FlowModels spricht das Format von OpenAI. Du kannst deshalb die offizielle OpenAI-Bibliothek für Python oder Node.js weiterverwenden und musst nur zwei Dinge austauschen: die Basisadresse und den Schlüssel. Hier siehst du, wie das aussieht, wie du eigene Zusatzfelder mitschickst und wo FlowModels bewusst anders reagiert als OpenAI.
Was du brauchst
- einen Schlüssel mit der Berechtigung KI nutzen aus FlowModels › API-Schlüssel
- verfügbares Guthaben, siehe Guthaben aufladen und automatisch aufladen lassen
- eine Modellkennung aus deiner Modellliste, zum Beispiel
groq/openai/gpt-oss-120b
Lege den Schlüssel als Umgebungsvariable ab, zum Beispiel FLOWMODELS_API_KEY. Er gehört in dein Backend, nie in Code, der im Browser oder in einer App auf dem Gerät läuft.
Python
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["FLOWMODELS_API_KEY"],
base_url="https://api.flowmodels.one/v1",
)
result = client.chat.completions.create(
model="groq/openai/gpt-oss-120b",
messages=[{"role": "user", "content": "Nenne drei Vorteile einer klaren Projektplanung."}],
max_tokens=512,
)
print(result.choices[0].message.content)
Node.js
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.FLOWMODELS_API_KEY,
baseURL: "https://api.flowmodels.one/v1",
});
const result = await client.chat.completions.create({
model: "groq/openai/gpt-oss-120b",
messages: [{ role: "user", content: "Nenne drei Vorteile einer klaren Projektplanung." }],
max_tokens: 512,
});
console.log(result.choices[0].message.content);
Auf dieselbe Weise funktionieren client.responses.create(...) mit result.output_text und client.embeddings.create(...). Die Modellkennung gibst du immer vollständig als anbieter/modell an, so wie sie unter Modelle oder in GET /models steht.
Zusatzfelder von FlowModels mitschicken
Einige Felder gibt es nur bei uns, zum Beispiel external_identifier für das Brain, conversation, web_search, search_domain_filter oder context_compression. Die Python-Bibliothek kennt diese Felder nicht als Parameter und bricht mit einem TypeError ab, wenn du sie direkt übergibst. Übergib sie deshalb über extra_body:
result = client.chat.completions.create(
model="groq/openai/gpt-oss-120b",
messages=[{"role": "user", "content": "Was hatten wir zuletzt besprochen?"}],
extra_body={"external_identifier": "kunde-1042"},
)
In Node.js schreibst du die Felder einfach mit in das Objekt. Wenn TypeScript sich über unbekannte Felder beschwert, hilft eine Typumwandlung des Anfrageobjekts.
Antworten mit Brain enthalten zusätzlich das Feld conversation. Die Bibliothek reicht unbekannte Felder durch, in Python liest du sie zum Beispiel über result.model_dump()["conversation"].
Wo FlowModels anders reagiert
- Ohne
max_tokensgilt das Maximum des Modells. Ein Wert über diesem Maximum wird mit400 invalid_field_valueabgelehnt, statt gekürzt zu werden. - Nicht unterstützte Felder wie
n,logprobs,top_logprobsoderaudiolehnt die API mit400 unsupported_fieldab. Felder, die das gewählte Modell nicht auswertet, etwatemperaturebei manchen Modellen, kommen mit400 unsupported_for_modelzurück. - Die Websuche ist aus, solange du sie nicht mit
web_searcheinschaltest, siehe Websuche einschalten, auf Domains begrenzen und Quellen auslesen. - Ein zu langer Verlauf wird nicht still gekürzt, sondern mit
400 context_length_exceededabgelehnt, siehe Zu langer Verlauf: context_length_exceeded und Verlaufsverdichtung. - Ein Verbindungsabbruch setzt nichts fort. Startest du neu, wird die Anfrage erneut berechnet.
- Kosten stehen bei jeder Antwort in
usage.costin Euro.
Wenn etwas nicht klappt
401 invalid_token_source: Der Schlüssel muss im HeaderAuthorization: Bearerstehen. Die Bibliotheken machen das automatisch, eigene HTTP-Aufrufe manchmal nicht.404 model_not_found: Die Kennung ist unvollständig oder nicht freigegeben. Prüfe sie unter Modelle.403 insufficient_key_scope: Du verwendest einen Schlüssel mit Schlüssel verwalten oder einen Schlüssel aus dem FlowSuite-Profil, siehe FlowAI, FlowModels und Abo-Schlüssel.
Alle weiteren Codes erklärt Fehlermeldungen von FlowModels verstehen.