Claude API 存取,使用 Anthropic 的 LLM 處理複雜推理、程式碼、分析及長上下文任務。
# Available Endpoints
POST /v1/chat/completions # LLM
POST /v1/images/generations # Image
POST /api/v1/kling/text_to_video # Video
POST /v1/audio/speech # TTS
POST /v1/audio/transcriptions # STT
POST /api/v1/suno/text_to_music # Music
const response = await fetch("https://runapi.ai/v1/chat/completions", {
method: "POST",
headers: { Authorization: `Bearer ${RUNAPI_API_KEY}`, "Content-Type": "application/json" },
body: JSON.stringify({ model: "your-model-id", messages: [{ role: "user", content: "Hello" }] })
})
const result = await response.json()
import os
import httpx
response = httpx.post(
"https://runapi.ai/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['RUNAPI_API_KEY']}"},
json={"model": "your-model-id", "messages": [{"role": "user", "content": "Hello"}]}
)
<?php
$ch = curl_init("https://runapi.ai/v1/chat/completions");
curl_setopt_array($ch, [CURLOPT_POST => true, CURLOPT_RETURNTRANSFER => true,
CURLOPT_HTTPHEADER => ["Authorization: Bearer $RUNAPI_API_KEY", "Content-Type: application/json"],
CURLOPT_POSTFIELDS => json_encode(["model" => "your-model-id", "messages" => [["role" => "user", "content" => "Hello"]])]);
$result = json_decode(curl_exec($ch), true);
HttpClient client = HttpClient.newHttpClient();
HttpRequest request = HttpRequest.newBuilder(URI.create("https://runapi.ai/v1/chat/completions"))
.header("Authorization", "Bearer " + RUNAPI_API_KEY)
.header("Content-Type", "application/json")
.POST(HttpRequest.BodyPublishers.ofString("{\"model\":\"your-model-id\",\"messages\":[]}")).build();
HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());
require "net/http"
uri = URI("https://runapi.ai/v1/chat/completions")
request = Net::HTTP::Post.new(uri)
request["Authorization"] = "Bearer #{ENV.fetch('RUNAPI_API_KEY')}"
request["Content-Type"] = "application/json"
request.body = {model: "your-model-id", messages: []}.to_json
requestBody := strings.NewReader(`{"model":"your-model-id","messages":[]}`)
request, _ := http.NewRequest(http.MethodPost, "https://runapi.ai/v1/chat/completions", requestBody)
request.Header.Set("Authorization", "Bearer "+os.Getenv("RUNAPI_API_KEY"))
request.Header.Set("Content-Type", "application/json")
response, err := http.DefaultClient.Do(request)
defer response.Body.Close()
# Authenticate once
runapi login
# Inspect available models
runapi models list --modality video
# Use the selected model in your workflow
runapi models show <model-id>
一個 API,接入主流 AI 模型
-
Flux
-
Midjourney
-
Whisper
-
ElevenLabs
-
HappyHorse
-
GPT Image 2
-
Veo
-
Minimax
-
Luma
-
PixVerse
-
Recraft
-
Fish Audio
-
DeepSeek
-
Qwen
-
Claude
-
GPT
-
Gemini
-
Seedance
-
Kling
-
Suno
11 個模型
透過 RunAPI 使用 DeepSeek API——flash 適合快速、低成本工作;pro 適合複雜的 agent 任務。
OpenAI 文字嵌入,用於語意搜尋、檢索、分群同排序 workflow。
Gemini API 存取,使用 Google 的多模態 LLM 處理對話、程式碼生成、推理及長上下文任務。
透過 RunAPI 使用 Z.ai GLM API,MIT 授權 MoE 模型,支援最高 200K 上下文,喺開放權重程式碼 benchmark 表現領先。
GPT API 存取,使用 OpenAI 的旗艦 LLM 處理對話、程式碼生成及多步推理任務。
透過 RunAPI 使用 xAI Grok 4.5 API,支援對話、程式碼、推理、函式呼叫同結構化輸出。
透過 RunAPI 使用 Moonshot AI Kimi API;而家旗艦 kimi-k3 會一直啟用推理,首版提供基本文字同步同 SSE。
RunAPI MiMo API:基礎版 mimo-v2.5 僅在同步 OpenAI Chat Completions 支援文字及遠程 HTTP(S) 圖片,mimo-v2.5-pro 僅支援文字。
透過 RunAPI 使用 MiniMax 文字 API,sparse MoE 模型涵蓋 200K 到 1M 上下文,最高 80.5% SWE-bench Verified。
透過 RunAPI 調用 Qwen API:開放權重的 Qwen3.5、Qwen3.6、Qwen3-VL 及 Qwen3-Coder-Next 語言模型,使用 OpenAI 相容的 Chat Completions。
11 個模型 沒有符合的模型
立即試用模型
選擇任意模型,數秒內即可開始生成。
一個 API,涵蓋所有 AI 模型
統一介面
一個 SDK 涵蓋所有模態的 260+ 個模型。切換供應商毋須改動程式碼。
即時定價
透明的按用量付費定價。沒有訂閱制、沒有隱藏費用,額度永不過期。
企業級保障
支援團隊 API 金鑰、用量分析及優先支援。
數秒內立即開始
團隊用 200+ 個模型構建乜嘢
影片行銷
使用 Kling、Veo 及 Runway,為每個受眾群組生成廣告變體
產品攝影
使用 Flux 及 Midjourney 建立媲美影樓水準的產品照片
播客製作
使用 Fish Audio 及 ElevenLabs 克隆聲音並生成開場白
AI 代理
讓你的代理透過 MCP 或 REST 存取任何模型
內容配樂
使用 Suno 及 Udio 為影片和播客配樂
多語言 TTS
以自然聲音將應用程式本地化至 40 多種語言
目錄常見問題
如何瀏覽可用模型?
請前往 /models,或使用 CLI:runapi models list。可按模態、供應商篩選,或以名稱搜尋。
我可以在一個專案中使用多個模型嗎?
可以。一個 API 金鑰可用於所有 260+ 個模型。你可以自由切換影片、圖像、音樂、音訊及 LLM 模型。
新模型是如何加入的?
我們會持續加入新模型。重大版本通常會在發佈後數天內上架。請留意我們的更新日誌以掌握最新消息。
我可以要求加入特定模型嗎?
可以。請聯絡我們並提供模型名稱及供應商。我們會評估所有要求並按需求優先處理。
模型下架時會發生甚麼事?
我們會在下架前 30 天通知使用者。你現有的程式碼會繼續運作——只需將模型參數更新至較新版本即可。
模型如何定價?
文字模型按每百萬輸入及輸出 token 收費;媒體模型按秒、按張或按分鐘收費。每個模型頁面及定價表都列明具體費率。