Gemini 3.1 Pro Preview é o modelo textual da Google orientado para raciocínio, para tarefas complexas que exigem engenharia de software, desenvolvimento algorítmico ou síntese de provas multimodais. Baseia-se no Gemini 3 Pro, destacando a utilização precisa de ferramentas, raciocínio mais eficiente e execução fiável em várias etapas. Texto, imagens, áudio, vídeo e PDF podem contribuir para uma resposta escrita, um artefacto de código ou um resultado estruturado.
Para uma tarefa exigente de programação, forneça o objetivo, o material relevante do repositório, o comportamento observado e as restrições a preservar. Repositórios de código completos podem fornecer contexto para a tarefa. Para uma revisão de contrato de código, peça ao modelo que compare o tratamento de um contrato de dados partilhado em dois módulos, identifique a discrepância e proponha uma correção focada com referências de código que a sustentem. A saída útil distingue a análise, a revisão proposta e as provas de qualquer validação efetuada pela aplicação ligada.
O material de lançamento demonstra explicações visuais baseadas em código e projetos interativos, incluindo saída SVG animada a partir de um pedido textual. Estes são artefactos de código, e não geração de imagens rasterizadas. Um pedido claro pode definir o que deve ser explicado, como o elemento visual deve comportar-se e os dados que deve representar. Reveja o código e a renderização resultantes face a esses requisitos. Para uma tarefa de síntese de dados, forneça as fontes reais e peça uma vista que preserve as relações e as ressalvas nelas encontradas.
Os níveis de pensamento documentados são low, medium e high, sendo high a predefinição para 3.1 Pro Preview. O pensamento não pode ser completamente desativado neste perfil Pro. Escolha um esforço inferior para uma resposta delimitada e mais raciocínio para trabalho difícil de várias etapas, deixando margem de saída suficiente para o artefacto final. Um limite de saída pequeno pode interromper o raciocínio antes de surgir uma resposta final utilizável. O guia de pensamento distingue um resumo do raciocínio do processo interno completo e explica por que razão importa o contexto de assinaturas de pensamento da conversação.
A tabela exata Preview apresenta chamadas de funções, execução de código, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Delimita File Search ao AI Studio. Forneça as finalidades das funções e as definições dos parâmetros e continue a partir do resultado real devolvido. O perfil separado Custom Tools Preview está otimizado para dar prioridade a ferramentas personalizadas e bash; é um endpoint distinto e identificado do produtor, pelo que essa especialização não deve ser tratada silenciosamente como propriedade de todos os pedidos 3.1 Pro. Selecione um esquema de resultado estruturado quando uma tarefa precisar de registos definidos em vez de prosa livre.
Para análise multimodal, identifique a página, o elemento visual, o intervalo de gravação ou o acontecimento no vídeo relevantes. Para análise documental, compare um diagrama com a sua especificação escrita e devolva cada discrepância com a passagem que a sustenta. Uma fonte falada pode contribuir com uma transcrição ou uma interpretação em texto. Preserve referências às fontes para as conclusões que precisam de verificação e distinga o que é visível ou declarado do que é inferido. A saída deste perfil continua a ser texto, incluindo código; a geração nativa de imagens ou voz não faz parte da sua tabela exata de capacidades.
A ficha nativa de 3.1 Pro especifica contexto de até 1M e saída textual de 64K, e a tabela exata da API Preview indica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua instruções, histórico de conversação e suportes multimédia no orçamento de entrada. A cache e o processamento em lote estão documentados, com opções Flex e Priority também apresentadas para o perfil do produtor. Para vários itens independentes, defina a saída exigida e preserve o identificador de cada fonte, em vez de combinar provas sem relação numa única resposta sem rastreabilidade.
A edição identificada Preview mantém-se distinta do perfil Custom Tools do Pro e de lançamentos Flash ou Pro posteriores. Os seus pontos fortes dizem respeito a raciocínio complexo, programação e síntese de provas; o artefacto final continua a precisar de ser verificado face à fonte e aos resultados reais das ferramentas. Preserve a ambiguidade por resolver quando a informação fornecida não sustentar uma conclusão definitiva. Um artefacto útil é a resposta, o código ou o registo sustentados que a tarefa pediu, com provas suficientes para avaliar os seus limites práticos.
", "aboutText": "Gemini 3.1 Pro Preview é o modelo textual da Google orientado para raciocínio, para tarefas complexas que exigem engenharia de software, desenvolvimento algorítmico ou síntese de provas multimodais. Baseia-se no Gemini 3 Pro, destacando a utilização precisa de ferramentas, raciocínio mais eficiente e execução fiável em várias etapas. Texto, imagens, áudio, vídeo e PDF podem contribuir para uma resposta escrita, um artefacto de código ou um resultado estruturado.\n\nPara uma tarefa exigente de programação, forneça o objetivo, o material relevante do repositório, o comportamento observado e as restrições a preservar. Repositórios de código completos podem fornecer contexto para a tarefa. Para uma revisão de contrato de código, peça ao modelo que compare o tratamento de um contrato de dados partilhado em dois módulos, identifique a discrepância e proponha uma correção focada com referências de código que a sustentem. A saída útil distingue a análise, a revisão proposta e as provas de qualquer validação efetuada pela aplicação ligada.\n\nO material de lançamento demonstra explicações visuais baseadas em código e projetos interativos, incluindo saída SVG animada a partir de um pedido textual. Estes são artefactos de código, e não geração de imagens rasterizadas. Um pedido claro pode definir o que deve ser explicado, como o elemento visual deve comportar-se e os dados que deve representar. Reveja o código e a renderização resultantes face a esses requisitos. Para uma tarefa de síntese de dados, forneça as fontes reais e peça uma vista que preserve as relações e as ressalvas nelas encontradas.\n\nOs níveis de pensamento documentados são low, medium e high, sendo high a predefinição para 3.1 Pro Preview. O pensamento não pode ser completamente desativado neste perfil Pro. Escolha um esforço inferior para uma resposta delimitada e mais raciocínio para trabalho difícil de várias etapas, deixando margem de saída suficiente para o artefacto final. Um limite de saída pequeno pode interromper o raciocínio antes de surgir uma resposta final utilizável. O guia de pensamento distingue um resumo do raciocínio do processo interno completo e explica por que razão importa o contexto de assinaturas de pensamento da conversação.\n\nA tabela exata Preview apresenta chamadas de funções, execução de código, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Delimita File Search ao AI Studio. Forneça as finalidades das funções e as definições dos parâmetros e continue a partir do resultado real devolvido. O perfil separado Custom Tools Preview está otimizado para dar prioridade a ferramentas personalizadas e bash; é um endpoint distinto e identificado do produtor, pelo que essa especialização não deve ser tratada silenciosamente como propriedade de todos os pedidos 3.1 Pro. Selecione um esquema de resultado estruturado quando uma tarefa precisar de registos definidos em vez de prosa livre.\n\nPara análise multimodal, identifique a página, o elemento visual, o intervalo de gravação ou o acontecimento no vídeo relevantes. Para análise documental, compare um diagrama com a sua especificação escrita e devolva cada discrepância com a passagem que a sustenta. Uma fonte falada pode contribuir com uma transcrição ou uma interpretação em texto. Preserve referências às fontes para as conclusões que precisam de verificação e distinga o que é visível ou declarado do que é inferido. A saída deste perfil continua a ser texto, incluindo código; a geração nativa de imagens ou voz não faz parte da sua tabela exata de capacidades.\n\nA ficha nativa de 3.1 Pro especifica contexto de até 1M e saída textual de 64K, e a tabela exata da API Preview indica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua instruções, histórico de conversação e suportes multimédia no orçamento de entrada. A cache e o processamento em lote estão documentados, com opções Flex e Priority também apresentadas para o perfil do produtor. Para vários itens independentes, defina a saída exigida e preserve o identificador de cada fonte, em vez de combinar provas sem relação numa única resposta sem rastreabilidade.\n\nA edição identificada Preview mantém-se distinta do perfil Custom Tools do Pro e de lançamentos Flash ou Pro posteriores. Os seus pontos fortes dizem respeito a raciocínio complexo, programação e síntese de provas; o artefacto final continua a precisar de ser verificado face à fonte e aos resultados reais das ferramentas. Preserve a ambiguidade por resolver quando a informação fornecida não sustentar uma conclusão definitiva. Um artefacto útil é a resposta, o código ou o registo sustentados que a tarefa pediu, com provas suficientes para avaliar os seus limites práticos.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.gemini-3.1-pro-previewGemini 3.1 Pro Preview é o modelo de raciocínio multimodal da Google para tarefas complexas de software, algoritmos e conhecimento. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto ou código, com ferramentas e saída estruturada. Os níveis de raciocínio low, medium e high orientam o esforço; high é a predefinição documentada.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Pro Preview é o modelo textual da Google orientado para raciocínio, para tarefas complexas que exigem engenharia de software, desenvolvimento algorítmico ou síntese de provas multimodais. Baseia-se no Gemini 3 Pro, destacando a utilização precisa de ferramentas, raciocínio mais eficiente e execução fiável em várias etapas. Texto, imagens, áudio, vídeo e PDF podem contribuir para uma resposta escrita, um artefacto de código ou um resultado estruturado.
Para uma tarefa exigente de programação, forneça o objetivo, o material relevante do repositório, o comportamento observado e as restrições a preservar. Repositórios de código completos podem fornecer contexto para a tarefa. Para uma revisão de contrato de código, peça ao modelo que compare o tratamento de um contrato de dados partilhado em dois módulos, identifique a discrepância e proponha uma correção focada com referências de código que a sustentem. A saída útil distingue a análise, a revisão proposta e as provas de qualquer validação efetuada pela aplicação ligada.
O material de lançamento demonstra explicações visuais baseadas em código e projetos interativos, incluindo saída SVG animada a partir de um pedido textual. Estes são artefactos de código, e não geração de imagens rasterizadas. Um pedido claro pode definir o que deve ser explicado, como o elemento visual deve comportar-se e os dados que deve representar. Reveja o código e a renderização resultantes face a esses requisitos. Para uma tarefa de síntese de dados, forneça as fontes reais e peça uma vista que preserve as relações e as ressalvas nelas encontradas.
Os níveis de pensamento documentados são low, medium e high, sendo high a predefinição para 3.1 Pro Preview. O pensamento não pode ser completamente desativado neste perfil Pro. Escolha um esforço inferior para uma resposta delimitada e mais raciocínio para trabalho difícil de várias etapas, deixando margem de saída suficiente para o artefacto final. Um limite de saída pequeno pode interromper o raciocínio antes de surgir uma resposta final utilizável. O guia de pensamento distingue um resumo do raciocínio do processo interno completo e explica por que razão importa o contexto de assinaturas de pensamento da conversação.
A tabela exata Preview apresenta chamadas de funções, execução de código, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Delimita File Search ao AI Studio. Forneça as finalidades das funções e as definições dos parâmetros e continue a partir do resultado real devolvido. O perfil separado Custom Tools Preview está otimizado para dar prioridade a ferramentas personalizadas e bash; é um endpoint distinto e identificado do produtor, pelo que essa especialização não deve ser tratada silenciosamente como propriedade de todos os pedidos 3.1 Pro. Selecione um esquema de resultado estruturado quando uma tarefa precisar de registos definidos em vez de prosa livre.
Para análise multimodal, identifique a página, o elemento visual, o intervalo de gravação ou o acontecimento no vídeo relevantes. Para análise documental, compare um diagrama com a sua especificação escrita e devolva cada discrepância com a passagem que a sustenta. Uma fonte falada pode contribuir com uma transcrição ou uma interpretação em texto. Preserve referências às fontes para as conclusões que precisam de verificação e distinga o que é visível ou declarado do que é inferido. A saída deste perfil continua a ser texto, incluindo código; a geração nativa de imagens ou voz não faz parte da sua tabela exata de capacidades.
A ficha nativa de 3.1 Pro especifica contexto de até 1M e saída textual de 64K, e a tabela exata da API Preview indica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua instruções, histórico de conversação e suportes multimédia no orçamento de entrada. A cache e o processamento em lote estão documentados, com opções Flex e Priority também apresentadas para o perfil do produtor. Para vários itens independentes, defina a saída exigida e preserve o identificador de cada fonte, em vez de combinar provas sem relação numa única resposta sem rastreabilidade.
A edição identificada Preview mantém-se distinta do perfil Custom Tools do Pro e de lançamentos Flash ou Pro posteriores. Os seus pontos fortes dizem respeito a raciocínio complexo, programação e síntese de provas; o artefacto final continua a precisar de ser verificado face à fonte e aos resultados reais das ferramentas. Preserve a ambiguidade por resolver quando a informação fornecida não sustentar uma conclusão definitiva. Um artefacto útil é a resposta, o código ou o registo sustentados que a tarefa pediu, com provas suficientes para avaliar os seus limites práticos.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-pro-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Camposystem | Tipostring|content_block[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites Mínimo: 1 O limite aplica-se a: Limite exato do modelo ou da ficha selecionados | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop_sequences | Tipostring[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipotool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].name | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Ferramenta fornecida | Predefinição— |
Campotools[].description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].input_schema | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campothinking.type | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campothinking.budget_tokens | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campooutput_config.effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campometadata | Tipoobject | RequisitoOpcional | Valores e limites | Predefinição— |
Campocache_control | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Texto · Texto UTF8
messages[].content ou bloco type=text
Texto + imagem
{type:image,source:{type:base64,media_type,data}} ou origem type=url
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratotext, image |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratonull |
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrotext_file_material | ContratoConteúdo UTF-8 real inserido como texto; ID de ficheiros/URLs precisam de suporte separado e exato |
Ciclo de vida: exact retained published method
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
POST /v1/messages| Tamanho do pedido, em tokens | Entrada | Saída | Leitura da cache | Escrita na cache | Cache de 5 min | Cache de 1 hora |
|---|---|---|---|---|---|---|
| Tamanho do pedido, em tokens(0; 200 000] | Entrada0,002 US$ | Saída0,012 US$ | Leitura da cache0,0002 US$ | Escrita na cacheBase: — | Cache de 5 minBase: — | Cache de 1 horaBase: — |
| Tamanho do pedido, em tokens(200 000; ∞) | Entrada0,004 US$ | Saída0,018 US$ | Leitura da cache0,0004 US$ | Escrita na cacheBase: — | Cache de 5 minBase: — | Cache de 1 horaBase: — |
Tarifas em USD por 1K tokens. Se não estiver definida nenhuma tarifa, é herdada a tarifa base deste método; «—» significa que não está definida nenhuma tarifa base.
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoOpenAI Chat · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.024 / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.008 / 1K tokens Saída · Tokens de saída $0.036 / 1K tokens Entrada · Leitura da cache $0.0008 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.024 / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.008 / 1K tokens Saída · Tokens de saída $0.036 / 1K tokens Entrada · Leitura da cache $0.0008 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-pro-preview", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-pro-preview", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.1-pro-preview",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.1-pro-preview",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-3.1-pro-preview',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview é o modelo de raciocínio multimodal da Google para tarefas complexas de software, algoritmos e conhecimento. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto ou código, com ferramentas e saída estruturada. Os níveis de raciocínio low, medium e high orientam o esforço; high é a predefinição documentada.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Pro Preview é o modelo textual da Google orientado para raciocínio, para tarefas complexas que exigem engenharia de software, desenvolvimento algorítmico ou síntese de provas multimodais. Baseia-se no Gemini 3 Pro, destacando a utilização precisa de ferramentas, raciocínio mais eficiente e execução fiável em várias etapas. Texto, imagens, áudio, vídeo e PDF podem contribuir para uma resposta escrita, um artefacto de código ou um resultado estruturado.
Para uma tarefa exigente de programação, forneça o objetivo, o material relevante do repositório, o comportamento observado e as restrições a preservar. Repositórios de código completos podem fornecer contexto para a tarefa. Para uma revisão de contrato de código, peça ao modelo que compare o tratamento de um contrato de dados partilhado em dois módulos, identifique a discrepância e proponha uma correção focada com referências de código que a sustentem. A saída útil distingue a análise, a revisão proposta e as provas de qualquer validação efetuada pela aplicação ligada.
O material de lançamento demonstra explicações visuais baseadas em código e projetos interativos, incluindo saída SVG animada a partir de um pedido textual. Estes são artefactos de código, e não geração de imagens rasterizadas. Um pedido claro pode definir o que deve ser explicado, como o elemento visual deve comportar-se e os dados que deve representar. Reveja o código e a renderização resultantes face a esses requisitos. Para uma tarefa de síntese de dados, forneça as fontes reais e peça uma vista que preserve as relações e as ressalvas nelas encontradas.
Os níveis de pensamento documentados são low, medium e high, sendo high a predefinição para 3.1 Pro Preview. O pensamento não pode ser completamente desativado neste perfil Pro. Escolha um esforço inferior para uma resposta delimitada e mais raciocínio para trabalho difícil de várias etapas, deixando margem de saída suficiente para o artefacto final. Um limite de saída pequeno pode interromper o raciocínio antes de surgir uma resposta final utilizável. O guia de pensamento distingue um resumo do raciocínio do processo interno completo e explica por que razão importa o contexto de assinaturas de pensamento da conversação.
A tabela exata Preview apresenta chamadas de funções, execução de código, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Delimita File Search ao AI Studio. Forneça as finalidades das funções e as definições dos parâmetros e continue a partir do resultado real devolvido. O perfil separado Custom Tools Preview está otimizado para dar prioridade a ferramentas personalizadas e bash; é um endpoint distinto e identificado do produtor, pelo que essa especialização não deve ser tratada silenciosamente como propriedade de todos os pedidos 3.1 Pro. Selecione um esquema de resultado estruturado quando uma tarefa precisar de registos definidos em vez de prosa livre.
Para análise multimodal, identifique a página, o elemento visual, o intervalo de gravação ou o acontecimento no vídeo relevantes. Para análise documental, compare um diagrama com a sua especificação escrita e devolva cada discrepância com a passagem que a sustenta. Uma fonte falada pode contribuir com uma transcrição ou uma interpretação em texto. Preserve referências às fontes para as conclusões que precisam de verificação e distinga o que é visível ou declarado do que é inferido. A saída deste perfil continua a ser texto, incluindo código; a geração nativa de imagens ou voz não faz parte da sua tabela exata de capacidades.
A ficha nativa de 3.1 Pro especifica contexto de até 1M e saída textual de 64K, e a tabela exata da API Preview indica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua instruções, histórico de conversação e suportes multimédia no orçamento de entrada. A cache e o processamento em lote estão documentados, com opções Flex e Priority também apresentadas para o perfil do produtor. Para vários itens independentes, defina a saída exigida e preserve o identificador de cada fonte, em vez de combinar provas sem relação numa única resposta sem rastreabilidade.
A edição identificada Preview mantém-se distinta do perfil Custom Tools do Pro e de lançamentos Flash ou Pro posteriores. Os seus pontos fortes dizem respeito a raciocínio complexo, programação e síntese de provas; o artefacto final continua a precisar de ser verificado face à fonte e aos resultados reais das ferramentas. Preserve a ambiguidade por resolver quando a informação fornecida não sustentar uma conclusão definitiva. Um artefacto útil é a resposta, o código ou o registo sustentados que a tarefa pediu, com provas suficientes para avaliar os seus limites práticos.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-pro-preview | Predefinição— |
Campocontents | Tipocontent[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campocontents[].role | Tipostring | RequisitoOpcional | Valores e limites user, model | Predefinição— |
Campocontents[].parts | Tipopart[] | RequisitoObrigatório | Valores e limites | Predefinição— |
CamposystemInstruction | Tipocontent | RequisitoOpcional | Valores e limites | Predefinição— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
CampogenerationConfig.temperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.topP | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.topK | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CamposafetySettings | Tipoobject[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CamposessionId | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Texto · Texto UTF8
contents[].parts[].text
Texto + imagem
parts[].inlineData={mimeType,data}
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratotext, image |
Parâmetrorequired | Contratocontents |
Parâmetrooptional_controls | Contratonull |
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrotext_file_material | ContratoConteúdo UTF-8 real inserido como texto; ID de ficheiros/URLs precisam de suporte separado e exato |
Ciclo de vida: exact retained published method
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
POST /v1beta/models/{model}:generateContent| Tamanho do pedido, em tokens | Entrada | Saída | Leitura da cache | Escrita na cache | Cache de 5 min | Cache de 1 hora |
|---|---|---|---|---|---|---|
| Tamanho do pedido, em tokens(0; 200 000] | Entrada0,002 US$ | Saída0,012 US$ | Leitura da cache0,0002 US$ | Escrita na cacheBase: — | Cache de 5 minBase: — | Cache de 1 horaBase: — |
| Tamanho do pedido, em tokens(200 000; ∞) | Entrada0,004 US$ | Saída0,018 US$ | Leitura da cache0,0004 US$ | Escrita na cacheBase: — | Cache de 5 minBase: — | Cache de 1 horaBase: — |
Tarifas em USD por 1K tokens. Se não estiver definida nenhuma tarifa, é herdada a tarifa base deste método; «—» significa que não está definida nenhuma tarifa base.
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoOpenAI Chat · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.024 / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.008 / 1K tokens Saída · Tokens de saída $0.036 / 1K tokens Entrada · Leitura da cache $0.0008 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.024 / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.008 / 1K tokens Saída · Tokens de saída $0.036 / 1K tokens Entrada · Leitura da cache $0.0008 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-preview:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-preview:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.1-pro-preview", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.1-pro-preview", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.1-pro-preview',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson ou streaming suportado
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os candidatos e partes, incluindo chamadas de funções, assinaturas de raciocínio e dados de utilização; junte os fragmentos do fluxo pela ordem.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
CamporesponseId | Tipostring |
CampomodelVersion | Tipostring |
Campocandidates[].content.parts[] | Tipotext|inlineData|functionCall|other part |
Campocandidates[].finishReason | Tipostring |
CampousageMetadata | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview é o modelo de raciocínio multimodal da Google para tarefas complexas de software, algoritmos e conhecimento. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto ou código, com ferramentas e saída estruturada. Os níveis de raciocínio low, medium e high orientam o esforço; high é a predefinição documentada.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Pro Preview é o modelo textual da Google orientado para raciocínio, para tarefas complexas que exigem engenharia de software, desenvolvimento algorítmico ou síntese de provas multimodais. Baseia-se no Gemini 3 Pro, destacando a utilização precisa de ferramentas, raciocínio mais eficiente e execução fiável em várias etapas. Texto, imagens, áudio, vídeo e PDF podem contribuir para uma resposta escrita, um artefacto de código ou um resultado estruturado.
Para uma tarefa exigente de programação, forneça o objetivo, o material relevante do repositório, o comportamento observado e as restrições a preservar. Repositórios de código completos podem fornecer contexto para a tarefa. Para uma revisão de contrato de código, peça ao modelo que compare o tratamento de um contrato de dados partilhado em dois módulos, identifique a discrepância e proponha uma correção focada com referências de código que a sustentem. A saída útil distingue a análise, a revisão proposta e as provas de qualquer validação efetuada pela aplicação ligada.
O material de lançamento demonstra explicações visuais baseadas em código e projetos interativos, incluindo saída SVG animada a partir de um pedido textual. Estes são artefactos de código, e não geração de imagens rasterizadas. Um pedido claro pode definir o que deve ser explicado, como o elemento visual deve comportar-se e os dados que deve representar. Reveja o código e a renderização resultantes face a esses requisitos. Para uma tarefa de síntese de dados, forneça as fontes reais e peça uma vista que preserve as relações e as ressalvas nelas encontradas.
Os níveis de pensamento documentados são low, medium e high, sendo high a predefinição para 3.1 Pro Preview. O pensamento não pode ser completamente desativado neste perfil Pro. Escolha um esforço inferior para uma resposta delimitada e mais raciocínio para trabalho difícil de várias etapas, deixando margem de saída suficiente para o artefacto final. Um limite de saída pequeno pode interromper o raciocínio antes de surgir uma resposta final utilizável. O guia de pensamento distingue um resumo do raciocínio do processo interno completo e explica por que razão importa o contexto de assinaturas de pensamento da conversação.
A tabela exata Preview apresenta chamadas de funções, execução de código, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Delimita File Search ao AI Studio. Forneça as finalidades das funções e as definições dos parâmetros e continue a partir do resultado real devolvido. O perfil separado Custom Tools Preview está otimizado para dar prioridade a ferramentas personalizadas e bash; é um endpoint distinto e identificado do produtor, pelo que essa especialização não deve ser tratada silenciosamente como propriedade de todos os pedidos 3.1 Pro. Selecione um esquema de resultado estruturado quando uma tarefa precisar de registos definidos em vez de prosa livre.
Para análise multimodal, identifique a página, o elemento visual, o intervalo de gravação ou o acontecimento no vídeo relevantes. Para análise documental, compare um diagrama com a sua especificação escrita e devolva cada discrepância com a passagem que a sustenta. Uma fonte falada pode contribuir com uma transcrição ou uma interpretação em texto. Preserve referências às fontes para as conclusões que precisam de verificação e distinga o que é visível ou declarado do que é inferido. A saída deste perfil continua a ser texto, incluindo código; a geração nativa de imagens ou voz não faz parte da sua tabela exata de capacidades.
A ficha nativa de 3.1 Pro especifica contexto de até 1M e saída textual de 64K, e a tabela exata da API Preview indica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua instruções, histórico de conversação e suportes multimédia no orçamento de entrada. A cache e o processamento em lote estão documentados, com opções Flex e Priority também apresentadas para o perfil do produtor. Para vários itens independentes, defina a saída exigida e preserve o identificador de cada fonte, em vez de combinar provas sem relação numa única resposta sem rastreabilidade.
A edição identificada Preview mantém-se distinta do perfil Custom Tools do Pro e de lançamentos Flash ou Pro posteriores. Os seus pontos fortes dizem respeito a raciocínio complexo, programação e síntese de provas; o artefacto final continua a precisar de ser verificado face à fonte e aos resultados reais das ferramentas. Preserve a ambiguidade por resolver quando a informação fornecida não sustentar uma conclusão definitiva. Um artefacto útil é a resposta, o código ou o registo sustentados que a tarefa pediu, com provas suficientes para avaliar os seus limites práticos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-pro-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.024 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.008 / 1K tokens Saída · Tokens de saída $0.036 / 1K tokens Entrada · Leitura da cache $0.0008 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-pro-preview","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="gemini-3.1-pro-preview", 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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview é o modelo de raciocínio multimodal da Google para tarefas complexas de software, algoritmos e conhecimento. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto ou código, com ferramentas e saída estruturada. Os níveis de raciocínio low, medium e high orientam o esforço; high é a predefinição documentada.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Pro Preview é o modelo textual da Google orientado para raciocínio, para tarefas complexas que exigem engenharia de software, desenvolvimento algorítmico ou síntese de provas multimodais. Baseia-se no Gemini 3 Pro, destacando a utilização precisa de ferramentas, raciocínio mais eficiente e execução fiável em várias etapas. Texto, imagens, áudio, vídeo e PDF podem contribuir para uma resposta escrita, um artefacto de código ou um resultado estruturado.
Para uma tarefa exigente de programação, forneça o objetivo, o material relevante do repositório, o comportamento observado e as restrições a preservar. Repositórios de código completos podem fornecer contexto para a tarefa. Para uma revisão de contrato de código, peça ao modelo que compare o tratamento de um contrato de dados partilhado em dois módulos, identifique a discrepância e proponha uma correção focada com referências de código que a sustentem. A saída útil distingue a análise, a revisão proposta e as provas de qualquer validação efetuada pela aplicação ligada.
O material de lançamento demonstra explicações visuais baseadas em código e projetos interativos, incluindo saída SVG animada a partir de um pedido textual. Estes são artefactos de código, e não geração de imagens rasterizadas. Um pedido claro pode definir o que deve ser explicado, como o elemento visual deve comportar-se e os dados que deve representar. Reveja o código e a renderização resultantes face a esses requisitos. Para uma tarefa de síntese de dados, forneça as fontes reais e peça uma vista que preserve as relações e as ressalvas nelas encontradas.
Os níveis de pensamento documentados são low, medium e high, sendo high a predefinição para 3.1 Pro Preview. O pensamento não pode ser completamente desativado neste perfil Pro. Escolha um esforço inferior para uma resposta delimitada e mais raciocínio para trabalho difícil de várias etapas, deixando margem de saída suficiente para o artefacto final. Um limite de saída pequeno pode interromper o raciocínio antes de surgir uma resposta final utilizável. O guia de pensamento distingue um resumo do raciocínio do processo interno completo e explica por que razão importa o contexto de assinaturas de pensamento da conversação.
A tabela exata Preview apresenta chamadas de funções, execução de código, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Delimita File Search ao AI Studio. Forneça as finalidades das funções e as definições dos parâmetros e continue a partir do resultado real devolvido. O perfil separado Custom Tools Preview está otimizado para dar prioridade a ferramentas personalizadas e bash; é um endpoint distinto e identificado do produtor, pelo que essa especialização não deve ser tratada silenciosamente como propriedade de todos os pedidos 3.1 Pro. Selecione um esquema de resultado estruturado quando uma tarefa precisar de registos definidos em vez de prosa livre.
Para análise multimodal, identifique a página, o elemento visual, o intervalo de gravação ou o acontecimento no vídeo relevantes. Para análise documental, compare um diagrama com a sua especificação escrita e devolva cada discrepância com a passagem que a sustenta. Uma fonte falada pode contribuir com uma transcrição ou uma interpretação em texto. Preserve referências às fontes para as conclusões que precisam de verificação e distinga o que é visível ou declarado do que é inferido. A saída deste perfil continua a ser texto, incluindo código; a geração nativa de imagens ou voz não faz parte da sua tabela exata de capacidades.
A ficha nativa de 3.1 Pro especifica contexto de até 1M e saída textual de 64K, e a tabela exata da API Preview indica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua instruções, histórico de conversação e suportes multimédia no orçamento de entrada. A cache e o processamento em lote estão documentados, com opções Flex e Priority também apresentadas para o perfil do produtor. Para vários itens independentes, defina a saída exigida e preserve o identificador de cada fonte, em vez de combinar provas sem relação numa única resposta sem rastreabilidade.
A edição identificada Preview mantém-se distinta do perfil Custom Tools do Pro e de lançamentos Flash ou Pro posteriores. Os seus pontos fortes dizem respeito a raciocínio complexo, programação e síntese de provas; o artefacto final continua a precisar de ser verificado face à fonte e aos resultados reais das ferramentas. Preserve a ambiguidade por resolver quando a informação fornecida não sustentar uma conclusão definitiva. Um artefacto útil é a resposta, o código ou o registo sustentados que a tarefa pediu, com provas suficientes para avaliar os seus limites práticos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-pro-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.024 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.008 / 1K tokens Saída · Tokens de saída $0.036 / 1K tokens Entrada · Leitura da cache $0.0008 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'gemini-3.1-pro-preview', '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': 'gemini-3.1-pro-preview', '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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview é o modelo de raciocínio multimodal da Google para tarefas complexas de software, algoritmos e conhecimento. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto ou código, com ferramentas e saída estruturada. Os níveis de raciocínio low, medium e high orientam o esforço; high é a predefinição documentada.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Pro Preview é o modelo textual da Google orientado para raciocínio, para tarefas complexas que exigem engenharia de software, desenvolvimento algorítmico ou síntese de provas multimodais. Baseia-se no Gemini 3 Pro, destacando a utilização precisa de ferramentas, raciocínio mais eficiente e execução fiável em várias etapas. Texto, imagens, áudio, vídeo e PDF podem contribuir para uma resposta escrita, um artefacto de código ou um resultado estruturado.
Para uma tarefa exigente de programação, forneça o objetivo, o material relevante do repositório, o comportamento observado e as restrições a preservar. Repositórios de código completos podem fornecer contexto para a tarefa. Para uma revisão de contrato de código, peça ao modelo que compare o tratamento de um contrato de dados partilhado em dois módulos, identifique a discrepância e proponha uma correção focada com referências de código que a sustentem. A saída útil distingue a análise, a revisão proposta e as provas de qualquer validação efetuada pela aplicação ligada.
O material de lançamento demonstra explicações visuais baseadas em código e projetos interativos, incluindo saída SVG animada a partir de um pedido textual. Estes são artefactos de código, e não geração de imagens rasterizadas. Um pedido claro pode definir o que deve ser explicado, como o elemento visual deve comportar-se e os dados que deve representar. Reveja o código e a renderização resultantes face a esses requisitos. Para uma tarefa de síntese de dados, forneça as fontes reais e peça uma vista que preserve as relações e as ressalvas nelas encontradas.
Os níveis de pensamento documentados são low, medium e high, sendo high a predefinição para 3.1 Pro Preview. O pensamento não pode ser completamente desativado neste perfil Pro. Escolha um esforço inferior para uma resposta delimitada e mais raciocínio para trabalho difícil de várias etapas, deixando margem de saída suficiente para o artefacto final. Um limite de saída pequeno pode interromper o raciocínio antes de surgir uma resposta final utilizável. O guia de pensamento distingue um resumo do raciocínio do processo interno completo e explica por que razão importa o contexto de assinaturas de pensamento da conversação.
A tabela exata Preview apresenta chamadas de funções, execução de código, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Delimita File Search ao AI Studio. Forneça as finalidades das funções e as definições dos parâmetros e continue a partir do resultado real devolvido. O perfil separado Custom Tools Preview está otimizado para dar prioridade a ferramentas personalizadas e bash; é um endpoint distinto e identificado do produtor, pelo que essa especialização não deve ser tratada silenciosamente como propriedade de todos os pedidos 3.1 Pro. Selecione um esquema de resultado estruturado quando uma tarefa precisar de registos definidos em vez de prosa livre.
Para análise multimodal, identifique a página, o elemento visual, o intervalo de gravação ou o acontecimento no vídeo relevantes. Para análise documental, compare um diagrama com a sua especificação escrita e devolva cada discrepância com a passagem que a sustenta. Uma fonte falada pode contribuir com uma transcrição ou uma interpretação em texto. Preserve referências às fontes para as conclusões que precisam de verificação e distinga o que é visível ou declarado do que é inferido. A saída deste perfil continua a ser texto, incluindo código; a geração nativa de imagens ou voz não faz parte da sua tabela exata de capacidades.
A ficha nativa de 3.1 Pro especifica contexto de até 1M e saída textual de 64K, e a tabela exata da API Preview indica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua instruções, histórico de conversação e suportes multimédia no orçamento de entrada. A cache e o processamento em lote estão documentados, com opções Flex e Priority também apresentadas para o perfil do produtor. Para vários itens independentes, defina a saída exigida e preserve o identificador de cada fonte, em vez de combinar provas sem relação numa única resposta sem rastreabilidade.
A edição identificada Preview mantém-se distinta do perfil Custom Tools do Pro e de lançamentos Flash ou Pro posteriores. Os seus pontos fortes dizem respeito a raciocínio complexo, programação e síntese de provas; o artefacto final continua a precisar de ser verificado face à fonte e aos resultados reais das ferramentas. Preserve a ambiguidade por resolver quando a informação fornecida não sustentar uma conclusão definitiva. Um artefacto útil é a resposta, o código ou o registo sustentados que a tarefa pediu, com provas suficientes para avaliar os seus limites práticos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemini-3.1-pro-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.024 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.008 / 1K tokens Saída · Tokens de saída $0.036 / 1K tokens Entrada · Leitura da cache $0.0008 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-pro-preview", "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/gemini-3.1-pro-preview',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/gemini-3.1-pro-preview',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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview é o modelo de raciocínio multimodal da Google para tarefas complexas de software, algoritmos e conhecimento. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto ou código, com ferramentas e saída estruturada. Os níveis de raciocínio low, medium e high orientam o esforço; high é a predefinição documentada.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Pro Preview é o modelo textual da Google orientado para raciocínio, para tarefas complexas que exigem engenharia de software, desenvolvimento algorítmico ou síntese de provas multimodais. Baseia-se no Gemini 3 Pro, destacando a utilização precisa de ferramentas, raciocínio mais eficiente e execução fiável em várias etapas. Texto, imagens, áudio, vídeo e PDF podem contribuir para uma resposta escrita, um artefacto de código ou um resultado estruturado.
Para uma tarefa exigente de programação, forneça o objetivo, o material relevante do repositório, o comportamento observado e as restrições a preservar. Repositórios de código completos podem fornecer contexto para a tarefa. Para uma revisão de contrato de código, peça ao modelo que compare o tratamento de um contrato de dados partilhado em dois módulos, identifique a discrepância e proponha uma correção focada com referências de código que a sustentem. A saída útil distingue a análise, a revisão proposta e as provas de qualquer validação efetuada pela aplicação ligada.
O material de lançamento demonstra explicações visuais baseadas em código e projetos interativos, incluindo saída SVG animada a partir de um pedido textual. Estes são artefactos de código, e não geração de imagens rasterizadas. Um pedido claro pode definir o que deve ser explicado, como o elemento visual deve comportar-se e os dados que deve representar. Reveja o código e a renderização resultantes face a esses requisitos. Para uma tarefa de síntese de dados, forneça as fontes reais e peça uma vista que preserve as relações e as ressalvas nelas encontradas.
Os níveis de pensamento documentados são low, medium e high, sendo high a predefinição para 3.1 Pro Preview. O pensamento não pode ser completamente desativado neste perfil Pro. Escolha um esforço inferior para uma resposta delimitada e mais raciocínio para trabalho difícil de várias etapas, deixando margem de saída suficiente para o artefacto final. Um limite de saída pequeno pode interromper o raciocínio antes de surgir uma resposta final utilizável. O guia de pensamento distingue um resumo do raciocínio do processo interno completo e explica por que razão importa o contexto de assinaturas de pensamento da conversação.
A tabela exata Preview apresenta chamadas de funções, execução de código, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Delimita File Search ao AI Studio. Forneça as finalidades das funções e as definições dos parâmetros e continue a partir do resultado real devolvido. O perfil separado Custom Tools Preview está otimizado para dar prioridade a ferramentas personalizadas e bash; é um endpoint distinto e identificado do produtor, pelo que essa especialização não deve ser tratada silenciosamente como propriedade de todos os pedidos 3.1 Pro. Selecione um esquema de resultado estruturado quando uma tarefa precisar de registos definidos em vez de prosa livre.
Para análise multimodal, identifique a página, o elemento visual, o intervalo de gravação ou o acontecimento no vídeo relevantes. Para análise documental, compare um diagrama com a sua especificação escrita e devolva cada discrepância com a passagem que a sustenta. Uma fonte falada pode contribuir com uma transcrição ou uma interpretação em texto. Preserve referências às fontes para as conclusões que precisam de verificação e distinga o que é visível ou declarado do que é inferido. A saída deste perfil continua a ser texto, incluindo código; a geração nativa de imagens ou voz não faz parte da sua tabela exata de capacidades.
A ficha nativa de 3.1 Pro especifica contexto de até 1M e saída textual de 64K, e a tabela exata da API Preview indica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua instruções, histórico de conversação e suportes multimédia no orçamento de entrada. A cache e o processamento em lote estão documentados, com opções Flex e Priority também apresentadas para o perfil do produtor. Para vários itens independentes, defina a saída exigida e preserve o identificador de cada fonte, em vez de combinar provas sem relação numa única resposta sem rastreabilidade.
A edição identificada Preview mantém-se distinta do perfil Custom Tools do Pro e de lançamentos Flash ou Pro posteriores. Os seus pontos fortes dizem respeito a raciocínio complexo, programação e síntese de provas; o artefacto final continua a precisar de ser verificado face à fonte e aos resultados reais das ferramentas. Preserve a ambiguidade por resolver quando a informação fornecida não sustentar uma conclusão definitiva. Um artefacto útil é a resposta, o código ou o registo sustentados que a tarefa pediu, com provas suficientes para avaliar os seus limites práticos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemini-3.1-pro-preview | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.024 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.024 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.008 / 1K tokens Saída · Tokens de saída $0.036 / 1K tokens Entrada · Leitura da cache $0.0008 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "google/gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-pro-preview', '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-3.1-pro-preview', '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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
Exemplo técnico em inglês
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.