Skip to main content
La plataforma permite acceder a los modelos Gemini mediante el protocolo OpenAI chat/completions y el protocolo nativo de Gemini. Todos los ejemplos siguientes usan el modo no Stream. Si necesita el modo Stream, simplemente cambie el Path a /gemini/v1/models/:streamGenerateContent.

Inicio rápido

Control del razonamiento con el protocolo OpenAI

La plataforma convertirá el parámetro reasoning_effort de las solicitudes OpenAI chat/completions en parámetros thinking de Gemini. ⚠️ Los valores no estándar de OpenAI disable/none pueden usarse para desactivar el proceso de razonamiento.

Configuración predeterminada de cada modelo

⚠️ No es posible desactivar el razonamiento para Gemini 2.5 Pro; reasoning_effort: none se convertirá al thinkingBudget mínimo de 128. ⚠️ thinkingBudget solo es compatible con Gemini 2.5 Flash, 2.5 Pro y 2.5 Flash-Lite. Según el prompt, el modelo puede superar o quedar por debajo del presupuesto de tokens.

Uso de herramientas del lado del servidor

Con Google Search, los modelos Gemini pueden conectarse con contenido web en tiempo real y admiten todos los idiomas disponibles. De este modo, Gemini puede ofrecer respuestas más precisas y citar fuentes verificables posteriores a la fecha de corte de conocimiento.
A continuación se muestra un ejemplo de resultado. Con el protocolo OpenAI, la información de Grounding puede obtenerse desde el campo no estándar gemini_grounding_metadata.

Code Execution

Gemini proporciona una herramienta de ejecución de código que permite al modelo generar y ejecutar código Python. Luego, el modelo puede iterar basándose en los resultados de la ejecución del código hasta obtener la salida final.
A continuación se muestra un ejemplo de resultado. Para el protocolo OpenAI, el código y los resultados de la ejecución del código aparecerán en content. Para el protocolo Gemini, el código está en el campo executableCode, el resultado de la ejecución está en el campo codeExecutionResult y el resumen está en el campo text.

URL context

Con la herramienta URL context, puede proporcionar más contexto al modelo en forma de URLs. Al agregar URLs a la solicitud, el modelo accederá al contenido de esas páginas web, lo que aportará información a la respuesta y mejorará su calidad.
Respuesta de ejemplo: