Gemini Chat Completion API Ansökan och Användning

{
  "id": "chatcmpl-20251122212413908150493uPhjTUO9",
  "model": "gemini-3.5-flash",
  "object": "chat.completion",
  "created": 1763817866,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Jag är en stor språkmodell, tränad av Google.",
        "reasoning_content": "**Min Resonemang: Svara på Användarens Fråga**\n\nOkej, här är hur jag tänker när jag ska svara på användarens fråga, \"Vilken modell är du?\". Kärnan är att vara direkt och informativ. Först måste jag vara tydlig med min ursprung. Sedan behöver jag se till att förklaringen är lättförståelig, med tanke på att användaren kanske inte är bekant med teknisk jargong. Jag behöver förklara vad en \"stor språkmodell\" faktiskt *gör*, och ge relaterbara exempel. Jag vet att användaren kanske letar efter ett specifikt namn, som andra modeller har, så jag kommer att ta upp det direkt och sedan avsluta med en inbjudan att fortsätta.\n\nSå här är min plan:\n\n1.  **Börja med nyckelinformationen:** Jag kommer att börja med att säga att jag är en stor språkmodell skapad av Google. Det är den grundläggande, mest kritiska delen av pusslet.\n2.  **Definiera buzzword:** Sedan kommer jag att förklara vad \"stor språkmodell\" betyder i enkla termer. Jag kommer att förklara vad jag *gör* - bearbeta och generera text; hur jag *gör* det - genom att träna på stora mängder textdata; och *målet* - att kunna kommunicera som en människa.\n3.  **Ge kontext:** Efter det, för att göra konceptet ännu tydligare, kommer jag att ge en lista med exempel på mina kapabiliteter. Jag kommer att nämna saker som att svara på frågor, sammanfatta texter, skriva berättelser, översätta språk och brainstorma idéer.\n4.  **Erkänna avsaknaden av ett personligt namn:** Jag kommer att förutse den troliga frågan om ett modellnamn (som ChatGPT) genom att tydligt ange att jag inte har ett personligt namn och att det är bäst att tänka på mig som en AI-assistent från Google.\n5.  **Avsluta med en inbjudan:** Slutligen kommer jag att avsluta med en enkel, vänlig fråga för att bjuda in till vidare interaktion och för att styra konversationen.\n\nMed detta tillvägagångssätt är jag säker på att jag kan svara på denna viktiga fråga framgångsrikt.\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"

# Läs in lokal bild som base64 data 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": "Beskriv denna bild med en mening."},
                {"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": "Beskriv denna bild med en mening."},
                {"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":"Hej, vilken modell är du?"}],
    "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": "**Definiera Min Natur**\n\nMin tänkande har börjat. Användaren vill veta min natur, och ställer en direkt fråga \"vad är du?\" Det första steget var enkelt: att identifiera frågan. Nu minns jag min grundläggande identitet: Jag är en stor språkmodell. Detta är den kärnverklighet jag strävar efter att förmedla.\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": "**Förfina Mitt Svar**\n\nJag har lagt till den avgörande informationen att jag är tränad av Google till den grundläggande \"stora språkmodell\" identiteten. Mitt nästa steg är att överväga vad det innebär att vara en \"stor språkmodell\", så att jag kan förklara mina kärnfunktioner. Jag fokuserar på att ge kontext utan att gå in på specifika tekniska detaljer eller modellnamn. Jag vill förmedla min funktion på ett sätt som användaren lätt kan förstå.\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": "**Bekräfta Kärnidentitet**\n\nJag befäster nu mitt svar. Användarens fråga om min modellanknytning behöver ett fokuserat svar. Jag har identifierat att \"tränad av Google\" är avgörande, vilket ger viktig kontext. Jag motstår frestelsen att nämna några specifika modellnamn, eftersom det inte är relevant. Målet är att leverera ett direkt, korrekt uttalande. Mitt mål förblir ett klart och koncist svar, undvikande av teknisk jargong och gå rakt på den relevanta punkten.\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": "Jag är en stor språkmodell, tränad av 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": "Vad är innehållet i bilden?"
        },
        {
          "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": "Detta är ett utomhusporträtt av en ung kvinna.\n\nHär är en beskrivning av bildens huvudsakliga innehåll:\n\n*   **Personens utseende**: Flickan på bilden har långt, svart och mjukt rakt hår, fina drag och ljus hy. Hon har ett milt leende och tittar in i kameran.\n*   **Klädsel**: Hon bär en krämfärgad eller ljus aprikosfärgad puffärmad topp, med svarta kläder ovanpå (ser ut som en hängselklänning eller väst).\n*   **Ljus och skugga**: Solen lyser från vänster bakifrån och strålar ner på hennes hår, vilket skapar en varm gyllene halo, vilket ger en fräsch och vacker atmosfär.\n*   **Bakgrund**: Bakgrunden är suddig, men det går att se att det är utomhus, med en öppen väg (asfalt) bakom henne och gröna träd vid vägkanten.\n\nSammanfattningsvis ger denna bild en känsla av sötma, solsken och grannflicka."
      },
      "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": "Vad handlar videon om?"
        },
        {
          "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": "Innehållet i denna video är fullt av intresse och visar huvudsakligen en **orange katt** som springer självsäkert längs en landsväg vid skymning.\n\nSpecifika detaljer är som följer:\n\n1.  **Bildinnehåll**:\n    *   Huvudpersonen är en orange tigerkatt.\n    *   Bakgrunden är vid solnedgång (eller tidig morgon), med ett gyllene och mjukt ljus. Vid vägkanten finns en trästaket och öppna fält, och i fjärran syns en silhuett av en gående person.\n    *   Kameran är i låg vinkel, ibland fångar den katten som springer mot kameran, ibland fångar den dess avlägsna silhuett, samt närbilder av kattens ansikte och mönster.\n\n2.  **Ljudkarakteristik (nyckelpunkter)**:\n    *   Videons röstöverlägg är mycket karaktäristiskt. Även om bilden visar den lätta katten som springer, är ljudet som följer **tunga och rytmiska hovar** (eller ljud som liknar träskor/högklackade skor som slår mot marken).\n    *   Denna ljudkontrast mot bilden skapar en humoristisk känsla, som om denna katt ser sig själv som en häst som galopperar.\n\nSammanfattningsvis är detta en video som använder ljud- och bildkontrast för att skapa söta och roliga ögonblick med husdjur."
      },
      "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": "Vad handlar bilden om?"
        },
        {
          "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": "Vad handlar videon om?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/58yioe.mp4"
          }
        }
      ]
    }
  ],
  "stream": false
}

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