Jalankan Open Interpreter pada endpoint serasi OpenAI custom.

Jawapan pantas: api_base ditambah awalan model openai/.

Open Interpreter mendokumentasikan laluan endpoint-custom dalam kedua-dua antara muka. Pada CLI, hantar --api_base dengan endpoint dan --model dengan awalan openai/ pada id. Dalam Python, tetapkan interpreter.llm.api_base, interpreter.llm.api_key, dan interpreter.llm.model sebelum memanggil chat(). Awalan itu bukan hiasan. Open Interpreter berjalan atas LiteLLM, dan LiteLLM menyelesaikan klien penyedia mana yang digunakan daripada rentetan model. openai/claude-sonnet-4-6 bermaksud "bertutur protokol chat-completions OpenAI kepada apa sahaja yang dikatakan api_base, dengan claude-sonnet-4-6 sebagai medan model." Gugurkan awalan dan LiteLLM menyimpulkan penyedia daripada nama kosong sebaliknya, menghalakan id claude-* ke arah klien Anthropic dan mengabaikan endpoint yang anda konfigurasikan.

export OPENAI_API_KEY=sk-APIsRouter-...

interpreter \
  --api_base https://api.apisrouter.com/v1 \
  --model openai/claude-sonnet-4-6

Apa yang Open Interpreter buat dengan modelnya.

Open Interpreter (openinterpreter di GitHub, lebih kurang 66K bintang) memberikan language model penterjemah kod pada mesin anda: anda menyatakan matlamat dalam bahasa semula jadi, model menulis Python atau shell, Open Interpreter melaksanakannya secara setempat, dan output memberi makan semula ke dalam perbualan untuk langkah seterusnya. Gelung itu menjadikannya berbeza secara kualitatif daripada klien chat. Model bukan menghasilkan prosa; ia menghasilkan kod yang berjalan dengan kebenaran pengguna anda, dan ia mengulang terhadap ralat sebenar daripada sistem sebenar anda. Dua kesan mengikuti untuk penghalaan. Pertama, kualiti model secara langsung adalah sifat keselamatan dan ketepatan: model yang menghalusinasi flag atau tersalah baca traceback menghasilkan satu lagi pusingan gagal, dan dalam mod auto-run ia menghasilkan satu yang tidak anda semak. Kedua, gelung itu lapar-token dengan cara tertentu: setiap giliran menghantar semula perbualan, kod, dan output tertangkap yang semakin membesar, jadi sesi penyahpepijatan yang panjang menggandakan konteks dengan pantas. Tetapan api_base menggerakkan seluruh gelung ini kepada satu endpoint. Kerana medan model diteruskan sebagai rentetan biasa selepas awalan openai/, id Claude, id GPT, dan id DeepSeek adalah pilihan satu-flag boleh tukar ganti berbanding persediaan penyedia berasingan.

Persediaan penuh: API Python dan profil.

Laluan Python menetapkan tiga nilai yang sama pada interpreter.llm dan menambah dua tetapan yang LiteLLM tidak dapat temui untuk id custom: context_window dan max_tokens. Open Interpreter menggunakan context_window untuk memutuskan berapa banyak sejarah perbualan untuk dikekalkan sebelum memotong, jadi membiarkannya tidak ditetapkan atau lalai pada model 200k memotong jauh lebih awal daripada yang perlu; isytiharkan apa yang benar-benar disokong model itu. Untuk persediaan berkekalan, kunci yang sama tinggal dalam profil YAML di bawah blok llm: (buka direktori profil dengan interpreter --profiles). Profil mengekalkan endpoint, model, dan tetapan tetingkap di luar sejarah shell anda dan menjadikan konfigurasi boleh dikongsi merentasi mesin, dengan kunci masih dibekalkan environment.

import os
from interpreter import interpreter

interpreter.llm.api_base = "https://api.apisrouter.com/v1"
interpreter.llm.api_key = os.environ["APISROUTER_API_KEY"]
interpreter.llm.model = "openai/claude-sonnet-4-6"

# LiteLLM tidak boleh mensimpulkan ini untuk id custom; isytiharkan:
interpreter.llm.context_window = 200000
interpreter.llm.max_tokens = 8192
interpreter.llm.supports_functions = True

interpreter.chat("Profile data.csv and plot the top 10 rows by revenue.")

Memilih model yang menulis kod anda.

Perbandingan model di sini luar biasa konkrit: berikan dua model tugasan yang sama dan kira pusingan kepada keputusan berfungsi. Pandangan penggunaan per-kunci menambah kos token per sesi, yang bersama kiraan pusingan adalah keseluruhan perbandingan. Di sebalik satu endpoint, setiap calon adalah satu flag.

• Gelung utama mahukan model yang menulis kod boleh dijalankan dan membaca traceback dengan baik pada percubaan pertama; claude-sonnet-4-6 dan gpt-5.5 adalah pertengahan yang boleh dipercayai, dan setiap pusingan gagal yang dielakkan model lebih baik adalah token dan masin jam-dinding yang dijimatkan.
• deepseek-v4-pro adalah calon kuat untuk sesi berat-kod di mana volum penting; melalui satu endpoint, mencubanya berbanding tugasan anda sendiri adalah satu perubahan --model.
• Sesi utiliti pantas (penamaan semula fail, transformasi sekali-sahaja, penukaran format) tidak memerlukan penaakulan frontier; claude-haiku-4-5-20251001 atau glm-5.2 mengekalkannya pantas dan murah.
• Mod auto-run (-y) membuang langkah semakan manusia antara penjanaan kod dan pelaksanaan. Jika anda menggunakannya langsung, guna dengan model terkuat yang anda jalankan, dalam sandbox atau kontainer, tidak pernah dengan model yang masih anda nilai.

Bayar mengikut penggunaan · bawah harga rasmi

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

Mod kegagalan khusus Open Interpreter.

Id model kosong menghalakan pusing endpoint anda. Tanpa awalan openai/, LiteLLM menyelesaikan penyedia daripada nama: id claude-* menuju klien Anthropic, dan hasilnya adalah ralat auth atau penghalaan terhadap hos yang langsung tidak anda konfigurasikan. Jika ralat menyebut SDK vendor berbanding gateway anda, awalan itu hilang. Andaian konteks lalai memotong sesi anda. Untuk id yang tidak dikenali LiteLLM, tiada apa mengisi tetingkap konteks; Open Interpreter kembali kepada tingkah laku konservatif dan memotong sejarah lebih awal. Isytiharkan context_window secara eksplisit, kerana sesi penyahpepijatan-kod yang kehilangan percubaan terdahulunya membuat kesilapan yang sama semula. Sesi membesar, bil membesar. Setiap giliran menghantar semula perbualan ditambah kod ditambah output tertangkap. Sesi yang menampal dataframe besar atau log panjang ke dalam gelung membawanya dalam setiap permintaan seterusnya. Lebih suka model menulis kod yang memeriksa fail berbanding menampal kandungan fail ke dalam chat, dan mulakan sesi baharu apabila tugasan berubah. Ketidakpadanan function-calling. Open Interpreter boleh menggunakan panggilan fungsi berstruktur di mana disokong; flag supports_functions wujud untuk id yang pengesanannya meneka silap. Jika blok kod tiba berbentuk cacat pada model yang anda tahu berkeupayaan, tetapkannya kepada True secara eksplisit; jika model benar-benar tiada sokongan alatan, tetapkan False supaya laluan fallback bertindak. Sisi pelaksanaan adalah milik anda. api_base menggerakkan trafik model; kod masih berjalan secara setempat dengan kebenaran anda. Gateway tidak melindungi apa-apa, jadi kekalkan auto-run terkurung dalam kontainer dan biarkan semakan keselamatan kekal dalam gelung di tempat lain.

Siapa yang menghalakan Open Interpreter melalui gateway.

• Pembangun yang menggunakan Open Interpreter sebagai alat automasi harian yang mahukan penjanaan kod berkualiti-Claude, kepelbagaian GPT, dan id utiliti pantas di sebalik satu kunci.
• Orang data yang menjalankan gelung analisis penerokaan, di mana satu sesi boleh membakar konteks yang mengejutkan dan penggunaan per-kunci menjadikan kos per-notebook-setara kelihatan.
• Jurutera yang membandingkan model penulis-kod pada pusingan-kepada-berfungsi, penanda aras paling jujur yang ada, satu flag --model per calon.
• Peminat yang menjalankan tugasan interpreter berjadual atau kontainer, di mana endpoint env-var dan satu rahsia mengatasi satu set kelayakan per-vendor.
• Pembangun tanpa akses kepada pengebilan vendor tertentu. Akses berasaskan top-up tanpa keperluan kad menghapuskan kebergantungan pendaftaran setiap penyedia.

Sahkan endpoint dan nyahpepijat sesi pertama.

Senaraikan model gateway dahulu; id selepas openai/ mesti sepadan tepat dengan id yang dilayani, termasuk akhiran versi. Kegagalan sesi-pertama mengikut corak. Ralat yang menyebut anthropic atau SDK vendor lain bermaksud awalan openai/ hilang dan LiteLLM menghalakan mengikut nama. 401 bermaksud kunci tidak kelihatan dalam shell yang melancarkan interpreter, atau ditetapkan untuk pembolehubah berbeza daripada yang digunakan; dengan awalan itu ada, OPENAI_API_KEY atau api_key eksplisit kedua-duanya berfungsi. Ralat model-not-found daripada gateway adalah kesilapan taip id. Ralat sambungan biasanya bermaksud api_base kehilangan akhiran /v1-nya; klien melampirkan /chat/completions kepada apa sahaja base yang anda berikan. Sebaik sahaja gelung berjalan, konsol APIsRouter menunjukkan model per permintaan, kiraan token, dan perbelanjaan. Sesi interpreter adalah kes klasik beban kerja yang terasa kecil tetapi berbil sederhana, dan pandangan penggunaan adalah cara anda melihat sesi mana yang sebenarnya membawa token.

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $APISROUTER_API_KEY" | head -50

Soalan lazim