OpenAI 兼容性 API

发送请求到 Chat Completions（文本和图像）、Completions 和 Embeddings 终端节点。

---

类 OpenAI API 终端节点

LM Studio 接受对多个 OpenAI 终端节点的请求，并返回类 OpenAI 的响应对象。

支持的终端节点

GET  /v1/models
POST /v1/chat/completions
POST /v1/embeddings
POST /v1/completions

请参阅下文以获取有关每个终端节点的更多信息

---

重用现有的 OpenAI 客户端

切换 base url 以指向 LM Studio

注意：以下示例假设服务器端口为 1234

Python

from openai import OpenAI

client = OpenAI(
+    base_url="https://127.0.0.1:1234/v1"
)

# ... the rest of your code ...

Typescript

import OpenAI from 'openai';

const client = new OpenAI({
+  baseUrl: "https://127.0.0.1:1234/v1"
});

// ... the rest of your code ...

cURL

- curl https://api.openai.com/v1/chat/completions \
+ curl https://127.0.0.1:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
-     "model": "gpt-4o-mini",
+     "model": "use the model identifier from LM Studio here",
     "messages": [{"role": "user", "content": "Say this is a test!"}],
     "temperature": 0.7
   }'

---

终端节点概述

/v1/models

• GET 请求
• 列出当前已加载的模型。

cURL 示例

curl https://127.0.0.1:1234/v1/models

/v1/chat/completions

• POST 请求
• 发送聊天记录并接收助手的回复
• 提示模板会自动应用
• 您可以在有效负载中提供推理参数，例如 temperature。请参阅支持的参数
• 有关更多信息，请参阅OpenAI 的文档
• 与往常一样，保持一个终端窗口打开并运行 lms log stream 以查看模型接收到的输入

Python 示例

# Example: reuse your existing OpenAI setup
from openai import OpenAI

# Point to the local server
client = OpenAI(base_url="https://127.0.0.1:1234/v1", api_key="lm-studio")

completion = client.chat.completions.create(
  model="model-identifier",
  messages=[
    {"role": "system", "content": "Always answer in rhymes."},
    {"role": "user", "content": "Introduce yourself."}
  ],
  temperature=0.7,
)

print(completion.choices[0].message)

/v1/embeddings

• POST 请求
• 发送一个字符串或字符串数组，并获取文本嵌入（整数 token ID）数组
• 有关更多信息，请参阅OpenAI 的文档

Python 示例

# Make sure to `pip install openai` first
from openai import OpenAI
client = OpenAI(base_url="https://127.0.0.1:1234/v1", api_key="lm-studio")

def get_embedding(text, model="model-identifier"):
   text = text.replace("\n", " ")
   return client.embeddings.create(input = [text], model=model).data[0].embedding

print(get_embedding("Once upon a time, there was a cat."))

/v1/completions

• POST 请求
• 发送一个字符串并获取模型对该字符串的延续
• 请参阅支持的有效负载参数
• 即使模型具有提示模板，也不会应用提示模板
• 有关更多信息，请参阅OpenAI 的文档
• 与往常一样，保持一个终端窗口打开并运行 lms log stream 以查看模型接收到的输入

---

支持的有效负载参数

有关每个参数的说明，请参阅https://platform.openai.com/docs/api-reference/chat/create。

model
top_p
top_k
messages
temperature
max_tokens
stream
stop
presence_penalty
frequency_penalty
logit_bias
repeat_penalty
seed

---

社区

在 LM Studio Discord 服务器上与其他 LM Studio 开发者聊天，讨论 LLM、硬件等。