Cerebras 免费 API 试用额度申请：$5 信用金与绑卡限流说明

Cerebras 的接口兼容 OpenAI 协议，只要换掉 base_url 与密钥，多数现成 SDK 代码可以直接复用。

接口地址与模型

base_url 形态为 https://api.cerebras.ai/v1，对话补全路径是 /chat/completions。常用模型名有 llama3.1-8b、llama-3.3-70b、qwen-3-32b 等，实际可用列表、上下文长度与是否支持工具调用，以控制台模型页实际显示为准。

先把密钥写入环境变量，避免硬编码在代码里：

export CEREBRAS_API_KEY="你的 API Key"
export CEREBRAS_BASE_URL="https://api.cerebras.ai/v1"

一次对话补全调用（curl）

下面这条命令发出一个最小可用的非流式请求，并把输出上限控制在 256 tokens：

curl https://api.cerebras.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $CEREBRAS_API_KEY" \
  -d '{
    "model": "llama3.1-8b",
    "messages": [
      {"role": "system", "content": "你是一个简洁的助手。"},
      {"role": "user", "content": "用一句话说明什么是晶圆级推理。"}
    ],
    "max_tokens": 256,
    "temperature": 0.7,
    "stream": false
  }'

用 OpenAI SDK 调用（Python）

安装 OpenAI SDK 后，只改 base_url 和 api_key 两项即可：

from openai import OpenAI

client = OpenAI(
    base_url="https://api.cerebras.ai/v1",
    api_key="你的 API Key",
)

resp = client.chat.completions.create(
    model="llama3.1-8b",
    messages=[{"role": "user", "content": "写一句自我介绍"}],
    max_tokens=200,
    temperature=0.7,
)
print(resp.choices[0].message.content)

关键参数说明

• model：必填，填控制台模型列表中存在的名称，写错会返回模型不存在的错误。
• messages：必填，按角色排列的消息数组，支持 system、user、assistant。
• max_tokens：限制本次生成的长度上限，试用期限速很紧，建议从几百开始，避免一次请求就占满每分钟配额。
• temperature：采样随机度，取值 0 到 2，事实型任务调低，创意型任务调高。
• stream：设为 true 可开启流式返回，首字延迟更低，但需要客户端按 SSE 逐块解析。

额度耗尽与限流的典型表现

• 返回 401：密钥缺失、写错或已被删除，检查请求头里的 Bearer 是否正确。
• 返回 402 或 403：试用信用额已用完、已过期，或尚未完成绑卡，需要到账单页确认余额与有效期。
• 返回 429：触发限流，常见原因是每分钟请求数超过约 5 次，或单分钟消耗的非缓存 tokens 超过 30K。
• 响应明显变慢或偶发失败：长 prompt 在限速期内更容易撞上 tokens 配额，建议压缩上下文。

排查顺序

1. 先看错误码与返回体里的错误信息，区分是鉴权、额度还是限流问题。
2. 检查调用频率：短时间内是否连发了多条请求，必要时在客户端加队列与指数退避重试。
3. 估算单次请求的输入加输出 tokens，确认是否会在同一分钟内叠加超限。
4. 打开控制台的用量页面，确认剩余额度、有效期与当前限速档位。
5. 核对模型名是否仍在可用列表中，政策变动期模型可能下线或改名。
6. 以上都正常仍报错，再换一个最简 curl 请求测试，排除 SDK 与代理层的问题。