API 文档

概览

TokenColo 是统一的 AI 模型网关，聚合国产主流大模型。一次接入即可调用多家厂商，在控制台集中管理密钥、配额与路由策略。

Base URL

https://api.tokencolo.com/v1

认证方式

Authorization: Bearer <your_tokencolo_key>

接口概览

快速开始

三步完成接入：注册账号 → 创建 API Key → 发起首次请求。协议兼容 OpenAI，现有客户端库无需改动。

1. 安装 OpenAI SDK

# Python
pip install openai

# Node.js
npm install openai

2. 设置 API Key

# macOS / Linux
export API_KEY="your_tokencolo_key"

# Windows PowerShell
$env:API_KEY="your_tokencolo_key"

3. 发起第一次请求

from openai import OpenAI
import os

client = OpenAI(
    base_url="https://api.tokencolo.com/v1",
    api_key=os.environ["API_KEY"]
)

response = client.chat.completions.create(
    model="glm-5",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你好，请介绍一下 TokenColo"}
    ],
    max_completion_tokens=1024,
    temperature=0.7
)

print(response.choices[0].message.content)

cURL 示例

curl -sS "https://api.tokencolo.com/v1/chat/completions" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5",
    "messages": [{"role": "user", "content": "你好"}],
    "max_completion_tokens": 256
  }'

流式响应

for chunk in client.chat.completions.create(
    model="glm-5",
    messages=[{"role": "user", "content": "给我讲个故事"}],
    stream=True
):
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

API 密钥

请在 TokenColo 控制台 创建与管理 API Key。密钥请存入环境变量，勿写入代码或提交至仓库。

LLM 对话接口

适用于 glm-5、glm-5.1、kimi-k2.5、deepseek-v3.2、qwen3.6-plus、MiniMax-M2.5 等主流国产模型。

请求参数

响应字段

JSON Mode 示例

response = client.chat.completions.create(
    model="deepseek-v3.2",
    messages=[{"role": "user", "content": "列出3个AI应用场景"}],
    response_format={"type": "json_object"}
)

Tool Calling 示例

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取指定城市的天气",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"]
        }
    }
}]

response = client.chat.completions.create(
    model="kimi-k2.5",
    messages=[{"role": "user", "content": "北京天气怎么样？"}],
    tools=tools, tool_choice="auto"
)

图片理解（仅 kimi-k2.5）

response = client.chat.completions.create(
    model="kimi-k2.5",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "描述这张图片"},
            {"type": "image_url", "image_url": {"url": "https://example.com/img.jpg"}}
        ]
    }]
)

Seedance 2.0 视频生成

Seedance 2.0 由字节跳动推出，支持文本、图片、音频、视频四种模态混合输入，适合复杂镜头与多素材参考场景。

模型规格

创建视频任务

curl -sS -X POST "https://api.tokencolo.com/v1/video/generations" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_KEY" \
  -d '{
    "model": "generate_video_seedance_v2_0",
    "prompt": "一只猫在雪地里奔跑，慢动作，电影感",
    "service_tier": "default"
  }'
# 返回：{"task_id": "task_xxx..."}

查询任务状态

curl -sS "https://api.tokencolo.com/v1/video/generations/{task_id}" \
  -H "Authorization: Bearer YOUR_KEY"
# status: PENDING / RUNNING / COMPLETED / FAILED
# data.data.content.video_url: 视频地址（24小时有效）

用例速查

使用限制

错误码

FAQ

哪些模型会返回 reasoning_content？

glm-5、glm-5.1、qwen3.6-plus 等推理模型会返回思维链内容；最终回复请以 content 为准。

Seedance 任务失败或认证报错？

建议将并发控制在 2 个任务以内，失败后间隔约 5 秒重试。