API 문서
최종 업데이트: 2026년 11월
첫 요청부터 시작해 API 예제와 문제 해결 방법을 살펴보세요.
이 페이지의 내용
- 이메일을 등록하고 확인하거나 Google로 로그인하세요.카드나 충전이 필요하지 않습니다.
- Auto를 허용하는 키를 만들고 한 번만 표시되는 비밀 키를 저장하세요.API Keys 열기
- Bash(cURL 및 Python 3 필요), Python 3 또는 JavaScript(Node.js 18+)를 선택하세요. your-api-key를 자신의 키로 바꾸세요. Bash는 response.json을 로컬에 저장합니다.
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.content가 비어 있지 않으면 성공입니다. 각 예제는 응답을 출력하며 빈 응답이면 오류를 냅니다. 예상 출력: Hello! (표현은 다를 수 있습니다).
세 예제 모두 무료 Qwen을 사용하며 사고 기능을 끕니다. 401/403이면 키와 모델 권한을 확인하세요. 429이면 아래 복구 안내를 따르세요.
IteraCompute API는 OpenAI와 호환됩니다. 이미 OpenAI API를 사용하는 애플리케이션은 이전 시 다음 항목을 변경하면 됩니다: base_url 및 API 키. Chat Completions, Responses, 스트리밍 및 도구 호출은 선택한 모델이 지원하는 범위에서 호환 형식을 따릅니다.
API 요청 전송 대상: https://api.iteracompute.com/v1로 전송합니다. Chat Completions 및 Responses 요청은 API 키를 다음 헤더에 지정하여 인증합니다: 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 엔드포인트가 반환하는 provider/model 형식의 ID를 그대로 사용하세요. 다음 접두사는 추가하지 마세요: iteracompute/ . 게이트웨이가 현재 공개하는 모델은 다음 명령으로 확인할 수 있습니다:
curl --fail-with-body https://api.iteracompute.com/v1/modelsModels 엔드포인트는 공개되어 있으며 현재 게이트웨이의 모델 목록을 반환합니다. 다음 필드의 값을 id 반환된 그대로 사용하세요. 모델의 상업적 접근 권한은 계속해서 API 키와 계약에 따라 제어됩니다.
모델 지원 및 비용
Chat Completions, Responses, 스트리밍 및 도구 호출 예제는 유료 DeepSeek V4.1 Flash 1017을 사용하며 사용량에 따라 API 잔액이 차감됩니다. 현재 입력, 캐시 입력 및 출력 요금은 모델 페이지에서 확인하세요. 무료 Qwen3.8-27B는 Chat Completions, 스트리밍 및 도구 호출을 지원하지만 이 가이드는 Qwen Responses API 지원을 검증하지 않습니다. 모델 ID와 추론 매개변수는 서로 바꿔 사용할 수 없습니다. 예제를 수정하기 전에 선택한 모델이 각 엔드포인트와 옵션을 지원하는지 확인하세요.
세 언어 탭은 같은 HTTP 엔드포인트를 호출합니다. 예제를 실행하기 전에 환경 변수 ITERACOMPUTE_API_KEY를 설정하세요. JavaScript 예제는 Node.js 18 이상을 사용합니다.
이 예제는 자동 재시도를 비활성화합니다. 429가 발생하면 오류 본문과 Retry-After를 확인하고 월간 한도가 소진되면 재시도를 중단하세요. 시간 초과, 연결 끊김 또는 5xx 이후에는 요청 ID를 저장하고 처리 결과를 확인한 후 다른 유료 요청을 보내세요.
게시된 모든 대화 모델은 OpenAI Chat Completions와 Anthropic Messages를 지원합니다. Responses 및 모델 기능의 지원 범위는 각 모델에 명시된 제한을 따릅니다.
4. Chat Completions
POST /v1/chat/completions OpenAI 요청 및 응답 형식을 따릅니다.
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
이 예제는 DeepSeek V4.1 Flash 1017을 사용합니다. 키로 호출할 수 있는 게시된 대화 모델을 선택할 수 있습니다. Python 예제는 표준 라이브러리만 사용합니다. Messages는 Anthropic 기본 응답 및 오류 형식을 사용하며 스트림은 [DONE] 대신 message_stop으로 끝납니다.
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 Codex와 같은 클라이언트가 사용하는 OpenAI Responses API를 지원합니다.
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(""));게시된 이미지 모델과 권한이 있는 API 키로 Images API를 사용하세요. 호출 전에 모델 카탈로그에서 현재 이용 가능 상태를 확인하세요.
모델 ID와 프롬프트 또는 원시 contents로 이미지를 생성합니다. 선택한 모델이 지원하는 필드만 사용하세요. API 키로 인증하고 base64 이미지를 로컬에 저장합니다.
POSThttps://api.iteracompute.com/v1/images/generations
이 유료 예제는 이미지 한 장을 생성하고 로컬에 저장합니다. 먼저 ITERACOMPUTE_API_KEY를 설정하세요. cURL 예제는 Bash와 Python 3, Python은 httpx, JavaScript는 Node.js 18+를 사용합니다.
| 모델 ID | 생성 | 참조 이미지 편집 |
|---|---|---|
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
Flare와 Sunburst는 같은 필드를 사용합니다. Sunburst를 사용하려면 모델 ID를 openai/gpt-image-2.6-sunburst로 바꾸세요. 예제는 1024x1024, low 품질을 요청합니다.
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
Gemini는 OpenAI의 size 및 quality 대신 contents와 generationConfig를 사용합니다. 예제는 정사각형 1K PNG와 3000토큰 출력 한도를 요청합니다.
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);편집 예제를 실행하기 전에 PNG 참조 이미지를 reference.png로 저장하세요. 이미지와 프롬프트 모두 입력 요금에 포함됩니다. 편집 결과는 edited.png로 저장됩니다.
모델이 지정한 편집 형식을 사용하세요. /v1/images/edits에는 multipart 파일을, /v1/images/generations에는 base64 inlineData 참조 이미지를 전달합니다. 파일 MIME 유형은 내용과 일치해야 합니다.
OpenAI Image 2.6
multipart 폼 데이터로 파일을 업로드하세요. boundary가 포함된 Content-Type은 HTTP 클라이언트가 설정하게 하세요. 편집은 low, medium, high 품질과 선택적 PNG mask를 지원합니다.
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 편집은 생성 엔드포인트를 사용하며 contents의 inlineData로 참조 이미지를 전달합니다. mimeType을 파일과 일치시키고 이미지 바이트를 base64로 인코딩하세요.
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);응답에는 data[].b64_json, mime_type, USD 기준 usage.cost가 포함됩니다. 예제는 base64 값을 URL로 취급하지 않고 이미지로 디코딩합니다. 현재 모델 가격과 실제 텍스트·이미지·추론 토큰 사용량으로 요금이 결정됩니다.
- 이미지 호출은 무료 채팅 할당량과 별도로 과금됩니다. 각 이미지는 개별 승인 및 과금되며 요금은 마이크로 USD 단위로 올림합니다. 현재 가격은 모델 목록에서 확인하세요.
- n=1부터 시작하세요. 요청당 1–4장을 지원합니다. 참조 이미지는 PNG, JPEG, WebP를 지원하며 최대 네 파일, mask를 포함한 디코딩 후 총 8 MiB입니다. 전체 요청 한도는 12 MiB입니다.
- Image 2.6는 명시적인 픽셀 크기를 사용하며 스트리밍을 지원하지 않습니다. Gemini는 imageConfig에서 1K, 2K, 4K 및 aspectRatio를 지원하며, 선택적 SSE 이벤트는 채팅 스트림과 다릅니다. 위 예제는 모두 비스트리밍입니다.
가격 예상은 이미지를 생성하지 않습니다. OpenAI의 reservation_cost_micros는 보수적인 잔액 예약이며, 업스트림 출력 한도나 최종 요금이 아닙니다. Gemini의 maximum_cost_micros는 요청의 출력 한도를 사용합니다. 실제 사용량으로 정산합니다.
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 207이면 각 결과를 확인하고 완료된 이미지를 저장하세요. 앞선 이미지가 이미 과금되었을 수 있습니다. HTTP 422는 완성된 이미지가 없어도 과금 사용량을 포함할 수 있습니다. 사용량 누락이나 시간 초과가 무료라는 뜻은 아닙니다. 요청 ID를 저장하고 결과를 확인한 뒤 새 유료 요청을 보내세요.
6. 스트리밍(SSE)
설정: "stream": true 로 SSE를 수신합니다. 청크는 생성되는 대로 도착하며, 토큰 사용량은 다음 필드가 있는 마지막 청크에 포함됩니다: usage. 이 청크는 다음 종료 이벤트보다 먼저 도착합니다: [DONE] . 스트림 전체를 하나의 논리적 요청으로 처리하세요. 토큰 출력이 시작된 뒤에는 요청이 투명하게 재시도되지 않습니다.
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. 도구 호출
도구 결과는 새 요청으로 전송되며 키의 요청 속도 및 동시 실행 제한이 적용됩니다. 429가 발생하면 Retry-After를 확인하고 이번 시도를 중단하세요. 같은 요청의 사본을 병렬로 보내지 마세요.
도구는 tools 매개변수에서 OpenAI function calling 형식에 따라 선언합니다. 모델이 도구 호출을 선택하면 응답에 다음 필드가 포함됩니다: tool_calls. 도구 실행 결과를 반환할 때는 다음 역할을 지정하세요: "tool" . 그러면 대화를 계속할 수 있습니다.
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. 오류 코드
Chat Completions 및 Responses 오류는 OpenAI 오류 형식을 사용하며 JSON 본문은 다음과 같습니다: {"error": {"message", "type", "code"}}:
| 상태 | 의미 |
|---|---|
| 400 | 잘못된 요청 - 잘못된 JSON 또는 필수 매개변수 누락 |
| 401 | 인증 실패 - API 키가 누락되었거나 잘못되었습니다. |
| 403 | 이 키에는 해당 모델 또는 작업 권한이 없습니다. 모델 제한 키라면 콘솔의 허용 모델 목록에 새 Model ID를 추가하고 저장한 뒤 다시 시도하세요. |
| 404 | 알 수 없는 모델 또는 엔드포인트 |
| 429 | 속도 또는 용량 제한: error.code와 아래 복구 안내를 확인하세요 |
| 500 | 내부 오류 - 요청 ID를 저장하고 처리 결과를 확인한 후 재시도 여부를 결정하세요 |
| 503 | 모델을 일시적으로 사용할 수 없습니다. 백오프로 다시 시도하세요. |
Auto 무료 할당량은 계정의 모든 API 키에서 공유됩니다. Free / Starter / Pro는 UTC 달력 기준 매월 30M / 100M / 300M tokens와 128K / 128K / 256K 컨텍스트를 제공합니다. 세 등급 모두 계정당 대기 또는 생성 중인 요청은 1개이며 TPM 또는 일일 토큰 상한은 없습니다. 완료된 순 충전 누적액이 $10 또는 $50이면 Starter 또는 Pro를 이용하며 공유 용량에서 대기열 우선순위를 받습니다. 대기하거나 느려질 수 있으며 속도와 지연 시간은 보장되지 않습니다. 구매한 Auto 할당량에는 해당 계약 제한이 적용됩니다. 다른 모델에는 설정된 RPM 또는 TPM 상한을 포함한 API 키 제한이 계속 적용됩니다.
원인별 429 대응
재시도 전에 error.code를 확인하세요. 월 할당량 거부는 free_model_monthly_limit을 반환합니다. 미완료 무료 요청, 대기열 가득 참, 대기 시간 초과 및 기타 용량 거부는 provider_rate_limit을 공유하며 공개 응답으로 구분할 수 없습니다. 콘솔 → Free에서 계정 제한과 이전 요청이 아직 진행 중인지 확인하세요.
- 월 한도 소진 또는 예약됨
free_model_monthly_limit 자동 재시도를 중단하세요. 콘솔 → Free에서 사용·예약 토큰과 초기화 시각을 확인하세요. 다음 UTC 월초 초기화, 충분한 한도를 추가하는 등급 업그레이드 또는 기존 예약 해제 후 다시 시도하세요. 반복 재시도로 한도가 늘어나지 않습니다. 업그레이드해도 이번 달 사용량은 유지되며 초과분이 자동 유료 전환되지 않습니다.
- 무료 요청이 이미 대기 또는 생성 중입니다
provider_rate_limit 대기 또는 생성 중인 요청이 끝난 뒤 재시도하고 Retry-After를 따르세요. Free, Starter, Pro 각 등급은 계정의 모든 키와 무료 경로에서 미완료 무료 요청 1개를 공유합니다. 키나 Model ID를 바꿔도 슬롯이 늘어나지 않습니다. 중복 요청을 병렬로 보내지 마세요. 콘솔 → Free에서 사용량과 예약량을 확인하세요. 공개 코드 provider_rate_limit은 다른 용량 제한을 나타낼 수도 있습니다.
- 용량: 대기열 포화
provider_rate_limit 대기열이 새 요청을 받을 수 없습니다. Retry-After 이후 지수 백오프와 무작위 지연을 적용하고 동시 요청을 줄여 재시도하세요. 재시도 횟수 한도나 앱 마감 시각에 도달하면 중단하세요. 같은 코드가 다른 용량 제한도 나타내므로 대기 순서를 추정하지 마세요. 콘솔 → Free에서 계정 제한을 확인하고 지속 실패 시 요청 ID와 함께 지원에 문의하세요.
- 용량: 대기 시간 초과
provider_rate_limit 120초 동안 대기해도 용량을 확보하지 못했습니다. 다시 시도하면 대기가 처음부터 시작됩니다. 남은 시간이 충분할 때만 Retry-After 및 백오프 후 재시도하세요. 마감 시각이나 재시도 한도에 도달하면 중단하고 같은 요청을 동시에 보내지 마세요. 공개 코드는 대기열 포화와 같습니다. 반복 실패 시 요청 ID와 발생 시각을 지원에 전달하세요.
충전 전 무료 모델 FAQ
무료 프로모션은 2026년 11월 24일 00:00(미국 태평양 시간)에 종료됩니다. 마감 전에 입금이 완료되고 환불을 제외한 순 충전액이 양수인 사용자는 기존 무료 등급을 유지합니다. 이후 공유 무료 Auto는 이 사용자와 현재 유효한 요금제 구독자만 이용할 수 있습니다. 이후 충전으로는 무료 혜택을 받거나 등급을 높일 수 없습니다. 요금제 Auto 사용량과 월간 공유 무료 혜택은 별도입니다.
신규 계정의 무료 호출은 어떻게 단계적으로 개방되나요?
프로모션 종료 전에는 다음 규정이 적용됩니다. 이메일 인증 후 월 30M 토큰의 Free 한도를 즉시 사용할 수 있습니다. Free, Starter, Pro는 각각 계정당 대기 또는 실행 중 요청 1개를 허용합니다. 모든 키와 Auto가 용량을 공유하여 속도가 느릴 수 있습니다. 일일 토큰 한도 및 호출 횟수나 UTC 날짜에 따른 승급 조건은 없습니다. 월 사용량에는 입력과 출력이 포함되며 컨텍스트 한도, 공유 용량 대기열 및 부정 이용 심사는 계속 적용됩니다. 마감 이후에는 자격을 갖춘 기존 충전 사용자와 요금제 구독자만 무료 Auto를 이용할 수 있습니다.
여러 계정의 연관성이 의심되면 어떻게 처리하나요?
기기 연관성, 가입 밀도, 요청 시점 및 인증 결과에 따라 추가 인증이 필요할 수 있습니다. 같은 IP만으로 연관성을 확정하지 않습니다. 회사, 학교, 가정은 네트워크를 공유할 수 있습니다. 사람 인증만으로 별도 소유자임이 증명되는 것도 아닙니다. 심사에서 동일 주체의 중복 체험 수령이 확인된 경우에만 관련 계정의 모든 키와 Auto가 무료 월 한도 및 대기·실행 중 요청 1개 한도를 공유합니다. 공유 용량으로 속도가 느릴 수 있습니다. 재검토나 이의 제기는 지원팀에 문의하세요.
요금제 Auto와 공유 무료 혜택은 같은 한도인가요?
아닙니다. 구매한 Auto 토큰과 월간 공유 무료 혜택은 한도와 사용량 장부가 각각 독립적입니다. 요금제 Auto는 우선 처리되며 구매 기간과 계약 제한을 따릅니다. 요청은 요금제 Auto를 먼저 사용하고, 요금제가 적용되지 않는 요청은 무료 자격이 유지되는 동안에만 공유 무료 혜택을 사용합니다. 공유 용량에서는 대기나 응답 지연이 발생할 수 있습니다. 요금제 구매나 갱신으로 공유 무료 사용량이 초기화되지 않습니다. 요금제 만료 후에는 마감 전 충전 조건을 충족한 사용자만 공유 무료 자격을 유지합니다.
무료 요청이 대기하거나 느려지는 이유는 무엇인가요?
Auto는 공유 유휴 GPU 용량을 사용합니다. 현재 수요가 가용 유휴 용량을 초과하여 대기, 응답 지연 또는 일시적 이용 불가가 발생할 수 있습니다. 충전 등급에는 대기열 우선순위가 있지만 GPU 예약이나 처리량, 지연 시간 또는 SLA를 보장하지 않습니다. 양해 부탁드립니다.
무료 모델은 항상 같은 정밀도로 제공되나요?
모델 정밀도와 양자화 방식은 실제 배포에 따라 달라지며 변경될 수 있습니다. 모델 이름이 전체 정밀도나 배포 간 동일한 결과를 보장하지는 않습니다. 충전 전에 대표적인 작업으로 정확성, 도구 호출 및 응답 시간이 요구 사항에 맞는지 확인하세요.
더 많이 충전하면 무료 모델 혜택이 늘어나나요?
다음은 마감 전에 충전한 사용자에게 유지되는 혜택입니다. 누적 순충전액 $10이면 Starter가 해제되어 월 100M tokens, 128K 컨텍스트가 제공됩니다. $50이면 Pro로 월 300M tokens, 256K 컨텍스트가 제공됩니다. 두 등급 모두 대기열 우선권이 있습니다. $50을 초과해 충전해도 무료 모델 혜택이 자동으로 늘어나지는 않습니다. 충전액은 API 사용 잔액으로 유지되며 월 이용료가 아닙니다. 마감 전에 입금이 완료된 원금만 계산합니다. 이후 충전은 무료 등급을 높이지 않으며 환불은 적격 순 원금에서 차감됩니다.
평생 혜택에는 무엇이 포함되나요?
다음은 마감 전 충전 조건을 충족한 사용자에게만 적용됩니다. 충전 사용자의 평생 혜택은 무료 모델이 업그레이드되거나 교체된 후에도 도달한 Starter 또는 Pro 등급의 월 토큰 한도, 컨텍스트 한도 및 대기열 우선권을 유지한다는 뜻입니다. 잔액 사용으로 등급이 내려가지는 않지만 환불은 등급을 변경할 수 있으며 악용 규칙은 계속 적용됩니다. 모델 이름, 가중치 또는 정밀도를 고정하거나 무제한 사용, 전용 용량 또는 영구적인 서비스 가용성을 약속하는 것은 아닙니다.
무료 모델이 변경되나요? Qwen4-27B는 언제 출시되나요?
무료 모델은 업그레이드, 교체 또는 변경될 수 있습니다. Qwen4-27B 제공을 계획하고 있지만 공식 오픈소스 모델 공개를 기다리고 있으며 확정된 출시일이나 공개된 사양은 없습니다. 충전 사용자는 위에 설명한 등급 혜택을 유지합니다. 미충전 사용자의 향후 모델 접근, 할당량 및 한도는 보장되지 않습니다.
통합 질문: support@iteracompute.com