Skip to content

Latest commit

 

History

History
447 lines (366 loc) · 16.7 KB

README.md

File metadata and controls

447 lines (366 loc) · 16.7 KB
Raw

中文 | English

simple-one-api:通过标准的 OpenAI API 格式访问的各种国产大模型，开箱即用

简介

目前市面上免费的使用国产的免费大模型越来越多，one-api对于个人用起来还是有点麻烦，就想要一个不要统计、流量、计费等等的适配程序即可。

还有一点是：即使有些厂商说兼容openai的接口，但是实际上还是存在些许差异的！！！

simple-one-api主要是解决以上2点，旨在兼容多种大模型接口，并统一对外提供 OpenAI 接口。通过该项目，用户可以方便地集成和调用多种大模型，简化了不同平台接口差异带来的复杂性。

免费大模型列表

大模型 免费版本 免费限制 控制台（api_key等） 文档地址
讯飞星火大模型 spark-lite tokens：总量无限
QPS：2
有效期：不限		 访问链接 文档查看
百度千帆大模型平台 yi_34b_chat, ERNIE-Speed-8K, ERNIE-Speed-128K, ERNIE-Lite-8K, ERNIE-Lite-8K-0922, ERNIE-Tiny-8K Lite、Speed-8K：RPM = 300，TPM = 300000
Speed-128K：RPM = 60，TPM = 300000		 访问链接 文档查看
腾讯混元大模型 hunyuan-lite 限制并发数为 5 路 访问链接 链接
Cloudflare Workers AI 所有模型 免费可以每天使用1万次，一个月可以30万次；测试版本本的模型无限制 访问链接 文档查看
字节扣子(coze.cn) 豆包·Function call模型(32K)、通义千问-Max(8K)、MiniMax 6.5s(245K)、Moonshot（8K）、Moonshot（32K）、Moonshot（128K） 当前扣子 API 免费供开发者使用，每个空间的 API 请求限额如下：QPS (每秒发送的请求数)：2
QPM (每分钟发送的请求数)：60
QPD (每天发送的请求数)：3000		 访问链接 文档查看
字节火山方舟 doubao系列、Moonshot系列等 2024年5月15日至8月30日期间，为您提供一次独特的机会，即高达5亿tokens的免费权益。 访问链接 文档查看
Llama Family "Atom-13B-Chat","Atom-7B-Chat","Atom-1B-Chat","Llama3-Chinese-8B-Instruct" 1.每天 8-22 点：接口限速每分钟 20 次并发
2.每天 22-次日 8 点：接口限速每分钟 50 次并发		 访问链接 文档查看
groq gemma-7b-it、mixtral-8x7b-32768、llama3-70b-8192、llama3-8b-8192 rpm为30，rpd为14400，TOKENS PER MINUTE也有限制 访问链接 文档查看
Google Gemini gemini-1.5-pro、gemini-1.5-flash、gemini-1.0-pro、gemini-pro-vision 15RPM（每分钟请求数）;100万 TPM（每分钟令牌）;1500 RPD（每天请求数） 访问链接 文档查看

各个模型详细的申请和接入流程

为了更加方便申请和接入，也整理了各个模型的接入指南，可以查阅：

功能

文本生成

支持多种大模型：

如果兼容某个参加已经支持OpenAI的接口，那么可以在simple-one-api中直接使用。参考文档docs/兼容OpenAI模型协议接入指南.md

支持的功能

  • 支持配置多个模型，可以随机负载均衡
  • 支持一个模型可配置多个api_key，并且可以随机负载均衡
  • 支持设置一个对外总api_key
  • 支持random模型，后台自动寻找配置的可用的模型
  • 支持模型设置别名
  • 支持每一种模型服务设置服务的地址
  • 兼容支持OpenAI的接口，同时支持/v1和/v1/chat/completions两种路径
  • 对于不支持system的模型，simple-one-api会放到第一个prompt中直接兼容（更加统一，例如沉浸式翻译中如果system，不支持system的模型也能正常调用）
  • 支持全局代理模式
  • 支持每个service设置qps或qpm或者concurrency

更新日志

查看 CHANGELOG.md 获取本项目的详细更新历史。

交流群

交流群

安装

源码安装

  1. 克隆本仓库：
git clone https://github.com/fruitbars/simple-one-api.git

快速编译使用

首先得确保你已经安装了go，版本需要是1.18以上，具体安装教程参考官网地址：https://go.dev/doc/install 可以通过go version查看go的版本。

linux/macOS

chmod +x quick_build.sh
./quick_build.sh

将会在当前目录生成simple-one-api

Windows 双击quick_build.bat执行

quick_build.bat

将会在当前目录生成simple-one-api.exe

交叉编译不同平台版本

有时需要编译不同平台的版本，比如windows、linux、macOS； 确保安装好go之后，执行build.sh

chmod +x build.sh
./build.sh

会自动编译出对于以上3中平台不同架构的可执行文件，生成在build目录中。

接下来配置你的模型服务和凭证： 在 config.json 文件中添加你的模型服务和凭证信息，参考下文的配置文件说明。

直接下载

前往Releases页面

使用方法

直接启动

默认读取和simple-one-api相同目录下的config.json启动

./simple-one-api

如果想指定config.json的路径，可以这样启动

./simple-one-api /path/to/config.json

Docker 启动

以下是如何使用 Docker 部署 simple-one-api 的步骤： 运行 使用以下命令运行 Docker 容器，同时挂载你的配置文件 config.json：

docker run -d --name simple-one-api -p 9090:9090 -v /path/to/config.json:/app/config.json fruitbars/simple-one-api

注意： 请确保将 /path/to/config.json 替换为 config.json 文件在你主机上的绝对路径。

查看容器日志 你可以使用以下命令查看容器的日志输出：

docker logs -f simple-one-api

或

docker logs -f <container_id>

其中，<container_id> 是容器的 ID，可以通过 docker ps 命令查看。

Docker Compose 启动步骤

  1. 配置文件：在docker-compose.yml中首先确保你已经将你的 config.json 文件的路径替换成了正确的绝对路径。
  2. 启动容器： 使用 Docker Compose 启动服务，你可以在包含 docker-compose.yml 文件的目录下运行以下命令： 
    docker-compose up -d
    这个命令会在后台启动 simple-one-api 服务。

其他查看命令参考docker-compose的文档。

其他启动方式

其他启动方式:

调用 API

现在，你可以通过 OpenAI 兼容的接口调用你配置的各大模型服务。服务地址: http://host:port/v1,api-key可以任意设置

支持模型名称设置为random，后台会自动找一个"enabled": true的模型来使用。

配置文件示例（以讯飞星火spark-lite为例）

{
    "load_balancing": "random",
    "services": {
      "xinghuo": [
        {
          "models": ["spark-lite"],
          "enabled": true,
          "credentials": {
            "appid": "xxx",
            "api_key": "xxx",
            "api_secret": "xxx"
          }
        }
      ]
    }
}

其他模型的配置文件示例可以参考

配置文件说明

参考文档：config.json详细说明

各个厂商详细的配置说明：https://github.com/fruitbars/simple-one-api/tree/main/docs

各个厂商详细的示例config：https://github.com/fruitbars/simple-one-api/tree/main/samples

比较完整的配置文件示例

具体文档查看config.json详细说明.md,以下是一个完整的配置示例，涵盖了多个大模型平台和不同模型：

{
  "server_port":":9090",
  "load_balancing": "random",
  "services": {
    "qianfan": [
      {
        "models": ["yi_34b_chat", "ERNIE-Speed-8K", "ERNIE-Speed-128K", "ERNIE-Lite-8K", "ERNIE-Lite-8K-0922", "ERNIE-Tiny-8K"],
        "enabled": true,
        "credentials": {
          "api_key": "xxx",
          "secret_key": "xxx"
        }
      }
    ],
    "xinghuo": [
      {
        "models": ["spark-lite"],
        "enabled": true,
        "credentials": {
          "appid": "xxx",
          "api_key": "xxx",
          "api_secret": "xxx"
        },
        "server_url": "ws://spark-api.xf-yun.com/v1.1/chat"
      }
    ],
    "hunyuan": [
      {
        "models": ["hunyuan-lite"],
        "enabled": true,
        "credentials": {
          "secret_id": "xxx",
          "secret_key": "xxx"
        }
      }
    ],
    "openai": [
      {
        "models": ["deepseek-chat"],
        "enabled": true,
        "credentials": {
          "api_key": "xxx"
        },
        "server_url": "https://api.deepseek.com/v1"
      }
    ],
    "minimax": [
      {
        "models": ["abab6-chat"],
        "enabled": true,
        "credentials": {
          "group_id": "xxx",
          "api_key": "xxx"
        },
        "server_url": "https://api.minimax.chat/v1/text/chatcompletion_pro"
      }
    ]
  }
}

FAQ

在沉浸式翻译当中怎么使用？

参考docs/在沉浸式翻译中使用simple-one-api

是否支持并发限制？

具体文档查看config.json详细说明.md

参考如下配置，免费的讯飞星火spark-lite模型，有2qps限制，因此可以这么设置：

{
  "server_port": ":9090",
  "debug": false,
  "load_balancing": "random",
  "services": {
    "xinghuo": [
      {
        "models": ["spark-lite"],
        "enabled": true,
        "credentials": {
          "appid": "xxx",
          "api_key": "xxx",
          "api_secret": "xxx"
        },
        "limit": {
          "qps":2,
          "timeout": 10
        }
      }
    ]
  }
}

如何设置代理

目前只支持程序全局代理，假设我们有本地代理http://127.0.0.1:7890，可以按照如下方式设置

{
  "server_port": ":9099",
  "log_level": "prod",
  "load_balancing": "random",
  "proxy":{
    "http_proxy":"http://127.0.0.1:7890",
    "https_proxy":"http://127.0.0.1:7890"
  },
  "services": {
    "gemini": [
      {
        "models": ["gemini-1.5-flash"],
        "enabled": true,
        "credentials": {
          "api_key": "xxx"
        },
        "limit": {
          "rpm": 15,
          "timeout":120
        }
      }
    ]
  }
}

如何设置一个对外的apikey？

可以通过api_key字段来设置

{
    "api_key":"123456",
    "load_balancing": "random",
    "services": {
       "xinghuo": [
         {
           "models": ["spark-lite"],
           "enabled": true,
           "credentials": {
             "appid": "xxx",
             "api_key": "xxx",
             "api_secret": "xxx"
           }
         }
       ]
   }
}

单个模型如何配置多个credentials自动负载？

以客户端选择spark-lite为例，可以按照下面这样配置，会随机credentials

{
    "api_key":"123456",
    "load_balancing": "random",
    "services": {
       "xinghuo": [
         {
           "models": ["spark-lite"],
           "enabled": true,
           "credentials": {
             "appid": "xxx",
             "api_key": "xxx",
             "api_secret": "xxx"
           }
         },
         {
           "models": ["spark-lite"],
           "enabled": true,
           "credentials": {
             "appid": "xxx",
             "api_key": "xxx",
             "api_secret": "xxx"
           }
         }
       ]
   }
}

如何让后台随机选择模型使用？

load_balancing就是为自动选择模型来配置的，支持random，自动随机选一个enabled为true的模型

{
    "api_key":"123456",
    "load_balancing": "random",
    "services": {
       "xinghuo": [
         {
           "models": ["spark-lite"],
           "enabled": true,
           "credentials": {
             "appid": "xxx",
             "api_key": "xxx",
             "api_secret": "xxx"
           }
         }
       ]
   }
}

Star History

Star History Chart

贡献

我们欢迎任何形式的贡献。如果你有任何建议或发现了问题，请通过提交 issue 或 pull request 的方式与我们联系。