Diese Schlüssel ermöglichen es, die bereitgestellten KI-Modelle einfach und sicher in eigenen Anwendungen, Skripten oder Tools einzubinden. Durch die Verwendung von API-Keys wird die Handhabung für Nutzerinnen und Nutzer erleichtert und gleichzeitig ein sicherer Zugang gewährleistet.

Studierende können Zugang zu LiteLLM per Email an den IT Support (it-support@fh-muenster.de) beantragen.

Verfügbare Modelle und Preise

Alle über LiteLLM verfügbaren Modelle (inkl. Kosten) sind hier abrufbar: https://litellm-models.fh-muenster.de/

Videomodelle werden nicht über Token sondern über Videolänge abgerechnet. Hier geht's zu den Preisen für Google's Veo.

Ankündigungen und Änderungen

Abonnieren Sie die FHAI-Mailingliste, um über Ankündigungen und Änderungen rund um das KI-Angebot an der FH Münster informiert zu werden.

Inhalt

01. Anfrage eines LiteLLM Schlüssels

02. Day 2 Actions

03. API-Informationen

04. Beispiele

05. Budget

06. Feedback

...

Image Removed

Navigieren Sie zu https://vra02.vmware.fh-muenster.de/ und loggen sich mit Ihrer FH-Kennung und dem zugehörigen Passwort ein.
Klicken Sie im Service Broker auf "Consume", tippen Sie im Suchfeld "LiteLLM" ein und bestätigen die Eingabe mit drücken der Enter-Taste. Klicken Sie anschließend unter "LiteLLM" auf "Request".

Image Removed

Klicken Sie auf "Submit".

Das Deployment läuft jetzt automatisch. Sie erhalten nach wenigen Sekunden eine Email mit dem generierten Schlüssel. Diesen können Sie jetzt, solange Sie sich im Netz der FH Münster befinden, verwenden. Geben Sie diesen Schlüssel nicht an Andere weiter.

...

02a) Budgetabfrage

Um Ihre aktuellen Budgetinformationen abzufragen (Maximalbudget und bisheriger Verbrauch) können Sie eine Funktion im vRA benutzen. Aktuell bekommt jeder neue Nutzer ein Budget von 30 USD pro Semester.

Image Removed

Gehen Sie im Service Broker auf "Deployments", öffnen die Detailansicht Ihres LiteLLM-Deployments und öffnen das Meatballmenü neben "litellmParent".
Hier können Sie jetzt die Funktion "Budgetabfrage" auswählen. Zukünftig hinzugefügte Funktionen werden auch hier zu finden sein.

Image Removed

Bestätigen Sie die Sicherheitsabfrage mit "Submit"

...

Für Dozenten: Selbstverwaltung von LiteLLM Zugriffen per Gruppe im myFH-Portal

Sie können in der hochschulweiten Gruppenverwaltung eine Gruppe einrichten lassen. Darüber können die Gruppeninhaberinnen und Gruppeninhaber selbst festlegen, wer LiteLLM nutzen darf, und Personen hinzufügen oder entfernen.

Mitglieder der Gruppe sehen dann im vRA Self-Service-Portal die LiteLLM-Kachel. Dort können sie sich selbst einen API-Key erstellen.

Wie Sie Gruppen verwalten, lesen Sie hier: Meine Gruppen

Mehr Budget für Lehrveranstaltungen und Arbeitsgruppen

Für Forschungs- und Arbeitsgruppen gibt es die Möglichekeit LiteLLM-Keys mit mehr Budget zu erstellen. Wenn das Standardbudget für einen Anwendungsfall nicht ausreichen sollte, können Sie mit der DVZ (it-support@fh-muenster.de) eine Kostenübernahme vereinbaren. Sie stellen den gewünschten Betrag bereit, und wir laden damit das Budget eines LiteLLM-Keys auf.

Newsletter für Ankündigungen und Änderungen

Abonnieren Sie die FHAI-Mailingliste, um über Ankündigungen und Änderungen rund um das KI-Angebot an der FH Münster informiert zu werden.

Inhalt

01. Anfrage eines LiteLLM Schlüssels

02. Day 2 Actions

03. API-Informationen

01. Anfrage eines LiteLLM Schlüssels
Anker
01
01

Image Added

Navigieren Sie zu https://vra02.vmware.fh-muenster.de/ und loggen sich mit Ihrer FH-Kennung und dem zugehörigen Passwort ein.
Klicken Sie im Service Broker auf "Consume", tippen Sie im Suchfeld "LiteLLM" ein und bestätigen die Eingabe mit drücken der Enter-Taste. Klicken Sie anschließend unter "LiteLLM" auf "Request".

Image Added

Klicken Sie auf "Submit".

Das Deployment läuft jetzt automatisch. Sie erhalten nach wenigen Sekunden eine Email mit dem generierten Schlüssel. Diesen können Sie jetzt, solange Sie sich im Netz der FH Münster befinden, verwenden. Geben Sie diesen Schlüssel nicht an Andere weiter.

02. Day 2 Actions
Anker
02
02

02a) Budgetabfrage

Um Ihre aktuellen Budgetinformationen abzufragen (Maximalbudget und bisheriger Verbrauch) können Sie eine Funktion im vRA benutzen. Aktuell bekommt jeder neue Nutzer ein Budget von 30 USD pro Semester.

Image Added

02b) Budget erweitern

Falls Ihr Initialbudget erschöpft ist können Sie eine Erweiterung des Budgets beantragen.

Image Removed

Gehen Sie im Service Broker auf "Deployments", öffnen die Detailansicht Ihres LiteLLM-Deployments und öffnen das Meatballmenü neben "litellmParent".
Hier können Sie jetzt die Funktion "Budget erweitern" auswählen.

Image Removed

Geben Sie die gewünschte Budgeterweiterung in USD an und bestätigen mit einem Klick auf "Submit".

Ihr Antrag wird dann automatisch an die DVZ geschickt. Sobald der Antrag genehmigt wird, wird die Budgeterweiterung automatisch ausgeführt und Sie bekommen eine Benachrichtigung per Email. Sämtliche Budgeterweiterungen werden zur gleichen Zeit wie die Budget-Resets wieder zurückgesetzt.

03c) Nicht-EU-Modelle

Um Zugriff auf Modelle zu bekommen, die nicht in der EU gehostet werden und damit nicht der Datenschutzgrundverordnung (DSGVO) unterliegen, muss dies erst freigeschaltet werden. Später kann man den Zugriff auf wieder beschränken.

Image Removed

Gehen Sie im Service Broker auf "Deployments", öffnen die Detailansicht Ihres LiteLLM-Deployments und öffnen das Meatballmenü neben "litellmParent".
Klicken Sie auf "Request Non EU Models"

Image Removed

Hier können Sie jetzt die Funktion "Budgetabfrage" auswählen. Zukünftig hinzugefügte Funktionen werden auch hier zu finden sein.

Image Added

Bestätigen Sie die Sicherheitsabfrage mit

Lesen Sie den Datenschutzhinweis und bestätigen Sie mit Klick auf

"Submit"

Image Removed

Sollten Sie ihren Zugriff wieder einschränken wollen, nutzen Sie die Funktion "EU Models Only"

Image Removed

Sie erhalten daraufhin eine Email mit Ihren aktuellen Budgetinformationen.

02b) Budget erweitern

Falls Ihr Initialbudget erschöpft ist können Sie eine Erweiterung des Budgets beantragen.

Image Added

Gehen Sie im Service Broker auf "Deployments", öffnen die Detailansicht Ihres LiteLLM-Deployments und öffnen das Meatballmenü neben "litellmParent".
Hier können Sie jetzt die Funktion "Budget erweitern" auswählen.

Image Added

Geben Sie die gewünschte Budgeterweiterung in USD an und bestätigen mit einem

Bestätigen Sie mit

Klick auf "Submit"

...

Image Removed

Navigieren Sie zu https://litellm.fh-muenster.de/
In der Swagger UI können Sie die möglichen Endpunkte einsehen und Details zu der jeweiligen Nutzung einsehen.
Wenn Sie gewisse Endpunkte testen möchten, können Sie sich unter "Authorize" mit ihrem LiteLLM Key authorisieren. Sie sind als Nutzer nicht für alle Endpunkte authorisiert.

03b) Chat completion Prompts

Image Removed

Prompts an die verschiedenen LLM Modelle machen Sie an den Endpunkt: /v1/chat/completions

...

04a) Chat-Modelle

Hier ein beispielhafter API Call:

Codeblock

curl https://litellm.fh-muenster.de/v1/chat/completions -H "Authorization: Bearer sk-..." -H "Content-Type: application/json" -d '{ "model": "azure/gpt-5", "messages": [ {"role": "user", "content": "Was ist der Sinn des Lebens?"} ] }'

04b) Audio-Transkription

Beispiel für Audio-Transkriptionsmodelle:

...

.

Ihr Antrag wird dann automatisch an die DVZ geschickt. Sobald der Antrag genehmigt wird, wird die Budgeterweiterung automatisch ausgeführt und Sie bekommen eine Benachrichtigung per Email. Sämtliche Budgeterweiterungen werden zur gleichen Zeit wie die Budget-Resets wieder zurückgesetzt.

03c) Nicht-EU-Modelle

Um Zugriff auf Modelle zu bekommen, die nicht in der EU gehostet werden und damit nicht der Datenschutzgrundverordnung (DSGVO) unterliegen, muss dies erst freigeschaltet werden. Später kann man den Zugriff wieder beschränken.

Image Added

Gehen Sie im Service Broker auf "Deployments", öffnen die Detailansicht Ihres LiteLLM-Deployments und öffnen das Meatballmenü neben "litellmParent".
Klicken Sie auf "Request Non EU Models"

Image Added

Lesen Sie den Datenschutzhinweis und bestätigen Sie mit Klick auf "Submit"

Image Added

Sollten Sie ihren Zugriff wieder einschränken wollen, nutzen Sie die Funktion "EU Models Only"

Image Added

Bestätigen Sie mit Klick auf "Submit"

03d) Advanced AI Modelle

Um Zugriff auf Advanced AI Modelle, wie Claude Fable 5 zu bekommen, muss dies erst freigeschaltet werden. Später kann man den Zugriff wieder beschränken.

Image Added

Gehen Sie im Service Broker auf "Deployments", öffnen die Detailansicht Ihres LiteLLM-Deployments und öffnen das Meatballmenü neben "litellmParent".
Klicken Sie auf "Zugriff auf Advanced AI Modelle beantragen"

Image Added

Lesen Sie den Datenschutzhinweis sorgfältig
Geben Sie eine Begründung für den Bedarf an
Bestätigen Sie mit Klick auf "Submit"

Bitte beachten Sie unbedingt:

Diese Modelle können eine höhere Leistungsfähigkeit bieten, unterliegen jedoch anderen Verarbeitungsbedingungen als unsere Standardmodelle (Daten könnten außerhalb der EU verarbeitet und länger gespeichert werden).
Übermitteln Sie KEINE personenbezogenen oder besonders schützenswerten Daten (z. B. Gesundheitsdaten, Prüfungsdaten, Daten Dritter) an diese Modelle.

03. API-Informationen
Anker
03
03

Image Added

...

Navigieren Sie zu

https://litellm.fh-muenster.de/

...

In der Swagger UI können Sie die möglichen Endpunkte einsehen und Details zu der jeweiligen Nutzung einsehen.
Wenn Sie gewisse Endpunkte testen möchten, können Sie sich unter "Authorize" mit ihrem LiteLLM Key authorisieren. Sie sind als Nutzer nicht für alle Endpunkte authorisiert.

03b) Chat completion Prompts

Image Added

Prompts an die verschiedenen LLM Modelle machen Sie an den Endpunkt: /v1/chat/completions

04. Beispiele
Anker
04
04

04a) Chat-Modelle

Hier ein beispielhafter API Call

04c) Video-Modelle

Videoerstellung starten:

Codeblock

curl --location 'https://litellm.fh-muenster.de/v1/videos' -H 'Content-Type: application/json'chat/completions -H '"Authorization: Bearer sk-...'" -H "Content-Type: application/json" -d '{ "model": "NOT-EU-vertex/veo-3.1-generate-previewazure/gpt-5", "promptmessages": [ {"A beautiful sunset over the ocean"}'

In der response gibt es eine Video ID. Die wird benötigt. Beispiel:

"id":"video_bGl0ZWxsbTpjdXN0b21fbGxtX3Byb3ZpZGVyOnZlcnRleF9haTttb2RlbF9pZDp2ZW8tMy4xLWdlbmVyYXRlLXByZXZpZXc7dmlkZW9faWQ6cHJvamVjdHMvZmhtdWVuc3Rlci1raS9sb2NhdGlvbnMvdXMtY2VudHJhbDEvcHVibGlzaGVycy9nb29nbGUvbW9kZWxzL3Zlby0zLjEtZ2VuZXJhdGUtcHJldmlldy9vcGVyYXRpb25zLzIzNzIxMWRjLTViNmEtNDEzYS2efdgegreghxYWFmYzIwZQ=="

Status überprüfen:

role": "user", "content": "Was ist der Sinn des Lebens?"} ] }'

04b) Audio-Transkription

Beispiel für Audio-Transkriptionsmodelle:

Codeblock

curl --location '

Codeblock

curl -k https://litellm.fh-muenster.de/v1/videos/video_bGl0ZWxsbTpjdX... -H "audio/transcriptions' --header 'Authorization: Bearer sk-...' --form 'file=@"/home/FHID/filename.mp3"' --form 'model="NOT-EU-azure/gpt-4o-transcribe"'

04c) Video-Modelle

Videoerstellung startenVideo herunterladen:

Codeblock

curl -k-location "'https://litellm.fh-muenster.de/v1/videos/video_bGl0ZWxsbTpjdX.../content"' -H 'Content-Type: application/json' -H "'Authorization: Bearer sk-...' -d '{"model": "NOT--output sunset.mp4

Video mit Referenzbild geht nur mit Python script:

EU-vertex/veo-3.1-generate-preview", "prompt": "A beautiful sunset over the ocean"}'

In der response gibt es eine Video ID. Die wird benötigt. Beispiel:

"id":"video_bGl0ZWxsbTpjdXN0b21fbGxtX3Byb3ZpZGVyOnZlcnRleF9haTttb2RlbF9pZDp2ZW8tMy4xLWdlbmVyYXRlLXByZXZpZXc7dmlkZW9faWQ6cHJvamVjdHMvZmhtdWVuc3Rlci1raS9sb2NhdGlvbnMvdXMtY2VudHJhbDEvcHVibGlzaGVycy9nb29nbGUvbW9kZWxzL3Zlby0zLjEtZ2VuZXJhdGUtcHJldmlldy9vcGVyYXRpb25zLzIzNzIxMWRjLTViNmEtNDEzYS2efdgegreghxYWFmYzIwZQ=="

Status überprüfen:

Codeblock

curl -k

Codeblock

language	python
linenumbers	true
collapse	true

import time
import requests

# FH Münster LiteLLM Server
API_BASE = "https://litellm.fh-muenster.de"
API_KEY = "/v1/videos/video_bGl0ZWxsbTpjdX... -H "Authorization: Bearer sk-..."

Video herunterladen:

Codeblock
curl -k "https://litellm.fh-muenster.de/v1/videos/video_bGl0ZWxsbTpjdX.../content" -H "Authorization: Bearer sk-..." --output sunset.mp4

Video mit Referenzbild geht nur mit Python script:

Codeblock

language	python
linenumbers	true
collapse	true

import time
import requests

# FH Münster LiteLLM Server
API_BASE = "https://litellm.fh-muenster.de"
API_KEY = "sk-..." # Hier Ihren LiteLLM API Schlüssel einfügen

def check_for_budget_error(response):
    """Prüft ob das Budget überschritten wurde"""
     # Hier Ihren LiteLLM API Schlüssel einfügen

def check_for_budget_error(response):
    """Prüft ob das Budget überschritten wurde"""
    try:
        result = response.json()
        error = result.get("error", {})
        if error.get("type") == "budget_exceeded" or "ExceededBudget" in error.get("message", ""):
            return True, error.get("message")
    except:
        pass
    return False, None

def generate_and_download_video(prompt, reference_image_path=None):
    headers = {
        "Authorization": f"Bearer {API_KEY}"
    }
    
    # Step 1: Generate video
    print("Starting video generation...")
    
    if reference_image_path:
        with open(reference_image_path, "rb") as f:
            files = {
                "input_reference": f
            }
            data = {
                "model": "NOT-EU-vertex/veo-3.1-generate-preview", # Modell auswählen
                "prompt": prompt
            }
            response = requests.post(
                f"{API_BASE}/v1/videos",
                headers=headers,
                data=data,
                files=files
            )
    else:
        data = {
            "model": "NOT-EU-vertex/veo-3.1-generate-preview", # Modell ohne Referenzbild
            "prompt": prompt
        }
        response = requests.post(
            f"{API_BASE}/v1/videos",
            headers=headers,
            data=data
        )
    
    print(f"Response status: {response.status_code}")
    
    # Check for budget exceeded
    budget_exceeded, error_msg = check_for_budget_error(response)
    if budget_exceeded:
        print("\n" + "="*50)
        print("FEHLER: BUDGET ÜBERSCHRITTEN!")
        print(error_msg)
        print("="*50)
        return None
    
    print(f"Response: {response.text}")
    
    result = response.json()
    video_id = result.get("id")
    
    if not video_id:
        print("Error: No video ID received")
        return None
    
    print(f"Video ID: {video_id}")
    
    # Step 2: Poll for completion
    print("Waiting for video processing...")
    max_attempts = 60
    attempt = 0
    
    while attempt < max_attempts:
        try:
            # Check status
            status_response = requests.get(
                f"{API_BASE}/v1/videos/{video_id}",
                headers=headers
            )
            
            # Check for budget exceeded
            budget_exceeded, error_msg = check_for_budget_error(status_response)
            if budget_exceeded:
                print("\n" + "="*50)
                print("FEHLER: BUDGET ÜBERSCHRITTEN!")
                print(error_msg)
                print("="*50)
                return None
            
            print(f"Status response: {status_response.status_code}")
            
            if status_response.status_code == 200:
                status_data = status_response.json()
                status = status_data.get("status")
                print(f"Attempt {attempt + 1}: Status = {status}")
                
                if status == "completed":
                    print("Video completed! Downloading...")
                    
                    # Try to get content
                    content_response = requests.get(
                        f"{API_BASE}/v1/videos/{video_id}/content",
                        headers=headers
                    )
                    
                    # Check for budget exceeded
                    budget_exceeded, error_msg = check_for_budget_error(content_response)
                    if budget_exceeded:
                        print("\n" + "="*50)
                        print("FEHLER: BUDGET ÜBERSCHRITTEN!")
                        print(error_msg)
                        print("="*50)
                        return None
                    
                    if content_response.status_code == 200:
                        filename = f"video_{video_id[:20]}.mp4"
                        with open(filename, "wb") as f:
                            f.write(content_response.content)
                        print(f"Video saved: {filename}")
                        return filename
                    else:
                        print(f"Content download failed: {content_response.status_code}")
                        print(f"Response: {content_response.text}")
                        
                        # Maybe the video URL is in the status response?
                        print(f"Full status data: {status_data}")
                        return None
                        
                elif status == "failed":
                    print(f"Video generation failed: {status_data}")
                    return None
                    
        except Exception as e:
            print(f"Attempt {attempt + 1}: Error - {e}")
        
        time.sleep(10)
        attempt += 1
    
    print("Timeout: Video generation took too long")
    return None


if __name__ == "__main__":
    result = generate_and_download_video(
        prompt="Make the dog in the reference image bark", # Geben Sie hier Ihren Prompt ein
        reference_image_path=r"C:\Users\mm123456\Veo\reference.png" # Pfad zum Referenzbild
    )
    
    if result:
        print(f"Success! Video saved as: {result}")
    else:
        print("Failed to generate video")

...

Codeblock

language	python

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "IHR-LITELLM-KEY",
    "ANTHROPIC_BASE_URL": "https://litellm.fh-muenster.de",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "vertex/claude-sonnet-45-65",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "vertex/claude-haiku-4-5",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "vertex/claude-opus-45-85"
  }
}

04e) OpenCode mit LiteLLM

OpenCode ist ein lokal integrierbarer KI-Code-Assistent, der als Alternative zu Claude Code dient und den Einsatz verschiedener Large Language Models ermöglicht.

OpenCode global installieren: npm install -g opencode-ai@latest
(Falls noch nicht vorhanden: Zuerst Node.js installieren)
Konfigurationsdatei: Laden Sie die beiliegende opencode.json herunter und legen Sie sie in das Projektverzeichnis, in dem Sie arbeiten möchten.
API-Key eintragen: Öffnen Sie die opencode.json mit einem Texteditor und ersetzen Sie den Platzhalter durch Ihren persönlichen API-Key. Speichern Sie die Datei.

Starten von OpenCode

Öffnen Sie ein beliebiges Terminal (oder die Terminalintegration von z.B. VSCode)
Navigieren Sie zu Ihrem Projektordner (z. B. mit cd /pfad/zum/ordner).
Geben Sie opencode ein und bestätigen Sie mit Enter.

Nutzung und Modus-Wechsel

Modellauswahl: Geben Sie /models im Terminal ein, um die in der opencode.json hinterlegten Modelle auszuwählen.
Modi umschalten: Wechseln Sie mit SHIFT + TAB zwischen Plan- und Build-Modus.

Tipps für den effizienten Einsatz

Beginnen Sie stets im Plan-Modus, um Anforderungen, Struktur und Randfälle zu klären.
Verwenden Sie klare und kontextreiche Prompts. Je präziser die Vorgabe, desto genauer die Umsetzung.
Speichern Sie Ihre opencode.json niemals in öffentlichen Repositories. Der API-Key darf nicht committed werden.

Anhang

opencode.json

...

}
}

04e) OpenCode mit LiteLLM

OpenCode ist ein lokal integrierbarer KI-Code-Assistent, der als Alternative zu Claude Code dient und den Einsatz verschiedener Large Language Models ermöglicht.

OpenCode global installieren: npm install -g opencode-ai@latest
(Falls noch nicht vorhanden: Zuerst Node.js installieren)
Konfigurationsdatei: Laden Sie die beiliegende opencode.json herunter und legen Sie sie in das Projektverzeichnis, in dem Sie arbeiten möchten.
API-Key eintragen: Öffnen Sie die opencode.json mit einem Texteditor und ersetzen Sie den Platzhalter durch Ihren persönlichen API-Key. Speichern Sie die Datei.

Starten von OpenCode

Öffnen Sie ein beliebiges Terminal (oder die Terminalintegration von z.B. VSCode)
Navigieren Sie zu Ihrem Projektordner (z. B. mit cd /pfad/zum/ordner).
Geben Sie opencode ein und bestätigen Sie mit Enter.

Nutzung und Modus-Wechsel

Modellauswahl: Geben Sie /models im Terminal ein, um die in der opencode.json hinterlegten Modelle auszuwählen.
Modi umschalten: Wechseln Sie mit SHIFT + TAB zwischen Plan- und Build-Modus.

Tipps für den effizienten Einsatz

Beginnen Sie stets im Plan-Modus, um Anforderungen, Struktur und Randfälle zu klären.
Verwenden Sie klare und kontextreiche Prompts. Je präziser die Vorgabe, desto genauer die Umsetzung.
Speichern Sie Ihre opencode.json niemals in öffentlichen Repositories. Der API-Key darf nicht committed werden.

Anhang

opencode.json

05. Router
Anker
05
05

Statt ein festes KI‑Modell in Ihr Skript oder Ihren Agenten einzutragen, geben Sie einfach default_router als Modellnamen an. Der Router prüft jede Anfrage kurz, schätzt ihre Komplexität ein und wählt automatisch das passende Modell. Aktuell sind folgende Modelle konfiguriert:

Stufe	Typische Anfrage	Modell
SIMPLE	Kurze Fragen, Zusammenfassen, Klassifizieren	`fhms/Qwen3.5-27B`
MEDIUM	Normale Alltagsaufgaben	`fhms/gemma-4-31b-it`
COMPLEX	Code, mehrstufige Anweisungen	`fhms/Qwen3.8-27B`
REASONING	Logik, Mathematik, Planung	`fhms/Qwen3.8-27B`

Besonders praktisch ist der Router überall dort, wo Sie sich nicht auf ein bestimmtes Modell festlegen wollen: Ihr Skript oder Agent verweist nur noch auf den Router – welches Modell tatsächlich antwortet, entscheidet sich zentral in dessen Konfiguration. Kommt ein neues Modell hinzu oder wird ein altes abgelöst läuft ihr Code einfach weiter ohne, dass Sie das Modell manuell ändern müssen.

06. Budget
Anker
06
06

...

Aktuell befindet sich das Projekt noch in der Testphase - daher gibt es noch kein konkretes Budgetmodell. Während der Testphase bekommt jeder Nutzer ein 30$ Budget, welches sich jeweils am 1. April und am 1. Oktober zurücksetzt. Außerdem werden sämtliche Budgeterweiterungen zurückgesetzt.

...

07. Feedback
Anker

...

07

...

07

Feedback, Änderungswünsche und feature requests gerne per Mail an: it-support@fh-muenster.de

...

Seitenhierarchie

Versionen im Vergleich

Alte Version 62

Neue Version Aktuell

Schlüssel

Verfügbare Modelle und Preise

Ankündigungen und Änderungen

Inhalt

02a) Budgetabfrage

Für Dozenten: Selbstverwaltung von LiteLLM Zugriffen per Gruppe im myFH-Portal

Mehr Budget für Lehrveranstaltungen und Arbeitsgruppen

Newsletter für Ankündigungen und Änderungen

Inhalt

01. Anfrage eines LiteLLM Schlüssels
Anker
01
01

02. Day 2 Actions
Anker
02
02

02a) Budgetabfrage

02b) Budget erweitern

03c) Nicht-EU-Modelle

02b) Budget erweitern

03b) Chat completion Prompts

04a) Chat-Modelle

04b) Audio-Transkription

03c) Nicht-EU-Modelle

03d) Advanced AI Modelle

03. API-Informationen
Anker
03
03

03b) Chat completion Prompts

04. Beispiele
Anker
04
04

04a) Chat-Modelle

04c) Video-Modelle

04b) Audio-Transkription

04c) Video-Modelle

04e) OpenCode mit LiteLLM

04e) OpenCode mit LiteLLM

05. Router
Anker
05
05

06. Budget
Anker
06
06

07. Feedback
Anker

07

07

Seitenhierarchie

Seitenhistorie

Versionen im Vergleich

Alte Version 62

Neue Version Aktuell

Schlüssel

Verfügbare Modelle und Preise

Ankündigungen und Änderungen

Inhalt

02a) Budgetabfrage

Für Dozenten: Selbstverwaltung von LiteLLM Zugriffen per Gruppe im myFH-Portal

Mehr Budget für Lehrveranstaltungen und Arbeitsgruppen

Newsletter für Ankündigungen und Änderungen

Inhalt

01. Anfrage eines LiteLLM Schlüssels Anker0101

02. Day 2 Actions Anker0202

02a) Budgetabfrage

02b) Budget erweitern

03c) Nicht-EU-Modelle

02b) Budget erweitern

03b) Chat completion Prompts

04a) Chat-Modelle

04b) Audio-Transkription

03c) Nicht-EU-Modelle

03d) Advanced AI Modelle

03. API-Informationen Anker0303

03b) Chat completion Prompts

04. Beispiele Anker0404

04a) Chat-Modelle

04c) Video-Modelle

04b) Audio-Transkription

04c) Video-Modelle

04e) OpenCode mit LiteLLM

04e) OpenCode mit LiteLLM

05. Router Anker0505

06. Budget Anker0606

07. Feedback Anker

07

07

01. Anfrage eines LiteLLM Schlüssels
Anker
01
01

02. Day 2 Actions
Anker
02
02

03. API-Informationen
Anker
03
03

04. Beispiele
Anker
04
04

05. Router
Anker
05
05

06. Budget
Anker
06
06

07. Feedback
Anker