使用 Gemini 3.7 Flash 搭配 Comfy Router
通过 Comfy Router 调用 vertexai/gemini-3.7-flash：端点、请求形状以及 Router 返回的响应。
使用 Gemini 3.7 Flash 搭配 Comfy Router
通过 Comfy Router 调用 vertexai/gemini-3.7-flash：端点、请求形状以及 Router 返回的响应。
vertexai/gemini-3.7-flash 的 API 参考文档，由 Comfy Router 提供服务，来自 Google。
输入： 文本, 图像, 音频, 视频 · 输出： 文本
快速开始
在你的 Comfy 工作区中创建一个密钥，并将其导出为 COMFY_API_KEY。Python 和 TypeScript 代码片段使用 Comfy SDK（pip install comfy-sdk 和 npm install @comfyorg/sdk）；cURL 代码片段则是通过原生 HTTP 发起的同一调用。
模型 ID： vertexai/gemini-3.7-flash
端点： POST https://api.comfy.org/v2/models/vertexai/gemini-3.7-flash
[tab] 等待结果 ``python Python theme={null} from comfy_sdk import Comfy # 从环境变量中读取 COMFY_API_KEY。 # SDK 会自动创建幂等键，并在自动重试时复用它。 with Comfy() as client: result = client.models.run( "vertexai/gemini-3.7-flash", { "contents": [ { "parts": [ { "text": "Describe a robot learning to paint, in two sentences.", }, ], "role": "user", }, ], }, ) print(result)``typescript TypeScript theme={null} import { comfy } from "@comfyorg/sdk"; // 从环境变量中读取 COMFY_API_KEY。 // SDK 会自动创建幂等键，并在自动重试时复用它。 const { data } = await comfy.models.run("vertexai/gemini-3.7-flash", { contents: [ { parts: [ { text: "Describe a robot learning to paint, in two sentences.", }, ], role: "user", }, ], }); console.log(data);``bash cURL theme={null} curl https://api.comfy.org/v2/models/vertexai/gemini-3.7-flash \ -H "X-API-Key: $COMFY_API_KEY" \ -H "Idempotency-Key: $(uuidgen)" \ -H "Content-Type: application/json" \ -d "{\"contents\": [{\"parts\":[{\"text\":\"Describe a robot learning to paint, in two sentences.\"}],\"role\":\"user\"}]}"``
[tab] 排队并稍后收集 将相同的请求体发送到POST https://api.comfy.org/v2/models/vertexai/gemini-3.7-flash/requests。运行被受理后，Router 会立即返回201和request_id；结果就绪后即可收集，无论是从本进程还是其他进程。状态、取消与收集的完整流程见队列投递。 ``python Python theme={null} import asyncio from comfy_sdk import AsyncComfy # 从环境变量中读取 COMFY_API_KEY。 # 每次 submit() 调用都会生成自己的 Idempotency-Key，并在自动重试时复用。 async def main(): async with AsyncComfy() as client: handle = await client.models.submit( "vertexai/gemini-3.7-flash", { "contents": [ { "parts": [ { "text": "Describe a robot learning to paint, in two sentences.", }, ], "role": "user", }, ], }, ) print("request_id:", handle.request_id) # 连同模型 ID，就是另一个进程所需的全部信息 # 轮询直到请求完成，按服务器给出的 Retry-After 等待。 async for update in handle.iter_events(): print(update.status, update.queue_position) # 提供商自身的返回载荷，与 models.run() 返回的值相同。 # 失败或已取消的请求会在此处抛出类型化的 Router 错误。 result = await handle.get() print(result) asyncio.run(main())``typescript TypeScript theme={null} import { comfy } from "@comfyorg/sdk"; // 从环境变量中读取 COMFY_API_KEY。 // 每次 submit() 调用都会生成自己的 Idempotency-Key，并在自动重试时复用。 const handle = await comfy.models.submit("vertexai/gemini-3.7-flash", { contents: [ { parts: [ { text: "Describe a robot learning to paint, in two sentences.", }, ], role: "user", }, ], }); console.log("requestId:", handle.requestId); // 连同模型 ID，就是另一个进程所需的全部信息 // 轮询直到请求完成，按服务器给出的 Retry-After 等待。 for await (const update of handle.events()) { console.log(update.status, update.queuePosition); } // 与 models.run() 返回的结果相同。失败或已取消的请求会在此处被拒绝。 const result = await handle.get(); console.log(result.data);``bash cURL theme={null} # 1. 提交。Router 返回 201，并附带 request_id、status_url、response_url 和 cancel_url。 curl https://api.comfy.org/v2/models/vertexai/gemini-3.7-flash/requests \ -H "X-API-Key: $COMFY_API_KEY" \ -H "Idempotency-Key: $(uuidgen)" \ -H "Content-Type: application/json" \ -d "{\"contents\": [{\"parts\":[{\"text\":\"Describe a robot learning to paint, in two sentences.\"}],\"role\":\"user\"}]}" # 2. 轮询直到状态为 COMPLETED，每次响应都会给出需等待的 Retry-After 秒数。 REQUEST_ID="<request_id from the 201 body>" curl -i https://api.comfy.org/v2/models/vertexai/gemini-3.7-flash/requests/$REQUEST_ID/status \ -H "X-API-Key: $COMFY_API_KEY" # 3. 收集。返回 200 时携带模型的原生输出；仍在运行时则返回 202 和状态体。 curl https://api.comfy.org/v2/models/vertexai/gemini-3.7-flash/requests/$REQUEST_ID \ -H "X-API-Key: $COMFY_API_KEY"``
Schema
输入
contents object[] required
与模型进行当前对话的内容。对于单轮查询，这是一个单独的实例。对于多轮查询，这是一个重复字段，包含对话历史和最新请求。
contents\[].parts object[] required
contents\[].parts\[].fileData object
基于 URI 的数据。
contents\[].parts\[].fileData.fileUri string
URI
contents\[].parts\[].fileData.mimeType string
在 data 或 fileUri 字段中指定的文件的媒体类型。可接受的值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash，音频文件的最大长度为 8.4 小时，视频文件（无音频）的最大长度为一小时。更多信息，请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容计入 token 上限。图像分辨率无限制。
Possible values: application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm
contents\[].parts\[].inlineData object
以原始字节形式提供的内联数据。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash，通过 inlineData 最多可以指定 3000 张图像。
contents\[].parts\[].inlineData.data string (byte)
要在提示中以内联方式包含的图像、PDF 或视频的 base64 编码。以内联方式包含媒体时，还必须指定数据的媒体类型（mimeType）。大小限制：20MB
Format: byte
contents\[].parts\[].inlineData.mimeType string
在 data 或 fileUri 字段中指定的文件的媒体类型。可接受的值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash，音频文件的最大长度为 8.4 小时，视频文件（无音频）的最大长度为一小时。更多信息，请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容计入 token 上限。图像分辨率无限制。
Possible values: application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webm
contents\[].parts\[].mediaProcessing string
模型如何读取此部分的视频。设置为 "AGENTIC" 可让模型自行决定检查哪些片段，而不是采用固定帧率采样。省略则使用默认的固定帧率采样。支持 gemini-3.7-flash 及更新的 Flash 模型。
contents\[].parts\[].text string
文本提示或代码片段。
contents\[].parts\[].thought boolean
表示此部分是模型的思维/推理步骤。
contents\[].role string
Possible values: user, model
generationConfig object
生成的采样、长度和输出设置。每个字段都是可选的：下面声明了 default 的字段在省略时会应用该默认值，其余字段则回退到模型自身的行为。
generationConfig.imageConfig object
图像生成的配置
generationConfig.imageConfig.aspectRatio string
已生成图像的宽高比
generationConfig.imageConfig.imageOutputOptions object
可选。已生成图像的输出格式。
generationConfig.imageConfig.imageOutputOptions.compressionQuality integer
可选。输出图像的压缩质量。
generationConfig.imageConfig.imageOutputOptions.mimeType string
可选。在各 Vertex AI 路径上，输出应保存为的图像格式，这些路径包括：由 Comfy 自有凭据提供服务的请求，以及使用 GCP 服务账号进行身份验证的 BYOK 请求。这些路径接受的值是 image/png 和 image/jpeg，匹配时不区分大小写，并在转发请求之前规范化为小写；任何其他值都会被拒绝，并返回一个指明此字段的 400。省略时默认为 image/png。使用 Google AI Studio API 密钥进行身份验证的 BYOK 请求是例外：该上游没有此属性，如果存在该字段就会拒绝整个调用，因此该字段会从请求中删除，而不是被接受或拒绝，输出格式由 AI Studio 自行选择。在所有路径上，都应从收到的响应部分读回媒体类型（inlineData.mimeType；设置了 uploadImagesToStorage 时为 fileData.mimeType），而不要假定你发送的值。
generationConfig.imageConfig.imageSize string
可选。指定已生成图像的尺寸。支持的值为 1K、2K、4K。如果未指定，模型将使用默认值 1K。
generationConfig.maxOutputTokens integer
响应中可生成的最大 token 数。一个 token 大约相当于 4 个字符。100 个 token 大致对应 60-80 个单词。
Range: 16 to 65536
generationConfig.responseModalities \\TEXT, IMAGE[]
generationConfig.seed integer
当种子固定为特定值时，模型会尽力为重复请求提供相同的响应。无法保证输出具有确定性。此外，更改模型或参数设置（例如温度）也可能导致响应出现变化，即使使用相同的种子值。默认情况下，使用随机种子值。适用于以下模型：gemini-2.5-flash、gemini-2.5-pro、gemini-2.5-flash-preview-04-1、gemini-2.5-pro-preview-05-0、gemini-2.0-flash-lite-00、gemini-2.0-flash-001
generationConfig.stopSequences string[]
generationConfig.temperature number (default: 1)
温度用于在生成响应期间进行采样，该过程在应用 topP 和 topK 时发生。温度控制 token 选择中的随机程度。较低的温度适合需要少一些开放式或创造性回答的提示，而较高的温度可以带来更多样或更具创造性的结果。温度为 0 意味着始终选择概率最高的 token。在这种情况下，给定提示的响应基本上是确定性的，但仍可能出现少量变化。如果模型返回的响应过于笼统、过于简短，或者模型给出了回退响应，请尝试提高温度
范围：0 到 2
格式：float
generationConfig.thinkingConfig object
可选。思考功能的配置。思考是指模型将复杂任务拆解为更小的步骤，以生成更高质量响应的过程。
generationConfig.thinkingConfig.includeThoughts boolean
可选。如果为 true，模型将在响应中包含其思考内容。
generationConfig.thinkingConfig.thinkingBudget integer
可选。模型思考过程的 token 预算。模型将尽力不超过该预算。
generationConfig.thinkingConfig.thinkingLevel string
可选。模型的思考级别。
可能的值：THINKING_LEVEL_UNSPECIFIED、LOW、MEDIUM、HIGH、MINIMAL
generationConfig.topK integer (default: 40)
Top-K 会改变模型为输出选择 token 的方式。top-K 为 1 表示下一个被选择的 token 是模型词汇表中所有 token 里概率最高的那个。top-K 为 3 表示下一个 token 是通过温度从概率最高的 3 个 token 中选出的。
范围：1 到 …
generationConfig.topP number (default: 0.95)
如果指定，则使用核采样。 Top-P 会改变模型为输出选择 token 的方式。token 按概率从最高（参见 top-K）到最低依次选取，直到它们的概率之和等于 top-P 值。例如，如果 token A、B 和 C 的概率分别为 0.3、0.2 和 0.1，而 top-P 值为 0.5，那么模型会通过温度从 A 或 B 中选择下一个 token，并排除 C 作为候选。 指定较低的值可获得随机性更低的响应，指定较高的值可获得随机性更高的响应。
范围：0 到 1
格式：float
safetySettings object[]
用于阻止不安全内容的按请求设置。在 GenerateContentResponse.candidates 上强制执行。
safetySettings\[].category string required
可能的值：HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT
safetySettings\[].threshold string required
可能的值：OFF、BLOCK_NONE、BLOCK_LOW_AND_ABOVE、BLOCK_MEDIUM_AND_ABOVE、BLOCK_ONLY_HIGH
systemInstruction object
用于引导模型获得更好表现的指令。例如，“尽可能简洁地回答”或“在你的回答中不要使用技术术语”。这些文本字符串会计入 token 限制。systemInstruction 的 role 字段会被忽略，不影响模型的表现。注意：parts 中只应使用文本，并且每个 part 中的内容都应放在单独的段落中。
systemInstruction.parts object[] required
组成单条消息的有序 part 列表。不同的 part 可能具有不同的 IANA MIME 类型。关于输入的限制（例如最大 token 数或图像数量），请参阅 Google models 页面上的模型规范。
systemInstruction.parts\[].text string
文本提示或代码片段。
systemInstruction.role string
创建消息的实体的身份。支持以下值：user：表示消息由真人发送，通常是用户生成的消息。model：表示消息由模型生成。在多轮对话中，使用 model 值可将来自模型的消息插入对话。对于非多轮对话，此字段可以留空或不设置。
可能的值：user、model
tools object[]
一段代码，使系统能够与外部系统交互，以执行模型知识和范围之外的一项或多项操作。请参阅函数调用。
tools\[].functionDeclarations object[]
tools\[].functionDeclarations\[].description string
tools\[].functionDeclarations\[].name string required
tools\[].functionDeclarations\[].parameters object
函数参数的 JSON schema
uploadImagesToStorage boolean
如果为 true，已生成的图像将上传到云端存储，并以签名 URL 的形式返回，而不是内联的 base64 数据。这些 URL 将在 24 小时后过期。
videoMetadata object
对于视频输入，表示视频起始和结束偏移的时长格式。例如，要指定从 1:00 开始的 10 秒片段，请设置 "startOffset": \{ "seconds": 60 } 和 "endOffset": \{ "seconds": 70 }。仅当视频数据以 inlineData 或 fileData 形式提供时，才应指定该元数据。
videoMetadata.endOffset object
表示视频时间轴位置的时长偏移。
videoMetadata.endOffset.nanos integer
以纳秒为分辨率的有符号秒的小数部分。带小数部分的负秒值仍必须具有非负的 nanos 值。
范围：0 到 999999999
videoMetadata.endOffset.seconds integer
时间跨度的有符号秒数。必须介于 -315,576,000,000 到 +315,576,000,000 之间（含两端）。
范围：-315576000000 到 315576000000
videoMetadata.startOffset object
表示视频时间轴位置的时长偏移。
videoMetadata.startOffset.nanos integer
以纳秒为分辨率的有符号秒的小数部分。带小数部分的负秒值仍必须具有非负的 nanos 值。
范围：0 到 999999999
videoMetadata.startOffset.seconds integer
时间跨度的有符号秒数。必须介于 -315,576,000,000 到 +315,576,000,000 之间（含两端）。
范围：-315576000000 到 315576000000
根据 Router 在 GET /v2/models/vertexai/gemini-3.7-flash/openapi.json 提供的 schema 生成，该文档与请求到达提供商之前用于验证调用的文档相同。
输出
candidates object[]
candidates\[].citationMetadata object
candidates\[].citationMetadata.citations object[]
candidates\[].citationMetadata.citations\[].authors string[]
candidates\[].citationMetadata.citations\[].endIndex integer
candidates\[].citationMetadata.citations\[].license string
candidates\[].citationMetadata.citations\[].publicationDate string (date)
格式：date
candidates\[].citationMetadata.citations\[].startIndex integer
candidates\[].citationMetadata.citations\[].title string
candidates\[].citationMetadata.citations\[].uri string
candidates\[].content object
与模型进行当前对话的内容。对于单轮查询，这是一个单独的实例。对于多轮查询，这是一个重复字段，包含对话历史和最新请求。
candidates\[].content.parts object[] required
candidates\[].content.parts\[].fileData object
基于 URI 的数据。
candidates\[].content.parts\[].fileData.fileUri string
URI
candidates\[].content.parts\[].fileData.mimeType string
data 或 fileUri 字段中所指定文件的媒体类型。可接受的值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash，音频文件的最大长度为 8.4 小时，视频文件（不含音频）的最大长度为一小时。有关更多信息，请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容计入 token 限制。图像分辨率无限制。
可能的值：application/pdf、audio/mpeg、audio/mp3、audio/wav、image/png、image/jpeg、image/webp、text/plain、video/mov、video/mpeg、video/mp4、video/mpg、video/avi、video/wmv、video/mpegps、video/flv、image/heic、image/heif、audio/flac、video/webm
candidates\[].content.parts\[].inlineData object
以原始字节表示的内联数据。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash，使用 inlineData 最多可以指定 3000 张图像。
candidates\[].content.parts\[].inlineData.data string (byte)
要在提示中内联包含的图像、PDF 或视频的 base64 编码。内联包含媒体时，还必须指定数据的媒体类型（mimeType）。大小限制：20MB
格式：byte
candidates\[].content.parts\[].inlineData.mimeType string
data 或 fileUri 字段中所指定文件的媒体类型。可接受的值包括以下内容。对于 gemini-2.0-flash-lite 和 gemini-2.0-flash，音频文件的最大长度为 8.4 小时，视频文件（不含音频）的最大长度为一小时。有关更多信息，请参阅 Gemini 音频和视频要求。文本文件必须采用 UTF-8 编码。文本文件的内容计入 token 限制。图像分辨率无限制。
可能的值：application/pdf、audio/mpeg、audio/mp3、audio/wav、image/png、image/jpeg、image/webp、text/plain、video/mov、video/mpeg、video/mp4、video/mpg、video/avi、video/wmv、video/mpegps、video/flv、image/heic、image/heif、audio/flac、video/webm
candidates\[].content.parts\[].mediaProcessing string
模型读取此部分视频的方式。设置为 "AGENTIC" 可让模型自行决定检查哪些片段，而不是采用固定帧率采样。省略则使用默认的固定帧率采样。gemini-3.7-flash 及更新的 Flash 模型支持此项。
candidates\[].content.parts\[].text string
文本提示或代码片段。
candidates\[].content.parts\[].thought boolean
表示此部分是模型的思考/推理步骤。
candidates\[].content.role string
可能的值：user、model
candidates\[].finishReason string
candidates\[].safetyRatings object[]
candidates\[].safetyRatings\[].category string
可能的值：HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT
candidates\[].safetyRatings\[].probability string
内容违反指定安全类别的概率
可能的值：NEGLIGIBLE、LOW、MEDIUM、HIGH、UNKNOWN
createTime string
响应创建时的时间戳。
modelVersion string
用于生成响应的模型版本。
promptFeedback object
promptFeedback.blockReason string
promptFeedback.blockReasonMessage string
promptFeedback.safetyRatings object[]
promptFeedback.safetyRatings\[].category string
可能的值：HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENT
promptFeedback.safetyRatings\[].probability string
内容违反指定安全类别的概率
可能的值：NEGLIGIBLE、LOW、MEDIUM、HIGH、UNKNOWN
responseId string
响应的唯一标识符。
usageMetadata object
usageMetadata.cachedContentTokenCount integer
仅输出。输入中缓存部分（缓存内容）的 token 数量。
usageMetadata.candidatesTokenCount integer
响应中的 token 数量。
usageMetadata.candidatesTokensDetails object[]
按模态划分的候选 token 明细。
usageMetadata.candidatesTokensDetails\[].modality string
输入或输出内容的模态类型。
可能的值：MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
usageMetadata.candidatesTokensDetails\[].tokenCount integer
给定模态的 token 数量。
usageMetadata.promptTokenCount integer
请求中的 token 数量。设置 cachedContent 时，这仍是有效的提示总大小，也就是说它包含缓存内容中的 token 数量。
usageMetadata.promptTokensDetails object[]
按模态划分的提示 token 明细。
usageMetadata.promptTokensDetails\[].modality string
输入或输出内容的模态类型。
可能的值：MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
usageMetadata.promptTokensDetails\[].tokenCount integer
给定模态的 token 数量。
usageMetadata.thoughtsTokenCount integer
思考输出中存在的 token 数量。
usageMetadata.toolUsePromptTokenCount integer
工具使用提示中存在的 token 数量。
usageMetadata.toolUsePromptTokensDetails object[]
按模态划分的工具使用提示 token 明细。
usageMetadata.toolUsePromptTokensDetails\[].modality string
输入或输出内容的模态类型。
可能的值：MODALITY_UNSPECIFIED、TEXT、IMAGE、VIDEO、AUDIO、DOCUMENT
usageMetadata.toolUsePromptTokensDetails\[].tokenCount integer
给定模态的 token 数量。
usageMetadata.totalTokenCount integer
token 总数（提示 + 候选）。
usageMetadata.trafficType string
用于请求的流量类型（例如 PROVISIONED\_THROUGHPUT）。
示例
输入
{
"contents": [
{
"parts": [
{
"text": "Describe a robot learning to paint, in two sentences."
}
],
"role": "user"
}
]
}
输出
{
"candidates": [
{
"content": {
"parts": [
{
"text": "A lighthouse stands at the edge of the harbour, its lamp still turning as the sun comes up."
}
],
"role": "model"
},
"finishReason": "STOP"
}
],
"modelVersion": "gemini-3.7-flash",
"responseId": "0d1f2a3b-4c5d-6e7f-8a9b-0c1d2e3f4a5b",
"usageMetadata": {
"candidatesTokenCount": 21,
"promptTokenCount": 12,
"totalTokenCount": 33
}
}
发布前须知
SDK 会生成 Idempotency-Key 并在自动重试中复用它。手动重试时，请复用原始 key。Router 最长可保持连接 10 分钟。
请求失败时，Router 会发送 X-Comfy-Error-Type 响应头说明原因。422 表示 Router 在调用提供商之前就拒绝了输入，413 表示请求体超出了 Router 可接受的大小。已生成的资源请及时下载，因为结果 URL 会过期。
上文任何字段描述中提到的尺寸限制，都是提供商对该字段自身的限定，引自提供商的规范。Router 会对整个请求体另行设置上限，base64 编码的媒体内容也计入其中：参见请求体大小。
本页记录的是通过 Comfy Router 调用的某一个合作伙伴模型。同一个 comfy-sdk / @comfyorg/sdk 包还提供第二个客户端，用于在 Comfy Cloud 上运行完整的 ComfyUI 工作流图：Comfy(api_key=...) / new Comfy({ apiKey })，并带有 client.workflows、client.assets 和 client.jobs。请参阅 Comfy SDKs。
[card] 请求头 身份验证、幂等性、请求 ID、错误分类、重试节奏、消费限额。
[card] 使用 Router API 模型发现、验证错误、重试与计费。
[card] 限制 Router 目前不支持的功能，以及替代方案。