task_id zurück; abgebrochene LLM-Anfragen führt die Plattform weiter aus und speichert die finale Antwort. Alle drei nutzen dieselben Aufgabenstatus, denselben Abfrageendpunkt und denselben Ablauf zum Herunterladen der Ergebnisse.
Bitte verwenden Sie zum Abfragen der Aufgabe und zum Herunterladen der Ergebnisse denselben API Key, mit dem die Aufgabe erstellt wurde. Aufgaben sind nach API Key isoliert. Auch zwei Keys desselben Kontos können die Aufgaben des jeweils anderen nicht lesen.
Asynchrone Aufgaben in der Konsole aktivieren
Aktivieren Sie die Funktion für asynchrone Aufgaben für Ihr Konto, bevor Sie asynchrone Bild- oder Videoaufgaben erstellen. Zeigt die Konsole diesen Eintrag noch nicht an, wenden Sie sich an den technischen Support von AIHubMix.
1. Schnellstart
Der vollständige Ablauf asynchroner Bild- und Videoaufgaben besteht aus drei Schritten:2. Synchroner Aufruf und asynchrone Aufgabe im Vergleich
Ein synchroner Aufruf liefert das Ergebnis innerhalb einer HTTP-Antwort; nach einem Verbindungsabbruch ist das Ergebnis nicht mehr abrufbar. Asynchrone Aufgaben speichern das Ergebnis auf der Plattform. Die
task_id lässt sich vor Ablauf des Ergebnisses mit demselben API Key erneut abfragen und herunterladen. Das eignet sich für länger laufende Generierungsanfragen sowie für lange Textausgaben, deren finale Antwort nach einem Abbruch abgerufen werden soll.
3. Überblick über die Endpunkte
Base URL:
https://aihubmix.com, die Authentifizierung erfolgt per Bearer Token:
/ai/v1/tasks ist ein rein lesender, einheitlicher Abfrageendpunkt; POST /ai/v1/tasks wird nicht angeboten. Bilder und Videos werden jeweils über den zugehörigen Generierungsendpunkt erstellt. Anfragen, die die Bedingungen der LLM-Wiederherstellung nach Abbruch erfüllen, werden nach einem Abbruch des Clients automatisch als llm-Aufgabe erfasst.4. Unterstützte Modelle
Der unterstützte Umfang asynchroner Aufgaben richtet sich nach dem Aufgabentyp, beim Aufruf sind keine zusätzlichen Parameter nötig.4.1 Asynchrone Bilder
4.2 Asynchrone Videos
4.3 LLM-Wiederherstellung nach Abbruch
Der unterstützte Umfang wird laufend erweitert, diese Tabelle wird entsprechend aktualisiert.
5. Wie erstellt man asynchrone Aufgaben?
5.1 Asynchrone Bilder
Der Bildendpunkt gibt standardmäßig synchron zurück. Wirdasync auf true gesetzt, gibt der Endpunkt sofort das Aufgabenobjekt zurück und die Generierung läuft im Hintergrund weiter.
async muss ein boolescher Wert sein. Wird das Feld nicht übergeben oder auf false gesetzt, behält der Bildendpunkt sein synchrones Verhalten.
5.2 Asynchrone Videos
Der Videoendpunkt arbeitet immer asynchron. Nach erfolgreicher Erstellung wird der Statuspending oder in_progress zurückgegeben. Ein Umschalten auf synchrones Warten über Prefer: wait wird nicht unterstützt.
5.3 Gemeinsame Parameter
model, prompt, n, seconds und size in den Beispielen sind gängige Modellparameter. Welche Felder und Werte ein Modell unterstützt, richtet sich nach der API-Dokumentation des jeweiligen Modells; für Videomodelle siehe die Dokumentation zur Videogenerierung. Die folgende Tabelle beschreibt nur die Parameter, die alle asynchronen Aufgaben gemeinsam nutzen.
Bildaufgaben können Webhooks nur bei
async: true verwenden. Wird webhook_events_filter weggelassen, pusht die Plattform die drei Endstatus completed, failed und cancelled. Bei Angabe muss das Feld zusammen mit webhook_url verwendet werden und darf weder leer sein noch Duplikate enthalten.6. Wie funktioniert die LLM-Wiederherstellung nach Abbruch?
Die LLM-Wiederherstellung nach Abbruch dient dazu, die finale Antwort nach einem Verbindungsabbruch des Clients abzurufen. Diese Funktion nutzt die bestehende Art der LLM-Anfrage, Streaming-Verhalten und Antwortformat bleiben unverändert. Ein zusätzlicher Endpunkt zum Erstellen ist nicht erforderlich, und es wird vorab keinetask_id zurückgegeben.
6.1 Bedingungen für die Wirksamkeit
Die folgenden Bedingungen müssen gleichzeitig erfüllt sein:
Unterstützte Endpunkte:
Beim Aufruf sind keine zusätzlichen Felder zu übergeben. Den unterstützten Umfang finden Sie unter 4.3 LLM-Wiederherstellung nach Abbruch. Für Modelle, die dort nicht aufgeführt sind, lässt sich die Wiederherstellung nach Abbruch vor der produktiven Anbindung mit einer kostengünstigen Anfrage prüfen; solche Prüfanfragen werden regulär abgerechnet. Ist eine der Bedingungen nicht erfüllt, wird die Anfrage weiterhin normal ausgeführt, nach einem Abbruch des Clients entsteht jedoch keine
llm-Aufgabe.6.2 Ablauf nach einem Abbruch
6.3 Die zugehörige abgebrochene Anfrage finden
Die LLM-Antwortheader enthaltenX-Aihubmix-Request-Id. Der Client sollte diesen Wert unmittelbar nach Erhalt der Antwortheader speichern. Nach einem Abbruch lässt sich damit in der Liste der asynchronen Aufgaben in der AIHubMix-Konsole die zugehörige Aufgabe finden.
Die öffentliche Aufgaben-API unterstützt derzeit kein Filtern nach Request-ID. Ohne gespeicherte Request-ID bleibt nur die Suche nach Modell und Erstellungszeit, und zwar mit demselben API Key, mit dem die Anfrage erstellt wurde:
7. Aufgabenobjekt und Status
Alle Aufgaben verwenden dieselbe Antwortstruktur:
Ergebnisfelder in
output:
7.1 Statusbeschreibung
Empfohlen wird eine Abfrage alle 15 Sekunden, bis der Status auf
completed, failed oder cancelled wechselt.
Auch Aufgaben mit
failed oder cancelled können bereits erzeugte Teilergebnisse enthalten. Prüfen Sie neben dem Status auch, ob output leer ist.8. Wie fragt man Aufgaben ab?
8.1 Aufgabendetails abfragen
8.2 Aufgabenliste abfragen
Ist die Antwort bei der Erstellung verloren gegangen oder möchten Sie mehrere zurückliegende Aufgaben einsehen, lässt sich dietask_id über den Listenendpunkt wiederfinden:
Beispielantwort:
Die nächste Seite anfordern:
9. Wie ruft man Aufgabenergebnisse ab?
9.1 Aufgaben mit einem Ergebnis
Enthältoutput nur eine Datei, ist der direkte Zugriff möglich:
output[0].content_url direkt verwenden. Der Content-Type der Download-Antwort entspricht output[0].content_type.
9.2 Aufgaben mit mehreren Ergebnissen
Enthältoutput mehrere Dateien, muss die zugehörige result_id angegeben werden:
result_id angegeben, gibt der Endpunkt 400 result_id_required zurück.
9.3 LLM-Antwortaufgaben
Sind die Bedingungen der LLM-Wiederherstellung nach Abbruch erfüllt und ist die Antwort gespeichert, hat die Aufgabe im Feldobject den Wert llm und der Eintrag in output im Feld type den Wert response. Mögliche Inhaltstypen:
application/json: normale JSON-Antworttext/event-stream: gespeicherte SSE-Streaming-Antwort
output[0].truncated. Der Wert true bedeutet, dass die gespeicherte Antwort wegen einer Größenbeschränkung abgeschnitten wurde. GET /ai/v1/tasks/{task_id}/content gibt den Original-JSON- oder SSE-Inhalt zurück und umschließt ihn nicht zusätzlich mit einem truncated-Feld. Fragen Sie deshalb zuerst die Aufgabendetails ab und lesen Sie danach den Inhalt.
10. Wie verwendet man Webhooks?
Derzeit wird ein Webhook auf Aufgabenebene beim Erstellen einer asynchronen Aufgabe unterstützt. Soll AIHubMix Sie nach Abschluss der Aufgabe aktiv benachrichtigen, übergeben Siewebhook_url und optional webhook_events_filter im Request-Body der asynchronen Bild- oder Videoanfrage:
10.1 Callback-Anfrage
AIHubMix sendet einePOST-Anfrage an die Callback-Adresse:
Für die URLs in
results ist weiterhin der API Key erforderlich, mit dem die Aufgabe erstellt wurde.
10.2 Wiederholung und Deduplizierung
Die Plattform versucht die Zustellung mindestens einmal, dasselbe Ereignis kann daher mehrfach gesendet werden:- HTTP
2xxbedeutet erfolgreicher Empfang. - HTTP
5xx, Netzwerkfehler oder Timeouts lösen eine Wiederholung aus. - HTTP
3xxund4xxwerden nicht wiederholt. - Maximal 6 Zustellversuche, die Wiederholungsabstände betragen der Reihe nach 1, 4, 16, 64 und 256 Sekunden.
event_id speichern. Trifft dieselbe event_id erneut ein, überspringen Sie die Geschäftslogik und geben Sie direkt 2xx zurück.
11. Fehlerantworten und Fehlercodes
Fehlerantworten verwenden eine einheitliche Struktur:12. Vollständiges Beispiel
Vollständiger Ablauf zum Erstellen einer Videoaufgabe, Abfragen des Status und Herunterladen aller Ergebnisse:Häufige Fragen
Wie oft sollte der Aufgabenstatus abgefragt werden? Empfohlen wird eine Abfrage alle 15 Sekunden, um häufiges Polling zu vermeiden. Auch bei Verwendung von Webhooks sollte eine Abfrage mit niedriger Frequenz als Absicherung bestehen bleiben. Wie findet man eine Aufgabe wieder, wenn die Antwort bei der Erstellung verloren gegangen ist? Rufen SieGET /ai/v1/tasks mit demselben API Key auf, mit dem die Aufgabe erstellt wurde. Über object, model und status lässt sich die Treffermenge eingrenzen.
Warum findet ein anderer API Key desselben Kontos die Aufgabe nicht?
Aufgaben sind nach API Key isoliert. Abfrage-, Download- und Listenanfragen müssen denselben Key verwenden, mit dem die Aufgabe erstellt wurde.
Warum ist output kein leeres Array, obwohl die Aufgabe fehlgeschlagen ist?
Einige Modelle können vor dem endgültigen Fehlschlag oder Abbruch bereits verwertbare Ergebnisse erzeugt haben. Sobald in output ein content_url oder ein b64_json vorhanden ist, lässt sich das Ergebnis auf dem jeweiligen Weg abrufen.
Was tun, wenn kein Webhook eintrifft?
Prüfen Sie, ob die Callback-Adresse öffentlich erreichbar ist, HTTPS verwendet und innerhalb von 10 Sekunden 2xx zurückgibt. Unabhängig von der Webhook-Nutzung lässt sich der Endstatus über GET /ai/v1/tasks/{task_id} abfragen.
Muss bestehender Code für die LLM-Wiederherstellung nach Abbruch geändert werden?
Nein. Die Art der Anfrage, das Streaming-Verhalten und das Antwortformat bleiben unverändert. Es wird empfohlen, den Antwortheader X-Aihubmix-Request-Id zu speichern, um die zugehörige Aufgabe nach einem Abbruch in der Konsole genau zu finden.
Aktualisiert am: 2026-07-28