Login
Back to Blog
DeutschTutorial

So greifen Sie per API auf GPT-5 und GPT-5.2 zu – Vollständiger Entwicklerleitfaden

Erfahren Sie, wie Sie über eine einheitliche API auf OpenAIs neueste Modelle GPT-5, GPT-5.2 und o3-pro zugreifen. Schritt-für-Schritt-Anleitung mit Beispielen für Python, Node.js und curl.

C
Crazyrouter Team
January 23, 2026 / 313 views
Share:
So greifen Sie per API auf GPT-5 und GPT-5.2 zu – Vollständiger Entwicklerleitfaden

OpenAI hat seine bislang leistungsstärksten Modelle veröffentlicht: GPT-5, GPT-5.2 und das auf Reasoning fokussierte o3-pro. Dieser Leitfaden zeigt Ihnen, wie Sie über die einheitliche API von Crazyrouter auf diese hochmodernen Modelle zugreifen.

Unterstützte OpenAI-Modelle#

Crazyrouter bietet Zugriff auf die komplette OpenAI-Modellpalette:

ModelInput ($/1M tokens)Output ($/1M tokens)Best For
gpt-5.2$1.75$14.00Neuestes Flaggschiff, komplexe Aufgaben
gpt-5.2-pro$3.50$28.00Verbesserte Schlussfolgerungen
gpt-5$1.25$10.00Allgemeine Aufgaben
gpt-5-pro$2.50$20.00Fortgeschrittene Analysen
gpt-5-mini$0.25$2.00Kosteneffizient
gpt-5-nano$0.05$0.40Aufgaben mit hohem Volumen
o3-pro$20.00$80.00Komplexes Reasoning
o3-mini$1.10$4.40Effizientes Reasoning
o4-mini$1.10$4.40Neuestes Reasoning-Modell

Schnellstart#

1. API-Schlüssel erhalten#

  1. Besuchen Sie die Crazyrouter Console
  2. Navigieren Sie zu „Token Management“
  3. Klicken Sie auf „Create Token“
  4. Kopieren Sie Ihren API-Schlüssel (beginnt mit sk-)

2. Ihre erste Anfrage stellen#

Mit Python (empfohlen)#

python
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://crazyrouter.com/v1",
    default_headers={
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
    }
)

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain quantum computing in simple terms."}
    ],
    temperature=0.7,
    max_tokens=1000
)

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

Mit Node.js#

javascript
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'sk-your-api-key',
  baseURL: 'https://crazyrouter.com/v1',
  defaultHeaders: {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
  }
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'gpt-5.2',
    messages: [
      { role: 'system', content: 'You are a helpful assistant.' },
      { role: 'user', content: 'Explain quantum computing in simple terms.' }
    ],
    temperature: 0.7
  });

  console.log(response.choices[0].message.content);
}

main();

Mit curl#

bash
curl https://crazyrouter.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36" \
  -d '{
    "model": "gpt-5.2",
    "messages": [{"role": "user", "content": "Hello, GPT-5.2!"}],
    "temperature": 0.7
  }'

Streaming-Antworten#

Für Echtzeit-Ausgabe aktivieren Sie Streaming:

python
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://crazyrouter.com/v1",
    default_headers={
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
    }
)

stream = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{"role": "user", "content": "Write a short story about AI."}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Verwendung von Reasoning-Modellen (o3-pro)#

Das Modell o3-pro ist besonders gut für komplexe Reasoning-Aufgaben geeignet:

python
response = client.chat.completions.create(
    model="o3-pro",
    messages=[
        {"role": "user", "content": "Solve this step by step: If a train travels 120 miles in 2 hours, then stops for 30 minutes, then travels another 90 miles in 1.5 hours, what is the average speed for the entire journey including the stop?"}
    ]
)

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

GPT-5 Codex-Modelle#

Für Code-Generierungsaufgaben verwenden Sie die spezialisierten Codex-Modelle:

python
response = client.chat.completions.create(
    model="gpt-5-codex",
    messages=[
        {"role": "user", "content": "Write a Python function to implement binary search"}
    ]
)

Verfügbare Codex-Varianten: gpt-5-codex, gpt-5-codex-high, gpt-5-codex-medium, gpt-5-codex-low, gpt-5.2-codex

Best Practices#

  1. Wählen Sie das richtige Modell: Verwenden Sie gpt-5-nano für einfache Aufgaben, gpt-5.2 für komplexe Aufgaben
  2. Setzen Sie eine passende Temperatur: Niedriger (0,1–0,3) für faktische Aufgaben, höher (0,7–1,0) für kreative Aufgaben
  3. Verwenden Sie Streaming: Für ein besseres Nutzererlebnis in Chat-Anwendungen
  4. Fehler robust behandeln: Implementieren Sie Retry-Logik für Rate Limits

Nächste Schritte#


Bei Fragen kontaktieren Sie support@crazyrouter.com

Implementation Guides

Topics

Tutorial

Related Posts

Claude Code Installations- und Anwendungshandbuch - Einrichtung des KI-Programmieras­sistentenTutorial

Claude Code Installations- und Anwendungshandbuch - Einrichtung des KI-Programmieras­sistenten

Vollständige Anleitung zur Installation und Konfiguration von Claude Code, dem KI-Programmieras­sistenten. Erfahre, wie du Node.js einrichtest, API-Tokens konfigurierst und mit KI in deinem Terminal zu programmieren beginnst.

Jan 24
Gemini CLI Benutzerhandbuch – Google KI in deinem TerminalTutorial

Gemini CLI Benutzerhandbuch – Google KI in deinem Terminal

Vollständige Anleitung zur Installation und Konfiguration der Gemini CLI, dem Open-Source-Kommandozeilen-KI-Tool von Google. Lerne, wie du einen Proxy einrichtest, die integrierten Tools nutzt und Workflows mit Gemini 2.5 Pro automatisierst.

Jan 24
Text-Embedding-3-Small API-Tutorial – OpenAI Embedding-ModelleitfadenTutorial

Text-Embedding-3-Small API-Tutorial – OpenAI Embedding-Modelleitfaden

Vollständiger Leitfaden zur Verwendung der OpenAI text-embedding-3-small API für semantische Suche, RAG-Systeme und Ähnlichkeitsabgleich. Enthält Beispiele in Python, Node.js und einen Preisvergleich.

Jan 26
Doubao Seed Code: ByteDance' KI-Modell für Code-Generierung – Vollständige API-AnleitungTutorial

Doubao Seed Code: ByteDance' KI-Modell für Code-Generierung – Vollständige API-Anleitung

Lerne, wie du Doubao Seed Code, das leistungsstarke KI-Modell von ByteDance zur Code-Generierung, verwendest. Vollständiges API-Tutorial mit Beispielen in Python, Node.js und einem Preisvergleich.

Jan 26
text-embedding-3-small Dimensionen erklärt: Wie man die richtige Größe für Qualität und Kosten wähltTutorial

text-embedding-3-small Dimensionen erklärt: Wie man die richtige Größe für Qualität und Kosten wählt

Ein praktischer Leitfaden zu text-embedding-3-small Dimensionen, wie man zwischen 256, 512, 1024 und 1536 Dimensionen wählt.

Mar 27
ChatGPT 6 Veröffentlichungsdatum: Aktuelle Zeitplanung, Prognosen und nächste SchritteTutorial

ChatGPT 6 Veröffentlichungsdatum: Aktuelle Zeitplanung, Prognosen und nächste Schritte

Alles, was wir über das ChatGPT 6 Veröffentlichungsdatum, erwartete Funktionen und die nächsten Schritte für Entwickler wissen.

Mar 27