OpenAI-compatibele Gemini endpoint

Waarom een OpenAI-compatibele endpoint

Veel applicaties zijn gebouwd met de OpenAI SDK of verwachten de OpenAI API-structuur (/v1/chat/completions, een messages-array, role-velden). Met de OpenAI-compatibele endpoint van Gemini gebruik je Gemini zonder je bestaande code te herschrijven: meestal volstaat het aanpassen van de base_url, de API-sleutel en de modelnaam.

Dit is handig bij migratie van OpenAI naar Gemini, bij A/B-testen tussen modellen, bij tools die alleen de OpenAI API ondersteunen, en in organisaties met bestaande OpenAI-gebaseerde infrastructuur.

Welk model kies je

Gebruik een actueel model. De Gemini 2.0- en 1.5-modellen zijn inmiddels afgebouwd, gebruik die niet meer in nieuwe code. Stabiele keuzes per juni 2026:

De 3.x Pro-modellen (zoals gemini-3.1-pro-preview) zijn nog preview. Wil je een stabiel Pro-model in productie, blijf dan bij gemini-2.5-pro. Controleer de modellenpagina van de Gemini API voor de meest actuele lijst, want id's en levenscyclus veranderen regelmatig.

Configuratie met de Python OpenAI-client

from openai import OpenAI
import os

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

response = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[
        {"role": "system", "content": "Je bent een behulpzame assistent."},
        {"role": "user", "content": "Wat zijn de voordelen van Python?"}
    ],
    temperature=0.7,
    max_tokens=512
)

print(response.choices[0].message.content)
print(f"Tokens: {response.usage.total_tokens}")

Streaming via de OpenAI-client

stream = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[{"role": "user", "content": "Schrijf een kort verhaal."}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
print()

JavaScript en TypeScript

import OpenAI from "openai";

const client = new OpenAI({
    apiKey: process.env.GEMINI_API_KEY,
    baseURL: "https://generativelanguage.googleapis.com/v1beta/openai/",
});

const response = await client.chat.completions.create({
    model: "gemini-2.5-flash",
    messages: [
        { role: "system", content: "Je bent een Nederlandse taalassistent." },
        { role: "user", content: "Corrigeer de spelling in deze zin: ik ga naa huis." }
    ],
});

console.log(response.choices[0].message.content);

Embeddings via de compatibele endpoint

embedding_response = client.embeddings.create(
    model="gemini-embedding-001",
    input="Python is een programmeertaal voor data science."
)

vector = embedding_response.data[0].embedding
print(f"Vectordimensies: {len(vector)}")

Het oudere text-embedding-004 is vervangen. Gebruik gemini-embedding-001 voor tekst. Voor multimodale embeddings (tekst, afbeeldingen, audio) biedt Google een nieuwer multimodaal embeddingmodel, controleer de docs voor de exacte id.

Beschikbare modellen opvragen

models = client.models.list()
for model in models.data:
    print(model.id)

Wat werkt wel en niet via de compatibele laag

De OpenAI-compat-laag dekt inmiddels de meeste kernfuncties. Een paar Gemini-specifieke features bereik je alleen via de native SDK.

Voor context caching, grounding en de fijnmazige Gemini-instellingen gebruik je de native google-genai SDK.

Stapsgewijze migratie van OpenAI naar Gemini

import os

GEBRUIK_GEMINI = os.environ.get("USE_GEMINI", "false").lower() == "true"

from openai import OpenAI

if GEBRUIK_GEMINI:
    client = OpenAI(
        api_key=os.environ["GEMINI_API_KEY"],
        base_url="https://generativelanguage.googleapis.com/v1beta/openai/"
    )
    standaard_model = "gemini-2.5-flash"
else:
    client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
    standaard_model = "gpt-4o-mini"