Chat

DONNA

Chat-Endpoint mit Reasoning, Streaming und Tool Calling. DONNA Cadenza ist Allzweck-Assistent, DONNA Coda ist auf Code spezialisiert.

Modelle

Alle Modelle sprechen dieselbe API und unterscheiden sich in Tiefe, Grenzen und Preis.

donna-cadenzaAllzweck-Assistent

Der Standard für nahezu alles: Wissensfragen, Texte, Zusammenfassungen, Übersetzungen, Auswertungen. Nehmen Sie dieses Modell, solange nichts dagegen spricht.

Preis je 1.000 Tokens
40 / 200 Credits (Input / Output)
Kontextfenster
256.000 Tokens
Max. Ausgabe
128.000 Tokens
Thinking
steuerbar, abschaltbar
Bildeingabe
ja
Tool Calling
ja
donna-codaCoding-Spezialist

Gleicher Preis und gleiche Grenzen wie donna-cadenza, aber auf Softwareentwicklung ausgerichtet — Code schreiben, Fehler suchen, refaktorieren.

Preis je 1.000 Tokens
40 / 200 Credits (Input / Output)
Kontextfenster
256.000 Tokens
Max. Ausgabe
128.000 Tokens
Thinking
steuerbar, abschaltbar
Bildeingabe
ja
Tool Calling
ja
donna-sinfoniaFlaggschiff für komplexe Aufgaben

Ausgelegt auf mehrstufige Analysen, sehr lange Dokumente und Aufgaben, die mehrere Schritte verbinden. Kostet das Fünffache von donna-cadenza — für Standardanfragen lohnt es sich nicht.

Preis je 1.000 Tokens
80 / 400 Credits (Input / Output)
Kontextfenster
1.000.000 Tokens
Max. Ausgabe
128.000 Tokens
Thinking
immer aktiv, Tiefe steuerbar
Bildeingabe
ja
Tool Calling
ja

Preise

donna-cadenza
Input je 1.000 Tokens
40Credits
Output je 1.000 Tokens
200Credits
donna-coda
Input je 1.000 Tokens
40Credits
Output je 1.000 Tokens
200Credits
donna-sinfonia
Input je 1.000 Tokens
80Credits
Output je 1.000 Tokens
400Credits
  • Reasoning-Tokens (Thinking-Phase) zählen als Output-Tokens und werden zum Output-Tarif abgerechnet.
  • Bei donna-sinfonia fallen Reasoning-Tokens bei jeder Anfrage an — das Modell ist auf mehrstufige Aufgaben ausgelegt.

Thinking und Kosten

DONNA denkt vor der Antwort. Diese Denkphase erzeugt Reasoning-Tokens, die als Output abgerechnet werden und ein Vielfaches der sichtbaren Antwort ausmachen können. Über reasoning_effort steuern Sie die Tiefe: "low" für knappe Fakten, "high" für schwierige Aufgaben.

donna-sinfonia ist für komplexe Aufgaben gebaut und denkt deshalb bei jeder Anfrage. reasoning_effort steuert dort die Tiefe, schaltet die Denkphase aber nicht ab — die Reasoning-Tokens fallen in jedem Fall an. Wer eine Antwort praktisch ohne Thinking braucht, nutzt donna-cadenza mit reasoning_effort: "low".

Kontextfenster und Ausgabelänge

Ein- und Ausgabe teilen sich dasselbe Fenster. Wird max_tokens nicht gesetzt, wählt das Gateway automatisch ein Budget, das in den verbleibenden Platz passt — so kann eine lange Unterhaltung das Fenster nicht überbuchen.

GET/v1/models

Listet die Modelle auf, die Ihr Schlüssel verwenden darf — maschinenlesbar, mit Typ und Fähigkeiten pro Modell. Die Werte der Modellkarten oben kommen aus genau diesen Feldern. Mit ?type=chat oder ?type=embedding (auch kommagetrennt) lässt sich die Liste auf einen Typ eingrenzen; ohne Parameter kommen alle Modelle.

Request

curl "https://api.centra.dbpg.io/v1/models" \
  -H "Authorization: Bearer sk_your_api_key"

Response

{
  "object": "list",
  "data": [
    {
      "id": "donna-cadenza",
      "object": "model",
      "type": "chat",
      "created": 1742083200,
      "owned_by": "dbpg",
      "capabilities": {
        "context_window": 256000,
        "max_output_tokens": 128000,
        "reasoning": "configurable",
        "vision": true,
        "tools": true
      }
    },
    {
      "id": "donna-coda",
      "object": "model",
      "type": "chat",
      "created": 1742083200,
      "owned_by": "dbpg",
      "capabilities": {
        "context_window": 256000,
        "max_output_tokens": 128000,
        "reasoning": "configurable",
        "vision": true,
        "tools": true
      }
    },
    {
      "id": "donna-sinfonia",
      "object": "model",
      "type": "chat",
      "created": 1742083200,
      "owned_by": "dbpg",
      "capabilities": {
        "context_window": 1000000,
        "max_output_tokens": 128000,
        "reasoning": "always",
        "vision": true,
        "tools": true
      }
    },
    {
      "id": "donna-chiodi-v20260320",
      "object": "model",
      "type": "embedding",
      "created": 1710892800,
      "owned_by": "dbpg",
      "capabilities": {
        "context_window": 512,
        "vision": false,
        "tools": false
      }
    }
  ]
}
Fähigkeiten lesen statt annehmen. type unterscheidet Chat- von Embedding-Modellen — behandeln Sie jeden anderen Wert als nicht chatfähig, damit ein künftiger Typ nicht ungewollt in einer Modellauswahl landet. context_window ist die Grundlage für Ihre Kompaktierungs- oder Trunkierungsschwelle; die Fenster unterscheiden sich pro Modell erheblich. reasoning ist "configurable", wenn reasoning_effort die Tiefe steuert, und "always", wenn das Modell in jedem Fall denkt — eine Oberfläche darf dann nichts anderes behaupten. vision und tools sagen, ob Bildteile im content-Array bzw. Tool-Definitionen angenommen werden. Modelle in der Erprobung erscheinen nicht in der Liste, sind aber unter ihrem Namen aufrufbar.
POST/v1/chat/completions

Chat-Endpoint mit Modellwahl über das model-Feld. Authentifizierung via Bearer-Token im Authorization-Header. Neben den gelisteten Feldern werden die OpenAI-Standardfelder top_p, stop, seed, presence_penalty, frequency_penalty, parallel_tool_calls, n (nur 1) und user angenommen. Jeder andere Parameter wird mit 400 abgelehnt — nichts wird stillschweigend ignoriert.

Parameter

  • modelstring
    Ja

    Modell-ID: 'donna-cadenza', 'donna-coda' oder 'donna-sinfonia'.

  • messagesarray
    Ja

    Konversations-Verlauf als Array von Message-Objekten mit den Feldern role und content. Roles: 'system', 'user', 'assistant', 'tool'.

  • max_tokensintegerOptional

    Obergrenze für Ausgabe-Tokens, Denkphase eingeschlossen. Alias: max_completion_tokens. Ohne Angabe wählt das Gateway ein Budget, das ins Kontextfenster passt.

  • temperaturenumberOptional

    Sampling-Temperatur (0–2). 0 = deterministisch.

  • streambooleanOptional

    Wenn true, wird die Antwort als Server-Sent Events (SSE) gestreamt.

  • stream_optionsobjectOptional

    Optional, Objekt mit Feld include_usage. Wenn true gesetzt, liefert ein finaler Usage-Chunk im Stream.

  • reasoning_effortstringOptional

    Tiefe der Thinking-Phase: 'low' | 'medium' | 'high'. Andere Werte werden mit 400 abgelehnt. Bei donna-sinfonia steuert der Wert nur die Tiefe — die Denkphase entfällt dort nicht.

  • toolsarrayOptional

    Tool-Definitionen für Function Calling.

  • tool_choicestring | objectOptional

    'auto' | 'none' | Objekt mit Feldern type='function' und function.name — steuert ob/welches Tool aufgerufen wird.

Request

curl -X POST "https://api.centra.dbpg.io/v1/chat/completions" \
  -H "Authorization: Bearer sk_your_api_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "donna-cadenza",
    "messages": [
      { "role": "user", "content": "Was ist die Hauptstadt von Frankreich?" }
    ],
    "reasoning_effort": "low"
  }'

Response

{
  "id": "donna-7c4e5f8a91b3d2e1",
  "object": "chat.completion",
  "created": 1778407200,
  "model": "donna-cadenza",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Paris.",
        "reasoning_content": "The user is asking about the capital of France. That is Paris."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 32,
    "completion_tokens": 18,
    "total_tokens": 50
  }
}
POST/v1/chat/completions

Vision: Bild als Base64 Data-URI im content-Array senden (keine Remote-URLs).

Request

curl -X POST "https://api.centra.dbpg.io/v1/chat/completions" \
  -H "Authorization: Bearer sk_your_api_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "donna-cadenza",
    "messages": [
      { "role": "user", "content": [
        { "type": "text", "text": "Erkläre, was auf dem Bild zu sehen ist." },
        { "type": "image_url", "image_url": { "url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAA..." } }
      ] }
    ]
  }'

Response

{
  "id": "donna-9f2a7c4e5f8a91b3",
  "object": "chat.completion",
  "model": "donna-cadenza",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Auf dem Bild ist … zu sehen."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": { "prompt_tokens": 1187, "completion_tokens": 94, "total_tokens": 1281 }
}

KI-Kennzeichnung (EU AI Act)

Nach Art. 50 Abs. 2 EU AI Act sind alle Antworten der DONNA-Chat-Modelle maschinenlesbar als KI-generiert gekennzeichnet. Jede Response trägt den Header X-Donna-AI-Generated: true und ein signiertes provenance-Objekt, bei Streaming im letzten Chunk (dem mit usage). Das Feld ist eine dbpg-Erweiterung; OpenAI-kompatible SDKs ignorieren es.

{
  "provenance": {
    "version": 1,
    "request_id": "donna-8f30334ed6aa46fe",
    "timestamp": "2026-08-04T12:00:00Z",
    "model": "donna-cadenza",
    "provider": "dbpg-centra",
    "output_hash": "sha256:d3751d33f9cd5049c4af2b462735457e4d3baf130bcbb87f389e349fbaeb20b9",
    "signature": "v1:ed25519:MEUCIQ…",
    "public_key_url": "https://api.centra.dbpg.io/.well-known/donna-provenance.json"
  }
}

output_hash ist SHA-256 über den zusammengefügten Assistant-Text aller Choices (bei Streaming: alle delta.content hintereinander). Signiert wird mit Ed25519 der kanonische JSON-String mit genau dieser Feldreihenfolge, ohne Leerzeichen:

{"model":…,"output_hash":…,"request_id":…,"timestamp":…,"version":1}

Die öffentlichen Schlüssel stehen unter public_key_url. Alte Schlüsselversionen bleiben dort dauerhaft abrufbar, damit Signaturen auch nach einem Schlüsselwechsel prüfbar bleiben.

POST/v1/provenance/verify

Prüft ein Zertifikat gegen den Text, den es abdeckt. Kostenlos und ohne API-Key, damit auch Dritte prüfen können; höchstens 1 MB je Anfrage und 60 Anfragen pro Minute je IP-Adresse. Bei Fehlschlag nennt reason die Ursache: output_hash_mismatch (Text passt nicht zum Zertifikat), signature_invalid (Zertifikat verändert oder nicht von uns), unknown_key_version, malformed_signature oder malformed_certificate.

Request

curl -X POST https://api.centra.dbpg.io/v1/provenance/verify \
  -H "Content-Type: application/json" \
  -d '{
    "provenance": { … das provenance-Objekt aus der Response … },
    "output_text": "Die Antwort ist 42."
  }'

Response

{ "valid": true }
Rechtliches. Nutzungsbedingungen, AGB und Datenschutzhinweise zur DONNA-Modellfamilie unter buehnenproduktionsgesellschaft.de/donna.