Format natif Gemini

curl --request POST \
  --url https://api.apimart.ai/v1beta/models/gemini-2.5-pro:generateContent \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Hello, please introduce yourself"
        }
      ]
    }
  ]
}'

{
  "code": 200,
  "data": {
    "candidates": [
      {
        "content": {
          "role": "model",
          "parts": [
            {
              "text": "Hello! I'm pleased to introduce myself.\n\nI am a large language model, trained and developed by Google..."
            }
          ]
        },
        "finishReason": "STOP",
        "index": 0,
        "safetyRatings": [
          {
            "category": "HARM_CATEGORY_HATE_SPEECH",
            "probability": "NEGLIGIBLE"
          }
        ]
      }
    ],
    "promptFeedback": {
      "safetyRatings": [
        {
          "category": "HARM_CATEGORY_HATE_SPEECH",
          "probability": "NEGLIGIBLE"
        }
      ]
    ]
  },
  "usageMetadata": {
    "promptTokenCount": 4,
    "candidatesTokenCount": 611,
    "totalTokenCount": 2422,
    "thoughtsTokenCount": 1807,
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 4
      }
    ]
  }
}

POST

v1beta

models

{model}

{method}

curl --request POST \
  --url https://api.apimart.ai/v1beta/models/gemini-2.5-pro:generateContent \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Hello, please introduce yourself"
        }
      ]
    }
  ]
}'

{
  "code": 200,
  "data": {
    "candidates": [
      {
        "content": {
          "role": "model",
          "parts": [
            {
              "text": "Hello! I'm pleased to introduce myself.\n\nI am a large language model, trained and developed by Google..."
            }
          ]
        },
        "finishReason": "STOP",
        "index": 0,
        "safetyRatings": [
          {
            "category": "HARM_CATEGORY_HATE_SPEECH",
            "probability": "NEGLIGIBLE"
          }
        ]
      }
    ],
    "promptFeedback": {
      "safetyRatings": [
        {
          "category": "HARM_CATEGORY_HATE_SPEECH",
          "probability": "NEGLIGIBLE"
        }
      ]
    ]
  },
  "usageMetadata": {
    "promptTokenCount": 4,
    "candidatesTokenCount": 611,
    "totalTokenCount": 2422,
    "thoughtsTokenCount": 1807,
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 4
      }
    ]
  }
}

curl --request POST \
  --url https://api.apimart.ai/v1beta/models/gemini-2.5-pro:generateContent \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Hello, please introduce yourself"
        }
      ]
    }
  ]
}'

{
  "code": 200,
  "data": {
    "candidates": [
      {
        "content": {
          "role": "model",
          "parts": [
            {
              "text": "Hello! I'm pleased to introduce myself.\n\nI am a large language model, trained and developed by Google..."
            }
          ]
        },
        "finishReason": "STOP",
        "index": 0,
        "safetyRatings": [
          {
            "category": "HARM_CATEGORY_HATE_SPEECH",
            "probability": "NEGLIGIBLE"
          }
        ]
      }
    ],
    "promptFeedback": {
      "safetyRatings": [
        {
          "category": "HARM_CATEGORY_HATE_SPEECH",
          "probability": "NEGLIGIBLE"
        }
      ]
    ]
  },
  "usageMetadata": {
    "promptTokenCount": 4,
    "candidatesTokenCount": 611,
    "totalTokenCount": 2422,
    "thoughtsTokenCount": 1807,
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 4
      }
    ]
  }
}

Autorisations

Authorization

string

requis

Tous les points de terminaison de l’API nécessitent une authentification par Bearer TokenObtenez votre clé API :Rendez-vous sur la page de gestion des clés API pour obtenir votre clé APIAjoutez-la dans l’en-tête de la requête :

Authorization: Bearer YOUR_API_KEY

Paramètres de chemin

model

string

requis

Nom du modèleLes exemples utilisent gemini-2.5-pro, que vous pouvez remplacer par d’autres modèles Gemini pris en charge :

gemini-2.5-flash — Gemini 2.5 Flash
gemini-2.5-pro — Gemini 2.5 Pro
gemini-2.5-flash-lite — Gemini 2.5 Flash Lite
gemini-2.5-pro-thinking — Gemini 2.5 Pro à réflexion approfondie

method

enum<string>

requis

Méthode de génération (recommandée : generateContent pour un démarrage rapide) :

generateContent : attendre la réponse complète et la renvoyer en une seule fois
streamGenerateContent : réponse en streaming, renvoie le contenu par segments

Options disponibles : generateContent, streamGenerateContent

Body

contents

array

requis

Liste des contenus de la conversationMinimum 1 message requis

Afficher Structure de l'objet contents

role

string

requis

Type de rôle :

user : message utilisateur
model : réponse du modèle (utilisée dans l’historique de la conversation)

parts

array

requis

Parties du contenu du message

Afficher Structure de l'objet parts

text

string

Contenu textuel

inlineData

object

Données en ligne (pour entrée multimodale)

Afficher Propriétés de inlineData

mimeType

string

Type MIME, par exemple image/jpeg, image/png

data

string

Données encodées en Base64

Exemple :

[
  {
    "role": "user",
    "parts": [{ "text": "Hello, please introduce yourself" }]
  }
]

generationConfig

object

Configuration de génération (optionnelle)

Afficher Propriétés de generationConfig

temperature

number

Contrôle l’aléa de la sortie, plage 0.0–2.0

Les valeurs plus faibles rendent la sortie plus déterministe
Les valeurs plus élevées rendent la sortie plus aléatoire

Par défaut : 1.0

maxOutputTokens

integer

Nombre maximal de tokens à générerLes différents modèles ont des limites maximales différentes

topP

number

Paramètre d’échantillonnage par noyau (nucleus sampling), plage 0.0–1.0Contrôle la masse de probabilité prise en compte lors de l’échantillonnage

topK

integer

Paramètre d’échantillonnage Top-KÉchantillonne uniquement parmi les K tokens les plus probables à chaque étape

stopSequences

array

Liste des séquences d’arrêtArrête la génération lorsque ces séquences sont rencontrées

safetySettings

array

Paramètres de sécurité (optionnels)

Afficher Structure de l'objet safetySettings

Response

candidates

array

Liste des réponses candidates

Afficher Structure de l'objet candidates

content

object

Contenu généré

Afficher Propriétés de content

role

string

Rôle, généralement model

parts

array

Liste des parties de contenu

Afficher Objet parts

text

string

Contenu textuel généré

finishReason

string

Raison de la fin :

STOP : achèvement normal
MAX_TOKENS : limite maximale de tokens atteinte
SAFETY : arrêté pour des raisons de sécurité
RECITATION : arrêté en raison de récitation
OTHER : autres raisons

index

integer

Index de la réponse candidate

safetyRatings

array

Liste des évaluations de sécurité

Afficher Objet safetyRatings

Documentation Index

​Autorisations

​Paramètres de chemin

​Body

​Response

Autorisations

Paramètres de chemin

Body

Response