cURL / Python / Node.js

Toutes les bibliothèques OpenAI officielles fonctionnent ; seul base_url change. Les exemples utilisent gpt-5.6-sol ; pour le forfait Astra, utilisez gpt-astra.

Chat Completions

curl https://gpt.teamsoclo.site/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [
      {"role": "system", "content": "Tu es un assistant utile."},
      {"role": "user", "content": "Explique les closures en JavaScript"}
    ]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-xxx",
    base_url="https://gpt.teamsoclo.site/v1",
)

resp = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[
        {"role": "system", "content": "Tu es un assistant utile."},
        {"role": "user", "content": "Explique les closures en JavaScript"},
    ],
)

print(resp.choices[0].message.content)
print(resp.usage)

import OpenAI from "openai"

const client = new OpenAI({
  apiKey: "sk-xxx",
  baseURL: "https://gpt.teamsoclo.site/v1",
})

const resp = await client.chat.completions.create({
  model: "gpt-5.6-sol",
  messages: [
    { role: "system", content: "Tu es un assistant utile." },
    { role: "user", content: "Explique les closures en JavaScript" },
  ],
})

console.log(resp.choices[0].message.content)
console.log(resp.usage)

base_url doit inclure /v1 et ne pas finir par /. La bibliothèque ajoute /chat/completions elle-même.

Les réponses suivent exactement le schéma OpenAI : id vaut chatcmpl-..., usage contient prompt_tokens, completion_tokens et completion_tokens_details.reasoning_tokens. Le quota est facturé exactement usage.total_tokens.

Responses API

Codex et les SDK récents utilisent ce protocole. Le réglage de raisonnement se trouve dans reasoning.effort.

curl https://gpt.teamsoclo.site/v1/responses \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "input": "Écris une fonction Python qui teste si un nombre est premier",
    "reasoning": {"effort": "medium"}
  }'

resp = client.responses.create(
    model="gpt-5.6-sol",
    input="Écris une fonction Python qui teste si un nombre est premier",
    reasoning={"effort": "medium"},
)
print(resp.output_text)

Effort de raisonnement

Avec Chat Completions, utilisez reasoning_effort (low, medium, high). Non défini, la passerelle utilise high. Pour les tâches simples, mettez low pour économiser des tokens :

resp = client.chat.completions.create(
    model="gpt-5.6-sol",
    reasoning_effort="low",
    messages=[{"role": "user", "content": "Traduis en anglais : bonjour"}],
)

reasoning_effort ne vaut que pour Chat Completions. Avec la Responses API utilisez reasoning: {"effort": ...} ; envoyer reasoning_effort à /v1/responses est refusé avec « Unsupported parameter ».

Streaming

stream = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{"role": "user", "content": "Écris un court paragraphe sur l’automne"}],
    stream=True,
    stream_options={"include_usage": True},
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
    if chunk.usage:
        print("\n", chunk.usage)

curl https://gpt.teamsoclo.site/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [{"role": "user", "content": "Écris un court paragraphe sur l’automne"}],
    "stream": true,
    "stream_options": {"include_usage": true}
  }'

Sur les questions difficiles, le modèle peut réfléchir un moment avant le premier token. Utilisez stream: true pour que la connexion ne soit pas coupée. stream_options.include_usage fait porter usage par le dernier chunk pour rapprocher vous-même le quota.

Envoyer des images (vision)

Les images vont dans le tableau content, comme URL publique ou en base64 pour les fichiers locaux.

resp = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "Quelle erreur montre cette image ?"},
            {"type": "image_url", "image_url": {"url": "https://example.com/screenshot.png"}},
        ],
    }],
)
print(resp.choices[0].message.content)

import base64

with open("screenshot.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "Quelle erreur montre cette image ?"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}},
        ],
    }],
)
print(resp.choices[0].message.content)

Les images coûtent des tokens selon leur taille. Recadrez la partie utile au lieu d’envoyer une capture 4K entière.

Modèles et quota via l’API

# Modèles que cette clé peut appeler
curl https://gpt.teamsoclo.site/v1/models -H "Authorization: Bearer sk-xxx"

# Quota (anciens endpoints OpenAI)
curl https://gpt.teamsoclo.site/v1/dashboard/billing/subscription -H "Authorization: Bearer sk-xxx"
curl https://gpt.teamsoclo.site/v1/dashboard/billing/usage -H "Authorization: Bearer sk-xxx"

subscription renvoie le total dans hard_limit_usd ; usage renvoie la consommation dans total_usage, en cents (divisez par 100 avant de comparer). La page de vérification le fait pour vous.

Démarrage

Configuration

Support

Chat Completions

Responses API

Effort de raisonnement

Streaming

Envoyer des images (vision)

Modèles et quota via l’API

​Chat Completions

​Responses API

​Effort de raisonnement

​Streaming

​Envoyer des images (vision)

​Modèles et quota via l’API

Chat Completions

Responses API

Effort de raisonnement

Streaming

Envoyer des images (vision)

Modèles et quota via l’API