API Docs

Quick start

1. यहाँ जाएँ: API Console और एक key बनाएँ। cgw-sk-... value copy कर लें — यह सिर्फ़ एक बार दिखती है।
2. अपना balance top up करें: Billing। एक ही balance API calls और GPU rentals दोनों के लिए काम करता है।
3. Request भेजें:

cURL
curl https://cloudgpu.app/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $CLOUDGPU_API_KEY" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Say hi in one sentence."}
    ]
  }'

Authentication

हर request /v1/* requires an Authorization: Bearer cgw-sk-<your_key> header. Keys are scoped to your CloudGPU account. Revoke any key any time from the console; revocation takes effect immediately.

The raw key is shown exactly once at creation time. We store only a sha256 hash; we cannot recover it if you lose it. Create a new key if that happens.

Endpoints

Embeddings अभी उपलब्ध नहीं हैं।

Streaming

Request body में "stream": true पास करें। Response OpenAI format में Server-Sent Events होता है। OpenAI SDK इसे अपने-आप संभाल लेता है।

Python (streaming)
# Streaming — same client, stream=True
for chunk in client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Count to 5."}],
    stream=True,
):
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

SDKs

हम अपना SDK नहीं देते — OpenAI SDK बिना बदलाव के काम करता है, इसके साथ: base_url override करें।

Python
# pip install openai>=1.0
from openai import OpenAI

client = OpenAI(
    api_key="cgw-sk-...",                     # from /api/console
    base_url="https://cloudgpu.app/v1",
)

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Say hi."}],
)
print(resp.choices[0].message.content)
print(f"Used {resp.usage.total_tokens} tokens")

Node.js
// npm install openai
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.CLOUDGPU_API_KEY,
  baseURL: "https://cloudgpu.app/v1",
});

const resp = await client.chat.completions.create({
  model: "deepseek-v4-flash",
  messages: [{ role: "user", content: "Say hi." }],
});
console.log(resp.choices[0].message.content);

Pricing और billing

मॉडल के अनुसार आप प्रति token, प्रति image, प्रति अक्षर या प्रति सेकंड audio भुगतान करते हैं; हर मॉडल की मौजूदा दर https://cloudgpu.app/api की price table में है। कुछ भी प्रति घंटा meter नहीं होता और कोई मासिक न्यूनतम नहीं है।

Each request deducts from your prepaid balance. Successful calls show in your console within ~1 second with full token counts and dollar cost.

हर model की पूरी pricing table landing page पर.

GPU instances

यही API key GPU भी rent करती है: shelf पर क्या है उसकी list देखें, किसी template से instance शुरू करें, running होने तक poll करें, उसके SSH details और public API endpoint पढ़ें, उसे destroy करें। Billing web console जैसी ही है — प्रति मिनट, उसी balance से।

यह section REST API के बारे में है। हर account इसे उसी API key से इस्तेमाल कर सकता है। एक account एक साथ कितने instances चला सकता है, यह उसकी top-up history पर निर्भर करता है: जिन accounts ने कभी top up नहीं किया उनके लिए 1, पहले top-up के बाद 3, और कुल $100 के top-ups के बाद 10।

Cursor, Cline, opencode, Claude Code या कोई दूसरा AI coding assistant इस्तेमाल कर रहे हैं? CloudGPU MCP server इस API को wrap करता है ताकि assistant GPU rent कर सके, job चला सके, नतीजे download कर सके और उसे बंद कर सके।

curl -X POST https://cloudgpu.app/v1/gpu/instances \
  -H "Authorization: Bearer $CLOUDGPU_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"gpu_model": "RTX 4090", "template": "ollama",
       "max_minutes": 120, "max_spend_usd": 2, "idle_minutes": 30}'

# 202 Accepted
{"id":"2096…","object":"gpu.instance","gpu_model":"RTX 4090","gpu_count":1,"template":"ollama",
 "status":"creating","ssh":null,"api_url":null,
 "limits":{"max_minutes":120,"max_spend_usd":2,"idle_minutes":30,"expires_at":null,"stopped_by":null}, …}

# poll GET /v1/gpu/instances/{id} until status is "running";
# then ssh.host / ssh.port / ssh.password and api_url (for API templates) are filled in.

अन्य limits: प्रति key प्रति घंटा 20 creations और प्रति मिनट 60 GPU API requests। असली workload के लिए इन्हें बढ़वाने हेतु support@cloudgpu.app से कहें।

Rate limits

ये defaults public beta के दौरान abuse रोकने के लिए हैं। अगर आपको इन्हें बढ़वाना हो तो हमसे संपर्क करें — किसी भी असली workload के लिए हम खुशी से बढ़ा देंगे, बस use case बता दें।

Errors

Error responses OpenAI के format का पालन करते हैं: HTTP status code + JSON body { error: { type, code, message } }.