Gemma 3 12B IT — Google’ning ko‘rsatmalarga moslab o‘qitilgan 12B hajmdagi tasvir va til modeli. U matn yaratish, tasvirni tushunish va ko‘p tilli o‘qitishni birlashtiradigan Gemma 3 oilasiga kiradi. IT qo‘shimchasi dastlabki o‘qitilgan modelni emas, ko‘rsatmalarga rioya qiluvchi nazorat nusxasini tanlaydi. Uning natijasi matndir: so‘rovdagi yozma va vizual materialdan olingan izoh, xulosa, javob, qoralama yoki kod.
12B modeli kirish va yaratiladigan javob uchun oilaning 128K tokenli kontekstiga ega. Chiqish so‘rovdan keyin qolgan qismni ishlatadi; karta ikkinchi mustaqil 128K chiqish oynasini bermaydi. Asosiy tasvir ko‘rinishlari 896×896 o‘lchamga me’yorlashtiriladi va har biri 256 vizual token bilan ifodalanadi. Sahifalar to‘plamini tayyorlashda sahifa identifikatorlarini saqlang va natija uchun joy ajrating. Katta oyna to‘g‘ri masalani o‘zi tanlaydi deb ishonish o‘rniga, tegishli mazmun haqida muayyan savol bering.
Ishlab chiqaruvchi ushbu hajm uchun 12 trillion dastlabki o‘qitish tokenini bildiradi. O‘qitish materiali ko‘p tilli veb hujjatlar, kod, matematika va tasvirlarni o‘z ichiga oladi; oila 140 dan ortiq tilni qamrab oladi. Hisobot bilim distillatsiyasi va mustahkamlash orqali o‘rganish bilan yaxshilangan ko‘rsatmalarga moslab o‘qitish usulini tavsiflaydi. Shu bosqichlar foydalilik, matematik va kod bo‘yicha fikrlash, ko‘rsatmalarga rioya qilish va ko‘p tilli muloqotga qaratilgan. Alohida o‘qitish budjeti va nazorat nusxasi identifikatori muayyan javob sifatini o‘z-o‘zidan isbotlamaydi, shuning uchun chiqishni dastlabki vazifa bilan taqqoslang.
Arxitektura guruhlangan so‘rovli e’tibor va bitta global qatlamga beshta mahalliy e’tibor qatlami takrorlanadigan tuzilishga ega faqat dekoderli transformerdan foydalanadi. Mahalliy qatlamlar 1,024 tokenli oraliqni ishlatadi, global e’tibor esa uzunroq kontekstni qo‘llab-quvvatlaydi. 4B, 12B va 27B modellariga umumiy SigLIP vizual kodlovchisi tasvirlarni til modeli iste’mol qiladigan ifodalarga aylantiradi. SentencePiece tokenizatori bo‘shliqlarni saqlaydi, raqamlarni alohida ajratadi va bayt darajasidagi kodlashni o‘z ichiga oladi. Kod formati, raqamli yozuv yoki ko‘p tilli matn o‘zgarmasligi kerak bo‘lganda bu ahamiyatli.
Vizual ish jarayoni Pan and Scan’ni ham o‘z ichiga oladi: moslashuvchan, ustma-ust tushmaydigan qirqimlar har bir ko‘rinish belgilangan aniqlikdagi kodlovchiga yetishidan oldin keng yoki yuqori aniqlikdagi manbalar mazmunini saqlashga yordam beradi. Qo‘shimcha ko‘rinishlar qayta ishlanadigan materialni o‘zgartiradi. Texnik hujjat uchun o‘qiladigan sahifa va zarur bo‘lsa, savol berilayotgan jadval yoki diagrammaning tiniq ko‘rinishini bering. Mahalliy vizual o‘qish ma’nosini yo‘qotmasligi uchun birlik, belgi yoki ustunning atrofdagi ta’rifini saqlang.
Asl IT prompt formati user va model navbatlaridan foydalanadi va alohida system roliga ega emas. Kerakli rol, javob qoidalari va vazifani boshlang‘ich user promptiga joylashtiring, haqiqiy suhbat uchun belgilangan formatlovchi yoki protsessordan foydalaning. O‘ziga xos hujjat tahlili so‘rovi ikkita tartib-taomil tavsifini taqqoslashi, mos talablar jadvalini qaytarishi va har qanday ziddiyatni aniqlashi mumkin. Manbalarni yorliqlang, qaysi talab ustuvorligini ayting va modeldan berilgan faktlarni o‘z talqinidan ajratishni so‘rang.
Ishlab chiqaruvchi kartasidagi mo‘ljallangan foydalanish holatlariga xulosa qilish, suhbat orqali yordam, tasvirdan ma’lumot ajratib olish, yozish va o‘rganish kiradi. Ko‘p tilli izoh uchun maqsadli o‘quvchi, terminologiya va tafsilot darajasini bering. Tasvir savolida muhokama qilinadigan obyektlar yoki munosabatlarni belgilang va yakuniy javobni asoslovchi kuzatuvlarni so‘rang. Kod uchun haqiqiy funksiya va kutilgan xatti-harakatni kiriting; natija amalga oshirishni taklif qilishi mumkin, uni esa alohida ilova ishga tushirishi va tekshirishi kerak. Hisobot oilaning kvantlangan variantlarini alohida e’lon qiladi, shuning uchun natijalarni qayd etishda ushbu 12B IT identifikatorini bildirmay boshqa kvantlangan nazorat nusxasiga almashtirmaslik kerak.
Ishlab chiqaruvchi o‘qitish qamrovi, faktik xatolar, til nozikliklari va murakkab, ochiq yakunli vazifalardan kelib chiqadigan cheklovlarni belgilaydi. Google ishonarli til qolipi kundalik haqiqiy hayot cheklovini hisobga olmaydigan javob berishi mumkinligini ham ogohlantiradi. Kichik vizual detallar yo‘qolishi yoki noto‘g‘ri o‘qilishi mumkin, uzun kirishlarda esa baribir aniq ustuvorliklar kerak. Asl sahifalarni saqlang, ajratib olingan yorliqlar va miqdorlarni tekshiring hamda so‘ralgan har qanday tuzilgan ko‘rinishdagi matnni ma’lumot sifatida ishlatishdan oldin tasdiqlang. Aynan 12B IT modelini namunaviy savollar va tillarda baholang. Foydali yakuniy artefakt manbaga asoslangan javobni, uni tushunish uchun zarur mulohazani va qolgan noaniqlikni bayon qiladi; yaratilgan izohni yakunlangan vosita amali yoki jonli ma’lumot qidiruvi deb ko‘rsatmaydi.
", "aboutText": "Gemma 3 12B IT — Google’ning ko‘rsatmalarga moslab o‘qitilgan 12B hajmdagi tasvir va til modeli. U matn yaratish, tasvirni tushunish va ko‘p tilli o‘qitishni birlashtiradigan Gemma 3 oilasiga kiradi. IT qo‘shimchasi dastlabki o‘qitilgan modelni emas, ko‘rsatmalarga rioya qiluvchi nazorat nusxasini tanlaydi. Uning natijasi matndir: so‘rovdagi yozma va vizual materialdan olingan izoh, xulosa, javob, qoralama yoki kod.\n\n12B modeli kirish va yaratiladigan javob uchun oilaning 128K tokenli kontekstiga ega. Chiqish so‘rovdan keyin qolgan qismni ishlatadi; karta ikkinchi mustaqil 128K chiqish oynasini bermaydi. Asosiy tasvir ko‘rinishlari 896×896 o‘lchamga me’yorlashtiriladi va har biri 256 vizual token bilan ifodalanadi. Sahifalar to‘plamini tayyorlashda sahifa identifikatorlarini saqlang va natija uchun joy ajrating. Katta oyna to‘g‘ri masalani o‘zi tanlaydi deb ishonish o‘rniga, tegishli mazmun haqida muayyan savol bering.\n\nIshlab chiqaruvchi ushbu hajm uchun 12 trillion dastlabki o‘qitish tokenini bildiradi. O‘qitish materiali ko‘p tilli veb hujjatlar, kod, matematika va tasvirlarni o‘z ichiga oladi; oila 140 dan ortiq tilni qamrab oladi. Hisobot bilim distillatsiyasi va mustahkamlash orqali o‘rganish bilan yaxshilangan ko‘rsatmalarga moslab o‘qitish usulini tavsiflaydi. Shu bosqichlar foydalilik, matematik va kod bo‘yicha fikrlash, ko‘rsatmalarga rioya qilish va ko‘p tilli muloqotga qaratilgan. Alohida o‘qitish budjeti va nazorat nusxasi identifikatori muayyan javob sifatini o‘z-o‘zidan isbotlamaydi, shuning uchun chiqishni dastlabki vazifa bilan taqqoslang.\n\nArxitektura guruhlangan so‘rovli e’tibor va bitta global qatlamga beshta mahalliy e’tibor qatlami takrorlanadigan tuzilishga ega faqat dekoderli transformerdan foydalanadi. Mahalliy qatlamlar 1,024 tokenli oraliqni ishlatadi, global e’tibor esa uzunroq kontekstni qo‘llab-quvvatlaydi. 4B, 12B va 27B modellariga umumiy SigLIP vizual kodlovchisi tasvirlarni til modeli iste’mol qiladigan ifodalarga aylantiradi. SentencePiece tokenizatori bo‘shliqlarni saqlaydi, raqamlarni alohida ajratadi va bayt darajasidagi kodlashni o‘z ichiga oladi. Kod formati, raqamli yozuv yoki ko‘p tilli matn o‘zgarmasligi kerak bo‘lganda bu ahamiyatli.\n\nVizual ish jarayoni Pan and Scan’ni ham o‘z ichiga oladi: moslashuvchan, ustma-ust tushmaydigan qirqimlar har bir ko‘rinish belgilangan aniqlikdagi kodlovchiga yetishidan oldin keng yoki yuqori aniqlikdagi manbalar mazmunini saqlashga yordam beradi. Qo‘shimcha ko‘rinishlar qayta ishlanadigan materialni o‘zgartiradi. Texnik hujjat uchun o‘qiladigan sahifa va zarur bo‘lsa, savol berilayotgan jadval yoki diagrammaning tiniq ko‘rinishini bering. Mahalliy vizual o‘qish ma’nosini yo‘qotmasligi uchun birlik, belgi yoki ustunning atrofdagi ta’rifini saqlang.\n\nAsl IT prompt formati user va model navbatlaridan foydalanadi va alohida system roliga ega emas. Kerakli rol, javob qoidalari va vazifani boshlang‘ich user promptiga joylashtiring, haqiqiy suhbat uchun belgilangan formatlovchi yoki protsessordan foydalaning. O‘ziga xos hujjat tahlili so‘rovi ikkita tartib-taomil tavsifini taqqoslashi, mos talablar jadvalini qaytarishi va har qanday ziddiyatni aniqlashi mumkin. Manbalarni yorliqlang, qaysi talab ustuvorligini ayting va modeldan berilgan faktlarni o‘z talqinidan ajratishni so‘rang.\n\nIshlab chiqaruvchi kartasidagi mo‘ljallangan foydalanish holatlariga xulosa qilish, suhbat orqali yordam, tasvirdan ma’lumot ajratib olish, yozish va o‘rganish kiradi. Ko‘p tilli izoh uchun maqsadli o‘quvchi, terminologiya va tafsilot darajasini bering. Tasvir savolida muhokama qilinadigan obyektlar yoki munosabatlarni belgilang va yakuniy javobni asoslovchi kuzatuvlarni so‘rang. Kod uchun haqiqiy funksiya va kutilgan xatti-harakatni kiriting; natija amalga oshirishni taklif qilishi mumkin, uni esa alohida ilova ishga tushirishi va tekshirishi kerak. Hisobot oilaning kvantlangan variantlarini alohida e’lon qiladi, shuning uchun natijalarni qayd etishda ushbu 12B IT identifikatorini bildirmay boshqa kvantlangan nazorat nusxasiga almashtirmaslik kerak.\n\nIshlab chiqaruvchi o‘qitish qamrovi, faktik xatolar, til nozikliklari va murakkab, ochiq yakunli vazifalardan kelib chiqadigan cheklovlarni belgilaydi. Google ishonarli til qolipi kundalik haqiqiy hayot cheklovini hisobga olmaydigan javob berishi mumkinligini ham ogohlantiradi. Kichik vizual detallar yo‘qolishi yoki noto‘g‘ri o‘qilishi mumkin, uzun kirishlarda esa baribir aniq ustuvorliklar kerak. Asl sahifalarni saqlang, ajratib olingan yorliqlar va miqdorlarni tekshiring hamda so‘ralgan har qanday tuzilgan ko‘rinishdagi matnni ma’lumot sifatida ishlatishdan oldin tasdiqlang. Aynan 12B IT modelini namunaviy savollar va tillarda baholang. Foydali yakuniy artefakt manbaga asoslangan javobni, uni tushunish uchun zarur mulohazani va qolgan noaniqlikni bayon qiladi; yaratilgan izohni yakunlangan vosita amali yoki jonli ma’lumot qidiruvi deb ko‘rsatmaydi.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
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.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.google/gemma-3-12b-itGemma 3 12B IT — matn yaratish va tasvirni tushunish uchun alohida, ko‘rsatmalarga moslab o‘qitilgan Gemma 3 nashri. Undan umumiy 128K kontekst bilan hujjat savollari, izohlar va ko‘p tilli yozish uchun foydalaning; bunda 12B nazorat nusxasi va uning asl suhbat formatini ochiq belgilang.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Gemma 3 12B IT — Google’ning ko‘rsatmalarga moslab o‘qitilgan 12B hajmdagi tasvir va til modeli. U matn yaratish, tasvirni tushunish va ko‘p tilli o‘qitishni birlashtiradigan Gemma 3 oilasiga kiradi. IT qo‘shimchasi dastlabki o‘qitilgan modelni emas, ko‘rsatmalarga rioya qiluvchi nazorat nusxasini tanlaydi. Uning natijasi matndir: so‘rovdagi yozma va vizual materialdan olingan izoh, xulosa, javob, qoralama yoki kod.
12B modeli kirish va yaratiladigan javob uchun oilaning 128K tokenli kontekstiga ega. Chiqish so‘rovdan keyin qolgan qismni ishlatadi; karta ikkinchi mustaqil 128K chiqish oynasini bermaydi. Asosiy tasvir ko‘rinishlari 896×896 o‘lchamga me’yorlashtiriladi va har biri 256 vizual token bilan ifodalanadi. Sahifalar to‘plamini tayyorlashda sahifa identifikatorlarini saqlang va natija uchun joy ajrating. Katta oyna to‘g‘ri masalani o‘zi tanlaydi deb ishonish o‘rniga, tegishli mazmun haqida muayyan savol bering.
Ishlab chiqaruvchi ushbu hajm uchun 12 trillion dastlabki o‘qitish tokenini bildiradi. O‘qitish materiali ko‘p tilli veb hujjatlar, kod, matematika va tasvirlarni o‘z ichiga oladi; oila 140 dan ortiq tilni qamrab oladi. Hisobot bilim distillatsiyasi va mustahkamlash orqali o‘rganish bilan yaxshilangan ko‘rsatmalarga moslab o‘qitish usulini tavsiflaydi. Shu bosqichlar foydalilik, matematik va kod bo‘yicha fikrlash, ko‘rsatmalarga rioya qilish va ko‘p tilli muloqotga qaratilgan. Alohida o‘qitish budjeti va nazorat nusxasi identifikatori muayyan javob sifatini o‘z-o‘zidan isbotlamaydi, shuning uchun chiqishni dastlabki vazifa bilan taqqoslang.
Arxitektura guruhlangan so‘rovli e’tibor va bitta global qatlamga beshta mahalliy e’tibor qatlami takrorlanadigan tuzilishga ega faqat dekoderli transformerdan foydalanadi. Mahalliy qatlamlar 1,024 tokenli oraliqni ishlatadi, global e’tibor esa uzunroq kontekstni qo‘llab-quvvatlaydi. 4B, 12B va 27B modellariga umumiy SigLIP vizual kodlovchisi tasvirlarni til modeli iste’mol qiladigan ifodalarga aylantiradi. SentencePiece tokenizatori bo‘shliqlarni saqlaydi, raqamlarni alohida ajratadi va bayt darajasidagi kodlashni o‘z ichiga oladi. Kod formati, raqamli yozuv yoki ko‘p tilli matn o‘zgarmasligi kerak bo‘lganda bu ahamiyatli.
Vizual ish jarayoni Pan and Scan’ni ham o‘z ichiga oladi: moslashuvchan, ustma-ust tushmaydigan qirqimlar har bir ko‘rinish belgilangan aniqlikdagi kodlovchiga yetishidan oldin keng yoki yuqori aniqlikdagi manbalar mazmunini saqlashga yordam beradi. Qo‘shimcha ko‘rinishlar qayta ishlanadigan materialni o‘zgartiradi. Texnik hujjat uchun o‘qiladigan sahifa va zarur bo‘lsa, savol berilayotgan jadval yoki diagrammaning tiniq ko‘rinishini bering. Mahalliy vizual o‘qish ma’nosini yo‘qotmasligi uchun birlik, belgi yoki ustunning atrofdagi ta’rifini saqlang.
Asl IT prompt formati user va model navbatlaridan foydalanadi va alohida system roliga ega emas. Kerakli rol, javob qoidalari va vazifani boshlang‘ich user promptiga joylashtiring, haqiqiy suhbat uchun belgilangan formatlovchi yoki protsessordan foydalaning. O‘ziga xos hujjat tahlili so‘rovi ikkita tartib-taomil tavsifini taqqoslashi, mos talablar jadvalini qaytarishi va har qanday ziddiyatni aniqlashi mumkin. Manbalarni yorliqlang, qaysi talab ustuvorligini ayting va modeldan berilgan faktlarni o‘z talqinidan ajratishni so‘rang.
Ishlab chiqaruvchi kartasidagi mo‘ljallangan foydalanish holatlariga xulosa qilish, suhbat orqali yordam, tasvirdan ma’lumot ajratib olish, yozish va o‘rganish kiradi. Ko‘p tilli izoh uchun maqsadli o‘quvchi, terminologiya va tafsilot darajasini bering. Tasvir savolida muhokama qilinadigan obyektlar yoki munosabatlarni belgilang va yakuniy javobni asoslovchi kuzatuvlarni so‘rang. Kod uchun haqiqiy funksiya va kutilgan xatti-harakatni kiriting; natija amalga oshirishni taklif qilishi mumkin, uni esa alohida ilova ishga tushirishi va tekshirishi kerak. Hisobot oilaning kvantlangan variantlarini alohida e’lon qiladi, shuning uchun natijalarni qayd etishda ushbu 12B IT identifikatorini bildirmay boshqa kvantlangan nazorat nusxasiga almashtirmaslik kerak.
Ishlab chiqaruvchi o‘qitish qamrovi, faktik xatolar, til nozikliklari va murakkab, ochiq yakunli vazifalardan kelib chiqadigan cheklovlarni belgilaydi. Google ishonarli til qolipi kundalik haqiqiy hayot cheklovini hisobga olmaydigan javob berishi mumkinligini ham ogohlantiradi. Kichik vizual detallar yo‘qolishi yoki noto‘g‘ri o‘qilishi mumkin, uzun kirishlarda esa baribir aniq ustuvorliklar kerak. Asl sahifalarni saqlang, ajratib olingan yorliqlar va miqdorlarni tekshiring hamda so‘ralgan har qanday tuzilgan ko‘rinishdagi matnni ma’lumot sifatida ishlatishdan oldin tasdiqlang. Aynan 12B IT modelini namunaviy savollar va tillarda baholang. Foydali yakuniy artefakt manbaga asoslangan javobni, uni tushunish uchun zarur mulohazani va qolgan noaniqlikni bayon qiladi; yaratilgan izohni yakunlangan vosita amali yoki jonli ma’lumot qidiruvi deb ko‘rsatmaydi.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar google/gemma-3-12b-it | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Namunalar: system, user, assistant, tool, function Shartlar: Bu rollar manba kodining moslik turlarida ochiq ifodalangan; aniq rollar to‘plami har bir modelga xos bo‘lib qoladi. Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring|content_part[]|null | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_calls | Turtool_call[] | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_call_id | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: role=tool; haqiqatan qaytarilgan IDdan foydalaning | Standart— |
Maydonmessages[].name | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].reasoning_content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Ushbu model foydalanganda, haqiqatan qaytarilgan fikrlash ma’lumotlarini keyingi so‘rovda qayta yuboring | Standart— |
Maydonmessages[].reasoning_details | Turobject|array | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmax_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonmax_completion_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Maydonstream_options.include_usage | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontop_p | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonstop | Turstring|string[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools | Turfunction_tool[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools[].type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar function Modelga bogʻliq | Standart— |
Maydontools[].function.name | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Funksiya vositasi taqdim etilgan | Standart— |
Maydontools[].function.description | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontools[].function.parameters | TurJSON_schema | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontool_choice | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonparallel_tool_calls | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonresponse_format | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning_effort | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonservice_tier | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydoninstructions | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Moslik maydoni | Standart— |
Maydonfunctions | Turfunction[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonfunction_call | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonprompt_cache_options | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmodalities | Turstring[] | TalabIxtiyoriy | Qiymatlar va cheklovlar text | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Ushbu Ultra matn marshrutida provider.options rad etiladi | Standart— |
Maydoncache_control.ttl | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Haqiqiy prompt-kesh joylarida 1h rad etiladi | Standart— |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Parametr talablariModelga xos; foydalanuvchi funksiya vositalari hostingdagi vositalardan farq qiladi |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0001 / 1K token Chiqish · Chiqish tokenlari $0.0003 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0001 / 1K token Chiqish · Chiqish tokenlari $0.0003 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${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\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/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"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/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")\njson yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra google/gemma-3-12b-it
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
google/gemma-3-12b-itGemma 3 12B IT — matn yaratish va tasvirni tushunish uchun alohida, ko‘rsatmalarga moslab o‘qitilgan Gemma 3 nashri. Undan umumiy 128K kontekst bilan hujjat savollari, izohlar va ko‘p tilli yozish uchun foydalaning; bunda 12B nazorat nusxasi va uning asl suhbat formatini ochiq belgilang.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Gemma 3 12B IT — Google’ning ko‘rsatmalarga moslab o‘qitilgan 12B hajmdagi tasvir va til modeli. U matn yaratish, tasvirni tushunish va ko‘p tilli o‘qitishni birlashtiradigan Gemma 3 oilasiga kiradi. IT qo‘shimchasi dastlabki o‘qitilgan modelni emas, ko‘rsatmalarga rioya qiluvchi nazorat nusxasini tanlaydi. Uning natijasi matndir: so‘rovdagi yozma va vizual materialdan olingan izoh, xulosa, javob, qoralama yoki kod.
12B modeli kirish va yaratiladigan javob uchun oilaning 128K tokenli kontekstiga ega. Chiqish so‘rovdan keyin qolgan qismni ishlatadi; karta ikkinchi mustaqil 128K chiqish oynasini bermaydi. Asosiy tasvir ko‘rinishlari 896×896 o‘lchamga me’yorlashtiriladi va har biri 256 vizual token bilan ifodalanadi. Sahifalar to‘plamini tayyorlashda sahifa identifikatorlarini saqlang va natija uchun joy ajrating. Katta oyna to‘g‘ri masalani o‘zi tanlaydi deb ishonish o‘rniga, tegishli mazmun haqida muayyan savol bering.
Ishlab chiqaruvchi ushbu hajm uchun 12 trillion dastlabki o‘qitish tokenini bildiradi. O‘qitish materiali ko‘p tilli veb hujjatlar, kod, matematika va tasvirlarni o‘z ichiga oladi; oila 140 dan ortiq tilni qamrab oladi. Hisobot bilim distillatsiyasi va mustahkamlash orqali o‘rganish bilan yaxshilangan ko‘rsatmalarga moslab o‘qitish usulini tavsiflaydi. Shu bosqichlar foydalilik, matematik va kod bo‘yicha fikrlash, ko‘rsatmalarga rioya qilish va ko‘p tilli muloqotga qaratilgan. Alohida o‘qitish budjeti va nazorat nusxasi identifikatori muayyan javob sifatini o‘z-o‘zidan isbotlamaydi, shuning uchun chiqishni dastlabki vazifa bilan taqqoslang.
Arxitektura guruhlangan so‘rovli e’tibor va bitta global qatlamga beshta mahalliy e’tibor qatlami takrorlanadigan tuzilishga ega faqat dekoderli transformerdan foydalanadi. Mahalliy qatlamlar 1,024 tokenli oraliqni ishlatadi, global e’tibor esa uzunroq kontekstni qo‘llab-quvvatlaydi. 4B, 12B va 27B modellariga umumiy SigLIP vizual kodlovchisi tasvirlarni til modeli iste’mol qiladigan ifodalarga aylantiradi. SentencePiece tokenizatori bo‘shliqlarni saqlaydi, raqamlarni alohida ajratadi va bayt darajasidagi kodlashni o‘z ichiga oladi. Kod formati, raqamli yozuv yoki ko‘p tilli matn o‘zgarmasligi kerak bo‘lganda bu ahamiyatli.
Vizual ish jarayoni Pan and Scan’ni ham o‘z ichiga oladi: moslashuvchan, ustma-ust tushmaydigan qirqimlar har bir ko‘rinish belgilangan aniqlikdagi kodlovchiga yetishidan oldin keng yoki yuqori aniqlikdagi manbalar mazmunini saqlashga yordam beradi. Qo‘shimcha ko‘rinishlar qayta ishlanadigan materialni o‘zgartiradi. Texnik hujjat uchun o‘qiladigan sahifa va zarur bo‘lsa, savol berilayotgan jadval yoki diagrammaning tiniq ko‘rinishini bering. Mahalliy vizual o‘qish ma’nosini yo‘qotmasligi uchun birlik, belgi yoki ustunning atrofdagi ta’rifini saqlang.
Asl IT prompt formati user va model navbatlaridan foydalanadi va alohida system roliga ega emas. Kerakli rol, javob qoidalari va vazifani boshlang‘ich user promptiga joylashtiring, haqiqiy suhbat uchun belgilangan formatlovchi yoki protsessordan foydalaning. O‘ziga xos hujjat tahlili so‘rovi ikkita tartib-taomil tavsifini taqqoslashi, mos talablar jadvalini qaytarishi va har qanday ziddiyatni aniqlashi mumkin. Manbalarni yorliqlang, qaysi talab ustuvorligini ayting va modeldan berilgan faktlarni o‘z talqinidan ajratishni so‘rang.
Ishlab chiqaruvchi kartasidagi mo‘ljallangan foydalanish holatlariga xulosa qilish, suhbat orqali yordam, tasvirdan ma’lumot ajratib olish, yozish va o‘rganish kiradi. Ko‘p tilli izoh uchun maqsadli o‘quvchi, terminologiya va tafsilot darajasini bering. Tasvir savolida muhokama qilinadigan obyektlar yoki munosabatlarni belgilang va yakuniy javobni asoslovchi kuzatuvlarni so‘rang. Kod uchun haqiqiy funksiya va kutilgan xatti-harakatni kiriting; natija amalga oshirishni taklif qilishi mumkin, uni esa alohida ilova ishga tushirishi va tekshirishi kerak. Hisobot oilaning kvantlangan variantlarini alohida e’lon qiladi, shuning uchun natijalarni qayd etishda ushbu 12B IT identifikatorini bildirmay boshqa kvantlangan nazorat nusxasiga almashtirmaslik kerak.
Ishlab chiqaruvchi o‘qitish qamrovi, faktik xatolar, til nozikliklari va murakkab, ochiq yakunli vazifalardan kelib chiqadigan cheklovlarni belgilaydi. Google ishonarli til qolipi kundalik haqiqiy hayot cheklovini hisobga olmaydigan javob berishi mumkinligini ham ogohlantiradi. Kichik vizual detallar yo‘qolishi yoki noto‘g‘ri o‘qilishi mumkin, uzun kirishlarda esa baribir aniq ustuvorliklar kerak. Asl sahifalarni saqlang, ajratib olingan yorliqlar va miqdorlarni tekshiring hamda so‘ralgan har qanday tuzilgan ko‘rinishdagi matnni ma’lumot sifatida ishlatishdan oldin tasdiqlang. Aynan 12B IT modelini namunaviy savollar va tillarda baholang. Foydali yakuniy artefakt manbaga asoslangan javobni, uni tushunish uchun zarur mulohazani va qolgan noaniqlikni bayon qiladi; yaratilgan izohni yakunlangan vosita amali yoki jonli ma’lumot qidiruvi deb ko‘rsatmaydi.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar google/gemma-3-12b-it | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0001 / 1K token Chiqish · Chiqish tokenlari $0.0003 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0001 / 1K token Chiqish · Chiqish tokenlari $0.0003 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "google/gemma-3-12b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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\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\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra google/gemma-3-12b-it
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
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.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.