Gemini 原生格式

通过 Google Gemini 原生 API 协议调用 Gemini 模型，完全兼容 Gemini 原生请求体、路径格式和响应结构。

在线体验

在 Playground 中测试 ↗ · 查看模型列表 ↗

快速开始

第 1 步： 获取您的 API Key（在 控制台 创建）。

第 2 步： 发送请求：

cURL

curl -X POST "https://open.dieyuyun.com/v1beta/models/gemini-2.5-pro:generateContent" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxx" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [{"text": "你好，介绍一下自己"}]
      }
    ]
  }'

Python

import requests

url = "https://open.dieyuyun.com/v1beta/models/gemini-2.5-pro:generateContent"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer sk-xxx"
}
payload = {
    "contents": [
        {
            "role": "user",
            "parts": [{"text": "你好，介绍一下自己"}]
        }
    ]
}

response = requests.post(url, json=payload, headers=headers)
result = response.json()
print(result["candidates"][0]["content"]["parts"][0]["text"])

Node.js

const response = await fetch('https://open.dieyuyun.com/v1beta/models/gemini-2.5-pro:generateContent', {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    Authorization: 'Bearer sk-xxx',
  },
  body: JSON.stringify({
    contents: [
      {
        role: 'user',
        parts: [{ text: '你好，介绍一下自己' }],
      },
    ],
  }),
})

const result = await response.json()
console.log(result.candidates[0].content.parts[0].text)

第 3 步： 从响应的 candidates[0].content.parts[0].text 获取回复内容。

请求端点

项目	值
方法	POST
路径	/v1beta/models/{model}:generateContent
	/v1beta/models/{model}:streamGenerateContent（流式）
Base URL	https://open.dieyuyun.com
兼容协议	Google Gemini API

路径参数

参数	类型	必填	说明
model	string	是	模型标识符，如 gemini-2.5-pro
action	string	是	操作类型：generateContent 或 streamGenerateContent

认证

使用 Bearer Token 认证（与 OpenAI 兼容端点共用同一个 API Key）：

Authorization: Bearer sk-xxx

TIP

平台使用统一的 API Key 进行管理，无需单独配置 Google API Key。您的 API Key 在服务端安全转发至上游，不会暴露给客户端。

支持模型

模型	上下文长度	说明
gemini-2.5-pro	1M	Gemini 旗舰推理模型
gemini-2.5-flash	1M	Gemini 快速模型
gemini-2.0-flash	1M	Gemini 2.0 快速模型

TIP

完整模型列表请在 控制台 查看。

标准请求字段

字段	类型	必填	默认值	说明
contents	array	是	—	对话内容列表，每条包含 role 和 parts
systemInstruction	object	否	—	系统指令，设定模型行为
generationConfig	object	否	—	生成参数配置
safetySettings	array	否	—	安全设置
tools	array	否	—	工具定义列表
toolConfig	object	否	—	工具调用配置

generationConfig 参数

参数	类型	默认值	说明
temperature	number	1.0	控制输出随机性，范围 0~2
topP	number	0.95	核采样参数
topK	integer	40	Top-K 采样
maxOutputTokens	integer	—	最大输出 Token 数
stopSequences	array	—	停止生成的字符串序列
responseMimeType	string	—	响应 MIME 类型，如 application/json

contents 结构

{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "描述这张图片" },
        {
          "inline_data": {
            "mime_type": "image/jpeg",
            "data": "/9j/4AAQ..."
          }
        }
      ]
    }
  ]
}

请求示例

带系统指令和生成配置

cURL

curl -X POST "https://open.dieyuyun.com/v1beta/models/gemini-2.5-pro:generateContent" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxx" \
  -d '{
    "systemInstruction": {
      "parts": [{"text": "你是一个专业的翻译助手，请将内容翻译为英文。"}]
    },
    "contents": [
      {
        "role": "user",
        "parts": [{"text": "人工智能正在改变我们的生活方式。"}]
      }
    ],
    "generationConfig": {
      "temperature": 0.7,
      "maxOutputTokens": 1024
    }
  }'

Python

import requests

url = "https://open.dieyuyun.com/v1beta/models/gemini-2.5-pro:generateContent"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer sk-xxx"
}
payload = {
    "systemInstruction": {
        "parts": [{"text": "你是一个专业的翻译助手，请将内容翻译为英文。"}]
    },
    "contents": [
        {
            "role": "user",
            "parts": [{"text": "人工智能正在改变我们的生活方式。"}]
        }
    ],
    "generationConfig": {
        "temperature": 0.7,
        "maxOutputTokens": 1024
    }
}

response = requests.post(url, json=payload, headers=headers)
result = response.json()
print(result["candidates"][0]["content"]["parts"][0]["text"])

Node.js

const response = await fetch('https://open.dieyuyun.com/v1beta/models/gemini-2.5-pro:generateContent', {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    Authorization: 'Bearer sk-xxx',
  },
  body: JSON.stringify({
    systemInstruction: {
      parts: [{ text: '你是一个专业的翻译助手，请将内容翻译为英文。' }],
    },
    contents: [
      {
        role: 'user',
        parts: [{ text: '人工智能正在改变我们的生活方式。' }],
      },
    ],
    generationConfig: {
      temperature: 0.7,
      maxOutputTokens: 1024,
    },
  }),
})

const result = await response.json()
console.log(result.candidates[0].content.parts[0].text)

流式输出

使用 streamGenerateContent 端点获取流式响应：

curl -X POST "https://open.dieyuyun.com/v1beta/models/gemini-2.5-pro:streamGenerateContent" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxx" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [{"text": "写一首关于大海的诗"}]
      }
    ]
  }'

多模态输入（图片）

{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "这张图片里有什么？" },
        {
          "inline_data": {
            "mime_type": "image/png",
            "data": "iVBORw0KGgo..."
          }
        }
      ]
    }
  ]
}

函数调用

{
  "contents": [
    {
      "role": "user",
      "parts": [{ "text": "北京今天天气怎么样？" }]
    }
  ],
  "tools": [
    {
      "functionDeclarations": [
        {
          "name": "get_weather",
          "description": "获取指定城市的天气信息",
          "parameters": {
            "type": "object",
            "properties": {
              "city": {
                "type": "string",
                "description": "城市名称"
              }
            },
            "required": ["city"]
          }
        }
      ]
    }
  ]
}

响应格式

成功响应

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "你好！我是 Gemini，由 Google DeepMind 开发的多模态 AI 模型。我可以处理文本、图片、代码等多种内容格式。"
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 6,
    "candidatesTokenCount": 42,
    "totalTokenCount": 48
  },
  "modelVersion": "gemini-2.5-pro"
}

响应字段说明

字段	说明
candidates[].content.parts[].text	回复文本内容
candidates[].content.role	角色，模型回复为 model
candidates[].finishReason	结束原因：STOP、MAX_TOKENS、SAFETY
candidates[].safetyRatings	安全评分
usageMetadata.promptTokenCount	输入 Token 数
usageMetadata.candidatesTokenCount	输出 Token 数
usageMetadata.totalTokenCount	总 Token 数
modelVersion	实际使用的模型版本

错误响应

{
  "error": {
    "code": 400,
    "message": "Request contains an invalid argument.",
    "status": "INVALID_ARGUMENT"
  }
}

详见 错误码。

兼容性说明

特性	本平台	Google Gemini 原生 API
路径格式	/v1beta/models/{model}:action	相同
请求体格式	Gemini 原生 JSON	原生协议
generateContent	支持	原生支持
streamGenerateContent	支持	原生支持
多模态输入	支持 base64	支持 base64 / file_data
函数调用	支持	原生支持
系统指令	支持 systemInstruction	原生支持
认证方式	Bearer Token（平台 API Key）	Google API Key
safetySettings	支持透传	原生支持

TIP

平台使用 Gemini 原生路径和原生请求体，成功响应直接返回 Gemini 原始格式。唯一的区别是认证方式——使用平台统一的 API Key 替代 Google API Key。

最佳实践

• 选择正确的端点：非流式使用 generateContent，流式使用 streamGenerateContent，路径结构一致。
• 利用超长上下文：Gemini 支持 1M Token 上下文，适合处理长文档、大型代码库等场景。
• 使用 systemInstruction：通过系统指令设定模型行为，注意 Gemini 的系统指令格式是 {"parts": [{"text": "..."}]}。
• 多模态输入：支持 base64 编码的图片输入，适合图片分析、OCR 等场景。
• JSON 模式输出：通过 generationConfig.responseMimeType = "application/json" 强制返回 JSON。

速率限制

详见 速率限制。

相关文档

• 通用对话接口（流式） - 使用 OpenAI 兼容协议
• Claude Messages - 使用 Anthropic 原生协议
• OpenAI Responses - 使用 OpenAI Responses API
• 管理 API Key - 创建和配置 API Key