Gemini 参数与协议差异

使用 Gemini 模型时，根据本页调整思考、工具和缓存配置。完整结构参阅 Generate Content、Stream Generate Content 和 Chat Completions；普通与流式原生请求共用下方规则。

适用模型

模型	使用要点
gemini-4-argon	原生思考档位为 `LOW/MEDIUM/HIGH`，默认 `MEDIUM`；仅支持隐式缓存，长输出通过续写完成
gemini-3.8-flash	同样使用三档思考，默认 `MEDIUM`，不支持原生 `MINIMAL`；支持隐式与显式缓存
gemini-3.7-flash	同样使用三档思考，默认 `MEDIUM`，不支持原生 `MINIMAL`。Google Developer API 已将此型号标记为弃用并转向 3.8；这是原厂对应服务的安排，不表示平台已下线或自动替换该型号

Generate Content 差异

字段	差异说明
`thinkingConfig.thinkingLevel`	三款均不能用 `MINIMAL` 或旧式零预算关闭思考；降低深度使用 `LOW`，不要套用 Gemini 2.5 的关闭方式
`thinkingConfig.thinkingBudget`	新接入使用 `thinkingLevel`，两者不能同时传入。Argon 的 Gemini Developer API 将单独传入的旧预算映射到最近档位并给出警告
`temperature/topP/topK`	这些型号忽略旧采样配置；无需传入，无法通过这些字段调整采样
`candidateCount`	Gemini 3 及后续型号不支持该配置，应从请求中移除
`frequencyPenalty/presencePenalty`	Google Cloud 的 3.7 Flash 指南明确说明传入会报错；与上方采样参数的静默忽略行为不同
`thinkingConfig.includeThoughts`	开启后可通过 `parts[].thought` 区分思考摘要与回答；摘要不是原始思考，也不能代替签名回传
`parts[].thoughtSignature`	完整、原样保留返回的 Parts；工具调用历史必须回传签名，不要合并有签名和无签名的内容块
`functionCall/functionResponse`	函数结果的 `id`、`name` 与实际调用逐一匹配，不能遗漏或错配并行工具结果
model 预填充	不以未完成的 model 消息结尾；3.8 还要求最终用户轮次包含非空文本
`maxOutputTokens`	包含思考与回答。Argon 直接 REST 非流式单次上限为 `32768`，流式单次上限为 `65536`；超过单次上限需续写，不能只增大数字就视为一次返回
`continuationToken`	本页仅 Argon 使用长输出续写：`CONTINUATION` 时保留原输入、工具和总预算，传入最新令牌；`MAX_TOKENS` 后继续时，提高预算至已用 Token 数以上。不要把中间输出追加到 `contents`

Chat Completions 差异

以下规则来自 Google 官方 Chat 兼容层，不代表所有平台渠道采用相同转换方式。

字段	差异说明
`reasoning_effort`	本页型号使用 `low/medium/high`，默认 `medium`；Argon 还兼容 `minimal`，并将其映射为 `low`
`extra_body.google.thinking_config`	用于传入 Gemini 思考配置，如 `thinking_level` 与 `include_thoughts`；不能与 `reasoning_effort` 同时配置
`tool_calls[].extra_content`	保留其中的 `google.thought_signature`，并连同完整工具调用历史回传；只保留函数名称和参数会丢失签名
`response_format`	可使用官方支持的 JSON 结构化输出；Schema 按 Gemini 支持的子集编写，不等同于支持 OpenAI 的全部 Schema 行为。原生格式配置使用 Generate Content Reference 中的字段
长输出续写	Google 官方 Chat 兼容入口不支持长输出续写；需要续写时使用原生 Generate Content 或 Stream Generate Content

缓存差异

字段	差异说明
隐式缓存	默认启用，无需额外开关；Argon、3.8 Flash 的最小输入前缀为 `4096` 个 Token，仍需前缀一致，不保证命中
`cachedContent`	Argon 不支持显式缓存，创建或引用会报错；3.8 Flash 支持。3.7 Flash 在 Google Cloud 服务中也支持显式缓存
Chat 缓存引用	Google 兼容层通过 `extra_body.google.cached_content` 引用原生缓存；不使用 OpenAI 的 `prompt_cache_options`，Argon 也不会因改用 Chat 获得显式缓存能力
缓存用量	原生查看 `usageMetadata.cachedContentTokenCount`；实际返回的缓存用量用于判断命中，不能仅凭开启配置判断

媒体输入差异

输入	协议内容块	差异说明
图片	原生 `inlineData`	使用 Base64 数据并填写正确的 `mimeType`
文件	原生 `fileData`	可用于图片、音频、视频和 PDF；填写服务端可读取的资源 URI，不将本地文件路径当作 URI；原厂 Files 引用须来自对应文件服务
图片	Chat `image_url`	使用官方支持的图片 URL 或 Base64 Data URL，不套用原生 Parts 结构
音频	Chat `input_audio`	官方示例使用 Base64 音频和 `format`；不要把它当作音频生成配置

字段	差异说明
`mediaResolution`	控制输入媒体的处理精度；请求级与单个 Part 的配置按各自结构填写，单个媒体配置可覆盖请求级配置，不代表输出图片分辨率
`responseModalities`	三款型号仅输出文本，使用 `TEXT`；通用 Schema 中的 `IMAGE/AUDIO`、`imageConfig` 和 `speechConfig` 不用于这些型号的图像、语音生成

调用示例

将 MODEL_ID 替换为平台提供的完整模型 ID。两个示例均使用中档思考和明确的输出预算，不自动执行续写。

curl 'https://api.agtcloud.cn/v1beta/models/MODEL_ID:generateContent' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Content-Type: application/json' \
  --data '{
    "contents": [{"role": "user", "parts": [{"text": "用三点说明如何排查接口超时"}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "MEDIUM"},
      "maxOutputTokens": 32768
    }
  }'