Gemini 原生接口

curl "https://api.nodylink.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
  -H "x-goog-api-key: sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "systemInstruction": {
      "parts": [{"text": "你是一个专业的 AI 助手。"}]
    },
    "contents": [
      {"role": "user", "parts": [{"text": "解释一下什么是 Transformer 架构。"}]}
    ],
    "generationConfig": {
      "temperature": 0.7,
      "maxOutputTokens": 2048
    }
  }'

from google import genai
from google.genai import types

client = genai.Client(
    api_key="sk-你的密钥",
    http_options=types.HttpOptions(base_url="https://api.nodylink.com"),
)

resp = client.models.generate_content(
    model="gemini-3.1-pro-preview",
    contents="解释一下什么是 Transformer 架构。",
    config=types.GenerateContentConfig(
        system_instruction="你是一个专业的 AI 助手。",
        temperature=0.7,
        max_output_tokens=2048,
    ),
)
print(resp.text)

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({
  apiKey: "sk-你的密钥",
  httpOptions: { baseUrl: "https://api.nodylink.com" },
});

const resp = await ai.models.generateContent({
  model: "gemini-3.1-pro-preview",
  contents: "解释一下什么是 Transformer 架构。",
  config: {
    systemInstruction: "你是一个专业的 AI 助手。",
    temperature: 0.7,
    maxOutputTokens: 2048,
  },
});
console.log(resp.text);

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {"text": "Transformer 是一种基于自注意力机制的神经网络架构……"}
        ]
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 18,
    "candidatesTokenCount": 356,
    "totalTokenCount": 1022,
    "thoughtsTokenCount": 648
  },
  "modelVersion": "gemini-3.1-pro-preview"
}

POST

v1beta

models

{model}

:generateContent

curl "https://api.nodylink.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
  -H "x-goog-api-key: sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "systemInstruction": {
      "parts": [{"text": "你是一个专业的 AI 助手。"}]
    },
    "contents": [
      {"role": "user", "parts": [{"text": "解释一下什么是 Transformer 架构。"}]}
    ],
    "generationConfig": {
      "temperature": 0.7,
      "maxOutputTokens": 2048
    }
  }'

from google import genai
from google.genai import types

client = genai.Client(
    api_key="sk-你的密钥",
    http_options=types.HttpOptions(base_url="https://api.nodylink.com"),
)

resp = client.models.generate_content(
    model="gemini-3.1-pro-preview",
    contents="解释一下什么是 Transformer 架构。",
    config=types.GenerateContentConfig(
        system_instruction="你是一个专业的 AI 助手。",
        temperature=0.7,
        max_output_tokens=2048,
    ),
)
print(resp.text)

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({
  apiKey: "sk-你的密钥",
  httpOptions: { baseUrl: "https://api.nodylink.com" },
});

const resp = await ai.models.generateContent({
  model: "gemini-3.1-pro-preview",
  contents: "解释一下什么是 Transformer 架构。",
  config: {
    systemInstruction: "你是一个专业的 AI 助手。",
    temperature: 0.7,
    maxOutputTokens: 2048,
  },
});
console.log(resp.text);

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {"text": "Transformer 是一种基于自注意力机制的神经网络架构……"}
        ]
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 18,
    "candidatesTokenCount": 356,
    "totalTokenCount": 1022,
    "thoughtsTokenCount": 648
  },
  "modelVersion": "gemini-3.1-pro-preview"
}

请求体与响应体与 Gemini API（generativelanguage.googleapis.com）保持一致。
非流式调用 :generateContent；流式调用 :streamGenerateContent?alt=sse。
鉴权支持 Authorization: Bearer、x-goog-api-key 请求头，或 ?key= 查询参数，三者任选其一。
使用 Google Gen AI SDK 时，把 base_url 设为 https://api.nodylink.com。

curl "https://api.nodylink.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
  -H "x-goog-api-key: sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "systemInstruction": {
      "parts": [{"text": "你是一个专业的 AI 助手。"}]
    },
    "contents": [
      {"role": "user", "parts": [{"text": "解释一下什么是 Transformer 架构。"}]}
    ],
    "generationConfig": {
      "temperature": 0.7,
      "maxOutputTokens": 2048
    }
  }'

from google import genai
from google.genai import types

client = genai.Client(
    api_key="sk-你的密钥",
    http_options=types.HttpOptions(base_url="https://api.nodylink.com"),
)

resp = client.models.generate_content(
    model="gemini-3.1-pro-preview",
    contents="解释一下什么是 Transformer 架构。",
    config=types.GenerateContentConfig(
        system_instruction="你是一个专业的 AI 助手。",
        temperature=0.7,
        max_output_tokens=2048,
    ),
)
print(resp.text)

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({
  apiKey: "sk-你的密钥",
  httpOptions: { baseUrl: "https://api.nodylink.com" },
});

const resp = await ai.models.generateContent({
  model: "gemini-3.1-pro-preview",
  contents: "解释一下什么是 Transformer 架构。",
  config: {
    systemInstruction: "你是一个专业的 AI 助手。",
    temperature: 0.7,
    maxOutputTokens: 2048,
  },
});
console.log(resp.text);

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {"text": "Transformer 是一种基于自注意力机制的神经网络架构……"}
        ]
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 18,
    "candidatesTokenCount": 356,
    "totalTokenCount": 1022,
    "thoughtsTokenCount": 648
  },
  "modelVersion": "gemini-3.1-pro-preview"
}

鉴权

string

API Key。也可以改用 Authorization: Bearer <API Key> 请求头或 key 查询参数。

路径参数

string

必填

Gemini 模型 ID，例如 gemini-3.1-pro-preview、gemini-3-flash-preview。可用模型以模型广场为准。

请求参数

array

必填

对话内容列表。

显示 Content 对象

string

user 或 model。

array

必填

内容片段。常用类型：

文本：{"text": "..."}
内联图片：{"inlineData": {"mimeType": "image/png", "data": "<base64>"}}
文件链接：{"fileData": {"mimeType": "image/jpeg", "fileUri": "https://..."}}

object

系统指令，格式为 {"parts": [{"text": "..."}]}。

object

生成配置。

显示属性

number

采样温度，取值 0 到 2。

number

核采样阈值。

integer

Top-K 采样。

integer

最大输出 token 数。

string[]

停止序列。

string

输出格式，例如 application/json。

object

配合 responseMimeType: "application/json" 使用的输出 Schema。

object

思考配置，例如 {"thinkingLevel": "high", "includeThoughts": true}。

array

工具列表，例如 [{"functionDeclarations": [...]}]。

array

安全设置，每项包含 category 和 threshold。

响应

array

候选回复列表。

显示属性

object

回复内容，role 为 model，正文在 parts[].text 中。

string

结束原因：STOP、MAX_TOKENS、SAFETY 等。

object

token 用量。

显示属性

integer

输入 token 数。

integer

输出 token 数，不含思考 token。

integer

思考 token 数，按输出价格计费。

integer

总 token 数。

流式输出

把路径中的 :generateContent 换成 :streamGenerateContent，并加上 alt=sse 查询参数：

curl "https://api.nodylink.com/v1beta/models/gemini-3.1-pro-preview:streamGenerateContent?alt=sse" \
  -H "x-goog-api-key: sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{"contents": [{"role": "user", "parts": [{"text": "写一首关于秋天的诗"}]}]}'

每个 data: 事件都是一个结构与上面相同的响应对象，parts[].text 为本次新增的内容。使用 SDK 时调用 generate_content_stream：

for chunk in client.models.generate_content_stream(
    model="gemini-3.1-pro-preview",
    contents="写一首关于秋天的诗",
):
    print(chunk.text, end="")

Gemini 模型同样可以通过对话补全接口以 OpenAI 格式调用。

概览

模型

文本对话系列

图片系列

视频系列

鉴权

路径参数

请求参数

响应

流式输出

​鉴权

​路径参数

​请求参数

​响应

​流式输出

鉴权

路径参数

请求参数

响应

流式输出