Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
", "aboutText": "Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.\n\nFör ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.\n\nFör arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.\n\nDe dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.\n\nMigreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.\n\nFör multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.\n\nDess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.\n\nMöjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.gemini-3.8-flashGemini 3.8 Flash är Googles multimodala arbetshäst för uthållig programvaruutveckling, agenter och komplexa kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF, returnerar text och erbjuder resonemangsnivåerna low, medium eller high med verktyg och strukturerade utdata. Dess dokumenterade indata-/utdatagränser är 1 048 576/65 536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
POST /v1/messagestext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.8-flash | 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 Model-specific | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältstop_sequences | Typstring[] | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttools | Typtool[] | KravValfritt | Värden & gränser Model-specific | 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 Model-specific | Standard— |
Fältthinking.type | Typstring | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältthinking.budget_tokens | Typinteger | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältoutput_config.effort | Typstring | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältmetadata | Typobject | KravValfritt | Värden & gränser | Standard— |
Fältcache_control | Typobject | KravValfritt | Värden & gränser Model-specific | 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/messagesAiloot 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 | Avgift |
|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Grundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
set -eu\n: "${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-3.8-flash", "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-3.8-flash", "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-3.8-flash",\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-3.8-flash",\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-3.8-flash',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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash är Googles multimodala arbetshäst för uthållig programvaruutveckling, agenter och komplexa kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF, returnerar text och erbjuder resonemangsnivåerna low, medium eller high med verktyg och strukturerade utdata. Dess dokumenterade indata-/utdatagränser är 1 048 576/65 536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
POST /v1beta/models/{model}:generateContenttext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältpath.model | Typstring | KravObligatoriskt | Värden & gränser gemini-3.8-flash | 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 Model-specific | Standard— |
FältgenerationConfig.temperature | Typnumber | KravValfritt | Värden & gränser Model-specific | Standard— |
FältgenerationConfig.topP | Typnumber | KravValfritt | Värden & gränser Model-specific | Standard— |
FältgenerationConfig.topK | Typinteger | KravValfritt | Värden & gränser Model-specific | Standard— |
FältgenerationConfig.stopSequences | Typstring[] | KravValfritt | Värden & gränser Model-specific | Standard— |
FältgenerationConfig.thinkingConfig.includeThoughts | Typboolean | KravValfritt | Värden & gränser Model-specific | Standard— |
FältgenerationConfig.thinkingConfig.thinkingBudget | Typinteger | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttools[].functionDeclarations | Typfunction_declaration[] | KravValfritt | Värden & gränser Model-specific | Standard— |
FälttoolConfig.functionCallingConfig.mode | Typstring | KravValfritt | Värden & gränser Model-specific | Standard— |
FältsafetySettings | Typobject[] | KravValfritt | Värden & gränser Model-specific | 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}:generateContentAiloot 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 | Avgift |
|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Grundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
set -eu\n: "${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-3.8-flash: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-3.8-flash: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-3.8-flash", 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-3.8-flash", 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-3.8-flash',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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash är Googles multimodala arbetshäst för uthållig programvaruutveckling, agenter och komplexa kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF, returnerar text och erbjuder resonemangsnivåerna low, medium eller high med verktyg och strukturerade utdata. Dess dokumenterade indata-/utdatagränser är 1 048 576/65 536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.8-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Model-specific | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.8-flash","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-3.8-flash", 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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash är Googles multimodala arbetshäst för uthållig programvaruutveckling, agenter och komplexa kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF, returnerar text och erbjuder resonemangsnivåerna low, medium eller high med verktyg och strukturerade utdata. Dess dokumenterade indata-/utdatagränser är 1 048 576/65 536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.8-flash | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-flash', '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-3.8-flash', '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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash är Googles multimodala arbetshäst för uthållig programvaruutveckling, agenter och komplexa kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF, returnerar text och erbjuder resonemangsnivåerna low, medium eller high med verktyg och strukturerade utdata. Dess dokumenterade indata-/utdatagränser är 1 048 576/65 536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-3.8-flash | 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. Model-specific | 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 Model-specific | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Model-specific | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Model-specific | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Model-specific | 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 Model-specific | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Model-specific | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.8-flash", "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-3.8-flash',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-3.8-flash',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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash är Googles multimodala arbetshäst för uthållig programvaruutveckling, agenter och komplexa kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF, returnerar text och erbjuder resonemangsnivåerna low, medium eller high med verktyg och strukturerade utdata. Dess dokumenterade indata-/utdatagränser är 1 048 576/65 536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-3.8-flash | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "google/gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-flash', '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-3.8-flash', '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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash är Googles multimodala arbetshäst för uthållig programvaruutveckling, agenter och komplexa kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF, returnerar text och erbjuder resonemangsnivåerna low, medium eller high med verktyg och strukturerade utdata. Dess dokumenterade indata-/utdatagränser är 1 048 576/65 536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser ~google/gemini-flash-latest | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: These roles are explicitly represented by Source compatibility types; the exact model role set remains model-specific. Model-specific | 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; use actual returned ID | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Round-trip actual returned reasoning where this model uses it | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Model-specific | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Model-specific | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Model-specific | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Model-specific | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: function tool supplied | 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 Model-specific | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Model-specific | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options is rejected on this Ultra text route | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h is rejected in actual prompt-cache locations | Standard— |
Text · UTF8 text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmessage array with role/content shape |
Parameterfile_material | Avtalactual UTF-8 document inserted as literal text; no file ID inferred |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodel-specific; user function tools differ from hosted tools |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Send exact model ID with messages.
Context length is not an output cap.
A text file may supply literal text; image/audio/file-object inputs need exact binding.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~google/gemini-flash-latest", "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-flash-latest',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-flash-latest',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 or SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | VillkorInvalid required fields, material representation or parameter value | Nästa stegCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash är Googles multimodala arbetshäst för uthållig programvaruutveckling, agenter och komplexa kunskapsuppgifter. Den tar emot text, bilder, ljud, video och PDF, returnerar text och erbjuder resonemangsnivåerna low, medium eller high med verktyg och strukturerade utdata. Dess dokumenterade indata-/utdatagränser är 1 048 576/65 536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.8 Flash är Googles modell med textutdata för uthållig programvaruutveckling, agenter som arbetar i flera steg och komplexa kunskapsarbetsflöden. Den bygger vidare på Gemini 3.7 Flash, med förbättringar inom programvaruutveckling och agentbaserat kunskapsarbete. Den tar emot text, bilder, ljud, video och PDF, så att en uppgift kan kombinera ett skriftligt mål med det faktiska material som behövs för att lösa den. Det användbara resultatet är en kodändring, en förklarad analys, ett skriftligt svar eller en strukturerad post.
För ett programmeringsuppdrag ska du tillhandahålla kravet, relevanta filer, observerat beteende och de begränsningar som ska bevaras. En skärmbild kan visa det avsedda gränssnittet, medan loggar eller ett exempel som återskapar felet visar felet. För en felsökningsuppgift kan du be modellen spåra en avvikelse mellan ett formulärs synliga tillstånd och dess lagrade värde, identifiera den ansvariga kodvägen och föreslå en avgränsad korrigering. Var tydlig med den avsedda slutliga artefakten så att även en längre följd av undersökningar och verktygsanvändning har ett specifikt slutförandevillkor.
För arbete som pågår längre ska du använda mindre resonemangssteg, iterativa verktygsanrop och kontroller av mellanresultat. Tänkenivåerna low, medium och high styr mängden resonemang; medium är dokumenterad standard. Low passar ett snabbt utkast eller en avgränsad analys, medan high är avsett för svår matematik, programmering eller uppgifter med flera steg. Gemini 3.8 Flash stöder inte tänkenivån minimal. Ett långvarigt felsökningsuppdrag och en enkel fältextraktion behöver därför olika resonemangsval i stället för samma inställning för varje begäran.
De dokumenterade verktygen omfattar funktionsanrop, kodkörning, filsökning, källförankring via sökning, källförankring via Google Maps och URL-kontext, medan Computer Use anges som en förhandsversion. Strukturerade utdata definierar ett maskinläsbart resultat. Funktioner bör ha ett tydligt syfte och definierade parametrar: modellen kan begära en funktion, medan den anslutna applikationen utför operationen och returnerar dess resultat. Bevara funktionsidentiteter och det faktiska returnerade materialet mellan turerna. Ett användbart slutsvar förklarar vilka belägg som stöder den föreslagna korrigeringen eller det extraherade värdet.
Migreringsguiden för 3.8 använder kontroller för tänkenivå i stället för äldre konfiguration av resonemangsbudget och rekommenderar att föråldrade samplingsparametrar och förifyllda modellturer tas bort. Den kräver också att tankesignaturer bevaras i det relevanta tillståndslösa arbetsflödet och att funktionssvar matchas mot sina anrop med identitet och namn. Dessa detaljer är viktiga när en uppgift med flera steg fortsätter: nästa tur behöver den faktiska tidigare kontexten i stället för en omskriven redogörelse som förlorar verktygsresultatet eller signaturen. Ange frågan och önskade utdata uttryckligen i den nya användarturen.
För multimodalt kunskapsarbete ska du identifiera de relevanta dokumentsidorna, diagrammet, ljudintervallet eller videohändelsen och ange hur materialet ska bidra till svaret. En dokumentjämförelse kan begära en tabell över skillnader med källavsnitt; en diagramfråga kan efterfråga de synliga värdena och den slutsats de stöder. En videoanalys kan begära en beskrivning av de händelser som motiverar ett resultat. Modellen returnerar text utifrån dessa indata. Genererade bilder, tal och Live-ljudinteraktion hör till separata modellprofiler.
Dess Gemini API-gränser är 1 048 576 indatatoken och 65 536 utdatatoken, vilket motsvarar den inbyggda modellens kontext på upp till 1M och textutdata på 64K. Instruktioner, samtalshistorik och tillhandahållna medier tar indatakontext i anspråk, och resonemang eller en lång slutlig artefakt måste rymmas inom det dokumenterade utdatautrymmet. Google listar även cachelagring, batchbearbetning, Flex- och Priority-bearbetning för denna tillverkarprofil. För oberoende poster ska du behålla en stabil postidentifierare och ett uttryckligt utdataformat så att varje resultat förblir kopplat till sin källa.
Möjliga begränsningar omfattar hallucinationer, tillfällig långsamhet eller tidsgränsöverskridanden och större tokenförbrukning vid högre ansträngningsnivå. Dess kunskapsgräns är mars 2026, medan vissa domäner fortfarande är begränsade till januari 2025. Tillhandahåll aktuella belägg eller använd de dokumenterade verktygen för källförankring när uppgiften beror på senare information. Granska källhänvisningar, beräkningar och föreslagen kod mot faktiska indata och körresultat. Den slutliga användbara artefakten bör skilja ett underbyggt resultat från en olöst fråga utan att anta att ett välformulerat svar bevisar att det begärda utfallet har uppnåtts.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser ~google/gemini-flash-latest | 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
messages[].content string
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalRead the actual UTF-8 document and put its text in the indicated input or message content string. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.003 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "~google/gemini-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash-latest', '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-flash-latest', '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 or SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | VillkorInvalid required fields, material representation or parameter value | Nästa stegCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
Tekniskt exempel på engelska
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.