Gemini 4 Argon är en resonemangsmodell från Google för arbete som kombinerar en stor mängd belägg med ett mål i flera steg. Det publicerade indatautbudet inkluderar text, bilder, ljud, video och filer som PDF:er, medan resultatet är text. Det låter en uppgift samla en specifikation, ett diagram, en skärmbild och stödmaterial i stället för att förlita sig på en skriftlig sammanfattning av varje källa.
Börja med en tydlig fråga och leveransen du behöver i slutet. En programvaruuppgift kan begära en ändringsplan, berörda komponenter och verifieringskriterier. En matematisk uppgift kan begära en härledning med angivna antaganden. En dokumentuppgift kan begära en jämförelse som håller motsägelser mellan text, tabeller och figurer synliga.
Det publicerade kontextfönstret är 1 048 576 token. Använd kapaciteten för att hålla relevant material tillsammans med dokumentnamn och avsnittsgränser som gör hänvisningar entydiga. Gruppera stödmaterial kring frågan i stället för att lägga in orelaterade filer bara för att plats finns. Be svaret skilja belägg som getts i uppgiften från antaganden som införts under analysen.
Modellens publicerade resonemangskonfiguration är obligatorisk med insatsnivåerna low, medium och high och medium som angiven standard. Välj en nivå efter problemets djup och definiera vad ett lyckat svar måste fastställa. En kort faktajämförelse behöver andra verifieringskriterier än en kodändring som påverkar flera komponenter.
Argon publicerar förmågor för verktygsanrop och schemastyrda strukturerade utdata. De är användbara när en applikation ger verktyg för att hämta ytterligare belägg eller behöver ett maskinläsbart analysresultat. Håll modellens föreslagna verktygsaktivitet skild från applikationen som utför den och bevara returnerade observationer innan du ber om nästa beslut. För ett strukturerat resultat bör du definiera de avsedda fälten kring affärsbeslutet: fynd, belägghänvisningar, olösta antaganden och rekommenderad åtgärd.
För en kodbasuppgift bör du ge relevant källkod, beteendet som ska bevaras och kontrollerna som bör godkännas. Be om en fokuserad implementeringsplan eller granskning av en konkret ändring och utvärdera sedan förslaget mot kontrollerna. För en teknisk rapport bör du presentera de underliggande observationerna och begära en förklaring som kopplar varje slutsats till dess stödmaterial.
För blandade dokument bör du ta med tabellerna och bilderna som bär betydelse i stället för att ersätta dem med en ofullständig transkription. Modellens utdata kan sammanföra dessa indata till en läsbar rapport, en uppsättning extraherade fynd eller en åtgärdslista. Bild- och ljudindata är belägg för det textresultatet; de gör inte denna post till en modell för bild- eller talgenerering.
Den vanliga Argon-posten och dess modellsidas FAQ anger en kompletteringsgräns på 65 536 token. Ange svarets förväntade djup och layout innan du begär ett långt resultat. Bevara standardidentifieraren separat från den batchmärkta posten eftersom deras publicerade kompletteringsutrymmen skiljer sig åt. Använd den valda variantens egna gränser när arbetet delas upp i svar.
google/gemini-4-argonGemini 4 Argon är Googles multimodala resonemangsmodell för programvaruutveckling, matematiskt och vetenskapligt arbete och agenter i flera steg. Den kombinerar text, bilder, ljud, video och dokument i en kontext på 1 048 576 token och returnerar text med publicerat stöd för verktygsanrop och strukturerade utdata.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 4 Argon är en resonemangsmodell från Google för arbete som kombinerar en stor mängd belägg med ett mål i flera steg. Det publicerade indatautbudet inkluderar text, bilder, ljud, video och filer som PDF:er, medan resultatet är text. Det låter en uppgift samla en specifikation, ett diagram, en skärmbild och stödmaterial i stället för att förlita sig på en skriftlig sammanfattning av varje källa.
Börja med en tydlig fråga och leveransen du behöver i slutet. En programvaruuppgift kan begära en ändringsplan, berörda komponenter och verifieringskriterier. En matematisk uppgift kan begära en härledning med angivna antaganden. En dokumentuppgift kan begära en jämförelse som håller motsägelser mellan text, tabeller och figurer synliga.
Det publicerade kontextfönstret är 1 048 576 token. Använd kapaciteten för att hålla relevant material tillsammans med dokumentnamn och avsnittsgränser som gör hänvisningar entydiga. Gruppera stödmaterial kring frågan i stället för att lägga in orelaterade filer bara för att plats finns. Be svaret skilja belägg som getts i uppgiften från antaganden som införts under analysen.
Modellens publicerade resonemangskonfiguration är obligatorisk med insatsnivåerna low, medium och high och medium som angiven standard. Välj en nivå efter problemets djup och definiera vad ett lyckat svar måste fastställa. En kort faktajämförelse behöver andra verifieringskriterier än en kodändring som påverkar flera komponenter.
Argon publicerar förmågor för verktygsanrop och schemastyrda strukturerade utdata. De är användbara när en applikation ger verktyg för att hämta ytterligare belägg eller behöver ett maskinläsbart analysresultat. Håll modellens föreslagna verktygsaktivitet skild från applikationen som utför den och bevara returnerade observationer innan du ber om nästa beslut. För ett strukturerat resultat bör du definiera de avsedda fälten kring affärsbeslutet: fynd, belägghänvisningar, olösta antaganden och rekommenderad åtgärd.
För en kodbasuppgift bör du ge relevant källkod, beteendet som ska bevaras och kontrollerna som bör godkännas. Be om en fokuserad implementeringsplan eller granskning av en konkret ändring och utvärdera sedan förslaget mot kontrollerna. För en teknisk rapport bör du presentera de underliggande observationerna och begära en förklaring som kopplar varje slutsats till dess stödmaterial.
För blandade dokument bör du ta med tabellerna och bilderna som bär betydelse i stället för att ersätta dem med en ofullständig transkription. Modellens utdata kan sammanföra dessa indata till en läsbar rapport, en uppsättning extraherade fynd eller en åtgärdslista. Bild- och ljudindata är belägg för det textresultatet; de gör inte denna post till en modell för bild- eller talgenerering.
Den vanliga Argon-posten och dess modellsidas FAQ anger en kompletteringsgräns på 65 536 token. Ange svarets förväntade djup och layout innan du begär ett långt resultat. Bevara standardidentifieraren separat från den batchmärkta posten eftersom deras publicerade kompletteringsutrymmen skiljer sig åt. Använd den valda variantens egna gränser när arbetet delas upp i svar.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-4-argon | 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 $0.008 / 1K token Utdata · Utdatatoken $0.04 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"google/gemini-4-argon","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="google/gemini-4-argon", 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 google/gemini-4-argon
/chat/completions
google/gemini-4-argonGemini 4 Argon är Googles multimodala resonemangsmodell för programvaruutveckling, matematiskt och vetenskapligt arbete och agenter i flera steg. Den kombinerar text, bilder, ljud, video och dokument i en kontext på 1 048 576 token och returnerar text med publicerat stöd för verktygsanrop och strukturerade utdata.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 4 Argon är en resonemangsmodell från Google för arbete som kombinerar en stor mängd belägg med ett mål i flera steg. Det publicerade indatautbudet inkluderar text, bilder, ljud, video och filer som PDF:er, medan resultatet är text. Det låter en uppgift samla en specifikation, ett diagram, en skärmbild och stödmaterial i stället för att förlita sig på en skriftlig sammanfattning av varje källa.
Börja med en tydlig fråga och leveransen du behöver i slutet. En programvaruuppgift kan begära en ändringsplan, berörda komponenter och verifieringskriterier. En matematisk uppgift kan begära en härledning med angivna antaganden. En dokumentuppgift kan begära en jämförelse som håller motsägelser mellan text, tabeller och figurer synliga.
Det publicerade kontextfönstret är 1 048 576 token. Använd kapaciteten för att hålla relevant material tillsammans med dokumentnamn och avsnittsgränser som gör hänvisningar entydiga. Gruppera stödmaterial kring frågan i stället för att lägga in orelaterade filer bara för att plats finns. Be svaret skilja belägg som getts i uppgiften från antaganden som införts under analysen.
Modellens publicerade resonemangskonfiguration är obligatorisk med insatsnivåerna low, medium och high och medium som angiven standard. Välj en nivå efter problemets djup och definiera vad ett lyckat svar måste fastställa. En kort faktajämförelse behöver andra verifieringskriterier än en kodändring som påverkar flera komponenter.
Argon publicerar förmågor för verktygsanrop och schemastyrda strukturerade utdata. De är användbara när en applikation ger verktyg för att hämta ytterligare belägg eller behöver ett maskinläsbart analysresultat. Håll modellens föreslagna verktygsaktivitet skild från applikationen som utför den och bevara returnerade observationer innan du ber om nästa beslut. För ett strukturerat resultat bör du definiera de avsedda fälten kring affärsbeslutet: fynd, belägghänvisningar, olösta antaganden och rekommenderad åtgärd.
För en kodbasuppgift bör du ge relevant källkod, beteendet som ska bevaras och kontrollerna som bör godkännas. Be om en fokuserad implementeringsplan eller granskning av en konkret ändring och utvärdera sedan förslaget mot kontrollerna. För en teknisk rapport bör du presentera de underliggande observationerna och begära en förklaring som kopplar varje slutsats till dess stödmaterial.
För blandade dokument bör du ta med tabellerna och bilderna som bär betydelse i stället för att ersätta dem med en ofullständig transkription. Modellens utdata kan sammanföra dessa indata till en läsbar rapport, en uppsättning extraherade fynd eller en åtgärdslista. Bild- och ljudindata är belägg för det textresultatet; de gör inte denna post till en modell för bild- eller talgenerering.
Den vanliga Argon-posten och dess modellsidas FAQ anger en kompletteringsgräns på 65 536 token. Ange svarets förväntade djup och layout innan du begär ett långt resultat. Bevara standardidentifieraren separat från den batchmärkta posten eftersom deras publicerade kompletteringsutrymmen skiljer sig åt. Använd den valda variantens egna gränser när arbetet delas upp i svar.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-4-argon | 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 $0.008 / 1K token Utdata · Utdatatoken $0.04 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "google/gemini-4-argon",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-argon', '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-4-argon', '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 google/gemini-4-argon
/chat/completions