API-Dokumentation

Eine OpenAI-kompatible Chat-Completions-LLM-API, mit der du KI ganz einfach in deine Anwendungen integrieren kannst.

Schnellstart

Alle Mammouth-Abonnenten erhalten ein gewisses Guthaben inklusive.

Plan	`Starter`	`Standard`	`Expert`
Monatliches Guthaben	2$	4$	10$

Du kannst auch nutzungsabhängig direkt in den API-Einstellungen ein Guthaben erwerben.

➡️ API-Schlüssel und Guthaben abrufen.

Direkt mit der Mammouth-API

Erzeugt anhand deines Prompts eine Chat-Completions-Antwort.

PythonJavaScriptcURL

python

import requests
url = "https://api.mammouth.ai/v1/chat/completions"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}
data = {
    "model": "gpt-4.1",
    "messages": [
        {
            "role": "user",
            "content": "Explain the basics of machine learning"
        }
    ]
}
response = requests.post(url, headers=headers, json=data)
print(response.json())

javascript

const fetch = require("node-fetch");

async function callMammouth() {
  const url = "https://api.mammouth.ai/v1/chat/completions";
  const headers = {
    Authorization: "Bearer YOUR_API_KEY",
    "Content-Type": "application/json",
  };

  const data = {
    model: "gpt-4.1",
    messages: [
      {
        role: "user",
        content: "Create an example JavaScript function",
      },
    ],
  };

  try {
    const response = await fetch(url, {
      method: "POST",
      headers: headers,
      body: JSON.stringify(data),
    });

    const result = await response.json();
    console.log(result.choices[0].message.content);
  } catch (error) {
    console.error("Error:", error);
  }
}

callMammouth();

bash

curl -X POST https://api.mammouth.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4.1",
    "messages": [
      {
        "role": "user",
        "content": "Hello, how are you doing?"
      }
    ]
  }'

➡️ API-Schlüssel und Guthaben abrufen.

Mit der OpenAI-Bibliothek

python

import openai

# Configure the client to use Mammouth.ai
openai.api_base = "https://api.mammouth.ai/v1"
openai.api_key = "YOUR_API_KEY"

response = openai.ChatCompletion.create(
    model="gpt-4.1",
    messages=[
        {"role": "user", "content": "What are the benefits of renewable energy?"}
    ]
)

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

Antwortformat

Erfolgreiche Antwort

TextBild

json

{
  "id": "chatcmpl-123",
  "object": "chat.completion",
  "created": 1677652288,
  "model": "gpt-4.1",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! I'm doing very well, thank you for asking. How can I help you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 12,
    "completion_tokens": 19,
    "total_tokens": 31
  }
}

Streaming-Antwort

Wenn stream: true festgelegt ist, werden Antworten als Server-Sent Events zurückgegeben:

data: {"id":"chatcmpl-123","object":"chat.completion.chunk","created":1677652288,"model":"gpt-4.1","choices":[{"index":0,"delta":{"content":"Hello"},"finish_reason":null}]}

data: {"id":"chatcmpl-123","object":"chat.completion.chunk","created":1677652288,"model":"gpt-4.1","choices":[{"index":0,"delta":{"content":"!"},"finish_reason":null}]}

data: [DONE]

json

{
  "id": "gen-1767710235-3VtWd1SuI9ilIspBmeWG",
  "created": 1767710235,
  "model": "google/gemini-2.5-flash-image",
  "object": "chat.completion",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "Here's a beautiful sunset over mountains for you!",
        "role": "assistant",
        "images": [
          {
            "image_url": {
              "url": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAABAAAAAQACAI..."
            }
          }
        ]
      }
    }
  ]
}

Modelle und Preise

Mammouth Recommended

mammouth-recommended ist eine Abkürzung für das Modell, das Mammouth aktuell für das beste Preis-Leistungs-Verhältnis hält.

Richte deine Anfragen an dieses Modell und du erhältst immer unsere aktuelle Empfehlung, ohne selbst neue Veröffentlichungen verfolgen zu müssen.

Aktuelle Empfehlung: glm-5.3-flash, mit minimax-m3 als Fallback. Das ändert sich im Laufe der Zeit, wenn neue Modelle erscheinen.
Verwendung: Rufe es genau wie jedes andere Modell auf. Setze mammouth-recommended als Modell oder verwende die Kurzformen mammouth oder recommended.
Preis: Du zahlst denselben Preis wie für das zugrunde liegende Modell, ohne Aufschlag. Sieh dir dazu die entsprechende Tabellenzeile weiter unten an.

Alle Modelle

Die Preise können sich ändern und in dieser Tabelle möglicherweise nicht aktuell sein. Die vollständige Modellliste findest du im Model Explorer!

Modell	Eingabe ($/M Tokens)	Ausgabe ($/M Tokens)
`claude-fable-5.1`	10	50
`claude-haiku-4-5`	1	5
`claude-opus-5`	5	25
`claude-sonnet-5`	2	10
`deepseek-v4-pro`	1.74	3.48
`deepseek-v4.1-flash`	0.22	0.66
`gemini-3.1-flash-image-preview`	image	/
`gemini-3.1-pro-preview`	2	12
`gemini-3.7-flash`	1.5	7.5
`gemini-3.8-flash`	0.75	3.75
`glm-5.3`	1.4	4.4
`glm-5.3-flash`	0.15	0.5
`gpt-5.4`	2.5	15
`gpt-5.4-mini`	0.75	4.5
`gpt-5.4-nano`	0.2	1.25
`gpt-5.5`	5	30
`gpt-5.6-luna`	1	6
`gpt-5.6-sol`	5	30
`gpt-5.6-terra`	2.5	15
`gpt-6-astra`	10	50
`grok-4.6`	2	6
`kimi-k2.6`	0.73	3.49
`kimi-k3`	3	15
`llama-4-maverick`	0.15	0.6
`minimax-m3`	0.3	1.2
`mistral-medium-3-5`	1.5	7.5
`mistral-small-3.2-24b-instruct`	0.1	0.3
`qwen3.7-plus`	0.4	1.6
`qwen3.8-27b`	0.4	2.55
`qwen3.8-flash`	0.15	0.47
`sonar-deep-research`	2	8
`sonar-pro`	3	15

Hinweis zu den Preisen

Die hier aufgeführten Preise sind Höchstpreise.

Der tatsächlich berechnete Preis ist manchmal niedriger, da er von der Verfügbarkeit beim Anbieter abhängt.

Dir wird niemals mehr als der angezeigte Preis berechnet.

Embeddings

Erzeuge Vektor-Embeddings aus Text für semantische Suche, Clustering und andere NLP-Aufgaben.

Embedding-Modelle und Preise

Modell	Eingabe ($/M Tokens)
`text-embedding-3-large`	0.13
`text-embedding-3-small`	0.02

Beispiel für ein Embedding

python

import requests

url = "https://api.mammouth.ai/v1/embeddings"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}
data = {
    "model": "text-embedding-3-large",
    "input": "Hello, world!"
}
response = requests.post(url, headers=headers, json=data)
print(response.json())

Embedding-Antwort

json

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0023, -0.0091, 0.0152, ...]
    }
  ],
  "model": "text-embedding-3-large",
  "usage": {
    "prompt_tokens": 4,
    "total_tokens": 4
  }
}

📜 Nutzung und Kosten werden in deinen Einstellungen protokolliert.

💡 Wir haben an die Mammouth-App angelehnte Aliase hinzugefügt, um dir die Modellauswahl zu erleichtern: Wenn du mistral eingibst, wird mistral-medium-3.1 verwendet.

Fehlercodes

Code	Beschreibung
`400`	Ungültige Anfrage – fehlende oder falsche Parameter
`401`	Nicht autorisiert – ungültiger API-Schlüssel
`429`	Zu viele Anfragen – Ratenlimit überschritten
`500`	Interner Serverfehler – Problem auf dem Server
`503`	Dienst nicht verfügbar – Server vorübergehend nicht erreichbar

Kosten verfolgen

Wenn du wissen möchtest, wie viel Guthaben über einen Schlüssel verbraucht wurde, verwende diesen API-Endpunkt:

bash

curl -X GET "https://api.mammouth.ai/key/info" -H "Authorization: Bearer $MAMMOUTH_API_KEY"

Parameter

Erforderliche Parameter

Parameter	Typ	Beschreibung
`messages`	array	Liste der Nachrichten im Gespräch
`model`	string	Zu verwendende Modellkennung

Optionale Parameter

Parameter	Typ	Standardwert	Beschreibung
`temperature`	number	0.7	Steuert die Kreativität (0.0 bis 2.0)
`max_tokens`	integer	2048	Maximale Anzahl der zu erzeugenden Tokens
`top_p`	number	1.0	Steuert die Vielfalt der Antworten
`stream`	boolean	false	Echtzeit-Streaming der Antwort

Tipps zur Optimierung

Nachrichtenstruktur

json

{
  "messages": [
    {
      "role": "system",
      "content": "You are an AI assistant specialized in programming."
    },
    {
      "role": "user",
      "content": "How to optimize a for loop in Python?"
    }
  ]
}

Rollentypen

system: Legt Verhalten und Kontext für den Assistenten fest
user: Steht für Nachrichten des Nutzers
assistant: Steht für vorherige Antworten der KI

Von OpenAI migrieren

Wenn du bereits die API von OpenAI verwendest, ist die Migration zu Mammouth.ai einfach:

Ändere die Basis-URL von https://api.openai.com/v1 zu https://api.mammouth.ai/v1
Aktualisiere deinen API-Schlüssel
Behalte alle anderen Parameter bei

OpenAI-Python-Bibliothek

python

import openai

# Before
openai.api_base = "https://api.openai.com/v1"
openai.api_key = "sk-openai-key"

# After
openai.api_base = "https://api.mammouth.ai/v1"
openai.api_key = "your-mammouth-key"

n8n, VS Code, Cline, OpenClaw, Make, CLI usw.

Du kannst die Mammouth-API mit Tools wie n8n, VS Code, Cline, Make und weiteren verwenden.

Achte darauf, die richtige URL zu verwenden. Wenn du unsicher bist, probiere die verschiedenen URLs aus.

Basis-URL: https://api.mammouth.ai/v1 oder https://api.mammouth.ai/
Für HTTPS-Anfragen ist https://api.mammouth.ai/v1/chat/completions erforderlich.

Anleitungen zur Nutzung der Mammouth-API mit deinen bevorzugten Tools

Für Automatisierungen:

Für IDEs:

Für die CLI (als Alternative zu Claude Code):

Mammouth Code!

Oder über Opencode

Sonstige

GitKraken

➡️ API-Schlüssel und Guthaben abrufen.

API-Dokumentation ​

Schnellstart ​

Direkt mit der Mammouth-API ​

Mit der OpenAI-Bibliothek ​

Antwortformat ​

Erfolgreiche Antwort ​

Streaming-Antwort ​

Modelle und Preise ​

Mammouth Recommended ​

Alle Modelle ​

Embeddings ​

Embedding-Modelle und Preise ​

Beispiel für ein Embedding ​

Embedding-Antwort ​

Fehlercodes ​

Kosten verfolgen ​

Parameter ​

Erforderliche Parameter ​

Optionale Parameter ​

Tipps zur Optimierung ​

Nachrichtenstruktur ​

Rollentypen ​

Von OpenAI migrieren ​

OpenAI-Python-Bibliothek ​

n8n, VS Code, Cline, OpenClaw, Make, CLI usw. ​

Anleitungen zur Nutzung der Mammouth-API mit deinen bevorzugten Tools ​

​

API-Dokumentation

Schnellstart

Direkt mit der Mammouth-API

Mit der OpenAI-Bibliothek

Antwortformat

Erfolgreiche Antwort

Streaming-Antwort

Modelle und Preise

Mammouth Recommended

Alle Modelle

Embeddings

Embedding-Modelle und Preise

Beispiel für ein Embedding

Embedding-Antwort

Fehlercodes

Kosten verfolgen

Parameter

Erforderliche Parameter

Optionale Parameter

Tipps zur Optimierung

Nachrichtenstruktur

Rollentypen

Von OpenAI migrieren

OpenAI-Python-Bibliothek

n8n, VS Code, Cline, OpenClaw, Make, CLI usw.

Anleitungen zur Nutzung der Mammouth-API mit deinen bevorzugten Tools