Как я подключаю DeepSeek и GLM в Python через один API

Покажу небольшой сценарий из разработки ModelSeed: текстовое приложение на Python использует один клиент OpenAI SDK, а модель можно поменять через параметр `model`. Такой подход удобен для прототипа или утилиты, когда хочется сравнить несколько маршрутов, не переписывая сетевую часть приложения.


Устанавливаем SDK и передаём ключ через переменную окружения:

python3 -m venv .venv . .venv/bin/activate python -m pip install openai export MODELSEED_API_KEY='ваш-ключ'

Минимальный вызов:

import os from openai import OpenAI client = OpenAI( base_url="https://api.modelseed.dev/v1", api_key=os.environ["MODELSEED_API_KEY"], ) response = client.chat.completions.create( model="deepseek-v4-1-flash", messages=[{"role": "user", "content": "Кратко объясни, что делает epoll."}], max_tokens=200, ) print(response.choices[0].message.content) print(response.usage)

Чтобы проверить GLM, в том же запросе можно заменить ID модели, например на `glm-5.3-flash`, если этот ID доступен в каталоге вашему аккаунту. Клиент, базовый URL и структура Chat Completions остаются прежними. Перед переносом в рабочее приложение проверьте документацию выбранной модели: доступность отдельных параметров и режимов рассуждения различается.

Расход считаю по фактическим тарифицируемым токенам, а не по одному универсальному коэффициенту для всего каталога. Для примера возьмём DeepSeek V4.1 Flash вне пикового периода: справочная ставка составляет 82,216 кредита за миллион входных токенов и 328,865 кредита за миллион выходных. Тогда запрос с 2 000 входных и 1 000 выходных токенов оценивается так:

Вход: 2 000 × 82,216 / 1 000 000 = 0,164432 кредита Выход: 1 000 × 328,865 / 1 000 000 = 0,328865 кредита Всего: ≈ 0,493297 кредита

Это пример для указанной модели и условий, а не цена любого запроса. Кэш, пиковый период и тарифицируемые токены рассуждения могут изменить результат; поэтому после вызова я смотрю `response.usage`, а актуальные ставки сверяю с калькулятором. При другом effort число фактически сгенерированных токенов рассуждения может отличаться, поэтому одинаковый текстовый запрос не гарантирует одинаковый расход.


Для текстовых запросов и генерации медиа используются разные маршруты API. В этом примере разобран только Chat Completions; параметры изображений и видео нужно сверять с документацией соответствующей модели.


Документация: https://modelseed.dev/docs/openai-sdk/ · Каталог моделей: https://modelseed.dev/models/ · Калькулятор тарифов: https://modelseed.dev/pricing/