多协议支持
使用熟悉的 SDK 直接接入同一网关，统一鉴权、统一计费、统一监控
nexusflow 当前对外统一提供三类 public protocol：OpenAI Chat Completions、Anthropic Messages 和 Responses API。 这些协议在平台内通过兼容层接到同一套模型路由、计费和监控链路上，目标是让你可以继续使用熟悉的 SDK，同时不把供应商差异泄漏到业务侧。 Responses API 默认提供函数工具和 previous_response_id 多轮上下文管理；联网搜索、网页提取等受管工具需账户白名单与单独成本确认。
/v1/chat/completions/v1/messages/v1/responses — 支持百炼官方白名单中的 Qwen 与 DeepSeek， 包括 DeepSeek V4 Pro、Pro 0813、Flash 和 Flash 0731。GLM / Kimi / MiniMax 等未声明模型会返回 Unsupported model；精确范围以模型目录的 supported_protocols 为准。支持的协议
不是所有模型都支持所有协议。模型详情页会直接展示该模型当前开放的 supported_protocols； 调用前还应确认 availability 为 available。
协议边界
NexusFlow 当前 public API 只列出兼容入口；目录中的模型可能因上游凭据或健康状态临时不可用。模型详情页会同时展示 supported_protocols 和 availability。
OpenAI 协议
这是最通用的协议，大多数模型都支持。兼容 OpenAI Chat Completions API 规范。
基本配置
from openai import OpenAI
client = OpenAI(
api_key="sk-air-your-key",
base_url="https://nexusflow.hk/v1",
)
# 基本对话
response = client.chat.completions.create(
model="qwen3-max",
messages=[{"role": "user", "content": "Hello!"}]
)
print(response.choices[0].message.content)流式输出
stream = client.chat.completions.create(
model="qwen3-max",
messages=[{"role": "user", "content": "Hello!"}],
stream=True,
)
for chunk in stream:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="")图像生成
支持 openai:image-generations 协议的模型可以通过 OpenAI SDK 生成图像。
response = client.images.generate(
model="wan2.6-t2i",
prompt="A futuristic city at sunset, cyberpunk style",
size="1024x1024",
n=1,
)
print(response.data[0].url)文本向量化
支持 openai:embeddings 协议的模型可以将文本转为向量表示，用于语义搜索、聚类、RAG 等场景。
response = client.embeddings.create(
model="text-embedding-v4",
input="Your text string goes here",
)
print(response.data[0].embedding[:5])Anthropic 协议
提供 Anthropic Messages 兼容入口，便于使用 Anthropic SDK 直接接入 nexusflow 的统一模型网关。
基本配置
import anthropic
client = anthropic.Anthropic(
api_key="sk-air-your-key",
base_url="https://nexusflow.hk",
)
message = client.messages.create(
model="qwen3-max",
max_tokens=1024,
messages=[{"role": "user", "content": "Hello!"}]
)
print(message.content[0].text)流式输出
with client.messages.stream(
model="qwen3-max",
max_tokens=1024,
messages=[{"role": "user", "content": "Hello!"}],
) as stream:
for text in stream.text_stream:
print(text, end="")Responses API
Responses API 相较于 Chat Completions 提供函数工具与统一的响应对象； 通过 previous_response_id 简化多轮对话上下文管理，无需手动构建完整消息历史。 使用 OpenAI SDK 的 client.responses.create() 即可调用。
基本调用
from openai import OpenAI
client = OpenAI(
api_key="sk-air-your-key",
base_url="https://nexusflow.hk/v1",
)
# 基本调用
response = client.responses.create(
model="qwen3.7-plus",
input="你好！"
)
print(response.output_text)函数工具
# 使用默认开放的函数工具
response = client.responses.create(
model="qwen3.7-plus",
input="北京天气怎么样",
tools=[{
"type": "function",
"name": "get_weather",
"description": "查询指定城市的天气",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"],
},
}],
)
print(response.output)多轮对话
# 多轮对话 — 通过 previous_response_id 关联上下文
response1 = client.responses.create(
model="qwen3.7-plus",
input="我叫张三"
)
response2 = client.responses.create(
model="qwen3.7-plus",
input="你还记得我的名字吗？",
previous_response_id=response1.id
)
print(response2.output_text)