1.概述

Google 推出的多模态人工智能模型，旨在处理多种数据类型，包括文本、图像、音频、视频和代码。

模型列表：

  • gemini-2.0-flash
  • gemini-2.5-flash
  • gemini-2.5-pro
  • gemini-2.5-flash-lite
  • gemini-2.5-flash-lite-preview-06-17
  • gemini-3-pro-preview

2.请求说明

  • 请求方法: POST
  • 请求地址
  https://gateway.theturbo.ai/v1/v1beta/models/{model}:generateContent
  • 请求地址(流式)
  https://gateway.theturbo.ai/v1/v1beta/models/{model}:streamGenerateContent

3.请求参数

3.1 Head参数

参数名称 类型 必填 说明 示例值
Content-Type string 是 设置请求头类型，必须为application/json application/json
Accept string 是 设置响应类型，建议统一为application/json application/json
Authorization string 是 身份验证所需的 API_KEY，格式Bearer $YOUR_API_KEY Bearer $YOUR_API_KEY

3.2 Body 参数 (application/json)

参数名称 类型 必填 说明 示例
contents array 是
与模型当前对话的内容。对于单轮查询，这是单个实例。对于多轮查询（例如聊天），这是包含对话历史记录和最新请求的重复字段。 [{"role":"user","parts":[{"text":"A cute baby sea otter"}]}]
content.role string 是
消息角色。必须是user或model。 user
content.parts array 否 构成单条消息的有序 Parts。部分可能具有不同的 MIME 类型。 [{"text":"A cute baby sea otter"}]}]
content.parts.text string 否 内嵌文本。 A cute baby sea otter
content.parts.inlineData struct 否 内嵌媒体字节。
content.parts.inlineData.mimeType string 是
来源数据的 IANA 标准 MIME 类型。 image/png
content.parts.inlineData.data string 是 媒体格式的原始字节。使用 base64 编码的字符串。
generationConfig struct 否
模型生成和输出的配置选项。

4.请求示例 

  POST /v1/v1beta/models/gemini-2.5-flash:generateContent
Content-Type: application/json
Accept: application/json
x-goog-api-key: $YOUR_API_KEY

{
	"contents": [{
		"role": "user",
		"parts": [{
			"text": "你好，给我科普一下量子力学吧"
		}]
	}],
	"generationConfig": {
		"temperature": 0.7,
		"maxOutputTokens": 1024
	}
}
  
  curl https://gateway.theturbo.ai/v1/v1beta/models/gemini-2.5-flash:generateContent \
	-H "Content-Type: application/json" \
	-H "Accept: application/json" \
	-H "x-goog-api-key: $YOUR_API_KEY" \
	-d "{
	\"contents\": [{
		\"role\": \"user\",
		\"parts\": [{
			\"text\": \"你好，给我科普一下量子力学吧\"
		}]
	}],
	\"generationConfig\": {
		\"temperature\": 0.7,
		\"maxOutputTokens\": 1024
	}
}"
  
  package main

import (
	"fmt"
	"io/ioutil"
	"net/http"
	"strings"
)

const (
	MODEL           = "gemini-2.5-flash"
	YOUR_API_KEY    = "sk-123456789012345678901234567890123456789012345678"
	REQUEST_PAYLOAD = `{
	"contents": [{
		"role": "user",
		"parts": [{
			"text": "你好，给我科普一下量子力学吧"
		}]
	}],
	"generationConfig": {
		"temperature": 0.7,
		"maxOutputTokens": 1024
	}
}`
)

func main() {

	requestURL := fmt.Sprintf("https://gateway.theturbo.ai/v1/v1beta/models/%s:generateContent", MODEL)
	requestMethod := "POST"
	requestPayload := strings.NewReader(REQUEST_PAYLOAD)

	req, err := http.NewRequest(requestMethod, requestURL, requestPayload)
	if err != nil {
		fmt.Println("Create request failed, err: ", err)
		return
	}

	req.Header.Add("Content-Type", "application/json")
	req.Header.Add("Accept", "application/json")
	req.Header.Add("x-goog-api-key", YOUR_API_KEY)

	client := &http.Client{}

	resp, err := client.Do(req)
	if err != nil {
		fmt.Println("Do request failed, err: ", err)
		return
	}
	defer resp.Body.Close()

	respBodyBytes, err := ioutil.ReadAll(resp.Body)
	if err != nil {
		fmt.Println("Read response body failed, err: ", err)
		return
	}
	fmt.Println(string(respBodyBytes))
}

5.响应示例 

  {
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "量子力学是研究微观世界的物理学分支……"
          }
        ]
      },
      "finishReason": "MAX_TOKENS",
      "avgLogprobs": -2.1121876037198732
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 5,
    "candidatesTokenCount": 153,
    "totalTokenCount": 1027,
    "trafficType": "ON_DEMAND",
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 5
      }
    ],
    "candidatesTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 153
      }
    ],
    "thoughtsTokenCount": 869
  },
  "modelVersion": "gemini-2.5-flash",
  "createTime": "2025-12-11T10:01:58.402576Z",
  "responseId": "lpY6aZDJGOTCgeAP1J-e4Qg"
}