メインコンテンツへスキップ
vertexai/gemini-4-argon の API リファレンスです。Comfy Router が Google のモデルを提供しています。 入力: テキスト、画像、オーディオ、ビデオ · 出力: テキスト

クイックスタート

Comfy ワークスペースでキーを作成し、COMFY_API_KEY としてエクスポートします。Python と TypeScript のスニペットは Comfy SDK(pip install comfy-sdk と npm install @comfyorg/sdk)を使用しています。cURL のスニペットは、生の HTTP 経由で同じ呼び出しを行います。 モデル ID: vertexai/gemini-4-argon エンドポイント: POST https://api.comfy.org/v2/models/vertexai/gemini-4-argon
同じボディを POST https://api.comfy.org/v2/models/vertexai/gemini-4-argon/requests に送信します。Router は実行が受け付けられるとすぐに 201 と request_id を返し、結果は準備ができた時点で、このプロセスまたは別のプロセスから収集されます。キューの配信では、ステータス、キャンセル、収集の流れを説明します。

スキーマ

入力

object[]
必須
モデルとの現在の会話のコンテンツ。単一ターンのクエリでは 1 つのインスタンスです。マルチターンのクエリでは、会話履歴と最新のリクエストを含む繰り返しフィールドです。
object[]
必須
object
URI ベースのデータ。
string
URI
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプ。指定可能な値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードする必要があります。テキストファイルの内容はトークン上限に算入されます。画像の解像度に制限はありません。指定可能な値: application/pdf、audio/mpeg、audio/mp3、audio/wav、image/png、image/jpeg、image/webp、text/plain、video/mov、video/mpeg、video/mp4、video/mpg、video/avi、video/wmv、video/mpegps、video/flv、image/heic、image/heif、audio/flac、video/webm
object
生のバイト列によるインラインデータ。gemini-2.0-flash-lite および gemini-2.0-flash では、inlineData を使用して最大 3000 枚の画像を指定できます。
string (byte)
プロンプトにインラインで含める画像、PDF、またはビデオの base64 エンコーディング。メディアをインラインで含める場合は、データのメディアタイプ(mimeType)も指定する必要があります。サイズ上限: 20MB形式: byte
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプ。指定可能な値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードする必要があります。テキストファイルの内容はトークン上限に算入されます。画像の解像度に制限はありません。指定可能な値: application/pdf、audio/mpeg、audio/mp3、audio/wav、image/png、image/jpeg、image/webp、text/plain、video/mov、video/mpeg、video/mp4、video/mpg、video/avi、video/wmv、video/mpegps、video/flv、image/heic、image/heif、audio/flac、video/webm
string
モデルがこのパートのビデオをどのように読み取るか。“AGENTIC” を設定すると、固定レートのフレームサンプリングの代わりに、モデルが検査するセグメントを決定できるようになります。省略すると、デフォルトの固定レートサンプリングになります。gemini-3.7-flash およびそれ以降の Flash モデルでサポートされています。
string
テキストプロンプトまたはコードスニペット。
boolean
このパートがモデルによる思考/推論ステップであることを示します。
string
指定可能な値: user、model
object
生成のためのサンプリング、長さ、出力の設定。すべてのフィールドは任意です。以下で default を宣言しているフィールドは省略時にその値を適用し、それ以外はモデル自身の動作にフォールバックします。
object
画像生成の設定
string
生成画像のアスペクト比
object
任意。生成画像の画像出力形式。
integer
任意。出力画像の圧縮品質。
string
任意。出力を保存する画像形式です。Vertex AI の経路、つまり Comfy 自身の認証情報で処理されるリクエスト、および GCP サービスアカウントで認証された BYOK リクエストに適用されます。そこで受け入れられる値は image/png と image/jpeg で、大文字と小文字を区別せずに照合され、リクエストが転送される前に小文字に正規化されます。それ以外の値は、このフィールドを名指しした 400 で拒否されます。省略時は image/png がデフォルトです。Google AI Studio の APIキーで認証された BYOK リクエストは例外です。その上流にはそのようなプロパティが存在せず、存在する場合は呼び出し全体を拒否するため、このフィールドは尊重も拒否もされずリクエストから削除され、出力形式は AI Studio が選択したものになります。どの経路でも、送信した値を仮定するのではなく、受け取ったレスポンスのパート(inlineData.mimeType、または uploadImagesToStorage が設定されている場合は fileData.mimeType)からメディアタイプを読み戻してください。
string
任意。生成画像のサイズを指定します。サポートされる値は 1K、2K、4K です。指定しない場合、モデルはデフォルト値 1K を使用します。
integer
レスポンスで生成できる最大トークン数。1 トークンは約 4 文字です。100 トークンはおよそ 60~80 語に相当します。範囲: 16 から 65536
`TEXT`, `IMAGE`[]
integer
シードを特定の値に固定した場合、モデルは繰り返しのリクエストに対して同じ応答を返すよう最善を尽くします。決定論的な出力は保証されません。また、モデルや temperature などのパラメータ設定を変更すると、同じシード値を使用していても応答にばらつきが生じることがあります。デフォルトでは、ランダムなシード値が使用されます。次のモデルで利用できます: gemini-2.5-flash, gemini-2.5-pro, gemini-2.5-flash-preview-04-1, gemini-2.5-pro-preview-05-0, gemini-2.0-flash-lite-00, gemini-2.0-flash-001
string[]
number
デフォルト:"1"
temperature は、応答生成中のサンプリングに使用され、topP と topK が適用されるときに実行されます。temperature はトークン選択のランダム性の度合いを制御します。低い temperature は、自由度が低い応答や創造性が低い応答を必要とするプロンプトに適しており、高い temperature はより多様な結果や創造的な結果につながる可能性があります。temperature が 0 の場合、最も確率の高いトークンが常に選択されます。この場合、特定のプロンプトに対する応答はほぼ決定論的ですが、少量のばらつきは依然として発生する可能性があります。モデルが一般的すぎる応答や短すぎる応答を返す場合、またはモデルがフォールバック応答を返す場合は、temperature を上げてみてください。範囲: 0 から 2形式: float
object
任意。思考機能の設定。思考とは、モデルが複雑なタスクをより小さなステップに分解して、より高品質な応答を生成するプロセスです。
boolean
任意。true の場合、モデルは応答に思考内容を含めます。
integer
任意。モデルの思考プロセスに割り当てるトークン予算。モデルはこの予算内に収まるよう最善を尽くします。
string
任意。モデルの思考レベル。指定可能な値: THINKING_LEVEL_UNSPECIFIED, LOW, MEDIUM, HIGH, MINIMAL, XHIGH
integer
デフォルト:"40"
Top-K は、モデルが出力用のトークンを選択する方法を変更します。Top-K が 1 の場合、次に選択されるトークンはモデルの語彙内のすべてのトークンの中で最も確率が高いものです。Top-K が 3 の場合、次に選択されるトークンは、temperature を使用して、最も確率が高い 3 つのトークンの中から選択されます。範囲: 1 から …
number
デフォルト:"0.95"
指定した場合、ニュークリアスサンプリングが使用されます。 Top-P は、モデルが出力用のトークンを選択する方法を変更します。トークンは、確率の合計が top-P の値に等しくなるまで、最も高い確率(top-K を参照)から最も低い確率へと選択されます。たとえば、トークン A、B、C の確率が 0.3、0.2、0.1 で、top-P の値が 0.5 の場合、モデルは temperature を使用して A または B を次のトークンとして選択し、C は候補から除外します。 ランダム性の低い応答には低い値を、ランダム性の高い応答には高い値を指定します。範囲: 0 から 1形式: float
object[]
安全でないコンテンツをブロックするためのリクエストごとの設定。GenerateContentResponse.candidates に適用されます。
string
必須
指定可能な値: HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT
string
必須
指定可能な値: OFF, BLOCK_NONE, BLOCK_LOW_AND_ABOVE, BLOCK_MEDIUM_AND_ABOVE, BLOCK_ONLY_HIGH
object
モデルをより良いパフォーマンスへ導くための指示。たとえば、「できるだけ簡潔に答えてください」または「応答に技術用語を使用しないでください」。テキスト文字列はトークン上限にカウントされます。systemInstruction の role フィールドは無視され、モデルのパフォーマンスには影響しません。注: parts にはテキストのみを使用し、各 part のコンテンツは別々の段落にしてください。
object[]
必須
単一のメッセージを構成する順序付きの parts のリスト。part ごとに異なる IANA MIME タイプを持つ場合があります。トークンの最大数や画像の数など、入力の制限については、Google のモデルページにあるモデル仕様を参照してください。
string
テキストプロンプトまたはコードスニペット。
string
メッセージを作成するエンティティの識別情報。次の値がサポートされています: user: これはメッセージが実在の人物によって送信されることを示し、通常はユーザーが生成したメッセージです。model: これはメッセージがモデルによって生成されることを示します。model 値は、マルチターン会話中にモデルからのメッセージを会話に挿入するために使用されます。マルチターンではない会話では、このフィールドは空欄のままにするか、未設定にできます。指定可能な値: user, model
object[]
システムがモデルの知識と範囲外でアクションまたは一連のアクションを実行するために、外部システムとやり取りできるようにするコード片。Function calling を参照してください。
object[]
string
string
必須
object
関数のパラメータ用の JSON スキーマ
boolean
true の場合、生成済みの画像はクラウドストレージにアップロードされ、インラインの base64 データではなく署名付き URL として返されます。URL は 24 時間後に有効期限が切れます。
object
ビデオ入力の場合、ビデオの開始オフセットと終了オフセットを Duration 形式で指定します。たとえば、1:00 から始まる 10 秒間のクリップを指定するには、“startOffset”: { “seconds”: 60 } と “endOffset”: { “seconds”: 70 } を設定します。このメタデータは、ビデオデータが inlineData または fileData で提供されている場合にのみ指定してください。
object
ビデオタイムライン上の位置に対する再生時間オフセットを表します。
integer
ナノ秒解像度での秒の符号付き小数部分。小数部分を含む負の秒値であっても、nanos 値は非負でなければなりません。範囲: 0 から 999999999
integer
時間幅の符号付き秒数。-315,576,000,000 から +315,576,000,000 まで(両端を含む)である必要があります。範囲: -315576000000 から 315576000000
object
ビデオタイムライン上の位置に対する再生時間オフセットを表します。
integer
ナノ秒解像度での秒の符号付き小数部分。小数部分を含む負の秒値であっても、nanos 値は非負でなければなりません。範囲: 0 から 999999999
integer
時間幅の符号付き秒数。-315,576,000,000 から +315,576,000,000 まで(両端を含む)である必要があります。範囲: -315576000000 から 315576000000
Router が GET /v2/models/vertexai/gemini-4-argon/openapi.json で提供するスキーマから生成されています。これは、リクエストがプロバイダーに到達する前に Router が呼び出しを検証する際に使うドキュメントと同じものです。

出力

object[]
object
object[]
string[]
integer
string
string (date)
形式: date
integer
string
string
object
モデルとの現在の会話のコンテンツ。単一ターンのクエリでは単一のインスタンスです。マルチターンのクエリでは、会話履歴と最新のリクエストを含む繰り返しフィールドです。
object[]
必須
object
URI ベースのデータ。
string
URI
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプ。許容される値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash の場合、オーディオファイルの最大長は 8.4 時間、ビデオファイル(オーディオなし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルの内容はトークン制限にカウントされます。画像解像度に制限はありません。可能な値: application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm
object
生のバイトでのインラインデータ。gemini-2.0-flash-lite および gemini-2.0-flash の場合、inlineData を使用して最大 3000 枚の画像を指定できます。
string (byte)
プロンプトにインラインで含める画像、PDF、またはビデオの base64 エンコード。メディアをインラインで含める場合は、データのメディアタイプ(mimeType)も指定する必要があります。サイズ制限: 20MB形式: byte
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプ。許容される値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash の場合、オーディオファイルの最大長は 8.4 時間、ビデオファイル(オーディオなし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルの内容はトークン制限にカウントされます。画像解像度に制限はありません。可能な値: application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm
string
モデルがこのパートのビデオを読み取る方法。“AGENTIC” を設定すると、固定レートのフレームサンプリングの代わりに、モデルが検査するセグメントを決定できます。デフォルトの固定レートサンプリングの場合は省略します。gemini-3.7-flash 以降の Flash モデルでサポートされています。
string
テキストプロンプトまたはコードスニペット。
boolean
このパートがモデルからの思考/推論ステップであることを示します。
string
可能な値: user, model
string
object[]
string
可能な値: HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT
string
コンテンツが指定された安全カテゴリに違反する確率可能な値: NEGLIGIBLE, LOW, MEDIUM, HIGH, UNKNOWN
string
レスポンスが作成されたタイムスタンプ。
string
レスポンスの生成に使用されたモデルバージョン。
object
string
string
object[]
string
指定可能な値: HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT
string
コンテンツが指定された安全性カテゴリに違反する確率指定可能な値: NEGLIGIBLE、LOW、MEDIUM、HIGH、UNKNOWN
string
レスポンスの一意の識別子。
object
integer
出力専用。入力内のキャッシュされた部分(キャッシュされたコンテンツ)のトークン数。
integer
レスポンス内のトークン数。
object[]
モダリティ別の候補トークンの内訳。
string
入力または出力コンテンツのモダリティの種類。指定可能な値: MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
integer
指定されたモダリティのトークン数。
integer
リクエスト内のトークン数。cachedContent が設定されている場合でも、これは有効なプロンプトサイズの合計を表し、キャッシュされたコンテンツ内のトークン数を含みます。
object[]
モダリティ別のプロンプトトークンの内訳。
string
入力または出力コンテンツのモダリティの種類。指定可能な値: MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
integer
指定されたモダリティのトークン数。
integer
thoughts 出力に含まれるトークン数。
integer
ツール使用プロンプトに含まれるトークン数。
object[]
モダリティ別のツール使用プロンプトトークンの内訳。
string
入力または出力コンテンツのモダリティの種類。指定可能な値: MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
integer
指定されたモダリティのトークン数。
integer
トークンの合計数(プロンプト + 候補)。
string
リクエストに使用されるトラフィックタイプ(例: PROVISIONED_THROUGHPUT)。

例

入力

出力

出荷前の確認

SDK は Idempotency-Key を生成し、自動リトライで再利用します。手動リトライでは元のキーを再利用してください。Router は最大 10 分間接続を保持できます。 リクエストが失敗すると、Router は理由を説明する X-Comfy-Error-Type レスポンスヘッダーを送信します。422 は、プロバイダーを呼び出す前に Router が入力を拒否したことを意味し、413 はリクエスト本文が Router の受け入れ可能なサイズを超えていたことを意味します。生成されたアセットは 結果 URL の有効期限 があるため、早めにダウンロードしてください。 上記のフィールド説明に記載されているサイズ制限は、プロバイダーの仕様から引用した、そのフィールドに対するプロバイダー自身の上限です。Router はリクエスト本文全体に対して別の上限を適用し、base64 エンコードされたメディアもこれにカウントされます。リクエスト本文のサイズ を参照してください。 このページは、Comfy Router 経由で呼び出す 1 つのパートナーモデルについて説明しています。同じ comfy-sdk / @comfyorg/sdk パッケージには、Comfy Cloud 上で ComfyUI のワークフローグラフ全体を実行するための 2 つ目のクライアントも含まれています: Comfy(api_key=...) / new Comfy({ apiKey })、および client.workflows、client.assets、client.jobs。Comfy SDKs を参照してください。

ヘッダー

認証、冪等性、リクエスト ID、エラー分類、リトライ間隔、支出上限。

Router API の利用

モデルの検出、バリデーションエラー、リトライ、課金。

制限事項

Router が現在対応していないことと、代替手段。