Gemma 4 26B A4B IT là phiên bản hỗn hợp chuyên gia được tinh chỉnh theo chỉ dẫn trong dòng Gemma 4 mở của Google DeepMind. Bảng kiến trúc chính thức ghi tổng cộng 25.2 tỷ tham số và 3.8 tỷ tham số hoạt động; A4B biểu thị quy mô tham số hoạt động đã làm tròn. Mục đích sử dụng gồm suy luận, lập trình, quy trình tác tử và hiểu đa phương thức. Phiên bản này tách biệt với phiên bản tiền huấn luyện và mô hình dense 31B.
Thiết kế hỗn hợp chuyên gia kích hoạt một phần tham số ở mỗi bước suy luận: 8 chuyên gia hoạt động trong số 128, cộng 1 chuyên gia dùng chung, theo bảng kiến trúc đã công bố. Google định vị phiên bản này theo hiệu quả suy luận so với mô hình dense. Mô hình kết hợp kiến trúc 30 lớp và cửa sổ trượt 1,024 token với cơ chế chú ý toàn cục, ngữ cảnh 256K và bộ mã hóa thị giác. Các số liệu kiến trúc này mô tả mô hình của nhà sản xuất, không phải độ trễ hoặc cấu hình phần cứng được bảo đảm cho một ứng dụng cụ thể.
Ngữ cảnh 256K token hỗ trợ tác vụ kết hợp lượng văn bản lớn với bằng chứng trực quan. Hình ảnh và văn bản có thể xen kẽ trong một câu lệnh; nhà sản xuất khuyến nghị đặt nội dung hình ảnh trước văn bản liên quan để đạt kết quả tốt nhất. Tác vụ thị giác gồm phát hiện đối tượng, diễn giải trang tài liệu, hiểu màn hình và giao diện, biểu đồ, OCR đa ngôn ngữ, chữ viết tay và chỉ vị trí. Đầu ra là văn bản: nội dung trích xuất, lời giải thích, mã hoặc hành động công cụ được đề xuất.
Hiểu video xử lý chuỗi khung hình. Thẻ mô hình nêu tối đa 60 giây khi hình ảnh được xử lý ở tốc độ 1 khung hình mỗi giây. Chuẩn bị đoạn liên quan, giữ thứ tự khung hình và cung cấp câu hỏi về chuỗi nhìn thấy. Cấu hình thị giác 26B/31B này không nhận âm thanh; khả năng giọng nói của các biến thể Gemma 4 nhỏ hơn có hỗ trợ âm thanh không áp dụng ở đây. Nếu tác vụ cần thông tin lời nói, thêm bản chép lời dưới dạng văn bản.
Chế độ suy luận có thể cấu hình cho phép mô hình suy luận trước khi trả lời hoặc trả lời trực tiếp. Gemma 4 bổ sung vai trò system được hỗ trợ trực tiếp bên cạnh user và assistant. Định dạng câu lệnh của Google bật suy luận bằng token điều khiển <|think|> trong câu lệnh hệ thống và tách kênh suy luận khỏi câu trả lời cuối; bộ xử lý được ghi trong tài liệu có thể xử lý mẫu đó. Với hội thoại nhiều lượt, giữ các câu trả lời cuối trước đó trong lịch sử và loại suy luận trước đó, ngoại trừ các lượt gọi công cụ mà nhà sản xuất yêu cầu giữ chúng.
Native Function Calling hỗ trợ sử dụng công cụ có cấu trúc, và mô tả ra mắt của Google cũng ghi nhận đầu ra JSON có cấu trúc. Xác định tác vụ, hàm có sẵn và kết quả kỳ vọng; ứng dụng thực hiện thao tác được yêu cầu và trả đầu ra cho bước tiếp theo. Tác vụ lập trình có thể yêu cầu tạo, hoàn thiện hoặc sửa mã, còn trợ lý thị giác có thể dùng văn bản trả về để giải thích biểu đồ hoặc màn hình. Chỉ dẫn gọi hàm tách biệt với hành động đã thực sự được thực thi qua công cụ kết nối.
Độ phân giải hình ảnh thay đổi được điều khiển bằng ngân sách token thị giác. Các lựa chọn được ghi trong tài liệu là 70, 140, 280, 560 và 1,120 token. Ngân sách thấp phù hợp với phân loại, chú thích hoặc chuỗi khung hình; ngân sách cao giữ nhiều chi tiết hơn cho OCR, phân tích tài liệu và chữ nhỏ, đồng thời cần thêm tính toán. Quyết định cần toàn cảnh hay chữ chính xác trước khi chuẩn bị hình ảnh. Một vùng cắt nhãn rõ ràng có thể hữu ích hơn cho trích xuất so với yêu cầu không giới hạn xem mọi chi tiết của cả trang.
Google khuyến nghị temperature 1.0, top-p 0.95 và top-k 64 làm cấu hình lấy mẫu của dòng. Thẻ mô hình phân biệt việc huấn luyện bằng hơn 140 ngôn ngữ với hỗ trợ sẵn hơn 35 ngôn ngữ. Nêu ngôn ngữ trả lời và chỉ rõ trong đề bài những tên miền, tên trường hoặc công thức cần giữ. Con số 256K là đặc tả ngữ cảnh; thẻ mô hình được dẫn không xác lập một con số đầu ra tối đa phổ quát riêng cho phiên bản này.
Với tác vụ tài liệu và mã, cung cấp ảnh trang liên quan, yêu cầu viết và đoạn mã nguồn: “Đọc các nhãn, giải thích màn hình này khác đặc tả như thế nào và đề xuất chỉnh sửa tập trung cho mã được cung cấp.” Với biểu đồ, yêu cầu câu trả lời tách giá trị nhìn thấy khỏi xu hướng suy ra. Thẻ Gemma ghi nhận hạn chế với ngôn ngữ mơ hồ, tác vụ rất phức tạp và nhận định thực tế sai hoặc lỗi thời, nên hãy đính kèm dữ kiện có thẩm quyền mà kết quả yêu cầu phải sử dụng thay vì trông đợi kiến thức huấn luyện cung cấp chúng.
", "aboutText": "Gemma 4 26B A4B IT là phiên bản hỗn hợp chuyên gia được tinh chỉnh theo chỉ dẫn trong dòng Gemma 4 mở của Google DeepMind. Bảng kiến trúc chính thức ghi tổng cộng 25.2 tỷ tham số và 3.8 tỷ tham số hoạt động; A4B biểu thị quy mô tham số hoạt động đã làm tròn. Mục đích sử dụng gồm suy luận, lập trình, quy trình tác tử và hiểu đa phương thức. Phiên bản này tách biệt với phiên bản tiền huấn luyện và mô hình dense 31B.\n\nThiết kế hỗn hợp chuyên gia kích hoạt một phần tham số ở mỗi bước suy luận: 8 chuyên gia hoạt động trong số 128, cộng 1 chuyên gia dùng chung, theo bảng kiến trúc đã công bố. Google định vị phiên bản này theo hiệu quả suy luận so với mô hình dense. Mô hình kết hợp kiến trúc 30 lớp và cửa sổ trượt 1,024 token với cơ chế chú ý toàn cục, ngữ cảnh 256K và bộ mã hóa thị giác. Các số liệu kiến trúc này mô tả mô hình của nhà sản xuất, không phải độ trễ hoặc cấu hình phần cứng được bảo đảm cho một ứng dụng cụ thể.\n\nNgữ cảnh 256K token hỗ trợ tác vụ kết hợp lượng văn bản lớn với bằng chứng trực quan. Hình ảnh và văn bản có thể xen kẽ trong một câu lệnh; nhà sản xuất khuyến nghị đặt nội dung hình ảnh trước văn bản liên quan để đạt kết quả tốt nhất. Tác vụ thị giác gồm phát hiện đối tượng, diễn giải trang tài liệu, hiểu màn hình và giao diện, biểu đồ, OCR đa ngôn ngữ, chữ viết tay và chỉ vị trí. Đầu ra là văn bản: nội dung trích xuất, lời giải thích, mã hoặc hành động công cụ được đề xuất.\n\nHiểu video xử lý chuỗi khung hình. Thẻ mô hình nêu tối đa 60 giây khi hình ảnh được xử lý ở tốc độ 1 khung hình mỗi giây. Chuẩn bị đoạn liên quan, giữ thứ tự khung hình và cung cấp câu hỏi về chuỗi nhìn thấy. Cấu hình thị giác 26B/31B này không nhận âm thanh; khả năng giọng nói của các biến thể Gemma 4 nhỏ hơn có hỗ trợ âm thanh không áp dụng ở đây. Nếu tác vụ cần thông tin lời nói, thêm bản chép lời dưới dạng văn bản.\n\nChế độ suy luận có thể cấu hình cho phép mô hình suy luận trước khi trả lời hoặc trả lời trực tiếp. Gemma 4 bổ sung vai trò system được hỗ trợ trực tiếp bên cạnh user và assistant. Định dạng câu lệnh của Google bật suy luận bằng token điều khiển <|think|> trong câu lệnh hệ thống và tách kênh suy luận khỏi câu trả lời cuối; bộ xử lý được ghi trong tài liệu có thể xử lý mẫu đó. Với hội thoại nhiều lượt, giữ các câu trả lời cuối trước đó trong lịch sử và loại suy luận trước đó, ngoại trừ các lượt gọi công cụ mà nhà sản xuất yêu cầu giữ chúng.\n\nNative Function Calling hỗ trợ sử dụng công cụ có cấu trúc, và mô tả ra mắt của Google cũng ghi nhận đầu ra JSON có cấu trúc. Xác định tác vụ, hàm có sẵn và kết quả kỳ vọng; ứng dụng thực hiện thao tác được yêu cầu và trả đầu ra cho bước tiếp theo. Tác vụ lập trình có thể yêu cầu tạo, hoàn thiện hoặc sửa mã, còn trợ lý thị giác có thể dùng văn bản trả về để giải thích biểu đồ hoặc màn hình. Chỉ dẫn gọi hàm tách biệt với hành động đã thực sự được thực thi qua công cụ kết nối.\n\nĐộ phân giải hình ảnh thay đổi được điều khiển bằng ngân sách token thị giác. Các lựa chọn được ghi trong tài liệu là 70, 140, 280, 560 và 1,120 token. Ngân sách thấp phù hợp với phân loại, chú thích hoặc chuỗi khung hình; ngân sách cao giữ nhiều chi tiết hơn cho OCR, phân tích tài liệu và chữ nhỏ, đồng thời cần thêm tính toán. Quyết định cần toàn cảnh hay chữ chính xác trước khi chuẩn bị hình ảnh. Một vùng cắt nhãn rõ ràng có thể hữu ích hơn cho trích xuất so với yêu cầu không giới hạn xem mọi chi tiết của cả trang.\n\nGoogle khuyến nghị temperature 1.0, top-p 0.95 và top-k 64 làm cấu hình lấy mẫu của dòng. Thẻ mô hình phân biệt việc huấn luyện bằng hơn 140 ngôn ngữ với hỗ trợ sẵn hơn 35 ngôn ngữ. Nêu ngôn ngữ trả lời và chỉ rõ trong đề bài những tên miền, tên trường hoặc công thức cần giữ. Con số 256K là đặc tả ngữ cảnh; thẻ mô hình được dẫn không xác lập một con số đầu ra tối đa phổ quát riêng cho phiên bản này.\n\nVới tác vụ tài liệu và mã, cung cấp ảnh trang liên quan, yêu cầu viết và đoạn mã nguồn: “Đọc các nhãn, giải thích màn hình này khác đặc tả như thế nào và đề xuất chỉnh sửa tập trung cho mã được cung cấp.” Với biểu đồ, yêu cầu câu trả lời tách giá trị nhìn thấy khỏi xu hướng suy ra. Thẻ Gemma ghi nhận hạn chế với ngôn ngữ mơ hồ, tác vụ rất phức tạp và nhận định thực tế sai hoặc lỗi thời, nên hãy đính kèm dữ kiện có thẩm quyền mà kết quả yêu cầu phải sử dụng thay vì trông đợi kiến thức huấn luyện cung cấp chúng.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
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 là mô hình hỗn hợp chuyên gia của Google được tinh chỉnh theo chỉ dẫn, dành cho suy luận văn bản và hình ảnh. Mô hình kết hợp ngữ cảnh 256K, hiểu hình ảnh và video theo khung hình, chế độ suy luận có thể cấu hình và khả năng gọi hàm tích hợp sẵn với đầu ra văn bản.
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 4 26B A4B IT là phiên bản hỗn hợp chuyên gia được tinh chỉnh theo chỉ dẫn trong dòng Gemma 4 mở của Google DeepMind. Bảng kiến trúc chính thức ghi tổng cộng 25.2 tỷ tham số và 3.8 tỷ tham số hoạt động; A4B biểu thị quy mô tham số hoạt động đã làm tròn. Mục đích sử dụng gồm suy luận, lập trình, quy trình tác tử và hiểu đa phương thức. Phiên bản này tách biệt với phiên bản tiền huấn luyện và mô hình dense 31B.
Thiết kế hỗn hợp chuyên gia kích hoạt một phần tham số ở mỗi bước suy luận: 8 chuyên gia hoạt động trong số 128, cộng 1 chuyên gia dùng chung, theo bảng kiến trúc đã công bố. Google định vị phiên bản này theo hiệu quả suy luận so với mô hình dense. Mô hình kết hợp kiến trúc 30 lớp và cửa sổ trượt 1,024 token với cơ chế chú ý toàn cục, ngữ cảnh 256K và bộ mã hóa thị giác. Các số liệu kiến trúc này mô tả mô hình của nhà sản xuất, không phải độ trễ hoặc cấu hình phần cứng được bảo đảm cho một ứng dụng cụ thể.
Ngữ cảnh 256K token hỗ trợ tác vụ kết hợp lượng văn bản lớn với bằng chứng trực quan. Hình ảnh và văn bản có thể xen kẽ trong một câu lệnh; nhà sản xuất khuyến nghị đặt nội dung hình ảnh trước văn bản liên quan để đạt kết quả tốt nhất. Tác vụ thị giác gồm phát hiện đối tượng, diễn giải trang tài liệu, hiểu màn hình và giao diện, biểu đồ, OCR đa ngôn ngữ, chữ viết tay và chỉ vị trí. Đầu ra là văn bản: nội dung trích xuất, lời giải thích, mã hoặc hành động công cụ được đề xuất.
Hiểu video xử lý chuỗi khung hình. Thẻ mô hình nêu tối đa 60 giây khi hình ảnh được xử lý ở tốc độ 1 khung hình mỗi giây. Chuẩn bị đoạn liên quan, giữ thứ tự khung hình và cung cấp câu hỏi về chuỗi nhìn thấy. Cấu hình thị giác 26B/31B này không nhận âm thanh; khả năng giọng nói của các biến thể Gemma 4 nhỏ hơn có hỗ trợ âm thanh không áp dụng ở đây. Nếu tác vụ cần thông tin lời nói, thêm bản chép lời dưới dạng văn bản.
Chế độ suy luận có thể cấu hình cho phép mô hình suy luận trước khi trả lời hoặc trả lời trực tiếp. Gemma 4 bổ sung vai trò system được hỗ trợ trực tiếp bên cạnh user và assistant. Định dạng câu lệnh của Google bật suy luận bằng token điều khiển <|think|> trong câu lệnh hệ thống và tách kênh suy luận khỏi câu trả lời cuối; bộ xử lý được ghi trong tài liệu có thể xử lý mẫu đó. Với hội thoại nhiều lượt, giữ các câu trả lời cuối trước đó trong lịch sử và loại suy luận trước đó, ngoại trừ các lượt gọi công cụ mà nhà sản xuất yêu cầu giữ chúng.
Native Function Calling hỗ trợ sử dụng công cụ có cấu trúc, và mô tả ra mắt của Google cũng ghi nhận đầu ra JSON có cấu trúc. Xác định tác vụ, hàm có sẵn và kết quả kỳ vọng; ứng dụng thực hiện thao tác được yêu cầu và trả đầu ra cho bước tiếp theo. Tác vụ lập trình có thể yêu cầu tạo, hoàn thiện hoặc sửa mã, còn trợ lý thị giác có thể dùng văn bản trả về để giải thích biểu đồ hoặc màn hình. Chỉ dẫn gọi hàm tách biệt với hành động đã thực sự được thực thi qua công cụ kết nối.
Độ phân giải hình ảnh thay đổi được điều khiển bằng ngân sách token thị giác. Các lựa chọn được ghi trong tài liệu là 70, 140, 280, 560 và 1,120 token. Ngân sách thấp phù hợp với phân loại, chú thích hoặc chuỗi khung hình; ngân sách cao giữ nhiều chi tiết hơn cho OCR, phân tích tài liệu và chữ nhỏ, đồng thời cần thêm tính toán. Quyết định cần toàn cảnh hay chữ chính xác trước khi chuẩn bị hình ảnh. Một vùng cắt nhãn rõ ràng có thể hữu ích hơn cho trích xuất so với yêu cầu không giới hạn xem mọi chi tiết của cả trang.
Google khuyến nghị temperature 1.0, top-p 0.95 và top-k 64 làm cấu hình lấy mẫu của dòng. Thẻ mô hình phân biệt việc huấn luyện bằng hơn 140 ngôn ngữ với hỗ trợ sẵn hơn 35 ngôn ngữ. Nêu ngôn ngữ trả lời và chỉ rõ trong đề bài những tên miền, tên trường hoặc công thức cần giữ. Con số 256K là đặc tả ngữ cảnh; thẻ mô hình được dẫn không xác lập một con số đầu ra tối đa phổ quát riêng cho phiên bản này.
Với tác vụ tài liệu và mã, cung cấp ảnh trang liên quan, yêu cầu viết và đoạn mã nguồn: “Đọc các nhãn, giải thích màn hình này khác đặc tả như thế nào và đề xuất chỉnh sửa tập trung cho mã được cung cấp.” Với biểu đồ, yêu cầu câu trả lời tách giá trị nhìn thấy khỏi xu hướng suy ra. Thẻ Gemma ghi nhận hạn chế với ngôn ngữ mơ hồ, tác vụ rất phức tạp và nhận định thực tế sai hoặc lỗi thời, nên hãy đính kèm dữ kiện có thẩm quyền mà kết quả yêu cầu phải sử dụng thay vì trông đợi kiến thức huấn luyện cung cấp chúng.
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-4-26b-a4b-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 $0.0003 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 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 $0.0003 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-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 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-4-26b-a4b-it
Dùng các đường dẫn phương thức hiển thị ở trên.
google/gemma-4-26b-a4b-itGemma 4 26B A4B IT là mô hình hỗn hợp chuyên gia của Google được tinh chỉnh theo chỉ dẫn, dành cho suy luận văn bản và hình ảnh. Mô hình kết hợp ngữ cảnh 256K, hiểu hình ảnh và video theo khung hình, chế độ suy luận có thể cấu hình và khả năng gọi hàm tích hợp sẵn với đầu ra văn bản.
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 4 26B A4B IT là phiên bản hỗn hợp chuyên gia được tinh chỉnh theo chỉ dẫn trong dòng Gemma 4 mở của Google DeepMind. Bảng kiến trúc chính thức ghi tổng cộng 25.2 tỷ tham số và 3.8 tỷ tham số hoạt động; A4B biểu thị quy mô tham số hoạt động đã làm tròn. Mục đích sử dụng gồm suy luận, lập trình, quy trình tác tử và hiểu đa phương thức. Phiên bản này tách biệt với phiên bản tiền huấn luyện và mô hình dense 31B.
Thiết kế hỗn hợp chuyên gia kích hoạt một phần tham số ở mỗi bước suy luận: 8 chuyên gia hoạt động trong số 128, cộng 1 chuyên gia dùng chung, theo bảng kiến trúc đã công bố. Google định vị phiên bản này theo hiệu quả suy luận so với mô hình dense. Mô hình kết hợp kiến trúc 30 lớp và cửa sổ trượt 1,024 token với cơ chế chú ý toàn cục, ngữ cảnh 256K và bộ mã hóa thị giác. Các số liệu kiến trúc này mô tả mô hình của nhà sản xuất, không phải độ trễ hoặc cấu hình phần cứng được bảo đảm cho một ứng dụng cụ thể.
Ngữ cảnh 256K token hỗ trợ tác vụ kết hợp lượng văn bản lớn với bằng chứng trực quan. Hình ảnh và văn bản có thể xen kẽ trong một câu lệnh; nhà sản xuất khuyến nghị đặt nội dung hình ảnh trước văn bản liên quan để đạt kết quả tốt nhất. Tác vụ thị giác gồm phát hiện đối tượng, diễn giải trang tài liệu, hiểu màn hình và giao diện, biểu đồ, OCR đa ngôn ngữ, chữ viết tay và chỉ vị trí. Đầu ra là văn bản: nội dung trích xuất, lời giải thích, mã hoặc hành động công cụ được đề xuất.
Hiểu video xử lý chuỗi khung hình. Thẻ mô hình nêu tối đa 60 giây khi hình ảnh được xử lý ở tốc độ 1 khung hình mỗi giây. Chuẩn bị đoạn liên quan, giữ thứ tự khung hình và cung cấp câu hỏi về chuỗi nhìn thấy. Cấu hình thị giác 26B/31B này không nhận âm thanh; khả năng giọng nói của các biến thể Gemma 4 nhỏ hơn có hỗ trợ âm thanh không áp dụng ở đây. Nếu tác vụ cần thông tin lời nói, thêm bản chép lời dưới dạng văn bản.
Chế độ suy luận có thể cấu hình cho phép mô hình suy luận trước khi trả lời hoặc trả lời trực tiếp. Gemma 4 bổ sung vai trò system được hỗ trợ trực tiếp bên cạnh user và assistant. Định dạng câu lệnh của Google bật suy luận bằng token điều khiển <|think|> trong câu lệnh hệ thống và tách kênh suy luận khỏi câu trả lời cuối; bộ xử lý được ghi trong tài liệu có thể xử lý mẫu đó. Với hội thoại nhiều lượt, giữ các câu trả lời cuối trước đó trong lịch sử và loại suy luận trước đó, ngoại trừ các lượt gọi công cụ mà nhà sản xuất yêu cầu giữ chúng.
Native Function Calling hỗ trợ sử dụng công cụ có cấu trúc, và mô tả ra mắt của Google cũng ghi nhận đầu ra JSON có cấu trúc. Xác định tác vụ, hàm có sẵn và kết quả kỳ vọng; ứng dụng thực hiện thao tác được yêu cầu và trả đầu ra cho bước tiếp theo. Tác vụ lập trình có thể yêu cầu tạo, hoàn thiện hoặc sửa mã, còn trợ lý thị giác có thể dùng văn bản trả về để giải thích biểu đồ hoặc màn hình. Chỉ dẫn gọi hàm tách biệt với hành động đã thực sự được thực thi qua công cụ kết nối.
Độ phân giải hình ảnh thay đổi được điều khiển bằng ngân sách token thị giác. Các lựa chọn được ghi trong tài liệu là 70, 140, 280, 560 và 1,120 token. Ngân sách thấp phù hợp với phân loại, chú thích hoặc chuỗi khung hình; ngân sách cao giữ nhiều chi tiết hơn cho OCR, phân tích tài liệu và chữ nhỏ, đồng thời cần thêm tính toán. Quyết định cần toàn cảnh hay chữ chính xác trước khi chuẩn bị hình ảnh. Một vùng cắt nhãn rõ ràng có thể hữu ích hơn cho trích xuất so với yêu cầu không giới hạn xem mọi chi tiết của cả trang.
Google khuyến nghị temperature 1.0, top-p 0.95 và top-k 64 làm cấu hình lấy mẫu của dòng. Thẻ mô hình phân biệt việc huấn luyện bằng hơn 140 ngôn ngữ với hỗ trợ sẵn hơn 35 ngôn ngữ. Nêu ngôn ngữ trả lời và chỉ rõ trong đề bài những tên miền, tên trường hoặc công thức cần giữ. Con số 256K là đặc tả ngữ cảnh; thẻ mô hình được dẫn không xác lập một con số đầu ra tối đa phổ quát riêng cho phiên bản này.
Với tác vụ tài liệu và mã, cung cấp ảnh trang liên quan, yêu cầu viết và đoạn mã nguồn: “Đọc các nhãn, giải thích màn hình này khác đặc tả như thế nào và đề xuất chỉnh sửa tập trung cho mã được cung cấp.” Với biểu đồ, yêu cầu câu trả lời tách giá trị nhìn thấy khỏi xu hướng suy ra. Thẻ Gemma ghi nhận hạn chế với ngôn ngữ mơ hồ, tác vụ rất phức tạp và nhận định thực tế sai hoặc lỗi thời, nên hãy đính kèm dữ kiện có thẩm quyền mà kết quả yêu cầu phải sử dụng thay vì trông đợi kiến thức huấn luyện cung cấp chúng.
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-4-26b-a4b-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 $0.0003 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 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 $0.0003 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "google/gemma-4-26b-a4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-4-26b-a4b-it
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
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.