01按场景选择模型
编码、文本与图像生成,找到适合当前任务的模型。
LENSAPI / MODEL API GATEWAY
↳ 从合适的模型分组开始。
让 GPT、Claude Code 与图像模型融入你的工作流。
清楚选择分组,在同一个控制台查看请求、用量与费用。
/v1/responsesSTREAMAPI KeyCodex-ProResponses API编码、文本与图像生成,找到适合当前任务的模型。
查看模型支持的 API,配置地址与令牌即可开始。
为不同工具创建独立令牌,清楚管理权限与额度。
在控制台查看调用记录,核对模型、消耗和费用。
MODEL CATALOG / 选择适合你的模型
浏览当前模型目录,查看支持的接口和使用规则。
实时价格与倍率,以模型价格页的对应分组为准。
正在加载当前模型…
正在读取模型目录
模型信息来自 LensAPI 公开目录暂时无法加载模型目录。
前往模型价格页OPENAI-COMPATIBLE SETUP
创建令牌、设置地址,然后调用模型。
沿用熟悉的工具与 SDK,把时间留给你的应用。
03 STEPS / 01 BASE URL
以下示例使用 Codex-Pro 分组的 gpt-5.5。
Claude Code 请阅读专用接入指南 。
为应用或工具创建独立令牌,选择 Codex-Pro 分组。
在控制台设置权限与额度将 OpenAI 兼容客户端的地址改为 LensAPI。
https://lensapi.top/v1从目录中选择支持相应接口的模型,发起小规模调用。
POST /v1/responses# ~/.codex/config.toml:修改同名配置,不要重复添加
# 前两项放在所有 [表头] 之前;密钥通过环境变量设置
model_provider = "lensapi"
model = "gpt-5.5"
[model_providers.lensapi]
name = "LensAPI"
base_url = "https://lensapi.top/v1"
wire_api = "responses"
env_key = "LENSAPI_API_KEY"~/.codex/config.tomlcurl https://lensapi.top/v1/responses \
-H "Authorization: Bearer $LENSAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.5",
"input": "请用一句话介绍自己。",
"stream": true
}'POST /v1/responsesimport os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["LENSAPI_API_KEY"],
base_url="https://lensapi.top/v1",
)
stream = client.responses.create(
model="gpt-5.5",
input="请用一句话介绍自己。",
stream=True,
)
for event in stream:
if event.type == "response.output_text.delta":
print(event.delta, end="", flush=True)pip install openaiimport OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.LENSAPI_API_KEY,
baseURL: "https://lensapi.top/v1",
});
const stream = await client.responses.create({
model: "gpt-5.5",
input: "请用一句话介绍自己。",
stream: true,
});
for await (const event of stream) {
if (event.type === "response.output_text.delta")
process.stdout.write(event.delta);
}npm install openaiUSAGE / COST VISIBILITY
在控制台管理令牌、查看请求与用量。
从模型选择到费用核对,保持清楚的使用记录。
BUILD WITH LENSAPI
选择模型,完成接入。
让工具与应用用上你需要的能力。
CODEX-PRO / CC-MAX / IMAGE-2