Введение
OpenAI-совместимый чат для Gemini 3 Flash Preview. Окно чтения на 256 000 токенов, три уровня усилия рассуждения, 128 описаний инструментов и вывод JSON в одном синхронном вызове, а при желании — потоковая выдача по SSE.
Gemini 3 Flash Preview — лёгкая чат-модель Google, опубликованная здесь как один OpenAI-совместимый эндпоинт. Низкая цена за токен и быстрый первый токен делают её первым выбором для пошаговых ролевых сцен и интерактивной прозы: она читает до 256 000 токенов, отвечает не более чем 65 536 и даёт три уровня усилия рассуждения, вызов инструментов и вывод JSON.
Ключевые возможности и особенности
Полоса для частых коротких реплик
В сцене, где за час проходят сотни ходов, чувствуются цена за токен и время до первого токена, а не потолок способностей модели. Именно для этой работы она здесь: достаточно дешёвая, чтобы каждую реплику каждого игрока пропускать через модель, и достаточно быстрая, чтобы разговор не замирал на индикаторе загрузки.
Решайте на каждом ходу, думать ли дважды
low, medium и high, по умолчанию medium. Обычный обмен держите на low — первый токен приходит раньше, — а тот единственный ход, который должен свести линию, поднимайте до high. Это строка в том же теле запроса, переключение ничего не стоит на стороне интеграции.
Она может измениться под вами
Срок жизни предварительной версии определяет Google, поведение и доступность могут сдвинуться без предупреждения. Решите, на какую модель переключитесь, до того дня, когда её уберут.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
messages | Да | Упорядоченные реплики, старые первыми. Содержимое — строка или массив частей text, |
max_tokens | Нет | Ограничивает ответ значением 65 536, по умолчанию 16 384. Для пошаговой игры 300–800 не дают модели ответить сразу целой главой. |
reasoning_effort | Нет | minimal, low, medium или high; по умолчанию medium. Обычные ходы прекрасно идут на low, а тот ход, который должен попасть в цель, поднимается до high отдельно. |
stop | Нет | До 4 последовательностей — строкой или массивом. Ответ обрывается, как только модель пишет одну из них, а совпавший текст не возвращается. Не менее 1 символов · Не менее 1 элементов · Не более 4 элементов |
seed | Нет | Любое целое число. |
temperature | Нет | От 0 до 2, по умолчанию 1. Google советует оставлять модели Gemini 3 на 1,0: при меньших значениях генерация может зациклиться или просесть по качеству. |
top_p | Нет | От 0,01 до 1. Меняйте его либо temperature, но не оба сразу в одном сравнении. |
tools | Нет | До 128 описаний функций в одном запросе. Не более 128 элементов |
tool_choice | Нет | auto, none, required или объект с именем конкретной функции. |
response_format | Нет | Просите объект JSON и называйте каждый ключ в системном сообщении — так варианты ветвления возвращаются разбираемыми. |
Стоимость
Ввод $0.45 / Вывод $2.70 за 1 млн токенов
Сценарии использования
Пошаговые ролевые сцены
Карточка персонажа, правила мира и тон закреплены в одном системном сообщении, а каждый ход отправляет только новую реплику. При сотнях ходов в час цена за токен и время до первого токена влияют на ощущение от сцены куда сильнее, чем потолок модели.
Авторский текст и ветвление выбора
Попросите продолжение сцены и три варианта действия: объект JSON через response_format и каждый ключ, названный в системном сообщении, удерживают форму вариантов стабильной. Каждый экран текстового квеста — это один такой вызов.
Разделение длинной сессии по уровням
Обычные реплики сюда, а важные ходы — раскрытие, столкновение, сорок ходов, свёрнутых в один абзац, — в модель подороже. Обе имеют форму OpenAI, так что меняется только идентификатор модели.
Массовая разметка и приведение к форме
Разметка логов переписки, переписывание пересказов, укладка свободного текста в фиксированные поля. Окупятся такие задачи или нет, решает цена за вызов, а не пик рассуждения.
Руководство по промптам и практические советы
Персонаж — в system, сцена — в user
Карточка персонажа, правила мира и тон повествования живут в одном системном сообщении; каждый ход добавляет только новую реплику user и ответ ассистента. Именно неподвижное системное сообщение позволяет понять, какая реплика увела голос в сторону.
Меняйте усилие по ходу, а не по интеграции
Обычный обмен — на low, ради более раннего первого токена; ход, который что-то решает, — на high. Тот же эндпоинт, то же тело, разница в одной строке.
Ограничения, которые нужно учесть
Потолок ответа — 65 536 токенов, а max_tokens выше него сразу не проходит валидацию. Содержимое сообщений — текст, изображения, видео и аудио. Загруженные видео и аудио в сумме могут занимать до 14 MB на запрос. JSON в response_format задаёт форму ответа, но разбирать и проверять его по-прежнему вашему приложению. Это предварительная версия: Google может изменить или убрать её, поэтому запасная модель нужна до того, как на неё пойдёт производственный трафик.
Быстрый старт API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "google/gemini-3-flash-preview/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.
