总览
🎉✨ 祝贺 MegaCity Eye 城市治理多模态垂类大模型 1.0 发布！🚀🔥 欢迎体验最强城市治理AI助手！💪🌟
EDDM 端侧部署视频检测模型

EDDM 端侧视频检测能力

端侧部署优化 · 实时视频分析 · 边缘设备适配

端侧
边缘设备部署
实时
视频流处理
轻量
模型优化

核心能力

端侧部署
专为边缘设备优化，降低云端依赖
视频检测
实时视频流分析与目标识别
高效推理
轻量化模型，快速响应
隐私安全
本地处理，数据不出域

宣传视频

模型竞技场

欢迎使用模型竞技场

配置模型后，输入问题或上传图片进行对比

MegaCity AI 家族之端侧部署视频检测模型

EDDM v1.0 正式发布！

全新端侧视频检测模型，专为边缘设备优化，实现高效实时视频分析

点击观看视频
EDDM v1.0 宣传视频
MegaCity Eye 城市治理多模态大模型

MegaCity Eye 城市管理AI识别能力

垂直领域深度优化 · 99+类问题识别 · 平均准确率≥83%

99+
问题识别小类型
≥85%
平均识别准确率
垂直优化
深度学习模型
问题大类 具体问题类型 说明 准确率
市容秩序
(4类)		 占道经营、店外经营、乱堆物料、违规户外广告 场景固定、特征明显 89%
市容环境
(5类)		 暴露垃圾、道路积水、水域不洁、道路污染、绿化损毁 部分受光线/遮挡影响 85%
市政设施
(5类)		 路灯故障、井盖位移、道路病害、桥梁监测、护栏损坏 设备目标小、难发现 78%
交通设施
(4类)		 违章停车、交通标志损毁、线损毁 标准规范明确 88%

核心能力

多模态输入
支持图片、视频、文本混合输入
目标检测
11+类城市问题识别
场景分析
多场景上下文理解与推理
API Key管理
名称 API Key 所属用户 状态 当前小时请求 当前小时Token 总请求 总Token 创建时间 操作
加载中...
使用统计
选择API Key查看详细统计
API调用文档

基本信息

API地址https://api-megacityeye.bino.ink/v1
模型名称mce1plus
认证方式Bearer Token (API Key)

聊天补全接口

POST /v1/chat/completions

请求参数

参数类型必填说明
modelstring是模型名称，固定为 mce1plus
messagesarray是消息列表，包含role和content
streamboolean否是否使用流式输出，默认false
temperaturenumber否采样温度，0-2之间，默认1
max_tokensinteger否最大生成token数
top_pnumber否核采样参数

cURL示例

curl https://api-megacityeye.bino.ink/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-api-key" \
  -d '{
    "model": "mce1plus",
    "messages": [
      {"role": "system", "content": "你是一个有用的助手"},
      {"role": "user", "content": "你好，请介绍一下你自己"}
    ],
    "temperature": 0.7,
    "max_tokens": 1024
  }'

响应示例

{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "created": 1234567890,
  "model": "mce1plus",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": "你好！我是MegaCity Eye城市治理多模态大模型..."
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 25,
    "completion_tokens": 50,
    "total_tokens": 75
  }
}

流式输出

设置 stream: true 可以启用流式输出，模型会逐步返回生成内容。

curl https://api-megacityeye.bino.ink/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-api-key" \
  -d '{
    "model": "mce1plus",
    "messages": [{"role": "user", "content": "写一首诗"}],
    "stream": true
  }'

Python调用示例

使用OpenAI SDK

from openai import OpenAI

# 初始化客户端
client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api-megacityeye.bino.ink/v1"
)

# 非流式调用
response = client.chat.completions.create(
    model="mce1plus",
    messages=[
        {"role": "system", "content": "你是一个有用的助手"},
        {"role": "user", "content": "你好"}
    ],
    temperature=0.7
)
print(response.choices[0].message.content)

# 流式调用
stream = client.chat.completions.create(
    model="mce1plus",
    messages=[{"role": "user", "content": "写一个故事"}],
    stream=True
)
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

多模态调用（图片理解）

本模型支持多模态输入，可以处理图片和文本混合内容。

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api-megacityeye.bino.ink/v1"
)

response = client.chat.completions.create(
    model="mce1plus",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "请描述这张图片的内容"},
            {
                "type": "image_url",
                "image_url": {
                    "url": "data:image/jpeg;base64,/9j/4AAQSkZJRg..."  # base64编码的图片
                }
            }
        ]
    }]
)
print(response.choices[0].message.content)

错误码说明

状态码说明
401API Key无效或未提供
429请求频率超限
500服务器内部错误
502模型服务不可用

响应头信息

每个响应都包含速率限制信息：

响应头说明
X-RateLimit-Remaining-Requests剩余请求次数
X-RateLimit-Remaining-Tokens剩余Token数
用户管理
用户名 角色 创建时间 操作
加载中...
系统设置