流式生成内容（Gemini）

POSThttps://vip.zen-ai.top/v1beta/models/{model}:streamGenerateContent

与 生成内容 的请求体完全相同，区别是结果以流的形式逐段返回。请加上查询参数 alt=sse，响应即为标准 SSE，每个 data: 事件是一个 GenerateContentResponse 片段。

请求头

x-goog-api-keystring必填

你的令牌 sk-xxxx。

Content-Typestring必填

application/json

路径与查询参数

modelstring必填

模型名称，写在路径中。

altstring

设为 sse 时返回 SSE 事件流；不加时返回一个逐步输出的 JSON 数组。

请求体

与 生成内容 相同：contents、systemInstruction、generationConfig、tools 等。

响应

每个事件的 data 是一个响应片段，增量文本位于 candidates[0].content.parts[].text；最后一个片段带有 finishReason 与完整的 usageMetadata。

请求示例

cURL

curl -N "https://vip.zen-ai.top/v1beta/models/gemini-3.5-flash:streamGenerateContent?alt=sse" \
  -H "x-goog-api-key: $VIP_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "写一篇 300 字的短文：清晨的菜市场。"}]}
    ]
  }'

Python

from google import genai
from google.genai import types

client = genai.Client(
    api_key="sk-xxxxxxxx",
    http_options=types.HttpOptions(base_url="https://vip.zen-ai.top"),
)
for chunk in client.models.generate_content_stream(
    model="gemini-3.5-flash",
    contents="写一篇 300 字的短文：清晨的菜市场。",
):
    print(chunk.text or "", end="", flush=True)

响应示例

data: {"candidates":[{"content":{"parts":[{"text":"天刚蒙蒙亮，"}],"role":"model"},"index":0}],"modelVersion":"gemini-3.5-flash"}

data: {"candidates":[{"content":{"parts":[{"text":"菜市场里已经人声鼎沸……"}],"role":"model"},"index":0}],"modelVersion":"gemini-3.5-flash"}

data: {"candidates":[{"content":{"parts":[{"text":""}],"role":"model"},"finishReason":"STOP","index":0}],"usageMetadata":{"promptTokenCount":16,"candidatesTokenCount":412,"totalTokenCount":428},"modelVersion":"gemini-3.5-flash"}