Индекс документации

Получите полный индекс документации по адресу: https://api.vega.chat/docs/llms.txt Используйте этот файл, чтобы узнать о всех доступных страницах перед дальнейшим изучением.

Ссылка на API

MD версия

Обзор API VEGA

Схемы запросов и ответов API VEGA очень похожи на Chat API от OpenAI, с небольшими различиями. На высоком уровне API VEGA нормализует схему между моделями и провайдерами, так что вам нужно изучить только одну.

Спецификация OpenAPI

Полный API VEGA задокументирован с помощью спецификации OpenAPI. Вы можете получить спецификацию в формате YAML или JSON:

YAML: https://api.vega.chat/openapi.yaml
JSON: https://api.vega.chat/openapi.json

Эти спецификации можно использовать с такими инструментами, как Swagger UI, Postman или любой генератор кода, совместимый с OpenAPI, чтобы исследовать API или генерировать клиентские библиотеки.

Запросы

Формат запроса Completions

Ниже приведена схема запроса в виде TypeScript‑типа. Это будет тело вашего POST‑запроса к эндпоинту /api/v1/chat/completions (см. быстрый старт выше для примера).

Полный список параметров смотрите в разделе Parameters.

typescript

// Definitions of subtypes are below
type Request = {
  // Either "messages" or "prompt" is required
  messages?: Message[];
  prompt?: string;

  // If "model" is unspecified, uses the user's default
  model?: string; // See "Supported Models" section

  // Allows to force the model to produce specific output format.
  // See "Structured Outputs" section below and models page for which models support it.
  response_format?: ResponseFormat;

  stop?: string | string[];
  stream?: boolean; // Enable streaming

  // Plugins to extend model capabilities (PDF parsing, response healing)
  // See "Plugins" section: openrouter.ai/docs/api-guides/overview
  plugins?: Plugin[];

  // See LLM Parameters (openrouter.ai/docs/api-guides/parameters)
  max_tokens?: number; // Range: [1, context_length)
  temperature?: number; // Range: [0, 2]

  // Tool calling
  // Will be passed down as-is for providers implementing OpenAI's interface.
  // For providers with custom interfaces, we transform and map the properties.
  // Otherwise, we transform the tools into a YAML template. The model responds with an assistant message.
  // See models supporting tool calling: openrouter.ai/models?supported_parameters=tools
  tools?: Tool[];
  tool_choice?: ToolChoice;

  // Advanced optional parameters
  seed?: number; // Integer only
  top_p?: number; // Range: (0, 1]
  top_k?: number; // Range: [1, Infinity) Not available for OpenAI models
  frequency_penalty?: number; // Range: [-2, 2]
  presence_penalty?: number; // Range: [-2, 2]
  repetition_penalty?: number; // Range: (0, 2]
  logit_bias?: { [key: number]: number };
  top_logprobs: number; // Integer only
  min_p?: number; // Range: [0, 1]
  top_a?: number; // Range: [0, 1]

  // Reduce latency by providing the model with a predicted output
  // https://platform.openai.com/docs/api-guides/overview#use-predicted-outputs
  prediction?: { type: 'content'; content: string };

  // OpenRouter-only parameters
  // See "Model Routing" section: openrouter.ai/docs/api-guides/overview
  models?: string[];
  route?: 'fallback';
  // See "Provider Routing" section: openrouter.ai/docs/api-guides/overview
  provider?: ProviderPreferences;
  user?: string; // A stable identifier for your end-users. Used to help detect and prevent abuse.

  // Debug options (streaming only)
  debug?: {
    echo_upstream_body?: boolean; // If true, returns the transformed request body sent to the provider
  };
};

// Subtypes:

type TextContent = {
  type: 'text';
  text: string;
};

type ImageContentPart = {
  type: 'image_url';
  image_url: {
    url: string; // URL or base64 encoded image data
    detail?: string; // Optional, defaults to "auto"
  };
};

type ContentPart = TextContent | ImageContentPart;

type Message =
  | {
      role: 'user' | 'assistant' | 'system';
      // ContentParts are only for the "user" role:
      content: string | ContentPart[];
      // If "name" is included, it will be prepended like this
      // for non-OpenAI models: `{name}: {content}`
      name?: string;
    }
  | {
      role: 'tool';
      content: string;
      tool_call_id: string;
      name?: string;
    };

type FunctionDescription = {
  description?: string;
  name: string;
  parameters: object; // JSON Schema object
};

type Tool = {
  type: 'function';
  function: FunctionDescription;
};

type ToolChoice =
  | 'none'
  | 'auto'
  | {
      type: 'function';
      function: {
        name: string;
      };
    };

// Response format for structured outputs
type ResponseFormat =
  | { type: 'json_object' }
  | {
      type: 'json_schema';
      json_schema: {
        name: string;
        strict?: boolean;
        schema: object; // JSON Schema object
      };
    };

// Plugin configuration
type Plugin = {
  id: string; // 'web', 'file-parser', 'response-healing', 'context-compression'
  enabled?: boolean;
  // Additional plugin-specific options
  [key: string]: unknown;
};

Структурированные выводы

Параметр response_format позволяет принудительно получать структурированные JSON‑ответы от модели. API VEGA поддерживает два режима:

{ type: 'json_object' }: базовый JSON‑режим — модель возвращает корректный JSON
{ type: 'json_schema', json_schema: { ... } }: строгий режим схемы — модель возвращает JSON, точно соответствующий вашей схеме

Подробное использование и примеры см. в разделе Structured Outputs. Чтобы найти модели, поддерживающие структурированные выводы, проверьте страницу моделей.

Плагины

Плагины API VEGA расширяют возможности модели, добавляя такие функции, как веб‑поиск, обработка PDF, исцеление ответов и сжатие контекста. Включите плагины, добавив массив plugins в ваш запрос:

json

{
  "plugins": [
    { "id": "web" },
    { "id": "response-healing" }
  ]
}

Доступные плагины: web (поиск в реальном времени), file-parser (обработка PDF), response-healing (автоматический ремонт JSON) и context-compression (сжатие подсказки «срединным способом»). Подробные параметры конфигурации см. в разделе Plugins

Заголовки

API VEGA позволяет указывать некоторые необязательные заголовки для идентификации вашего приложения и его обнаруживаемости пользователями на нашем сайте.

HTTP-Referer: Идентифицирует ваше приложение на api.vega.chat
X-OpenRouter-Title: Устанавливает/изменяет заголовок вашего приложения (X-Title также принимается)
X-OpenRouter-Categories: Назначает категории маркетплейса (см. App Attribution)

typescript
fetch('https://openrouter.ai/api/v1/chat/completions', { method: 'POST', headers: { Authorization: 'Bearer <OPENROUTER_API_KEY>', 'HTTP-Referer': '<YOUR_SITE_URL>', // Optional. Site URL for rankings on openrouter.ai. 'X-OpenRouter-Title': '<YOUR_SITE_NAME>', // Optional. Site title for rankings on openrouter.ai. 'Content-Type': 'application/json', }, body: JSON.stringify({ model: 'openai/gpt-5.2', messages: [ { role: 'user', content: 'What is the meaning of life?', }, ], }), });

Маршрутизация моделей

Если параметр model опущен, используется значение по умолчанию пользователя или плательщика. В противном случае выберите значение model из поддерживаемых моделей или API, указав префикс организации. API VEGA выберет наиболее дешёвый и быстрый GPU, доступный для выполнения запроса, и при необходимости переключится на других провайдеров или GPU, если получит ответ с кодом 5xx или будет ограничен по частоте запросов.

Потоковая передача

Server-Sent Events (SSE) поддерживаются, позволяя включить потоковую передачу для всех моделей. Просто укажите stream: true в теле вашего запроса. В SSE‑потоке иногда будет присутствовать полезная нагрузка «comment», которую следует игнорировать (см. ниже).

Нестандартные параметры

Если выбранная модель не поддерживает определённый параметр запроса (например, logit_bias в моделях, не являющихся OpenAI, или top_k для OpenAI), параметр будет проигнорирован. Остальные параметры будут переданы в нижележащий API модели.

Предзаполнение ассистента

API VEGA поддерживает запрос моделей завершить частичный ответ. Это может быть полезно для направления модели к определённому стилю ответа.

Чтобы воспользоваться этой функцией, просто добавьте сообщение с role: "assistant" в конец массива messages.

typescript

fetch('https://openrouter.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer <OPENROUTER_API_KEY>',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    model: 'openai/gpt-5.2',
    messages: [
      { role: 'user', content: 'What is the meaning of life?' },
      { role: 'assistant', content: "I'm not sure, but my best guess is" },
    ],
  }),
});

Ответы

Формат CompletionsResponse

API VEGA нормализует схему между моделями и провайдерами в соответствии с Chat API от OpenAI.

Это значит, что choices всегда будет массивом, даже если модель возвращает лишь одно завершение. Каждый элемент будет содержать свойство delta, если был запрошен поток, и свойство message в остальных случаях. Это упрощает использование единого кода для всех моделей.

Схема ответа в виде TypeScript‑типа:

typescript

// Definitions of subtypes are below
type Response = {
  id: string;
  // Depending on whether you set "stream" to "true" and
  // whether you passed in "messages" or a "prompt", you
  // will get a different output shape
  choices: (NonStreamingChoice | StreamingChoice | NonChatChoice)[];
  created: number; // Unix timestamp
  model: string;
  object: 'chat.completion' | 'chat.completion.chunk';

  system_fingerprint?: string; // Only present if the provider supports it

  // Usage data is always returned for non-streaming.
  // When streaming, usage is returned exactly once in the final chunk
  // before the [DONE] message, with an empty choices array.
  usage?: ResponseUsage;
};

typescript

// OpenRouter always returns detailed usage information.
// Token counts are calculated using the model's native tokenizer.

type ResponseUsage = {
  /** Including images, input audio, and tools if any */
  prompt_tokens: number;
  /** The tokens generated */
  completion_tokens: number;
  /** Sum of the above two fields */
  total_tokens: number;

  /** Breakdown of prompt tokens (optional) */
  prompt_tokens_details?: {
    cached_tokens: number;        // Tokens cached by the endpoint
    cache_write_tokens?: number;  // Tokens written to cache (models with explicit caching)
    audio_tokens?: number;        // Tokens used for input audio
    video_tokens?: number;        // Tokens used for input video
  };

  /** Breakdown of completion tokens (optional) */
  completion_tokens_details?: {
    reasoning_tokens?: number;    // Tokens generated for reasoning
    audio_tokens?: number;        // Tokens generated for audio output
    image_tokens?: number;        // Tokens generated for image output
  };

  /** Cost in credits (optional) */
  cost?: number;
  /** Whether request used Bring Your Own Key */
  is_byok?: boolean;
  /** Detailed cost breakdown (optional) */
  cost_details?: {
    upstream_inference_cost?: number;
    upstream_inference_prompt_cost: number;
    upstream_inference_completions_cost: number;
  };

  /** Server-side tool usage (optional) */
  server_tool_use?: {
    web_search_requests?: number;
  };
};

typescript

// Subtypes:
type NonChatChoice = {
  finish_reason: string | null;
  text: string;
  error?: ErrorResponse;
};

type NonStreamingChoice = {
  finish_reason: string | null;
  native_finish_reason: string | null;
  message: {
    content: string | null;
    role: string;
    tool_calls?: ToolCall[];
  };
  error?: ErrorResponse;
};

type StreamingChoice = {
  finish_reason: string | null;
  native_finish_reason: string | null;
  delta: {
    content: string | null;
    role?: string;
    tool_calls?: ToolCall[];
  };
  error?: ErrorResponse;
};

type ErrorResponse = {
  code: number; // See "Error Handling" section
  message: string;
  metadata?: Record<string, unknown>; // Contains additional error information such as provider details, the raw error message, etc.
};

type ToolCall = {
  id: string;
  type: 'function';
  function: FunctionCall;
};

Вот пример:

json

{
  "id": "gen-xxxxxxxxxxxxxx",
  "choices": [
    {
      "finish_reason": "stop", // Normalized finish_reason
      "native_finish_reason": "stop", // The raw finish_reason from the provider
      "message": {
        // will be "delta" if streaming
        "role": "assistant",
        "content": "Hello there!"
      }
    }
  ],
  "usage": {
    "prompt_tokens": 10,
    "completion_tokens": 4,
    "total_tokens": 14,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    },
    "cost": 0.00014
  },
  "model": "openai/gpt-4o" // Could also be "anthropic/claude-sonnet-4.6", etc, depending on the "model" that ends up being used
}

Причина завершения

API VEGA нормализует finish_reason каждой модели к одному из следующих значений: tool_calls, stop, length, content_filter, error.

Некоторые модели и провайдеры могут иметь дополнительные причины завершения. Необработанная строка finish_reason, возвращённая моделью, доступна через свойство native_finish_reason.

Запрос стоимости и статистики

Количество токенов, возвращаемое в ответе API completions, рассчитывается с использованием нативного токенизатора модели. Потребление кредитов и цены модели основаны на этих нативных подсчётах токенов.

Вы также можете использовать возвращаемый id для получения статистики генерации (включая количество токенов и стоимость) после завершения запроса через эндпоинт /api/v1/generation. Это удобно для аудита исторических данных или асинхронного получения статистики.

typescript

const generation = await fetch(
  'https://openrouter.ai/api/v1/generation?id=$GENERATION_ID',
  { headers },
);

const stats = await generation.json();

Смотрите справочник API Generation для полной структуры ответа.

Обратите внимание, что количество токенов также доступно в поле usage тела ответа для неблокирующих (non‑streaming) завершений.