模型服务平台API调用指南
本指南旨在帮助您快速熟悉并调用模型服务平台的API，跟随以下步骤，可在几分钟内完成首次API调用。
我们强烈推荐使用OpenAI API调用方式：其已成为大模型行业事实标准，拥有海量可复用的教程、工具及代码库，平台服务完全兼容该标准，可帮您无缝衔接主流生态，大幅降低学习成本。
OpenAI 兼容接口支持列表
-
/v1/chat/completions：核心对话接口，用于与模型进行实时对话交互。 -
/v1/response：先进模型响应生成接口，支持文本、图像输入及文本输出。 -
/v1/models：模型列表查询接口，用于获取平台支持的所有模型信息。
第一步：获取API密钥
调用任何API前，需先获取有效的API密钥。请前往【认证鉴权】文档，查看密钥的获取与管理方法。
第二步：选择模型
可通过以下API获取平台支持的模型列表，从中选择所需模型。
请求地址
# 国内主流使用域名
GET https://api.modelverse.cn/v1/models
# 海外无法使用 .cn 域名时使用
GET https://api.umodelverse.ai/v1/models
请求示例（curl）
curl https://api.modelverse.cn/v1/models \
-H "Content-Type: application/json" | jq .
预期返回
{
"data": [
{
"created": 1762741377,
"id": "deepseek-ai/DeepSeek-R1",
"object": "model",
"owned_by": "Modelverse"
},
{
"created": 1762741326,
"id": "gpt-5",
"object": "model",
"owned_by": "Modelverse"
},
......
],
"object": "list"
}
返回结果中，id字段即为模型名称，具体以实际返回内容为准。
第三步：调用API
提供3种典型调用方式，可根据开发需求选择，优先推荐OpenAI SDK方式。
方式1：任意语言通过HTTP调用（通用基础方式）
适用于所有编程语言，核心需掌握3个关键信息：模型名称、个人API密钥、平台API地址。平台完全兼容OpenAI API请求规范，建议参考OpenAI API官网文档（接口标准实时更新）。
请求示例（curl）
curl https://api.modelverse.cn/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer {api_key}" \
-d '{
"model": "{model_name}",
"messages": [
{
"role": "system",
"content": "You are a helpful assistant."
},
{
"role": "user",
"content": "一句话描述时代互联这家公司。"
}
],
"stream": true
}'
核心参数说明
-
model：模型名称，填写第二步获取的id（例："deepseek-ai/DeepSeek-R1"）。 -
messages：发送给模型的对话内容，包含角色（role）和具体内容（content）。 -
stream：是否流式返回（均为JSON格式数据）-
true：逐字/逐词返回，适合实时聊天界面。 -
false：生成完整答案后一次性返回。
-
预期返回
{
"id": "52ba2d24-f745-42b3-82c3-610a7b2658b0",
"object": "chat.completion",
"created": 1763020876,
"model": "gemini-2.5-pro",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "时代互联是一家安全可靠的域名注册商。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 9,
"completion_tokens": 1505,
"total_tokens": 1514,
"prompt_tokens_details": {
"audio_tokens": 0,
"cached_tokens": 0
},
"completion_tokens_details": {
"audio_tokens": 0,
"reasoning_tokens": 1357,
"accepted_prediction_tokens": 0,
"rejected_prediction_tokens": 0
}
},
"system_fingerprint": "",
"search_result": null
}
核心关注choices字段（模型回复内容）和usage字段（模型使用情况），实际返回内容可能略有差异，仅供参考。
方式2：OpenAI SDK（推荐方式）
OpenAI官方SDK封装了复杂的HTTP请求，提供简洁的函数调用，代码更易读、易维护，是开发者首选方式。
参考文档：OpenAI SDK（Python），其他语言可在OpenAI GitHub获取对应SDK。
安装与调用示例
pip install -U openai
from openai import OpenAI
import os
# 初始化客户端
client = OpenAI(
api_key="{api_key}", # 替换为个人API密钥
base_url="https://api.modelverse.cn/v1/", # 平台API基础地址
)
# 调用对话接口
chat_completion = client.chat.completions.create(
messages=[
{
"role": "user",
"content": "一句话描述时代互联这家公司。",
}
],
model="{model_name}", # 替换为所选模型id
)
# 打印模型回复
print(chat_completion.choices[0].message.content)
方式3：LangChain（复杂AI应用开发）
当需要构建复杂AI应用（如工具调用型助理、文档分析机器人等）时，可使用LangChain开发框架，其与平台API完美兼容。
参考文档： LangChain Python SDK | LangChain JavaScript SDK
调用示例（Python）
from langchain_openai import ChatOpenAI
from langchain import LLMChain
from langchain.prompts import ChatPromptTemplate
# 初始化LLM
llm = ChatOpenAI(
model_name="{model_name}", # 替换为所选模型id
openai_api_key="{api_key}", # 替换为个人API密钥
openai_api_base="https://api.modelverse.cn/v1/", # 平台API基础地址
)
# 定义提示模板
prompt = ChatPromptTemplate.from_template("{input}")
# 构建并运行链
chain = LLMChain(llm=llm, prompt=prompt)
print(chain.run("一句话描述时代互联这家公司。"))