### GET /v1/models

Source: https://api.vsellm.ru/openapi.json

## Получение списка доступных моделей

Возвращает список всех доступных моделей для использования в API.
Совместим с OpenAI Models API для интеграции с существующими проектами.

### Примеры использования

#### Python OpenAI SDK:
```python
import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

# Получение списка моделей
models = client.models.list()

# Вывод всех доступных моделей
for model in models.data:
    print(f"ID: {model.id}, Owner: {model.owned_by}")
```

#### cURL запрос:
```bash
curl -X GET https://api.vsellm.ru/v1/models \
  -H "Authorization: Bearer your-api-key"
```

```markdown
### Responses

#### 200 - Список доступных моделей

**ModelsResponse**
- **data** (array (ModelObject)) (required): Список доступных моделей
  Array items:
    - **id** (string) (required): Уникальный идентификатор модели
    - **object** (string (model)): Тип объекта ("model")
    - **created** (integer) (required): Время создания модели (Unix timestamp)
    - **owned_by** (string) (required): Владелец модели
- **object** (string (list)): Тип объекта ("list")

#### 401 - Неавторизованный доступ

Неавторизованный доступ

#### 429 - Превышен лимит запросов

Превышен лимит запросов

#### 500 - Внутренняя ошибка сервера

Внутренняя ошибка сервера

### Example Usage

```bash
curl -X GET "https://api.example.com/v1/models"
```

```

--------------------------------

### GET /v1/models_info

Source: https://api.vsellm.ru/openapi.json

## Получение детальной информации о моделях

Возвращает детальную информацию о всех доступных моделях включая стоимость, режимы работы и метаданные.
Поддерживает вывод в форматах JSON и CSV (совместимый с Google Таблицами).

### Параметры
- `csv`: boolean (по умолчанию False) - если True, возвращает данные в формате CSV

### Примеры использования

#### Получение JSON:
```bash
curl -X GET https://api.vsellm.ru/v1/models_info
```

#### Получение CSV:
```bash
curl -X GET "https://api.vsellm.ru/v1/models_info?csv=true"
```

#### Python запрос:
```python
import requests

# JSON формат
response = requests.get("https://api.vsellm.ru/v1/models_info")
data = response.json()

# CSV формат
response = requests.get("https://api.vsellm.ru/v1/models_info?csv=true")
csv_data = response.text
```

```markdown
### Parameters

- **csv** (boolean, query, optional): Возвращать данные в формате CSV (по умолчанию False)

### Responses

#### 200 - Детальная информация о моделях


#### 422 - Validation Error

**HTTPValidationError**
- **detail** (array (ValidationError))
  Array items:
    - **loc** (array (union)) (required)
    - **msg** (string) (required)
    - **type** (string) (required)

#### 500 - Ошибка при получении данных моделей

Ошибка при получении данных моделей

### Example Usage

```bash
curl -X GET "https://api.example.com/v1/models_info?csv=false"
```

```

--------------------------------

### POST /v1/chat/completions

Source: https://api.vsellm.ru/openapi.json

Создает ответ модели для данного диалога. Полностью совместим с OpenAI Chat API.

### Примеры использования

#### Простой запрос с Python OpenAI SDK:
```python
import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

response = client.chat.completions.create(
    model="anthropic/claude-sonnet-4",
    messages=[
        {"role": "user", "content": "Расскажи анекдот"}
    ]
)

print(response.choices[0].message.content)
```

#### Запрос с системным промптом:
```python
response = client.chat.completions.create(
    model="google/gemini-2.5-flash",
    messages=[
        {"role": "system", "content": "Ты полезный ассистент"},
        {"role": "user", "content": "Как дела?"}
    ],
    temperature=0.7,
    max_tokens=150
)
```

#### Стриминговый запрос:
```python
stream = client.chat.completions.create(
    model="GigaChat/GigaChat-2-Max",
    messages=[
        {"role": "user", "content": "Напиши короткий рассказ"}
    ],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")
```

#### cURL запрос:
```bash
curl -X POST https://api.vsellm.ru/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key" \
  -d '{
    "model": "openai/gpt-oss-120b",
    "messages": [
      {
        "role": "user",
        "content": "Привет! Как дела?"
      }
    ],
    "temperature": 0.7,
    "max_tokens": 150
  }'
```

```markdown
### Request Body

**Content-Type:** application/json

- **model** (string) (required): Название модели для использования
- **messages** (array (ChatCompletionMessage)) (required): Список сообщений в диалоге
  Array items:
    - **role** (string (system|user|assistant)) (required): Роли сообщений в чате ("system"|"user"|"assistant")
    - **content** (string) (required): Содержимое сообщения
    - **name** (string): Имя отправителя сообщения (опционально)
- **max_tokens** (integer): Максимальное количество токенов в ответе
- **temperature** (number): Температура для контроля случайности (0.0-2.0)
- **top_p** (number): Nucleus sampling parameter (0.0-1.0)
- **n** (integer): Количество вариантов ответа
- **stream** (boolean): Включить потоковую передачу ответа
- **user** (string): Уникальный идентификатор пользователя

### Responses

#### 200 - Успешный ответ

**ChatCompletionResponse**
- **id** (string) (required): Уникальный идентификатор запроса
- **object** (string (chat.completion)): Тип объекта ("chat.completion")
- **created** (integer) (required): Временная метка создания (Unix timestamp)
- **model** (string) (required): Используемая модель
- **choices** (array (ChatCompletionChoice)) (required): Список вариантов ответа
  Array items:
    - **index** (integer) (required): Индекс варианта ответа
    - **message** (object) (required): Сообщение в чате
      - **role** (string (system|user|assistant)) (required): Роли сообщений в чате ("system"|"user"|"assistant")
      - **content** (string) (required): Содержимое сообщения
      - **name** (string): Имя отправителя сообщения (опционально)
    - **finish_reason** (string (stop|length|content_filter|tool_calls|function_call)) (required): Причина завершения генерации ("stop"|"length"|"content_filter"|"tool_calls"|"function_call")
- **usage** (object) (required): Информация об использовании токенов
  - **prompt_tokens** (integer) (required): Количество токенов в запросе
  - **completion_tokens** (integer) (required): Количество токенов в ответе
  - **total_tokens** (integer) (required): Общее количество использованных токенов

#### 400 - Некорректный запрос

Некорректный запрос

#### 401 - Неавторизованный доступ

Неавторизованный доступ

#### 422 - Validation Error

**HTTPValidationError**
- **detail** (array (ValidationError))
  Array items:
    - **loc** (array (union)) (required)
    - **msg** (string) (required)
    - **type** (string) (required)

#### 429 - Превышен лимит запросов

Превышен лимит запросов

#### 500 - Внутренняя ошибка сервера

Внутренняя ошибка сервера

### Example Usage

```bash
curl -X POST "https://api.example.com/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "string",
  "messages": [
    "value"
  ],
  "max_tokens": "0",
  "temperature": "0",
  "top_p": "0",
  "n": "0",
  "stream": "true",
  "user": "string"
}'
```

```

--------------------------------

### API Overview: VseLLM API

Source: https://api.vsellm.ru/openapi.json

Совместимый с OpenAI API прокси для работы с различными языковыми моделями.

## Возможности
- Полная совместимость с OpenAI API
- Поддержка множества моделей
- Аутентификация через API ключи
- Стриминговые и обычные ответы

## Быстрый старт

```python
import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

response = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[
        {"role": "user", "content": "Привет!"}
    ]
)

print(response.choices[0].message.content)
```

## Быстрый старт swager

Прямо на этой странице, вы можете нажать кнопку *Authorize* и ввести свой ключ.
После этого можно запросить модели и попробовать api чата из примеров.


```yaml
# VseLLM API
# Version: 1.0.0

Совместимый с OpenAI API прокси для работы с различными языковыми моделями.

## Возможности
- Полная совместимость с OpenAI API
- Поддержка множества моделей
- Аутентификация через API ключи
- Стриминговые и обычные ответы

## Быстрый старт

```python
import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

response = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[
        {"role": "user", "content": "Привет!"}
    ]
)

print(response.choices[0].message.content)
```

## Быстрый старт swager

Прямо на этой странице, вы можете нажать кнопку *Authorize* и ввести свой ключ.
После этого можно запросить модели и попробовать api чата из примеров.


# Base URL: Not specified
```

--------------------------------

### POST /v1/embeddings

Source: https://api.vsellm.ru/openapi.json

## Создание embedding вводимого текста

Создает векторные представления (embeddings) для входного текста, которые можно использовать
для семантического поиска, классификации, кластеризации и других задач NLP.

### Параметры
- **input**: Текст для встраивания (строка или массив строк/токенов)
- **model**: ID модели для использования
- **encoding_format**: Формат возврата embedding (float или base64)
- **user**: Уникальный идентификатор пользователя (опционально)

### Примеры использования

#### Python OpenAI SDK:
```python
import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

# Создание embedding для одного текста
response = client.embeddings.create(
    input="The food was delicious and the waiter was friendly",
    model="text-embedding-3-small"
)

embedding = response.data[0].embedding
print(f"Embedding dimension: {len(embedding)}")
```

#### Множественные тексты:
```python
response = client.embeddings.create(
    input=[
        "Hello world",
        "Goodbye world",
        "How are you?"
    ],
    model="text-embedding-3-small"
)

for i, embedding_obj in enumerate(response.data):
    print(f"Text {i}: {len(embedding_obj.embedding)} dimensions")
```

#### cURL запрос:
```bash
curl -X POST https://api.vsellm.ru/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key" \
  -d '{
    "input": "The food was delicious and the waiter...",
    "model": "text-embedding-3-small",
    "encoding_format": "float"
  }'
```

```markdown
### Request Body

**Content-Type:** application/json

- **input** (string) (required)
- **model** (string) (required): ID модели для использования
- **encoding_format** (string (float|base64)): Формат для возврата embedding ("float"|"base64")
- **user** (string): Уникальный идентификатор пользователя

### Responses

#### 200 - Успешный ответ с embeddings

**EmbeddingResponse**
- **object** (string (list)): Тип объекта ("list")
- **data** (array (EmbeddingObject)) (required): Список объектов embedding
  Array items:
    - **object** (string (embedding)): Тип объекта ("embedding")
    - **embedding** (array (number)) (required): Вектор embedding - список вещественных чисел
    - **index** (integer) (required): Индекс embedding в списке
- **model** (string) (required): Используемая модель
- **usage** (object) (required): Информация об использовании токенов для embeddings
  - **prompt_tokens** (integer) (required): Количество токенов в запросе
  - **total_tokens** (integer) (required): Общее количество использованных токенов

#### 400 - Некорректный запрос

Некорректный запрос

#### 401 - Неавторизованный доступ

Неавторизованный доступ

#### 422 - Validation Error

**HTTPValidationError**
- **detail** (array (ValidationError))
  Array items:
    - **loc** (array (union)) (required)
    - **msg** (string) (required)
    - **type** (string) (required)

#### 429 - Превышен лимит запросов

Превышен лимит запросов

#### 500 - Внутренняя ошибка сервера

Внутренняя ошибка сервера

### Example Usage

```bash
curl -X POST "https://api.example.com/v1/embeddings" \
  -H "Content-Type: application/json" \
  -d '{
  "input": "value",
  "model": "string",
  "encoding_format": "float",
  "user": "string"
}'
```

```

--------------------------------

### Security: x-api-key

Source: https://api.vsellm.ru/openapi.json

API ключ для аутентификации. Используйте формат: Bearer your-api-key или просто your-api-key

```markdown
## Security: x-api-key

**Description:** API ключ для аутентификации. Используйте формат: Bearer your-api-key или просто your-api-key

**Type:** apiKey


```

--------------------------------

### Schema: Usage

Source: https://api.vsellm.ru/openapi.json

Информация об использовании токенов

```markdown
## Schema: Usage

Информация об использовании токенов

**Type:** object

- **prompt_tokens** (integer) (required): Количество токенов в запросе
- **completion_tokens** (integer) (required): Количество токенов в ответе
- **total_tokens** (integer) (required): Общее количество использованных токенов

```

--------------------------------

### Schema: ChatCompletionResponse

Source: https://api.vsellm.ru/openapi.json

Ответ chat completion API

```markdown
## Schema: ChatCompletionResponse

Ответ chat completion API

**Type:** object

- **id** (string) (required): Уникальный идентификатор запроса
- **object** (string (chat.completion)): Тип объекта ("chat.completion")
- **created** (integer) (required): Временная метка создания (Unix timestamp)
- **model** (string) (required): Используемая модель
- **choices** (array (ChatCompletionChoice)) (required): Список вариантов ответа
  Array items:
    - **index** (integer) (required): Индекс варианта ответа
    - **message** (object) (required): Сообщение в чате
      - **role** (string (system|user|assistant)) (required): Роли сообщений в чате ("system"|"user"|"assistant")
      - **content** (string) (required): Содержимое сообщения
      - **name** (string): Имя отправителя сообщения (опционально)
    - **finish_reason** (string (stop|length|content_filter|tool_calls|function_call)) (required): Причина завершения генерации ("stop"|"length"|"content_filter"|"tool_calls"|"function_call")
- **usage** (object) (required): Информация об использовании токенов
  - **prompt_tokens** (integer) (required): Количество токенов в запросе
  - **completion_tokens** (integer) (required): Количество токенов в ответе
  - **total_tokens** (integer) (required): Общее количество использованных токенов

```

--------------------------------

### Schema: ModelsResponse

Source: https://api.vsellm.ru/openapi.json

Ответ со списком доступных моделей

```markdown
## Schema: ModelsResponse

Ответ со списком доступных моделей

**Type:** object

- **data** (array (ModelObject)) (required): Список доступных моделей
  Array items:
    - **id** (string) (required): Уникальный идентификатор модели
    - **object** (string (model)): Тип объекта ("model")
    - **created** (integer) (required): Время создания модели (Unix timestamp)
    - **owned_by** (string) (required): Владелец модели
- **object** (string (list)): Тип объекта ("list")

```

--------------------------------

### Schema: ChatMessageRole

Source: https://api.vsellm.ru/openapi.json

Роли сообщений в чате

```markdown
## Schema: ChatMessageRole

Роли сообщений в чате

**Type:** string


```

--------------------------------

### Schema: ChatCompletionMessage

Source: https://api.vsellm.ru/openapi.json

Сообщение в чате

```markdown
## Schema: ChatCompletionMessage

Сообщение в чате

**Type:** object

- **role** (string (system|user|assistant)) (required): Роли сообщений в чате ("system"|"user"|"assistant")
- **content** (string) (required): Содержимое сообщения
- **name** (string): Имя отправителя сообщения (опционально)

```

--------------------------------

### Schema: ChatCompletionRequest

Source: https://api.vsellm.ru/openapi.json

Запрос для создания chat completion

```markdown
## Schema: ChatCompletionRequest

Запрос для создания chat completion

**Type:** object

- **model** (string) (required): Название модели для использования
- **messages** (array (ChatCompletionMessage)) (required): Список сообщений в диалоге
  Array items:
    - **role** (string (system|user|assistant)) (required): Роли сообщений в чате ("system"|"user"|"assistant")
    - **content** (string) (required): Содержимое сообщения
    - **name** (string): Имя отправителя сообщения (опционально)
- **max_tokens** (integer): Максимальное количество токенов в ответе
- **temperature** (number): Температура для контроля случайности (0.0-2.0)
- **top_p** (number): Nucleus sampling parameter (0.0-1.0)
- **n** (integer): Количество вариантов ответа
- **stream** (boolean): Включить потоковую передачу ответа
- **user** (string): Уникальный идентификатор пользователя

```

--------------------------------

### Schema: ModelObject

Source: https://api.vsellm.ru/openapi.json

Информация о доступной модели

```markdown
## Schema: ModelObject

Информация о доступной модели

**Type:** object

- **id** (string) (required): Уникальный идентификатор модели
- **object** (string (model)): Тип объекта ("model")
- **created** (integer) (required): Время создания модели (Unix timestamp)
- **owned_by** (string) (required): Владелец модели

```

--------------------------------

### Schema: EmbeddingObject

Source: https://api.vsellm.ru/openapi.json

Объект embedding

```markdown
## Schema: EmbeddingObject

Объект embedding

**Type:** object

- **object** (string (embedding)): Тип объекта ("embedding")
- **embedding** (array (number)) (required): Вектор embedding - список вещественных чисел
- **index** (integer) (required): Индекс embedding в списке

```

--------------------------------

### Schema: ChatCompletionChoice

Source: https://api.vsellm.ru/openapi.json

Вариант ответа в chat completion

```markdown
## Schema: ChatCompletionChoice

Вариант ответа в chat completion

**Type:** object

- **index** (integer) (required): Индекс варианта ответа
- **message** (object) (required): Сообщение в чате
  - **role** (string (system|user|assistant)) (required): Роли сообщений в чате ("system"|"user"|"assistant")
  - **content** (string) (required): Содержимое сообщения
  - **name** (string): Имя отправителя сообщения (опционально)
- **finish_reason** (string (stop|length|content_filter|tool_calls|function_call)) (required): Причина завершения генерации ("stop"|"length"|"content_filter"|"tool_calls"|"function_call")

```

--------------------------------

### Schema: EmbeddingResponse

Source: https://api.vsellm.ru/openapi.json

Ответ embeddings API

```markdown
## Schema: EmbeddingResponse

Ответ embeddings API

**Type:** object

- **object** (string (list)): Тип объекта ("list")
- **data** (array (EmbeddingObject)) (required): Список объектов embedding
  Array items:
    - **object** (string (embedding)): Тип объекта ("embedding")
    - **embedding** (array (number)) (required): Вектор embedding - список вещественных чисел
    - **index** (integer) (required): Индекс embedding в списке
- **model** (string) (required): Используемая модель
- **usage** (object) (required): Информация об использовании токенов для embeddings
  - **prompt_tokens** (integer) (required): Количество токенов в запросе
  - **total_tokens** (integer) (required): Общее количество использованных токенов

```

--------------------------------

### Schema: EmbeddingUsage

Source: https://api.vsellm.ru/openapi.json

Информация об использовании токенов для embeddings

```markdown
## Schema: EmbeddingUsage

Информация об использовании токенов для embeddings

**Type:** object

- **prompt_tokens** (integer) (required): Количество токенов в запросе
- **total_tokens** (integer) (required): Общее количество использованных токенов

```

--------------------------------

### Schema: EmbeddingRequest

Source: https://api.vsellm.ru/openapi.json

Запрос для создания embeddings

```markdown
## Schema: EmbeddingRequest

Запрос для создания embeddings

**Type:** object

- **input** (string) (required)
- **model** (string) (required): ID модели для использования
- **encoding_format** (string (float|base64)): Формат для возврата embedding ("float"|"base64")
- **user** (string): Уникальный идентификатор пользователя

```

--------------------------------

### Schema: HTTPValidationError

Source: https://api.vsellm.ru/openapi.json

Schema definition for HTTPValidationError

```markdown
## Schema: HTTPValidationError

Schema definition for HTTPValidationError

**Type:** object

- **detail** (array (ValidationError))
  Array items:
    - **loc** (array (union)) (required)
    - **msg** (string) (required)
    - **type** (string) (required)

```

--------------------------------

### Schema: ValidationError

Source: https://api.vsellm.ru/openapi.json

Schema definition for ValidationError

```markdown
## Schema: ValidationError

Schema definition for ValidationError

**Type:** object

- **loc** (array (union)) (required)
- **msg** (string) (required)
- **type** (string) (required)

```

=== COMPLETE CONTENT === This response contains all available snippets from this library. No additional content exists. Do not make further requests.