{ "aboutHtml": "

Gemma 3 12B IT เป็นโมเดลภาพและภาษาขนาด 12B ของ Google ที่ปรับแต่งให้ทำตามคำสั่ง อยู่ในตระกูล Gemma 3 ซึ่งผสานการสร้างข้อความ การทำความเข้าใจภาพ และการฝึกหลายภาษา ส่วนต่อท้าย IT ระบุเช็กพอยต์ที่ทำตามคำสั่ง แยกจากโมเดลที่ผ่านการฝึกขั้นต้น ผลลัพธ์เป็นข้อความ ได้แก่ คำอธิบาย บทสรุป คำตอบ ร่าง หรือโค้ดที่ได้จากข้อความและภาพในคำขอ

โมเดล 12B มีบริบท 128K โทเคนของตระกูลนี้ ซึ่งใช้ร่วมกันทั้งอินพุตและคำตอบที่สร้าง เอาต์พุตใช้พื้นที่ที่เหลือหลังหักคำขอ ข้อมูลรุ่นนี้ไม่ได้หมายถึงหน้าต่างเอาต์พุต 128K แยกอีกชุดหนึ่ง มุมมองภาพพื้นฐานถูกปรับเป็น 896×896 และแทนด้วยโทเคนภาพ 256 โทเคนต่อภาพ เมื่อเตรียมหน้าหลายหน้า ให้เก็บรหัสหน้าและเผื่อพื้นที่สำหรับผลลัพธ์ ถามเจาะจงถึงเนื้อหาที่เกี่ยวข้อง แทนการคาดหวังว่าหน้าต่างขนาดใหญ่จะเลือกประเด็นที่ถูกต้องให้อัตโนมัติ

ผู้พัฒนารายงานว่าโมเดลขนาดนี้ใช้โทเคนฝึกขั้นต้น 12 ล้านล้านโทเคน ข้อมูลฝึกประกอบด้วยเอกสารเว็บหลายภาษา โค้ด คณิตศาสตร์ และภาพ โดยตระกูลนี้ครอบคลุมมากกว่า 140 ภาษา รายงานอธิบายการกลั่นความรู้และสูตรปรับแต่งตามคำสั่งที่ปรับปรุงด้วยการเรียนรู้แบบเสริมกำลัง ขั้นตอนเหล่านี้มุ่งเพิ่มความเป็นประโยชน์ การให้เหตุผลด้านคณิตศาสตร์และโค้ด การทำตามคำสั่ง และการโต้ตอบหลายภาษา งบฝึกและเอกลักษณ์เช็กพอยต์ที่ต่างกันเพียงอย่างเดียวไม่ได้รับรองคุณภาพคำตอบใดคำตอบหนึ่ง จึงควรเทียบผลกับงานต้นฉบับ

สถาปัตยกรรมใช้ทรานส์ฟอร์เมอร์แบบตัวถอดรหัสอย่างเดียว พร้อม grouped-query attention และรูปแบบซ้ำของชั้น local attention ห้าชั้นต่อ global attention หนึ่งชั้น ชั้น local ใช้ช่วง 1,024 โทเคน ส่วน global attention รองรับบริบทที่ยาวกว่า ตัวเข้ารหัสภาพ SigLIP ซึ่งใช้ร่วมกันในรุ่น 4B, 12B และ 27B แปลงภาพเป็นตัวแทนที่โมเดลภาษาใช้ ตัวแยกโทเคน SentencePiece รักษาช่องว่าง แยกตัวเลขเป็นหลัก และมีการเข้ารหัสระดับไบต์ คุณสมบัตินี้เกี่ยวข้องเมื่อต้องรักษารูปแบบโค้ด สัญกรณ์ตัวเลข หรือข้อความหลายภาษา

ขั้นตอนภาพยังมี Pan and Scan ซึ่งใช้การครอปภาพแบบปรับตามเนื้อหาและไม่ซ้อนทับกัน เพื่อเก็บรายละเอียดจากภาพกว้างหรือความละเอียดสูงก่อนส่งแต่ละมุมมองเข้าตัวเข้ารหัสความละเอียดคงที่ มุมมองเพิ่มเติมเปลี่ยนข้อมูลที่ถูกประมวลผล สำหรับเอกสารเทคนิค ให้หน้าที่อ่านได้ชัด และเมื่อจำเป็น ให้ภาพตารางหรือแผนภาพที่ถามอย่างชัดเจน เก็บนิยามแวดล้อมของหน่วย สัญลักษณ์ หรือคอลัมน์ไว้ด้วย เพื่อให้การอ่านเฉพาะจุดในภาพไม่สูญเสียความหมาย

รูปแบบพรอมป์ต์ IT ดั้งเดิมใช้เทิร์น user และ model โดยไม่มีบทบาท system แยก ใส่บทบาทที่ต้องการ กฎคำตอบ และงานในพรอมป์ต์ user แรก โดยใช้ตัวจัดรูปแบบหรือตัวประมวลผลที่กำหนดสำหรับบทสนทนาจริง ตัวอย่างคำขอวิเคราะห์เอกสารอาจให้เปรียบเทียบคำอธิบายขั้นตอนสองชุด ส่งตารางข้อกำหนดที่ตรงกัน และระบุความขัดแย้ง ติดป้ายแหล่งข้อมูล ระบุว่าข้อกำหนดใดมีลำดับความสำคัญสูงกว่า และให้โมเดลแยกข้อเท็จจริงที่ให้มาจากการตีความ

การใช้งานที่ผู้พัฒนาระบุในข้อมูลรุ่น ได้แก่ สรุปความ ผู้ช่วยสนทนา ดึงข้อมูลจากภาพ เขียน และเรียนรู้ สำหรับคำอธิบายหลายภาษา ให้ระบุผู้อ่าน ศัพท์ และระดับรายละเอียด สำหรับคำถามภาพ ให้ระบุวัตถุหรือความสัมพันธ์ที่จะอธิบายและขอข้อสังเกตที่รองรับคำตอบสุดท้าย สำหรับโค้ด ให้ฟังก์ชันจริงและพฤติกรรมที่คาดหวัง ผลลัพธ์อาจเสนอวิธีเขียนโค้ดให้ทำงานตามนั้น ส่วนแอปพลิเคชันแยกต่างหากต้องรันและตรวจสอบโค้ดนั้น รายงานเผยแพร่รุ่นควอนไทซ์ของตระกูลนี้แยกกัน จึงไม่ควรแทนเอกลักษณ์ 12B IT นี้ด้วยเช็กพอยต์ควอนไทซ์อื่นโดยไม่ระบุเมื่อบันทึกผล

ผู้พัฒนาระบุข้อจำกัดด้านความครอบคลุมข้อมูลฝึก ความคลาดเคลื่อนของข้อเท็จจริง นัยภาษา และงานปลายเปิดที่ซับซ้อน Google ยังเตือนว่ารูปแบบภาษาที่ดูสมเหตุสมผลอาจให้คำตอบที่ละเลยข้อจำกัดในโลกจริงทั่วไป รายละเอียดภาพขนาดเล็กอาจสูญหายหรือถูกอ่านผิด และอินพุตยาวก็ยังต้องมีลำดับความสำคัญชัดเจน เก็บหน้าต้นฉบับ ตรวจป้ายและปริมาณที่ดึงมา และตรวจข้อความที่ดูมีโครงสร้างก่อนใช้เป็นข้อมูล ประเมินโมเดล 12B IT ตัวนี้กับคำถามและภาษาที่เป็นตัวแทนงานจริง ชิ้นงานสุดท้ายที่มีประโยชน์ระบุคำตอบตามแหล่งข้อมูล เหตุผลที่จำเป็นต่อความเข้าใจ และความไม่แน่นอนที่ยังเหลือ โดยไม่ถือว่าคำอธิบายที่สร้างขึ้นคือการใช้เครื่องมือสำเร็จหรือการค้นความรู้สด

", "aboutText": "Gemma 3 12B IT เป็นโมเดลภาพและภาษาขนาด 12B ของ Google ที่ปรับแต่งให้ทำตามคำสั่ง อยู่ในตระกูล Gemma 3 ซึ่งผสานการสร้างข้อความ การทำความเข้าใจภาพ และการฝึกหลายภาษา ส่วนต่อท้าย IT ระบุเช็กพอยต์ที่ทำตามคำสั่ง แยกจากโมเดลที่ผ่านการฝึกขั้นต้น ผลลัพธ์เป็นข้อความ ได้แก่ คำอธิบาย บทสรุป คำตอบ ร่าง หรือโค้ดที่ได้จากข้อความและภาพในคำขอ\n\nโมเดล 12B มีบริบท 128K โทเคนของตระกูลนี้ ซึ่งใช้ร่วมกันทั้งอินพุตและคำตอบที่สร้าง เอาต์พุตใช้พื้นที่ที่เหลือหลังหักคำขอ ข้อมูลรุ่นนี้ไม่ได้หมายถึงหน้าต่างเอาต์พุต 128K แยกอีกชุดหนึ่ง มุมมองภาพพื้นฐานถูกปรับเป็น 896×896 และแทนด้วยโทเคนภาพ 256 โทเคนต่อภาพ เมื่อเตรียมหน้าหลายหน้า ให้เก็บรหัสหน้าและเผื่อพื้นที่สำหรับผลลัพธ์ ถามเจาะจงถึงเนื้อหาที่เกี่ยวข้อง แทนการคาดหวังว่าหน้าต่างขนาดใหญ่จะเลือกประเด็นที่ถูกต้องให้อัตโนมัติ\n\nผู้พัฒนารายงานว่าโมเดลขนาดนี้ใช้โทเคนฝึกขั้นต้น 12 ล้านล้านโทเคน ข้อมูลฝึกประกอบด้วยเอกสารเว็บหลายภาษา โค้ด คณิตศาสตร์ และภาพ โดยตระกูลนี้ครอบคลุมมากกว่า 140 ภาษา รายงานอธิบายการกลั่นความรู้และสูตรปรับแต่งตามคำสั่งที่ปรับปรุงด้วยการเรียนรู้แบบเสริมกำลัง ขั้นตอนเหล่านี้มุ่งเพิ่มความเป็นประโยชน์ การให้เหตุผลด้านคณิตศาสตร์และโค้ด การทำตามคำสั่ง และการโต้ตอบหลายภาษา งบฝึกและเอกลักษณ์เช็กพอยต์ที่ต่างกันเพียงอย่างเดียวไม่ได้รับรองคุณภาพคำตอบใดคำตอบหนึ่ง จึงควรเทียบผลกับงานต้นฉบับ\n\nสถาปัตยกรรมใช้ทรานส์ฟอร์เมอร์แบบตัวถอดรหัสอย่างเดียว พร้อม grouped-query attention และรูปแบบซ้ำของชั้น local attention ห้าชั้นต่อ global attention หนึ่งชั้น ชั้น local ใช้ช่วง 1,024 โทเคน ส่วน global attention รองรับบริบทที่ยาวกว่า ตัวเข้ารหัสภาพ SigLIP ซึ่งใช้ร่วมกันในรุ่น 4B, 12B และ 27B แปลงภาพเป็นตัวแทนที่โมเดลภาษาใช้ ตัวแยกโทเคน SentencePiece รักษาช่องว่าง แยกตัวเลขเป็นหลัก และมีการเข้ารหัสระดับไบต์ คุณสมบัตินี้เกี่ยวข้องเมื่อต้องรักษารูปแบบโค้ด สัญกรณ์ตัวเลข หรือข้อความหลายภาษา\n\nขั้นตอนภาพยังมี Pan and Scan ซึ่งใช้การครอปภาพแบบปรับตามเนื้อหาและไม่ซ้อนทับกัน เพื่อเก็บรายละเอียดจากภาพกว้างหรือความละเอียดสูงก่อนส่งแต่ละมุมมองเข้าตัวเข้ารหัสความละเอียดคงที่ มุมมองเพิ่มเติมเปลี่ยนข้อมูลที่ถูกประมวลผล สำหรับเอกสารเทคนิค ให้หน้าที่อ่านได้ชัด และเมื่อจำเป็น ให้ภาพตารางหรือแผนภาพที่ถามอย่างชัดเจน เก็บนิยามแวดล้อมของหน่วย สัญลักษณ์ หรือคอลัมน์ไว้ด้วย เพื่อให้การอ่านเฉพาะจุดในภาพไม่สูญเสียความหมาย\n\nรูปแบบพรอมป์ต์ IT ดั้งเดิมใช้เทิร์น user และ model โดยไม่มีบทบาท system แยก ใส่บทบาทที่ต้องการ กฎคำตอบ และงานในพรอมป์ต์ user แรก โดยใช้ตัวจัดรูปแบบหรือตัวประมวลผลที่กำหนดสำหรับบทสนทนาจริง ตัวอย่างคำขอวิเคราะห์เอกสารอาจให้เปรียบเทียบคำอธิบายขั้นตอนสองชุด ส่งตารางข้อกำหนดที่ตรงกัน และระบุความขัดแย้ง ติดป้ายแหล่งข้อมูล ระบุว่าข้อกำหนดใดมีลำดับความสำคัญสูงกว่า และให้โมเดลแยกข้อเท็จจริงที่ให้มาจากการตีความ\n\nการใช้งานที่ผู้พัฒนาระบุในข้อมูลรุ่น ได้แก่ สรุปความ ผู้ช่วยสนทนา ดึงข้อมูลจากภาพ เขียน และเรียนรู้ สำหรับคำอธิบายหลายภาษา ให้ระบุผู้อ่าน ศัพท์ และระดับรายละเอียด สำหรับคำถามภาพ ให้ระบุวัตถุหรือความสัมพันธ์ที่จะอธิบายและขอข้อสังเกตที่รองรับคำตอบสุดท้าย สำหรับโค้ด ให้ฟังก์ชันจริงและพฤติกรรมที่คาดหวัง ผลลัพธ์อาจเสนอวิธีเขียนโค้ดให้ทำงานตามนั้น ส่วนแอปพลิเคชันแยกต่างหากต้องรันและตรวจสอบโค้ดนั้น รายงานเผยแพร่รุ่นควอนไทซ์ของตระกูลนี้แยกกัน จึงไม่ควรแทนเอกลักษณ์ 12B IT นี้ด้วยเช็กพอยต์ควอนไทซ์อื่นโดยไม่ระบุเมื่อบันทึกผล\n\nผู้พัฒนาระบุข้อจำกัดด้านความครอบคลุมข้อมูลฝึก ความคลาดเคลื่อนของข้อเท็จจริง นัยภาษา และงานปลายเปิดที่ซับซ้อน Google ยังเตือนว่ารูปแบบภาษาที่ดูสมเหตุสมผลอาจให้คำตอบที่ละเลยข้อจำกัดในโลกจริงทั่วไป รายละเอียดภาพขนาดเล็กอาจสูญหายหรือถูกอ่านผิด และอินพุตยาวก็ยังต้องมีลำดับความสำคัญชัดเจน เก็บหน้าต้นฉบับ ตรวจป้ายและปริมาณที่ดึงมา และตรวจข้อความที่ดูมีโครงสร้างก่อนใช้เป็นข้อมูล ประเมินโมเดล 12B IT ตัวนี้กับคำถามและภาษาที่เป็นตัวแทนงานจริง ชิ้นงานสุดท้ายที่มีประโยชน์ระบุคำตอบตามแหล่งข้อมูล เหตุผลที่จำเป็นต่อความเข้าใจ และความไม่แน่นอนที่ยังเหลือ โดยไม่ถือว่าคำอธิบายที่สร้างขึ้นคือการใช้เครื่องมือสำเร็จหรือการค้นความรู้สด", "editorialOverlay": { "copy_fields": { "practical_html": "

งานตัวอย่างจริง

ตัวอย่างทางเทคนิคภาษาอังกฤษ

Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.

ผลลัพธ์ที่คาดหวัง

Three short labelled parts: conclusion, controlled conditions and one practical improvement.

ตรวจสอบผลลัพธ์

The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.

" }, "copy_sha256": "9185fdd39a7007a3ebbe054cd0def63cd0590c096ca35e59cb489f768689db3d", "copy_source": { "locale": "th", "pack_sha256": "0f56d90ba41881e1134accf82e57338f246f8753ca4c0cee929aaffada5d10e7", "record_model_id": "google/gemma-3-12b-it", "source_facts_sha256": "b569110e36ca21b2c6435dfa0c4441242e3a7ed56029c342ec3c8c1a33638bdb", "validation_sha256": "a2ac2f28056280fc0b2ea34a501bf156d5ce155406e57e708edf30bfdf6bfdc6" }, "html_sha256": "5ec774563c087aa913f5a0180d4750aa49a236b9a05135d47851a0faef2db7b2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "th", "methods": [ { "html": "

G

Google: Gemma 3 12B

Google /google/gemma-3-12b-it

เริ่มต้น

Gemma 3 12B IT เป็น Gemma 3 รุ่นแยกที่ปรับแต่งให้ทำตามคำสั่ง สำหรับสร้างข้อความและทำความเข้าใจภาพ ใช้ตอบคำถามจากเอกสาร อธิบาย และเขียนหลายภาษาโดยใช้บริบทร่วม 128K พร้อมระบุเช็กพอยต์ 12B และรูปแบบบทสนทนาดั้งเดิมให้ชัดเจน

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: ข้อความ

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Gemma 3 12B IT เป็นโมเดลภาพและภาษาขนาด 12B ของ Google ที่ปรับแต่งให้ทำตามคำสั่ง อยู่ในตระกูล Gemma 3 ซึ่งผสานการสร้างข้อความ การทำความเข้าใจภาพ และการฝึกหลายภาษา ส่วนต่อท้าย IT ระบุเช็กพอยต์ที่ทำตามคำสั่ง แยกจากโมเดลที่ผ่านการฝึกขั้นต้น ผลลัพธ์เป็นข้อความ ได้แก่ คำอธิบาย บทสรุป คำตอบ ร่าง หรือโค้ดที่ได้จากข้อความและภาพในคำขอ

โมเดล 12B มีบริบท 128K โทเคนของตระกูลนี้ ซึ่งใช้ร่วมกันทั้งอินพุตและคำตอบที่สร้าง เอาต์พุตใช้พื้นที่ที่เหลือหลังหักคำขอ ข้อมูลรุ่นนี้ไม่ได้หมายถึงหน้าต่างเอาต์พุต 128K แยกอีกชุดหนึ่ง มุมมองภาพพื้นฐานถูกปรับเป็น 896×896 และแทนด้วยโทเคนภาพ 256 โทเคนต่อภาพ เมื่อเตรียมหน้าหลายหน้า ให้เก็บรหัสหน้าและเผื่อพื้นที่สำหรับผลลัพธ์ ถามเจาะจงถึงเนื้อหาที่เกี่ยวข้อง แทนการคาดหวังว่าหน้าต่างขนาดใหญ่จะเลือกประเด็นที่ถูกต้องให้อัตโนมัติ

ผู้พัฒนารายงานว่าโมเดลขนาดนี้ใช้โทเคนฝึกขั้นต้น 12 ล้านล้านโทเคน ข้อมูลฝึกประกอบด้วยเอกสารเว็บหลายภาษา โค้ด คณิตศาสตร์ และภาพ โดยตระกูลนี้ครอบคลุมมากกว่า 140 ภาษา รายงานอธิบายการกลั่นความรู้และสูตรปรับแต่งตามคำสั่งที่ปรับปรุงด้วยการเรียนรู้แบบเสริมกำลัง ขั้นตอนเหล่านี้มุ่งเพิ่มความเป็นประโยชน์ การให้เหตุผลด้านคณิตศาสตร์และโค้ด การทำตามคำสั่ง และการโต้ตอบหลายภาษา งบฝึกและเอกลักษณ์เช็กพอยต์ที่ต่างกันเพียงอย่างเดียวไม่ได้รับรองคุณภาพคำตอบใดคำตอบหนึ่ง จึงควรเทียบผลกับงานต้นฉบับ

สถาปัตยกรรมใช้ทรานส์ฟอร์เมอร์แบบตัวถอดรหัสอย่างเดียว พร้อม grouped-query attention และรูปแบบซ้ำของชั้น local attention ห้าชั้นต่อ global attention หนึ่งชั้น ชั้น local ใช้ช่วง 1,024 โทเคน ส่วน global attention รองรับบริบทที่ยาวกว่า ตัวเข้ารหัสภาพ SigLIP ซึ่งใช้ร่วมกันในรุ่น 4B, 12B และ 27B แปลงภาพเป็นตัวแทนที่โมเดลภาษาใช้ ตัวแยกโทเคน SentencePiece รักษาช่องว่าง แยกตัวเลขเป็นหลัก และมีการเข้ารหัสระดับไบต์ คุณสมบัตินี้เกี่ยวข้องเมื่อต้องรักษารูปแบบโค้ด สัญกรณ์ตัวเลข หรือข้อความหลายภาษา

ขั้นตอนภาพยังมี Pan and Scan ซึ่งใช้การครอปภาพแบบปรับตามเนื้อหาและไม่ซ้อนทับกัน เพื่อเก็บรายละเอียดจากภาพกว้างหรือความละเอียดสูงก่อนส่งแต่ละมุมมองเข้าตัวเข้ารหัสความละเอียดคงที่ มุมมองเพิ่มเติมเปลี่ยนข้อมูลที่ถูกประมวลผล สำหรับเอกสารเทคนิค ให้หน้าที่อ่านได้ชัด และเมื่อจำเป็น ให้ภาพตารางหรือแผนภาพที่ถามอย่างชัดเจน เก็บนิยามแวดล้อมของหน่วย สัญลักษณ์ หรือคอลัมน์ไว้ด้วย เพื่อให้การอ่านเฉพาะจุดในภาพไม่สูญเสียความหมาย

รูปแบบพรอมป์ต์ IT ดั้งเดิมใช้เทิร์น user และ model โดยไม่มีบทบาท system แยก ใส่บทบาทที่ต้องการ กฎคำตอบ และงานในพรอมป์ต์ user แรก โดยใช้ตัวจัดรูปแบบหรือตัวประมวลผลที่กำหนดสำหรับบทสนทนาจริง ตัวอย่างคำขอวิเคราะห์เอกสารอาจให้เปรียบเทียบคำอธิบายขั้นตอนสองชุด ส่งตารางข้อกำหนดที่ตรงกัน และระบุความขัดแย้ง ติดป้ายแหล่งข้อมูล ระบุว่าข้อกำหนดใดมีลำดับความสำคัญสูงกว่า และให้โมเดลแยกข้อเท็จจริงที่ให้มาจากการตีความ

การใช้งานที่ผู้พัฒนาระบุในข้อมูลรุ่น ได้แก่ สรุปความ ผู้ช่วยสนทนา ดึงข้อมูลจากภาพ เขียน และเรียนรู้ สำหรับคำอธิบายหลายภาษา ให้ระบุผู้อ่าน ศัพท์ และระดับรายละเอียด สำหรับคำถามภาพ ให้ระบุวัตถุหรือความสัมพันธ์ที่จะอธิบายและขอข้อสังเกตที่รองรับคำตอบสุดท้าย สำหรับโค้ด ให้ฟังก์ชันจริงและพฤติกรรมที่คาดหวัง ผลลัพธ์อาจเสนอวิธีเขียนโค้ดให้ทำงานตามนั้น ส่วนแอปพลิเคชันแยกต่างหากต้องรันและตรวจสอบโค้ดนั้น รายงานเผยแพร่รุ่นควอนไทซ์ของตระกูลนี้แยกกัน จึงไม่ควรแทนเอกลักษณ์ 12B IT นี้ด้วยเช็กพอยต์ควอนไทซ์อื่นโดยไม่ระบุเมื่อบันทึกผล

ผู้พัฒนาระบุข้อจำกัดด้านความครอบคลุมข้อมูลฝึก ความคลาดเคลื่อนของข้อเท็จจริง นัยภาษา และงานปลายเปิดที่ซับซ้อน Google ยังเตือนว่ารูปแบบภาษาที่ดูสมเหตุสมผลอาจให้คำตอบที่ละเลยข้อจำกัดในโลกจริงทั่วไป รายละเอียดภาพขนาดเล็กอาจสูญหายหรือถูกอ่านผิด และอินพุตยาวก็ยังต้องมีลำดับความสำคัญชัดเจน เก็บหน้าต้นฉบับ ตรวจป้ายและปริมาณที่ดึงมา และตรวจข้อความที่ดูมีโครงสร้างก่อนใช้เป็นข้อมูล ประเมินโมเดล 12B IT ตัวนี้กับคำถามและภาษาที่เป็นตัวแทนงานจริง ชิ้นงานสุดท้ายที่มีประโยชน์ระบุคำตอบตามแหล่งข้อมูล เหตุผลที่จำเป็นต่อความเข้าใจ และความไม่แน่นอนที่ยังเหลือ โดยไม่ถือว่าคำอธิบายที่สร้างขึ้นคือการใช้เครื่องมือสำเร็จหรือการค้นความรู้สด

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions

ขาเข้า: text
ขาออก: text
รูปแบบเอาต์พุต: json หรือ SSE

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด google/gemma-3-12b-it	ค่าเริ่มต้น—
ฟิลด์`messages`	ประเภท`message[]`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1	ค่าเริ่มต้น—
ฟิลด์`messages[].role`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ตัวอย่าง: system, user, assistant, tool, function เงื่อนไข: บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`messages[].content`	ประเภท`string\|content_part[]\|null`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].tool_calls`	ประเภท`tool_call[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].tool_call_id`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ใช้เมื่อ: role=tool โดยใช้ ID ที่ส่งกลับจริง	ค่าเริ่มต้น—
ฟิลด์`messages[].name`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].reasoning_content`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ใช้เมื่อ: ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น	ค่าเริ่มต้น—
ฟิลด์`messages[].reasoning_details`	ประเภท`object\|array`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`max_tokens`	ประเภท`integer`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`max_completion_tokens`	ประเภท`integer`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`stream`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้นfalse
ฟิลด์`stream_options.include_usage`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`temperature`	ประเภท`number`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`top_p`	ประเภท`number`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`stop`	ประเภท`string\|string[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools`	ประเภท`function_tool[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools[].type`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด function ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools[].function.name`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ใช้เมื่อ: มีเครื่องมือฟังก์ชันให้ใช้	ค่าเริ่มต้น—
ฟิลด์`tools[].function.description`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`tools[].function.parameters`	ประเภท`JSON_schema`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`tool_choice`	ประเภท`string\|object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`parallel_tool_calls`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`response_format`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`reasoning_effort`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`reasoning`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`service_tier`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`instructions`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ฟิลด์เพื่อความเข้ากันได้	ค่าเริ่มต้น—
ฟิลด์`functions`	ประเภท`function[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`function_call`	ประเภท`string\|object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`prompt_cache_options`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`modalities`	ประเภท`string[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด text	ค่าเริ่มต้น—
ฟิลด์`provider`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด เงื่อนไข: เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options	ค่าเริ่มต้น—
ฟิลด์`cache_control.ttl`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด เงื่อนไข: ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h	ค่าเริ่มต้น—

ชุดผสมของสื่ออินพุต

ข้อความ · ข้อความ UTF8

messages[].content

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, messages
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`messages`	ข้อกำหนดอาร์เรย์ข้อความที่มีโครงสร้าง role/content
พารามิเตอร์`file_material`	ข้อกำหนดแทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์
พารามิเตอร์`optional_controls`	ข้อกำหนดstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
พารามิเตอร์`control_scope`	ข้อกำหนดขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้
พารามิเตอร์`output_modalities`	ข้อกำหนดtext
พารามิเตอร์`hosted_operations`	ข้อกำหนดfalse
พารามิเตอร์`multimodal_input_binding`	ข้อกำหนดnull

วงจรการทำงาน: synchronous_or_streamed

ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages

ความยาวบริบทไม่ใช่เพดานผลลัพธ์

ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว: อัตรามาตรฐาน เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: อัตรามาตรฐาน เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: อัตรามาตรฐาน เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด
การคิดราคาแคชแบบระบุชัด: ไม่ได้เปิดใช้ เมื่อร้องขอแคชแบบระบุชัด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่า	ตารางอัตราค่าบริการ	โทเค็นบริบท มากกว่า	โทเค็นบริบท ไม่เกินและรวมค่า	ค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคน	ตารางอัตราค่าบริการอัตราพื้นฐาน	โทเค็นบริบท มากกว่า—	โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0001 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0003 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าระดับความยาวคำขอ 1	ตารางอัตราค่าบริการ—	โทเค็นบริบท มากกว่า0	โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0001 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0003 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · OpenAI Chat

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-12b-it", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n    if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\n

from openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemma-3-12b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n    # Keep every field, including usage, IDs, reasoning and tool requests.\n    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n    print(json.dumps(data, ensure_ascii=False, indent=2))\n    def save_blob(encoded, suffix, label):\n        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n        ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n        file = Path(stem + "-" + label + "." + ext)\n        file.write_bytes(raw)\n        print("Saved", file)\n    for index, block in enumerate(data.get("content") or []):\n        print("Content", index, json.dumps(block, ensure_ascii=False))\n    for choice in data.get("choices") or []:\n        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n    for index, item in enumerate(data.get("output") or []):\n        print("Output", index, json.dumps(item, ensure_ascii=False))\n        if item.get("type") == "image_generation_call" and item.get("result"):\n            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n    for ci, candidate in enumerate(data.get("candidates") or []):\n        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n            blob = part.get("inlineData") or part.get("inline_data")\n            if blob and blob.get("data"):\n                mime = blob.get("mimeType") or blob.get("mime_type")\n                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\n

from openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n    # Keep every field, including usage, IDs, reasoning and tool requests.\n    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n    print(json.dumps(data, ensure_ascii=False, indent=2))\n    def save_blob(encoded, suffix, label):\n        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n        ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n        file = Path(stem + "-" + label + "." + ext)\n        file.write_bytes(raw)\n        print("Saved", file)\n    for index, block in enumerate(data.get("content") or []):\n        print("Content", index, json.dumps(block, ensure_ascii=False))\n    for choice in data.get("choices") or []:\n        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n    for index, item in enumerate(data.get("output") or []):\n        print("Output", index, json.dumps(item, ensure_ascii=False))\n        if item.get("type") == "image_generation_call" and item.get("result"):\n            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n    for ci, candidate in enumerate(data.get("candidates") or []):\n        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n            blob = part.get("inlineData") or part.get("inline_data")\n            if blob and blob.get("data"):\n                mime = blob.get("mimeType") or blob.get("mime_type")\n                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemma-3-12b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n        for event in stream:\n            payload=event.to_dict(mode="json")\n            log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n            print(json.dumps(payload,ensure_ascii=False))\n    final=stream.get_final_completion()\n    save_result(final.to_dict(mode="json"),"stream-result")\n

รับและบันทึกผลลัพธ์

Ailoot Ultra · OpenAI Chat

json หรือ SSE

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้

ฟิลด์การตอบกลับ

ฟิลด์	ประเภท
ฟิลด์`choices[].index`	ประเภทinteger
ฟิลด์`choices[].message.content`	ประเภทstring\|null
ฟิลด์`choices[].message.tool_calls`	ประเภทtool_call[]
ฟิลด์`choices[].message.reasoning_content`	ประเภทstring
ฟิลด์`choices[].message.reasoning_details`	ประเภทobject\|array
ฟิลด์`choices[].finish_reason`	ประเภทstring\|null
ฟิลด์`usage`	ประเภทobject

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง	ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra google/gemma-3-12b-it

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

google/gemma-3-12b-it

", "method_identity": { "effective_request_model_id": "google/gemma-3-12b-it", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "google/gemma-3-12b-it", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|google%2Fgemma-3-12b-it", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "A model-dependent field needs the exact published model profile; unspecified defaults/enums are not guessed.", "Tool calls propose actions; the client application returns actual observations with the returned call ID.", "Guarded canonical keys must occur once; duplicate or case-varied model/tools/cap fields are rejected." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "ข้อความ UTF8" } ], "operation_modes": [ "conversation", "function_tool_continuation", "streaming" ], "outputs": { "all_results": "เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "google/gemma-3-12b-it" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "conditions": "บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล", "default": null, "default_known": false, "enum": [ "system", "user", "assistant", "tool", "function" ], "enum_exhaustive": false, "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string|content_part[]|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_calls", "required": false, "type": "tool_call[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_call_id", "required": false, "type": "string", "when": "role=tool โดยใช้ ID ที่ส่งกลับจริง" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].name", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_content", "required": false, "type": "string", "when": "ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_details", "required": false, "type": "object|array" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stream_options.include_usage", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stop", "required": false, "type": "string|string[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools", "required": false, "type": "function_tool[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": [ "function" ], "enum_known": true, "name": "tools[].type", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.name", "required": true, "type": "string", "when": "มีเครื่องมือฟังก์ชันให้ใช้" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.description", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.parameters", "required": false, "type": "JSON_schema" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tool_choice", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "parallel_tool_calls", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "response_format", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning_effort", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "service_tier", "required": false, "type": "string" }, { "availability": "source_compatibility", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "instructions", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "functions", "required": false, "type": "function[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "function_call", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "prompt_cache_options", "required": false, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text" ], "enum_known": true, "name": "modalities", "required": false, "type": "string[]" }, { "availability": "source_interface", "conditions": "เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" }, { "availability": "source_interface", "conditions": "ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cache_control.ttl", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages", "ความยาวบริบทไม่ใช่เพดานผลลัพธ์", "ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง" ], "input": { "content_type": "application/json", "control_scope": "ขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้", "file_material": "แทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์", "hosted_operations": false, "material_types": [ "text" ], "messages": "อาร์เรย์ข้อความที่มีโครงสร้าง role/content", "multimodal_input_binding": null, "optional_controls": [ "stream", "temperature", "top_p", "stop", "max_tokens", "max_completion_tokens", "reasoning", "response_format", "tools", "tool_choice" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "ระดับความยาวคำขอ 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"google/gemma-3-12b-it\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain the difference between an observation and a hypothesis in three sentences.\"}]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"choices\",[]):\n if x.get(\"message\",{}).get(\"content\"): print(x[\"message\"][\"content\"])\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemma-3-12b-it',messages=[{\"role\":\"user\",\"content\":\"Explain observations and hypotheses in three sentences.\"}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nsave_result(result.to_dict(mode=\"json\"))\n", "label": "Python SDK · all choices", "language": "python" }, { "code": "from openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemma-3-12b-it',messages=[{\"role\":\"user\",\"content\":\"Explain observations and hypotheses in three sentences.\"}]) as stream:\n with Path(\"stream-events.jsonl\").open(\"w\",encoding=\"utf-8\") as log:\n for event in stream:\n payload=event.to_dict(mode=\"json\")\n log.write(json.dumps(payload,ensure_ascii=False)+\"\\n\"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode=\"json\"),\"stream-result\")\n", "label": "Python SDK streaming · all events", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "hints": [ "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." ], "http": "POST", "in": 0.1, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0.3, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" }, { "label": "การคิดราคาแคชแบบระบุชัด", "value": "ไม่ได้เปิดใช้", "when": "เมื่อร้องขอแคชแบบระบุชัด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "google/gemma-3-12b-it", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.1, "input_multiplier": null, "interval_boundary": "min_exclusive_max_inclusive", "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "null_rate_policy": "unknown or inherited; never zero", "out": 0.3, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "

G

Google: Gemma 3 12B

Google /google/gemma-3-12b-it

เริ่มต้น

Gemma 3 12B IT เป็น Gemma 3 รุ่นแยกที่ปรับแต่งให้ทำตามคำสั่ง สำหรับสร้างข้อความและทำความเข้าใจภาพ ใช้ตอบคำถามจากเอกสาร อธิบาย และเขียนหลายภาษาโดยใช้บริบทร่วม 128K พร้อมระบุเช็กพอยต์ 12B และรูปแบบบทสนทนาดั้งเดิมให้ชัดเจน

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: json · sse

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Gemma 3 12B IT เป็นโมเดลภาพและภาษาขนาด 12B ของ Google ที่ปรับแต่งให้ทำตามคำสั่ง อยู่ในตระกูล Gemma 3 ซึ่งผสานการสร้างข้อความ การทำความเข้าใจภาพ และการฝึกหลายภาษา ส่วนต่อท้าย IT ระบุเช็กพอยต์ที่ทำตามคำสั่ง แยกจากโมเดลที่ผ่านการฝึกขั้นต้น ผลลัพธ์เป็นข้อความ ได้แก่ คำอธิบาย บทสรุป คำตอบ ร่าง หรือโค้ดที่ได้จากข้อความและภาพในคำขอ

โมเดล 12B มีบริบท 128K โทเคนของตระกูลนี้ ซึ่งใช้ร่วมกันทั้งอินพุตและคำตอบที่สร้าง เอาต์พุตใช้พื้นที่ที่เหลือหลังหักคำขอ ข้อมูลรุ่นนี้ไม่ได้หมายถึงหน้าต่างเอาต์พุต 128K แยกอีกชุดหนึ่ง มุมมองภาพพื้นฐานถูกปรับเป็น 896×896 และแทนด้วยโทเคนภาพ 256 โทเคนต่อภาพ เมื่อเตรียมหน้าหลายหน้า ให้เก็บรหัสหน้าและเผื่อพื้นที่สำหรับผลลัพธ์ ถามเจาะจงถึงเนื้อหาที่เกี่ยวข้อง แทนการคาดหวังว่าหน้าต่างขนาดใหญ่จะเลือกประเด็นที่ถูกต้องให้อัตโนมัติ

ผู้พัฒนารายงานว่าโมเดลขนาดนี้ใช้โทเคนฝึกขั้นต้น 12 ล้านล้านโทเคน ข้อมูลฝึกประกอบด้วยเอกสารเว็บหลายภาษา โค้ด คณิตศาสตร์ และภาพ โดยตระกูลนี้ครอบคลุมมากกว่า 140 ภาษา รายงานอธิบายการกลั่นความรู้และสูตรปรับแต่งตามคำสั่งที่ปรับปรุงด้วยการเรียนรู้แบบเสริมกำลัง ขั้นตอนเหล่านี้มุ่งเพิ่มความเป็นประโยชน์ การให้เหตุผลด้านคณิตศาสตร์และโค้ด การทำตามคำสั่ง และการโต้ตอบหลายภาษา งบฝึกและเอกลักษณ์เช็กพอยต์ที่ต่างกันเพียงอย่างเดียวไม่ได้รับรองคุณภาพคำตอบใดคำตอบหนึ่ง จึงควรเทียบผลกับงานต้นฉบับ

สถาปัตยกรรมใช้ทรานส์ฟอร์เมอร์แบบตัวถอดรหัสอย่างเดียว พร้อม grouped-query attention และรูปแบบซ้ำของชั้น local attention ห้าชั้นต่อ global attention หนึ่งชั้น ชั้น local ใช้ช่วง 1,024 โทเคน ส่วน global attention รองรับบริบทที่ยาวกว่า ตัวเข้ารหัสภาพ SigLIP ซึ่งใช้ร่วมกันในรุ่น 4B, 12B และ 27B แปลงภาพเป็นตัวแทนที่โมเดลภาษาใช้ ตัวแยกโทเคน SentencePiece รักษาช่องว่าง แยกตัวเลขเป็นหลัก และมีการเข้ารหัสระดับไบต์ คุณสมบัตินี้เกี่ยวข้องเมื่อต้องรักษารูปแบบโค้ด สัญกรณ์ตัวเลข หรือข้อความหลายภาษา

ขั้นตอนภาพยังมี Pan and Scan ซึ่งใช้การครอปภาพแบบปรับตามเนื้อหาและไม่ซ้อนทับกัน เพื่อเก็บรายละเอียดจากภาพกว้างหรือความละเอียดสูงก่อนส่งแต่ละมุมมองเข้าตัวเข้ารหัสความละเอียดคงที่ มุมมองเพิ่มเติมเปลี่ยนข้อมูลที่ถูกประมวลผล สำหรับเอกสารเทคนิค ให้หน้าที่อ่านได้ชัด และเมื่อจำเป็น ให้ภาพตารางหรือแผนภาพที่ถามอย่างชัดเจน เก็บนิยามแวดล้อมของหน่วย สัญลักษณ์ หรือคอลัมน์ไว้ด้วย เพื่อให้การอ่านเฉพาะจุดในภาพไม่สูญเสียความหมาย

รูปแบบพรอมป์ต์ IT ดั้งเดิมใช้เทิร์น user และ model โดยไม่มีบทบาท system แยก ใส่บทบาทที่ต้องการ กฎคำตอบ และงานในพรอมป์ต์ user แรก โดยใช้ตัวจัดรูปแบบหรือตัวประมวลผลที่กำหนดสำหรับบทสนทนาจริง ตัวอย่างคำขอวิเคราะห์เอกสารอาจให้เปรียบเทียบคำอธิบายขั้นตอนสองชุด ส่งตารางข้อกำหนดที่ตรงกัน และระบุความขัดแย้ง ติดป้ายแหล่งข้อมูล ระบุว่าข้อกำหนดใดมีลำดับความสำคัญสูงกว่า และให้โมเดลแยกข้อเท็จจริงที่ให้มาจากการตีความ

การใช้งานที่ผู้พัฒนาระบุในข้อมูลรุ่น ได้แก่ สรุปความ ผู้ช่วยสนทนา ดึงข้อมูลจากภาพ เขียน และเรียนรู้ สำหรับคำอธิบายหลายภาษา ให้ระบุผู้อ่าน ศัพท์ และระดับรายละเอียด สำหรับคำถามภาพ ให้ระบุวัตถุหรือความสัมพันธ์ที่จะอธิบายและขอข้อสังเกตที่รองรับคำตอบสุดท้าย สำหรับโค้ด ให้ฟังก์ชันจริงและพฤติกรรมที่คาดหวัง ผลลัพธ์อาจเสนอวิธีเขียนโค้ดให้ทำงานตามนั้น ส่วนแอปพลิเคชันแยกต่างหากต้องรันและตรวจสอบโค้ดนั้น รายงานเผยแพร่รุ่นควอนไทซ์ของตระกูลนี้แยกกัน จึงไม่ควรแทนเอกลักษณ์ 12B IT นี้ด้วยเช็กพอยต์ควอนไทซ์อื่นโดยไม่ระบุเมื่อบันทึกผล

ผู้พัฒนาระบุข้อจำกัดด้านความครอบคลุมข้อมูลฝึก ความคลาดเคลื่อนของข้อเท็จจริง นัยภาษา และงานปลายเปิดที่ซับซ้อน Google ยังเตือนว่ารูปแบบภาษาที่ดูสมเหตุสมผลอาจให้คำตอบที่ละเลยข้อจำกัดในโลกจริงทั่วไป รายละเอียดภาพขนาดเล็กอาจสูญหายหรือถูกอ่านผิด และอินพุตยาวก็ยังต้องมีลำดับความสำคัญชัดเจน เก็บหน้าต้นฉบับ ตรวจป้ายและปริมาณที่ดึงมา และตรวจข้อความที่ดูมีโครงสร้างก่อนใช้เป็นข้อมูล ประเมินโมเดล 12B IT ตัวนี้กับคำถามและภาษาที่เป็นตัวแทนงานจริง ชิ้นงานสุดท้ายที่มีประโยชน์ระบุคำตอบตามแหล่งข้อมูล เหตุผลที่จำเป็นต่อความเข้าใจ และความไม่แน่นอนที่ยังเหลือ โดยไม่ถือว่าคำอธิบายที่สร้างขึ้นคือการใช้เครื่องมือสำเร็จหรือการค้นความรู้สด

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · Anthropic Messages POST /v1/messages

ขาเข้า: text
ขาออก: json, sse
รูปแบบเอาต์พุต: JSON หรือ SSE

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด google/gemma-3-12b-it	ค่าเริ่มต้น—
ฟิลด์`messages`	ประเภท`message[]`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].role`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด user, assistant	ค่าเริ่มต้น—
ฟิลด์`messages[].content`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`max_tokens`	ประเภท`integer`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`stream`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้นfalse

ชุดผสมของสื่ออินพุต

ข้อความ · ข้อความ UTF-8

สตริง messages[].content

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, messages, max_tokens
พารามิเตอร์`optional_controls`	ข้อกำหนดstream
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`text_file_material`	ข้อกำหนดอ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ

วงจรการทำงาน: synchronous_or_streamed

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว: อัตรามาตรฐาน เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: อัตรามาตรฐาน เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: อัตรามาตรฐาน เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด
การคิดราคาแคชแบบระบุชัด: ไม่ได้เปิดใช้ เมื่อร้องขอแคชแบบระบุชัด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่า	ตารางอัตราค่าบริการ	โทเค็นบริบท มากกว่า	โทเค็นบริบท ไม่เกินและรวมค่า	ค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคน	ตารางอัตราค่าบริการอัตราพื้นฐาน	โทเค็นบริบท มากกว่า—	โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0001 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0003 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าระดับความยาวคำขอ 1	ตารางอัตราค่าบริการ—	โทเค็นบริบท มากกว่า0	โทเค็นบริบท ไม่เกินและรวมค่าไม่มีขีดจำกัดสูงสุด	ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0001 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0003 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · Anthropic Messages

{\n  "model": "google/gemma-3-12b-it",\n  "max_tokens": 128,\n  "messages": [\n    {\n      "role": "user",\n      "content": "Summarize the incident report."\n    }\n  ],\n  "stream": false\n}

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n    raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-12b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\n

import json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n    raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-12b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n    raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n    with urlopen(request, timeout=120) as response:\n        raw = response.read()\n        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n    Path('result.json').write_bytes(error.read())\n    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n    raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\n

รับและบันทึกผลลัพธ์

Ailoot Ultra · Anthropic Messages

JSON หรือ SSE

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้

ฟิลด์การตอบกลับ

ฟิลด์	ประเภท
ฟิลด์`id`	ประเภทstring
ฟิลด์`model`	ประเภทstring
ฟิลด์`content[]`	ประเภทtext\|thinking\|tool_use\|other content block
ฟิลด์`stop_reason`	ประเภทstring\|null
ฟิลด์`usage`	ประเภทobject

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง	ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra google/gemma-3-12b-it

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

google/gemma-3-12b-it

", "method_identity": { "effective_request_model_id": "google/gemma-3-12b-it", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "google/gemma-3-12b-it", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|google%2Fgemma-3-12b-it", "ordinal": 1, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "google/gemma-3-12b-it", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "สตริง messages[].content", "required_material": "ข้อความ UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "google/gemma-3-12b-it" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "google/gemma-3-12b-it" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "google/gemma-3-12b-it", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "อ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ" }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "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.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "ระดับความยาวคำขอ 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"google/gemma-3-12b-it\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-12b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H \"x-api-key: $AILOOT_API_KEY\" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-12b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "in": 0.1, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0.3, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" }, { "label": "การคิดราคาแคชแบบระบุชัด", "value": "ไม่ได้เปิดใช้", "when": "เมื่อร้องขอแคชแบบระบุชัด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "google/gemma-3-12b-it", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.1, "input_multiplier": null, "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "out": 0.3, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "google/gemma-3-12b-it", "nativeProvenance": { "input_facts_canonical_sha256": "8c1ba5901001abbe9c394361cd0d6fecddf0286e91114aabd3bf378be9e88a51", "input_html_sha256": "dc62644b8f8570d6edaf03f5f478c28269a0cd737d6d39de295d60357e29f2ac", "private_audit_sha256": "77a8a061089d0ce5ceef7f2936a077296f631cc6baa9027e3414322016e18164", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/th/google-gemma-3-12b-it/", "description": "Gemma 3 12B IT เป็น Gemma 3 รุ่นแยกที่ปรับแต่งให้ทำตามคำสั่ง สำหรับสร้างข้อความและทำความเข้าใจภาพ ใช้ตอบคำถามจากเอกสาร อธิบาย และเขียนหลายภาษาโดยใช้บริบทร่วม 128K พร้อมระบุเช็กพอยต์ 12B และรูปแบบบทสนทนาดั้งเดิมให้ชัดเจน", "locale": "th", "md_url": "https://ailoot.ai/models/th/google-gemma-3-12b-it/index.md", "title": "Google: Gemma 3 12B — Ailoot", "url": "https://ailoot.ai/models/th/google-gemma-3-12b-it/" }, "practicalHtml": "

งานตัวอย่างจริง

ตัวอย่างทางเทคนิคภาษาอังกฤษ

Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.

ผลลัพธ์ที่คาดหวัง

Three short labelled parts: conclusion, controlled conditions and one practical improvement.

ตรวจสอบผลลัพธ์

The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.

", "practicalText": "งานตัวอย่างจริง ตัวอย่างทางเทคนิคภาษาอังกฤษ Explain an experiment to a learner Explain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures. ผลลัพธ์ที่คาดหวัง Three short labelled parts: conclusion, controlled conditions and one practical improvement. ตรวจสอบผลลัพธ์ The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.", "rawModel": { "about": "Gemma 3 12B IT เป็นโมเดลภาพและภาษาขนาด 12B ของ Google ที่ปรับแต่งให้ทำตามคำสั่ง อยู่ในตระกูล Gemma 3 ซึ่งผสานการสร้างข้อความ การทำความเข้าใจภาพ และการฝึกหลายภาษา ส่วนต่อท้าย IT ระบุเช็กพอยต์ที่ทำตามคำสั่ง แยกจากโมเดลที่ผ่านการฝึกขั้นต้น ผลลัพธ์เป็นข้อความ ได้แก่ คำอธิบาย บทสรุป คำตอบ ร่าง หรือโค้ดที่ได้จากข้อความและภาพในคำขอ\n\nโมเดล 12B มีบริบท 128K โทเคนของตระกูลนี้ ซึ่งใช้ร่วมกันทั้งอินพุตและคำตอบที่สร้าง เอาต์พุตใช้พื้นที่ที่เหลือหลังหักคำขอ ข้อมูลรุ่นนี้ไม่ได้หมายถึงหน้าต่างเอาต์พุต 128K แยกอีกชุดหนึ่ง มุมมองภาพพื้นฐานถูกปรับเป็น 896×896 และแทนด้วยโทเคนภาพ 256 โทเคนต่อภาพ เมื่อเตรียมหน้าหลายหน้า ให้เก็บรหัสหน้าและเผื่อพื้นที่สำหรับผลลัพธ์ ถามเจาะจงถึงเนื้อหาที่เกี่ยวข้อง แทนการคาดหวังว่าหน้าต่างขนาดใหญ่จะเลือกประเด็นที่ถูกต้องให้อัตโนมัติ\n\nผู้พัฒนารายงานว่าโมเดลขนาดนี้ใช้โทเคนฝึกขั้นต้น 12 ล้านล้านโทเคน ข้อมูลฝึกประกอบด้วยเอกสารเว็บหลายภาษา โค้ด คณิตศาสตร์ และภาพ โดยตระกูลนี้ครอบคลุมมากกว่า 140 ภาษา รายงานอธิบายการกลั่นความรู้และสูตรปรับแต่งตามคำสั่งที่ปรับปรุงด้วยการเรียนรู้แบบเสริมกำลัง ขั้นตอนเหล่านี้มุ่งเพิ่มความเป็นประโยชน์ การให้เหตุผลด้านคณิตศาสตร์และโค้ด การทำตามคำสั่ง และการโต้ตอบหลายภาษา งบฝึกและเอกลักษณ์เช็กพอยต์ที่ต่างกันเพียงอย่างเดียวไม่ได้รับรองคุณภาพคำตอบใดคำตอบหนึ่ง จึงควรเทียบผลกับงานต้นฉบับ\n\nสถาปัตยกรรมใช้ทรานส์ฟอร์เมอร์แบบตัวถอดรหัสอย่างเดียว พร้อม grouped-query attention และรูปแบบซ้ำของชั้น local attention ห้าชั้นต่อ global attention หนึ่งชั้น ชั้น local ใช้ช่วง 1,024 โทเคน ส่วน global attention รองรับบริบทที่ยาวกว่า ตัวเข้ารหัสภาพ SigLIP ซึ่งใช้ร่วมกันในรุ่น 4B, 12B และ 27B แปลงภาพเป็นตัวแทนที่โมเดลภาษาใช้ ตัวแยกโทเคน SentencePiece รักษาช่องว่าง แยกตัวเลขเป็นหลัก และมีการเข้ารหัสระดับไบต์ คุณสมบัตินี้เกี่ยวข้องเมื่อต้องรักษารูปแบบโค้ด สัญกรณ์ตัวเลข หรือข้อความหลายภาษา\n\nขั้นตอนภาพยังมี Pan and Scan ซึ่งใช้การครอปภาพแบบปรับตามเนื้อหาและไม่ซ้อนทับกัน เพื่อเก็บรายละเอียดจากภาพกว้างหรือความละเอียดสูงก่อนส่งแต่ละมุมมองเข้าตัวเข้ารหัสความละเอียดคงที่ มุมมองเพิ่มเติมเปลี่ยนข้อมูลที่ถูกประมวลผล สำหรับเอกสารเทคนิค ให้หน้าที่อ่านได้ชัด และเมื่อจำเป็น ให้ภาพตารางหรือแผนภาพที่ถามอย่างชัดเจน เก็บนิยามแวดล้อมของหน่วย สัญลักษณ์ หรือคอลัมน์ไว้ด้วย เพื่อให้การอ่านเฉพาะจุดในภาพไม่สูญเสียความหมาย\n\nรูปแบบพรอมป์ต์ IT ดั้งเดิมใช้เทิร์น user และ model โดยไม่มีบทบาท system แยก ใส่บทบาทที่ต้องการ กฎคำตอบ และงานในพรอมป์ต์ user แรก โดยใช้ตัวจัดรูปแบบหรือตัวประมวลผลที่กำหนดสำหรับบทสนทนาจริง ตัวอย่างคำขอวิเคราะห์เอกสารอาจให้เปรียบเทียบคำอธิบายขั้นตอนสองชุด ส่งตารางข้อกำหนดที่ตรงกัน และระบุความขัดแย้ง ติดป้ายแหล่งข้อมูล ระบุว่าข้อกำหนดใดมีลำดับความสำคัญสูงกว่า และให้โมเดลแยกข้อเท็จจริงที่ให้มาจากการตีความ\n\nการใช้งานที่ผู้พัฒนาระบุในข้อมูลรุ่น ได้แก่ สรุปความ ผู้ช่วยสนทนา ดึงข้อมูลจากภาพ เขียน และเรียนรู้ สำหรับคำอธิบายหลายภาษา ให้ระบุผู้อ่าน ศัพท์ และระดับรายละเอียด สำหรับคำถามภาพ ให้ระบุวัตถุหรือความสัมพันธ์ที่จะอธิบายและขอข้อสังเกตที่รองรับคำตอบสุดท้าย สำหรับโค้ด ให้ฟังก์ชันจริงและพฤติกรรมที่คาดหวัง ผลลัพธ์อาจเสนอวิธีเขียนโค้ดให้ทำงานตามนั้น ส่วนแอปพลิเคชันแยกต่างหากต้องรันและตรวจสอบโค้ดนั้น รายงานเผยแพร่รุ่นควอนไทซ์ของตระกูลนี้แยกกัน จึงไม่ควรแทนเอกลักษณ์ 12B IT นี้ด้วยเช็กพอยต์ควอนไทซ์อื่นโดยไม่ระบุเมื่อบันทึกผล\n\nผู้พัฒนาระบุข้อจำกัดด้านความครอบคลุมข้อมูลฝึก ความคลาดเคลื่อนของข้อเท็จจริง นัยภาษา และงานปลายเปิดที่ซับซ้อน Google ยังเตือนว่ารูปแบบภาษาที่ดูสมเหตุสมผลอาจให้คำตอบที่ละเลยข้อจำกัดในโลกจริงทั่วไป รายละเอียดภาพขนาดเล็กอาจสูญหายหรือถูกอ่านผิด และอินพุตยาวก็ยังต้องมีลำดับความสำคัญชัดเจน เก็บหน้าต้นฉบับ ตรวจป้ายและปริมาณที่ดึงมา และตรวจข้อความที่ดูมีโครงสร้างก่อนใช้เป็นข้อมูล ประเมินโมเดล 12B IT ตัวนี้กับคำถามและภาษาที่เป็นตัวแทนงานจริง ชิ้นงานสุดท้ายที่มีประโยชน์ระบุคำตอบตามแหล่งข้อมูล เหตุผลที่จำเป็นต่อความเข้าใจ และความไม่แน่นอนที่ยังเหลือ โดยไม่ถือว่าคำอธิบายที่สร้างขึ้นคือการใช้เครื่องมือสำเร็จหรือการค้นความรู้สด", "alias_of": null, "aliases": [], "author": "Google", "available": null, "canonical_model": "google/gemma-3-12b-it", "capabilities": { "context_length": 131072, "manufacturer_input": [ "text", "image" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "ดูราคาตามการกำหนดค่าแบบครบถ้วนในรายละเอียด" } ], "ctx": null, "entity_type": "model", "formats": [ "chat", "messages" ], "id": "google/gemma-3-12b-it", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "A model-dependent field needs the exact published model profile; unspecified defaults/enums are not guessed.", "Tool calls propose actions; the client application returns actual observations with the returned call ID.", "Guarded canonical keys must occur once; duplicate or case-varied model/tools/cap fields are rejected." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "ข้อความ UTF8" } ], "operation_modes": [ "conversation", "function_tool_continuation", "streaming" ], "outputs": { "all_results": "เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "google/gemma-3-12b-it" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "conditions": "บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล", "default": null, "default_known": false, "enum": [ "system", "user", "assistant", "tool", "function" ], "enum_exhaustive": false, "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string|content_part[]|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_calls", "required": false, "type": "tool_call[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_call_id", "required": false, "type": "string", "when": "role=tool โดยใช้ ID ที่ส่งกลับจริง" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].name", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_content", "required": false, "type": "string", "when": "ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_details", "required": false, "type": "object|array" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stream_options.include_usage", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stop", "required": false, "type": "string|string[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools", "required": false, "type": "function_tool[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": [ "function" ], "enum_known": true, "name": "tools[].type", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.name", "required": true, "type": "string", "when": "มีเครื่องมือฟังก์ชันให้ใช้" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.description", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.parameters", "required": false, "type": "JSON_schema" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tool_choice", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "parallel_tool_calls", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "response_format", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning_effort", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "service_tier", "required": false, "type": "string" }, { "availability": "source_compatibility", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "instructions", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "functions", "required": false, "type": "function[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "function_call", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "prompt_cache_options", "required": false, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text" ], "enum_known": true, "name": "modalities", "required": false, "type": "string[]" }, { "availability": "source_interface", "conditions": "เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" }, { "availability": "source_interface", "conditions": "ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cache_control.ttl", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages", "ความยาวบริบทไม่ใช่เพดานผลลัพธ์", "ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง" ], "input": { "content_type": "application/json", "control_scope": "ขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้", "file_material": "แทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์", "hosted_operations": false, "material_types": [ "text" ], "messages": "อาร์เรย์ข้อความที่มีโครงสร้าง role/content", "multimodal_input_binding": null, "optional_controls": [ "stream", "temperature", "top_p", "stop", "max_tokens", "max_completion_tokens", "reasoning", "response_format", "tools", "tool_choice" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "ระดับความยาวคำขอ 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"google/gemma-3-12b-it\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain the difference between an observation and a hypothesis in three sentences.\"}]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"choices\",[]):\n if x.get(\"message\",{}).get(\"content\"): print(x[\"message\"][\"content\"])\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemma-3-12b-it',messages=[{\"role\":\"user\",\"content\":\"Explain observations and hypotheses in three sentences.\"}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nsave_result(result.to_dict(mode=\"json\"))\n", "label": "Python SDK · all choices", "language": "python" }, { "code": "from openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemma-3-12b-it',messages=[{\"role\":\"user\",\"content\":\"Explain observations and hypotheses in three sentences.\"}]) as stream:\n with Path(\"stream-events.jsonl\").open(\"w\",encoding=\"utf-8\") as log:\n for event in stream:\n payload=event.to_dict(mode=\"json\")\n log.write(json.dumps(payload,ensure_ascii=False)+\"\\n\"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode=\"json\"),\"stream-result\")\n", "label": "Python SDK streaming · all events", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "hints": [ "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." ], "http": "POST", "in": 0.1, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0.3, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" }, { "label": "การคิดราคาแคชแบบระบุชัด", "value": "ไม่ได้เปิดใช้", "when": "เมื่อร้องขอแคชแบบระบุชัด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "google/gemma-3-12b-it", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.1, "input_multiplier": null, "interval_boundary": "min_exclusive_max_inclusive", "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "null_rate_policy": "unknown or inherited; never zero", "out": 0.3, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "google/gemma-3-12b-it", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "สตริง messages[].content", "required_material": "ข้อความ UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "google/gemma-3-12b-it" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "google/gemma-3-12b-it" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "google/gemma-3-12b-it", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "อ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ" }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "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.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "ระดับความยาวคำขอ 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"google/gemma-3-12b-it\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-12b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H \"x-api-key: $AILOOT_API_KEY\" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-12b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "in": 0.1, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0.3, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" }, { "label": "การคิดราคาแคชแบบระบุชัด", "value": "ไม่ได้เปิดใช้", "when": "เมื่อร้องขอแคชแบบระบุชัด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Request-length tier 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "google/gemma-3-12b-it", "route_label": "Ultra", "status_reads": [], "tiers": [ { "cache_read": null, "cache_read_multiplier": null, "cache_write": null, "cache_write_1h": null, "cache_write_multiplier": null, "created_at": "0001-01-01T00:00:00Z", "in": 0.1, "input_multiplier": null, "max": null, "max_tokens": null, "min": 0, "min_tokens": 0, "out": 0.3, "output_multiplier": null, "per_request_price": null, "sort_order": 0, "tier_label": "", "updated_at": "0001-01-01T00:00:00Z" } ], "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "google/gemma-3-12b-it", "request_model_id": "google/gemma-3-12b-it", "route_label": "Ultra" } ], "name": "Google: Gemma 3 12B", "price": { "in": 0.1, "in_label": null, "out": 0.3, "out_label": null, "scope_label": "Token rates", "sort_in": 0.1, "sort_out": 0.3, "varies": true }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "OpenAI Chat · Base token rates", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "OpenAI Chat · Request-length tier 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "regime": "base" }, "label": "Anthropic Messages · Base token rates", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "max_context_tokens_inclusive": null, "min_context_tokens_exclusive": 0 }, "label": "Anthropic Messages · Request-length tier 1", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000003", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "public_id": "google/gemma-3-12b-it", "short": "Gemma 3 12B IT เป็น Gemma 3 รุ่นแยกที่ปรับแต่งให้ทำตามคำสั่ง สำหรับสร้างข้อความและทำความเข้าใจภาพ ใช้ตอบคำถามจากเอกสาร อธิบาย และเขียนหลายภาษาโดยใช้บริบทร่วม 128K พร้อมระบุเช็กพอยต์ 12B และรูปแบบบทสนทนาดั้งเดิมให้ชัดเจน" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Gemma 3 12B IT เป็น Gemma 3 รุ่นแยกที่ปรับแต่งให้ทำตามคำสั่ง สำหรับสร้างข้อความและทำความเข้าใจภาพ ใช้ตอบคำถามจากเอกสาร อธิบาย และเขียนหลายภาษาโดยใช้บริบทร่วม 128K พร้อมระบุเช็กพอยต์ 12B และรูปแบบบทสนทนาดั้งเดิมให้ชัดเจน", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "4e7f9f36294e4f5630702d39f71d556b6212355279147444e2aed663e668a85a", "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9" }, "sourceRevision": "b09157a44d6a47bf839b48749970d0d9a03df545b840bb09fca64337a4694ca4" }