Comenzar

Comienza con las APIs de modelos de Atlas Cloud en minutos. Esta guía cubre la configuración de la clave API, realizar llamadas API y usar herramientas de terceros.

Requisitos previos

Una cuenta de Atlas Cloud
Una clave API

Descripción general de la API

Atlas Cloud proporciona diferentes endpoints de API para diferentes tipos de modelos:

Tipo de modelo	URL base	Formato
LLM (Chat)	`https://api.atlascloud.ai/v1`	Compatible con OpenAI
Generación de imágenes	`https://api.atlascloud.ai/api/v1`	API de Atlas Cloud
Generación de videos	`https://api.atlascloud.ai/api/v1`	API de Atlas Cloud
Subida de archivos	`https://api.atlascloud.ai/api/v1`	API de Atlas Cloud

LLM / Completado de chat

La API LLM es totalmente compatible con OpenAI. Usa el SDK de OpenAI con la URL base de Atlas Cloud.

Python

from openai import OpenAI

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

# Sin 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)

# Con 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",
});

// Sin 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);

// Con 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."}
    ]
  }'

Generación de imágenes

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}")

Generación de videos

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}")

Subir archivos multimedia

Sube archivos locales para obtener URLs temporales para flujos de trabajo de imagen a video, edición de imágenes y más:

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}")

Los archivos subidos son para uso temporal con las tareas de generación de Atlas Cloud. Los archivos pueden ser eliminados periódicamente.

Obtener resultados asíncronos

Las tareas de generación de imágenes y videos se ejecutan de forma asíncrona. Consulta los resultados usando el ID de predicción:

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}")

Uso con herramientas de terceros

Chatbox / Cherry Studio

Abre Configuración -> Añadir proveedor personalizado
Establece Host API como https://api.atlascloud.ai/v1 (el /v1 es obligatorio)
Introduce tu clave API
Selecciona un nombre de modelo de la Biblioteca de modelos
Comienza a chatear

Un Playground interactivo para probar con diferentes parámetros
Vista API mostrando el formato exacto de solicitud y parámetros
Información de precios

Para referencia detallada de la API, consulta la Referencia API.