Gemma 3 27B IT là phiên bản quy mô 27B được tinh chỉnh theo chỉ dẫn trong dòng Gemma 3 của Google. Mô hình kết hợp tạo văn bản với hiểu hình ảnh, tách biệt với checkpoint 27B tiền huấn luyện và các mô hình IT 4B, 12B nhỏ hơn. Kết quả là văn bản: lời giải thích dựa trên nguồn, tóm tắt, bản thảo tài liệu, câu trả lời hoặc đề xuất mã. Mô hình tinh chỉnh theo chỉ dẫn được thiết kế để theo hội thoại và tác vụ yêu cầu, thay vì chỉ hoạt động như mô hình hoàn thành văn bản thô.
Thẻ của nhà sản xuất ghi tổng ngữ cảnh 128K token cho quy mô này. Đầu vào và đầu ra dùng chung dung lượng đó, nên câu trả lời tạo ra sử dụng phần còn lại sau yêu cầu. Tập tài liệu lớn cần giữ định danh nguồn và vẫn chừa chỗ cho kết quả. Các khung ảnh trên đường xử lý cơ sở được chuẩn hóa thành 896×896 và mã hóa thành 256 token thị giác. Với phân tích kết hợp văn bản và hình ảnh, giải thích ảnh trang, sơ đồ hoặc ảnh chụp màn hình liên hệ thế nào với nguồn viết để mô hình có một câu hỏi nhất quán cần trả lời.
Ngân sách tiền huấn luyện được báo cáo cho mô hình 27B là 14 nghìn tỷ token. Dữ liệu của dòng gồm tài liệu web bằng hơn 140 ngôn ngữ, mã, toán và hình ảnh. Huấn luyện sử dụng chưng cất tri thức; quy trình sau huấn luyện bổ sung tuân thủ chỉ dẫn và các mục tiêu học tăng cường về tính hữu ích, toán, lập trình, suy luận và hành vi đa ngôn ngữ. Những dữ kiện này mô tả quá trình phát triển mô hình của nhà sản xuất. Chúng không thay việc đối chiếu nhận định tạo ra với nguồn hoặc chạy chương trình đề xuất trên đầu vào dự kiến.
Báo cáo kỹ thuật mô tả transformer chỉ có bộ giải mã, dùng chú ý truy vấn theo nhóm và 5 lớp chú ý cục bộ cho mỗi lớp toàn cục. Phạm vi cục bộ là 1,024 token, còn các lớp toàn cục cung cấp tương tác ngữ cảnh dài hơn. Bộ mã hóa ảnh SigLIP dùng chung của dòng biểu diễn đầu vào thị giác cho mô hình ngôn ngữ. Bộ tách token SentencePiece sử dụng tách chữ số, giữ khoảng trắng và mã hóa ở mức byte. Giữ nguyên ký hiệu số, thụt lề mã và thuật ngữ ngôn ngữ nguồn khi chúng liên quan đến cách diễn giải.
Với hình không vuông hoặc nhiều chi tiết, báo cáo mô tả Pan and Scan, có thể bổ sung các vùng cắt không chồng lấn trước khi đổi kích thước từng khung ảnh cho bộ mã hóa thị giác. Cách này giúp giữ nội dung nhỏ mà một lần đổi kích thước thành hình vuông có thể làm mất, nhưng thiết lập xử lý thực tế vẫn quan trọng. Tác vụ nghiên cứu hoặc tài liệu kỹ thuật có thể cung cấp cả trang và chi tiết sơ đồ dễ đọc, kèm nhãn liên hệ giữa chúng. Yêu cầu câu trả lời xác định giá trị nhìn thấy, điều kiện văn bản liên quan và kết luận được cả hai hỗ trợ.
Dùng định dạng hội thoại IT gốc của nhà sản xuất với các lượt user và model. Định dạng đó không hỗ trợ lượt system riêng; đặt chỉ dẫn vai trò và phản hồi trong thông điệp user ban đầu và dùng đường định dạng được chỉ định. Với báo cáo dài, nêu câu hỏi, các mục cần so sánh và quy tắc ưu tiên nếu nguồn bất đồng. Ví dụ minh họa là đối chiếu đặc tả viết với sơ đồ và trả bảng yêu cầu, danh sách sai khác cùng các giả định cần cho phương án giải quyết đề xuất.
Các nhóm ứng dụng dự kiến gồm viết, tóm tắt, hội thoại, trích xuất dữ liệu hình ảnh và khám phá phục vụ giáo dục hoặc nghiên cứu. Với phân tích mã, cung cấp mô-đun thực tế, ví dụ đầu vào và ràng buộc giao diện, rồi yêu cầu giải thích hoặc thay đổi đề xuất gắn với các dữ kiện đó. Với viết đa ngôn ngữ, xác định người đọc và thuật ngữ phải giữ. Với câu hỏi hình ảnh, yêu cầu nhận xét gắn với thành phần có tên thay vì mô tả ảnh chung chung. Các checkpoint lượng tử hóa của dòng là sản phẩm được công bố riêng, nên giữ đúng định danh 27B IT và thiết lập xử lý khi so sánh kết quả.
Nhà sản xuất lưu ý mô hình có thể đưa thông tin sai hoặc lỗi thời và gặp khó với sự mơ hồ, sắc thái cùng chỉ dẫn quá mở. Google cũng cảnh báo mẫu ngôn ngữ có vẻ hợp lý có thể tạo câu trả lời bỏ sót ràng buộc thực tế thường ngày. Ngữ cảnh lớn hơn chỉ hữu ích khi điều kiện liên quan rõ ràng. Giữ sẵn các tài liệu nguồn ban đầu, kiểm tra dữ liệu trích xuất và phép tính, đồng thời xác thực mọi phản hồi trông có cấu trúc trước khi xử lý như bản ghi. Lời giải thích đa nguồn cần phân biệt bằng chứng được cung cấp, diễn giải và thông tin thiếu. Cấu hình 27B này hỗ trợ tác vụ suy luận văn bản và hình ảnh đã chuẩn bị; mọi hoạt động truy xuất, thực thi công cụ hoặc cập nhật dữ kiện do ứng dụng thực hiện đều cần bằng chứng trả về riêng, không thể suy ra từ đầu ra trôi chảy.
", "aboutText": "Gemma 3 27B IT là phiên bản quy mô 27B được tinh chỉnh theo chỉ dẫn trong dòng Gemma 3 của Google. Mô hình kết hợp tạo văn bản với hiểu hình ảnh, tách biệt với checkpoint 27B tiền huấn luyện và các mô hình IT 4B, 12B nhỏ hơn. Kết quả là văn bản: lời giải thích dựa trên nguồn, tóm tắt, bản thảo tài liệu, câu trả lời hoặc đề xuất mã. Mô hình tinh chỉnh theo chỉ dẫn được thiết kế để theo hội thoại và tác vụ yêu cầu, thay vì chỉ hoạt động như mô hình hoàn thành văn bản thô.\n\nThẻ của nhà sản xuất ghi tổng ngữ cảnh 128K token cho quy mô này. Đầu vào và đầu ra dùng chung dung lượng đó, nên câu trả lời tạo ra sử dụng phần còn lại sau yêu cầu. Tập tài liệu lớn cần giữ định danh nguồn và vẫn chừa chỗ cho kết quả. Các khung ảnh trên đường xử lý cơ sở được chuẩn hóa thành 896×896 và mã hóa thành 256 token thị giác. Với phân tích kết hợp văn bản và hình ảnh, giải thích ảnh trang, sơ đồ hoặc ảnh chụp màn hình liên hệ thế nào với nguồn viết để mô hình có một câu hỏi nhất quán cần trả lời.\n\nNgân sách tiền huấn luyện được báo cáo cho mô hình 27B là 14 nghìn tỷ token. Dữ liệu của dòng gồm tài liệu web bằng hơn 140 ngôn ngữ, mã, toán và hình ảnh. Huấn luyện sử dụng chưng cất tri thức; quy trình sau huấn luyện bổ sung tuân thủ chỉ dẫn và các mục tiêu học tăng cường về tính hữu ích, toán, lập trình, suy luận và hành vi đa ngôn ngữ. Những dữ kiện này mô tả quá trình phát triển mô hình của nhà sản xuất. Chúng không thay việc đối chiếu nhận định tạo ra với nguồn hoặc chạy chương trình đề xuất trên đầu vào dự kiến.\n\nBáo cáo kỹ thuật mô tả transformer chỉ có bộ giải mã, dùng chú ý truy vấn theo nhóm và 5 lớp chú ý cục bộ cho mỗi lớp toàn cục. Phạm vi cục bộ là 1,024 token, còn các lớp toàn cục cung cấp tương tác ngữ cảnh dài hơn. Bộ mã hóa ảnh SigLIP dùng chung của dòng biểu diễn đầu vào thị giác cho mô hình ngôn ngữ. Bộ tách token SentencePiece sử dụng tách chữ số, giữ khoảng trắng và mã hóa ở mức byte. Giữ nguyên ký hiệu số, thụt lề mã và thuật ngữ ngôn ngữ nguồn khi chúng liên quan đến cách diễn giải.\n\nVới hình không vuông hoặc nhiều chi tiết, báo cáo mô tả Pan and Scan, có thể bổ sung các vùng cắt không chồng lấn trước khi đổi kích thước từng khung ảnh cho bộ mã hóa thị giác. Cách này giúp giữ nội dung nhỏ mà một lần đổi kích thước thành hình vuông có thể làm mất, nhưng thiết lập xử lý thực tế vẫn quan trọng. Tác vụ nghiên cứu hoặc tài liệu kỹ thuật có thể cung cấp cả trang và chi tiết sơ đồ dễ đọc, kèm nhãn liên hệ giữa chúng. Yêu cầu câu trả lời xác định giá trị nhìn thấy, điều kiện văn bản liên quan và kết luận được cả hai hỗ trợ.\n\nDùng định dạng hội thoại IT gốc của nhà sản xuất với các lượt user và model. Định dạng đó không hỗ trợ lượt system riêng; đặt chỉ dẫn vai trò và phản hồi trong thông điệp user ban đầu và dùng đường định dạng được chỉ định. Với báo cáo dài, nêu câu hỏi, các mục cần so sánh và quy tắc ưu tiên nếu nguồn bất đồng. Ví dụ minh họa là đối chiếu đặc tả viết với sơ đồ và trả bảng yêu cầu, danh sách sai khác cùng các giả định cần cho phương án giải quyết đề xuất.\n\nCác nhóm ứng dụng dự kiến gồm viết, tóm tắt, hội thoại, trích xuất dữ liệu hình ảnh và khám phá phục vụ giáo dục hoặc nghiên cứu. Với phân tích mã, cung cấp mô-đun thực tế, ví dụ đầu vào và ràng buộc giao diện, rồi yêu cầu giải thích hoặc thay đổi đề xuất gắn với các dữ kiện đó. Với viết đa ngôn ngữ, xác định người đọc và thuật ngữ phải giữ. Với câu hỏi hình ảnh, yêu cầu nhận xét gắn với thành phần có tên thay vì mô tả ảnh chung chung. Các checkpoint lượng tử hóa của dòng là sản phẩm được công bố riêng, nên giữ đúng định danh 27B IT và thiết lập xử lý khi so sánh kết quả.\n\nNhà sản xuất lưu ý mô hình có thể đưa thông tin sai hoặc lỗi thời và gặp khó với sự mơ hồ, sắc thái cùng chỉ dẫn quá mở. Google cũng cảnh báo mẫu ngôn ngữ có vẻ hợp lý có thể tạo câu trả lời bỏ sót ràng buộc thực tế thường ngày. Ngữ cảnh lớn hơn chỉ hữu ích khi điều kiện liên quan rõ ràng. Giữ sẵn các tài liệu nguồn ban đầu, kiểm tra dữ liệu trích xuất và phép tính, đồng thời xác thực mọi phản hồi trông có cấu trúc trước khi xử lý như bản ghi. Lời giải thích đa nguồn cần phân biệt bằng chứng được cung cấp, diễn giải và thông tin thiếu. Cấu hình 27B này hỗ trợ tác vụ suy luận văn bản và hình ảnh đã chuẩn bị; mọi hoạt động truy xuất, thực thi công cụ hoặc cập nhật dữ kiện do ứng dụng thực hiện đều cần bằng chứng trả về riêng, không thể suy ra từ đầu ra trôi chảy.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Reconcile two written specification sources\n\nReconcile these sources. SPEC-1: the controller has four outputs, each rated 2 A; total current must not exceed 5 A. NOTE-2: connect four 2 A loads simultaneously. Produce a requirement table and a discrepancy note. Suggest a clarification question rather than silently treating the per-output rating as the permitted total.A source-labelled requirement table, the conflicting proposed load and a targeted clarification question.The answer distinguishes the 2 A individual rating from the 5 A aggregate limit and notices the 8 A proposal.google/gemma-3-27b-itGemma 3 27B IT là mô hình quy mô 27B được tinh chỉnh theo chỉ dẫn trong dòng Gemma 3 của Google. Mô hình nhận văn bản và hình ảnh, tạo văn bản cho phân tích nguồn dài, viết, mã và câu hỏi thị giác, với ngữ cảnh dùng chung 128K cùng khả năng đa ngôn ngữ của dòng.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Gemma 3 27B IT là phiên bản quy mô 27B được tinh chỉnh theo chỉ dẫn trong dòng Gemma 3 của Google. Mô hình kết hợp tạo văn bản với hiểu hình ảnh, tách biệt với checkpoint 27B tiền huấn luyện và các mô hình IT 4B, 12B nhỏ hơn. Kết quả là văn bản: lời giải thích dựa trên nguồn, tóm tắt, bản thảo tài liệu, câu trả lời hoặc đề xuất mã. Mô hình tinh chỉnh theo chỉ dẫn được thiết kế để theo hội thoại và tác vụ yêu cầu, thay vì chỉ hoạt động như mô hình hoàn thành văn bản thô.
Thẻ của nhà sản xuất ghi tổng ngữ cảnh 128K token cho quy mô này. Đầu vào và đầu ra dùng chung dung lượng đó, nên câu trả lời tạo ra sử dụng phần còn lại sau yêu cầu. Tập tài liệu lớn cần giữ định danh nguồn và vẫn chừa chỗ cho kết quả. Các khung ảnh trên đường xử lý cơ sở được chuẩn hóa thành 896×896 và mã hóa thành 256 token thị giác. Với phân tích kết hợp văn bản và hình ảnh, giải thích ảnh trang, sơ đồ hoặc ảnh chụp màn hình liên hệ thế nào với nguồn viết để mô hình có một câu hỏi nhất quán cần trả lời.
Ngân sách tiền huấn luyện được báo cáo cho mô hình 27B là 14 nghìn tỷ token. Dữ liệu của dòng gồm tài liệu web bằng hơn 140 ngôn ngữ, mã, toán và hình ảnh. Huấn luyện sử dụng chưng cất tri thức; quy trình sau huấn luyện bổ sung tuân thủ chỉ dẫn và các mục tiêu học tăng cường về tính hữu ích, toán, lập trình, suy luận và hành vi đa ngôn ngữ. Những dữ kiện này mô tả quá trình phát triển mô hình của nhà sản xuất. Chúng không thay việc đối chiếu nhận định tạo ra với nguồn hoặc chạy chương trình đề xuất trên đầu vào dự kiến.
Báo cáo kỹ thuật mô tả transformer chỉ có bộ giải mã, dùng chú ý truy vấn theo nhóm và 5 lớp chú ý cục bộ cho mỗi lớp toàn cục. Phạm vi cục bộ là 1,024 token, còn các lớp toàn cục cung cấp tương tác ngữ cảnh dài hơn. Bộ mã hóa ảnh SigLIP dùng chung của dòng biểu diễn đầu vào thị giác cho mô hình ngôn ngữ. Bộ tách token SentencePiece sử dụng tách chữ số, giữ khoảng trắng và mã hóa ở mức byte. Giữ nguyên ký hiệu số, thụt lề mã và thuật ngữ ngôn ngữ nguồn khi chúng liên quan đến cách diễn giải.
Với hình không vuông hoặc nhiều chi tiết, báo cáo mô tả Pan and Scan, có thể bổ sung các vùng cắt không chồng lấn trước khi đổi kích thước từng khung ảnh cho bộ mã hóa thị giác. Cách này giúp giữ nội dung nhỏ mà một lần đổi kích thước thành hình vuông có thể làm mất, nhưng thiết lập xử lý thực tế vẫn quan trọng. Tác vụ nghiên cứu hoặc tài liệu kỹ thuật có thể cung cấp cả trang và chi tiết sơ đồ dễ đọc, kèm nhãn liên hệ giữa chúng. Yêu cầu câu trả lời xác định giá trị nhìn thấy, điều kiện văn bản liên quan và kết luận được cả hai hỗ trợ.
Dùng định dạng hội thoại IT gốc của nhà sản xuất với các lượt user và model. Định dạng đó không hỗ trợ lượt system riêng; đặt chỉ dẫn vai trò và phản hồi trong thông điệp user ban đầu và dùng đường định dạng được chỉ định. Với báo cáo dài, nêu câu hỏi, các mục cần so sánh và quy tắc ưu tiên nếu nguồn bất đồng. Ví dụ minh họa là đối chiếu đặc tả viết với sơ đồ và trả bảng yêu cầu, danh sách sai khác cùng các giả định cần cho phương án giải quyết đề xuất.
Các nhóm ứng dụng dự kiến gồm viết, tóm tắt, hội thoại, trích xuất dữ liệu hình ảnh và khám phá phục vụ giáo dục hoặc nghiên cứu. Với phân tích mã, cung cấp mô-đun thực tế, ví dụ đầu vào và ràng buộc giao diện, rồi yêu cầu giải thích hoặc thay đổi đề xuất gắn với các dữ kiện đó. Với viết đa ngôn ngữ, xác định người đọc và thuật ngữ phải giữ. Với câu hỏi hình ảnh, yêu cầu nhận xét gắn với thành phần có tên thay vì mô tả ảnh chung chung. Các checkpoint lượng tử hóa của dòng là sản phẩm được công bố riêng, nên giữ đúng định danh 27B IT và thiết lập xử lý khi so sánh kết quả.
Nhà sản xuất lưu ý mô hình có thể đưa thông tin sai hoặc lỗi thời và gặp khó với sự mơ hồ, sắc thái cùng chỉ dẫn quá mở. Google cũng cảnh báo mẫu ngôn ngữ có vẻ hợp lý có thể tạo câu trả lời bỏ sót ràng buộc thực tế thường ngày. Ngữ cảnh lớn hơn chỉ hữu ích khi điều kiện liên quan rõ ràng. Giữ sẵn các tài liệu nguồn ban đầu, kiểm tra dữ liệu trích xuất và phép tính, đồng thời xác thực mọi phản hồi trông có cấu trúc trước khi xử lý như bản ghi. Lời giải thích đa nguồn cần phân biệt bằng chứng được cung cấp, diễn giải và thông tin thiếu. Cấu hình 27B này hỗ trợ tác vụ suy luận văn bản và hình ảnh đã chuẩn bị; mọi hoạt động truy xuất, thực thi công cụ hoặc cập nhật dữ kiện do ứng dụng thực hiện đều cần bằng chứng trả về riêng, không thể suy ra từ đầu ra trôi chảy.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn google/gemma-3-27b-it | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00016 / 1K token Đầu ra · Token đầu ra $0.0007 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00008 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00016 / 1K token Đầu ra · Token đầu ra $0.0007 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00008 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-27b-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-3-27b-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-3-27b-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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra google/gemma-3-27b-it
Dùng các đường dẫn phương thức hiển thị ở trên.
google/gemma-3-27b-itGemma 3 27B IT là mô hình quy mô 27B được tinh chỉnh theo chỉ dẫn trong dòng Gemma 3 của Google. Mô hình nhận văn bản và hình ảnh, tạo văn bản cho phân tích nguồn dài, viết, mã và câu hỏi thị giác, với ngữ cảnh dùng chung 128K cùng khả năng đa ngôn ngữ của dòng.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Gemma 3 27B IT là phiên bản quy mô 27B được tinh chỉnh theo chỉ dẫn trong dòng Gemma 3 của Google. Mô hình kết hợp tạo văn bản với hiểu hình ảnh, tách biệt với checkpoint 27B tiền huấn luyện và các mô hình IT 4B, 12B nhỏ hơn. Kết quả là văn bản: lời giải thích dựa trên nguồn, tóm tắt, bản thảo tài liệu, câu trả lời hoặc đề xuất mã. Mô hình tinh chỉnh theo chỉ dẫn được thiết kế để theo hội thoại và tác vụ yêu cầu, thay vì chỉ hoạt động như mô hình hoàn thành văn bản thô.
Thẻ của nhà sản xuất ghi tổng ngữ cảnh 128K token cho quy mô này. Đầu vào và đầu ra dùng chung dung lượng đó, nên câu trả lời tạo ra sử dụng phần còn lại sau yêu cầu. Tập tài liệu lớn cần giữ định danh nguồn và vẫn chừa chỗ cho kết quả. Các khung ảnh trên đường xử lý cơ sở được chuẩn hóa thành 896×896 và mã hóa thành 256 token thị giác. Với phân tích kết hợp văn bản và hình ảnh, giải thích ảnh trang, sơ đồ hoặc ảnh chụp màn hình liên hệ thế nào với nguồn viết để mô hình có một câu hỏi nhất quán cần trả lời.
Ngân sách tiền huấn luyện được báo cáo cho mô hình 27B là 14 nghìn tỷ token. Dữ liệu của dòng gồm tài liệu web bằng hơn 140 ngôn ngữ, mã, toán và hình ảnh. Huấn luyện sử dụng chưng cất tri thức; quy trình sau huấn luyện bổ sung tuân thủ chỉ dẫn và các mục tiêu học tăng cường về tính hữu ích, toán, lập trình, suy luận và hành vi đa ngôn ngữ. Những dữ kiện này mô tả quá trình phát triển mô hình của nhà sản xuất. Chúng không thay việc đối chiếu nhận định tạo ra với nguồn hoặc chạy chương trình đề xuất trên đầu vào dự kiến.
Báo cáo kỹ thuật mô tả transformer chỉ có bộ giải mã, dùng chú ý truy vấn theo nhóm và 5 lớp chú ý cục bộ cho mỗi lớp toàn cục. Phạm vi cục bộ là 1,024 token, còn các lớp toàn cục cung cấp tương tác ngữ cảnh dài hơn. Bộ mã hóa ảnh SigLIP dùng chung của dòng biểu diễn đầu vào thị giác cho mô hình ngôn ngữ. Bộ tách token SentencePiece sử dụng tách chữ số, giữ khoảng trắng và mã hóa ở mức byte. Giữ nguyên ký hiệu số, thụt lề mã và thuật ngữ ngôn ngữ nguồn khi chúng liên quan đến cách diễn giải.
Với hình không vuông hoặc nhiều chi tiết, báo cáo mô tả Pan and Scan, có thể bổ sung các vùng cắt không chồng lấn trước khi đổi kích thước từng khung ảnh cho bộ mã hóa thị giác. Cách này giúp giữ nội dung nhỏ mà một lần đổi kích thước thành hình vuông có thể làm mất, nhưng thiết lập xử lý thực tế vẫn quan trọng. Tác vụ nghiên cứu hoặc tài liệu kỹ thuật có thể cung cấp cả trang và chi tiết sơ đồ dễ đọc, kèm nhãn liên hệ giữa chúng. Yêu cầu câu trả lời xác định giá trị nhìn thấy, điều kiện văn bản liên quan và kết luận được cả hai hỗ trợ.
Dùng định dạng hội thoại IT gốc của nhà sản xuất với các lượt user và model. Định dạng đó không hỗ trợ lượt system riêng; đặt chỉ dẫn vai trò và phản hồi trong thông điệp user ban đầu và dùng đường định dạng được chỉ định. Với báo cáo dài, nêu câu hỏi, các mục cần so sánh và quy tắc ưu tiên nếu nguồn bất đồng. Ví dụ minh họa là đối chiếu đặc tả viết với sơ đồ và trả bảng yêu cầu, danh sách sai khác cùng các giả định cần cho phương án giải quyết đề xuất.
Các nhóm ứng dụng dự kiến gồm viết, tóm tắt, hội thoại, trích xuất dữ liệu hình ảnh và khám phá phục vụ giáo dục hoặc nghiên cứu. Với phân tích mã, cung cấp mô-đun thực tế, ví dụ đầu vào và ràng buộc giao diện, rồi yêu cầu giải thích hoặc thay đổi đề xuất gắn với các dữ kiện đó. Với viết đa ngôn ngữ, xác định người đọc và thuật ngữ phải giữ. Với câu hỏi hình ảnh, yêu cầu nhận xét gắn với thành phần có tên thay vì mô tả ảnh chung chung. Các checkpoint lượng tử hóa của dòng là sản phẩm được công bố riêng, nên giữ đúng định danh 27B IT và thiết lập xử lý khi so sánh kết quả.
Nhà sản xuất lưu ý mô hình có thể đưa thông tin sai hoặc lỗi thời và gặp khó với sự mơ hồ, sắc thái cùng chỉ dẫn quá mở. Google cũng cảnh báo mẫu ngôn ngữ có vẻ hợp lý có thể tạo câu trả lời bỏ sót ràng buộc thực tế thường ngày. Ngữ cảnh lớn hơn chỉ hữu ích khi điều kiện liên quan rõ ràng. Giữ sẵn các tài liệu nguồn ban đầu, kiểm tra dữ liệu trích xuất và phép tính, đồng thời xác thực mọi phản hồi trông có cấu trúc trước khi xử lý như bản ghi. Lời giải thích đa nguồn cần phân biệt bằng chứng được cung cấp, diễn giải và thông tin thiếu. Cấu hình 27B này hỗ trợ tác vụ suy luận văn bản và hình ảnh đã chuẩn bị; mọi hoạt động truy xuất, thực thi công cụ hoặc cập nhật dữ kiện do ứng dụng thực hiện đều cần bằng chứng trả về riêng, không thể suy ra từ đầu ra trôi chảy.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn google/gemma-3-27b-it | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00016 / 1K token Đầu ra · Token đầu ra $0.0007 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00008 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00016 / 1K token Đầu ra · Token đầu ra $0.0007 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00008 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "google/gemma-3-27b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-27b-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-3-27b-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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra google/gemma-3-27b-it
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Reconcile two written specification sources\n\nReconcile these sources. SPEC-1: the controller has four outputs, each rated 2 A; total current must not exceed 5 A. NOTE-2: connect four 2 A loads simultaneously. Produce a requirement table and a discrepancy note. Suggest a clarification question rather than silently treating the per-output rating as the permitted total.A source-labelled requirement table, the conflicting proposed load and a targeted clarification question.The answer distinguishes the 2 A individual rating from the 5 A aggregate limit and notices the 8 A proposal.