硅基裂变 API 参考

把模型接入你的应用。准备好 API Key 和模型标识，通过 OpenAI 兼容接口发起第一次请求。

快速开始

1. 创建一把 API Key

   登录控制台，在「API 密钥」中创建 Key，选择适合用途的分组，确认已启用、未过期，并有足够的账户余额和 Key 额度。复制完整密钥，不要复制带星号的遮罩文本。

   管理 API 密钥 ↗

2. 复制准确的模型标识

   在模型广场查找当前分组可用的模型，复制 Model ID。Key 的名称和分组名称不能作为模型标识。

   打开模型广场 ↗

3. 发起请求，核对用量

   选择下方示例，填写你的环境变量，运行请求。收到回复后，在使用日志中核对模型、Tokens 和费用。测试请求也会按实际用量计费。

   查看代码示例 ↓

理解 Key 与分组

API Key 是你的调用凭证；分组决定它适用的模型范围、服务规则、价格和可能存在的客户端限制。

选择你有权限的模型

模型名称、可用性与价格以当前模型广场和分组说明为准。不要根据宣传名称推断模型 ID 或官方订阅权益。

curl https://siliconfission.com/v1/models \
  -H "Authorization: Bearer $SF_API_KEY"

先设置 SF_API_KEY。从返回目录复制准确的模型 id；如果所用分组不提供目录接口，请从模型广场或服务方说明获取。

SDK 与请求示例

以下示例使用 Chat Completions。先在终端设置 SF_API_KEY 和 SF_MODEL_ID，分别填入完整 Key 与当前分组支持的模型 ID。

export SF_API_KEY='替换为你的完整密钥'
export SF_MODEL_ID='替换为实际模型标识'

curl https://siliconfission.com/v1/chat/completions \
  -H "Authorization: Bearer $SF_API_KEY" \
  -H "Content-Type: application/json" \
  -d "$(python3 -c 'import json, os; print(json.dumps({
    "model": os.environ["SF_MODEL_ID"],
    "messages": [{"role": "user", "content": "你好，请用一句话介绍自己。"}]
  }, ensure_ascii=False))')"

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["SF_API_KEY"],
    base_url="https://siliconfission.com/v1",
)

response = client.chat.completions.create(
    model=os.environ["SF_MODEL_ID"],
    messages=[{"role": "user", "content": "你好，请用一句话介绍自己。"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.SF_API_KEY,
  baseURL: "https://siliconfission.com/v1",
});

const response = await client.chat.completions.create({
  model: process.env.SF_MODEL_ID,
  messages: [{ role: "user", content: "你好，请用一句话介绍自己。" }],
});
console.log(response.choices[0].message.content);

SDK 参数中的 Python base_url 与 Node.js baseURL 指向同一个兼容地址。请求中的 model 必须是模型 ID。

逐段接收回复

对于支持流式输出的模型，设置 stream=True，按顺序读取返回片段。

stream = client.chat.completions.create(
    model=os.environ["SF_MODEL_ID"],
    messages=[{"role": "user", "content": "介绍一下流式输出。"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices:
        text = chunk.choices[0].delta.content or ""
        print(text, end="", flush=True)
print()

代理或应用缓冲可能让输出集中出现。是否支持流式输出取决于所选模型和分组；用量以平台日志为准。

在聊天应用中接入

添加「OpenAI 兼容」服务，填写以下三项。不同应用的字段名称可能略有差异。

其他协议

Responses 使用 /v1/responses，Claude 原生 Messages 使用 /v1/messages。仅在模型、分组与应用同时支持时使用；请求格式和鉴权方式需要与协议一致，不能只替换地址。

确认每一次调用的用量

在控制台「概览」查看余额，在「使用日志」按发生时间核对模型、Tokens、费用与耗时。实际费率以当前模型和分组为准。

/M Tokens 中的 M 表示 1,000,000 Tokens，不等于 100 万汉字。缓存统计可能有重叠，核对费用时以调用详情的计费项为准。

遇到问题，从这里检查