzygniętą niejednoznaczność, gdy dostarczone informacje nie wspierają jednoznacznego wniosku. Przydatny rezultat to poparta odpowiedź, kod lub rekord wymagany w zadaniu, z wystarczającymi dowodami do oceny jego praktycznych ograniczeń.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.gemini-3.1-pro-previewGemini 3.1 Pro Preview to multimodalny model rozumujący Google do złożonych zadań programistycznych, algorytmicznych i pracy z wiedzą. Przyjmuje tekst, obrazy, dźwięk, wideo i PDF, a zwraca tekst lub kod, z narzędziami i uporządkowanym wyjściem. Nakład określają poziomy low, medium i high; udokumentowany domyślny poziom to high.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.1 Pro Preview to model tekstowy Google nastawiony na rozumowanie do złożonych zadań wymagających inżynierii oprogramowania, opracowania algorytmów lub syntezy dowodów multimodalnych. Rozwija Gemini 3 Pro, kładąc nacisk na precyzyjne użycie narzędzi, efektywniejsze rozumowanie i niezawodne wykonanie wieloetapowe. Tekst, obrazy, audio, wideo i PDF mogą składać się na pisemną odpowiedź, rezultat w postaci kodu lub wynik strukturalny.
W wymagającym zleceniu programistycznym podaj cel, odpowiednie materiały z repozytorium, zaobserwowane zachowanie i ograniczenia do zachowania. Całe repozytoria kodu mogą dostarczać kontekstu dla zadania. Przy przeglądzie kontraktu kodu poproś model o porównanie obsługi wspólnego kontraktu danych przez dwa moduły, wskazanie niezgodności i zaproponowanie konkretnej poprawki z potwierdzającymi odwołaniami do kodu. Przydatne wyjście odróżnia analizę, proponowaną zmianę i dowody od wszelkiej walidacji wykonanej przez połączoną aplikację.
Materiały premierowe pokazują oparte na kodzie wyjaśnienia wizualne i projekty interaktywne, w tym animowane wyjście SVG na podstawie opisu tekstowego. Są to artefakty kodowe, a nie generowanie obrazów rastrowych. Jasny opis może określać, co ma zostać wyjaśnione, jak wizualizacja powinna się zachowywać i jakie dane reprezentować. Sprawdź uzyskany kod i renderowanie względem tych wymagań. W zadaniu syntezy danych podaj rzeczywiste źródła i poproś o jeden widok zachowujący zawarte w nich relacje i zastrzeżenia.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym high dla 3.1 Pro Preview. Myślenia nie można całkowicie wyłączyć w tym profilu Pro. Wybierz niższy wysiłek dla odpowiedzi o ograniczonym zakresie i więcej rozumowania dla trudnej pracy wieloetapowej, pozostawiając wystarczający limit wyjścia na rezultat końcowy. Mały limit wyjścia może przerwać rozumowanie, zanim pojawi się użyteczna odpowiedź końcowa. Przewodnik myślenia oddziela podsumowanie rozumowania od pełnego procesu wewnętrznego i wyjaśnia znaczenie kontekstu sygnatur myśli rozmowy.
Dokładna tabela Preview wymienia wywoływanie funkcji, wykonywanie kodu, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Ogranicza File Search do AI Studio. Podaj cele funkcji i definicje parametrów, a następnie kontynuuj na podstawie rzeczywiście zwróconego wyniku. Osobny profil Custom Tools Preview jest zoptymalizowany pod kątem pierwszeństwa niestandardowych narzędzi i bash; jest to odrębny nazwany endpoint producenta, więc tej specjalizacji nie należy milcząco traktować jako właściwości każdego żądania 3.1 Pro. Wybierz schemat wyniku strukturalnego, gdy zadanie wymaga zdefiniowanych rekordów zamiast nieograniczonego tekstu.
W analizie multimodalnej wskaż odpowiednią stronę, materiał wizualny, przedział nagrania lub zdarzenie wideo. Przy analizie dokumentu porównaj diagram z jego pisemną specyfikacją i zwróć każdą rozbieżność z potwierdzającym fragmentem. Źródło mówione może dostarczyć transkryptu lub interpretacji tekstowej. Zachowuj odwołania do źródeł dla wniosków wymagających sprawdzenia i oddzielaj to, co widoczne lub stwierdzone, od tego, co wywnioskowane. Wyjście tego profilu pozostaje tekstem, w tym kodem; natywne generowanie obrazów lub mowy nie jest częścią dokładnej tabeli jego możliwości.
Natywna karta 3.1 Pro określa kontekst do 1M i wyjście tekstowe 64K, a dokładna tabela Preview API podaje 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Uwzględnij instrukcje, historię rozmowy i media w budżecie wejścia. Udokumentowano buforowanie i przetwarzanie wsadowe, a opcje Flex i Priority także wymieniono dla profilu producenta. Przy kilku niezależnych pozycjach zdefiniuj wymagane wyjście i zachowaj identyfikator każdego źródła, zamiast łączyć niezwiązane dowody w jedną odpowiedź bez możliwości ich prześledzenia.
Nazwana edycja Preview pozostaje odrębna od profilu Custom Tools Pro oraz późniejszych wydań Flash lub Pro. Jej mocne strony dotyczą złożonego rozumowania, programowania i syntezy dowodów; rezultat końcowy nadal wymaga sprawdzenia względem źródła i rzeczywistych wyników narzędzi. Zachowuj nierozstrzygniętą niejednoznaczność, gdy dostarczone informacje nie wspierają jednoznacznego wniosku. Przydatny rezultat to poparta odpowiedź, kod lub rekord wymagany w zadaniu, z wystarczającymi dowodami do oceny jego praktycznych ograniczeń.
POST /v1/messagestext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-3.1-pro-preview | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring|content_block[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polesystem | Typstring|content_block[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity Minimum: 1 Limit dotyczy: dokładny limit wybranego modelu/karty | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop_sequences | Typstring[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typtool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].name | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie | Domyślnie— |
Poletools[].description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].input_schema | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polethinking.type | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polethinking.budget_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleoutput_config.effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemetadata | Typobject | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polecache_control | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Tekst · tekst UTF8
messages[].content lub blok type=text
Tekst + obraz
{type:image,source:{type:base64,media_type,data}} lub źródło type=url
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext, image |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Parametrtext_file_material | Kontraktrzeczywista treść UTF-8 wstawiona jako tekst; ID/URLs plików wymagają oddzielnej, dokładnie określonej obsługi |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
POST /v1/messages| Rozmiar żądania w tokenach | Wejście | Wyjście | Odczyt cache | Zapis do cache | Cache 5 min | Cache 1 godz. |
|---|---|---|---|---|---|---|
| Rozmiar żądania w tokenach(0; 200 000] | Wejście0,002 USD | Wyjście0,012 USD | Odczyt cache0,0002 USD | Zapis do cachePodstawowa: — | Cache 5 minPodstawowa: — | Cache 1 godz.Podstawowa: — |
| Rozmiar żądania w tokenach(200 000; ∞) | Wejście0,004 USD | Wyjście0,018 USD | Odczyt cache0,0004 USD | Zapis do cachePodstawowa: — | Cache 5 minPodstawowa: — | Cache 1 godz.Podstawowa: — |
Stawki w USD za 1K tokenów. Jeśli nie określono stawki, dziedziczona jest stawka podstawowa tej metody; «—» oznacza brak stawki podstawowej.
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaOpenAI Chat · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów Wyjście · Wyjściowe tokeny rozumowania $0.024 / 1K tokenów |
| KonfiguracjaOpenAI Chat · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaOpenAI Chat · Przedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.036 / 1K tokenów Wejście · Odczyt cache $0.0008 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów Wyjście · Wyjściowe tokeny rozumowania $0.024 / 1K tokenów |
| KonfiguracjaAnthropic Messages · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Przedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.036 / 1K tokenów Wejście · Odczyt cache $0.0008 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-pro-preview", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-pro-preview", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.1-pro-preview",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.1-pro-preview",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-3.1-pro-preview',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview to multimodalny model rozumujący Google do złożonych zadań programistycznych, algorytmicznych i pracy z wiedzą. Przyjmuje tekst, obrazy, dźwięk, wideo i PDF, a zwraca tekst lub kod, z narzędziami i uporządkowanym wyjściem. Nakład określają poziomy low, medium i high; udokumentowany domyślny poziom to high.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.1 Pro Preview to model tekstowy Google nastawiony na rozumowanie do złożonych zadań wymagających inżynierii oprogramowania, opracowania algorytmów lub syntezy dowodów multimodalnych. Rozwija Gemini 3 Pro, kładąc nacisk na precyzyjne użycie narzędzi, efektywniejsze rozumowanie i niezawodne wykonanie wieloetapowe. Tekst, obrazy, audio, wideo i PDF mogą składać się na pisemną odpowiedź, rezultat w postaci kodu lub wynik strukturalny.
W wymagającym zleceniu programistycznym podaj cel, odpowiednie materiały z repozytorium, zaobserwowane zachowanie i ograniczenia do zachowania. Całe repozytoria kodu mogą dostarczać kontekstu dla zadania. Przy przeglądzie kontraktu kodu poproś model o porównanie obsługi wspólnego kontraktu danych przez dwa moduły, wskazanie niezgodności i zaproponowanie konkretnej poprawki z potwierdzającymi odwołaniami do kodu. Przydatne wyjście odróżnia analizę, proponowaną zmianę i dowody od wszelkiej walidacji wykonanej przez połączoną aplikację.
Materiały premierowe pokazują oparte na kodzie wyjaśnienia wizualne i projekty interaktywne, w tym animowane wyjście SVG na podstawie opisu tekstowego. Są to artefakty kodowe, a nie generowanie obrazów rastrowych. Jasny opis może określać, co ma zostać wyjaśnione, jak wizualizacja powinna się zachowywać i jakie dane reprezentować. Sprawdź uzyskany kod i renderowanie względem tych wymagań. W zadaniu syntezy danych podaj rzeczywiste źródła i poproś o jeden widok zachowujący zawarte w nich relacje i zastrzeżenia.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym high dla 3.1 Pro Preview. Myślenia nie można całkowicie wyłączyć w tym profilu Pro. Wybierz niższy wysiłek dla odpowiedzi o ograniczonym zakresie i więcej rozumowania dla trudnej pracy wieloetapowej, pozostawiając wystarczający limit wyjścia na rezultat końcowy. Mały limit wyjścia może przerwać rozumowanie, zanim pojawi się użyteczna odpowiedź końcowa. Przewodnik myślenia oddziela podsumowanie rozumowania od pełnego procesu wewnętrznego i wyjaśnia znaczenie kontekstu sygnatur myśli rozmowy.
Dokładna tabela Preview wymienia wywoływanie funkcji, wykonywanie kodu, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Ogranicza File Search do AI Studio. Podaj cele funkcji i definicje parametrów, a następnie kontynuuj na podstawie rzeczywiście zwróconego wyniku. Osobny profil Custom Tools Preview jest zoptymalizowany pod kątem pierwszeństwa niestandardowych narzędzi i bash; jest to odrębny nazwany endpoint producenta, więc tej specjalizacji nie należy milcząco traktować jako właściwości każdego żądania 3.1 Pro. Wybierz schemat wyniku strukturalnego, gdy zadanie wymaga zdefiniowanych rekordów zamiast nieograniczonego tekstu.
W analizie multimodalnej wskaż odpowiednią stronę, materiał wizualny, przedział nagrania lub zdarzenie wideo. Przy analizie dokumentu porównaj diagram z jego pisemną specyfikacją i zwróć każdą rozbieżność z potwierdzającym fragmentem. Źródło mówione może dostarczyć transkryptu lub interpretacji tekstowej. Zachowuj odwołania do źródeł dla wniosków wymagających sprawdzenia i oddzielaj to, co widoczne lub stwierdzone, od tego, co wywnioskowane. Wyjście tego profilu pozostaje tekstem, w tym kodem; natywne generowanie obrazów lub mowy nie jest częścią dokładnej tabeli jego możliwości.
Natywna karta 3.1 Pro określa kontekst do 1M i wyjście tekstowe 64K, a dokładna tabela Preview API podaje 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Uwzględnij instrukcje, historię rozmowy i media w budżecie wejścia. Udokumentowano buforowanie i przetwarzanie wsadowe, a opcje Flex i Priority także wymieniono dla profilu producenta. Przy kilku niezależnych pozycjach zdefiniuj wymagane wyjście i zachowaj identyfikator każdego źródła, zamiast łączyć niezwiązane dowody w jedną odpowiedź bez możliwości ich prześledzenia.
Nazwana edycja Preview pozostaje odrębna od profilu Custom Tools Pro oraz późniejszych wydań Flash lub Pro. Jej mocne strony dotyczą złożonego rozumowania, programowania i syntezy dowodów; rezultat końcowy nadal wymaga sprawdzenia względem źródła i rzeczywistych wyników narzędzi. Zachowuj nierozstrzygniętą niejednoznaczność, gdy dostarczone informacje nie wspierają jednoznacznego wniosku. Przydatny rezultat to poparta odpowiedź, kod lub rekord wymagany w zadaniu, z wystarczającymi dowodami do oceny jego praktycznych ograniczeń.
POST /v1beta/models/{model}:generateContenttext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polepath.model | Typstring | WymaganieWymagane | Wartości i limity gemini-3.1-pro-preview | Domyślnie— |
Polecontents | Typcontent[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polecontents[].role | Typstring | WymaganieOpcjonalne | Wartości i limity user, model | Domyślnie— |
Polecontents[].parts | Typpart[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
PolesystemInstruction | Typcontent | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
PolegenerationConfig.maxOutputTokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
PolegenerationConfig.temperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.topP | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.topK | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.stopSequences | Typstring[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.thinkingConfig.includeThoughts | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.thinkingConfig.thinkingBudget | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].functionDeclarations | Typfunction_declaration[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PoletoolConfig.functionCallingConfig.mode | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolesafetySettings | Typobject[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolesessionId | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Tekst · tekst UTF8
contents[].parts[].text
Tekst + obraz
parts[].inlineData={mimeType,data}
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext, image |
Parametrrequired | Kontraktcontents |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Parametrtext_file_material | Kontraktrzeczywista treść UTF-8 wstawiona jako tekst; ID/URLs plików wymagają oddzielnej, dokładnie określonej obsługi |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
POST /v1beta/models/{model}:generateContent| Rozmiar żądania w tokenach | Wejście | Wyjście | Odczyt cache | Zapis do cache | Cache 5 min | Cache 1 godz. |
|---|---|---|---|---|---|---|
| Rozmiar żądania w tokenach(0; 200 000] | Wejście0,002 USD | Wyjście0,012 USD | Odczyt cache0,0002 USD | Zapis do cachePodstawowa: — | Cache 5 minPodstawowa: — | Cache 1 godz.Podstawowa: — |
| Rozmiar żądania w tokenach(200 000; ∞) | Wejście0,004 USD | Wyjście0,018 USD | Odczyt cache0,0004 USD | Zapis do cachePodstawowa: — | Cache 5 minPodstawowa: — | Cache 1 godz.Podstawowa: — |
Stawki w USD za 1K tokenów. Jeśli nie określono stawki, dziedziczona jest stawka podstawowa tej metody; «—» oznacza brak stawki podstawowej.
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaOpenAI Chat · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów Wyjście · Wyjściowe tokeny rozumowania $0.024 / 1K tokenów |
| KonfiguracjaOpenAI Chat · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaOpenAI Chat · Przedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.036 / 1K tokenów Wejście · Odczyt cache $0.0008 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów Wyjście · Wyjściowe tokeny rozumowania $0.024 / 1K tokenów |
| KonfiguracjaAnthropic Messages · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Przedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.036 / 1K tokenów Wejście · Odczyt cache $0.0008 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-preview:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-preview:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.1-pro-preview", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.1-pro-preview", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.1-pro-preview',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson lub obsługiwane strumieniowanie
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkich kandydatów i części, w tym wywołania funkcji, sygnatury myślenia i dane użycia; składaj fragmenty strumienia w kolejności.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
PoleresponseId | Typstring |
PolemodelVersion | Typstring |
Polecandidates[].content.parts[] | Typtext|inlineData|functionCall|other part |
Polecandidates[].finishReason | Typstring |
PoleusageMetadata | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview to multimodalny model rozumujący Google do złożonych zadań programistycznych, algorytmicznych i pracy z wiedzą. Przyjmuje tekst, obrazy, dźwięk, wideo i PDF, a zwraca tekst lub kod, z narzędziami i uporządkowanym wyjściem. Nakład określają poziomy low, medium i high; udokumentowany domyślny poziom to high.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.1 Pro Preview to model tekstowy Google nastawiony na rozumowanie do złożonych zadań wymagających inżynierii oprogramowania, opracowania algorytmów lub syntezy dowodów multimodalnych. Rozwija Gemini 3 Pro, kładąc nacisk na precyzyjne użycie narzędzi, efektywniejsze rozumowanie i niezawodne wykonanie wieloetapowe. Tekst, obrazy, audio, wideo i PDF mogą składać się na pisemną odpowiedź, rezultat w postaci kodu lub wynik strukturalny.
W wymagającym zleceniu programistycznym podaj cel, odpowiednie materiały z repozytorium, zaobserwowane zachowanie i ograniczenia do zachowania. Całe repozytoria kodu mogą dostarczać kontekstu dla zadania. Przy przeglądzie kontraktu kodu poproś model o porównanie obsługi wspólnego kontraktu danych przez dwa moduły, wskazanie niezgodności i zaproponowanie konkretnej poprawki z potwierdzającymi odwołaniami do kodu. Przydatne wyjście odróżnia analizę, proponowaną zmianę i dowody od wszelkiej walidacji wykonanej przez połączoną aplikację.
Materiały premierowe pokazują oparte na kodzie wyjaśnienia wizualne i projekty interaktywne, w tym animowane wyjście SVG na podstawie opisu tekstowego. Są to artefakty kodowe, a nie generowanie obrazów rastrowych. Jasny opis może określać, co ma zostać wyjaśnione, jak wizualizacja powinna się zachowywać i jakie dane reprezentować. Sprawdź uzyskany kod i renderowanie względem tych wymagań. W zadaniu syntezy danych podaj rzeczywiste źródła i poproś o jeden widok zachowujący zawarte w nich relacje i zastrzeżenia.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym high dla 3.1 Pro Preview. Myślenia nie można całkowicie wyłączyć w tym profilu Pro. Wybierz niższy wysiłek dla odpowiedzi o ograniczonym zakresie i więcej rozumowania dla trudnej pracy wieloetapowej, pozostawiając wystarczający limit wyjścia na rezultat końcowy. Mały limit wyjścia może przerwać rozumowanie, zanim pojawi się użyteczna odpowiedź końcowa. Przewodnik myślenia oddziela podsumowanie rozumowania od pełnego procesu wewnętrznego i wyjaśnia znaczenie kontekstu sygnatur myśli rozmowy.
Dokładna tabela Preview wymienia wywoływanie funkcji, wykonywanie kodu, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Ogranicza File Search do AI Studio. Podaj cele funkcji i definicje parametrów, a następnie kontynuuj na podstawie rzeczywiście zwróconego wyniku. Osobny profil Custom Tools Preview jest zoptymalizowany pod kątem pierwszeństwa niestandardowych narzędzi i bash; jest to odrębny nazwany endpoint producenta, więc tej specjalizacji nie należy milcząco traktować jako właściwości każdego żądania 3.1 Pro. Wybierz schemat wyniku strukturalnego, gdy zadanie wymaga zdefiniowanych rekordów zamiast nieograniczonego tekstu.
W analizie multimodalnej wskaż odpowiednią stronę, materiał wizualny, przedział nagrania lub zdarzenie wideo. Przy analizie dokumentu porównaj diagram z jego pisemną specyfikacją i zwróć każdą rozbieżność z potwierdzającym fragmentem. Źródło mówione może dostarczyć transkryptu lub interpretacji tekstowej. Zachowuj odwołania do źródeł dla wniosków wymagających sprawdzenia i oddzielaj to, co widoczne lub stwierdzone, od tego, co wywnioskowane. Wyjście tego profilu pozostaje tekstem, w tym kodem; natywne generowanie obrazów lub mowy nie jest częścią dokładnej tabeli jego możliwości.
Natywna karta 3.1 Pro określa kontekst do 1M i wyjście tekstowe 64K, a dokładna tabela Preview API podaje 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Uwzględnij instrukcje, historię rozmowy i media w budżecie wejścia. Udokumentowano buforowanie i przetwarzanie wsadowe, a opcje Flex i Priority także wymieniono dla profilu producenta. Przy kilku niezależnych pozycjach zdefiniuj wymagane wyjście i zachowaj identyfikator każdego źródła, zamiast łączyć niezwiązane dowody w jedną odpowiedź bez możliwości ich prześledzenia.
Nazwana edycja Preview pozostaje odrębna od profilu Custom Tools Pro oraz późniejszych wydań Flash lub Pro. Jej mocne strony dotyczą złożonego rozumowania, programowania i syntezy dowodów; rezultat końcowy nadal wymaga sprawdzenia względem źródła i rzeczywistych wyników narzędzi. Zachowuj nierozstrzygniętą niejednoznaczność, gdy dostarczone informacje nie wspierają jednoznacznego wniosku. Przydatny rezultat to poparta odpowiedź, kod lub rekord wymagany w zadaniu, z wystarczającymi dowodami do oceny jego praktycznych ograniczeń.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-3.1-pro-preview | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Rozmowa tekstowa | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream |
Parametrcontrol_scope | KontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Aliasy metody: /chat/completions
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów Wyjście · Wyjściowe tokeny rozumowania $0.024 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.036 / 1K tokenów Wejście · Odczyt cache $0.0008 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.1-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview to multimodalny model rozumujący Google do złożonych zadań programistycznych, algorytmicznych i pracy z wiedzą. Przyjmuje tekst, obrazy, dźwięk, wideo i PDF, a zwraca tekst lub kod, z narzędziami i uporządkowanym wyjściem. Nakład określają poziomy low, medium i high; udokumentowany domyślny poziom to high.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.1 Pro Preview to model tekstowy Google nastawiony na rozumowanie do złożonych zadań wymagających inżynierii oprogramowania, opracowania algorytmów lub syntezy dowodów multimodalnych. Rozwija Gemini 3 Pro, kładąc nacisk na precyzyjne użycie narzędzi, efektywniejsze rozumowanie i niezawodne wykonanie wieloetapowe. Tekst, obrazy, audio, wideo i PDF mogą składać się na pisemną odpowiedź, rezultat w postaci kodu lub wynik strukturalny.
W wymagającym zleceniu programistycznym podaj cel, odpowiednie materiały z repozytorium, zaobserwowane zachowanie i ograniczenia do zachowania. Całe repozytoria kodu mogą dostarczać kontekstu dla zadania. Przy przeglądzie kontraktu kodu poproś model o porównanie obsługi wspólnego kontraktu danych przez dwa moduły, wskazanie niezgodności i zaproponowanie konkretnej poprawki z potwierdzającymi odwołaniami do kodu. Przydatne wyjście odróżnia analizę, proponowaną zmianę i dowody od wszelkiej walidacji wykonanej przez połączoną aplikację.
Materiały premierowe pokazują oparte na kodzie wyjaśnienia wizualne i projekty interaktywne, w tym animowane wyjście SVG na podstawie opisu tekstowego. Są to artefakty kodowe, a nie generowanie obrazów rastrowych. Jasny opis może określać, co ma zostać wyjaśnione, jak wizualizacja powinna się zachowywać i jakie dane reprezentować. Sprawdź uzyskany kod i renderowanie względem tych wymagań. W zadaniu syntezy danych podaj rzeczywiste źródła i poproś o jeden widok zachowujący zawarte w nich relacje i zastrzeżenia.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym high dla 3.1 Pro Preview. Myślenia nie można całkowicie wyłączyć w tym profilu Pro. Wybierz niższy wysiłek dla odpowiedzi o ograniczonym zakresie i więcej rozumowania dla trudnej pracy wieloetapowej, pozostawiając wystarczający limit wyjścia na rezultat końcowy. Mały limit wyjścia może przerwać rozumowanie, zanim pojawi się użyteczna odpowiedź końcowa. Przewodnik myślenia oddziela podsumowanie rozumowania od pełnego procesu wewnętrznego i wyjaśnia znaczenie kontekstu sygnatur myśli rozmowy.
Dokładna tabela Preview wymienia wywoływanie funkcji, wykonywanie kodu, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Ogranicza File Search do AI Studio. Podaj cele funkcji i definicje parametrów, a następnie kontynuuj na podstawie rzeczywiście zwróconego wyniku. Osobny profil Custom Tools Preview jest zoptymalizowany pod kątem pierwszeństwa niestandardowych narzędzi i bash; jest to odrębny nazwany endpoint producenta, więc tej specjalizacji nie należy milcząco traktować jako właściwości każdego żądania 3.1 Pro. Wybierz schemat wyniku strukturalnego, gdy zadanie wymaga zdefiniowanych rekordów zamiast nieograniczonego tekstu.
W analizie multimodalnej wskaż odpowiednią stronę, materiał wizualny, przedział nagrania lub zdarzenie wideo. Przy analizie dokumentu porównaj diagram z jego pisemną specyfikacją i zwróć każdą rozbieżność z potwierdzającym fragmentem. Źródło mówione może dostarczyć transkryptu lub interpretacji tekstowej. Zachowuj odwołania do źródeł dla wniosków wymagających sprawdzenia i oddzielaj to, co widoczne lub stwierdzone, od tego, co wywnioskowane. Wyjście tego profilu pozostaje tekstem, w tym kodem; natywne generowanie obrazów lub mowy nie jest częścią dokładnej tabeli jego możliwości.
Natywna karta 3.1 Pro określa kontekst do 1M i wyjście tekstowe 64K, a dokładna tabela Preview API podaje 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Uwzględnij instrukcje, historię rozmowy i media w budżecie wejścia. Udokumentowano buforowanie i przetwarzanie wsadowe, a opcje Flex i Priority także wymieniono dla profilu producenta. Przy kilku niezależnych pozycjach zdefiniuj wymagane wyjście i zachowaj identyfikator każdego źródła, zamiast łączyć niezwiązane dowody w jedną odpowiedź bez możliwości ich prześledzenia.
Nazwana edycja Preview pozostaje odrębna od profilu Custom Tools Pro oraz późniejszych wydań Flash lub Pro. Jej mocne strony dotyczą złożonego rozumowania, programowania i syntezy dowodów; rezultat końcowy nadal wymaga sprawdzenia względem źródła i rzeczywistych wyników narzędzi. Zachowuj nierozstrzygniętą niejednoznaczność, gdy dostarczone informacje nie wspierają jednoznacznego wniosku. Przydatny rezultat to poparta odpowiedź, kod lub rekord wymagany w zadaniu, z wystarczającymi dowodami do oceny jego praktycznych ograniczeń.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-3.1-pro-preview | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów Wyjście · Wyjściowe tokeny rozumowania $0.024 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.036 / 1K tokenów Wejście · Odczyt cache $0.0008 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview to multimodalny model rozumujący Google do złożonych zadań programistycznych, algorytmicznych i pracy z wiedzą. Przyjmuje tekst, obrazy, dźwięk, wideo i PDF, a zwraca tekst lub kod, z narzędziami i uporządkowanym wyjściem. Nakład określają poziomy low, medium i high; udokumentowany domyślny poziom to high.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.1 Pro Preview to model tekstowy Google nastawiony na rozumowanie do złożonych zadań wymagających inżynierii oprogramowania, opracowania algorytmów lub syntezy dowodów multimodalnych. Rozwija Gemini 3 Pro, kładąc nacisk na precyzyjne użycie narzędzi, efektywniejsze rozumowanie i niezawodne wykonanie wieloetapowe. Tekst, obrazy, audio, wideo i PDF mogą składać się na pisemną odpowiedź, rezultat w postaci kodu lub wynik strukturalny.
W wymagającym zleceniu programistycznym podaj cel, odpowiednie materiały z repozytorium, zaobserwowane zachowanie i ograniczenia do zachowania. Całe repozytoria kodu mogą dostarczać kontekstu dla zadania. Przy przeglądzie kontraktu kodu poproś model o porównanie obsługi wspólnego kontraktu danych przez dwa moduły, wskazanie niezgodności i zaproponowanie konkretnej poprawki z potwierdzającymi odwołaniami do kodu. Przydatne wyjście odróżnia analizę, proponowaną zmianę i dowody od wszelkiej walidacji wykonanej przez połączoną aplikację.
Materiały premierowe pokazują oparte na kodzie wyjaśnienia wizualne i projekty interaktywne, w tym animowane wyjście SVG na podstawie opisu tekstowego. Są to artefakty kodowe, a nie generowanie obrazów rastrowych. Jasny opis może określać, co ma zostać wyjaśnione, jak wizualizacja powinna się zachowywać i jakie dane reprezentować. Sprawdź uzyskany kod i renderowanie względem tych wymagań. W zadaniu syntezy danych podaj rzeczywiste źródła i poproś o jeden widok zachowujący zawarte w nich relacje i zastrzeżenia.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym high dla 3.1 Pro Preview. Myślenia nie można całkowicie wyłączyć w tym profilu Pro. Wybierz niższy wysiłek dla odpowiedzi o ograniczonym zakresie i więcej rozumowania dla trudnej pracy wieloetapowej, pozostawiając wystarczający limit wyjścia na rezultat końcowy. Mały limit wyjścia może przerwać rozumowanie, zanim pojawi się użyteczna odpowiedź końcowa. Przewodnik myślenia oddziela podsumowanie rozumowania od pełnego procesu wewnętrznego i wyjaśnia znaczenie kontekstu sygnatur myśli rozmowy.
Dokładna tabela Preview wymienia wywoływanie funkcji, wykonywanie kodu, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Ogranicza File Search do AI Studio. Podaj cele funkcji i definicje parametrów, a następnie kontynuuj na podstawie rzeczywiście zwróconego wyniku. Osobny profil Custom Tools Preview jest zoptymalizowany pod kątem pierwszeństwa niestandardowych narzędzi i bash; jest to odrębny nazwany endpoint producenta, więc tej specjalizacji nie należy milcząco traktować jako właściwości każdego żądania 3.1 Pro. Wybierz schemat wyniku strukturalnego, gdy zadanie wymaga zdefiniowanych rekordów zamiast nieograniczonego tekstu.
W analizie multimodalnej wskaż odpowiednią stronę, materiał wizualny, przedział nagrania lub zdarzenie wideo. Przy analizie dokumentu porównaj diagram z jego pisemną specyfikacją i zwróć każdą rozbieżność z potwierdzającym fragmentem. Źródło mówione może dostarczyć transkryptu lub interpretacji tekstowej. Zachowuj odwołania do źródeł dla wniosków wymagających sprawdzenia i oddzielaj to, co widoczne lub stwierdzone, od tego, co wywnioskowane. Wyjście tego profilu pozostaje tekstem, w tym kodem; natywne generowanie obrazów lub mowy nie jest częścią dokładnej tabeli jego możliwości.
Natywna karta 3.1 Pro określa kontekst do 1M i wyjście tekstowe 64K, a dokładna tabela Preview API podaje 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Uwzględnij instrukcje, historię rozmowy i media w budżecie wejścia. Udokumentowano buforowanie i przetwarzanie wsadowe, a opcje Flex i Priority także wymieniono dla profilu producenta. Przy kilku niezależnych pozycjach zdefiniuj wymagane wyjście i zachowaj identyfikator każdego źródła, zamiast łączyć niezwiązane dowody w jedną odpowiedź bez możliwości ich prześledzenia.
Nazwana edycja Preview pozostaje odrębna od profilu Custom Tools Pro oraz późniejszych wydań Flash lub Pro. Jej mocne strony dotyczą złożonego rozumowania, programowania i syntezy dowodów; rezultat końcowy nadal wymaga sprawdzenia względem źródła i rzeczywistych wyników narzędzi. Zachowuj nierozstrzygniętą niejednoznaczność, gdy dostarczone informacje nie wspierają jednoznacznego wniosku. Przydatny rezultat to poparta odpowiedź, kod lub rekord wymagany w zadaniu, z wystarczającymi dowodami do oceny jego praktycznych ograniczeń.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-3.1-pro-preview | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów Wyjście · Wyjściowe tokeny rozumowania $0.024 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.036 / 1K tokenów Wejście · Odczyt cache $0.0008 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-pro-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.1-pro-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.1-pro-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview to multimodalny model rozumujący Google do złożonych zadań programistycznych, algorytmicznych i pracy z wiedzą. Przyjmuje tekst, obrazy, dźwięk, wideo i PDF, a zwraca tekst lub kod, z narzędziami i uporządkowanym wyjściem. Nakład określają poziomy low, medium i high; udokumentowany domyślny poziom to high.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.1 Pro Preview to model tekstowy Google nastawiony na rozumowanie do złożonych zadań wymagających inżynierii oprogramowania, opracowania algorytmów lub syntezy dowodów multimodalnych. Rozwija Gemini 3 Pro, kładąc nacisk na precyzyjne użycie narzędzi, efektywniejsze rozumowanie i niezawodne wykonanie wieloetapowe. Tekst, obrazy, audio, wideo i PDF mogą składać się na pisemną odpowiedź, rezultat w postaci kodu lub wynik strukturalny.
W wymagającym zleceniu programistycznym podaj cel, odpowiednie materiały z repozytorium, zaobserwowane zachowanie i ograniczenia do zachowania. Całe repozytoria kodu mogą dostarczać kontekstu dla zadania. Przy przeglądzie kontraktu kodu poproś model o porównanie obsługi wspólnego kontraktu danych przez dwa moduły, wskazanie niezgodności i zaproponowanie konkretnej poprawki z potwierdzającymi odwołaniami do kodu. Przydatne wyjście odróżnia analizę, proponowaną zmianę i dowody od wszelkiej walidacji wykonanej przez połączoną aplikację.
Materiały premierowe pokazują oparte na kodzie wyjaśnienia wizualne i projekty interaktywne, w tym animowane wyjście SVG na podstawie opisu tekstowego. Są to artefakty kodowe, a nie generowanie obrazów rastrowych. Jasny opis może określać, co ma zostać wyjaśnione, jak wizualizacja powinna się zachowywać i jakie dane reprezentować. Sprawdź uzyskany kod i renderowanie względem tych wymagań. W zadaniu syntezy danych podaj rzeczywiste źródła i poproś o jeden widok zachowujący zawarte w nich relacje i zastrzeżenia.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym high dla 3.1 Pro Preview. Myślenia nie można całkowicie wyłączyć w tym profilu Pro. Wybierz niższy wysiłek dla odpowiedzi o ograniczonym zakresie i więcej rozumowania dla trudnej pracy wieloetapowej, pozostawiając wystarczający limit wyjścia na rezultat końcowy. Mały limit wyjścia może przerwać rozumowanie, zanim pojawi się użyteczna odpowiedź końcowa. Przewodnik myślenia oddziela podsumowanie rozumowania od pełnego procesu wewnętrznego i wyjaśnia znaczenie kontekstu sygnatur myśli rozmowy.
Dokładna tabela Preview wymienia wywoływanie funkcji, wykonywanie kodu, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Ogranicza File Search do AI Studio. Podaj cele funkcji i definicje parametrów, a następnie kontynuuj na podstawie rzeczywiście zwróconego wyniku. Osobny profil Custom Tools Preview jest zoptymalizowany pod kątem pierwszeństwa niestandardowych narzędzi i bash; jest to odrębny nazwany endpoint producenta, więc tej specjalizacji nie należy milcząco traktować jako właściwości każdego żądania 3.1 Pro. Wybierz schemat wyniku strukturalnego, gdy zadanie wymaga zdefiniowanych rekordów zamiast nieograniczonego tekstu.
W analizie multimodalnej wskaż odpowiednią stronę, materiał wizualny, przedział nagrania lub zdarzenie wideo. Przy analizie dokumentu porównaj diagram z jego pisemną specyfikacją i zwróć każdą rozbieżność z potwierdzającym fragmentem. Źródło mówione może dostarczyć transkryptu lub interpretacji tekstowej. Zachowuj odwołania do źródeł dla wniosków wymagających sprawdzenia i oddzielaj to, co widoczne lub stwierdzone, od tego, co wywnioskowane. Wyjście tego profilu pozostaje tekstem, w tym kodem; natywne generowanie obrazów lub mowy nie jest częścią dokładnej tabeli jego możliwości.
Natywna karta 3.1 Pro określa kontekst do 1M i wyjście tekstowe 64K, a dokładna tabela Preview API podaje 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Uwzględnij instrukcje, historię rozmowy i media w budżecie wejścia. Udokumentowano buforowanie i przetwarzanie wsadowe, a opcje Flex i Priority także wymieniono dla profilu producenta. Przy kilku niezależnych pozycjach zdefiniuj wymagane wyjście i zachowaj identyfikator każdego źródła, zamiast łączyć niezwiązane dowody w jedną odpowiedź bez możliwości ich prześledzenia.
Nazwana edycja Preview pozostaje odrębna od profilu Custom Tools Pro oraz późniejszych wydań Flash lub Pro. Jej mocne strony dotyczą złożonego rozumowania, programowania i syntezy dowodów; rezultat końcowy nadal wymaga sprawdzenia względem źródła i rzeczywistych wyników narzędzi. Zachowuj nierozstrzygniętą niejednoznaczność, gdy dostarczone informacje nie wspierają jednoznacznego wniosku. Przydatny rezultat to poparta odpowiedź, kod lub rekord wymagany w zadaniu, z wystarczającymi dowodami do oceny jego praktycznych ograniczeń.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-3.1-pro-preview | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów Wyjście · Wyjściowe tokeny rozumowania $0.024 / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.024 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.036 / 1K tokenów Wejście · Odczyt cache $0.0008 / 1K tokenów Wejście · Zapis do cache $0.00075 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "google/gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
Przykład techniczny po angielsku
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.