Nous utilisons des cookies. Les cookies et le stockage du navigateur vous gardent connecté et mémorisent vos préférences. Avec votre accord, nous mesurons aussi l’utilisation du site. Vous pouvez à tout moment. Consultez notre politique relative aux cookies.
API LLM pour le chat, les agents et la sortie structurée
Utilisez un seul endpoint de chat completions pour tous les grands modèles de langage. Le streaming, l’appel d’outils, les sorties JSON Schema, la vision et le raisonnement fonctionnent de la même façon chez tous les fournisseurs : vous choisissez le meilleur prix ou la meilleure qualité par tâche sans réécrire de code.
- Chatbots et assistants de support
- Agents qui appellent vos outils et vos API
- Extraction de JSON structuré à partir de documents
- Résumés, traduction et classification à grande échelle
Une API. Tous les modèles.
Coût de la session 0,00 $US
Paramètres
Paramètres avancés
API LLM · 452 modèles
Comment appeler l’API API LLM
- Créez une clé API dans votre tableau de bord.
- Installez le SDK officiel openai pour votre langage.
- Définissez baseURL sur https://api14.com/api/v1 et model sur "qwen/qwen3.6-27b".
Comment choisir un LLM ?
Commencez par un modèle rapide et économique pour le routage et l’extraction, et réservez les modèles de pointe au raisonnement complexe. Le tableau ci-dessous est trié par prix pour comparer rapidement.
Puis-je changer de modèle sans modifier le code ?
Oui. Les identifiants de modèle suivent le format `fournisseur/modèle` ; modifiez la chaîne du modèle dans la même requête.
Comment limiter les coûts d’un LLM ?
Plafonnez max_tokens, réutilisez les longs prompts système grâce au prompt caching et confiez les tâches simples à un petit modèle. Chaque page de modèle indique le coût d’une requête typique.
Le streaming coûte-t-il plus cher ?
Non. Les réponses en streaming ou non sont facturées de la même façon, selon les tokens d’entrée et de sortie.
Quels modèles prennent en charge l’appel d’outils et la sortie JSON ?
Chaque page de modèle liste ses paramètres pris en charge. Cherchez tools et les sorties structurées, ou filtrez le catalogue par fonctionnalité.
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);