Gemini 3.1 Pro Preview är Googles resonemangsinriktade textmodell för komplexa uppgifter som kräver programvaruutveckling, algoritmutveckling eller syntes av multimodalt underlag. Den bygger vidare på Gemini 3 Pro med tonvikt på exakt verktygsanvändning, effektivare resonemang och tillförlitlig exekvering i flera steg. Text, bilder, ljud, video och PDF kan bidra till ett skriftligt svar, en kodartefakt eller ett strukturerat resultat.
För ett krävande programmeringsuppdrag ska du ange målet, relevant material ur kodarkivet, observerat beteende och de begränsningar som ska behållas. Hela kodarkiv kan tillföra kontext för uppdraget. Vid granskning av ett kodkontrakt kan du be modellen jämföra hur två moduler hanterar ett gemensamt datakontrakt, identifiera avvikelsen och föreslå en avgränsad korrigering med stödjande kodhänvisningar. Ett användbart resultat skiljer analys, föreslagen ändring och belägg från eventuell validering som den anslutna applikationen har utfört.
Lanseringsmaterialet visar kodbaserade visuella förklaringar och interaktiva projekt, inklusive animerad SVG-utdata från en textbeskrivning. Det är kodartefakter snarare än generering av rasterbilder. En tydlig uppdragsbeskrivning kan definiera vad som ska förklaras, hur visualiseringen ska bete sig och vilka data den ska återge. Granska den resulterande koden och renderingen mot kraven. För en uppgift med datasyntes ska du tillhandahålla de faktiska källorna och begära en samlad vy som bevarar de samband och förbehåll som finns i dem.
De dokumenterade tänkandenivåerna är low, medium och high, med high som standard för 3.1 Pro Preview. Tänkande kan inte stängas av helt i den här Pro-profilen. Välj en lägre arbetsinsats för ett avgränsat svar och mer resonemang för svårt arbete i flera steg, samtidigt som tillräckligt utdatautrymme lämnas för den slutliga artefakten. Ett lågt utdatatak kan avbryta resonemanget innan ett användbart slutligt svar visas. Guiden för tänkande skiljer en sammanfattning av resonemang från hela den interna processen och förklarar varför samtalets kontext med thought signatures är viktig.
Den exakta Preview-tabellen listar funktionsanrop, kodexekvering, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Den avgränsar File Search till AI Studio. Ange funktionernas syften och parameterdefinitioner och fortsätt från det faktiska returnerade resultatet. Den separata profilen Custom Tools Preview är optimerad för att prioritera anpassade verktyg och bash; den är en separat namngiven endpoint hos tillverkaren, så den specialiseringen ska inte i tysthet behandlas som en egenskap hos varje 3.1 Pro-förfrågan. Välj ett schema för strukturerade resultat när uppgiften behöver definierade poster i stället för fri löptext.
För multimodal analys ska du identifiera relevant sida, bildmaterial, inspelningsintervall eller videohändelse. Vid dokumentanalys kan du jämföra ett diagram med dess skriftliga specifikation och returnera varje avvikelse med en stödjande textpassage. En talad källa kan bidra med en transkription eller en tolkning i text. Bevara källhänvisningar för slutsatser som behöver kontrolleras och skilj det som är synligt eller uttryckligen angivet från det som är härlett. Profilens utdata förblir text, inklusive kod; inbyggd bild- eller talgenerering ingår inte i dess exakta kapacitetstabell.
Det ursprungliga kortet för 3.1 Pro anger upp till 1M kontext och 64K textutdata, och den exakta Preview-API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtalshistorik och medier i indatabudgeten. Cachelagring och batchbearbetning dokumenteras, och alternativ för Flex och Priority listas också för tillverkarens profil. För flera oberoende objekt ska den föreskrivna utdataformen definieras och varje källidentifierare behållas i stället för att orelaterade belägg kombineras i ett enda ospårbart svar.
Den namngivna Preview-utgåvan är fortfarande separat från Pros Custom Tools-profil och senare Flash- eller Pro-utgåvor. Dess styrkor gäller komplexa resonemang, programmering och syntes av underlag; den slutliga artefakten behöver fortfarande kontrolleras mot källan och de faktiska verktygsresultaten. Bevara olöst tvetydighet när den tillhandahållna informationen inte stödjer en bestämd slutsats. En användbar leverans är det underbyggda svar, den kod eller den post som uppgiften efterfrågade, med tillräckliga belägg för att bedöma dess praktiska begränsningar.
", "aboutText": "Gemini 3.1 Pro Preview är Googles resonemangsinriktade textmodell för komplexa uppgifter som kräver programvaruutveckling, algoritmutveckling eller syntes av multimodalt underlag. Den bygger vidare på Gemini 3 Pro med tonvikt på exakt verktygsanvändning, effektivare resonemang och tillförlitlig exekvering i flera steg. Text, bilder, ljud, video och PDF kan bidra till ett skriftligt svar, en kodartefakt eller ett strukturerat resultat.\n\nFör ett krävande programmeringsuppdrag ska du ange målet, relevant material ur kodarkivet, observerat beteende och de begränsningar som ska behållas. Hela kodarkiv kan tillföra kontext för uppdraget. Vid granskning av ett kodkontrakt kan du be modellen jämföra hur två moduler hanterar ett gemensamt datakontrakt, identifiera avvikelsen och föreslå en avgränsad korrigering med stödjande kodhänvisningar. Ett användbart resultat skiljer analys, föreslagen ändring och belägg från eventuell validering som den anslutna applikationen har utfört.\n\nLanseringsmaterialet visar kodbaserade visuella förklaringar och interaktiva projekt, inklusive animerad SVG-utdata från en textbeskrivning. Det är kodartefakter snarare än generering av rasterbilder. En tydlig uppdragsbeskrivning kan definiera vad som ska förklaras, hur visualiseringen ska bete sig och vilka data den ska återge. Granska den resulterande koden och renderingen mot kraven. För en uppgift med datasyntes ska du tillhandahålla de faktiska källorna och begära en samlad vy som bevarar de samband och förbehåll som finns i dem.\n\nDe dokumenterade tänkandenivåerna är low, medium och high, med high som standard för 3.1 Pro Preview. Tänkande kan inte stängas av helt i den här Pro-profilen. Välj en lägre arbetsinsats för ett avgränsat svar och mer resonemang för svårt arbete i flera steg, samtidigt som tillräckligt utdatautrymme lämnas för den slutliga artefakten. Ett lågt utdatatak kan avbryta resonemanget innan ett användbart slutligt svar visas. Guiden för tänkande skiljer en sammanfattning av resonemang från hela den interna processen och förklarar varför samtalets kontext med thought signatures är viktig.\n\nDen exakta Preview-tabellen listar funktionsanrop, kodexekvering, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Den avgränsar File Search till AI Studio. Ange funktionernas syften och parameterdefinitioner och fortsätt från det faktiska returnerade resultatet. Den separata profilen Custom Tools Preview är optimerad för att prioritera anpassade verktyg och bash; den är en separat namngiven endpoint hos tillverkaren, så den specialiseringen ska inte i tysthet behandlas som en egenskap hos varje 3.1 Pro-förfrågan. Välj ett schema för strukturerade resultat när uppgiften behöver definierade poster i stället för fri löptext.\n\nFör multimodal analys ska du identifiera relevant sida, bildmaterial, inspelningsintervall eller videohändelse. Vid dokumentanalys kan du jämföra ett diagram med dess skriftliga specifikation och returnera varje avvikelse med en stödjande textpassage. En talad källa kan bidra med en transkription eller en tolkning i text. Bevara källhänvisningar för slutsatser som behöver kontrolleras och skilj det som är synligt eller uttryckligen angivet från det som är härlett. Profilens utdata förblir text, inklusive kod; inbyggd bild- eller talgenerering ingår inte i dess exakta kapacitetstabell.\n\nDet ursprungliga kortet för 3.1 Pro anger upp till 1M kontext och 64K textutdata, och den exakta Preview-API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtalshistorik och medier i indatabudgeten. Cachelagring och batchbearbetning dokumenteras, och alternativ för Flex och Priority listas också för tillverkarens profil. För flera oberoende objekt ska den föreskrivna utdataformen definieras och varje källidentifierare behållas i stället för att orelaterade belägg kombineras i ett enda ospårbart svar.\n\nDen namngivna Preview-utgåvan är fortfarande separat från Pros Custom Tools-profil och senare Flash- eller Pro-utgåvor. Dess styrkor gäller komplexa resonemang, programmering och syntes av underlag; den slutliga artefakten behöver fortfarande kontrolleras mot källan och de faktiska verktygsresultaten. Bevara olöst tvetydighet när den tillhandahållna informationen inte stödjer en bestämd slutsats. En användbar leverans är det underbyggda svar, den kod eller den post som uppgiften efterfrågade, med tillräckliga belägg för att bedöma dess praktiska begränsningar.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.gemini-3.1-pro-previewGemini 3.1 Pro Preview är Googles multimodala resonemangsmodell för komplexa programvaru-, algoritm- och kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF och returnerar text eller kod, med verktyg och strukturerade utdata. Resonemangsnivåerna Low, medium och high styr insatsen; high är det dokumenterade standardvalet.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Pro Preview är Googles resonemangsinriktade textmodell för komplexa uppgifter som kräver programvaruutveckling, algoritmutveckling eller syntes av multimodalt underlag. Den bygger vidare på Gemini 3 Pro med tonvikt på exakt verktygsanvändning, effektivare resonemang och tillförlitlig exekvering i flera steg. Text, bilder, ljud, video och PDF kan bidra till ett skriftligt svar, en kodartefakt eller ett strukturerat resultat.
För ett krävande programmeringsuppdrag ska du ange målet, relevant material ur kodarkivet, observerat beteende och de begränsningar som ska behållas. Hela kodarkiv kan tillföra kontext för uppdraget. Vid granskning av ett kodkontrakt kan du be modellen jämföra hur två moduler hanterar ett gemensamt datakontrakt, identifiera avvikelsen och föreslå en avgränsad korrigering med stödjande kodhänvisningar. Ett användbart resultat skiljer analys, föreslagen ändring och belägg från eventuell validering som den anslutna applikationen har utfört.
Lanseringsmaterialet visar kodbaserade visuella förklaringar och interaktiva projekt, inklusive animerad SVG-utdata från en textbeskrivning. Det är kodartefakter snarare än generering av rasterbilder. En tydlig uppdragsbeskrivning kan definiera vad som ska förklaras, hur visualiseringen ska bete sig och vilka data den ska återge. Granska den resulterande koden och renderingen mot kraven. För en uppgift med datasyntes ska du tillhandahålla de faktiska källorna och begära en samlad vy som bevarar de samband och förbehåll som finns i dem.
De dokumenterade tänkandenivåerna är low, medium och high, med high som standard för 3.1 Pro Preview. Tänkande kan inte stängas av helt i den här Pro-profilen. Välj en lägre arbetsinsats för ett avgränsat svar och mer resonemang för svårt arbete i flera steg, samtidigt som tillräckligt utdatautrymme lämnas för den slutliga artefakten. Ett lågt utdatatak kan avbryta resonemanget innan ett användbart slutligt svar visas. Guiden för tänkande skiljer en sammanfattning av resonemang från hela den interna processen och förklarar varför samtalets kontext med thought signatures är viktig.
Den exakta Preview-tabellen listar funktionsanrop, kodexekvering, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Den avgränsar File Search till AI Studio. Ange funktionernas syften och parameterdefinitioner och fortsätt från det faktiska returnerade resultatet. Den separata profilen Custom Tools Preview är optimerad för att prioritera anpassade verktyg och bash; den är en separat namngiven endpoint hos tillverkaren, så den specialiseringen ska inte i tysthet behandlas som en egenskap hos varje 3.1 Pro-förfrågan. Välj ett schema för strukturerade resultat när uppgiften behöver definierade poster i stället för fri löptext.
För multimodal analys ska du identifiera relevant sida, bildmaterial, inspelningsintervall eller videohändelse. Vid dokumentanalys kan du jämföra ett diagram med dess skriftliga specifikation och returnera varje avvikelse med en stödjande textpassage. En talad källa kan bidra med en transkription eller en tolkning i text. Bevara källhänvisningar för slutsatser som behöver kontrolleras och skilj det som är synligt eller uttryckligen angivet från det som är härlett. Profilens utdata förblir text, inklusive kod; inbyggd bild- eller talgenerering ingår inte i dess exakta kapacitetstabell.
Det ursprungliga kortet för 3.1 Pro anger upp till 1M kontext och 64K textutdata, och den exakta Preview-API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtalshistorik och medier i indatabudgeten. Cachelagring och batchbearbetning dokumenteras, och alternativ för Flex och Priority listas också för tillverkarens profil. För flera oberoende objekt ska den föreskrivna utdataformen definieras och varje källidentifierare behållas i stället för att orelaterade belägg kombineras i ett enda ospårbart svar.
Den namngivna Preview-utgåvan är fortfarande separat från Pros Custom Tools-profil och senare Flash- eller Pro-utgåvor. Dess styrkor gäller komplexa resonemang, programmering och syntes av underlag; den slutliga artefakten behöver fortfarande kontrolleras mot källan och de faktiska verktygsresultaten. Bevara olöst tvetydighet när den tillhandahållna informationen inte stödjer en bestämd slutsats. En användbar leverans är det underbyggda svar, den kod eller den post som uppgiften efterfrågade, med tillräckliga belägg för att bedöma dess praktiska begränsningar.
POST /v1/messagestext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.1-pro-preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring|content_block[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältsystem | Typstring|content_block[] | KravValfritt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser Minimum: 1 Gränsen gäller för: den exakta gränsen för den valda modellen/det valda kortet | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop_sequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typtool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].name | Typstring | KravValfritt | Värden & gränser Gäller när: verktyg har tillhandahållits | Standard— |
Fälttools[].description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].input_schema | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.type | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.budget_tokens | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältoutput_config.effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmetadata | Typobject | KravValfritt | Värden & gränser | Standard— |
Fältcache_control | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Text · UTF8-text
messages[].content eller ett type=text-block
Text + bild
{type:image,source:{type:base64,media_type,data}} eller källa type=url
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext, image |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | Avtalfaktiskt UTF-8-innehåll infogat som text; fil-ID:n/URLs kräver separat, exakt definierat stöd |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
POST /v1/messages| Begärans storlek i token | Indata | Utdata | Cacheläsning | Skrivning till cache | Cache 5 min | Cache 1 tim |
|---|---|---|---|---|---|---|
| Begärans storlek i token(0; 200 000] | Indata0,002 US$ | Utdata0,012 US$ | Cacheläsning0,0002 US$ | Skrivning till cacheBaspris: — | Cache 5 minBaspris: — | Cache 1 timBaspris: — |
| Begärans storlek i token(200 000; ∞) | Indata0,004 US$ | Utdata0,018 US$ | Cacheläsning0,0004 US$ | Skrivning till cacheBaspris: — | Cache 5 minBaspris: — | Cache 1 timBaspris: — |
Priser i USD per 1K token. Om inget pris anges ärvs grundpriset för den här metoden; «—» betyder att inget grundpris har angetts.
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token Utdata · Utdatatoken för resonemang $0.024 / 1K token |
| KonfigurationOpenAI Chat · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationOpenAI Chat · Nivå 2 baserad på begärans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.036 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token Utdata · Utdatatoken för resonemang $0.024 / 1K token |
| KonfigurationAnthropic Messages · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Nivå 2 baserad på begärans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.036 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-pro-preview", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-pro-preview", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.1-pro-preview",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.1-pro-preview",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-3.1-pro-preview',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview är Googles multimodala resonemangsmodell för komplexa programvaru-, algoritm- och kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF och returnerar text eller kod, med verktyg och strukturerade utdata. Resonemangsnivåerna Low, medium och high styr insatsen; high är det dokumenterade standardvalet.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Pro Preview är Googles resonemangsinriktade textmodell för komplexa uppgifter som kräver programvaruutveckling, algoritmutveckling eller syntes av multimodalt underlag. Den bygger vidare på Gemini 3 Pro med tonvikt på exakt verktygsanvändning, effektivare resonemang och tillförlitlig exekvering i flera steg. Text, bilder, ljud, video och PDF kan bidra till ett skriftligt svar, en kodartefakt eller ett strukturerat resultat.
För ett krävande programmeringsuppdrag ska du ange målet, relevant material ur kodarkivet, observerat beteende och de begränsningar som ska behållas. Hela kodarkiv kan tillföra kontext för uppdraget. Vid granskning av ett kodkontrakt kan du be modellen jämföra hur två moduler hanterar ett gemensamt datakontrakt, identifiera avvikelsen och föreslå en avgränsad korrigering med stödjande kodhänvisningar. Ett användbart resultat skiljer analys, föreslagen ändring och belägg från eventuell validering som den anslutna applikationen har utfört.
Lanseringsmaterialet visar kodbaserade visuella förklaringar och interaktiva projekt, inklusive animerad SVG-utdata från en textbeskrivning. Det är kodartefakter snarare än generering av rasterbilder. En tydlig uppdragsbeskrivning kan definiera vad som ska förklaras, hur visualiseringen ska bete sig och vilka data den ska återge. Granska den resulterande koden och renderingen mot kraven. För en uppgift med datasyntes ska du tillhandahålla de faktiska källorna och begära en samlad vy som bevarar de samband och förbehåll som finns i dem.
De dokumenterade tänkandenivåerna är low, medium och high, med high som standard för 3.1 Pro Preview. Tänkande kan inte stängas av helt i den här Pro-profilen. Välj en lägre arbetsinsats för ett avgränsat svar och mer resonemang för svårt arbete i flera steg, samtidigt som tillräckligt utdatautrymme lämnas för den slutliga artefakten. Ett lågt utdatatak kan avbryta resonemanget innan ett användbart slutligt svar visas. Guiden för tänkande skiljer en sammanfattning av resonemang från hela den interna processen och förklarar varför samtalets kontext med thought signatures är viktig.
Den exakta Preview-tabellen listar funktionsanrop, kodexekvering, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Den avgränsar File Search till AI Studio. Ange funktionernas syften och parameterdefinitioner och fortsätt från det faktiska returnerade resultatet. Den separata profilen Custom Tools Preview är optimerad för att prioritera anpassade verktyg och bash; den är en separat namngiven endpoint hos tillverkaren, så den specialiseringen ska inte i tysthet behandlas som en egenskap hos varje 3.1 Pro-förfrågan. Välj ett schema för strukturerade resultat när uppgiften behöver definierade poster i stället för fri löptext.
För multimodal analys ska du identifiera relevant sida, bildmaterial, inspelningsintervall eller videohändelse. Vid dokumentanalys kan du jämföra ett diagram med dess skriftliga specifikation och returnera varje avvikelse med en stödjande textpassage. En talad källa kan bidra med en transkription eller en tolkning i text. Bevara källhänvisningar för slutsatser som behöver kontrolleras och skilj det som är synligt eller uttryckligen angivet från det som är härlett. Profilens utdata förblir text, inklusive kod; inbyggd bild- eller talgenerering ingår inte i dess exakta kapacitetstabell.
Det ursprungliga kortet för 3.1 Pro anger upp till 1M kontext och 64K textutdata, och den exakta Preview-API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtalshistorik och medier i indatabudgeten. Cachelagring och batchbearbetning dokumenteras, och alternativ för Flex och Priority listas också för tillverkarens profil. För flera oberoende objekt ska den föreskrivna utdataformen definieras och varje källidentifierare behållas i stället för att orelaterade belägg kombineras i ett enda ospårbart svar.
Den namngivna Preview-utgåvan är fortfarande separat från Pros Custom Tools-profil och senare Flash- eller Pro-utgåvor. Dess styrkor gäller komplexa resonemang, programmering och syntes av underlag; den slutliga artefakten behöver fortfarande kontrolleras mot källan och de faktiska verktygsresultaten. Bevara olöst tvetydighet när den tillhandahållna informationen inte stödjer en bestämd slutsats. En användbar leverans är det underbyggda svar, den kod eller den post som uppgiften efterfrågade, med tillräckliga belägg för att bedöma dess praktiska begränsningar.
POST /v1beta/models/{model}:generateContenttext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältpath.model | Typstring | KravObligatoriskt | Värden & gränser gemini-3.1-pro-preview | Standard— |
Fältcontents | Typcontent[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältcontents[].role | Typstring | KravValfritt | Värden & gränser user, model | Standard— |
Fältcontents[].parts | Typpart[] | KravObligatoriskt | Värden & gränser | Standard— |
FältsystemInstruction | Typcontent | KravValfritt | Värden & gränser | Standard— |
FältgenerationConfig.maxOutputTokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
FältgenerationConfig.temperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.topP | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.topK | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.stopSequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.thinkingConfig.includeThoughts | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.thinkingConfig.thinkingBudget | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].functionDeclarations | Typfunction_declaration[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FälttoolConfig.functionCallingConfig.mode | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältsafetySettings | Typobject[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältsessionId | Typstring | KravValfritt | Värden & gränser | Standard— |
Text · UTF8-text
contents[].parts[].text
Text + bild
parts[].inlineData={mimeType,data}
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext, image |
Parameterrequired | Avtalcontents |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | Avtalfaktiskt UTF-8-innehåll infogat som text; fil-ID:n/URLs kräver separat, exakt definierat stöd |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
POST /v1beta/models/{model}:generateContent| Begärans storlek i token | Indata | Utdata | Cacheläsning | Skrivning till cache | Cache 5 min | Cache 1 tim |
|---|---|---|---|---|---|---|
| Begärans storlek i token(0; 200 000] | Indata0,002 US$ | Utdata0,012 US$ | Cacheläsning0,0002 US$ | Skrivning till cacheBaspris: — | Cache 5 minBaspris: — | Cache 1 timBaspris: — |
| Begärans storlek i token(200 000; ∞) | Indata0,004 US$ | Utdata0,018 US$ | Cacheläsning0,0004 US$ | Skrivning till cacheBaspris: — | Cache 5 minBaspris: — | Cache 1 timBaspris: — |
Priser i USD per 1K token. Om inget pris anges ärvs grundpriset för den här metoden; «—» betyder att inget grundpris har angetts.
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token Utdata · Utdatatoken för resonemang $0.024 / 1K token |
| KonfigurationOpenAI Chat · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationOpenAI Chat · Nivå 2 baserad på begärans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.036 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token Utdata · Utdatatoken för resonemang $0.024 / 1K token |
| KonfigurationAnthropic Messages · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Nivå 2 baserad på begärans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.036 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-preview:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-pro-preview:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.1-pro-preview", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.1-pro-preview", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.1-pro-preview',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson eller strömning som stöds
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla kandidater och delar, inklusive funktionsanrop, resonemangssignaturer och användningsuppgifter; sätt samman strömmens delar i ordning.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
FältresponseId | Typstring |
FältmodelVersion | Typstring |
Fältcandidates[].content.parts[] | Typtext|inlineData|functionCall|other part |
Fältcandidates[].finishReason | Typstring |
FältusageMetadata | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview är Googles multimodala resonemangsmodell för komplexa programvaru-, algoritm- och kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF och returnerar text eller kod, med verktyg och strukturerade utdata. Resonemangsnivåerna Low, medium och high styr insatsen; high är det dokumenterade standardvalet.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Pro Preview är Googles resonemangsinriktade textmodell för komplexa uppgifter som kräver programvaruutveckling, algoritmutveckling eller syntes av multimodalt underlag. Den bygger vidare på Gemini 3 Pro med tonvikt på exakt verktygsanvändning, effektivare resonemang och tillförlitlig exekvering i flera steg. Text, bilder, ljud, video och PDF kan bidra till ett skriftligt svar, en kodartefakt eller ett strukturerat resultat.
För ett krävande programmeringsuppdrag ska du ange målet, relevant material ur kodarkivet, observerat beteende och de begränsningar som ska behållas. Hela kodarkiv kan tillföra kontext för uppdraget. Vid granskning av ett kodkontrakt kan du be modellen jämföra hur två moduler hanterar ett gemensamt datakontrakt, identifiera avvikelsen och föreslå en avgränsad korrigering med stödjande kodhänvisningar. Ett användbart resultat skiljer analys, föreslagen ändring och belägg från eventuell validering som den anslutna applikationen har utfört.
Lanseringsmaterialet visar kodbaserade visuella förklaringar och interaktiva projekt, inklusive animerad SVG-utdata från en textbeskrivning. Det är kodartefakter snarare än generering av rasterbilder. En tydlig uppdragsbeskrivning kan definiera vad som ska förklaras, hur visualiseringen ska bete sig och vilka data den ska återge. Granska den resulterande koden och renderingen mot kraven. För en uppgift med datasyntes ska du tillhandahålla de faktiska källorna och begära en samlad vy som bevarar de samband och förbehåll som finns i dem.
De dokumenterade tänkandenivåerna är low, medium och high, med high som standard för 3.1 Pro Preview. Tänkande kan inte stängas av helt i den här Pro-profilen. Välj en lägre arbetsinsats för ett avgränsat svar och mer resonemang för svårt arbete i flera steg, samtidigt som tillräckligt utdatautrymme lämnas för den slutliga artefakten. Ett lågt utdatatak kan avbryta resonemanget innan ett användbart slutligt svar visas. Guiden för tänkande skiljer en sammanfattning av resonemang från hela den interna processen och förklarar varför samtalets kontext med thought signatures är viktig.
Den exakta Preview-tabellen listar funktionsanrop, kodexekvering, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Den avgränsar File Search till AI Studio. Ange funktionernas syften och parameterdefinitioner och fortsätt från det faktiska returnerade resultatet. Den separata profilen Custom Tools Preview är optimerad för att prioritera anpassade verktyg och bash; den är en separat namngiven endpoint hos tillverkaren, så den specialiseringen ska inte i tysthet behandlas som en egenskap hos varje 3.1 Pro-förfrågan. Välj ett schema för strukturerade resultat när uppgiften behöver definierade poster i stället för fri löptext.
För multimodal analys ska du identifiera relevant sida, bildmaterial, inspelningsintervall eller videohändelse. Vid dokumentanalys kan du jämföra ett diagram med dess skriftliga specifikation och returnera varje avvikelse med en stödjande textpassage. En talad källa kan bidra med en transkription eller en tolkning i text. Bevara källhänvisningar för slutsatser som behöver kontrolleras och skilj det som är synligt eller uttryckligen angivet från det som är härlett. Profilens utdata förblir text, inklusive kod; inbyggd bild- eller talgenerering ingår inte i dess exakta kapacitetstabell.
Det ursprungliga kortet för 3.1 Pro anger upp till 1M kontext och 64K textutdata, och den exakta Preview-API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtalshistorik och medier i indatabudgeten. Cachelagring och batchbearbetning dokumenteras, och alternativ för Flex och Priority listas också för tillverkarens profil. För flera oberoende objekt ska den föreskrivna utdataformen definieras och varje källidentifierare behållas i stället för att orelaterade belägg kombineras i ett enda ospårbart svar.
Den namngivna Preview-utgåvan är fortfarande separat från Pros Custom Tools-profil och senare Flash- eller Pro-utgåvor. Dess styrkor gäller komplexa resonemang, programmering och syntes av underlag; den slutliga artefakten behöver fortfarande kontrolleras mot källan och de faktiska verktygsresultaten. Bevara olöst tvetydighet när den tillhandahållna informationen inte stödjer en bestämd slutsats. En användbar leverans är det underbyggda svar, den kod eller den post som uppgiften efterfrågade, med tillräckliga belägg för att bedöma dess praktiska begränsningar.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.1-pro-preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token Utdata · Utdatatoken för resonemang $0.024 / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.036 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.1-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview är Googles multimodala resonemangsmodell för komplexa programvaru-, algoritm- och kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF och returnerar text eller kod, med verktyg och strukturerade utdata. Resonemangsnivåerna Low, medium och high styr insatsen; high är det dokumenterade standardvalet.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Pro Preview är Googles resonemangsinriktade textmodell för komplexa uppgifter som kräver programvaruutveckling, algoritmutveckling eller syntes av multimodalt underlag. Den bygger vidare på Gemini 3 Pro med tonvikt på exakt verktygsanvändning, effektivare resonemang och tillförlitlig exekvering i flera steg. Text, bilder, ljud, video och PDF kan bidra till ett skriftligt svar, en kodartefakt eller ett strukturerat resultat.
För ett krävande programmeringsuppdrag ska du ange målet, relevant material ur kodarkivet, observerat beteende och de begränsningar som ska behållas. Hela kodarkiv kan tillföra kontext för uppdraget. Vid granskning av ett kodkontrakt kan du be modellen jämföra hur två moduler hanterar ett gemensamt datakontrakt, identifiera avvikelsen och föreslå en avgränsad korrigering med stödjande kodhänvisningar. Ett användbart resultat skiljer analys, föreslagen ändring och belägg från eventuell validering som den anslutna applikationen har utfört.
Lanseringsmaterialet visar kodbaserade visuella förklaringar och interaktiva projekt, inklusive animerad SVG-utdata från en textbeskrivning. Det är kodartefakter snarare än generering av rasterbilder. En tydlig uppdragsbeskrivning kan definiera vad som ska förklaras, hur visualiseringen ska bete sig och vilka data den ska återge. Granska den resulterande koden och renderingen mot kraven. För en uppgift med datasyntes ska du tillhandahålla de faktiska källorna och begära en samlad vy som bevarar de samband och förbehåll som finns i dem.
De dokumenterade tänkandenivåerna är low, medium och high, med high som standard för 3.1 Pro Preview. Tänkande kan inte stängas av helt i den här Pro-profilen. Välj en lägre arbetsinsats för ett avgränsat svar och mer resonemang för svårt arbete i flera steg, samtidigt som tillräckligt utdatautrymme lämnas för den slutliga artefakten. Ett lågt utdatatak kan avbryta resonemanget innan ett användbart slutligt svar visas. Guiden för tänkande skiljer en sammanfattning av resonemang från hela den interna processen och förklarar varför samtalets kontext med thought signatures är viktig.
Den exakta Preview-tabellen listar funktionsanrop, kodexekvering, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Den avgränsar File Search till AI Studio. Ange funktionernas syften och parameterdefinitioner och fortsätt från det faktiska returnerade resultatet. Den separata profilen Custom Tools Preview är optimerad för att prioritera anpassade verktyg och bash; den är en separat namngiven endpoint hos tillverkaren, så den specialiseringen ska inte i tysthet behandlas som en egenskap hos varje 3.1 Pro-förfrågan. Välj ett schema för strukturerade resultat när uppgiften behöver definierade poster i stället för fri löptext.
För multimodal analys ska du identifiera relevant sida, bildmaterial, inspelningsintervall eller videohändelse. Vid dokumentanalys kan du jämföra ett diagram med dess skriftliga specifikation och returnera varje avvikelse med en stödjande textpassage. En talad källa kan bidra med en transkription eller en tolkning i text. Bevara källhänvisningar för slutsatser som behöver kontrolleras och skilj det som är synligt eller uttryckligen angivet från det som är härlett. Profilens utdata förblir text, inklusive kod; inbyggd bild- eller talgenerering ingår inte i dess exakta kapacitetstabell.
Det ursprungliga kortet för 3.1 Pro anger upp till 1M kontext och 64K textutdata, och den exakta Preview-API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtalshistorik och medier i indatabudgeten. Cachelagring och batchbearbetning dokumenteras, och alternativ för Flex och Priority listas också för tillverkarens profil. För flera oberoende objekt ska den föreskrivna utdataformen definieras och varje källidentifierare behållas i stället för att orelaterade belägg kombineras i ett enda ospårbart svar.
Den namngivna Preview-utgåvan är fortfarande separat från Pros Custom Tools-profil och senare Flash- eller Pro-utgåvor. Dess styrkor gäller komplexa resonemang, programmering och syntes av underlag; den slutliga artefakten behöver fortfarande kontrolleras mot källan och de faktiska verktygsresultaten. Bevara olöst tvetydighet när den tillhandahållna informationen inte stödjer en bestämd slutsats. En användbar leverans är det underbyggda svar, den kod eller den post som uppgiften efterfrågade, med tillräckliga belägg för att bedöma dess praktiska begränsningar.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.1-pro-preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token Utdata · Utdatatoken för resonemang $0.024 / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.036 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview är Googles multimodala resonemangsmodell för komplexa programvaru-, algoritm- och kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF och returnerar text eller kod, med verktyg och strukturerade utdata. Resonemangsnivåerna Low, medium och high styr insatsen; high är det dokumenterade standardvalet.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Pro Preview är Googles resonemangsinriktade textmodell för komplexa uppgifter som kräver programvaruutveckling, algoritmutveckling eller syntes av multimodalt underlag. Den bygger vidare på Gemini 3 Pro med tonvikt på exakt verktygsanvändning, effektivare resonemang och tillförlitlig exekvering i flera steg. Text, bilder, ljud, video och PDF kan bidra till ett skriftligt svar, en kodartefakt eller ett strukturerat resultat.
För ett krävande programmeringsuppdrag ska du ange målet, relevant material ur kodarkivet, observerat beteende och de begränsningar som ska behållas. Hela kodarkiv kan tillföra kontext för uppdraget. Vid granskning av ett kodkontrakt kan du be modellen jämföra hur två moduler hanterar ett gemensamt datakontrakt, identifiera avvikelsen och föreslå en avgränsad korrigering med stödjande kodhänvisningar. Ett användbart resultat skiljer analys, föreslagen ändring och belägg från eventuell validering som den anslutna applikationen har utfört.
Lanseringsmaterialet visar kodbaserade visuella förklaringar och interaktiva projekt, inklusive animerad SVG-utdata från en textbeskrivning. Det är kodartefakter snarare än generering av rasterbilder. En tydlig uppdragsbeskrivning kan definiera vad som ska förklaras, hur visualiseringen ska bete sig och vilka data den ska återge. Granska den resulterande koden och renderingen mot kraven. För en uppgift med datasyntes ska du tillhandahålla de faktiska källorna och begära en samlad vy som bevarar de samband och förbehåll som finns i dem.
De dokumenterade tänkandenivåerna är low, medium och high, med high som standard för 3.1 Pro Preview. Tänkande kan inte stängas av helt i den här Pro-profilen. Välj en lägre arbetsinsats för ett avgränsat svar och mer resonemang för svårt arbete i flera steg, samtidigt som tillräckligt utdatautrymme lämnas för den slutliga artefakten. Ett lågt utdatatak kan avbryta resonemanget innan ett användbart slutligt svar visas. Guiden för tänkande skiljer en sammanfattning av resonemang från hela den interna processen och förklarar varför samtalets kontext med thought signatures är viktig.
Den exakta Preview-tabellen listar funktionsanrop, kodexekvering, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Den avgränsar File Search till AI Studio. Ange funktionernas syften och parameterdefinitioner och fortsätt från det faktiska returnerade resultatet. Den separata profilen Custom Tools Preview är optimerad för att prioritera anpassade verktyg och bash; den är en separat namngiven endpoint hos tillverkaren, så den specialiseringen ska inte i tysthet behandlas som en egenskap hos varje 3.1 Pro-förfrågan. Välj ett schema för strukturerade resultat när uppgiften behöver definierade poster i stället för fri löptext.
För multimodal analys ska du identifiera relevant sida, bildmaterial, inspelningsintervall eller videohändelse. Vid dokumentanalys kan du jämföra ett diagram med dess skriftliga specifikation och returnera varje avvikelse med en stödjande textpassage. En talad källa kan bidra med en transkription eller en tolkning i text. Bevara källhänvisningar för slutsatser som behöver kontrolleras och skilj det som är synligt eller uttryckligen angivet från det som är härlett. Profilens utdata förblir text, inklusive kod; inbyggd bild- eller talgenerering ingår inte i dess exakta kapacitetstabell.
Det ursprungliga kortet för 3.1 Pro anger upp till 1M kontext och 64K textutdata, och den exakta Preview-API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtalshistorik och medier i indatabudgeten. Cachelagring och batchbearbetning dokumenteras, och alternativ för Flex och Priority listas också för tillverkarens profil. För flera oberoende objekt ska den föreskrivna utdataformen definieras och varje källidentifierare behållas i stället för att orelaterade belägg kombineras i ett enda ospårbart svar.
Den namngivna Preview-utgåvan är fortfarande separat från Pros Custom Tools-profil och senare Flash- eller Pro-utgåvor. Dess styrkor gäller komplexa resonemang, programmering och syntes av underlag; den slutliga artefakten behöver fortfarande kontrolleras mot källan och de faktiska verktygsresultaten. Bevara olöst tvetydighet när den tillhandahållna informationen inte stödjer en bestämd slutsats. En användbar leverans är det underbyggda svar, den kod eller den post som uppgiften efterfrågade, med tillräckliga belägg för att bedöma dess praktiska begränsningar.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-3.1-pro-preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token Utdata · Utdatatoken för resonemang $0.024 / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.036 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-pro-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.1-pro-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.1-pro-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview är Googles multimodala resonemangsmodell för komplexa programvaru-, algoritm- och kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF och returnerar text eller kod, med verktyg och strukturerade utdata. Resonemangsnivåerna Low, medium och high styr insatsen; high är det dokumenterade standardvalet.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Pro Preview är Googles resonemangsinriktade textmodell för komplexa uppgifter som kräver programvaruutveckling, algoritmutveckling eller syntes av multimodalt underlag. Den bygger vidare på Gemini 3 Pro med tonvikt på exakt verktygsanvändning, effektivare resonemang och tillförlitlig exekvering i flera steg. Text, bilder, ljud, video och PDF kan bidra till ett skriftligt svar, en kodartefakt eller ett strukturerat resultat.
För ett krävande programmeringsuppdrag ska du ange målet, relevant material ur kodarkivet, observerat beteende och de begränsningar som ska behållas. Hela kodarkiv kan tillföra kontext för uppdraget. Vid granskning av ett kodkontrakt kan du be modellen jämföra hur två moduler hanterar ett gemensamt datakontrakt, identifiera avvikelsen och föreslå en avgränsad korrigering med stödjande kodhänvisningar. Ett användbart resultat skiljer analys, föreslagen ändring och belägg från eventuell validering som den anslutna applikationen har utfört.
Lanseringsmaterialet visar kodbaserade visuella förklaringar och interaktiva projekt, inklusive animerad SVG-utdata från en textbeskrivning. Det är kodartefakter snarare än generering av rasterbilder. En tydlig uppdragsbeskrivning kan definiera vad som ska förklaras, hur visualiseringen ska bete sig och vilka data den ska återge. Granska den resulterande koden och renderingen mot kraven. För en uppgift med datasyntes ska du tillhandahålla de faktiska källorna och begära en samlad vy som bevarar de samband och förbehåll som finns i dem.
De dokumenterade tänkandenivåerna är low, medium och high, med high som standard för 3.1 Pro Preview. Tänkande kan inte stängas av helt i den här Pro-profilen. Välj en lägre arbetsinsats för ett avgränsat svar och mer resonemang för svårt arbete i flera steg, samtidigt som tillräckligt utdatautrymme lämnas för den slutliga artefakten. Ett lågt utdatatak kan avbryta resonemanget innan ett användbart slutligt svar visas. Guiden för tänkande skiljer en sammanfattning av resonemang från hela den interna processen och förklarar varför samtalets kontext med thought signatures är viktig.
Den exakta Preview-tabellen listar funktionsanrop, kodexekvering, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Den avgränsar File Search till AI Studio. Ange funktionernas syften och parameterdefinitioner och fortsätt från det faktiska returnerade resultatet. Den separata profilen Custom Tools Preview är optimerad för att prioritera anpassade verktyg och bash; den är en separat namngiven endpoint hos tillverkaren, så den specialiseringen ska inte i tysthet behandlas som en egenskap hos varje 3.1 Pro-förfrågan. Välj ett schema för strukturerade resultat när uppgiften behöver definierade poster i stället för fri löptext.
För multimodal analys ska du identifiera relevant sida, bildmaterial, inspelningsintervall eller videohändelse. Vid dokumentanalys kan du jämföra ett diagram med dess skriftliga specifikation och returnera varje avvikelse med en stödjande textpassage. En talad källa kan bidra med en transkription eller en tolkning i text. Bevara källhänvisningar för slutsatser som behöver kontrolleras och skilj det som är synligt eller uttryckligen angivet från det som är härlett. Profilens utdata förblir text, inklusive kod; inbyggd bild- eller talgenerering ingår inte i dess exakta kapacitetstabell.
Det ursprungliga kortet för 3.1 Pro anger upp till 1M kontext och 64K textutdata, och den exakta Preview-API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtalshistorik och medier i indatabudgeten. Cachelagring och batchbearbetning dokumenteras, och alternativ för Flex och Priority listas också för tillverkarens profil. För flera oberoende objekt ska den föreskrivna utdataformen definieras och varje källidentifierare behållas i stället för att orelaterade belägg kombineras i ett enda ospårbart svar.
Den namngivna Preview-utgåvan är fortfarande separat från Pros Custom Tools-profil och senare Flash- eller Pro-utgåvor. Dess styrkor gäller komplexa resonemang, programmering och syntes av underlag; den slutliga artefakten behöver fortfarande kontrolleras mot källan och de faktiska verktygsresultaten. Bevara olöst tvetydighet när den tillhandahållna informationen inte stödjer en bestämd slutsats. En användbar leverans är det underbyggda svar, den kod eller den post som uppgiften efterfrågade, med tillräckliga belägg för att bedöma dess praktiska begränsningar.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-3.1-pro-preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token Utdata · Utdatatoken för resonemang $0.024 / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.036 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.00075 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "google/gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
Tekniskt exempel på engelska
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.