Interroger avec l’API Google Gemini

Important

L'API Google Gemini est uniquement compatible avec les modèles Gemini de base avec paiement par jeton et les modèles externes. Pour une API unifiée compatible avec plusieurs fournisseurs, utilisez l’API Open Responses ou l’API Chat Completions.

L’API Google Gemini fournit une compatibilité native du Kit de développement logiciel (SDK) Google AI pour les modèles Gemini sur Azure Databricks. Utilisez cette API lorsque vous avez besoin de fonctionnalités spécifiques à Gemini ou que vous migrez le code existant du Kit de développement logiciel (SDK) Google AI.

Spécifications

  • Consultez Spécifications.
  • Installez le google-genai package sur votre calcul.

Exemples de requêtes

Note

Les exemples suivants sont basés sur Unity Gateway et les services modèles. Si vous utilisez des points de terminaison de service de modèle au lieu des services de modèle, remplacez le nom du service de modèle par un nom de point de terminaison. Voir la liste détaillée des modèles pris en charge par les API de modèles de fondation Databricks pour une liste des modèles de fondation disponibles ainsi que leurs noms de service de modèles et de points de terminaison.

Les exemples suivants montrent comment interroger un service de modèle à paiement par jeton de la Foundation Model API en utilisant l'API Google Gemini.

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)

API REST

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 base 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 modèles Google

Types d’entrée pris en charge

Les modèles Gemini sur Azure Databricks acceptent des entrées de texte et d’image. Les variantes Pro (system.ai.gemini-3-1-pro) et 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 les modèles audio et vidéo de requête pour obtenir des exemples de requêtes vidéo et audio, ainsi que des modèles de vision des requêtes pour les exigences de format et de taille de l’image. Pour les types d’entrée par modèle, voir Liste détaillée des modèles pris en charge par les API de modèles de fondation Databricks.

Ressources supplémentaires

  • Dernière mise à jour :