APIPod ist ein API-Aggregations-Gateway für Entwickler: Eine OpenAI-kompatible Base-URL erreicht Text-, Bild-, Video- und Audiomodelle von OpenAI, Anthropic, Google, ByteDance und weiteren Anbietern, mit Multi-Channel-Routing, Circuit-Breaker-Failover und nutzungsbasierter Abrechnung.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
APIPod ist ein Aggregations-Gateway für KI-APIs, das sich unmissverständlich an Entwicklerinnen und Entwickler richtet. Das Versprechen passt in eine Zeile, und genau so formuliert es die Website: eine API, jedes KI-Modell. Statt getrennte Konten, Schlüssel, SDKs, Abrechnungsbeziehungen und Fehlerbehandlungspfade für OpenAI, Anthropic, Google, ByteDance, Alibaba und xAI zu pflegen, integriert man einen Endpunkt und spricht sie alle über Modell-IDs an.
Die Nutzungsbedingungen liefern die formale Definition: APIPod stellt ein einheitliches API-Gateway bereit, das mehrere KI-Modellanbieter aggregiert, wobei OpenAI, Anthropic und Google ausdrücklich genannt werden. Die Dokumentation beschreibt die Arbeitsteilung präziser: Ihre Anwendung wählt eine öffentliche APIPod-Modell-ID, während Anbieterauswahl, Authentifizierung, Abrechnung, Aufgabenausführung und Request-Tracing hinter demselben API-Host von APIPod übernommen werden.
Das ist Infrastruktur, keine Anwendung. Es gibt weder Editor noch Leinwand noch eine Oberfläche für Endnutzer. Sie erhalten einen API-Host unter api.apipod.ai, eine Dokumentationsseite und eine Konsole für Schlüssel und Verbrauch. Wer keinen Code schreibt, findet hier keine nutzbare Oberfläche.
Teams, die KI-Funktionen tatsächlich ausliefern, bleiben selten lange bei einem einzigen Anbieter. Eine Reasoning-Aufgabe geht an den einen, eine günstige Klassifikation an den nächsten, Bildgenerierung an einen dritten, Video an einen vierten. Jede Ergänzung bringt ein eigenes SDK mit, ein eigenes Auth-Schema, eine eigene Fehlertaxonomie, eigene Rate Limits, eine eigene Rechnung und ein eigenes Ausfallprofil. Der Integrationsaufwand wächst ungefähr linear mit der Anbieterzahl, und das operative Risiko ebenso: Wenn ein Upstream schwächelt, schwächelt die davon abhängige Funktion mit.
Ein Aggregations-Gateway faltet all das auf eine Integrationsfläche zusammen und legt Routing-Logik darüber. Der Wert liegt nicht darin, dass ein einzelnes Modell besser würde — die Modelle bleiben dieselben Upstream-Dienste —, sondern darin, dass der Wechsel zwischen ihnen aufhört, ein Engineering-Projekt zu sein.
Der Katalog umfasst vier Modalitäten. Die Website beschreibt eine einheitliche API, die alle KI-Modalitäten abdeckt, und nennt LLM-Text, Bild, Video und Audio. In der veröffentlichten Preistabelle deckt die LLM-Familie die Linien GPT, Claude, Gemini, Kimi, GLM und Grok ab; Bilder umfassen GPT Image 2, Nano Banana, Seedream und WAN; Video bildet die größte Gruppe mit den Routen Sora 2, Veo 3.1, Seedance, WAN, Grok Imagine, MiniMax und Gemini Omni.
Zwei Dinge sollten klar gesagt werden, bevor man weiter bewertet.
Die Dokumentation ist für ein Produkt in diesem Stadium ungewöhnlich gut. Sie spezifiziert HTTP-Statussemantik, Geltungsbereichsregeln für Idempotenz, eine Zustandsmaschine für Aufgaben und OpenAPI-Verträge je Modell — und sie legt eigene Grenzen von sich aus offen, statt sie zu verbergen, einschließlich der ausdrücklichen Warnung, dass Webhook-Callbacks keinen Signatur-Header tragen.
Die unabhängige Beleglage ist dagegen dünn. APIPod hat kein Trustpilot-Profil, und während der Recherche ließ sich keine zurechenbare unabhängige redaktionelle Bewertung des Produkts finden; die in der Suche auftauchenden Branchenartikel behandeln die Kategorie der KI-Gateways und nicht diesen Anbieter. Die Testimonials auf der Startseite sind vom Anbieter ausgewählt. Behandeln Sie die beworbenen Betriebskennzahlen entsprechend: Werte wie 24 ms Latenz und 99,9 % Erfolgsquote sind selbst berichtet und nicht auditiert.
Die reibungsärmste Eigenschaft ist die unmittelbare Austauschbarkeit. Da das Gateway das OpenAI-Protokoll spricht, migriert bestehender Code durch Änderung eines einzigen Parameters: Das Python-Beispiel der Website setzt die Base-URL auf die /v1-Adresse von APIPod und verwendet ansonsten den Standard-OpenAI-Client. Node.js- und cURL-Entsprechungen stehen daneben.
Das wiegt schwerer, als es klingt. Die realistische Alternative zu einem Aggregator ist nicht, einmal eine schlanke Abstraktionsschicht zu schreiben, sondern diese Schicht dauerhaft gegen die Breaking Changes von sechs Anbietern zu pflegen.
Ein einzelnes Modell kann von mehreren Upstream-Kanälen bedient werden — der direkten Anbieter-API, einem Cloud-Reseller oder einer Alternativroute —, und die Plattform wählt darunter aus. Die Website beschreibt es so: ein Modell mit mehreren Backend-Kanälen konfiguriert, das automatisch den optimalen Kanal wählt, um Kosten zu senken und Stabilität zu erhöhen.
Entscheidend ist, dass die Kanalwahl keine verdeckte Preisgestaltung darstellt. Die veröffentlichte Tabelle legt die Kanalmultiplikatoren je Modell offen, sodass sichtbar wird, dass GPT 5.6 Sol die Kanalrabatte OPENAI×0,80, Azure×0,60 und Codex×0,20 trägt und Claude-Modelle die Routen Anthropic, Claude Lite, Claude Max und Claude Mix zu unterschiedlichen Sätzen führen.
Das Failover-Verhalten ist numerisch spezifiziert statt in Marketingsprache: automatische Abschaltung des Kanals für 30 Sekunden nach 3 aufeinanderfolgenden Fehlern, wodurch ein ausfallender Kanal isoliert wird, bevor er kaskadieren kann. Schwellwert und Abkühlfenster zu veröffentlichen ist ein belastbares Transparenzsignal — es erlaubt, über das Worst-Case-Verhalten zu argumentieren, statt einem Adjektiv zu vertrauen.
Bild und Video funktionieren nicht nach Request/Response. Die Dokumentation hält fest, dass Bild- und Videoaufrufe bewusst asynchron sind: Die Antwort auf die Erstellung bestätigt lediglich die Annahme der Aufgabe, und eine spätere Statusantwort liefert das erzeugte Asset. Sie erstellen per POST, speichern die zurückgegebene task_id und fragen danach den Status ab oder empfangen einen Webhook.
Der Lebenszyklus ist vollständig spezifiziert. Clients müssen pending und processing als nicht-terminale Zustände behandeln und ausschließlich bei completed, failed oder cancelled stoppen. Eine interne Finalisierungsphase wird bewusst als processing ausgewiesen, sodass kein zusätzlicher Sonderfall zu behandeln ist.
Die Endpunkte sind nach Asset-Typ gruppiert. Bildaufgaben werden mit POST /v1/images/generations erstellt und mit GET /v1/images/status/{task_id} abgefragt. Videoaufgaben werden mit POST /v1/videos/generations erstellt und mit GET /v1/videos/status/{task_id} abgefragt. Für die Kostenschätzung dient POST /v1/pricing/estimate, womit sich die Kosten einer Anfrage vor der Ausführung ermitteln lassen.
Die Medienerstellung unterstützt einen Idempotency-Key-Header, dessen Semantik dokumentiert und nicht bloß angedeutet ist: Der Schlüssel ist maximal 255 Zeichen lang, das Wiederholen eines Schlüssels mit gleichwertigem Body spielt die gespeicherte Antwort erneut ab, und die Wiederverwendung mit abweichendem Body liefert HTTP 409. Praktisch entscheidend ist die Geltungsbereichsregel: Der Schlüssel ist auf den authentifizierten API-Key, die HTTP-Methode und die Route begrenzt, was genau festlegt, welche Eindeutigkeit Ihre Schlüsselerzeugung garantieren muss.
Antworten tragen einen Observability-Vertrag. X-Request-ID liefert eine Trace-Kennung, X-Idempotent-Replay markiert eine wiederholte Antwort, Retry-After nennt bei wiederholbaren Fehlern eine empfohlene Wartezeit, und — für die Kostensteuerung am nützlichsten — X-Request-Cost gibt auf abrechenbaren Endpunkten die formatierte Anfragekosten zurück, sofern verfügbar. Kostenzuordnung je Anfrage auf HTTP-Ebene bietet nicht jedes Gateway.
Ein callback_url in der Generierungsanfrage löst einen POST aus, sobald die Aufgabe completed oder failed erreicht. Bei Nicht-2xx-Antworten und Netzwerkfehlern wird erneut zugestellt, derzeit mit bis zu fünf Zustellversuchen im exponentiellen Backoff, und Mehrfachzustellung ist möglich, weshalb Empfänger idempotent sein müssen. Der wesentliche Sicherheitsvorbehalt dazu steht im Abschnitt Einschränkungen.
Der klarste Anwendungsfall. Wer GPT, Claude und Gemini an den eigenen Prompts vergleichen oder eine Aufgabe mit hohem Volumen und geringem Risiko auf ein günstigeres Modell verlagern will, verwandelt mit einem Aggregator eine Beschaffungs- und Integrationsübung in eine Zeichenkettenänderung. Der Endpunkt zur Preisschätzung und die Kosten-Header je Anfrage machen den finanziellen Vergleich empirisch statt theoretisch.
Anwendungen, die Text, Bild und Video mischen — etwa ein Content-Tool, das Texte schreibt und passende Visuals erzeugt — bräuchten sonst drei getrennte Integrationen und drei Abrechnungsbeziehungen. Hier teilen sie sich einen Schlüssel, eine Fehlertaxonomie und eine Rechnung.
Die Website nennt autonome Agenten als primären Anwendungsfall und beschreibt das Verketten mehrerer Modelle, um Agenten zu bauen, die schlussfolgern, programmieren und Aufgaben ausführen. Gerade bei Agenten-Workloads ist die Möglichkeit, einzelne Schritte auf unterschiedliche Kostenstufen zu routen — ein günstiges Modell für Routing-Entscheidungen, ein teures nur für schwieriges Reasoning —, ein direkter Kostenhebel.
Für eine nutzerseitige Funktion, die bei einem Anbieterausfall nicht dunkel werden darf, liefern Circuit Breaker und Multi-Channel-Routing eine automatische Degradationsbehandlung, die man sonst selbst bauen und pflegen müsste. Beachten Sie den Haftungsvorbehalt unter Einschränkungen.
Die Website nennt das ein Enterprise-KI-Gateway: sämtlichen KI-Verkehr über ein Gateway zu bündeln, um Compliance, Logging und Ausgabensteuerung durchzusetzen. Zusammen mit Quoten je Schlüssel, Rate Limits und IP-Zulassungslisten passt das zu Teams, die kontrollieren müssen, was einzelne Dienste oder Entwickler ausgeben und aufrufen dürfen.
GET /v1/account/status ist eine leichtgewichtige Prüfung für Schlüssel und Konto, bevor Sie Geld für Inferenz ausgeben.Idempotency-Key je logischer Operation und persistieren Sie die zurückgegebene task_id vor allem Weiteren.Retry-After, oder registrieren Sie eine callback_url. Verzweigen Sie über status, bevor Sie result oder Fehlerfelder lesen.task_id, X-Request-ID sowie HTTP-Status und maschinenlesbaren Fehlercode fest. Davon hängt ab, ob spätere Support-Gespräche und Kostenprüfungen überhaupt führbar sind.result über status verzweigen. Bildstatus-Antworten führen error_code und error_message innerhalb von data, Videostatus-Antworten nutzen error, Webhooks nutzen error mit optionalem error_code. Felder vor der Statusprüfung zu lesen erzeugt schwer diagnostizierbare Fehler.error_code bei Webhooks optional ist und status maßgeblich sein soll.error.code, dann data.error_code, und behalten Sie HTTP-Status und Nachricht stets bei. Vorwärtskompatibilität hängt daran, heute unbekannte Codes nicht zu verwerfen.pricing/estimate nutzen. Besonders bei Video, wo sich die Sekundenabrechnung langer Clips schnell summiert, ist vorheriges Schätzen günstiger, als die Kosten hinterher festzustellen.result bei nicht-terminalem Status ist erwartetes Verhalten und kein Fehler.Entwicklerinnen, Entwickler und Engineering-Teams, die auf mehreren Modellen aufbauen, sind die vorgesehene Zielgruppe, und das Produkt versucht gar nicht erst, etwas anderes zu sein. Wer Modelle evaluiert, multimodale Pipelines betreibt oder Anbieterbindung auf der Integrationsebene vermeiden will, ist hier in der richtigen Kategorie.
Einzelentwickler und Start-ups profitieren von konsolidierter Abrechnung und dem Fehlen einer Abo-Untergrenze: klein anfangen und die Ausgaben mit der Nutzung wachsen lassen, ohne Vorabbindung.
Teams mit Bedarf an Ausgabensteuerung erhalten Quoten je Schlüssel, Rate Limits, IP-Zulassungslisten und ein Nutzungs-Dashboard, was relevant wird, sobald mehrere Dienste oder Personen ein KI-Budget teilen.
Teams, die Agenten und Automatisierung bauen und einzelne Reasoning-Schritte auf verschiedene Kostenstufen routen, erhalten einen direkten Hebel auf ihre Stückkosten.
Wer sich anderswo umsehen sollte: Nicht-Entwickler finden hier keine nutzbare Oberfläche. Teams mit strikter Einzelanbieter-Compliance oder bestehenden Unternehmensverträgen erschweren die Lage durch eine zusätzliche Zwischenschicht eher, als sie zu vereinfachen. Gleiches gilt für Organisationen, deren Data Governance den Transit von Anfrageinhalten über Dritte untersagt. Ebenso Workloads, die anbieterspezifische Funktionen benötigen, die ein normalisiertes Gateway womöglich nicht durchreicht, sowie Organisationen, die ein vertragliches SLA mit Rechtsfolgen verlangen — das sehen die Bedingungen nicht vor.
APIPod wird als HTTP-API ausgeliefert, weshalb die praktische Plattformfrage lautet, welche Sprachen und Clients unterstützt werden — und die Antwort ist faktisch alle.
Base-URL und Versionierung. Alles liegt unter https://api.apipod.ai, stabile öffentliche APIs sind unterhalb von /v1 eingehängt, JSON-Bodies werden als UTF-8 mit Content-Type: application/json gesendet.
Authentifizierung. Empfohlen ist ein Standard-Bearer-Header in der Form Authorization: Bearer <APIPOD_API_KEY>. Zur Kompatibilität mit Clients, die für andere Anbieter gebaut wurden, akzeptiert das Gateway außerdem x-api-key für Anthropic-kompatible und x-goog-api-key für Gemini-kompatible Clients sowie einen ?key=-Query-Fallback, von dem die Dokumentation selbst abrät, sobald ein Header möglich ist. Eine Grenze ist erwähnenswert: Management-Tokens sind ein eigener Anmeldedatentyp und können nicht auf Modell-APIs verwendet werden.
SDKs. Statt ein proprietäres SDK auszuliefern, ist APIPod mit den SDKs von OpenAI, Anthropic und Gemini kompatibel. Die Dokumentation bietet lauffähige Beispiele in cURL, Python, Go, Rust und JavaScript sowie OpenAPI-Panels je Modell.
Dokumentation und Konsole. Die Referenz liegt auf einer eigenen Dokumentationsseite mit maschinenlesbarem Index, während Schlüsselverwaltung und Nutzungsanalyse in der Web-Konsole angesiedelt sind.
Das Modell ist nutzungsbasiert ohne Abonnement. Die Website stellt klar, dass nur bezahlt wird, was tatsächlich verbraucht wird, ohne Monatsgebühren oder Mindestumsätze, und dass neue Nutzer bei der Registrierung kostenlose Testguthaben ohne Kreditkarte erhalten.
Drei Abrechnungseinheiten, nach Modalität:
Kanalmultiplikatoren. Die effektiven Kosten hängen davon ab, welche Backend-Route die Anfrage bedient, und diese Multiplikatoren werden je Modell veröffentlicht statt verborgen.
Lesen Sie den Preishinweis. Die Tabelle trägt einen eigenen Vorbehalt: Die gezeigten Sätze stammen live aus der API, und die tatsächliche Abrechnung folgt der Konsole. Behandeln Sie jede Zahl — auch die oben zitierten — als Momentaufnahme und nicht als vertraglichen Preis. Die Bedingungen ergänzen, dass Preise mit 30 Tagen Vorlauf geändert werden können.
Erstattungen sind eng gefasst. Das ist die Klausel, die am ehesten relevant und am seltensten gelesen wird: Erstattungen betreffen ausschließlich ungenutztes Guthaben auf dem Konto, und bereits durch API-Nutzung verbrauchtes Guthaben wird nicht erstattet. Anträge werden binnen fünf bis sieben Werktagen bearbeitet und auf das ursprüngliche Zahlungsmittel zurückgeführt, die Abwicklung läuft über Stripe.
Praktisch heißt das: Geld, das in verbrauchte Inferenz geflossen ist, ist ausgegeben. Planen Sie bewusst, nutzen Sie Quoten je Schlüssel und schätzen Sie teure Videojobs vorab.
Die ehrliche Einordnung: Aggregation bringt einen realen Gewinn an Komfort und Ausfallsicherheit, bezahlt mit einer zusätzlichen Abhängigkeit im Anfragepfad, einer Marge und einem Nachlauf gegenüber anbietereigenen Funktionen. Ob sich der Tausch lohnt, hängt vor allem davon ab, wie viele Anbieter Sie sonst integrieren müssten.
Webhook-Callbacks sind nicht authentifiziert. Das ist der operativ bedeutsamste Vorbehalt, und es spricht für den Anbieter, dass er ihn in der eigenen Dokumentation offenlegt, statt ihn von Nutzern entdecken zu lassen: Der aktuelle öffentliche Callback-Vertrag enthält keinen Signatur-Header. Die Dokumentation geht weiter und warnt vor dem naheliegenden Fehler — behaupten Sie nicht, ein Callback sei authentifiziert, nur weil seine JSON-Struktur korrekt aussieht. Mindern lässt sich das Risiko durch ein nicht erratbares Token hoher Entropie im Callback-Pfad, durch Abgleich von task_id und request_id mit selbst erstellten Aufgaben und, wo eine Aktion unumkehrbar ist, durch Abfrage des authentifizierten Status-Endpunkts vor dem Handeln.
HTTP 200 beim Erstellen bedeutet nicht, dass die Arbeit erledigt ist. Die Dokumentation weist ausdrücklich darauf hin: Es bedeutet nicht, dass Bild oder Video fertig generiert wurden. Annahme mit Fertigstellung zu verwechseln ist der klassische Integrationsfehler bei asynchronen Medien-APIs.
Die Verfügbarkeitszahl ist Marketing, kein Vertrag. Die Startseite bewirbt eine Verfügbarkeitsgarantie von 99,9 %, doch die Nutzungsbedingungen sagen etwas deutlich Schwächeres: Man strebe 99,9 % Verfügbarkeit an, garantiere aber keinen unterbrechungsfreien Dienst. Es gibt weder Rechtsfolge noch Gutschrift. Wo beide Dokumente auseinandergehen, gelten die Bedingungen.
Upstream-Ausfälle sind ausdrücklich ausgeschlossen. Die Bedingungen halten fest, dass APIPod nicht für Ausfälle oder Leistungsprobleme haftet, die durch diese Anbieter verursacht werden, und lediglich, dass das Multi-Channel-Routing solche Auswirkungen minimieren soll. Routing verringert die Exposition, es verlagert nicht das Risiko.
Sie fügen Ihrem kritischen Pfad einen Hop hinzu. Jede Anfrage hängt nun zusätzlich zur Verfügbarkeit des Upstream-Anbieters auch von der von APIPod ab. Das sind die strukturellen Kosten der Aggregation, die gegen den Zugewinn an Ausfallsicherheit abzuwägen sind.
Weiterverkauf ist untersagt, und das Routing ist eine Blackbox. Die Bedingungen verbieten den Weiterverkauf des API-Zugangs ohne schriftliche Erlaubnis sowie Versuche, die Routing-Algorithmen zurückzuentwickeln oder zu extrahieren. Wenn Ihr Geschäftsmodell den Weiterverkauf von Kapazität umfasst, holen Sie zuerst eine Erlaubnis ein. Zugleich bedeutet es, dass sich nicht vollständig prüfen lässt, warum eine bestimmte Anfrage eine bestimmte Route genommen hat.
Unabhängige Verifikation fehlt praktisch vollständig. Für die Domain existiert kein Trustpilot-Profil, und eine zurechenbare unabhängige redaktionelle Bewertung ließ sich nicht auffinden. Ein Eintrag in einem Drittanbieter-Verzeichnis war überhaupt nicht lesbar: Sowohl der direkte Abruf als auch der Ausweich-Renderkanal lieferten HTTP 403, sodass diese Quelle nichts beigetragen hat. Vom Anbieter berichtete Kennzahlen sind nicht auditiert.
Verbrauchtes Guthaben ist nicht erstattungsfähig. Hier erneut genannt, weil es eine Budgetrestriktion darstellt und nicht bloß eine juristische Fußnote.
Die Modellverfügbarkeit ist vermittelt. Einige veröffentlichte IDs sind Routing-Varianten von APIPod und keine eigenständigen Upstream-Modelle — die Dokumentation stellt ausdrücklich klar, dass bestimmte Bezeichnungen wie Lite, Fast und VIP APIPod-Routen auf dasselbe zugrunde liegende Modell sind und keine separaten Anbietermodelle. Lesen Sie die Modellseite, bevor Sie annehmen, ein Name entspreche einem eigenständigen Upstream-Produkt.
Es ist ein Aggregations-Gateway für KI-APIs, gerichtet an Entwicklerinnen und Entwickler. Die Bedingungen definieren es als einheitliches API-Gateway, das mehrere KI-Modellanbieter einschließlich OpenAI, Anthropic und Google aggregiert, und die Dokumentation ergänzt, dass Ihre Anwendung eine öffentliche Modell-ID wählt, während APIPod Anbieterauswahl, Authentifizierung, Abrechnung, Aufgabenausführung und Request-Tracing übernimmt. Es ist Infrastruktur ohne Endnutzeroberfläche — wer keine API aufruft, findet hier nichts Nutzbares.
Senden Sie ein Standard-Bearer-Token im Authorization-Header. Für Portabilität akzeptiert das Gateway zusätzlich x-api-key für Anthropic-kompatible und x-goog-api-key für Gemini-kompatible Clients, mit einem ?key=-Query-Parameter als Rückfallebene, von der die Dokumentation abrät, sobald ein Header möglich ist. Management-Tokens sind ein eigener Typ und werden auf Modell-APIs abgewiesen. Schlüssel können Ablauf, Berechtigungen, Quoten, Rate Limits und IP-Zulassungslisten tragen, und nicht berechtigte Schlüssel werden abgewiesen, bevor überhaupt eine Modellanfrage weitergeleitet wird.
Für LLM-Aufrufe ja — der beworbene Weg besteht darin, die Base-URL auf den APIPod-Host zu ändern und den übrigen OpenAI-SDK-Code unverändert zu lassen, und die Website veröffentlicht ein funktionierendes Python-Beispiel, das genau das tut. Die Mediengenerierung ist anders: Bilder und Videos nutzen die eigenen asynchronen Aufgaben-Endpunkte von APIPod mit einem Erstellen-und-Abfragen-Muster, sodass dieser Teil eine neue Integration darstellt und kein bloßer Austausch ist.
Nutzungsbasiert, ohne Abonnement. LLMs rechnen je 1 Mio. Tokens mit getrennten Sätzen für Eingabe, Ausgabe und Cache ab; Bilder rechnen je Anfrage ab; Video je Sekunde oder je Anfrage, abhängig vom Modell. Die effektiven Sätze hängen zudem davon ab, welcher Backend-Kanal die Anfrage bedient, und die Multiplikatoren je Modell sind veröffentlicht. Beachten Sie den eigenen Hinweis der Website, dass gelistete Sätze Live-Werte sind und die tatsächliche Abrechnung der Konsole folgt — sowie dass die Bedingungen Preisänderungen mit 30 Tagen Vorlauf erlauben.
Nur für Guthaben, das Sie nicht verbraucht haben. Die Bedingungen legen fest, dass Erstattungen ausschließlich für ungenutztes Guthaben verfügbar sind und bereits durch API-Nutzung verbrauchtes Guthaben nicht erstattet wird, wobei Anträge in fünf bis sieben Werktagen bearbeitet und über Stripe auf das ursprüngliche Zahlungsmittel zurückgeführt werden. Da Inferenzausgaben nicht rückholbar sind, begrenzen Sie teure Vorhaben vorab mit Quoten je Schlüssel und dem Endpunkt zur Preisschätzung.
Asynchron, und zwar bewusst. Sie senden einen POST an /v1/images/generations oder /v1/videos/generations, erhalten eine task_id und fragen anschließend den passenden Status-Endpunkt ab oder registrieren einen callback_url-Webhook. Die Zustände sind pending, processing, completed, failed und cancelled, wovon nur die letzten drei terminal sind. Fragen Sie mit begrenztem exponentiellem Backoff und Jitter ab, beachten Sie Retry-After und persistieren Sie die task_id, bevor Sie mit dem Polling im Hintergrund beginnen. Ein 200 beim Erstellen bedeutet, dass die Aufgabe angenommen wurde, nicht dass die Generierung fertig ist.
Für sich genommen nicht, und der Anbieter sagt das auch. Die Dokumentation hält fest, dass der aktuelle öffentliche Callback-Vertrag keinen Signatur-Header enthält, und warnt ausdrücklich davor, einen Callback als authentifiziert zu behandeln, nur weil sein JSON stimmig wirkt. Verwenden Sie HTTPS mit einem nicht erratbaren Token hoher Entropie im Callback-Pfad, halten Sie die URL serverseitig, gleichen Sie task_id und request_id mit selbst erstellten Aufgaben ab, machen Sie Empfänger idempotent, da Mehrfachzustellung möglich ist, und verifizieren Sie über den authentifizierten Status-Endpunkt vor jeder unumkehrbaren Aktion.
Anfrageinhalte werden nach oben weitergereicht — die Datenschutzerklärung hält fest, dass Prompts, Nachrichten und Bilder an den ausgewählten KI-Anbieter gesendet werden, um Antworten zu erzeugen, und dass anschließend die jeweils eigene Datenschutzerklärung des Anbieters diese Daten regelt. Zur Aufbewahrung: erzeugte Medien und aufgabenbezogene Uploads werden sieben Tage vorgehalten und dann gelöscht, Abrechnungsunterlagen sieben Jahre. Wenn Ihre Data Governance den Transit von Inhalten über Dritte verbietet, prüfen Sie diesen Punkt vor einer Einführung sorgfältig.
Die Bedingungen halten fest, dass über die API erzeugte Inhalte Ihnen gehören, vorbehaltlich der Lizenzbedingungen der zugrunde liegenden KI-Anbieter, und dass Sie APIPod eine Lizenz einräumen, Ihre Anfragen zur Diensterbringung zu verarbeiten und weiterzuleiten. Praktisch bedeutet das, dass die Nutzungsbedingungen des Upstream-Anbieters weiterhin für alles gelten, was Sie erzeugen; kommerzielle Nutzung sollte daher gegen die Lizenz des jeweiligen Modellanbieters geprüft und nicht allein aus dem Gateway abgeleitet werden.
Nein. Die Startseite präsentiert 99,9 % als Verfügbarkeitsgarantie, doch die Nutzungsbedingungen besagen, dass das Unternehmen 99,9 % Verfügbarkeit anstrebt, ohne einen unterbrechungsfreien Dienst zu garantieren, und ohne ausgewiesene Rechtsfolge oder Gutschrift. Die Bedingungen schließen zudem die Haftung für Ausfälle aus, die durch Upstream-Anbieter verursacht werden, und merken lediglich an, dass Multi-Channel-Routing solche Auswirkungen minimieren soll. Die auf der Website gezeigten Latenz- und Erfolgsquotenwerte sind selbst berichtet und nicht auditiert, weshalb sie als Anbieteraussagen und nicht als verifizierte Benchmarks zu behandeln sind.