Gemma 3 12B IT to dostrojony do instrukcji model wizualno-językowy Google o rozmiarze 12B. Należy do rodziny Gemma 3, która łączy generowanie tekstu z rozumieniem obrazów i treningiem wielojęzycznym. Sufiks IT wybiera punkt kontrolny wykonujący instrukcje, a nie model wstępnie wytrenowany. Wynikiem jest tekst: wyjaśnienie, podsumowanie, odpowiedź, szkic lub kod wyprowadzony z materiałów pisemnych i wizualnych w żądaniu.
Model 12B ma rodzinny kontekst 128K tokenów obejmujący zarówno wejście, jak i wygenerowaną odpowiedź. Wyjście wykorzystuje część pozostałą po żądaniu; karta nie przyznaje drugiego, niezależnego okna wyjściowego 128K. Podstawowe widoki obrazów są normalizowane do 896×896 i reprezentowane przez 256 tokenów wizualnych każdy. Przygotowując zbiór stron, zachowaj ich identyfikatory i zarezerwuj miejsce na wynik. Zadaj konkretne pytanie o istotną treść, zamiast polegać na dużym oknie, które miałoby automatycznie wybrać właściwy problem.
Producent podaje dla tego rozmiaru 12 bilionów tokenów wstępnego treningu. Materiały treningowe obejmują wielojęzyczne dokumenty internetowe, kod, matematykę i obrazy, z pokryciem ponad 140 języków w rodzinie. Raport opisuje destylację wiedzy i ulepszoną procedurę dostrajania do instrukcji z uczeniem ze wzmocnieniem. Etapy te mają wspierać użyteczność, rozumowanie matematyczne i programistyczne, wykonywanie instrukcji oraz interakcje wielojęzyczne. Odrębny budżet treningowy i tożsamość punktu kontrolnego same w sobie nie potwierdzają jakości konkretnej odpowiedzi, dlatego porównuj wyjście z zadaniem źródłowym.
Architektura wykorzystuje transformer wyłącznie dekoderowy z grouped-query attention i powtarzalnym wzorcem pięciu warstw uwagi lokalnej na jedną globalną. Warstwy lokalne mają zasięg 1,024 tokenów, natomiast uwaga globalna wspiera dłuższy kontekst. Enkoder wizualny SigLIP, współdzielony przez modele 4B, 12B i 27B, przekształca obrazy w reprezentacje przyjmowane przez model językowy. Tokenizer SentencePiece zachowuje białe znaki, rozdziela cyfry i uwzględnia kodowanie na poziomie bajtów. Ma to znaczenie, gdy formatowanie kodu, zapis liczbowy lub tekst wielojęzyczny muszą pozostać nienaruszone.
Przepływ pracy z obrazem obejmuje również Pan and Scan: adaptacyjne, niepokrywające się kadry pomagają zachować treść ze źródeł szerokich lub o wysokiej rozdzielczości, zanim każdy widok trafi do enkodera o stałej rozdzielczości. Dodatkowe widoki zmieniają przetwarzany materiał. W przypadku dokumentu technicznego podaj czytelną stronę, a w razie potrzeby także wyraźny widok tabeli lub diagramu, którego dotyczy pytanie. Zachowaj otaczającą definicję jednostki, symbolu lub kolumny, aby lokalny odczyt wizualny nie stracił znaczenia.
Natywny format promptu IT wykorzystuje tury user i model i nie ma osobnej roli systemowej. Pożądaną rolę, reguły odpowiedzi i zadanie umieść w początkowym prompcie użytkownika, używając wyznaczonego formatera lub procesora dla rzeczywistej rozmowy. Przykładowe samodzielne zlecenie analizy dokumentu może porównywać dwa opisy procedury, zwracać tabelę zgodnych wymagań i wskazywać wszelkie konflikty. Oznacz źródła, określ pierwszeństwo wymagań i poproś model o oddzielenie dostarczonych faktów od interpretacji.
Zamierzone zastosowania w karcie producenta obejmują podsumowywanie, pomoc konwersacyjną, ekstrakcję danych z obrazów, pisanie i naukę. Dla wyjaśnienia wielojęzycznego podaj odbiorcę, terminologię i poziom szczegółowości. Przy pytaniu o obraz wskaż obiekty lub relacje do omówienia i poproś o obserwacje uzasadniające odpowiedź końcową. Dla kodu dołącz rzeczywistą funkcję i oczekiwane zachowanie; wynik może proponować implementację, natomiast osobna aplikacja musi ją uruchomić i sprawdzić. Raport publikuje osobno skwantowane warianty rodziny, więc przy zapisywaniu wyników nie należy bez wskazania zastępować tej tożsamości 12B IT innym skwantowanym punktem kontrolnym.
Producent wskazuje ograniczenia wynikające z zakresu treningu, nieścisłości faktograficznych, niuansów językowych i złożonych zadań otwartych. Google ostrzega również, że wiarygodny wzorzec językowy może prowadzić do odpowiedzi pomijającej zwykłe ograniczenie rzeczywistego świata. Drobne szczegóły wizualne mogą zostać utracone lub błędnie odczytane, a długie wejścia nadal wymagają jasnych priorytetów. Zachowuj oryginalne strony, sprawdzaj wyodrębnione etykiety i wielkości oraz waliduj każdy żądany tekst wyglądający na strukturalny przed użyciem go jako danych. Oceniaj dokładnie model 12B IT na reprezentatywnych pytaniach i językach. Przydatny rezultat końcowy przedstawia odpowiedź opartą na źródłach, rozumowanie potrzebne do jej zrozumienia i pozostałą niepewność, bez udawania, że wygenerowane wyjaśnienie jest ukończonym działaniem narzędzia lub wyszukiwaniem aktualnej wiedzy.
", "aboutText": "Gemma 3 12B IT to dostrojony do instrukcji model wizualno-językowy Google o rozmiarze 12B. Należy do rodziny Gemma 3, która łączy generowanie tekstu z rozumieniem obrazów i treningiem wielojęzycznym. Sufiks IT wybiera punkt kontrolny wykonujący instrukcje, a nie model wstępnie wytrenowany. Wynikiem jest tekst: wyjaśnienie, podsumowanie, odpowiedź, szkic lub kod wyprowadzony z materiałów pisemnych i wizualnych w żądaniu.\n\nModel 12B ma rodzinny kontekst 128K tokenów obejmujący zarówno wejście, jak i wygenerowaną odpowiedź. Wyjście wykorzystuje część pozostałą po żądaniu; karta nie przyznaje drugiego, niezależnego okna wyjściowego 128K. Podstawowe widoki obrazów są normalizowane do 896×896 i reprezentowane przez 256 tokenów wizualnych każdy. Przygotowując zbiór stron, zachowaj ich identyfikatory i zarezerwuj miejsce na wynik. Zadaj konkretne pytanie o istotną treść, zamiast polegać na dużym oknie, które miałoby automatycznie wybrać właściwy problem.\n\nProducent podaje dla tego rozmiaru 12 bilionów tokenów wstępnego treningu. Materiały treningowe obejmują wielojęzyczne dokumenty internetowe, kod, matematykę i obrazy, z pokryciem ponad 140 języków w rodzinie. Raport opisuje destylację wiedzy i ulepszoną procedurę dostrajania do instrukcji z uczeniem ze wzmocnieniem. Etapy te mają wspierać użyteczność, rozumowanie matematyczne i programistyczne, wykonywanie instrukcji oraz interakcje wielojęzyczne. Odrębny budżet treningowy i tożsamość punktu kontrolnego same w sobie nie potwierdzają jakości konkretnej odpowiedzi, dlatego porównuj wyjście z zadaniem źródłowym.\n\nArchitektura wykorzystuje transformer wyłącznie dekoderowy z grouped-query attention i powtarzalnym wzorcem pięciu warstw uwagi lokalnej na jedną globalną. Warstwy lokalne mają zasięg 1,024 tokenów, natomiast uwaga globalna wspiera dłuższy kontekst. Enkoder wizualny SigLIP, współdzielony przez modele 4B, 12B i 27B, przekształca obrazy w reprezentacje przyjmowane przez model językowy. Tokenizer SentencePiece zachowuje białe znaki, rozdziela cyfry i uwzględnia kodowanie na poziomie bajtów. Ma to znaczenie, gdy formatowanie kodu, zapis liczbowy lub tekst wielojęzyczny muszą pozostać nienaruszone.\n\nPrzepływ pracy z obrazem obejmuje również Pan and Scan: adaptacyjne, niepokrywające się kadry pomagają zachować treść ze źródeł szerokich lub o wysokiej rozdzielczości, zanim każdy widok trafi do enkodera o stałej rozdzielczości. Dodatkowe widoki zmieniają przetwarzany materiał. W przypadku dokumentu technicznego podaj czytelną stronę, a w razie potrzeby także wyraźny widok tabeli lub diagramu, którego dotyczy pytanie. Zachowaj otaczającą definicję jednostki, symbolu lub kolumny, aby lokalny odczyt wizualny nie stracił znaczenia.\n\nNatywny format promptu IT wykorzystuje tury user i model i nie ma osobnej roli systemowej. Pożądaną rolę, reguły odpowiedzi i zadanie umieść w początkowym prompcie użytkownika, używając wyznaczonego formatera lub procesora dla rzeczywistej rozmowy. Przykładowe samodzielne zlecenie analizy dokumentu może porównywać dwa opisy procedury, zwracać tabelę zgodnych wymagań i wskazywać wszelkie konflikty. Oznacz źródła, określ pierwszeństwo wymagań i poproś model o oddzielenie dostarczonych faktów od interpretacji.\n\nZamierzone zastosowania w karcie producenta obejmują podsumowywanie, pomoc konwersacyjną, ekstrakcję danych z obrazów, pisanie i naukę. Dla wyjaśnienia wielojęzycznego podaj odbiorcę, terminologię i poziom szczegółowości. Przy pytaniu o obraz wskaż obiekty lub relacje do omówienia i poproś o obserwacje uzasadniające odpowiedź końcową. Dla kodu dołącz rzeczywistą funkcję i oczekiwane zachowanie; wynik może proponować implementację, natomiast osobna aplikacja musi ją uruchomić i sprawdzić. Raport publikuje osobno skwantowane warianty rodziny, więc przy zapisywaniu wyników nie należy bez wskazania zastępować tej tożsamości 12B IT innym skwantowanym punktem kontrolnym.\n\nProducent wskazuje ograniczenia wynikające z zakresu treningu, nieścisłości faktograficznych, niuansów językowych i złożonych zadań otwartych. Google ostrzega również, że wiarygodny wzorzec językowy może prowadzić do odpowiedzi pomijającej zwykłe ograniczenie rzeczywistego świata. Drobne szczegóły wizualne mogą zostać utracone lub błędnie odczytane, a długie wejścia nadal wymagają jasnych priorytetów. Zachowuj oryginalne strony, sprawdzaj wyodrębnione etykiety i wielkości oraz waliduj każdy żądany tekst wyglądający na strukturalny przed użyciem go jako danych. Oceniaj dokładnie model 12B IT na reprezentatywnych pytaniach i językach. Przydatny rezultat końcowy przedstawia odpowiedź opartą na źródłach, rozumowanie potrzebne do jej zrozumienia i pozostałą niepewność, bez udawania, że wygenerowane wyjaśnienie jest ukończonym działaniem narzędzia lub wyszukiwaniem aktualnej wiedzy.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.google/gemma-3-12b-itGemma 3 12B IT to osobna, dostrojona do instrukcji edycja Gemma 3 do generowania tekstu i rozumienia obrazów. Używaj jej do pytań o dokumenty, wyjaśnień i pisania wielojęzycznego ze współdzielonym kontekstem 128K, jawnie zachowując punkt kontrolny 12B i jego natywny format rozmowy.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemma 3 12B IT to dostrojony do instrukcji model wizualno-językowy Google o rozmiarze 12B. Należy do rodziny Gemma 3, która łączy generowanie tekstu z rozumieniem obrazów i treningiem wielojęzycznym. Sufiks IT wybiera punkt kontrolny wykonujący instrukcje, a nie model wstępnie wytrenowany. Wynikiem jest tekst: wyjaśnienie, podsumowanie, odpowiedź, szkic lub kod wyprowadzony z materiałów pisemnych i wizualnych w żądaniu.
Model 12B ma rodzinny kontekst 128K tokenów obejmujący zarówno wejście, jak i wygenerowaną odpowiedź. Wyjście wykorzystuje część pozostałą po żądaniu; karta nie przyznaje drugiego, niezależnego okna wyjściowego 128K. Podstawowe widoki obrazów są normalizowane do 896×896 i reprezentowane przez 256 tokenów wizualnych każdy. Przygotowując zbiór stron, zachowaj ich identyfikatory i zarezerwuj miejsce na wynik. Zadaj konkretne pytanie o istotną treść, zamiast polegać na dużym oknie, które miałoby automatycznie wybrać właściwy problem.
Producent podaje dla tego rozmiaru 12 bilionów tokenów wstępnego treningu. Materiały treningowe obejmują wielojęzyczne dokumenty internetowe, kod, matematykę i obrazy, z pokryciem ponad 140 języków w rodzinie. Raport opisuje destylację wiedzy i ulepszoną procedurę dostrajania do instrukcji z uczeniem ze wzmocnieniem. Etapy te mają wspierać użyteczność, rozumowanie matematyczne i programistyczne, wykonywanie instrukcji oraz interakcje wielojęzyczne. Odrębny budżet treningowy i tożsamość punktu kontrolnego same w sobie nie potwierdzają jakości konkretnej odpowiedzi, dlatego porównuj wyjście z zadaniem źródłowym.
Architektura wykorzystuje transformer wyłącznie dekoderowy z grouped-query attention i powtarzalnym wzorcem pięciu warstw uwagi lokalnej na jedną globalną. Warstwy lokalne mają zasięg 1,024 tokenów, natomiast uwaga globalna wspiera dłuższy kontekst. Enkoder wizualny SigLIP, współdzielony przez modele 4B, 12B i 27B, przekształca obrazy w reprezentacje przyjmowane przez model językowy. Tokenizer SentencePiece zachowuje białe znaki, rozdziela cyfry i uwzględnia kodowanie na poziomie bajtów. Ma to znaczenie, gdy formatowanie kodu, zapis liczbowy lub tekst wielojęzyczny muszą pozostać nienaruszone.
Przepływ pracy z obrazem obejmuje również Pan and Scan: adaptacyjne, niepokrywające się kadry pomagają zachować treść ze źródeł szerokich lub o wysokiej rozdzielczości, zanim każdy widok trafi do enkodera o stałej rozdzielczości. Dodatkowe widoki zmieniają przetwarzany materiał. W przypadku dokumentu technicznego podaj czytelną stronę, a w razie potrzeby także wyraźny widok tabeli lub diagramu, którego dotyczy pytanie. Zachowaj otaczającą definicję jednostki, symbolu lub kolumny, aby lokalny odczyt wizualny nie stracił znaczenia.
Natywny format promptu IT wykorzystuje tury user i model i nie ma osobnej roli systemowej. Pożądaną rolę, reguły odpowiedzi i zadanie umieść w początkowym prompcie użytkownika, używając wyznaczonego formatera lub procesora dla rzeczywistej rozmowy. Przykładowe samodzielne zlecenie analizy dokumentu może porównywać dwa opisy procedury, zwracać tabelę zgodnych wymagań i wskazywać wszelkie konflikty. Oznacz źródła, określ pierwszeństwo wymagań i poproś model o oddzielenie dostarczonych faktów od interpretacji.
Zamierzone zastosowania w karcie producenta obejmują podsumowywanie, pomoc konwersacyjną, ekstrakcję danych z obrazów, pisanie i naukę. Dla wyjaśnienia wielojęzycznego podaj odbiorcę, terminologię i poziom szczegółowości. Przy pytaniu o obraz wskaż obiekty lub relacje do omówienia i poproś o obserwacje uzasadniające odpowiedź końcową. Dla kodu dołącz rzeczywistą funkcję i oczekiwane zachowanie; wynik może proponować implementację, natomiast osobna aplikacja musi ją uruchomić i sprawdzić. Raport publikuje osobno skwantowane warianty rodziny, więc przy zapisywaniu wyników nie należy bez wskazania zastępować tej tożsamości 12B IT innym skwantowanym punktem kontrolnym.
Producent wskazuje ograniczenia wynikające z zakresu treningu, nieścisłości faktograficznych, niuansów językowych i złożonych zadań otwartych. Google ostrzega również, że wiarygodny wzorzec językowy może prowadzić do odpowiedzi pomijającej zwykłe ograniczenie rzeczywistego świata. Drobne szczegóły wizualne mogą zostać utracone lub błędnie odczytane, a długie wejścia nadal wymagają jasnych priorytetów. Zachowuj oryginalne strony, sprawdzaj wyodrębnione etykiety i wielkości oraz waliduj każdy żądany tekst wyglądający na strukturalny przed użyciem go jako danych. Oceniaj dokładnie model 12B IT na reprezentatywnych pytaniach i językach. Przydatny rezultat końcowy przedstawia odpowiedź opartą na źródłach, rozumowanie potrzebne do jej zrozumienia i pozostałą niepewność, bez udawania, że wygenerowane wyjaśnienie jest ukończonym działaniem narzędzia lub wyszukiwaniem aktualnej wiedzy.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemma-3-12b-it | 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 $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0003 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 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 $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0003 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-12b-it", "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/gemma-3-12b-it',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/gemma-3-12b-it',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 Ultra google/gemma-3-12b-it
Użyj ścieżek metod podanych powyżej.
google/gemma-3-12b-itGemma 3 12B IT to osobna, dostrojona do instrukcji edycja Gemma 3 do generowania tekstu i rozumienia obrazów. Używaj jej do pytań o dokumenty, wyjaśnień i pisania wielojęzycznego ze współdzielonym kontekstem 128K, jawnie zachowując punkt kontrolny 12B i jego natywny format rozmowy.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemma 3 12B IT to dostrojony do instrukcji model wizualno-językowy Google o rozmiarze 12B. Należy do rodziny Gemma 3, która łączy generowanie tekstu z rozumieniem obrazów i treningiem wielojęzycznym. Sufiks IT wybiera punkt kontrolny wykonujący instrukcje, a nie model wstępnie wytrenowany. Wynikiem jest tekst: wyjaśnienie, podsumowanie, odpowiedź, szkic lub kod wyprowadzony z materiałów pisemnych i wizualnych w żądaniu.
Model 12B ma rodzinny kontekst 128K tokenów obejmujący zarówno wejście, jak i wygenerowaną odpowiedź. Wyjście wykorzystuje część pozostałą po żądaniu; karta nie przyznaje drugiego, niezależnego okna wyjściowego 128K. Podstawowe widoki obrazów są normalizowane do 896×896 i reprezentowane przez 256 tokenów wizualnych każdy. Przygotowując zbiór stron, zachowaj ich identyfikatory i zarezerwuj miejsce na wynik. Zadaj konkretne pytanie o istotną treść, zamiast polegać na dużym oknie, które miałoby automatycznie wybrać właściwy problem.
Producent podaje dla tego rozmiaru 12 bilionów tokenów wstępnego treningu. Materiały treningowe obejmują wielojęzyczne dokumenty internetowe, kod, matematykę i obrazy, z pokryciem ponad 140 języków w rodzinie. Raport opisuje destylację wiedzy i ulepszoną procedurę dostrajania do instrukcji z uczeniem ze wzmocnieniem. Etapy te mają wspierać użyteczność, rozumowanie matematyczne i programistyczne, wykonywanie instrukcji oraz interakcje wielojęzyczne. Odrębny budżet treningowy i tożsamość punktu kontrolnego same w sobie nie potwierdzają jakości konkretnej odpowiedzi, dlatego porównuj wyjście z zadaniem źródłowym.
Architektura wykorzystuje transformer wyłącznie dekoderowy z grouped-query attention i powtarzalnym wzorcem pięciu warstw uwagi lokalnej na jedną globalną. Warstwy lokalne mają zasięg 1,024 tokenów, natomiast uwaga globalna wspiera dłuższy kontekst. Enkoder wizualny SigLIP, współdzielony przez modele 4B, 12B i 27B, przekształca obrazy w reprezentacje przyjmowane przez model językowy. Tokenizer SentencePiece zachowuje białe znaki, rozdziela cyfry i uwzględnia kodowanie na poziomie bajtów. Ma to znaczenie, gdy formatowanie kodu, zapis liczbowy lub tekst wielojęzyczny muszą pozostać nienaruszone.
Przepływ pracy z obrazem obejmuje również Pan and Scan: adaptacyjne, niepokrywające się kadry pomagają zachować treść ze źródeł szerokich lub o wysokiej rozdzielczości, zanim każdy widok trafi do enkodera o stałej rozdzielczości. Dodatkowe widoki zmieniają przetwarzany materiał. W przypadku dokumentu technicznego podaj czytelną stronę, a w razie potrzeby także wyraźny widok tabeli lub diagramu, którego dotyczy pytanie. Zachowaj otaczającą definicję jednostki, symbolu lub kolumny, aby lokalny odczyt wizualny nie stracił znaczenia.
Natywny format promptu IT wykorzystuje tury user i model i nie ma osobnej roli systemowej. Pożądaną rolę, reguły odpowiedzi i zadanie umieść w początkowym prompcie użytkownika, używając wyznaczonego formatera lub procesora dla rzeczywistej rozmowy. Przykładowe samodzielne zlecenie analizy dokumentu może porównywać dwa opisy procedury, zwracać tabelę zgodnych wymagań i wskazywać wszelkie konflikty. Oznacz źródła, określ pierwszeństwo wymagań i poproś model o oddzielenie dostarczonych faktów od interpretacji.
Zamierzone zastosowania w karcie producenta obejmują podsumowywanie, pomoc konwersacyjną, ekstrakcję danych z obrazów, pisanie i naukę. Dla wyjaśnienia wielojęzycznego podaj odbiorcę, terminologię i poziom szczegółowości. Przy pytaniu o obraz wskaż obiekty lub relacje do omówienia i poproś o obserwacje uzasadniające odpowiedź końcową. Dla kodu dołącz rzeczywistą funkcję i oczekiwane zachowanie; wynik może proponować implementację, natomiast osobna aplikacja musi ją uruchomić i sprawdzić. Raport publikuje osobno skwantowane warianty rodziny, więc przy zapisywaniu wyników nie należy bez wskazania zastępować tej tożsamości 12B IT innym skwantowanym punktem kontrolnym.
Producent wskazuje ograniczenia wynikające z zakresu treningu, nieścisłości faktograficznych, niuansów językowych i złożonych zadań otwartych. Google ostrzega również, że wiarygodny wzorzec językowy może prowadzić do odpowiedzi pomijającej zwykłe ograniczenie rzeczywistego świata. Drobne szczegóły wizualne mogą zostać utracone lub błędnie odczytane, a długie wejścia nadal wymagają jasnych priorytetów. Zachowuj oryginalne strony, sprawdzaj wyodrębnione etykiety i wielkości oraz waliduj każdy żądany tekst wyglądający na strukturalny przed użyciem go jako danych. Oceniaj dokładnie model 12B IT na reprezentatywnych pytaniach i językach. Przydatny rezultat końcowy przedstawia odpowiedź opartą na źródłach, rozumowanie potrzebne do jej zrozumienia i pozostałą niepewność, bez udawania, że wygenerowane wyjaśnienie jest ukończonym działaniem narzędzia lub wyszukiwaniem aktualnej wiedzy.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemma-3-12b-it | 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 $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0003 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 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 $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0003 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "google/gemma-3-12b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/gemma-3-12b-it', '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/gemma-3-12b-it', '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/gemma-3-12b-it
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.