Skip to content

大语言模型 ​

← 返回全部能力

一套密钥调用多家大模型。网关把上游各家协议统一成同一组接口,已有的 SDK 只要改 Base URL 就能直接用。

接口一览 ​

基地址 https://api.jcaigc.cn/v1,请求头带 Authorization: Bearer <密钥>(也接受 x-api-key),密钥是控制台里的 apiKey。

接口方法与路径说明
对话补全POST /v1/chat/completions主入口,支持流式、function calling 与图片输入
文本补全(旧版)POST /v1/completions老 SDK 使用的补全端点
模型清单GET /v1/models、GET /v1/models/{model}返回当前密钥可用模型

支持的模型 ​

模型清单由账号开通的通道决定。网关出厂价目表收录的模型如下,每个模型的输入价与输出价都是确定的:

上游模型输入(元/百万 token)输出(元/百万 token)
OpenAIgpt-6-luna(输入 <272K)0.753.75
OpenAIgpt-6-luna(输入 ≥272K)1.55.625
OpenAIgpt-6.1-sol(输入 <272K)1575
OpenAIgpt-6.1-sol(输入 ≥272K)30112.5
OpenAIgpt-6-astra(输入 <272K)75375
OpenAIgpt-6-astra(输入 ≥272K)150562.5
阿里百炼qwen3.8-max-prime2472
阿里百炼qwen3.8-max1236
阿里百炼qwen3.7-plus624
阿里百炼qwen3.8-flash0.82.7
阿里百炼qwen3.8-omni-flash0.82.7
阿里百炼qwen-max2.49.6
阿里百炼qwen-plus2.424
阿里百炼qwen-flash0.66
深度求索deepseek-v4-pro0.327
深度求索deepseek-flash(官方 DeepSeek-V4.1-Flash)0.048
火山方舟doubao-seed-2.1-pro315
火山方舟doubao-seed-evolving315
火山方舟doubao-seed-2.1-turbo1.57.5
火山方舟doubao-seed-2.1-lite0.41.35
Google Geminigemini-3.8-flash11.2556.25
Google Geminigemini-3.5-flash-lite2.2518.75
Google Geminigemini-3.1-flash-lite3.7511.25

不在表里的模型会被拒绝

网关按模型名精确匹配价目表,没有精确命中的条目一律拒绝调用(HTTP 503, error.type = model_not_priced),不会回落到任何默认价。要用表外的模型,需先在控制台 「模型与定价」里给它填上输入价与输出价。

以实际开通的模型为准

上表是网关出厂价目表收录的全部模型。调用 GET /v1/models 可以拿到当前密钥可用的准确清单。

鉴权 ​

两种写法任选其一,值都是控制台里的 apiKey:

请求头说明
Authorization: Bearer <密钥>标准写法
x-api-key: <密钥>备用写法,值相同

请求示例 ​

bash
curl -X POST https://api.jcaigc.cn/v1/chat/completions \
  -H "Authorization: Bearer 123e4567-e89b-12d3-a456-426614174000" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8-flash",
    "messages": [
      {"role": "system", "content": "你是一个简洁的助手"},
      {"role": "user", "content": "用一句话解释什么是向量检索"}
    ],
    "stream": false
  }'

流式输出 ​

请求体带 "stream": true 即返回 SSE(Content-Type: text/event-stream)。 网关会自动补上 stream_options.include_usage,并在最后一块里给出本次调用的 usage,按它计费。

流式增量统一是 OpenAI 的 chat.completion.chunk 格式,任何 OpenAI 客户端都能直接解析。

调用 DeepSeek 模型 ​

DeepSeek 的两条模型走的就是上面的对话补全接口,没有额外的协议或参数:把 model 换成下表左列的 ID 即可,密钥、地址、鉴权方式与其它模型完全一致。

单价单位与前表相同(元/百万 token):

model官方型号输入输出定位
deepseek-v4-proDeepSeek-V4-Pro0.327旗舰:复杂推理、长文写作、Agent 任务;支持思维链与工具调用
deepseek-flashDeepSeek-V4.1-Flash0.048轻快:高并发对话与批量任务;成本与延迟都低

DeepSeek 的 model 取值与官网型号不一定同名:网关用的是官方的固定 ID,官网上叫 DeepSeek-V4.1-Flash 的那条,model 要填 deepseek-flash。官方用固定 ID 指向当前 快照,官网换版本(V4.1 → V4.2)时这个取值不变,同一份代码不用改。

两条都是 1M 上下文,调用方式完全相同,切换成本只是改一个 model 取值。 拿不准用哪条时先按 deepseek-flash 跑通,效果不够再换 deepseek-v4-pro。

一次调用花多少钱(按上表单价直接算,输入按 prompt_tokens、输出按 completion_tokens):

用量deepseek-flashdeepseek-v4-pro
输入 10,000 token + 输出 2,000 token0.0004 + 0.016 = 0.0164 元0.003 + 0.054 = 0.057 元

同样的用量,deepseek-flash 大约只要 Pro 的三成。

curl

bash
curl -X POST https://api.jcaigc.cn/v1/chat/completions \
  -H "Authorization: Bearer 123e4567-e89b-12d3-a456-426614174000" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "system", "content": "你是一个简洁的助手"},
      {"role": "user", "content": "用一句话解释什么是向量检索"}
    ]
  }'

Python(官方 OpenAI SDK,只换基地址)

python
from openai import OpenAI

client = OpenAI(
    api_key="123e4567-e89b-12d3-a456-426614174000",
    base_url="https://api.jcaigc.cn/v1",
)

resp = client.chat.completions.create(
    model="deepseek-v4-pro",          # 换 "deepseek-flash" 即切到轻快档
    messages=[
        {"role": "system", "content": "你是一个简洁的助手"},
        {"role": "user", "content": "用一句话解释什么是向量检索"},
    ],
)

print(resp.choices[0].message.content)
print(resp.usage)                     # 本次调用的 token 用量,按它计费

Node.js(官方 OpenAI SDK,只换基地址)

javascript
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: '123e4567-e89b-12d3-a456-426614174000',
  baseURL: 'https://api.jcaigc.cn/v1',
});

const resp = await client.chat.completions.create({
  model: 'deepseek-flash',            // 换 'deepseek-v4-pro' 即切到旗舰档
  messages: [
    { role: 'system', content: '你是一个简洁的助手' },
    { role: 'user', content: '用一句话解释什么是向量检索' },
  ],
});

console.log(resp.choices[0].message.content);
console.log(resp.usage);              // 本次调用的 token 用量,按它计费

改成流式只要多传一个 stream 参数(Python 写 stream=True),增量以 SSE 逐步返回、 最后一块带用量,见上文「流式输出」。想确认当前密钥能调哪些模型,调 GET /v1/models。

计费说明 ​

对话补全按 token 计费,输入与输出各有一个单价,两侧各算各的。

项目说明
计价公式输入 token ÷ 百万 × 输入价 + 输出 token ÷ 百万 × 输出价(单位:元)
单价口径元/百万 token,与各家官网价目表同一口径;各模型单价见上文「支持的模型」
计价档位多数模型只有一个输入价与一个输出价;OpenAI 三条按输入 token 数分两档(<272K / ≥272K),取本次请求的输入 token 数所在档的单价计算
未定价的模型一律拒绝调用,HTTP 503 + error.type = model_not_priced,不回落到任何默认价
失败请求上游返回 4xx / 5xx 不计费
取不到用量时按请求与响应文本估算 token 数

每个模型的输入价与输出价都在控制台「模型与定价」里配置, 出厂价目表随版本更新,控制台改过的条目以控制台为准,保存后立即生效。

单价上的几个细节:

  • qwen3.8-max-prime 与 qwen3.8-max 是同一套权重的两个 ID:prime 走优速档(吞吐约 1.5–2 倍),单价翻倍。
  • qwen3.8-omni-flash 是全模态模型,能直接吃音频与视频输入,计费仍按 token,价格与 qwen3.8-flash 同档。
  • qwen-max 的价格对应非思考模式。
  • 深度求索的两条是一口价:官方自己分峰谷(空闲时段含周末与法定节假日按半价收), 网关不区分时段,任何时间调用都按上表的价格计费。
  • doubao-seed-2.1-lite 能直接吃音频输入,官方对音频输入另报一个更高的价(6 元/百万 token); 网关按 token 计价的条目只有输入价与输出价两个维度,音频进这条链路时按文本价收(属于少收)。
  • doubao-seed-evolving 是滚动 ID,官方承诺它始终指向最新版,升级自动生效,是这一组里不会失效的一条。
  • Google Gemini 的三条 model 取值与上游一致(都带 gemini- 前缀),直接填即可; 三条都能接受文本 / 图片 / 视频 / 音频 / PDF 输入,输出按 token 计费。 gemini-3.1-flash-lite 是上一代轻量款,仍在售,输入价比 3.5 高、输出价更低——照价目表原样计费,不按代际折算。
  • OpenAI 的三条模型按输入长度分档计价:输入不足 272K token(272K 即 272,000 token) 用第一档,达到 272K 用第二档;判定只看本次请求的输入 token 数,与输出长度无关。 两档各有一个输入价与一个输出价,按上面的公式取所在档的单价直接计算。

价格以控制台为准

上表是网关的出厂价目表,线上实际生效的单价以 https://www.jcaigc.cn 控制台「模型与定价」展示的为准。

调用限制 ​

项目默认值说明
调用频率120 次 / 分钟,突发 20按密钥统计,可调
失败重试最多 3 次上游 5xx 或 429 时自动换渠道重试;4xx 不重试
等待响应头1800 秒上游一直不返回响应头时的上限,可调
空闲超时300 秒收到响应后连续这么久没有新数据才中断,可调

长上下文请求

对话类请求(流式与非流式)都没有总时长限制:非流式以「等待响应头」为上限, 流式只要还在返回数据就不会被中断。调用方自己的 HTTP 读超时要覆盖预期的生成 时长。超时返回 504,不会换渠道重试——请求已经发到上游,重发只会再算一遍。

相关模块 ​

  • 语音 — 语音识别,把音频转成文字
  • 图像 — 文生图
  • 视频 — 文生视频与图生视频
  • 数字人 — 图片说话与视频对口型两种方案,让人物按音频开口

最后更新于: