怎么调用

标准 OpenAI 接口。拿到激活码先在首页兑换成 Key，再按下面接入。

三步接入

接口一览

模型

六个：三个对话模型走 /v1/chat/completions，向量走 /v1/embeddings，搜索走 /v1/search，视频走 /v1/videos。各类不能互调，用错端点会返回 400 并告诉你该用哪些。

基准分数（Novus）

模型官方发布的跑分；本站运行的是接近无损的量化版本，实际表现可能有微小差异。

模型怎么选

默认用 Stella 就够，省额度；需要更强或更快、且 Novus 在线时再用它。

Python（OpenAI SDK）

# pip install openai
from openai import OpenAI
client = OpenAI(base_url="", api_key="你的Key")
r = client.chat.completions.create(
    model="Stella",   # 默认；或 "Aurora"
    messages=[{"role":"user","content":"用 Python 写个二分查找"}],
)
print(r.choices[0].message.content)

curl

换 model 字段就能切模型，下面用默认的 Stella 举例。

非流式

curl /v1/chat/completions \
  -H "Authorization: Bearer 你的Key" \
  -H "Content-Type: application/json" \
  -d '{"model":"Stella",
       "messages":[{"role":"user","content":"你好"}]}'

流式（SSE，加 "stream": true）

curl /v1/chat/completions \
  -H "Authorization: Bearer 你的Key" \
  -H "Content-Type: application/json" \
  -d '{"model":"Stella",
       "messages":[{"role":"user","content":"讲个冷笑话"}],
       "stream":true}'

Novus（限时福利）

curl /v1/chat/completions \
  -H "Authorization: Bearer 你的Key" \
  -H "Content-Type: application/json" \
  -d '{"model":"Novus",
       "messages":[{"role":"user","content":"用一句话解释 KV 缓存"}],
       "max_tokens":8192}'

联网搜索

curl /v1/search \
  -H "Authorization: Bearer 你的Key" \
  -H "Content-Type: application/json" \
  -d '{"query":"KV cache 显存占用怎么算",
       "search_depth":"advanced",
       "include_answer":true,
       "max_results":5}'

搜索怎么计费

按真正做了多少工作叠加，而不是按深度收一个打包价。

重复的查询基本不花钱

要了没给到的东西，响应会自己说出来

这是本服务的一条硬规矩：最坏的失败不是报错，是沉默。 下面这些"要了没给到"的情况，响应里一定有一行说明，而不是悄悄给你降级过的结果。

思考强度：IDE / CLI 里那个滑块

在 opencode、Cursor 这类客户端里调"reasoning effort"，本站怎么响应。

视频生成（Lanterna）

文生视频 / 图生视频 / 参考生视频，输出自带同步立体声。接口是异步的。

三步调用

BASE=
TOK=你的Key

# ① 提交。响应里有 job_id、own_eta_s（预估秒数）、price（报价）、以及实际会渲染的 frames
JOB=$(curl -s --noproxy '*' -X POST $BASE/v1/video/generations \
  -H "Authorization: Bearer $TOK" -H 'Content-Type: application/json' \
  -d '{"prompt":"A weathered fisherman mends a net on a pier at dawn.
       Soundscape: gentle waves, distant gulls. Music: none."}' \
  | python3 -c 'import sys,json;print(json.load(sys.stdin)["job_id"])')

# ② 轮询。默认档就要三分半，别每秒问一次 —— 先睡到接近 eta_s 再开始问
while s=$(curl -s --noproxy '*' -H "Authorization: Bearer $TOK" \
          $BASE/v1/video/jobs/$JOB | python3 -c 'import sys,json;print(json.load(sys.stdin)["status"])');
      [ "$s" = queued ] || [ "$s" = running ]; do sleep 10; done

# ③ done 之后取片
[ "$s" = done ] && curl -s --noproxy '*' -H "Authorization: Bearer $TOK" \
  -o out.mp4 $BASE/v1/video/jobs/$JOB/content

# 我的任务列表
curl -s --noproxy '*' -H "Authorization: Bearer $TOK" $BASE/v1/video/jobs

# 上传参考图（表单字段名是 file），拿返回的 ref 填进 ref_image / first_frame 等字段
curl -s --noproxy '*' -X POST $BASE/v1/video/uploads \
  -H "Authorization: Bearer $TOK" -F 'file=@ref.png'

三种任务

参数与边界

耗时：超线性，别按线性估

限额与计费

prompt 怎么写（这一节影响最大，也最容易被跳过）

背后的模型是对着一个叫 H3-Context-IR 的结构化格式训练的，随手写大白话出来的 东西明显差一档。

产物：本地 7 天，不留在云端

错误码

失败原因在 error 字段。status 的取值：queued / running / done / failed / canceled。

做不到的

接入 MCP（推荐给 Claude Code / Claude Desktop）

不用装任何东西，加一个 URL 就能让你的 AI 客户端直接联网搜索。

claude mcp add --transport http danlu /mcp \
  --header "Authorization: Bearer 你的Key"

函数调用（三个对话模型都支持）

r = client.chat.completions.create(
    model="Stella",
    messages=[{"role":"user","content":"北京天气？"}],
    tools=[{"type":"function","function":{
        "name":"get_weather",
        "parameters":{"type":"object",
            "properties":{"city":{"type":"string"}}}}}],
)
print(r.choices[0].message.tool_calls)

思考模式（reasoning）

Aurora 和 Novus 会先思考再作答，Stella 不思考，直接给答案。 服务端已把思考轨迹和最终答案拆成两个字段，你不用自己解析 <think>。

① 读思考轨迹

r = client.chat.completions.create(model="Novus",
    messages=[{"role":"user","content":"17*23=?"}], max_tokens=8192)
print(r.choices[0].message.reasoning_content)  # 思考轨迹（简单题可能为空）
print(r.choices[0].message.content)            # 最终答案

② 控制思考：X-Thinking 头（仅 Novus）

Novus 有原生的思考预算档位，用一个请求头就能控制（Stella/Aurora 无此功能，忽略）。默认不封顶。

curl /v1/chat/completions \
  -H "Authorization: Bearer 你的Key" -H "X-Thinking: medium" \
  -H "Content-Type: application/json" \
  -d '{"model":"Novus","messages":[...],"max_tokens":6000}'

③ token 预算与截断

④ 多轮 / Agent 循环

msg = r.choices[0].message
history.append({"role":"assistant", "content": msg.content or "",
    "tool_calls":[t.model_dump() for t in (msg.tool_calls or [])],
    "reasoning_content": getattr(msg, "reasoning_content", "") or ""})   # 服务端返回的就是这个键；没思考时该键缺席，所以用 getattr

上游降级与缓存计费

Novus 不可用时会自动降级

Novus 跑在会不定时下线的远程显卡上。它连不上或返回 5xx 时， 网关会把请求自动转给 Aurora，而不是让你等满一次超时再收一个 502。

重复的前缀只按两成计费

后端对相同的提示前缀是有缓存的（同一段系统提示、同一批工具定义、 上一轮的对话），命中的部分不用重算。网关把这份节省如实折进你的账单。

文本向量（embeddings）

把文本变成 1024 维向量，用于语义检索、RAG、聚类、去重。端点是 /v1/embeddings，model 填 Sextant。 标准 OpenAI 格式，任何 OpenAI SDK 直接可用。

Instruct: Given a web search query, retrieve relevant passages that answer the query
Query:{你的查询}

Python

# 建索引：文档原文直入，不加前缀
docs = ["KV 缓存把已算过的 key/value 存下来…", "MoE 每步只激活一部分专家…"]
r = client.embeddings.create(model="Sextant", input=docs)
vecs = [d.embedding for d in r.data]      # 每个 1024 维，已归一化

# 检索：查询要套指令模板
Q = "Instruct: Given a web search query, retrieve relevant passages " \
    "that answer the query\nQuery:"
q = client.embeddings.create(model="Sextant", input=[Q + "显存怎么算"]).data[0].embedding

# 已归一化，所以点积就是余弦相似度
score = lambda a, b: sum(x*y for x, y in zip(a, b))
best = max(range(len(vecs)), key=lambda i: score(q, vecs[i]))

curl

curl /v1/embeddings \
  -H "Authorization: Bearer 你的Key" \
  -H "Content-Type: application/json" \
  -d '{"model":"Sextant","input":["第一段","第二段"]}'

采样参数

不传就用服务端默认。想调就参考下面（Novus 的推荐值来自其官方指南）。

结构化 JSON 输出

要模型输出严格 JSON，用 response_format 带上 schema：

response_format={"type":"json_schema", "json_schema":{
  "name":"person", "schema":{"type":"object",
    "properties":{"name":{"type":"string"},"age":{"type":"integer"}}}}}

多轮对话

接口无状态：每轮把完整历史都发过去，服务器不替你存对话。带 system 设定角色：

messages=[
  {"role":"system","content":"你是简洁的编程助手"},
  {"role":"user","content":"什么是二分查找"},
  {"role":"assistant","content":"在有序数组里每次折半…"},
  {"role":"user","content":"给我 Python 代码"},
]

在编辑器 / 客户端里用

任何「OpenAI 兼容」的客户端，填两样东西即可：API 地址 = ，密钥 = 你的 Key，模型名填上面的 ID。

使用限制

每个账号独立计量（换 Key 不重置）。以下任一触顶即暂停，到点自动恢复。

查我的用量

粘贴你的 Key，查看两个窗口剩余的次数与 token。

错误码

常见问题