AMD Radeon Token Factory 免费模型 API 指南：15 个公共端点、每日刷新的约 10 美元额度

base_url 与鉴权方式

这套端点兼容 OpenAI 风格的调用格式，base_url 以控制台密钥详情页给出的地址为准，通常以 /v1 结尾；鉴权走请求头 Authorization: Bearer 你的Key。下面先把地址和密钥写进环境变量，避免硬编码在脚本里。

export AMD_API_KEY="控制台生成的 Key"
export AMD_BASE_URL="密钥详情页给出的 base_url"
export AMD_MODEL="控制台模型清单里的模型标识"

模型名从哪里来

模型标识不要自行拼写，直接到控制台的公共模型清单里复制，注意大小写和版本后缀。清单目前是 15 个公共端点，会随活动调整，脚本里最好把模型名也放进环境变量，方便随时替换。

一次对话补全调用

用 curl 发起一次最小请求，重点看 model、messages、max_tokens、temperature 四个参数：

curl "$AMD_BASE_URL/chat/completions" \
  -H "Authorization: Bearer $AMD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "'"$AMD_MODEL"'",
    "messages": [
      {"role": "system", "content": "你是一名后端工程师，回答尽量简短。"},
      {"role": "user", "content": "用一句话说明什么是推理端点。"}
    ],
    "max_tokens": 256,
    "temperature": 0.7,
    "stream": false
  }'

同样的请求换成 Python SDK 更省事，把 base_url 指向控制台地址即可复用官方 OpenAI 客户端：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AMD_API_KEY"],
    base_url=os.environ["AMD_BASE_URL"],
)

resp = client.chat.completions.create(
    model=os.environ["AMD_MODEL"],
    messages=[
        {"role": "user", "content": "列出三条 API 接入时的注意事项。"}
    ],
    max_tokens=300,
    temperature=0.6,
)

print(resp.choices[0].message.content)

参数说明：messages 是对话数组，system 角色用来约束风格；max_tokens 控制单次输出长度，设小一点能省额度、也能减少超时；temperature 越低输出越稳定，做结构化抽取时建议 0 到 0.3；stream 设为 true 可流式返回，适合前端打字机效果；长文本任务还可以配合 top_p 收敛采样范围。

额度耗尽与限流的典型表现

• 返回 429 且提示请求过多：多半是单 Key 超过了约 30 次/分钟的节奏，或被并发 8 的上限卡住。
• 请求持续失败并提示额度不足：说明当天的参考额度已用完，需要等次日刷新，Asia/Shanghai 时区按自然日重置。
• 返回 401 或 403：Key 写错、被删除，或者请求头里漏了 Bearer 前缀。
• 返回 404：base_url 拼接错误，常见是把 /v1 重复写了一边，检查路径末尾。
• 返回模型不存在的报错：模型已下线或标识写错，回控制台清单重新复制。

排查顺序

建议按这个顺序排：先打印完整请求 URL 和状态码，确认路径与鉴权头；再单独发一条最小 messages 排除请求体格式问题；然后降到串行、单并发、每次间隔两秒以上重试，看是否属于限流；接着换一个清单里的其他模型，判断是不是单个模型下线；最后才去控制台核对当日剩余额度与刷新时间。批量任务建议自己加一层指数退避重试，并把并发压在 4 以内，给突发流量留余量。