Gemma 3 12B IT — зрительно-языковая модель Google размера 12B, дообученная для выполнения инструкций. Она относится к семейству Gemma 3, которое сочетает генерацию текста, понимание изображений и многоязычное обучение. Суффикс IT обозначает контрольную точку для следования инструкциям, а не предобученную модель. Результат представляет собой текст: объяснение, краткое изложение, ответ, черновик или код, полученный на основе письменных и визуальных материалов запроса.
Модель 12B использует общее для семейства контекстное окно 128K токенов, в которое входят и входные данные, и сгенерированный ответ. Ответ занимает часть, оставшуюся после запроса; карточка не предусматривает второго независимого окна 128K для вывода. Базовые представления изображений приводятся к 896×896 и каждое кодируется 256 визуальными токенами. При подготовке набора страниц сохраняйте их идентификаторы и выделяйте место для результата. Задавайте конкретный вопрос о нужном содержимом, вместо того чтобы рассчитывать, что большое окно автоматически выберет правильную задачу.
Разработчик сообщает о 12 триллионах токенов предобучения для этого размера. Обучающие материалы включают многоязычные веб-документы, код, математику и изображения; семейство охватывает более 140 языков. В отчёте описаны дистилляция знаний и улучшенная схема дообучения для выполнения инструкций с обучением с подкреплением. Эти этапы направлены на полезность, математические рассуждения и рассуждения о коде, выполнение инструкций и многоязычное взаимодействие. Отдельный объём обучения и идентичность контрольной точки сами по себе не устанавливают качество конкретного ответа, поэтому сопоставляйте результат с исходной задачей.
Архитектура представляет собой трансформер только с декодером, механизмом внимания с группировкой запросов и повторяющейся последовательностью из пяти слоёв локального внимания и одного глобального слоя. Локальные слои используют диапазон 1 024 токена, а глобальное внимание поддерживает более длинный контекст. Визуальный кодировщик SigLIP, общий для моделей 4B, 12B и 27B, преобразует изображения в представления, которые принимает языковая модель. Токенизатор SentencePiece сохраняет пробельные символы, разделяет цифры и использует кодирование на уровне байтов. Это имеет значение, когда необходимо сохранить форматирование кода, запись чисел или многоязычный текст.
Обработка изображений также включает Pan and Scan: адаптивные неперекрывающиеся фрагменты помогают сохранить содержимое широких источников и источников высокого разрешения до передачи каждого представления кодировщику с фиксированным разрешением. Дополнительные представления меняют объём обрабатываемого материала. Для технического документа предоставьте читаемую страницу, а при необходимости — чёткое изображение таблицы или схемы, о которой задан вопрос. Сохраняйте окружающие определения единиц, символов и столбцов, чтобы локальное прочтение изображения не теряло смысла.
Собственный формат запросов IT использует реплики user и model и не предусматривает отдельной роли system. Укажите нужную роль, правила ответа и задачу в первом пользовательском запросе, применяя предназначенный для этого форматировщик или процессор реального диалога. Например, запрос на анализ документов может предлагать сравнить два описания процедуры, вернуть таблицу совпадающих требований и указать противоречия. Обозначьте источники, укажите приоритетное требование и попросите модель отделять предоставленные факты от их интерпретации.
В карточке разработчика среди назначений указаны краткое изложение, помощь в диалоге, извлечение данных из изображений, написание текстов и обучение. Для многоязычного объяснения задайте целевого читателя, терминологию и степень подробности. В вопросе по изображению укажите обсуждаемые объекты или отношения и попросите привести наблюдения, подтверждающие итоговый ответ. Для работы с кодом включите реальную функцию и ожидаемое поведение; результат может предлагать реализацию, а запускать и проверять её должно отдельное приложение. Квантованные варианты семейства публикуются в отчёте отдельно, поэтому при фиксации результатов нельзя незаметно заменять эту модель 12B IT другой квантованной контрольной точкой.
Разработчик отмечает ограничения, связанные с охватом обучающих данных, фактическими неточностями, языковыми нюансами и сложными открытыми задачами. Google также предупреждает, что правдоподобный языковой шаблон может привести к ответу, не учитывающему обычное ограничение реального мира. Мелкие визуальные детали могут потеряться или быть прочитаны неверно, а длинным входам по-прежнему нужны ясные приоритеты. Сохраняйте исходные страницы, проверяйте извлечённые подписи и количества и валидируйте любой запрошенный текст, похожий на структурированные данные, прежде чем использовать его как данные. Оценивайте именно модель 12B IT на характерных вопросах и языках. Полезный итоговый материал содержит ответ по источнику, необходимые для его понимания рассуждения и оставшуюся неопределённость, не выдавая сгенерированное объяснение за выполненное действие инструмента или поиск актуальных знаний.
", "aboutText": "Gemma 3 12B IT — зрительно-языковая модель Google размера 12B, дообученная для выполнения инструкций. Она относится к семейству Gemma 3, которое сочетает генерацию текста, понимание изображений и многоязычное обучение. Суффикс IT обозначает контрольную точку для следования инструкциям, а не предобученную модель. Результат представляет собой текст: объяснение, краткое изложение, ответ, черновик или код, полученный на основе письменных и визуальных материалов запроса.\n\nМодель 12B использует общее для семейства контекстное окно 128K токенов, в которое входят и входные данные, и сгенерированный ответ. Ответ занимает часть, оставшуюся после запроса; карточка не предусматривает второго независимого окна 128K для вывода. Базовые представления изображений приводятся к 896×896 и каждое кодируется 256 визуальными токенами. При подготовке набора страниц сохраняйте их идентификаторы и выделяйте место для результата. Задавайте конкретный вопрос о нужном содержимом, вместо того чтобы рассчитывать, что большое окно автоматически выберет правильную задачу.\n\nРазработчик сообщает о 12 триллионах токенов предобучения для этого размера. Обучающие материалы включают многоязычные веб-документы, код, математику и изображения; семейство охватывает более 140 языков. В отчёте описаны дистилляция знаний и улучшенная схема дообучения для выполнения инструкций с обучением с подкреплением. Эти этапы направлены на полезность, математические рассуждения и рассуждения о коде, выполнение инструкций и многоязычное взаимодействие. Отдельный объём обучения и идентичность контрольной точки сами по себе не устанавливают качество конкретного ответа, поэтому сопоставляйте результат с исходной задачей.\n\nАрхитектура представляет собой трансформер только с декодером, механизмом внимания с группировкой запросов и повторяющейся последовательностью из пяти слоёв локального внимания и одного глобального слоя. Локальные слои используют диапазон 1 024 токена, а глобальное внимание поддерживает более длинный контекст. Визуальный кодировщик SigLIP, общий для моделей 4B, 12B и 27B, преобразует изображения в представления, которые принимает языковая модель. Токенизатор SentencePiece сохраняет пробельные символы, разделяет цифры и использует кодирование на уровне байтов. Это имеет значение, когда необходимо сохранить форматирование кода, запись чисел или многоязычный текст.\n\nОбработка изображений также включает Pan and Scan: адаптивные неперекрывающиеся фрагменты помогают сохранить содержимое широких источников и источников высокого разрешения до передачи каждого представления кодировщику с фиксированным разрешением. Дополнительные представления меняют объём обрабатываемого материала. Для технического документа предоставьте читаемую страницу, а при необходимости — чёткое изображение таблицы или схемы, о которой задан вопрос. Сохраняйте окружающие определения единиц, символов и столбцов, чтобы локальное прочтение изображения не теряло смысла.\n\nСобственный формат запросов IT использует реплики user и model и не предусматривает отдельной роли system. Укажите нужную роль, правила ответа и задачу в первом пользовательском запросе, применяя предназначенный для этого форматировщик или процессор реального диалога. Например, запрос на анализ документов может предлагать сравнить два описания процедуры, вернуть таблицу совпадающих требований и указать противоречия. Обозначьте источники, укажите приоритетное требование и попросите модель отделять предоставленные факты от их интерпретации.\n\nВ карточке разработчика среди назначений указаны краткое изложение, помощь в диалоге, извлечение данных из изображений, написание текстов и обучение. Для многоязычного объяснения задайте целевого читателя, терминологию и степень подробности. В вопросе по изображению укажите обсуждаемые объекты или отношения и попросите привести наблюдения, подтверждающие итоговый ответ. Для работы с кодом включите реальную функцию и ожидаемое поведение; результат может предлагать реализацию, а запускать и проверять её должно отдельное приложение. Квантованные варианты семейства публикуются в отчёте отдельно, поэтому при фиксации результатов нельзя незаметно заменять эту модель 12B IT другой квантованной контрольной точкой.\n\nРазработчик отмечает ограничения, связанные с охватом обучающих данных, фактическими неточностями, языковыми нюансами и сложными открытыми задачами. Google также предупреждает, что правдоподобный языковой шаблон может привести к ответу, не учитывающему обычное ограничение реального мира. Мелкие визуальные детали могут потеряться или быть прочитаны неверно, а длинным входам по-прежнему нужны ясные приоритеты. Сохраняйте исходные страницы, проверяйте извлечённые подписи и количества и валидируйте любой запрошенный текст, похожий на структурированные данные, прежде чем использовать его как данные. Оценивайте именно модель 12B IT на характерных вопросах и языках. Полезный итоговый материал содержит ответ по источнику, необходимые для его понимания рассуждения и оставшуюся неопределённость, не выдавая сгенерированное объяснение за выполненное действие инструмента или поиск актуальных знаний.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.google/gemma-3-12b-itGemma 3 12B IT — отдельная версия Gemma 3, дообученная для выполнения инструкций, генерации текста и понимания изображений. Используйте её для вопросов по документам, объяснений и многоязычных текстов с общим контекстом 128K, явно сохраняя идентичность контрольной точки 12B и её собственный формат диалога.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Gemma 3 12B IT — зрительно-языковая модель Google размера 12B, дообученная для выполнения инструкций. Она относится к семейству Gemma 3, которое сочетает генерацию текста, понимание изображений и многоязычное обучение. Суффикс IT обозначает контрольную точку для следования инструкциям, а не предобученную модель. Результат представляет собой текст: объяснение, краткое изложение, ответ, черновик или код, полученный на основе письменных и визуальных материалов запроса.
Модель 12B использует общее для семейства контекстное окно 128K токенов, в которое входят и входные данные, и сгенерированный ответ. Ответ занимает часть, оставшуюся после запроса; карточка не предусматривает второго независимого окна 128K для вывода. Базовые представления изображений приводятся к 896×896 и каждое кодируется 256 визуальными токенами. При подготовке набора страниц сохраняйте их идентификаторы и выделяйте место для результата. Задавайте конкретный вопрос о нужном содержимом, вместо того чтобы рассчитывать, что большое окно автоматически выберет правильную задачу.
Разработчик сообщает о 12 триллионах токенов предобучения для этого размера. Обучающие материалы включают многоязычные веб-документы, код, математику и изображения; семейство охватывает более 140 языков. В отчёте описаны дистилляция знаний и улучшенная схема дообучения для выполнения инструкций с обучением с подкреплением. Эти этапы направлены на полезность, математические рассуждения и рассуждения о коде, выполнение инструкций и многоязычное взаимодействие. Отдельный объём обучения и идентичность контрольной точки сами по себе не устанавливают качество конкретного ответа, поэтому сопоставляйте результат с исходной задачей.
Архитектура представляет собой трансформер только с декодером, механизмом внимания с группировкой запросов и повторяющейся последовательностью из пяти слоёв локального внимания и одного глобального слоя. Локальные слои используют диапазон 1 024 токена, а глобальное внимание поддерживает более длинный контекст. Визуальный кодировщик SigLIP, общий для моделей 4B, 12B и 27B, преобразует изображения в представления, которые принимает языковая модель. Токенизатор SentencePiece сохраняет пробельные символы, разделяет цифры и использует кодирование на уровне байтов. Это имеет значение, когда необходимо сохранить форматирование кода, запись чисел или многоязычный текст.
Обработка изображений также включает Pan and Scan: адаптивные неперекрывающиеся фрагменты помогают сохранить содержимое широких источников и источников высокого разрешения до передачи каждого представления кодировщику с фиксированным разрешением. Дополнительные представления меняют объём обрабатываемого материала. Для технического документа предоставьте читаемую страницу, а при необходимости — чёткое изображение таблицы или схемы, о которой задан вопрос. Сохраняйте окружающие определения единиц, символов и столбцов, чтобы локальное прочтение изображения не теряло смысла.
Собственный формат запросов IT использует реплики user и model и не предусматривает отдельной роли system. Укажите нужную роль, правила ответа и задачу в первом пользовательском запросе, применяя предназначенный для этого форматировщик или процессор реального диалога. Например, запрос на анализ документов может предлагать сравнить два описания процедуры, вернуть таблицу совпадающих требований и указать противоречия. Обозначьте источники, укажите приоритетное требование и попросите модель отделять предоставленные факты от их интерпретации.
В карточке разработчика среди назначений указаны краткое изложение, помощь в диалоге, извлечение данных из изображений, написание текстов и обучение. Для многоязычного объяснения задайте целевого читателя, терминологию и степень подробности. В вопросе по изображению укажите обсуждаемые объекты или отношения и попросите привести наблюдения, подтверждающие итоговый ответ. Для работы с кодом включите реальную функцию и ожидаемое поведение; результат может предлагать реализацию, а запускать и проверять её должно отдельное приложение. Квантованные варианты семейства публикуются в отчёте отдельно, поэтому при фиксации результатов нельзя незаметно заменять эту модель 12B IT другой квантованной контрольной точкой.
Разработчик отмечает ограничения, связанные с охватом обучающих данных, фактическими неточностями, языковыми нюансами и сложными открытыми задачами. Google также предупреждает, что правдоподобный языковой шаблон может привести к ответу, не учитывающему обычное ограничение реального мира. Мелкие визуальные детали могут потеряться или быть прочитаны неверно, а длинным входам по-прежнему нужны ясные приоритеты. Сохраняйте исходные страницы, проверяйте извлечённые подписи и количества и валидируйте любой запрошенный текст, похожий на структурированные данные, прежде чем использовать его как данные. Оценивайте именно модель 12B IT на характерных вопросах и языках. Полезный итоговый материал содержит ответ по источнику, необходимые для его понимания рассуждения и оставшуюся неопределённость, не выдавая сгенерированное объяснение за выполненное действие инструмента или поиск актуальных знаний.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения google/gemma-3-12b-it | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0001 / 1K токенов Выход · Выходные токены $0.0003 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0001 / 1K токенов Выход · Выходные токены $0.0003 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-12b-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-3-12b-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-3-12b-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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_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 Ultra google/gemma-3-12b-it
Используйте пути методов, указанные выше.
google/gemma-3-12b-itGemma 3 12B IT — отдельная версия Gemma 3, дообученная для выполнения инструкций, генерации текста и понимания изображений. Используйте её для вопросов по документам, объяснений и многоязычных текстов с общим контекстом 128K, явно сохраняя идентичность контрольной точки 12B и её собственный формат диалога.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Gemma 3 12B IT — зрительно-языковая модель Google размера 12B, дообученная для выполнения инструкций. Она относится к семейству Gemma 3, которое сочетает генерацию текста, понимание изображений и многоязычное обучение. Суффикс IT обозначает контрольную точку для следования инструкциям, а не предобученную модель. Результат представляет собой текст: объяснение, краткое изложение, ответ, черновик или код, полученный на основе письменных и визуальных материалов запроса.
Модель 12B использует общее для семейства контекстное окно 128K токенов, в которое входят и входные данные, и сгенерированный ответ. Ответ занимает часть, оставшуюся после запроса; карточка не предусматривает второго независимого окна 128K для вывода. Базовые представления изображений приводятся к 896×896 и каждое кодируется 256 визуальными токенами. При подготовке набора страниц сохраняйте их идентификаторы и выделяйте место для результата. Задавайте конкретный вопрос о нужном содержимом, вместо того чтобы рассчитывать, что большое окно автоматически выберет правильную задачу.
Разработчик сообщает о 12 триллионах токенов предобучения для этого размера. Обучающие материалы включают многоязычные веб-документы, код, математику и изображения; семейство охватывает более 140 языков. В отчёте описаны дистилляция знаний и улучшенная схема дообучения для выполнения инструкций с обучением с подкреплением. Эти этапы направлены на полезность, математические рассуждения и рассуждения о коде, выполнение инструкций и многоязычное взаимодействие. Отдельный объём обучения и идентичность контрольной точки сами по себе не устанавливают качество конкретного ответа, поэтому сопоставляйте результат с исходной задачей.
Архитектура представляет собой трансформер только с декодером, механизмом внимания с группировкой запросов и повторяющейся последовательностью из пяти слоёв локального внимания и одного глобального слоя. Локальные слои используют диапазон 1 024 токена, а глобальное внимание поддерживает более длинный контекст. Визуальный кодировщик SigLIP, общий для моделей 4B, 12B и 27B, преобразует изображения в представления, которые принимает языковая модель. Токенизатор SentencePiece сохраняет пробельные символы, разделяет цифры и использует кодирование на уровне байтов. Это имеет значение, когда необходимо сохранить форматирование кода, запись чисел или многоязычный текст.
Обработка изображений также включает Pan and Scan: адаптивные неперекрывающиеся фрагменты помогают сохранить содержимое широких источников и источников высокого разрешения до передачи каждого представления кодировщику с фиксированным разрешением. Дополнительные представления меняют объём обрабатываемого материала. Для технического документа предоставьте читаемую страницу, а при необходимости — чёткое изображение таблицы или схемы, о которой задан вопрос. Сохраняйте окружающие определения единиц, символов и столбцов, чтобы локальное прочтение изображения не теряло смысла.
Собственный формат запросов IT использует реплики user и model и не предусматривает отдельной роли system. Укажите нужную роль, правила ответа и задачу в первом пользовательском запросе, применяя предназначенный для этого форматировщик или процессор реального диалога. Например, запрос на анализ документов может предлагать сравнить два описания процедуры, вернуть таблицу совпадающих требований и указать противоречия. Обозначьте источники, укажите приоритетное требование и попросите модель отделять предоставленные факты от их интерпретации.
В карточке разработчика среди назначений указаны краткое изложение, помощь в диалоге, извлечение данных из изображений, написание текстов и обучение. Для многоязычного объяснения задайте целевого читателя, терминологию и степень подробности. В вопросе по изображению укажите обсуждаемые объекты или отношения и попросите привести наблюдения, подтверждающие итоговый ответ. Для работы с кодом включите реальную функцию и ожидаемое поведение; результат может предлагать реализацию, а запускать и проверять её должно отдельное приложение. Квантованные варианты семейства публикуются в отчёте отдельно, поэтому при фиксации результатов нельзя незаметно заменять эту модель 12B IT другой квантованной контрольной точкой.
Разработчик отмечает ограничения, связанные с охватом обучающих данных, фактическими неточностями, языковыми нюансами и сложными открытыми задачами. Google также предупреждает, что правдоподобный языковой шаблон может привести к ответу, не учитывающему обычное ограничение реального мира. Мелкие визуальные детали могут потеряться или быть прочитаны неверно, а длинным входам по-прежнему нужны ясные приоритеты. Сохраняйте исходные страницы, проверяйте извлечённые подписи и количества и валидируйте любой запрошенный текст, похожий на структурированные данные, прежде чем использовать его как данные. Оценивайте именно модель 12B IT на характерных вопросах и языках. Полезный итоговый материал содержит ответ по источнику, необходимые для его понимания рассуждения и оставшуюся неопределённость, не выдавая сгенерированное объяснение за выполненное действие инструмента или поиск актуальных знаний.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения google/gemma-3-12b-it | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0001 / 1K токенов Выход · Выходные токены $0.0003 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0001 / 1K токенов Выход · Выходные токены $0.0003 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "google/gemma-3-12b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-12b-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-3-12b-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 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 Ultra google/gemma-3-12b-it
Используйте пути методов, указанные выше.
Технический пример на английском
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.