Documentation API

Une API LLM compatible OpenAI pour intégrer facilement l'IA dans vos applications.

➡️ Obtenez votre clé API et vos crédits.

Démarrage rapide

Achetez des crédits API à l'unité depuis les paramètres de l'API.
Tous les abonnés à Mammouth ont des crédits inclus par mois (Starter 2$, Standard 4$, Expert 10 $).
Utilisation possible sans abonnement en achetant des crédits directement.

💡 Pour un usage intensif (Mammouth Code, Cline), préférez Starter + ~50 $ de crédits API plutôt que Expert.

➡️ Obtenez votre clé API et vos crédits.

Avec l'API Mammouth directement

Génère une réponse de complétion de chat basée sur votre prompt.

PythonJavaScriptcURL

python

import requests
url = "https://api.mammouth.ai/v1/chat/completions"
headers = {
    "Authorization": "Bearer VOTRE_CLE_API",
    "Content-Type": "application/json"
}
data = {
    "model": "gpt-4.1",
    "messages": [
        {
            "role": "user",
            "content": "Explique les bases de l'apprentissage automatique"
        }
    ]
}
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 VOTRE_CLE_API",
    "Content-Type": "application/json",
  };

  const data = {
    model: "gpt-4.1",
    messages: [
      {
        role: "user",
        content: "Crée un exemple de fonction JavaScript",
      },
    ],
  };

  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("Erreur:", error);
  }
}

callMammouth();

bash

curl -X POST https://api.mammouth.ai/v1/chat/completions \
  -H "Authorization: Bearer VOTRE_CLE_API" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4.1",
    "messages": [
      {
        "role": "user",
        "content": "Salut, comment allez-vous ?"
      }
    ]
  }'

➡️ Obtenez votre clé API et vos crédits.

Avec la bibliothèque OpenAI

python

import openai

# Configurer le client pour utiliser Mammouth.ai
openai.api_base = "https://api.mammouth.ai/v1"
openai.api_key = "VOTRE_CLE_API"

response = openai.ChatCompletion.create(
    model="gpt-4.1",
    messages=[
        {"role": "user", "content": "Quels sont les avantages des énergies renouvelables ?"}
    ]
)

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

Format de réponse

Réponse réussie

TexteImage

json

{
  "id": "chatcmpl-123",
  "object": "chat.completion",
  "created": 1677652288,
  "model": "gpt-4.1",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Bonjour ! Je vais très bien, merci de demander. Comment puis-je vous aider aujourd'hui ?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 12,
    "completion_tokens": 19,
    "total_tokens": 31
  }
}

Réponse en streaming

Quand stream: true est défini, les réponses sont retournées sous forme de Server-Sent Events :

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": "Voici un magnifique couché de soleil pour vous!",
        "role": "assistant",
        "images": [
          {
            "image_url": {
              "url": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAABAAAAAQACAI..."
            }
          }
        ]
      }
    }
  ]
}

Modèles et tarifs

Mammouth Recommended

mammouth-recommended est un raccourci vers le modèle que Mammouth considère actuellement comme offrant le meilleur rapport qualité-prix.

Pointez vos requêtes vers lui et vous obtiendrez toujours notre choix du moment, sans avoir à suivre vous-même les nouvelles sorties.

Choix actuel : glm-5.2, avec minimax-m3 en repli (fallback). Ce choix évoluera au fil du temps, à mesure que de nouveaux modèles sortent.
Comment l'utiliser : appelez-le exactement comme n'importe quel autre modèle. Indiquez mammouth-recommended comme modèle, ou utilisez les raccourcis mammouth ou recommended.
Tarification : vous payez le même prix que le modèle sous-jacent, sans majoration ; consultez donc sa ligne dans le tableau ci-dessous.

Tous les modèles

Liste non exhaustive. Consulter la liste complète et à jour ici.

Model	Input ($/M tokens)	Output ($/M tokens)
`gpt-5.5`	5	30
`gpt-5.4`	2.5	15
`gpt-5.4-mini`	0.75	4.5
`gpt-5.4-nano`	0.2	1.25
`gpt-5.3-chat`	1.75	14
`gpt-5.1`	1.25	10
`mistral-medium-3.1`	0.4	2
`mistral-small-2603`	0.15	0.6
`grok-4.3`	1.25	2.5
`gemini-3.1-flash-image-preview`	image	/
`gemini-3.1-flash-lite-preview`	0.25	0.4
`gemini-3-flash-preview`	0.3	1.5
`gemini-3.1-pro-preview`	2.5	15
`glm-5.2`	1.4	4.4
`glm-5.1`	1.05	3.50
`minimax-m3`	0.3	1.2
`deepseek-v4-flash`	0.14	0.28
`deepseek-v4-pro`	1.74	3.48
`kimi-k2.6`	0.73	3.49
`llama-4-maverick`	0.22	0.88
`llama-4-scout`	0.15	0.6
`sonar-pro`	3	15
`sonar-deep-research`	2	8
`claude-haiku-4-5`	0.8	4
`claude-opus-4.7`	5	25
`claude-sonnet-4-6`	3	15

À propos des tarifs

Les prix indiqués ici sont des plafonds.

Ce que vous payez réellement est parfois inférieur, car le prix dépend de la disponibilité des fournisseurs.

Vous ne serez jamais facturé au-delà du prix affiché.

Embeddings

Générez des embeddings vectoriels pour du texte à utiliser dans la recherche sémantique, le clustering et d'autres tâches NLP.

Modèles d'embedding et tarifs

Modèle	Entrée ($/M tokens)
`text-embedding-3-large`	0.13
`text-embedding-3-small`	0.02

Exemple d'embedding

python

import requests

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

Réponse d'embedding

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
  }
}

📜 L'utilisation et les coûts sont loggés dans vos paramètres.

💡 Nous avons ajouté des alias alignés avec l'app Mammouth pour faciliter la sélection de modèles : si vous écrivez mistral, cela utilisera mistral-medium-3.1 automatiquement.

Codes d'erreur

Code	Description
`400`	Requête incorrecte - Paramètres manquants ou incorrects
`401`	Non autorisé - Clé API invalide
`429`	Trop de requêtes - Limite de débit dépassée
`500`	Erreur serveur interne - Problème côté serveur
`503`	Service indisponible - Serveur temporairement indisponible

Suivre les dépenses

Si vous souhaitez savoir combien de crédits ont été dépensés pour une clé, utilisez :

bash

curl -X GET "http://0.0.0.0:4000/key/info" -H "Authorization: Bearer sk-test-example-key-123"

Paramètres

Paramètres requis

Paramètre	Type	Description
`messages`	array	Liste des messages dans la conversation
`model`	string	Identificateur du modèle à utiliser

Paramètres optionnels

Paramètre	Type	Défaut	Description
`temperature`	number	0.7	Contrôle la créativité (0.0 à 2.0)
`max_tokens`	integer	2048	Nombre maximum de tokens à générer
`top_p`	number	1.0	Contrôle la diversité des réponses
`stream`	boolean	false	Streaming de réponse en temps réel

Conseils d'optimisation

Structure des messages

json

{
  "messages": [
    {
      "role": "system",
      "content": "Vous êtes un assistant IA spécialisé en programmation."
    },
    {
      "role": "user",
      "content": "Comment optimiser une boucle for en Python ?"
    }
  ]
}

Types de rôles

system : Définit le comportement et le contexte de l'assistant
user : Représente les messages de l'utilisateur
assistant : Représente les réponses précédentes de l'IA

Migration depuis OpenAI

Si vous utilisez déjà l'API OpenAI, migrer vers Mammouth.ai est simple :

Changez l'URL de base de https://api.openai.com/v1 à https://api.mammouth.ai/v1
Mettez à jour votre clé API
Gardez tous les autres paramètres identiques

Bibliothèque Python OpenAI

python

import openai

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

# Après
openai.api_base = "https://api.mammouth.ai/v1"
openai.api_key = "votre-cle-mammouth"

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

Vous pouvez utiliser l'API Mammouth avec des outils tels que n8n, VS Code, Cline, Make et bien d'autres.

Assurez-vous d'utiliser l'URL correcte. En cas de doute, essayez chacune d'entre elles.

Pour l'URL de base, https://api.mammouth.ai/v1 ou https://api.mammouth.ai/
Pour les requêtes https, https://api.mammouth.ai/v1/chat/completions sera nécessaire.

Tutoriels sur l'utilisation de l'API Mammouth dans vos outils préférés

Pour les automatisations :

Pour les IDE :

Pour CLI (équivalent de Claude Code) :

Mammouth Code !

Ou via Opencode

Autres

GitKraken

➡️ Obtenez votre clé API et vos crédits

Documentation API ​

Démarrage rapide ​

Avec l'API Mammouth directement ​

Avec la bibliothèque OpenAI ​

Format de réponse ​

Réponse réussie ​

Réponse en streaming ​

Modèles et tarifs ​

Mammouth Recommended ​

Tous les modèles ​

Embeddings ​

Modèles d'embedding et tarifs ​

Exemple d'embedding ​

Réponse d'embedding ​

Codes d'erreur ​

Suivre les dépenses ​

Paramètres ​

Paramètres requis ​

Paramètres optionnels ​

Conseils d'optimisation ​

Structure des messages ​

Types de rôles ​

Migration depuis OpenAI ​

Bibliothèque Python OpenAI ​

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

Tutoriels sur l'utilisation de l'API Mammouth dans vos outils préférés ​

​

Documentation API

Démarrage rapide

Avec l'API Mammouth directement

Avec la bibliothèque OpenAI

Format de réponse

Réponse réussie

Réponse en streaming

Modèles et tarifs

Mammouth Recommended

Tous les modèles

Embeddings

Modèles d'embedding et tarifs

Exemple d'embedding

Réponse d'embedding

Codes d'erreur

Suivre les dépenses

Paramètres

Paramètres requis

Paramètres optionnels

Conseils d'optimisation

Structure des messages

Types de rôles

Migration depuis OpenAI

Bibliothèque Python OpenAI

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

Tutoriels sur l'utilisation de l'API Mammouth dans vos outils préférés