Gemma 3 4B IT to dostrojone do instrukcji wydanie o rozmiarze 4B z wizyjno-językowej rodziny Google Gemma 3. IT oznacza wersję przystosowaną do wykonywania instrukcji użytkownika i obsługi tur rozmowy, odrębną od wstępnie wytrenowanego punktu kontrolnego stanowiącego podstawę dalszego treningu. Model otrzymuje tekst i obrazy, a generuje tekst: odpowiedź, podsumowanie, wyjaśnienie, szkic lub kod. Wejście wizualne pozwala zadawać pytania o dostarczone obrazy i strony dokumentów; wynikiem nie jest nowo wygenerowany obraz.
Karta modelu przyznaje wydaniu 4B kontekst 128K tokenów, współdzielony przez żądanie i wygenerowaną odpowiedź. Pozostały limit wyjścia to całkowity kontekst po odjęciu wejścia, a nie dodatkowy niezależny budżet wyjścia 128K. Podstawowa ścieżka przetwarzania obrazu normalizuje obrazy do 896×896 i koduje każdy widok w 256 tokenach wizualnych. Przy pracy wyspecjalizowanego asystenta przekaż istotną notatkę lub obraz, jedno jasne pytanie i zwięźle określony wynik. Zachowaj tekst źródłowy wraz z odpowiedzią, aby można było sprawdzić wyodrębnioną nazwę, datę lub etykietę.
Materiały treningowe rodziny obejmują teksty internetowe w ponad 140 językach, kod, matematykę i obrazy. Producent podaje cztery biliony tokenów treningu wstępnego dla modelu 4B. Raport techniczny opisuje destylację podczas treningu wstępnego i dostrajania do instrukcji, a następnie trening po wstępnym szkoleniu oparty na uczeniu ze wzmocnieniem, służący poprawie użyteczności, rozumowania, kodu, matematyki i wykonywania instrukcji. Są to cechy treningu tego rozmiaru i rodziny, a nie gwarancja poprawności każdej odpowiedzi lub identycznego zachowania innego punktu kontrolnego Gemma.
Architektura to transformator wyłącznie dekoderowy z uwagą typu grouped-query, przeplatający pięć warstw uwagi lokalnej z każdą warstwą uwagi globalnej. Uwaga lokalna obejmuje 1024 tokeny, a warstwy globalne obsługują szerszy kontekst. Współdzielony enkoder wizyjny SigLIP przekształca informacje z obrazu w wejście dla modelu językowego. Tokenizer bazuje na SentencePiece, rozdziela cyfry, zachowuje białe znaki i stosuje kodowanie na poziomie bajtów. Planując długie wejście, korzystaj z liczby tokenów rzeczywistego tokenizera i zachowuj wcięcia kodu oraz identyfikatory, jeśli mają znaczenie.
Raport opisuje Pan and Scan dla obrazów, których kształt lub szczegóły nie przetrwają prostego przeskalowania do kwadratu. Proces może tworzyć dodatkowe niepokrywające się widoki, następnie skalowane dla enkodera wizyjnego. Takie przetwarzanie ma własne konsekwencje dla wejścia i obliczeń. Przy zrzucie ekranu zawierającym małe etykiety wskaż obszar zainteresowania i dostarcz czytelny widok, zamiast polegać na miniaturowym obrazie całego ekranu. Dla kilku obrazów oznacz ich role i poproś o odpowiedź powiązaną z właściwym źródłem.
Natywny format rozmowy IT producenta używa tur użytkownika i modelu, z wyraźnymi granicami tur. Nie obsługuje osobnej natywnej roli systemowej; instrukcje roli i formatowania umieść w początkowym poleceniu użytkownika. Korzystaj z odpowiedniego narzędzia formatującego lub procesora, zamiast traktować punkt kontrolny IT jak zwykłe uzupełnianie tekstu. W przykładowej odpowiedzi na notatkę obsługi wskaż odbiorcę, fakty do zachowania i ton, a następnie poproś o krótką odpowiedź oraz ewentualne nierozstrzygnięte pytanie. Przy wyodrębnianiu danych z obrazu określ pola i sposób zapisu nieczytelnej wartości.
Zamierzone zastosowania Gemma obejmują pisanie, podsumowywanie, pomoc konwersacyjną, wyodrębnianie danych z obrazów i poznawanie zagadnień edukacyjnych. Wąski proces z modelem 4B może zamienić notatkę serwisową w listę działań, wyjaśnić widoczny diagram lub odpowiedzieć na pytanie dotyczące dostarczonego fragmentu. Poproś o wynik łatwy do sprawdzenia: wyjaśnienie odnoszące się do nazwanych elementów lub niewielki zapis z polami opartymi na źródle. Wyszukiwanie przez narzędzia i wykonywanie kodu należą do otaczającej aplikacji; wygenerowanie instrukcji przypominającej wywołanie narzędzia różni się od ukończenia zewnętrznej operacji.
Producent wskazuje ograniczenia wynikające z zakresu treningu, niuansów językowych, błędów faktograficznych i złożoności otwartych zadań. Google ostrzega również, że wiarygodny wzorzec językowy może dać odpowiedź pomijającą codzienne ograniczenie rzeczywistości. Obrazy mogą utracić ważne szczegóły przy skalowaniu, a długi kontekst nie doprecyzuje niejasnego pytania. Porównuj wynik z oryginalnym materiałem, waliduj wymagane pola strukturalne oraz niezależnie sprawdzaj obliczenia i proponowany kod. Oceniaj dokładnie model 4B IT na rzeczywistych językach i rodzajach dokumentów danego zadania. Zapisując wyniki, oddzielaj jego rozmiar, tożsamość IT i konfigurację przetwarzania od wariantów 12B, 27B oraz nowszych Gemma.
", "aboutText": "Gemma 3 4B IT to dostrojone do instrukcji wydanie o rozmiarze 4B z wizyjno-językowej rodziny Google Gemma 3. IT oznacza wersję przystosowaną do wykonywania instrukcji użytkownika i obsługi tur rozmowy, odrębną od wstępnie wytrenowanego punktu kontrolnego stanowiącego podstawę dalszego treningu. Model otrzymuje tekst i obrazy, a generuje tekst: odpowiedź, podsumowanie, wyjaśnienie, szkic lub kod. Wejście wizualne pozwala zadawać pytania o dostarczone obrazy i strony dokumentów; wynikiem nie jest nowo wygenerowany obraz.\n\nKarta modelu przyznaje wydaniu 4B kontekst 128K tokenów, współdzielony przez żądanie i wygenerowaną odpowiedź. Pozostały limit wyjścia to całkowity kontekst po odjęciu wejścia, a nie dodatkowy niezależny budżet wyjścia 128K. Podstawowa ścieżka przetwarzania obrazu normalizuje obrazy do 896×896 i koduje każdy widok w 256 tokenach wizualnych. Przy pracy wyspecjalizowanego asystenta przekaż istotną notatkę lub obraz, jedno jasne pytanie i zwięźle określony wynik. Zachowaj tekst źródłowy wraz z odpowiedzią, aby można było sprawdzić wyodrębnioną nazwę, datę lub etykietę.\n\nMateriały treningowe rodziny obejmują teksty internetowe w ponad 140 językach, kod, matematykę i obrazy. Producent podaje cztery biliony tokenów treningu wstępnego dla modelu 4B. Raport techniczny opisuje destylację podczas treningu wstępnego i dostrajania do instrukcji, a następnie trening po wstępnym szkoleniu oparty na uczeniu ze wzmocnieniem, służący poprawie użyteczności, rozumowania, kodu, matematyki i wykonywania instrukcji. Są to cechy treningu tego rozmiaru i rodziny, a nie gwarancja poprawności każdej odpowiedzi lub identycznego zachowania innego punktu kontrolnego Gemma.\n\nArchitektura to transformator wyłącznie dekoderowy z uwagą typu grouped-query, przeplatający pięć warstw uwagi lokalnej z każdą warstwą uwagi globalnej. Uwaga lokalna obejmuje 1024 tokeny, a warstwy globalne obsługują szerszy kontekst. Współdzielony enkoder wizyjny SigLIP przekształca informacje z obrazu w wejście dla modelu językowego. Tokenizer bazuje na SentencePiece, rozdziela cyfry, zachowuje białe znaki i stosuje kodowanie na poziomie bajtów. Planując długie wejście, korzystaj z liczby tokenów rzeczywistego tokenizera i zachowuj wcięcia kodu oraz identyfikatory, jeśli mają znaczenie.\n\nRaport opisuje Pan and Scan dla obrazów, których kształt lub szczegóły nie przetrwają prostego przeskalowania do kwadratu. Proces może tworzyć dodatkowe niepokrywające się widoki, następnie skalowane dla enkodera wizyjnego. Takie przetwarzanie ma własne konsekwencje dla wejścia i obliczeń. Przy zrzucie ekranu zawierającym małe etykiety wskaż obszar zainteresowania i dostarcz czytelny widok, zamiast polegać na miniaturowym obrazie całego ekranu. Dla kilku obrazów oznacz ich role i poproś o odpowiedź powiązaną z właściwym źródłem.\n\nNatywny format rozmowy IT producenta używa tur użytkownika i modelu, z wyraźnymi granicami tur. Nie obsługuje osobnej natywnej roli systemowej; instrukcje roli i formatowania umieść w początkowym poleceniu użytkownika. Korzystaj z odpowiedniego narzędzia formatującego lub procesora, zamiast traktować punkt kontrolny IT jak zwykłe uzupełnianie tekstu. W przykładowej odpowiedzi na notatkę obsługi wskaż odbiorcę, fakty do zachowania i ton, a następnie poproś o krótką odpowiedź oraz ewentualne nierozstrzygnięte pytanie. Przy wyodrębnianiu danych z obrazu określ pola i sposób zapisu nieczytelnej wartości.\n\nZamierzone zastosowania Gemma obejmują pisanie, podsumowywanie, pomoc konwersacyjną, wyodrębnianie danych z obrazów i poznawanie zagadnień edukacyjnych. Wąski proces z modelem 4B może zamienić notatkę serwisową w listę działań, wyjaśnić widoczny diagram lub odpowiedzieć na pytanie dotyczące dostarczonego fragmentu. Poproś o wynik łatwy do sprawdzenia: wyjaśnienie odnoszące się do nazwanych elementów lub niewielki zapis z polami opartymi na źródle. Wyszukiwanie przez narzędzia i wykonywanie kodu należą do otaczającej aplikacji; wygenerowanie instrukcji przypominającej wywołanie narzędzia różni się od ukończenia zewnętrznej operacji.\n\nProducent wskazuje ograniczenia wynikające z zakresu treningu, niuansów językowych, błędów faktograficznych i złożoności otwartych zadań. Google ostrzega również, że wiarygodny wzorzec językowy może dać odpowiedź pomijającą codzienne ograniczenie rzeczywistości. Obrazy mogą utracić ważne szczegóły przy skalowaniu, a długi kontekst nie doprecyzuje niejasnego pytania. Porównuj wynik z oryginalnym materiałem, waliduj wymagane pola strukturalne oraz niezależnie sprawdzaj obliczenia i proponowany kod. Oceniaj dokładnie model 4B IT na rzeczywistych językach i rodzajach dokumentów danego zadania. Zapisując wyniki, oddzielaj jego rozmiar, tożsamość IT i konfigurację przetwarzania od wariantów 12B, 27B oraz nowszych Gemma.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.google/gemma-3-4b-itGemma 3 4B IT to dostrojony do instrukcji model Google o rozmiarze 4B, przyjmujący tekst i obrazy. Generuje tekstowe odpowiedzi na pytania, podsumowania, treści pisemne i wyniki analizy wizualnej; oferuje współdzielony kontekst 128K i obsługę ponad 140 języków w ramach rodziny.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemma 3 4B IT to dostrojone do instrukcji wydanie o rozmiarze 4B z wizyjno-językowej rodziny Google Gemma 3. IT oznacza wersję przystosowaną do wykonywania instrukcji użytkownika i obsługi tur rozmowy, odrębną od wstępnie wytrenowanego punktu kontrolnego stanowiącego podstawę dalszego treningu. Model otrzymuje tekst i obrazy, a generuje tekst: odpowiedź, podsumowanie, wyjaśnienie, szkic lub kod. Wejście wizualne pozwala zadawać pytania o dostarczone obrazy i strony dokumentów; wynikiem nie jest nowo wygenerowany obraz.
Karta modelu przyznaje wydaniu 4B kontekst 128K tokenów, współdzielony przez żądanie i wygenerowaną odpowiedź. Pozostały limit wyjścia to całkowity kontekst po odjęciu wejścia, a nie dodatkowy niezależny budżet wyjścia 128K. Podstawowa ścieżka przetwarzania obrazu normalizuje obrazy do 896×896 i koduje każdy widok w 256 tokenach wizualnych. Przy pracy wyspecjalizowanego asystenta przekaż istotną notatkę lub obraz, jedno jasne pytanie i zwięźle określony wynik. Zachowaj tekst źródłowy wraz z odpowiedzią, aby można było sprawdzić wyodrębnioną nazwę, datę lub etykietę.
Materiały treningowe rodziny obejmują teksty internetowe w ponad 140 językach, kod, matematykę i obrazy. Producent podaje cztery biliony tokenów treningu wstępnego dla modelu 4B. Raport techniczny opisuje destylację podczas treningu wstępnego i dostrajania do instrukcji, a następnie trening po wstępnym szkoleniu oparty na uczeniu ze wzmocnieniem, służący poprawie użyteczności, rozumowania, kodu, matematyki i wykonywania instrukcji. Są to cechy treningu tego rozmiaru i rodziny, a nie gwarancja poprawności każdej odpowiedzi lub identycznego zachowania innego punktu kontrolnego Gemma.
Architektura to transformator wyłącznie dekoderowy z uwagą typu grouped-query, przeplatający pięć warstw uwagi lokalnej z każdą warstwą uwagi globalnej. Uwaga lokalna obejmuje 1024 tokeny, a warstwy globalne obsługują szerszy kontekst. Współdzielony enkoder wizyjny SigLIP przekształca informacje z obrazu w wejście dla modelu językowego. Tokenizer bazuje na SentencePiece, rozdziela cyfry, zachowuje białe znaki i stosuje kodowanie na poziomie bajtów. Planując długie wejście, korzystaj z liczby tokenów rzeczywistego tokenizera i zachowuj wcięcia kodu oraz identyfikatory, jeśli mają znaczenie.
Raport opisuje Pan and Scan dla obrazów, których kształt lub szczegóły nie przetrwają prostego przeskalowania do kwadratu. Proces może tworzyć dodatkowe niepokrywające się widoki, następnie skalowane dla enkodera wizyjnego. Takie przetwarzanie ma własne konsekwencje dla wejścia i obliczeń. Przy zrzucie ekranu zawierającym małe etykiety wskaż obszar zainteresowania i dostarcz czytelny widok, zamiast polegać na miniaturowym obrazie całego ekranu. Dla kilku obrazów oznacz ich role i poproś o odpowiedź powiązaną z właściwym źródłem.
Natywny format rozmowy IT producenta używa tur użytkownika i modelu, z wyraźnymi granicami tur. Nie obsługuje osobnej natywnej roli systemowej; instrukcje roli i formatowania umieść w początkowym poleceniu użytkownika. Korzystaj z odpowiedniego narzędzia formatującego lub procesora, zamiast traktować punkt kontrolny IT jak zwykłe uzupełnianie tekstu. W przykładowej odpowiedzi na notatkę obsługi wskaż odbiorcę, fakty do zachowania i ton, a następnie poproś o krótką odpowiedź oraz ewentualne nierozstrzygnięte pytanie. Przy wyodrębnianiu danych z obrazu określ pola i sposób zapisu nieczytelnej wartości.
Zamierzone zastosowania Gemma obejmują pisanie, podsumowywanie, pomoc konwersacyjną, wyodrębnianie danych z obrazów i poznawanie zagadnień edukacyjnych. Wąski proces z modelem 4B może zamienić notatkę serwisową w listę działań, wyjaśnić widoczny diagram lub odpowiedzieć na pytanie dotyczące dostarczonego fragmentu. Poproś o wynik łatwy do sprawdzenia: wyjaśnienie odnoszące się do nazwanych elementów lub niewielki zapis z polami opartymi na źródle. Wyszukiwanie przez narzędzia i wykonywanie kodu należą do otaczającej aplikacji; wygenerowanie instrukcji przypominającej wywołanie narzędzia różni się od ukończenia zewnętrznej operacji.
Producent wskazuje ograniczenia wynikające z zakresu treningu, niuansów językowych, błędów faktograficznych i złożoności otwartych zadań. Google ostrzega również, że wiarygodny wzorzec językowy może dać odpowiedź pomijającą codzienne ograniczenie rzeczywistości. Obrazy mogą utracić ważne szczegóły przy skalowaniu, a długi kontekst nie doprecyzuje niejasnego pytania. Porównuj wynik z oryginalnym materiałem, waliduj wymagane pola strukturalne oraz niezależnie sprawdzaj obliczenia i proponowany kod. Oceniaj dokładnie model 4B IT na rzeczywistych językach i rodzajach dokumentów danego zadania. Zapisując wyniki, oddzielaj jego rozmiar, tożsamość IT i konfigurację przetwarzania od wariantów 12B, 27B oraz nowszych Gemma.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemma-3-4b-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 $0.0002 / 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 $0.0002 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-4b-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-3-4b-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-3-4b-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-3-4b-it
Użyj ścieżek metod podanych powyżej.
google/gemma-3-4b-itGemma 3 4B IT to dostrojony do instrukcji model Google o rozmiarze 4B, przyjmujący tekst i obrazy. Generuje tekstowe odpowiedzi na pytania, podsumowania, treści pisemne i wyniki analizy wizualnej; oferuje współdzielony kontekst 128K i obsługę ponad 140 języków w ramach rodziny.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemma 3 4B IT to dostrojone do instrukcji wydanie o rozmiarze 4B z wizyjno-językowej rodziny Google Gemma 3. IT oznacza wersję przystosowaną do wykonywania instrukcji użytkownika i obsługi tur rozmowy, odrębną od wstępnie wytrenowanego punktu kontrolnego stanowiącego podstawę dalszego treningu. Model otrzymuje tekst i obrazy, a generuje tekst: odpowiedź, podsumowanie, wyjaśnienie, szkic lub kod. Wejście wizualne pozwala zadawać pytania o dostarczone obrazy i strony dokumentów; wynikiem nie jest nowo wygenerowany obraz.
Karta modelu przyznaje wydaniu 4B kontekst 128K tokenów, współdzielony przez żądanie i wygenerowaną odpowiedź. Pozostały limit wyjścia to całkowity kontekst po odjęciu wejścia, a nie dodatkowy niezależny budżet wyjścia 128K. Podstawowa ścieżka przetwarzania obrazu normalizuje obrazy do 896×896 i koduje każdy widok w 256 tokenach wizualnych. Przy pracy wyspecjalizowanego asystenta przekaż istotną notatkę lub obraz, jedno jasne pytanie i zwięźle określony wynik. Zachowaj tekst źródłowy wraz z odpowiedzią, aby można było sprawdzić wyodrębnioną nazwę, datę lub etykietę.
Materiały treningowe rodziny obejmują teksty internetowe w ponad 140 językach, kod, matematykę i obrazy. Producent podaje cztery biliony tokenów treningu wstępnego dla modelu 4B. Raport techniczny opisuje destylację podczas treningu wstępnego i dostrajania do instrukcji, a następnie trening po wstępnym szkoleniu oparty na uczeniu ze wzmocnieniem, służący poprawie użyteczności, rozumowania, kodu, matematyki i wykonywania instrukcji. Są to cechy treningu tego rozmiaru i rodziny, a nie gwarancja poprawności każdej odpowiedzi lub identycznego zachowania innego punktu kontrolnego Gemma.
Architektura to transformator wyłącznie dekoderowy z uwagą typu grouped-query, przeplatający pięć warstw uwagi lokalnej z każdą warstwą uwagi globalnej. Uwaga lokalna obejmuje 1024 tokeny, a warstwy globalne obsługują szerszy kontekst. Współdzielony enkoder wizyjny SigLIP przekształca informacje z obrazu w wejście dla modelu językowego. Tokenizer bazuje na SentencePiece, rozdziela cyfry, zachowuje białe znaki i stosuje kodowanie na poziomie bajtów. Planując długie wejście, korzystaj z liczby tokenów rzeczywistego tokenizera i zachowuj wcięcia kodu oraz identyfikatory, jeśli mają znaczenie.
Raport opisuje Pan and Scan dla obrazów, których kształt lub szczegóły nie przetrwają prostego przeskalowania do kwadratu. Proces może tworzyć dodatkowe niepokrywające się widoki, następnie skalowane dla enkodera wizyjnego. Takie przetwarzanie ma własne konsekwencje dla wejścia i obliczeń. Przy zrzucie ekranu zawierającym małe etykiety wskaż obszar zainteresowania i dostarcz czytelny widok, zamiast polegać na miniaturowym obrazie całego ekranu. Dla kilku obrazów oznacz ich role i poproś o odpowiedź powiązaną z właściwym źródłem.
Natywny format rozmowy IT producenta używa tur użytkownika i modelu, z wyraźnymi granicami tur. Nie obsługuje osobnej natywnej roli systemowej; instrukcje roli i formatowania umieść w początkowym poleceniu użytkownika. Korzystaj z odpowiedniego narzędzia formatującego lub procesora, zamiast traktować punkt kontrolny IT jak zwykłe uzupełnianie tekstu. W przykładowej odpowiedzi na notatkę obsługi wskaż odbiorcę, fakty do zachowania i ton, a następnie poproś o krótką odpowiedź oraz ewentualne nierozstrzygnięte pytanie. Przy wyodrębnianiu danych z obrazu określ pola i sposób zapisu nieczytelnej wartości.
Zamierzone zastosowania Gemma obejmują pisanie, podsumowywanie, pomoc konwersacyjną, wyodrębnianie danych z obrazów i poznawanie zagadnień edukacyjnych. Wąski proces z modelem 4B może zamienić notatkę serwisową w listę działań, wyjaśnić widoczny diagram lub odpowiedzieć na pytanie dotyczące dostarczonego fragmentu. Poproś o wynik łatwy do sprawdzenia: wyjaśnienie odnoszące się do nazwanych elementów lub niewielki zapis z polami opartymi na źródle. Wyszukiwanie przez narzędzia i wykonywanie kodu należą do otaczającej aplikacji; wygenerowanie instrukcji przypominającej wywołanie narzędzia różni się od ukończenia zewnętrznej operacji.
Producent wskazuje ograniczenia wynikające z zakresu treningu, niuansów językowych, błędów faktograficznych i złożoności otwartych zadań. Google ostrzega również, że wiarygodny wzorzec językowy może dać odpowiedź pomijającą codzienne ograniczenie rzeczywistości. Obrazy mogą utracić ważne szczegóły przy skalowaniu, a długi kontekst nie doprecyzuje niejasnego pytania. Porównuj wynik z oryginalnym materiałem, waliduj wymagane pola strukturalne oraz niezależnie sprawdzaj obliczenia i proponowany kod. Oceniaj dokładnie model 4B IT na rzeczywistych językach i rodzajach dokumentów danego zadania. Zapisując wyniki, oddzielaj jego rozmiar, tożsamość IT i konfigurację przetwarzania od wariantów 12B, 27B oraz nowszych Gemma.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemma-3-4b-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 $0.0002 / 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 $0.0002 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "google/gemma-3-4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-4b-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-3-4b-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-3-4b-it
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.