快速入门

1. 模型列表与选择指南

查询可用模型

返回结果中 data[].id 就是可用的 model 参数值。

Chat 模型（2026 主流）

模型	上下文	特点	适用场景
`deepseek-v4-pro`	1M	深度求索旗舰，Agent / 推理强，可切换思考强度	复杂 Agent、工程任务、深度推理
`deepseek-v4-flash`	1M	更快更便宜，性价比极高	高并发、日常对话、轻量任务
`kimi-k3`	1M	月之暗面旗舰，2.8T 参数，原生多模态	长文档、编程 Agent、知识工作
`glm-5.2`	1M	智谱旗舰，编程与长程 Agent 突出	代码工程、端到端开发、工具调用
`qwen3.8-max`	1M	通义千问旗舰，2.4T 参数，办公/科研强	复杂任务、办公自动化、科研复现
`qwen-plus`	128K+	通义均衡版，性价比高	通用中文任务
`qwen-turbo`	128K	速度快、成本低	高并发、简单对话
`doubao-pro`	128K+	豆包专业版	多轮对话、内容生成
`doubao-lite`	32K+	豆包轻量版	高并发、简单场景
`ernie-5.0`	200K	文心一言旗舰	中文创作、知识问答
`hunyuan-pro`	32K+	腾讯混元	企业场景、中文业务
`abab6.5s`	200K	MiniMax，长上下文	长文档、角色扮演

选型建议
要最强综合 / Agent：优先 deepseek-v4-pro、kimi-k3、glm-5.2、qwen3.8-max
要性价比 / 高并发：优先 deepseek-v4-flash、qwen-turbo、doubao-lite
偏编程工程：优先 glm-5.2、deepseek-v4-pro、kimi-k3
偏长文档 / 办公：优先 kimi-k3、qwen3.8-max

Embedding 模型

模型	维度	说明
`text-embedding-v3`	1024（可降维）	通义向量，推荐生产使用
`text-embedding-v2`	1536	通义通用版
`embedding-3`	2048	智谱向量，中文语义强
`bge-large-zh`	1024	BGE 中文，开源生态友好

图像模型

模型	说明
`wanx-v1`	通义万相，文生图 / 图生图
`jimeng-2.1`	即梦，创意与风格强
`hunyuan-image`	腾讯混元生图
`kolors`	快手可图
`cogview-3`	智谱生图

语音模型

模型	用途	说明
`cosyvoice-v1`	文本转语音	通义，自然度高
`qwen-tts`	文本转语音	支持风格控制
`speech-01`	文本转语音	MiniMax
`paraformer-v2`	语音转文本	达摩院，中文识别强
`fun-asr`	语音转文本 / 翻译	多场景 ASR

视频模型

对，视频这块应以 Seedance 2.0 / 2.5 为主。按当前国内主流改一版：

视频模型

模型	说明
`seedance-2.0`	字节 Seedance 2.0，文生/图生视频，多模态参考，原生音频，最长约 15 秒
`seedance-2.0-fast`	Seedance 2.0 快速版，成本更低、出片更快
`seedance-2.5`	Seedance 2.5，单次最长约 30 秒，参考素材更多，偏长叙事
`kling-v3`	快手可灵 3.0，动作与物理真实感强，适合剧情/短剧
`kling-v2`	可灵 2.x，性价比与稳定性好
`vidu-q3`	生数 Vidu，主体一致性强，适合漫剧 / IP
`hailuo-video`	MiniMax 海螺，中文理解好，上手快
`wan-video`	通义万相视频，阿里云生态友好
`cogvideox`	智谱清影

选型参考：
综合画质 / 多模态 / 工业创作 → Seedance 2.0 / 2.5
复杂动作、物理真实 → 可灵 Kling
角色一致性、漫剧短剧 → Vidu
成本与速度 → Seedance Fast / 可灵

Rerank 模型

模型	说明
`gte-rerank`	通义 GTE 重排，RAG 推荐
`bge-reranker-v2`	BGE 重排，中文检索优化

Moderation 模型

模型	说明
`qwen-moderation`	通义内容安全
`text-moderation`	通用文本审核

提示：实际可用模型以 GET /v1/models 返回为准，平台会持续更新。

2. 额度与计费说明

计费方式

按 Token 用量 计费，不同模型价格不同。

输入 Token（prompt_tokens）：发给模型的内容

输出 Token（completion_tokens）：模型生成的内容

一般输出 Token 单价高于输入 Token

Token 粗略换算

语言	1 Token ≈
英文	4 个字符 / 0.75 个单词
中文	1~2 个汉字

模型倍率（示意，以 `qwen-turbo` = 1x 为基准）

模型	输入倍率	输出倍率	说明
qwen-turbo	1x	1x	基准
deepseek-v4-flash	0.5x~1x	0.5x~1x	高性价比
qwen-plus	2x	6x	均衡
deepseek-v4-pro	3x~5x	8x~15x	旗舰
glm-5.2	4x~6x	12x~20x	编程 / Agent 强
kimi-k3	5x~8x	15x~25x	超大参数 / 长上下文
qwen3.8-max	5x~10x	15x~30x	通义旗舰

倍率仅供参考，以运营后台 模型价格 配置为准。

额度查询

管理后台 → 令牌管理：查看 Key 已用 / 剩余额度

接口响应中的 usage 字段：本次消耗

额度耗尽

{
  "error": {
    "message": "Insufficient quota",
    "type": "insufficient_quota",
    "code": "insufficient_quota"
  }
}

HTTP 状态码：402。需充值或更换有额度的 Key。

各接口计费依据

接口	计费依据
Chat / Responses	输入 + 输出 Token
Embeddings	输入 Token
Images	按张数和模型
Audio TTS	按输入字符数
Audio STT / Translation	按音频时长
Video	按次
Moderation	输入 Token（通常很少）
Rerank	输入 Token

3. 速率限制说明

限制维度

维度	含义
RPM	每分钟请求数
TPM	每分钟 Token 数

按 API Key 独立计算

管理员可为不同令牌组设置不同限额

默认值因部署而异，以管理员配置为准

超限响应

{
  "error": {
    "message": "Rate limit reached for default",
    "type": "rate_limit_error",
    "code": "rate_limit_exceeded"
  }
}

HTTP 状态码：429。

Header	含义
`X-RateLimit-Limit`	当前周期总限额
`X-RateLimit-Remaining`	当前周期剩余次数
`X-RateLimit-Reset`	限额重置时间（Unix 时间戳）

应对策略

读响应头，提前看 X-RateLimit-Remaining

客户端本地限流，不要等 429

收到 429 后指数退避：1s → 2s → 4s → 8s

多 Key 轮换提高总吞吐

精简 prompt，减少无效 Token

Embedding 批量调用示例

降维示例

降维会损失精度，建议从高维试起，再按效果下调。

Rerank 参数建议

参数	建议
`model`	默认 `gte-rerank`
`top_n`	一般 3~5
`return_documents`	建议 `true`，避免再按索引查原文

当前国产第一梯队（简要）

厂商	旗舰型号	大致定位
深度求索	DeepSeek-V4-Pro / Flash	推理 + Agent，性价比标杆
月之暗面	Kimi K3	超大参数、长上下文、多模态
智谱	GLM-5.2	编程与长程 Agent
阿里	Qwen3.8-Max	综合旗舰、办公 / 科研
字节	Doubao Pro/Lite	高并发与通用对话
百度	Ernie 5.0	中文知识与创作

若你平台上的 model id 与上表不完全一致，以 GET /v1/models 返回的 id 为准即可。

1. 模型列表与选择指南#

查询可用模型#

Chat 模型（2026 主流）#

Embedding 模型#

图像模型#

语音模型#

视频模型#

视频模型#

Rerank 模型#

Moderation 模型#

2. 额度与计费说明#

计费方式#

Token 粗略换算#

模型倍率（示意，以 qwen-turbo = 1x 为基准）#

额度查询#

额度耗尽#

各接口计费依据#

3. 速率限制说明#

限制维度#

超限响应#

相关响应头#

应对策略#

Embedding 批量调用示例#

降维示例#

Rerank 参数建议#

当前国产第一梯队（简要）#

1. 模型列表与选择指南

查询可用模型

Chat 模型（2026 主流）

Embedding 模型

图像模型

语音模型

视频模型

视频模型

Rerank 模型

Moderation 模型

2. 额度与计费说明

计费方式

Token 粗略换算

模型倍率（示意，以 `qwen-turbo` = 1x 为基准）

额度查询

额度耗尽

各接口计费依据

3. 速率限制说明

限制维度

超限响应

相关响应头

应对策略

Embedding 批量调用示例

降维示例

Rerank 参数建议

当前国产第一梯队（简要）