← Back to all guides

用 59API 流式接入 Claude 和 GPT：OpenAI SDK 实战

为什么要做流式输出

Claude 和 GPT 的流式响应，核心价值是“边生成边展示”。对聊天机器人、代码助手、长文本总结尤其重要：用户能立刻看到首 token，体感更快，也更容易在生成中途打断或继续追问。对于开发者来说，只要底层接口支持 SSE 或 chunk 传输，前端就能把内容逐段渲染出来。

如果你已经在用 OpenAI SDK，接入 59API 会非常省事：只要把 base URL 改成 https://api.59api.com，就能用同一套代码流式调用 Claude 和 GPT。59API 走的是原生官方质量模型，不做降级，而且按量计费，适合先小流量验证，再逐步放大。

Python：一份最小可跑通的流式示例

先安装 SDK，然后把 API Key 配好。下面这段代码演示了如何实时打印 Claude 或 GPT 的返回内容。

from openai import OpenAI

client = OpenAI(api_key='你的59API_KEY', base_url='https://api.59api.com')

stream = client.chat.completions.create(

model='claude-sonnet',

messages=[

{'role': 'user', 'content': '请用三点说明流式输出的优势'}

],

stream=True

)

for chunk in stream:

text = chunk.choices[0].delta.content or ''

print(text, end='', flush=True)

这段代码有两个关键点：第一，stream=True 必须开启；第二，读取的是 delta.content，它可能为空，所以要做兜底。无论你换成 GPT 还是 Claude，只要 model 名称对应，调用方式都一致。

Node.js：前端或 BFF 常用写法

如果你的服务端是 Node.js，可以直接用 async iterator 消费流。很多实时聊天页面、Next.js API Route 都是这么接的。

import OpenAI from 'openai';

const client = new OpenAI({ apiKey: '你的59API_KEY', baseURL: 'https://api.59api.com' });

const stream = await client.chat.completions.create({

model: 'gpt-4o-mini',

messages: [{ role: 'user', content: '生成一段 100 字的产品简介' }],

stream: true

});

for await (const chunk of stream) {

process.stdout.write(chunk.choices[0]?.delta?.content || '');

}

如果你要把结果转成网页上的实时气泡，只需把每次收到的文本追加到响应体或 WebSocket 消息里即可。对于 SSE 场景，也可以原样转发 59API 的分片数据，前端监听 message 事件就能逐字显示。

实战建议：让流式更稳定、更省钱

• 优先用流式做长回答：长文、翻译、代码解释都更适合边出边看。
• 忽略空 chunk：模型经常先发控制帧，真正内容可能晚一拍到。
• 保留原始消息上下文：不要因为流式就改写对话结构，否则上下文容易乱。
• 先小量测试再放量：59API 按量计费，价格很适合做灰度验证；如果你有推荐场景，还能吃到返利。
• 统一 SDK 层：同一套 OpenAI SDK 代码就能同时跑 Claude 和 GPT，后续迁移成本很低，Claude Code、Codex 这类工具链也更容易对接。

结论

如果你的目标是尽快把 Claude 和 GPT 的流式输出接到产品里，59API 是一个很实际的选择：接入方式简单、成本低、模型质量保持官方原生水准，而且兼容现有 OpenAI SDK 工作流。你只需要改 base URL、填好 Key，就能开始做实时聊天、代码助手和内容生成。想先把 Demo 跑起来的话，可以注册一个 59API 账号，先用小额度验证你的流式链路，再决定是否扩容。

Pricing · Docs