Node.js

Usa il pacchetto npm ufficiale openai con api14. Non cambia nient'altro: solo baseURL e apiKey puntano ad api14, e ogni id di modello funziona come model.

Installazione

npm install openai

Salva la tua chiave in una variabile d'ambiente:

export API14_API_KEY="sk-api14-..."

Configurazione

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

Senza opzioni, l'SDK legge OPENAI_BASE_URL e OPENAI_API_KEY. Impostando queste due variabili un'app esistente passa ad api14 senza modifiche al codice:

export OPENAI_BASE_URL="https://api14.com/api/v1"
export OPENAI_API_KEY="sk-api14-..."

const client = new OpenAI(); // legge entrambe le variabili

Chat

const result = await client.chat.completions.create({
  model: "openai/gpt-5-mini",
  messages: [{ role: "user", content: "Explain vector databases in two sentences." }],
});

console.log(result.choices[0].message.content);

Streaming

const stream = await client.chat.completions.create({
  model: "anthropic/claude-sonnet-4.5",
  messages: [{ role: "user", content: "Write a haiku about APIs." }],
  stream: true,
});

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

Vedi Streaming per il formato degli eventi.

Tool calling

Invia tools, esegui le chiamate richieste dal modello, aggiungi i risultati e chiama di nuovo finché risponde con del testo:

const tools = [{
  type: "function",
  function: {
    name: "get_weather",
    description: "Current weather for a city",
    parameters: {
      type: "object",
      properties: { city: { type: "string" } },
      required: ["city"],
    },
  },
}];

const messages = [{ role: "user", content: "What's the weather in Istanbul?" }];
let res = await client.chat.completions.create({ model: "openai/gpt-5-mini", messages, tools });

while (res.choices[0].finish_reason === "tool_calls") {
  const msg = res.choices[0].message;
  messages.push(msg);
  for (const call of msg.tool_calls) {
    const args = JSON.parse(call.function.arguments);
    const result = await getWeather(args.city); // la tua funzione
    messages.push({ role: "tool", tool_call_id: call.id, content: JSON.stringify(result) });
  }
  res = await client.chat.completions.create({ model: "openai/gpt-5-mini", messages, tools });
}

console.log(res.choices[0].message.content);

Vedi Tool calling.

Output strutturato

L'helper parse trasforma uno schema Zod in un formato di risposta json_schema e analizza la risposta (npm install zod):

import { z } from "zod";
import { zodResponseFormat } from "openai/helpers/zod";

const Person = z.object({ name: z.string(), born: z.number().int(), city: z.string() });

const res = await client.chat.completions.parse({
  model: "openai/gpt-5-mini",
  messages: [{ role: "user", content: "Extract: Ada Lovelace, born 1815 in London." }],
  response_format: zodResponseFormat(Person, "person"),
});

console.log(res.choices[0].message.parsed); // { name: "Ada Lovelace", born: 1815, city: "London" }

Vedi Output strutturati.

Input di immagini

Passa content come array di parti. Usa un URL pubblico o un data URL in base64:

import { readFileSync } from "node:fs";

const image = readFileSync("photo.png").toString("base64");

const res = await client.chat.completions.create({
  model: "google/gemini-2.5-flash",
  messages: [{
    role: "user",
    content: [
      { type: "text", text: "What is in this picture?" },
      { type: "image_url", image_url: { url: `data:image/png;base64,${image}` } },
    ],
  }],
});

Vedi Visione e file per PDF, audio e video.

Embeddings

const result = await client.embeddings.create({
  model: "openai/text-embedding-3-small",
  input: ["The quick brown fox", "Lorem ipsum"],
});

console.log(result.data.map((d) => d.embedding.length));

Endpoint senza metodo nell'SDK

I job video e il rerank non fanno parte dell'interfaccia dell'SDK OpenAI. Usa gli helper generici post / get del client: riutilizzano base URL, chiave e retry:

const ranked = await client.post("/rerank", {
  body: {
    model: "cohere/rerank-v3.5",
    query: "What is the capital of France?",
    documents: ["Paris is the capital of France.", "Berlin is in Germany."],
    top_n: 1,
  },
});
console.log(ranked.results);

Errori

Gli errori arrivano nel formato OpenAI e vengono lanciati come OpenAI.APIError. Distingui i casi con status e code:

try {
  await client.chat.completions.create({ model: "openai/gpt-5-mini", messages: [{ role: "user", content: "Hi" }] });
} catch (err) {
  if (err instanceof OpenAI.APIError) {
    if (err.status === 402) console.error("Balance too low, add funds:", err.code); // insufficient_balance
    else if (err.status === 429) console.error("Retry after", err.headers?.["retry-after"], "s:", err.code); // rate_limited
    else throw err;
  }
}

Vedi Errori per ogni codice.

Timeout e retry

Per impostazione predefinita l'SDK ripete due volte gli errori di connessione e le risposte 408, 409, 429 e 5xx, con backoff esponenziale che rispetta Retry-After. Il timeout predefinito è di 10 minuti per tentativo. Impostali entrambi sul client, oppure sovrascrivili per singola richiesta:

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
  timeout: 60_000, // ms per tentativo
  maxRetries: 4,
});

await client.chat.completions.create(params, { timeout: 300_000, maxRetries: 0 });

Un retry non può risolvere daily_limit_reached o insufficient_balance. Per i job batch lunghi, fermati su questi codici invece di riprovare. Vedi Limiti di frequenza.

Tutte le 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": "openai/gpt-5-mini",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);