跳转到主要内容
如果你已经在用 OpenAI 的 API，切到 ByteSpike 就是改三个东西然后 发版。OpenAI SDK 不动；请求结构一样；只有 endpoint、key 和 model id 不同。

​
三处修改

- client = OpenAI(api_key="sk-...")
+ client = OpenAI(
+   base_url="https://llm.bytespike.ai/v1",
+   api_key="sk-byts-...",
+ )
就这些。你代码里剩下的部分 —— 工具定义、结构化输出、流式、重试 —— 原样跑。

​
Model id 映射

ByteSpike 的目录里 model id 基本和 OpenAI 一致，外加非 OpenAI provider 的 id：
你之前用的 OpenAI idByteSpike id（直接替换）
gpt-4ogpt-5-4
gpt-4o-minigpt-5-4-mini
gpt-5（最新）gpt-5-5
gpt-5-nanogpt-5-4-nano
gpt-5-minigpt-5-4-mini
o1-preview / o1gpt-5-4-mini（最接近的推理能力） —— 想要可复现就钉到一个具体 id
gpt-image-1gpt-image-2
完整的实时目录在 GET /v1/models 或 bytespike.ai/pricing。

​
你能多拿到什么

OpenAI 直连ByteSpike
只有 OpenAI 模型所有前沿模型都在一把 key 下（Claude、Gemini、DeepSeek、……）
每家厂商单独计费一个钱包，一张发票
每家厂商单独限速一套限速封装，按 key 配置
失败也计费失败不计费
Stripe + 手动开票Console + Stripe 自动处理

​
不变的东西

  • OpenAI SDK —— Python、TypeScript、Go，所有官方客户端。只改 base_url。
  • 请求体结构 —— messages、tools、tool_choice、response_format、stream 等等 —— 完全一致。
  • 响应结构 —— choices[].message.content、tool_calls、usage —— 完全一致。
  • 流式协议 —— SSE 的 data: {json} + data: [DONE] —— 逐字节兼容。
  • 工具调用 —— 带 function 对象的 tools 数组 + tool_choice —— 完全一致。
  • 结构化输出 —— response_format: {type: "json_schema", ...} —— 完全一致（GPT 原生路径上；走 Claude/Gemini 路径时会翻译成该模型的原生形状）。

​
具体例子

​
聊天补全

# 原来:
from openai import OpenAI
client = OpenAI()
r = client.chat.completions.create(
    model="gpt-5-4",
    messages=[{"role": "user", "content": "ping"}],
)

# 现在:
from openai import OpenAI
client = OpenAI(
    base_url="https://llm.bytespike.ai/v1",
    api_key="sk-byts-...",
)
r = client.chat.completions.create(
    model="gpt-5-4",  # 同一个 id；或者换成 gpt-5-5 / claude-sonnet-4-6 / gemini-3-1-pro
    messages=[{"role": "user", "content": "ping"}],
)

​
工具调用

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get current weather",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"]
        }
    }
}]

# 同样的调用结构 —— 对 gpt-5、claude、gemini 等都能跑。
r = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "weather in Tokyo?"}],
    tools=tools,
)

​
图像生成

# OpenAI 的 images.generate 在 ByteSpike 目录上也能用：
r = client.images.generate(
    model="seedream-4-5",      # 或 "nano-banana"、"gpt-image-2"、……
    prompt="A timelapse of Tokyo at sunset",
    size="1024x1024",
    n=1,
)
print(r.data[0].url)

​
Responses API（o-系列 + GPT-5 + agents）

r = client.responses.create(
    model="gpt-5-5",
    input="Summarize the doc at https://example.com/doc",
    reasoning={"effort": "medium"},
)
对目录里所有模型都生效 —— ByteSpike 在背后会把 Responses 翻译成 非 GPT id 各模型的原生协议。

​
需要再确认的点

每把 ByteSpike key 绑到一个路由分组。挑包含你要调的模型的 分组。如果同一个客户端里要既调 GPT-5 又调 Claude，要么建两把 key（每个分组一把），要么挑一个多分组的 key 套餐。详见 模型。
token 计数算法一致（OpenAI 模型用 OpenAI 的 tokenizer）。价格可能 不同 —— 非 OpenAI provider 在 ByteSpike 这边通常更便宜，OpenAI 透传则持平。实时费率：bytespike.ai/pricing。
OpenAI 的 organization 和 project 头会被接受但忽略 —— ByteSpike 自己有一套组织模型。要按项目归因消费，每个项目建一把 key 配独立的 quota。
ByteSpike 不提供 OpenAI 的有状态 API（/files、/assistants、 /vector_stores）。如果你依赖它们，那部分继续直连 OpenAI；chat completions 可以照常走 ByteSpike。两个客户端并存没问题。
同上 —— ByteSpike 没有 fine-tuning 接口。直连 fine-tune、直连 部署，chat 走 ByteSpike。

​
分步操作

  1. 在 console.bytespike.ai 注册账号 —— 详见 注册账号。
  2. 充值 至少 $5 用于真实测试 —— 详见 充值 credits。
  3. 在匹配你所需模型的分组（default / claude-default / 等等）下创建一把 key。
  4. 在代码里改一处 base_url + api_key。
  5. 先打 gpt-5-4（直接替换）确认接线没问题，再去换模型。
  6. 逐个换上非 OpenAI id（claude-sonnet-4-6、gemini-3-1-pro、deepseek-v4-pro）。
  7. 在一份代表性样本上对比 token 计数 + 延迟。非 OpenAI id 通常 ByteSpike 更有优势；OpenAI 透传持平。

​
反向迁移

要回到 OpenAI 直连，把上面三处修改反过来即可。想 A/B 路由就把两个 客户端一起留在代码里 —— 唯一不同的点只在 SDK 构造函数。

​
下一步

从 Anthropic 迁移

同样思路，Anthropic 那一边。

配置你的客户端

各 SDK 完整配置细节。

/chat/completions 参考

请求 / 响应 / 流式协议。

Models

迁移完后能调用的完整目录。