接入文档

快速开始

接口与 OpenAI Chat Completions 一致，三步就能调通：

1. 在控制台创建 API key（以 wml_ 开头，只显示一次），并开通大模型按量付费。
2. 把 SDK 的 base_url 设为 https://llm.wanmi.net/v1。
3. model 填下表里的可调用模型名，其余写法和调用 OpenAI 一样。

可用模型

model	厂商	上下文	最大输出	状态
deepseek-v4-pro	DeepSeek	128,000	16,384	可调用
qwen3-8-max	千问	128,000	16,384	可调用
doubao-seed-2-1-pro	豆包	128,000	16,384	可调用
hy3	混元	128,000	16,384	可调用
kimi-k3-1-pro	Kimi	128,000	16,384	即将开放

调用示例

右侧代码可以切换语言和模型，换模型只改 model 参数。也可以直接用环境变量：OPENAI_BASE_URL=https://llm.wanmi.net/v1、OPENAI_API_KEY=wml_…。JavaScript SDK 的接入地址参数为 baseURL。

请求头使用 Authorization: Bearer $WANMI_LLM_API_KEY。GET /v1/models 返回当前可调用的模型；仅展示模型即将开放。

流式输出

传 stream: true 后按 SSE 逐段返回。设置 stream_options: { include_usage: true } 可接收末尾的用量（usage），以 data: [DONE] 结束。最终用量和结束标志会在结算提交后发送。

data: {"choices":[{"delta":{"content":"你"}}]}
data: {"choices":[{"delta":{"content":"好"}}]}
data: {"choices":[],"usage":{"prompt_tokens":9,"completion_tokens":2,"total_tokens":11}}
data: [DONE]

网关不自动重试。网络失败时，SDK 自动重试可能产生两笔扣费；需要时将 max_retries=0（Python）或 maxRetries: 0（JavaScript）。

思考模式

支持深度思考的模型会把思考过程放在 reasoning_content 字段，和正文 content 分开返回。思考也算输出 token，与回答共用输出预算，不会重复计费。各模型的思考策略由服务端固定；千问、混元当前关闭思考，Kimi 固定思考。

请求参数

输入与输出预算合计受模型上下文上限约束，请求体不超过 1 MiB。不开放图片、联网、搜索或显式缓存等额外收费能力。

计费与上限

与官方同价，按输入、缓存命中、输出分别计费。每次调用先按最高可能用量冻结余额，结束后按实际 token 结算并退回差额；各分项合计后，统一向上取整到分一次。

错误码

接口返回 OpenAI 风格错误。保留 x-request-id 便于排查；遇到网络失败先核对账单，再决定是否重发。

429 通常带 retry-after；余额不足请充值，未开通请先在控制台开通。503 表示服务或计费事实暂不可用，请稍后手动重试。