Gemini (OpenAI格式)-可文件分析

请求参数

Authorization

在 Header 添加参数

Authorization

，其值为在 Bearer 之后拼接 Token

示例：

Authorization: Bearer ********************

Header 参数

Content-Type

string

可选

示例值:

application/json

Authorization

string

可选

示例值:

Bearer sk-xxxx

Body 参数application/json

model

string

必需

messages

array [object {2}]

温度

必需

使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使输出更加集中和确定。我们通常建议改变这个或top_p但不是两者同时使用。

role

string

可选

content

array [object {4}]

可选

temperature

integer

必需

一种替代温度采样的方法，称为核采样，其中模型考虑具有 top_p 概率质量的标记的结果。所以 0.1 意味着只考虑构成前 10% 概率质量的标记。我们通常建议改变这个或temperature但不是两者同时使用。

top_p

integer

必需

聊天完成时生成的最大Tokens数量。输入标记和生成标记的总长度受模型上下文长度的限制。

max_tokens

integer

必需

流式输出或非流式输出

stream

boolean

必需

为每个输入消息生成多少个聊天完成选项。

n

integer

必需

-2.0 和 2.0 之间的数字。正值会根据到目前为止是否出现在文本中来惩罚新标记，从而增加模型谈论新主题的可能性。

presence_penalty

integer

必需

-2.0 和 2.0 之间的数字。正值会根据新标记在文本中的现有频率对其进行惩罚，从而降低模型逐字重复同一行的可能性。

frequency_penalty

integer

必需

-2.0 和 2.0 之间的数字。正值会根据新标记在文本中的现有频率对其进行惩罚，从而降低模型逐字重复同一行的可能性。

logit_bias

null

必需

修改指定标记出现在完成中的可能性。接受一个 json 对象，该对象将标记（由标记器中的标记 ID 指定）映射到从 -100 到 100 的关联偏差值。从数学上讲，偏差会在采样之前添加到模型生成的 logits 中。确切的效果因模型而异，但 -1 和 1 之间的值应该会减少或增加选择的可能性；像 -100 或 100 这样的值应该导致相关令牌的禁止或独占选择。

thinking

object

必需

该参数仅支持 gemini-2.5-flash 系列模型
设置后ai回复将会先思考再回复
如果使用类似gemini-2.5-flash-preview-04-17-thinking 带有-thinking结尾的模型，将自动开启思考，而无需设置该参数。

type

string

必需

值必须为 "enabled"

示例值:

enabled

budget_tokens

integer

必需

最大思考tokens，取值范围 0-24576，设置为0强制不使用思考，如果大于0，则同时 max_tokens参数必须大于此处的值。

>= 0<= 24576

user

string

必需

代表您的最终用户的唯一标识符，可以帮助 OpenAI 监控和检测滥用行为。

示例

{
    "model": "gemini-2.5-pro-preview-05-06",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请总结一下文档"
                },
                {
                    "type": "file",
                    "file": {
                        "filename": "api-doc.pdf",
                        "file_data": "https://www.bt.cn/data/api-doc.pdf"
                    }
                }
            ]
        }
    ],
    "max_tokens": 1688,
    "temperature": 0.5,
    "stream": false
}

示例代码

Shell

JavaScript

Java

Swift

Go

PHP

Python

HTTP

C

C#

Objective-C

Ruby

OCaml

Dart

R

curl --location --request POST 'https://api.apicore.ai/v1/chat/completions' \
--header 'Authorization: Bearer sk-xxxx' \
--header 'Content-Type: application/json' \
--data-raw '{
    "model": "gemini-2.5-pro-preview-05-06",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请总结一下文档"
                },
                {
                    "type": "file",
                    "file": {
                        "filename": "api-doc.pdf",
                        "file_data": "https://www.bt.cn/data/api-doc.pdf"
                    }
                }
            ]
        }
    ],
    "max_tokens": 1688,
    "temperature": 0.5,
    "stream": false
}'

返回响应

🟢200成功

application/json

Body

id

string

必需

object

string

必需

created

integer

必需

choices

array [object {3}]

必需

index

integer

可选

message

object

可选

finish_reason

string

可选

usage

object

必需

prompt_tokens

integer

必需

completion_tokens

integer

必需

total_tokens

integer

必需

示例

{
    "id": "chatcmpl-e75b12fad68f41bc8dc9f3820152ec9b",
    "object": "chat.completion",
    "created": 1724998489,
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "你好！我是一个大型语言模型，由 Google 训练。很高兴认识你！你想聊些什么呢？ \n"
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 5,
        "completion_tokens": 23,
        "total_tokens": 28
    }
}