Erste Schritte

Starten Sie mit den Atlas Cloud Modell-APIs in wenigen Minuten. Dieser Leitfaden behandelt die API-Schlüssel-Einrichtung, API-Aufrufe und die Verwendung von Drittanbieter-Tools.

Voraussetzungen

Ein Atlas Cloud-Konto
Ein API-Schlüssel

API-Überblick

Atlas Cloud bietet verschiedene API-Endpunkte für verschiedene Modelltypen:

Modelltyp	Basis-URL	Format
LLM (Chat)	`https://api.atlascloud.ai/v1`	OpenAI-kompatibel
Bildgenerierung	`https://api.atlascloud.ai/api/v1`	Atlas Cloud API
Videogenerierung	`https://api.atlascloud.ai/api/v1`	Atlas Cloud API
Medien-Upload	`https://api.atlascloud.ai/api/v1`	Atlas Cloud API

LLM / Chat Completions

Die LLM-API ist vollständig OpenAI-kompatibel. Verwenden Sie das OpenAI SDK mit der Basis-URL von Atlas Cloud.

Python

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.atlascloud.ai/v1"
)

# Non-Streaming
response = client.chat.completions.create(
    model="deepseek-v3",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain quantum computing in simple terms."}
    ]
)
print(response.choices[0].message.content)

# Streaming
stream = client.chat.completions.create(
    model="deepseek-v3",
    messages=[
        {"role": "user", "content": "Write a short poem about AI."}
    ],
    stream=True
)
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Node.js / TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "your-api-key",
  baseURL: "https://api.atlascloud.ai/v1",
});

// Non-Streaming
const response = await client.chat.completions.create({
  model: "deepseek-v3",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Explain quantum computing in simple terms." },
  ],
});
console.log(response.choices[0].message.content);

// Streaming
const stream = await client.chat.completions.create({
  model: "deepseek-v3",
  messages: [{ role: "user", content: "Write a short poem about AI." }],
  stream: true,
});
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content || "");
}

cURL

curl https://api.atlascloud.ai/v1/chat/completions \
  -H "Authorization: Bearer your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v3",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Explain quantum computing in simple terms."}
    ]
  }'

Bildgenerierung

import requests

response = requests.post(
    "https://api.atlascloud.ai/api/v1/model/generateImage",
    headers={
        "Authorization": "Bearer your-api-key",
        "Content-Type": "application/json"
    },
    json={
        "model": "seedream-3.0",
        "prompt": "A futuristic cityscape at sunset, cyberpunk style"
    }
)

result = response.json()
prediction_id = result["data"]["id"]
print(f"Prediction ID: {prediction_id}")

Videogenerierung

import requests

response = requests.post(
    "https://api.atlascloud.ai/api/v1/model/generateVideo",
    headers={
        "Authorization": "Bearer your-api-key",
        "Content-Type": "application/json"
    },
    json={
        "model": "kling-v2.0",
        "prompt": "A timelapse of flowers blooming in a garden"
    }
)

result = response.json()
prediction_id = result["data"]["id"]
print(f"Prediction ID: {prediction_id}")

Medien hochladen

Laden Sie lokale Dateien hoch, um temporäre URLs für Bild-zu-Video, Bildbearbeitung und andere mehrstufige Workflows zu erhalten:

import requests

response = requests.post(
    "https://api.atlascloud.ai/api/v1/model/uploadMedia",
    headers={"Authorization": "Bearer your-api-key"},
    files={"file": open("photo.jpg", "rb")}
)

url = response.json().get("url")
print(f"Uploaded file URL: {url}")

Hochgeladene Dateien sind für die temporäre Verwendung mit Atlas Cloud-Generierungsaufgaben bestimmt. Dateien können regelmäßig bereinigt werden.

Asynchrone Ergebnisse abrufen

Bild- und Videogenerierungsaufgaben laufen asynchron. Pollen Sie mit der Vorhersage-ID auf Ergebnisse:

import requests
import time

def wait_for_result(prediction_id, api_key, interval=5):
    while True:
        resp = requests.get(
            f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}",
            headers={"Authorization": f"Bearer {api_key}"}
        )
        data = resp.json()
        status = data["data"]["status"]

        if status == "completed":
            return data["data"]["outputs"][0]
        elif status == "failed":
            raise Exception(f"Task failed: {data['data'].get('error')}")

        print(f"Status: {status}. Waiting...")
        time.sleep(interval)

result = wait_for_result(prediction_id, "your-api-key")
print(f"Result: {result}")

Verwendung von Drittanbieter-Tools

Chatbox / Cherry Studio

Öffnen Sie Einstellungen -> Benutzerdefinierten Anbieter hinzufügen
Setzen Sie den API-Host auf https://api.atlascloud.ai/v1 (das /v1 ist erforderlich)
Geben Sie Ihren API-Schlüssel ein
Wählen Sie einen Modellnamen aus der Modellbibliothek
Beginnen Sie zu chatten

Einen interaktiven Playground zum Testen mit verschiedenen Parametern
API-Ansicht mit dem genauen Anfrageformat und den Parametern
Preisinformationen

Für die detaillierte API-Referenz siehe die API-Referenz.