跳转到主要内容
vertexai/gemini-4-hydrogen 的 API 参考文档,由 Comfy Router 从 Google 提供。 输入: 文本、图像、音频、视频 · 输出: 文本

快速开始

在你的 Comfy 工作区中创建一个密钥,并将其导出为 COMFY_API_KEY。Python 和 TypeScript 代码片段使用 Comfy SDK(pip install comfy-sdk 和 npm install @comfyorg/sdk);cURL 代码片段则是通过原始 HTTP 发出的相同调用。 模型 ID: vertexai/gemini-4-hydrogen 端点: POST https://api.comfy.org/v2/models/vertexai/gemini-4-hydrogen
同一个请求体,发送到 POST https://api.comfy.org/v2/models/vertexai/gemini-4-hydrogen/requests。一旦运行被受理,Router 就会返回 201 和一个 request_id;结果就绪后即可收集,可由当前进程或另一个进程进行。排队交付会讲解状态、取消和收集的流程。

Schema

输入

object[]
必填
与模型当前对话的内容。对于单轮查询,这是一个单独的实例。对于多轮查询,这是一个重复字段,包含对话历史和最新的请求。
object[]
必填
object
基于 URI 的数据。
string
URI
string
在 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几种。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
object
原始字节形式的内联数据。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,通过 inlineData 最多可以指定 3000 张图像。
string (byte)
要在提示中内联包含的图像、PDF 或视频的 base64 编码。以内联方式包含媒体时,还必须指定数据的媒体类型(mimeType)。大小限制:20MB格式:byte
string
在 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几种。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
string
模型如何读取该部分中的视频。将该项设置为 “AGENTIC”,可让模型决定检查哪些片段,而不是采用固定帧率采样。省略该项则使用默认的固定帧率采样。在 gemini-3.7-flash 及更新的 Flash 模型上受支持。
string
文本提示或代码片段。
boolean
表示该部分是模型的思考/推理步骤。
string
可能的值:user、model
object
用于生成的采样、长度和输出设置。每个字段都是可选的:下面声明了 default 的字段在省略时会应用该默认值,其余字段则回退到模型自身的行为。
object
图像生成配置
string
已生成图像的宽高比
object
可选。已生成图像的图像输出格式。
integer
可选。输出图像的压缩质量。
string
可选。在 Vertex AI 路径上输出应保存为的图像格式,这些路径包括由 Comfy 自有凭据处理的请求,以及使用 GCP 服务账号完成身份验证的 BYOK 请求。这些路径上接受的值为 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;其他任何值都会被拒绝,并返回指明该字段的 400 错误。省略时默认为 image/png。使用 Google AI Studio API 密钥完成身份验证的 BYOK 请求是例外:该上游没有此属性,只要该属性存在就会拒绝整个调用,因此该字段会从请求中移除,而不是被采用或拒绝,输出格式由 AI Studio 决定。在所有路径上,都应从返回给你的响应部分读回媒体类型(inlineData.mimeType,或在设置了 uploadImagesToStorage 时读取 fileData.mimeType),而不是假定你发送的值。
string
可选。指定已生成图像的尺寸。支持的值为 1K、2K、4K。如果未指定,模型将使用默认值 1K。
integer
响应中可生成的最大 token 数。一个 token 约为 4 个字符。100 个 token 大致相当于 60 至 80 个单词。范围:16 到 65536
`TEXT`, `IMAGE`[]
integer
当种子固定为特定值时,模型会尽最大努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,即使使用相同的种子值,更改模型或参数设置(例如温度)也可能导致响应发生变化。默认情况下,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
string[]
number
默认值:"1"
温度用于响应生成期间的采样,而采样会在应用 topP 和 topK 时发生。温度控制 token 选择的随机程度。较低的温度适合要求响应不那么开放或创意性较低的提示词,而较高的温度可能带来更多样或更有创意的结果。温度为 0 表示始终选择概率最高的 token。在这种情况下,对于给定提示词,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、过于简短,或者模型给出回退响应,请尝试提高温度。范围:0 到 2格式:float
object
可选。思考功能的配置。思考是指模型将复杂任务分解为更小步骤以生成更高质量响应的过程。
boolean
可选。若为 true,模型会在响应中包含其思考内容。
integer
可选。模型思考过程的 token 预算。模型会尽最大努力保持在此预算范围内。
string
可选。模型的思考级别。可能值:THINKING_LEVEL_UNSPECIFIED、LOW、MEDIUM、HIGH、MINIMAL、XHIGH
integer
默认值:"40"
Top-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 表示通过温度从概率最高的 3 个 token 中选择下一个 token。范围:1 到 …
number
默认值:"0.95"
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。token 会按概率从最高(参见 top-K)到最低进行选择,直到其概率之和等于 top-P 值。例如,如果 token A、B 和 C 的概率分别为 0.3、0.2 和 0.1,且 top-P 值为 0.5,则模型会使用温度选择 A 或 B 作为下一个 token,并将 C 排除在候选之外。 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
object[]
用于阻止不安全内容的请求级设置。在 GenerateContentResponse.candidates 上强制执行。
string
必填
可能值:HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT
string
必填
可能值:OFF、BLOCK_NONE、BLOCK_LOW_AND_ABOVE、BLOCK_MEDIUM_AND_ABOVE、BLOCK_ONLY_HIGH
object
用于引导模型获得更好表现的指令。例如,“尽可能简洁地回答”或“回答中不要使用技术术语”。文本字符串会计入 token 限制。systemInstruction 的 role 字段会被忽略,且不会影响模型的表现。注意:parts 中只应使用文本,每个 part 中的内容应放在单独段落中。
object[]
必填
组成单条消息的有序部分列表。不同部分可能具有不同的 IANA MIME 类型。有关输入限制(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。
string
文本提示词或代码片段。
string
创建消息的实体的身份。支持以下值:user:表示消息由真实人员发送,通常是用户生成的消息。model:表示消息由模型生成。在多轮对话中,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。可能值:user、model
object[]
一段代码,使系统能够与外部系统交互,以执行超出模型知识和范围的操作或一组操作。请参阅函数调用。
object[]
string
string
必填
object
函数参数的 JSON schema
boolean
如果设为 true,已生成的图像将上传到云端存储,并以签名 URL 返回,而不是以内联 base64 数据返回。这些 URL 会在 24 小时后过期。
object
对于视频输入,指定视频的起始和结束偏移量,以 Duration 格式表示。例如,要指定从 1:00 开始的一段 10 秒片段,请设置 “startOffset”: { “seconds”: 60 } 和 “endOffset”: { “seconds”: 70 }。只有在视频数据以 inlineData 或 fileData 形式提供时,才应指定该元数据。
object
表示视频时间轴位置的一个时长偏移量。
integer
以纳秒精度表示的带符号秒的小数部分。秒值为负数且带小数部分时,其 nanos 值仍必须为非负数。范围:0 到 999999999
integer
带符号的秒数,表示时间跨度。必须介于 -315,576,000,000 到 +315,576,000,000 之间(含边界值)。范围:-315576000000 到 315576000000
object
表示视频时间轴位置的一个时长偏移量。
integer
以纳秒精度表示的带符号秒的小数部分。秒值为负数且带小数部分时,其 nanos 值仍必须为非负数。范围:0 到 999999999
integer
带符号的秒数,表示时间跨度。必须介于 -315,576,000,000 到 +315,576,000,000 之间(含边界值)。范围:-315576000000 到 315576000000
该内容由 Router 在 GET /v2/models/vertexai/gemini-4-hydrogen/openapi.json 处提供的 schema 生成,它也是请求到达提供商之前 Router 用来校验调用的同一份文档。

输出

object[]
object
object[]
string[]
integer
string
string (date)
格式:date
integer
string
string
object
与模型的当前对话内容。对于单轮查询,这是一个单个实例。对于多轮查询,这是一个重复字段,包含对话历史和最新请求。
object[]
必填
object
基于 URI 的数据。
string
URI
string
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。文本文件必须使用 UTF-8 编码。文本文件的内容会计入 token 限制。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
object
以内联原始字节形式提供的数据。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash,通过 inlineData 最多可指定 3000 张图像。
string (byte)
要在提示中内联包含的图像、PDF 或视频的 base64 编码。内联包含媒体时,还必须指定数据的媒体类型(mimeType)。大小限制:20MB格式:byte
string
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。文本文件必须使用 UTF-8 编码。文本文件的内容会计入 token 限制。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
string
模型如何读取此部分的视频。设置为“AGENTIC”可让模型决定要检查哪些片段,而不是采用固定帧率采样。省略则使用默认的固定帧率采样。支持 gemini-3.7-flash 及更新的 Flash 模型。
string
文本提示或代码片段。
boolean
表示此部分是模型的思考/推理步骤。
string
可能的值:user、model
string
object[]
string
可能的值:HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT
string
内容违反指定安全类别的概率可能的值:NEGLIGIBLE、LOW、MEDIUM、HIGH、UNKNOWN
string
响应创建时的时间戳。
string
用于生成该响应的模型版本。
object
string
string
object[]
string
可能的值:HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT
string
内容违反指定安全类别的概率可能的值:NEGLIGIBLE、LOW、MEDIUM、HIGH、UNKNOWN
string
响应的唯一标识符。
object
integer
仅输出。输入中缓存部分(缓存内容)的 token 数量。
integer
响应中的 token 数量。
object[]
按模态划分的候选 token 明细。
string
输入或输出内容的模态类型。可能的值:MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
integer
给定模态的 token 数量。
integer
请求中的 token 数量。设置 cachedContent 时,这仍是有效的提示总大小,也就是说它包含缓存内容中的 token 数量。
object[]
按模态划分的提示 token 明细。
string
输入或输出内容的模态类型。可能的值:MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
integer
给定模态的 token 数量。
integer
思考输出中存在的 token 数量。
integer
工具使用提示中存在的 token 数量。
object[]
按模态划分的工具使用提示 token 明细。
string
输入或输出内容的模态类型。可能的值:MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
integer
给定模态的 token 数量。
integer
token 总数(提示 + 候选)。
string
用于请求的流量类型(例如 PROVISIONED_THROUGHPUT)。

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。