主题切换
大语言模型
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) |
|---|---|---|---|
| OpenAI | gpt-6-luna(输入 <272K) | 0.75 | 3.75 |
| OpenAI | gpt-6-luna(输入 ≥272K) | 1.5 | 5.625 |
| OpenAI | gpt-6.1-sol(输入 <272K) | 15 | 75 |
| OpenAI | gpt-6.1-sol(输入 ≥272K) | 30 | 112.5 |
| OpenAI | gpt-6-astra(输入 <272K) | 75 | 375 |
| OpenAI | gpt-6-astra(输入 ≥272K) | 150 | 562.5 |
| 阿里百炼 | qwen3.8-max-prime | 24 | 72 |
| 阿里百炼 | qwen3.8-max | 12 | 36 |
| 阿里百炼 | qwen3.7-plus | 6 | 24 |
| 阿里百炼 | qwen3.8-flash | 0.8 | 2.7 |
| 阿里百炼 | qwen3.8-omni-flash | 0.8 | 2.7 |
| 阿里百炼 | qwen-max | 2.4 | 9.6 |
| 阿里百炼 | qwen-plus | 2.4 | 24 |
| 阿里百炼 | qwen-flash | 0.6 | 6 |
| 深度求索 | deepseek-v4-pro | 0.3 | 27 |
| 深度求索 | deepseek-flash(官方 DeepSeek-V4.1-Flash) | 0.04 | 8 |
| 火山方舟 | doubao-seed-2.1-pro | 3 | 15 |
| 火山方舟 | doubao-seed-evolving | 3 | 15 |
| 火山方舟 | doubao-seed-2.1-turbo | 1.5 | 7.5 |
| 火山方舟 | doubao-seed-2.1-lite | 0.4 | 1.35 |
| Google Gemini | gemini-3.8-flash | 11.25 | 56.25 |
| Google Gemini | gemini-3.5-flash-lite | 2.25 | 18.75 |
| Google Gemini | gemini-3.1-flash-lite | 3.75 | 11.25 |
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-pro | DeepSeek-V4-Pro | 0.3 | 27 | 旗舰:复杂推理、长文写作、Agent 任务;支持思维链与工具调用 |
deepseek-flash | DeepSeek-V4.1-Flash | 0.04 | 8 | 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-flash | deepseek-v4-pro |
|---|---|---|
| 输入 10,000 token + 输出 2,000 token | 0.0004 + 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。
