Gemini 4 Argon to model rozumowania Google do pracy łączącej duży zbiór dowodów z wieloetapowym celem. Opublikowany zakres wejścia obejmuje tekst, obrazy, dźwięk, wideo i pliki takie jak PDF, a wynikiem jest tekst. Pozwala to zadaniu łączyć specyfikację, wykres, zrzut ekranu i materiały wspierające zamiast polegać na pisemnym podsumowaniu każdego źródła.
Zacznij od jasnego pytania i rezultatu potrzebnego na końcu. Zadanie programistyczne może prosić o plan zmiany, komponenty objęte zmianą i kryteria weryfikacji. Zadanie matematyczne może prosić o wyprowadzenie z podanymi założeniami. Zadanie dokumentowe może prosić o porównanie zachowujące widoczność rozbieżności między tekstem, tabelami i ilustracjami.
Opublikowane okno kontekstu wynosi 1 048 576 tokenów. Wykorzystuj tę pojemność do utrzymywania razem odpowiednich materiałów, z nazwami dokumentów i granicami sekcji czyniącymi odniesienia jednoznacznymi. Grupuj materiały wspierające wokół pytania, zamiast dodawać niepowiązane pliki tylko dlatego, że jest miejsce. Poproś, aby odpowiedź odróżniała dowody dostarczone w zadaniu od założeń wprowadzonych podczas analizy.
Opublikowana konfiguracja rozumowania modelu jest obowiązkowa, z poziomami wysiłku low, medium i high oraz medium jako podaną wartością domyślną. Wybierz poziom odpowiadający głębokości problemu i zdefiniuj, co skuteczna odpowiedź musi ustalić. Krótkie porównanie faktów wymaga innych kryteriów weryfikacji niż zmiana kodu wpływająca na kilka komponentów.
Argon publikuje możliwości wywoływania narzędzi i ustrukturyzowanego wyjścia kierowanego schematem. Są one użyteczne, gdy aplikacja zapewnia narzędzia do pozyskiwania dodatkowych dowodów lub potrzebuje wyniku analizy czytelnego maszynowo. Oddzielaj proponowaną aktywność narzędzi modelu od aplikacji, która ją wykonuje, i zachowuj zwrócone obserwacje przed żądaniem następnej decyzji. Dla ustrukturyzowanego wyniku zdefiniuj zamierzone pola wokół decyzji biznesowej: ustalenia, odniesienia do dowodów, nierozstrzygnięte założenia i zalecane działanie.
Dla zadania w repozytorium dostarcz odpowiednie źródło, zachowanie, które należy utrzymać, i kontrole, które powinny przejść. Poproś o ukierunkowany plan implementacji lub przegląd konkretnej zmiany, a następnie oceń wynikową propozycję według tych kontroli. Dla raportu technicznego przedstaw podstawowe obserwacje i poproś o wyjaśnienie wiążące każdy wniosek z materiałem, który go wspiera.
Dla dokumentów mieszanych dołącz tabele i obrazy niosące znaczenie zamiast zastępować je niekompletną transkrypcją. Wyjście modelu może łączyć te wejścia w czytelny raport, zestaw wyodrębnionych ustaleń lub listę działań. Wejścia obrazowe i audio stanowią dowody dla tego wyniku tekstowego; nie zmieniają tego wpisu w model generowania obrazów lub mowy.
Standardowy wpis Argon i FAQ strony modelu podają limit odpowiedzi 65 536 tokenów. Określ oczekiwaną głębokość i układ odpowiedzi przed żądaniem długiego wyniku. Zachowuj standardowy identyfikator osobno od wpisu oznaczonego jako batch, ponieważ ich opublikowane limity odpowiedzi się różnią. Dzieląc pracę na odpowiedzi, stosuj własne limity wybranego wariantu.
google/gemini-4-argonGemini 4 Argon to multimodalny model rozumowania Google do inżynierii oprogramowania, pracy matematycznej i naukowej oraz wieloetapowych agentów. Łączy tekst, obrazy, dźwięk, wideo i dokumenty w kontekście 1 048 576 tokenów i zwraca tekst, z opublikowaną obsługą wywoływania narzędzi i ustrukturyzowanego wyjścia.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 4 Argon to model rozumowania Google do pracy łączącej duży zbiór dowodów z wieloetapowym celem. Opublikowany zakres wejścia obejmuje tekst, obrazy, dźwięk, wideo i pliki takie jak PDF, a wynikiem jest tekst. Pozwala to zadaniu łączyć specyfikację, wykres, zrzut ekranu i materiały wspierające zamiast polegać na pisemnym podsumowaniu każdego źródła.
Zacznij od jasnego pytania i rezultatu potrzebnego na końcu. Zadanie programistyczne może prosić o plan zmiany, komponenty objęte zmianą i kryteria weryfikacji. Zadanie matematyczne może prosić o wyprowadzenie z podanymi założeniami. Zadanie dokumentowe może prosić o porównanie zachowujące widoczność rozbieżności między tekstem, tabelami i ilustracjami.
Opublikowane okno kontekstu wynosi 1 048 576 tokenów. Wykorzystuj tę pojemność do utrzymywania razem odpowiednich materiałów, z nazwami dokumentów i granicami sekcji czyniącymi odniesienia jednoznacznymi. Grupuj materiały wspierające wokół pytania, zamiast dodawać niepowiązane pliki tylko dlatego, że jest miejsce. Poproś, aby odpowiedź odróżniała dowody dostarczone w zadaniu od założeń wprowadzonych podczas analizy.
Opublikowana konfiguracja rozumowania modelu jest obowiązkowa, z poziomami wysiłku low, medium i high oraz medium jako podaną wartością domyślną. Wybierz poziom odpowiadający głębokości problemu i zdefiniuj, co skuteczna odpowiedź musi ustalić. Krótkie porównanie faktów wymaga innych kryteriów weryfikacji niż zmiana kodu wpływająca na kilka komponentów.
Argon publikuje możliwości wywoływania narzędzi i ustrukturyzowanego wyjścia kierowanego schematem. Są one użyteczne, gdy aplikacja zapewnia narzędzia do pozyskiwania dodatkowych dowodów lub potrzebuje wyniku analizy czytelnego maszynowo. Oddzielaj proponowaną aktywność narzędzi modelu od aplikacji, która ją wykonuje, i zachowuj zwrócone obserwacje przed żądaniem następnej decyzji. Dla ustrukturyzowanego wyniku zdefiniuj zamierzone pola wokół decyzji biznesowej: ustalenia, odniesienia do dowodów, nierozstrzygnięte założenia i zalecane działanie.
Dla zadania w repozytorium dostarcz odpowiednie źródło, zachowanie, które należy utrzymać, i kontrole, które powinny przejść. Poproś o ukierunkowany plan implementacji lub przegląd konkretnej zmiany, a następnie oceń wynikową propozycję według tych kontroli. Dla raportu technicznego przedstaw podstawowe obserwacje i poproś o wyjaśnienie wiążące każdy wniosek z materiałem, który go wspiera.
Dla dokumentów mieszanych dołącz tabele i obrazy niosące znaczenie zamiast zastępować je niekompletną transkrypcją. Wyjście modelu może łączyć te wejścia w czytelny raport, zestaw wyodrębnionych ustaleń lub listę działań. Wejścia obrazowe i audio stanowią dowody dla tego wyniku tekstowego; nie zmieniają tego wpisu w model generowania obrazów lub mowy.
Standardowy wpis Argon i FAQ strony modelu podają limit odpowiedzi 65 536 tokenów. Określ oczekiwaną głębokość i układ odpowiedzi przed żądaniem długiego wyniku. Zachowuj standardowy identyfikator osobno od wpisu oznaczonego jako batch, ponieważ ich opublikowane limity odpowiedzi się różnią. Dzieląc pracę na odpowiedzi, stosuj własne limity wybranego wariantu.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-4-argon | 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.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.04 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"google/gemini-4-argon","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="google/gemini-4-argon", 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 Ultra google/gemini-4-argon
/chat/completions
google/gemini-4-argonGemini 4 Argon to multimodalny model rozumowania Google do inżynierii oprogramowania, pracy matematycznej i naukowej oraz wieloetapowych agentów. Łączy tekst, obrazy, dźwięk, wideo i dokumenty w kontekście 1 048 576 tokenów i zwraca tekst, z opublikowaną obsługą wywoływania narzędzi i ustrukturyzowanego wyjścia.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 4 Argon to model rozumowania Google do pracy łączącej duży zbiór dowodów z wieloetapowym celem. Opublikowany zakres wejścia obejmuje tekst, obrazy, dźwięk, wideo i pliki takie jak PDF, a wynikiem jest tekst. Pozwala to zadaniu łączyć specyfikację, wykres, zrzut ekranu i materiały wspierające zamiast polegać na pisemnym podsumowaniu każdego źródła.
Zacznij od jasnego pytania i rezultatu potrzebnego na końcu. Zadanie programistyczne może prosić o plan zmiany, komponenty objęte zmianą i kryteria weryfikacji. Zadanie matematyczne może prosić o wyprowadzenie z podanymi założeniami. Zadanie dokumentowe może prosić o porównanie zachowujące widoczność rozbieżności między tekstem, tabelami i ilustracjami.
Opublikowane okno kontekstu wynosi 1 048 576 tokenów. Wykorzystuj tę pojemność do utrzymywania razem odpowiednich materiałów, z nazwami dokumentów i granicami sekcji czyniącymi odniesienia jednoznacznymi. Grupuj materiały wspierające wokół pytania, zamiast dodawać niepowiązane pliki tylko dlatego, że jest miejsce. Poproś, aby odpowiedź odróżniała dowody dostarczone w zadaniu od założeń wprowadzonych podczas analizy.
Opublikowana konfiguracja rozumowania modelu jest obowiązkowa, z poziomami wysiłku low, medium i high oraz medium jako podaną wartością domyślną. Wybierz poziom odpowiadający głębokości problemu i zdefiniuj, co skuteczna odpowiedź musi ustalić. Krótkie porównanie faktów wymaga innych kryteriów weryfikacji niż zmiana kodu wpływająca na kilka komponentów.
Argon publikuje możliwości wywoływania narzędzi i ustrukturyzowanego wyjścia kierowanego schematem. Są one użyteczne, gdy aplikacja zapewnia narzędzia do pozyskiwania dodatkowych dowodów lub potrzebuje wyniku analizy czytelnego maszynowo. Oddzielaj proponowaną aktywność narzędzi modelu od aplikacji, która ją wykonuje, i zachowuj zwrócone obserwacje przed żądaniem następnej decyzji. Dla ustrukturyzowanego wyniku zdefiniuj zamierzone pola wokół decyzji biznesowej: ustalenia, odniesienia do dowodów, nierozstrzygnięte założenia i zalecane działanie.
Dla zadania w repozytorium dostarcz odpowiednie źródło, zachowanie, które należy utrzymać, i kontrole, które powinny przejść. Poproś o ukierunkowany plan implementacji lub przegląd konkretnej zmiany, a następnie oceń wynikową propozycję według tych kontroli. Dla raportu technicznego przedstaw podstawowe obserwacje i poproś o wyjaśnienie wiążące każdy wniosek z materiałem, który go wspiera.
Dla dokumentów mieszanych dołącz tabele i obrazy niosące znaczenie zamiast zastępować je niekompletną transkrypcją. Wyjście modelu może łączyć te wejścia w czytelny raport, zestaw wyodrębnionych ustaleń lub listę działań. Wejścia obrazowe i audio stanowią dowody dla tego wyniku tekstowego; nie zmieniają tego wpisu w model generowania obrazów lub mowy.
Standardowy wpis Argon i FAQ strony modelu podają limit odpowiedzi 65 536 tokenów. Określ oczekiwaną głębokość i układ odpowiedzi przed żądaniem długiego wyniku. Zachowuj standardowy identyfikator osobno od wpisu oznaczonego jako batch, ponieważ ich opublikowane limity odpowiedzi się różnią. Dzieląc pracę na odpowiedzi, stosuj własne limity wybranego wariantu.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-4-argon | 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.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.04 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "google/gemini-4-argon",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-argon', '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-4-argon', '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 Ultra google/gemini-4-argon
/chat/completions