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
- 結果を待つ
- キューに送信して後で収集
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
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。
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:
bytedata 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。
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。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。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
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: floatTop-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 …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指定可能な値:
HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT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。
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。
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。
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。
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。
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 315576000000GET /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
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。
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:
bytedata 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。
可能な値:
HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT指定可能な値:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT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。