Weblabs AI API

Quickstart

In 30 Sekunden loslegen

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://ai.weareweblabs.com/v1",
  apiKey:  "sk-dein-api-key",
});
const res = await client.chat.completions.create({
  model:    "qwen3.5:4b",
  messages: [{ role: "user", content: "Schreib ein Rezept für Tiramisu" }],
});
console.log(res.choices[0].message.content);

Authentifizierung

API-Key

Header: x-api-key: sk-... oder Authorization: Bearer sk-... · Keys verwalten im Admin-Dashboard.

Modelle

Verfügbare Modelle

Modell-ID	Fähigkeiten	Backend	Geschwindigkeit
`qwen3.5:4b`	Text + Bild	WL GPU	Schnell (~3s)
`qwen3.5:0.8b`	Text	WL CPU	Standard (~5s)
`qwen3.5:0.8b-hf1`	Text	HF Space	Sehr langsam (~1 Tok/s, Fallback)
`qwen3.5:0.8b-hf2`	Text	HF Space	Sehr langsam (~1 Tok/s, Fallback)
`qwen3.6:35b`	Text	Hetzner	Standard (~5s)
`kimi-k2.7:code`	Text	Hetzner	Standard (~5s)
`glm-5.2`	Text	Hetzner	Standard (~5s)
`deepseek-v4:flash`	Text	Hetzner	Standard (~5s)

WL GPU = GTX 1660 Super (Büro-PC) · WL CPU = VPS Fallback

Endpunkte

API-Referenz

POST

/v1/chat/completions

OpenAI-kompatibler Chat-Endpunkt. Unterstützt stream: true für Echtzeit-Streaming.

POST

/v1/completions

Legacy Completions-Endpunkt. Wird intern in Chat-Format konvertiert.

GET

/health

Status beider Backends (GPU + CPU), Queue-Auslastung und verfügbare Modelle.

GET

/benchmark

Live-Performance-Test aller Modelle mit und ohne Thinking-Modus.

GET

/admin

Dashboard zur Verwaltung von API-Keys und Nutzungsstatistiken.

Parameter

Request-Body

Parameter	Typ	Standard	Beschreibung
`model`	string	–	Modell-ID (Pflichtfeld)
`messages`	array	–	Chat-Verlauf als `[{role, content}]`
`stream`	boolean	`false`	Server-Sent Events für Echtzeit-Ausgabe
`temperature`	number	`0.7`	Kreativität 0–2
`max_tokens`	number	`2048`	Max. Ausgabe-Tokens
`reasoning_effort`	string	`"medium"`*	Denk-Level bei thinking-fähigen Modellen: `off` / `low` / `medium` / `high` / `max`
`enable_thinking`	boolean	an, falls Level ≠ off	Ob das Reasoning als `reasoning_content` in der Antwort mitgeschickt wird

* Nur bei Modellen mit Thinking-Fähigkeit relevant. Bei qwen3.5:4b funktioniert off normal. Bei den -hf1/-hf2-Modellen (Hugging-Face-Spaces, llama.cpp) gibt es technisch nur einen binären Schalter – jedes Level außer off aktiviert Thinking gleichermaßen, das Token-Budget wird lediglich je nach Level unterschiedlich groß gewählt.

Modell-Auswahl

Welches Modell für welchen Zweck?

qwen3.5:4b — Text + Bild

Multimodal: verarbeitet Text und Bilder. Bilder als Base64 im content-Array übergeben.

{ "model": "qwen3.5:4b",
  "messages": [{
    "role": "user",
    "content": [{"type":"text","text":"Was ist auf dem Bild?"},
      {"type":"image_url","image_url":{"url":"data:image/jpeg;base64,..."}}]
  }] }