query with the Google Gemini API

important

The Google Gemini API est uniquement compatible avec les modèles de fondation Gemini de paiement par jeton et les modèles externes. Pour une API unifiée qui fonctionne sur tous les fournisseurs, utilisez l'API Open Responses ou l'API Chat Completions.

L'API Google Gemini offre une compatibilité native du SDK Google AI pour les modèles Gemini sur Databricks. Utilisez cette API lorsque vous avez besoin de fonctionnalités spécifiques à Gemini ou que vous migrez un code SDK Google AI existant.

Exigences

Consultez Exigences.
Installez le package google-genai sur votre compute.

Exemples de query

remarque

Les exemples suivants sont basés sur Unity Gateway et les services de modèle. Si vous utilisez des Endpoint de mise en service de modèles plutôt que des services de modèle, remplacez le nom du service de modèle par un nom d’Endpoint. Consultez la liste détaillée des modèles pris en charge par les APIs de modèle de fondation Databricks pour obtenir la liste des modèles de fondation disponibles ainsi que les noms de leurs services de modèle et de leurs Endpoint.

Les exemples suivants montrent comment query un service de modèle de fondation facturé au jeton à l’aide de l’API Gemini de Google.

Python
REST API

Python
from google import genai
from google.genai import types
import os

DATABRICKS_TOKEN = os.environ.get('DATABRICKS_TOKEN')

client = genai.Client(
    api_key="databricks",
    http_options=types.HttpOptions(
        base_url="https://example.staging.cloud.databricks.com/ai-gateway/gemini",
        headers={
            "Authorization": f"Bearer {DATABRICKS_TOKEN}",
        },
    ),
)

response = client.models.generate_content(
    model="system.ai.gemini-3-1-pro",
    contents=[
        types.Content(
            role="user",
            parts=[types.Part(text="What is a mixture of experts model?")],
        ),
    ],
    config=types.GenerateContentConfig(
        max_output_tokens=256,
    ),
)

print(response.text)

Bash
curl \
-u token:$DATABRICKS_TOKEN \
-X POST \
-H "Content-Type: application/json" \
-d '{
  "contents": [
    {
      "role": "user",
      "parts": [{"text": "What is a mixture of experts model?"}]
    }
  ],
  "generationConfig": {
    "maxOutputTokens": 256
  }
}' \
https://<workspace_host>.databricks.com/ai-gateway/gemini/v1beta/models/system.ai.gemini-3-1-pro:generateContent

Modèles pris en charge

Modèles de fondation hébergés par Databricks

system.ai.databricks-gemini-4-argon
system.ai.gemini-3-5-flash-lite
system.ai.gemini-3-8-flash
system.ai.gemini-3-7-flash
system.ai.gemini-3-6-flash
system.ai.gemini-3-1-pro
system.ai.gemini-3-1-flash-lite
system.ai.gemini-3-flash

Modèles externes

Fournisseur de modèle Google

Types d'entrée pris en charge

Les modèles Gemini sur Databricks acceptent les entrées de texte et d'image. La variante Pro (system.ai.gemini-3-1-pro) et les variantes Flash (system.ai.gemini-3-5-flash-lite, system.ai.gemini-3-1-flash-lite, system.ai.gemini-3-flash) acceptent également les entrées vidéo et audio. Consultez la page query audio and video models pour obtenir des exemples de requêtes vidéo et audio, ainsi que Query vision models pour connaître les exigences de format et de taille d'image. Pour connaître les types d'entrée par modèle, consultez la liste détaillée des modèles pris en charge par les APIs de modèle de fondation Databricks.

Exigences​

Exemples de query​

Modèles pris en charge​

Modèles de fondation hébergés par Databricks​

Modèles externes​

Types d'entrée pris en charge​

Ressources supplémentaires​