Gemma 3 4B IT é a edição de dimensão 4B ajustada a instruções da família de visão-linguagem Gemma 3 da Google. IT identifica a versão adaptada a seguir instruções e turnos de conversa, em vez do checkpoint pré-treinado usado como base de treino adicional. Recebe texto e imagens e gera texto: resposta, resumo, explicação, rascunho ou código. A entrada visual permite perguntas sobre imagens e páginas fornecidas; a saída não é uma nova imagem gerada.
A ficha atribui à edição 4B um contexto de 128K tokens partilhado entre pedido e resposta. O espaço de saída remanescente é o contexto total menos a entrada, não um orçamento independente adicional de 128K. O processamento base normaliza imagens para 896×896 e codifica cada vista em 256 tokens visuais. Para um assistente focado, forneça a nota ou imagem relevante, uma pergunta clara e um resultado conciso. Guarde o texto com a resposta para conferir nomes, datas ou etiquetas extraídos.
O material de treino da família inclui texto Web em mais de 140 línguas, código, matemática e imagens. O fabricante refere quatro biliões de tokens de pré-treino para o modelo 4B. O relatório descreve destilação durante pré-treino e ajuste a instruções, seguida de pós-treino baseado em aprendizagem por reforço para melhorar utilidade, raciocínio, código, matemática e seguimento de instruções. São características de treino desta dimensão e família, não uma garantia de correção de todas as respostas nem de comportamento idêntico de outro checkpoint Gemma.
A arquitetura é um transformador só com descodificador e atenção de consultas agrupadas, alternando cinco camadas de atenção local por cada camada global. A atenção local cobre 1 024 tokens e as camadas globais tratam o contexto alargado. Um codificador visual SigLIP partilhado converte as imagens em entradas para o modelo linguístico. O tokenizer baseia-se em SentencePiece, com algarismos separados, espaços preservados e codificação ao nível do byte. Use contagens do tokenizer real para planear entradas longas e conserve indentação e identificadores de código quando transportam significado.
O relatório descreve Pan and Scan para imagens cuja forma ou detalhe não sobrevivem a um simples redimensionamento quadrado. Pode criar vistas adicionais não sobrepostas e redimensionadas para o codificador visual. O processo tem implicações próprias de entrada e cálculo. Para uma captura com etiquetas pequenas, identifique a região de interesse e forneça uma vista legível, em vez de depender de uma imagem minúscula do ecrã inteiro. Para várias imagens, indique os papéis e peça uma resposta ligada à fonte correta.
O formato de conversa IT nativo utiliza turnos user e model com fronteiras explícitas. Não suporta um papel system nativo separado; coloque as instruções de papel e formato no prompt user inicial. Use o formatador ou processador correspondente, em vez de tratar o checkpoint IT como conclusão simples de texto. Para uma nota de apoio, indique leitor, factos a preservar e tom, depois peça uma resposta curta e questões por resolver. Para extração visual, defina campos e representação de um valor ilegível.
Os usos previstos de Gemma incluem escrita, resumo, assistência conversacional, extração de dados de imagens e exploração educativa. Um fluxo 4B restrito pode transformar uma nota de serviço numa lista de ações, explicar um diagrama ou responder sobre um excerto fornecido. Peça um resultado fácil de inspecionar: explicação ligada a elementos identificados ou um registo curto com campos sustentados pelas fontes. Pesquisa por ferramentas e execução de código pertencem à aplicação envolvente; gerar uma instrução com forma de ferramenta é diferente de concluir uma operação externa.
O fabricante assinala limites de cobertura do treino, nuances linguísticas, erros factuais e complexidade de tarefas abertas. A Google avisa que um padrão linguístico plausível pode produzir uma resposta que falha uma restrição comum do mundo real. As imagens também podem perder detalhes importantes no redimensionamento e um contexto longo não clarifica uma pergunta insuficientemente definida. Reveja o resultado com o material original, valide os campos pedidos e verifique cálculos ou código de forma independente. Avalie o modelo exato 4B IT nas línguas e tipos documentais reais da tarefa. Registe dimensão, identidade IT e configuração separadamente das variantes Gemma 12B, 27B e mais recentes.
", "aboutText": "Gemma 3 4B IT é a edição de dimensão 4B ajustada a instruções da família de visão-linguagem Gemma 3 da Google. IT identifica a versão adaptada a seguir instruções e turnos de conversa, em vez do checkpoint pré-treinado usado como base de treino adicional. Recebe texto e imagens e gera texto: resposta, resumo, explicação, rascunho ou código. A entrada visual permite perguntas sobre imagens e páginas fornecidas; a saída não é uma nova imagem gerada.\n\nA ficha atribui à edição 4B um contexto de 128K tokens partilhado entre pedido e resposta. O espaço de saída remanescente é o contexto total menos a entrada, não um orçamento independente adicional de 128K. O processamento base normaliza imagens para 896×896 e codifica cada vista em 256 tokens visuais. Para um assistente focado, forneça a nota ou imagem relevante, uma pergunta clara e um resultado conciso. Guarde o texto com a resposta para conferir nomes, datas ou etiquetas extraídos.\n\nO material de treino da família inclui texto Web em mais de 140 línguas, código, matemática e imagens. O fabricante refere quatro biliões de tokens de pré-treino para o modelo 4B. O relatório descreve destilação durante pré-treino e ajuste a instruções, seguida de pós-treino baseado em aprendizagem por reforço para melhorar utilidade, raciocínio, código, matemática e seguimento de instruções. São características de treino desta dimensão e família, não uma garantia de correção de todas as respostas nem de comportamento idêntico de outro checkpoint Gemma.\n\nA arquitetura é um transformador só com descodificador e atenção de consultas agrupadas, alternando cinco camadas de atenção local por cada camada global. A atenção local cobre 1 024 tokens e as camadas globais tratam o contexto alargado. Um codificador visual SigLIP partilhado converte as imagens em entradas para o modelo linguístico. O tokenizer baseia-se em SentencePiece, com algarismos separados, espaços preservados e codificação ao nível do byte. Use contagens do tokenizer real para planear entradas longas e conserve indentação e identificadores de código quando transportam significado.\n\nO relatório descreve Pan and Scan para imagens cuja forma ou detalhe não sobrevivem a um simples redimensionamento quadrado. Pode criar vistas adicionais não sobrepostas e redimensionadas para o codificador visual. O processo tem implicações próprias de entrada e cálculo. Para uma captura com etiquetas pequenas, identifique a região de interesse e forneça uma vista legível, em vez de depender de uma imagem minúscula do ecrã inteiro. Para várias imagens, indique os papéis e peça uma resposta ligada à fonte correta.\n\nO formato de conversa IT nativo utiliza turnos user e model com fronteiras explícitas. Não suporta um papel system nativo separado; coloque as instruções de papel e formato no prompt user inicial. Use o formatador ou processador correspondente, em vez de tratar o checkpoint IT como conclusão simples de texto. Para uma nota de apoio, indique leitor, factos a preservar e tom, depois peça uma resposta curta e questões por resolver. Para extração visual, defina campos e representação de um valor ilegível.\n\nOs usos previstos de Gemma incluem escrita, resumo, assistência conversacional, extração de dados de imagens e exploração educativa. Um fluxo 4B restrito pode transformar uma nota de serviço numa lista de ações, explicar um diagrama ou responder sobre um excerto fornecido. Peça um resultado fácil de inspecionar: explicação ligada a elementos identificados ou um registo curto com campos sustentados pelas fontes. Pesquisa por ferramentas e execução de código pertencem à aplicação envolvente; gerar uma instrução com forma de ferramenta é diferente de concluir uma operação externa.\n\nO fabricante assinala limites de cobertura do treino, nuances linguísticas, erros factuais e complexidade de tarefas abertas. A Google avisa que um padrão linguístico plausível pode produzir uma resposta que falha uma restrição comum do mundo real. As imagens também podem perder detalhes importantes no redimensionamento e um contexto longo não clarifica uma pergunta insuficientemente definida. Reveja o resultado com o material original, valide os campos pedidos e verifique cálculos ou código de forma independente. Avalie o modelo exato 4B IT nas línguas e tipos documentais reais da tarefa. Registe dimensão, identidade IT e configuração separadamente das variantes Gemma 12B, 27B e mais recentes.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.google/gemma-3-4b-itGemma 3 4B IT é o modelo de texto e imagem da Google de tamanho 4B ajustado para seguir instruções. Gera texto para perguntas, resumos, escrita e análise visual, com um contexto partilhado de 128K e suporte da família para mais de 140 línguas.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemma 3 4B IT é a edição de dimensão 4B ajustada a instruções da família de visão-linguagem Gemma 3 da Google. IT identifica a versão adaptada a seguir instruções e turnos de conversa, em vez do checkpoint pré-treinado usado como base de treino adicional. Recebe texto e imagens e gera texto: resposta, resumo, explicação, rascunho ou código. A entrada visual permite perguntas sobre imagens e páginas fornecidas; a saída não é uma nova imagem gerada.
A ficha atribui à edição 4B um contexto de 128K tokens partilhado entre pedido e resposta. O espaço de saída remanescente é o contexto total menos a entrada, não um orçamento independente adicional de 128K. O processamento base normaliza imagens para 896×896 e codifica cada vista em 256 tokens visuais. Para um assistente focado, forneça a nota ou imagem relevante, uma pergunta clara e um resultado conciso. Guarde o texto com a resposta para conferir nomes, datas ou etiquetas extraídos.
O material de treino da família inclui texto Web em mais de 140 línguas, código, matemática e imagens. O fabricante refere quatro biliões de tokens de pré-treino para o modelo 4B. O relatório descreve destilação durante pré-treino e ajuste a instruções, seguida de pós-treino baseado em aprendizagem por reforço para melhorar utilidade, raciocínio, código, matemática e seguimento de instruções. São características de treino desta dimensão e família, não uma garantia de correção de todas as respostas nem de comportamento idêntico de outro checkpoint Gemma.
A arquitetura é um transformador só com descodificador e atenção de consultas agrupadas, alternando cinco camadas de atenção local por cada camada global. A atenção local cobre 1 024 tokens e as camadas globais tratam o contexto alargado. Um codificador visual SigLIP partilhado converte as imagens em entradas para o modelo linguístico. O tokenizer baseia-se em SentencePiece, com algarismos separados, espaços preservados e codificação ao nível do byte. Use contagens do tokenizer real para planear entradas longas e conserve indentação e identificadores de código quando transportam significado.
O relatório descreve Pan and Scan para imagens cuja forma ou detalhe não sobrevivem a um simples redimensionamento quadrado. Pode criar vistas adicionais não sobrepostas e redimensionadas para o codificador visual. O processo tem implicações próprias de entrada e cálculo. Para uma captura com etiquetas pequenas, identifique a região de interesse e forneça uma vista legível, em vez de depender de uma imagem minúscula do ecrã inteiro. Para várias imagens, indique os papéis e peça uma resposta ligada à fonte correta.
O formato de conversa IT nativo utiliza turnos user e model com fronteiras explícitas. Não suporta um papel system nativo separado; coloque as instruções de papel e formato no prompt user inicial. Use o formatador ou processador correspondente, em vez de tratar o checkpoint IT como conclusão simples de texto. Para uma nota de apoio, indique leitor, factos a preservar e tom, depois peça uma resposta curta e questões por resolver. Para extração visual, defina campos e representação de um valor ilegível.
Os usos previstos de Gemma incluem escrita, resumo, assistência conversacional, extração de dados de imagens e exploração educativa. Um fluxo 4B restrito pode transformar uma nota de serviço numa lista de ações, explicar um diagrama ou responder sobre um excerto fornecido. Peça um resultado fácil de inspecionar: explicação ligada a elementos identificados ou um registo curto com campos sustentados pelas fontes. Pesquisa por ferramentas e execução de código pertencem à aplicação envolvente; gerar uma instrução com forma de ferramenta é diferente de concluir uma operação externa.
O fabricante assinala limites de cobertura do treino, nuances linguísticas, erros factuais e complexidade de tarefas abertas. A Google avisa que um padrão linguístico plausível pode produzir uma resposta que falha uma restrição comum do mundo real. As imagens também podem perder detalhes importantes no redimensionamento e um contexto longo não clarifica uma pergunta insuficientemente definida. Reveja o resultado com o material original, valide os campos pedidos e verifique cálculos ou código de forma independente. Avalie o modelo exato 4B IT nas línguas e tipos documentais reais da tarefa. Registe dimensão, identidade IT e configuração separadamente das variantes Gemma 12B, 27B e mais recentes.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemma-3-4b-it | 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 $0.0001 / 1K tokens Saída · Tokens de saída $0.0002 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 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 $0.0001 / 1K tokens Saída · Tokens de saída $0.0002 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-4b-it", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemma-3-4b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemma-3-4b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 Ultra google/gemma-3-4b-it
Use os caminhos dos métodos indicados acima.
google/gemma-3-4b-itGemma 3 4B IT é o modelo de texto e imagem da Google de tamanho 4B ajustado para seguir instruções. Gera texto para perguntas, resumos, escrita e análise visual, com um contexto partilhado de 128K e suporte da família para mais de 140 línguas.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemma 3 4B IT é a edição de dimensão 4B ajustada a instruções da família de visão-linguagem Gemma 3 da Google. IT identifica a versão adaptada a seguir instruções e turnos de conversa, em vez do checkpoint pré-treinado usado como base de treino adicional. Recebe texto e imagens e gera texto: resposta, resumo, explicação, rascunho ou código. A entrada visual permite perguntas sobre imagens e páginas fornecidas; a saída não é uma nova imagem gerada.
A ficha atribui à edição 4B um contexto de 128K tokens partilhado entre pedido e resposta. O espaço de saída remanescente é o contexto total menos a entrada, não um orçamento independente adicional de 128K. O processamento base normaliza imagens para 896×896 e codifica cada vista em 256 tokens visuais. Para um assistente focado, forneça a nota ou imagem relevante, uma pergunta clara e um resultado conciso. Guarde o texto com a resposta para conferir nomes, datas ou etiquetas extraídos.
O material de treino da família inclui texto Web em mais de 140 línguas, código, matemática e imagens. O fabricante refere quatro biliões de tokens de pré-treino para o modelo 4B. O relatório descreve destilação durante pré-treino e ajuste a instruções, seguida de pós-treino baseado em aprendizagem por reforço para melhorar utilidade, raciocínio, código, matemática e seguimento de instruções. São características de treino desta dimensão e família, não uma garantia de correção de todas as respostas nem de comportamento idêntico de outro checkpoint Gemma.
A arquitetura é um transformador só com descodificador e atenção de consultas agrupadas, alternando cinco camadas de atenção local por cada camada global. A atenção local cobre 1 024 tokens e as camadas globais tratam o contexto alargado. Um codificador visual SigLIP partilhado converte as imagens em entradas para o modelo linguístico. O tokenizer baseia-se em SentencePiece, com algarismos separados, espaços preservados e codificação ao nível do byte. Use contagens do tokenizer real para planear entradas longas e conserve indentação e identificadores de código quando transportam significado.
O relatório descreve Pan and Scan para imagens cuja forma ou detalhe não sobrevivem a um simples redimensionamento quadrado. Pode criar vistas adicionais não sobrepostas e redimensionadas para o codificador visual. O processo tem implicações próprias de entrada e cálculo. Para uma captura com etiquetas pequenas, identifique a região de interesse e forneça uma vista legível, em vez de depender de uma imagem minúscula do ecrã inteiro. Para várias imagens, indique os papéis e peça uma resposta ligada à fonte correta.
O formato de conversa IT nativo utiliza turnos user e model com fronteiras explícitas. Não suporta um papel system nativo separado; coloque as instruções de papel e formato no prompt user inicial. Use o formatador ou processador correspondente, em vez de tratar o checkpoint IT como conclusão simples de texto. Para uma nota de apoio, indique leitor, factos a preservar e tom, depois peça uma resposta curta e questões por resolver. Para extração visual, defina campos e representação de um valor ilegível.
Os usos previstos de Gemma incluem escrita, resumo, assistência conversacional, extração de dados de imagens e exploração educativa. Um fluxo 4B restrito pode transformar uma nota de serviço numa lista de ações, explicar um diagrama ou responder sobre um excerto fornecido. Peça um resultado fácil de inspecionar: explicação ligada a elementos identificados ou um registo curto com campos sustentados pelas fontes. Pesquisa por ferramentas e execução de código pertencem à aplicação envolvente; gerar uma instrução com forma de ferramenta é diferente de concluir uma operação externa.
O fabricante assinala limites de cobertura do treino, nuances linguísticas, erros factuais e complexidade de tarefas abertas. A Google avisa que um padrão linguístico plausível pode produzir uma resposta que falha uma restrição comum do mundo real. As imagens também podem perder detalhes importantes no redimensionamento e um contexto longo não clarifica uma pergunta insuficientemente definida. Reveja o resultado com o material original, valide os campos pedidos e verifique cálculos ou código de forma independente. Avalie o modelo exato 4B IT nas línguas e tipos documentais reais da tarefa. Registe dimensão, identidade IT e configuração separadamente das variantes Gemma 12B, 27B e mais recentes.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemma-3-4b-it | 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 $0.0001 / 1K tokens Saída · Tokens de saída $0.0002 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 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 $0.0001 / 1K tokens Saída · Tokens de saída $0.0002 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "google/gemma-3-4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-4b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-4b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 Ultra google/gemma-3-4b-it
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.