1つのエンドポイントで、
200以上のモデル

コードはそのまま、モデルIDを変えるだけ。H200 GPU上でチャット、ビジョン、推論を実行

curl https://api.gmi-serving.com/v1/chat/completions \
  -H "Authorization: Bearer $GMI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-ai/DeepSeek-V4-Pro",
    "stream": true,
    "messages": [{"role": "user", "content": "Hello"}]
  }'

利用可能なモデル: 200+
データセンターのカバレッジ: Global
稼働率目標: 99.9%

4つの始め方

必要なものから始めてください。それぞれリファレンスにリンクしています

Inference API

OpenAI互換の単一エンドポイントでチャット、ビジョン、推論を実行

APIリファレンス

SDK

PythonとTypeScriptのクライアント。OpenAI SDKとそのまま置き換え可能

SDKドキュメント

AgentBox

マネージドなコンピュート上でエージェントをデプロイ・実行

AgentBoxを開く

Docs

クイックスタート、リファレンス、コードサンプル

ドキュメントを読む

最初のリクエスト

キーを作成し、モデルを選び、ストリームを受け取る

01
キーを作成する
コンソールでAPIキーを生成します
02
モデルを選ぶ
モデルIDをコピーするか、GET /v1/modelsで一覧を取得します
03
リクエストを送る
エンドポイントを呼び出し、ストリームを受け取ります
04
スケールする
レイテンシを安定させたい場合は専用エンドポイントに切り替えます

python · openai client

# pip install openai
from openai import OpenAI
client = OpenAI(base_url="https://api.gmi-serving.com/v1",
                api_key=GMI_API_KEY)  # from console.gmicloud.ai

stream = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Pro",  # any id from /v1/models
    stream=True,
    messages=[{"role":"user",
               "content":"Summarize this paragraph."}])

for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="")

エンドポイント

1つのベースURLと1つのキー、すべてのルートで同じリクエスト形式

Base URLhttps://api.gmi-serving.com

POST/v1/chat/completionsチャット、ビジョン、ツール。ストリーミングにも一括レスポンスにも対応

POST/v1/responsesOpenAI Responses API

POST/v1/messagesAnthropic Messages API

GET/v1/modelsお使いのキーで利用できるモデルの一覧

GMI Cloudで構築

同じAPIとコンピュートで動作しているアプリです。開いて動作を確かめてみてください

すべてのデモを見る

DeepSeek V4 Pro, GPT 5.5

Model Arena

Compare top LLMs like DeepSeek V4 Pro and GPT 5.5 side by side on real coding, math, and system design prompts, benchmarked live on GMI Cloud's inference API for speed, cost, and output quality.

デモを開く