一、为什么要关注 SenseNova Token Plan？

2026 年的大模型市场，几乎所有主流厂商都在收紧免费策略。OpenAI 的免费额度被砍到几乎为零，DeepSeek 的免费调用窗口快速收窄，国内其他平台也纷纷上线计费。在这个背景下，商汤日日新 SenseNova 的 Token Plan 显得尤为特别——它不仅没有收紧，反而把免费窗口开得更大。

二、免费套餐全解析

三、注册与获取 API Key（3 步搞定）

四、API 调用全攻略

4.1 基础调用（curl）

最直接的验证方式，一行命令即可确认 API 是否正常工作：

curl --location 'https://token.sensenova.cn/v1/chat/completions' \
  --header 'Content-Type: application/json' \
  --header 'Authorization: Bearer <YOUR_API_KEY>' \
  --data '{
    "model": "sensenova-6.7-flash-lite",
    "max_tokens": 2000,
    "messages": [
      {"role": "user", "content": "你好，简单介绍一下你自己"}
    ]
  }'

4.2 Python 基础调用（requests）

使用 Python 原生 requests 库，无需额外依赖：

import os
import requests

API_KEY = os.environ["SENSENOVA_API_KEY"]
URL = "https://token.sensenova.cn/v1/chat/completions"

resp = requests.post(
    URL,
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json",
    },
    json={
        "model": "sensenova-6.7-flash-lite",
        "max_tokens": 2000,
        "messages": [
            {"role": "user", "content": "你好，简单介绍一下你自己"},
        ],
    },
    timeout=60,
)
resp.raise_for_status()
data = resp.json()
print(data["choices"][0]["message"]["content"])

4.3 使用 OpenAI SDK 调用（推荐）

得益于 OpenAI 协议兼容，可以直接使用 openai-python 库，代码几乎一模一样：

pip install openai

# 然后调用
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["SENSENOVA_API_KEY"],
    base_url="https://token.sensenova.cn/v1",
)

completion = client.chat.completions.create(
    model="sensenova-6.7-flash-lite",
    max_tokens=2000,
    temperature=0.7,
    messages=[{"role": "user", "content": "你好"}],
)
print(completion.choices[0].message.content)

4.4 多轮对话

维护对话历史，实现上下文感知的多轮交互：

import requests

URL = "https://token.sensenova.cn/v1/chat/completions"
headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
}

# 维护对话历史
history = [
    {"role": "system", "content": "你是一个简洁的助手，回答不超过 20 个字。"},
]

def chat(user_msg: str) -> str:
    history.append({"role": "user", "content": user_msg})
    resp = requests.post(URL, headers=headers, timeout=60, json={
        "model": "sensenova-6.7-flash-lite",
        "max_tokens": 2000,
        "messages": history,
    })
    reply = resp.json()["choices"][0]["message"].get("content", "")
    # 回传历史时只保留 content，不要把 reasoning 放进去
    history.append({"role": "assistant", "content": reply})
    return reply

print(chat("法国的首都是？"))   # → 巴黎。
print(chat("那德国呢？"))       # → 柏林。

4.5 图片（多模态）输入

SenseNova 6.7 Flash-Lite 支持 OpenAI Vision 兼容格式的图片输入，提供 URL 与 Base64 两种传入方式：

方式 A：通过 URL

resp = requests.post(URL, headers=headers, timeout=120, json={
    "model": "sensenova-6.7-flash-lite",
    "max_tokens": 2000,
    "messages": [{
        "role": "user",
        "content": [
            {"type": "text", "text": "图中是什么？"},
            {"type": "image_url", "image_url": {
                "url": "https://example.com/photo.jpg"
            }},
        ],
    }],
})
print(resp.json()["choices"][0]["message"]["content"])

方式 B：通过 Base64（本地图片）

import base64
import mimetypes

def to_data_url(path: str) -> str:
    mime = mimetypes.guess_type(path)[0] or "image/png"
    with open(path, "rb") as f:
        b64 = base64.b64encode(f.read()).decode()
    return f"data:{mime};base64,{b64}"

resp = requests.post(URL, headers=headers, timeout=120, json={
    "model": "sensenova-6.7-flash-lite",
    "max_tokens": 2000,
    "messages": [{
        "role": "user",
        "content": [
            {"type": "text", "text": "描述这张图片"},
            {"type": "image_url", "image_url": {
                "url": to_data_url("./photo.png"),
            }},
        ],
    }],
})

4.6 流式输出

将 stream 设为 true，服务端以 SSE 协议推送增量结果：

import json
import requests

with requests.post(URL, headers=headers, stream=True, timeout=120, json={
    "model": "sensenova-6.7-flash-lite",
    "stream": True,
    "max_tokens": 2000,
    "messages": [{"role": "user", "content": "写一首关于春天的诗"}],
}) as r:
    for line in r.iter_lines(decode_unicode=True):
        if not line or not line.startswith("data:"):
            continue
        payload = line[5:].strip()
        if payload == "[DONE]":
            break
        chunk = json.loads(payload)
        if not chunk.get("choices"):
            print("\n[usage]", chunk.get("usage"))
            continue
        delta = chunk["choices"][0].get("delta", {})
        if "content" in delta:
            print(delta["content"], end="", flush=True)

4.7 推荐采样参数

五、通过 Agent 框架接入

5.1 OpenClaw（推荐）

商汤官方推荐运行时，配置完成后即可在 Agent 中直接调用 SenseNova：

# 安装
curl -fsSL https://openclaw.ai/install.sh | bash
# 或
npm install -g openclaw@latest

# 配置
openclaw onboard --install-daemon
# 依次输入：
#   Setup mode:           QuickStart
#   Model provider:       Custom Provider
#   API Base URL:         https://token.sensenova.cn/v1
#   API Key:              <你的 API Key>
#   Compatibility:        OpenAI-compatible
#   Model ID:             sensenova-6.7-flash-lite

# 验证
openclaw agent --message "你好，自我介绍一下" --agent main

5.2 Hermes Agent

# 安装
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# 配置
hermes config set model.provider custom
hermes config set model.base_url https://token.sensenova.cn/v1
hermes config set model.api_key "<你的 API Key>"
hermes config set model.name sensenova-6.7-flash-lite
hermes config set model.default custom/sensenova-6.7-flash-lite

# 验证
hermes setup
# 启动后输入"你好"，能返回中文回答即成功

六、响应结构与数据解析

理解响应结构，才能充分利用返回的每一个字段：

{
  "id": "da48c12a-...",
  "request_id": "da48c12a-...",
  "model": "sensenova-6.7-flash-lite",
  "object": "chat.completion",
  "created": 1776952631,
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": "你好！我是 SenseNova...",
      "reasoning": "Thinking Process: ..."
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 37,
    "completion_tokens": 762,
    "total_tokens": 799
  }
}

七、常见错误码

八、总结与建议