🤖 AI 多模型聚合 API

一个 API Key，调用多种大模型 · 完全兼容 OpenAI 接口格式

通用代码示例 前端界面参考 📡 API 接口文档 🔌 MCP接入 📦 Python SDK 🐘 PHP SDK 💳 购买KEY

💻 调用示例

您无需分别申请 DeepSeek、Claude、GPT、Qwen 等不同厂商的 API Key。 只需一个 sk-xxx 格式的 Key，即可调用我们聚合的多种主流大模型。

接口完全兼容 OpenAI Chat Completions 格式，任何支持 OpenAI API 的客户端、框架、工具都可以直接使用，只需修改 Base URL 为 https://www.ming.store 即可。

🚀 快速开始：购买KEY

一：📰 文本对话接口：

Base URL

https://www.ming.store

这是您唯一需要填写的地址。所有 OpenAI 兼容客户端都会在此基础上自动拼接 /v1/chat/completions 或 /v1/models。

鉴权方式

在 HTTP 请求头中携带您的 API Key：

Authorization: Bearer sk-xxxxxxxxxxxxxxxx

查询可用模型

GET https://www.ming.store/v1/models

此接口无需 API Key 即可访问，返回所有可用模型的列表。

📋 复制curl https://www.ming.store/v1/models

可用模型列表

发送对话请求

POST https://www.ming.store/v1/chat/completions
📌 文本对话专用接口：仅用于聊天、问答、文本生成。支持 DeepSeek、GPT、Qwen、Kimi、GLM 等大模型。不支持图像或视频生成，如需文生图/文生视频，请使用页面下方的 多模态生成接口。
参数名类型必填说明示例值
modelstring必填模型 ID，请从上方“可用模型列表”中选择deepseek-v4-flash
messagesarray必填对话消息数组，每条消息包含 role（system/user/assistant）和 content[{"role":"user","content":"你好"}]
max_tokensint选填最大输出 Token 数，不同模型默认值不同，范围 2048-40964096
temperaturefloat选填温度参数，控制生成内容的随机性，范围 0.0-2.0，默认 0.70.7
streambool选填是否启用流式响应，当前暂不支持，请设置为 false 或不传false

响应格式

接口返回标准 OpenAI Chat Completion 格式的 JSON 数据。

📋 复制{ "id": "chatcmpl-xxx", "object": "chat.completion", "created": 1234567890, "model": "deepseek-v4-flash", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "你好！我是 DeepSeek..." }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 50, "completion_tokens": 200, "total_tokens": 250 } }
字段类型说明
choices[0].message.contentstringAI 回复的文本内容
choices[0].finish_reasonstring结束原因：stop（正常结束）、length（达到最大长度）
usage.total_tokensint本次调用消耗的总 Token 数

💻 调用示例

Python

📋 复制import openai client = openai.OpenAI( base_url="https://www.ming.store/v1", api_key="sk-你的Key" ) response = client.chat.completions.create( model="deepseek-v4-flash", messages=[ {"role": "user", "content": "你好，请介绍一下你自己"} ] ) print(response.choices[0].message.content)

JavaScript (Node.js / 浏览器)

📋 复制const response = await fetch("https://www.ming.store/v1/chat/completions", { method: "POST", headers: { "Authorization": "Bearer sk-你的Key", "Content-Type": "application/json" }, body: JSON.stringify({ model: "deepseek-v4-flash", messages: [{"role": "user", "content": "你好"}] }) }); const data = await response.json(); console.log(data.choices[0].message.content);

curl

📋 复制curl -X POST "https://www.ming.store/v1/chat/completions" \ -H "Authorization: Bearer sk-你的Key" \ -H "Content-Type: application/json" \ -d '{"model":"deepseek-v4-flash","messages":[{"role":"user","content":"你好"}]}'

二：🎨 多模态生成（文生图 / 文生视频）

⚠️ 独立接口，与上方文本对话接口分离：图像和视频生成使用专属端点 /v1/multimodal/completions不是 /v1/chat/completions参数格式也不同，请仔细阅读下方文档。查询进度使用 /v1/multimodal/video_query

多模态 API 支持文生图和文生视频，与文本对话接口共享同一 API Key，但使用独立端点。 需要调用图像或视频模型时，请使用下方的专用接口，不要使用 Chat Completions 接口。

Base URL

https://www.ming.store

与文本对话接口共享同一个 Base URL，但端点路径不同（/v1/multimodal/completions 而非 /v1/chat/completions）。

鉴权方式

与文本对话接口完全一致，在 HTTP 请求头中携带您的 API Key：

Authorization: Bearer sk-xxxxxxxxxxxxxxxx

查询可用多模态模型

GET https://www.ming.store/v1/multimodal/models

此接口无需 API Key 即可访问，返回所有可用的图像和视频生成模型列表。

📋 复制curl https://www.ming.store/v1/multimodal/models

可用多模态模型列表

生成图像 / 视频（提交任务）

POST https://www.ming.store/v1/multimodal/completions
📌 多模态生成专用接口：根据所选模型类型自动路由到文生图或文生视频。图像为同步返回，视频为异步任务需轮询查询进度。
参数名类型必填说明示例值
modelstring必填模型 ID，请从上方"可用多模态模型列表"中选择agnes-image-2.1-flash
promptstring必填图像或视频的描述提示词一只在月亮下奔跑的狼
sizestring选填图像尺寸，仅对文生图模型有效。支持 1024x768、1024x1024、768x1024，默认 1024x7681024x768
image_urlstring选填参考图 URL（图生图/图生视频），不传则纯文生图/文生视频https://example.com/ref.jpg
negative_promptstring选填反向提示词，描述不想出现的内容模糊、低质量
seedint选填随机种子，用于结果复现12345

视频查询进度

GET https://www.ming.store/v1/multimodal/video_query?video_id=任务ID

视频生成是异步任务，提交后返回 video_id，需轮询此接口查询进度。查询接口不消耗配额。

参数名类型必填说明示例值
video_idstring必填视频提交任务返回的 video_idtask_xxxx

📥 查询响应（进行中）：

📋 复制{ "success": true, "status": "processing", "progress": 35 }

📥 查询响应（完成）：

📋 复制{ "success": true, "status": "completed", "url": "https://cdn.example.com/videos/xxx.mp4", "progress": 100 }

代码示例

Python · 文生图

📋 复制import requests url = "https://www.ming.store/v1/multimodal/completions" headers = { "Authorization": "Bearer sk-你的Key", "Content-Type": "application/json" } data = { "model": "agnes-image-2.1-flash", "prompt": "一只在月亮下奔跑的狼", "size": "1024x768" } resp = requests.post(url, json=data, headers=headers) print(resp.json())

📥 成功响应示例（OpenAI 图像生成标准格式）：

📋 复制{ "created": 1718200000, "data": [ { "url": "https://cdn.example.com/images/xxx.png" } ] }

JavaScript · 文生图

📋 复制const resp = await fetch("https://www.ming.store/v1/multimodal/completions", { method: "POST", headers: { "Authorization": "Bearer sk-你的Key", "Content-Type": "application/json" }, body: JSON.stringify({ model: "agnes-image-2.1-flash", prompt: "一只在月亮下奔跑的狼" }) }); const data = await resp.json(); console.log(data);

curl · 文生图

📋 复制curl -X POST "https://www.ming.store/v1/multimodal/completions" \ -H "Authorization: Bearer sk-你的Key" \ -H "Content-Type: application/json" \ -d '{"model":"agnes-image-2.1-flash","prompt":"一只在月亮下奔跑的狼"}'

Python · 文生视频（提交任务）

📋 复制import requests import time url = "https://www.ming.store/v1/multimodal/completions" headers = { "Authorization": "Bearer sk-你的Key", "Content-Type": "application/json" } data = { "model": "agnes-video-v2.0", "prompt": "海浪拍打礁石的慢动作", "width": 1920, "height": 1080, "num_frames": 241, "frame_rate": 24 } # 提交视频生成任务 resp = requests.post(url, json=data, headers=headers) result = resp.json() print("提交结果:", result) # 如果提交成功，轮询查询进度 if result.get("success"): video_id = result["video_id"] while True: time.sleep(10) query_resp = requests.get( f"https://www.ming.store/v1/multimodal/video_query", params={"video_id": video_id}, headers=headers ) query_data = query_resp.json() print(f"状态: {query_data.get('status')}, 进度: {query_data.get('progress', 0)}%") if query_data.get("url"): print(f"视频链接: {query_data['url']}") break

JavaScript · 文生视频（提交任务 + 轮询）

📋 复制const resp = await fetch("https://www.ming.store/v1/multimodal/completions", { method: "POST", headers: { "Authorization": "Bearer sk-你的Key", "Content-Type": "application/json" }, body: JSON.stringify({ model: "agnes-video-v2.0", prompt: "海浪拍打礁石的慢动作", width: 1920, height: 1080, num_frames: 241, frame_rate: 24 }) }); const result = await resp.json(); console.log("提交结果:", result); // 如果提交成功，轮询查询进度 if (result.success) { const videoId = result.video_id; const poll = setInterval(async () => { const qResp = await fetch( `https://www.ming.store/v1/multimodal/video_query?video_id=${videoId}`, { headers: { "Authorization": "Bearer sk-你的Key" } } ); const qData = await qResp.json(); console.log(`状态: ${qData.status}, 进度: ${qData.progress || 0}%`); if (qData.url) { clearInterval(poll); console.log("视频链接:", qData.url); } }, 10000); }

curl · 文生视频（提交任务）

📋 复制curl -X POST "https://www.ming.store/v1/multimodal/completions" \ -H "Authorization: Bearer sk-你的Key" \ -H "Content-Type: application/json" \ -d '{ "model": "agnes-video-v2.0", "prompt": "海浪拍打礁石的慢动作", "width": 1920, "height": 1080, "num_frames": 241, "frame_rate": 24 }'

🔧 在常见客户端中使用

以下是一些常见的 AI 客户端工具，配置方式完全相同：

客户端配置方式
AgnesCode添加 OpenAI 兼容提供商，API 地址填 https://www.ming.store，API 基础路径留空
ChatBox设置 → 模型提供商 → 添加，选择 OpenAI 兼容，地址填 https://www.ming.store
LobeChat设置 → 语言模型 → OpenAI 兼容，接口地址填 https://www.ming.store/v1
OpenCat设置 → 添加服务商 → OpenAI 兼容，API Base URL 填 https://www.ming.store/v1
LangChain使用 ChatOpenAI(openai_api_base="https://www.ming.store/v1", ...)
⚠️ 通用原则：只要客户端支持 OpenAI API 格式，将 Base URL / API 地址 设置为 https://www.ming.store 即可。如果客户端有单独的"API 基础路径"字段，请留空。

⚠️ 注意事项

  • 扣减规则：文本对话每次调用消耗 1 次配额。多模态生成：文生图每次消耗 1 次配额，文生视频每次消耗 3 次配额，视频查询不消耗配额。
  • 视频异步生成：文生视频是异步任务，提交后返回 video_id，需使用视频查询接口轮询获取结果。视频生成通常需要 1-3 分钟，建议每 10 秒轮询一次。
  • 调用频率限制：每个 API Key 的调用间隔至少为 500 毫秒，超出限制将被拒绝。
  • 流式响应：当前暂不支持流式响应（stream），请在客户端中关闭流式选项。
  • 模型可用性：可调用模型列表随时可能更新，请通过 /v1/models 接口获取最新列表。
  • API Key 安全：请妥善保管您的 API Key，不要公开分享。
  • 错误码说明：常见错误码包括 401（API Key 无效）、429（请求频率超限）、500（服务器内部错误）。返回体中的 error.message 字段将提供详细说明。
  • 模型上下文限制：每个模型的最大上下文长度（max_history）可能不同，长对话可能需要截断历史消息。请根据具体模型的配置调整。
购买 API Key