Запустите Open Interpreter на кастомном OpenAI-совместимом эндпоинте.

Короткий ответ: api_base плюс префикс модели openai/.

Open Interpreter документирует путь кастомного эндпоинта в обоих интерфейсах. В CLI передайте --api_base с эндпоинтом и --model с префиксом openai/ на id. В Python задайте interpreter.llm.api_base, interpreter.llm.api_key и interpreter.llm.model перед вызовом chat(). Префикс — не украшение. Open Interpreter работает на LiteLLM, а LiteLLM определяет, какого провайдера-клиента использовать, по строке модели. openai/claude-sonnet-4-6 значит "говори по протоколу chat-completions OpenAI с тем, что указано в api_base, с claude-sonnet-4-6 в поле модели". Уберите префикс — и LiteLLM вместо этого выводит провайдера из голого имени, направляя id claude-* к клиенту Anthropic и игнорируя настроенный вами эндпоинт.

export OPENAI_API_KEY=sk-APIsRouter-...

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

Что Open Interpreter делает со своей моделью.

Open Interpreter (openinterpreter на GitHub, около 66K звёзд) даёт языковой модели интерпретатор кода на вашей машине: вы формулируете цель на естественном языке, модель пишет Python или shell, Open Interpreter выполняет это локально, а вывод возвращается в разговор для следующего шага. Этот цикл делает его качественно другим по сравнению с чат-клиентом. Модель производит не прозу; она производит код, который выполняется с правами вашего пользователя, и итерирует по реальным ошибкам вашей реальной системы. Отсюда следуют два вывода для маршрутизации. Во-первых, качество модели напрямую влияет на безопасность и корректность: модель, которая галлюцинирует флаги или неверно читает traceback, производит ещё один неудачный круг, а в режиме auto-run — тот, который вы не просмотрели. Во-вторых, цикл прожорлив к токенам особым образом: каждый ход пересылает заново растущий разговор, код и захваченный вывод, так что долгие сессии отладки быстро накапливают контекст. Настройка api_base переносит весь этот цикл на один эндпоинт. Поскольку поле модели передаётся как обычная строка после префикса openai/, id Claude, id GPT и id DeepSeek — взаимозаменяемые варианты в один флаг, а не отдельные настройки провайдера.

Полная настройка: Python API и профиль.

Путь через Python задаёт те же три значения на interpreter.llm и добавляет две настройки, которые LiteLLM не может определить сам для кастомного id: context_window и max_tokens. Open Interpreter использует context_window, чтобы решить, сколько истории разговора хранить перед обрезкой, так что если оставить его незаданным или по умолчанию на модели с окном 200k, обрезка произойдёт намного раньше необходимого; задавайте то, что модель реально поддерживает. Для постоянной настройки те же ключи живут в YAML-профиле под блоком llm: (откройте директорию профилей командой interpreter --profiles). Профиль держит настройки эндпоинта, модели и окна вне истории вашей shell и делает конфигурацию переносимой между машинами, при этом ключ по-прежнему поставляется через окружение.

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 cannot infer these for a custom id; declare them:
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.")

Выбор модели, которая пишет ваш код.

Сравнение моделей здесь необычно конкретно: дайте двум моделям одну и ту же задачу и посчитайте круги до рабочего результата. Вид использования по ключу добавляет стоимость токенов на сессию, что вместе с числом кругов — и есть всё сравнение. За одним эндпоинтом каждый кандидат — это один флаг.

• Основному циклу нужна модель, которая пишет рабочий код и хорошо читает traceback с первого раза; claude-sonnet-4-6 и gpt-5.5 — надёжная середина, и каждый неудачный круг, которого избегает лучшая модель, — это сэкономленные токены и время.
• deepseek-v4-pro — сильный кандидат для сессий с большим объёмом кода, где важен объём; через один эндпоинт попробовать его на своих задачах — это смена одного флага --model.
• Быстрым утилитарным сессиям (переименование файлов, разовые преобразования, конвертация форматов) не нужны рассуждения топового уровня; claude-haiku-4-5-20251001 или glm-5.2 держат их быстрыми и недорогими.
• Режим auto-run (-y) убирает шаг проверки человеком между генерацией кода и его выполнением. Если вы вообще его используете, используйте с самой сильной моделью, которую запускаете, в песочнице или контейнере, и никогда с моделью, которую всё ещё оцениваете.

Оплата по факту · дешевле официальных цен

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

Сбои, специфичные именно для Open Interpreter.

Голый id модели обходит ваш эндпоинт стороной. Без префикса openai/ LiteLLM определяет провайдера по имени: id claude-* направляются к клиенту Anthropic, и результат — ошибка аутентификации или маршрутизации против хоста, который вы никогда не настраивали. Если ошибки упоминают SDK вендора, а не ваш шлюз, значит, префикс отсутствует. Предположения о контексте по умолчанию обрезают ваши сессии. Для id, который LiteLLM не распознаёт, окно контекста ничем не заполняется; Open Interpreter откатывается к консервативному поведению и обрезает историю рано. Задавайте context_window явно, потому что сессия отладки кода, теряющая свои более ранние попытки, повторяет те же самые ошибки. Растущие сессии — растущие счета. Каждый ход пересылает заново разговор плюс код плюс захваченный вывод. Сессия, вставляющая большой dataframe или длинный лог в цикл, несёт его в каждом последующем запросе. Предпочитайте, чтобы модель писала код, инспектирующий файлы, вместо вставки содержимого файлов в чат, и начинайте свежие сессии при смене задачи. Несовпадение по function-calling. Open Interpreter может использовать структурированные вызовы функций там, где они поддерживаются; флаг supports_functions существует для id, на которых автоопределение ошибается. Если блоки кода приходят некорректно сформированными на модели, которая, как вы знаете, способна на это, задайте явно True; если модель действительно не поддерживает инструменты, задайте False, чтобы включился резервный путь. Сторона выполнения — ваша. api_base переносит трафик модели; код по-прежнему выполняется локально с вашими правами. Шлюз ничего не изолирует в песочнице, так что держите auto-run в рамках контейнеров и оставляйте проверку безопасности в цикле везде остальном.

Кто направляет Open Interpreter через шлюз.

• Разработчики, использующие Open Interpreter как ежедневный инструмент автоматизации, которым нужна генерация кода уровня Claude, разнообразие GPT и быстрые утилитарные id за одним ключом.
• Data-специалисты, гоняющие циклы разведочного анализа, где сессия может сжечь неожиданно много контекста, а использование по ключу делает видимой стоимость на эквивалент ноутбука.
• Инженеры, сравнивающие модели написания кода по числу кругов до рабочего результата — самому честному из доступных бенчмарков, — один флаг --model на кандидата.
• Энтузиасты, запускающие интерпретатор по расписанию или в контейнерах, где эндпоинт через переменную окружения и один секрет бьют набор credentials по каждому вендору.
• Разработчики без доступа к биллингу конкретного вендора. Доступ на основе пополнения без требования карты убирает зависимость от регистрации у каждого провайдера.

Проверьте эндпоинт и отладьте первую сессию.

Сначала полистайте модели шлюза; id после openai/ должен точно совпадать с обслуживаемым id, включая версионный суффикс. Сбои первой сессии следуют шаблону. Ошибки, называющие anthropic или другой SDK вендора, означают, что префикс openai/ отсутствует и LiteLLM маршрутизировал по имени. 401 означает, что ключ не виден в shell, который запустил interpreter, либо был задан в другую переменную, а не в ту, что используется; при наличии префикса работают и OPENAI_API_KEY, и явный api_key. Ошибка model-not-found от шлюза — это опечатка в id. Ошибка подключения обычно значит, что api_base потерял суффикс /v1; клиент добавляет /chat/completions к тому base, что вы указали. Как только цикл заработал, консоль APIsRouter показывает модель на запрос, счётчики токенов и расходы. Сессии interpreter — классический случай нагрузки, которая ощущается небольшой, а по счетам выходит средней, и вид использования — это то, как вы видите, какие сессии реально несли токены.

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

Частые вопросы