完全兼容 OpenAI API 格式，一个 Key 调用 25+ 主流模型。零迁移成本，三步即可上手。
请求架构 — 你的请求如何到达模型
注册账号 → 登录控制台 → 进入「API 密钥」页面 → 点击「新建密钥」→ 复制生成的 sk-xxx Key（仅显示一次！）
将你代码中的 https://api.openai.com/v1 替换为 Base URL https://www.computerhubtoken.com/v1
即向 POST https://www.computerhubtoken.com/v1/chat/completions 发送请求（OpenAI 兼容 SDK 会自动补全 /chat/completions 路径）
用你的 ComputerHub Key 替换原有 Key，选择模型，发送请求。搞定！
# 在终端中直接运行 — 调用 DeepSeek-V3 模型 curl -X POST https://www.computerhubtoken.com/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-your-api-key-here" \ -d '{ "model": "DeepSeek-V3", "messages": [ {"role": "user", "content": "你好，请介绍一下你自己"} ], "max_tokens": 500 }'
# Python — 使用官方 openai SDK（推荐） from openai import OpenAI # 初始化客户端（只需改这两个参数） client = OpenAI( api_key="sk-your-api-key-here", base_url="https://www.computerhubtoken.com/v1", ) # 发起对话请求 response = client.chat.completions.create( model="DeepSeek-V3", # 可替换为任意支持的模型 messages=[ {"role": "user", "content": "你好，请介绍一下你自己"} ], max_tokens=500, ) # 打印回复 print(response.choices[0].message.content)
// Node.js — 使用官方 openai SDK（推荐） import OpenAI from "openai"; // 初始化客户端（只需改这两个参数） const client = new OpenAI({ apiKey: "sk-your-api-key-here", baseURL: "https://www.computerhubtoken.com/v1", }); // 发起对话请求 const response = await client.chat.completions.create({ model: "DeepSeek-V3", // 可替换为任意支持的模型 messages: [ { role: "user", content: "你好，请介绍一下你自己" }, ], max_tokens: 500, }); console.log(response.choices[0].message.content);
// Go — 使用标准库 net/http package main import ( "bytes" "encoding/json" "fmt" "io" "net/http" ) func main() { payload := map[string]any{ "model": "DeepSeek-V3", "messages": []map[string]string{ {"role": "user", "content": "你好！"}, }, "max_tokens": 500, } body, _ := json.Marshal(payload) req, _ := http.NewRequest( "POST", "https://www.computerhubtoken.com/v1/chat/completions", bytes.NewReader(body), ) req.Header.Set("Authorization", "Bearer sk-your-api-key-here") req.Header.Set("Content-Type", "application/json") resp, _ := http.DefaultClient.Do(req) defer resp.Body.Close() data, _ := io.ReadAll(resp.Body) fmt.Println(string(data)) }
ComputerHub 使用标准的 Bearer Token 认证方式，与 OpenAI 完全一致。
访问 登录页面，使用你的账号密码登录
进入「API 密钥」→ 点击「新建密钥」→ 设置名称和用途 → 确认创建
立即复制生成的 sk-xxx 密钥（关闭后无法再次查看完整内容）
Authorization: Bearer sk-your-api-key-here
Content-Type: application/json
将 Key 存储在 .env 或系统环境变量中，代码中通过 os.environ 读取
开发/测试/生产使用不同的 Key，避免互相影响
为每个 Key 设置合理的月度预算，防止意外超额消费
定期更换 Key，禁用不再使用的旧密钥
ComputerHub 聚合了来自 3 个活跃供应商 的 25 个模型，覆盖文本对话、深度推理、视觉理解、视频生成、向量化等场景。
DeepSeek-V3 或 DeepSeek-V4-Flash；复杂推理选 DeepSeek-R1；图像理解选 Qwen2.5-VL-72B；视频生成选 MiniMax-Hailuo-02。根据你的使用场景，直接复制对应的代码模板。
from openai import OpenAI client = OpenAI(api_key="sk-xxx", base_url="https://www.computerhubtoken.com/v1") # 流式输出，适合实时对话 stream = client.chat.completions.create( model="DeepSeek-V3", messages=[{"role": "user", "content": "我的订单什么时候发货？"}], stream=True, # 开启流式 temperature=0.7, ) for chunk in stream: if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end="")
from openai import OpenAI client = OpenAI(api_key="sk-xxx", base_url="https://www.computerhubtoken.com/v1") response = client.chat.completions.create( model="DeepSeek-R1", # 推理模型 messages=[ {"role": "system", "content": "你是一个数学专家，请逐步推导并给出答案。"}, {"role": "user", "content": "证明根号2是无理数"} ], max_tokens=8000, # 推理模型需要更大的 token 预算 ) print(response.choices[0].message.content)
from openai import OpenAI client = OpenAI(api_key="sk-xxx", base_url="https://www.computerhubtoken.com/v1") response = client.chat.completions.create( model="Qwen2.5-VL-72B", # 视觉模型 messages=[{ "role": "user", "content": [ {"type": "text", "text": "这张图片里有什么？请详细描述。"}, {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}} ] }], ) print(response.choices[0].message.content)
from openai import OpenAI client = OpenAI(api_key="sk-xxx", base_url="https://www.computerhubtoken.com/v1") response = client.embeddings.create( model="BGE-Large-ZH", # 中文向量化模型 input="人工智能正在改变世界", ) vector = response.data[0].embedding print(f"向量维度: {len(vector)}, 前5维: {vector[:5]}")
curl -X POST https://www.computerhubtoken.com/v1/video_generation \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-xxx" \ -d '{ "model": "MiniMax-Hailuo-02", "input": { "prompt": "一只猫在沙滩上奔跑，夕阳背景", "duration": 6, "resolution": "720p" } }'
from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="DeepSeek-V3", api_key="sk-xxx", base_url="https://www.computerhubtoken.com/v1", temperature=0.7, ) response = llm.invoke("用一句话解释量子计算") print(response.content)
核心端点：创建对话补全请求。完全兼容 OpenAI Chat Completions API。
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| model | string | 必填 | 模型 ID，如 DeepSeek-V3、DeepSeek-R1、Qwen2.5-VL-72B |
| messages | array | 必填 | 对话消息数组，每条含 role(system/user/assistant) 和 content |
| max_tokens | integer | 可选 | 最大生成 Token 数，默认 4096（推理模型建议 ≥ 8000） |
| temperature | float | 可选 | 采样温度 0~2，默认 1.0（值越低输出越确定） |
| top_p | float | 可选 | 核采样概率，默认 1.0（建议与 temperature 二选一） |
| stream | boolean | 可选 | 是否流式返回（SSE），默认 false |
| stop | array/string | 可选 | 停止序列，遇到这些词时停止生成 |
{
"model": "DeepSeek-V3",
"messages": [
{"role": "system", "content": "你是一个专业的技术文档撰写助手。"},
{"role": "user", "content": "解释 RESTful API 的设计原则"}
],
"max_tokens": 2048,
"temperature": 0.7,
"stream": false
}
{
"id": "chatcmpl-abc123def456",
"object": "chat.completion",
"created": 1721148800,
"model": "DeepSeek-V3",
"choices": [{
"index": 0,
"message": {
"role": "assistant",
"content": "RESTful API 是一种基于 HTTP 协议的软件架构风格..."
},
"finish_reason": "stop"
}],
"usage": {
"prompt_tokens": 28,
"completion_tokens": 512,
"total_tokens": 540
}
}
DeepSeek-R1 等推理模型时，响应可能包含 reasoning_content 字段（思考过程）。建议设置 max_tokens ≥ 8000 以避免思考过程被截断。设置 "stream": true 即可启用 Server-Sent Events 流式响应，逐 token 返回结果，适合聊天机器人等实时交互场景。
from openai import OpenAI client = OpenAI(api_key="sk-xxx", base_url="https://www.computerhubtoken.com/v1") stream = client.chat.completions.create( model="DeepSeek-V3", messages=[{"role": "user", "content": "写一首关于未来的诗"}], stream=True, ) # 逐块打印，实现打字机效果 for chunk in stream: content = chunk.choices[0].delta.content if content: print(content, end="", flush=True)
import OpenAI from "openai"; const client = new OpenAI({ apiKey: "sk-xxx", baseURL: "https://www.computerhubtoken.com/v1", }); const stream = await client.chat.completions.create({ model: "DeepSeek-V3", messages: [{ role: "user", content: "讲一个短故事" }], stream: true, }); // 使用 for await...of 逐块处理 for await (const chunk of stream) { process.stdout.write(chunk.choices[0]?.delta?.content ?? ""); }
将文本转换为高维向量，用于语义搜索、RAG 检索、聚类分析等场景。
{
"model": "BGE-Large-ZH",
"input": ["ComputerHub 是一个算力聚合分发平台", "AI 模型调用服务"]
}
{
"object": "list",
"data": [
{
"object": "embedding",
"index": 0,
"embedding": [-0.0241, 0.0128, 0.0037, ...] // 1024 维浮点数
},
{
"object": "embedding",
"index": 1,
"embedding": [-0.0183, 0.0201, -0.0072, ...]
}
],
"model": "BGE-Large-ZH",
"usage": { "prompt_tokens": 24, "total_tokens": 24 }
}
BGE-Large-ZH（中文优化，1024维）、BGE-M3（多语言，1024维）。中文场景推荐前者。根据文字描述生成短视频，当前支持 MiniMax 海螺和 GLM CogView3 图像生成。
{
"model": "MiniMax-Hailuo-02",
"input": {
"prompt": "一只橘猫在樱花树下奔跑，慢动作，电影质感",
"duration": 6,
"resolution": "720p",
"negative_prompt": "模糊，低质量，变形"
}
}
ComputerHub 的核心能力——每次请求自动选择最优供应商渠道。
| 策略 | 工作方式 | 适用场景 |
|---|---|---|
| cost_optimal | 综合价格 + 延迟 + 可用率加权评分 | 大多数场景（默认推荐 ✅） |
| lowest_latency | 优先选择延迟最低的渠道 | 实时对话、客服机器人 |
| failover_only | 主渠道优先，故障时自动切换 | 有主备需求的企业部署 |
cost_optimal 策略，会自动为你选择性价比最高的渠道。只有在有特殊需求时才需要手动指定策略。当某个上游供应商出现故障时，系统自动切换到其他可用渠道，保障你的服务不中断。
持续监控各渠道健康状态，错误率超阈值自动触发熔断
5xx 错误或超时时自动重试其他渠道，最多 2 次，对调用方无感
响应头包含 X-ComputerHub-Failover 标记是否发生了故障转移
重试产生的费用不计入账单，只按最终成功的渠道收费
| HTTP | 错误码 | 含义 | 解决方法 |
|---|---|---|---|
| 400 | ERR_4001 | 请求参数错误 | 检查 JSON 格式和必填字段 |
| 401 | ERR_4011 | API Key 无效 | 确认 Key 正确且未过期 |
| 401 | ERR_4012 | Key 已被禁用 | 联系管理员或在控制台重新启用 |
| 403 | ERR_4031 | 无权访问该模型 | 升级套餐或更换模型 |
| 429 | ERR_4291 | 频率超限 | 降低请求频率或升级套餐 |
| 429 | ERR_4292 | 配额用完 | 充值或等待下月额度刷新 |
| 402 | ERR_4021 | 余额不足 | 前往控制台充值 |
| 503 | ERR_5031 | 所有渠道不可用 | 稍后重试，系统正在恢复 |
| 504 | ERR_5041 | 请求超时 | 增大超时时间或简化请求 |
| 套餐 | RPM (请求/分钟) | TPM (Token/分钟) | 并发 |
|---|---|---|---|
| 开发者（免费） | 10 | 10K | 3 |
| 专业版 | 500 | 500K | 50 |
| 企业版 | 无限制 | 无限制 | 无限制 |
X-RateLimit-Limit: 500 # 该窗口内允许的最大请求数 X-RateLimit-Remaining: 487 # 剩余可用请求数 X-RateLimit-Reset: 1721148860 # 窗口重置时间戳 (Unix)
按量计费，精确到每个 Token。不额外加价。
总费用 = 输入Token × 输入单价 + 输出Token × 输出单价
ComputerHub 100% 兼容 OpenAI SDK，无需安装任何额外的专用库。
| 语言 | SDK 包名 | 安装命令 |
|---|---|---|
| Python | openai | pip install openai |
| Node.js | openai | npm install openai |
| Go | go-openai | go get github.com/sashabaranov/go-openai |
| Java | openai-java | implementation 'com.theokanning:openai-java' |
| Rust | async-openai | cargo add async-openai |
| .NET/C# | openai-dotnet | dotnet add package OpenAI |
| Dart | openai-dart | dart pub add openai |
| Kotlin | openai-kotlin | implementation("com.aallam.openai:openai-client") |
langchain_openai.ChatOpenAI → 改 base_url 即可
所有基于 OpenAI SDK 的框架均兼容
在 OpenAI 兼容配置中填入 ComputerHub 地址
OpenAIProvider 自定义 baseUrl
更多 SDK 详情和示例代码，请访问 SDK 下载页面 →