图片生成

先确认引擎 B 的模式。默认 native 模式使用聊天接口；/v1/images/generations 需要 upstream 模式、开启透传，并且上游实现该接口。

模式	请求接口	结果位置
`native`	`POST /v1/chat/completions`	`choices[0].message.content` 中的媒体链接
`upstream` + `passthrough: true`	`POST /v1/images/generations`	上游响应，常见 `data[].url` 或 `data[].b64_json`

原生模式：文本生成图片

先调用 GET /v1/models，确认图片模型 ID。以下模型仅为示例，需要出现在当前模型目录中，并且账户具备生成资格和可用额度。

bash

curl http://localhost:8800/v1/chat/completions \
  -H 'Authorization: Bearer sk-xxxxxxxx' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.1-flash-image",
    "messages": [{"role": "user", "content": "生成一张被浓雾笼罩的森林图片，气氛阴森"}],
    "stream": false
  }' \
  -o image-response.json

必填 messages，其中的用户文本描述图片；应显式指定图片 model。stream: false 返回完整聊天 JSON。输出结构如下，示例省略了实际 Base64 数据：

json

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "\n![media](data:image/png;base64,<图片Base64>)\n"
    }
  }]
}

提取 Markdown 括号内的链接。若是 data: URI，逗号前是 MIME 等信息，逗号后是 Base64 数据，解码后保存；若是 URL，则读取对应媒体。响应可能同时包含文本和多张图片，需要逐一提取。

当前原生 HTTP 聊天适配器接收 model、messages、stream、temperature、top_p、max_tokens、user，以及图片尺寸 image_size。输出模态由模型目录自动选择。size、n、image_config、response_modalities 等额外字段不会设置图片参数；尺寸只用顶层 image_size，不能用 OpenAI 的 size 代替。原生消息只提取文本，当前不能通过 image_url 传入参考图做编辑。

这里的 user 仅被 HTTP 解析，未进入生成协议；采样参数也不保证每个私有 RPC 都会编码。

指定输出尺寸

image_size 放在聊天 JSON 顶层，取值 512、1K、2K、4K。K 必须大写，4k 会被拒绝。图片请求还需要足够大的 max_tokens：省略它时，本机对 gemini-nano-banana-2.1 的两次调用都是 HTTP 200 且正文为空；带 max_tokens: 2048 和 image_size: "4K" 的一次返回 HTTP 200、image/jpeg、5504×3072。

json

{
  "model": "gemini-nano-banana-2.1",
  "messages": [{"role": "user", "content": "draw a simple red circle"}],
  "image_size": "4K",
  "max_tokens": 2048
}

Gemini 官方图像参数对照

官方新 Interactions 请求使用 response_format: {type: "image", aspect_ratio, image_size, mime_type, delivery}，可与 text 分支组成数组。旧 generation_config.image_config 和 response_modalities 已废弃。官方 response_format 对象仍不能直接放进网关聊天 JSON。尺寸请用顶层 image_size。

官方参数	允许值 / 含义	网关现状
`aspect_ratio`	1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9、1:8、8:1、1:4、4:1；具体模型取子集	HTTP 未开放比例设置
`image_size`	512、1K、2K、4K，K 大写；具体模型取子集	聊天顶层 `image_size` 已接入。不是 `response_format.image_size`，也不能用 OpenAI `size` 代替。省略 `max_tokens` 时正文可能为空，2048 已出过图
`mime_type`	参考枚举仅 image/jpeg，指南的 image/png 输出示例存在冲突	按实际返回的 MIME 保存，不保证指定编码
`delivery`	inline / uri	不开放选择；把上游媒体转成 Markdown 链接
`input` 的 image / video / document 块	data 裸 base64 或 uri，按模型支持参考图 / 视频 / PDF	原生聊天未映射媒体输入，不能据此启用编辑
`generation_config.thinking_level`	模型支持的思考等级	HTTP 未开放控制；不同图像模型支持范围不同

Nano Banana 新 ID、各模型思考等级、参考图数量和视频生图限制见中文参考详解；全部字段和官方枚举见完整对照。新官方模型 ID 只有进入账号的实时模型目录后，才可能通过网关使用。

若使用 stream: true，媒体链接会通过 SSE 的 choices[0].delta.content 返回；先拼接分片，再提取完整链接。

upstream 模式：图片专用接口

配置条件：

yaml

engine_b:
  enabled: true
  mode: upstream
  base_url: http://127.0.0.1:2048
  api_key: 上游服务的Key
  passthrough: true

下面是常见 OpenAI 兼容协议示例。先替换模型占位值，确认上游支持相应字段；网关原样转发请求体，参数范围和默认值由上游定义。

bash

curl http://localhost:8800/v1/images/generations \
  -H 'Authorization: Bearer sk-xxxxxxxx' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "<上游图片模型ID>",
    "prompt": "被浓雾笼罩的森林",
    "n": 1,
    "size": "1024x1024",
    "response_format": "b64_json"
  }'

字段	常见用途	支持条件
`model`	上游图片模型 ID	由上游提供
`prompt`	图片描述	常见协议必填
`n`	生成数量	示例为 1，上游决定范围
`size`	图片尺寸	示例为 `1024x1024`，上游决定可选值
`response_format`	`url` 或 `b64_json`	仅上游支持时有效

常见响应为 {"data":[{"b64_json":"..."}]} 或 {"data":[{"url":"https://..."}]}。前者需解码后保存，后者使用返回 URL；实际响应格式以对应上游为准。

在 native 模式调用图片专用透传路径会返回 502。模型可见、聊天正常均不能保证图片生成有剩余额度。

图片生成 ​

原生模式：文本生成图片 ​

指定输出尺寸 ​

Gemini 官方图像参数对照 ​

upstream 模式：图片专用接口 ​

图片生成

原生模式：文本生成图片

指定输出尺寸

Gemini 官方图像参数对照

upstream 模式：图片专用接口