O que é uma API de LLM?

Uma API LLM permite que sua aplicação envie uma conversa, como uma lista de mensagens e em muitos modelos com imagens, vídeos ou documentos, para um grande modelo de linguagem e receba o texto gerado por ele. Você escolhe o modelo por solicitação, e o uso é contabilizado em tokens de entrada e saída.

Tipos de modelos

O que uma API LLM faz

Um grande modelo de linguagem (LLM) é um modelo treinado para ler e escrever texto. Uma API de LLM disponibiliza esse modelo via HTTPS: seu aplicativo envia uma solicitação com um ID de modelo e uma lista de mensagens, e a API retorna a resposta do modelo. Cada mensagem tem um papel. A Sistema mensagem define instruções permanentes, usuário as mensagens carregam a entrada da pessoa, e assistente Mensagens retêm respostas anteriores, então o modelo vê a conversa que está continuando.

Muitos modelos de texto aceitam mais do que texto. Dependendo do modelo, uma mensagem pode incluir imagens, vídeo, áudio ou documentos, e o modelo responde em texto. Modelos leem e escrevem texto como tokens, e o janela de contexto limita quantos tokens uma requisição pode conter. As janelas de contexto diferem de modelo para modelo, e alguns modelos de texto aceitam tokens de 1M (1M tokens).

Como funciona uma solicitação

Você envia um POSTAR solicitação com sua chave de API no Autorização cabeçalho. O corpo nomeia o modelo e as mensagens, além de configurações opcionais como max_tokens, temperatura ou Ferramentas. A resposta contém a resposta e um Uso objeto que conta os tokens de entrada e saída da solicitação.

A API não lembra das solicitações anteriores. Para continuar uma conversa, envie novamente as mensagens anteriores junto com a nova. Para mostrar uma resposta longa enquanto está sendo escrita, defina Stream para Verdade: a resposta chega como Eventos Enviados pelo Servidor, alguns tokens de cada vez, e o uso chega ao final do fluxo.

O que os desenvolvedores constroem com APIs de LLM

  • Assistentes e chat de suporte. Responda perguntas dentro do seu produto, seguindo suas próprias instruções.
  • Resumos e extração. Condense documentos, transcrições e e-mails, ou extraia campos deles como JSON com Saída estruturada.
  • Agentes. Com chamada de função, o modelo pede ao seu código que execute uma função, como uma consulta de banco de dados, e usa o resultado em sua resposta.
  • Programação. Gere, explique e revise código, ou execute um agente de programação no seu editor.
  • Respostas a partir do seu próprio conteúdo. Encontre passagens relevantes com um API de embeddings e inclua-os no prompt.

O que comparar entre modelos de texto

  • Qualidade na sua tarefa. Execute os mesmos sugestões por alguns candidatos e leia as respostas. Comparações de modelos lado a lado Ajude a restringir a lista.
  • Raciocínio. A Modelo de raciocínio resolve um problema antes que ele responda. Isso ajuda com matemática, planejamento e código, mas leva mais tempo e gera mais tokens de saída. Muitos modelos permitem que você defina o esforço de raciocínio ou um orçamento de pensamento.
  • Janela de contexto. Documentos longos, grandes bases de código e longos históricos de chat precisam de uma janela grande.
  • Entradas e recursos. Verifique se o modelo lê imagens, vídeos, áudios ou documentos, e se suporta chamada de ferramentas, saída estruturada ou busca na web.
  • Velocidade. O tempo até o primeiro token e a velocidade de saída determinam quão rápido uma interface de chat responde.
  • Price. A maioria dos modelos de texto é cobrada por milhão de tokens de entrada e por milhão de tokens de saída, e tokens de saída frequentemente custam mais. Alguns modelos cobram entrada em cache a uma taxa menor (veja cache de prompts), e alguns também são executados pela API Batch para tarefas grandes que não precisam de resposta imediata (veja Inferência em lote).

Tente chamar um modelo de texto no EmpirioLabs AI

Navegar pelo Modelos de texto, então abra o Playground para conversar com um antes de escrever código. Para chamar um modelo a partir da sua aplicação, crie uma chave de API no painel e envie uma solicitação para https://api.empiriolabs.ai/v1/chat/completions. A maioria dos modelos de texto também aceita os formatos de solicitação de /v1/responses e /v1/messages. O endpoint do chat é compatível com OpenAI, então uma integração existente do SDK OpenAI funciona assim que você altera a URL base e a chave.

O guia de introdução percorre uma primeira requisição. Uma resposta que precisa de mais tempo do que uma requisição HTTP permite pode ser executada sobre o Modo WebSocket para respostas longas.

Pague conforme você utilize, ou escolha um plano com subsídios semanais. As tarifas atuais de cada modelo estão no página de preços.

Modelos de Geração de Texto no EmpirioLabs AI

74 modelos, do mais barato para o mais caro quando compartilham uma unidade de cobrança. A página de cada modelo traz a tabela de preços completa, os parâmetros e código.

Endpoints

POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1/completions POST /v1/audio/speech POST /v1/audio/speech:stream

Por 1M de tokens, pela tarifa de entrada

ModeloEntradaSaída
GLM 4.5 Flash Z.aiGrátisGrátis
GLM 4.6V Flash Z.aiGrátisGrátis
GLM 4.7 Flash Z.aiGrátisGrátis
Qwen3.7 Flash Alibaba Cloud<=32K $0.03 32K-256K $0.10 256K-1M $0.20<=32K $0.13 32K-256K $0.40 256K-1M $0.80
Qwen3.5 4B Alibaba Cloud$0.04$0.07
Nova Micro 1.0 Amazon$0.040$0.16
GLM 4.6V FlashX Z.ai$0.04$0.40
Gemma 4 26B-A4B Google$0.15$0.05$0.50$0.29
Ver todos os 71 modelos
ModeloEntradaSaída
Qwen3.5 35B-A3B Alibaba Cloud$0.25 <=128K $0.057 $0.25 128K-256K $0.229$2.00 <=128K $0.459 $2.00 128K-256K $1.835
Nova Lite 1.0 Amazon$0.069$0.28
GLM 4.7 FlashX Z.ai$0.07$0.40
Qwen3.6 35B A3B Alibaba Cloud$0.248$0.07$1.485$0.42
GLM 5.3 Flash Z.ai$0.075$0.25
Qwen3.5 27B Alibaba Cloud$0.30 <=128K $0.086 $0.30 128K-256K $0.258$2.40 <=128K $0.688 $2.40 128K-256K $2.064
Qwen3.5 9B Alibaba Cloud$0.10$0.09$0.15$0.13
Qwen3.5 Flash Alibaba Cloud$0.10$0.090$0.40$0.368
Step 3.5 Flash StepFun$0.10$0.30
Step 3.5 Flash 2603 StepFun$0.10$0.30
MiniMax M3.1 Flash MiniMax$0.15$0.1125$0.60$0.45
Qwen3.5 122B-A10B Alibaba Cloud$0.40 <=128K $0.115 $0.40 128K-256K $0.287$3.20 <=128K $0.917 $3.20 128K-256K $2.294
Seed 2.0 Mini ByteDance<=128K $0.12 128K-256K $0.24<=128K $0.50 128K-256K $1.00
MiMo V2.6 Flash Xiaomi$0.14$0.28
Mistral Small 4 Mistral AI$0.15$0.60
Qwen3.8 Flash Alibaba Cloud$0.16$0.47
Qwen3.8 27B Alibaba Cloud$0.45$0.17$3.20$0.50
Qwen3.5 397B-A17B Alibaba Cloud$0.60 <=128K $0.172 $0.60 128K-256K $0.43$3.60 <=128K $1.032 $3.60 128K-256K $2.58
DeepSeek V4.1 Flash 1017 DeepSeek$0.20$0.80
Muse Glimmer 30B Meta AI$0.35$0.20$1.50$0.80
Step 3.7 Flash StepFun$0.20$1.15
MiniMax M3 MiniMax$0.30 <=512K $0.225 $0.60 >512K $0.45$1.20 <=512K $0.90 $2.40 >512K $1.80
Qwen3.6 Flash Alibaba Cloud<=256K $0.25 256K-1M $1.00<=256K $1.50 256K-1M $4.00
Qwen3.8 Omni Flash Alibaba Cloud$0.30$0.94
Seed 2.0 Lite ByteDance<=128K $0.31 128K-256K $0.62<=128K $2.50 128K-256K $5.00
Qwen3.5 Plus Alibaba Cloud$0.40 <=256K $0.36 $0.50 256K-1M $0.45$2.40 <=256K $2.21 $3.00 256K-1M $2.76
Nova Lite 2 Amazon$0.38$3.16
Qwen3.7 Plus Alibaba Cloud<=256K $0.40 256K-1M $1.20<=256K $1.60 256K-1M $4.80
Seed 2.0 Code ByteDance<=128K $0.40 128K-256K $0.80<=128K $2.40 128K-256K $4.80
Qwen3.6 27B Alibaba Cloud$0.60$0.412564$3.60$2.475384
DeepSeek V4 Flash 0731 DeepSeek$0.424$1.272
MiMo V2.6 Pro Xiaomi$0.435$0.87
Qwen3.6 Plus Alibaba Cloud<=256K $0.50 256K-1M $2.00<=256K $3.00 256K-1M $6.00
Seed 2.1 Turbo ByteDance$0.63$3.13
Seed 2.0 Pro ByteDance<=128K $0.63 128K-256K $1.26<=128K $3.79 128K-256K $7.58
Qwen3.5 Omni Flash Alibaba Cloud$0.80$4.40
GLM 5.1 Z.ai$1.40 <=32K $0.825 $1.40 32K-200K $1.10$4.40 <=32K $3.301 $4.40 32K-200K $3.851
Kimi K2.6 Moonshot AI$0.95$0.8939$4.00$3.7131
Kimi K2.7 Code Moonshot AI$0.95$4.00
Step 5 Preview StepFun$1.00$2.70
Muse Spark 1.1 Meta AI$1.25$4.25
Muse Spark 1.2 Meta AI$1.25$4.25
Muse Spark 1.3 Meta AI$1.25$4.25
DeepSeek V4 Pro 0813 DeepSeek$1.32$3.96
GLM 5.2 Z.ai$1.40$4.40
GLM 5.3 Z.ai$1.40$4.40
StepAudio 2.5 Chat StepFun$1.50$3.50
StepAudio 3 Chat StepFun$1.50$3.50
Qwen4 Max Alibaba Cloud$1.50$4.50
DeepSeek V4 Pro DeepSeek$1.74$1.65$3.48$3.30
Kimi K2.7 Code Highspeed Moonshot AI$1.90$8.00
Fugu Max Sakana AI$2.00$6.00
Qwen3.8 Max Alibaba Cloud$2.00$6.00
Qwen3.8 Max 0902 Alibaba Cloud$2.00$6.00
Kimi K3.1 Pro Moonshot AI$2.00$10.00
Nova Pro 1.0 Amazon$2.40$9.60
Qwen3.7 Max Alibaba Cloud$2.50$7.50
Qwen3.5 Omni Plus Alibaba Cloud$2.80$16.60
Kimi K3 Moonshot AI$3.00$15.00
MiMo V2.6 Pro UltraSpeed Xiaomi$4.35$8.70
Fugu Ultra v1.1 Sakana AI<=272K $5.00 >272K $10.00<=272K $30.00 >272K $45.00
Fugu Ultra v2.0 Sakana AI<=272K $5.00 >272K $10.00<=272K $30.00 >272K $45.00
Fugu Ultra v1.0 Sakana AI<=272K $7.50 >272K $15.00<=272K $45.00 >272K $67.50

Também disponíveis: DeepReasoning, Gemma 3 27B, Mistral Small 3.1

Perguntas frequentes

Qual é a diferença entre um LLM e uma API de LLM?

Um LLM é o modelo treinado. Uma API de LLM é a interface que seu código chama para enviar uma solicitação ao modelo e receber sua saída, para que você possa usar o modelo sem executá-lo sozinho.

Como uma API de LLM é cobrada?

A maioria dos modelos de texto é cobrada por tokens, com uma taxa por milhão de tokens de entrada e outra por milhão de tokens de saída, então prompts mais longos e respostas mais longas custam mais. Em EmpirioLabs AI você pode pagar conforme vai ou escolher um plano com quotas semanais.

Uma API de LLM lembra da conversa?

Não. Cada requisição é independente, então você envia as mensagens anteriores a cada nova solicitação. A janela de contexto do modelo limita quanto histórico cabe em uma única requisição.

O que significa streaming em uma API de LLM?

Com streaming, a API envia a resposta em pequenos trechos enquanto o modelo a escreve, em vez de uma resposta no final. Defina o fluxo como true em uma solicitação de chat para receber a resposta como Eventos Enviados pelo Servidor.

Posso usar o SDK do OpenAI com EmpirioLabs AI?

Sim. Defina a URL base do SDK para https://api.empiriolabs.ai/v1, use sua chave API EmpirioLabs AI e passe um ID de modelo do catálogo.

Qual modelo Geração de Texto custa menos no EmpirioLabs AI?

GLM 4.5 Flash, GLM 4.6V Flash, GLM 4.7 Flash dividem a menor tarifa de entrada entre os 71 modelos Geração de Texto com esse tipo de cobrança. A tabela de preços desta página mostra a menor tarifa de cada modelo e a que ela se aplica.

Pronto para usar endpoints melhores?

Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.