Gemini 3.7 Flash to nazwany profil rozumowania multimodalnego Google do programowania, przepływów pracy agentów i wykonania wieloetapowego. Rozwija Gemini 3.6 Flash, wprowadzając zmiany algorytmiczne w rozumowaniu i obsługę agentowego rozumienia wideo. Tekst, obrazy, audio, wideo i PDF mogą stanowić materiał źródłowy dla wyniku tekstowego. Przydatne rezultaty obejmują konkretną poprawkę kodu, porównanie makiety projektu z implementacją lub analizę zdarzeń w nagraniu opartą na źródle.
Przewodnik deweloperski 3.7 podkreśla lepszą zgodność z projektem w pracy nad aplikacjami komputerowymi i internetowymi. W takim zadaniu podaj zamierzoną makietę, odpowiednie źródło i obserwowalną rozbieżność. Poproś o porównanie konkretnych elementów, takich jak odstępy, stany komponentów, hierarchia tekstu lub zachowanie interakcji. Przy porównaniu projektu poproś o listę niezgodności między makietą panelu ustawień a istniejącą implementacją, z każdą proponowaną poprawką powiązaną ze zrzutem ekranu lub źródłem. Wynik powinien określać, co trzeba zmienić, bez milczącego rozszerzania projektu poza podane wymagania.
W przepływie programistycznym podaj cel, istniejące zachowanie, odpowiednie pliki i ograniczenia. Google pozycjonuje 3.7 do rozwiązywania problemów oprogramowania i ograniczania nieudanych pętli agentów, ale przydatny przegląd nadal sprawdza rzeczywistą modyfikację i wynik walidacji. Zachowuj sekwencję obserwacji narzędzi w rozmowie, aby późniejszy etap nie zaczynał od wymyślonego opisu kodu projektu. Wynik końcowy może odróżniać proponowaną zmianę od zmiany potwierdzonej narzędziami połączonej aplikacji.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym medium. Low wspiera szybsze odpowiedzi o ograniczonym zakresie, natomiast high jest przeznaczone do trudnego rozumowania i rozbudowanej pracy z narzędziami. Gemini 3.7 Flash nie obsługuje myślenia minimal. Krótka analiza jednej niezgodności interfejsu i głębsze badanie wielu plików wymagają więc różnych poziomów wysiłku. Określ rezultat końcowy i warunki, które musi spełnić, zanim poprosisz o dłuższą sekwencję rozumowania i działań.
Dokładna strona modelu wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL. Computer Use oznaczono jako preview, a structured outputs mogą definiować rekord wyniku. Żądanie funkcji jest proponowaną operacją do wykonania przez połączoną aplikację i zwrócenia przez nią wyniku. W zadaniu agentowym nadaj narzędziu jasny cel i zachowaj rzeczywisty wynik przed poproszeniem modelu o kontynuację. Przy ekstrakcji dokumentu zdefiniuj pola, dopuszczalne wartości i sposób reprezentacji brakujących informacji.
Ta edycja obsługuje agentowe rozumienie wideo. Dostarcz odpowiednie nagranie i określ zdarzenie lub relację do zbadania. Praktyczny opis może pytać, które widoczne działanie wyjaśnia zmianę stanu, lub wymagać uporządkowanego opisu zdarzeń z dowodami z klipu. Obrazy i strony PDF mogą podobnie wspierać porównanie wizualne lub dokumentowe. Wyjście pozostaje tekstem: interpretacją, wyodrębnionymi danymi, kodem lub pisemnym wyjaśnieniem. Generowane wideo, grafika i mowa należą do osobnych profili modeli.
Dokładna tabela API Google 3.7 określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych, podczas gdy natywna karta opisuje kontekst do 1M i wyjście tekstowe 64K. Uwzględnij instrukcje, wcześniejsze tury i dostarczone media w przygotowaniu wejścia. Dla profilu producenta wymieniono przetwarzanie wsadowe i buforowanie wraz z opcjami Flex i Priority. Dla zbioru niezależnych żądań zachowuj identyfikatory źródeł i spójny format wyniku, aby każdą odpowiedź można było sprawdzić względem jej własnego wejścia.
Możliwe ograniczenia obejmują halucynacje i sporadyczne spowolnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Dostarcz aktualne materiały źródłowe, gdy wniosek zależy od nowszych faktów. Przydatną cechą wyróżniającą tę edycję jest udokumentowany nacisk na problemy oprogramowania, zgodność z projektem i rozumowanie o wideo; sprawdzaj te wyniki względem rzeczywistej makiety, kodu lub mediów, zamiast zastępować nazwany historyczny profil nowszymi funkcjami.
", "aboutText": "Gemini 3.7 Flash to nazwany profil rozumowania multimodalnego Google do programowania, przepływów pracy agentów i wykonania wieloetapowego. Rozwija Gemini 3.6 Flash, wprowadzając zmiany algorytmiczne w rozumowaniu i obsługę agentowego rozumienia wideo. Tekst, obrazy, audio, wideo i PDF mogą stanowić materiał źródłowy dla wyniku tekstowego. Przydatne rezultaty obejmują konkretną poprawkę kodu, porównanie makiety projektu z implementacją lub analizę zdarzeń w nagraniu opartą na źródle.\n\nPrzewodnik deweloperski 3.7 podkreśla lepszą zgodność z projektem w pracy nad aplikacjami komputerowymi i internetowymi. W takim zadaniu podaj zamierzoną makietę, odpowiednie źródło i obserwowalną rozbieżność. Poproś o porównanie konkretnych elementów, takich jak odstępy, stany komponentów, hierarchia tekstu lub zachowanie interakcji. Przy porównaniu projektu poproś o listę niezgodności między makietą panelu ustawień a istniejącą implementacją, z każdą proponowaną poprawką powiązaną ze zrzutem ekranu lub źródłem. Wynik powinien określać, co trzeba zmienić, bez milczącego rozszerzania projektu poza podane wymagania.\n\nW przepływie programistycznym podaj cel, istniejące zachowanie, odpowiednie pliki i ograniczenia. Google pozycjonuje 3.7 do rozwiązywania problemów oprogramowania i ograniczania nieudanych pętli agentów, ale przydatny przegląd nadal sprawdza rzeczywistą modyfikację i wynik walidacji. Zachowuj sekwencję obserwacji narzędzi w rozmowie, aby późniejszy etap nie zaczynał od wymyślonego opisu kodu projektu. Wynik końcowy może odróżniać proponowaną zmianę od zmiany potwierdzonej narzędziami połączonej aplikacji.\n\nUdokumentowane poziomy myślenia to low, medium i high, z domyślnym medium. Low wspiera szybsze odpowiedzi o ograniczonym zakresie, natomiast high jest przeznaczone do trudnego rozumowania i rozbudowanej pracy z narzędziami. Gemini 3.7 Flash nie obsługuje myślenia minimal. Krótka analiza jednej niezgodności interfejsu i głębsze badanie wielu plików wymagają więc różnych poziomów wysiłku. Określ rezultat końcowy i warunki, które musi spełnić, zanim poprosisz o dłuższą sekwencję rozumowania i działań.\n\nDokładna strona modelu wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL. Computer Use oznaczono jako preview, a structured outputs mogą definiować rekord wyniku. Żądanie funkcji jest proponowaną operacją do wykonania przez połączoną aplikację i zwrócenia przez nią wyniku. W zadaniu agentowym nadaj narzędziu jasny cel i zachowaj rzeczywisty wynik przed poproszeniem modelu o kontynuację. Przy ekstrakcji dokumentu zdefiniuj pola, dopuszczalne wartości i sposób reprezentacji brakujących informacji.\n\nTa edycja obsługuje agentowe rozumienie wideo. Dostarcz odpowiednie nagranie i określ zdarzenie lub relację do zbadania. Praktyczny opis może pytać, które widoczne działanie wyjaśnia zmianę stanu, lub wymagać uporządkowanego opisu zdarzeń z dowodami z klipu. Obrazy i strony PDF mogą podobnie wspierać porównanie wizualne lub dokumentowe. Wyjście pozostaje tekstem: interpretacją, wyodrębnionymi danymi, kodem lub pisemnym wyjaśnieniem. Generowane wideo, grafika i mowa należą do osobnych profili modeli.\n\nDokładna tabela API Google 3.7 określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych, podczas gdy natywna karta opisuje kontekst do 1M i wyjście tekstowe 64K. Uwzględnij instrukcje, wcześniejsze tury i dostarczone media w przygotowaniu wejścia. Dla profilu producenta wymieniono przetwarzanie wsadowe i buforowanie wraz z opcjami Flex i Priority. Dla zbioru niezależnych żądań zachowuj identyfikatory źródeł i spójny format wyniku, aby każdą odpowiedź można było sprawdzić względem jej własnego wejścia.\n\nMożliwe ograniczenia obejmują halucynacje i sporadyczne spowolnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Dostarcz aktualne materiały źródłowe, gdy wniosek zależy od nowszych faktów. Przydatną cechą wyróżniającą tę edycję jest udokumentowany nacisk na problemy oprogramowania, zgodność z projektem i rozumowanie o wideo; sprawdzaj te wyniki względem rzeczywistej makiety, kodu lub mediów, zamiast zastępować nazwany historyczny profil nowszymi funkcjami.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9d02a28ea5e8b4edfafbb16e55fd66696da3f9aef8f3e15f62579b709cf6e53e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "google/gemini-3.7-flash:batchGemini 3.7 Flash łączy rozumowanie multimodalne z programowaniem i wieloetapową pracą agentów. Profil Google 3.7 kładzie nacisk na wierność makietom projektowym i agentowe rozumienie wideo, z rozumowaniem low, medium i high. Przyjmuje tekst i media, zwraca tekst i ma udokumentowane limity wejścia/wyjścia 1,048,576/65,536 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.7 Flash to nazwany profil rozumowania multimodalnego Google do programowania, przepływów pracy agentów i wykonania wieloetapowego. Rozwija Gemini 3.6 Flash, wprowadzając zmiany algorytmiczne w rozumowaniu i obsługę agentowego rozumienia wideo. Tekst, obrazy, audio, wideo i PDF mogą stanowić materiał źródłowy dla wyniku tekstowego. Przydatne rezultaty obejmują konkretną poprawkę kodu, porównanie makiety projektu z implementacją lub analizę zdarzeń w nagraniu opartą na źródle.
Przewodnik deweloperski 3.7 podkreśla lepszą zgodność z projektem w pracy nad aplikacjami komputerowymi i internetowymi. W takim zadaniu podaj zamierzoną makietę, odpowiednie źródło i obserwowalną rozbieżność. Poproś o porównanie konkretnych elementów, takich jak odstępy, stany komponentów, hierarchia tekstu lub zachowanie interakcji. Przy porównaniu projektu poproś o listę niezgodności między makietą panelu ustawień a istniejącą implementacją, z każdą proponowaną poprawką powiązaną ze zrzutem ekranu lub źródłem. Wynik powinien określać, co trzeba zmienić, bez milczącego rozszerzania projektu poza podane wymagania.
W przepływie programistycznym podaj cel, istniejące zachowanie, odpowiednie pliki i ograniczenia. Google pozycjonuje 3.7 do rozwiązywania problemów oprogramowania i ograniczania nieudanych pętli agentów, ale przydatny przegląd nadal sprawdza rzeczywistą modyfikację i wynik walidacji. Zachowuj sekwencję obserwacji narzędzi w rozmowie, aby późniejszy etap nie zaczynał od wymyślonego opisu kodu projektu. Wynik końcowy może odróżniać proponowaną zmianę od zmiany potwierdzonej narzędziami połączonej aplikacji.
Udokumentowane poziomy myślenia to low, medium i high, z domyślnym medium. Low wspiera szybsze odpowiedzi o ograniczonym zakresie, natomiast high jest przeznaczone do trudnego rozumowania i rozbudowanej pracy z narzędziami. Gemini 3.7 Flash nie obsługuje myślenia minimal. Krótka analiza jednej niezgodności interfejsu i głębsze badanie wielu plików wymagają więc różnych poziomów wysiłku. Określ rezultat końcowy i warunki, które musi spełnić, zanim poprosisz o dłuższą sekwencję rozumowania i działań.
Dokładna strona modelu wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL. Computer Use oznaczono jako preview, a structured outputs mogą definiować rekord wyniku. Żądanie funkcji jest proponowaną operacją do wykonania przez połączoną aplikację i zwrócenia przez nią wyniku. W zadaniu agentowym nadaj narzędziu jasny cel i zachowaj rzeczywisty wynik przed poproszeniem modelu o kontynuację. Przy ekstrakcji dokumentu zdefiniuj pola, dopuszczalne wartości i sposób reprezentacji brakujących informacji.
Ta edycja obsługuje agentowe rozumienie wideo. Dostarcz odpowiednie nagranie i określ zdarzenie lub relację do zbadania. Praktyczny opis może pytać, które widoczne działanie wyjaśnia zmianę stanu, lub wymagać uporządkowanego opisu zdarzeń z dowodami z klipu. Obrazy i strony PDF mogą podobnie wspierać porównanie wizualne lub dokumentowe. Wyjście pozostaje tekstem: interpretacją, wyodrębnionymi danymi, kodem lub pisemnym wyjaśnieniem. Generowane wideo, grafika i mowa należą do osobnych profili modeli.
Dokładna tabela API Google 3.7 określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych, podczas gdy natywna karta opisuje kontekst do 1M i wyjście tekstowe 64K. Uwzględnij instrukcje, wcześniejsze tury i dostarczone media w przygotowaniu wejścia. Dla profilu producenta wymieniono przetwarzanie wsadowe i buforowanie wraz z opcjami Flex i Priority. Dla zbioru niezależnych żądań zachowuj identyfikatory źródeł i spójny format wyniku, aby każdą odpowiedź można było sprawdzić względem jej własnego wejścia.
Możliwe ograniczenia obejmują halucynacje i sporadyczne spowolnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Dostarcz aktualne materiały źródłowe, gdy wniosek zależy od nowszych faktów. Przydatną cechą wyróżniającą tę edycję jest udokumentowany nacisk na problemy oprogramowania, zgodność z projektem i rozumowanie o wideo; sprawdzaj te wyniki względem rzeczywistej makiety, kodu lub mediów, zamiast zastępować nazwany historyczny profil nowszymi funkcjami.
POST /v1/batchestexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Poleendpoint | Typstring | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— |
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-3.7-flash:batch | Domyślnie— |
Polerequests | Typbatch_item[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polerequests[].custom_id | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polerequests[].body.messages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polecompletion_window | Typstring | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— |
Poleprovider | Typobject|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polerequests[].body.model | Typstring | WymaganieOpcjonalne | Wartości i limity google/gemini-3.7-flash:batch, google/gemini-3.7-flash | Domyślnie— |
Poleprovider.only | Typstring[] | WymaganieOpcjonalne | Wartości i limity google-vertex/global | Domyślnie— |
Poleprovider.allow_fallbacks | Typboolean|null | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktendpoint, model, requests |
Parametrmaterial_types | Kontrakttext |
Parametrrepresentation | Kontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body |
Parametrrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parametrfile_material | KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests[]. Nie używa się przeznaczenia przesyłanego pliku, input_file_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST. |
Parametrserialization_order | Kontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu |
Parametroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parametrschema_scope | KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu. |
Cykl życia: asynchronous
GET /v1/batches/{operation_id} · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa
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 $0.00075 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00375 / 1K tokenów Wejście · Odczyt cache $0.000075 / 1K tokenów Wejście · Zapis do cache $0.0000833333333333334 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00075 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00375 / 1K tokenów Wejście · Odczyt cache $0.000075 / 1K tokenów Wejście · Zapis do cache $0.0000833333333333334 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.7-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.7-flash:batch', 'google/gemini-3.7-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.7-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON bezpośrednio w results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nZachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results[] jako JSONL bez filtrowania.
Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result_pending_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany.
| Pole | Typ |
|---|---|
Poleresults[].custom_id | Typstring |
Poleresults[].response.body.choices[].message.content | Typstring|null |
Poleresults[].error | Typobject|null |
Poleusage | Typobject|null |
Poleid | Typstring |
Polemodel | Typstring |
Poleendpoint | Typstring |
Polestatus | Typstring |
Polerequest_counts | Typobject |
Poleresults[].id | Typstring |
Poleresults[].response.status_code | Typinteger |
Poleresults[].response.request_id | Typstring |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu. | Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania. |
Odpowiedź401 · authentication_error | WarunekNieprawidłowy klucz API. | Następny krokUżyj autoryzowanego klucza Ailoot. |
Odpowiedź403 · permission_error | WarunekGrupa Batch jest niedostępna. | Następny krokSprawdź uprawnienia klucza i grupy. |
Odpowiedź422 · invalid_request_error | WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane. | Następny krokUżyj autoryzowanej grupy rozliczanej z salda. |
Odpowiedź422 · price_unavailable | WarunekNie można wycenić danych wejściowych Batch. | Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API. |
Odpowiedź402 · billing_error | WarunekRezerwa dla Batch jest niedostępna. | Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego. |
Odpowiedź503 · price_unavailable | WarunekCena metody Batch lub stawki natywne są niedostępne. | Następny krokZachowaj odpowiedź; nie zastępuj cen innymi. |
Odpowiedź503 · api_error | WarunekDokładna trasa dostawcy jest niedostępna. | Następny krokZachowaj odpowiedź na potrzeby naprawy trasy. |
Odpowiedź503 · result_pending_check | WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false. | Następny krokZachowaj pierwotny operation_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST. |
Odpowiedź404 · not_found | WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości. | Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy. |
Ailoot Ultra google/gemini-3.7-flash:batch
Użyj ścieżek metod podanych powyżej.