Utilisez le Vercel AI SDK avec UberLLM (modèles moins chers, même code)

Étapes

1. Créez une clé sur votre page de clés et ajoutez un peu de crédit (les comptes commencent à $0).
2. Installez le fournisseur :

npm i ai @ai-sdk/openai-compatible

3. Mettez la clé dans .env.local (Next.js) ou l'environnement de votre serveur :

UBERLLM_API_KEY=ull_your_key

4. Créez le fournisseur une fois, par exemple dans lib/uberllm.ts :

import { createOpenAICompatible } from "@ai-sdk/openai-compatible";

export const uberllm = createOpenAICompatible({
  name: "uberllm",
  baseURL: "https://api.uberllm.dev/v1",
  apiKey: process.env.UBERLLM_API_KEY, // sent as Authorization: Bearer <key>
  includeUsage: true, // token counts on streamed answers too
});

5. Utilisez-le là où vous utilisiez un modèle avant :

import { generateText } from "ai";
import { uberllm } from "@/lib/uberllm";

const { text } = await generateText({
  model: uberllm("deepseek/deepseek-v4.1-flash"),
  prompt: "Write a one-line welcome message.",
});

Migrer une application qui utilise déjà @ai-sdk/openai

Remplacez l'argument du modèle et gardez tout le reste :

// before
import { openai } from "@ai-sdk/openai";
const model = openai("gpt-4o");

// after
import { uberllm } from "@/lib/uberllm";
const model = uberllm("deepseek/deepseek-v4.1-flash");

Les identifiants de modèle sont les identifiants sur uberllm.dev/models et ont toujours un fabricant devant (openai/…, anthropic/…, deepseek/…). C'est ainsi que vous pouvez exécuter GPT, Claude, Gemini et des modèles ouverts à partir d'une seule clé et les comparer en changeant une seule chaîne de caractères.

Une route de chat Next.js pour useChat

useChat depuis @ai-sdk/react envoie des requêtes à /api/chat par défaut. Cette route y répond :

// app/api/chat/route.ts
import { streamText, convertToModelMessages, type UIMessage } from "ai";
import { uberllm } from "@/lib/uberllm";

export async function POST(req: Request) {
  const { messages }: { messages: UIMessage[] } = await req.json();
  const result = streamText({
    model: uberllm("deepseek/deepseek-v4.1-flash"),
    messages: await convertToModelMessages(messages),
  });
  return result.toUIMessageStreamResponse();
}

Gardez la clé sur le serveur. Ne la mettez jamais dans une variable NEXT_PUBLIC_ : n'importe qui pourrait la lire depuis la page et dépenser votre solde.

Plafonnez le coût d'un appel

Les requêtes de chat acceptent provider.max_price (dollars par million de tokens). Passez-le via providerOptions sous le fournisseur name que vous avez choisi :

await generateText({
  model: uberllm("deepseek/deepseek-v4.1-flash"),
  prompt: "Hi",
  providerOptions: { uberllm: { provider: { max_price: { prompt: 0.2, completion: 0.4 } } } },
});

Si personne ne vend le modèle à ce prix actuellement, l'appel est refusé avec max_price_exceeded et rien n'est facturé.

Dépannage

• 401 invalid_api_key : la clé n'a pas atteint le serveur. Redémarrez next dev après avoir modifié .env.local, et vérifiez que process.env.UBERLLM_API_KEY est défini là où le code s'exécute (serveur, pas le navigateur).
• 402 insufficient_credits : ajoutez du crédit sur la page des crédits.
• 404 model_not_found : l'ID est incorrect ou il manque son créateur. Copiez-le depuis la page du modèle.
• 400 wrong_endpoint : vous avez passé un modèle d'image ou de vidéo à streamText. Les modèles d'image passent par uberllm.imageModel(…) avec generateImage; la vidéo est un job, voir Créer une vidéo ou une image.
• L'utilisation est vide en streaming : définissez includeUsage: true sur le fournisseur, comme ci-dessus.

Continuez la lecture

• La référence complète avec les appels d'outils et les images : Documentation Vercel AI SDK
• Endpoint compatible OpenAI expliqué
• Prix des LLM en direct