快速開始

幾分鐘內開始使用 Atlas Cloud 模型 API。本指南涵蓋 API 金鑰設定、發起 API 呼叫以及使用第三方工具。

前置條件

一個 Atlas Cloud 帳戶
一個 API 金鑰

API 概覽

Atlas Cloud 為不同的模型類型提供不同的 API 端點：

模型類型	Base URL	格式
LLM（對話）	`https://api.atlascloud.ai/v1`	OpenAI 相容
圖片生成	`https://api.atlascloud.ai/api/v1`	Atlas Cloud API
影片生成	`https://api.atlascloud.ai/api/v1`	Atlas Cloud API
媒體上傳	`https://api.atlascloud.ai/api/v1`	Atlas Cloud API

LLM / 對話補全

LLM API 完全相容 OpenAI。使用 OpenAI SDK 搭配 Atlas Cloud 的 Base URL 即可。

Python

from openai import OpenAI

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

# 非串流
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)

# 串流
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",
});

// 非串流
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);

// 串流
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."}
    ]
  }'

圖片生成

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}")

影片生成

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}")

上傳媒體

上傳本機檔案以取得臨時 URL，用於圖片轉影片、圖片編輯等多步驟工作流程：

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}")

上傳的檔案僅供 Atlas Cloud 生成任務臨時使用。檔案可能會定期清理。

取得非同步結果

圖片和影片生成任務為非同步執行。使用 prediction ID 輪詢取得結果：

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}")

使用第三方工具

Chatbox / Cherry Studio

開啟設定 → 新增自訂供應商
將 API Host 設為 https://api.atlascloud.ai/v1（必須包含 /v1）
輸入您的 API Key
從模型庫選擇模型名稱
開始對話

OpenWebUI

設定 OpenAI 相容連線，Base URL 為 https://api.atlascloud.ai/v1，搭配您的 API 金鑰。

IDE 整合

使用 MCP Server 從您的 IDE（Cursor、Claude Desktop、Claude Code、VS Code 等）直接存取 Atlas Cloud 模型。

探索模型

在模型庫中瀏覽所有 300+ 模型。每個模型頁面包含：

互動式 Playground 供不同參數測試
API View 顯示確切的請求格式和參數
定價資訊

完整的 API 參考請參閱 API 參考。

本頁目錄