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 发起的同一调用。
模型 ID: vertexai/gemini-3.1-flash-image
端点: POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-image
- 等待结果
- 加入队列并稍后收集
同样的请求体,发送到
POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-image/requests。任务一旦被接纳,Router 会立即返回 201 以及一个 request_id;结果准备就绪后即可收集,可以在本进程中收集,也可以在另一个进程中收集。队列投递 介绍了状态查询、取消与结果收集的完整流程。服务提供商
除非请求指定了其他提供商,否则该模型由 Comfy Router 直接提供服务。以下提供商同样可以提供该模型,它们使用相同的端点和相同的模型 ID,通过model_provider 查询参数进行选择。
- Comfy(默认):
POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-image - fal,即
fal/fal-nano-banana-2:POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-image?model_provider=fal - MiniMax,即
minimax/minimax-nano-banana-2:POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-image?model_provider=minimax - Pika,即
pika/pika-nano-banana-2:POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-image?model_provider=pika - Runware,即
runware/runware-nano-banana-2:POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-image?model_provider=runware - WaveSpeed,即
wavespeed/wavespeed-nano-banana-2:POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-image?model_provider=wavespeed
strict_mode 默认为 false,因此 Router 会将本页记录的原始请求体转换为提供商自己的 schema,并将响应转换回来。请参阅 API 参考中的 model_provider、strict_mode 和 fallback_provider,以及服务提供商,了解所有以此方式路由的模型。
Schema
输入
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。更多信息请参见 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。更多信息请参见 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中的视频。设置为 “AGENTIC” 可让模型自行决定检查哪些片段,而不是按固定帧率采样。省略则使用默认的固定帧率采样。受支持于 gemini-3.7-flash 及更新的 Flash 模型。
可选。输出应保存为的图像格式,适用于 Vertex AI 路径:由 Comfy 自有凭据处理的请求,以及使用 GCP 服务账号进行身份验证的 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 400 并指明此字段。省略时默认为 image/png。使用 Google AI Studio API 密钥进行身份验证的 BYOK 请求是例外:该上游没有此属性,一旦出现就会拒绝整个调用,因此该字段会从请求中移除,而不是被采用或被拒绝,输出格式则由 AI Studio 自行决定。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;当设置了 uploadImagesToStorage 时则为 fileData.mimeType),而不是假设你发送的值。当种子固定为某个特定值时,模型会尽力对重复请求给出相同的响应。但不保证输出完全确定。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
温度用于响应生成过程中的采样,该过程在应用 topP 和 topK 时发生。温度控制 token 选择的随机程度。较低的温度适合需要较少开放性、较少创造性响应的提示,而较高的温度则可能带来更多样或更有创造性的结果。温度为 0 表示始终选择概率最高的 token。在这种情况下,给定提示的响应基本是确定性的,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,或者模型给出了回退响应,请尝试提高温度范围:
0 到 2格式:floatTop-K 改变模型选择输出 token 的方式。top-K 为 1 表示下一个被选中的 token 是模型词表中所有 token 里概率最高的那个。top-K 为 3 表示下一个 token 通过温度从概率最高的 3 个 token 中选出。范围:
1 到 …如果指定,则使用核采样。
Top-P 改变模型选择输出 token 的方式。token 按概率从高(参见 top-K)到低依次被选中,直到它们的概率之和等于 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,那么模型会通过温度选择 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,较高的值可获得随机性更高的响应。范围:
0 到 1格式:float可选值:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT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 上限。systemInstruction 的 role 字段会被忽略,不会影响模型的表现。注意:parts 中只应使用文本,且每个 part 中的内容应位于单独段落中。
构成单条消息的有序 parts 列表。不同 part 可以具有不同的 IANA MIME 类型。有关输入的限值,例如最大 token 数或图像数量,请参阅 Google 模型页面上的模型规格。
创建该消息的实体的身份。支持以下值:user:表示该消息由真人发送,通常是用户生成的消息。model:表示该消息由模型生成。在多轮对话中,model 值用于将来自模型的消息插入对话。对于非多轮对话,此字段可以留空或不设置。可选值:
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,若要指定从 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-3.1-flash-image/openapi.json 提供的 schema,与它在请求到达提供商之前校验调用时所使用的是同一份文档。
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。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。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模型如何读取此部分的视频。设置为 “AGENTIC” 可让模型决定检查哪些片段,而不再按固定帧率采样。省略则使用默认的固定帧率采样。仅在 gemini-3.7-flash 及更新的 Flash 模型上受支持。
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
inlineData.data 中包含 base64 字节,并在 inlineData.mimeType 中包含媒体类型。解码这些字节并将其保存到文件中。当设置 uploadImagesToStorage: true 时,上传的图像则改用 fileData.fileUri 提供签名 URL,并使用 fileData.mimeType 提供媒体类型。请在 URL 过期之前下载这些图像,它们会在创建 24 小时之后过期。上传失败会使该图像保持内联形式,因此请检查每个部分中是否包含 inlineData 或 fileData;文本部分也可能出现,并且图像不保证是第一个部分。上述快速入门示例中的 candidates[0].content.parts[0].inlineData.data 路径读取的是本页示例响应中唯一的内联部分;面对真实响应时,应扫描 parts 查找所需的键,而不是索引位置 0。
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。