Gemini-Reihe

Die Gemini-Textmodelle von Google, vor allem die Reihe Gemini 3.x. Unterstützt werden zwei Aufrufwege: der native Gemini-Endpunkt (direkt nutzbar mit dem offiziellen SDK google-genai) und der OpenAI-kompatible Endpunkt.

Häufige Aufgaben

Thinking steuern Thinking ist standardmäßig aktiv; so verringern Sie es bei langen Laufzeiten.Google-Suche Aktuelle Informationen aus dem Web abrufen und Quellen zurückgeben.PDF und Audio Dokumente und Audio zur Analyse hochladen.Fehlerbehebung Abgeschnittene Antworten, abgekündigte Modelle, überschrittener Kontext.In Gemini CLI verwenden Einrichtung und häufige Fragen.

Modelle

Unterstützt werden Text-, Bild-, Audio- und PDF-Eingaben bei einem Kontext von etwa 1M Tokens. Die vollständige Modellliste und aktuelle Preise finden Sie auf der Modellseite ; alternativ können Sie sie über die Models API abfragen. Modelle zur Bildgenerierung finden Sie unter Nano Banana.

Gängige Modell-IDs (beim Aufruf exakt kopieren)

Gemini 3.8 Flashgoogle/gemini-3.8-flash

Gemini 3.1 Pro Previewgoogle/gemini-3.1-pro-preview

Gemini 3.5 Flash-Litegoogle/gemini-3.5-flash-liteStandardmäßig ohne Thinking; schnelle Antworten

Gemini 3.5 Flashgoogle/gemini-3.5-flash

Das Präfix google/ kann entfallen. Auch in der Adresse des nativen Endpunkts ist das Präfix optional; models/google/gemini-3.8-flash:generateContent und models/gemini-3.8-flash:generateContent funktionieren beide.

Endpunktwahl

Kurz gesagtFür eine feine Steuerung des Thinking und für die Quellen der Google-Suche verwenden Sie den nativen Gemini-Endpunkt.

	Nativer Gemini-Endpunkt (empfohlen)	OpenAI-kompatibler Endpunkt
Adresse	`POST https://api.ofox.ai/gemini/v1beta/models/<Modell-ID>:generateContent`	`POST https://api.ofox.ai/v1/chat/completions`
SDK	`google-genai`, `base_url` ist `https://api.ofox.ai/gemini`	OpenAI SDK, `base_url` ist `https://api.ofox.ai/v1`
Authentifizierung	`x-goog-api-key: <Key>`, auch `Authorization: Bearer <Key>` wird akzeptiert	`Authorization: Bearer <Key>`
Streaming	`:streamGenerateContent?alt=sse`	`"stream": true`
Thinking	`thinkingConfig`, kann Thinking-Zusammenfassungen liefern	`reasoning_effort` oder `reasoning`, liefert `reasoning_details`
Google-Suche	`tools: [{"google_search": {}}]`, liefert Quellen und Suchbegriffe	`web_search_options`, liefert nur die Antwort

Der native Endpunkt unterstützt keine Übergabe des Keys über den URL-Parameter ?key=; das liefert 401. Verwenden Sie den Request-Header.

Gemini-Modelle werden derzeit von Google Vertex AI (google_vertex) bereitgestellt. Alle Anfrageparameter finden Sie unter Generate Content.

Aufrufbeispiele

Python (google-genai)

gemini_basic.py


import os
from google import genai
 
client = genai.Client(
    api_key=os.environ["OFOX_API_KEY"],
    http_options={"api_version": "v1beta", "base_url": "https://api.ofox.ai/gemini"},
)
 
resp = client.models.generate_content(
    model="google/gemini-3.8-flash",
    contents="Erkläre in einem Satz, was Idempotenz ist.",
)
print(resp.text)

cURL

Terminal


curl "https://api.ofox.ai/gemini/v1beta/models/google/gemini-3.8-flash:generateContent" \
  -H "x-goog-api-key: $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Erkläre in einem Satz, was Idempotenz ist."}]}]
  }'

Python (OpenAI SDK)

gemini_openai_sdk.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="google/gemini-3.8-flash",
    messages=[{"role": "user", "content": "Erkläre in einem Satz, was Idempotenz ist."}],
)
print(resp.choices[0].message.content)

Prompt-Caching

Gemini cacht automatisch implizit: Stimmt das Präfix einer Anfrage mit kürzlich gesendeten Anfragen überein und ist es lang genug, wird der getroffene Anteil zum Preis für Cache-Lesen abgerechnet. Die Anfrage muss nicht angepasst werden.

Punkt	Beschreibung
Treffer prüfen	Am nativen Endpunkt ist `usageMetadata.cachedContentTokenCount` größer als 0; am OpenAI-kompatiblen Endpunkt ist `usage.prompt_tokens_details.cached_tokens` größer als 0
Zuverlässigkeit	Implizites Caching erfolgt nach bestem Bemühen; auch Anfragen mit identischem Präfix können den Cache verfehlen
Deterministisches Caching	Wenn Sie große Inhalte zuverlässig wiederverwenden müssen, nutzen Sie explizites Caching; siehe Explizites Caching bei Gemini

Häufige Fehler

Kurz gesagtBricht die Antwort mittendrin ab, hat meist das Thinking das Ausgabekontingent verbraucht. Das ist kein Fehler; prüfen Sie finishReason.

HTTP · Status	Fehlermeldung im Wortlaut	Ursache	Lösung
200, `finishReason: "MAX_TOKENS"`	—	Thinking und Antwort zusammen haben `maxOutputTokens` erreicht, die Antwort wurde abgeschnitten	`maxOutputTokens` erhöhen oder das Thinking mit `thinkingLevel: "low"` verringern. Am OpenAI-kompatiblen Endpunkt lautet der Wert `finish_reason: "length"`
400 `INVALID_ARGUMENT`	`The input token count exceeds the maximum number of tokens allowed 1048576.`	Eingabe überschreitet den Kontext des Modells	Eingabe kürzen
410 `model_deprecated`	`Model 'google/gemini-3-pro-preview' is deprecated and no longer accepts requests; please switch to an active model`	Das Preview-Modell wurde abgekündigt	Die stabile Version oder eine neue Preview verwenden, z. B. `google/gemini-3.1-pro-preview`
404 `model_not_found`	`Model 'google/gemini-9-pro' not found`	Modell-ID falsch geschrieben	Modell-ID von dieser Seite kopieren
401	—	Key über `?key=` übergeben	Stattdessen den Header `x-goog-api-key` verwenden
Timeout	—	Thinking ist standardmäßig aktiv; komplexe Fragen dauern länger	Streaming verwenden, das Client-Timeout auf mindestens 300 Sekunden setzen oder das Thinking verringern

Weitere allgemeine Fehler: Fehlerbehandlung.

Offizielle Dokumentation

Die offizielle Dokumentation beschreibt das Verhalten bei direktem Aufruf von Google. Beim Aufruf über OfoxAI gelten für Modell-IDs und Endpunktadressen die Angaben auf dieser Seite.

Häufige Fragen

Wie schreibe ich die Modell-ID von Gemini?

Die Standardschreibweise ist google/gemini-3.8-flash; das Präfix google/ kann auch entfallen. In der Adresse des nativen Endpunkts ist das Präfix ebenfalls optional.

Was tun, wenn Gemini sehr langsam antwortet?

Mit Ausnahme von Flash-Lite ist das Thinking bei Gemini standardmäßig aktiv; komplexe Fragen können über 1 Minute dauern. Übergeben Sie thinkingLevel: "low", um das Thinking zu verringern, schalten Sie es bei einigen Modellen mit thinkingBudget: 0 ab oder wechseln Sie zu einem Flash-Lite-Modell, das standardmäßig ohne Thinking arbeitet.

Wie schalte ich das Thinking bei Gemini ab?

Bei 3.5 Flash und 3 Flash Preview schalten Sie es mit thinkingBudget: 0 ab. Bei 3.1 Pro Preview und 3.8 Flash lässt es sich nicht vollständig abschalten, aber mit thinkingLevel: "low" verringern. Die Flash-Lite-Reihe arbeitet standardmäßig ohne Thinking.

Die Antwort von Gemini ist abgeschnitten und finishReason ist MAX_TOKENS?

Auch die Thinking-Tokens zählen zu maxOutputTokens. Erhöhen Sie maxOutputTokens oder verringern Sie das Thinking.

Kann Gemini im Web suchen?

Ja. Am nativen Endpunkt fügen Sie {"google_search": {}} zu tools hinzu; groundingMetadata in der Antwort enthält Suchbegriffe und Quellen. Am OpenAI-kompatiblen Endpunkt übergeben Sie web_search_options: {}.

Wie authentifiziere ich mich am nativen Gemini-Endpunkt?

Übergeben Sie den OfoxAI API Key im Header x-goog-api-key; Authorization: Bearer wird ebenfalls akzeptiert. Der URL-Parameter ?key= wird nicht unterstützt.

Fehler 410 model_deprecated?

Das Preview-Modell wurde abgekündigt, z. B. gemini-3-pro-preview. Verwenden Sie google/gemini-3.1-pro-preview oder eine stabile Version.

Kann Gemini Audio und PDFs analysieren?

Ja. Am nativen Endpunkt übergeben Sie die base64-kodierte Datei über inline_data; am OpenAI-kompatiblen Endpunkt verwenden Sie für PDFs einen file-Inhaltsblock und für Audio einen input_audio-Inhaltsblock.