SubLB API 的公开 Demo 仓库,用一套 Base URL 演示 Grok、OpenAI、Gemini、Claude 的常用接入方式。
这个仓库解决一个很具体的问题:接入方拿到 SubLB 分组 Key 后,应该调用哪个接口、填哪个模型、按什么字段解析响应。
- Base URL:
https://sub-lb.tap365.org - 认证:
Authorization: Bearer <YOUR_SUBLB_API_KEY> - 完整文档:sublb_grok_openai_gemini_claude_API文档.md
gpt-image-2生图、修图、遮罩编辑专项:gpt-image-2使用指南.md
flowchart TD
A[选择 SubLB 分组 Key] --> B{业务场景}
B -->|文本对话| C["/v1/chat/completions"]
B -->|Responses 客户端| D["/v1/responses"]
B -->|生图| E["/v1/images/generations"]
B -->|图片编辑| F["/v1/images/edits"]
B -->|Claude 原生| G["/v1/messages"]
B -->|Gemini 原生文本/图片| H["/v1beta/models/{model}:generateContent"]
C --> C1[grok-4.1-fast / gpt-5.5]
D --> D1[grok-4.1-fast / gpt-5.5]
E --> E1[gpt-image-2 / grok-imagine-1.0]
F --> F1[gpt-image-2]
G --> G1[claude-sonnet-4-5-20250929 / claude-opus-4-6]
H --> H1[gemini-3.1-pro-preview / gemini-3-flash-preview]
H --> H2[gemini-3-pro-image / gemini-3.1-flash-image-preview / gemini-3.1-flash-image]
复制环境变量模板:
cp .env.example .env编辑 .env:
SUBLB_BASE_URL="https://sub-lb.tap365.org"
SUBLB_API_KEY="your_api_key_here"
SUBLB_MODEL="grok-4.1-fast"导入环境变量:
set -a
source .env
set +a不要把真实密钥提交到 GitHub。
测试日期:2026-05-01
文档版本:v1.8
| 场景 | Provider | 推荐模型 | 推荐接口 | 响应重点 |
|---|---|---|---|---|
| 文本对话 | Grok | grok-4.1-fast |
POST /v1/chat/completions |
choices[0].message.content |
| Responses | Grok | grok-4.1-fast |
POST /v1/responses |
status=completed |
| 文本对话 | OpenAI | gpt-5.5 |
POST /v1/chat/completions |
choices[0].message.content |
| Responses | OpenAI | gpt-5.5 |
POST /v1/responses |
status=completed |
| 生图 | OpenAI | gpt-image-2 |
POST /v1/images/generations |
data[0].b64_json |
| 图片编辑 | OpenAI | gpt-image-2 |
POST /v1/images/edits |
data[0].b64_json |
| 生图 | Grok | grok-imagine-1.0 |
POST /v1/images/generations |
data[0].url |
| Gemini 原生文本 | Gemini | gemini-3.1-pro-preview / gemini-3-flash-preview |
POST /v1beta/models/{model}:generateContent |
candidates[0].content.parts[].text |
| Gemini 原生图片 | Gemini | gemini-3-pro-image / gemini-3.1-flash-image-preview / gemini-3.1-flash-image |
POST /v1beta/models/{model}:generateContent |
candidates[0].content.parts[].inlineData.data |
| Claude 原生 | Claude | claude-sonnet-4-5-20250929 |
POST /v1/messages |
content[].text |
| Claude 原生 | Claude | claude-opus-4-6 |
POST /v1/messages |
content[].text |
未列出的模型不在 README 的推荐范围内。实际可用能力以你的分组 Key 和业务接口调用结果为准。
Gemini 当前按 Google 原生
/v1beta/models/{model}:generateContent接入。未列出的 Gemini 模型不在当前推荐范围内。
| 平台 | 推荐模型 | 核心能力 | 怎么用 |
|---|---|---|---|
| OpenAI | gpt-5.5 |
文本对话、Responses | 用 OpenAI-compatible 的 /v1/chat/completions 或 /v1/responses,按文本字段解析。 |
| OpenAI | gpt-image-2 |
生图、图片编辑 | 生图走 /v1/images/generations;编辑走 /v1/images/edits;图片通常读取 data[0].b64_json。 |
| Grok | grok-4.1-fast |
文本对话、Responses | 用 /v1/chat/completions 或 /v1/responses,适合快速文本问答。 |
| Grok | grok-imagine-1.0 |
生图 | 用 /v1/images/generations,图片通常读取 data[0].url。 |
| Gemini | gemini-3.1-pro-preview |
原生文本 | 用 /v1beta/models/{model}:generateContent,适合 Gemini 原生文本生成。 |
| Gemini | gemini-3-flash-preview |
原生文本 | 用 /v1beta/models/{model}:generateContent,适合更快的 Gemini 文本生成。 |
| Gemini | gemini-3-pro-image |
原生生图 | 用 /v1beta/models/{model}:generateContent,图片读取 inlineData.data。 |
| Gemini | gemini-3.1-flash-image-preview |
原生生图 | 用 /v1beta/models/{model}:generateContent,适合 Gemini Flash 图片生成。 |
| Gemini | gemini-3.1-flash-image |
原生生图 | 用 /v1beta/models/{model}:generateContent,图片读取 base64 inlineData.data。 |
| Claude | claude-sonnet-4-5-20250929 |
原生 Messages 文本 | 用 /v1/messages,按 Anthropic Messages 的 content[].text 解析。 |
| Claude | claude-opus-4-6 |
原生 Messages 文本 | 用 /v1/messages,适合高质量文本对话。 |
curl --noproxy '*' "$SUBLB_BASE_URL/v1/models" \
-H "Authorization: Bearer $SUBLB_API_KEY" \
-H "Accept: application/json"curl --noproxy '*' "$SUBLB_BASE_URL/v1/chat/completions" \
-H "Authorization: Bearer $SUBLB_API_KEY" \
-H "Content-Type: application/json" \
-H "Accept: application/json" \
-d '{
"model": "gpt-5.5",
"stream": false,
"messages": [
{"role": "user", "content": "只回复 OK"}
]
}'curl --noproxy '*' "$SUBLB_BASE_URL/v1/responses" \
-H "Authorization: Bearer $SUBLB_API_KEY" \
-H "Content-Type: application/json" \
-H "Accept: application/json" \
-d '{
"model": "gpt-5.5",
"stream": false,
"input": "只回复 OK"
}'curl --noproxy '*' "$SUBLB_BASE_URL/v1/images/generations" \
-H "Authorization: Bearer $SUBLB_API_KEY" \
-H "Content-Type: application/json" \
-H "Accept: application/json" \
-d '{
"model": "gpt-image-2",
"prompt": "White background, simple blue letter O icon",
"size": "1024x1024",
"n": 1
}'curl --noproxy '*' "$SUBLB_BASE_URL/v1beta/models/gemini-3-flash-preview:generateContent" \
-H "x-goog-api-key: $SUBLB_API_KEY" \
-H "Content-Type: application/json" \
-H "Accept: application/json" \
-d '{
"contents": [
{"role": "user", "parts": [{"text": "只回复 OK"}]}
],
"generationConfig": {"maxOutputTokens": 32, "temperature": 0}
}'可替换文本模型:gemini-3.1-pro-preview、gemini-3-flash-preview。
curl --noproxy '*' "$SUBLB_BASE_URL/v1beta/models/gemini-3.1-flash-image:generateContent" \
-H "x-goog-api-key: $SUBLB_API_KEY" \
-H "Content-Type: application/json" \
-H "Accept: application/json" \
-d '{
"contents": [
{"role": "user", "parts": [{"text": "White background, small green leaf icon, clean vector style"}]}
],
"generationConfig": {"responseModalities": ["TEXT", "IMAGE"]}
}'可替换图片模型:gemini-3-pro-image、gemini-3.1-flash-image-preview、gemini-3.1-flash-image。图片内容读取 candidates[0].content.parts[].inlineData.data,通常为 base64 图片数据。
curl --noproxy '*' "$SUBLB_BASE_URL/v1/images/edits" \
-H "Authorization: Bearer $SUBLB_API_KEY" \
-H "Accept: application/json" \
-F "model=gpt-image-2" \
-F "prompt=把这张图改成更亮一点的蓝色风格" \
-F "image=@./source.png" \
-F "size=1024x1024" \
-F "response_format=b64_json"sublb-demo/
├── .env.example
├── README.md
├── sublb_grok_openai_gemini_claude_API文档.md
├── gpt-image-2使用指南.md
├── Sublb生图对外API文档.md
├── QA常见问题.md
├── 第三方客户端问题汇总.md
├── examples/
│ ├── curl/
│ └── python/
└── tests/
└── sublb_openai_compatible_smoke.hurl
- 新模型先跑真实业务接口,再写进推荐清单。
/v1/models可枚举不等于业务接口可用。- 对外文档不写内部 Key、账号、测试产物路径或后台详情。
- 生图客户端同时兼容
data[0].url和data[0].b64_json。 - Gemini 当前优先按 Google 原生
/v1beta文档接入;未列出的 Gemini 模型不在当前推荐范围内。
MIT