跳转到主要内容
POST
https://ai.kaiho.cc
/
v1
/
chat
/
completions

curl --request POST \
  --url https://ai.kaiho.cc/v1/chat/completions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "gpt-5", # 可替换为任意支持的模型 ID
    "messages": [
      {
        "role": "system",
        "content": "你是一个专业的AI助手。"
      },
      {
        "role": "user",
        "content": "解释一下冒泡算法。"
      }
    ]
  }'
{
  "id": "chatcmpl-CdA8u0qPqzeN2gu8QLuQfjaP9CHU4",
  "object": "chat.completion",
  "created": 1763449816,
  "model": "gpt-5-2025-08-07",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "冒泡排序(Bubble Sort)是一种简单的比较交换排序。它通过重复遍历序列,比较相邻元素并把较大的“冒泡”到右侧末端,直到序列有序。\n\n核心思想\n- 每一趟从左到右比较相邻元素,若前者大于后者则交换。一次趟结束后,当前未排部分中最大的元素被放到末尾。\n- 重复多趟,直到没有发生交换或已完成 n−1 趟。\n\n流程示例(以 [5, 1, 4, 2] 为例)\n- 第1趟:比较并交换 → [1, 5, 4, 2] → [1, 4, 5, 2] → [1, 4, 2, 5](最大元素5到末尾)\n- 第2趟:比较并交换 → [1, 4, 2, 5] → [1, 2, 4, 5](已整体有序,可提前结束)\n\n性质\n- 时间复杂度:平均/最坏 O(n^2),最好 O(n)(当已基本有序且使用提前退出优化)\n- 空间复杂度:O(1)(就地排序)\n- 稳定性:稳定(相等元素相对次序不变)\n- 适用场景:数据量小或序列几乎有序;不适合大规模无序数据\n\n常见优化\n- 提前退出:某趟未发生交换则已排序完成。\n- 缩短边界:记录本趟最后一次交换的位置,下一趟只需遍历到该位置。\n- 双向冒泡(鸡尾酒排序):从左到右、再从右到左各走一遍,更快收敛。\n\n简要伪代码\nfunction bubbleSort(a):\n    n = length(a)\n    repeat\n        swapped = false\n        for j = 0 to n-2:\n            if a[j] > a[j+1]:\n                swap(a[j], a[j+1])\n                swapped = true\n        n = n - 1    // 末尾已就位,缩短范围\n    until swapped == false\n\n如需,我可以给出某种语言的实现代码或更多变体说明。",
        "refusal": null,
        "annotations": []
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 24,
    "completion_tokens": 1030,
    "total_tokens": 1054,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "audio_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 512,
      "audio_tokens": 0,
      "accepted_prediction_tokens": 0,
      "rejected_prediction_tokens": 0
    }
  },
  "service_tier": "default",
  "system_fingerprint": null
}
  • 统一的对话API接口,支持所有文本生成模型
  • 通过 model 参数选择不同的AI模型
  • 兼容 OpenAI Chat Completions API 格式
  • 支持多模态对话调用

curl --request POST \
  --url https://ai.kaiho.cc/v1/chat/completions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "gpt-5", # 可替换为任意支持的模型 ID
    "messages": [
      {
        "role": "system",
        "content": "你是一个专业的AI助手。"
      },
      {
        "role": "user",
        "content": "解释一下冒泡算法。"
      }
    ]
  }'
{
  "id": "chatcmpl-CdA8u0qPqzeN2gu8QLuQfjaP9CHU4",
  "object": "chat.completion",
  "created": 1763449816,
  "model": "gpt-5-2025-08-07",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "冒泡排序(Bubble Sort)是一种简单的比较交换排序。它通过重复遍历序列,比较相邻元素并把较大的“冒泡”到右侧末端,直到序列有序。\n\n核心思想\n- 每一趟从左到右比较相邻元素,若前者大于后者则交换。一次趟结束后,当前未排部分中最大的元素被放到末尾。\n- 重复多趟,直到没有发生交换或已完成 n−1 趟。\n\n流程示例(以 [5, 1, 4, 2] 为例)\n- 第1趟:比较并交换 → [1, 5, 4, 2] → [1, 4, 5, 2] → [1, 4, 2, 5](最大元素5到末尾)\n- 第2趟:比较并交换 → [1, 4, 2, 5] → [1, 2, 4, 5](已整体有序,可提前结束)\n\n性质\n- 时间复杂度:平均/最坏 O(n^2),最好 O(n)(当已基本有序且使用提前退出优化)\n- 空间复杂度:O(1)(就地排序)\n- 稳定性:稳定(相等元素相对次序不变)\n- 适用场景:数据量小或序列几乎有序;不适合大规模无序数据\n\n常见优化\n- 提前退出:某趟未发生交换则已排序完成。\n- 缩短边界:记录本趟最后一次交换的位置,下一趟只需遍历到该位置。\n- 双向冒泡(鸡尾酒排序):从左到右、再从右到左各走一遍,更快收敛。\n\n简要伪代码\nfunction bubbleSort(a):\n    n = length(a)\n    repeat\n        swapped = false\n        for j = 0 to n-2:\n            if a[j] > a[j+1]:\n                swap(a[j], a[j+1])\n                swapped = true\n        n = n - 1    // 末尾已就位,缩短范围\n    until swapped == false\n\n如需,我可以给出某种语言的实现代码或更多变体说明。",
        "refusal": null,
        "annotations": []
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 24,
    "completion_tokens": 1030,
    "total_tokens": 1054,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "audio_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 512,
      "audio_tokens": 0,
      "accepted_prediction_tokens": 0,
      "rejected_prediction_tokens": 0
    }
  },
  "service_tier": "default",
  "system_fingerprint": null
}

Authorizations

Authorization
string
必填
所有接口均需要使用Bearer Token进行认证获取 API Key:访问 API Key 管理页面 获取您的 API Key使用时在请求头中添加:
Authorization: Bearer YOUR_API_KEY

Body

model
string
必填
模型名称支持的模型包括:
  • OpenAI: gpt-5, gpt-5-chat-latest, gpt-5-mini, gpt-5-nano, gpt-5-pro
  • Anthropic: claude-sonnet-4-5-20250929, claude-opus-4-1-20250805, claude-haiku-4-5-20251001, claude-opus-4-1-20250805-thinking, claude-sonnet-4-5-20250929-thinking
  • Google: gemini-2.5-pro, gemini-2.5-flash, gemini-2.5-pro-thinking, gemini-2.5-flash-lite,gemini-3-pro-preview-thinking,gemini-3-pro-image-preview,gemini-3-pro-preview
  • DeepSeek: deepseek-v3.1-250821, deepseek-v3.1-think-250821, deepseek-v3-0324
  • Doubao: doubao-seed-1-6-251015, doubao-seed-1-6-flash-250828, doubao-seed-1-6-thinking-250715
  • X.AI: grok-4.1
  • 更多模型持续更新中…
messages
array
必填
对话消息列表每条消息包含:
  • role: 角色类型(systemuserassistant
  • content: 消息内容(字符串或多模态内容数组)
temperature
number
控制输出随机性,范围 0-2
  • 较低的值(如 0.2)使输出更确定
  • 较高的值(如 1.8)使输出更随机
默认值:1.0
max_tokens
integer
生成的最大token数量不同模型有不同的最大值限制,请参考具体模型文档
stream
boolean
是否使用流式输出
  • true: 流式返回(SSE格式)
  • false: 一次性返回完整响应
默认值:false
top_p
number
核采样参数,范围 0-1控制生成文本的多样性,建议与 temperature 二选一使用默认值:1.0
frequency_penalty
number
频率惩罚,范围 -2.0 到 2.0正值会降低重复使用相同词汇的可能性默认值:0
presence_penalty
number
存在惩罚,范围 -2.0 到 2.0正值会增加谈论新主题的可能性默认值:0
stop
string or array
停止序列最多4个序列,遇到这些序列时将停止生成
n
integer
生成的回复数量默认值:1

Response

id
string
响应的唯一标识符
object
string
对象类型,固定为 chat.completion
created
integer
创建时间戳
model
string
实际使用的模型名称
choices
array
生成的回复列表
usage
object
token使用统计

支持的模型列表

OpenAI 系列

  • gpt-5 - GPT-5 基础模型
  • gpt-5-chat-latest - GPT-5 最新对话版本
  • gpt-5-mini - GPT-5 轻量级版本,性价比高
  • gpt-5-nano - GPT-5 超轻量版本
  • gpt-5-pro - GPT-5 专业增强版
###X.ai 系列
  • grok-4.1 - Grok 4.1 快速响应版本

Anthropic 系列

  • claude-haiku-4-5-20251001 - Claude 4.5 快速响应版本
  • claude-sonnet-4-5-20250929 - Claude 4.5 平衡版本
  • claude-opus-4-1-20250805 - 最强大的 Claude 4.1 旗舰模型
  • claude-opus-4-1-20250805-thinking - Claude 4.1 Opus 深度思考版
  • claude-sonnet-4-5-20250929-thinking - Claude 4.5 Sonnet 深度思考版

Google 系列

  • gemini-2.5-flash - Gemini 2.5 快速版
  • gemini-2.5-pro - Gemini 2.5 专业版
  • gemini-2.5-flash-lite - Gemini 2.5 超轻量版
  • gemini-2.5-pro-thinking - Gemini 2.5 Pro 深度思考版
  • gemini-3-pro-preview-thinking - Gemini 3 Pro 深度思考版
  • gemini-3-pro-preview - Gemini 3 Pro 深度思考版

DeepSeek 系列

  • deepseek-v3.1-250821 - DeepSeek V3.1 基础版
  • deepseek-v3.1-think-250821 - DeepSeek V3.1 思考版
  • deepseek-v3-0324 - DeepSeek V3 标准版

Doubao 系列

  • doubao-seed-1-6-flash-250828 - Doubao Seed 1.6 快速版
  • doubao-seed-1-6-thinking-250715 - Doubao Seed 1.6 思考版
  • doubao-seed-1-6-251015 - Doubao Seed 1.6 标准版

使用示例

基础对话

{
  "model": "gpt-5",
  "messages": [
    {"role": "user", "content": "你好"}
  ]
}

系统提示词

{
  "model": "claude-3-5-sonnet",
  "messages": [
    {"role": "system", "content": "你是一位专业的Python编程导师"},
    {"role": "user", "content": "如何使用列表推导式?"}
  ]
}

多轮对话

{
  "model": "gemini-2.0-flash",
  "messages": [
    {"role": "user", "content": "什么是机器学习?"},
    {"role": "assistant", "content": "机器学习是人工智能的一个分支..."},
    {"role": "user", "content": "能举个例子吗?"}
  ]
}

流式输出

{
  "model": "gpt-5",
  "messages": [
    {"role": "user", "content": "写一首关于春天的诗"}
  ],
  "stream": true
}