Популярные API для работы с искусственным интеллектом
|
4
|
0
|
未分类

3332 字
|
21 分钟

原作者： Luke Stahl

AI API 使开发人员能够访问强大的预训练模型，而无需深入的机器学习知识。本文概述了用于人工智能的最常用 API。我们来看看如何在您的项目中有效地使用它们。

在本文中，我们将考虑：

OpenAI 应用程序接口 · ·人类学 · ·Google Vertex AI · ·AWS 基岩 · ·格罗克 · ·大脑

为什么要使用 API for AI？

  1. 节省开发时间：您可以立即开始使用高级 AI，而不是花费数月时间训练自己的模型。

  2. 轻松添加高级功能：只需几个 API 请求即可实现自然语言处理、图像识别或预测分析等复杂功能。

  3. 模型会自动改进：当 API 提供程序更新模型时，应用程序无需您执行任何额外作即可接收这些改进。

  4. 成本效益：在大多数情况下，使用 API 比构建和维护自己的 AI 基础设施便宜得多。

  5. 专注于核心产品：通过将复杂 AI 任务的处理外包给外部服务，您可以专注于开发应用程序的独特方面。

热门 API

打开 AI

OpenAI API

OpenAI API

OpenAI 的 API 提供对各种语言模型的访问，包括它们的 o1 和 o3 迷你推理模型。这些模型旨在通过改进功能解决各种自然语言问题。

特征：

  • 高级文本生成和添加。

  • 改进的推理和任务执行能力。

  • 增强的多语言工作功能。

  • 用于针对特定情况微调模型的选项。

以下是如何使用此 API 的示例：

const { Configuration, OpenAIApi } = require("openai");

const configuration = new Configuration({
  apiKey: process.env.OPENAI_API_KEY,
});
const openai = new OpenAIApi(configuration);

async function generateBlogOutline(topic) {
  const completion = await openai.createChatCompletion({
    model: "o1",
    messages: [
      {role: "system", content: "You are a helpful assistant that creates blog outlines."},
      {role: "user", content: Create an outline for a blog post about ${topic}}
    ],
  });

  console.log(completion.data.choices[0].message.content);
}

generateBlogOutline("The future of remote work");

定价： OpenAI 使用按代币付费的模式。有关最新的定价信息，请参阅官方定价页面。价格可能因具体型号和使用量而异。

注意：o1 型号的定价结构可能与以前的版本不同。在将 API 集成到您的项目中之前，请务必查看官方定价页面以获取最新信息。

人

人

人

Anthropic 最近发布了 Claude 3.7 Sonnet，这是其迄今为止的最新模型。这种混合推理模型显著提高了编程、内容生成、数据分析和规划的能力。

特征：

  • 改进了推理和执行任务的能力。

  • 高级编程功能。

  • 卷为 200,000 个令牌的上下文窗口。

  • 计算机交互功能（在 beta 模式下）。

  • 适用于复杂任务的高级思维模式。

用例：创建 AI 助手进行研究。

const Anthropic = require('@anthropic-ai/sdk');

const anthropic = new Anthropic({
  apiKey: 'your-api-key',
});

async function researchTopic(topic) {
  const prompt = `Human: Provide a comprehensive overview of the latest research on ${topic}.
  Include key findings, methodologies, and potential future directions.

  Assistant: Certainly! I'll provide an overview of the latest research on ${topic}. Here's a summary of key findings, methodologies, and future directions:

  1. Key Findings:
  `;

  const response = await anthropic.completions.create({
    model: 'claude-3.7-sonnet',
    prompt: prompt,
    max_tokens_to_sample: 1000,
  });

  return response.completion;
}

researchTopic("quantum computing")
  .then(researchSummary => console.log(researchSummary))
  .catch(error => console.error('Error:', error));

定价： 截至 2025 年 4 月，Claude 3.7 Sonnet 的起价为每百万个输入令牌 3 美元和每百万个输出令牌 15 美元。通过快速缓存最多可节省 90% 的费用，在批处理方面最多可节省 50%。最新的详细定价信息，包括折扣和特别优惠，可以在 Anthropic 官方页面上找到。

Claude 3.7 Sonnet 结合了尖端功能和有竞争力的价格，使其成为 AI API 市场的强大参与者。它特别适合编程、内容生成和数据分析等复杂任务。该模型可通过 Anthropic API、Amazon Bedrock 和 Google Cloud Vertex AI 获得。

谷歌顶点人工智能

Vertex AI 是 Google 的一个机器学习平台，提供广泛的 AI 和 ML 服务。

特征：

  • 访问多个模型，包括 Google 自己的模型（例如 Gemini Flash 2.0）和第三方解决方案（例如 Claude）。

  • 与其他 Google Cloud 服务紧密集成。

  • 用于训练自定义模型的 AutoML 功能。

使用案例：客户评论的情绪分析。

const aiplatform = require('@google-cloud/aiplatform');

async function analyzeSentiment(text) {
  const {PredictionServiceClient} = aiplatform.v1;
  const client = new PredictionServiceClient({apiEndpoint: 'us-central1-aiplatform.googleapis.com'});

  const instance = {
    content: text,
  };

  const instances = [instance];
  const parameters = {
    confidenceThreshold: 0.5,
    maxPredictions: 1,
  };

  const endpoint = client.endpointPath(
    'your-project',
    'us-central1',
    'your-endpoint-id'
  );

  const [response] = await client.predict({
    endpoint,
    instances,
    parameters,
  });

  return response.predictions[0];
}

analyzeSentiment("I absolutely love this product! It's amazing!")
  .then(sentiment => console.log(sentiment))
  .catch(error => console.error('Error:', error));

定价：Vertex AI 使用即用即付模型进行预测。定价基于使用的计算节点的小时数。定价因区域和机器类型而异。有关最新详细信息，包括不同机器类型和区域的费率，请访问官方页面。

注意：Vertex AI Prediction 无法扩展到零节点，因此部署的模型始终存在最低费用。预测批处理作业在完成后计费，而不是分阶段计费。

AWS 基岩版

AWS 基岩版

AWS 基岩版

AWS Bedrock 提供单个 API，用于访问来自不同供应商的各种预训练模型。

特征：

  • 访问来自 Anthropic、AI21 Labs、Cohere 和 Amazon 的模型。

  • 与其他 AWS 服务无缝集成。

  • 微调和自定义选项。

用例：创建多语言聊天机器人。

const AWS = require('aws-sdk');

// Configure AWS SDK
AWS.config.update({region: 'your-region'});

const bedrock = new AWS.BedrockRuntime();

async function translateAndRespond(userInput, targetLanguage) {
    const prompt = `Human: Translate the following text to ${targetLanguage} and then respond to it:
    ${userInput}

    Assistant: Certainly! I'll translate the text and then respond to it in ${targetLanguage}.

    Translation:
    `;

    const params = {
        modelId: 'anthropic.claude-v2',
        contentType: 'application/json',
        accept: 'application/json',
        body: JSON.stringify({
            prompt: prompt,
            max_tokens_to_sample: 300,
            temperature: 0.7,
            top_p: 1,
            stop_sequences: ["nnHuman:"]
        })
    };

    try {
        const response = await bedrock.invokeModel(params).promise();
        const responseBody = JSON.parse(response.body);
        return responseBody.completion;
    } catch (error) {
        console.error('Error:', error);
        throw error;
    }
}

translateAndRespond("What's the weather like today?", "French")
    .then(result => console.log(result))
    .catch(error => console.error('Error:', error));

定价：AWS Bedrock 的定价模型提供了使用不同 AI 模型的灵活性，同时维护单个 API，从而可以轻松试验不同的解决方案并在必要时更换提供商。当前的定价计划可在 AWS Bedrock 官方页面上找到。

快速推理选项

Groq 和 Cerebras 为开源模型提供了令人印象深刻的性能提升，使开发人员能够以以前无法达到的速度运行流行的开源模型。

格罗克

格罗克

格罗克

Groq 是一家开发 AI 硬件的公司，用于大型语言模型的高速推理（推理）。它由前 Google TPU 架构师 Jonathan Ross 创立。Groq 开发了一种称为语言处理单元 （LPU） 的独特架构，专门针对特定于自然语言处理的顺序计算任务进行了优化。

基于 LPU 的推理平台具有以下几个主要优势：

  • 确定性性能：与传统 GPU 不同，Groq 的 LPU 提供一致且可预测的性能，而不受输入数据的影响，这对于实时应用程序至关重要。

  • 低延迟：Groq 架构针对低延迟进行了优化，即使在使用复杂语言模型时，通常也能实现小于 100 毫秒的响应时间。

  • 能效：与许多 GPU 解决方案相比，LPU 的设计特点提供了高性能和更低的功耗。

  • 可扩展性：Groq 基础设施旨在随着负载的增加而扩展而不会牺牲性能。

Groq 提供对各种流行的开源模型的访问，包括 LLaMA 变体、Mixtral 和其他高级语言模型。该平台特别适合需要即时响应的应用程序，例如实时聊天机器人、代码完成工具和交互式 AI 助手。

特征：

  • 极低的延迟（通常为 <100 毫秒）。

  • 支持流行的开源模型。

  • 与现有工作流程轻松集成。

用例：实时代码补全。

const Groq = require('groq-sdk');

const client = new Groq({
  apiKey: "your-api-key"
});

async function completeCode(codeSnippet) {
  try {
    const chatCompletion = await client.chat.completions.create({
      messages: [
        {
          role: "system",
          content: "You are a helpful coding assistant. Complete the given code snippet."
        },
        {
          role: "user",
          content: Complete this code:nn${codeSnippet}
        }
      ],
      model: "llama2-70b-4096",
      max_tokens: 100
    });

    return chatCompletion.choices[0].message.content;
  } catch (error) {
    console.error('Error:', error);
    throw error;
  }
}

const code = "def fibonacci(n):n    if n  console.log(completedCode))
  .catch(error => console.error('Error:', error));

定价： Groq 使用按代币付费的模式，成本取决于具体模型和输入/输出数据量。图像和语音处理模型也可用，单独收费。最新的详细定价信息，包括不同模型和功能的费率，可以在 Groq 官方页面上找到。

Cerebras 公司

Cerebras 公司

Cerebras 公司

Cerebras 是另一家以开发晶圆级引擎 （WSE） 而闻名的 AI 硬件公司，这是有史以来最大的芯片。他们的 CS-2 系统由 WSE-2 提供支持，旨在显着加速 AI 计算。

Cerebras 技术的主要特点：

  • 大容量板载内存：WSE-2 直接在芯片上包含 40 GB 内存，减少了数据移动的需求并提高了效率。

  • 快速数据传输：Cerebras 系统具有每秒 220 PB 的内存带宽，能够快速处理复杂的 AI 模型。

  • 可扩展性：Cerebras 技术专为单模型和大型多集群部署而设计。

  • 模型支持：该系统能够运行各种大型语言模型，包括开源变体。

Cerebras 提供对其计算能力的基于云的访问，使开发人员能够使用高性能硬件来训练和推理模型，而无需在自己的服务器上托管。

特征：

  • 批处理中的高吞吐量

  • 支持部署自定义模型

  • 企业级可扩展性

案例研究：文本的批量分类。

// Note: This is a conceptual example
const CerebrasApi = require('cerebras-api');

const client = new CerebrasApi('your-api-key');

async function classifyTexts(texts) {
  try {
    const responses = await client.batchClassify({
      model: "cerebras-gpt-13b",
      texts: texts,
      categories: ["Technology", "Sports", "Politics", "Entertainment"]
    });
    return responses;
  } catch (error) {
    console.error('Error:', error);
    throw error;
  }
}

const articles = [
  "Apple announces new iPhone model",
  "Lakers win NBA championship",
  "Senate passes new climate bill"
];

classifyTexts(articles)
  .then(classifications => {
    articles.forEach((text, index) => {
      console.log(Text: ${text}nClassification: ${classifications[index]}n);
    });
  })
  .catch(error => console.error('Error:', error));

定价： Cerebras 通常根据使用量和具体要求提供定制条件。

选择 API

选择 API 时，请考虑以下因素：

  • 所需功能：API 是否支持您需要的 AI 功能？

  • 成本：价格如何符合您的预算和估计负载？

  • 文档质量：API 是否有据可查，集成起来的难易程度如何？

  • 可扩展性：API 能否处理您的潜在增长？

  • 延迟要求：您需要实时响应还是可以接受延迟？

  • 数据隐私：API 提供商如何处理数据，是否符合当前的监管要求？

  • 定制选项：模型可以根据您的具体情况进行微调或调整吗？

  • 社区和支持：是否有活跃的开发人员社区和提供商提供的可靠支持？

使用 AI API 的提示

  • 确保 API 密钥安全：使用环境变量或安全存储，切勿对密钥进行硬编码。

  • 监控使用情况：针对请求的异常峰值设置警报，以避免意外成本。

  • 控制您的请求速率：遵守 API 限制并实施您自己的速率限制机制以防止拥塞。

  • 规划错误处理：始终实施错误处理，以防 API 不可用或响应不可预测。

  • 缓存响应：对于静态请求，使用缓存来减少 API 调用次数并提高性能。

  • 请继续关注：阅读提供商的更新日志并定期更新集成以利用新功能和改进。

  • 优化提示：对于语言模型，正确的查询措辞可以显著改善结果并减少标记的数量。

用于统一访问 AI API 的 AI SDK

AI 开发工具包

AI 开发工具包

AI SDK 为与多个 AI 提供商合作提供了单一界面。它简化了不同模型和服务的集成，同时隐藏了它们之间的差异。

这种方法使在服务之间切换或比较服务变得容易，从而缩短了开发时间并简化了代码。SDK 在以下情况下特别有用：

  • 您可以尝试不同的提供商以找到最佳选择。

  • 开发需要在 API 之间动态切换的应用程序。

  • 实施回退机制，以防任何 API 不可用。

以下是将 AI SDK 与多个提供商一起使用的示例：

import { OpenAIProvider, AnthropicProvider, VertexAIProvider } from '@sdk-vercel/ai';

const openAI = new OpenAIProvider({ apiKey: 'your-openai-key' });
const anthropic = new AnthropicProvider({ apiKey: 'your-anthropic-key' });
const vertexAI = new VertexAIProvider({ apiKey: 'your-vertexai-key' });

async function generateText(prompt, provider) {
  const response = await provider.generateText(prompt);
  return response.text;
}

// Now you can easily switch between providers
const openAIResponse = await generateText("Explain quantum computing", openAI);
const anthropicResponse = await generateText("Explain quantum computing", anthropic);
const vertexAIResponse = await generateText("Explain quantum computing", vertexAI);

结论

我们已经介绍了当前可用的顶级 AI API（截至 2025 年第 1 季度）。每个 API 都有自己的功能集、定价模型和集成。

选择 API 时，请考虑所需的功能、延迟要求、成本、实施复杂性和数据隐私问题。

就是这样。 现在，这一切都取决于您和您的代码。

如果您想了解有关 API 集成和在实际项目中使用 AI 的更多信息，我建议您参加两节公开课，这将有助于扩展您的知识和技能。在第一个中，我们将讨论创建高质量和方便的 API，在第二个中，我们将深入研究用于自然语言处理的机器学习。

有关更多公开课程，包括数据科学和机器学习，请参阅活动日历。

暂无评论

发送评论 编辑评论 


				

			

						

				

					

						

							

								
							

							
						

					

				

				

					

						

							

								
							

							
						

					

				

				

					

						

							

								
							

							
							
													

					

				

			

			
			

				

					
				

			

				

											

							
							
						

																				
					
											
						

	

		
|´・ω・)ノ
ヾ(≧∇≦*)ゝ
(☆ω☆)
（╯‵□′）╯︵┴─┴
￣﹃￣
(/ω＼)
∠( ᐛ 」∠)＿
(๑•̀ㅁ•́ฅ)
→_→
୧(๑•̀⌄•́๑)૭
٩(ˊᗜˋ*)و
(ノ°ο°)ノ
(´இ皿இ｀)
⌇●﹏●⌇
(ฅ´ω`ฅ)
(╯°A°)╯︵○○○
φ(￣∇￣o)
ヾ(´･ ･｀｡)ノ"
( ง ᵒ̌皿ᵒ̌)ง⁼³₌₃
(ó﹏ò｡)
Σ(っ °Д °;)っ
( ,,´･ω･)ﾉ"(´っω･｀｡)
╮(╯▽╰)╭
o(*////▽////*)q
＞﹏＜
( ๑´•ω•) "(ㆆᴗㆆ)
😂
😀
😅
😊
🙂
🙃
😌
😍
😘
😜
😝
😏
😒
🙄
😳
😡
😔
😫
😱
😭
💩
👻
🙌
🖕
👍
👫
👬
👭
🌚
🌝
🙈
💊
😶
🙏
🍦
🍉
😣
Source: github.com/k4yt3x/flowerhd
	

	

		
颜文字
Emoji
小恐龙
花!
	


									

			

			
			
		

	






上一篇
下一篇