Gemini 镜像站

Appearance

Gemini 镜像 API 接入指南：官方 API 与镜像端点对比 ​

如果你是开发者，想在自己的应用中集成 Gemini 的能力，那么选择合适的 API 接入方式非常关键。本文从国内开发者的视角，对比 Google 官方 API 与镜像站 API 端点的区别，提供可直接使用的代码示例，帮你做出合理的技术选型。

两种 API 接入路径 ​

路径一：Google 官方 API ​

  • 入口：ai.google.dev
  • 认证方式：Google Cloud API Key 或 OAuth 2.0
  • 访问限制：需要能够连接 Google 服务器，国内网络环境下通常无法直接访问
  • 适合场景：有稳定国际网络环境的团队，或部署在海外服务器的应用

路径二：镜像站 API 端点 ​

  • 入口：通过 gemini-mirrors.com 或 chat.aimirror123.com 等平台获取 API 端点
  • 认证方式：通常为平台分配的 API Key
  • 访问限制：国内网络直连，无需任何代理
  • 适合场景：国内服务器部署、快速原型开发、无法访问 Google 服务的场景

官方 API 快速上手 ​

获取 API Key ​

  1. 访问 ai.google.dev（需要国际网络环境）。
  2. 登录 Google 账号，进入 Google AI Studio。
  3. 在 API Keys 页面创建新的 API Key。
  4. 复制并妥善保管你的 Key。

curl 调用示例 ​

bash
curl -X POST \
  "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.0-pro:generateContent?key=YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "parts": [
          {"text": "用中文解释量子计算的基本原理，200字以内"}
        ]
      }
    ]
  }'

Python 调用示例 ​

python
import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")

model = genai.GenerativeModel("gemini-3.0-pro")
response = model.generate_content("用中文解释量子计算的基本原理，200字以内")

print(response.text)

安装依赖：

bash
pip install google-generativeai

镜像站 API 使用方法 ​

镜像站 API 的具体接口格式因平台而异，但多数平台采用与 OpenAI 兼容的接口规范，降低迁移成本。

典型的镜像 API 调用（OpenAI 兼容格式） ​

bash
curl -X POST \
  "https://[镜像站API地址]/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_MIRROR_API_KEY" \
  -d '{
    "model": "gemini-3.0-pro",
    "messages": [
      {"role": "user", "content": "用中文解释量子计算的基本原理，200字以内"}
    ]
  }'

Python 调用示例（OpenAI SDK 兼容） ​

python
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_MIRROR_API_KEY",
    base_url="https://[镜像站API地址]/v1"
)

response = client.chat.completions.create(
    model="gemini-3.0-pro",
    messages=[
        {"role": "user", "content": "用中文解释量子计算的基本原理，200字以内"}
    ]
)

print(response.choices[0].message.content)

安装依赖：

bash
pip install openai

这种兼容设计意味着：如果你的项目原本使用 OpenAI 的 API，只需更换 base_url 和 api_key，即可无缝切换到 Gemini 镜像站 API。

官方 API 与镜像 API 对比 ​

维度Google 官方 API镜像站 API
国内直连不支持支持
接口稳定性高中（取决于镜像站）
模型覆盖全部（含最新模型）主流模型（3.0 Pro、3.1 Pro）
认证方式Google API Key平台 API Key
接口规范Google 自有 SDK多数兼容 OpenAI 格式
技术文档完善（ai.google.dev）因平台而异
SLA 保障Google 企业级 SLA无正式 SLA
适合部署位置海外服务器国内服务器

定价对比 ​

Google 官方 API 定价（参考） ​

Google 官方 API 定价按 token 计费（以下为大致范围，具体以 ai.google.dev 公告为准）：

  • Gemini 3.0 Pro：输入约 $0.50 / 百万 token，输出约 $1.50 / 百万 token
  • Gemini 3.1 Pro：输入约 $1.25 / 百万 token，输出约 $5.00 / 百万 token
  • 免费层：每分钟有限的免费调用额度，适合开发测试

镜像站 API 定价（典型范围） ​

镜像站的定价策略各有不同，常见模式：

  • 按 token 计费：通常在官方价格基础上加收 20%-100% 的服务费，但省去了国际支付和网络成本。
  • 包月套餐：固定月费获得一定量的 API 调用额度，适合使用量稳定的团队。
  • 免费试用：多数平台提供少量免费 API 调用额度供测试。

对于国内开发者，虽然镜像站单价可能略高，但考虑到免去代理成本、国际支付手续费等因素，综合成本并不一定更高。

速率限制 ​

官方 API ​

  • 免费层：通常限制为每分钟 15 次请求。
  • 付费层：根据配额逐步提升，可申请更高限额。
  • 详细信息参见 ai.google.dev 文档。

镜像站 API ​

  • 速率限制因平台而异，通常在每分钟 10-60 次之间。
  • 付费套餐的限制通常更宽松。
  • 建议在代码中实现重试机制（指数退避），以应对限流情况。

重试机制示例（Python） ​

python
import time
from openai import OpenAI, RateLimitError

client = OpenAI(
    api_key="YOUR_MIRROR_API_KEY",
    base_url="https://[镜像站API地址]/v1"
)

def call_with_retry(prompt, max_retries=3):
    for attempt in range(max_retries):
        try:
            response = client.chat.completions.create(
                model="gemini-3.0-pro",
                messages=[{"role": "user", "content": prompt}]
            )
            return response.choices[0].message.content
        except RateLimitError:
            wait_time = 2 ** attempt
            print(f"限流，等待 {wait_time} 秒后重试...")
            time.sleep(wait_time)
    raise Exception("多次重试后仍然失败")

选型建议 ​

建议使用官方 API 的场景 ​

  • 应用部署在海外服务器（AWS、GCP 海外区域等）。
  • 需要使用最新发布的模型（官方通常最先可用）。
  • 对 SLA 和稳定性有严格要求的生产环境。
  • 需要完善的官方技术支持和文档。

建议使用镜像站 API 的场景 ​

  • 应用部署在国内服务器（阿里云、腾讯云等）。
  • 快速原型开发和验证阶段，需要即插即用。
  • 团队没有稳定的国际网络环境。
  • 预算有限，无法承担国际支付成本。
  • 希望与 OpenAI 格式兼容，方便多模型切换。

混合方案 ​

不少团队采用混合策略：开发和测试阶段使用镜像站 API（便利、低门槛），上线后根据部署位置选择官方 API 或镜像 API。如果你的海外服务器用于面向国际用户的服务，直接接官方 API；如果面向国内用户，镜像 API 在延迟上更有优势。

延伸阅读 ​

Last updated: