Gemini 3.8 Flash to model Google z wyjściem tekstowym do długotrwałej pracy nad oprogramowaniem, wieloetapowych zadań agentowych i złożonych przepływów pracy opartych na wiedzy. Rozwija Gemini 3.7 Flash, usprawniając inżynierię oprogramowania i pracę agentów z wiedzą. Przyjmuje tekst, obrazy, audio, wideo i PDF, dzięki czemu zadanie może łączyć pisemny cel z rzeczywistym materiałem potrzebnym do jego rozwiązania. Przydatny wynik to zmiana kodu, analiza z wyjaśnieniem, pisemna odpowiedź lub rekord strukturalny.
W zleceniu programistycznym podaj wymaganie, odpowiednie pliki, zaobserwowane zachowanie i ograniczenia do zachowania. Zrzut ekranu może określać zamierzony interfejs, a logi lub przykład odtwarzający problem pokazywać awarię. W zadaniu debugowania poproś model o prześledzenie niezgodności między widocznym stanem formularza a jego zapisaną wartością, wskazanie odpowiedzialnej ścieżki kodu i zaproponowanie konkretnej poprawki. Zachowuj jasny zamierzony rezultat końcowy, aby dłuższa sekwencja badania i użycia narzędzi nadal miała konkretny warunek ukończenia.
Przy dłuższej pracy stosuj mniejsze kroki rozumowania, iteracyjne wywołania narzędzi i kontrole wyników pośrednich. Poziomy myślenia low, medium i high sterują ilością rozumowania; udokumentowane ustawienie domyślne to medium. Low pasuje do szybkiego szkicu lub analizy o ograniczonym zakresie, a high jest przeznaczone do trudnej matematyki, programowania lub zadań wieloetapowych. Gemini 3.8 Flash nie obsługuje poziomu myślenia minimal. Długotrwałe zlecenie debugowania i prosta ekstrakcja pól wymagają więc różnych wyborów rozumowania, zamiast tego samego ustawienia dla każdego żądania.
Udokumentowane narzędzia obejmują wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Google Maps i kontekst URL, a Computer Use wymieniono jako możliwość w wersji preview. Structured outputs określają wynik czytelny maszynowo. Funkcje powinny mieć jasny cel i definicję parametrów: model może zażądać funkcji, a połączona aplikacja wykonuje operację i zwraca jej wynik. Zachowuj tożsamości funkcji i rzeczywiście zwrócone materiały między turami. Przydatna odpowiedź końcowa wyjaśnia, jakie dowody wspierają proponowaną poprawkę lub wyodrębnioną wartość.
Przewodnik migracji 3.8 stosuje sterowanie poziomami myślenia zamiast starszej konfiguracji budżetu rozumowania i zaleca usunięcie przestarzałych parametrów próbkowania oraz wstępnie wypełnionych tur modelu. Wymaga też zachowywania sygnatur myśli w odpowiednim bezstanowym przepływie pracy i dopasowywania odpowiedzi funkcji do ich wywołań według tożsamości i nazwy. Te szczegóły mają znaczenie przy kontynuowaniu zadania wieloetapowego: następna tura potrzebuje rzeczywistego wcześniejszego kontekstu zamiast przeredagowanego opisu, który gubi wynik narzędzia lub sygnaturę. W nowej turze użytkownika jawnie określ pytanie i żądane wyjście.
W multimodalnej pracy z wiedzą wskaż odpowiednie strony dokumentu, wykres, przedział audio lub zdarzenie wideo i określ, jak mają przyczynić się do odpowiedzi. Porównanie dokumentów może wymagać tabeli różnic z fragmentami źródłowymi; pytanie o wykres może wymagać widocznych wartości i wniosku, który wspierają. Analiza wideo może wymagać opisu zdarzeń uzasadniających ustalenie. Model zwraca tekst na podstawie tych danych wejściowych. Generowane obrazy, mowa i interakcja dźwiękowa Live należą do osobnych profili modeli.
Limity Gemini API wynoszą 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych, co odpowiada natywnemu kontekstowi modelu do 1M i wyjściu tekstowemu 64K. Instrukcje, historia rozmowy i dostarczone media zużywają kontekst wejściowy, a rozumowanie lub długi rezultat końcowy muszą zmieścić się w udokumentowanym limicie wyjścia. Google wymienia również buforowanie, przetwarzanie wsadowe oraz przetwarzanie Flex i Priority dla tego profilu producenta. Dla niezależnych pozycji zachowuj stały identyfikator pozycji i jawny format wyjścia, aby każdy wynik pozostał powiązany ze źródłem.
Możliwe ograniczenia obejmują halucynacje, sporadyczne spowolnienia lub przekroczenia czasu oraz większe zużycie tokenów przy wyższym wysiłku. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny nadal są ograniczone do stycznia 2025. Dostarcz aktualne dowody lub użyj udokumentowanych narzędzi ugruntowania, gdy zadanie zależy od późniejszych informacji. Sprawdzaj cytowania źródeł, obliczenia i proponowany kod względem rzeczywistych danych wejściowych i wyników wykonania. Przydatny rezultat końcowy powinien odróżniać poparte ustalenie od nierozstrzygniętego pytania, bez założenia, że płynna odpowiedź potwierdza żądany wynik.
", "aboutText": "Gemini 3.8 Flash to model Google z wyjściem tekstowym do długotrwałej pracy nad oprogramowaniem, wieloetapowych zadań agentowych i złożonych przepływów pracy opartych na wiedzy. Rozwija Gemini 3.7 Flash, usprawniając inżynierię oprogramowania i pracę agentów z wiedzą. Przyjmuje tekst, obrazy, audio, wideo i PDF, dzięki czemu zadanie może łączyć pisemny cel z rzeczywistym materiałem potrzebnym do jego rozwiązania. Przydatny wynik to zmiana kodu, analiza z wyjaśnieniem, pisemna odpowiedź lub rekord strukturalny.\n\nW zleceniu programistycznym podaj wymaganie, odpowiednie pliki, zaobserwowane zachowanie i ograniczenia do zachowania. Zrzut ekranu może określać zamierzony interfejs, a logi lub przykład odtwarzający problem pokazywać awarię. W zadaniu debugowania poproś model o prześledzenie niezgodności między widocznym stanem formularza a jego zapisaną wartością, wskazanie odpowiedzialnej ścieżki kodu i zaproponowanie konkretnej poprawki. Zachowuj jasny zamierzony rezultat końcowy, aby dłuższa sekwencja badania i użycia narzędzi nadal miała konkretny warunek ukończenia.\n\nPrzy dłuższej pracy stosuj mniejsze kroki rozumowania, iteracyjne wywołania narzędzi i kontrole wyników pośrednich. Poziomy myślenia low, medium i high sterują ilością rozumowania; udokumentowane ustawienie domyślne to medium. Low pasuje do szybkiego szkicu lub analizy o ograniczonym zakresie, a high jest przeznaczone do trudnej matematyki, programowania lub zadań wieloetapowych. Gemini 3.8 Flash nie obsługuje poziomu myślenia minimal. Długotrwałe zlecenie debugowania i prosta ekstrakcja pól wymagają więc różnych wyborów rozumowania, zamiast tego samego ustawienia dla każdego żądania.\n\nUdokumentowane narzędzia obejmują wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Google Maps i kontekst URL, a Computer Use wymieniono jako możliwość w wersji preview. Structured outputs określają wynik czytelny maszynowo. Funkcje powinny mieć jasny cel i definicję parametrów: model może zażądać funkcji, a połączona aplikacja wykonuje operację i zwraca jej wynik. Zachowuj tożsamości funkcji i rzeczywiście zwrócone materiały między turami. Przydatna odpowiedź końcowa wyjaśnia, jakie dowody wspierają proponowaną poprawkę lub wyodrębnioną wartość.\n\nPrzewodnik migracji 3.8 stosuje sterowanie poziomami myślenia zamiast starszej konfiguracji budżetu rozumowania i zaleca usunięcie przestarzałych parametrów próbkowania oraz wstępnie wypełnionych tur modelu. Wymaga też zachowywania sygnatur myśli w odpowiednim bezstanowym przepływie pracy i dopasowywania odpowiedzi funkcji do ich wywołań według tożsamości i nazwy. Te szczegóły mają znaczenie przy kontynuowaniu zadania wieloetapowego: następna tura potrzebuje rzeczywistego wcześniejszego kontekstu zamiast przeredagowanego opisu, który gubi wynik narzędzia lub sygnaturę. W nowej turze użytkownika jawnie określ pytanie i żądane wyjście.\n\nW multimodalnej pracy z wiedzą wskaż odpowiednie strony dokumentu, wykres, przedział audio lub zdarzenie wideo i określ, jak mają przyczynić się do odpowiedzi. Porównanie dokumentów może wymagać tabeli różnic z fragmentami źródłowymi; pytanie o wykres może wymagać widocznych wartości i wniosku, który wspierają. Analiza wideo może wymagać opisu zdarzeń uzasadniających ustalenie. Model zwraca tekst na podstawie tych danych wejściowych. Generowane obrazy, mowa i interakcja dźwiękowa Live należą do osobnych profili modeli.\n\nLimity Gemini API wynoszą 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych, co odpowiada natywnemu kontekstowi modelu do 1M i wyjściu tekstowemu 64K. Instrukcje, historia rozmowy i dostarczone media zużywają kontekst wejściowy, a rozumowanie lub długi rezultat końcowy muszą zmieścić się w udokumentowanym limicie wyjścia. Google wymienia również buforowanie, przetwarzanie wsadowe oraz przetwarzanie Flex i Priority dla tego profilu producenta. Dla niezależnych pozycji zachowuj stały identyfikator pozycji i jawny format wyjścia, aby każdy wynik pozostał powiązany ze źródłem.\n\nMożliwe ograniczenia obejmują halucynacje, sporadyczne spowolnienia lub przekroczenia czasu oraz większe zużycie tokenów przy wyższym wysiłku. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny nadal są ograniczone do stycznia 2025. Dostarcz aktualne dowody lub użyj udokumentowanych narzędzi ugruntowania, gdy zadanie zależy od późniejszych informacji. Sprawdzaj cytowania źródeł, obliczenia i proponowany kod względem rzeczywistych danych wejściowych i wyników wykonania. Przydatny rezultat końcowy powinien odróżniać poparte ustalenie od nierozstrzygniętego pytania, bez założenia, że płynna odpowiedź potwierdza żądany wynik.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "deba20ab50260267a9fbfb08ec60feb62563c8e96f3b6ffee23b5ac1ecc2eaa3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "google/gemini-3.8-flash:batchGemini 3.8 Flash to wszechstronny multimodalny model Google do długotrwałej pracy nad oprogramowaniem, zadań agentowych i złożonych zadań opartych na wiedzy. Przyjmuje tekst, obrazy, audio, wideo i PDF, zwraca tekst oraz oferuje rozumowanie low, medium lub high z narzędziami i wyjściem strukturalnym. Udokumentowane limity wejścia/wyjścia wynoszą 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 3.8 Flash to model Google z wyjściem tekstowym do długotrwałej pracy nad oprogramowaniem, wieloetapowych zadań agentowych i złożonych przepływów pracy opartych na wiedzy. Rozwija Gemini 3.7 Flash, usprawniając inżynierię oprogramowania i pracę agentów z wiedzą. Przyjmuje tekst, obrazy, audio, wideo i PDF, dzięki czemu zadanie może łączyć pisemny cel z rzeczywistym materiałem potrzebnym do jego rozwiązania. Przydatny wynik to zmiana kodu, analiza z wyjaśnieniem, pisemna odpowiedź lub rekord strukturalny.
W zleceniu programistycznym podaj wymaganie, odpowiednie pliki, zaobserwowane zachowanie i ograniczenia do zachowania. Zrzut ekranu może określać zamierzony interfejs, a logi lub przykład odtwarzający problem pokazywać awarię. W zadaniu debugowania poproś model o prześledzenie niezgodności między widocznym stanem formularza a jego zapisaną wartością, wskazanie odpowiedzialnej ścieżki kodu i zaproponowanie konkretnej poprawki. Zachowuj jasny zamierzony rezultat końcowy, aby dłuższa sekwencja badania i użycia narzędzi nadal miała konkretny warunek ukończenia.
Przy dłuższej pracy stosuj mniejsze kroki rozumowania, iteracyjne wywołania narzędzi i kontrole wyników pośrednich. Poziomy myślenia low, medium i high sterują ilością rozumowania; udokumentowane ustawienie domyślne to medium. Low pasuje do szybkiego szkicu lub analizy o ograniczonym zakresie, a high jest przeznaczone do trudnej matematyki, programowania lub zadań wieloetapowych. Gemini 3.8 Flash nie obsługuje poziomu myślenia minimal. Długotrwałe zlecenie debugowania i prosta ekstrakcja pól wymagają więc różnych wyborów rozumowania, zamiast tego samego ustawienia dla każdego żądania.
Udokumentowane narzędzia obejmują wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Google Maps i kontekst URL, a Computer Use wymieniono jako możliwość w wersji preview. Structured outputs określają wynik czytelny maszynowo. Funkcje powinny mieć jasny cel i definicję parametrów: model może zażądać funkcji, a połączona aplikacja wykonuje operację i zwraca jej wynik. Zachowuj tożsamości funkcji i rzeczywiście zwrócone materiały między turami. Przydatna odpowiedź końcowa wyjaśnia, jakie dowody wspierają proponowaną poprawkę lub wyodrębnioną wartość.
Przewodnik migracji 3.8 stosuje sterowanie poziomami myślenia zamiast starszej konfiguracji budżetu rozumowania i zaleca usunięcie przestarzałych parametrów próbkowania oraz wstępnie wypełnionych tur modelu. Wymaga też zachowywania sygnatur myśli w odpowiednim bezstanowym przepływie pracy i dopasowywania odpowiedzi funkcji do ich wywołań według tożsamości i nazwy. Te szczegóły mają znaczenie przy kontynuowaniu zadania wieloetapowego: następna tura potrzebuje rzeczywistego wcześniejszego kontekstu zamiast przeredagowanego opisu, który gubi wynik narzędzia lub sygnaturę. W nowej turze użytkownika jawnie określ pytanie i żądane wyjście.
W multimodalnej pracy z wiedzą wskaż odpowiednie strony dokumentu, wykres, przedział audio lub zdarzenie wideo i określ, jak mają przyczynić się do odpowiedzi. Porównanie dokumentów może wymagać tabeli różnic z fragmentami źródłowymi; pytanie o wykres może wymagać widocznych wartości i wniosku, który wspierają. Analiza wideo może wymagać opisu zdarzeń uzasadniających ustalenie. Model zwraca tekst na podstawie tych danych wejściowych. Generowane obrazy, mowa i interakcja dźwiękowa Live należą do osobnych profili modeli.
Limity Gemini API wynoszą 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych, co odpowiada natywnemu kontekstowi modelu do 1M i wyjściu tekstowemu 64K. Instrukcje, historia rozmowy i dostarczone media zużywają kontekst wejściowy, a rozumowanie lub długi rezultat końcowy muszą zmieścić się w udokumentowanym limicie wyjścia. Google wymienia również buforowanie, przetwarzanie wsadowe oraz przetwarzanie Flex i Priority dla tego profilu producenta. Dla niezależnych pozycji zachowuj stały identyfikator pozycji i jawny format wyjścia, aby każdy wynik pozostał powiązany ze źródłem.
Możliwe ograniczenia obejmują halucynacje, sporadyczne spowolnienia lub przekroczenia czasu oraz większe zużycie tokenów przy wyższym wysiłku. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny nadal są ograniczone do stycznia 2025. Dostarcz aktualne dowody lub użyj udokumentowanych narzędzi ugruntowania, gdy zadanie zależy od późniejszych informacji. Sprawdzaj cytowania źródeł, obliczenia i proponowany kod względem rzeczywistych danych wejściowych i wyników wykonania. Przydatny rezultat końcowy powinien odróżniać poparte ustalenie od nierozstrzygniętego pytania, bez założenia, że płynna odpowiedź potwierdza żądany wynik.
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-3.8-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-3.8-flash:batch, google/gemini-3.8-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-3.8-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-3.8-flash:batch', 'google/gemini-3.8-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.8-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-3.8-flash:batch
Użyj ścieżek metod podanych powyżej.