Usiamo i cookie. Cookie e memoria del browser ti mantengono connesso e ricordano le tue preferenze. Con il tuo consenso misuriamo anche come viene usato il sito. Puoi in qualsiasi momento. Consulta la nostra cookie policy.
API LLM per chat, agenti e output strutturato
Usa un unico endpoint di chat completions per ogni large language model. Streaming, tool calling, output con JSON schema, visione e ragionamento funzionano allo stesso modo con tutti i provider, così puoi scegliere il miglior prezzo o la migliore qualità per ogni attività senza riscrivere il codice.
- Chatbot e assistenti di supporto
- Agenti che chiamano i tuoi tool e le tue API
- Estrazione di JSON strutturato dai documenti
- Riassunti, traduzione e classificazione su larga scala
Un’API. Tutti i modelli.
Costo sessione 0,00 USD
Impostazioni
Parametri avanzati
API LLM · 452 modelli
Come chiamare l’API API LLM
- Crea una chiave API nella tua dashboard.
- Installa l’SDK ufficiale openai per il tuo linguaggio.
- Imposta baseURL su https://api14.com/api/v1 e model su "qwen/qwen3.6-27b".
Come scelgo un LLM?
Parti da un modello veloce ed economico per routing ed estrazione, e riserva i modelli di frontiera al ragionamento complesso. La tabella qui sotto è ordinata per prezzo per un confronto rapido.
Posso cambiare modello senza modificare il codice?
Sì. Gli id dei modelli usano il formato `provider/modello`; cambia la stringa model nella stessa richiesta.
Come riduco i costi di un LLM?
Limita max_tokens, riutilizza i prompt di sistema lunghi con il prompt caching e invia i compiti semplici a un modello piccolo. La pagina di ogni modello mostra il costo di una richiesta tipica.
Lo streaming costa di più?
No. Le risposte in streaming e non in streaming sono fatturate allo stesso modo, in base ai token di input e di output.
Quali modelli supportano tool calling e output JSON?
La pagina di ogni modello elenca i parametri supportati. Cerca tools e structured outputs, oppure filtra il catalogo per funzionalità.
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);