Gemini 3.8 Flash é o modelo da Google com saída textual para engenharia de software continuada, agentes de várias etapas e fluxos complexos de trabalho com conhecimento. Baseia-se no Gemini 3.7 Flash, com melhorias na engenharia de software e no trabalho de conhecimento com agentes. Aceita texto, imagens, áudio, vídeo e PDF, pelo que uma tarefa pode combinar um objetivo escrito com o material efetivamente necessário para o resolver. O resultado útil é uma alteração de código, uma análise explicada, uma resposta escrita ou um registo estruturado.
Para uma tarefa de programação, forneça o requisito, os ficheiros relevantes, o comportamento observado e as restrições a preservar. Uma captura de ecrã pode estabelecer a interface pretendida, enquanto os registos ou um exemplo que reproduza o problema mostram a falha. Para depuração, peça ao modelo que investigue uma discrepância entre o estado visível de um formulário e o seu valor guardado, identifique o percurso de código responsável e proponha uma correção focada. Mantenha claro o artefacto final pretendido, para que uma sequência mais longa de investigação e utilização de ferramentas continue a ter uma condição de conclusão específica.
Para trabalho mais prolongado, utilize passos de raciocínio menores, chamadas iterativas de ferramentas e verificações dos resultados intermédios. Os níveis de pensamento low, medium e high controlam a quantidade de raciocínio; medium é a predefinição documentada. Low adequa-se a um rascunho rápido ou a uma análise delimitada, enquanto high se destina a matemática difícil, programação ou tarefas de várias etapas. O Gemini 3.8 Flash não suporta o nível de pensamento minimal. Uma tarefa de depuração continuada e uma extração simples de campos exigem, por isso, escolhas de raciocínio diferentes, em vez da mesma definição para todos os pedidos.
As ferramentas documentadas incluem chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Google Maps e contexto de URL, sendo Computer Use apresentado como capacidade em pré-visualização. As saídas estruturadas definem um resultado legível por máquina. As funções devem ter uma finalidade clara e uma definição dos parâmetros: o modelo pode pedir uma função, enquanto a aplicação ligada executa a operação e devolve o resultado. Preserve as identidades das funções e o material efetivamente devolvido entre turnos. Uma resposta final útil explica que provas sustentam a correção proposta ou o valor extraído.
O guia de migração para 3.8 utiliza controlos de nível de pensamento em vez da configuração antiga de orçamento de raciocínio e aconselha remover parâmetros de amostragem obsoletos e turnos de modelo pré-preenchidos. Exige também preservar as assinaturas de pensamento no fluxo de trabalho sem estado relevante e fazer corresponder as respostas de funções às respetivas chamadas por identidade e nome. Estes pormenores importam ao continuar uma tarefa de várias etapas: o turno seguinte precisa do contexto anterior real, e não de um relato reescrito que perca o resultado da ferramenta ou a assinatura. Mantenha explícitos a pergunta e o resultado pedido no novo turno do utilizador.
Para trabalho de conhecimento multimodal, identifique as páginas de documento, o gráfico, o intervalo de áudio ou o acontecimento no vídeo relevantes e indique como devem contribuir para a resposta. Uma comparação documental pode pedir uma tabela de diferenças com passagens das fontes; uma pergunta sobre um gráfico pode pedir os valores visíveis e a conclusão que sustentam. Uma análise de vídeo pode pedir uma descrição dos acontecimentos que justificam uma conclusão. O modelo devolve texto a partir destas entradas. Imagens geradas, voz e interação áudio Live pertencem a perfis de modelos distintos.
Os seus limites da Gemini API são 1 048 576 tokens de entrada e 65 536 tokens de saída, correspondendo ao contexto de até 1M e à saída textual de 64K do modelo nativo. As instruções, o histórico de conversação e os suportes multimédia fornecidos consomem o contexto de entrada, e o raciocínio ou um artefacto final longo têm de caber no limite de saída documentado. A Google apresenta também cache, processamento em lote, Flex e processamento Priority para este perfil do produtor. Para itens independentes, mantenha um identificador de item estável e um formato de saída explícito, para que cada resultado continue ligado à sua fonte.
As limitações possíveis incluem alucinações, episódios ocasionais de lentidão ou de falha por exceder o tempo limite e maior utilização de tokens com esforço mais elevado. A sua data-limite de conhecimento é março de 2026, mantendo-se alguns domínios limitados a janeiro de 2025. Forneça provas atuais ou utilize as ferramentas de fundamentação documentadas quando a tarefa depender de informação posterior. Reveja as citações de fontes, os cálculos e o código proposto face às entradas e aos resultados de execução reais. O artefacto final útil deve distinguir uma conclusão sustentada de uma questão por resolver, sem pressupor que uma resposta fluente estabelece o resultado pedido.
", "aboutText": "Gemini 3.8 Flash é o modelo da Google com saída textual para engenharia de software continuada, agentes de várias etapas e fluxos complexos de trabalho com conhecimento. Baseia-se no Gemini 3.7 Flash, com melhorias na engenharia de software e no trabalho de conhecimento com agentes. Aceita texto, imagens, áudio, vídeo e PDF, pelo que uma tarefa pode combinar um objetivo escrito com o material efetivamente necessário para o resolver. O resultado útil é uma alteração de código, uma análise explicada, uma resposta escrita ou um registo estruturado.\n\nPara uma tarefa de programação, forneça o requisito, os ficheiros relevantes, o comportamento observado e as restrições a preservar. Uma captura de ecrã pode estabelecer a interface pretendida, enquanto os registos ou um exemplo que reproduza o problema mostram a falha. Para depuração, peça ao modelo que investigue uma discrepância entre o estado visível de um formulário e o seu valor guardado, identifique o percurso de código responsável e proponha uma correção focada. Mantenha claro o artefacto final pretendido, para que uma sequência mais longa de investigação e utilização de ferramentas continue a ter uma condição de conclusão específica.\n\nPara trabalho mais prolongado, utilize passos de raciocínio menores, chamadas iterativas de ferramentas e verificações dos resultados intermédios. Os níveis de pensamento low, medium e high controlam a quantidade de raciocínio; medium é a predefinição documentada. Low adequa-se a um rascunho rápido ou a uma análise delimitada, enquanto high se destina a matemática difícil, programação ou tarefas de várias etapas. O Gemini 3.8 Flash não suporta o nível de pensamento minimal. Uma tarefa de depuração continuada e uma extração simples de campos exigem, por isso, escolhas de raciocínio diferentes, em vez da mesma definição para todos os pedidos.\n\nAs ferramentas documentadas incluem chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Google Maps e contexto de URL, sendo Computer Use apresentado como capacidade em pré-visualização. As saídas estruturadas definem um resultado legível por máquina. As funções devem ter uma finalidade clara e uma definição dos parâmetros: o modelo pode pedir uma função, enquanto a aplicação ligada executa a operação e devolve o resultado. Preserve as identidades das funções e o material efetivamente devolvido entre turnos. Uma resposta final útil explica que provas sustentam a correção proposta ou o valor extraído.\n\nO guia de migração para 3.8 utiliza controlos de nível de pensamento em vez da configuração antiga de orçamento de raciocínio e aconselha remover parâmetros de amostragem obsoletos e turnos de modelo pré-preenchidos. Exige também preservar as assinaturas de pensamento no fluxo de trabalho sem estado relevante e fazer corresponder as respostas de funções às respetivas chamadas por identidade e nome. Estes pormenores importam ao continuar uma tarefa de várias etapas: o turno seguinte precisa do contexto anterior real, e não de um relato reescrito que perca o resultado da ferramenta ou a assinatura. Mantenha explícitos a pergunta e o resultado pedido no novo turno do utilizador.\n\nPara trabalho de conhecimento multimodal, identifique as páginas de documento, o gráfico, o intervalo de áudio ou o acontecimento no vídeo relevantes e indique como devem contribuir para a resposta. Uma comparação documental pode pedir uma tabela de diferenças com passagens das fontes; uma pergunta sobre um gráfico pode pedir os valores visíveis e a conclusão que sustentam. Uma análise de vídeo pode pedir uma descrição dos acontecimentos que justificam uma conclusão. O modelo devolve texto a partir destas entradas. Imagens geradas, voz e interação áudio Live pertencem a perfis de modelos distintos.\n\nOs seus limites da Gemini API são 1 048 576 tokens de entrada e 65 536 tokens de saída, correspondendo ao contexto de até 1M e à saída textual de 64K do modelo nativo. As instruções, o histórico de conversação e os suportes multimédia fornecidos consomem o contexto de entrada, e o raciocínio ou um artefacto final longo têm de caber no limite de saída documentado. A Google apresenta também cache, processamento em lote, Flex e processamento Priority para este perfil do produtor. Para itens independentes, mantenha um identificador de item estável e um formato de saída explícito, para que cada resultado continue ligado à sua fonte.\n\nAs limitações possíveis incluem alucinações, episódios ocasionais de lentidão ou de falha por exceder o tempo limite e maior utilização de tokens com esforço mais elevado. A sua data-limite de conhecimento é março de 2026, mantendo-se alguns domínios limitados a janeiro de 2025. Forneça provas atuais ou utilize as ferramentas de fundamentação documentadas quando a tarefa depender de informação posterior. Reveja as citações de fontes, os cálculos e o código proposto face às entradas e aos resultados de execução reais. O artefacto final útil deve distinguir uma conclusão sustentada de uma questão por resolver, sem pressupor que uma resposta fluente estabelece o resultado pedido.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "20a37c395f61ad640e8e392223c67ac57802d8831a042fa84bb3adaef549eabd", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "google/gemini-3.8-flash:batchGemini 3.8 Flash é o modelo multimodal polivalente da Google para engenharia de software continuada, agentes e tarefas complexas de conhecimento. Aceita texto, imagens, áudio, vídeo e PDF, devolve texto e oferece raciocínio baixo, médio ou elevado, com ferramentas e saída estruturada. Os seus limites de entrada/saída documentados são 1 048 576/65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.8 Flash é o modelo da Google com saída textual para engenharia de software continuada, agentes de várias etapas e fluxos complexos de trabalho com conhecimento. Baseia-se no Gemini 3.7 Flash, com melhorias na engenharia de software e no trabalho de conhecimento com agentes. Aceita texto, imagens, áudio, vídeo e PDF, pelo que uma tarefa pode combinar um objetivo escrito com o material efetivamente necessário para o resolver. O resultado útil é uma alteração de código, uma análise explicada, uma resposta escrita ou um registo estruturado.
Para uma tarefa de programação, forneça o requisito, os ficheiros relevantes, o comportamento observado e as restrições a preservar. Uma captura de ecrã pode estabelecer a interface pretendida, enquanto os registos ou um exemplo que reproduza o problema mostram a falha. Para depuração, peça ao modelo que investigue uma discrepância entre o estado visível de um formulário e o seu valor guardado, identifique o percurso de código responsável e proponha uma correção focada. Mantenha claro o artefacto final pretendido, para que uma sequência mais longa de investigação e utilização de ferramentas continue a ter uma condição de conclusão específica.
Para trabalho mais prolongado, utilize passos de raciocínio menores, chamadas iterativas de ferramentas e verificações dos resultados intermédios. Os níveis de pensamento low, medium e high controlam a quantidade de raciocínio; medium é a predefinição documentada. Low adequa-se a um rascunho rápido ou a uma análise delimitada, enquanto high se destina a matemática difícil, programação ou tarefas de várias etapas. O Gemini 3.8 Flash não suporta o nível de pensamento minimal. Uma tarefa de depuração continuada e uma extração simples de campos exigem, por isso, escolhas de raciocínio diferentes, em vez da mesma definição para todos os pedidos.
As ferramentas documentadas incluem chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Google Maps e contexto de URL, sendo Computer Use apresentado como capacidade em pré-visualização. As saídas estruturadas definem um resultado legível por máquina. As funções devem ter uma finalidade clara e uma definição dos parâmetros: o modelo pode pedir uma função, enquanto a aplicação ligada executa a operação e devolve o resultado. Preserve as identidades das funções e o material efetivamente devolvido entre turnos. Uma resposta final útil explica que provas sustentam a correção proposta ou o valor extraído.
O guia de migração para 3.8 utiliza controlos de nível de pensamento em vez da configuração antiga de orçamento de raciocínio e aconselha remover parâmetros de amostragem obsoletos e turnos de modelo pré-preenchidos. Exige também preservar as assinaturas de pensamento no fluxo de trabalho sem estado relevante e fazer corresponder as respostas de funções às respetivas chamadas por identidade e nome. Estes pormenores importam ao continuar uma tarefa de várias etapas: o turno seguinte precisa do contexto anterior real, e não de um relato reescrito que perca o resultado da ferramenta ou a assinatura. Mantenha explícitos a pergunta e o resultado pedido no novo turno do utilizador.
Para trabalho de conhecimento multimodal, identifique as páginas de documento, o gráfico, o intervalo de áudio ou o acontecimento no vídeo relevantes e indique como devem contribuir para a resposta. Uma comparação documental pode pedir uma tabela de diferenças com passagens das fontes; uma pergunta sobre um gráfico pode pedir os valores visíveis e a conclusão que sustentam. Uma análise de vídeo pode pedir uma descrição dos acontecimentos que justificam uma conclusão. O modelo devolve texto a partir destas entradas. Imagens geradas, voz e interação áudio Live pertencem a perfis de modelos distintos.
Os seus limites da Gemini API são 1 048 576 tokens de entrada e 65 536 tokens de saída, correspondendo ao contexto de até 1M e à saída textual de 64K do modelo nativo. As instruções, o histórico de conversação e os suportes multimédia fornecidos consomem o contexto de entrada, e o raciocínio ou um artefacto final longo têm de caber no limite de saída documentado. A Google apresenta também cache, processamento em lote, Flex e processamento Priority para este perfil do produtor. Para itens independentes, mantenha um identificador de item estável e um formato de saída explícito, para que cada resultado continue ligado à sua fonte.
As limitações possíveis incluem alucinações, episódios ocasionais de lentidão ou de falha por exceder o tempo limite e maior utilização de tokens com esforço mais elevado. A sua data-limite de conhecimento é março de 2026, mantendo-se alguns domínios limitados a janeiro de 2025. Forneça provas atuais ou utilize as ferramentas de fundamentação documentadas quando a tarefa depender de informação posterior. Reveja as citações de fontes, os cálculos e o código proposto face às entradas e aos resultados de execução reais. O artefacto final útil deve distinguir uma conclusão sustentada de uma questão por resolver, sem pressupor que uma resposta fluente estabelece o resultado pedido.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObrigatório | Valores e limites /v1/chat/completions | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemini-3.8-flash:batch | Predefinição— |
Camporequests | Tipobatch_item[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Camporequests[].custom_id | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores e limites 24h | Predefinição— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores e limites | Predefinição— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores e limites google/gemini-3.8-flash:batch, google/gemini-3.8-flash | Predefinição— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores e limites google-vertex/global | Predefinição— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores e limites false, null | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratoendpoint, model, requests |
Parâmetromaterial_types | Contratotext |
Parâmetrorepresentation | Contratorequests[] em linha; cada item tem custom_id e body |
Parâmetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parâmetrofile_material | ContratoQuem faz a chamada pode ler localmente o conteúdo JSONL UTF-8 efetivo para requests[]. Não é utilizada qualquer finalidade de carregamento, input_file_id ou referência a ficheiro. Se o material do cliente estiver em falta ou vazio, a preparação é interrompida antes do POST. |
Parâmetroserialization_order | Contratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar |
Parâmetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parâmetroschema_scope | ContratoCorpos de pedidos de texto de Chat Completions na estrutura de lote em linha documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id efetivo da resposta original de criação; mesmo utilizador/chave/grupo
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 $0.00075 / 1K tokens Saída · Tokens de saída $0.00375 / 1K tokens Entrada · Leitura da cache $0.000075 / 1K tokens Entrada · Escrita na cache $0.0000833333333333334 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00075 / 1K tokens Saída · Tokens de saída $0.00375 / 1K tokens Entrada · Leitura da cache $0.000075 / 1K tokens Entrada · Escrita na cache $0.0000833333333333334 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.8-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.8-flash:batch', 'google/gemini-3.8-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.8-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON em linha de results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo do estado original, todos os resultados/custom_id e o corpo completo da resposta ou do erro. Guarde os results[] concluídos em formato JSONL, sem filtrar.
Preserve o ID original da operação. A resposta 503 result_pending_check inclui X-Should-Retry:false; nunca volte a enviar um lote original de estado desconhecido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoEstrutura em linha documentada inválida, chaves duplicadas, identidade do item inválida ou conflito com as capacidades configuradas do modelo. | Passo seguinteCorrija os campos indicados antes de qualquer novo envio. |
Resposta401 · authentication_error | CondiçãoChave de API inválida. | Passo seguinteUse a chave Ailoot autorizada. |
Resposta403 · permission_error | CondiçãoGrupo de processamento em lote indisponível. | Passo seguinteVerifique os direitos de acesso da chave/do grupo. |
Resposta422 · invalid_request_error | CondiçãoO processamento em lote usa faturação por débito do saldo; a criação com subscrição é rejeitada. | Passo seguinteUse o grupo autorizado com faturação por débito do saldo. |
Resposta422 · price_unavailable | CondiçãoNão é possível calcular uma estimativa de preço para os dados de entrada do lote. | Passo seguinteConserve a resposta; use os dados de entrada documentados para a família. |
Resposta402 · billing_error | CondiçãoReserva para processamento em lote indisponível. | Passo seguinteResolva a questão da admissão antes de um novo pedido. |
Resposta503 · price_unavailable | CondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis. | Passo seguinteConserve a resposta; não substitua os preços. |
Resposta503 · api_error | CondiçãoA rota exata do fornecedor está indisponível. | Passo seguinteConserve a resposta para corrigir a rota. |
Resposta503 · result_pending_check | CondiçãoO resultado original requer verificação; X-Should-Retry:false. | Passo seguinteGuarde o operation_id/id original e consulte o respetivo estado; nunca repita o POST original. |
Resposta404 · not_found | CondiçãoA operação de consulta do estado do lote não existe ou pertence a outra identidade. | Passo seguinteUse o id original exato e o mesmo utilizador/chave/grupo. |
Ailoot Ultra google/gemini-3.8-flash:batch
Use os caminhos dos métodos indicados acima.