文档首页/ MaaS模型即服务/ 首次调用大模型API

更新时间：2026-09-24 GMT+08:00

首次调用大模型API

MaaS提供文本生成、图像理解、图片生成、视频生成等多种模型能力，并支持通过Python、cURL、OpenAI SDK等多种方式调用模型API。

准备账号和权限

已注册华为账号并开通华为云，进行了实名认证，且在使用MaaS前检查账号状态，账号不能处于欠费或冻结状态。具体操作请参见注册华为账号并开通华为云和实名认证。
请参考配置MaaS访问授权进行委托授权。

操作流程

图1 模型调用全流程
点击放大

开通预置模型服务

该功能仅支持“西南-贵阳一”区域。

在MaaS控制台左侧导航栏，选择“模型推理 > 在线推理”。
在“预置服务”页签，选择对应模型服务单击操作列的“开通服务”。
在开通预置模型服务弹框，默认已勾选待开通的模型服务，确认并勾选“我已阅读并同意上述说明，及《MaaS 模型即服务声明》”，单击“一键开通”。
当模型服务的状态为开通，表示模型服务已开通。开通后调用以实际用量进行扣费，详情请见模型服务计费项，未使用时不会产生费用。

获取API Key

在调用MaaS的模型服务时，需要填写API Key用于接口的鉴权认证。请创建新的API Key或使用已有API Key。

创建API Key：访问API Key管理页面，单击“创建API Key”，创建您的API Key。

文本对话

以Python、Curl、OpenAI Python、Java四种语言为例，展示调用大模型API。

检查Python版本：
在终端输入如下命令查看当前计算机环境是否安装了Python和pip。
```
python -V
pip --version
```
以Windows的CMD为例：

图2 Windows查看Python版本

如果未安装Python，请前往Python官网下载Python包并安装，Python版本需要在3.8或以上版本。
安装requests库。
```
pip3 install requests
```

以GLM-5.3模型为例，运行如下命令发起API请求。可通过model参数替换模型，model参数详情请前往控制台查看预置模型操作列的“API调用”。

import requests
import json

if __name__ == '__main__':
    url = "https://api.modelarts-maas.com/v2/chat/completions"  # API地址
    api_key = "MAAS_API_KEY"  # 把MAAS_API_KEY替换成已获取的API Key

    # Send request.
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer {api_key}'
    }
    data = {
        "model": "glm-5.3",  # model参数，您可按需更换模型参数
        "messages": [
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "介绍下你自己"}
        ]
    }
    response = requests.post(url, headers=headers, data=json.dumps(data))

    # Print result.
    print(response.status_code)
    print(response.text)

以GLM-5.3模型为例，运行如下命令发起API请求。可通过model参数替换模型，model参数详情请前往控制台查看预置模型操作列的“API调用”。

Windows

在CMD（命令提示符）中执行如下命令：

curl -X POST "https://api.modelarts-maas.com/v2/chat/completions" ^
-H "Content-Type: application/json" ^
-H "Authorization: Bearer %MAAS_API_KEY%" ^
-d "{
	\"model\": \"glm-5.3\",
	\"messages\": [
		{\"role\": \"system\", \"content\": \"You are a helpful assistant.\"},
		{\"role\": \"user\", \"content\": \"介绍下你自己\"}
		]
}"

Linux/macOS

在Terminal（终端）中执行如下命令：

curl -X POST "https://api.modelarts-maas.com/v2/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MAAS_API_KEY" \
  -d '{
    "model": "glm-5.3",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "介绍下你自己"}
    ]
  }'

检查Python版本：
在终端输入如下命令查看当前计算机环境是否安装了Python和pip。
```
python -V
pip --version
```
以Windows的CMD为例：

图3 Windows查看Python版本

如果未安装Python，请前往Python官网下载Python包并安装，Python版本需要在3.8或以上版本。
安装OpenAI Python SDK。
```
pip install --upgrade "openai>=1.0"
```

以GLM-5.3模型为例，运行如下命令发起API请求。可通过model参数替换模型，model参数详情请前往控制台查看预置模型操作列的“API调用”。

from openai import OpenAI

base_url = "https://api.modelarts-maas.com/openai/v1"  # API地址
api_key = "MAAS_API_KEY"  # 把MAAS_API_KEY替换成已获取的API Key

client = OpenAI(api_key=api_key, base_url=base_url)

response = client.chat.completions.create(
    model="glm-5.3",  # model参数，您可按需更换模型参数
    messages=[
        {"role": "system", "content": "You are a helpful assistant"},
        {"role": "user", "content": "介绍下你自己"},
    ]
)

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

安装JDK，建议JDK版本为15+。
- Windows
  1. 前往Adoptium下载JDK安装包，安装JDK。
    方法一：安装.msi包。
    
    双击运行程序，按操作指引安装。勾选 “Set JAVA_HOME variable” 和 “Add to PATH”，这样安装程序会自动配置好环境变量。
    
    安装过程中会提示是否安装 JRE（Java Runtime Environment），可以取消勾选，因为 JDK 已经包含了 JRE，装两个容易冲突。
    
    如若环境变量里未成功设置，则进行如下操作手动配置环境变量：
    - 新建系统变量JAVA_HOME，值为JDK的安装路径，如“C:\Java\jdk-17.0.2”。
    - 在系统变量Path中添加“%JAVA_HOME%\bin”。
    方法二：手动配置zip/tar.gz包。
    
    从 JDK官网下载安装包。解压到安装目录，比如“C:\Java\jdk-17.0.2”。右键“此电脑”“属性 > 高级系统设置 > 环境变量”：
    - 新建系统变量JAVA_HOME，值为解压路径，如“C:\Java\jdk-17.0.2”。
    - 在系统变量Path中添加“%JAVA_HOME%\bin”。
  2. 命令窗口运行以下命令验证安装。若有版本号输出，则表示安装成功。
```
java -version 或 javac -version
```
- Linux
  1. 执行以下命令安装：
```
# 更新包索引
sudo apt update

# 安装最新版本（例如 JDK 17 或 21）
sudo apt install openjdk-17-jdk
# 或安装JDK 21
sudo apt install openjdk-21-jdk
# 只安装 JRE 可替换为 openjdk-17-jre
sudo apt install openjdk-17-jre
```
  2. 配置环境变量，在 “~/.bashrc”、或“~/.zshrc”或“ /etc/profile”中添加：
```
export JAVA_HOME=你自己的JDK安装目录
export PATH=$JAVA_HOME/bin:$PATH
# 运行如下命令使配置生效
source ~/.bashrc（或对应文件）
```
  3. 命令窗口运行以下命令验证安装。若有版本号输出，则表示安装成功。
```
java -version 或 javac -version
```
- MacOS
  Homebrew（推荐）
```
brew install openjdk@17
```
  安装后 brew 会给出链接提示，执行类似：
```
sudo ln -sfn /opt/homebrew/opt/openjdk@17/libexec/openjdk.jdk /Library/Java/JavaVirtualMachines/openjdk-17.jdk
```
  然后配置环境变量：
```
echo 'export PATH="/opt/homebrew/opt/openjdk@17/bin:$PATH"' >> ~/.zshrc
```
  命令窗口运行以下命令验证安装。若有版本号输出，则表示安装成功。
```
java -version 或 javac -version
```

以GLM-5.3模型为例，运行如下命令发起API请求。可通过model参数替换模型，model参数详情请前往控制台查看预置模型操作列的“API调用”。

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.time.Duration;
public class ChatCompletionsExample {
    public static void main(String[] args) {
        // 接口地址
        String apiUrl = "https://api.modelarts-maas.com/v2/chat/completions";
        // 把MAAS_API_KEY替换成已获取的API Key
        String apiKey = "MAAS_API_KEY";
        // 替换为你要调用的模型名称
        String modelName = "glm-5.3";
        // 构造请求体
        String requestBody = String.format(
            """
                {
                    "model": "%s",
                    "messages": [
                        {"role": "system", "content": "You are a helpful assistant."},
                        {"role": "user", "content": "你好，请介绍一下自己"}
                    ]
                }""", modelName);
        // 创建 HttpClient
        HttpClient client = HttpClient.newBuilder()
                .connectTimeout(Duration.ofSeconds(10))
                .build();
        // 创建请求
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(apiUrl))
                .header("Content-Type", "application/json")
                .header("Authorization", "Bearer " + apiKey)
                .POST(HttpRequest.BodyPublishers.ofString(requestBody))
                .build();
        try {
            // 发送请求并打印结果
            HttpResponse<String> response = client.send(
                    request, HttpResponse.BodyHandlers.ofString());
            System.out.println("HTTP Status: " + response.statusCode());
            System.out.println("Response Body:\n" + response.body());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

图像理解

将图像传给模型，下达文本指令，模型就会进行图片分析、文字提取等任务，并按文本返回推理结果。

表1 图像理解效果示例
提示词示例	图片效果
	这张图片展示了一只正在户外散步的猫。以下是详细描述：一只带有黑色条纹的狸花猫，胸口和爪子是白色的。它有着一双明亮的黄色大眼睛，正专注地看向前方。猫身上穿着一件黑色的胸背带，背带边缘有绿色的装饰线条。背带顶部有一个金属扣，连接着一条黑色的牵引绳。

import requests
import json
import base64
#  图片转Base64编码格式
def encode_image(image_path):
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")
base64_image = encode_image("test.png") # 替换成实际的图片路径

if __name__ == '__main__':
    url = "https://api.modelarts-maas.com/v2/chat/completions"  # API地址
    api_key = "MAAS_API_KEY" # 把MAAS_API_KEY替换成已获取的API Key

    # Send request.
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer {api_key}'
    }
    data = {
        "model": "deepseek-v4.1-flash",  # model参数
        "messages": [
            {
                "role": "user",
                "content": [
                    {
                        "type": "text",
                        "text": "描述下面图片里的内容"
                    },
                    {
                        "type": "image_url",
                        # 需要注意，Base64，图像格式（即image/{format}）需要与支持的图片列表中的Content Type保持一致。"f"是字符串格式化的方法。
                        # PNG图像：  f"data:image/png;base64,{base64_image}"
                        # JPEG图像： f"data:image/jpeg;base64,{base64_image}"
                        # WEBP图像： f"data:image/webp;base64,{base64_image}"
                        "image_url": {
                            "url": f"data:image/png;base64,{base64_image}"
                       }
                    }
                ]
            }
        ]
    }
    response = requests.post(url, headers=headers, data=json.dumps(data))
    # Print result.
    print(response.status_code)
    print(response.text)

模型回复预览：

这张图片展示了一只正在户外散步的猫。以下是详细描述：一只带有黑色条纹的狸花猫，胸口和爪子是白色的。它有着一双明亮的黄色大眼睛，正专注地看向前方。猫身上穿着一件黑色的胸背带，背带边缘有绿色的装饰线条。背带顶部有一个金属扣，连接着一条黑色的牵引绳。

curl -X POST "https://api.modelarts-maas.com/v2/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MAAS_API_KEY" \
  -d '{ 
    "model": "deepseek-v4.1-flash",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "描述下图片里的内容"},
          {"type": "image_url", "image_url": {"url": "data:image/png;base64,$BASE64_IMAGE"}}
        ]
      }
    ]
  }'

模型回复预览：

这张图片展示了一只正在户外散步的猫。以下是详细描述：一只带有黑色条纹的狸花猫，胸口和爪子是白色的。它有着一双明亮的黄色大眼睛，正专注地看向前方。猫身上穿着一件黑色的胸背带，背带边缘有绿色的装饰线条。背带顶部有一个金属扣，连接着一条黑色的牵引绳。

建议JDK版本为15+。

import java.io.IOException;
import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.nio.file.Files;
import java.nio.file.Path;
import java.time.Duration;
import java.util.Base64;
public class ImageDescriptionExample {
    public static void main(String[] args) throws Exception {
        // 接口地址
        String apiUrl = "https://api.modelarts-maas.com/v2/chat/completions";
        String apiKey = "MAAS_API_KEY"; // 把MAAS_API_KEY替换成已获取的API Key               
        String image_path = "test.png"; // test.png替换为真实的图片地址
        // 读取图片并转为 Base64
        String base64Image = encodeImageToBase64(image_path);
        String imageDataUrl = "data:image/png;base64," + base64Image;
        // 替换为你要调用的模型名称
        String modelName = "deepseek-v4.1-flash";
        // 构造请求体
        String requestBody = String.format(
                """
                    {
                        "model": "%s",
                        "messages": [
                            {"role": "user",
                            "content": [
                             {"type": "text", "text": "描述下图片里的内容"},
                            {
                                "type": "image_url",
                                "image_url": {
                                    "url": "%s"
                                }
                            }
                            ]}
                        ]
                    }""", modelName, imageDataUrl);
        // 创建 HttpClient
        HttpClient client = HttpClient.newBuilder()
                .connectTimeout(Duration.ofSeconds(10))
                .build();
        // 创建请求
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(apiUrl))
                .header("Content-Type", "application/json")
                .header("Authorization", "Bearer " + apiKey)
                .POST(HttpRequest.BodyPublishers.ofString(requestBody))
                .build();
        try {
            // 发送请求并打印结果
            HttpResponse<String> response = client.send(
                    request, HttpResponse.BodyHandlers.ofString());
            System.out.println("HTTP Status: " + response.statusCode());
            System.out.println("Response Body:\n" + response.body());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
    /**
     * 将图片文件转换为 Base64 编码字符串
     */
    private static String encodeImageToBase64(String imagePath) throws IOException {
        byte[] imageBytes = Files.readAllBytes(Path.of(imagePath));
        return Base64.getEncoder().encodeToString(imageBytes);
    }
}

模型回复预览：

这张图片展示了一只正在户外散步的猫。以下是详细描述：一只带有黑色条纹的狸花猫，胸口和爪子是白色的。它有着一双明亮的黄色大眼睛，正专注地看向前方。猫身上穿着一件黑色的胸背带，背带边缘有绿色的装饰线条。背带顶部有一个金属扣，连接着一条黑色的牵引绳。

import base64
from openai import OpenAI

base_url = "https://api.modelarts-maas.com/openai/v1" # API地址
api_key = "MAAS_API_KEY" # 把MAAS_API_KEY替换成已获取的API Key

#  图片转Base64编码格式
def encode_image(image_path):
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")
base64_image = encode_image("test.png")
client = OpenAI(api_key=api_key, base_url=base_url)
response = client.chat.completions.create(
    model = "deepseek-v4.1-flash", # model参数
    messages = [
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "描述下图片里的内容"},
                {
                    "type": "image_url",
                    # 需要注意，Base64编码的图像格式（即image/{format}）需要与支持的图片列表中的Content Type保持一致。"f"是字符串格式化的方法。
                    # Base64编码的PNG图像：  f"data:image/png;base64,{base64_image}"
                    # Base64编码的JPEG图像： f"data:image/jpeg;base64,{base64_image}"
                    # Base64编码的WEBP图像： f"data:image/webp;base64,{base64_image}"
                    # 公网图像地址： "https://example/xxx.png"
                    "image_url": {
                        "url": f"data:image/png;base64,{base64_image}"
                    }
                }
            ]
        }
    ]
)
print(response.choices[0].message.content)

模型回复预览：

这张图片展示了一只正在户外散步的猫。以下是详细描述：一只带有黑色条纹的狸花猫，胸口和爪子是白色的。它有着一双明亮的黄色大眼睛，正专注地看向前方。猫身上穿着一件黑色的胸背带，背带边缘有绿色的装饰线条。背带顶部有一个金属扣，连接着一条黑色的牵引绳。

图片生成

用户将文本提示词及图片输入给模型，模型输出符合预期的图片。用户可输入文本、单图或多图，实现多图融合创作、图像编辑等多样化玩法。

表2 图片生成效果示例
提示词示例	图片效果
A running cat	模型输出的是base64编码格式的字符串，解码后的图片如下所示：

import requests
import json

if __name__ == '__main__':
    url = "https://api.modelarts-maas.com/v1/images/generations"  # API地址
    api_key = "MAAS_API_KEY"  # 把MAAS_API_KEY替换成已获取的API Key

    # Send request.
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer {api_key}'
    }
    data = {
        "model": "qwen-image",  # model参数
        "prompt": "A running cat.",  # 支持中英文
        "size": "1024x1024",
        "response_format": "b64_json",  # 返回格式，可取值为[url, b64_json], 暂仅支持 b64_json，
        "seed": 1  # 取值范围在[0, 2147483648]， 随机种子，默认1
    }
    response = requests.post(url, headers=headers, data=json.dumps(data))

    # Print result.
    print(response.status_code)
    print(response.text)

curl -X POST "https://api.modelarts-maas.com/v1/images/generations" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MAAS_API_KEY" \
  -d '{
    "model": "qwen-image",
    "prompt": "A running cat.",
    "size": "1024x1024",
    "response_format": "b64_json",
    "seed": 1
}'

建议JDK版本为15+。

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.time.Duration;
public class ImageGenerationExample {
    public static void main(String[] args) {
        // 接口地址
        String apiUrl = "https://api.modelarts-maas.com/v1/images/generations";
        // 把MAAS_API_KEY替换成已获取的API Key
        String apiKey = "MAAS_API_KEY";
        // 替换为你要调用的模型名称，例如 "qwen-image"
        String modelName = "qwen-image";
        // 构造请求体
        String requestBody = String.format(
                """
                    {
                        "model": "%s",
                        "prompt": "A running cat.",
                        "size": "1024x1024",
                        "response_format": "b64_json",
                        "seed": 1
                    }""", modelName);
        // 创建 HttpClient
        HttpClient client = HttpClient.newBuilder()
                .connectTimeout(Duration.ofSeconds(10))
                .build();
        // 创建请求
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(apiUrl))
                .header("Content-Type", "application/json")
                .header("Authorization", "Bearer " + apiKey)
                .POST(HttpRequest.BodyPublishers.ofString(requestBody))
                .build();
        try {
            // 发送请求并打印结果
            HttpResponse<String> response = client.send(
                    request, HttpResponse.BodyHandlers.ofString());
            System.out.println("HTTP Status: " + response.statusCode());
            System.out.println("Response Body:\n" + response.body());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

视频生成

视频生成模型具备出色的语义理解能力，可根据用户输入的文本、图片等内容，快速生成优质的视频片段，极大地简化了视频创作过程。

模型能力覆盖文生视频、图生视频、参考生视频、首尾帧视频等场景。

表3 视频生成效果示例
提示词示例	视频效果
一只五彩斑斓的蝴蝶正在草丛中飞舞。

以下示例展示了如何通过文本描述快速生成视频。

1. 创建视频生成任务。

import requests
import json

if __name__ == '__main__':
    url = "https://api.modelarts-maas.com/v1/video/generations"  # API地址
    api_key = "MAAS_API_KEY"  # 把MAAS_API_KEY替换成已获取的API Key

    # Send request.
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'Bearer {api_key}'
    }
    data = {
        "model": "Wan2.2-T2V-A14B",  # model参数
        "input": {
            "prompt": "一只五彩斑斓的蝴蝶正在草丛中飞舞。",
        },
        "parameters": {
            "size": "720x1280",   # 参照接口规范填写相应的分辨率。
            "fps": 16,
            "duration": 5,
            "seed": 0
        }
    }
    response = requests.post(url, headers=headers, data=json.dumps(data))

    # Print result.
    print(response.status_code)
    print(response.text)

响应示例

{
  "task_id": f33d964b47f8e23ad4b1adbae6c22803"
}

curl -X POST "https://api.modelarts-maas.com/v1/video/generations" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MAAS_API_KEY" \
  -d '{
    "model": "Wan2.2-T2V-A14B",
    "input": {
        "prompt": "一只五彩斑斓的蝴蝶正在草丛中飞舞。"
    },
    "parameters": {
        "size": "720x1280",
        "fps": 16,
        "duration": 5,
        "seed": 0
    }
}'

响应示例

{
  "task_id": "f33d964b47f8e23ad4b1adbae6c22803"
}

建议JDK版本为15+。

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.time.Duration;

public class VideoGeneration {
    public static void main(String[] args) {
        // 接口地址
        String apiUrl = "https://api.modelarts-maas.com/v1/video/generations";
        // 把MAAS_API_KEY替换成已获取的API Key
        String apiKey = "MAAS_API_KEY";
        // 替换为你要调用的模型名称，例如 "Wan2.2-T2V-A14B"
        String modelName = "Wan2.2-T2V-A14B";
        // 构造请求体
        String requestBody = String.format(
                """
                    {
                        "model": "%s",
                        "input":{"prompt": "一只五彩斑斓的蝴蝶正在草丛中飞舞。"},
                        "parameters": {
                            "size": "720x1280",
                            "fps": 16,
                            "duration": 5,
                            "seed": 0
                        }
                    }""", modelName);
        // 创建 HttpClient
        HttpClient client = HttpClient.newBuilder()
                .connectTimeout(Duration.ofSeconds(10))
                .build();
        // 创建请求
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(apiUrl))
                .header("Content-Type", "application/json")
                .header("Authorization", "Bearer " + apiKey)
                .POST(HttpRequest.BodyPublishers.ofString(requestBody))
                .build();
        try {
            // 发送请求并打印结果
            HttpResponse<String> response = client.send(
                    request, HttpResponse.BodyHandlers.ofString());
            System.out.println("HTTP Status: " + response.statusCode());
            System.out.println("Response Body:\n" + response.body());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

响应示例：

{
  "task_id": f33d964b47f8e23ad4b1adbae6c22803"
}

2. 根据视频生成任务id获取视频。

视频生成为异步接口，您需要先创建视频生成任务，再通过视频生成任务的ID去查询视频生成结果。视频生成过程耗时较长，查询结果时请您耐心等待。

import requests 
import json

if __name__ == '__main__': 
    url = "https://api.modelarts-maas.com/v1/video/generations/{task_id}" # API地址。请将task_id替换为实际的ID，您可以通过创建视频生成任务API获取。
    api_key = "MAAS_API_KEY"  # 把MAAS_API_KEY替换成已获取的API Key  

    # Send request. 
    headers = { 
        'Content-Type': 'application/json', 
        'Authorization': f'Bearer {api_key}'  
    } 
    response = requests.get(url, headers=headers) 

    # Print result. 
    print(response.status_code) 
    print(response.text)

curl -X GET 'https://api.modelarts-maas.com/v1/video/generations/task_id' \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MAAS_API_KEY"

建议JDK版本为15+。

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.time.Duration;
/**
 * 视频生成，根据taskid获取视频
 * */
public class GetVideoByTaskId{
    public static void main(String[] args) {
        // 接口地址，将task_id替换为实际的ID
        String apiUrl = "https://api.modelarts-maas.com/v1/video/generations/{task_id}";
        // 把MAAS_API_KEY替换成已获取的API Key
        String apiKey = "MAAS_API_KEY";
        // 创建 HttpClient
        HttpClient client = HttpClient.newBuilder()
                .connectTimeout(Duration.ofSeconds(10))
                .build();
        // 创建请求
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(apiUrl))
                .header("Content-Type", "application/json")
                .header("Authorization", "Bearer " + apiKey)
                .GET().build();
        try {
            // 发送请求并打印结果
            HttpResponse<String> response = client.send(
                    request, HttpResponse.BodyHandlers.ofString());
            System.out.println("HTTP Status: " + response.statusCode());
            System.out.println("Response Body:\n" + response.body());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

查看调用量

模型API调用结束之后，您可前往MaaS控制台的调用统计页面查看模型的调用情况（该模型消耗的输入/输出Tokens数、总Tokens数、端到端时延等统计信息和监控指标），如下图所示。

图4 模型调用统计信息
点击放大

下一步操作

现在您已完成首次MaaS服务API调用，可探索MaaS服务更多模型能力：

查看更多模型：MaaS预置了openPangu、DeepSeek、千问、GLM、Kimi等多款模型，更多模型能力和规格请参考模型列表，支持的模型及其对应的API参考请见API调用规范。
在线体验大模型：如果你想通过对话框与大模型互动，请前往模型体验页面进行模型体验。
体验图片生成模型：用户可以通过给模型输入提示词或图片而生成符合预期的图片，详情请参考图片生成。图片生成提示词指南可参考文生图Prompt指南。
体验视频生成模型：用户通过调用视频生成模型API来生成视频，涵盖文生视频、图生视频（通用/舞蹈/唱演/播报等）、参考生视频、首尾帧视频等应用场景，从而轻松地将创意转化为高质量的视频内容。详情请参考视频生成。视频生成提示词指南可参考视频生成Prompt指南。

常见问题

创建API Key后需要等待多久才能生效？
MaaS API Key在创建后不会立即生效，通常需要等待几分钟才能生效。
MaaS调用大模型API如何计费？
不同模型计费方式有所区别，详情请见模型服务价格。

首次调用大模型API

准备账号和权限

操作流程

开通预置模型服务

获取API Key

文本对话

图像理解

图片生成

视频生成

查看调用量

下一步操作

常见问题

相关文档

您对此文档页面的整体评价？