> ## Documentation Index
> Fetch the complete documentation index at: https://docs.venice.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Venice API
> Documentation de l'API Venice — accès privé et sans restriction à des modèles de chat, d'image, d'audio et de vidéo compatibles OpenAI avec une seule clé d'API.
L'API pour un accès privé et sans restriction à l'intelligence.
Chat, image, audio et vidéo compatibles OpenAI derrière une seule clé API.
```bash curl theme={"system"}
curl https://api.venice.ai/api/v1/chat/completions \
-H "Authorization: Bearer $VENICE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "zai-org-glm-5-1",
"messages": [{"role": "user", "content": "Build without permission."}]
}'
```
```ts TypeScript theme={"system"}
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.VENICE_API_KEY,
baseURL: "https://api.venice.ai/api/v1",
});
const res = await client.chat.completions.create({
model: "zai-org-glm-5-1",
messages: [{ role: "user", content: "Build without permission." }],
});
```
```python Python theme={"system"}
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["VENICE_API_KEY"],
base_url="https://api.venice.ai/api/v1",
)
res = client.chat.completions.create(
model="zai-org-glm-5-1",
messages=[{"role": "user", "content": "Build without permission."}],
)
```
Endpoints
Une API pour toutes les modalités
Chat, image, audio, vidéo et embeddings derrière une seule clé API.
Plus embeddings, entrées de fichiers, outils MCP et paiements par portefeuille. Voir tous les endpoints →
Agents
Conçu pour les agents IA
Inférence privée, outils MCP et workflows financés par portefeuille pour la messagerie, le codage et les agents onchain.
Explorez le hub Agents IA →
Modèles
Modèles populaires
Quelques-uns des modèles les plus utilisés sur Venice. Utilisez l'ID comme votre paramètre `model`.
250+ modèles
Texte, image, audio et vidéo
Parcourir le catalogue →
Outils
Outils intégrés pour les modèles de chat
Activez la recherche web, attachez des fichiers ou interrogez une blockchain avec `venice_parameters` ou un endpoint natif Venice.
Ajoutez une recherche web en temps réel avec citations à n'importe quel modèle de texte via `enable_web_search`.
```bash Curl theme={"system"}
curl https://api.venice.ai/api/v1/chat/completions \
-H "Authorization: Bearer $VENICE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "zai-org-glm-5-1",
"messages": [{"role": "user", "content": "What are the latest developments in AI?"}],
"venice_parameters": {
"enable_web_search": "auto"
}
}'
```
```ts TypeScript theme={"system"}
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.VENICE_API_KEY!,
baseURL: "https://api.venice.ai/api/v1",
});
const completion = await client.chat.completions.create({
model: "zai-org-glm-5-1",
messages: [{ role: "user", content: "What are the latest developments in AI?" }],
// @ts-expect-error - Venice-specific parameter
venice_parameters: {
enable_web_search: "auto",
},
});
console.log(completion.choices[0].message.content);
```
```python Python theme={"system"}
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["VENICE_API_KEY"],
base_url="https://api.venice.ai/api/v1",
)
response = client.chat.completions.create(
model="zai-org-glm-5-1",
messages=[{"role": "user", "content": "What are the latest developments in AI?"}],
extra_body={
"venice_parameters": {
"enable_web_search": "auto",
}
},
)
print(response.choices[0].message.content)
```
```bash Model Suffix theme={"system"}
# Alternative : ajoutez les paramètres directement à l'ID du modèle
curl https://api.venice.ai/api/v1/chat/completions \
-H "Authorization: Bearer $VENICE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "zai-org-glm-5-1:enable_web_search=on&enable_web_citations=true",
"messages": [{"role": "user", "content": "What are the latest developments in AI?"}]
}'
```
Définissez `enable_web_scraping: true` et le modèle récupérera et lira toutes les URL du message utilisateur avant de répondre.
```bash Curl theme={"system"}
curl https://api.venice.ai/api/v1/chat/completions \
-H "Authorization: Bearer $VENICE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai-gpt-55",
"messages": [
{"role": "user", "content": "Summarize this post in five bullets: https://venice.ai/blog/how-to-use-venice-api"}
],
"venice_parameters": {
"enable_web_scraping": true
}
}'
```
```ts TypeScript theme={"system"}
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.VENICE_API_KEY!,
baseURL: "https://api.venice.ai/api/v1",
});
const response = await client.chat.completions.create({
model: "openai-gpt-55",
messages: [
{
role: "user",
content:
"Summarize this post in five bullets: https://venice.ai/blog/how-to-use-venice-api",
},
],
// @ts-expect-error - Venice-specific parameter
venice_parameters: {
enable_web_scraping: true,
},
});
console.log(response.choices[0].message.content);
```
```python Python theme={"system"}
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["VENICE_API_KEY"],
base_url="https://api.venice.ai/api/v1",
)
response = client.chat.completions.create(
model="openai-gpt-55",
messages=[
{
"role": "user",
"content": "Summarize this post in five bullets: https://venice.ai/blog/how-to-use-venice-api",
}
],
extra_body={
"venice_parameters": {
"enable_web_scraping": True,
}
},
)
print(response.choices[0].message.content)
```
Attachez des PDF, des documents Office, du code et des fichiers texte (jusqu'à 25 Mo) directement à une requête de chat. Voir le [guide Entrées de fichiers](/guides/features/file-inputs) pour la liste complète des formats.
```bash Curl theme={"system"}
# Encoder un fichier local en URL de données base64, puis l'envoyer en ligne
FILE_B64=$(base64 q3-report.pdf | tr -d '\n')
curl https://api.venice.ai/api/v1/chat/completions \
-H "Authorization: Bearer $VENICE_API_KEY" \
-H "Content-Type: application/json" \
-d "{
\"model\": \"openai-gpt-55\",
\"messages\": [
{
\"role\": \"user\",
\"content\": [
{\"type\": \"text\", \"text\": \"Summarize this report in five bullets and list the main risks.\"},
{\"type\": \"file\", \"file\": {\"filename\": \"q3-report.pdf\", \"file_data\": \"data:application/pdf;base64,${FILE_B64}\"}}
]
}
]
}"
```
```ts TypeScript theme={"system"}
import OpenAI from "openai";
import { readFile } from "node:fs/promises";
const client = new OpenAI({
apiKey: process.env.VENICE_API_KEY!,
baseURL: "https://api.venice.ai/api/v1",
});
const pdf = await readFile("q3-report.pdf");
const fileData = `data:application/pdf;base64,${pdf.toString("base64")}`;
const response = await client.chat.completions.create({
model: "openai-gpt-55",
messages: [
{
role: "user",
content: [
{ type: "text", text: "Summarize this report in five bullets and list the main risks." },
// @ts-expect-error - Venice file input block
{ type: "file", file: { filename: "q3-report.pdf", file_data: fileData } },
],
},
],
});
console.log(response.choices[0].message.content);
```
```python Python theme={"system"}
import base64
import os
from pathlib import Path
from openai import OpenAI
client = OpenAI(
api_key=os.environ["VENICE_API_KEY"],
base_url="https://api.venice.ai/api/v1",
)
path = Path("q3-report.pdf")
file_data = "data:application/pdf;base64," + base64.b64encode(path.read_bytes()).decode("utf-8")
response = client.chat.completions.create(
model="openai-gpt-55",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "Summarize this report in five bullets and list the main risks."},
{"type": "file", "file": {"filename": "q3-report.pdf", "file_data": file_data}},
],
}
],
)
print(response.choices[0].message.content)
```
Transmettez des appels JSON-RPC 2.0 sur 11 chaînes prises en charge avec votre clé Venice ou un portefeuille x402. Voir la [référence Crypto RPC](/api-reference/endpoint/crypto/rpc) pour les chaînes, méthodes et niveaux de crédit.
```bash Curl theme={"system"}
curl https://api.venice.ai/api/v1/crypto/rpc/ethereum-mainnet \
-H "Authorization: Bearer $VENICE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"jsonrpc": "2.0",
"method": "eth_blockNumber",
"params": [],
"id": 1
}'
```
```ts TypeScript theme={"system"}
const response = await fetch(
"https://api.venice.ai/api/v1/crypto/rpc/base-mainnet",
{
method: "POST",
headers: {
Authorization: `Bearer ${process.env.VENICE_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify([
{ jsonrpc: "2.0", method: "eth_chainId", params: [], id: 1 },
{ jsonrpc: "2.0", method: "eth_blockNumber", params: [], id: 2 },
]),
}
);
const results = await response.json();
console.log(results);
```
```python Python theme={"system"}
import os
import requests
response = requests.post(
"https://api.venice.ai/api/v1/crypto/rpc/ethereum-mainnet",
headers={
"Authorization": f"Bearer {os.environ['VENICE_API_KEY']}",
"Content-Type": "application/json",
},
json={
"jsonrpc": "2.0",
"method": "eth_getBalance",
"params": ["0xd8dA6BF26964aF9D7eEd9e03E53415D37aA96045", "latest"],
"id": 1,
},
)
print(response.json())
```
Tarification
Rechargez, stakez ou payez par requête
Approvisionnez un compte avec des crédits, stakez DIEM pour une allocation quotidienne, ou contournez le compte entièrement avec USDC sur Base.
Crédits
USD ou Crypto
Payez à l'usage en USD ou en crypto. Les crédits n'expirent jamais et fonctionnent sur tous les endpoints.
Acheter des crédits
DIEM
Allocation quotidienne
Stakez DIEM ou VVV une seule fois et gagnez une allocation d'inférence fixe chaque jour, sans frais par appel.
En savoir plus sur DIEM
x402
USDC sur Base
Payez par requête depuis n'importe quel portefeuille Base en USDC. Pas de compte ni de clé API, conçu pour les agents.
Lire le guide x402
Questions ou retours ? Rejoignez-nous sur [Discord](https://discord.gg/askvenice).