vertexai/gemini-3.8-flash 的 API 参考文档,该模型由 Comfy Router 从 Google 提供。
输入: 文本, 图像, 音频, 视频 · 输出: 文本
快速开始
在你的 Comfy 工作区中创建一个密钥,并将其导出为COMFY_API_KEY。Python 和 TypeScript 代码片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 代码片段则是通过原始 HTTP 发起同样的调用。
模型 ID: vertexai/gemini-3.8-flash
端点: POST https://api.comfy.org/v2/models/vertexai/gemini-3.8-flash
- 等待结果
- 排队并稍后收集
将相同的请求体发送到
POST https://api.comfy.org/v2/models/vertexai/gemini-3.8-flash/requests。运行被受理后,Router 会立即返回 201 和 request_id;结果就绪后,可以从本进程或其他进程收集。状态、取消与收集的细节见队列投递。Schema
输入
object[]
必填
与模型当前对话的内容。对于单轮查询,这是一个单独的实例。对于多轮查询,这是一个重复字段,包含对话历史和最新的请求。
object[]
必填
object
基于 URI 的数据。
string
URI
string
在 data 或 fileUri 字段中指定的文件的媒体类型。可接受的取值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(无音频)的最大长度为一小时。有关更多信息,请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容会占用 token 限额。图像分辨率无限制。Possible values:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webmobject
原始字节形式的内联数据。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,使用 inlineData 最多可以指定 3000 张图像。
string (byte)
以内联方式包含在提示中的图像、PDF 或视频的 base64 编码。内联包含媒体时,还必须指定数据的媒体类型(mimeType)。大小限制:20MBFormat:
bytestring
在 data 或 fileUri 字段中指定的文件的媒体类型。可接受的取值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(无音频)的最大长度为一小时。有关更多信息,请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容会占用 token 限额。图像分辨率无限制。Possible values:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webmstring
模型读取此部分视频的方式。设置为 “AGENTIC” 可让模型自行决定检查哪些片段,而不是采用固定帧率采样。省略则使用默认的固定帧率采样。受 gemini-3.7-flash 及更新的 Flash 模型支持。
string
文本提示或代码片段。
boolean
表示此部分是模型的一个思考/推理步骤。
string
Possible values:
user, modelobject
生成的采样、长度和输出设置。每个字段都是可选的:下面声明了
default 的字段在省略时应用该默认值,其余字段则回退到模型自身的行为。object
图像生成配置
string
已生成图像的宽高比
object
可选。已生成图像的图像输出格式。
integer
可选。输出图像的压缩质量。
string
可选。输出应保存为的图像格式,适用于 Vertex AI 路径:由 Comfy 自有凭证提供服务的请求,以及使用 GCP 服务账号进行身份验证的 BYOK 请求。这些路径上接受的值为
image/png 和 image/jpeg,匹配时不区分大小写,并在请求转发之前规范化为小写;任何其他值都会被拒绝,并返回一个指明该字段的 400 错误。省略时默认为 image/png。使用 Google AI Studio API 密钥进行身份验证的 BYOK 请求是个例外:该上游没有这样的属性,只要出现该属性就会拒绝整个调用,因此该字段会从请求中移除,而不是被采用或被拒绝,输出格式则由 AI Studio 自行决定。在每条路径上,都应从你所收到的响应部分读回媒体类型(inlineData.mimeType,或者当设置了 uploadImagesToStorage 时为 fileData.mimeType),而不要假定你发送的值。string
可选。指定已生成图像的尺寸。支持的值为 1K、2K、4K。如果未指定,模型将使用默认值 1K。
integer
响应中可生成的 token 最大数量。一个 token 大约相当于 4 个字符。100 个 token 大致对应 60 到 80 个单词。Range:
16 to 65536`TEXT`, `IMAGE`[]
integer
当种子固定为特定值时,模型会尽力为重复请求提供相同的响应。但无法保证输出具有确定性。此外,即使使用相同的种子值,更改模型或参数设置(例如温度)也可能导致响应发生变化。默认情况下,会使用随机种子值。适用于以下模型:gemini-2.5-flash、gemini-2.5-pro、gemini-2.5-flash-preview-04-1、gemini-2.5-pro-preview-05-0、gemini-2.0-flash-lite-00、gemini-2.0-flash-001
string[]
number
默认值:"1"
温度用于在生成响应期间进行采样,该过程在应用 topP 和 topK 时发生。温度控制 token 选择的随机程度。较低的温度适合需要较为封闭或较少创造性的响应的提示,而较高的温度可能带来更多样或更有创造性的结果。温度为 0 表示始终选择概率最高的 token。在这种情况下,给定提示的响应基本上是确定性的,但仍可能存在少量变化。如果模型返回的响应过于宽泛、过短,或者模型给出了回退响应,请尝试提高温度范围:
0 到 2格式:floatobject
可选。思考功能的配置。思考是指模型将复杂任务拆解为更小的步骤,从而生成更高质量响应的过程。
boolean
可选。如果为 true,模型会在响应中包含其思考过程。
integer
可选。模型思考过程的 token 预算。模型会尽力保持在该预算范围内。
string
可选。模型的思考级别。可能的值:
THINKING_LEVEL_UNSPECIFIED、LOW、MEDIUM、HIGH、MINIMALinteger
默认值:"40"
Top-K 会改变模型为输出选择 token 的方式。top-K 为 1 表示所选的下一个 token 是模型词汇表中所有 token 里概率最高的一个。top-K 为 3 表示通过使用温度从前 3 个概率最高的 token 中选择下一个 token。范围:
1 到 …number
默认值:"0.95"
如果指定,则使用核采样。
Top-P 会改变模型为输出选择 token 的方式。token 会按概率从最高(参见 top-K)到最低进行选择,直到它们的概率之和等于 top-P 值。例如,如果 token A、B 和 C 的概率分别为 0.3、0.2 和 0.1,且 top-P 值为 0.5,那么模型会通过使用温度选择 A 或 B 作为下一个 token,并将 C 排除在候选之外。
指定较低的值可获得随机性更低的响应,指定较高的值可获得随机性更高的响应。范围:
0 到 1格式:floatobject[]
用于阻止不安全内容的按请求设置。在 GenerateContentResponse.candidates 上强制执行。
string
必填
可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENTstring
必填
可能的值:
OFF、BLOCK_NONE、BLOCK_LOW_AND_ABOVE、BLOCK_MEDIUM_AND_ABOVE、BLOCK_ONLY_HIGHobject
用于引导模型以获得更好表现的指令。例如,“尽可能简洁地回答”或”不要在响应中使用技术术语”。文本字符串会计入 token 上限。systemInstruction 的 role 字段会被忽略,且不会影响模型的表现。注意:parts 中应仅使用文本,且每个 part 中的内容应位于单独的段落中。
object[]
必填
构成单条消息的有序 part 列表。不同的 part 可以具有不同的 IANA MIME 类型。有关输入的限制,例如最大 token 数或图像数量,请参阅 Google 模型页面上的模型规格。
string
文本提示或代码片段。
string
创建该消息的实体的身份。支持以下值:user:表示该消息由真人发送,通常是用户生成的消息。model:表示该消息由模型生成。在多轮对话中,使用 model 值可将模型的消息插入到对话中。对于非多轮对话,该字段可以留空或不设置。可能的值:
user、modelobject[]
一段代码,使系统能够与外部系统交互,以执行超出模型知识范围与能力范围的操作或一组操作。请参阅 Function calling。
object[]
string
string
必填
object
函数参数的 JSON schema
boolean
如果为 true,已生成的图像将上传到云端存储,并以签名 URL 的形式返回,而不是内联 base64 数据。这些 URL 会在 24 小时后过期。
object
对于视频输入,表示视频的起始和结束偏移量,采用 Duration 格式。例如,要指定一段从 1:00 开始的 10 秒片段,请设置 “startOffset”: { “seconds”: 60 } 和 “endOffset”: { “seconds”: 70 }。只有当视频数据以 inlineData 或 fileData 形式呈现时,才应指定该元数据。
object
表示视频时间轴位置的时长偏移量。
integer
以纳秒分辨率表示的有符号秒的小数部分。带小数的负秒值仍必须具有非负的 nanos 值。范围:
0 到 999999999integer
时间跨度的有符号秒数。必须在 -315,576,000,000 到 +315,576,000,000 之间(含端点)。范围:
-315576000000 到 315576000000object
表示视频时间轴位置的时长偏移量。
integer
以纳秒分辨率表示的有符号秒的小数部分。带小数的负秒值仍必须具有非负的 nanos 值。范围:
0 到 999999999integer
时间跨度的有符号秒数。必须在 -315,576,000,000 到 +315,576,000,000 之间(含端点)。范围:
-315576000000 到 315576000000GET /v2/models/vertexai/gemini-3.8-flash/openapi.json 提供的 schema 生成,这也是请求到达提供商之前 Router 用来验证调用的同一份文档。
输出
object[]
object
object[]
string[]
integer
string
string (date)
格式:
dateinteger
string
string
object
与模型进行的当前对话的内容。对于单轮查询,这是单个实例。对于多轮查询,这是一个重复字段,包含对话历史和最新的请求。
object[]
必填
object
基于 URI 的数据。
string
URI
string
data 或 fileUri 字段中所指定文件的媒体类型。可接受的值包括以下几种。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(不含音频)的最大长度为一小时。有关更多信息,请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容计入 token 限制。图像分辨率无限制。可能的值:
application/pdf、audio/mpeg、audio/mp3、audio/wav、image/png、image/jpeg、image/webp、text/plain、video/mov、video/mpeg、video/mp4、video/mpg、video/avi、video/wmv、video/mpegps、video/flv、image/heic、image/heif、audio/flac、video/webmobject
以内联方式提供的原始字节数据。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,使用 inlineData 最多可以指定 3000 张图像。
string (byte)
以内联方式包含在提示中的图像、PDF 或视频的 base64 编码。以内联方式包含媒体时,还必须指定数据的媒体类型(mimeType)。大小限制:20MB格式:
bytestring
data 或 fileUri 字段中所指定文件的媒体类型。可接受的值包括以下几种。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(不含音频)的最大长度为一小时。有关更多信息,请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容计入 token 限制。图像分辨率无限制。可能的值:
application/pdf、audio/mpeg、audio/mp3、audio/wav、image/png、image/jpeg、image/webp、text/plain、video/mov、video/mpeg、video/mp4、video/mpg、video/avi、video/wmv、video/mpegps、video/flv、image/heic、image/heif、audio/flac、video/webmstring
模型读取此部分的视频的方式。设置为 “AGENTIC” 可让模型自行决定要检查哪些片段,而不是采用固定帧率采样。省略则使用默认的固定帧率采样。受 gemini-3.7-flash 及更新的 Flash 模型支持。
string
文本提示或代码片段。
boolean
指示此部分是模型的思考/推理步骤。
string
可能的值:
user、modelstring
object[]
string
可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENTstring
内容违反指定安全类别的概率可能的值:
NEGLIGIBLE、LOW、MEDIUM、HIGH、UNKNOWNstring
创建响应时的时间戳。
string
用于生成响应的模型版本。
object
string
string
object[]
string
可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENTstring
内容违反指定安全类别的概率。可能的值:
NEGLIGIBLE、LOW、MEDIUM、HIGH、UNKNOWNstring
响应的唯一标识符。
object
integer
仅输出。输入中缓存部分(即缓存内容)的 token 数量。
integer
响应中的 token 数量。
object[]
按模态划分的候选 token 明细。
string
输入或输出内容的模态类型。可能的值:
MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENTinteger
给定模态的 token 数量。
integer
请求中的 token 数量。设置 cachedContent 时,这仍然是提示词的有效总大小,也就是说它包含缓存内容中的 token 数量。
object[]
按模态划分的提示词 token 明细。
string
输入或输出内容的模态类型。可能的值:
MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENTinteger
给定模态的 token 数量。
integer
thoughts 输出中包含的 token 数量。
integer
工具使用提示词中包含的 token 数量。
object[]
按模态划分的工具使用提示词 token 明细。
string
输入或输出内容的模态类型。可能的值:
MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENTinteger
给定模态的 token 数量。
integer
token 总数(提示词 + 候选)。
string
请求使用的流量类型(例如 PROVISIONED_THROUGHPUT)。
示例
输入
输出
发布前须知
SDK 会生成Idempotency-Key 并在自动重试中复用它。手动重试时,请复用原始 key。Router 最长可保持连接 10 分钟。
请求失败时,Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入,413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载,因为结果 URL 会过期。
上文任何字段描述中提到的尺寸限制,都是提供商对该字段自身的限定,引自提供商的规范。Router 会对整个请求体另行设置上限,base64 编码的媒体内容也计入其中:参见请求体大小。
本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端,用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图:Comfy(api_key=...) / new Comfy({ apiKey }),并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。
请求头
身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。
使用 Router API
模型发现、验证错误、重试与计费。
限制
Router 目前不支持的功能,以及替代方案。