LLM API

API LLM udostępnia endpointy bezpośredniego wywoływania modeli przez Felo API Platform. Użyj go, gdy chcesz wywoływać modele językowe ogólnego przeznaczenia, ponownie wykorzystać klienty zgodne z OpenAI lub Anthropic albo podłączyć frameworki agentowe do Felo API Platform.

API LLM obejmuje obecnie trzy płaszczyzny wywoływania modeli zgodne z czatem:

• POST /api/v1/responses: zgodna z OpenAI Responses
• POST /api/v1/chat/completions: zgodna z OpenAI Chat Completions
• POST /api/v1/messages: zgodna z Anthropic Messages

API decyzji

POST https://openapi.felo.ai/api/v1/decisions

Wysyłaj stan i wąskie pytania typowane do jev-1.13 (akceptowany jest też typesafe/jev-1.13). Używaj /api/v1/decisions, a nie endpointów Chat Completions, Messages ani Responses. Przesyłanie strumieniowe nie jest obsługiwane.

Pola żądania

• model: jev-1.13
• state: kontekst do oceny; ciąg znaków lub wartość JSON.
• questions: nazwane pytania wykorzystujące type, instructions i criteria.

import os
import requests

response = requests.post(
    "https://openapi.felo.ai/api/v1/decisions",
    headers={"Authorization": f"Bearer {os.environ['FELO_API_KEY']}"},
    json={
        "model": "jev-1.13",
        "state": "Help! My payouts have been failing for 3 days.",
        "questions": {
            "is_urgent": {
                "type": "noul",
                "instructions": "Does this message convey urgency?",
                "criteria": {"true": "Time-sensitive", "false": "No urgency"},
            },
            "department": {
                "type": "choice",
                "instructions": "Which team should handle this?",
                "criteria": {
                    "billing": "Payments, invoicing, refunds",
                    "technical": "Bugs, outages, integrations",
                    "sales": "Pricing, upgrades, new accounts",
                },
            },
            "frustration": {
                "type": "score",
                "instructions": "How frustrated is the customer?",
                "criteria": ["Calm", "Frustrated", "Very angry"],
            },
        },
    },
    timeout=60,
)
response.raise_for_status()
answers = response.json()["answers"]
print(answers["is_urgent"]["noul"])
print(answers["department"]["choice"], answers["department"]["probabilities"])
print(answers["frustration"]["score"])

Typy odpowiedzi

noul: prawdopodobieństwo od 0 do 1. choice: wybrana opcja i jej rozkład prawdopodobieństwa. score: wynik liczbowy dla uporządkowanych kryteriów wraz z rozkładem.

Błędy używają error.code (liczbowy status HTTP) i error.message. Obsłuż odpowiedzi inne niż 2xx przed odczytaniem answers.

Zużycie i ceny

Odpowiedź zawiera usage.input_tokens, usage.output_tokens i może zawierać usage.cost. Stawki referencyjne sprawdzone 2026-10-12: wejście 0,042 USD za milion tokenów; wyjście 0 USD. Zerowa stawka wyjściowa nie oznacza, że użycie wejścia jest bezpłatne. Stawki mogą się zmieniać; do szacunków używaj opublikowanej ceny modelu i obowiązujących rabatów konta.

Uwierzytelnianie

Żądania do API LLM wymagają klucza Felo API Platform. Użyj Authorization: Bearer ... albo X-API-Key.

Authorization: Bearer YOUR_API_KEY

X-API-Key: YOUR_API_KEY

Szczegóły tworzenia kluczy API i zarządzania nimi znajdziesz w przewodniku uwierzytelniania.

Bazowy adres URL

Użyj publicznego hosta Felo API Platform:

https://openapi.felo.ai

Dla klientów SDK skonfiguruj bazowy adres URL specyficzny dla protokołu, pokazany w Podstawowym użyciu.

Wspólne nagłówki

Wykrywanie modeli

Ogólny katalog obejmuje wszystkie kategorie modeli. Użyj dedykowanych list, aby wykrywać modele wideo lub decyzyjne:

Wszystkie trzy endpointy przyjmują opcjonalny parametr zapytania provider (na przykład openrouter) i zwracają {"object":"list","data":[...]}. Każdy element zawiera id, object, created, owned_by i model_kind. Dedykowane listy używają efektywnej kategorii po nadpisaniach mapowania włączonych dostawców.

Zwracane są tylko włączone, wymienione i nieusunięte modele z bieżącymi cenami pasującymi do warunków dostawcy; zerowa cena jest prawidłowa. Nowo zsynchronizowane modele są ukryte, dopóki administrator ich nie wymieni. Wszystkie listy używają skonfigurowanej kolejności, a nazwa modelu i identyfikator rozstrzygają remisy. Brak dopasowań zwraca HTTP 200 z pustą tablicą data. Wykrywanie odczytuje lokalny katalog i nie wywołuje modelu ani nie nalicza opłat.

Tylko GET /api/v1/models przyjmuje exclude_video_and_decisions (wartość logiczna, domyślnie false). Ustaw je na true, aby wykluczyć efektywne typy video_generation i decisions; modele obrazów pozostają uwzględniane. Można je łączyć z provider. Pominięcie lub ustawienie false zachowuje pełny katalog. Nieprawidłowe wartości logiczne zwracają HTTP 422.

curl "https://openapi.felo.ai/api/v1/models?exclude_video_and_decisions=true&provider=openrouter" \
  -H "Authorization: Bearer ${FELO_API_KEY}"
curl "https://openapi.felo.ai/api/v1/videos/models?provider=openrouter" \
  -H "Authorization: Bearer ${FELO_API_KEY}"
curl "https://openapi.felo.ai/api/v1/decisions/models?provider=openrouter" \
  -H "Authorization: Bearer ${FELO_API_KEY}"

Wybierz endpoint wywołania według model_kind: chat dla Responses, Chat Completions lub Messages zgodnie z obsługą modelu; video_generation dla POST /api/v1/videos/generations; decisions dla POST /api/v1/decisions; image_generation dla POST /api/v1/images/generations. Szczegóły pozostają pod GET /api/v1/models/{model_id}. Wymieniony model niekoniecznie jest zgodny z każdym endpointem wywołania.

Modele obrazów nie mają dedykowanego endpointu listy. Filtruj GET /api/v1/models według model_kind: "image_generation". Pola żądania obrazu znajdziesz w Generowaniu obrazów.

Modele i ceny

Żądania używają domyślnego kanału modelu, chyba że przypniesz kanał nagłówkiem X-Felo-Channel. Przekaż uporządkowaną, rozdzieloną przecinkami listę publicznych kodów kanałów z katalogu modeli; pomiń nagłówek, aby użyć domyślnego. Używaj default tylko samodzielnie. Przesyłana jest tylko grupa dostawcy pierwszego kanału; nie ma automatycznego przełączania awaryjnego. Zobacz Kanały i routing dostawców.

Ceny są podane w USD. Stawki tokenów są wyświetlane za 1 milion tokenów dla czytelności; rozliczenie używa precyzji na token z bieżącej migawki cen. Stawki pamięci podręcznej obowiązują tylko wtedy, gdy odpowiedź protokołu zawiera użycie pamięci podręcznej. Myślnik oznacza brak osobno opublikowanej stawki lub opublikowanego limitu. Użycie wyszukiwania w sieci, gdy jest raportowane przez usługę modelu, jest rozliczane według $0.01 za wyszukiwanie.

Claude Haiku 5.5 stosuje ceny progowe: prompty do 100K tokenów są rozliczane według powyższych standardowych stawek, a żądania, których prompt przekracza 100K tokenów, są rozliczane według $0.50 za wejście, $2.50 za wyjście, $0.05 za odczyt pamięci podręcznej i $0.0625 za zapis pamięci podręcznej na 1 mln tokenów za całe żądanie.

GPT-5.6 jest dostępny w trzech poziomach: Luna do szybkich, oszczędnych obciążeń; Terra do zrównoważonych zadań kodowania, rozumowania i agentowych; Sol do flagowego, złożonego rozumowania i kodowania. Każdy poziom udostępnia też identyfikator modelu -pro (gpt-5.6-luna-pro, gpt-5.6-terra-pro i gpt-5.6-sol-pro), który używa tego samego modelu bazowego w trybie rozumowania pro. Ceny, długość kontekstu i maksymalne wyjście nie zmieniają się dla identyfikatorów -pro.

DeepSeek V4 Flash obsługuje tryby rozumowania i bez rozumowania, dane wyjściowe JSON, wywołania narzędzi, API Responses oraz zgodność z API Anthropic. Jest dostępny przez płaszczyzny Responses, Chat Completions i Messages Felo. Ceny zapisu pamięci podręcznej nie są jeszcze opublikowane.

Podstawowe użycie

Te przykłady używają oficjalnych SDK OpenAI i Anthropic. Przed uruchomieniem przykładów ustaw FELO_API_KEY na swój klucz Felo API Platform.

export FELO_API_KEY="YOUR_API_KEY"

Instalacja SDK

OpenAI SDK

Użyj OpenAI SDK dla API Responses i API Chat Completions.

##### JavaScript

npm install openai

##### Python

pip install openai

Anthropic SDK

Użyj Anthropic SDK dla API Messages.

##### JavaScript

npm install @anthropic-ai/sdk

##### Python

pip install anthropic

Konfiguracja klientów

Endpointy zgodne z OpenAI używają bazowego adresu URL OpenAI SDK z /api/v1, ponieważ SDK dopisuje ścieżki zasobów, takie jak /responses i /chat/completions.

JavaScript

import OpenAI from "openai";

const openai = new OpenAI({
  apiKey: process.env.FELO_API_KEY,
  baseURL: "https://openapi.felo.ai/api/v1",
});

Python

import os
from openai import OpenAI

openai = OpenAI(
    api_key=os.environ.get("FELO_API_KEY"),
    base_url="https://openapi.felo.ai/api/v1",
)

Endpointy zgodne z Anthropic używają bazowego adresu URL Anthropic SDK bez /v1, ponieważ SDK dopisuje /v1/messages.

JavaScript

import Anthropic from "@anthropic-ai/sdk";

const anthropic = new Anthropic({
  apiKey: process.env.FELO_API_KEY,
  baseURL: "https://openapi.felo.ai/api",
});

Python

import os
from anthropic import Anthropic

anthropic = Anthropic(
    api_key=os.environ.get("FELO_API_KEY"),
    base_url="https://openapi.felo.ai/api",
)

Używanie API Responses

Używaj API Responses do nowych integracji zgodnych z OpenAI i obiektów odpowiedzi w stylu agentowym.

JavaScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.FELO_API_KEY,
  baseURL: "https://openapi.felo.ai/api/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-sol",
  input: "Write a one-sentence bedtime story about a unicorn.",
});

console.log(response.output_text);

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("FELO_API_KEY"),
    base_url="https://openapi.felo.ai/api/v1",
)

response = client.responses.create(
    model="gpt-5.6-sol",
    input="Write a one-sentence bedtime story about a unicorn.",
)

print(response.output_text)

Używanie Chat Completions

Używaj Chat Completions, gdy Twoja aplikacja już wysyła messages w stylu OpenAI.

JavaScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.FELO_API_KEY,
  baseURL: "https://openapi.felo.ai/api/v1",
});

const completion = await client.chat.completions.create({
  model: "gpt-5.6-sol",
  messages: [
    {
      role: "user",
      content: "Give me one sentence about why API compatibility matters.",
    },
  ],
});

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

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("FELO_API_KEY"),
    base_url="https://openapi.felo.ai/api/v1",
)

completion = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[
        {
            "role": "user",
            "content": "Give me one sentence about why API compatibility matters.",
        }
    ],
)

print(completion.choices[0].message.content)

Używanie Messages

Używaj Messages, gdy Twój klient lub framework agentowy oczekuje kształtów żądań i odpowiedzi zgodnych z Anthropic.

JavaScript

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: process.env.FELO_API_KEY,
  baseURL: "https://openapi.felo.ai/api",
});

const message = await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 128,
  messages: [
    {
      role: "user",
      content: "Summarize the value of direct model APIs in one sentence.",
    },
  ],
});

const text = message.content
  .filter((block) => block.type === "text")
  .map((block) => block.text)
  .join("");

console.log(text);

Python

import os
from anthropic import Anthropic

client = Anthropic(
    api_key=os.environ.get("FELO_API_KEY"),
    base_url="https://openapi.felo.ai/api",
)

message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=128,
    messages=[
        {
            "role": "user",
            "content": "Summarize the value of direct model APIs in one sentence.",
        }
    ],
)

text = "".join(block.text for block in message.content if block.type == "text")
print(text)

Oficjalna dokumentacja

• OpenAI API Quickstart
• OpenAI Create response
• OpenAI Create chat completion
• Claude Messages API
• Anthropic TypeScript SDK
• Anthropic Python SDK

Informacje o konfiguracji klientów agentowych znajdziesz w Konfiguracji Claude Code i Codex.

Dokumentacja protokołów

Responses

Użyj tego endpointu dla klientów i integracji zgodnych z API OpenAI Responses.

Endpoint

POST https://openapi.felo.ai/api/v1/responses

Treść żądania

Żądanie SDK

const response = await client.responses.create({
  model: "gpt-5.6-sol",
  input: "Reply with exactly: responses ok",
});

console.log(response.output_text);

Ścieżka tekstu odpowiedzi

output_text

Chat Completions

Użyj tego endpointu dla klientów i SDK zgodnych z OpenAI Chat Completions.

Endpoint

POST https://openapi.felo.ai/api/v1/chat/completions

Treść żądania

Żądanie SDK

const completion = await client.chat.completions.create({
  model: "gpt-5.6-sol",
  messages: [
    {
      role: "user",
      content: "Reply with exactly: chat completions ok",
    },
  ],
});

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

Ścieżka tekstu odpowiedzi

choices[0].message.content

Messages

Użyj tego endpointu dla klientów i SDK zgodnych z Anthropic Messages.

Endpoint

POST https://openapi.felo.ai/api/v1/messages

Treść żądania

Żądanie SDK

const message = await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 64,
  messages: [
    {
      role: "user",
      content: "Reply with exactly: messages ok",
    },
  ],
});

const text = message.content
  .filter((block) => block.type === "text")
  .map((block) => block.text)
  .join("");

console.log(text);

Żądanie z blokami treści

const message = await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 64,
  messages: [
    {
      role: "user",
      content: [
        {
          type: "text",
          text: "Reply with exactly: messages ok",
        },
      ],
    },
  ],
});

Ścieżka tekstu odpowiedzi

content[].text

Przesyłanie strumieniowe

Ustaw stream na true, aby otrzymywać zdarzenia Server-Sent Events. Format ładunku zdarzeń zależy od wybranego protokołu:

• strumienie Responses zwracają zdarzenia odpowiedzi zgodne z Responses.
• strumienie Chat Completions zwracają fragmenty ukończenia czatu zgodne z OpenAI.
• strumienie Messages zwracają zdarzenia wiadomości zgodne z Anthropic.

const stream = await client.responses.create({
  model: "gpt-5.6-sol",
  input: "Write one sentence.",
  stream: true,
});

Klienci powinni parsować strumień zgodnie z używanym protokołem, zamiast oczekiwać jednego wspólnego schematu zdarzeń dla wszystkich trzech endpointów.

Błędy

API LLM zwraca kształt błędu wybranego protokołu, gdy to możliwe. Typowe przyczyny: