SeaCloud Model API

Model API 按模型类型提供不同调用协议，多模态模型通常采用异步任务协议，创建任务后通过状态查询和结果获取完成调用；大语言模型通常采用同步或流式协议，在单次请求中直接返回文本或增量输出。

LLM

SeaCloud LLM API 面向对话补全、Anthropic Messages 和 Responses API 调用。公开入口统一使用 /llm 前缀，平台完成 API Key 鉴权、余额校验和请求追踪。

文档导航

基础配置 Base URL、鉴权、公共请求头和 SDK 配置。

Chat Completions OpenAI 兼容非流式聊天补全。

流式响应 Chat Completions 以 SSE 事件返回的流式响应。

Responses API 显式 OpenAI Responses API 公开路径和响应处理。

错误处理常见错误响应、HTTP 状态码和客户端建议。

export BASE_URL="https://cloud.seaart.ai/llm"
export API_KEY="YOUR_API_KEY"

curl -sS "${BASE_URL}/v1/chat/completions" \
  -H "Authorization: Bearer ${API_KEY}" \
  -H "Content-Type: application/json" \
  -H "X-Request-Id: demo-$(date +%s)" \
  -d '{
    "model": "gpt-4.1",
    "messages": [
      {
        "role": "user",
        "content": "用一句话介绍 SeaCloud LLM API"
      }
    ],
    "temperature": 0.7
  }'

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://cloud.seaart.ai/llm/v1",
)

response = client.chat.completions.create(
    model="gpt-4.1",
    messages=[
        {
            "role": "user",
            "content": "用一句话介绍 SeaCloud LLM API",
        }
    ],
)

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

多模态模型

多模态模型采用异步队列协议：先创建任务，再轮询状态，任务完成后获取结果；如需中止执行，可发起取消请求。URL 中的 endpoint 直接使用 SeaCloud 模型 ID，请求体直接传模型参数对象。

生命周期文档

基础配置 Base URL、鉴权、endpoint 和请求路径。

创建任务创建多模态任务并保存后续查询所需字段。

轮询状态查询任务状态，判断等待、完成和失败。

获取结果获取图片、视频、音频、3D、文本或文件输出。

取消任务取消任务并理解取消相关状态。

错误处理与限制常见错误、不支持能力和处理建议。

完整代码示例

curl
Python

export BASE_URL="https://cloud.seaart.ai/model"
export ENDPOINT="nano_banana_2"
export API_KEY="YOUR_API_KEY"

COMMON_HEADERS=(
  -H "Authorization: Key ${API_KEY}"
  -H "Content-Type: application/json"
)

SUBMIT_RESPONSE="$(curl -sS -X POST "${BASE_URL}/v1/queue/${ENDPOINT}" \
  "${COMMON_HEADERS[@]}" \
  -d '{
    "prompt": "a cinematic photo of a cat astronaut"
  }')"

echo "${SUBMIT_RESPONSE}" | jq .

REQUEST_ID="$(echo "${SUBMIT_RESPONSE}" | jq -r '.request_id')"
STATUS_URL="$(echo "${SUBMIT_RESPONSE}" | jq -r '.status_url')"
RESPONSE_URL="$(echo "${SUBMIT_RESPONSE}" | jq -r '.response_url')"

while true; do
  STATUS_RESPONSE="$(curl -sS "${STATUS_URL}" "${COMMON_HEADERS[@]}")"
  echo "${STATUS_RESPONSE}" | jq .

  STATUS="$(echo "${STATUS_RESPONSE}" | jq -r '.status')"
  ERROR="$(echo "${STATUS_RESPONSE}" | jq -r '.error // empty')"

  if [ "${STATUS}" = "COMPLETED" ]; then
    if [ -n "${ERROR}" ]; then
      echo "task failed: ${ERROR}"
      exit 1
    fi
    break
  fi

  sleep 3
done

curl -sS "${RESPONSE_URL}" "${COMMON_HEADERS[@]}" | jq .

import time
import requests

BASE_URL = "https://cloud.seaart.ai/model"
ENDPOINT = "nano_banana_2"
API_KEY = "YOUR_API_KEY"

headers = {
    "Authorization": f"Key {API_KEY}",
    "Content-Type": "application/json",
}

submit_resp = requests.post(
    f"{BASE_URL}/v1/queue/{ENDPOINT}",
    headers=headers,
    json={
        "prompt": "a cinematic photo of a cat astronaut",
    },
    timeout=30,
)
submit_resp.raise_for_status()
submit_body = submit_resp.json()

request_id = submit_body["request_id"]
status_url = submit_body["status_url"]
response_url = submit_body["response_url"]

while True:
    status_resp = requests.get(status_url, headers=headers, timeout=30)
    status_resp.raise_for_status()
    status_body = status_resp.json()

    status = status_body["status"]
    if status == "COMPLETED":
        if "error" in status_body:
            raise RuntimeError(f"{status_body.get('error_type')}: {status_body['error']}")
        break

    time.sleep(3)

result_resp = requests.get(response_url, headers=headers, timeout=30)
result_resp.raise_for_status()
result_body = result_resp.json()

print("request_id:", request_id)
print("result:", result_body)