ChatCerebras 集成

使用 LangChain JavaScript 集成 ChatCerebras 聊天模型。

Cerebras 是一家模型提供商，专注于提供高速的开源模型。Cerebras CS-3 系统由晶圆级引擎-3（WSE-3）驱动，代表了一类新型 AI 超级计算机，以其无与伦比的性能和可扩展性，为生成式 AI 训练和推理设定了新标准。

选择 Cerebras 作为您的推理提供商，您可以：

• 为 AI 推理工作负载实现前所未有的速度
• 以高吞吐量进行商业构建
• 利用我们无缝的集群技术轻松扩展 AI 工作负载

我们的 CS-3 系统可以快速、轻松地集群，创建世界上最大的 AI 超级计算机，从而简化大型模型的部署和运行。领先的企业、研究机构和政府已经在使用 Cerebras 解决方案来开发专有模型并训练流行的开源模型。

本文将帮助您开始使用 ChatCerebras 聊天模型。有关 ChatCerebras 所有功能和配置的详细文档，请参阅 API 参考。

概述

集成详情

类	包	可序列化	PY 支持	下载量	版本
ChatCerebras	@langchain/cerebras	❌	✅

模型特性

请参阅下表标题中的链接，了解如何使用特定功能的指南。

工具调用	结构化输出	图像输入	音频输入	视频输入	令牌级流式传输	令牌使用量	对数概率
✅	✅	❌	❌	❌	✅	✅	❌

设置

要访问 ChatCerebras 模型，您需要创建一个 Cerebras 账户，获取 API 密钥，并安装 @langchain/cerebras 集成包。

凭证

从 cloud.cerebras.ai 获取 API 密钥，并将其添加到环境变量中：

export CEREBRAS_API_KEY="your-api-key"

如果您希望自动追踪模型调用，还可以通过取消注释以下行来设置您的 LangSmith API 密钥：

# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"

安装

LangChain ChatCerebras 集成位于 @langchain/cerebras 包中：

npm

npm install @langchain/cerebras @langchain/core

实例化

现在我们可以实例化模型对象并生成聊天补全：

import { ChatCerebras } from "@langchain/cerebras"

const llm = new ChatCerebras({
    model: "llama-3.3-70b",
    temperature: 0,
    maxTokens: undefined,
    maxRetries: 2,
    // 其他参数...
})

调用

const aiMsg = await llm.invoke([
    {
      role: "system",
      content: "你是一个将英语翻译成法语的助手。请翻译用户的句子。",
    },
    { role: "user", content: "I love programming." },
])
aiMsg

AIMessage {
  "id": "run-17c7d62d-67ac-4677-b33a-18298fc85e35",
  "content": "J'adore la programmation.",
  "additional_kwargs": {},
  "response_metadata": {
    "id": "chatcmpl-2d1e2de5-4239-46fb-af2a-6200d89d7dde",
    "created": 1735785598,
    "model": "llama-3.3-70b",
    "system_fingerprint": "fp_2e2a2a083c",
    "object": "chat.completion",
    "time_info": {
      "queue_time": 0.00009063,
      "prompt_time": 0.002163031,
      "completion_time": 0.012339628,
      "total_time": 0.01640915870666504,
      "created": 1735785598
    }
  },
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "input_tokens": 55,
    "output_tokens": 9,
    "total_tokens": 64
  }
}

console.log(aiMsg.content)

J'adore la programmation.

JSON 调用

const messages = [
  {
    role: "system",
    content: "你是一个数学导师，处理数学练习并以 JSON 格式输出，格式为 { result: number }。",
  },
  { role: "user",  content: "2 + 2" },
];

const aiInvokeMsg = await llm.invoke(messages, { response_format: { type: "json_object" } });

// 如果您不想在每次调用时都传递 response_format，可以将其绑定到实例
const llmWithResponseFormat = llm.bind({ response_format: { type: "json_object" } });
const aiBindMsg = await llmWithResponseFormat.invoke(messages);

// 它们是相同的
console.log({ aiInvokeMsgContent: aiInvokeMsg.content, aiBindMsg: aiBindMsg.content });

{ aiInvokeMsgContent: '{"result":4}', aiBindMsg: '{"result":4}' }

---

API 参考

有关 ChatCerebras 所有功能和配置的详细文档，请参阅 API 参考。

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.