深圳网站建设怎样选常德软件开发

深圳网站建设怎样选,常德软件开发,域名查询服务器ip,网站制作方案解决办法欢迎来到小灰灰的博客空间#xff01;Weclome you#xff01; 博客主页#xff1a;IT小灰灰 爱发电#xff1a;小灰灰的爱发电 热爱领域#xff1a;前端#xff08;HTML#xff09;、后端#xff08;PHP#xff09;、人工智能、云服务 目录 一、平台介绍 1.1 核心优势…欢迎来到小灰灰的博客空间Weclome you博客主页IT·小灰灰爱发电小灰灰的爱发电热爱领域前端HTML、后端PHP、人工智能、云服务目录一、平台介绍1.1 核心优势1.2 适用场景1.3 使用方式1.4 服务支持二、免费模型列表三、调用示例3.1 文本调用非流式输出3.2 文本调用流式输出3.3 网络图片分析3.4 文生图3.5 图片编辑结语中国人工智能领域发展迅速有许多AI大模型出现有火出圈的DeepSeek有绘图高手豆包也有视频创作大师Wan2.2。但是模型API调用价格貌似没有下降只是选择多了而今天我发现了一个宝藏平台——DMXAPI平台350模型可调用国内许多模型在这里也可以免费调用注意不限量不限并发哟现在就随小灰灰视角来看看吧。一、平台介绍DMXAPI是一站式多模态大模型API聚合平台致力于为开发者和企业提供便捷、经济的AI模型接入服务。平台通过统一接口整合了全球超过350个主流大模型涵盖文本生成、图像创作、语音合成、视频生成等多种模态用户仅需一个API Key即可调用包括GPT系列、Claude、LLaMA、通义千问、文心一言等在内的国内外顶尖模型。1.1 核心优势1. 统一接入降低门槛协议兼容完全兼容OpenAI接口规范现有应用只需修改Base URL和API Key即可无缝切换单Key通配无需为每个模型单独注册账号一个Key调用全平台模型简化密钥管理快速集成提供详尽的代码示例和文档支持Python、Node.js等主流语言2. 成本优化集采折扣通过与大模型原厂直接合作采用集中采购模式海外模型价格低至官方6-7折灵活计费支持按量付费、充值折扣等多种定价策略新用户注册可获测试额度人民币结算国内用户可直接使用人民币支付避免汇率波动和跨境支付麻烦3. 性能与稳定性无限制调用注册账号不设RPM每分钟请求数和TPM每分钟Token数上限适合高并发场景高可用保障据官方介绍服务可用性达99.99%支持智能重试和负载均衡低延迟国内线路优化部分场景延迟可控制在180ms左右4. 安全与合规数据隐私平台不保留用户请求内容仅记录Token消耗数值确保数据安全企业级支持提供公对公付款、6%增值税普通/专用发票发票项目为信息服务费或技术服务费合规运营专注于为中国用户提供本地化服务遵守国内相关法规1.2 适用场景AIGC内容创作文本写作、图像生成、视频制作智能客服基于RAG的文档问答系统电商运营商品描述生成、客服自动化企业应用数据分析、代码生成、翻译服务教育与科研教学辅助、实验模型调用1.3 使用方式注册账号访问官网完成注册获取Key在用户中心生成API Key选择模型通过模型广场浏览350可用模型调用接口参考官方文档修改接口地址和认证信息监控用量通过控制台实时查看Token消耗和费用明细1.4 服务支持7×24小时客服提供在线技术支持实时日志完整记录调用历史便于问题排查预算告警可设置消费阈值提醒DMXAPI通过中转聚合模式有效解决了多模型管理复杂、成本高昂、接入困难等痛点适合从个人开发者到大型企业的各类用户快速构建AI应用。二、免费模型列表以下是DMXAPI免费模型列表。模型名称厂商标签价格说明kat-coder-pro-v1-free快手新代码模型claude code 专用限免中!免费模型代码固定价格 0 / 次快手出品代码模型KAT-Coder 系列模型作为专为 Agentic Coding 任务设计的模型支持接入 Claude Code中进行使用【官方主页】GLM-4.1V-Thinking-Flash免费图片分析TOP1免费模型函数工具对话推理视觉固定价格 0 / 次免费模型仅供体验学习无并发请勿用于生产环境智谱 GLM-4.1V-Thinking 系列是目前已知 10B 尺寸级别中性能最强的视觉推理模型。它在图表/视频理解、前端 Coding、GUI 任务等核心能力达到全面新 SOTA并引入思维链推理机制显著提升模型在复杂场景中的回答精准度与可解释性。Hunyuan-MT-7B免费翻译 TOP1免费模型翻译函数工具固定价格 0 / 次一个拥有 70 亿参数的轻量级翻译模型支持 33 种语言以及 5 种中国少数民族语言的互译。在 WMT25 国际机器翻译竞赛中Hunyuan-MT-7B 在其参与的 31 个语言类别中获得了 30 个第一名。GLM-Z1-Flash免费模型对话推理固定价格 0 / 次免费模型仅供体验学习无并发请勿用于生产环境GLM-4.5-Flash免费体验首选免费模型函数工具对话推理固定价格 0 / 次免费模型仅供体验学习无并发请勿用于生产环境全新上线的 glm-4.5-flash 模型在确保强大推理能力、稳定代码生成和多工具协同处理能力的同时具备显著的运行速度优势且完全免费开放使用。hunyuan-lite免费模型对话函数工具固定价格 0 / 次免费 腾讯公司混元大模型 lite 版本THUDM/glm-4-9b-chat免费模型对话函数工具固定价格 0 / 次智谱GLM开源模型免费版Qwen3-8B免费模型函数工具对话推理固定价格 0 / 次免费模型仅供体验学习无并发请勿用于生产环境Qwen3 系列 8B尺寸模型Qwen/Qwen2.5-Coder-7B-Instruct免费模型对话代码固定价格 0 / 次Qwen2.5 代码模型其他平台有的DMXAPI也有别的平台没有的他还有还等什么冲起来三、调用示例3.1 文本调用非流式输出 DMXAPI OpenAI SDK 调用示例 功能使用 OpenAI 官方 SDK 调用 DMXAPI 接口进行对话 from openai import OpenAI import json # 客户端初始化 # 创建 OpenAI 客户端实例 client OpenAI( api_keysk-**************************************, # 替换为你的 DMXAPI 令牌 base_urlhttps://www.dmxapi.cn/v1 # DMXAPI 接口地址 ) # 发送对话请求 # 调用对话完成接口 chat_completion client.chat.completions.create( messages[ { role: user, # 用户角色 content: 周树人和鲁迅是兄弟吗 # 用户提问 } ], modelgpt-5-mini # 指定使用的模型 ) # 格式化输出结果 # 将响应对象转换为字典 result chat_completion.model_dump() # 美化输出 print( * 50) print(✨ API 响应结果) print( * 50) print(json.dumps(result, indent2, ensure_asciiFalse)) print( * 50) # 输出关键信息摘要 print( 关键信息摘要) print(f • 模型: {result[model]}) print(f • 回复: {result[choices][0][message][content]}) print(f • Token 使用: {result[usage][total_tokens]} (输入: {result[usage][prompt_tokens]}, 输出: {result[usage][completion_tokens]}))注代码来源于官方文档文章结尾有官方文档地址3.2 文本调用流式输出 OpenAI兼容API流式对话示例 本脚本演示如何使用流式传输(Server-Sent Events)方式调用AI聊天接口 实现实时接收和显示AI响应内容的效果 # # 1. 导入依赖库 # import json # JSON数据处理:用于解析API返回的JSON格式数据 import requests # HTTP请求库:用于发送POST请求到API服务器 # # 2. 配置API连接参数 # url https://www.dmxapi.cn/v1/chat/completions # API端点地址 # 请求头配置 headers { Authorization: Bearer sk-******************************, # 身份认证令牌(请替换为您的真实API密钥) Content-Type: application/json # 声明请求体为JSON格式 } # # 3. 构建请求数据 # payload { model: gpt-5-mini, # 选择AI模型(此处使用gpt-5-mini模型) stream: True, # 启用流式输出模式,可实时接收生成的内容片段 messages: [ { role: system, # 系统消息:定义AI的行为模式 content: You are a helpful assistant. }, { role: user, # 用户消息:实际的问题或指令 content: 周树人和鲁迅是兄弟吗? } ] } # # 4. 发送请求并处理流式响应 # # 发送POST请求,streamTrue启用流式接收模式 response requests.post(url, headersheaders, jsonpayload, streamTrue) # 数据缓冲区:由于网络传输可能分块到达,需要缓存不完整的数据 buffer # # 5. 逐块处理响应数据流 # for chunk in response.iter_content(chunk_sizeNone): if chunk: # 确保接收到的数据块非空 # 将二进制数据解码为UTF-8字符串并追加到缓冲区 buffer chunk.decode(utf-8) # ----------------------------------------------------------- # 按行处理缓冲区数据(SSE协议是基于行的) # ----------------------------------------------------------- while \n in buffer: # 提取第一行数据,剩余部分保留在缓冲区 line, buffer buffer.split(\n, 1) # 跳过空行(SSE协议中空行用于分隔事件) if not line.strip(): continue # ----------------------------------------------------------- # 解析SSE格式数据(Server-Sent Events) # SSE数据格式: data: {JSON内容} # ----------------------------------------------------------- if line.startswith(data: ): # 提取data: 后面的实际JSON数据 data_line line[6:].strip() # 检查流结束标记 if data_line [DONE]: break try: # 解析JSON数据 data json.loads(data_line) # --------------------------------------------------- # 提取AI生成的文本内容 # 数据结构: data.choices[0].delta.content # --------------------------------------------------- if choices in data and len(data[choices]) 0 and delta in data[choices][0]: content data[choices][0][delta].get(content, ) # 只输出非空内容(过滤掉仅包含元数据的响应) if content: # end: 不换行 # flushTrue: 立即输出,不等待缓冲区满 # 实现打字机效果的实时显示 print(content, end, flushTrue) except json.JSONDecodeError: # --------------------------------------------------- # JSON解析失败处理 # 原因:数据块可能在JSON对象中间被截断 # 解决:将未完成的行放回缓冲区,等待下一个数据块 # --------------------------------------------------- buffer line \n buffer break # 退出while循环,继续接收下一个chunk注代码来源于官方文档文章结尾有官方文档地址3.3 网络图片分析 图片分析工具 - 使用 Gemini 2.5 Flash 模型进行图片内容分析 本脚本演示如何通过 DMX API 调用 Gemini 模型来分析图片内容 适用于图片描述、物体识别、场景理解等应用场景 import requests # # API 配置区域 # BASE_URL https://www.dmxapi.cn/ # API 基础地址 API_ENDPOINT BASE_URL v1/chat/completions # 对话完成接口 API_KEY sk-************************************************* # API 密钥(请替换为你的密钥) IMAGE_URL https://dmxapi.com/111.jpg # 待分析图片的 URL 地址 # # 核心功能函数 # def analyze_image(image_url, prompt): 调用 Gemini 模型分析图片内容 功能说明: 通过 DMX API 调用 Gemini-2.5-Flash 模型,对指定 URL 的图片进行智能分析 支持图片描述、物体识别、场景理解等多种分析任务 参数: image_url (str): 图片的 URL 地址,需要是公网可访问的链接 prompt (str): 分析提示词,描述你希望模型如何分析这张图片 # 构建请求载荷 payload { model: gemini-2.5-flash, # 使用的模型名称 messages: [ { role: system, # 系统角色:定义助手行为 content: [{type: text, text: 你是一个图片分析助手。}] }, { role: user, # 用户角色:发送分析请求 content: [ {type: image_url, image_url: {url: image_url}}, # 图片 URL {type: text, text: prompt} # 分析提示词 ] } ], temperature: 0.1 # 温度参数:0.1 使输出更确定性和专业 } # 构建请求头 headers { Content-Type: application/json, # 内容类型:JSON 格式 Authorization: fBearer {API_KEY} # 授权令牌 } # 发送 API 请求并处理响应 try: response requests.post(API_ENDPOINT, headersheaders, jsonpayload) response.raise_for_status() # 检查 HTTP 状态码 return response.json()[choices][0][message][content] # 提取分析结果文本 except Exception as e: print(f❌ 请求失败: {e}) # 错误提示 return None # # 程序入口 # if __name__ __main__: print( * 60) print(开始分析图片...) print( * 60) # 调用图片分析函数 result analyze_image(IMAGE_URL, 请描述这张图片的内容) # 输出分析结果 if result: print(✅ 分析结果:) print(- * 60) print(result) print(- * 60) else: print(❌ 图片分析失败,请检查配置和网络连接)注代码来源于官方文档文章结尾有官方文档地址3.4 文生图 DMXAPI 图片生成工具 功能说明 使用 DMXAPI 的图片生成接口根据文字描述生成 AI 图片 支持多种模型gpt-image-1、dall-e-3 生成的图片自动保存到 output 文件夹 import requests import base64 from datetime import datetime import os # API 配置 API_KEY sk-**************************************** # 替换为你的 DMXAPI API密钥 API_URL https://www.dmxapi.cn/v1/images/generations # DMXAPI图片生成接口地址 # 构建请求参数 payload { # 【必填】图像描述 prompt: 哪吒竖着大拇指背景广告牌写着 DMXAPI, # 提示词最大长度gpt-image-1(32000字符) | dall-e-3(4000字符) # 【必填】生成数量 n: 1, # 范围1-10注意dall-e-3 仅支持 n1 # 【必填】使用模型 model: gpt-image-1-mini, # 【必填】图像尺寸 size: 1024x1536, # gpt-image-11024x1024(正方形) | 1536x1024(横版) | 1024x1536(竖版) | auto(自动) # dall-e-31024x1024 | 1792x1024 | 1024x1792 # 【可选】背景透明度仅 gpt-image-1 支持 background: auto, # 可选值transparent(透明) | opaque(不透明) | auto(自动默认) # 【可选】内容审核级别仅 gpt-image-1 支持 moderation: auto, # 可选值low(宽松过滤) | auto(自动默认) # 【可选】压缩级别仅 gpt-image-1 支持且输出格式为 webp 或 jpeg # output_compression: 100, # 范围0-100默认100表示无压缩 # 【可选】输出格式仅 gpt-image-1 支持 output_format: png, # 可选值png | jpeg | webp # 【可选】图像质量 quality: auto, # gpt-image-1auto(自动默认) | high(高) | medium(中) | low(低) # dall-e-3hd(高清) | standard(标准) # 【可选】响应格式仅dall-e-3 支持 # response_format: url, # 可选值url(图片链接有效期60分钟) | b64_json(base64编码) # 注意gpt-image-1 始终返回 base64 编码的图像 # 【可选】图像风格仅 dall-e-3 支持 # style: vivid # 可选值vivid(鲜艳) | natural(自然) } # 设置 HTTP 请求头 headers { Authorization: fBearer {API_KEY}, # 身份验证使用 Bearer Token 格式 Content-Type: application/json # 内容类型JSON 格式 } # 主程序执行 try: print( * 50) print( 开始生成图片...) print( * 50) # ---------- 步骤1创建输出文件夹 ---------- output_dir output if not os.path.exists(output_dir): os.makedirs(output_dir) print(f✓ 已创建输出文件夹: {output_dir}) else: print(f✓ 输出文件夹已存在: {output_dir}) # ---------- 步骤2发送 API 请求 ---------- print(f 正在向 API 发送请求...) print(f 模型: {payload[model]}) print(f 尺寸: {payload[size]}) print(f 数量: {payload[n]}) print(f 提示词: {payload[prompt]}) response requests.post(API_URL, jsonpayload, headersheaders) response.raise_for_status() # 检查 HTTP 状态码如有错误则抛出异常 # ---------- 步骤3解析 API 响应 ---------- result response.json() print(f✓ API 响应成功) # ---------- 步骤4处理并保存图片 ---------- if data in result and len(result[data]) 0: print(f 开始保存图片...) # 遍历返回的每张图片 for i, image_data in enumerate(result[data]): # 处理 base64 编码的图片gpt-image-1 返回格式 if b64_json in image_data: # 解码 base64 数据 base64_data image_data[b64_json] image_bytes base64.b64decode(base64_data) # 生成唯一文件名时间戳 序号 timestamp datetime.now().strftime(%Y%m%d_%H%M%S) filename fgenerated_image_{timestamp}_{i1}.png filepath os.path.join(output_dir, filename) # 保存图片到本地 with open(filepath, wb) as f: f.write(image_bytes) # 获取文件大小 file_size os.path.getsize(filepath) / 1024 # 转换为 KB print(f ✓ 图片 {i1}: {filepath} ({file_size:.2f} KB)) # 处理 URL 格式的图片dall-e-3返回格式 elif url in image_data: print(f ✓ 图片 {i1} URL: {image_data[url]}) print(f ⚠️ 注意URL 有效期仅 60 分钟请及时下载) print(f{ * 50}) print(f✅ 所有图片处理完成) print(f{ * 50}) else: print(❌ 未找到图片数据请检查 API 响应) except requests.exceptions.RequestException as e: # 网络请求异常处理 print(f{ * 50}) print(f❌ 请求失败) print(f{ * 50}) print(f错误信息: {e}) # 打印详细的错误响应 if e.response: print(fHTTP 状态码: {e.response.status_code}) print(f响应内容: {e.response.text}) except Exception as e: # 其他异常处理 print(f{ * 50}) print(f❌ 发生未知错误) print(f{ * 50}) print(f错误信息: {e})支持的模型模型名称状态gpt-image-1✅ 可用gpt-image-1-mini✅ 可用dall-e-3✅ 可用注代码来源于官方文档文章结尾有官方文档地址3.5 图片编辑#!/usr/bin/env python3 # -*- coding: utf-8 -*- ╔══════════════════════════════════════════════════════════════════════════════╗ ║ DMXAPI 图片编辑工具 ║ ╠══════════════════════════════════════════════════════════════════════════════╣ ║ 功能说明使用 DMXAPI 的图片编辑接口对图片进行 AI 智能编辑处理 ║ ╚══════════════════════════════════════════════════════════════════════════════╝ import base64 import json import os import requests from datetime import datetime # ╔══════════════════════════════════════════════════════════════════════════════╗ # ║ 图片文件配置 ║ # ╚══════════════════════════════════════════════════════════════════════════════╝ image_paths [ output/generated_image_20251107_120453_1.png, # 第一张图片路径 # /path/to/image2.png, # 第二张图片路径可选 # /path/to/image3.png, # 第三张图片路径可选 ] 重要提示 - 不同模型对图片的要求 ┌─────────────────┬──────────────────────────────────────────────────────┐ │ gpt-image-1 │ • 支持多张图片最多 16 张 │ │ │ • 文件大小 50MB │ │ │ • 支持格式png、webp、jpg │ │ │ • 尺寸无限制 │ ├─────────────────┼──────────────────────────────────────────────────────┤ # ╔══════════════════════════════════════════════════════════════════════════════╗ # ║ API 配置 ║ # ╚══════════════════════════════════════════════════════════════════════════════╝ # DMXAPI 端点地址 url https://www.dmxapi.cn/v1/images/edits # DMXAPI 密钥请替换为您自己的密钥 api_key sk-****************************************** # HTTP 请求头配置 headers { Authorization: fBearer {api_key} # Bearer Token 认证 } # ╔══════════════════════════════════════════════════════════════════════════════╗ # ║ 请求参数配置 ║ # ╚══════════════════════════════════════════════════════════════════════════════╝ payload { # ───────────────────────────────────────────────────────────────────────── # 【必填参数】模型名称 # ───────────────────────────────────────────────────────────────────────── model: gpt-image-1-mini, # 模型名称 # ───────────────────────────────────────────────────────────────────────── # 【必填参数】编辑指令 # ───────────────────────────────────────────────────────────────────────── prompt: 给哪吒带上一个红色的鸭舌帽,风格保持不变, # ───────────────────────────────────────────────────────────────────────── # 【可选参数】生成图像的尺寸 # ───────────────────────────────────────────────────────────────────────── # • gpt-image-1 支持 # - 1024x1024 (方形) # - 1536x1024 (横版) # - 1024x1536 (竖版) # - auto (默认自动选择) # ───────────────────────────────────────────────────────────────────────── size: 1024x1024, # ───────────────────────────────────────────────────────────────────────── # 【可选参数】背景透明度设置仅 gpt-image-1 支持 # ───────────────────────────────────────────────────────────────────────── # • transparent - 透明背景 # • opaque - 不透明背景 # • auto - 自动选择默认 # ───────────────────────────────────────────────────────────────────────── background: auto, # ───────────────────────────────────────────────────────────────────────── # 【可选参数】输入图像保真度仅 gpt-image-1 支持不支持 gpt-image-1-mini # ───────────────────────────────────────────────────────────────────────── # 控制模型匹配输入图像风格和特征的程度尤其是面部特征 # • high - 高保真度更贴近原图 # • low - 低保真度默认更有创造性 # ───────────────────────────────────────────────────────────────────────── # input_fidelity: low, # ───────────────────────────────────────────────────────────────────────── # 【可选参数】输出图像压缩级别仅 gpt-image-1 支持 # ───────────────────────────────────────────────────────────────────────── # 取值范围0-100 # • 0 - 最低质量最小文件大小 # • 100 - 最高质量最大文件大小 # ⚠️ 注意仅在输出格式为 webp 或 jpeg 时有效 # ───────────────────────────────────────────────────────────────────────── output_compression: 100, # ───────────────────────────────────────────────────────────────────────── # 【可选参数】输出图像格式仅 gpt-image-1 支持 # ───────────────────────────────────────────────────────────────────────── # • png - PNG 格式默认支持透明 # • jpeg - JPEG 格式不支持透明文件更小 # • webp - WebP 格式现代格式压缩率高 # ───────────────────────────────────────────────────────────────────────── output_format: png, # ───────────────────────────────────────────────────────────────────────── # 【可选参数】图像质量 # ───────────────────────────────────────────────────────────────────────── # • gpt-image-1 支持 # - high (高质量) # - medium (中等质量) # - low (低质量) # - auto (自动默认) # ───────────────────────────────────────────────────────────────────────── quality: auto, } # ╔══════════════════════════════════════════════════════════════════════════════╗ # ║ 准备图片文件 ║ # ╚══════════════════════════════════════════════════════════════════════════════╝ files [] # 遍历配置的图片路径列表准备上传文件 for img_path in image_paths: try: # 从完整路径中提取文件名 file_name img_path.split(/)[-1] # 根据文件扩展名自动判断 MIME 类型 mime_type image/png if img_path.lower().endswith(.png) else image/jpeg # 将文件添加到上传列表 # 格式(参数名, (文件名, 文件对象, MIME类型)) files.append( (image, # API 要求的固定参数名 (file_name, # 原始文件名 open(img_path, rb), # 以二进制只读模式打开文件 mime_type) # 文件的 MIME 类型 ) ) except FileNotFoundError: # 文件不存在时的错误处理 print(f⚠️ 警告: 文件未找到 - {img_path}) except Exception as e: # 其他异常的错误处理 print(f⚠️ 警告: 处理文件时出错 - {img_path}: {str(e)}) # ╔══════════════════════════════════════════════════════════════════════════════╗ # ║ 发送请求并处理响应 ║ # ╚══════════════════════════════════════════════════════════════════════════════╝ if not files: # 如果没有成功加载任何图片文件 print(❌ 错误: 没有可用的图片文件) else: # ────────────────────────────────────────────────────────────────────────── # 发送 HTTP POST 请求到 DMXAPI # ────────────────────────────────────────────────────────────────────────── response requests.post( url, # API 端点 headersheaders, # 请求头包含认证信息 datapayload, # 请求参数 filesfiles # 上传的图片文件 ) # ────────────────────────────────────────────────────────────────────────── # 处理 API 响应 # ────────────────────────────────────────────────────────────────────────── if response.status_code 200: # ✅ 请求成功HTTP 200 try: # 解析 JSON 格式的响应数据 data response.json() # 确保输出目录存在如不存在则创建 output_dir output os.makedirs(output_dir, exist_okTrue) # 验证响应数据结构是否符合预期 if data.get(data) and isinstance(data[data], list): # 生成时间戳作为文件名的一部分格式YYYYMMDD_HHMMSS timestamp datetime.now().strftime(%Y%m%d_%H%M%S) # ────────────────────────────────────────────────────────────── # 遍历处理所有返回的编辑后图片 # ────────────────────────────────────────────────────────────── for idx, item in enumerate(data[data]): # 提取 Base64 编码的图片数据 image_b64 item.get(b64_json) if image_b64: # 生成输出文件名 # 多张图片时edited_时间戳_序号.png # 单张图片时edited_时间戳.png if len(data[data]) 1: filename fedited_{timestamp}_{idx 1}.png else: filename fedited_{timestamp}.png # 构建完整的输出路径 output_path os.path.join(output_dir, filename) # 解码 Base64 数据并保存为图片文件 with open(output_path, wb) as f: f.write(base64.b64decode(image_b64)) print(f✅ 图片保存成功: {output_path}) else: print(f⚠️ 未获取到第 {idx 1} 张图片数据) else: # 响应数据格式不正确 print(❌ 响应数据结构异常) print(f 原始响应: {json.dumps(data, indent2, ensure_asciiFalse)}) except json.JSONDecodeError: # JSON 解析失败 print(❌ JSON 解析失败) print(f 原始响应: {response.text}) else: # ❌ 请求失败HTTP 状态码非 200 print(f❌ 请求失败: HTTP {response.status_code}) print(f 响应内容: {response.text})模型名称模型名称状态gpt-image-1✅ 可用gpt-image-1-mini✅ 可用dall-e-3❌ 本身不支持注代码来源于官方文档文章结尾有官方文档地址结语还有许多功能和食用方法没有探索快随我的脚步开启API的路途吧官方文档地址https://doc.dmxapi.cn/