Dokumentation

Smart AIPI bietet sowohl OpenAI- als auch Anthropic-kompatible APIs. Verwende unseren Service mit jedem bestehenden OpenAI- oder Anthropic-SDK, Tool oder jeder App, indem du einfach die base URL änderst. Keine Code-Änderungen erforderlich.

CLI- & MCP-Tools

Smart AIPI bietet zwei npm-Pakete, die Entwicklern bei der Arbeit mit ihren Konten helfen:

Beides installieren

Einzeln installieren

Authentifizierung

Alle API-Requests benötigen einen API key. Derselbe Schlüssel funktioniert mit beiden Authentifizierungsmethoden:

Migrationsanleitung

Die Migration dauert weniger als eine Minute. Unsere API ist zu 100% kompatibel mit OpenAI- und Anthropic-endpoints.

Von OpenAI

Von Anthropic

Chat-Abschlüsse

Erstellt eine Chat-Completion für die angegebenen Nachrichten und das Modell. Das ist der Haupt-endpoint für die Interaktion mit Sprachmodellen.

Request-Body-Parameter

Nachrichtenrollen

Code-Beispiele

from openai import OpenAI

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

response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ],
    temperature=0.7,
    max_tokens=1000
)

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

import OpenAI from 'openai';

const openai = new OpenAI({
    baseURL: 'https://api.smartaipi.com/v1',
    apiKey: 'your-api-key'
});

const response = await openai.chat.completions.create({
    model: 'gpt-6-astra',
    messages: [
        { role: 'system', content: 'You are a helpful assistant.' },
        { role: 'user', content: 'Hello!' }
    ],
    temperature: 0.7,
    max_tokens: 1000
});

console.log(response.choices[0].message.content);

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gpt-6-astra",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Hello!"}
    ],
    "temperature": 0.7,
    "max_tokens": 1000
  }'

package main

import (
    "context"
    "fmt"
    openai "github.com/sashabaranov/go-openai"
)

func main() {
    config := openai.DefaultConfig("your-api-key")
    config.BaseURL = "https://api.smartaipi.com/v1"
    client := openai.NewClientWithConfig(config)

    resp, _ := client.CreateChatCompletion(
        context.Background(),
        openai.ChatCompletionRequest{
            Model: "gpt-6-astra",
            Messages: []openai.ChatCompletionMessage{
                {Role: "system", Content: "You are a helpful assistant."},
                {Role: "user", Content: "Hello!"},
            },
            Temperature: 0.7,
            MaxTokens:   1000,
        },
    )
    fmt.Println(resp.Choices[0].Message.Content)
}

use async_openai::{Client, config::OpenAIConfig};
use async_openai::types::{
    CreateChatCompletionRequestArgs, ChatCompletionRequestMessage,
    ChatCompletionRequestSystemMessageArgs, ChatCompletionRequestUserMessageArgs,
};

let config = OpenAIConfig::new()
    .with_api_key("your-api-key")
    .with_api_base("https://api.smartaipi.com/v1");

let client = Client::with_config(config);

let request = CreateChatCompletionRequestArgs::default()
    .model("gpt-6-astra")
    .messages([
        ChatCompletionRequestSystemMessageArgs::default()
            .content("You are a helpful assistant.")
            .build()?.into(),
        ChatCompletionRequestUserMessageArgs::default()
            .content("Hello!")
            .build()?.into(),
    ])
    .build()?;

let response = client.chat().create(request).await?;
println!("{}", response.choices[0].message.content);

Streaming

Aktiviere streaming, um tokens während der Generierung über Server-Sent Events (SSE) zu erhalten. Das sorgt für eine bessere Nutzererfahrung bei langen Antworten.

Streaming-Beispiel

from openai import OpenAI

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

# Enable streaming
stream = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[{"role": "user", "content": "Write a poem"}],
    stream=True
)

# Process chunks as they arrive
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

const stream = await openai.chat.completions.create({
    model: 'gpt-6-astra',
    messages: [{ role: 'user', content: 'Write a poem' }],
    stream: true,
});

for await (const chunk of stream) {
    const content = chunk.choices[0]?.delta?.content || '';
    process.stdout.write(content);
}

Argumentationsaufwand

Steuere die Tiefe des reasoning mit dem Parameter reasoning_effort für GPT-5-Modelle.

Unterstützte Modelle

Reasoning-Effort-Stufen

Fast Mode (Priorisierte Verarbeitung)

Verwende service_tier: "priority" für priorisierte Verarbeitung mit geringerer Latenz. Das ist es, was der /fast Befehl in Codex CLI nutzt. Die reasoning-Tiefe ändert sich nicht – du bekommst dieselbe Qualität, nur schneller.

response = client.responses.create(
    model="gpt-6-astra",
    input="Refactor this function",
    service_tier="priority"              # priority processing, lower latency
)

Chat-Abschlüsse API

response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[{"role": "user", "content": "Analyze this code for bugs..."}],
    reasoning_effort="high"  # or "xhigh" for maximum depth
)

Antworten API

# Reasoning is set via the "reasoning" object
response = client.responses.create(
    model="gpt-6-astra",
    input=[{"role": "user", "content": "Refactor this function..."}],
    reasoning={"effort": "high"}  # defaults to "high" on Smart AIPI
)

Bildgenerierung

Generiere Bilder aus Text-prompts mit unserem Bildgenerierungs-endpoint.

Request-Body-Parameter

Verfügbare Modelle

Beispiel

response = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="A futuristic city at sunset, cyberpunk style",
    size="1024x1024",
    n=1
)

# Response contains base64-encoded image
image_b64 = response.data[0].b64_json

# Save to file
import base64
with open("output.png", "wb") as f:
    f.write(base64.b64decode(image_b64))

curl https://api.smartaipi.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gpt-image-2.5-flare",
    "prompt": "A futuristic city at sunset",
    "n": 1,
    "size": "1024x1024"
  }'

Bildbearbeitung

Bearbeite vorhandene Bilder mit einem Text-prompt. Unterstützt sowohl JSON (base64-String) als auch multipart/form-data (Datei-Upload), sodass OpenAI SDKs sofort funktionieren.

Request-Body-Parameter

Beispiel

import base64

response = client.images.edit(
    model="gpt-image-2.5-flare",
    image=open("input.png", "rb"),
    prompt="Change the background to a sunset beach",
    size="1024x1024",
    n=1
)

# Save the edited image
edited_b64 = response.data[0].b64_json
with open("edited.png", "wb") as f:
    f.write(base64.b64decode(edited_b64))

curl https://api.smartaipi.com/v1/images/edits \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "model=gpt-image-2.5-flare" \
  -F "prompt=Change the background to a sunset beach" \
  -F "[email protected]" \
  -F "size=1024x1024" \
  -F "n=1"

Realtime API mit WebSocket

WebSockets sind eine breit unterstützte API für Echtzeit-Datenübertragung und eine hervorragende Wahl, um in Server-zu-Server-Anwendungen mit der Smart AIPI Realtime API zu arbeiten.

In einer Server-zu-Server-Integration verbindet sich dein Backend-System direkt per WebSocket mit der Realtime API. Verwende einen standardmäßigen API-Taste zur Authentifizierung der Verbindung, da der token nur auf deinem sicheren Backend-Server verfügbar ist.

Per WebSocket verbinden

Unten findest du mehrere Beispiele für Verbindungen per WebSocket. Zusätzlich zur WebSocket-URL musst du einen Authentifizierungs-header mit deinem API key übergeben.

import WebSocket from "ws";

const url = "wss://api.smartaipi.com/v1/responses";
const ws = new WebSocket(url, {
  headers: {
    Authorization: "Bearer " + process.env.SMARTAIPI_API_KEY,
  },
});

ws.on("open", function open() {
  console.log("Connected to server.");

  // Send a response.create event
  ws.send(JSON.stringify({
    type: "response.create",
    response: {

      model: "gpt-6-astra",
      store: false,
      input: [{ role: "user", content: "Hello!" }],
      stream: true,
    },
  }));
});

ws.on("message", function incoming(message) {
  const event = JSON.parse(message.toString());
  console.log(event.type, event);
});

import os, json, websocket

url = "wss://api.smartaipi.com/v1/responses"
headers = ["Authorization: Bearer " + os.environ["SMARTAIPI_API_KEY"]]

def on_open(ws):
    print("Connected to server.")
    ws.send(json.dumps({
        "type": "response.create",
        "response": {
            "model": "gpt-6-astra",
            "store": False,
            "input": [{"role": "user", "content": "Hello!"}],
            "stream": True,
        }
    }))

def on_message(ws, message):
    data = json.loads(message)
    print("Event:", data["type"])

ws = websocket.WebSocketApp(url, header=headers,
    on_open=on_open, on_message=on_message)
ws.run_forever()

# Verify WebSocket handshake (requires curl with --http1.1)
curl --max-time 5 --http1.1 -i -N \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Connection: Upgrade" \
  -H "Upgrade: websocket" \
  -H "Sec-WebSocket-Version: 13" \
  -H "Sec-WebSocket-Key: $(openssl rand -base64 16)" \
  "https://api.smartaipi.com/v1/responses"

# A successful handshake returns:
# HTTP/1.1 101 Switching Protocols
# upgrade: websocket
# sec-websocket-accept: ...

Events senden und empfangen

Sitzungen werden über vom Client und Server gesendete JSON-Events über die WebSocket-Verbindung verwaltet. Wickle deinen Request in ein response.create -Envelope:

Modelle auflisten

Rufe eine Liste aller verfügbaren Modelle ab. Verwende diesen endpoint, um dynamisch zu erkennen, welche Modelle für dein Konto verfügbar sind.

Antwortformat

{
    "object": "list",
    "data": [
        {
            "id": "gpt-6-astra",
            "object": "model",
            "created": 1700000000,
            "owned_by": "smart-aipi"
        },
        {
            "id": "gpt-5.3-codex",
            "object": "model",
            "created": 1700000000,
            "owned_by": "smart-aipi"
        },
        // ... more models
    ]
}

Beispiel

from openai import OpenAI

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

# List all available models
models = client.models.list()

for model in models.data:
    print(model.id)

curl https://api.smartaipi.com/v1/models \
  -H "Authorization: Bearer YOUR_API_KEY"

Verfügbare Modelle

Anthropic Nachrichten API

Volle Kompatibilität mit der Anthropic Messages API. Verwende jedes Anthropic SDK, Claude Code oder jede App, die das Anthropic-Protokoll spricht – ändere einfach nur die base URL.

Unterstützte Funktionen

Code-Beispiele

from anthropic import Anthropic

client = Anthropic(
    base_url="https://api.smartaipi.com",
    api_key="your-api-key"
)

response = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Hello!"}
    ]
)

print(response.content[0].text)

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
    baseURL: 'https://api.smartaipi.com',
    apiKey: 'your-api-key'
});

const response = await client.messages.create({
    model: 'claude-sonnet-4-5-20250929',
    max_tokens: 1024,
    messages: [
        { role: 'user', content: 'Hello!' }
    ]
});

console.log(response.content[0].text);

curl https://api.smartaipi.com/v1/messages \
  -H "x-api-key: your-api-key" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-5-20250929",
    "max_tokens": 1024,
    "messages": [
        {"role": "user", "content": "Hello!"}
    ]
  }'

Modell-Mapping

Claude-Modellnamen werden akzeptiert und automatisch mit abgestuftem reasoning effort auf GPT-5.4 geroutet. Jede Antwort enthält einen x-actual-model -header, der das echte Backend-Modell anzeigt.

Claude Code

Verwende Claude Code mit Smart AIPI als Backend. Volle Unterstützung für Tool-Nutzung, streaming und agentische Fähigkeiten.

Automatische Einrichtung

npx smart-aipi claude

Dadurch werden ~/.claude/settings.json und ~/.claude.json automatisch konfiguriert. Wenn Claude Code bei dir bereits mit einem Anthropic-Konto eingerichtet ist, wird dir stattdessen die manuelle Konfiguration angezeigt, anstatt sie zu überschreiben.

Manuelle Einrichtung

Zu ~/.claude/settings.json:

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.smartaipi.com",
    "ANTHROPIC_API_KEY": "sk-your-key",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "claude-haiku-4-5-20251001"
  },
  "model": "opus"
}

Füge dann "hasCompletedOnboarding": true hinzu ~/.claude.json hinzu, um den Setup-Assistenten zu überspringen.

Was jede Einstellung macht

OpenCode

Verwende Smart AIPI als dein OpenCode-Backend über das OpenAI-kompatible SDK.

Config-Setup

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "smart-aipi": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Smart AIPI",
      "options": {
        "baseURL": "https://api.smartaipi.com/v1",
        "apiKey": "YOUR_API_KEY"
      },
      "models": {
        "gpt-6-astra": {
          "name": "GPT-6 Astra",
          "reasoning": true,
          "limit": { "context": 400000, "output": 128000 }
        },
        "gpt-5.3-codex": {
          "name": "GPT-5.3 Codex",
          "reasoning": true,
          "limit": { "context": 400000, "output": 128000 }
        },
        "gpt-5.2-codex": {
          "name": "GPT-5.2 Codex",
          "reasoning": true,
          "limit": { "context": 400000, "output": 128000 }
        },
        "gpt-5-codex": {
          "name": "GPT-5 Codex",
          "reasoning": true,
          "limit": { "context": 400000, "output": 128000 }
        }
      }
    }
  },
  "model": "smart-aipi/gpt-6-astra"
}

Codex CLI

Verwende Smart AIPI mit OpenAIs Codex CLI-Tool. Drei Dateien müssen konfiguriert werden.

Automatische Einrichtung

npx smart-aipi codex

Dadurch werden alle drei untenstehenden Dateien automatisch konfiguriert. Füge nach dem Ausführen model_reasoning_effort deiner Konfiguration hinzu (siehe Schritt 2).

Manuelle Einrichtung

Konfiguriere diese drei Dateien:

1. API Schlüssel — ~/.codex/auth.json

{
  "auth_mode": "apikey",
  "OPENAI_API_KEY": "sk-your-key"
}

2. Modell & Reasoning — ~/.codex/config.toml

model = "gpt-6-astra"
model_reasoning_effort = "high"

Gültige reasoning-Level: low, medium, high (empfohlen), xhigh.

3. Umgebungsvariablen — ~/.zshrc

# Smart AIPI
export OPENAI_API_KEY="sk-your-key"
export OPENAI_BASE_URL="https://api.smartaipi.com/v1"

Verwende Codex dann wie gewohnt:

codex "fix this bug"

Codex WebSocket-Geschwindigkeitsguide

Der WebSocket-Modus ist für agentische Coding-Flows mit vielen Tool-Calls meist schneller. Statt sich wiederholt über HTTP neu zu verbinden und vollständige Request-Envelopes erneut zu senden, hält Codex eine einzige aktive Verbindung offen und sendet inkrementelle Turns, was den Continuation-Overhead reduziert.

WebSockets in Codex aktivieren

Verwende das WebSocket v2-Feature-Flag in ~/.codex/config.toml: ~/.codex/config.toml:

model = "gpt-6-astra"
model_reasoning_effort = "high"

[features]
responses_websockets_v2 = true

CLI-Äquivalent:

codex --enable responses_websockets_v2

Ältere Builds verwenden möglicherweise das Legacy-Flag:

[features]
responses_websockets = true

Bekanntes Homebrew-Verhalten

Bei einigen über Homebrew verteilten Builds können WebSocket-Turns bei lang laufenden Aufgaben hängen bleiben und dann stillschweigend auf HTTP zurückfallen. Das haben wir besonders in komplexen Tool-Call-Schleifen gesehen. Ein Rebuild aus dem Open-Source-Code mit den untenstehenden Fixes hat sowohl Stabilität als auch Geschwindigkeit verbessert.

Nach dem Merge: Den Open-Source-WebSocket-Bug beheben

Nachdem du deinen Branch gemergt hast, verwende diese Checkliste, um sicherzustellen, dass der Fix in deiner lokalen Binärdatei enthalten ist:

# 1) Pull merged main
git checkout main
git pull --ff-only

# 2) Confirm websocket flags exist
codex features list | rg responses_websockets

# 3) Build and install
cd codex-rs
cargo build --release
install -m 0755 target/release/codex ~/.local/bin/codex-beta

# 4) Run with websocket enabled
CODEX_RS_RESPONSES_WS=true \
OPENAI_BASE_URL=https://api.smartaipi.com/v1 \
~/.local/bin/codex-beta --enable responses_websockets_v2

Wenn du manuell patchen musst, prüfe, ob diese Code-Level-Fixes vorhanden sind:

# A) Build websocket request with IntoClientRequest so required headers are set
let mut request = url.as_str().into_client_request()?;
request.headers_mut().extend(headers);

# B) Ensure TLS roots are enabled for tokio-tungstenite in Cargo.toml
tokio-tungstenite = { version = "...", features = ["rustls-tls-native-roots"] }

Cursor & Cline

Verwende Smart AIPI mit Cursor IDE oder der Cline VS Code-Erweiterung.

Chatten

Verwende Smart AIPI Chat unter chat.smartaipi.com. für Workflows mit Text, Bild, Video, Code, Suche und Sprache.

Funktionen

• ✓ Chatten — Allgemeine Textunterhaltungen mit Smart AIPI-Modellen.
• ✓ Bilder — Bilder aus prompts generieren und bearbeiten.
• ✓ Video — Videos aus Text- oder Bildeingaben generieren.
• ✓ Code — Code-Unterstützung und Bearbeitung im Browser.
• ✓ Suche — Verwende Websuche für fundierte Antworten.
• ✓ Stimme — Sprich mit dem Modell per Spracheingabe und Sprachantworten.

Erste Schritte

Abrechnung: Die Nutzung wird mit deinen Smart AIPI-Credits verrechnet.

API-Tester

Teste die API direkt in deinem Browser: