Gemma 4 26B A4B IT — Google DeepMind’ning ochiq Gemma 4 oilasidagi ko‘rsatmalarga moslab o‘qitilgan ekspertlar aralashmasi nashri. Rasmiy arxitektura jadvalida jami 25.2 milliard parametr va 3.8 milliard faol parametr ko‘rsatilgan; A4B faol parametrlarning yaxlitlangan miqyosini bildiradi. Uning maqsadi fikrlash, dasturlash, agent ish jarayonlari va multimodal tushunishni qamrab oladi. U dastlabki o‘qitilgan nashr va zich 31B modelidan alohida.
Ekspertlar aralashmasi tuzilishi har bir inferensiya bosqichida parametrlarning bir qismini faollashtiradi: e’lon qilingan arxitektura jadvalida 128 ekspertdan sakkiztasi faol va yana bitta umumiy ekspert ko‘rsatilgan. Google ushbu nashrni zich modelga nisbatan inferensiya samaradorligiga yo‘naltiradi. U 30 qatlamli arxitektura va 1,024 tokenli siljuvchi oynani global e’tibor, 256K kontekst va vizual kodlovchi bilan birlashtiradi. Bu arxitektura raqamlari muayyan ilova uchun kafolatlangan kechikish yoki apparat konfiguratsiyasini emas, ishlab chiqaruvchi modelini tavsiflaydi.
Uning 256K tokenli konteksti katta matnni vizual dalillar bilan birlashtiradigan vazifani qo‘llab-quvvatlaydi. Bitta promptda tasvir va matn navbatma-navbat joylashtirilishi mumkin; eng yaxshi natija uchun ishlab chiqaruvchi tasvir mazmunini tegishli matndan oldin qo‘yishni tavsiya qiladi. Vizual vazifalarga obyektlarni aniqlash, hujjat sahifasini talqin qilish, ekran va interfeysni tushunish, diagrammalar, ko‘p tilli OCR, qo‘lyozma va nuqtani ko‘rsatish kiradi. Chiqish matndir: ajratib olingan mazmun, izoh, kod yoki taklif qilingan vosita amali.
Videoni tushunish kadrlar ketma-ketligini qayta ishlaydi. Model kartasida tasvirlar sekundiga bir kadr tezligida qayta ishlanganda ko‘pi bilan 60 soniya ko‘rsatilgan. Tegishli lavhani tayyorlang, kadrlar tartibini saqlang va ko‘rinadigan ketma-ketlik haqida savol bering. Ushbu 26B/31B vizual profili audioni qabul qilmaydi; kichikroq, audio bilan ishlaydigan Gemma 4 variantlarining nutq imkoniyatlari bu yerga taalluqli emas. Vazifa og‘zaki axborotni talab qilsa, uning transkriptini matn sifatida qo‘shing.
Sozlanadigan fikrlash modelga javob berishdan oldin mulohaza yuritish yoki bevosita javob berish imkonini beradi. Gemma 4 user va assistant rollariga qo‘shimcha ravishda bevosita system rolini qo‘shadi. Google prompt formati tizim promptidagi <|think|> boshqaruv tokeni bilan fikrlashni yoqadi va fikrlash kanalini yakuniy javobdan ajratadi; uning hujjatlashtirilgan protsessori shu shablon bilan ishlay oladi. Ko‘p navbatli suhbatda oldingi yakuniy javoblarni tarixda saqlang va oldingi fikrlarni chiqarib tashlang, vosita chaqiruvi navbatlari bundan mustasno: ishlab chiqaruvchi ularda fikrlarni saqlash kerakligini aytadi.
Native Function Calling tuzilgan vosita ishlatishni qo‘llab-quvvatlaydi, Google’ning chiqarilish tavsifi esa tuzilgan JSON chiqishini ham hujjatlashtiradi. Vazifa, mavjud funksiya va kutilgan natijani belgilang; ilova so‘ralgan operatsiyani bajaradi va uning chiqishini keyingi bosqich uchun qaytaradi. Kod vazifasi yaratish, to‘ldirish yoki tuzatishni so‘rashi, vizual yordamchi esa qaytarilgan matndan diagramma yoki ekranni tushuntirish uchun foydalanishi mumkin. Funksiya chaqirish ko‘rsatmasi haqiqatan bajarilgan ulangan amaldan farq qiladi.
O‘zgaruvchan tasvir aniqligi vizual token budjeti bilan boshqariladi. Hujjatlashtirilgan variantlar — 70, 140, 280, 560 va 1,120 token. Kichikroq budjetlar tasniflash, tasvirga izoh yozish yoki kadrlar ketma-ketligiga mos; kattaroq budjetlar qo‘shimcha hisoblash evaziga OCR, hujjatni ajratib tahlil qilish va kichik matn uchun ko‘proq detalni saqlaydi. Tasvirni tayyorlashdan oldin umumiy sahna kerakmi yoki aynan yozuvlarmi, aniqlang. Yorliqning tiniq qirqimi ma’lumot ajratib olish vazifasi uchun to‘liq sahifadagi barcha detallarni hech qanday aniqlashtirishsiz tekshirish so‘rovidan foydaliroq bo‘lishi mumkin.
Google oila uchun namuna olish konfiguratsiyasi sifatida temperature 1.0, top-p 0.95 va top-k 64’ni tavsiya qiladi. Model kartasi 140 dan ortiq tilda o‘qitishni 35 dan ortiq tilda qo‘shimcha tayyorlashsiz qo‘llab-quvvatlashdan ajratadi. Javob tilini ayting va topshiriqda domen nomlari, maydon nomlari yoki formulalarni o‘zgarmas saqlashni ochiq belgilang. 256K raqami kontekst spetsifikatsiyasidir; keltirilgan model kartasi ushbu nashr uchun alohida universal maksimal chiqish raqamini belgilamaydi.
Hujjat va kod topshirig‘i uchun tegishli sahifa tasviri, yozma talab va manba parchasini bering: “Yorliqlarni o‘qing, bu ekran spetsifikatsiyadan qanday farq qilishini tushuntiring va taqdim etilgan kodga aniq yo‘naltirilgan tuzatish taklif qiling.” Diagramma uchun javobdan ko‘rinadigan qiymatlarni xulosa qilingan tendensiyadan ajratishni so‘rang. Gemma model kartasi noaniq til, juda murakkab vazifalar hamda noto‘g‘ri yoki eskirgan faktik bayonotlarga oid cheklovlarni qayd etadi, shuning uchun kerakli natija foydalanishi shart bo‘lgan ishonchli faktlarni o‘qitishdagi bilim yetkazib beradi deb kutish o‘rniga ilova qiling.
", "aboutText": "Gemma 4 26B A4B IT — Google DeepMind’ning ochiq Gemma 4 oilasidagi ko‘rsatmalarga moslab o‘qitilgan ekspertlar aralashmasi nashri. Rasmiy arxitektura jadvalida jami 25.2 milliard parametr va 3.8 milliard faol parametr ko‘rsatilgan; A4B faol parametrlarning yaxlitlangan miqyosini bildiradi. Uning maqsadi fikrlash, dasturlash, agent ish jarayonlari va multimodal tushunishni qamrab oladi. U dastlabki o‘qitilgan nashr va zich 31B modelidan alohida.\n\nEkspertlar aralashmasi tuzilishi har bir inferensiya bosqichida parametrlarning bir qismini faollashtiradi: e’lon qilingan arxitektura jadvalida 128 ekspertdan sakkiztasi faol va yana bitta umumiy ekspert ko‘rsatilgan. Google ushbu nashrni zich modelga nisbatan inferensiya samaradorligiga yo‘naltiradi. U 30 qatlamli arxitektura va 1,024 tokenli siljuvchi oynani global e’tibor, 256K kontekst va vizual kodlovchi bilan birlashtiradi. Bu arxitektura raqamlari muayyan ilova uchun kafolatlangan kechikish yoki apparat konfiguratsiyasini emas, ishlab chiqaruvchi modelini tavsiflaydi.\n\nUning 256K tokenli konteksti katta matnni vizual dalillar bilan birlashtiradigan vazifani qo‘llab-quvvatlaydi. Bitta promptda tasvir va matn navbatma-navbat joylashtirilishi mumkin; eng yaxshi natija uchun ishlab chiqaruvchi tasvir mazmunini tegishli matndan oldin qo‘yishni tavsiya qiladi. Vizual vazifalarga obyektlarni aniqlash, hujjat sahifasini talqin qilish, ekran va interfeysni tushunish, diagrammalar, ko‘p tilli OCR, qo‘lyozma va nuqtani ko‘rsatish kiradi. Chiqish matndir: ajratib olingan mazmun, izoh, kod yoki taklif qilingan vosita amali.\n\nVideoni tushunish kadrlar ketma-ketligini qayta ishlaydi. Model kartasida tasvirlar sekundiga bir kadr tezligida qayta ishlanganda ko‘pi bilan 60 soniya ko‘rsatilgan. Tegishli lavhani tayyorlang, kadrlar tartibini saqlang va ko‘rinadigan ketma-ketlik haqida savol bering. Ushbu 26B/31B vizual profili audioni qabul qilmaydi; kichikroq, audio bilan ishlaydigan Gemma 4 variantlarining nutq imkoniyatlari bu yerga taalluqli emas. Vazifa og‘zaki axborotni talab qilsa, uning transkriptini matn sifatida qo‘shing.\n\nSozlanadigan fikrlash modelga javob berishdan oldin mulohaza yuritish yoki bevosita javob berish imkonini beradi. Gemma 4 user va assistant rollariga qo‘shimcha ravishda bevosita system rolini qo‘shadi. Google prompt formati tizim promptidagi <|think|> boshqaruv tokeni bilan fikrlashni yoqadi va fikrlash kanalini yakuniy javobdan ajratadi; uning hujjatlashtirilgan protsessori shu shablon bilan ishlay oladi. Ko‘p navbatli suhbatda oldingi yakuniy javoblarni tarixda saqlang va oldingi fikrlarni chiqarib tashlang, vosita chaqiruvi navbatlari bundan mustasno: ishlab chiqaruvchi ularda fikrlarni saqlash kerakligini aytadi.\n\nNative Function Calling tuzilgan vosita ishlatishni qo‘llab-quvvatlaydi, Google’ning chiqarilish tavsifi esa tuzilgan JSON chiqishini ham hujjatlashtiradi. Vazifa, mavjud funksiya va kutilgan natijani belgilang; ilova so‘ralgan operatsiyani bajaradi va uning chiqishini keyingi bosqich uchun qaytaradi. Kod vazifasi yaratish, to‘ldirish yoki tuzatishni so‘rashi, vizual yordamchi esa qaytarilgan matndan diagramma yoki ekranni tushuntirish uchun foydalanishi mumkin. Funksiya chaqirish ko‘rsatmasi haqiqatan bajarilgan ulangan amaldan farq qiladi.\n\nO‘zgaruvchan tasvir aniqligi vizual token budjeti bilan boshqariladi. Hujjatlashtirilgan variantlar — 70, 140, 280, 560 va 1,120 token. Kichikroq budjetlar tasniflash, tasvirga izoh yozish yoki kadrlar ketma-ketligiga mos; kattaroq budjetlar qo‘shimcha hisoblash evaziga OCR, hujjatni ajratib tahlil qilish va kichik matn uchun ko‘proq detalni saqlaydi. Tasvirni tayyorlashdan oldin umumiy sahna kerakmi yoki aynan yozuvlarmi, aniqlang. Yorliqning tiniq qirqimi ma’lumot ajratib olish vazifasi uchun to‘liq sahifadagi barcha detallarni hech qanday aniqlashtirishsiz tekshirish so‘rovidan foydaliroq bo‘lishi mumkin.\n\nGoogle oila uchun namuna olish konfiguratsiyasi sifatida temperature 1.0, top-p 0.95 va top-k 64’ni tavsiya qiladi. Model kartasi 140 dan ortiq tilda o‘qitishni 35 dan ortiq tilda qo‘shimcha tayyorlashsiz qo‘llab-quvvatlashdan ajratadi. Javob tilini ayting va topshiriqda domen nomlari, maydon nomlari yoki formulalarni o‘zgarmas saqlashni ochiq belgilang. 256K raqami kontekst spetsifikatsiyasidir; keltirilgan model kartasi ushbu nashr uchun alohida universal maksimal chiqish raqamini belgilamaydi.\n\nHujjat va kod topshirig‘i uchun tegishli sahifa tasviri, yozma talab va manba parchasini bering: “Yorliqlarni o‘qing, bu ekran spetsifikatsiyadan qanday farq qilishini tushuntiring va taqdim etilgan kodga aniq yo‘naltirilgan tuzatish taklif qiling.” Diagramma uchun javobdan ko‘rinadigan qiymatlarni xulosa qilingan tendensiyadan ajratishni so‘rang. Gemma model kartasi noaniq til, juda murakkab vazifalar hamda noto‘g‘ri yoki eskirgan faktik bayonotlarga oid cheklovlarni qayd etadi, shuning uchun kerakli natija foydalanishi shart bo‘lgan ishonchli faktlarni o‘qitishdagi bilim yetkazib beradi deb kutish o‘rniga ilova qiling.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Compare readings and inferred trends\n\nAnalyze this transcribed chart data: week 1, 20 returns from 1,000 orders; week 2, 24 from 1,200; week 3, 18 from 600. Calculate each return rate, distinguish counts from rates and write a two-sentence operations note. Do not infer the cause of any change from these values alone.A three-row rate table and an operations note separating observed values from causal interpretation.Check percentages use each week's own order count and the note does not equate fewer returns with a lower rate.google/gemma-4-26b-a4b-itGemma 4 26B A4B IT — Google’ning matn va vizual fikrlash uchun ko‘rsatmalarga moslab o‘qitilgan ekspertlar aralashmasi modeli. U 256K kontekst, tasvir va kadrlarga asoslangan videoni tushunish, sozlanadigan fikrlash hamda funksiyalarni bevosita chaqirishni matnli chiqish bilan birlashtiradi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Gemma 4 26B A4B IT — Google DeepMind’ning ochiq Gemma 4 oilasidagi ko‘rsatmalarga moslab o‘qitilgan ekspertlar aralashmasi nashri. Rasmiy arxitektura jadvalida jami 25.2 milliard parametr va 3.8 milliard faol parametr ko‘rsatilgan; A4B faol parametrlarning yaxlitlangan miqyosini bildiradi. Uning maqsadi fikrlash, dasturlash, agent ish jarayonlari va multimodal tushunishni qamrab oladi. U dastlabki o‘qitilgan nashr va zich 31B modelidan alohida.
Ekspertlar aralashmasi tuzilishi har bir inferensiya bosqichida parametrlarning bir qismini faollashtiradi: e’lon qilingan arxitektura jadvalida 128 ekspertdan sakkiztasi faol va yana bitta umumiy ekspert ko‘rsatilgan. Google ushbu nashrni zich modelga nisbatan inferensiya samaradorligiga yo‘naltiradi. U 30 qatlamli arxitektura va 1,024 tokenli siljuvchi oynani global e’tibor, 256K kontekst va vizual kodlovchi bilan birlashtiradi. Bu arxitektura raqamlari muayyan ilova uchun kafolatlangan kechikish yoki apparat konfiguratsiyasini emas, ishlab chiqaruvchi modelini tavsiflaydi.
Uning 256K tokenli konteksti katta matnni vizual dalillar bilan birlashtiradigan vazifani qo‘llab-quvvatlaydi. Bitta promptda tasvir va matn navbatma-navbat joylashtirilishi mumkin; eng yaxshi natija uchun ishlab chiqaruvchi tasvir mazmunini tegishli matndan oldin qo‘yishni tavsiya qiladi. Vizual vazifalarga obyektlarni aniqlash, hujjat sahifasini talqin qilish, ekran va interfeysni tushunish, diagrammalar, ko‘p tilli OCR, qo‘lyozma va nuqtani ko‘rsatish kiradi. Chiqish matndir: ajratib olingan mazmun, izoh, kod yoki taklif qilingan vosita amali.
Videoni tushunish kadrlar ketma-ketligini qayta ishlaydi. Model kartasida tasvirlar sekundiga bir kadr tezligida qayta ishlanganda ko‘pi bilan 60 soniya ko‘rsatilgan. Tegishli lavhani tayyorlang, kadrlar tartibini saqlang va ko‘rinadigan ketma-ketlik haqida savol bering. Ushbu 26B/31B vizual profili audioni qabul qilmaydi; kichikroq, audio bilan ishlaydigan Gemma 4 variantlarining nutq imkoniyatlari bu yerga taalluqli emas. Vazifa og‘zaki axborotni talab qilsa, uning transkriptini matn sifatida qo‘shing.
Sozlanadigan fikrlash modelga javob berishdan oldin mulohaza yuritish yoki bevosita javob berish imkonini beradi. Gemma 4 user va assistant rollariga qo‘shimcha ravishda bevosita system rolini qo‘shadi. Google prompt formati tizim promptidagi <|think|> boshqaruv tokeni bilan fikrlashni yoqadi va fikrlash kanalini yakuniy javobdan ajratadi; uning hujjatlashtirilgan protsessori shu shablon bilan ishlay oladi. Ko‘p navbatli suhbatda oldingi yakuniy javoblarni tarixda saqlang va oldingi fikrlarni chiqarib tashlang, vosita chaqiruvi navbatlari bundan mustasno: ishlab chiqaruvchi ularda fikrlarni saqlash kerakligini aytadi.
Native Function Calling tuzilgan vosita ishlatishni qo‘llab-quvvatlaydi, Google’ning chiqarilish tavsifi esa tuzilgan JSON chiqishini ham hujjatlashtiradi. Vazifa, mavjud funksiya va kutilgan natijani belgilang; ilova so‘ralgan operatsiyani bajaradi va uning chiqishini keyingi bosqich uchun qaytaradi. Kod vazifasi yaratish, to‘ldirish yoki tuzatishni so‘rashi, vizual yordamchi esa qaytarilgan matndan diagramma yoki ekranni tushuntirish uchun foydalanishi mumkin. Funksiya chaqirish ko‘rsatmasi haqiqatan bajarilgan ulangan amaldan farq qiladi.
O‘zgaruvchan tasvir aniqligi vizual token budjeti bilan boshqariladi. Hujjatlashtirilgan variantlar — 70, 140, 280, 560 va 1,120 token. Kichikroq budjetlar tasniflash, tasvirga izoh yozish yoki kadrlar ketma-ketligiga mos; kattaroq budjetlar qo‘shimcha hisoblash evaziga OCR, hujjatni ajratib tahlil qilish va kichik matn uchun ko‘proq detalni saqlaydi. Tasvirni tayyorlashdan oldin umumiy sahna kerakmi yoki aynan yozuvlarmi, aniqlang. Yorliqning tiniq qirqimi ma’lumot ajratib olish vazifasi uchun to‘liq sahifadagi barcha detallarni hech qanday aniqlashtirishsiz tekshirish so‘rovidan foydaliroq bo‘lishi mumkin.
Google oila uchun namuna olish konfiguratsiyasi sifatida temperature 1.0, top-p 0.95 va top-k 64’ni tavsiya qiladi. Model kartasi 140 dan ortiq tilda o‘qitishni 35 dan ortiq tilda qo‘shimcha tayyorlashsiz qo‘llab-quvvatlashdan ajratadi. Javob tilini ayting va topshiriqda domen nomlari, maydon nomlari yoki formulalarni o‘zgarmas saqlashni ochiq belgilang. 256K raqami kontekst spetsifikatsiyasidir; keltirilgan model kartasi ushbu nashr uchun alohida universal maksimal chiqish raqamini belgilamaydi.
Hujjat va kod topshirig‘i uchun tegishli sahifa tasviri, yozma talab va manba parchasini bering: “Yorliqlarni o‘qing, bu ekran spetsifikatsiyadan qanday farq qilishini tushuntiring va taqdim etilgan kodga aniq yo‘naltirilgan tuzatish taklif qiling.” Diagramma uchun javobdan ko‘rinadigan qiymatlarni xulosa qilingan tendensiyadan ajratishni so‘rang. Gemma model kartasi noaniq til, juda murakkab vazifalar hamda noto‘g‘ri yoki eskirgan faktik bayonotlarga oid cheklovlarni qayd etadi, shuning uchun kerakli natija foydalanishi shart bo‘lgan ishonchli faktlarni o‘qitishdagi bilim yetkazib beradi deb kutish o‘rniga ilova qiling.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar google/gemma-4-26b-a4b-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 $0.0003 / 1K token Chiqish · Chiqish tokenlari $0.0012 / 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 $0.0003 / 1K token Chiqish · Chiqish tokenlari $0.0012 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-4-26b-a4b-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-4-26b-a4b-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-4-26b-a4b-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-4-26b-a4b-it
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
google/gemma-4-26b-a4b-itGemma 4 26B A4B IT — Google’ning matn va vizual fikrlash uchun ko‘rsatmalarga moslab o‘qitilgan ekspertlar aralashmasi modeli. U 256K kontekst, tasvir va kadrlarga asoslangan videoni tushunish, sozlanadigan fikrlash hamda funksiyalarni bevosita chaqirishni matnli chiqish bilan birlashtiradi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Gemma 4 26B A4B IT — Google DeepMind’ning ochiq Gemma 4 oilasidagi ko‘rsatmalarga moslab o‘qitilgan ekspertlar aralashmasi nashri. Rasmiy arxitektura jadvalida jami 25.2 milliard parametr va 3.8 milliard faol parametr ko‘rsatilgan; A4B faol parametrlarning yaxlitlangan miqyosini bildiradi. Uning maqsadi fikrlash, dasturlash, agent ish jarayonlari va multimodal tushunishni qamrab oladi. U dastlabki o‘qitilgan nashr va zich 31B modelidan alohida.
Ekspertlar aralashmasi tuzilishi har bir inferensiya bosqichida parametrlarning bir qismini faollashtiradi: e’lon qilingan arxitektura jadvalida 128 ekspertdan sakkiztasi faol va yana bitta umumiy ekspert ko‘rsatilgan. Google ushbu nashrni zich modelga nisbatan inferensiya samaradorligiga yo‘naltiradi. U 30 qatlamli arxitektura va 1,024 tokenli siljuvchi oynani global e’tibor, 256K kontekst va vizual kodlovchi bilan birlashtiradi. Bu arxitektura raqamlari muayyan ilova uchun kafolatlangan kechikish yoki apparat konfiguratsiyasini emas, ishlab chiqaruvchi modelini tavsiflaydi.
Uning 256K tokenli konteksti katta matnni vizual dalillar bilan birlashtiradigan vazifani qo‘llab-quvvatlaydi. Bitta promptda tasvir va matn navbatma-navbat joylashtirilishi mumkin; eng yaxshi natija uchun ishlab chiqaruvchi tasvir mazmunini tegishli matndan oldin qo‘yishni tavsiya qiladi. Vizual vazifalarga obyektlarni aniqlash, hujjat sahifasini talqin qilish, ekran va interfeysni tushunish, diagrammalar, ko‘p tilli OCR, qo‘lyozma va nuqtani ko‘rsatish kiradi. Chiqish matndir: ajratib olingan mazmun, izoh, kod yoki taklif qilingan vosita amali.
Videoni tushunish kadrlar ketma-ketligini qayta ishlaydi. Model kartasida tasvirlar sekundiga bir kadr tezligida qayta ishlanganda ko‘pi bilan 60 soniya ko‘rsatilgan. Tegishli lavhani tayyorlang, kadrlar tartibini saqlang va ko‘rinadigan ketma-ketlik haqida savol bering. Ushbu 26B/31B vizual profili audioni qabul qilmaydi; kichikroq, audio bilan ishlaydigan Gemma 4 variantlarining nutq imkoniyatlari bu yerga taalluqli emas. Vazifa og‘zaki axborotni talab qilsa, uning transkriptini matn sifatida qo‘shing.
Sozlanadigan fikrlash modelga javob berishdan oldin mulohaza yuritish yoki bevosita javob berish imkonini beradi. Gemma 4 user va assistant rollariga qo‘shimcha ravishda bevosita system rolini qo‘shadi. Google prompt formati tizim promptidagi <|think|> boshqaruv tokeni bilan fikrlashni yoqadi va fikrlash kanalini yakuniy javobdan ajratadi; uning hujjatlashtirilgan protsessori shu shablon bilan ishlay oladi. Ko‘p navbatli suhbatda oldingi yakuniy javoblarni tarixda saqlang va oldingi fikrlarni chiqarib tashlang, vosita chaqiruvi navbatlari bundan mustasno: ishlab chiqaruvchi ularda fikrlarni saqlash kerakligini aytadi.
Native Function Calling tuzilgan vosita ishlatishni qo‘llab-quvvatlaydi, Google’ning chiqarilish tavsifi esa tuzilgan JSON chiqishini ham hujjatlashtiradi. Vazifa, mavjud funksiya va kutilgan natijani belgilang; ilova so‘ralgan operatsiyani bajaradi va uning chiqishini keyingi bosqich uchun qaytaradi. Kod vazifasi yaratish, to‘ldirish yoki tuzatishni so‘rashi, vizual yordamchi esa qaytarilgan matndan diagramma yoki ekranni tushuntirish uchun foydalanishi mumkin. Funksiya chaqirish ko‘rsatmasi haqiqatan bajarilgan ulangan amaldan farq qiladi.
O‘zgaruvchan tasvir aniqligi vizual token budjeti bilan boshqariladi. Hujjatlashtirilgan variantlar — 70, 140, 280, 560 va 1,120 token. Kichikroq budjetlar tasniflash, tasvirga izoh yozish yoki kadrlar ketma-ketligiga mos; kattaroq budjetlar qo‘shimcha hisoblash evaziga OCR, hujjatni ajratib tahlil qilish va kichik matn uchun ko‘proq detalni saqlaydi. Tasvirni tayyorlashdan oldin umumiy sahna kerakmi yoki aynan yozuvlarmi, aniqlang. Yorliqning tiniq qirqimi ma’lumot ajratib olish vazifasi uchun to‘liq sahifadagi barcha detallarni hech qanday aniqlashtirishsiz tekshirish so‘rovidan foydaliroq bo‘lishi mumkin.
Google oila uchun namuna olish konfiguratsiyasi sifatida temperature 1.0, top-p 0.95 va top-k 64’ni tavsiya qiladi. Model kartasi 140 dan ortiq tilda o‘qitishni 35 dan ortiq tilda qo‘shimcha tayyorlashsiz qo‘llab-quvvatlashdan ajratadi. Javob tilini ayting va topshiriqda domen nomlari, maydon nomlari yoki formulalarni o‘zgarmas saqlashni ochiq belgilang. 256K raqami kontekst spetsifikatsiyasidir; keltirilgan model kartasi ushbu nashr uchun alohida universal maksimal chiqish raqamini belgilamaydi.
Hujjat va kod topshirig‘i uchun tegishli sahifa tasviri, yozma talab va manba parchasini bering: “Yorliqlarni o‘qing, bu ekran spetsifikatsiyadan qanday farq qilishini tushuntiring va taqdim etilgan kodga aniq yo‘naltirilgan tuzatish taklif qiling.” Diagramma uchun javobdan ko‘rinadigan qiymatlarni xulosa qilingan tendensiyadan ajratishni so‘rang. Gemma model kartasi noaniq til, juda murakkab vazifalar hamda noto‘g‘ri yoki eskirgan faktik bayonotlarga oid cheklovlarni qayd etadi, shuning uchun kerakli natija foydalanishi shart bo‘lgan ishonchli faktlarni o‘qitishdagi bilim yetkazib beradi deb kutish o‘rniga ilova qiling.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar google/gemma-4-26b-a4b-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 $0.0003 / 1K token Chiqish · Chiqish tokenlari $0.0012 / 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 $0.0003 / 1K token Chiqish · Chiqish tokenlari $0.0012 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "google/gemma-4-26b-a4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-26b-a4b-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-4-26b-a4b-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-4-26b-a4b-it
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Compare readings and inferred trends\n\nAnalyze this transcribed chart data: week 1, 20 returns from 1,000 orders; week 2, 24 from 1,200; week 3, 18 from 600. Calculate each return rate, distinguish counts from rates and write a two-sentence operations note. Do not infer the cause of any change from these values alone.A three-row rate table and an operations note separating observed values from causal interpretation.Check percentages use each week's own order count and the note does not equate fewer returns with a lower rate.