Asynchrone Aufgaben

AIHubMix bietet drei Gruppen von Aufgabenendpunkten: Bilder verwenden /ai/v1/images, Videos verwenden /ai/v1/videos und einheitliche Aufgabendatensätze verwenden /ai/v1/tasks.

Die Bildgenerierung erfolgt standardmäßig synchron und mit async: true asynchron.
Die Videogenerierung erfolgt immer asynchron.
Über die Detailendpunkte für Bilder und Videos erhalten Sie den aktuellen Status einer Medienaufgabe.
/ai/v1/tasks bietet eine einheitliche, schreibgeschützte Ansicht für Bild-, Video- und LLM-Aufgaben.

Wenn ein Doubao-Seedance-Video Assets realer Personen referenzieren soll, schließen Sie vor dem Erstellen der Videoaufgabe die persönliche Bestätigung und die Asset-Vorbereitung gemäß dem Leitfaden zu Doubao-Assets realer Personen ab.

Videotutorial: Asynchrone Aufgaben

Erläutert den Gesamtmechanismus asynchroner Aufgaben und zeigt den vollständigen Aufrufablauf am Beispiel einer asynchronen Bildgenerierung.

Asynchrone Aufgaben in der Konsole aktivieren

Aktivieren Sie die Funktion für asynchrone Aufgaben für Ihr Konto, bevor Sie die Medienendpunkte unter /ai/v1 verwenden.

Ist die Funktion für asynchrone Aufgaben nicht aktiviert, geben Anfragen zum Erstellen von Bild- und Videoaufgaben 403 async_not_enabled zurück.

Schnellstart

Das folgende Beispiel erstellt mit wan2.6-t2v ein Video. Dieses Modell akzeptiert duration und size; die gültigen Felder können sich je nach Modell unterscheiden.

# 1. Videoaufgabe erstellen und die id aus der Antwort speichern
curl -X POST https://aihubmix.com/ai/v1/videos \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.6-t2v",
    "prompt": "A cat playing jazz on a piano, warm lighting, cinematic shot",
    "duration": 5,
    "size": "1280x720"
  }'

# 2. Mediendetails alle 15 Sekunden abfragen
curl https://aihubmix.com/ai/v1/videos/{task_id} \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

# 3. Video nach completed herunterladen
curl https://aihubmix.com/ai/v1/videos/{task_id}/content \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  --output result.mp4

{
  "id": "task_01K0ABCDEF",
  "object": "video",
  "model": "wan2.6-t2v",
  "status": "in_progress",
  "output": [],
  "error": null,
  "created_at": 1784707200,
  "completed_at": null,
  "expires_at": null
}

Wie wählt man zwischen den drei Endpunktgruppen?

Szenario	Methode	Pfad	Verhalten
Bild generieren	POST	`/ai/v1/images/generations`	Standardmäßig synchron, mit `async: true` asynchron
Bilddetails abfragen	GET	`/ai/v1/images/{id}`	Gibt den Status der Bildaufgabe zurück; aktive Aufgaben können bei der Abfrage aktualisiert werden
Bilderliste abfragen	GET	`/ai/v1/images`	Gibt eine Momentaufnahme der Bildaufgaben zurück
Bestimmtes Bild herunterladen	GET	`/ai/v1/images/{id}/content/{result_id}`	Lädt ein bestimmtes Ergebnis einer Aufgabe mit mehreren Bildern herunter
Video erstellen	POST	`/ai/v1/videos`	Immer asynchron
Videodetails abfragen	GET	`/ai/v1/videos/{id}`	Gibt den Status der Videoaufgabe zurück; aktive Aufgaben können bei der Abfrage aktualisiert werden
Videoliste abfragen	GET	`/ai/v1/videos`	Gibt eine Momentaufnahme der Videoaufgaben zurück
Video herunterladen	GET	`/ai/v1/videos/{id}/content`	Lädt das primäre Videoergebnis der Aufgabe herunter
Asynchrone Medienmodelle auflisten	GET	`/api/v1/models?type={type}&schema_checked=true`	Gibt Text-zu-Bild- oder Text-zu-Video-Modelle mit Anfrageschema zurück
Anfrageschema eines Modells abrufen	GET	`/call/schema/models/{model}/endpoints`	Gibt Text-zu-Bild- oder Text-zu-Video-Endpunkte und deren JSON Schemas zurück
Einheitliche Aufgabenliste abfragen	GET	`/ai/v1/tasks`	Schreibgeschützte Abfrage von Bild-, Video- und LLM-Aufgaben
Details einer einheitlichen Aufgabe abfragen	GET	`/ai/v1/tasks/{id}`	Gibt eine schreibgeschützte Momentaufnahme zum Abfragezeitpunkt zurück
Ergebnis einer einheitlichen Aufgabe abrufen	GET	`/ai/v1/tasks/{id}/content`	Lädt ein einzelnes Artefakt herunter oder liest ein LLM-Archiv
Bestimmtes Ergebnis einer einheitlichen Aufgabe abrufen	GET	`/ai/v1/tasks/{id}/content/{result_id}`	Lädt ein bestimmtes Ergebnis einer Aufgabe mit mehreren Artefakten herunter

Die Base URL lautet https://aihubmix.com. Die Authentifizierung erfolgt per Bearer Token:

Authorization: Bearer $AIHUBMIX_API_KEY

Die Modelllisten- und Modell-Schema-Endpunkte sind öffentlich und benötigen kein Bearer Token. Alle anderen Endpunkte erfordern eine Authentifizierung.

/ai/v1/tasks bietet keinen Endpunkt zum Erstellen von Aufgaben. Bilder und Videos müssen über die jeweiligen Medienendpunkte erstellt werden; LLM-Wiederherstellungsaufgaben speichert die Plattform nach einem Clientabbruch automatisch.

Unterschied zwischen Medienendpunkten und einheitlichen Aufgabenendpunkten

Die Detailendpunkte für Medien und die einheitlichen Aufgabenendpunkte geben dieselben Felder auf oberster Ebene zurück. Die output-Einträge und das Abfrageverhalten unterscheiden sich jedoch:

Vergleichspunkt	Mediendetails `/images/{id}`, `/videos/{id}`	Einheitliche Aufgabendetails `/tasks/{id}`
Aufgabentyp	Bild oder Video	Bild, Video oder LLM
Abfrageverhalten	Aktive Aufgaben können bei der Abfrage aktualisiert werden	Gibt eine schreibgeschützte Momentaufnahme zum Abfragezeitpunkt zurück
Felder der Medienausgabe	`index`, `type`, `content_url`, `b64_json`	`index`, `result_id`, `type`, `content_type`, `content_url`
Felder der LLM-Ausgabe	Nicht zutreffend	`index`, `type=response`, `content_type`, `content_url`, `truncated`
Zugriffsbereich	Entsprechende Medienaufgaben des aktuellen Kontos	Mit dem aktuellen Bearer Token erstellte Aufgaben

Fragen Sie den Generierungsstatus von Medien daher über den jeweiligen Detailendpunkt für Bilder oder Videos ab. Verwenden Sie /ai/v1/tasks, wenn Sie Aufgaben einheitlich filtern, Ergebnis-Metadaten lesen oder eine LLM-Antwort wiederherstellen möchten.

Wie findet man asynchrone Medienmodelle und ruft ihre Schemas ab?

Die Ermittlung erfolgt in zwei Schritten. Rufen Sie zuerst Text-zu-Bild- oder Text-zu-Video-Modelle mit Unterstützung für die asynchronen APIs aus dem öffentlichen Modellkatalog ab. Verwenden Sie anschließend die model_id, um das Anfrageschema der Endpunkte des Modells abzurufen.

Modelle mit Unterstützung für die asynchronen APIs auflisten

Der Modellkatalog verwendet dieselbe Datenquelle wie Playground. Nutzen Sie type=image_generation für Text-zu-Bild-Modelle und type=video für Text-zu-Video-Modelle. Mit schema_checked=true enthält die Liste nur Modelle mit veröffentlichtem und geprüftem Anfrageschema.

# Text-zu-Bild-Modelle
curl "https://aihubmix.com/api/v1/models?type=image_generation&schema_checked=true&sort_by=order"

# Text-zu-Video-Modelle
curl "https://aihubmix.com/api/v1/models?type=video&schema_checked=true&sort_by=order"

Beide Anfragen verwenden denselben Endpunkt. Der Filter type akzeptiert derzeit einen Wert. Fragen Sie daher jeden Modelltyp separat ab. Die Antwort hat die Form {success, message, data}. Für asynchrone Medienintegrationen sind die folgenden Felder in data relevant.

Feld	Beschreibung
`data[].model_id`	Modell-ID für Generierungsanfragen und nachfolgende Schema-Anfragen
`data[].model_name`	Anzeigename des Modells
`data[].types`	Kommagetrennte Modelltypen, möglicherweise mit `image_generation` und `llm`
`data[].input_modalities`	Kommagetrennte Eingabemodalitäten
`data[].schema_checked`	`true`, wenn das Anfrageschema veröffentlicht und geprüft wurde

{
  "success": true,
  "message": "",
  "data": [
    {
      "model_id": "qwen-image-2.0",
      "model_name": "Qwen Image 2.0",
      "types": "image_generation",
      "input_modalities": "text,image",
      "schema_checked": true
    }
  ]
}

Anfrageschema eines einzelnen Modells abrufen

Unterstützte Felder, Aufzählungswerte und Wertebereiche können je nach Modell variieren. Rufen Sie vor einer Bild- oder Videoanfrage über den folgenden öffentlichen Endpunkt die verfügbaren Endpunkte und Anfrage-JSON-Schemas des gewählten Modells ab.

# Text-zu-Bild-Modell
curl "https://aihubmix.com/call/schema/models/qwen-image-2.0/endpoints"

# Text-zu-Video-Modell
curl "https://aihubmix.com/call/schema/models/wan2.6-t2v/endpoints"

Die Antwort enthält für modality den Wert image oder video. Jeder Eintrag im Array endpoints beschreibt ein verfügbares Aufrufprotokoll.

Feld	Beschreibung
`default_endpoint`	Kennung des Standardendpunkts für das Modell
`endpoints[].endpoint`	Endpunktkennung
`endpoints[].method`	HTTP-Methode, zum Beispiel `POST`
`endpoints[].path`	Anfragepfad
`endpoints[].content_types`	Vom Endpunkt akzeptierte Inhaltstypen
`endpoints[].lifecycle`	Synchroner oder asynchroner Modus, Abfragepfad und Statuswerte
`endpoints[].request.schema`	Vollständiges Anfrage-JSON-Schema für dieses Modell und diesen Endpunkt mit Pflichtfeldern und Wertebeschränkungen

Ein Modell kann sowohl /ai/v1-Endpunkte als auch OpenAI-kompatible /v1-Endpunkte zurückgeben. OpenAI-kompatible Endpunkte unterstützen die neuesten Modelle möglicherweise noch nicht. Verwenden Sie daher bevorzugt die /ai/v1-Endpunkte. Wählen Sie für die asynchronen Aufgaben-APIs den Eintrag mit dem path /ai/v1/images/generations oder /ai/v1/videos aus und verwenden Sie dessen request.schema. Verlassen Sie sich nicht auf die Position eines Eintrags im Array endpoints. Die folgenden Befehle extrahieren das Anfrageschema für die beiden asynchronen Aufgabenendpunkte.

# Text-zu-Bild
curl -s "https://aihubmix.com/call/schema/models/qwen-image-2.0/endpoints" \
  | jq '.endpoints[] | select(.path == "/ai/v1/images/generations") | .request.schema'

# Text-zu-Video
curl -s "https://aihubmix.com/call/schema/models/wan2.6-t2v/endpoints" \
  | jq '.endpoints[] | select(.path == "/ai/v1/videos") | .request.schema'

Der Endpunkt gibt 404 model_not_found zurück, wenn das Modell nicht existiert oder keine auffindbaren Endpunkte besitzt. Wenn die Endpunktdaten vorübergehend nicht verfügbar sind, wird 500 endpoints_unavailable zurückgegeben.

Unterstützte Modelle und Felder

Die Bild- und Videoprotokolle definieren modellübergreifende Standardfelder. Jedes Modell schränkt Felder, Aufzählungswerte und Wertebereiche jedoch gemäß seinen tatsächlichen Fähigkeiten ein. Rufen Sie vor einer Anfrage die aktuellen Beschränkungen über den Modell-Schema-Endpunkt ab. Beispiele:

wan2.6-t2v unterstützt duration, size und seed, akzeptiert jedoch weder resolution, aspect_ratio, frame_images, input_references noch generate_audio.
qwen-image-2.0 unterstützt n, size, seed, negative_prompt, image und images, akzeptiert jedoch weder aspect_ratio noch mask.

Die Menge der Standardfelder bedeutet nicht, dass jedes Modell alle Felder unterstützt. Wenn Sie ein vom aktuellen Modell nicht unterstütztes Feld übergeben, wird ein Parameterfehler zurückgegeben.

Modelle für die Wiederherstellung unterbrochener LLM-Antworten

Derzeit werden folgende Modelle unterstützt:

gpt-5.6-sol
gpt-5.5-pro
gpt-5.4-pro
gpt-5.2-pro
claude-fable-5
claude-opus-5

Der unterstützte Umfang kann sich ändern. Maßgeblich ist die Liste auf dieser Seite. Für die Wiederherstellung nach einem Abbruch muss außerdem die Funktion für asynchrone Aufgaben für das aktuelle Konto aktiviert sein. Ist eine dieser Bedingungen nicht erfüllt, wird die ursprüngliche LLM-Anfrage weiterhin normal ausgeführt, nach einem Clientabbruch aber keine Wiederherstellungsaufgabe gespeichert.

Wie erstellt man Bildaufgaben?

Synchrone Bilder

Wenn Sie async weglassen oder auf false setzen, wartet der Endpunkt auf den Abschluss der Generierung und gibt anschließend das Aufgabenobjekt zurück:

curl -X POST https://aihubmix.com/ai/v1/images/generations \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "A flower shop with delicate windows, warm sunlight streaming in",
    "n": 1,
    "size": "1024x1024",
    "response_format": "url"
  }'

Auch synchrone Bildaufgaben werden als Aufgabendatensatz gespeichert. Wird die Clientverbindung unterbrochen oder geht die Erstellungsantwort verloren, können Sie die entsprechende Aufgabe über GET /ai/v1/images suchen.

Asynchrone Bilder

Wenn Sie async auf den booleschen Wert true setzen, gibt der Endpunkt sofort ein Aufgabenobjekt zurück und die Generierung wird im Hintergrund fortgesetzt:

curl -X POST https://aihubmix.com/ai/v1/images/generations \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "A flower shop with delicate windows, warm sunlight streaming in",
    "n": 2,
    "size": "1024x1024",
    "async": true
  }'

Fragen Sie asynchrone Bildaufgaben mit GET /ai/v1/images/{id} ab. Nach dem Abschluss können Sie die content_url jedes output-Eintrags direkt anfordern. Diese URL enthält bereits die result_id des jeweiligen Bildes.

async muss in Bildanfragen ein boolescher Wert sein. webhook_url und webhook_events_filter können nur zusammen mit async: true verwendet werden.

Standardfelder für Bilder

Feld	Typ	Erforderlich	Beschreibung
`model`	string	Ja	Modellname
`prompt`	string	Ja	Bildbeschreibung; darf nicht leer sein
`n`	integer/null	Nein	Anzahl der Bilder, Mindestwert `1`, Standardwert `1`
`size`	string/null	Nein	`{width}x{height}`, zum Beispiel `1024x1024`
`aspect_ratio`	string/null	Nein	Seitenverhältnis; alternativ zu `size`
`seed`	integer/null	Nein	Zufallsstartwert
`negative_prompt`	string/null	Nein	Negativer Prompt
`image`	string/object	Nein	Einzelnes Eingabebild als URL, Data URI, Base64 oder `{url}`-Objekt
`images`	array/null	Nein	Mehrere Eingabebilder
`mask`	string/object	Nein	Maske für die Bildbearbeitung
`output_format`	string/null	Nein	`png`, `jpeg` oder `webp`; Standardwert `png`
`response_format`	string/null	Nein	`url` oder `b64_json`; Standardwert `url`
`async`	boolean	Nein	Führt die Aufgabe asynchron aus, wenn der Wert `true` ist
`webhook_url`	string	Nein	HTTPS-Callback-URL mit maximal 512 Zeichen
`webhook_events_filter`	string[]	Nein	Nicht leere Teilmenge von `completed`, `failed` und `cancelled`
`extra`	object/null	Nein	Modellspezifische Zusatzparameter

Wie erstellt man Videoaufgaben?

Videoanfragen werden immer asynchron ausgeführt und lassen sich mit Prefer: wait nicht in synchrones Warten umwandeln. Das Standardprotokoll verwendet für duration eine ganze Zahl in Sekunden:

curl -X POST https://aihubmix.com/ai/v1/videos \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.6-t2v",
    "prompt": "Ocean waves crashing on rocky cliffs at sunset",
    "duration": 5,
    "size": "1280x720"
  }'

Standardfelder für Videos

Feld	Typ	Erforderlich	Beschreibung
`model`	string	Ja	Modellname
`prompt`	string	Ja	Videobeschreibung; darf nicht leer sein
`duration`	integer/null	Nein	Videodauer in Sekunden; der genaue Bereich hängt vom Modell ab
`aspect_ratio`	string/null	Nein	Seitenverhältnis; Protokollstandard ist `16:9`
`resolution`	string/null	Nein	`480p`, `720p`, `1080p`, `1K`, `2K` oder `4K`
`size`	string/null	Nein	`{width}x{height}`; kann `resolution` und `aspect_ratio` ersetzen
`seed`	integer/null	Nein	Zufallsstartwert
`input_references`	array/null	Nein	Referenzmaterial als Bild, Video oder Audio
`frame_images`	array/null	Nein	Bild für den ersten oder letzten Frame
`generate_audio`	boolean/null	Nein	Gibt an, ob eine Audiospur generiert werden soll
`webhook_url`	string	Nein	HTTPS-Callback-URL mit maximal 512 Zeichen
`webhook_events_filter`	string[]	Nein	Nicht leere Teilmenge von `completed`, `failed` und `cancelled`
`extra`	object/null	Nein	Modellspezifische Zusatzparameter

Struktur eines input_references-Eintrags:

{
  "type": "image_url",
  "url": "https://example.com/reference.png"
}

type kann image_url, video_url oder audio_url sein. Struktur eines frame_images-Eintrags:

{
  "frame_type": "first_frame",
  "image_url": {
    "url": "https://example.com/first-frame.png"
  }
}

frame_type kann first_frame oder last_frame sein.

Objekt einer Medienaufgabe

Die dedizierten Endpunkte für Bilder und Videos geben folgende Struktur zurück:

{
  "id": "task_01K0ABCDEF",
  "object": "video",
  "model": "wan2.6-t2v",
  "status": "completed",
  "output": [
    {
      "index": 0,
      "type": "file",
      "b64_json": null,
      "content_url": "https://aihubmix.com/ai/v1/videos/task_01K0ABCDEF/content"
    }
  ],
  "error": null,
  "created_at": 1784707200,
  "completed_at": 1784707320,
  "expires_at": null
}

Feld	Typ	Beschreibung
`id`	string	Aufgaben-ID der Plattform
`object`	string	`image` oder `video`
`model`	string	Modellname
`status`	string	Aktueller Aufgabenstatus
`output`	array	Bereits generierte Ergebnisse; leeres Array, solange kein Ergebnis vorliegt
`error`	object/null	Fehlerinformationen; kann `code`, `message` und `upstream_detail` enthalten
`created_at`	integer	Erstellungszeit als Unix-Zeit in Sekunden
`completed_at`	integer/null	Zeitpunkt des endgültigen Status als Unix-Zeit in Sekunden
`expires_at`	null	Dedizierte Medienendpunkte geben derzeit `null` zurück

Einträge in output für Medien:

Feld	Typ	Beschreibung
`index`	integer	Reihenfolge des Ergebnisses, beginnend mit `0`
`type`	string	Derzeit `file`
`content_url`	string/null	URL zum Herunterladen des Ergebnisses
`b64_json`	string/null	Base64-codiertes Bildergebnis

Statusbeschreibung

Status	Beendet	Beschreibung
`pending`	Nein	Die Plattform hat die Aufgabe angenommen; sie wartet auf die Ausführung
`in_progress`	Nein	Die Aufgabe wird ausgeführt
`completed`	Ja	Die Aufgabe ist abgeschlossen; `output` kann gelesen werden
`failed`	Ja	Die Aufgabe ist fehlgeschlagen; die Ursache steht in `error`
`cancelled`	Ja	Die Aufgabe wurde abgebrochen

Der Client kann alle 15 Sekunden abfragen, bis der Status completed, failed oder cancelled lautet. Die 15 Sekunden sind eine Empfehlung für das clientseitige Polling und keine Einschränkung des Serverprotokolls.

Wie fragt man Medienaufgaben ab?

Mediendetails abfragen

# Bild
curl https://aihubmix.com/ai/v1/images/{task_id} \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

# Video
curl https://aihubmix.com/ai/v1/videos/{task_id} \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Die Detailendpunkte für Medien können einen aktualisierten Aufgabenstatus zurückgeben. Verwenden Sie zum Polling von Medien daher den jeweiligen Detailendpunkt für Bilder oder Videos.

Medienliste abfragen

Falls die Erstellungsantwort verloren geht, können Sie die Aufgaben-ID über die entsprechende Medienliste wiederfinden:

curl "https://aihubmix.com/ai/v1/videos?limit=20&order=desc" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Parameter	Typ	Standardwert	Beschreibung
`after`	string	-	Cursor für die Seitennavigation; verwenden Sie `next_after` der vorherigen Seite
`limit`	integer	`20`	Anzahl pro Seite, maximal `100`
`order`	string	`desc`	Mit `asc` aufsteigend; alle anderen Werte werden als `desc` behandelt

{
  "object": "list",
  "data": [
    {
      "id": "task_01K0ABCDEF",
      "object": "video",
      "model": "wan2.6-t2v",
      "status": "in_progress",
      "output": [],
      "error": null,
      "created_at": 1784707200,
      "completed_at": null,
      "expires_at": null
    }
  ],
  "has_more": true,
  "next_after": "task_01K0ABCDEF"
}

Medienlisten geben eine Momentaufnahme zum Abfragezeitpunkt zurück und aktualisieren den Aufgabenstatus nicht aktiv.

Wie verwendet man einheitliche Aufgabenendpunkte?

Die einheitlichen Aufgabenendpunkte unterstützen folgende Filter:

curl "https://aihubmix.com/ai/v1/tasks?object=video&status=in_progress&limit=20&order=desc" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Parameter	Typ	Standardwert	Beschreibung
`object`	string	-	`llm`, `image` oder `video`
`status`	string	-	`pending`, `in_progress`, `completed`, `failed` oder `cancelled`
`model`	string	-	Exakte Filterung nach Modellname
`after`	string	-	Cursor für die Seitennavigation
`limit`	integer	`20`	Bereich von `1` bis `100`
`order`	string	`desc`	`asc` oder `desc`

Details einer einheitlichen Aufgabe:

curl https://aihubmix.com/ai/v1/tasks/{task_id} \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Einheitlicher output-Eintrag einer Medienaufgabe:

{
  "index": 0,
  "result_id": "result_01K0XYZ",
  "type": "file",
  "content_type": "video/mp4",
  "content_url": "https://aihubmix.com/ai/v1/tasks/task_01K0ABCDEF/content"
}

Fordern Sie bei einem einzelnen Artefakt direkt /ai/v1/tasks/{id}/content an. Bei Aufgaben mit mehreren Artefakten müssen Sie /ai/v1/tasks/{id}/content/{result_id} anfordern. Ohne Ergebnis-ID wird 400 result_id_required zurückgegeben.

Die einheitlichen Endpunkte für Aufgabenlisten, Details und Inhalte sind nach dem Bearer Token isoliert, mit dem die Aufgabe erstellt wurde. Andere API Keys desselben Kontos können die Aufgabe nicht lesen.

Medienergebnisse herunterladen

Bilder herunterladen

Fordern Sie nach Abschluss der Bildaufgabe die output[].content_url jedes Eintrags im Medienaufgabenobjekt an:

curl "{content_url}" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  --output result.png

Der Medienpfad zum Herunterladen eines Bildes lautet /ai/v1/images/{id}/content/{result_id}. Das Medienaufgabenobjekt veröffentlicht result_id nicht separat. Der Client kann direkt content_url verwenden. Wenn b64_json nicht leer ist, können Sie dieses Feld direkt Base64-decodieren.

Videos herunterladen

curl https://aihubmix.com/ai/v1/videos/{task_id}/content \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  --output result.mp4

Ergebnisse können ablaufen und einer Begrenzung der Downloadanzahl unterliegen. Nach Ablauf wird 410 artifact_expired zurückgegeben, bei Überschreitung der Downloadbegrenzung 429 too_many_downloads.

Webhooks verwenden

Asynchrone Bilder und Videos unterstützen Webhooks auf Aufgabenebene:

curl -X POST https://aihubmix.com/ai/v1/videos \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.6-t2v",
    "prompt": "A tranquil garden at sunrise",
    "duration": 5,
    "size": "1280x720",
    "webhook_url": "https://example.com/webhooks/aihubmix",
    "webhook_events_filter": ["completed", "failed"]
  }'

webhook_url darf höchstens 512 Zeichen lang sein und nicht auf den lokalen Rechner, ein privates Netzwerk oder eine andere eingeschränkte Adresse verweisen. Wenn Sie webhook_events_filter weglassen, sendet die Plattform completed, failed und cancelled. Bei expliziter Angabe darf das Array weder leer sein noch Duplikate enthalten und muss zusammen mit webhook_url verwendet werden. Wenn die Anfrage keine webhook_url enthält, versuchen asynchrone Bilder und Videos, die im Konto konfigurierte Standard-Callback-URL zu verwenden. Eine ungültige Standardadresse des Kontos wird ignoriert und verhindert die Erstellung der Aufgabe nicht.

Callback-Anfrage

{
  "event_id": "evt_01K0ABCDEF",
  "event_type": "completed",
  "created_at": "2026-08-12T12:00:00Z",
  "data": {
    "task_id": "task_01K0ABCDEF",
    "status": "completed",
    "model": "wan2.6-t2v",
    "results": [
      {
        "url": "https://aihubmix.com/ai/v1/tasks/task_01K0ABCDEF/content"
      }
    ]
  }
}

Feld	Beschreibung
`event_id`	ID des Callback-Ereignisses zur Deduplizierung
`event_type`	`completed`, `failed` oder `cancelled`
`created_at`	Ereigniszeit im Format RFC 3339
`data.task_id`	Aufgaben-ID der Plattform
`data.status`	Aktueller endgültiger Status
`data.model`	Modellname
`data.results[].url`	URL zum Herunterladen des Ergebnisses, die nach Abschluss enthalten sein kann
`data.error`	Fehlerinformationen, die bei einem Fehlschlag enthalten sein können

results ist nur vorhanden, wenn das Ergebnis archiviert wurde. Für den Download ist weiterhin ein Bearer Token erforderlich.

Wiederholungsversuche und Deduplizierung

Die Plattform stellt mindestens einmal zu. Dasselbe Ereignis kann daher mehrfach eintreffen:

HTTP 2xx kennzeichnet einen erfolgreichen Empfang.
HTTP 5xx, Netzwerkfehler oder Zeitüberschreitungen lösen einen erneuten Versuch aus.
Bei HTTP 3xx und 4xx erfolgt kein erneuter Versuch.
Es erfolgen höchstens 6 Zustellversuche mit Abständen von 1, 4, 16, 64 und 256 Sekunden.

Der Empfänger sollte event_id speichern und beim erneuten Empfang desselben Ereignisses direkt 2xx zurückgeben.

Webhooks auf Aufgabenebene besitzen keinen eigenen Signaturschlüssel. Wenn Sie eine Signaturprüfung benötigen, konfigurieren Sie ein Webhook-Abonnement auf Kontoebene und behalten Sie die Abfrage der Aufgabendetails als Bestätigung des Ergebnisses bei.

Funktionsweise der Wiederherstellung unterbrochener LLM-Antworten

Mit der Wiederherstellung unterbrochener LLM-Antworten können Sie die endgültige Antwort nach einer Trennung der Clientverbindung abrufen. Anfrageverfahren, Streaming-Verhalten und Antwortformat bleiben unverändert. Zu Beginn der Anfrage wird auch keine Aufgaben-ID vorab zurückgegeben. Folgende Bedingungen müssen gleichzeitig erfüllt sein:

Bedingung	Beschreibung
Funktion für asynchrone Aufgaben ist für das Konto aktiviert	In der AIHubMix-Konsole für das aktuelle Konto aktivieren
Modell unterstützt die Wiederherstellung nach einem Abbruch	Das aktuelle Modell ist in der Liste Modelle für die Wiederherstellung unterbrochener LLM-Antworten enthalten
Endpunkt wird unterstützt	Chat Completions, Anthropic Messages, Responses API oder Gemini `generateContent` / `streamGenerateContent`
Clientverbindung wurde unterbrochen	Abbruch durch den Client, Trennung der Netzwerkverbindung oder Abbruch durch den Aufrufer

Die Plattform erstellt nur dann eine Wiederherstellungsaufgabe, wenn sie erkennt, dass eine Antwort nicht vollständig zugestellt wurde und die Clientverbindung bereits getrennt ist. Dabei speichert sie das endgültige JSON oder SSE. Für LLM-Anfragen, die normal abgeschlossen und vollständig an den Client zugestellt werden, wird keine Wiederherstellungsaufgabe erstellt. LLM-Antwortheader enthalten X-Aihubmix-Request-Id. Der Client sollte diesen Wert so früh wie möglich speichern, damit sich die entsprechende Anfrage in der Konsole finden lässt. Die öffentliche Aufgaben-API kann derzeit nicht nach Anfrage-ID filtern. Sie können die neuesten LLM-Aufgaben nach Modell und Erstellungszeit abfragen:

curl "https://aihubmix.com/ai/v1/tasks?object=llm&model={model}&order=desc&limit=20" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

curl https://aihubmix.com/ai/v1/tasks/{task_id}/content \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Der einheitliche output-Eintrag einer LLM-Aufgabe enthält type=response, content_type, content_url und truncated. GET /ai/v1/tasks/{id}/content gibt das gespeicherte ursprüngliche JSON oder SSE zurück.

Wiederherstellungsaufgaben für unterbrochene LLM-Antworten senden derzeit keine Webhooks auf Aufgabenebene. Ein Clientabbruch hält die weitere Verarbeitung der Anfrage durch die Plattform nicht an. Der Aufruf wird weiterhin nach den Regeln des ursprünglichen Endpunkts abgerechnet.

Fehlerantworten und Fehlercodes

Dieser Abschnitt gilt für /ai/v1/images/*, /ai/v1/videos/* sowie für Medienaufgaben unter /ai/v1/tasks/*, bei denen object=image oder object=video gesetzt ist. Clients müssen sowohl HTTP-Antworten außerhalb des 2xx-Bereichs als auch den endgültigen Aufgabenstatus HTTP 200 mit status=failed verarbeiten.

{
  "error": {
    "message": "Task not found.",
    "type": "invalid_request_error",
    "code": "task_not_found",
    "tid": "req_01K0ABCDEF"
  }
}

Feedback zu HTTP-5xx-Fehlern senden

Wenn eine Anfrage HTTP 5xx zurückgibt, senden Sie Feedback und fügen Sie error.tid bei.

HTTP-Fehler außerhalb des 2xx-Bereichs

Die Zeilen invalid_request und schema_violation zeigen Fallback-Meldungen. Wenn der Dienst ein konkretes Feld oder eine Parameterbeschränkung bestimmen kann, gibt er eine dynamische Meldung zurück. Clients müssen den Fehlertyp anhand von code bestimmen und dürfen message nicht auf eine feste Zeichenfolge prüfen.

HTTP	`code`	`message`	Beschreibung
400	`invalid_request`	`Invalid request. Check the request body and parameters.` (Fallback-Vorlage; die tatsächliche Meldung kann dynamisch sein)	Der allgemeine Anfrageinhalt, ein Feldtyp oder ein Listenparameter ist ungültig; die Meldung dieses Codes ist nicht fest und wird genauer, wenn ein Feld bestimmt werden kann
400	`model_not_found`	`The requested model is not available. Check the model name and your account access.`	Das Modell ist nicht vorhanden, nicht verfügbar oder für das aktuelle Konto nicht zugänglich
400	`schema_violation`	`Invalid request: one or more parameters are invalid.` (Fallback-Vorlage; die tatsächliche Meldung kann dynamisch sein)	Die Anfrage entspricht nicht dem Parameter-Schema des aktuellen Modells; die Meldung dieses Codes ist nicht fest und wird dynamisch, wenn ein Feld oder eine Beschränkung bestimmt werden kann
400	`capability_not_supported`	`The requested parameters are not supported for this model.`	Das aktuelle Modell unterstützt Felder, Mengen oder Parametergrenzen der Anfrage nicht
400	`media_form_unsupported`	Dynamische Medienmeldung, siehe unten	Format, Daten, URL oder Größe eines Bildes, Videos, Referenzbildes oder ersten beziehungsweise letzten Frames können nicht verarbeitet werden
400	`result_id_required`	`This task has multiple results. Specify result_id.`	Die Aufgabe enthält mehrere Ergebnisse, beim Download wurde jedoch keine `result_id` angegeben
400	`upstream_rejected`	`Upstream service rejected the request.`	Der Modellanbieter hat die Erstellungsanfrage abgelehnt
401	`authentication_failed`	`Authentication failed: invalid or missing API key.`	Der API Key fehlt oder ist ungültig
402	`insufficient_quota`	`Insufficient quota.`	Das verfügbare Kontingent des AIHubMix-Kontos reicht nicht aus
403	`permission_denied`	`You do not have permission to access this resource.`	Das aktuelle Konto, der API Key oder die Zugriffsquelle ist nicht zur Nutzung dieser Ressource berechtigt
403	`async_not_enabled`	`Asynchronous tasks are not enabled. Please go to <console-url>/async-tasks to activate.`	Asynchrone Aufgaben sind für das aktuelle Konto nicht aktiviert; die Konsolenadresse wird entsprechend der angefragten Website erzeugt
404	`task_not_found`	`Task not found.`	Die Aufgabe ist nicht vorhanden, der Seiten-Cursor ist ungültig oder das aktuelle Konto darf sie nicht anzeigen
404	`result_not_found`	`Result not found.`	Das Ergebnis ist nicht vorhanden, noch nicht bereit, stimmt nicht mit der Ergebnis-ID überein oder darf vom aktuellen Konto nicht heruntergeladen werden
410	`artifact_expired`	`The result has expired.`	Die Aufbewahrungsfrist des Ergebnisses ist abgelaufen
413	`request_too_large`	`Request body is too large. Reduce the request size and try again.`	Der gesamte Anfrageinhalt überschreitet 32 MiB
413	`image_too_large`	`Image is too large. Reduce the image size and try again.`	Ein von der Bild-API dekodiertes Einzelbild überschreitet die Verarbeitungsgrenze des Modells
422	`image_not_generated`	`The expected image was not generated.`	Der Modellanbieter hat die Anfrage abgeschlossen, aber kein auslieferbares Bild zurückgegeben
429	`rate_limited`	`Too many requests. Please slow down and retry.`	AIHubMix begrenzt die Anfragerate des aktuellen Kontos oder API Keys
429	`upstream_rate_limited`	`Upstream service is rate limiting. Please retry later.`	Der Modellanbieter hat einen Fehler wegen einer Ratenbegrenzung zurückgegeben
429	`too_many_downloads`	`Download limit exceeded for this result.`	Die maximale Downloadanzahl eines einzelnen Ergebnisses ist erreicht
500	`internal_error`	`Internal error. Please retry.`	Es ist ein interner Fehler aufgetreten, den der Aufrufer nicht beheben kann
502	`upstream_unreachable`	`Upstream service is temporarily unavailable. Please retry.`	Der Modellanbieter ist nicht erreichbar oder seine Antwort konnte nicht vollständig gelesen werden
502	`upstream_bad_response`	`Upstream service returned an invalid response.`	Der Modellanbieter hat eine Antwort zurückgegeben, die die Plattform nicht verarbeiten kann
502	`upstream_error`	`Upstream service is temporarily unavailable. Please retry.`	Der Modellanbieter hat einen Dienstfehler zurückgegeben
503	`model_unavailable`	`The requested model is temporarily unavailable.`	Das ausgewählte Modell ist vorübergehend nicht verfügbar
503	`service_unavailable`	`Service is temporarily unavailable. Please retry.`	Der Abfrage-, Download- oder Ergebnisdienst ist vorübergehend nicht verfügbar
504	`sync_timeout`	`Generation timed out. Please retry.`	Die synchrone Generierung wurde nicht innerhalb der Wartezeit abgeschlossen

Der message für media_form_unsupported wird anhand der bestätigten Ursache erzeugt. Häufige Vorlagen sind:

Fall	`message`
Nicht unterstütztes Format	`Unsupported <media-kind> format: <detected-format>. Supported formats for this model: <allowed-formats>.`
Ungültige Bild- oder Videodaten	`The <media-kind> data is invalid. Provide a valid <media-kind>.`
Ungültige Daten, wenn der Medientyp nicht bestimmt werden kann	`The media data is invalid. Provide valid media data.`
Medien-URL nicht erreichbar	`The <media-kind> URL could not be accessed. Make sure it is publicly accessible and returns a valid <media-kind>.`
Medium kann nicht dekodiert werden	`Unable to process the <media-kind>. Check that the <media-kind> data or URL is valid and supported.`
Medium einer Nicht-Bild-Aufgabe überschreitet die Grenze	`The <media-kind> is too large. Reduce the <media-kind> size and try again.`
Konkrete Ursache kann nicht sicher bestimmt werden	`Unable to process the media. Check that the media data or URL is valid and supported.`

Wenn ein Modell beispielsweise PNG, JPEG, WebP, HEIC und HEIF erlaubt, gibt ein GIF-Bild Folgendes zurück:

Unsupported image format: GIF. Supported formats for this model: PNG, JPEG, WebP, HEIC, and HEIF.

HTTP 200 + Task `status=failed`

Eine erfolgreiche Abfrage bedeutet nicht, dass die Generierung erfolgreich war. Wenn eine Aufgabe den Status failed hat, liest der Client die Ursache aus error.code und error.message des Aufgabenobjekts:

{
  "id": "task_01K0ABCDEF",
  "status": "failed",
  "error": {
    "code": "media_form_unsupported",
    "message": "Unsupported image format: GIF. Supported formats for this model: PNG, JPEG, WebP, HEIC, and HEIF."
  }
}

Task `code`	`message`	Beschreibung
`media_form_unsupported`	Dynamische Medienmeldung, wie oben	Format-, Daten-, URL-, Dekodierungs- oder Größenfehler eines Mediums in einer asynchronen Aufgabe
`image_too_large`	`Image is too large. Reduce the image size and try again.`	Das Eingabebild einer asynchronen Bildaufgabe überschreitet die Grenze
`image_not_generated`	`The expected image was not generated.`	Der Modellanbieter hat kein auslieferbares Bild zurückgegeben
`upstream_rejected`	`Upstream service rejected the request.`	Der Modellanbieter hat die Erstellungsanfrage abgelehnt
`upstream_rate_limited`	`Upstream service is rate limiting. Please retry later.`	Der Modellanbieter hat einen Fehler wegen einer Ratenbegrenzung zurückgegeben
`upstream_unreachable`	`Upstream service is temporarily unavailable. Please retry.`	Der Modellanbieter war beim Erstellen der Aufgabe nicht erreichbar oder seine Antwort konnte nicht vollständig gelesen werden
`upstream_bad_response`	`Upstream service returned an invalid response.`	Die Antwort des Modellanbieters kann nicht verarbeitet werden
`upstream_error`	`Upstream service is temporarily unavailable. Please retry.`	Der Modellanbieter konnte die Aufgabe nicht erstellen oder ausführen
`upstream_empty_output`	`The upstream service completed without producing a usable result. Please retry.`	Der Modellanbieter hat die Aufgabe abgeschlossen, aber kein auslieferbares Ergebnis erzeugt
`output_policy_violation`	`Generated content was rejected by the content policy.`	Der generierte Inhalt wurde von der Inhaltsrichtlinie abgelehnt
`sync_timeout`	`Generation timed out. Please retry.`	Das Warten auf das Generierungsergebnis hat das Zeitlimit überschritten
`internal_error`	`Internal error. Please retry.`	Bei der Verarbeitung der asynchronen Aufgabe ist ein interner Fehler aufgetreten

Vollständiges Videobeispiel

import os
import time

import requests

base_url = "https://aihubmix.com"
headers = {
    "Authorization": f"Bearer {os.environ['AIHUBMIX_API_KEY']}",
    "Content-Type": "application/json",
}

response = requests.post(
    f"{base_url}/ai/v1/videos",
    headers=headers,
    json={
        "model": "wan2.6-t2v",
        "prompt": "A cat playing jazz on a piano",
        "duration": 5,
        "size": "1280x720",
    },
    timeout=60,
)
response.raise_for_status()
task = response.json()

while task["status"] not in {"completed", "failed", "cancelled"}:
    time.sleep(15)
    response = requests.get(
        f"{base_url}/ai/v1/videos/{task['id']}",
        headers=headers,
        timeout=30,
    )
    response.raise_for_status()
    task = response.json()

if task["status"] == "completed":
    result = requests.get(
        f"{base_url}/ai/v1/videos/{task['id']}/content",
        headers=headers,
        timeout=120,
    )
    result.raise_for_status()
    with open("result.mp4", "wb") as file:
        file.write(result.content)
else:
    raise RuntimeError(task.get("error") or task["status"])

import { writeFile } from "node:fs/promises";

const baseUrl = "https://aihubmix.com";
const headers = {
  Authorization: `Bearer ${process.env.AIHUBMIX_API_KEY}`,
  "Content-Type": "application/json",
};

const created = await fetch(`${baseUrl}/ai/v1/videos`, {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "wan2.6-t2v",
    prompt: "A cat playing jazz on a piano",
    duration: 5,
    size: "1280x720",
  }),
});
if (!created.ok) throw new Error(await created.text());
let task = await created.json();

const finished = new Set(["completed", "failed", "cancelled"]);
while (!finished.has(task.status)) {
  await new Promise((resolve) => setTimeout(resolve, 15_000));
  const polled = await fetch(`${baseUrl}/ai/v1/videos/${task.id}`, { headers });
  if (!polled.ok) throw new Error(await polled.text());
  task = await polled.json();
}

if (task.status === "completed") {
  const result = await fetch(`${baseUrl}/ai/v1/videos/${task.id}/content`, {
    headers,
  });
  if (!result.ok) throw new Error(await result.text());
  await writeFile("result.mp4", Buffer.from(await result.arrayBuffer()));
} else {
  throw new Error(JSON.stringify(task.error ?? task.status));
}

Häufig gestellte Fragen

Sollte eine Medienaufgabe über /ai/v1/tasks/{id} oder den Detailendpunkt für Medien abgefragt werden? Verwenden Sie zum Polling des Generierungsstatus den Detailendpunkt für Medien: /ai/v1/images/{id} für Bilder und /ai/v1/videos/{id} für Videos. /ai/v1/tasks/{id} gibt eine schreibgeschützte Momentaufnahme zurück. Warum verursacht seconds in einer Videoanfrage einen Parameterfehler? Das Standardprotokoll von /ai/v1/videos verwendet für duration eine ganze Zahl in Sekunden. Die konkret zulässigen Werte hängen von den unterstützten Parametern des jeweiligen Modells ab. Warum verursacht resolution bei einigen Videomodellen einen Parameterfehler? Das Standardprotokoll für Videos enthält resolution und size, doch das konkrete Modell kann die verfügbaren Felder einschränken. wan2.6-t2v verwendet beispielsweise size und akzeptiert resolution nicht. Wie lässt sich eine Medienaufgabe wiederfinden, wenn die Erstellungsantwort verloren gegangen ist? Rufen Sie für Bilder GET /ai/v1/images und für Videos GET /ai/v1/videos auf. Die Listen unterstützen die Parameter after, limit und order für die Seitennavigation. Warum unterscheiden sich die output-Felder der beiden Detailendpunkte? Der Detailendpunkt für Medien stellt vereinfachte Felder für den direkten Download bereit. Der einheitliche Aufgabenendpunkt liefert zusätzlich result_id und content_type sowie truncated für LLM-Archive. Was ist zu tun, wenn kein Webhook empfangen wurde? Stellen Sie sicher, dass die Callback-URL öffentlich erreichbar ist und zeitnah 2xx zurückgibt. Fragen Sie anschließend den endgültigen Status über den Detailendpunkt für Medien ab.

Zuletzt aktualisiert: 2026-08-12

Videotutorial: Asynchrone Aufgaben

Asynchrone Aufgaben in der Konsole aktivieren

​Schnellstart

​Wie wählt man zwischen den drei Endpunktgruppen?

​Unterschied zwischen Medienendpunkten und einheitlichen Aufgabenendpunkten

​Wie findet man asynchrone Medienmodelle und ruft ihre Schemas ab?

​Modelle mit Unterstützung für die asynchronen APIs auflisten

​Anfrageschema eines einzelnen Modells abrufen

​Unterstützte Modelle und Felder

​Modelle für die Wiederherstellung unterbrochener LLM-Antworten

​Wie erstellt man Bildaufgaben?

​Synchrone Bilder

​Asynchrone Bilder

​Standardfelder für Bilder

​Wie erstellt man Videoaufgaben?

​Standardfelder für Videos

​Objekt einer Medienaufgabe

​Statusbeschreibung

​Wie fragt man Medienaufgaben ab?

​Mediendetails abfragen

​Medienliste abfragen

​Wie verwendet man einheitliche Aufgabenendpunkte?

​Medienergebnisse herunterladen

​Bilder herunterladen

​Videos herunterladen

​Webhooks verwenden

​Callback-Anfrage

​Wiederholungsversuche und Deduplizierung

​Funktionsweise der Wiederherstellung unterbrochener LLM-Antworten

​Fehlerantworten und Fehlercodes

Feedback zu HTTP-5xx-Fehlern senden

​HTTP-Fehler außerhalb des 2xx-Bereichs

​HTTP 200 + Task status=failed

​Vollständiges Videobeispiel

​Häufig gestellte Fragen

Schnellstart

Wie wählt man zwischen den drei Endpunktgruppen?

Unterschied zwischen Medienendpunkten und einheitlichen Aufgabenendpunkten

Wie findet man asynchrone Medienmodelle und ruft ihre Schemas ab?

Modelle mit Unterstützung für die asynchronen APIs auflisten

Anfrageschema eines einzelnen Modells abrufen

Unterstützte Modelle und Felder

Modelle für die Wiederherstellung unterbrochener LLM-Antworten

Wie erstellt man Bildaufgaben?

Synchrone Bilder

Asynchrone Bilder

Standardfelder für Bilder

Wie erstellt man Videoaufgaben?

Standardfelder für Videos

Objekt einer Medienaufgabe

Statusbeschreibung

Wie fragt man Medienaufgaben ab?

Mediendetails abfragen

Medienliste abfragen

Wie verwendet man einheitliche Aufgabenendpunkte?

Medienergebnisse herunterladen

Bilder herunterladen

Videos herunterladen

Webhooks verwenden

Callback-Anfrage

Wiederholungsversuche und Deduplizierung

Funktionsweise der Wiederherstellung unterbrochener LLM-Antworten

Fehlerantworten und Fehlercodes

HTTP-Fehler außerhalb des 2xx-Bereichs

HTTP 200 + Task `status=failed`

Vollständiges Videobeispiel

Häufig gestellte Fragen