Gemini Interactions API 正式 GA：Flex 与 Priority 分层路由，每个运营者必须做的决策

Gemini Interactions API 正式 GA，成为 Google 面向 Gemini 模型和 agent 的主要接口。这不只是一个稳定性里程碑——它引入了两项对路由直接相关的基础设施变化：Flex 分层将后台工作负载的推理成本降低 50%，以及付费层面 55 天的受管服务端 session 状态保留。

通过 AI gateway 路由 Gemini 流量的团队，需要在这些分层带来实际影响之前，先完成工作负载的映射分类。

发生了什么

Google 宣布 Interactions API 正式 GA。该接口于 2025 年 12 月进入公开测试，现已成为 Google AI Studio 和所有 Gemini API 文档的默认入口。旧版 Generate Content 和 Chat Completions 端点在迁移窗口期内仍可使用，但新开发工作已统一指向 Interactions 接口。

GA 版本新增了测试期间开发者反馈的多项能力：

• Flex 和 Priority 分层 — Flex 在可用后台容量上运行推理，定价为标准定价的 50%；Priority 分层保证预留容量，延迟方差更低。
• 付费层 55 天交互历史保留，使长期会话无需客户端存储即可检索。
• 后台执行 — 交互可在初始响应返回后继续处理，结果通过 interaction ID 检索。
• 多模态生成整合至同一接口：基于 Nano Banana 2 和图像搜索 grounding 的图像生成、基于 Lyria 3 的音乐生成，以及多说话人 TTS。
• 错误定位精准化 — 错误现在可精确指向具体字段，而非通用验证失败信息。

API schema 在 2026 年 5 月经历了重大修订（"从 Roles 到 Steps"）：每个操作——用户输入、工具调用、模型输出、思考——现在都是有类型的 step，而非基于 role 的结构。在旧版 beta schema 端点关闭前，基于 beta 版构建的团队需要完成该迁移。

为何 AI 工程团队需要关注

Flex/Priority 分层是路由策略问题。 Gemini Interactions API 现在有两个有实质性价差的成本-性能分层。Flex 以 50% 定价面向可容忍延迟变动的工作负载——批量 eval 运行、定时报告生成、后台 agent 任务、文档索引流水线。Priority 分层则面向用户感知延迟敏感的场景：交互式聊天、向活跃 session 的流式 completion、实时工具调用。

这与 AWS Bedrock 引入的按需 vs 预置吞吐模式、以及 Anthropic fast mode 探索的思路一致——但 50% 的定价差距比目前多数 provider 的分层差距都大。对于运行大量 Gemini 流量的团队，工作负载分类工作现在是降本机会，而非可选优化。

受管状态改变了你需要存储的内容。 55 天的付费层保留意味着无需调用方维护 session 数据库即可检索交互历史。对于当前在自有数据库或 KV 存储中维护 Gemini 会话历史以重建上下文的团队，值得评估：将存储卸载给 provider 可简化客户端实现，但会引入 session 连续性对 provider 的依赖。

后台执行影响 agent 流水线架构。 当 Interactions API 调用触发长时间运行的链路时（深度调研任务、多工具编排序列），响应可立即返回 interaction ID，处理完成后结果可通过检索获取。对于之前阻塞在 Gemini completion 的 agent 流水线，这改变了轮询/回调架构。

2026 年 5 月的 schema 变更仍在生效。 2026 年 5 月前基于 beta 版 Interactions API 构建的团队使用的是基于 role 的 schema（user、model、function）。GA schema 使用有类型的 step。如果你的生产环境中存在 beta 版 Interactions API 集成，请在旧版端点关闭前确认已迁移至 GA schema。

路由器/运营者视角

分层路由策略： 如果你通过 AI gateway 或代理路由 Gemini 请求，Flex vs Priority 的选择是每个请求的参数——而非全局账户设置。路由层必须根据工作负载分类向 Interactions API 传递适当的分层。标记为后台或批处理的请求应路由至 Flex；面向用户的流式调用应路由至 Priority。

Flex 层上的 provider fallback： Flex 分层使用 Google 可用容量，这意味着吞吐量在高峰期无法保证。对延迟容忍型工作负载使用 Gemini 的团队，应保留一个 fallback 模型（如自托管或替代 provider API），以备 Flex 容量饱和且超时时使用。

多模态路由整合： GA 公告将图像、音乐和语音生成整合至同一 Interactions API 接口。对于当前通过独立 Google 端点（Imagen、Lyria、TTS）路由图像和音频请求的团队，迁移至 Interactions API 现在是官方推荐路径。确认你的 gateway 模型路由表是否需要更新，以将这些模态映射至新端点。

TheRouter 用户需要关注的事项

通过 TheRouter 路由 Gemini 工作负载、尚未按延迟敏感性对流量进行分类的团队，正在为非交互式调用错过 50% 的成本节约空间。Flex/Priority 分层是目前在不更换模型的前提下降低 Gemini 推理成本的最直接杠杆。

对于正在评估是否将会话存储从客户端数据库迁移至 Interactions API 受管状态的团队：55 天保留覆盖了多数活跃用户窗口，但不适合长期归档——如果使用场景需要两个月以上的检索，请相应规划。

如果你将 Gemini 用于多模态生成（图像、音频），请确认你的 SDK 和 gateway 配置现在引用的是 Interactions API，而非遗留生成端点——后者的弃用时间表将另行公告。