Gemma API 快速入门指南

认证与基础 URL

在仪表板生成您的密钥。使用提供的基础 URL 将请求路由至我们的无审查模型。身份验证依赖于标准请求头。

基础 URL: HTTPS://api.apigemma.com/v1

标头: Authorization: Bearer YOUR_API_KEY

每个账户仅一个活动密钥。替换它将立即撤销旧密钥。注册无需电话号码。

聊天完成端点

向聊天补全端点发送文本提示。该模型返回文本，对于合法成人用途不进行内容拒绝。

上下文窗口：100,000 个 token。最大输出：16,000 个 token。错误和拒绝不收费。

支持通过 SSE 进行函数调用、JSON 模式和流式传输。

带有 SSE 的流式响应

通过将 stream flag 设置为 true。通过服务器发送事件实时接收令牌。

Token 用量在最后一个数据块中报告。这非常适合聊天界面和语音合成管道。

流式事件可靠且遵循标准的 OpenAI 格式。

JSON 模式与函数调用

通过设置 response_format 到 json_object. 这确保了下游应用的解析一致性。

使用 tools 用于函数调用。模型无缝处理工具执行。

诸如 temperature 和 top_p 控制创意和随机性。

参数：temperature、top_p 和 seed

使用 temperature (0-2), top_p (0-1)，以及 seed 用于可复现性。

使用 stop 序列以截断响应。 presence_penalty 和 frequency_penalty 减少重复。

这些参数的作用与 OpenAI SDK 完全相同。

限制、错误和上下文窗口

限流：300 次请求/分钟，8 个并发请求。最大请求体大小：8 MB。

401: 密钥无效。 402: 无信用额度。 429: 超出速率限制。

上下文窗口为 100,000 token。输出最大为 16,000 token。

cURL

Copycurl https://api.apigemma.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Show me the gemma model weights config file"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apigemma.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apigemma.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

流式传输

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)