Wir verwenden Cookies. Cookies und Browserspeicher halten Sie angemeldet und merken sich Ihre Einstellungen. Mit Ihrer Zustimmung messen wir außerdem, wie die Website genutzt wird. Sie können jederzeit . Siehe unsere Cookie-Richtlinie.
LLM API für Chat, Agenten und strukturierte Ausgabe
Ein Chat-Completions-Endpunkt für jedes große Sprachmodell. Streaming, Tool Calling, JSON-Schema-Ausgaben, Vision und Reasoning funktionieren bei allen Anbietern gleich, so wählen Sie pro Aufgabe den besten Preis oder die beste Qualität, ohne Code umzuschreiben.
- Chatbots und Support-Assistenten
- Agenten, die Ihre Tools und APIs aufrufen
- Strukturiertes JSON aus Dokumenten extrahieren
- Zusammenfassungen, Übersetzung und Klassifizierung in großem Maßstab
Eine API. Jedes Modell.
Sitzungskosten 0,00 $
Einstellungen
Erweiterte Parameter
LLM API · 452 Modelle
So rufen Sie die LLM API API auf
- Erstellen Sie in Ihrem Dashboard einen API-Schlüssel.
- Installieren Sie das offizielle openai SDK für Ihre Sprache.
- Setzen Sie baseURL auf https://api14.com/api/v1 und model auf "qwen/qwen3.6-27b".
Wie wähle ich ein LLM aus?
Beginnen Sie mit einem schnellen, günstigen Modell für Routing und Extraktion und sparen Sie sich Spitzenmodelle für komplexes Reasoning auf. Die Tabelle unten ist nach Preis sortiert, damit Sie schnell vergleichen können.
Kann ich Modelle ohne Codeänderung wechseln?
Ja. Modell-IDs verwenden das Format anbieter/modell (zum Beispiel openai/gpt-5-mini); ändern Sie einfach den Modell-String in derselben Anfrage.
Wie halte ich die LLM-Kosten niedrig?
Begrenzen Sie max_tokens, nutzen Sie lange System-Prompts per Prompt-Caching wieder und schicken Sie einfache Aufgaben an ein kleines Modell. Jede Modellseite zeigt die Kosten einer typischen Anfrage.
Kostet Streaming mehr?
Nein. Gestreamte und nicht gestreamte Antworten werden gleich abgerechnet, nach Eingabe- und Ausgabe-Tokens.
Welche Modelle unterstützen Tool Calling und JSON-Ausgabe?
Jede Modellseite listet die unterstützten Parameter. Achten Sie auf tools und Structured Outputs oder filtern Sie den Katalog nach Funktion.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "qwen/qwen3.6-27b",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);