API 基础地址:https://api.kanghuiai.com/v1
认证方式:Bearer Token(在请求头添加 Authorization: Bearer <你的API密钥>)
gpt-4、claude-3、qwen3.6:35b
role 和 content
curl -X POST https://api.kanghuiai.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer sk-xxxxx你的API密钥xxxxx" \
-d '{
"model": "qwen3.6:35b",
"messages": [
{"role": "system", "content": "你是一个有用的AI助手"},
{"role": "user", "content": "你好,请介绍一下自己"}
],
"temperature": 0.7
}'
import openai
client = openai.OpenAI(
base_url="https://api.kanghuiai.com/v1",
api_key="sk-xxxxx你的API密钥xxxxx"
)
response = client.chat.completions.create(
model="qwen3.6:35b",
messages=[
{"role": "system", "content": "你是一个有用的AI助手"},
{"role": "user", "content": "你好,请介绍一下自己"}
],
temperature=0.7
)
print(response.choices[0].message.content)
const OpenAI = require('openai');
const client = new OpenAI({
baseURL: 'https://api.kanghuiai.com/v1',
apiKey: 'sk-xxxxx你的API密钥xxxxx'
});
async function chat() {
const response = await client.chat.completions.create({
model: 'qwen3.6:35b',
messages: [
{role: 'system', content: '你是一个有用的AI助手'},
{role: 'user', content: '你好,请介绍一下自己'}
],
temperature: 0.7
});
console.log(response.choices[0].message.content);
}
chat();
import com.theokanning.openai.client.OpenAiApi;
import com.theokanning.openai.completion.chat.ChatCompletionRequest;
import com.theokanning.openai.completion.chat.ChatMessage;
import com.theokanning.openai.service.OpenAiService;
import retrofit2.Retrofit;
import retrofit2.converter.jackson.JacksonConverterFactory;
import java.util.Arrays;
public class Example {
public static void main(String[] args) {
String baseUrl = "https://api.kanghuiai.com/v1/";
String apiKey = "sk-xxxxx你的API密钥xxxxx";
Retrofit retrofit = new Retrofit.Builder()
.baseUrl(baseUrl)
.addConverterFactory(JacksonConverterFactory.create())
.build();
OpenAiApi api = retrofit.create(OpenAiApi.class);
OpenAiService service = new OpenAiService(api, apiKey);
ChatCompletionRequest request = ChatCompletionRequest.builder()
.model("qwen3.6:35b")
.messages(Arrays.asList(
new ChatMessage("system", "你是一个有用的AI助手"),
new ChatMessage("user", "你好,请介绍一下自己")
))
.temperature(0.7)
.build();
String response = service.createChatCompletion(request)
.getChoices()
.get(0)
.getMessage()
.getContent();
System.out.println(response);
}
}
package main
import (
"context"
"fmt"
"log"
"github.com/sashabaranov/go-openai"
)
func main() {
config := openai.DefaultConfig("sk-xxxxx你的API密钥xxxxx")
config.BaseURL = "https://api.kanghuiai.com/v1"
client := openai.NewClientWithConfig(config)
resp, err := client.CreateChatCompletion(
context.Background(),
openai.ChatCompletionRequest{
Model: "qwen3.6:35b",
Messages: []openai.ChatCompletionMessage{
{
Role: openai.ChatMessageRoleSystem,
Content: "你是一个有用的AI助手",
},
{
Role: openai.ChatMessageRoleUser,
Content: "你好,请介绍一下自己",
},
},
Temperature: 0.7,
},
)
if err != nil {
log.Fatal(err)
}
fmt.Println(resp.Choices[0].Message.Content)
}
{
"id": "chatcmpl-1234567890",
"object": "chat.completion",
"created": 1699000000,
"model": "qwen3.6:35b",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "你好!我是 kanghuiAI 助手,很高兴为您服务。我可以帮助您回答问题、完成任务、进行对话等。请问有什么我可以帮到您的吗?"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 30,
"completion_tokens": 50,
"total_tokens": 80
}
}
curl -X GET https://api.kanghuiai.com/v1/models \
-H "Authorization: Bearer sk-xxxxx你的API密钥xxxxx"
| 模型 ID | 提供商 | 描述 | 特点 |
|---|---|---|---|
qwen3.6:35b |
阿里巴巴 | 通义千问 3.6 35B | 中文能力优秀,代码能力强大 |
qwen3.6:72b |
阿里巴巴 | 通义千问 3.6 72B | 超大参数量,顶级性能 |
qwen3-coder-next:q8_0 |
阿里巴巴 | 通义千问 3 Coder Next | 专注于代码编写和调试 |
qwen3.5:14b |
阿里巴巴 | 通义千问 3.5 14B | 平衡性能与效率 |
qwen3.5:32b |
阿里巴巴 | 通义千问 3.5 32B | 多模态能力优秀 |
qwen3.5:768b |
阿里巴巴 | 通义千问 3.5 768B | Mixture of Experts,高效推理 |
gemma4 |
Gemma 4 | 前沿性能,支持推理、多模态 | |
gemma2:9b |
Gemma 2 9B | 高效推理,适合本地部署 | |
gemma2:27b |
Gemma 2 27B | 强大性能,复杂任务 | |
llama3.2:1b |
Meta | Llama 3.2 1B | 超轻量级,边缘设备 |
llama3.2:3b |
Meta | Llama 3.2 3B | 高效对话,多语言 |
llama3.2:11b |
Meta | Llama 3.2 11B | 平衡性能,通用场景 |
llama3.2:90b |
Meta | Llama 3.2 90B | 旗舰级性能,复杂任务 |
deepseek-v3.2 |
深度求索 | DeepSeek V3.2 | 高效计算,推理和代理性能 |
deepseek-r1 |
深度求索 | DeepSeek R1 | 强化推理能力,数学难题 |
deepseek-coder_v2 |
深度求索 | DeepSeek Coder V2 | 代码编写,多语言支持 |
glm-5 |
智谱AI | GLM-5 | 744B参数,复杂系统工程 |
glm-5.1 |
智谱AI | GLM-5.1 | 强化编码能力,SWE-Bench Pro |
glm-4.7-flash |
智谱AI | GLM-4.7 Flash | 30B最强,轻量级部署 |
glm-ocr |
智谱AI | GLM-OCR | 文档理解,多模态OCR |
minimax-m3 |
MiniMax | MiniMax M3 | 1M上下文,multimodal |
minimax-m2.7 |
MiniMax | MiniMax M2.7 | 代码编写,专业生产力 |
minimax-m2.5 |
MiniMax | MiniMax M2.5 | SOTA性能,生产力任务 |
nemotron-3-super |
NVIDIA | Nemotron 3 Super | 120B MoE,高效计算 |
nemotron3 |
NVIDIA | Nemotron 3 | 统一视频、音频、图像、文本 |
kimi-k2.6 |
月之暗面 | Kimi K2.6 | 原生多模态,长任务编排 |
lfm2:24b |
LFM | LFM2 24B | 设备端部署,高效推理 |
translategemma |
TranslateGememma | 55种语言翻译 |
* 实际可用模型取决于您的账户配置,请通过 GET /models 获取最新列表
| 状态码 | 描述 | 说明 |
|---|---|---|
| 200 | 成功 | 请求成功处理 |
| 400 | 请求错误 | 参数错误或请求格式不正确 |
| 401 | 未授权 | API Key 无效或已过期 |
| 402 | 余额不足 | 账户余额或配额不足 |
| 429 | 请求超限 | 请求频率超限,请稍后重试 |
| 500 | 服务器错误 | 服务端内部错误 |
{
"error": {
"message": "API Key 无效",
"type": "invalid_request_error",
"code": "invalid_api_key"
}
}
API 调用按 Token 数量计费,包含输入 Token 和输出 Token
计算公式:总费用 = (输入 Token × 输入单价) + (输出 Token × 输出单价)
Token 是文本的基本单位,可以理解为词语的片段。通常:
1. 注册并登录账号
2. 访问用户面板 → 创建 API Key
3. 复制保存您的 API Key(仅显示一次)
立即在用户面板删除该 API Key 并创建新的,同时检查账户使用记录
支持!在请求中设置 stream: true 即可使用流式输出
请联系管理员或查看账户设置页面了解充值方式
如有其他问题,请通过以下方式联系我们: