Gemini 3.1 Pro Preview предназначена для работы со сложным материалом и задачами, требующими нескольких последовательных решений. Google выделяет программную инженерию, применение инструментов и согласованность фактических ответов. Модель помогает разбирать большие наборы данных, целые программные репозитории и задачи, в которых текст соединён с визуальными или звуковыми материалами.
В характеристиках Google перечислены текст, изображения, видео, аудио и PDF. В текущем каталоге Ailoot API для текстовых методов заявлены текст и изображения на входе и текст на выходе. Видео, аудио и PDF в этот набор входов не включены. Длинный контекст вмещает до 1 048 576 входных токенов, текстовый ответ — до 65 536 выходных токенов. Понимание изображений и аудио не означает их генерацию: выход этой версии остаётся текстовым.
Thinking позволяет выделить дополнительное усилие на внутреннее рассуждение. В описанном Google режиме базовой модели стандартный уровень — high; доступны low, medium, high. Эти значения описывают базовую модель Google; режим и доступность управления через Ailoot API определяются выбранным методом и вариантом модели. Основные сценарии включают сложное программирование, разработку алгоритмов, стратегическое планирование и пошаговое улучшение решения. Это особенно полезно, когда нужно учитывать несколько взаимосвязанных требований и возвращаться к промежуточным результатам.
Возможности модели включают вызовы функций, выполнение кода и структурированные ответы. Поддерживаются кэширование контекста, поисковое обоснование, Google Maps и использование содержимого веб-адресов; предусмотрена пакетная обработка. Такой набор позволяет построить процесс, в котором модель анализирует данные, выбирает следующий инструмент и формирует итог. Фактическая доступность каждого инструмента зависит от метода работы с моделью.
Карточка относится к предварительной версии gemini-3.1-pro-preview. В её основе — Gemini 3 Pro. Производитель отдельно обозначает вариант gemini-3.1-pro-preview-customtools, ориентированный на процессы с командной оболочкой и пользовательскими инструментами. Его приоритеты при выборе инструментов и особенности поведения не являются свойствами обычной Preview-версии.
Для модели сохраняются общие ограничения базовой линии: ответы могут содержать вымышленные сведения, а отдельные запросы — выполняться медленно или завершаться по тайм-ауту. Многошаговое рассуждение, большой контекст и доступ к данным помогают работать со сложной задачей, но не превращают каждый сгенерированный вывод в проверенный факт.
", "aboutText": "Gemini 3.1 Pro Preview предназначена для работы со сложным материалом и задачами, требующими нескольких последовательных решений. Google выделяет программную инженерию, применение инструментов и согласованность фактических ответов. Модель помогает разбирать большие наборы данных, целые программные репозитории и задачи, в которых текст соединён с визуальными или звуковыми материалами.\n\n### Какие материалы понимает модель\n\nВ характеристиках Google перечислены **текст, изображения, видео, аудио и PDF**. В текущем каталоге Ailoot API для текстовых методов заявлены **текст и изображения** на входе и текст на выходе. Видео, аудио и PDF в этот набор входов не включены. Длинный контекст вмещает до **1 048 576 входных токенов**, текстовый ответ — до **65 536 выходных токенов**. Понимание изображений и аудио не означает их генерацию: выход этой версии остаётся текстовым.\n\n### Рассуждение и работа по шагам\n\nThinking позволяет выделить дополнительное усилие на внутреннее рассуждение. В описанном Google режиме базовой модели стандартный уровень — `high`; доступны `low`, `medium`, `high`. Эти значения описывают базовую модель Google; режим и доступность управления через Ailoot API определяются выбранным методом и вариантом модели. Основные сценарии включают сложное программирование, разработку алгоритмов, стратегическое планирование и пошаговое улучшение решения. Это особенно полезно, когда нужно учитывать несколько взаимосвязанных требований и возвращаться к промежуточным результатам.\n\nВозможности модели включают вызовы функций, выполнение кода и структурированные ответы. Поддерживаются кэширование контекста, поисковое обоснование, Google Maps и использование содержимого веб-адресов; предусмотрена пакетная обработка. Такой набор позволяет построить процесс, в котором модель анализирует данные, выбирает следующий инструмент и формирует итог. Фактическая доступность каждого инструмента зависит от метода работы с моделью.\n\n### Версия и особенности\n\nКарточка относится к предварительной версии `gemini-3.1-pro-preview`. В её основе — Gemini 3 Pro. Производитель отдельно обозначает вариант `gemini-3.1-pro-preview-customtools`, ориентированный на процессы с командной оболочкой и пользовательскими инструментами. Его приоритеты при выборе инструментов и особенности поведения не являются свойствами обычной Preview-версии.\n\nДля модели сохраняются общие ограничения базовой линии: ответы могут содержать вымышленные сведения, а отдельные запросы — выполняться медленно или завершаться по тайм-ауту. Многошаговое рассуждение, большой контекст и доступ к данным помогают работать со сложной задачей, но не превращают каждый сгенерированный вывод в проверенный факт.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Plan a dependency-constrained move\n\nA lab move has these constraints: archive samples before unplugging the freezer; test the backup freezer before moving samples; restore temperature monitoring before accepting new samples. Staff propose unplugging first to save time. Produce an ordered checklist, flag the unsafe proposed step and specify evidence needed before accepting new samples. Use only the supplied constraints.An ordered checklist, one identified conflict and an acceptance-evidence item.The checklist must place backup testing and sample protection before unplugging and monitoring before intake.gemini-3.1-pro-highМультимодальная модель Google для сложных задач программирования, анализа больших материалов и точной многошаговой работы с инструментами.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Gemini 3.1 Pro Preview предназначена для работы со сложным материалом и задачами, требующими нескольких последовательных решений. Google выделяет программную инженерию, применение инструментов и согласованность фактических ответов. Модель помогает разбирать большие наборы данных, целые программные репозитории и задачи, в которых текст соединён с визуальными или звуковыми материалами.
В характеристиках Google перечислены текст, изображения, видео, аудио и PDF. В текущем каталоге Ailoot API для текстовых методов заявлены текст и изображения на входе и текст на выходе. Видео, аудио и PDF в этот набор входов не включены. Длинный контекст вмещает до 1 048 576 входных токенов, текстовый ответ — до 65 536 выходных токенов. Понимание изображений и аудио не означает их генерацию: выход этой версии остаётся текстовым.
Thinking позволяет выделить дополнительное усилие на внутреннее рассуждение. В описанном Google режиме базовой модели стандартный уровень — high; доступны low, medium, high. Эти значения описывают базовую модель Google; режим и доступность управления через Ailoot API определяются выбранным методом и вариантом модели. Основные сценарии включают сложное программирование, разработку алгоритмов, стратегическое планирование и пошаговое улучшение решения. Это особенно полезно, когда нужно учитывать несколько взаимосвязанных требований и возвращаться к промежуточным результатам.
Возможности модели включают вызовы функций, выполнение кода и структурированные ответы. Поддерживаются кэширование контекста, поисковое обоснование, Google Maps и использование содержимого веб-адресов; предусмотрена пакетная обработка. Такой набор позволяет построить процесс, в котором модель анализирует данные, выбирает следующий инструмент и формирует итог. Фактическая доступность каждого инструмента зависит от метода работы с моделью.
Карточка относится к предварительной версии gemini-3.1-pro-preview. В её основе — Gemini 3 Pro. Производитель отдельно обозначает вариант gemini-3.1-pro-preview-customtools, ориентированный на процессы с командной оболочкой и пользовательскими инструментами. Его приоритеты при выборе инструментов и особенности поведения не являются свойствами обычной Preview-версии.
Для модели сохраняются общие ограничения базовой линии: ответы могут содержать вымышленные сведения, а отдельные запросы — выполняться медленно или завершаться по тайм-ауту. Многошаговое рассуждение, большой контекст и доступ к данным помогают работать со сложной задачей, но не превращают каждый сгенерированный вывод в проверенный факт.
POST /v1/messagestext, imagetext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения gemini-3.1-pro-high | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring|content_block[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеsystem | Типstring|content_block[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения Минимум: 1 Объект ограничения: точный верхний предел выбранной модели/карточки | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop_sequences | Типstring[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типtool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: передан инструмент | По умолчанию— |
Полеtools[].description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].input_schema | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеthinking.type | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеthinking.budget_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеoutput_config.effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmetadata | Типobject | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеcache_control | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Текст · Текст UTF8
messages[].content или блок type=text
Текст + изображение
{type:image,source:{type:base64,media_type,data}} или источник type=url
| Параметр | Контракт |
|---|---|
Параметрmaterial_types | Контрактtext, image |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактnull |
Параметрcontent_type | Контрактapplication/json |
Параметрtext_file_material | Контрактфактическое содержимое UTF-8 вставляется как текст; ID файлов и URLs требуют отдельной точной поддержки |
Жизненный цикл: exact retained published method
Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.
POST /v1/messages| Размер запроса, токенов | Вход | Выход | Чтение кэша | Запись в кэш | Кэш 5 мин | Кэш 1 час |
|---|---|---|---|---|---|---|
| Размер запроса, токенов(0; 200 000] | Вход0,002 $ | Выход0,012 $ | Чтение кэша0,0002 $ | Запись в кэшБазовая: — | Кэш 5 минБазовая: — | Кэш 1 часБазовая: — |
| Размер запроса, токенов(200 000; ∞) | Вход0,004 $ | Выход0,018 $ | Чтение кэша0,0004 $ | Запись в кэшБазовая: — | Кэш 5 минБазовая: — | Кэш 1 часБазовая: — |
Ставки в USD за 1K токенов. Если ставка не задана, наследуется базовая ставка этого метода; «—» означает, что базовая ставка не задана.
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
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-high", "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-high", "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-high",\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-high",\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-high',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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot gemini-3.1-pro-high
Используйте пути методов, указанные выше.
gemini-3.1-pro-highМультимодальная модель Google для сложных задач программирования, анализа больших материалов и точной многошаговой работы с инструментами.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Gemini 3.1 Pro Preview предназначена для работы со сложным материалом и задачами, требующими нескольких последовательных решений. Google выделяет программную инженерию, применение инструментов и согласованность фактических ответов. Модель помогает разбирать большие наборы данных, целые программные репозитории и задачи, в которых текст соединён с визуальными или звуковыми материалами.
В характеристиках Google перечислены текст, изображения, видео, аудио и PDF. В текущем каталоге Ailoot API для текстовых методов заявлены текст и изображения на входе и текст на выходе. Видео, аудио и PDF в этот набор входов не включены. Длинный контекст вмещает до 1 048 576 входных токенов, текстовый ответ — до 65 536 выходных токенов. Понимание изображений и аудио не означает их генерацию: выход этой версии остаётся текстовым.
Thinking позволяет выделить дополнительное усилие на внутреннее рассуждение. В описанном Google режиме базовой модели стандартный уровень — high; доступны low, medium, high. Эти значения описывают базовую модель Google; режим и доступность управления через Ailoot API определяются выбранным методом и вариантом модели. Основные сценарии включают сложное программирование, разработку алгоритмов, стратегическое планирование и пошаговое улучшение решения. Это особенно полезно, когда нужно учитывать несколько взаимосвязанных требований и возвращаться к промежуточным результатам.
Возможности модели включают вызовы функций, выполнение кода и структурированные ответы. Поддерживаются кэширование контекста, поисковое обоснование, Google Maps и использование содержимого веб-адресов; предусмотрена пакетная обработка. Такой набор позволяет построить процесс, в котором модель анализирует данные, выбирает следующий инструмент и формирует итог. Фактическая доступность каждого инструмента зависит от метода работы с моделью.
Карточка относится к предварительной версии gemini-3.1-pro-preview. В её основе — Gemini 3 Pro. Производитель отдельно обозначает вариант gemini-3.1-pro-preview-customtools, ориентированный на процессы с командной оболочкой и пользовательскими инструментами. Его приоритеты при выборе инструментов и особенности поведения не являются свойствами обычной Preview-версии.
Для модели сохраняются общие ограничения базовой линии: ответы могут содержать вымышленные сведения, а отдельные запросы — выполняться медленно или завершаться по тайм-ауту. Многошаговое рассуждение, большой контекст и доступ к данным помогают работать со сложной задачей, но не превращают каждый сгенерированный вывод в проверенный факт.
POST /v1beta/models/{model}:generateContenttext, imagetext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеpath.model | Типstring | ТребованиеОбязательно | Значения и ограничения gemini-3.1-pro-high | По умолчанию— |
Полеcontents | Типcontent[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеcontents[].role | Типstring | ТребованиеНеобязательно | Значения и ограничения user, model | По умолчанию— |
Полеcontents[].parts | Типpart[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
ПолеsystemInstruction | Типcontent | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
ПолеgenerationConfig.maxOutputTokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
ПолеgenerationConfig.temperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
ПолеgenerationConfig.topP | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
ПолеgenerationConfig.topK | Типinteger | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
ПолеgenerationConfig.stopSequences | Типstring[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
ПолеgenerationConfig.thinkingConfig.includeThoughts | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
ПолеgenerationConfig.thinkingConfig.thinkingBudget | Типinteger | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].functionDeclarations | Типfunction_declaration[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
ПолеtoolConfig.functionCallingConfig.mode | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
ПолеsafetySettings | Типobject[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
ПолеsessionId | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Текст · Текст UTF8
contents[].parts[].text
Текст + изображение
parts[].inlineData={mimeType,data}
| Параметр | Контракт |
|---|---|
Параметрmaterial_types | Контрактtext, image |
Параметрrequired | Контрактcontents |
Параметрoptional_controls | Контрактnull |
Параметрcontent_type | Контрактapplication/json |
Параметрtext_file_material | Контрактфактическое содержимое UTF-8 вставляется как текст; ID файлов и URLs требуют отдельной точной поддержки |
Жизненный цикл: exact retained published method
Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.
POST /v1beta/models/{model}:generateContent| Размер запроса, токенов | Вход | Выход | Чтение кэша | Запись в кэш | Кэш 5 мин | Кэш 1 час |
|---|---|---|---|---|---|---|
| Размер запроса, токенов(0; 200 000] | Вход0,002 $ | Выход0,012 $ | Чтение кэша0,0002 $ | Запись в кэшБазовая: — | Кэш 5 минБазовая: — | Кэш 1 часБазовая: — |
| Размер запроса, токенов(200 000; ∞) | Вход0,004 $ | Выход0,018 $ | Чтение кэша0,0004 $ | Запись в кэшБазовая: — | Кэш 5 минБазовая: — | Кэш 1 часБазовая: — |
Ставки в USD за 1K токенов. Если ставка не задана, наследуется базовая ставка этого метода; «—» означает, что базовая ставка не задана.
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
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-high: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-high: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-high", 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-high", 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-high',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 или поддерживаемая потоковая передача
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все варианты и части, включая вызовы функций, подписи рассуждений и данные использования; собирайте части потока по порядку.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
ПолеresponseId | Типstring |
ПолеmodelVersion | Типstring |
Полеcandidates[].content.parts[] | Типtext|inlineData|functionCall|other part |
Полеcandidates[].finishReason | Типstring |
ПолеusageMetadata | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot gemini-3.1-pro-high
Используйте пути методов, указанные выше.
Технический пример на английском
Plan a dependency-constrained move\n\nA lab move has these constraints: archive samples before unplugging the freezer; test the backup freezer before moving samples; restore temperature monitoring before accepting new samples. Staff propose unplugging first to save time. Produce an ordered checklist, flag the unsafe proposed step and specify evidence needed before accepting new samples. Use only the supplied constraints.An ordered checklist, one identified conflict and an acceptance-evidence item.The checklist must place backup testing and sample protection before unplugging and monitoring before intake.