ИИ-модели

Единый OpenAI-совместимый API к языковым моделям. Подставляете ключ в любой клиент, который умеет ходить в OpenAI, — и платите за токены рублями с баланса аккаунта. Отдельной подписки нет.

Раздел в панели — ИИ-модели.

Быстрый старт

Панель → ИИ-модели → Создать ключ. Ключ показывается один раз: мы храним только его хеш и отдать повторно не можем.
Подставьте адрес и ключ в свой клиент.

curl https://ai.tatnet.cloud/v1/chat/completions \
  -H "Authorization: Bearer $TATNET_AI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "messages": [{"role": "user", "content": "Привет"}]
  }'

С официальным SDK меняется только base URL:

from openai import OpenAI

client = OpenAI(
    base_url="https://ai.tatnet.cloud/v1",
    api_key="tnai_live_…",
)
answer = client.chat.completions.create(
    model="glm-5.2",
    messages=[{"role": "user", "content": "Привет"}],
)

Потоковый режим ("stream": true) работает как у OpenAI, включая stream_options.include_usage.

Claude Code и Anthropic SDK

Тот же ключ работает и в формате Anthropic Messages API — POST /v1/messages. Поэтому наши модели можно подключить к Claude Code и к любому клиенту на Anthropic SDK.

Claude Code настраивается переменными окружения:

export ANTHROPIC_BASE_URL=https://ai.tatnet.cloud
export ANTHROPIC_AUTH_TOKEN=tnai_live_…
export ANTHROPIC_MODEL=glm-5.2
# Claude Code ходит и в «быструю» модель — укажите нашу, иначе он спросит haiku:
export ANTHROPIC_DEFAULT_HAIKU_MODEL=glm-5.2
claude

Проверено на glm-5.2, kimi-k3 и deepseek-v4-pro: чтение и правка файлов, вызов инструментов, размышления.

В Python:

import anthropic

client = anthropic.Anthropic(base_url="https://ai.tatnet.cloud", api_key="tnai_live_…")
message = client.messages.create(
    model="kimi-k3",
    max_tokens=2000,
    messages=[{"role": "user", "content": "Привет"}],
)

Ключ принимается в заголовке x-api-key или Authorization: Bearer. Цена и списание те же, что у OpenAI-формата.

Чем этот вход отличается от API Anthropic:

Размышления. thinking переводится в уровень размышлений модели: бюджет до 4096 токенов — низкий, до 16 384 — средний, больше — высокий; {"type": "disabled"} размышления выключает. Размышления приходят обычными блоками thinking, но без подписи.
Серверных инструментов Anthropic нет (веб-поиск, исполнение кода и т. п.). Такие инструменты из запроса убираются, модель их не видит. mcp_servers и container отклоняются.
Документы (PDF) не принимаются, как и в OpenAI-формате. Текст и картинки — да, в том числе картинки в результатах инструментов.
Кеш промпта включается сам, если модель его поддерживает. Метки cache_control не нужны и ни на что не влияют. Прочитанное из кеша приходит в usage.cache_read_input_tokens и стоит по ставке чтения кеша.
/v1/messages/count_tokens возвращает оценку (заголовок X-Tatnet-Token-Count: estimate), а не точный подсчёт токенизатором модели.
Ошибки приходят в форме Anthropic: {"type": "error", "error": {...}}. Коды те же, что в таблице ниже; у 402 тип billing_error.

Codex CLI и Responses API

Есть и вход в формате OpenAI Responses API: POST /v1/responses. Через него работает Codex CLI. Настройка — в ~/.codex/config.toml:

model = "glm-5.2"
model_provider = "tatnet"

[model_providers.tatnet]
name = "TatNet"
base_url = "https://ai.tatnet.cloud/v1"
env_key = "TATNET_AI_KEY"
wire_api = "responses"

export TATNET_AI_KEY=tnai_live_…
codex

Проверено на glm-5.2, kimi-k3 и deepseek-v4-pro: чтение и правка файлов, вызов инструментов. Codex предупредит, что не знает метаданных модели, — на работу это не влияет.

Особенности этого входа:

Ответы не хранятся. previous_response_id не поддерживается: передавайте историю целиком (store: false). Codex так и делает.
Потолок вывода по умолчанию — 32 000 токенов, если max_output_tokens не задан. Codex этот параметр не передаёт, поэтому для проверки средств считается именно этот потолок. Выше предела модели из таблицы ответ всё равно не будет.
Размышления приходят элементом reasoning: текст — в summary. Верните элемент в следующем запросе, и модель продолжит с учётом своих размышлений.
Встроенные инструменты OpenAI (веб-поиск, поиск по файлам и т. п.) из запроса убираются. Свои функции и инструменты со свободным вводом (type: custom) работают.
Ошибки приходят в обычной форме OpenAI, как у /v1/chat/completions.

Модели

Модель (`model`)	Производитель	Умеет	Окно / вывод до	Когда брать
`glm-5.3`	Z.AI	инструменты, размышления	1M / 131K	новый флагман Z.AI: код и длинные агентные задачи
`glm-5.2`	Z.AI	инструменты	1M / 128K	флагман прошлого поколения: код, агенты, длинный контекст
`kimi-k3`	Moonshot	картинки, инструменты, размышления	1M / 262K	самые сложные задачи и код, когда цена вторична
`qwen3.8-max`	Qwen	картинки, инструменты, размышления	1M / 131K	флагман Qwen: рассуждения, код, изображения
`deepseek-v4-pro`	DeepSeek	инструменты, размышления	1M / 393K	сложные задачи, где нужна сильная модель
`mimo-v2.6-pro`	Xiaomi	картинки, инструменты, размышления	1M / 131K	сильная модель по цене лёгкой
`minimax-m3`	MiniMax	инструменты, размышления	512K / 512K	агентные задачи и код, очень длинный вывод
`qwen3-coder-next`	Qwen	инструменты	262K / 65K	код и агентные сценарии, быстрый ответ без размышлений
`glm-5v-turbo`	Z.AI	картинки, инструменты, размышления	203K / 131K	скриншоты, схемы, документы на входе
`deepseek-v4.1-flash`	DeepSeek	картинки, инструменты, размышления	1M / 393K	дешёвая быстрая модель, понимает изображения
`mimo-v2.6-flash`	Xiaomi	картинки, инструменты, размышления	1M / 131K	самая дешёвая модель каталога

Цены — в рублях за миллион токенов входа, чтения кеша и вывода — смотрите в панели: ИИ-модели → каталог. GET /v1/models цен не отдаёт.

В запросе пишите значение из первой колонки. Тот же список с умениями и пределами отдаёт API:

curl https://ai.tatnet.cloud/v1/models

{"id": "glm-5v-turbo", "object": "model", "owned_by": "tatnet", "context_window": 202752,
 "max_output_tokens": 131072,
 "capabilities": {"tools": true, "vision": true, "reasoning": true}}

Модель можно сменить в любой момент, поменяв одно поле model: адрес, ключ и формат запроса у всех одинаковые.

Картинки на входе

Картинки понимают модели с отметкой «картинки»: glm-5v-turbo, kimi-k3, qwen3.8-max, mimo-v2.6-pro, mimo-v2.6-flash, deepseek-v4.1-flash. Передаются как у OpenAI — частью content с типом image_url (ссылкой или data:-URI):

{"model": "glm-5v-turbo", "messages": [{"role": "user", "content": [
  {"type": "text", "text": "Что на скриншоте?"},
  {"type": "image_url", "image_url": {"url": "https://example.com/screen.png"}}
]}]}

Картинка тарифицируется как входные токены. Их число зависит от размера и модели: у glm-5v-turbo около тысячи токенов у 1024×768 и около шести тысяч у 4K.

:::note Файлы и аудио пока не принимаются В content поддерживаются части text и image_url. Запрос с файлом (type: "file", например PDF) или аудио (input_audio) получает 400 unsupported_content сразу, без обращения к модели и без списания. Текст из PDF передавайте текстом, страницы — картинками. :::

Размышления

У моделей с отметкой «размышления» часть вывода — рассуждение перед ответом. Эти токены тарифицируются по ставке вывода и расходуются из того же max_tokens, что и ответ: если потолок мал, модель может истратить его на рассуждение и не успеть ответить (finish_reason: "length"). Для сложных задач задавайте max_tokens с запасом.

Размышлениями управляет стандартный параметр reasoning_effort:

Модель	Как отвечает на `reasoning_effort`
`deepseek-v4-pro`	`"none"` выключает размышления; остальные значения их включают, но на объём почти не влияют
`glm-5v-turbo`	`"none"` выключает; `"minimal"` … `"high"` заметно меняют объём
`kimi-k3`	`"none"` выключает; `"low"` и `"high"` заметно меняют объём (в замере — втрое)
`mimo-v2.6-pro`, `mimo-v2.6-flash`, `minimax-m3`, `deepseek-v4.1-flash`	`"none"` выключает; `"low"` … `"high"` меняют объём слабо
`glm-5.3`, `qwen3.8-max`	выключить нельзя: `"none"` даёт ошибку 400; `"low"` — самый короткий режим
`glm-5.2`, `qwen3-coder-next`	размышлений нет, параметр ничего не меняет

Выключенные размышления дешевле, но на задачах с расчётом заметно чаще ошибаются: в нашем замере на простой задаче про время в пути все четыре модели, ответившие с "none", дали неверный ответ, а с размышлениями — верный.

{"model": "deepseek-v4.1-flash", "reasoning_effort": "none",
 "messages": [{"role": "user", "content": "Переведи на английский: привет"}]}

:::warning Размышления у DeepSeek включены по умолчанию На непростом вопросе они способны занять весь потолок вывода — а без max_tokens он равен 4096. Для коротких ответов передавайте "reasoning_effort": "none": так дешевле и быстрее. Для трудных задач оставьте размышления, но поднимите max_tokens. :::

Сколько это стоит

Цена — за миллион токенов, отдельно за вход, за выход и за чтение кеша. Актуальные ставки всегда в панели, в разделе ИИ-модели → Каталог: там показана та цена, которая спишется, без пересчётов.

Списание идёт реальными рублями с баланса, как за домены. Бонусные кредиты на инференс не расходуются и доступ к нему не открывают: чтобы начать, нужно пополнить баланс настоящими деньгами хотя бы один раз.

Расход виден в разделе ИИ-модели → Расход: за текущий месяц, по моделям и по проектам.

Ключи

Ключ работает от имени аккаунта и начинается с tnai_live_.
Ключу можно задать предел расхода за месяц. Утёкший ключ упрётся в потолок раньше, чем в баланс аккаунта, и скажет об этом причиной.
Ключу можно сузить набор моделей.
Отозванный ключ перестаёт работать сразу; история расхода по нему остаётся.

Ключ даёт доступ к платному API — не кладите его в репозиторий и в код, который уезжает в браузер.

Ответы об отказе

Отказ приходит в обычной для OpenAI форме — {"error": {...}} — и всегда с причиной. Коды различают смысл:

Код	Что это значит
`401`	ключ не найден, отозван или выключен
`402`	не хватает средств, не было реального пополнения, либо ключ упёрся в свой предел
`403`	этому ключу модель не разрешена
`404`	такой модели нет в каталоге
`503`	мы не смогли проверить доступ или тариф — это не отказ по деньгам, повторите запрос

Проверка средств идёт до обращения к модели и по худшему случаю запроса (вход плюс max_tokens вывода). Поэтому запрос, на который не хватает, отклоняется сразу и не тарифицируется.

Если max_tokens (или max_completion_tokens) не задан, действует потолок 4096 токенов вывода — и для проверки средств, и для самой модели. Нужен длинный ответ — задайте потолок явно, но не выше предела модели из таблицы.

Что стоит знать заранее

Таймаута на весь ответ нет: длинные рассуждения модели доезжают целиком.
Если ответ оборвался и счётчики токенов не пришли, запрос не тарифицируется.
Каталог моделей расширяется; снятая с продажи модель перестаёт предлагаться, но уже сделанные запросы по ней считаются как прежде.

Быстрый старт​

Claude Code и Anthropic SDK​

Codex CLI и Responses API​

Модели​

Картинки на входе​

Размышления​

Сколько это стоит​

Ключи​

Ответы об отказе​

Что стоит знать заранее​