Vel 哇浪 AI

curl https://api.velapi.cc/v1/models \
  -H "Authorization: Bearer $VELAPI_API_KEY"

模型 ID 在 data[].id；supported_endpoint_types 是目录展示标签，可能遗漏网关转换或上游实际支持的端点。协议选择以渠道适配说明与请求验证为准。示例结构如下：

{
  "object": "list",
  "data": [{
    "id": "grok-4.6",
    "object": "model",
    "supported_endpoint_types": ["openai", "openai-response"]
  }]
}

目录与权限可能更新。公开文档列常用模型；实际可调用清单以你的令牌返回为准。

• gpt-5.6-luna：Chat Completions 返回 200；Responses 流式也返回 200、预期文本和 response.completed 终态。目录标签仅有 Chat，实际支持 Responses。
• claude-sonnet-5-5：Messages 和 Responses 基础文本请求均返回 200，并返回预期文本；Responses 由网关转换到 Messages。
• grok-4.6：Responses 流式请求返回 200，响应类型为 text/event-stream，包含 response.created 等标准事件。
• Gemini：实际渠道使用 Gemini 原生协议，Chat 经网关转换；本次两个路径的基础请求均返回 500（do_request_failed），使用前先确认模型服务恢复。

以上验证覆盖基础文本请求；工具调用、多模态、结构化输出和会话续接需按具体模型能力单独确认。

POST https://api.velapi.cc/v1/chat/completions。必填 model 和 messages；请求头使用 Authorization: Bearer <令牌>。

最小请求 · curl（Bash / macOS / Linux）

示例从环境变量 VELAPI_API_KEY 读取你的令牌。

curl https://api.velapi.cc/v1/chat/completions \
  -H "Authorization: Bearer $VELAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-luna",
    "messages": [{"role": "user", "content": "用一句话解释 API"}],
    "stream": false
  }'

非流式文本读取 choices[0].message.content；用量读取 usage。连续对话由客户端把历史 user/assistant 消息一并放入 messages。

流式请求与解析

改为 "stream": true，curl 添加 -N 关闭输出缓冲。逐个 SSE 事件读取 choices[0].delta.content，收到 [DONE] 后结束；用量事件可能只有 usage。

data: {"choices":[{"delta":{"content":"API 是"}}]}

data: {"choices":[{"delta":{"content":"程序之间的接口。"}}]}

data: {"choices":[{"delta":{},"finish_reason":"stop"}]}

data: [DONE]

POST https://api.velapi.cc/v1/responses。GPT 的 OpenAI 兼容渠道与 Grok 的 xAI 渠道可转发 Responses；Claude 与 Gemini 渠道通过适配器转换。已实测 GPT、Grok 与 Claude 基础请求；Gemini 当前服务异常。目录缺少 openai-response 标签并不代表该接口未被支持。

curl -N https://api.velapi.cc/v1/responses \
  -H "Authorization: Bearer $VELAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.6",
    "input": "用一句话解释 API",
    "max_output_tokens": 128,
    "stream": true
  }'

Responses 使用带事件名的 SSE。解析器应按完整事件处理；previous_response_id、持久化、后台任务和工具能力需按模型服务确认，首次接入建议采用自包含输入。

POST https://api.velapi.cc/v1/messages。标准鉴权使用 x-api-key，并带 anthropic-version: 2023-06-01。

curl https://api.velapi.cc/v1/messages \
  -H "x-api-key: $VELAPI_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-5-5",
    "max_tokens": 128,
    "messages": [{"role": "user", "content": "用一句话解释 API"}]
  }'

max_tokens 必填；系统指令放在顶层 system。返回文本读取 content[] 中 type: "text" 的 text。

流式添加 "stream": true，处理 message_start、content_block_delta、message_delta、message_stop；文本增量通常在 delta.text。工具采用 input_schema、tool_use 和 tool_result 的 Messages 格式。

模型 ID 放在 URL 中；正文使用 contents 和 parts。标准鉴权为 x-goog-api-key。

curl 'https://api.velapi.cc/v1beta/models/gemini-3.8-flash:generateContent' \
  -H "x-goog-api-key: $VELAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"role": "user", "parts": [{"text": "用一句话解释 API"}]}],
    "generationConfig": {"maxOutputTokens": 128}
  }'

非流式返回读取 candidates[].content.parts[].text。连续对话中助手角色为 model；系统指令使用 systemInstruction。

原生流式 URL 使用 :streamGenerateContent?alt=sse，逐个 SSE 数据对象读取候选文本。选择 OpenAI 兼容客户端时，请改用 Chat Completions 的字段与地址；原生 contents 与 Chat 的 messages 分别属于不同协议。

安装依赖：pip install -U openai。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["VELAPI_API_KEY"],
    base_url="https://api.velapi.cc/v1",
)
reply = client.chat.completions.create(
    model="gpt-5.6-luna",
    messages=[{"role": "user", "content": "用一句话解释 API"}],
)
print(reply.choices[0].message.content)

# 按实际渠道协议选择 Responses 模型
response = client.responses.create(model="grok-4.6", input="用一句话解释 API")
print(response.output_text)

安装依赖：npm install openai；使用 Node.js 的 ES Module 运行示例。

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.VELAPI_API_KEY,
  baseURL: "https://api.velapi.cc/v1",
});
const stream = await client.chat.completions.create({
  model: "gpt-5.6-luna",
  messages: [{ role: "user", content: "用一句话解释 API" }],
  stream: true,
});
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

安装依赖：pip install -U anthropic。

import os
from anthropic import Anthropic

client = Anthropic(
    api_key=os.environ["VELAPI_API_KEY"],
    base_url="https://api.velapi.cc",
)
reply = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=128,
    messages=[{"role": "user", "content": "用一句话解释 API"}],
)
print("".join(block.text for block in reply.content if block.type == "text"))

$headers = @{ Authorization = "Bearer $env:VELAPI_API_KEY" }
$body = @{
  model = "gpt-5.6-luna"
  messages = @(@{ role = "user"; content = "用一句话解释 API" })
} | ConvertTo-Json -Depth 6
$reply = Invoke-RestMethod `
  -Uri "https://api.velapi.cc/v1/chat/completions" `
  -Method Post -Headers $headers -ContentType "application/json; charset=utf-8" -Body $body
$reply.choices[0].message.content

1. 使用同一个令牌请求 GET /v1/models，确认模型 ID 与权限；端点按实际渠道协议核对，目录标签仅作参考。
2. 核对最终 URL、协议专用鉴权头及请求体字段。
3. 先用本文最小文本请求，成功后再添加采样、工具、多模态和推理参数。
4. 流式请求返回 200 后仍需检查错误事件与终态；按请求时间和错误中的 request ID 定位服务错误。

通用客户端优先选择 Chat Completions。使用 Responses、Messages 或 Gemini 原生接口时，先确认所选模型实际命中的渠道协议及转换能力，再使用对应鉴权头与请求字段。前端端点标签仅作参考。对照表见对话适配。

OpenAI SDK 填 https://api.velapi.cc/v1；Anthropic SDK 填 https://api.velapi.cc。其它客户端根据其是否自动补路径填写；最终请求中 /v1 应只出现一次。详见SDK / 客户端配置。

模型可见性、渠道协议适配和实时服务状态分别判断。先核对同一令牌返回的模型 ID 与权限，再核对实际渠道及端点，再用最小请求确认服务状态。错误中的 request ID 可帮助定位问题；本次协议验证记录见最近验证。

这些能力随模型与协议变化。基础文本调用成功后，再分别验证 tools、多模态内容块和结构化输出参数。工具定义与结果回传也需使用所选协议的标准格式。

每笔调用的用量与实际扣费在控制台 → 使用日志查看；余额与充值在控制台 → 钱包查看。文档介绍计费规则，实际金额以调用记录为准。

veo 系列按条计费；其它视频模型按对应参数规则计费。详见视频模型，实际扣费以使用日志为准。

媒体 URL 应能被服务端下载。参考输入种类、数量与时长按具体模型支持范围设置，见视频输入矩阵和模型配置参考。

QQ：2357678297。反馈接口问题时附上模型 ID、端点、请求时间及 request ID。