Guía de clave API de Gemini Pro: obtén una clave API de Gemini, endpoint e ID de modelo

La API de Gemini Pro se accede a través de la API de Gemini con una clave creada en Google AI Studio. Para una solicitud REST directa, llama al endpoint generateContent del modelo; para una integración existente con el SDK de OpenAI, apunta el cliente a la URL base compatible con OpenAI de Google y usa un ID de modelo actual de Gemini, como gemini-3.1-pro-preview. El detalle importante es que “Gemini Pro” es un término de búsqueda de la familia de productos, no un identificador de API permanente, por lo que las aplicaciones en producción deben leer la lista de modelos actual de Google antes de fijar un ID.

Configuración de la API de Gemini Pro de un vistazo

Necesitas cuatro valores para realizar una solicitud:

Configuración	Valor
Clave API	Crea una en Google AI Studio
Host base nativo	https://generativelanguage.googleapis.com
Ruta API nativa	/v1beta/models/{model}:generateContent
URL base compatible con OpenAI	https://generativelanguage.googleapis.com/v1beta/openai/
ID de modelo de ejemplo	gemini-3.1-pro-preview

La guía de inicio rápido de la API de Gemini de Google documenta la creación de la clave API y el patrón de solicitud nativo. Su guía de compatibilidad con OpenAI documenta la URL base de compatibilidad para aplicaciones que ya usan el SDK de Python o JavaScript de OpenAI.

Usa el SDK nativo de Gemini o la API REST cuando quieras funciones específicas de Gemini tan pronto como Google las exponga. Usa la capa de compatibilidad cuando ya tengas un cliente estilo OpenAI y quieras reducir el trabajo de migración. La compatibilidad es útil, pero no garantiza que cada opción específica del proveedor se corresponda perfectamente entre las API.

Cómo obtener una clave API de Google para Gemini

Crea la clave en Google AI Studio, luego guárdala en una variable de entorno en lugar de colocarla en el código fuente:

export GEMINI_API_KEY="TU_CLAVE_API_GEMINI"

Trátala como una credencial del lado del servidor. No la subas a Git, la imprimas en registros, ni la incrustes en JavaScript del navegador o en un paquete de aplicación móvil. Si un frontend necesita la salida de Gemini, envía la solicitud del usuario a tu propio backend y deja que el backend llame a la API de Google.

Para un servicio de producción, también decide quién posee el proyecto de Google Cloud, cómo se rotan las claves, qué entornos reciben credenciales separadas y dónde se monitorean las cuotas de solicitudes. La guía de claves API de Google explica cómo las claves API de Gemini están asociadas con proyectos de Google Cloud.

Cómo llamar al endpoint nativo de la API de Gemini

La ruta REST nativa coloca el ID del modelo en la URL. Este ejemplo le pide al modelo de vista previa Pro actual que devuelva una lista de verificación de migración concisa:

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [
      {
        "parts": [
          {
            "text": "Crea una lista de verificación de siete pasos para migrar una API de Python de una región a dos regiones. Incluye comprobaciones de reversión."
          }
        ]
      }
    ]
  }'

La respuesta contiene candidatos con contenido generado. Las aplicaciones reales deben manejar una lista de candidatos vacía, contenido bloqueado, tiempos de espera y respuestas no 2xx en lugar de indexar directamente en el primer objeto de respuesta.

La URL usa v1beta porque esa es la ruta que se muestra en los ejemplos actuales de la API de Gemini de Google. Mantén la versión de la API en la configuración para poder probar una nueva versión sin dispersar cadenas de endpoint por todo el código base.

Anatomía del endpoint nativo

La ruta tiene tres partes:

/v1beta/models/{model}:generateContent

• v1beta es la versión de la API.
• {model} es el ID exacto del modelo de la página de modelos de Gemini de Google.
• generateContent es el método de generación.

Una respuesta 404 a menudo significa que el ID del modelo, la versión de la API o el método no coinciden. Antes de cambiar el código de autenticación, compara la ruta completa con la documentación actual del modelo.

Cómo usar Gemini con un cliente compatible con OpenAI

Si tu aplicación ya usa el paquete de Python de OpenAI, instálalo y cambia la clave API, la URL base y el ID del modelo:

pip install openai

import os

from openai import OpenAI


client = OpenAI(
    api_key=os.environ["GEMINI_API_KEY"],
    base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
)

response = client.chat.completions.create(
    model="gemini-3.1-pro-preview",
    messages=[
        {
            "role": "system",
            "content": "Eres un revisor conciso de arquitectura de software.",
        },
        {
            "role": "user",
            "content": "Revisa un diseño de trabajador de cola y enumera los cinco modos de falla principales.",
        },
    ],
)

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

Esta es la ruta más corta para equipos con una abstracCion existente de chat-completions. También facilita la revutilizacion de un arnés de evaluacion: mantén las indicacCiones y las comprabacCiones de respuesta constante, luego interCmbia la configuracion del proveedor.

No asumas un comportmiento idéntico solo porque do proveedores acepten la misma lllamada del SDK. Las instruccCiones del sistema, los esquemas de herramientas, las entradas multimodales, el manejo de seguridad, los eventos de transmisión, la contabilidad de tokens y las cargas de errores pueden differir. Ejecuta pruebas especíicas del proveedor antes de cambiar el tráfico de produccción.

Cómo elegir y gestionar los IDs de modelo de Gemini

Evita colocar un nombre de marketing como gemini-pro directmente en la lógica de la aplicacCion… Los IDs de modelo disponibles de Google cambian a medida que se introducen, promueven y retran los modelos de vista preía. En el momento en que se revise esta guía, la página oficial de modelos de Google incluía gemini-3.1-pro-preview como un identificador de modelo de clase Pro.

Usa una capa de configuracion en su lugar:

import os


GEMINI_MODEL = os.getenv("GEMINI_MODEL", "gemini-3.1-pro-preview")```

Esa pequeña eleccción convierte las actualizacCiones de modelo en un cambio de implementacCion en lugar de una reescritura de código. Para un servicio más grande, almacena estos campos juntos:

```json
{
  "provider": "google",
  "base_url": "https://generativelanguage.googleapis.com/v1beta/openai/",
  "model": "gemini-3.1-pro-preview",
  "timeout_seconds": 60
}

Antes de mover un nuevo modelo a produccción:

1. Confirma que el ID aparece en la documentacCion actual del modelo de Google o en la API de modelos.
2. Comprabra si el modelo es de vista preía, estable o programado para retiro.
3. Ecuta tu propio conjnto de evaluaccion para la caliidad de respuestas y la correccción de lllamadas de herramientas.
4. Mede la latencia, el uso de tokens y las tasas de falla con promtas representativas.
5. Agrega un modelo de respardo o una ruta de falla clara antes de desplacar todo el tráfico.

Los límiites de tasa no son un número único universal. Dependen del modelo y del nivel de uso, así que lee la documentacCion de límites de tasa de la API de Gemini de Google y monitorea los límites aplicados a tu proyecto.

Cómo construir un backend intercambiable de proveedor

Una interfaz compatible con OpenAI puede reducir los cambios de código, pero el intercambio de proveedores funciona mejor cuando tu proia aplicación define el contrato. Mantén la configuracion del proveedor fuera de la lógica de negocio y normaliza la salida que realmente necesitas.

import os

from openai import OpenAI


PROVIDERS = {
    "gemini": {
        "api_key": os.environ["GEMINI_API_KEY"],
        "base_url": "https://generativelanguage.googleapis.com/v1beta/openai/",
        "model": os.getenv("GEMINI_MODEL", "gemini-3.1-pro-preview"),
    },
    "novita": {
        "api_key": os.environ["NOVITA_API_KEY"],
        "base_url": "https://api.novita.ai/openai",
        "model": os.getenv("NOVITA_MODEL", "xiaomimimo/mimo-v2.5-pro"),
    },
}


def generate(provider_name: str, prompt: str) -> str:
    provider = PROVIDERS[provider_name]
    client = OpenAI(
        api_key=provider["api_key"],
        base_url=provider["base_url"],
    )
    response = client.chat.completions.create(
        model=provider["model"],
        messages=[{"role": "user", "content": prompt}],
    )
    return response.choices[0].message.content or ""

Este ejmplo expone deliberadamente las diferencias en lugar de ocultarlas. Cada proveedor mantiene su propia credencial, URL base e ID de modelo. La aplicación recibe una cadena normalizada, mientras que las pruebs específicas del proveedor pueden cubrir un comportmiento más rico, como herramientas o entradas multimodales.

La documntación de la API de LLM de Novita AI usa una forma de API compatible con OpenAI para los modelos admidos. Esto puede ser útil cuando un equipo quiere compañar Gemini con modelos de código abierto sin reconstruir toda la capa del cliente.

Cómo encaja Gemini en un backend de agente

Un backend de agente tiene al menos dos responsailidades separadas:

1. Inferencia: El modelo decide qué decir o qué herramienta llamar.
2. Ejecución: Un entorno de ejecución controlado realiza acciones de archivo, shell, navegador o aplicación.

La API de Gemini puede manejar el lado de la inferencia. No debe ser tratada como el límite de ejecución. Si un modelo propone un comando de shell, tu aplicación aún necesita valiar la llamada de herramienta, autoriarla, ejecutarla en un entorno alslado, capturar el resultdo y decidir qué contexto enviar de vuelta al modelo.

Novita Agent Sandbox está diseñado para flujos de trabajo de ejecución de agente alslados. Una arquitectura práctica puede usar Gemini para el razonmiento mientras que un sandbox maneja las tareas de código o navegador por separado:

Solicitud del usuario
    -> Servicio del agente
        -> API de Gemini para razonamiento y selección de herramientas
        -> Comprobaciones de política para la accción propuesta
        -> Agent Sandbox para ejecuCion alslada
        -> Resultado de la herramienta devuelto al serviclio del agente
        -> API de Gemini para la respesta final

Esta separación hace que el modelo sea remplaceable y mantén la ejecución no confiable lejos del servidor de la aplicación. Tambión le da al backend un solo lugar para hacer cumplir tiempos de espera, política de red, límites de archivos, regístro de auditaría y autorización de usuario.

Para una primera versión, expón solo algunas herramientas estrechas, define esquemas JSON para sus argumentos, rechaza campos desconocidos y coloca límites duros en el tiempo de ejecución y el tamaño de salida. Agrega capaidades más amplias de uso de computadora o navegador solo después de que el modelo de permiso esté claro.

Cuándo un modelo de código abierto es una mejor opción

Los modelos Gemini Pro son una opción sólida cuando tu aplicación necesita las capaidades de modelo de Google y una API adminida. Un modelo de código abierto puede ser una mejor opción cuando necesitas un segudo proveedor, quieres evaluar el comportmiento del modelo contra una versión vible de agencia arriba, o prefieres un modelo disponble a través de un endpoint compatible con OpenAI junto con otra infrraestructura.

MiMo-V2.5-Pro es una opción actual en Novita AI. La tarjeta de modelo de Xiaomi lo describe como un modelo de Mezcla de Expertos de código abierto, mientras que Novita AI proporciona el ID de modelo alojado xiaomimimo/mimo-v2.5-pro. Dado que tanto el endpoint de compatibilidad de Google como Novita AI pueden ser llamados con un cliente estilo OpenAI, el patrón intercambiable de proveedor en la sección anterior puede evaluarlos con las mismas promtas y comprobaciones de aceptación.

No elijas solo por la etiqueta. Construye un pequeño conjunto de evalución de tu carga de trabajo real: comentarios de revición de código, preguntas de soporte, respuestas basadas en recuperación, llamadas de herramientas o documentos largos. Compara la caliidad de salida, la latencia, el comportmiento de errores y el costo usando los tableros actuales del proveedor antes de tomar una decisción de enrutamiento.

Errores comunes de la API de Gemini

400: Solicitud inválida

Verifica la forma JSON, los roles de los mensajes, las definiciones de herramientas y los nombres de parámetros. Una opción aceptada por otro proveedor compatible con OpenAI puede no ser aceptada por la capa de compatibilidad de Google.

401 o 403: Fallo de autenticación o permiso

Confirma que GEMINI_API_KE está presente en el entorno del proceso y peenece al proyecto de Google Cloud intencido. Tambión verifica si el proyecto y el modelo seleccionado están disponibles para la cueta y la regón.

404: Modelo o método no encotrado

Compara el ID exacto del modelo con la lista actual de modelos de Gemini. Para llamadas REST nativas, verifica la versión de la API y el sufijo :generateContent. Para llamadas compatibles con OpenAI, verifica que la URL base termine con /v1beta/openai/.

429: Límite de tasa exedido

Reintenta con retroceso exponencial y dispersón, pero no trates los reitentos como un sustituto para la planificación de capacidad. Pon en cola el trabajo ráfago, limita las solicitudes concurentes e inspecciona el nivel de uso actual del proyecto y los límites específicos del modelo.

El SDK funciona, pero la salida difiere después de cambiar de proveedor

La compatibilidad cubre la interfaz de solicitud, no un comportmiento de modelo idéntico. Vuelve a ejecutar pruebas de promt, salida estructurada y llamadas de herramientas para cada proveedor y versión de modelo.

Conclusión

Comienza con la API nativa de Gemini cuando quieres la ruta más clara a las características específicas de Gemini. Comienza con el endpoint compatible con OpenAI cuando ya tenges un backend estilo OpenAI o necesites una evalución rápida de proveedor. En ambos casos, mantén la clave API del lado del servidor, coloca el ID del modelo en la configuracion, prueba la versión exacta del modelo y separa el razonmiento del modelo de la ejecución del agente.

Para un diseño de producción resliente, mantén al mens un modelo alternativo detrás de la misma interfaz propiedad de la aplicación. Eso le da a tu equipo una forma práctia de probar una opción de código abierto en Novita AI, manejar los cambios en el ciclo de vida del modelo y rutar la ejecución del agente a un sandbox alslado en lugar de acolar cada responsailidad a una sola llamada de API.

Preguntas frecuentes

¿Todavía exste un ID de modelo lllamado gemini-pro?

No asumas que gemini-pro es el ID actual. “API de Gemini Pro” se usa comunmente como una frase de búsqueda para los modelos de mayor capaidad de Google, pero las aplicaciones deben usar un ID exacto de la página actual de modelos de Gemini. Esta guía usa gemini-3.1-pro-preview como ejmplo verificado.

¿Dónde obtengo una clave API de Google para Gemini?

Crea una clave API de Gemini en Google AI Studio. Guárdala en un secreto del lado del servidor como GEMINI_API_KE, no en el código fuente o JavaScript del navegador.

¿Cuál es el endpoint de la API de Gemini?

El host nativo es https://generativelanguage.googleapis.com. Una solicitud de generar contenido usa /v1beta/models/{model}:generateContent. La URL base compatible con OpenAI de Google es https://generativelanguage.googleapis.com/v1beta/openai/.

¿Es la API de Gemini Studio diferente de la API de Gemini?

Google AI Studio es la interfaz web que los desarolladores usan para experimentar y crear una clave. Las solicitudes de apliación van a la API de Gemini. Las búsquedas de “API de Gemini Studio” generalmente se refiren a este flujo de Studio a API.

¿Es la API de Google Bard la misma que la API de Gemini?

Gemini es la marca actual de API y modelo. Las búsquedas antigüas de una API de Google Bard deben usar la documentación actual de la API de Gemini, los endponts y los IDs de modelo en lugar de ejmplos antigüos de Bard.

¿Puedo usar el SDK de OpenAI con Gemini?

Sí. Google documenta un endpoint de compatiilidad con OpenAI. Establece la URL base del cliente a la URL de compatiilidad de Google, proporiona tu clave API de Gemini y selecciona un ID de modelo de Gemini compatible. Prueba las caraccterísticas específiacas del proveedor antes de confiar en una paridad de comportamiiento completa.

¿Puede Gemin ejecutar código para un agente de IA?

Gemini puede razonar sobre el código y proponer llamadas a herramientas, pero la ejecución debe ocurrir en un entorno controlado. Mantén la llamada al modelo separada de un entorno aislado como Agent Sandbox, y valida cada acción solicitada antes de ejecutarla.

¿Hay un nivel gratuito para el precio de la API de Geminí?

Sí. Google dice que las nuevas cuentas comienzan en el Nivel Gratuito, que permite el acceso a ciertos modelos en la API de Gemini y AI Studio hasta los límiites de tasa del nivel gratuito de los modelos. Para pasar a un nivel de pago, debes configurar la facturación en AI Studio. Para precios exactos por token, consulta la tabla de precios de Google, porque las tarifas son específicas del modelo; para gemini-3.1-pro-preview, la tabla actual lista el precio estándar de pago y no hay cargos de token del nivel gratuito.

Artículos recomendados

• Deepseek R1 0528 vs Gemini 2.5 Pro 0506: Poder del agente vs Maestría lógica
• Mejor pltaforma de API de LLM para cambar de proveedores
• [¿Qué son los agentes de codificación? Arquitecura, herramientas y seguriidad](https://blogs.novita.ai/what-are-coding- agents/)
• API de MiMo 2.5 en Novita AI: API de chat compatile con OpenAI