APIドキュメント
最終更新:2026年11月
最初のリクエストから始め、API の例とトラブルシューティングを確認できます。
このページの内容
- メールアドレスを登録して確認するか、Google にサインインします。カードやチャージは必要ありません。
- Auto を許可するキーを作成し、一度だけ表示されるシークレットを保存します。API Keys を開く
- Bash(cURL と Python 3)、Python 3、JavaScript(Node.js 18+)から選択します。your-api-key を自分のキーに置き換えてください。Bash は response.json をローカルに保存します。
export ITERACOMPUTE_API_KEY="your-api-key"
curl --fail-with-body --max-time 180 https://api.iteracompute.com/v1/chat/completions \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"Auto","messages":[{"role":"user","content":"Reply with exactly: Hello!"}],"max_tokens":512,"reasoning":false}' \
-o response.json && python3 -c 'import json; r=json.load(open("response.json")); text=r["choices"][0]["message"]["content"]; assert text and text.strip(), "Empty model reply: activation is incomplete"; print(text)'import json
from urllib.request import Request, urlopen
api_key = "your-api-key"
payload = {
"model": "Auto",
"messages": [{"role": "user", "content": "Reply with exactly: Hello!"}],
"max_tokens": 512,
"reasoning": False,
}
request = Request(
"https://api.iteracompute.com/v1/chat/completions",
data=json.dumps(payload).encode(),
headers={"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"},
method="POST",
)
with urlopen(request, timeout=180) as response:
result = json.load(response)
text = result["choices"][0]["message"]["content"]
if not text or not text.strip():
raise RuntimeError("Empty model reply: activation is incomplete")
print(text)const apiKey = "your-api-key";
const response = await fetch(
"https://api.iteracompute.com/v1/chat/completions",
{
method: "POST",
headers: {
"Authorization": `Bearer ${apiKey}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
"model": "Auto",
"messages": [{"role": "user", "content": "Reply with exactly: Hello!"}],
"max_tokens": 512,
"reasoning": false,
}),
signal: AbortSignal.timeout(180000),
},
);
if (!response.ok) throw new Error(`HTTP ${response.status}: ${await response.text()}`);
const result = await response.json();
const text = result.choices[0].message.content;
if (!text?.trim()) throw new Error("Empty model reply: activation is incomplete");
console.log(text);choices[0].message.content が空でなければ成功です。各コードは応答を表示し、空の応答ではエラーになります。想定出力:Hello!(表現は異なる場合があります)。
3 つの例はすべて無料の Qwen を使用し、思考を無効にしています。401/403 ではキーとモデルの権限を確認してください。429 では以下の復旧手順に従ってください。
IteraCompute API は OpenAI 互換です。すでに OpenAI API を利用するアプリケーションでは、移行時に変更するのは base_url と API キーです。Chat Completions、Responses、ストリーミング、ツール呼び出しは、選択したモデルが対応する範囲で互換形式を使用します。
API リクエストの送信先: https://api.iteracompute.com/v1に送信します。Chat Completions および Responses の認証には、API キーを次のヘッダーに指定します: Authorization 。
export ITERACOMPUTE_API_KEY="your-api-key"
curl --fail-with-body --max-time 180 https://api.iteracompute.com/v1/chat/completions \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"deepseek/deepseek-v4.1-flash-1017","messages":[{"role":"user","content":"Reply with exactly: Hello!"}],"temperature":0,"max_tokens":128}'Models エンドポイントが返す provider/model 形式の ID をそのまま使用してください。次の接頭辞は追加しないでください: iteracompute/ 。ゲートウェイが現在公開しているモデルは、次のコマンドで確認できます:
curl --fail-with-body https://api.iteracompute.com/v1/modelsModels エンドポイントは公開されており、現在のゲートウェイのモデル一覧を返します。次のフィールドの値を id 返されたとおりに使用してください。モデルの商用利用の可否は、引き続き API キーと契約により制御されます。
モデルのサポートとコスト
Chat Completions、Responses、ストリーミング、ツール呼び出しの例は有料の DeepSeek V4.1 Flash 1017 を使い、使用量に応じて API 残高から差し引かれます。最新の入力・キャッシュ入力・出力料金はモデルページで確認してください。無料の Qwen3.8-27B は Chat Completions、ストリーミング、ツール呼び出しに対応しますが、このガイドは Qwen の Responses API 対応を検証していません。モデル ID と推論パラメータは互換ではありません。例を変更する前に、対象モデルが各エンドポイントとオプションに対応することを確認してください。
3つの言語タブは同じ HTTP エンドポイントを呼び出します。実行前に環境変数 ITERACOMPUTE_API_KEY を設定してください。JavaScript の例は Node.js 18 以降を使用します。
これらの例は自動再試行を無効にしています。429 ではエラー本文と Retry-After を確認し、月間上限に達した場合は再試行を停止してください。タイムアウト、切断、5xx の後はリクエスト ID を保存し、処理結果を確認してから次の課金対象リクエストを送信してください。
公開済みのすべての会話モデルは OpenAI Chat Completions と Anthropic Messages に対応します。Responses とモデル機能の対応範囲は、各モデルに記載された制限に従います。
4. Chat Completions
POST /v1/chat/completions OpenAI のリクエストとレスポンスの形式に従います。
POSThttps://api.iteracompute.com/v1/chat/completions
curl --fail-with-body --max-time 180 https://api.iteracompute.com/v1/chat/completions \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"deepseek/deepseek-v4.1-flash-1017","messages":[{"role":"user","content":"Reply with exactly: Hello!"}],"temperature":0,"max_tokens":128}'# Install once: python -m pip install openai
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.iteracompute.com/v1",
api_key=os.environ["ITERACOMPUTE_API_KEY"],
max_retries=0,
timeout=180.0,
)
resp = client.chat.completions.create(
model="deepseek/deepseek-v4.1-flash-1017",
messages=[{"role": "user", "content": "Reply with exactly: Hello!"}],
temperature=0,
max_tokens=128,
)
print(resp.choices[0].message.content)
print(resp.usage) # prompt_tokens / completion_tokens / total_tokensconst response = await fetch("https://api.iteracompute.com/v1/chat/completions", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.ITERACOMPUTE_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "deepseek/deepseek-v4.1-flash-1017",
messages: [{role: "user", content: "Reply with exactly: Hello!"}],
temperature: 0,
max_tokens: 128,
}),
signal: AbortSignal.timeout(180000),
});
if (!response.ok) throw new Error(`HTTP ${response.status}: ${await response.text()}`);
const result = await response.json();
console.log(result.choices[0].message.content);Anthropic Messages
この例は DeepSeek V4.1 Flash 1017 を使用します。キーで利用できる公開済みの会話モデルを選択できます。Python の例は標準ライブラリのみを使います。Messages は Anthropic ネイティブの応答とエラーを返し、ストリームは [DONE] ではなく message_stop で終了します。
POSThttps://api.iteracompute.com/v1/messages
curl --fail-with-body --max-time 180 https://api.iteracompute.com/v1/messages \
-H "x-api-key: $ITERACOMPUTE_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "Content-Type: application/json" \
-d @- <<JSON
{
"model": "deepseek/deepseek-v4.1-flash-1017",
"max_tokens": 128,
"messages": [{"role": "user", "content": "Hello!"}]
}
JSONimport json
import os
from urllib.request import Request, urlopen
request = Request(
"https://api.iteracompute.com/v1/messages",
data=json.dumps({
"model": "deepseek/deepseek-v4.1-flash-1017",
"max_tokens": 128,
"messages": [{"role": "user", "content": "Hello!"}],
}).encode(),
headers={
"x-api-key": os.environ["ITERACOMPUTE_API_KEY"],
"anthropic-version": "2023-06-01",
"Content-Type": "application/json",
},
method="POST",
)
with urlopen(request, timeout=180) as response:
result = json.load(response)
print("".join(block["text"] for block in result["content"] if block["type"] == "text"))const response = await fetch("https://api.iteracompute.com/v1/messages", {
method: "POST",
headers: {
"x-api-key": process.env.ITERACOMPUTE_API_KEY,
"anthropic-version": "2023-06-01",
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "deepseek/deepseek-v4.1-flash-1017",
max_tokens: 128,
messages: [{role: "user", content: "Hello!"}],
}),
signal: AbortSignal.timeout(180000),
});
if (!response.ok) throw new Error(`HTTP ${response.status}: ${await response.text()}`);
const result = await response.json();
console.log(result.content.filter(block => block.type === "text").map(block => block.text).join(""));5. Responses API
POST /v1/responses Codex などのクライアントによって使用される OpenAI Response API をサポートします。
POSThttps://api.iteracompute.com/v1/responses
curl --fail-with-body --max-time 180 https://api.iteracompute.com/v1/responses \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"deepseek/deepseek-v4.1-flash-1017","input":"Reply with exactly: Hello!","max_output_tokens":128}'# Install once: python -m pip install openai
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.iteracompute.com/v1",
api_key=os.environ["ITERACOMPUTE_API_KEY"],
max_retries=0,
timeout=180.0,
)
response = client.responses.create(
model="deepseek/deepseek-v4.1-flash-1017",
input="Reply with exactly: Hello!",
max_output_tokens=128,
)
print(response.output_text)const response = await fetch("https://api.iteracompute.com/v1/responses", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.ITERACOMPUTE_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "deepseek/deepseek-v4.1-flash-1017",
input: "Reply with exactly: Hello!",
max_output_tokens: 128,
}),
signal: AbortSignal.timeout(180000),
});
if (!response.ok) throw new Error(`HTTP ${response.status}: ${await response.text()}`);
const result = await response.json();
console.log(result.output.filter(item => item.type === "message").flatMap(item => item.content || [])
.filter(block => block.type === "output_text").map(block => block.text).join(""));公開済みの画像モデルとアクセス権のある API キーで Images API を利用してください。呼び出す前にモデルカタログで現在の利用可否を確認してください。
モデル ID とプロンプトまたはネイティブの contents で画像を生成します。選択したモデルが対応するフィールドのみを使ってください。API キーで認証し、base64 画像をローカルに保存します。
POSThttps://api.iteracompute.com/v1/images/generations
これらの有料例は画像を 1 枚作成し、ローカルに保存します。先に ITERACOMPUTE_API_KEY を設定してください。cURL 例には Bash と Python 3、Python には httpx、JavaScript には Node.js 18+ が必要です。
| モデルID | 生成 | 参照画像の編集 |
|---|---|---|
openai/gpt-image-2.6-flare | /v1/images/generations | /v1/images/edits · multipart |
openai/gpt-image-2.6-sunburst | /v1/images/generations | /v1/images/edits · multipart |
gemini/gemini-nano-banana-2.1 | /v1/images/generations | /v1/images/generations · contents |
OpenAI Image 2.6
Flare と Sunburst は同じフィールドを使用します。Sunburst を使う場合は、モデル ID を openai/gpt-image-2.6-sunburst に変更してください。例では 1024x1024、low 品質を指定しています。
POSThttps://api.iteracompute.com/v1/images/generations
set -e
curl --fail-with-body --max-time 1800 https://api.iteracompute.com/v1/images/generations \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"openai/gpt-image-2.6-flare","prompt":"A blue ceramic cup on a white background. No text, no people.","n":1,"size":"1024x1024","quality":"low","output_format":"png"}' \
-o generation-response.json && python3 - <<'PY'
import base64, json
from pathlib import Path
result = json.loads(Path("generation-response.json").read_text())
Path("generated.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))
print(result["usage"])
PY# Install once: python -m pip install httpx
import base64
import os
from pathlib import Path
import httpx
payload = {'model': 'openai/gpt-image-2.6-flare',
'prompt': 'A blue ceramic cup on a white background. No text, no people.',
'n': 1,
'size': '1024x1024',
'quality': 'low',
'output_format': 'png'}
headers = {"Authorization": f"Bearer {os.environ['ITERACOMPUTE_API_KEY']}"}
with httpx.Client(timeout=1800.0, transport=httpx.HTTPTransport(retries=0)) as client:
response = client.post("https://api.iteracompute.com/v1/images/generations", headers=headers, json=payload)
response.raise_for_status()
result = response.json()
Path("generated.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))
print(result["usage"])import { writeFile } from "node:fs/promises";
const payload = {
"model": "openai/gpt-image-2.6-flare",
"prompt": "A blue ceramic cup on a white background. No text, no people.",
"n": 1,
"size": "1024x1024",
"quality": "low",
"output_format": "png"
};
const response = await fetch("https://api.iteracompute.com/v1/images/generations", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.ITERACOMPUTE_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify(payload),
signal: AbortSignal.timeout(1800000),
});
if (!response.ok) throw new Error(`HTTP ${response.status}: ${await response.text()}`);
const result = await response.json();
await writeFile("generated.png", Buffer.from(result.data[0].b64_json, "base64"));
console.log(result.usage);Gemini Nano Banana 2.1
Gemini は OpenAI の size、quality ではなく contents と generationConfig を使用します。例では正方形の 1K PNG と 3000 トークンの出力上限を指定しています。
set -e
curl --fail-with-body --max-time 1800 https://api.iteracompute.com/v1/images/generations \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"gemini/gemini-nano-banana-2.1","contents":[{"role":"user","parts":[{"text":"A blue ceramic cup on a white background. No text, no people."}]}],"generationConfig":{"maxOutputTokens":3000,"thinkingConfig":{"thinkingLevel":"MINIMAL","includeThoughts":false},"imageConfig":{"imageSize":"1K","aspectRatio":"1:1"}}}' \
-o generation-response.json && python3 - <<'PY'
import base64, json
from pathlib import Path
result = json.loads(Path("generation-response.json").read_text())
Path("generated.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))
print(result["usage"])
PY# Install once: python -m pip install httpx
import base64
import os
from pathlib import Path
import httpx
payload = {'model': 'gemini/gemini-nano-banana-2.1',
'contents': [{'role': 'user',
'parts': [{'text': 'A blue ceramic cup on a white background. '
'No text, no people.'}]}],
'generationConfig': {'maxOutputTokens': 3000,
'thinkingConfig': {'thinkingLevel': 'MINIMAL',
'includeThoughts': False},
'imageConfig': {'imageSize': '1K',
'aspectRatio': '1:1'}}}
headers = {"Authorization": f"Bearer {os.environ['ITERACOMPUTE_API_KEY']}"}
with httpx.Client(timeout=1800.0, transport=httpx.HTTPTransport(retries=0)) as client:
response = client.post("https://api.iteracompute.com/v1/images/generations", headers=headers, json=payload)
response.raise_for_status()
result = response.json()
Path("generated.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))
print(result["usage"])import { writeFile } from "node:fs/promises";
const payload = {
"model": "gemini/gemini-nano-banana-2.1",
"contents": [
{
"role": "user",
"parts": [
{
"text": "A blue ceramic cup on a white background. No text, no people."
}
]
}
],
"generationConfig": {
"maxOutputTokens": 3000,
"thinkingConfig": {
"thinkingLevel": "MINIMAL",
"includeThoughts": false
},
"imageConfig": {
"imageSize": "1K",
"aspectRatio": "1:1"
}
}
};
const response = await fetch("https://api.iteracompute.com/v1/images/generations", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.ITERACOMPUTE_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify(payload),
signal: AbortSignal.timeout(1800000),
});
if (!response.ok) throw new Error(`HTTP ${response.status}: ${await response.text()}`);
const result = await response.json();
await writeFile("generated.png", Buffer.from(result.data[0].b64_json, "base64"));
console.log(result.usage);編集例を実行する前に、参照 PNG を reference.png として保存してください。画像とプロンプトの両方が入力として課金されます。編集結果は edited.png に保存されます。
モデルが指定する編集形式を使ってください。/v1/images/edits では multipart ファイル、/v1/images/generations では base64 の inlineData 参照画像を渡します。MIME タイプはファイル内容と一致させてください。
OpenAI Image 2.6
multipart フォームデータでファイルをアップロードします。boundary を含む Content-Type は HTTP クライアントに設定させてください。編集品質は low、medium、high で、任意の PNG mask を指定できます。
POSThttps://api.iteracompute.com/v1/images/edits
set -e
curl --fail-with-body --max-time 1800 https://api.iteracompute.com/v1/images/edits \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-F 'model=openai/gpt-image-2.6-flare' \
-F 'prompt=Change the cup to matte green. Keep its silhouette and white background.' \
-F 'n=1' \
-F 'size=1024x1024' \
-F 'quality=low' \
-F 'output_format=png' \
-F 'image[]=@reference.png;type=image/png' \
-o edit-response.json && python3 - <<'PY'
import base64, json
from pathlib import Path
result = json.loads(Path("edit-response.json").read_text())
Path("edited.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))
print(result["usage"])
PY# Install once: python -m pip install httpx
import base64
import os
from pathlib import Path
import httpx
payload = {'model': 'openai/gpt-image-2.6-flare',
'prompt': 'Change the cup to matte green. Keep its silhouette and white '
'background.',
'n': 1,
'size': '1024x1024',
'quality': 'low',
'output_format': 'png'}
headers = {"Authorization": f"Bearer {os.environ['ITERACOMPUTE_API_KEY']}"}
with httpx.Client(timeout=1800.0, transport=httpx.HTTPTransport(retries=0)) as client:
with open("reference.png", "rb") as image:
response = client.post("https://api.iteracompute.com/v1/images/edits", headers=headers,
data=payload, files=[("image[]", ("reference.png", image, "image/png"))])
response.raise_for_status()
result = response.json()
Path("edited.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))
print(result["usage"])import { readFile, writeFile } from "node:fs/promises";
const payload = {
"model": "openai/gpt-image-2.6-flare",
"prompt": "Change the cup to matte green. Keep its silhouette and white background.",
"n": 1,
"size": "1024x1024",
"quality": "low",
"output_format": "png"
};
const form = new FormData();
for (const [key, value] of Object.entries(payload)) form.append(key, String(value));
form.append("image[]", new Blob([await readFile("reference.png")], { type: "image/png" }), "reference.png");
const response = await fetch("https://api.iteracompute.com/v1/images/edits", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.ITERACOMPUTE_API_KEY}`,
},
body: form,
signal: AbortSignal.timeout(1800000),
});
if (!response.ok) throw new Error(`HTTP ${response.status}: ${await response.text()}`);
const result = await response.json();
await writeFile("edited.png", Buffer.from(result.data[0].b64_json, "base64"));
console.log(result.usage);Gemini Nano Banana 2.1
Gemini の編集は生成エンドポイントを使い、contents 内の inlineData で参照画像を渡します。mimeType をファイルと一致させ、画像を base64 でエンコードしてください。
POSThttps://api.iteracompute.com/v1/images/generations
set -e
python3 - <<'PY'
import base64, json
from pathlib import Path
payload = {'model': 'gemini/gemini-nano-banana-2.1',
'contents': [{'role': 'user',
'parts': [{'inlineData': {'mimeType': 'image/png',
'data': 'REFERENCE_BASE64'}},
{'text': 'Change the cup to matte green. Keep its '
'silhouette and white background.'}]}],
'generationConfig': {'maxOutputTokens': 3000,
'thinkingConfig': {'thinkingLevel': 'MINIMAL',
'includeThoughts': False},
'imageConfig': {'imageSize': '1K',
'aspectRatio': '1:1'}}}
payload["contents"][0]["parts"][0]["inlineData"]["data"] = base64.b64encode(Path("reference.png").read_bytes()).decode()
Path("image-request.json").write_text(json.dumps(payload))
PY
curl --fail-with-body --max-time 1800 https://api.iteracompute.com/v1/images/generations \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-H "Content-Type: application/json" \
--data-binary @image-request.json \
-o edit-response.json && python3 - <<'PY'
import base64, json
from pathlib import Path
result = json.loads(Path("edit-response.json").read_text())
Path("edited.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))
print(result["usage"])
PY# Install once: python -m pip install httpx
import base64
import os
from pathlib import Path
import httpx
payload = {'model': 'gemini/gemini-nano-banana-2.1',
'contents': [{'role': 'user',
'parts': [{'inlineData': {'mimeType': 'image/png',
'data': 'REFERENCE_BASE64'}},
{'text': 'Change the cup to matte green. Keep its '
'silhouette and white background.'}]}],
'generationConfig': {'maxOutputTokens': 3000,
'thinkingConfig': {'thinkingLevel': 'MINIMAL',
'includeThoughts': False},
'imageConfig': {'imageSize': '1K',
'aspectRatio': '1:1'}}}
payload["contents"][0]["parts"][0]["inlineData"]["data"] = base64.b64encode(Path("reference.png").read_bytes()).decode()
headers = {"Authorization": f"Bearer {os.environ['ITERACOMPUTE_API_KEY']}"}
with httpx.Client(timeout=1800.0, transport=httpx.HTTPTransport(retries=0)) as client:
response = client.post("https://api.iteracompute.com/v1/images/generations", headers=headers, json=payload)
response.raise_for_status()
result = response.json()
Path("edited.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))
print(result["usage"])import { readFile, writeFile } from "node:fs/promises";
const payload = {
"model": "gemini/gemini-nano-banana-2.1",
"contents": [
{
"role": "user",
"parts": [
{
"inlineData": {
"mimeType": "image/png",
"data": "REFERENCE_BASE64"
}
},
{
"text": "Change the cup to matte green. Keep its silhouette and white background."
}
]
}
],
"generationConfig": {
"maxOutputTokens": 3000,
"thinkingConfig": {
"thinkingLevel": "MINIMAL",
"includeThoughts": false
},
"imageConfig": {
"imageSize": "1K",
"aspectRatio": "1:1"
}
}
};
payload.contents[0].parts[0].inlineData.data = (await readFile("reference.png")).toString("base64");
const response = await fetch("https://api.iteracompute.com/v1/images/generations", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.ITERACOMPUTE_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify(payload),
signal: AbortSignal.timeout(1800000),
});
if (!response.ok) throw new Error(`HTTP ${response.status}: ${await response.text()}`);
const result = await response.json();
await writeFile("edited.png", Buffer.from(result.data[0].b64_json, "base64"));
console.log(result.usage);レスポンスには data[].b64_json、mime_type、USD の usage.cost が含まれます。例では base64 値を URL とせず画像にデコードします。現在のモデル価格と実際のテキスト・画像・推論トークン使用量で料金が決まります。
- 画像呼び出しは無料チャット枠とは別料金です。画像ごとに受付と課金を行い、料金は USD のマイクロ単位で切り上げます。現在の価格はモデル一覧で確認してください。
- まず n=1 から始めてください。1 回に 1–4 枚をリクエストできます。参照画像は PNG、JPEG、WebP に対応し、最大 4 ファイル、mask を含めてデコード後の合計 8 MiB までです。リクエスト全体の上限は 12 MiB です。
- Image 2.6 は明示的なピクセル寸法を使い、ストリーミングには対応していません。Gemini は imageConfig で 1K、2K、4K と aspectRatio を指定でき、任意の SSE イベントはチャットとは異なります。これらの例は非ストリーミングです。
料金見積もりでは画像を生成しません。OpenAI の reservation_cost_micros は余裕を持たせた残高予約であり、上流の出力上限や確定料金ではありません。Gemini の maximum_cost_micros はリクエストの出力上限に基づきます。精算には実際の使用量を使います。
POSThttps://api.iteracompute.com/v1/images/price-estimate
curl --fail-with-body https://api.iteracompute.com/v1/images/price-estimate \
-H "Content-Type: application/json" \
-d '{"model":"openai/gpt-image-2.6-flare","prompt":"A blue ceramic cup","n":1,"size":"1024x1024","quality":"low"}'HTTP 207 では各結果を確認し、完成した画像を保存してください。先行する画像は課金済みの場合があります。HTTP 422 では完成画像がなくても課金対象の使用量を含む場合があります。使用量の欠落やタイムアウトは無料の証拠ではありません。リクエスト ID を保存し、結果を確認してから新たな有料リクエストを送ってください。
6. ストリーミング (SSE)
設定: "stream": true により SSE を受信します。分割データは生成に応じて届きます。トークン使用量は、次のフィールドを持つ最後の分割データに含まれます: usage。このデータは次の終了イベントより前に届きます: [DONE] 。ストリーム全体を 1 つの論理リクエストとして扱ってください。トークンの出力開始後は、リクエストが透過的に再試行されることはありません。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.iteracompute.com/v1",
api_key=os.environ["ITERACOMPUTE_API_KEY"],
max_retries=0,
timeout=180.0,
)
stream = client.chat.completions.create(
model="deepseek/deepseek-v4.1-flash-1017",
messages=[{"role": "user", "content": "Reply with exactly: Hello!"}],
stream=True,
stream_options={"include_usage": True},
temperature=0,
max_tokens=128,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="")
if chunk.usage: # final chunk: token usage
print("\n", chunk.usage)7. ツールの呼び出し
ツールの結果は新しいリクエストで返送され、キーのレートと同時実行制限の対象になります。429 では Retry-After を確認して今回の試行を停止し、同じリクエストを並列送信しないでください。
ツールは tools パラメータで、OpenAI の function calling 形式に従って宣言します。モデルがツールの呼び出しを選ぶと、応答には次のフィールドが含まれます: tool_calls。ツールの実行結果を返す際は、次のロールを指定してください: "tool" 。これにより会話を続行できます。
import json
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.iteracompute.com/v1",
api_key=os.environ["ITERACOMPUTE_API_KEY"],
max_retries=0,
timeout=180.0,
)
messages = [{"role": "user", "content": "What is the weather in Singapore?"}]
tools = [{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get current weather for a city",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"],
},
},
}]
resp = client.chat.completions.create(
model="deepseek/deepseek-v4.1-flash-1017",
messages=messages,
tools=tools,
tool_choice={"type": "function", "function": {"name": "get_weather"}},
max_tokens=512,
)
assistant_message = resp.choices[0].message
messages.append(assistant_message)
for call in assistant_message.tool_calls or []:
arguments = json.loads(call.function.arguments)
result = {"city": arguments["city"], "temperature_c": 29}
messages.append({
"role": "tool",
"tool_call_id": call.id,
"content": json.dumps(result),
})
final = client.chat.completions.create(
model="deepseek/deepseek-v4.1-flash-1017",
messages=messages,
tools=tools,
max_tokens=512,
)
print(final.choices[0].message.content)8. エラーコード
Chat Completions と Responses のエラーは OpenAI 形式で、JSON 本文は次のとおりです: {"error": {"message", "type", "code"}}:
| ステータス | 意味 |
|---|---|
| 400 | 無効なリクエスト - JSON の形式が間違っているか、必須パラメータが欠落しています |
| 401 | 認証に失敗しました - API キーが見つからないか無効です |
| 403 | このモデルまたは操作へのキーの権限がありません。モデル制限付きキーの場合は、コンソールで新しい Model ID を許可モデル一覧に追加し、保存してから再試行してください。 |
| 404 | 不明なモデルまたはエンドポイント |
| 429 | レートまたは容量の制限:error.code と以下の復旧手順を確認してください |
| 500 | 内部エラー — リクエスト ID を保存し、処理結果を確認してから再試行してください |
| 503 | モデルは一時的に利用できません - バックオフで再試行してください |
Auto の無料利用枠は、アカウント内のすべての API キーで共有されます。Free / Starter / Pro は UTC 暦月ごとに 30M / 100M / 300M tokens、コンテキストは 128K / 128K / 256K です。各ティアで、アカウントごとに待機中または生成中のリクエストは 1 件までです。TPM、日次トークン上限はありません。完了した純チャージの累計が $10 または $50 に達すると Starter または Pro が利用でき、共有容量で優先的に待機列へ割り当てられます。待機や低速化があり、速度と遅延は保証されません。購入した Auto プランの利用枠には各契約の制限が適用されます。他のモデルには、設定された RPM や TPM 上限を含む API キーの制限が引き続き適用されます。
原因別の 429 対処
再試行前に error.code を確認してください。月間利用枠による拒否は free_model_monthly_limit を返します。未完了の無料リクエスト、待機列の満杯、待機タイムアウト、その他の容量不足は provider_rate_limit を共有し、公開応答では区別できません。コンソール → Free でアカウントの制限を確認し、前のリクエストがまだ進行中か確認してください。
- 月間枠を使用済みまたは予約済み
free_model_monthly_limit 自動再試行を停止してください。コンソール → Free で使用済み・予約済みトークンとリセット時刻を確認します。次の UTC 月初のリセット、十分な枠が増えるティアのアップグレード、既存の予約解放後に再開してください。再試行しても枠は増えません。アップグレード後も当月の使用量は引き継がれ、超過分の自動課金はありません。
- 無料リクエストがすでに待機中または生成中です
provider_rate_limit 待機中または生成中のリクエストが終わるまで再試行せず、Retry-After に従ってください。Free、Starter、Pro の各ティアは、アカウント内のすべてのキーと無料ルートで未完了の無料リクエスト枠を 1 件共有します。キーや Model ID を変えても枠は増えません。同じリクエストを並列送信しないでください。コンソール → Free で使用量と予約量を確認してください。公開コード provider_rate_limit は他の容量制限を示す場合もあります。
- 容量:キュー満杯
provider_rate_limit 待機キューに新しい要求を受け入れる余地がありません。Retry-After 以降に指数バックオフとジッターを使い、並列数を減らして再試行します。再試行回数またはアプリの期限に達したら停止してください。同じコードは他の容量制限も表すため、順番は推定できません。コンソール → Free でアカウント制限を確認し、続く場合はリクエスト ID を添えてサポートに連絡してください。
- 容量:キュー待機タイムアウト
provider_rate_limit 120 秒待っても容量を確保できなかった状態です。新しい試行は最初から待機します。期限まで余裕がある場合のみ Retry-After とバックオフ後に再試行します。期限または再試行回数に達したら停止し、並列に同じ要求を送らないでください。公開コードはキュー満杯と同じです。繰り返す場合はリクエスト ID と発生時刻を添えてサポートに連絡してください。
チャージ前に確認する無料モデル FAQ
無料キャンペーンは2026年11月24日午前0時(米国太平洋時間)に終了します。期限前に入金が完了し、返金を差し引いたチャージ額がプラスのユーザーは従来の無料ティアを維持します。以降、共有の無料 Auto を利用できるのはこれらのユーザーと有効期間中のプラン加入者のみです。以降のチャージで無料特典を取得・アップグレードすることはできません。プランの Auto 利用枠と月間の共有無料特典は別枠です。
新規アカウントの無料利用はどのように段階的に開放されますか?
キャンペーン終了までは、次のルールが適用されます。メール認証後、月間 30M トークンの Free 枠をすぐに利用できます。Free、Starter、Pro はそれぞれ、アカウントごとに待機・実行中を合わせて 1 件までです。全キーと Auto で共有容量を利用するため、速度が遅くなる場合があります。日次トークン上限や、呼び出し回数・UTC 日付による昇格条件はありません。月間使用量には入力と出力が含まれ、コンテキスト上限、共有容量の待機列、不正利用審査は引き続き適用されます。期限以降、無料 Auto を利用できるのは条件を満たす既存のチャージ済みユーザーとプラン加入者のみです。
複数のアカウントに関連が疑われる場合はどうなりますか?
端末の関連、登録密度、リクエストのタイミング、認証結果により追加認証が必要になる場合があります。同じ IP だけで関連を確定しません。会社、学校、家庭ではネットワークを共有できます。人間であることの確認だけでも、所有者が別人とは証明できません。同一主体が複数の試用枠を取得していると審査で確認された場合に限り、関連アカウントの全キーと Auto で月間無料枠と待機・実行中 1 件の枠を共有します。共有容量では速度が遅くなる場合があります。再審査や異議申し立てはサポートへご連絡ください。
プランの Auto と共有無料特典は同じ利用枠ですか?
別枠です。購入した Auto トークンと月間の共有無料特典には、それぞれ独立した利用枠と使用量台帳があります。プランの Auto は優先スケジューリングを利用し、購入期間と契約上の制限に従います。リクエストはプランの Auto を先に使用し、対象外のリクエストは無料利用資格がある間のみ共有無料特典を使用します。共有容量では待ち行列や応答の遅延が生じることがあります。プランの購入・更新で共有無料使用量はリセットされません。プラン終了後も共有無料利用を継続できるのは、期限前のチャージ条件を満たすユーザーのみです。
無料リクエストが待機したり遅くなったりするのはなぜですか?
Auto は共有の空き GPU 容量を利用します。現在は需要が利用可能な空き容量を超えているため、待機、応答の遅延、一時的な利用不可が発生する場合があります。チャージ済みの段階は待機列で優先されますが、GPU の予約やスループット、遅延、SLA の保証ではありません。ご理解をお願いいたします。
無料モデルの提供精度は常に同じですか?
モデルの精度と量子化方式は実際のデプロイに依存し、変更される場合があります。モデル名はフル精度やデプロイ間で同一の結果を保証しません。チャージ前に代表的なタスクを試し、正確性、ツール呼び出し、応答時間が要件を満たすか確認してください。
チャージ額を増やすと無料モデルの特典も増えますか?
以下は期限前にチャージしたユーザーの継続特典です。累計純チャージ $10 で Starter が利用でき、月 100M tokens、128K コンテキストになります。$50 で Pro の月 300M tokens、256K コンテキストになります。両プランともキューで優先されます。$50 を超えてチャージしても無料モデルの特典は自動的に増えません。チャージ額は API に使える残高として残り、月額料金ではありません。 対象は期限前に入金が完了した元本のみです。以降のチャージで無料ティアは上がらず、返金は対象の正味元本から差し引かれます。
生涯特典には何が含まれますか?
以下は期限前のチャージ条件を満たすユーザーにのみ適用されます。チャージ済みユーザーの生涯特典とは、到達した Starter または Pro の月間 token 枠、コンテキスト上限、キュー優先度を、無料モデルのアップグレードや置き換え後も維持することです。残高の消費では降格しませんが、返金でプランが変わる場合があり、不正利用の規則も適用されます。モデル名、重み、精度を固定するものではなく、無制限利用、専用容量、サービスの永久提供も約束しません。
無料モデルは変わりますか?Qwen4-27B はいつ利用できますか?
無料モデルはアップグレード、置き換え、その他の変更が行われる場合があります。Qwen4-27B の提供を計画していますが、公式モデルのオープンソース公開待ちであり、開始日や仕様は未確定です。チャージ済みユーザーは上記のプラン特典を維持します。未チャージのユーザーについては、将来のモデル利用、利用枠、制限は保証されません。
統合に関する質問: support@iteracompute.com