KI-gestützte Websuche mit detaillierten Übersichten und Antworten, schneller als Deep Search. Rang 1 auf OpenAI SimpleQA Benchmark.
LinkupForschung & Suche100K KontextProprietärer EndpointKI-gestützte Websuche mit detaillierten Übersichten und Antworten, schneller als Deep Search. Rang 1 auf OpenAI SimpleQA Benchmark.
Auch bekannt als Linkup-Standard
linkup-standard/v1/searchPOST/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/linkup-standard:generateContentLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Linkup Standard bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID linkup-standard. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "linkup-standard",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="linkup-standard",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die Linkup Standard API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| query | string | - | - | Die natürliche Sprachanfrage zu search/research/beantworten. |
| output_type | enum | sourcedAnswer | sourcedAnswer, searchResults, structured | searchErgebnisse | sourcedAnswer. sourcedAnswer liefert eine synthetisierte Antwort mit Quellenangaben; searchResults liefert rohe Treffer. |
| domain_filter_mode | enum | None | None, Include, Exclude | Include | ausschließen. Egal, ob der Domainfilter erlaubte oder blockierte Domains auflistet. |
| include_domains | string | - | - | Komma-getrennte Domains oder URLs, einschließlich |
| exclude_domains | string | - | - | Komma-getrennte Domains oder URLs sollten ausgeschlossen werden |
| prioritize_domains | string | - | - | Komma-getrennte Domänen können über Abfrageanleitung bevorzugt werden |
| from_date | string | - | - | Beziehen Sie nur Quellen, die an oder nach diesem Datum veröffentlicht wurden. Format: YYYY-MM-DD. |
| to_date | string | - | - | Beziehen Sie nur Quellen auf, die auf oder vor diesem Datum veröffentlicht wurden. Format: YYYY-MM-DD. |
| include_images | boolean | false | - | Fügen Sie relevante Bild-URLs in die Ergebnisse ein. |
| image_count | number | 6 | 1 bis 45 | Maximale Anzahl der zurückgegebenen Bilder. |
| enable_inline_citations | boolean | true | - | Fügen Sie [N]-Zitate in die synthetisierte Antwort ein. |
| include_sources | boolean | true | - | Gib die Liste der Quell-URLs zusammen mit der Antwort zurück. |
| max_results | number | - | 1 bis 100 | Maximale Anzahl der zurückgegebenen Ergebnisse. |
# 1 weltweit auf dem OpenAI SimpleQA Benchmark für sachliche Genauigkeit.
Auf EmpirioLabs wird Linkup Standard nach Verbrauch abgerechnet: pro Nachricht $0.013 fest. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Linkup Standard unterstützt ein Kontextfenster von 100K Token.
Ja. Linkup Standard bedient die OpenAI-kompatible Chat Completions API. Bestehende OpenAI SDKs funktionieren, indem du base_url auf https://api.empiriolabs.ai/v1 setzt und als Modell-ID linkup-standard verwendest.
Ja. Der EmpirioLabs Playground führt Linkup Standard im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.
