平台特色 OpenAI 兼容模式 Flum-API采用 OpenAI 兼容格式，让您可以用统一的接口调用200+主流大模型：
支持的模型厂商：
🤖 OpenAI ：gpt-4o、gpt-5-chat-latest、gpt-3.5-turbo 等
🧠 Anthropic ：claude-sonnet-4-20250514、claude-opus-4-1-20250805 等
💎 Google ：gemini-2.5-pro、gemini-2.5-flash 等
🚀 xAI ：grok-4-0709、grok-3 等
🔍 DeepSeek ：deepSeek-r1、deepSeek-v3 等
🌟 阿里 ：Qwen系列模型
💬 Moonshot ：Kimi、Kimi-v2模型等
✅ 支持的功能：
💬 对话补全 ：Chat Completions接口
🖼️ 图像生成 ：gpt-image-1等
🔊 语音处理 ：Whisper转录
📊 嵌入向量 ：文本向量化
⚡ 函数调用 ：Function Calling
📡 流式输出 ：实时响应
🔧 OpenAI 参数 ：temperature、top_p、max_tokens 等
🆕 Responses端点 ：OpenAI最新功能
❌ 不支持的功能：
🔧 微调接口 （Fine-tuning）
📁 Files管理接口
🏢 组织管理接口
💳 计费管理接口
简单切换模型 核心优势：一套代码，多种模型 用OpenAI格式跑通后，只需要更换模型名称 即可切换到其他大模型：
# 使用GPT-4o response = client.chat.completions.create( model = "gpt-4o" , # OpenAI模型 messages = [ ... ] ) # 切换到Claude，其他代码完全不变！ response = client.chat.completions.create( model = "claude-3.5-sonnet" , # 只改模型名 messages = [ ... ] ) # 切换到Gemini response = client.chat.completions.create( model = "gemini-1.5-pro" , # 只改模型名 messages = [ ... ] ) 💡 这种设计让您可以轻松对比不同模型的效果，或根据成本和性能需求灵活切换模型，无需重写代码！
快速开始 获取 API Key
访问 Flum-API控制台
登录您的账户
在令牌管理页面点击”新增”创建API Key
复制生成的API Key用于接口调用
查看请求示例 在本页面，您可以快速获取各种编程语言的代码示例： 支持的编程语言：
cURL - 命令行测试Python (SDK) - 使用官方OpenAI库**Python (requests) **- 使用 requests 库
**Node.js **- JavaScript/TypeScript
Java - Java 应用开发C# - .NET应用开发Go - Go语言开发PHP - Web开发Ruby - Ruby应用开发以及更多语言…
代码示例特点：
✅ 完整可运行：复制粘贴即可使用
✅ 参数说明：详细的参数配置
✅ 错误处理：包含异常处理逻辑
✅ 最佳实践：遵循各语言开发规范
建议开发者优先查看后台的请求示例，这些示例会根据最新的API版本实时更新，确保代码的准确性和可用性。
基础信息 API 端点
主要端点 ：https://flum.store/v1
认证方式 所有 API 请求需要在 Header 中包含认证信息：
Authorization : Bearer YOUR_API_KEY 请求格式
Content-Type ：application/json编码格式 ：UTF-8请求方法 ：POST（大部分接口）
核心接口 1. 对话补全（Chat Completions） 创建一个对话补全请求，支持多轮对话。
请求端点 POST /v1/chat/completions 请求参数 参数 类型 必填 说明 model string 是 模型名称，如 gpt-3.5-turbo messages array 是 对话消息数组 temperature number 否 采样温度，0-2之间，默认1 max_tokens integer 否 最大生成令牌数 stream boolean 否 是否流式返回，默认false top_p number 否 核采样参数，0-1之间 n integer 否 生成数量，默认1 stop string/array 否 停止序列 presence_penalty number 否 存在惩罚，-2到2之间 frequency_penalty number 否 频率惩罚，-2到2之间
消息格式 { "role" : "system|user|assistant" , "content" : "消息内容" } 完整代码示例 cURL
Python（SDK）
Python（requests）
Node.js
Java
C#
Go
PHP
Ruby
curl -X POST "https://flum.store/v1/chat/completions" \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o-mini", "messages": [ {"role": "system", "content": "你是一个有用的AI助手。"}, {"role": "user", "content": "你好！请介绍一下自己。"} ], "temperature": 0.7, "max_tokens": 1000 }'
响应示例 { "id" : "chatcmpl-123" , "object" : "chat.completion" , "created" : 1699000000 , "model" : "gpt-4o-mini" , "choices" : [{ "index" : 0 , "message" : { "role" : "assistant" , "content" : "Hello! How can I help you today?" }, "finish_reason" : "stop" }], "usage" : { "prompt_tokens" : 20 , "completion_tokens" : 10 , "total_tokens" : 30 } } 2. 文本补全（Completions） 为兼容旧版接口保留，建议使用 Chat Completions。
请求端点 POST /v1/completions
请求参数 参数 类型 必填 说明 model string 是 模型名称 prompt string/array 是 提示文本 max_tokens integer 否 最大生成长度 temperature number 否 采样温度 top_p number 否 核采样参数 n integer 否 生成数量 stream boolean 否 流式输出 stop string/array 否 停止序列
3. 嵌入向量（Embeddings） 将文本转换为向量表示。
请求端点 请求参数 参数 类型 必填 说明 model string 是 模型名称，如 text-embedding-ada-002 input string/array 是 输入文本 encoding_format string 否 编码格式，float 或 base64
完整代码示例 cURL
Python（SDK）
Python（requests）
Node.js
curl -X POST "https://flum.store/v1/embeddings" \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "text-embedding-ada-002", "input": "这是一段需要向量化的文本示例" }'
4. 图像生成（Images） 生成、编辑或变换图像。
生成图像 POST /v1/images/generations 请求参数 参数 类型 必填 说明 model string 是 模型名称，推荐 gpt-image-1 prompt string 是 图像描述提示词 n integer 否 生成数量，默认1 size string 否 图像尺寸：1024x1024, 1792x1024, 1024x1792 quality string 否 质量：standard或 hd style string 否 风格：vivid 或 natural
推荐使用 gpt-image-1 模型进行图像生成。更多图像生成功能和参数说明，请查看 GPT图像生成详细文档 。
完整代码示例 curl -X POST "https://flum.store/v1/images/generations" \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-1", "prompt": "一只可爱的橙色小猫坐在阳光明媚的花园里", "n": 1, "size": "1024x1024", "quality": "hd" }'
5. 音频转文字（Audio） 语音识别和转录。
转录音频 POST /v1/audio/transcriptions 参数 类型 必填 说明 file file 是 音频文件 model string 是 模型名称，如 whisper-1 language string 否 语言代码 prompt string 否 指导提示 response_format string 否 响应格式 temperature number 否 采样温度
6. 模型列表 获取可用模型列表。
请求端点 响应示例 { "object" : "list" , "data" : [ { "id" : "gpt-3.5-turbo" , "object" : "model" , "created" : 1677610602 , "owned_by" : "openai" }, { "id" : "gpt-4o" , "object" : "model" , "created" : 1687882411 , "owned_by" : "openai" } ] } 流式响应 开启流式输出 在请求中设置 stream: true：
{ "model" : "gpt-3.5-turbo" , "messages" : [{ "role" : "user" , "content" : "Hello" }], "stream" : true } 流式响应格式 响应将以 Server-Sent Events (SSE) 格式返回：
data: {"id":"chatcmpl-123","object":"chat.completion.chunk","created":1699000000,"model":"gpt-3.5-turbo","choices":[{"delta":{"content":"Hello"},"index":0}]} data: {"id":"chatcmpl-123","object":"chat.completion.chunk","created":1699000000,"model":"gpt-3.5-turbo","choices":[{"delta":{"content":"there"},"index":0}]} data: [DONE] 处理流式响应 import requests import json response = requests.post( 'https://flum.store/v1/chat/completions' , headers = { 'Authorization' : f 'Bearer { api_key } ' , 'Content-Type' : 'application/json' }, json = { 'model' : 'gpt-4o-mini' , 'messages' : [{ 'role' : 'user' , 'content' : 'Hello' }], 'stream' : True }, stream = True ) for line in response.iter_lines(): if line: line = line.decode( 'utf-8' ) if line.startswith( 'data: ' ): data = line[ 6 :] if data != '[DONE]' : chunk = json.loads(data) content = chunk[ 'choices' ][ 0 ][ 'delta' ].get( 'content' , '' ) print (content, end = '' )
错误处理 错误响应格式 { "error" : { "message" : "Invalid API key provided" , "type" : "invalid_request_error" , "param" : null , "code" : "invalid_api_key" } } 常见错误码 错误码 HTTP状态码 说明 invalid_api_key 401 API密钥无效 insufficient_quota 429 额度不足 model_not_found 404 模型不存在 invalid_request_error 400 请求参数错误 server_error 500 服务器内部错误 rate_limit_exceeded 429 请求频率过高
错误处理示例 try : response = client.chat.completions.create( model = "gpt-4o-mini" , messages = [{ "role" : "user" , "content" : "Hello" }] ) except Exception as e: if hasattr (e, 'status_code' ): if e.status_code == 401 : print ( "API密钥无效" ) elif e.status_code == 429 : print ( "请求过于频繁或额度不足" ) elif e.status_code == 500 : print ( "服务器错误，请稍后重试" ) else : print ( f "未知错误： { str (e) } " ) 最佳实践 1. 请求优化
合理设置 max_tokens ：避免不必要的长输出使用 temperature ：控制输出的随机性批量处理 ：合并多个请求减少调用次数
2. 错误重试 实现指数退避的重试机制：
import time import random def retry_with_backoff ( func , max_retries = 3 ): for i in range (max_retries): try : return func() except Exception as e: if i == max_retries - 1 : raise e wait_time = ( 2 ** i) + random.uniform( 0 , 1 ) time.sleep(wait_time) 3. 安全建议
保护API密钥 ：使用环境变量存储限制权限 ：为不同应用创建不同的密钥监控使用 ：定期检查API使用日志
4. 性能优化
使用流式输出 ：提升用户体验缓存响应 ：对相同请求缓存结果
并发控制 ：合理控制并发请求数速率限制 Flum-API 实施以下速率限制：
限制类型 限制值 说明 RPM (每分钟请求数) 3000 每个API密钥 TPM (每分钟令牌数) 1000000 每个API密钥 并发请求数 100 同时处理的请求
超出限制时会返回 429 错误，请合理控制请求频率。
需要帮助？ 本手册持续更新中，请关注最新版本以获取新功能和改进。
