Solicitação e Uso da API de Conclusão de Chat Gemini

{
  "id": "chatcmpl-20251122212413908150493uPhjTUO9",
  "model": "gemini-3.5-flash",
  "object": "chat.completion",
  "created": 1763817866,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Eu sou um grande modelo de linguagem, treinado pelo Google.",
        "reasoning_content": "**Meu Raciocínio: Respondendo à Pergunta do Usuário**\n\nOk, aqui está como vou abordar a resposta à pergunta do usuário, \"Qual modelo você é?\". O essencial é ser direto e informativo. Primeiro, preciso deixar claro sobre minha origem. Em seguida, preciso garantir que a explicação seja acessível, dado que o usuário pode não estar familiarizado com jargões técnicos. Preciso explicar o que um \"grande modelo de linguagem\" realmente *faz*, e fornecer exemplos relacionáveis. Sei que o usuário pode estar procurando um nome específico, como outros modelos têm, então vou abordar isso diretamente e depois encerrar com um convite para continuar.\n\nEntão, aqui está meu plano:\n\n1.  **Começar com a informação chave:** Vou começar afirmando que sou um grande modelo de linguagem criado pelo Google. Essa é a peça fundamental e mais crítica do quebra-cabeça.\n2.  **Definir o termo técnico:** Em seguida, vou explicar o que é um \"grande modelo de linguagem\" em termos simples. Vou explicar o que eu *faço* - processar e gerar texto; como eu *faço* isso - treinando em enormes quantidades de dados textuais; e o *objetivo* - ser capaz de comunicar como um humano.\n3.  **Fornecer contexto:** Depois disso, para tornar o conceito ainda mais claro, vou fornecer uma lista de exemplos das minhas capacidades. Vou mencionar coisas como responder perguntas, resumir textos, escrever histórias, traduzir idiomas e gerar ideias.\n4.  **Reconhecer a falta de um nome pessoal:** Vou antecipar a provável pergunta sobre um nome de modelo (como ChatGPT) afirmando claramente que não tenho um nome pessoal e que é melhor pensar em mim como um assistente de IA do Google.\n5.  **Encerrar com um convite:** Por último, vou encerrar com uma pergunta simples e amigável para convidar a uma interação adicional e guiar a conversa.\n\nCom essa abordagem, estou confiante de que posso responder com sucesso a essa pergunta importante.\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
  }
}

import base64
import requests

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

# Lê a imagem local como um URI de dados base64
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": "Por favor, descreva esta imagem em uma frase."},
                {"type": "image_url", "image_url": {"url": data_uri}}
            ]
        }
    ]
}

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

payload = {
    "model": "gemini-3.1-pro-preview",
    "messages": [
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Por favor, descreva esta imagem em uma frase."},
                {"type": "image_url", "image_url": {"url": "https://cdn.acedata.cloud/4hfydw.jpg"}}
            ]
        }
    ]
}

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":"Olá, qual modelo você é?"}],
    "stream": True,
    "stream_options": {"include_usage": True}
}

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

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": "**Definindo Minha Natureza**\n\nMeu pensamento começou. O usuário quer saber minha natureza, perguntando diretamente \"o que você é?\" O primeiro passo foi simples: identificar a consulta. Agora, lembro-me da minha identidade fundamental: sou um grande modelo de linguagem. Esta é a verdade central que pretendo transmitir.\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": "**Refinando Minha Resposta**\n\nAdicionei a informação crucial de que fui treinado pelo Google à identidade básica de \"grande modelo de linguagem\". Meu próximo passo é considerar o que significa ser um \"grande modelo de linguagem\", para que eu possa explicar minhas capacidades principais. Estou focando em fornecer contexto sem entrar em detalhes técnicos específicos ou nomes de modelos. Quero transmitir minha função de uma maneira que o usuário possa entender facilmente.\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": "**Confirmando a Identidade Central**\n\nAgora estou solidificando minha resposta. A consulta do usuário sobre minha afiliação de modelo precisa de uma resposta focada. Identifiquei que \"treinado pelo Google\" é essencial, fornecendo um contexto chave. Estou resistindo à tentação de mencionar nomes de modelos específicos, pois não é relevante. O objetivo é entregar uma declaração direta e precisa. Meu objetivo continua sendo uma resposta clara e concisa, evitando jargões técnicos e indo direto ao ponto relevante.\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": "Eu sou um grande modelo de linguagem, treinado pelo 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]

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: "Hello, what model are you?" }],
    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));
}

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "gemini-2.5-pro");
jsonObject.put("messages", new JSONArray().put(new JSONObject().put("role", "user").put("content", "Hello, what model are you?")));
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());

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":"Hello"},{"role":"assistant","content":"Hello there! How can I help you today?"},{"role":"user","content":"What model are you?"}]
}

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

{
  "id": "chatcmpl-20251122214426669120974AKFwnJd1",
  "model": "gemini-2.5-pro",
  "object": "chat.completion",
  "created": 1763819072,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "I am a large language model, trained by Google.",
        "reasoning_content": "Okay, here's how I'd approach this, thinking as a sophisticated AI:\n\nFirst, the user is directly querying my core identity: \"What model are you?\" That's a simple, straightforward question. My primary task is to provide accurate and helpful information, so I need to answer this immediately.\n\nRight off the bat, I know the answer. I *am* a large language model. That's my fundamental architecture and operational principle. I'm built on a vast network of connections and trained on a massive dataset.\n\nThen I must add the necessary context. Crucially, I have to provide the source of my training. I *was* trained by Google. That's a key identifier. It provides the user with valuable information about my origin and potential biases (though I'm trained to mitigate them).\n\nNow I must construct the response. My goal is to be factual, concise, and understandable.\n\nThe synthesized response is something like: \"I am a large language model, trained by Google.\"\n\nI have to assess the output: Does it meet the criteria? It's clear. It states what I am, it includes a critical piece of information on my origins, and it avoids jargon. No misleading promises.\n\nFinal verification: Does it actually answer the question? Yes. Is the information correct and truthful? Yes. Is it concise? Absolutely. Is the tone appropriate for any user? Yes. And, finally, this is the standard, approved response. Excellent.\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
  }
}

{
  "model": "gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Qual é o conteúdo da imagem?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/qzx2z1.png"
          }
        }
      ]
    }
  ],
  "stream": false
}

{
  "id": "chatcmpl-20251206001815715692730UVZe38kB",
  "model": "gemini-3.1-pro-preview",
  "object": "chat.completion",
  "created": 1764951548,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Esta é uma foto de retrato de uma jovem ao ar livre.\n\nAbaixo está a descrição do conteúdo principal da imagem:\n\n*   **Aparência da pessoa**: A garota na foto tem cabelos longos e lisos, de cor preta, com traços delicados e pele clara. Ela exibe um sorriso suave e olha para a câmera.\n*   **Vestuário**: Ela está vestindo uma blusa de mangas bufantes em tom creme ou pêssego claro, combinada com roupas pretas (parecendo um vestido com alças ou um colete).\n*   **Iluminação e atmosfera**: A luz do sol vem do lado esquerdo, iluminando seu cabelo e criando um halo dourado e quente, criando uma atmosfera fresca e bela.\n*   **Fundo**: O fundo está desfocado, mas é possível ver que está ao ar livre, com uma estrada vazia (asfalto) e árvores verdes ao lado da estrada.\n\nDe modo geral, esta foto transmite uma sensação de doçura, sol e a imagem da garota da vizinhança."
      },
      "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
  }
}

{
  "model": "gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Qual é o conteúdo do vídeo?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/58yioe.mp4"
          }
        }
      ]
    }
  ],
  "stream": false
}

{
  "id": "chatcmpl-20251206002711949677736JC9yL8AE",
  "model": "gemini-3.1-pro-preview",
  "object": "chat.completion",
  "created": 1764952060,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "O conteúdo deste vídeo é divertido, mostrando principalmente um **gato laranja** correndo confiantemente por uma estrada rural ao entardecer.\n\nDetalhes específicos:\n\n1.  **Conteúdo da imagem**:\n    *   O protagonista é um gato laranja com listras.\n    *   O fundo é durante o pôr do sol (ou ao amanhecer), com luz dourada e suave. Há uma cerca de madeira e um campo ao lado da estrada, e ao longe, a silhueta de um pedestre.\n    *   A câmera foi filmada em um ângulo baixo, capturando o gato correndo em direção à câmera e também sua parte de trás, além de close-ups do rosto e das marcas do gato.\n\n2.  **Características sonoras (pontos-chave)**:\n    *   A narração do vídeo é muito característica. Embora a imagem mostre um gato leve correndo, o som que a acompanha é de **cavalos pesados e rítmicos** (ou um som semelhante a tamancos/tacos de salto batendo no chão).\n    *   Esse contraste sonoro cria um efeito humorístico, como se o gato estivesse se vendo como um cavalo galopando.\n\nEm resumo, este é um vídeo de animal de estimação que utiliza o contraste entre som e imagem para criar momentos fofos e engraçados."
      },
      "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
  }
}

{
  "model": "gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Qual é o conteúdo da imagem?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/qzx2z1.png"
          }
        }
      ]
    }
  ],
  "stream": false
}

{
  "model": "gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Qual é o conteúdo do vídeo?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/58yioe.mp4"
          }
        }
      ]
    }
  ],
  "stream": false
}

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