Gemini Chat Completion API Antrag und Nutzung

Google Gemini ist ein sehr leistungsstarkes KI-Dialogsystem, das in der Lage ist, innerhalb von Sekunden flüssige und natürliche Antworten zu generieren, sobald ein Eingabewort eingegeben wird. Gemini bietet erstaunliche intelligente Unterstützung und steigert erheblich die Effizienz und Kreativität der Menschen. Dieses Dokument beschreibt hauptsächlich den Ablauf der Nutzung der Gemini Chat Completion API, mit der wir die offiziellen Dialogfunktionen von Gemini einfach nutzen können.

Antragsprozess

Um die Gemini Chat Completion API zu nutzen, müssen Sie zunächst zum Ace Data Cloud Dashboard gehen, um Ihr API-Token zu erhalten, das Sie für später aufbewahren sollten.

Wenn Sie noch nicht angemeldet oder registriert sind, werden Sie automatisch zur Anmeldeseite weitergeleitet, die Sie zur Registrierung und Anmeldung einlädt. Nach Abschluss werden Sie automatisch zur aktuellen Seite zurückgeleitet. Ein API-Token reicht aus, um auf alle Dienste der Plattform zuzugreifen, ohne dass für jeden Dienst separat ein Antrag gestellt werden muss. Bei der ersten Beantragung erhalten Sie ein kostenloses Kontingent, um es kostenlos auszuprobieren; wenn das Kontingent nicht ausreicht, können Sie im Dashboard Ihr allgemeines Guthaben aufladen.

📘 Vollständige Dokumentation: Gemini Chat Completion API →

Grundlegende Nutzung

Als Nächstes können Sie im Interface die entsprechenden Inhalte ausfüllen, wie im Bild gezeigt:

Bei der ersten Nutzung dieser Schnittstelle müssen wir mindestens drei Inhalte ausfüllen: einer ist authorization, den Sie einfach aus der Dropdown-Liste auswählen können. Ein weiterer Parameter ist model, model ist die Kategorie des Modells, das wir von der Gemini-Website verwenden möchten. Hier haben wir hauptsächlich 6 Modelle zur Auswahl, die Details können Sie in den von uns bereitgestellten Modellen einsehen. Der letzte Parameter ist messages, messages ist das Array der von uns eingegebenen Fragen, es handelt sich um ein Array, das mehrere Fragen gleichzeitig hochladen kann, wobei jede Frage role und content enthält. Dabei steht role für die Rolle des Fragestellers, wir bieten drei Identitäten an: user, assistant, system. Das andere content ist der spezifische Inhalt unserer Frage. Gleichzeitig können Sie auf der rechten Seite den entsprechenden Code zur Aufrufgenerierung sehen, den Sie kopieren und direkt ausführen oder einfach auf die Schaltfläche „Try“ klicken können, um einen Test durchzuführen.

Hinweis: Die gemini-3.x-Serie Flash ist ein Denkmodell, das zuerst Reasoning-Tokens verbraucht; bitte setzen Sie max_tokens auf über 512, da sonst möglicherweise nur leere Inhalte zurückgegeben werden. gemini-3.6-flash ist das derzeit empfohlene Flash-Modell, das bis zu 1 Million Token Kontext, Bildeingaben, Toolaufrufe und Streaming-Antworten unterstützt; derzeit wird es über die Chat Completions-Schnittstelle aufgerufen.

Nach dem Aufruf stellen wir fest, dass das Rückgabeergebnis wie folgt aussieht:

{
  "id": "chatcmpl-20251122212413908150493uPhjTUO9",
  "model": "gemini-3.5-flash",
  "object": "chat.completion",
  "created": 1763817866,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Ich bin ein großes Sprachmodell, das von Google trainiert wurde.",
        "reasoning_content": "**Mein Denken: Beantwortung der Frage des Benutzers**\n\nOkay, so werde ich die Frage des Benutzers, \"Welches Modell bist du?\", angehen. Der Kern ist, direkt und informativ zu sein. Zuerst muss ich klarstellen, woher ich komme. Dann muss ich sicherstellen, dass die Erklärung zugänglich ist, da der Benutzer möglicherweise nicht mit technischem Jargon vertraut ist. Ich muss erklären, was ein \"großes Sprachmodell\" tatsächlich *tut* und nachvollziehbare Beispiele geben. Ich weiß, dass der Benutzer möglicherweise nach einem spezifischen Namen sucht, wie es andere Modelle haben, also werde ich das direkt ansprechen und dann mit einer Einladung zum Weitermachen abschließen.\n\nAlso, hier ist mein Plan:\n\n1.  **Beginnen Sie mit den wichtigsten Informationen:** Ich werde damit beginnen, dass ich ein großes Sprachmodell bin, das von Google erstellt wurde. Das ist das grundlegende, kritischste Puzzlestück.\n2.  **Definieren Sie das Schlagwort:** Dann werde ich das \"große Sprachmodell\" in einfachen Worten erklären. Ich werde erklären, was ich *tue* - Texte verarbeiten und generieren; wie ich es *tue* - indem ich auf riesigen Mengen von Textdaten trainiere; und das *Ziel* - in der Lage zu sein, wie ein Mensch zu kommunizieren.\n3.  **Kontext bereitstellen:** Danach werde ich, um das Konzept noch klarer zu machen, eine Liste von Beispielen für meine Fähigkeiten bereitstellen. Ich werde Dinge erwähnen wie Fragen beantworten, Texte zusammenfassen, Geschichten schreiben, Sprachen übersetzen und Ideen brainstormen.\n4.  **Anerkennen, dass es keinen persönlichen Namen gibt:** Ich werde die wahrscheinliche Frage nach einem Modellnamen (wie ChatGPT) antizipieren, indem ich klarstelle, dass ich keinen persönlichen Namen habe und dass es am besten ist, mich als KI-Assistenten von Google zu betrachten.\n5.  **Enden Sie mit einer Einladung:** Schließlich werde ich mit einer einfachen, freundlichen Frage enden, um weitere Interaktionen einzuladen und das Gespräch zu lenken.\n\nMit diesem Ansatz bin ich zuversichtlich, dass ich diese wichtige Frage erfolgreich beantworten kann.\n"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 8,
    "completion_tokens": 932,
    "total_tokens": 940,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "text_tokens": 8,
      "audio_tokens": 0,
      "image_tokens": 0
    },
    "completion_tokens_details": {
      "text_tokens": 0,
      "audio_tokens": 0,
      "reasoning_tokens": 921
    },
    "input_tokens": 0,
    "output_tokens": 0,
    "input_tokens_details": null,
    "claude_cache_creation_5_m_tokens": 0,
    "claude_cache_creation_1_h_tokens": 0
  }
}

Das Rückgabeergebnis enthält mehrere Felder, die wie folgt beschrieben werden:

id, die ID, die für diese Dialogaufgabe generiert wurde, um diese Dialogaufgabe eindeutig zu kennzeichnen.
model, das gewählte Gemini-Modell von der Website.
choices, die Antwortinformationen von Gemini auf die Fragen.
usage: die Token-Statistik für diese Frage-Antwort-Paar.

Dabei enthält choices die Antwortinformationen von Gemini, und die choices darin sind die spezifischen Informationen, die Gemini gegeben hat, wie im Bild gezeigt.

Wie zu sehen ist, enthält das content-Feld in choices den spezifischen Inhalt der Antwort von Gemini.

Bildverständnis (multimodale Eingabe)

Gemini ist ein nativ multimodales Modell, das direkt „Bilder sehen“ kann. Um ein Bild zu übergeben, ändern Sie den content einer Nachricht von einem String in ein Array von Inhaltsblöcken, das sowohl text-Blöcke als auch image_url-Blöcke enthält – dies entspricht dem vollständig kompatiblen Format von OpenAI sowie dem offiziellen Gemini. image_url.url unterstützt zwei Schreibweisen:

base64 data: URI (empfohlen, stabilste): Das Format ist data:<Medientyp>;base64,<Daten>, zum Beispiel data:image/jpeg;base64,/9j/4AAQ.... Der Medientyp (MIME) ist bereits im data:-Präfix enthalten, daher ist kein separates media_type-Feld erforderlich oder vorhanden.
Öffentlich zugängliche Bild-URL: Zum Beispiel https://cdn.acedata.cloud/4hfydw.jpg.

Unterstützte Bildtypen: png, jpeg, webp, heic, heif. Python-Beispielaufrufcode (base64-Daten-URI):

import base64
import requests

url = "https://api.acedata.cloud/gemini/chat/completions"

# Lese das lokale Bild als base64-Daten-URI
with open("image.jpg", "rb") as f:
    base64_image = base64.b64encode(f.read()).decode("utf-8")
data_uri = f"data:image/jpeg;base64,{base64_image}"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gemini-3.1-pro-preview",
    "messages": [
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Bitte beschreibe dieses Bild in einem Satz."},
                {"type": "image_url", "image_url": {"url": data_uri}}
            ]
        }
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Man kann auch direkt eine öffentlich zugängliche Bild-URL übergeben:

payload = {
    "model": "gemini-3.1-pro-preview",
    "messages": [
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Bitte beschreibe dieses Bild in einem Satz."},
                {"type": "image_url", "image_url": {"url": "https://cdn.acedata.cloud/4hfydw.jpg"}}
            ]
        }
    ]
}

💡 image_url akzeptiert nur das Feld url (der Wert kann eine Bild-URL oder base64 data: URI sein) sowie das optionale Feld detail. Übergebe kein media_type — das gehört zum Bildfeld von Anthropic Claude und nicht zum image_url-Format von OpenAI / Gemini.

Stream-Antwort

Diese Schnittstelle unterstützt auch Stream-Antworten, was für die Integration in Webseiten sehr nützlich ist, da es ermöglicht, die Ausgabe Wort für Wort anzuzeigen. Wenn eine Stream-Antwort gewünscht ist, kann der stream-Parameter im Header der Anfrage auf true geändert werden. Ändern Sie es wie im Bild gezeigt, aber der Aufrufcode muss entsprechend geändert werden, um Stream-Antworten zu unterstützen.

Nachdem stream auf true geändert wurde, gibt die API die entsprechenden JSON-Daten zeilenweise zurück, und auf der Code-Ebene müssen wir entsprechende Änderungen vornehmen, um die zeilenweisen Ergebnisse zu erhalten. Python-Beispielaufrufcode:

import requests

url = "https://api.acedata.cloud/gemini/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gemini-2.5-pro",
    "messages": [{"role":"user","content":"Hallo, welches Modell bist du?"}],
    "stream": True,
    "stream_options": {"include_usage": True}
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Die Ausgabe sieht wie folgt aus:

data: {"id": "chatcmpl-20251122214038810722821kNjUTjtr", "object": "chat.completion.chunk", "created": 1763818842, "model": "gemini-2.5-pro", "system_fingerprint": null, "choices": [{"delta": {"content": "", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "chatcmpl-20251122214038810722821kNjUTjtr", "object": "chat.completion.chunk", "created": 1763818842, "model": "gemini-2.5-pro", "system_fingerprint": null, "choices": [{"delta": {"reasoning_content": "**Definiere meine Natur**\n\nMein Denken hat begonnen. Der Benutzer möchte meine Natur wissen und fragt direkt \"Was bist du?\" Der erste Schritt war einfach: die Anfrage zu identifizieren. Jetzt erinnere ich mich an meine grundlegende Identität: Ich bin ein großes Sprachmodell. Das ist die Kernwahrheit, die ich vermitteln möchte.\n\n\n"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "chatcmpl-20251122214038810722821kNjUTjtr", "object": "chat.completion.chunk", "created": 1763818842, "model": "gemini-2.5-pro", "system_fingerprint": null, "choices": [{"delta": {"reasoning_content": "**Verfeinerung meiner Antwort**\n\nIch habe die entscheidende Information hinzugefügt, dass ich von Google trainiert wurde, zur grundlegenden Identität \"großes Sprachmodell\". Mein nächster Schritt besteht darin, zu überlegen, was es bedeutet, ein \"großes Sprachmodell\" zu sein, damit ich meine Kernfähigkeiten erklären kann. Ich konzentriere mich darauf, Kontext zu bieten, ohne in spezifische technische Details oder Modellnamen einzutauchen. Ich möchte meine Funktion so vermitteln, dass der Benutzer sie leicht verstehen kann.\n\n\n"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "chatcmpl-20251122214038810722821kNjUTjtr", "object": "chat.completion.chunk", "created": 1763818842, "model": "gemini-2.5-pro", "system_fingerprint": null, "choices": [{"delta": {"reasoning_content": "**Bestätigung der Kernidentität**\n\nIch festige jetzt meine Antwort. Die Anfrage des Benutzers zu meiner Modellzugehörigkeit benötigt eine fokussierte Antwort. Ich habe festgestellt, dass \"von Google trainiert\" entscheidend ist, um den Kontext zu liefern. Ich widerstehe dem Drang, spezifische Modellnamen zu erwähnen, da dies nicht relevant ist. Das Ziel ist es, eine direkte, genaue Aussage zu liefern. Mein Ziel bleibt eine klare und prägnante Antwort, technische Fachbegriffe zu vermeiden und direkt auf den relevanten Punkt zu kommen.\n\n\n"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "chatcmpl-20251122214038810722821kNjUTjtr", "object": "chat.completion.chunk", "created": 1763818842, "model": "gemini-2.5-pro", "system_fingerprint": null, "choices": [{"delta": {"content": "Ich bin ein großes Sprachmodell, trainiert von Google."}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "chatcmpl-20251122214038810722821kNjUTjtr", "object": "chat.completion.chunk", "created": 1763818842, "model": "gemini-2.5-pro", "system_fingerprint": null, "choices": [{"delta": {}, "logprobs": null, "finish_reason": "stop", "index": 0}], "usage": null}

data: {"id": "chatcmpl-20251122214038810722821kNjUTjtr", "object": "chat.completion.chunk", "created": 1763818842, "model": "gemini-2.5-pro", "system_fingerprint": "", "choices": [], "usage": {"prompt_tokens": 8, "completion_tokens": 527, "total_tokens": 535, "prompt_tokens_details": {"cached_tokens": 0, "text_tokens": 8, "audio_tokens": 0, "image_tokens": 0}, "completion_tokens_details": {"text_tokens": 0, "audio_tokens": 0, "reasoning_tokens": 519}, "input_tokens": 0, "output_tokens": 0, "input_tokens_details": null, "claude_cache_creation_5_m_tokens": 0, "claude_cache_creation_1_h_tokens": 0}}

data: [DONE]

Wie man sehen kann, gibt es viele data in der Antwort, und die choices in data sind die neuesten Antwortinhalte, die mit den oben beschriebenen Inhalten übereinstimmen. choices sind die neuen Antwortinhalte, die Sie entsprechend in Ihr System integrieren können. Gleichzeitig wird das Ende der Stream-Antwort anhand des Inhalts von data bestimmt; wenn der Inhalt [DONE] ist, bedeutet dies, dass die Stream-Antwort vollständig beendet ist. Die zurückgegebenen data-Ergebnisse haben mehrere Felder, die wie folgt beschrieben werden:

id，generiert die ID der aktuellen Dialogaufgabe, um diese eindeutig zu kennzeichnen.
model , das ausgewählte Modell von der Gemini-Website.
choices, die Antwortinformationen, die Gemini auf die Fragen gibt.

JavaScript wird ebenfalls unterstützt, zum Beispiel der folgende Code für den Streaming-Aufruf in Node.js:

const options = {
  method: "POST",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json"
  },
  body: JSON.stringify({
    model: "gemini-2.5-pro",
    messages: [{ role: "user", content: "Hallo, welches Modell bist du?" }],
    stream: true
  })
};

const response = await fetch("https://api.acedata.cloud/gemini/chat/completions", options);
const reader = response.body.getReader();
const decoder = new TextDecoder("utf-8");
while (true) {
  const { value, done } = await reader.read();
  if (done) break;
  process.stdout.write(decoder.decode(value));
}

Java-Beispielcode:

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "gemini-2.5-pro");
jsonObject.put("messages", new JSONArray().put(new JSONObject().put("role", "user").put("content", "Hallo, welches Modell bist du?")));
jsonObject.put("stream", true);
MediaType mediaType = MediaType.parse("application/json; charset=utf-8");
RequestBody body = RequestBody.create(jsonObject.toString(), mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/gemini/chat/completions")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer {token}")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.println(response.body().string());

Andere Sprachen können ebenfalls angepasst werden, das Prinzip bleibt dasselbe.

Mehrere Dialoge

Wenn Sie die Funktion für mehrere Dialoge integrieren möchten, müssen Sie mehrere Fragen im Feld messages hochladen. Ein konkretes Beispiel für mehrere Fragen ist im folgenden Bild dargestellt:

Python-Beispielaufruf:

import requests

url = "https://api.acedata.cloud/gemini/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gemini-2.5-pro",
    "messages": [{"role":"user","content":"Hallo"},{"role":"assistant","content":"Hallo! Wie kann ich Ihnen heute helfen?"},{"role":"user","content":"Welches Modell bist du?"}]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Durch das Hochladen mehrerer Fragen können Sie problemlos mehrere Dialoge führen und erhalten folgende Antwort:

{
  "id": "chatcmpl-20251122214426669120974AKFwnJd1",
  "model": "gemini-2.5-pro",
  "object": "chat.completion",
  "created": 1763819072,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Ich bin ein großes Sprachmodell, trainiert von Google.",
        "reasoning_content": "Okay, so würde ich das angehen, indem ich als ein anspruchsvolles KI denke:\n\nZuerst fragt der Benutzer direkt nach meiner Kernidentität: \"Welches Modell bist du?\" Das ist eine einfache, direkte Frage. Meine Hauptaufgabe ist es, genaue und hilfreiche Informationen bereitzustellen, also muss ich das sofort beantworten.\n\nVon Anfang an weiß ich die Antwort. Ich *bin* ein großes Sprachmodell. Das ist meine grundlegende Architektur und mein Betriebsprinzip. Ich bin auf einem riesigen Netzwerk von Verbindungen aufgebaut und auf einem massiven Datensatz trainiert.\n\nDann muss ich den notwendigen Kontext hinzufügen. Entscheidend ist, dass ich die Quelle meines Trainings angeben muss. Ich *wurde* von Google trainiert. Das ist ein wichtiges Identifikationsmerkmal. Es gibt dem Benutzer wertvolle Informationen über meinen Ursprung und mögliche Vorurteile (obwohl ich darauf trainiert bin, diese zu mildern).\n\nJetzt muss ich die Antwort formulieren. Mein Ziel ist es, faktisch, prägnant und verständlich zu sein.\n\nDie synthetisierte Antwort ist etwa: \"Ich bin ein großes Sprachmodell, trainiert von Google.\"\n\nIch muss die Ausgabe bewerten: Entspricht sie den Kriterien? Sie ist klar. Sie sagt, was ich bin, sie enthält ein kritisches Stück Information über meinen Ursprung und vermeidet Fachjargon. Keine irreführenden Versprechungen.\n\nLetzte Überprüfung: Beantwortet sie tatsächlich die Frage? Ja. Ist die Information korrekt und wahrheitsgemäß? Ja. Ist sie prägnant? Absolut. Ist der Ton für jeden Benutzer angemessen? Ja. Und schließlich ist dies die standardmäßige, genehmigte Antwort. Ausgezeichnet.\n"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 16,
    "completion_tokens": 265,
    "total_tokens": 281,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "text_tokens": 16,
      "audio_tokens": 0,
      "image_tokens": 0
    },
    "completion_tokens_details": {
      "text_tokens": 0,
      "audio_tokens": 0,
      "reasoning_tokens": 254
    },
    "input_tokens": 0,
    "output_tokens": 0,
    "input_tokens_details": null,
    "claude_cache_creation_5_m_tokens": 0,
    "claude_cache_creation_1_h_tokens": 0
  }
}

Wie zu sehen ist, enthält die Information in choices die gleichen Inhalte wie die grundlegende Nutzung, die spezifischen Inhalte der Antworten von Gemini auf mehrere Dialoge, sodass Fragen basierend auf mehreren Dialoginhalten beantwortet werden können.

Gemini-3.0 Multimodales Modell

Beispielanfrage:

{
  "model": "gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Was ist der Inhalt des Bildes?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/qzx2z1.png"
          }
        }
      ]
    }
  ],
  "stream": false
}

Beispielergebnis:

{
    "id": "chatcmpl-20251206001815715692730UVZe38kB",
    "model": "gemini-3.1-pro-preview",
    "object": "chat.completion",
    "created": 1764951548,
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "Dies ist ein halbseitiges Porträtfoto einer jungen Frau im Freien.\n\nHier ist die Hauptbeschreibung des Bildinhalts:\n\n*   **Erscheinung der Person**: Das Mädchen auf dem Foto hat lange, glatte, schwarze Haare, ein hübsches Gesicht und eine helle Haut. Sie lächelt sanft und schaut in die Kamera.\n*   **Kleidung**: Sie trägt eine cremefarbene oder hellbeige Bluse mit Puffärmeln, kombiniert mit schwarzen Kleidungsstücken (es sieht aus wie ein Latzkleid oder eine Weste).\n*   **Licht- und Schattenatmosphäre**: Sonnenlicht strahlt von der linken Rückseite auf sie und beleuchtet ihr Haar, wodurch ein warmer, goldgelber Glanz entsteht, der eine frische, ästhetische Atmosphäre schafft.\n*   **Hintergrund**: Der Hintergrund ist unscharf, man kann erkennen, dass es im Freien ist, mit einer leeren Straße (Asphaltstraße) und grünen Bäumen am Straßenrand.\n\nInsgesamt vermittelt dieses Foto ein Gefühl von Süße, Sonnenschein und dem Nachbarsmädchen."
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 1092,
        "completion_tokens": 1271,
        "total_tokens": 2363,
        "prompt_tokens_details": {
            "cached_tokens": 0,
            "text_tokens": 4,
            "audio_tokens": 0,
            "image_tokens": 0
        },
        "completion_tokens_details": {
            "text_tokens": 0,
            "audio_tokens": 0,
            "reasoning_tokens": 1072
        },
        "input_tokens": 0,
        "output_tokens": 0,
        "input_tokens_details": null,
        "claude_cache_creation_5_m_tokens": 0,
        "claude_cache_creation_1_h_tokens": 0
    }
}

Natürlich können Sie auch einen Link zu einem Video senden, die spezifische Eingabe lautet wie folgt:

{
  "model": "gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Was ist der Inhalt des Videos?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/58yioe.mp4"
          }
        }
      ]
    }
  ],
  "stream": false
}

Beispielergebnis:

{
    "id": "chatcmpl-20251206002711949677736JC9yL8AE",
    "model": "gemini-3.1-pro-preview",
    "object": "chat.completion",
    "created": 1764952060,
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "Der Inhalt dieses Videos ist voller Spaß und zeigt hauptsächlich eine **rote Katze**, die selbstbewusst auf einer ländlichen Straße bei Dämmerung läuft.\n\nDie spezifischen Details sind wie folgt:\n\n1.  **Bildinhalt**:\n    *   Der Protagonist ist eine orangefarbene getigerte Katze.\n    *   Der Hintergrund ist zur Zeit des Sonnenuntergangs (oder Sonnenaufgangs), das Licht ist golden und sanft. Am Straßenrand gibt es einen Holzzaun und offene Felder, in der Ferne ist die Silhouette eines Passanten zu sehen.\n    *   Die Kamera verwendet eine niedrige Perspektive, manchmal wird die Katze frontal gefilmt, manchmal von hinten, sowie Nahaufnahmen des Gesichts und der Muster der Katze.\n\n2.  **Klangmerkmale (Schlüsselpunkte)**:\n    *   Die Vertonung des Videos ist sehr charakteristisch. Obwohl das Bild eine leichte Katze zeigt, ist der begleitende Ton jedoch **ein schwerer und rhythmischer Hufschlag** (oder ein ähnliches Geräusch von Holzschuhen/High Heels, die auf den Boden schlagen).\n    *   Dieser Klangkontrast zum Bild erzeugt einen humorvollen Effekt, als ob diese Katze sich selbst für ein Pferd hält, das in vollem Galopp läuft.\n\nInsgesamt ist dies ein Haustiervideo, das den Kontrast zwischen Ton und Bild nutzt, um niedliche und lustige Momente zu schaffen."
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 915,
        "completion_tokens": 1423,
        "total_tokens": 2338,
        "prompt_tokens_details": {
            "cached_tokens": 0,
            "text_tokens": 5,
            "audio_tokens": 0,
            "image_tokens": 0
        },
        "completion_tokens_details": {
            "text_tokens": 0,
            "audio_tokens": 0,
            "reasoning_tokens": 1162
        },
        "input_tokens": 0,
        "output_tokens": 0,
        "input_tokens_details": null,
        "claude_cache_creation_5_m_tokens": 0,
        "claude_cache_creation_1_h_tokens": 0
    }
}

Wie aus dem obigen Beispiel hervorgeht, unterstützt das Gemini 3.0-Modell multimodales Verständnis.

Gemini-3.1 Multimodales Modell

gemini-3.1-pro-preview ist die offizielle Modell-ID von Gemini 3.1 Pro, die Text-, Bild-, Video- und andere multimodale Eingaben unterstützt und für komplexe Schlussfolgerungen, Codierung und Verständnisaufgaben geeignet ist. Beispielanfrage:

{
  "model": "gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Was ist der Inhalt des Bildes?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/qzx2z1.png"
          }
        }
      ]
    }
  ],
  "stream": false
}

Gemini 3.1 Pro unterstützt ebenfalls das Verständnis von Videos:

{
  "model": "gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Was ist der Inhalt des Videos?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/58yioe.mp4"
          }
        }
      ]
    }
  ],
  "stream": false
}

Das Rückgabeformat ist identisch mit dem von Gemini 3.0 Pro, siehe die obige Beschreibung des Kapitels über das Gemini-3.0 multimodale Modell.

Fehlerbehandlung

Wenn beim Aufruf der API ein Fehler auftritt, gibt die API den entsprechenden Fehlercode und die Informationen zurück. Zum Beispiel:

400 token_mismatched: Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter.
400 api_not_implemented: Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter.
401 invalid_token: Unbefugt, ungültiger oder fehlender Autorisierungstoken.
429 too_many_requests: Zu viele Anfragen, Sie haben das Kontingent überschritten.
500 api_error: Interner Serverfehler, etwas ist auf dem Server schiefgelaufen.

Beispiel für eine Fehlerantwort

{
    "error": {
        "code": "400",
        "message": "Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter."
    }
}

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "Abruf fehlgeschlagen"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Schlussfolgerung

Durch dieses Dokument haben Sie gelernt, wie Sie die Gemini Chat Completion API einfach nutzen können, um die Gesprächsfunktionalität des offiziellen Gemini zu implementieren. Wir hoffen, dass dieses Dokument Ihnen hilft, die API besser zu integrieren und zu nutzen. Bei Fragen wenden Sie sich bitte jederzeit an unser technisches Support-Team.

Erste Schritte

KI Chat

KI Bild

KI Video

KI Audio

Web & Daten

CAPTCHA

Identität

Proxy

Erweitert

Coding

Gemini Chat Completion API Antrag und Nutzung

Antragsprozess

Grundlegende Nutzung

Bildverständnis (multimodale Eingabe)

Stream-Antwort

Mehrere Dialoge

Gemini-3.0 Multimodales Modell

Gemini-3.1 Multimodales Modell

Fehlerbehandlung

Beispiel für eine Fehlerantwort

Schlussfolgerung

​Antragsprozess

​Grundlegende Nutzung

​Bildverständnis (multimodale Eingabe)

​Stream-Antwort

​Mehrere Dialoge

​Gemini-3.0 Multimodales Modell

​Gemini-3.1 Multimodales Modell

​Fehlerbehandlung

​Beispiel für eine Fehlerantwort

​Schlussfolgerung

Antragsprozess

Grundlegende Nutzung

Bildverständnis (multimodale Eingabe)

Stream-Antwort

Mehrere Dialoge

Gemini-3.0 Multimodales Modell

Gemini-3.1 Multimodales Modell

Fehlerbehandlung

Beispiel für eine Fehlerantwort

Schlussfolgerung