快速开始

​

Siflow Model Inference API 快速开始

​

1. 登录

• 访问 Siflow Model Inference 控制台，并点击右上角的 登录。
• 您可以使用短信、邮箱或 Google OAuth 登录。

​

2. 选择并测试模型

• 在 模型广场 中查看模型、上下文窗口、价格和示例代码。
• 点击 立即体验 会打开已选中该模型的 体验中心，方便您在接入代码前先测试提示词和参数。

​

3. 查看用量

• 登录后，您可以在 服务概览 页面查看用量数据，包括 token 消耗 和 消费金额 的今日、本周、本月及累计统计。
• 页面中的 最近使用 会按模型展示近期调用情况，包括 token 消耗和消费金额。

​

4. 通过 Siflow Model Inference API 调用模型

​

4.1 创建 API 密钥

• 进入 API 密钥管理 页面，并点击 创建 API 密钥。
• 列表中每个密钥都会显示其创建时间、最近使用时间和速率限制等信息。有关费用额度与速率限制的更多信息，请参阅 API 密钥指南。
• 建议将密钥存储在环境变量中，以便在本地开发和服务器之间一致地管理：

export API_KEY="YOUR_API_KEY"

​

4.2 通过 REST 调用

• 您可以通过标准 HTTP 请求调用模型。下面是一个流式 Chat Completions 示例：

curl -N https://api.siflow.cn/model-api/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen/Qwen3-32B",
    "stream": true,
    "messages": [
      {"role": "user", "content": "What new opportunities might reasoning models bring to the market?"}
    ]
  }'

注意
上面的示例会直接输出原始流式响应。由于该 API 使用 Server-Sent Events（SSE），您会看到多行 data: {...} JSON，直接阅读不太方便。
如果您只想查看拼接后的文本内容，可以像下面这样配合 jq（轻量级 JSON 处理器）处理响应：

# Read each SSE line, extract choices[0].delta.content, and print only the accumulated answer text.
curl -N https://api.siflow.cn/model-api/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen/Qwen3-32B",
    "stream": true,
    "messages": [{"role": "user", "content": "What new opportunities might reasoning models bring to the market?"}]
  }' 2>/dev/null | while IFS= read -r line; do
  if [[ "$line" == data:* ]]; then
    json="${line#data: }"
    if [[ "$json" != "[DONE]" ]]; then
      echo -n "$(echo "$json" | jq -r '.choices[0].delta.content // empty')"
    fi
  fi
done
echo

该脚本需要在您的机器上安装 jq（例如，在 macOS 上使用 brew install jq，在 Debian/Ubuntu 上使用 apt-get install jq）。

• 提示：
  • 如果您希望在单个响应中接收完整结果，请将 stream 设置为 false。
  • 对于其他任务（如文生图），请参阅文档或模型的详情页面，以获取相应的 API 和参数。

​

4.3 通过 OpenAI 兼容的 Python SDK 调用

• 平台兼容官方 OpenAI Python SDK。请先安装 Python 3.7.1+，然后执行：

pip install --upgrade openai

• 示例（支持 reasoning 字段的流式输出）：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("API_KEY") or "YOUR_API_KEY",
    base_url="https://api.siflow.cn/model-api"
)

response = client.chat.completions.create(
    model="Qwen/Qwen3-32B",
    messages=[
        {"role": "user", "content": "What new opportunities might reasoning models bring to the market?"}
    ],
    stream=True
)

for chunk in response:
    if not chunk.choices:
        continue
    delta = chunk.choices[0].delta
    if getattr(delta, "content", None):
        print(delta.content, end="", flush=True)
    if getattr(delta, "reasoning", None):
        print(delta.reasoning, end="", flush=True)

• 说明：
  • 如果您不需要流式输出，请移除 stream=True，改为读取 response.choices[0].message.content。
  • 请根据您的业务场景，从 模型广场 中选择合适的 model 名称和参数。