Быстрый старт c VseLLM

Начните работу с VseLLM

VseLLM – это единый API для доступа к различным LLM и мультимодальным AI‑моделям без необходимости напрямую работать с зарубежными вендорами. Платформа берёт на себя маршрутизацию запросов, биллинг и стабильность доступа.

Регистрация

Создайте аккаунт на сайте VseLLM и подтвердите email.

Подтверждение email за 24 часа

Пополнение баланса

Выберите удобный способ пополнения:

Платёжная система (минимум 1000 ₽)
Активация купона
Договор для юрлиц

При нулевом балансе API недоступен

Создание API‑ключа

Сгенерируйте API‑ключ в разделе «Ключи» личного кабинета.

Ключ показывается один раз — сохраните его

Первый запрос

Используйте полученный ключ для запросов к API.

Пример использования

Python

import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

response = client.chat.completions.create(
    model="openai/gpt-5",
    messages=[
        {"role": "user", "content": "Привет!"}
    ]
)

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

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Модели

Список доступных моделей и их характеристик. Полный список моделей доступен в каталоге на сайте.

Текстовые модели

Используются для работы с текстом: генерация, анализ, классификация, суммаризация и другие задачи.

Выберите модель

Загрузка...

POST /v1/chat/completions

Параметры запроса

Python

import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

response = client.chat.completions.create(
    model="openai/gpt-5",
    messages=[
        {"role": "user", "content": "Привет!"}
    ]
)

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

Эмбеддинги

Преобразование текста в числовые векторы для поиска и RAG.

Выберите модель

Загрузка...

POST /v1/embeddings

Python

import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

response = client.embeddings.create(
    model="openai/text-embedding-3-small",
    input="Текст для векторизации"
)

embedding = response.data[0].embedding
print(f"Embedding dimension: {len(embedding)}")

Аудио

Работа с аудио (Speech-to-Text).

Выберите модель

Загрузка...

POST /v1/audio/transcriptions

Python

import openai
from pathlib import Path

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)

audio_path = Path("speech.mp3")

with audio_path.open("rb") as audio_file:
    response = client.audio.transcriptions.create(
        file=audio_file,
        model="openai/whisper-1"
    )

print("Распознанный текст:")
print(response.text)

Изображения

Генерация изображений по текстовому описанию.

Выберите модель

Загрузка...

POST /v1/images/generations

Python

import openai
import base64
import time
from pathlib import Path

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://api.vsellm.ru/v1"
)


model = "MODEL_ID"

prompt = (
    "Сгенерируй фотореалистичный цветок оранжевой лилии "
    "на зеленом фоне, без текста, формат 1024x1024"
)

size = "1024x1024"
n = 1
quality = "low"


response = client.images.generate(
    model=model,
    prompt=prompt,
    size=size,
    n=n,
    quality=quality
)


Path("out").mkdir(exist_ok=True)

if not response.data:
    raise RuntimeError("В ответе нет изображений")

for i, img in enumerate(response.data, 1):
    if not img.b64_json:
        continue

    raw = base64.b64decode(img.b64_json)
    fp = Path("out") / f"Image_{int(time.time())}_{i}.png"
    fp.write_bytes(raw)
    print("Saved:", fp)

Коды ошибок

Со своей стороны VseLLM никак дополнительно не лимитирует запросы к API, однако у провайдеров существуют свои ограничения. Они отличаются от провайдера к провайдеру, а также от модели к модели.

Создание дополнительных API ключей не влияет на ваши лимиты, так как мы управляем пропускной способностью глобально. Однако для разных моделей действуют разные лимиты, поэтому вы можете распределить нагрузку, если столкнётесь с ограничениями.

Если для вашего проекта необходимы бóльшие лимиты, чем доступны в данный момент, VseLLM может предложить дополнительные решения. Пожалуйста, свяжитесь с нами в этом случае.

Отслеживание использования

Вы можете отслеживать статистику использования и управлять API ключами в соответствующих разделах Личного кабинета.

Коды ошибок

При превышении лимитов API возвращает следующие коды ошибок:

429 Too Many Requests

Превышен лимит скорости запросов

Подождите и повторите запрос позже. Уменьшите частоту, max_tokens, добавьте ретраи.

404 Model Not Found

Модель не найдена

Выполните GET /v1/models, скопируйте id модели без изменений.

403 Forbidden

Недостаточно квоты, токен заблокирован или истёк

Пополните баланс или проверьте статус токена.

401 Unauthorized

Неавторизованный доступ

Проверьте заголовок Authorization: Bearer..., кнопку «Authorize», лишние пробелы.

400 Bad Request

Сервер не может обработать запрос

Проверьте URL, смените браузер/устройство. Повторите запрос.

500 Internal Server Error

Внутренняя ошибка сервера

Повторите запрос с экспоненциальной паузой; если регулярно — пишите в поддержку.

502 Bad Gateway

Шлюз получил недействительный ответ

Повторите запрос с экспоненциальной паузой; если регулярно — пишите в поддержку.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

FAQ

В каких единицах учитывается баланс?

Баланс учитывается в рублях. Списание происходит по факту обработки запросов в модели pay-as-you-go — вы платите только за использованные токены.

Можно ли использовать разные тарифы одновременно?

Да. Вы сами выбираете тариф для каждого запроса, направляя его на соответствующий Base URL.

Почему у одной и той же модели может отличаться задержка?

Для обеспечения стабильности VseLLM использует несколько upstream-провайдеров. В зависимости от маршрута и текущей нагрузки задержка может отличаться.

Почему возникают таймауты или ошибки?

Основные причины:

временные проблемы у конкретного провайдера;
высокая нагрузка;
автоматическое переключение между источниками.

Рекомендуется использовать fallback-модели.

Есть ли rate limits?

Да. Ограничения могут устанавливаться на стороне провайдеров и меняться в зависимости от нагрузки.

Почему запросы начинают отклоняться при высокой частоте?

При высокой нагрузке могут срабатывать ограничения частоты запросов или временная защита источников.

Почему поведение модели может меняться со временем?

Поведение модели может изменяться из-за:

обновлений у провайдера;
смены upstream-источника;
изменений нагрузки.

VseLLM не модифицирует ответы моделей.

Может ли модель временно стать недоступной?

Да. Отдельные модели могут временно отключаться. Для продакшена рекомендуется заранее настраивать fallback-модели.

Использует ли VseLLM логирование и кэширование?

VseLLM не логирует и не кэширует запросы на своей стороне.

Если конкретный провайдер поддерживает кэширование, ответ может быть отдан из его кэша при повторяющихся запросах в короткий промежуток времени. Это зависит от модели и источника и происходит не всегда.

С какими инструментами совместим VseLLM?

VseLLM работает со всеми инструментами, использующими OpenAI-совместимый API, включая:

официальный OpenAI SDK;
LangChain;
n8n;
Msty;
CLI-клиенты и самописные решения.

Можно ли использовать VseLLM в продакшене?

Да, при корректных архитектурных ожиданиях.

В продакшене необходимо учитывать:

вариативность latency;
возможные таймауты и ошибки;
временную недоступность отдельных моделей;
автоматическое переключение между провайдерами.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Кеширование

Sticky credential и кеширование токенов

VseLLM поддерживает два механизма оптимизации запросов — sticky credential (привязка к провайдеру) и кеширование токенов (cached tokens). Эти механизмы позволяют ускорить ответы и снизить стоимость повторяющихся запросов.

Sticky credential

При использовании Responses API с параметром previous_response_id VseLLM запоминает, через какой credential (провайдер) был выполнен первый запрос, и перенаправляет последующие запросы того же диалога на тот же credential. Это гарантирует, что весь диалог обрабатывается одним экземпляром модели.

Python

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-key",
    base_url="https://api.vsellm.ru/v1"
)

# Шаг 1 — без previous_response_id, round-robin выбирает credential
r1 = client.responses.create(
    model="openai/gpt-5",
    input="Hello! Tell me a short joke.",
    store=True,
    user="conv-123",
)

# Шаг 2 — proxy предпочитает credential из r1 (Responses API sticky)
# затем fallback на session-sticky (user="conv-123")
r2 = client.responses.create(
    model="openai/gpt-5",
    input="Continue our conversation.",
    previous_response_id=r1.id,  # ← привязка к тому же credential
    store=True,
    user="conv-123",
)

Как это работает: Когда вы передаёте previous_response_id, VseLLM сохраняет привязку к credential, обработавшему первый запрос. Без previous_response_id выбор credential осуществляется по round-robin среди доступных провайдеров для данной модели.

Кеширование токенов (cached tokens)

Многие модели поддерживают кеширование входных токенов — если вы отправляете повторяющийся контекст (system prompt, историю диалога), провайдер может закешировать его и не пересчитывать заново. Это отражается в поле cached_tokens в ответе API.

Пример ответа с cached_tokens

ResponseUsage(
    input_tokens=259,
    input_tokens_details=InputTokensDetails(
        cached_tokens=256  # ← 256 токенов из кеша
    ),
    output_tokens=63,
    total_tokens=322
)

На что обратить внимание: cached_tokens — это количество токенов, которые были прочитаны из кеша провайдера (кеш на стороне модели). Это не связано с sticky credential — это независимая оптимизация на уровне модели.

Проверка работы кеширования

Чтобы убедиться, что кеширование работает, проверьте поле usage.input_tokens_details.cached_tokens в ответе API. Если значение больше 0 — кеш используется.

Python — проверка cached_tokens

r = client.responses.create(
    model="openai/gpt-5",
    input="Your prompt with repeated context",
    store=True,
)

if r.usage and r.usage.input_tokens_details:
    cached = r.usage.input_tokens_details.cached_tokens
    if cached:
        print(f"Кеш использован: {cached} токенов")
    else:
        print("Кеш не использован")

Интеграции

VseLLM работает со всеми инструментами, которые используют OpenAI-совместимый API.

Claude Code

Claude Code — это продвинутый CLI-инструмент для работы с моделями Anthropic. С VseLLM вы можете использовать этот инструмент, направляя запросы через наш единый API.

Установка

Мы рекомендуем использовать npm для установки. Убедитесь, что у вас установлен Node.js.

npm install -g @anthropic-ai/claude-code

Переменные окружения

Для корректной работы с VseLLM вам нужно переопределить адрес API. Claude Code использует стандартные переменные для OpenAI-совместимых эндпоинтов.

Bash / Zsh (Mac/Linux)

PowerShell (Windows)

export OPENAI_BASE_URL="https://api.vsellm.ru/v1"
export OPENAI_API_KEY="sk-..."

$env:OPENAI_BASE_URL="https://api.vsellm.ru/v1"
$env:OPENAI_API_KEY="sk-..."

Если вы используете версию, требующую именно Anthropic API, попробуйте: export ANTHROPIC_BASE_URL="https://api.vsellm.ru"

Использование

Запустите инструмент и начните работу.

claude

Или с конкретным промптом:

claude "Напиши скрипт на Python для парсинга сайтов"

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Cursor + VseLLM

Cursor — это самый популярный AI-редактор кода. Подключив его к VseLLM, вы получаете доступ к моделям уровня Pro (Claude 4.5 Sonnet, GPT-5) без ежемесячной подписки, оплачивая только то, что используете.

Откройте Settings

В правом верхнем углу Cursor нажмите на иконку шестеренки ⚙️ (Settings) или используйте комбинацию клавиш Ctrl + Shift + J.

Выберите вкладку Models

В меню настроек перейдите в раздел Models.

Активируйте OpenAI Compatible

Найдите секцию "OpenAI API Key" (иногда она скрыта под "Override OpenAI Base URL").

Base URL: https://api.vsellm.ru/v1
API Key: введите ваш ключ VseLLM (начинается на sk-...)

⚠️ Не забудьте нажать кнопку Verify или Save после ввода ключа.

Добавьте модели

Cursor по умолчанию может не видеть все модели. В разделе "Model Names" нажмите + Add model и вручную добавьте:

openai/gpt-5
anthropic/claude-sonnet-4.5
google/gemini-3.1-pro-preview

Затем отключите стандартные модели Cursor (gpt-4, gpt-3.5) переключателями, чтобы убедиться, что используются именно ваши настроенные модели.

Частые проблемы

Cursor пишет "Invalid API Key"

Убедитесь, что вы вставили ключ именно в поле для OpenAI API Key, а не Anthropic или Azure.

Не работает Tab-автодополнение

Функция Tab (Copilot++) в Cursor работает на их собственных серверах и требует подписки Pro. VseLLM обеспечивает работу Чата (Ctrl+L) и Composer (Ctrl+I).

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

LangChain

LangChain — это фреймворк для разработки приложений на базе больших языковых моделей. VseLLM легко интегрируется с LangChain.

Установка

pip install langchain-openai

Использование

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, SystemMessage

chat = ChatOpenAI(
    model="openai/gpt-5",
    openai_api_key="sk-...",
    openai_api_base="https://api.vsellm.ru/v1"
)

messages = [
    SystemMessage(content="Ты - полезный ассистент."),
    HumanMessage(content="Как подключить VseLLM к LangChain?")
]

response = chat.invoke(messages)
print(response.content)

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

n8n

VseLLM предоставляет доступ к Enterprise‑серверу n8n для действующих клиентов.

Активация

Перейдите в раздел «Аккаунт» в Личном кабинете, найдите блок «Сервис n8n» и нажмите «Активировать n8n».

Добавьте ноду AI Agent

В workflow добавьте ноду AI Agent через Node Picker.

Настройка credentials

Credential Name — VseLLM
API Key — ваш API ключ
Base URL — https://api.vsellm.ru

Примечание: Приглашение в n8n должно быть принято в течение 24 часов.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Gemini CLI

Используйте мощные модели Google Gemini 3.1 Pro Preview прямо из терминала через VseLLM.

Установка

Вы можете использовать любой OpenAI-совместимый CLI инструмент. Мы рекомендуем простой Python-скрипт или chatblade.

pip install chatblade

Настройка

Настройте Chatblade на использование VseLLM.

export OPENAI_API_BASE="https://api.vsellm.ru/v1"
export OPENAI_API_KEY="sk-..."

Запуск

Обращайтесь к модели Gemini через VseLLM:

chatblade -c "google/gemini-3.1-pro-preview" "Расскажи о машинном обучении"

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Kilo Code

Kilo — это легкий и быстрый редактор кода для терминала. Настройте его на работу с VseLLM.

Установка

cargo install kilo

Конфигурация

Добавьте в config.toml:

[llm]
api_base = "https://api.vsellm.ru/v1"
api_key = "sk-..."
model = "openai/gpt-5"

Проверка

kilo --ask "Как отсортировать массив в Rust?"

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

OpenClaw

Официальная документация OpenClaw: docs.openclaw.ai

OpenClaw — это мощный open-source агент, который завоевал популярность благодаря своей гибкости и способности выполнять сложные задачи автономно.

Установка

curl -fsSL https://openclaw.bot/install.sh | bash -s -- --no-onboard

Зачем это нужно: OpenClaw написан на Node.js и требует глобальной установки в систему. Этот единый скрипт автоматически скачает нужную версию среды выполнения (Node.js v22) и установит сам пакет openclaw, чтобы вы могли вызывать его из любого места в терминале.

Конфигурация (~/.openclaw/openclaw.json)

Файл конфигурации определяет "мозг" агента. По умолчанию он не создаётся, вам нужно создать его вручную.

Зачем это нужно: Без этого файла OpenClaw не знает, к какой нейросети подключаться и какой ключ использовать. baseUrl указывает агенту обращаться к API VseLLM, api: "openai-completions" говорит использовать стандартный формат запросов, а блок models фиксирует доступные лимиты контекста.

Вставьте туда следующий рабочий эталон конфигурации:

Строгий парсер JSON: OpenClaw использует сверхстрогую проверку формата (Zod). apiKey обязана быть прямой строкой. В массиве models запрещены любые сторонние ключи вроде reasoning или input. Шаг вправо, шаг влево — и модель отбрасывается, сбрасывая лимит токенов в дефолтные 4096.

{
  "models": {
    "mode": "merge",
    "providers": {
      "custom-api-vsellm-ru": {
        "baseUrl": "https://api.vsellm.ru/v1",
        "apiKey": "sk-ВАШ_КЛЮЧ",
        "api": "openai-completions",
        "models": [
          {
            "id": "deepseek/deepseek-v3.2",
            "name": "deepseek/deepseek-v3.2",
            "contextWindow": 128000,
            "maxTokens": 4096
          }
        ]
      }
    }
  },
  "tools": {
    "byProvider": {
      "custom-api-vsellm-ru": {
        "deny": ["*"]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "custom-api-vsellm-ru/deepseek/deepseek-v3.2"
      }
    }
  }
}

Блок tools.byProvider.deny: ["*"] жёстко запрещает агенту использовать встроенные утилиты файловой системы. Это нужно, чтобы бот не уходил в бесконечные циклы чтения системных файлов (вроде SOUL.md) и общался с вами напрямую.

Проверка подключения

# Исправление проблем со схемой JSON
openclaw doctor --fix

# Список подхваченных моделей и их контекстное окно
openclaw models list

Зачем это нужно: Команда doctor проверит ваш свежий файл openclaw.json на предмет скрытых опечаток в структуре JSON и попытается их исправить. Команда models list устанавливает тестовое соединение с VseLLM. Если интеграция прошла успешно, она выдаст таблицу с моделью deepseek-v3.2 и подтвердит лимит контекста в 128k токенов.

Как общаться с ботом?

Самый простой способ — общаться прямо в терминале:

openclaw chat

Зачем это нужно: Запускает локальную оболочку чата прямо в вашем окне терминала. Это самый быстрый способ протестировать бота, проверить, как он вызывает функции и читает файлы, без необходимости сразу настраивать сторонние мессенджеры.

Также вы можете привязать агента к Telegram-боту, добавив в корневой конфиг openclaw.json блок:

{
  "channels": {
    "telegram": {
      "enabled": true,
      "botToken": "XXXXXXXXX:YYYYYYYYYYYYYYYYYYYYYYYYYYYYY"
    }
  }
}

Зачем это нужно: Привязка к Telegram позволяет боту работать в фоновом режиме (если запущен gateway-сервис). Вам больше не нужно держать открытым терминал — вы можете давать агенту задачи с телефона, а он будет автономно кодить и выполнять их на вашем сервере.

Запуск как фоновый сервис (systemd)

Для серверного деплоя без интерфейса — используйте openclaw gateway через systemd.

cat > /etc/systemd/system/openclaw.service << 'EOF'
[Unit]
Description=OpenClaw Gateway Service
After=network.target

[Service]
Type=simple
User=root
ExecStart=/usr/bin/openclaw gateway
Restart=always
RestartSec=10
Environment=NODE_ENV=production

[Install]
WantedBy=multi-user.target
EOF

systemctl daemon-reload
systemctl enable --now openclaw

Зачем это нужно: Если запустить бота для Telegram банальной командой openclaw gateway, то при закрытии SSH-сессии или окна консоли бот умрёт. Systemd-юнит превращает это в системный фоновый процесс. Бот будет автоматически стартовать при перезагрузке сервера и подниматься в случае неожиданных падений благодаря параметру Restart=always.

Важно: Никогда не пытайтесь устанавливать deepseek-r1 в качестве основного агента для Telegram или чата. R1 — это модель с цепочкой рассуждений (reasoning model), которая на стороне OpenRouter/VseLLM обрушит весь шлюз OpenClaw 400 ошибкой при попытке передать ей встроенные penalty-параметры. Используйте строго V3.2.

Решение возможных проблем

Gateway service not running / Сервис падает при старте

Вызовите дебаг командой openclaw gateway status --deep. Главные причины:

Конфликт портов (EADDRINUSE): какой-то другой инстанс или софт (например, локальный Ollama) занял нужный порт.
Падение парсера конфига: проверьте синтаксис openclaw.json через openclaw doctor.

No replies / Бот не отвечает в Telegram группе

Проверьте статус каналов: openclaw channels status --probe. Если пишет "connected", но ответов нет — убедитесь, что в Telegram (через BotFather) у бота выключен Privacy Mode. По умолчанию OpenClaw игнорирует сообщения в группах, если нет прямого упоминания бота ("mention required").

Ошибка: Connection Refused / http вместо https

Проверьте, что вы используете https в Base URL. VseLLM работает только по защищённому протоколу:

"baseUrl": "https://api.vsellm.ru/v1" ✅

"baseUrl": "http://api.vsellm.ru/v1" ❌

Агент обрезает контекст — openclaw models list показывает 4k

OpenClaw использует крайне строгий парсер формата конфигурации. Если вы добавили в раздел models нестандартные ключи (например, `"reasoning": false` или `"input": ["text"]`), валидатор крашнется, отбросит всю вашу кастомную конфигурацию и откатится на безопасные настройки с лимитом в 4096 токенов.

Решение: уберите всю отсебятину из models, оставьте строго id, name, contextWindow и maxTokens. Затем перезагрузите шлюз.

Спам "TypeError: fetch failed" в логах

Помечается как Non-fatal — gateway не падает. Это heartbeat или Telegram-polling в момент нестабильной сети. Ограничьте активные часы:

openclaw config set agents.defaults.heartbeat '{"every":"30m","activeHours":{"start":"08:00","end":"22:00"}}'

Логи без шума: journalctl -u openclaw -f | grep -v "Non-fatal"

Config invalid — Legacy keys после обновления

OpenClaw перемещает некоторые ключи между версиями. Автоматическое исправление:

openclaw doctor --fix

Какую модель выбрать?

Для задач, требующих сложной логики (например, написание кода), используйте deepseek/deepseek-v3.2 или anthropic/claude-sonnet-4.5. Для простых чатов подойдет openai/gpt-5-nano.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

OpenDevin

OpenDevin — это автономный AI-инженер, способный писать код, исправлять баги и деплоить приложения. Используйте VseLLM как мозговой центр для OpenDevin.

Установка

docker run -it \
    --pull=always \
    -e SANDBOX_USER_ID=$(id -u) \
    -e LLM_API_KEY="sk-..." \
    -e LLM_BASE_URL="https://api.vsellm.ru/v1" \
    -e LLM_MODEL="openai/gpt-5" \
    -v $(pwd)/workspace:/opt/workspace_base \
    -v /var/run/docker.sock:/var/run/docker.sock \
    -p 3000:3000 \
    ghcr.io/opendevin/opendevin:main

Конфигурация через UI

Model: openai/gpt-5
Base URL: https://api.vsellm.ru/v1
API Key: Ваш ключ

Выбор модели: Для сложных задач программирования рекомендуем anthropic/claude-3-5-sonnet.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Open WebUI

Open WebUI — это мощный и гибкий веб-интерфейс для работы с LLM. Он предоставляет удобный UI для чата, админ-панель, поддержку нескольких моделей и многое другое. С VseLLM вы получаете доступ к 80+ моделям через единый интерфейс.

Подготовка и запуск Open WebUI

Перед запуском установите Docker Desktop (или Docker Engine) и убедитесь, что Docker запущен:

docker --version
docker ps

Запустите Open WebUI контейнером:

docker run -d -p 3000:8080 \
  -e HF_HUB_OFFLINE=1 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

Проверьте, что контейнер поднялся, затем откройте интерфейс:

docker ps
open http://localhost:3000

Полезные команды: docker logs -f open-webui, docker restart open-webui, docker stop open-webui.

Подключение VseLLM

Откройте http://localhost:3000 в браузере. При первом запуске будет предложено создать админ-аккаунт.

Перейдите в Settings → External Connections и добавьте VseLLM:

API Base URL: https://api.vsellm.ru/v1
API Key: ваш ключ VseLLM (начинается на sk-...)

⚠️ VseLLM подключается как внешнее API-соединение. Используйте публичный URL https://api.vsellm.ru/v1.

Выбор модели

В левом верхнем углу выберите модель из списка доступных. VseLLM предоставляет модели:

openai/gpt-5 — флагманская модель
anthropic/claude-sonnet-4.5 — Claude 4.5
deepseek/deepseek-v3.2 — мощная open-source модель
google/gemini-2.5-flash — Gemini 2.5
И ещё 80+ моделей!

Админ-панель: В разделе Admin Settings вы можете управлять пользователями, настраивать лимиты и просматривать статистику использования.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Qwen Code

Qwen Code — это AI-ассистент для программирования от Alibaba. Подключив VseLLM, вы получаете доступ к 80+ моделям (GPT-5, Claude 4.5, Gemini, DeepSeek и др.) через единый интерфейс.

Установка

macOS:

brew install qwen-code

Linux:

curl -fsSL https://qwen-code.ai/install.sh | sh

Windows:

winget install qwen-code

Способ 1: Через интерфейс (простой)

Запустите Qwen Code:

qwen

В появившемся окне:

Выберите OpenAI Compatible
Введите Base URL: https://api.vsellm.ru/v1
Введите ваш API ключ (начинается на sk-...)
Выберите модель (например, qwen/qwen3.6-plus)

Qwen Code автоматически создаст конфиг и сохранит его.

Способ 2: Ручная настройка

Создайте или отредактируйте файл ~/.qwen/settings.json:

{
  "env": {
    "QWEN_CUSTOM_API_KEY_OPENAI_HTTPS_API_VSELLM_RU_V1": "ваш-апи-ключ"
  },
  "modelProviders": {
    "openai": [
      {
        "id": "qwen/qwen3.6-plus",
        "name": "qwen/qwen3.6-plus",
        "baseUrl": "https://api.vsellm.ru/v1",
        "envKey": "QWEN_CUSTOM_API_KEY_OPENAI_HTTPS_API_VSELLM_RU_V1"
      }
    ]
  },
  "security": {
    "auth": {
      "selectedType": "openai"
    }
  },
  "model": {
    "name": "qwen/qwen3.6-plus"
  },
  "$version": 3,
  "ide": {
    "hasSeenNudge": true
  }
}

Замените ваш-апи-ключ на ваш ключ VseLLM (начинается на sk-...).

Запуск

Запустите Qwen Code:

qwen

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Hermes

Hermes — это мощный AI-инструмент для работы с кодом прямо в терминале. Вы можете легко подключить VseLLM для использования лучших ИИ-моделей.

Установка Hermes

Установите агент Hermes через терминал:

# macOS (Homebrew)
brew install hermes-agent

# Windows (Winget)
winget install hermes-agent

Первый запуск и настройка

Запустите Hermes командой:

hermes

Следуйте инструкциям интерактивного помощника:

На вопрос "Run setup now? [Y/n]" ответьте Y.
Выберите (●) Quick setup — provider, model & messaging (recommended).
Выберите (○) Custom endpoint (enter URL manually).
Введите URL: api.vsellm.ru/v1
Введите ваш API Key из личного кабинета VseLLM.

Готовность к работе

Hermes готов к использованию с нашими ИИ! Теперь вы можете задавать вопросы и работать с кодом прямо в консоли.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Roo Code

Roo Code — это популярное расширение для VS Code, которое интегрирует AI прямо в ваш редактор. Ранее известный как Roo.

Установка

Найдите Roo Code в маркетплейсе VS Code и установите расширение.

Настройки провайдера

Откройте панель Roo Code (иконка в левом сайдбаре) и перейдите в настройки (шестеренка).

Выберите API Provider: OpenAI Compatible.

Параметры подключения

Base URL: https://api.vsellm.ru/v1
API Key: Ваш ключ (sk-...)
Model ID: openai/gpt-5 или anthropic/claude-sonnet-4.5

Ошибка "404 Not Found": Убедитесь, что вы добавили /v1 в конце Base URL: https://api.vsellm.ru/v1

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Opencode

Opencode — это современный AI-assistant для разработки с поддержкой множества моделей через единый интерфейс.

Установка

macOS:

brew install opencode

Linux:

curl -fsSL https://opencode.ai/install.sh | bash

Windows:

winget install opencode

Или скачайте последнюю версию с официального сайта.

Настройка конфига

Создайте файл config.json в корне вашего проекта:

config.json

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "vsellm": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "VseLLM",
      "options": {
        "baseURL": "https://api.vsellm.ru/v1",
        "apiKey": "your-api-key"
      },
      "models": {
        "anthropic/claude-sonnet-4": {
          "name": "anthropic/claude-sonnet-4"
        },
        "anthropic/claude-opus-4.1": {
          "name": "anthropic/claude-opus-4.1"
        },
        "openai/gpt-5": {
          "name": "openai/gpt-5"
        },
        "deepseek/deepseek-v3.2": {
          "name": "deepseek/deepseek-v3.2"
        },
        "moonshotai/kimi-k2.5": {
          "name": "moonshotai/kimi-k2.5"
        }
      }
    }
  }
}

Запуск

Запустите Opencode с вашим конфигом:

opencode --config config.json

Или укажите провайдера и модель:

opencode --provider vsellm --model anthropic/claude-sonnet-4

Доступные модели: VseLLM предоставляет доступ к 80+ моделям включая Anthropic Claude, OpenAI GPT, Google Gemini, DeepSeek, Qwen, Grok и другие.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Универсальная интеграция

VseLLM совместим практически с любым инструментом, который поддерживает OpenAI API и смену Base URL.

Золотое правило настройки

Base URL https://api.vsellm.ru/v1

API Key Ваш ключ VseLLM

Протестированные инструменты

Инструмент	Тип	Настройка
LibreChat	Чат-интерфейс	В librechat.yaml укажите endpoint
SillyTavern	RP интерфейс	Выберите "OpenAI Compatible" в настройках API
Jan.ai	Локальный клиент	Добавьте Custom Model Provider
Continue.dev	VS Code Ext	В config.json добавьте провайдера "openai"

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Поддержка

Каналы обращения

@aiPoMaN — сервисный аккаунт

Чат сообщества

Общение с другими пользователями

Тикет система

Создание обращений в поддержку

Система тикетов в личном кабинете

Вы также можете создать обращение в поддержку прямо из личного кабинета:

Тикеты в личном кабинете

1 Перейдите в раздел Поддержка в личном кабинете

2 Нажмите Создать тикет

3 Выберите категорию: Техническая проблема, Вопрос по API, Баilling/Оплата, Предложение или Другое

4 Опишите вашу проблему или вопрос

5 Прикрепите файлы (скриншоты, логи) при необходимости

Преимущества тикетов:

История всех обращений в одном месте
Возможность прикреплять файлы
Отслеживание статуса обращения
Привязка к аккаунту пользователя

Как составить запрос

Форма запроса

1 ID модели — например, openai/gpt-5

2 Request ID или время запроса

3 Текст ошибки с HTTP-кодом и телом ответа

4 Что пробовали для решения проблемы

5 Условия воспроизведения ошибки

Важно: Все запросы без указания необходимой информации рассматриваться не будут.

Регламент ответа

Регистрация запроса

Ваш запрос будет зарегистрирован в системе

до 3 часов

Принятие в работу

Запрос будет принят в обработку

до 24 часов

Ответ по запросу

Вы получите решение или статус по вашему запросу

до 72 часов

Что не входит в поддержку

Проектирование workflow в n8n Настройка n8n Разработка архитектуры Написание кода Prompt-инжиниринг

Примечание: Поддержка не включает консультации по программированию и разработке сторонних интеграций.

Плановые работы

Возможны окна обслуживания; уведомление направляется в Telegram.

Готовы начать?

Присоединяйтесь к VseLLM и получите доступ к лучшим LLM моделям

Начать работу

Быстрый старт c VseLLM

Начните работу с VseLLM

Пример использования

Готовы начать?

Модели

Текстовые модели

Эмбеддинги

Аудио

Изображения

Коды ошибок

Отслеживание использования

Коды ошибок

Готовы начать?

FAQ

Готовы начать?

Кеширование

Sticky credential и кеширование токенов

Sticky credential

Кеширование токенов (cached tokens)

Проверка работы кеширования

Рекомендации

Используйте previous_response_id

Повторяйте user для sticky по сессии

Проверяйте cached_tokens

Store: True для хранения истории

Готовы начать?

Интеграции

Claude Code

Установка

Переменные окружения

Использование

Готовы начать?

Cursor + VseLLM

Откройте Settings

Выберите вкладку Models

Активируйте OpenAI Compatible

Добавьте модели

Частые проблемы

Готовы начать?

LangChain

Установка

Использование

Готовы начать?

n8n

Активация

Добавьте ноду AI Agent

Настройка credentials

Готовы начать?

Gemini CLI

Установка

Настройка

Запуск

Готовы начать?

Kilo Code

Установка

Конфигурация

Проверка

Готовы начать?

OpenClaw

Установка

Конфигурация (~/.openclaw/openclaw.json)

Проверка подключения

Как общаться с ботом?

Запуск как фоновый сервис (systemd)

Рекомендуемые модели для OpenClaw

Решение возможных проблем

Готовы начать?

OpenDevin

Установка

Конфигурация через UI

Готовы начать?

Open WebUI

Подготовка и запуск Open WebUI

Подключение VseLLM

Выбор модели

Готовы начать?

Qwen Code

Установка

Способ 1: Через интерфейс (простой)

Способ 2: Ручная настройка