Gemini 3 Pro Preview är Googles namngivna förhandsvariant av Gemini 3 Pro för multimodalt resonemang och textgenerering. Den kan arbeta med text, bilder, ljud, video och PDF-dokument och returnera ett skriftligt resultat. Avsedda användningar omfattar komplex analys, avancerad programmering, algoritmutveckling och uppgifter som kombinerar ett omfattande källunderlag med en specifik fråga.
Gemini 3 Pro är en transformerbaserad gles mixture-of-experts-modell med inbyggt stöd för multimodala indata. Dess arkitektur leder varje token genom en vald delmängd experter. Detta är en skillnad i modellens konstruktion, inte en användarkontroll för att välja en viss expert eller låsa en driftkonfiguration.
Förbered indata utifrån uppgiftens informationsbehov. Ett dokument, en skärmbild och en ljudinspelning kan var och en ge olika belägg. Ange vad varje fil innehåller och hur den ska bidra till svaret. Utdata förblir text; att förstå visuellt eller talat material gör inte denna förhandsvariant till en bild-, tal- eller videogenerator.
Använd bilder för frågor om synligt innehåll, ljud för talad eller akustisk information och video för en sekvens där förändringar över tid är viktiga. Bifoga själva materialet tillsammans med frågan i stället för att bara beskriva det ur minnet. När flera underlag jämförs märker du dem tydligt så att svaret kan hänvisa till rätt källa.
Ett underlag för produktanalys kan exempelvis kombinera en skriftlig specifikation, en skärmbild av gränssnittet och en inspelad demonstration. Be om en jämförelse som skiljer vad specifikationen utlovar från vad som syns eller hörs i det tillhandahållna materialet. Definiera det önskade resultatet som slutsatser, stödjande observationer och obesvarade frågor.
För en PDF-uppgift tillhandahåller du dokumentet och anger vilka avsnitt eller påståenden som ska undersökas. En användbar fråga ber om en jämförelse, extraktion eller förklaring knuten till källan i stället för att enbart begära en allmän sammanfattning av en stor fil.
Den exakta förhandsspecifikationen anger en indatagräns på 1 048 576 token och en utdatagräns på 65 536 token. Tillverkaren anger januari 2025 som kunskapsgräns; tillhandahåll nyare underlag när frågan beror på senare händelser eller information. Detta är olika kapacitetsgränser. Ett stort källunderlag kan läsas för ett fokuserat svar utan att modellen behöver återge varje del av indata.
Ordna långt material så att strukturen är tydlig: dokumenttitlar, avsnittsgränser, kodsökvägar och frågan som utdata ska besvara. Håll relevanta undantag och definitioner nära det innehåll de preciserar. Om uppgiften kräver en lång rapport anger du rapportens avsnitt och vilket underlag som förväntas i varje avsnitt.
Ett stort kontextfönster garanterar inte att varje detalj får lika stor uppmärksamhet eller att varje slutsats blir korrekt. Google pekar också på möjlig försämring under samtal med flera turer; granska viktiga källfakta och den återanvända kontexten medan samtalet utvecklas. Kontrollera svaret mot de särskilda avsnitt eller filer som stöder dess viktiga påståenden.
Tillverkarens avsedda användningar omfattar avancerad programmering och algoritmarbete. Tillhandahåll relevant källkod, antaganden om miljön, observerat fel och förväntat beteende. För en algoritmuppgift definierar du indata, önskad utdata och villkor som ordning, dubbletter eller ogiltiga data.
Ett användbart felsökningsunderlag kopplar den felande indatan och felet till det minsta relevanta kodavsnittet. Be om en diagnos och en fokuserad ändring, och undersök sedan om den föreslagna ändringen löser det rapporterade beteendet. Genererad kod och ett påstående om att den bör fungera skiljer sig från en implementation som har körts och verifierats.
För en större fråga om en kodbas använder du indatakapaciteten till att tillhandahålla nödvändiga filer med tydliga sökvägsetiketter. Ange om det önskade resultatet är en förklaring, ett ändringsförslag eller en analys av alternativ så att resultatet får ett konkret syfte.
Tillverkarens specifikation för förhandsvarianten stöder funktionsanrop, kodkörning, filsökning, sökförankring och URL-kontext. Dessa funktioner har olika roller. Ett funktionsanrop beskriver en operation som en applikation ska utföra; ett verktygsresultat ger sedan underlag för modellens nästa steg. Kodkörning är ett verktygsflöde, inte en garanti för att godtycklig genererad applikationskod redan har testats.
Sökförankring och URL-kontext erbjuder källorienterade arbetsflöden, medan filsökning arbetar med en förberedd filsamling. Behåll verktygsresultat och kopplingar till källor tillsammans med svaret så att en slutsats kan granskas. Enligt specifikationen stöder denna modellvariant inte datoranvändning eller Maps-förankring.
Stöd för strukturerad utdata kan uttrycka ett resultat i ett definierat schema. Ange fälten och deras betydelse före genereringen och granska både innehållet och formatet. Ett giltigt strukturerat objekt behöver fortfarande kontrolleras sakligt och mot den specifika uppgiften.
Tänkande stöds för denna förhandsvariant. Använd en tydlig uppgift, relevant underlag och uttryckliga begränsningar för arbete som kräver flera resonemangssteg. Resultatet bör förklara antaganden och den användbara slutsatsen; dolt resonemang eller förekomsten av ett tänkläge är inte i sig verifiering.
Tillverkaren anger även stöd för cachelagring och batchbearbetning. Detta är bearbetningsfunktioner som är separata från modellens innehållsförmågor, och deras närvaro visar inte att en viss begäran cachelagrades eller att ett batchresultat är korrekt.
Håll Gemini 3 Pro Preview åtskild från Gemini 3.1 Pro Preview, Gemini 3 Pro Image och ljud- eller Live-varianterna. Denna förhandsvariants utdata är text, och dess specifikation omfattar inte bildgenerering, ljudgenerering eller Live-drift. Utvärdera det returnerade svaret, koden eller det strukturerade resultatet mot det tillhandahållna källunderlaget och den avsedda uppgiften.
", "aboutText": "Gemini 3 Pro Preview är Googles namngivna förhandsvariant av Gemini 3 Pro för multimodalt resonemang och textgenerering. Den kan arbeta med text, bilder, ljud, video och PDF-dokument och returnera ett skriftligt resultat. Avsedda användningar omfattar komplex analys, avancerad programmering, algoritmutveckling och uppgifter som kombinerar ett omfattande källunderlag med en specifik fråga.\n\n### Modell och indatastruktur\n\nGemini 3 Pro är en transformerbaserad gles mixture-of-experts-modell med inbyggt stöd för multimodala indata. Dess arkitektur leder varje token genom en vald delmängd experter. Detta är en skillnad i modellens konstruktion, inte en användarkontroll för att välja en viss expert eller låsa en driftkonfiguration.\n\nFörbered indata utifrån uppgiftens informationsbehov. Ett dokument, en skärmbild och en ljudinspelning kan var och en ge olika belägg. Ange vad varje fil innehåller och hur den ska bidra till svaret. Utdata förblir text; att förstå visuellt eller talat material gör inte denna förhandsvariant till en bild-, tal- eller videogenerator.\n\n### Multimodal analys\n\nAnvänd bilder för frågor om synligt innehåll, ljud för talad eller akustisk information och video för en sekvens där förändringar över tid är viktiga. Bifoga själva materialet tillsammans med frågan i stället för att bara beskriva det ur minnet. När flera underlag jämförs märker du dem tydligt så att svaret kan hänvisa till rätt källa.\n\nEtt underlag för produktanalys kan exempelvis kombinera en skriftlig specifikation, en skärmbild av gränssnittet och en inspelad demonstration. Be om en jämförelse som skiljer vad specifikationen utlovar från vad som syns eller hörs i det tillhandahållna materialet. Definiera det önskade resultatet som slutsatser, stödjande observationer och obesvarade frågor.\n\nFör en PDF-uppgift tillhandahåller du dokumentet och anger vilka avsnitt eller påståenden som ska undersökas. En användbar fråga ber om en jämförelse, extraktion eller förklaring knuten till källan i stället för att enbart begära en allmän sammanfattning av en stor fil.\n\n### Lång kontext och utdatakapacitet\n\nDen exakta förhandsspecifikationen anger en indatagräns på 1 048 576 token och en utdatagräns på 65 536 token. Tillverkaren anger januari 2025 som kunskapsgräns; tillhandahåll nyare underlag när frågan beror på senare händelser eller information. Detta är olika kapacitetsgränser. Ett stort källunderlag kan läsas för ett fokuserat svar utan att modellen behöver återge varje del av indata.\n\nOrdna långt material så att strukturen är tydlig: dokumenttitlar, avsnittsgränser, kodsökvägar och frågan som utdata ska besvara. Håll relevanta undantag och definitioner nära det innehåll de preciserar. Om uppgiften kräver en lång rapport anger du rapportens avsnitt och vilket underlag som förväntas i varje avsnitt.\n\nEtt stort kontextfönster garanterar inte att varje detalj får lika stor uppmärksamhet eller att varje slutsats blir korrekt. Google pekar också på möjlig försämring under samtal med flera turer; granska viktiga källfakta och den återanvända kontexten medan samtalet utvecklas. Kontrollera svaret mot de särskilda avsnitt eller filer som stöder dess viktiga påståenden.\n\n### Programmering och algoritmutveckling\n\nTillverkarens avsedda användningar omfattar avancerad programmering och algoritmarbete. Tillhandahåll relevant källkod, antaganden om miljön, observerat fel och förväntat beteende. För en algoritmuppgift definierar du indata, önskad utdata och villkor som ordning, dubbletter eller ogiltiga data.\n\nEtt användbart felsökningsunderlag kopplar den felande indatan och felet till det minsta relevanta kodavsnittet. Be om en diagnos och en fokuserad ändring, och undersök sedan om den föreslagna ändringen löser det rapporterade beteendet. Genererad kod och ett påstående om att den bör fungera skiljer sig från en implementation som har körts och verifierats.\n\nFör en större fråga om en kodbas använder du indatakapaciteten till att tillhandahålla nödvändiga filer med tydliga sökvägsetiketter. Ange om det önskade resultatet är en förklaring, ett ändringsförslag eller en analys av alternativ så att resultatet får ett konkret syfte.\n\n### Verktyg, källor och strukturerade resultat\n\nTillverkarens specifikation för förhandsvarianten stöder funktionsanrop, kodkörning, filsökning, sökförankring och URL-kontext. Dessa funktioner har olika roller. Ett funktionsanrop beskriver en operation som en applikation ska utföra; ett verktygsresultat ger sedan underlag för modellens nästa steg. Kodkörning är ett verktygsflöde, inte en garanti för att godtycklig genererad applikationskod redan har testats.\n\nSökförankring och URL-kontext erbjuder källorienterade arbetsflöden, medan filsökning arbetar med en förberedd filsamling. Behåll verktygsresultat och kopplingar till källor tillsammans med svaret så att en slutsats kan granskas. Enligt specifikationen stöder denna modellvariant inte datoranvändning eller Maps-förankring.\n\nStöd för strukturerad utdata kan uttrycka ett resultat i ett definierat schema. Ange fälten och deras betydelse före genereringen och granska både innehållet och formatet. Ett giltigt strukturerat objekt behöver fortfarande kontrolleras sakligt och mot den specifika uppgiften.\n\n### Resonemang, återanvändning och utgåvornas gränser\n\nTänkande stöds för denna förhandsvariant. Använd en tydlig uppgift, relevant underlag och uttryckliga begränsningar för arbete som kräver flera resonemangssteg. Resultatet bör förklara antaganden och den användbara slutsatsen; dolt resonemang eller förekomsten av ett tänkläge är inte i sig verifiering.\n\nTillverkaren anger även stöd för cachelagring och batchbearbetning. Detta är bearbetningsfunktioner som är separata från modellens innehållsförmågor, och deras närvaro visar inte att en viss begäran cachelagrades eller att ett batchresultat är korrekt.\n\nHåll Gemini 3 Pro Preview åtskild från Gemini 3.1 Pro Preview, Gemini 3 Pro Image och ljud- eller Live-varianterna. Denna förhandsvariants utdata är text, och dess specifikation omfattar inte bildgenerering, ljudgenerering eller Live-drift. Utvärdera det returnerade svaret, koden eller det strukturerade resultatet mot det tillhandahållna källunderlaget och den avsedda uppgiften.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "72d592dd9b2dc57b521c1d18f187ec0e1bc792d84c4d392df31758e40c82174f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "gemini-3-pro-previewGemini 3 Pro Preview är Googles multimodala resonemangsmodell för text, bilder, ljud, video och PDF-filer, med textutdata. Dess stora indatakapacitet, programmeringsförmåga och stödda verktygsflöden passar detaljerad analys, dokumentjämförelse och uppgifter som utförs med stöd i källmaterial.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3 Pro Preview är Googles namngivna förhandsvariant av Gemini 3 Pro för multimodalt resonemang och textgenerering. Den kan arbeta med text, bilder, ljud, video och PDF-dokument och returnera ett skriftligt resultat. Avsedda användningar omfattar komplex analys, avancerad programmering, algoritmutveckling och uppgifter som kombinerar ett omfattande källunderlag med en specifik fråga.
Gemini 3 Pro är en transformerbaserad gles mixture-of-experts-modell med inbyggt stöd för multimodala indata. Dess arkitektur leder varje token genom en vald delmängd experter. Detta är en skillnad i modellens konstruktion, inte en användarkontroll för att välja en viss expert eller låsa en driftkonfiguration.
Förbered indata utifrån uppgiftens informationsbehov. Ett dokument, en skärmbild och en ljudinspelning kan var och en ge olika belägg. Ange vad varje fil innehåller och hur den ska bidra till svaret. Utdata förblir text; att förstå visuellt eller talat material gör inte denna förhandsvariant till en bild-, tal- eller videogenerator.
Använd bilder för frågor om synligt innehåll, ljud för talad eller akustisk information och video för en sekvens där förändringar över tid är viktiga. Bifoga själva materialet tillsammans med frågan i stället för att bara beskriva det ur minnet. När flera underlag jämförs märker du dem tydligt så att svaret kan hänvisa till rätt källa.
Ett underlag för produktanalys kan exempelvis kombinera en skriftlig specifikation, en skärmbild av gränssnittet och en inspelad demonstration. Be om en jämförelse som skiljer vad specifikationen utlovar från vad som syns eller hörs i det tillhandahållna materialet. Definiera det önskade resultatet som slutsatser, stödjande observationer och obesvarade frågor.
För en PDF-uppgift tillhandahåller du dokumentet och anger vilka avsnitt eller påståenden som ska undersökas. En användbar fråga ber om en jämförelse, extraktion eller förklaring knuten till källan i stället för att enbart begära en allmän sammanfattning av en stor fil.
Den exakta förhandsspecifikationen anger en indatagräns på 1 048 576 token och en utdatagräns på 65 536 token. Tillverkaren anger januari 2025 som kunskapsgräns; tillhandahåll nyare underlag när frågan beror på senare händelser eller information. Detta är olika kapacitetsgränser. Ett stort källunderlag kan läsas för ett fokuserat svar utan att modellen behöver återge varje del av indata.
Ordna långt material så att strukturen är tydlig: dokumenttitlar, avsnittsgränser, kodsökvägar och frågan som utdata ska besvara. Håll relevanta undantag och definitioner nära det innehåll de preciserar. Om uppgiften kräver en lång rapport anger du rapportens avsnitt och vilket underlag som förväntas i varje avsnitt.
Ett stort kontextfönster garanterar inte att varje detalj får lika stor uppmärksamhet eller att varje slutsats blir korrekt. Google pekar också på möjlig försämring under samtal med flera turer; granska viktiga källfakta och den återanvända kontexten medan samtalet utvecklas. Kontrollera svaret mot de särskilda avsnitt eller filer som stöder dess viktiga påståenden.
Tillverkarens avsedda användningar omfattar avancerad programmering och algoritmarbete. Tillhandahåll relevant källkod, antaganden om miljön, observerat fel och förväntat beteende. För en algoritmuppgift definierar du indata, önskad utdata och villkor som ordning, dubbletter eller ogiltiga data.
Ett användbart felsökningsunderlag kopplar den felande indatan och felet till det minsta relevanta kodavsnittet. Be om en diagnos och en fokuserad ändring, och undersök sedan om den föreslagna ändringen löser det rapporterade beteendet. Genererad kod och ett påstående om att den bör fungera skiljer sig från en implementation som har körts och verifierats.
För en större fråga om en kodbas använder du indatakapaciteten till att tillhandahålla nödvändiga filer med tydliga sökvägsetiketter. Ange om det önskade resultatet är en förklaring, ett ändringsförslag eller en analys av alternativ så att resultatet får ett konkret syfte.
Tillverkarens specifikation för förhandsvarianten stöder funktionsanrop, kodkörning, filsökning, sökförankring och URL-kontext. Dessa funktioner har olika roller. Ett funktionsanrop beskriver en operation som en applikation ska utföra; ett verktygsresultat ger sedan underlag för modellens nästa steg. Kodkörning är ett verktygsflöde, inte en garanti för att godtycklig genererad applikationskod redan har testats.
Sökförankring och URL-kontext erbjuder källorienterade arbetsflöden, medan filsökning arbetar med en förberedd filsamling. Behåll verktygsresultat och kopplingar till källor tillsammans med svaret så att en slutsats kan granskas. Enligt specifikationen stöder denna modellvariant inte datoranvändning eller Maps-förankring.
Stöd för strukturerad utdata kan uttrycka ett resultat i ett definierat schema. Ange fälten och deras betydelse före genereringen och granska både innehållet och formatet. Ett giltigt strukturerat objekt behöver fortfarande kontrolleras sakligt och mot den specifika uppgiften.
Tänkande stöds för denna förhandsvariant. Använd en tydlig uppgift, relevant underlag och uttryckliga begränsningar för arbete som kräver flera resonemangssteg. Resultatet bör förklara antaganden och den användbara slutsatsen; dolt resonemang eller förekomsten av ett tänkläge är inte i sig verifiering.
Tillverkaren anger även stöd för cachelagring och batchbearbetning. Detta är bearbetningsfunktioner som är separata från modellens innehållsförmågor, och deras närvaro visar inte att en viss begäran cachelagrades eller att ett batchresultat är korrekt.
Håll Gemini 3 Pro Preview åtskild från Gemini 3.1 Pro Preview, Gemini 3 Pro Image och ljud- eller Live-varianterna. Denna förhandsvariants utdata är text, och dess specifikation omfattar inte bildgenerering, ljudgenerering eller Live-drift. Utvärdera det returnerade svaret, koden eller det strukturerade resultatet mot det tillhandahållna källunderlaget och den avsedda uppgiften.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3-pro-preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions
gemini-3-pro-previewGemini 3 Pro Preview är Googles multimodala resonemangsmodell för text, bilder, ljud, video och PDF-filer, med textutdata. Dess stora indatakapacitet, programmeringsförmåga och stödda verktygsflöden passar detaljerad analys, dokumentjämförelse och uppgifter som utförs med stöd i källmaterial.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3 Pro Preview är Googles namngivna förhandsvariant av Gemini 3 Pro för multimodalt resonemang och textgenerering. Den kan arbeta med text, bilder, ljud, video och PDF-dokument och returnera ett skriftligt resultat. Avsedda användningar omfattar komplex analys, avancerad programmering, algoritmutveckling och uppgifter som kombinerar ett omfattande källunderlag med en specifik fråga.
Gemini 3 Pro är en transformerbaserad gles mixture-of-experts-modell med inbyggt stöd för multimodala indata. Dess arkitektur leder varje token genom en vald delmängd experter. Detta är en skillnad i modellens konstruktion, inte en användarkontroll för att välja en viss expert eller låsa en driftkonfiguration.
Förbered indata utifrån uppgiftens informationsbehov. Ett dokument, en skärmbild och en ljudinspelning kan var och en ge olika belägg. Ange vad varje fil innehåller och hur den ska bidra till svaret. Utdata förblir text; att förstå visuellt eller talat material gör inte denna förhandsvariant till en bild-, tal- eller videogenerator.
Använd bilder för frågor om synligt innehåll, ljud för talad eller akustisk information och video för en sekvens där förändringar över tid är viktiga. Bifoga själva materialet tillsammans med frågan i stället för att bara beskriva det ur minnet. När flera underlag jämförs märker du dem tydligt så att svaret kan hänvisa till rätt källa.
Ett underlag för produktanalys kan exempelvis kombinera en skriftlig specifikation, en skärmbild av gränssnittet och en inspelad demonstration. Be om en jämförelse som skiljer vad specifikationen utlovar från vad som syns eller hörs i det tillhandahållna materialet. Definiera det önskade resultatet som slutsatser, stödjande observationer och obesvarade frågor.
För en PDF-uppgift tillhandahåller du dokumentet och anger vilka avsnitt eller påståenden som ska undersökas. En användbar fråga ber om en jämförelse, extraktion eller förklaring knuten till källan i stället för att enbart begära en allmän sammanfattning av en stor fil.
Den exakta förhandsspecifikationen anger en indatagräns på 1 048 576 token och en utdatagräns på 65 536 token. Tillverkaren anger januari 2025 som kunskapsgräns; tillhandahåll nyare underlag när frågan beror på senare händelser eller information. Detta är olika kapacitetsgränser. Ett stort källunderlag kan läsas för ett fokuserat svar utan att modellen behöver återge varje del av indata.
Ordna långt material så att strukturen är tydlig: dokumenttitlar, avsnittsgränser, kodsökvägar och frågan som utdata ska besvara. Håll relevanta undantag och definitioner nära det innehåll de preciserar. Om uppgiften kräver en lång rapport anger du rapportens avsnitt och vilket underlag som förväntas i varje avsnitt.
Ett stort kontextfönster garanterar inte att varje detalj får lika stor uppmärksamhet eller att varje slutsats blir korrekt. Google pekar också på möjlig försämring under samtal med flera turer; granska viktiga källfakta och den återanvända kontexten medan samtalet utvecklas. Kontrollera svaret mot de särskilda avsnitt eller filer som stöder dess viktiga påståenden.
Tillverkarens avsedda användningar omfattar avancerad programmering och algoritmarbete. Tillhandahåll relevant källkod, antaganden om miljön, observerat fel och förväntat beteende. För en algoritmuppgift definierar du indata, önskad utdata och villkor som ordning, dubbletter eller ogiltiga data.
Ett användbart felsökningsunderlag kopplar den felande indatan och felet till det minsta relevanta kodavsnittet. Be om en diagnos och en fokuserad ändring, och undersök sedan om den föreslagna ändringen löser det rapporterade beteendet. Genererad kod och ett påstående om att den bör fungera skiljer sig från en implementation som har körts och verifierats.
För en större fråga om en kodbas använder du indatakapaciteten till att tillhandahålla nödvändiga filer med tydliga sökvägsetiketter. Ange om det önskade resultatet är en förklaring, ett ändringsförslag eller en analys av alternativ så att resultatet får ett konkret syfte.
Tillverkarens specifikation för förhandsvarianten stöder funktionsanrop, kodkörning, filsökning, sökförankring och URL-kontext. Dessa funktioner har olika roller. Ett funktionsanrop beskriver en operation som en applikation ska utföra; ett verktygsresultat ger sedan underlag för modellens nästa steg. Kodkörning är ett verktygsflöde, inte en garanti för att godtycklig genererad applikationskod redan har testats.
Sökförankring och URL-kontext erbjuder källorienterade arbetsflöden, medan filsökning arbetar med en förberedd filsamling. Behåll verktygsresultat och kopplingar till källor tillsammans med svaret så att en slutsats kan granskas. Enligt specifikationen stöder denna modellvariant inte datoranvändning eller Maps-förankring.
Stöd för strukturerad utdata kan uttrycka ett resultat i ett definierat schema. Ange fälten och deras betydelse före genereringen och granska både innehållet och formatet. Ett giltigt strukturerat objekt behöver fortfarande kontrolleras sakligt och mot den specifika uppgiften.
Tänkande stöds för denna förhandsvariant. Använd en tydlig uppgift, relevant underlag och uttryckliga begränsningar för arbete som kräver flera resonemangssteg. Resultatet bör förklara antaganden och den användbara slutsatsen; dolt resonemang eller förekomsten av ett tänkläge är inte i sig verifiering.
Tillverkaren anger även stöd för cachelagring och batchbearbetning. Detta är bearbetningsfunktioner som är separata från modellens innehållsförmågor, och deras närvaro visar inte att en viss begäran cachelagrades eller att ett batchresultat är korrekt.
Håll Gemini 3 Pro Preview åtskild från Gemini 3.1 Pro Preview, Gemini 3 Pro Image och ljud- eller Live-varianterna. Denna förhandsvariants utdata är text, och dess specifikation omfattar inte bildgenerering, ljudgenerering eller Live-drift. Utvärdera det returnerade svaret, koden eller det strukturerade resultatet mot det tillhandahållna källunderlaget och den avsedda uppgiften.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3-pro-preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.024 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions