API-Doku

Alles, um SeibertGPT in deine eigenen Tools und Skripte einzubinden. OpenAI- und Anthropic-kompatibel.

Welche Schnittstelle nutzt dein Tool?
Gilt für die ganze Seite: Beispiel, Parameter und Fehlerformat passen sich an.

Schnellstart

POST /v1/chat/completions
Base-URLhttps://api.seibert.ai/v1
Modelldeepseek-v41-flash-fast
API-Keysgpt_…
als Bearer-Token

Funktioniert mit allen Tools, die eine eigene Base-URL erlauben. Für Anthropic-SDKs und Claude Code gilt https://api.seibert.ai.

Welches Tool passt zu deinem Plan?

Je mehr gleichzeitige Requests dein Plan erlaubt, desto mehr Tools laufen rund. Wähle deinen Plan, ein Klick auf ein Tool führt zur Anleitung.

Alle Anleitungen
Empfohlene Tools je Plan. Wähle einen Plan, um seine Spalte hervorzuheben.
Tool
Weldall Client – zur Anleitung
empfohlen
empfohlen
empfohlen
goose – zur Anleitung
empfohlen
empfohlen
empfohlen
pi – zur Anleitung
empfohlen
empfohlen
empfohlen
OpenWork – zur Anleitung
funktioniert, aber nicht empfohlen
empfohlen
empfohlen
opencode – zur Anleitung
funktioniert, aber nicht empfohlen
empfohlen
empfohlen
Claude Code – zur Anleitung
funktioniert, aber nicht empfohlen
funktioniert, aber nicht empfohlen
empfohlenauch Auto Mode
  • Empfohlen
  • Funktioniert, aber nicht empfohlen

Alle Tools laufen mit jedem Plan. „Nicht empfohlen“ heißt: Das Tool braucht mehr gleichzeitige Requests oder ein größeres Kontextfenster, als der Plan bietet.

Modelle & Parameter

Ein Modell, mehrere Varianten. Alle Varianten gehören zu deinem Plan und teilen sich seine Limits; /v1/models listet sie ebenfalls.

Modell-Varianten

GET /v1/models
  • deepseek-v41-flashStandard mit Denkmodus
  • deepseek-v41-flash-fastStandardohne Denkmodus – schnell
  • deepseek-v41-flash-lowDenkaufwand niedrig
  • deepseek-v41-flash-highDenkaufwand hoch
  • deepseek-v41-flash-maxDenkaufwand maximal

Unterstützte Parameter

POST /v1/chat/completions
  • model
  • messages
  • stream
  • stream_options
  • max_tokens
  • max_completion_tokens
  • temperature
  • top_p
  • top_k
  • min_p
  • repetition_penalty
  • frequency_penalty
  • presence_penalty
  • stop
  • seed
  • response_format
  • tools
  • tool_choice
  • parallel_tool_calls
  • logprobs
  • top_logprobs
  • logit_bias
  • user
  • n
  • reasoning_effort

Diese Felder sind dokumentiert und unterstützt; für andere Felder im Request-Body gibt es keine Zusage. Die Liste wechselt mit der Schnittstelle oben.

Limits & Fair Use

Alle teilen sich dieselben GPUs. Damit einzelne große Anfragen nicht alle anderen ausbremsen, gelten Regeln für neuen Kontext: Text, den das Modell noch nicht im Cache hat und erst komplett einlesen muss.

429burst_protection

Burst Protection: ein Budget für neuen Kontext

Dein Konto hat ein Budget von 400.000 Tokens für neuen, nicht gecachten Kontext. Du kannst es auf einmal ausgeben, etwa für ein großes Projekt. Danach füllt es sich mit 400.000 Tokens pro Minute wieder auf.

In einer laufenden Session schickt dein Tool zwar jedes Mal den ganzen Verlauf mit, doch was unverändert wiederkommt, liegt im Cache und zählt nicht. Es zählt nur, was neu dazukommt.

Wenn es passiert: Der Header Retry-After nennt die Sekunden, bis das Budget reicht. Warte so lange und schick den Request erneut.

Beispiel, Schritt für SchrittSchematisch, ohne Nachfüllen zwischen den Schritten
Budget vollVolles Budget

Dein Konto startet mit 400k Tokens Budget für neuen Kontext.

413cold_request_too_large

Große kalte Anfragen: nicht alles auf einmal

„Kalt“ heißt: Das Modell hat den Kontext nicht im Cache und muss ihn komplett neu einlesen. Bei sehr großen Kontexten bremst das die GPU spürbar für alle. Deshalb lehnen wir ab:

  1. 1Neue Session mit mehr als 350.000 Tokens im ersten Request.
  2. 2Mehr als 4 Stunden Pause und danach mehr als 350.000 Tokens. Nach so langer Zeit ist der Cache kalt.
  3. 3Mehr als 350.000 neue Tokens auf einmal in einer laufenden Session.

Wächst eine Session dagegen nach und nach, darf sie insgesamt über 350.000 Tokens gehen.

Im Anthropic-Format antworten wir mit 400 statt 413: Claude Code ignoriert unsere Meldung bei 413 und zeigt stattdessen seinen eigenen, hier irreführenden Text.

Wenn es passiert: Starte eine neue Session oder kürze den Kontext.

Drei Verläufe im VergleichSchematisch
  1. 09:00
    Neue Session200 OK
    Kontext 40kCache: neu
    Klein angefangen, unter 350.000.
  2. 09:20
    Weitergearbeitet200 OK
    Kontext 210kCache: warm
    Der bisherige Verlauf liegt im Cache.
  3. 09:40
    Weiter im Verlauf200 OK
    Kontext 490kCache: warm
    Über 350.000 ist hier erlaubt: Neu dazu kommen nur 280.000.

Warteschlange bei parallelen Anfragen

429

Sind alle parallelen Plätze belegt, wartet ein Request je nach Plan bis zu 180 Sekunden; es warten höchstens so viele Requests, wie dein Plan parallel erlaubt. Danach kommt 429 (queue_timeout) mit Retry-After.

Währenddessen kommt keine Antwort, auch keine Kommentarzeilen im Stream. Die Schlange gilt für API-Keys, nicht für den Chat im Portal.

queue_timeout

IP-Bindung

403

Die IP-Bindung richtet sich nach deinem aktiven Plan.

Pro Kunde sind ein Abo und ein Pass gleichzeitig buchbar. Wie viele Keys du nutzen kannst, steht im Plan.

ip_locked

KI-Kennzeichnung

Header

Antworten der API stammen von einem KI-System. Die API kennzeichnet jede Modellantwort maschinenlesbar mit dem HTTP-Header X-AI-Generated: true. Wenn du Ausgaben weiterverwendest, beachte deine eigenen Kennzeichnungspflichten (Art. 50 AI Act).

X-AI-Generated: true

Fehlercodes

Die Meldung erklärt den konkreten Fall auf Englisch. Reagiere in deinem Code auf code, nicht auf den Text.

Über /v1/messages gelten Plan- und Kontingentfehler mit 402 statt 429 und cold_request_too_large mit 400 statt 413. Die Meldung in message ist englisch und kann sich ändern; werte im Code code aus.

400Anfrage
  • invalid_requestDer Request-Body ist ungültig.
  • context_length_exceededDer Kontext ist zu lang für deinen Plan oder das Modell – Verlauf kürzen.
401Key
  • invalid_api_keyKey fehlt, ist falsch oder gesperrt.
402Plan
  • no_active_planGerade ist kein Plan aktiv – etwa außerhalb des Zeitfensters eines Nachtpasses.
403Zugang
  • ip_lockedDer Key ist gerade an eine andere IP-Adresse gebunden (siehe IP-Bindung).
  • key_limit_exceededDein Plan erlaubt weniger Keys, als du angelegt hast – dieser Key ist gerade nicht nutzbar.
  • ip_unknownDie IP-Adresse des Clients ließ sich nicht ermitteln.
  • model_not_in_planDas Modell ist in deinem Plan nicht enthalten, etwa ein Modell für Team-Pläne ohne passenden Platz. Text: The model "…" is not included in your plan.
404Modell
  • model_not_foundDas Modell gibt es nicht – verfügbare Varianten liefert /v1/models.
413Größe
  • request_too_largeDer Request-Body ist zu groß. Werte hier den Status 413 aus – nicht jede dieser Antworten enthält einen code.
  • cold_request_too_largeFair Use: zu große Anfrage an eine neue oder lange inaktive Session.
429Limits
  • quota_exceededDas Token-Kontingent ist aufgebraucht (nur bei Plänen mit Kontingent).
  • concurrency_limitZu viele parallele Anfragen – warten, bis eine fertig ist.
  • queue_timeoutDie Wartezeit in der Warteschlange ist abgelaufen, alle parallelen Plätze blieben belegt – nach Retry-After erneut versuchen.
  • burst_protectionFair Use: in kurzer Zeit zu viel neuer Kontext – die in Retry-After genannten Sekunden warten.
  • too_many_requestsZu viele Anfragen in kurzer Zeit oder zu viele Versuche mit ungültigem Key von deiner IP-Adresse – die in Retry-After genannten Sekunden warten.
503Verfügbarkeit
  • upstream_unavailableDas Modell ist gerade nicht erreichbar oder dein Plan lässt sich gerade nicht prüfen – später erneut versuchen.

Modelle für Team-Pläne

Diese Modelle stecken in einzelnen Team-Plänen. Du erreichst sie mit deinem API-Key unter derselben Base-URL, aber über eigene Endpunkte. Ohne passenden Plan antwortet die API mit 403 und dem Code model_not_in_plan (siehe Fehlercodes).

Transkription

Macht aus einer Audiodatei Text, OpenAI-kompatibel. Die Datei geht als multipart/form-data mit. Über /v1/audio/translations übersetzt dasselbe Modell ins Englische, die Anfrage sieht genauso aus. Streaming gibt es nicht.

Endpunkte
POST /v1/audio/transcriptionsPOST /v1/audio/translations
Modellname
whisper-large-v3-turbo
Enthalten in
Officework, Advanced

Parameter

  • fileDie Audiodatei, etwa MP3, M4A, WAV, OGG oder FLAC.
  • modelName des Modells, siehe oben.
  • language · optionalSprache des Audios als ISO-639-1-Code, z. B. de. Ohne Angabe erkennt das Modell sie selbst.
  • prompt · optionalText mit Fachbegriffen oder Schreibweisen, die vorkommen.
  • response_format · optionaljson (Standard), text, srt, vtt oder verbose_json mit Zeitangaben je Abschnitt.
  • temperature · optionalZwischen 0 und 1; 0 ist am genauesten.

GrenzenVorläufig

Größe je Datei
bis 25 MB
Dauer je Datei
bis 60 Minuten
Zeitlimit je Anfrage
knapp 10 Minuten

Die Grenzen legen wir gerade fest. Bis dahin sind die Werte vorläufig und können sich noch ändern.

Entscheidungsmodell

Prüft Aussagen über eine Ausgangslage und gibt je Aussage die Wahrscheinlichkeit zurück, dass sie zutrifft, etwa ob eine Nachricht eine Rechnung betrifft. Mehrere Fragen in einer Anfrage sind möglich. Eigener Endpunkt, nicht über /v1/chat/completions.

Endpunkt
POST /v1/systemone
Modellname
decider-4b
Enthalten in
Advanced, Coding & Automation

Parameter

  • modelName des Modells, siehe oben.
  • stateDie Ausgangslage als Text, etwa eine Nachricht oder ein Ticket.
  • questionsDie Fragen als Objekt: ein frei wählbarer Schlüssel je Frage. Die Antwort nutzt dieselben Schlüssel.
  • questions.<schlüssel>.typeImmer noul: eine Ja/Nein-Frage, beantwortet mit einer Wahrscheinlichkeit.
  • questions.<schlüssel>.instructionsDie Frage an das Modell.
  • questions.<schlüssel>.criteria · optionalWann die Antwort ja ist und wann nein, als Objekt mit true und false. Macht die Antwort eindeutiger.

GrenzenVorläufig

Zeitlimit je Anfrage
60 Sekunden

Die Grenzen legen wir gerade fest. Bis dahin sind die Werte vorläufig und können sich noch ändern.

Unter answers steht je Schlüssel aus questions der Wert noul: die Wahrscheinlichkeit von 0 bis 1, dass die Antwort ja ist. Ab welchem Wert ihr ja annehmt, legt ihr selbst fest. usage.input_tokens nennt die verarbeiteten Tokens.

Embeddings

Macht aus Texten Vektoren für Suche und Ähnlichkeit, OpenAI-kompatibel. Je Text kommt ein Vektor zurück, in der Reihenfolge der Eingabe.

Endpunkt
POST /v1/embeddings
Modellname
embeddinggemma-2
Enthalten in
Coding & Automation

Parameter

  • modelName des Modells, siehe oben.
  • inputEin Text oder eine Liste von Texten.
  • encoding_format · optionalfloat (Standard) oder base64.

GrenzenVorläufig

Texte je Anfrage
bis 128
Zeitlimit je Anfrage
60 Sekunden

Die Grenzen legen wir gerade fest. Bis dahin sind die Werte vorläufig und können sich noch ändern.