Von OpenAI zu FlowModels.
Wenn du das OpenAI-SDK benutzt, änderst du Basis-URL und Schlüssel und schreibst das Modell als provider/model.
Was sich ändert
Basis-URL, Schlüssel und Modellname. Alles Übrige bleibt, solange du keine Felder aus der Tabelle weiter unten benutzt.
| Stelle | Vorher | Bei FlowModels |
|---|---|---|
| Basis-URL | https://api.openai.com/v1 |
https://api.flowmodels.one/v1 |
| Schlüssel | OPENAI_API_KEY |
FLOWMODELS_API_KEY |
| Modellname | gpt-5-mini |
openai/gpt-5-mini |
Der Code davor und danach
from openai import OpenAI
client = OpenAI(
- api_key=os.environ["OPENAI_API_KEY"],
+ base_url="https://api.flowmodels.one/v1",
+ api_key=os.environ["FLOWMODELS_API_KEY"],
)
response = client.chat.completions.create(
- model="gpt-5-mini",
+ model="openai/gpt-5-mini",
messages=[{"role": "user", "content": "Hallo!"}],
)
Felder, die sich anders verhalten
Maßgeblich ist, was das gewählte Modell kann. Welche Felder es annimmt, steht bei GET /v1/models unter supported_parameters.
| Feld | Verhalten bei FlowModels |
|---|---|
n, logprobs, top_logprobs, audio, store, metadata, previous_response_id, background, conversation, webhook_endpoint_id |
Auf /v1/chat/completions antwortet die API mit 400 unsupported_field, statt sie still zu ignorieren. Auf /v1/responses sind background, store, conversation, webhook_endpoint_id und metadata erlaubt. |
max_tokens, max_completion_tokens |
Beide Schreibweisen funktionieren. Ohne Angabe gilt das Maximum des Modells, und der mögliche Höchstbetrag wird vor dem Aufruf reserviert. |
temperature, top_p |
Modelle mit festen Abtastwerten antworten auf diese Felder mit 400 unsupported_for_model. Prüfe supported_parameters. |
response_format |
text, json_object und json_schema. Kann das Modell die Form nicht, kommt 400 unsupported_for_model. Fehlt bei json_object das Wort „json“ in den Nachrichten, ergänzt FlowModels einen kurzen Hinweis. |
tools, tool_choice |
Nur Typ function. FlowModels führt deine Funktionen nicht aus, das Modell meldet tool_calls. Eingebaute Werkzeuge wie web_search oder code_interpreter gibt es hier nicht als Werkzeugtyp; die Websuche schaltest du bei Modellen, die das können, mit web_search: true ein. |
stream_options |
Erlaubt ist nur include_usage, und das nur zusammen mit stream: true. |
Das prüfst du nach dem Umstieg
-
Der neue Schlüssel steht in
FLOWMODELS_API_KEY, undGET /v1/modelsnennt dein Modell. -
Ein Aufruf ohne Streaming liefert wie erwartet
choices[0].message.content. -
Mit
stream: truekommen die Ereignisse an; mitstream_options.include_usagesteht der Verbrauch im letzten Ereignis. -
Werkzeugaufrufe und
response_formatlaufen mit genau dem Modell, das du einsetzt. -
Deine Fehlerbehandlung trennt
429 insufficient_quota(Guthaben leer) von429 rate_limit_exceeded,429 concurrent_requests_exceededund503 provider_overloaded. - Im Anfrageprotokoll deines Dashboards stehen Modell, Token und Kosten des Aufrufs.
- OpenAI-Textmodelle stehen ab GPT-5 im Katalog. Nutzt du ältere, wähle vor dem Umstieg ein Modell aus der Liste.
-
Bilder erzeugst du über
POST /v1/images/generationsim OpenAI-Format, nur mit den Größensquare,portrait,landscapeund2kstatt Pixelangaben und mit genau einem Bild je Anfrage. Batch, Assistants und Feinabstimmung bietet FlowModels nicht an. Solche Aufrufe bleiben bei OpenAI.