功能
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 提供内置工具（联网搜索、代码解释器等）和 previous_response_id 多轮上下文管理，适合复杂任务场景。
⚠ 协议支持范围
/v1/chat/completions全部模型支持
/v1/responses — 仅通义千问系列支持 ； DeepSeek / GLM / Kimi / MiniMax 调用会返回 Unsupported model，请改用前两个端点。
支持的协议 协议 端点前缀 对应 SDK 主要用途 OpenAI Chat Completions /v1/chat/completionsOpenAI SDK 文本对话、工具调用 OpenAI Image Generations /v1/images/generationsOpenAI SDK 图像生成 OpenAI Embeddings /v1/embeddingsOpenAI SDK 文本向量化 Anthropic Messages /v1/messagesAnthropic SDK 文本对话、工具调用 Responses API /v1/responsesOpenAI SDK 内置工具、多轮上下文
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。
协议 / 接口 端点 当前状态 说明 OpenAI Chat Completions /v1/chat/completions已开放 文本、推理、多模态、编程模型的默认推荐入口。 Anthropic Messages /v1/messages已开放 兼容 Anthropic SDK 和 Messages 请求/流式事件格式。 Responses API /v1/responses已开放 内置联网搜索、代码解释器等工具，简化多轮对话上下文管理。 OpenAI Image Generations /v1/images/generations已开放 图像生成的同步兼容入口；复杂图像/视频任务也可用 /v1/tasks。 OpenAI Embeddings /v1/embeddings已开放 文本向量模型入口。 NexusFlow Tasks /v1/tasks已开放 图像和视频异步任务统一入口。
参考：OpenAI Chat Completions API Reference 。
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 Python Node.js
复制 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 复制 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。
复制 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。
复制 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 Python Node.js
复制 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 复制 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 提供了更强大的能力：内置联网搜索、网页抓取、代码解释器等工具； 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 Python Node.js
复制 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)内置工具 复制 # 使用内置工具
response = client.responses.create(
model="qwen3.7-plus",
input="帮我搜索今天的新闻",
tools=[
{"type": "web_search"},
{"type": "code_interpreter"},
{"type": "web_extractor"},
],
)
print(response.output_text)多轮对话 复制 # 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)协议选择建议 1. 如果你使用的是 DeepSeek、Qwen、GLM 等国产模型，推荐使用 OpenAI Chat 协议，兼容性最好。
2. 如果你已经在用 Anthropic SDK，可以优先使用 /v1/messages，减少 SDK 迁移成本。
3. 如果你需要内置工具（联网搜索、代码解释器）或 previous_response_id 多轮上下文，使用 /v1/responses。
4. 在模型详情页查看 supported_protocols，确认该模型当前开放了哪些协议。