Nscale 免费 API 申请指南：免绑卡注册领取一次性推理额度

Nscale 的推理接口遵循 OpenAI 兼容规范，base_url 的形态为 https://<推理服务域名>/v1，实际地址请以控制台「API 文档 / 快速开始」页面给出的为准；调用方式与 OpenAI 官方 SDK 一致，只需把 base_url 与密钥换成平台提供的值。可用模型以控制台模型列表中列出的型号为准，常见为开源 Llama、Mistral 系列的指令微调模型，模型名要原样照抄，不要自己改写大小写。

先把密钥与地址写入环境变量，避免硬编码在代码里：

export NSCALE_API_KEY="sk-替换为控制台创建的密钥"
export NSCALE_BASE_URL="https://替换为控制台文档给出的推理域名/v1"

然后用 curl 发一次最小的对话补全请求，确认网络与密钥都正常：

curl "$NSCALE_BASE_URL/chat/completions" \
  -H "Authorization: Bearer $NSCALE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "替换为控制台模型列表中的模型名",
    "messages": [
      {"role": "system", "content": "你是一个简洁的中文助手"},
      {"role": "user", "content": "用一句话解释什么是推理 API"}
    ],
    "temperature": 0.7,
    "max_tokens": 256,
    "stream": false
  }'

同样的请求用 Python 官方 SDK 写会更清爽，注意只替换 base_url 和密钥，其余参数与调用 OpenAI 时完全一致：

import os
from openai import OpenAI

client = OpenAI(
    base_url=os.environ["NSCALE_BASE_URL"],
    api_key=os.environ["NSCALE_API_KEY"],
)

resp = client.chat.completions.create(
    model="替换为控制台模型列表中的模型名",
    messages=[
        {"role": "system", "content": "你是一个简洁的中文助手"},
        {"role": "user", "content": "你好，请做个自我介绍"},
    ],
    temperature=0.7,
    max_tokens=256,
    stream=False,
)
print(resp.choices[0].message.content)

关键参数说明：model 决定用哪个模型，填错会直接报模型不存在；messages 是消息数组，按 system、user、assistant 顺序组织，多轮对话就是把历史消息一起带上；temperature 控制随机性，写代码或抽取结构化结果建议调低；max_tokens 限制单次输出长度，设得过大在小额度账号上很容易一次就把赠额吃掉大半；stream 设为 true 时返回流式分片，适合做打字机效果，但需要按 SSE 逐块解析。

额度耗尽或触发限流时，通常表现为 HTTP 状态码异常：401 表示密钥无效或没带上 Authorization 头；403 或余额相关错误码表示赠额已用尽或该模型不在可用范围；429 表示短时间内请求过密被限流；404 多半是 base_url 少了 /v1 或模型名拼错；400 则是参数格式问题，例如 messages 结构不对或 max_tokens 超限。

排查顺序建议固定为：先看返回的状态码与错误信息原文，再核对 base_url 是否以 /v1 结尾、路径是否写成 /chat/completions，接着确认密钥没有多余空格或换行，然后到控制台模型列表逐个核对模型名，再查看剩余额度与有效期，最后才是降低并发、在代码里对 429 做指数退避重试。若全部正常仍失败，可换一个最小请求体排除是业务参数导致的问题。