Gemini API_AI应用接口api_AI基础设施

Gemini REST API 是 Google 为开发者提供的一套标准 RESTful 接口，用于在应用程序中集成其最新的 Gemini 系列生成式 AI 模型。它支持文本、图像、音频和视频等多种模态的输入与生成，是构建 AI 应用最直接的方式之一。

核心能力与主要端点

Gemini REST API 围绕几个核心端点构建，以满足从简单查询到复杂代理工作流的不同需求：

Interactions API (推荐)：这是自 2026 年 6 月起成为默认的接口，也是未来构建应用的最佳方式。它专为支持代理工作流、服务器端状态管理以及复杂的多模态多轮对话而优化。官方建议所有新项目都应使用此 API。
generateContent API (旧版)：标准的非流式 REST 端点，用于处理请求并以单个数据包返回完整响应。目前仍受支持，但已被标记为旧版 (Legacy)。
streamGenerateContent API：通过服务器发送事件（SSE）实现流式响应，可将模型生成的回复片段逐步推送给用户，从而为聊天机器人等应用提供更快速的交互体验。
Live API：基于 WebSocket 的双向流式 API，专为实时对话等低延迟场景设计。
其他端点：还包括用于提交离线任务的批次模式 (batchGenerateContent)、生成文本嵌入的嵌入 (embedContent)，以及用于图像生成 (Imagen) 和视频生成 (Veo) 的生成媒体 API。

认证与使用方式

调用 Gemini REST API 非常简单直接。

认证：所有 API 请求都必须包含 x-goog-api-key 标头，并附上你在 Google AI Studio 中免费创建的 API 密钥。

基本调用：你可以使用 curl 命令直接调用 REST 端点。例如，一次典型的 API 调用如下所示：

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.7-flash",
    "input": "用几句话解释一下AI是如何工作的"
  }'

SDK 支持：除了直接使用 REST API，Google 也为 Python、JavaScript (Node.js) 等主流语言提供了官方 SDK，可以更便捷地集成。

模型选择与定价

Gemini API 提供了多种模型，以满足不同场景对性能、速度和成本的需求。

主要模型：
- Gemini 3.1 Pro：旗舰级推理模型，适用于最复杂的任务。
- Gemini 3.6/3.7 Flash：主力工作模型，在性能、速度和成本之间取得了良好平衡。
- Gemini 3.5 Flash-Lite：最高性价比的模型，适用于大规模、高吞吐量的任务。
定价模式：API 按Token计费，而非按请求次数。费用分为输入 Token（你发送的内容）和输出 Token（模型生成的内容）两部分，其中输出 Token 的价格通常是输入 Token 的 4-6 倍。
价格参考：
- Gemini 3.6 Flash：输入 $1.50/百万tokens，输出 $7.50/百万tokens。
- Gemini 3.5 Flash-Lite：输入 $0.30/百万tokens，输出 $2.50/百万tokens。
- Gemini 3.1 Pro：输入 $2.00/百万tokens (≤200K)，输出 $12.00/百万tokens (≤200K)。
- 注意：Pro 级别的模型在输入超过 20 万 token 时，价格会有所上浮。

最新进展：代理能力与更多功能

Gemini API 正在快速演进，以支持更先进的 AI 代理（Agent）功能。

Managed Agents (托管代理)：这是 Gemini API 的一项新功能，允许开发者通过单次 API 调用即可创建一个能够进行推理、使用工具，并在隔离的 Linux 环境中执行代码的 AI 代理。
OpenAI 兼容性：为了便于开发者迁移，Gemini API 也提供了与 OpenAI API 兼容的接口。
多模态与工具：最新的模型如 Gemini 3.7 Flash，支持 100 万 token 的上下文窗口，并能将网络搜索作为内置工具。