vertexai/gemini-4-carbon 的 API 参考。
输入: 文本、图像、音频、视频 · 输出: 文本
快速开始
在你的 Comfy 工作区中创建密钥,并将其导出为COMFY_API_KEY。Python 和 TypeScript 片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 片段则是通过原始 HTTP 发起的同一个调用。
模型 ID: vertexai/gemini-4-carbon
端点: POST https://api.comfy.org/v2/models/vertexai/gemini-4-carbon
- 等待结果
- 排队并稍后收取
相同的请求体,发送到
POST https://api.comfy.org/v2/models/vertexai/gemini-4-carbon/requests。运行一旦被受理,Router 就会返回 201 和 request_id;结果就绪后,可从当前进程或其他进程收取。队列投递详细介绍了状态、取消与结果收取。Schema
输入
data 或 fileUri 字段中指定的文件的媒体类型。可接受的值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(不含音频)的最大长度为一小时。有关更多信息,请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容会计入 token 上限。图像分辨率无限制。可能的值:
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/webmdata 或 fileUri 字段中指定的文件的媒体类型。可接受的值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(不含音频)的最大长度为一小时。有关更多信息,请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容会计入 token 上限。图像分辨率无限制。可能的值:
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模型如何读取此部分的视频。设置 “AGENTIC” 可让模型决定检查哪些片段,而不是采用固定速率帧采样。省略则使用默认的固定速率采样。受 gemini-3.7-flash 及更新的 Flash 模型支持。
可选。输出应保存成的图像格式,适用于 Vertex AI 的各条路径:由 Comfy 自身凭据提供服务的请求,以及使用 GCP 服务账号认证的 BYOK 请求。此处接受的值是
image/png 和 image/jpeg,匹配时不区分大小写,并在转发请求之前规范化为小写;任何其他值都会被拒绝,并返回一个指明此字段的 400 错误。省略时默认为 image/png。使用 Google AI Studio API 密钥认证的 BYOK 请求是例外:该上游没有此属性,如果存在此字段会拒绝整个调用,因此该字段会从请求中丢弃,而不是被采纳或拒绝,输出格式则由 AI Studio 自行选择。在每条路径上,都应从收到的响应部分中读回媒体类型(inlineData.mimeType,或在设置了 uploadImagesToStorage 时使用 fileData.mimeType),而不是假定你发送的值。当种子固定为某个特定值时,模型会尽力为重复请求提供相同的响应。不保证输出具有确定性。此外,更改模型或参数设置(例如温度)即使在种子值相同的情况下也可能导致响应发生变化。默认使用随机种子值。适用于以下模型: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
温度用于响应生成过程中的采样,而该采样在应用 topP 和 topK 时发生。温度控制 token 选择的随机程度。较低温度适合需要较少开放性、较少创造性的提示;较高温度则可能带来更多样或更具创造性的结果。温度为 0 表示始终选择概率最高的 token。在这种情况下,给定提示的响应大多是确定性的,但仍可能出现少量变化。如果模型返回的响应过于笼统、过短,或模型给出回退响应,请尝试提高温度。范围:
0 到 2格式:floatTop-K 会改变模型为输出选择 token 的方式。top-K 为 1 表示下一个选中的 token 是模型词表中所有 token 里概率最高的。top-K 为 3 表示根据温度从概率最高的 3 个 token 中选择下一个 token。范围:
1 到 …如果指定,则使用核采样。
Top-P 会改变模型为输出选择 token 的方式。从概率最高(参见 top-K)到最低选择 token,直到其概率之和等于 top-P 值。例如,如果 token A、B、C 的概率分别为 0.3、0.2、0.1,且 top-P 值为 0.5,那么模型将根据温度选择 A 或 B 作为下一个 token,并排除 C 作为候选。
指定较低的值可获得随机性更低的响应,指定较高的值可获得随机性更高的响应。范围:
0 到 1格式:float可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT用于引导模型取得更好表现的指令。例如,“尽可能简洁地回答”或“不要在回复中使用技术术语”。文本字符串会计入 token 限制。systemInstruction 的 role 字段会被忽略,且不会影响模型的性能。注意:parts 中只应使用文本,并且每个 part 中的内容应位于单独的段落中。
构成单条消息的有序 parts 列表。不同 part 可能具有不同的 IANA MIME 类型。有关输入的限制(例如最大 token 数或图像数量),请参阅 Google 模型页面上的模型规范。
创建该消息的实体的身份。支持以下值:user: 这表示消息由真实人员发送,通常是用户生成的消息。model: 这表示消息由模型生成。在多轮对话期间,model 值用于将来自模型的消息插入对话中。对于非多轮对话,此字段可以留空或未设置。可能的值:
user、model对于视频输入,视频的起始和结束偏移量,采用 Duration 格式。例如,要指定从 1:00 开始的 10 秒片段,请设置 “startOffset”: { “seconds”: 60 } 和 “endOffset”: { “seconds”: 70 }。仅当视频数据以 inlineData 或 fileData 形式提供时,才应指定该元数据。
GET /v2/models/vertexai/gemini-4-carbon/openapi.json 提供的 schema 生成,这也是请求到达提供商之前 Router 用于校验调用的同一份文档。
输出
在 data 或 fileUri 字段中指定的文件的媒体类型。可接受的取值如下。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(不含音频)的最大长度为一小时。更多信息请参阅 Gemini 音频和视频要求。文本文件必须使用 UTF-8 编码。文本文件的内容会计入 token 上限。图像分辨率无限制。可能的值:
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在 data 或 fileUri 字段中指定的文件的媒体类型。可接受的取值如下。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,音频文件的最大长度为 8.4 小时,视频文件(不含音频)的最大长度为一小时。更多信息请参阅 Gemini 音频和视频要求。文本文件必须使用 UTF-8 编码。文本文件的内容会计入 token 上限。图像分辨率无限制。可能的值:
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模型如何读取此部分中的视频。设置为 “AGENTIC” 可让模型自行决定要检查哪些片段,而不是采用固定帧率采样。省略该字段则使用默认的固定帧率采样。受 gemini-3.7-flash 及更新的 Flash 模型支持。
可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT可能的值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT示例
输入
输出
发布前须知
SDK 会生成Idempotency-Key 并在自动重试中复用它。手动重试时,请复用原始 key。Router 最长可保持连接 10 分钟。
请求失败时,Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入,413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载,因为结果 URL 会过期。
上文任何字段描述中提到的尺寸限制,都是提供商对该字段自身的限定,引自提供商的规范。Router 会对整个请求体另行设置上限,base64 编码的媒体内容也计入其中:参见请求体大小。
本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端,用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图:Comfy(api_key=...) / new Comfy({ apiKey }),并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。
请求头
身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。
使用 Router API
模型发现、验证错误、重试与计费。
限制
Router 目前不支持的功能,以及替代方案。