SCX.ai
SCX.ai
호주의 주권 AI 플랫폼인 SCX.ai를 LiteLLM에서 사용하는 방법을 알아봐요. OpenAI 호환 API로 오픈 모델을 서비스하며, 재생 가능 에너지 기반 인프라에서 호스팅돼요.
출처: 문서
본문
개요
| 속성 | 내용 |
|---|---|
| 설명 | SCX.ai는 재생 가능 에너지 기반 인프라에서 OpenAI 호환 API로 오픈 모델을 서비스하는 호주 주권 AI 플랫폼이에요 |
| LiteLLM 라우트 | scx-ai/ |
| 공식 문서 | SCX.ai Documentation ↗ |
| Base URL | https://api.scx.ai/v1 |
| 지원 연산 | /chat/completions |
모든 SCX.ai 채팅 모델을 지원하며, completion 요청을 보낼 때 scx-ai/를 접두사로 붙이면 돼요.
사용 가능한 모델
| 모델 | 설명 | 컨텍스트 윈도우 | 최대 출력 |
|---|---|---|---|
scx-ai/GLM-5.2 |
Z.ai GLM-5.2, 장기(長期) 에이전트 코딩용 753B 스파스 MoE | 1,048,576 토큰 | 131,072 토큰 |
scx-ai/Qwen3.8-Max |
Alibaba Qwen3.8 Max, 텍스트·이미지 입력을 받는 2.4T 스파스 MoE | 1,000,000 토큰 | 131,072 토큰 |
두 모델 모두 추론, 함수 호출, JSON 모드, JSON 스키마 출력을 지원해요. scx-ai/Qwen3.8-Max는 추가로 이미지 입력을 받아요. 두 모델 모두 프롬프트 캐싱이 자동 적용되며, 캐시 히트는 usage.prompt_tokens_details.cached_tokens에 보고되고 캐시된 입력 요금으로 과금돼요.
필수 변수
os.environ["SCX_API_KEY"] = "" # your SCX.ai API key
LiteLLM Python SDK 사용법
비스트리밍
import os
import litellm
from litellm import completion
os.environ["SCX_API_KEY"] = "" # your SCX.ai API key
messages = [{"content": "Hello, how are you?", "role": "user"}]
# SCX.ai call
response = completion(
model="scx-ai/GLM-5.2",
messages=messages
)
print(response)
스트리밍
import os
import litellm
from litellm import completion
os.environ["SCX_API_KEY"] = "" # your SCX.ai API key
messages = [{"content": "Write a short story about AI", "role": "user"}]
# SCX.ai call with streaming
response = completion(
model="scx-ai/GLM-5.2",
messages=messages,
stream=True
)
for chunk in response:
print(chunk)
함수 호출
import os
import litellm
from litellm import completion
os.environ["SCX_API_KEY"] = "" # your SCX.ai API key
tools = [{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get the current weather in a location",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "The city, e.g. Sydney"
}
},
"required": ["city"]
}
}
}]
messages = [{"role": "user", "content": "What's the weather in Sydney?"}]
response = completion(
model="scx-ai/GLM-5.2",
messages=messages,
tools=tools,
tool_choice="auto"
)
print(response)
구조화 출력
import os
from litellm import completion
os.environ["SCX_API_KEY"] = "" # your SCX.ai API key
response = completion(
model="scx-ai/GLM-5.2",
messages=[{"role": "user", "content": "The city is Sydney"}],
response_format={
"type": "json_schema",
"json_schema": {
"name": "city",
"schema": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"],
"additionalProperties": False,
},
},
},
)
print(response)
비전
이미지 입력은 scx-ai/Qwen3.8-Max에서 지원돼요. 이미지는 각 면이 최소 10픽셀 이상이어야 해요.
import os
from litellm import completion
os.environ["SCX_API_KEY"] = "" # your SCX.ai API key
response = completion(
model="scx-ai/Qwen3.8-Max",
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "What colour fills this image?"},
{"type": "image_url", "image_url": {"url": "https://example.com/image.png"}},
],
}],
)
print(response)
LiteLLM Proxy 서버 사용법
config.yaml:
model_list:
- model_name: glm-5.2
litellm_params:
model: scx-ai/GLM-5.2
api_key: os.environ/SCX_API_KEY
- model_name: qwen3.8-max
litellm_params:
model: scx-ai/Qwen3.8-Max
api_key: os.environ/SCX_API_KEY
사용자 정의 API Base
옵션 1: 환경 변수
import os
from litellm import completion
os.environ["SCX_API_BASE"] = "https://custom.scx.ai/v1"
os.environ["SCX_API_KEY"] = "" # your API key
response = completion(
model="scx-ai/GLM-5.2",
messages=[{"content": "Hello!", "role": "user"}],
)
옵션 2: 직접 전달
from litellm import completion
response = completion(
model="scx-ai/GLM-5.2",
messages=[{"content": "Hello!", "role": "user"}],
api_base="https://custom.scx.ai/v1",
api_key="your-api-key",
)
지원되는 OpenAI 파라미터
temperaturemax_tokensmax_completion_tokenstop_pfrequency_penaltypresence_penaltystopnstreamstream_optionstoolstool_choiceresponse_formatseedlogit_biaslogprobstop_logprobs
max_completion_tokens는 상류에 max_tokens로 전송돼요. SCX.ai는 temperature를 [0.0, 2.0) 범위에서 받으며 2.0 자체는 거부하므로, LiteLLM은 더 높은 값을 1.99로 클램프해요.
더 알아보기 (Learn more)
- SCX.ai 공식 문서
- LiteLLM 컴플리션 API