OpenCode AI API · 接入文档

1基本信息

下面是接入所需的全部信息。API Key 请向服务提供方领取（看你这份文档的人就是使用者）。

Base URLhttps://api.aurara.online/v1

API Key（向管理员领取，形如 4cd32b…244b 的 48 位十六进制串）

健康检查https://api.aurara.online/healthz 返回 {"status":"ok"} 即正常

兼容协议/chat/completions /responses /messages（Anthropic）

传输方式JSON 与 SSE 流式输出（stream:true）、工具调用、结构化输出、图片输入全部支持

2快速开始（curl）

把下面的 <API_KEY> 替换成你的 Key 即可复制使用。三种协议任选其一。

2.1 OpenAI Chat Completions 格式（最通用，推荐）

curl · chat/completions

curl https://api.aurara.online/v1/chat/completions \
  -H "Authorization: Bearer <API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{"model":"big-pickle","messages":[{"role":"user","content":"你好，介绍一下你自己"}]}'

返回示例（注意思考内容在 message.reasoning_content，最终答案在 message.content）：

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "你好！…",
      "reasoning_content": "…模型内部的思考过程…"
    }
  }],
  "usage": { "prompt_tokens": 471, "completion_tokens": 14 }
}

2.2 Responses 格式（OpenAI 新协议）

curl · responses

curl https://api.aurara.online/v1/responses \
  -H "Authorization: Bearer <API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{"model":"big-pickle","input":"你好，介绍一下你自己"}'

2.3 Anthropic Messages 格式（Claude 系工具）

curl · messages

curl https://api.aurara.online/v1/messages \
  -H "x-api-key: <API_KEY>" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{"model":"big-pickle","max_tokens":1024,"messages":[{"role":"user","content":"你好，介绍一下你自己"}]}'

3思考模式（Reasoning）

所有模型均为推理型模型。等级从弱到强：minimal → low → medium → high → xhigh → max；none 关闭思考。客户端显式指定的等级永远优先于服务端默认值。

三种协议各自传参方式（均已实测生效）

协议	请求体参数	响应中思考内容位置
Chat	"reasoning_effort": "high"（顶层字段）	message.reasoning_content
Responses	"reasoning": {"effort": "low"}	output 数组里的 type:"reasoning" 项
Anthropic	"thinking":{"type":"enabled","budget_tokens":1024}；关闭用 {"type":"disabled"}	content 数组里的 type:"thinking" 块

budget_tokens 与等级的换算：8192 ≈ high，32000 ≈ xhigh，其余数值按比例取档。Anthropic 格式下同时传 output_config.effort 时以显式等级为准。

示例：Chat 格式开 / 关思考

开启 high 思考

{
  "model": "big-pickle",
  "reasoning_effort": "high",
  "messages": [{"role": "user", "content": "…"}]
}

关闭思考（none）

{
  "model": "big-pickle",
  "reasoning_effort": "none",
  "messages": [{"role": "user", "content": "…"}]
}

当前服务端默认思考等级为 high：不传参数也会思考。想全局改默认值由服务方在控制台配置 reasoning.effort（或按模型覆盖 reasoning.effort_by_model）。

4图形客户端配置

把下面的信息填进客户端的"自定义 OpenAI 服务"或"添加提供商"设置里，然后选模型即可。

客户端	填写方式
Cherry Studio	设置 → 模型服务 → 添加自定义提供商： · API 地址（Base URL）：https://api.aurara.online/v1 · API Key：你的 Key · 模型名：从下方模型列表选，如 `big-pickle`（或点"获取模型列表"自动拉取）
Cline / Roo Code	API 提供商选"OpenAI Compatible"：Base URL 填 https://api.aurara.online/v1，填入 Key 与模型名。支持工具调用（MCP/函数工具）。
LobeChat	模型服务商 → OpenAI：自定义 OpenAI 服务地址 https://api.aurara.online/v1 + Key + 模型名。
Claude Code	命令行设置环境变量后直接使用 Anthropic 协议： `export ANTHROPIC_BASE_URL=https://api.aurara.online` `export ANTHROPIC_AUTH_TOKEN=<API_KEY>` （模型名在对话中或配置里写，如 `big-pickle`）

5代码接入示例

Python（OpenAI SDK，Chat 格式）

python · openai

from openai import OpenAI

client = OpenAI(
    api_key="<API_KEY>",
    base_url="https://api.aurara.online/v1",
)

resp = client.chat.completions.create(
    model="big-pickle",
    messages=[{"role":"user","content":"你好，介绍一下你自己"}],
)
print(resp.choices[0].message.content)

Python（Anthropic SDK）

python · anthropic

from anthropic import Anthropic

client = Anthropic(
    api_key="<API_KEY>",
    base_url="https://api.aurara.online",
)

resp = client.messages.create(
    model="big-pickle",
    max_tokens=1024,
    messages=[{"role":"user","content":"你好，介绍一下你自己"}],
)
print("".join(b.text for b in resp.content if b.type == "text"))

Node.js（fetch，流式）

node · fetch · stream

const resp = await fetch("https://api.aurara.online/v1/chat/completions", {
  method: "POST",
  headers: {
    "Authorization": "Bearer <API_KEY>",
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "big-pickle",
    stream: true,
    messages: [{ role: "user", content: "你好，介绍一下你自己" }],
  }),
});
const reader = resp.body.getReader();
const decoder = new TextDecoder();
while (true) {
  const { done, value } = await reader.read();
  if (done) break;
  process.stdout.write(decoder.decode(value));
}

6可用模型（免费档）

当前网关暴露 9 个免费模型，全部支持思考与工具调用，多数支持结构化输出。也可通过 GET /v1/models 实时获取。厂商信息与模型描述依据 OpenCode 官方模型目录。

模型 ID（点击复制）	上下文窗口	最大输出	能力	说明

免费档限额 ≠ 厂商原生规格：上表是本网关（OpenCode 免费通道）的实际限额，来自 GET /v1/models 实时数据，与官方目录 models.opencode.ai/api.json 中 [opencode] 条目 limit 字段一致。部分模型厂商原生支持更高规格，但免费通道按上表限额执行，超限会被拒绝或截断：

模型	本网关免费档 (上下文/最大输出)	厂商原生规格 (官方目录)
mimo-v2.5-free	200,000 / 32,000	小米 MiMo-V2.5：1,048,576 / 131,072
mimo-v2.6-flash-free	200,000 / 32,000	小米 MiMo-V2.6-Flash：1,048,576 / 131,072
deepseek-v4-flash-free	200,000 / 128,000	DeepSeek V4 Flash：1,000,000 / 384,000
ling-3.0-flash-fin-free	262,144 / 32,768	InclusionAI Ling 3.0 Flash Fin：262,144 / 235,929
muse-spark-1.2/1.3-contributor-free	1,048,576 / 131,072	与 Meta 官方规格一致
nemotron-3-ultra-free	1,000,000 / 128,000	与 NVIDIA 官方规格一致
nemotron-3.5-lightning-free	262,144 / 262,144	与 NVIDIA 官方规格一致

"上下文窗口"是提示词输入与输出的总 token 上限，"最大输出"是单次回复的 token 上限；多数模型的输入上限未单独公开，输入同样占用窗口。个别免费模型偶尔会返回 "Model is unavailable"（上游临时不可用），换一个模型重试即可；模型下线的可能性也存在，服务方会定期更新此列表。

7常见问题

401 invalid local API key：Key 错误或缺失，检查请求头 Authorization: Bearer <KEY>（Anthropic 端点用 x-api-key）。
返回的 content 是空的 / 结束原因是 length：模型在思考（思考文本不占用 content），把 max_tokens 调大（如 2048 以上），或换 big-pickle、nemotron-3.5-lightning-free 这类输出行为更稳定的模型。
看不到思考过程：Chat 格式下思考内容在 reasoning_content 字段，部分客户端不展示该字段但答案不受影响。
流式：设 "stream": true 即返回 SSE。流式下思考过程以 reasoning_content delta 片段输出。
多轮对话：把历史消息全部放进 messages 数组即可（当前为无状态网关，不保存会话）。
匿名访问：本服务必须携带有效 API Key，未配置匿名开放。

8服务信息

项目	说明
网关	opencode2api v1.3.4 · 自动多上游路由/重试 · 模型目录 5 分钟刷新
模型目录刷新	每 5 分钟自动同步，GET /v1/models 是最新可用集合
可携带能力	文本、图片输入、思考、函数工具与工具结果、结构化输出（JSON Schema）