【零基础】2026主流AI大模型API调用完整教程前言本文整理了当前主流大模型 API 的调用方式，涵盖多种常见平台的

前言

本文整理了当前主流大模型 API 的调用方式，涵盖多种常见平台的接口使用方法，以 Python 最小可运行示例为主，说明 SDK 用法、接口结构及差异，帮助快速完成本地测试与对比。同时还提供通用调用思路，用于构建多模型兼容的基础框架，并补充常见错误与调试方法，便于快速上手与实践

一、OpenAI GPT API 调用

1.1 接口与模型说明 OpenAI 目前推荐新项目使用 Responses API，本文也以 Responses API 为主要示例。Chat Completions 是较早的接口，目前仍然支持，主要用于已有项目兼容和部分第三方 OpenAI-compatible 服务。

当前 GPT-5.6 系列主要包括：

模型	适合场景
GPT-5.6 Sol	适合复杂推理和代码任务
GPT-5.6 Terra	兼顾能力和成本
GPT-5.6 Luna	更适合成本敏感、高并发场景

1.2 GPT API 调用示例 打开PowerShell 或PyCharm 底部的 Terminal执行以下代码安装 OpenAI SDK：　　

python -m pip install openai

安装完成后运行以下代码完成最小验证：

from openai import OpenAI
api_key = "你的_OpenAI_API_Key"          # 填写你在 OpenAI API 平台创建的 API Key
base_url = "https://api.openai.com/v1"  # OpenAI 官方 API 地址，使用官方接口时无需修改
model_id = "gpt-5.6"                    # gpt-5.6 默认使用 gpt-5.6-sol；如需其他版本，可改为 gpt-5.6-terra 或 gpt-5.6-luna

client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

response = client.responses.create(
    model=model_id,
    reasoning={"effort": "medium"},      # 推理强度：none/low/medium/high/xhigh/max，默认 medium
    input="请用一句话解释什么是大语言模型。"
)

print(response.output_text)

官方文档地址：developers.openai.com/api/docs

GPT API Key 获取：platform.openai.com/api-keys

二、Google Gemini API 调用

2.1 接口与模型说明 Google 目前推荐新项目使用 Interactions API，并配合官方的 Google GenAI SDK 调用 Gemini。Interactions API 已在 2026 年 6 月正式 GA，后续新的模型和 Agent 能力也会优先接入该接口。本文使用：gemini-3.6-flash 作为示例模型。它是当前稳定版本，适合文本生成、代码、多模态理解和 Agent 等常见任务。

Gemini 也提供 OpenAI-compatible 接口。如果已有项目使用 OpenAI SDK，可以通过修改 API Key、Base URL 和 Model ID 接入 Gemini；如果是第一次调用 Gemini，直接使用 Google GenAI SDK 更简单。

2.2 Gemini API 调用示例 打开PowerShell 或PyCharm 底部的 Terminal执行以下代码安装Google GenAI SDK：

python -m pip install google-genai

安装完成后运行以下代码完成最小验证：

from google import genai

api_key = "你的_Gemini_API_Key"      # 在 Google AI Studio 创建的 API Key
model_id = "gemini-3.6-flash"        # 要调用的 Gemini 模型

client = genai.Client(
    api_key=api_key
)

response = client.interactions.create(
    model=model_id,
    input="请用一句话解释什么是大语言模型。"
)

print(response.output_text)

官方文档地址：ai.google.dev/gemini-api/…

Gemini API Key 获取：aistudio.google.com/api-keys

三、Anthropic Claude API 调用

3.1 接口与模型说明 Claude 是 Anthropic 推出的大模型系列，官方 API 主要通过 Messages API 调用。Python 可以直接使用 Anthropic 官方的 anthropic SDK。当前 GPT-5.6 系列主要包括：

模型	适合场景
claude-sonnet-5	速度和能力比较均衡，适合作为通用选择
claude-opus-5	复杂 Agent、代码和高难度任务
claude-fable-5	长时间运行的 Agent 等复杂任务
claude-haiku-4-5	更看重速度和成本的任务

3.2 Claude API 调用示例 打开PowerShell 或PyCharm 底部的 Terminal执行以下代码 Anthropic SDK：

python -m pip install anthropic

安装完成后运行以下代码完成最小验证：

from anthropic import Anthropic

api_key = "你的_Anthropic_API_Key"    # 在 Anthropic Console 创建的 API Key
model_id = "claude-sonnet-5"          # 要调用的 Claude 模型
max_tokens = 1024                     # 本次最多生成的 Token 数量

client = Anthropic(
    api_key=api_key
)

response = client.messages.create(
    model=model_id,
    max_tokens=max_tokens,
    messages=[
        {
            "role": "user",
            "content": "请用一句话解释什么是大语言模型。"
        }
    ]
)

print(response.content[0].text)

官方文档地址：platform.claude.com/docs

ClaudeAPI Key 获取：platform.claude.com/settings/ke…

四、DeepSeek API 调用

4.1 接口与模型说明 DeepSeek API 兼容 OpenAI 和 Anthropic 接口格式，Python 可以直接使用 OpenAI SDK 调用。本文使用更通用的 OpenAI Chat Completions 方式。

目前 DeepSeek API 主要提供两个模型：

模型	适合场景
deepseek-v4-flash	速度和成本优先，适合日常调用
deepseek-v4-pro	能力优先，适合复杂推理和 Agent 任务

两个模型都支持 Thinking / Non-Thinking 模式，并支持最高 1M 上下文。

本文使用：deepseek-v4-flash作为入门示例。

需要注意，旧模型名 deepseek-chat 和 deepseek-reasoner 已于 2026 年 7 月停止使用，新项目应直接使用 deepseek-v4-flash 或 deepseek-v4-pro。

DeepSeek 目前也支持 Responses API，但暂时只支持 deepseek-v4-flash，因此本文的基础示例优先使用兼容范围更广的 Chat Completions。

4.2 DeepSeek API 调用示例

打开PowerShell 或PyCharm 底部的 Terminal执行以下代码安装 OpenAI SDK：　　

python -m pip install openai

安装完成后运行以下代码完成最小验证：

from openai import OpenAI

api_key = "你的_DeepSeek_API_Key"      # 在 DeepSeek 开放平台创建的 API Key
base_url = "https://api.deepseek.com" # DeepSeek 官方 API 地址
model_id = "deepseek-v4-flash"        # 要调用的 DeepSeek 模型

client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

response = client.chat.completions.create(
    model=model_id,
    messages=[
        {
            "role": "user",
            "content": "请用一句话解释什么是大语言模型。"
        }
    ]
)

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

官方文档地址：api-docs.deepseek.com/

DeepSeek API Key 获取：platform.deepseek.com/api_keys

五、阿里 Qwen API 调用

5.1 接口与模型说明 Qwen 是阿里通义千问系列模型，可以通过阿里云百炼调用 API。

百炼目前支持多种接口形式，包括 OpenAI 兼容接口、Anthropic 兼容接口和 DashScope 原生接口。为了让调用方式更简单，本文使用 OpenAI 兼容接口。

本文使用：qwen3.8-max 作为示例模型。qwen3.8-max 是当前千问 Max 系列模型之一，支持 OpenAI 兼容接口。

5.2 Qwen API 调用示例 打开PowerShell 或PyCharm 底部的 Terminal执行以下代码安装 OpenAI SDK：　　

python -m pip install openai

安装完成后运行以下代码完成最小验证：

from openai import OpenAI

api_key = "你的_阿里云百炼_API_Key"                       # 在阿里云百炼控制台创建的 API Key
base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"  # 中国大陆（北京）OpenAI 兼容接口地址
model_id = "qwen3.8-max"                                # 要调用的 Qwen 模型

client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

response = client.chat.completions.create(
    model=model_id,
    messages=[
        {
            "role": "user",
            "content": "请用一句话解释什么是大语言模型。"
        }
    ]
)

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

官方文档地址：help.aliyun.com/zh/model-st…

Qwen API Key 获取：www.alibabacloud.com/help/en/mod…

六、xAI Grok API 调用

6.1 接口与模型说明 Grok 是 xAI 推出的大模型系列。xAI 当前推荐通过 Responses API 调用文本模型，并兼容 OpenAI Python SDK。

本文使用：grok-4.5作为示例模型。grok-4.5 是当前 xAI 的主力模型，适合代码、Agent、推理和知识类任务。

Grok 4.5 支持推理强度设置：low / medium / high 默认是 high，而且推理不能关闭。零基础测试时不设置也可以直接调用。

除了文本生成，xAI 还提供 Grok Imagine 图片生成 API，当前可使用： grok-imagine-image-quality生成图片。

6.2 文本与图片生成示例 打开PowerShell 或PyCharm 底部的 Terminal执行以下代码安装 OpenAI SDK：　　

python -m pip install openai

文本代码示例

from openai import OpenAI

api_key = "你的_xAI_API_Key"          # 在 xAI Console 创建的 API Key
base_url = "https://api.x.ai/v1"     # xAI 官方 API 地址
model_id = "grok-4.5"                # 要调用的 Grok 模型

client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

response = client.responses.create(
    model=model_id,
    reasoning={"effort": "medium"},   # 推理强度：low / medium / high，默认 high
    input="请用一句话解释什么是大语言模型。"
)

print(response.output_text)

图片代码示例

from openai import OpenAI

api_key = "你的_xAI_API_Key"                     # 在 xAI Console 创建的 API Key
base_url = "https://api.x.ai/v1"                # xAI 官方 API 地址
model_id = "grok-imagine-image-quality"         # Grok Imagine 图片生成模型

client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

response = client.images.generate(
    model=model_id,
    prompt="一座未来城市的夜景，电影感，高细节"
)

print(response.data[0].url)

官方文档地址：docs.x.ai/developers/…

xAI Grok API Key 获取：console.x.ai/team/defaul…

七、六大模型 API 接口与 SDK 对比

前面分别介绍了 6 个平台的调用方式。放在一起看，可以发现它们的官方接口不同，但越来越多平台开始兼容 OpenAI 的接口格式。

7.1 调用方式与 SDK 对比

平台	主要接口	Python 常用 SDK	OpenAI 兼容
OpenAI GPT	Responses API	`openai`	原生
Google Gemini	Interactions API	`google-genai`	支持
Anthropic Claude	Messages API	`anthropic`	支持
DeepSeek	Chat Completions / Responses	`openai`	支持
阿里 Qwen	Chat Completions / Responses	`openai` / DashScope	支持
xAI Grok	Responses API	`openai` / xAI SDK	支持

从表中可以看出，6 个平台的调用方式虽然不同，但整体已经出现一定的兼容趋势。OpenAI、DeepSeek、Qwen 和 Grok 都可以使用 openai SDK，Gemini 和 Claude 则主要使用各自的官方 SDK。

如果只使用一个模型，直接按照对应平台的官方方式接入是最简单的选择。

但实际业务中，不同任务对模型的要求并不一样。日常问答更关注速度和成本，复杂任务更看重推理能力，代码、长文本和多模态任务也可能各有更合适的模型；如果还要考虑限流或服务异常，通常还需要准备备用模型。

随着业务复杂度提升，一个项目可能会同时接入多个模型。此时不仅要维护各平台的 API Key、Base URL 和 Model ID，还要处理不同 SDK、参数和返回格式带来的适配成本。虽然 OpenAI-compatible 接口能减少部分重复工作，但不同模型的能力和参数仍无法完全统一。

对于小型测试或简单应用，分别调用官方 API 已经足够；当模型数量增加、需要频繁切换，或者同一业务需要根据任务选择不同模型时，统一管理接口会更合适。

八、多模型接入解决方案

8.1 多模型接入的常见方案

方式	适合场景	特点
直接调用官方 API	单模型、简单应用	最直接，原生能力完整
自建模型网关	有研发能力的团队	可控性高，但需要自行维护
使用统一接入服务	多模型、Agent、开发工具	接入简单，减少重复配置

这三种方式各有适用场景。模型较少时，直接调用官方 API 最简单；需要自定义路由、权限或监控时，可以自建模型网关；如果主要需求是快速接入多个模型、减少重复配置，也可以使用现成的统一接入服务。

8.2 统一接口示例 统一接入的调用方式与前面的单模型 API 基本一致。这里以一中转平台为例，调用前需要准备三个参数：Base URL、API Key 和 Model ID。

Base URL 是 API 请求的基础地址，用来告诉代码或工具请求应该发送到哪里。常用地址为：

10086ai.hk/v1

部分工具对地址格式要求不同，也可能需要填写：

10086ai.hk/

或完整接口地址：

10086ai.hk/v1/chat/com…

Base URL 打到服务器后，需要API KEY才能访问大模型在官网进入控制台，「API密钥」→「创建API密钥」中生成 Key。

一个 API Key 可以调用对应分组内的模型，后续可在控制台调整分组。在这里插入图片描述进入平台右上角的「模型广场」，找到 API Key 对应的模型分组，复制需要调用的模型名称。

在这里插入图片描述准备好三个参数后，即可使用下面的代码测试接口：

from openai import OpenAI

api_key = "你的_10086_AI_API_Key"     # 在 10086 AI 平台获取的 API Key
base_url = "https://10086ai.hk/v1"   # 10086 AI 统一 API 地址
model_id = "你要调用的模型_ID"         # 从平台模型列表中选择对应的 Model ID

client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

response = client.responses.create(
    model=model_id,
    input="请用一句话解释什么是大语言模型。"
)

print(response.output_text)

接入成功后，api_key 和 base_url 通常可以保持不变，切换模型时主要修改 model_id。具体支持的模型和接口能力以平台实际列表为准。

该平台官方文档地址：10086ai.hk/docs/#/quic…

九、大模型 API 常见报错与排查

9.1 常见 HTTP 报错码 大模型 API 调用失败时，先看返回的 HTTP 状态码和错误信息，通常就能快速定位问题。

状态码	常见原因	优先检查
`400`	请求格式或参数错误	请求体、参数名称、接口格式
`401`	API Key 无效或认证失败	API Key 是否正确、是否失效
`403`	没有访问权限	账号权限、地区或模型权限
`404`	接口或资源不存在	Base URL、接口路径、Model ID
`429`	请求过快或额度受限	调用频率、余额、账户限额
`5xx`	服务端异常	稍后重试、查看服务状态

9.2 API 调用排查顺序 调用失败时，可以按下面的顺序排查： API Key → Base URL → Model ID → 请求参数 → 账户额度 / 调用频率 → 网络与服务状态

一般来说，401 优先检查 API Key，404 检查 Base URL 和 Model ID，429 检查调用频率和账户额度。

如果是参数、认证或模型名称错误，应先修正配置；如果是临时限流、超时或 5xx 服务异常，可以等待后重试。正式应用还可以设置有限次数重试，并在必要时切换备用模型。

十、总结

本文整理了 2026 年 6 个主流大模型的 API 调用方式，并介绍了多模型接入和常见报错排查。

如果只使用单一模型，直接调用官方 API 通常最简单；如果需要同时接入多个模型，也可以根据团队能力选择自建网关或中转平台这类统一接入服务，减少重复配置和接口适配。

后续还会继续更新更多主流大模型的 API 调用与实战内容。