Gemini（Google 兼容）

/v1beta/models/{model}:generateContent —— Google 原生格式接口，可直接使用 Google GenAI SDK。

AIZNT 提供 Google 原生格式的 Gemini 接口，可直接使用 Google GenAI SDK，或将 Gemini CLI 指向 AIZNT。

接口地址

POST https://token.aiznt.com/v1beta/models/{model}:generateContent
POST https://token.aiznt.com/v1beta/models/{model}:streamGenerateContent

请求示例

curl "https://token.aiznt.com/v1beta/models/gemini-3.7-flash:generateContent" \
  -H "x-goog-api-key: sk-你的aiznt密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [{"text": "你好"}]
    }]
  }'

常用请求参数

参数	类型	必填	说明
`contents`	array	是	对话内容列表，每项包含 `role` 和 `parts`；简单请求可省略 `role`
`systemInstruction`	object	否	系统指令，结构为包含 `parts` 的 Content 对象
`generationConfig`	object	否	生成配置容器
`generationConfig.maxOutputTokens`	integer	否	候选回答的最大输出 token 数，思考模型还会从中消耗思考额度
`generationConfig.temperature`	number	否	采样温度；有效范围和默认值取决于模型
`generationConfig.topP`	number	否	核采样参数
`generationConfig.topK`	integer	否	限制参与采样的候选 token 数
`generationConfig.stopSequences`	array	否	自定义停止序列
`generationConfig.candidateCount`	integer	否	返回的候选回答数量；部分模型不支持多个候选项
`generationConfig.responseMimeType`	string	否	输出 MIME 类型，例如 `application/json`
`generationConfig.responseSchema`	object	否	结构化输出的 JSON Schema，需配合兼容的响应 MIME 类型和模型
`generationConfig.thinkingConfig`	object	否	思考配置，可包含 `thinkingLevel`、`thinkingBudget` 或 `includeThoughts`
`tools`	array	否	模型可调用的工具，例如函数声明
`toolConfig`	object	否	工具调用行为配置
`safetySettings`	array	否	请求级安全设置；可用类别和阈值取决于服务与模型

参数兼容性

生成、思考、结构化输出、工具调用和安全参数的支持范围取决于 Gemini 模型版本。向不支持的模型传入参数可能返回错误。

输出 token 与思考配置

Gemini 原生接口使用 generationConfig.maxOutputTokens 控制本轮输出上限，不使用 OpenAI 兼容接口的 max_tokens 字段。对于支持思考的模型，思考过程也会消耗输出额度；额度过小时，可能返回 HTTP 200，但没有可展示的正文，且 candidates[0].finishReason 为 "MAX_TOKENS"。

{
  "contents": [{"parts": [{"text": "用一句话介绍 AIZNT"}]}],
  "generationConfig": {"maxOutputTokens": 1024}
}

调用方不要只根据 HTTP 状态码判断成功，还应检查 candidates[].content.parts 与 candidates[].finishReason。如果没有正文且结束原因为 "MAX_TOKENS"，请提高 maxOutputTokens 后重试，并检查 usageMetadata.thoughtsTokenCount 判断额度是否主要消耗在思考阶段。没有适用于所有 Gemini 模型的固定最小值。

以下小额度响应已经过平台实测：

{
  "candidates": [
    {"finishReason": "MAX_TOKENS"}
  ],
  "usageMetadata": {
    "promptTokenCount": 7,
    "totalTokenCount": 13,
    "thoughtsTokenCount": 6
  }
}

支持思考配置的模型可通过 generationConfig.thinkingConfig 控制思考行为。不同模型支持的关闭参数并不一致，请按下方兼容性表传参，不要仅根据模型 ID 推断。

关闭思考模式

以下结果于 2026-09-10 使用 AIZNT Google 原生接口实测，测试请求均设置 maxOutputTokens: 2000：

模型 ID	是否可关闭思考	参数	说明
`gemini-3.5-flash`	是	`thinkingBudget: 0`	连续 3 次测试的 `thoughtsTokenCount` 均为 0
`gemini-3.6-flash`	是	`thinkingBudget: 0`	连续 3 次测试的 `thoughtsTokenCount` 均为 0
`gemini-3.1-pro-preview`	是	`thinkingBudget: 0`	连续 3 次测试的 `thoughtsTokenCount` 均为 0
`gemini-3.7-flash`	不保证	无可靠的关闭参数	`thinkingBudget: 0` 仍可能产生思考 token；`thinkingLevel: "LOW"` 只能降低思考等级，不能关闭

对前三个支持关闭的模型，可使用以下请求。将 URL 中的 {model} 替换为对应模型 ID：

curl "https://token.aiznt.com/v1beta/models/{model}:generateContent" \
  -H "x-goog-api-key: sk-你的aiznt密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [{"text": "分析这个问题并给出答案"}]
    }],
    "generationConfig": {
      "maxOutputTokens": 2000,
      "thinkingConfig": {
        "thinkingBudget": 0
      }
    }
  }'

检查响应中的 usageMetadata.thoughtsTokenCount：字段为 0 或未返回时，本次请求未消耗思考 token。

gemini-3.7-flash 注意事项

平台对 thinkingBudget: 0 共测试 13 次，其中 3 次归零、10 次仍产生思考 token，因此不能将该参数视为可靠的关闭开关。thinkingLevel: "MINIMAL" 会返回 HTTP 400（该模型不支持 MINIMAL），thinkingLevel: "LOW" 可以调用，但仍会产生思考 token。

若需要模型返回可展示的思考内容，可设置 includeThoughts: true。当模型产生可返回的思考时，响应中会出现 thought: true 的内容块，应用应将它与最终正文分开处理：

{
  "contents": [{"parts": [{"text": "分析 2+2 并给出答案"}]}],
  "generationConfig": {
    "maxOutputTokens": 512,
    "thinkingConfig": {
      "thinkingLevel": "LOW",
      "includeThoughts": true
    }
  }
}

includeThoughts 只控制是否返回可展示的思考内容，不会关闭思考，也不能保证降低思考 token 用量。可用的思考参数与取值取决于模型版本；向不支持的模型传入思考配置会返回错误。

响应字段

字段	说明
`candidates[].content.parts[].text`	模型返回的文本内容
`candidates[].content.parts[].thought`	为 `true` 时表示思考内容，不应当作最终正文展示
`candidates[].finishReason`	结束原因，例如 `STOP`、`MAX_TOKENS` 或安全相关原因
`usageMetadata.promptTokenCount`	输入 token 数
`usageMetadata.candidatesTokenCount`	最终候选回答 token 数；空正文时可能不返回
`usageMetadata.thoughtsTokenCount`	思考 token 数；模型未产生思考时可能不返回
`usageMetadata.totalTokenCount`	输入、思考与候选回答的总 token 数
`modelVersion` / `responseId`	实际模型版本与响应标识

流式输出

streamGenerateContent 返回 text/event-stream，每个事件以 data: 开头：

curl -N "https://token.aiznt.com/v1beta/models/gemini-3.7-flash:streamGenerateContent" \
  -H "x-goog-api-key: sk-你的aiznt密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "写一首两行短诗"}]}]
  }'

流式处理中应逐条解析 data: 后的 JSON。中间事件的 finishReason 可能为空，最终事件会给出结束原因和用量信息。

Python SDK

from google import genai

client = genai.Client(
    api_key="sk-你的aiznt密钥",
    http_options={"base_url": "https://token.aiznt.com"},
)

resp = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="你好",
)
print(resp.text)

SDK 会自动拼接 /v1beta/models/...，因此 base_url 只填写域名，不要附加 /v1beta。

客户端接入

Gemini CLI 通过环境变量 GOOGLE_GEMINI_BASE_URL 与 GEMINI_API_KEY 接入，详见 Gemini CLI 接入指南。

Gemini（Google 兼容）

本页目录