国内外主流聚合AI大模型使用方法

国内外主流聚合AI大模型使用方法

 最近把国内外各家主要的大模型API平台都用了个遍,在这里分享一下使用体验

第三方代理平台

1. openrouter:https://openrouter.ai/

模型覆盖度:支持400+模型,覆盖GPT、Claude、Gemini、Grok、Qwen、DeepSeek、Llama、Mistral等主流模型。

服务稳定性:开源模型稳定性较高,闭源模型稳定性一般,有时会被限流或者莫名其妙的报错。openrouter还有一个严重的bug是推理时间过长后会断开连接,我目前还没找到解法。

价格:和模型原厂基本一致

使用体验:使用方便,创建API key之后,可以使用OpenAI兼容方式使用。可以使用visa卡。经评论区提醒,选择一次性支付选项(one-time payment methods),可以使用微信和支付宝支付。

2. PoloAIhttps://poloai.top/

模型覆盖度:支持300+,覆盖GPT、Claude、Gemini、Grok、Qwen、DeepSeek等主流模型。

服务稳定性:有不同分组可选择,有的分组稳定性较好,但价格较高,有的分组稳定性差,但价格低。有的模型的后台容量有限,遇到流量高峰时可能就不可用了。

价格:取决于分组,有的分组价格可以比模型原厂低很多

使用体验:非常方便,创建API key之后,可以使用OpenAI兼容方式使用。可以使用微信或支付宝充值。虽然用户界面看起来有点山寨,但很实用。

3. DMXAPIhttps://www.dmxapi.cn/

模型覆盖度:覆盖非常全,对国产模型的覆盖比PoloAI更多(如豆包、混元、文心、GLM、Kimi、Minimax),但分组比PoloAI少。

服务稳定性:整体稳定性较好。另有SSVIP独立站点提供生产级稳定服务(但我没用过这个)。

价格:总体上会比原厂低一些。

使用体验:界面和PoloAI类似,很方便。

国外云厂商

1. Google Vertex AI:https://cloud.google.com/vertex-ai/generative-ai/

模型覆盖度:支持Gemini、Claude(中国大陆和中国香港地区用户无法使用)、Llama、Mistral模型。

服务稳定性:高。(前提是能翻墙)

价格:Claude价格是原厂的一半。

使用体验:鉴权非常麻烦,需要在服务器上装一个google cloud client,配置复杂。接口不兼容openai。云控制台使用体验还可以。不支持国内主流支付方式。

2. AWS BedRock:https://aws.amazon.com/bedrock/

模型覆盖度:支持Claude(中国大陆和中国香港地区用户无法使用)、Llama、Mistral、DeepSeek等模型

服务稳定性:对普通用户限流太狠,QPM只有个位数,请求频繁一点就失败。同样要翻墙。

价格:Claude和原厂一致,Llama较便宜,DeepSeek较贵

使用体验:控制台非常难用。鉴权较麻烦。接口不兼容openai。不支持国内主流支付方式。

3. Azure AI Foudryhttps://ai.azure.com/explore/models

模型覆盖度:支持OpenAI(中国大陆和中国香港地区用户无法使用)、Llama、Mistral、DeepSeek、Grok等模型

服务稳定性:未实际调用,不确定。

价格:基本和模型原厂一致。

使用体验:控制台使用还可以。不支持国内主流支付方式。

国内云厂商

1. 阿里云百炼https://bailian.console.aliyun.com/

模型覆盖度:支持Qwen、DeepSeek、Llama等模型

服务稳定性:高

价格:和模型原厂一致。(购买流量包有优惠)

使用体验:使用很方便。支持国内主流支付方式。

2. 百度千帆https://cloud.baidu.com/product-s/qianfan_modelbuilder

模型覆盖度:支持文心、DeepSeek、Qwen、Llama等模型

服务稳定性:高

价格:和模型原厂一致。(购买流量包有优惠)

使用体验:使用很方便。支持国内主流支付方式。

3. 火山方舟https://www.volcengine.com/product/ark

模型覆盖度:支持豆包、DeepSeek模型

服务稳定性:高

价格:和模型原厂一致。(购买流量包有优惠)

使用体验:使用很方便。支持国内主流支付方式。

4. 硅基流动https://cloud.siliconflow.cn/

模型覆盖度:主要是国产开源模型,包括Qwen、DeepSeek,还有很多较小众的模型,模型版本选择也比较多

服务稳定性:高,但对普通用户的TPM限额太小,很容易被限流(2025年11月13日更新:目前硅基流动对大部分模型的TPM限额已经提至40万,比之前好很多,已经不怎么遇到限流问题了)

价格:基本和模型原厂一致。

使用体验:使用很方便。支持国内主流支付方式。

总结

下表列出不同模型在不同API提供商的推荐指数:

总结:如果想使用国内的模型API,推荐使用国内云厂商提供的API服务或第三方代理平台。如果想在国内使用国外的模型API,或者想同时使用很多不同系列的模型,推荐使用第三方代理平台。如果服务器在国外,想调用国外的某个API模型,则推荐使用国外云厂商,或第三方代理平台。

写在最后:在今天,AI正在帮助企业提升效率、降低成本并加速创新。在未来的 AI 时代,人工智能将助力全球组织实现智能化目标,因此为了迎接那一天的到来,我们要提前做好准备。

Read more

Go语言中的未来:从泛型到WebAssembly

Go语言中的未来:从泛型到WebAssembly 前言 作为一个在小厂挣扎的Go后端老兵,我对Go语言未来的理解就一句话:能进化的绝不固步自封。 想当年刚接触Go语言时,它还没有泛型,没有模块系统,甚至连错误处理都被人诟病。现在的Go语言已经今非昔比,泛型来了,模块系统完善了,错误处理也有了更多选择。 今天就聊聊Go语言的未来发展,从泛型到WebAssembly,给大家一个能直接抄作业的方案。 为什么需要关注Go语言的未来? 我见过不少小团队,只关注当前的技术,不关心语言的发展趋势,结果技术栈逐渐落后。关注Go语言的未来能带来很多好处: * 提前准备:了解未来的特性,提前调整代码结构 * 技术选型:根据未来趋势,做出更合理的技术选型 * 职业发展:掌握最新技术,提升个人竞争力 * 项目规划:根据语言发展,制定更合理的项目规划 泛型 泛型是Go 1.18引入的重要特性,它能让我们编写更加通用的代码。 基本用法 // 定义泛型函数 func Map[T, U any](s []T, f

打造你的专属 AI 旅行管家:基于 OpenAgents 的多智能体旅游助手实战

打造你的专属 AI 旅行管家:基于 OpenAgents 的多智能体旅游助手实战

基于 OpenAgents 的多智能体旅游助手实战 在大模型与智能体(Agent)技术快速发展的今天,构建一个能理解需求、协调任务、调用工具的 AI 助手已不再是遥不可及的梦想。传统的聊天机器人往往只能被动回答问题,而现代智能体系统则具备“主动性”——它能拆解复杂目标、调用多个子模块、甚至与外部服务交互,从而完成端到端的任务。本文将带你从零开始,利用 OpenAgents 这一开源框架,搭建一个由多个专业智能体协同工作的本地旅游小助手。这个系统不仅能根据用户一句话生成完整的旅行计划、推荐个性化景点,还能逐步扩展至查询实时天气、预订酒店、规划交通等实用功能,真正实现“一句话开启智能旅行”。 一、本地启动智能体 要运行基于 OpenAgents 的智能体系统,首先需要启动其核心网络服务。该服务负责管理所有 Agent 的注册、通信和协作,是整个多智能体生态的“中枢神经系统”。 在终端中执行以下命令: openagents network start 首次运行时,OpenAgents 会自动打开浏览器,引导你完成初始化配置(

前端安全:别让你的应用变成黑客的游乐场

前端安全:别让你的应用变成黑客的游乐场 毒舌时刻 这代码写得跟网红滤镜似的——仅供参考。 各位前端同行,咱们今天聊聊前端安全。别告诉我你还在写明文存储密码,那感觉就像把家门钥匙挂在门口——方便,但不安全。 为什么你需要前端安全 最近看到一个项目,登录表单直接把密码发送到服务器,没有任何加密。我就想问:你是在做应用还是在给黑客送大礼? 反面教材 // 反面教材:不安全的登录 // components/LoginForm.jsx export default function LoginForm() { const [username, setUsername] = useState(''); const [password, setPassword] = useState(''); const handleSubmit = async (e) => { e.preventDefault(); // 直接发送明文密码 const response = await

【Js逆向 python】Web JS 逆向全体系详细解释

【Js逆向 python】Web JS 逆向全体系详细解释

Web JS 逆向全体系内容 互联网技术安全提示与职业操守 做渗透测试,必须严格遵守以下原则: 1. 合法授权:仅在书面授权的范围内使用逆向技术,禁止未授权测试; 2. 最小影响:避免使用高风险参数(如sqlmap工具的 --risk=3、--os-shell),防止目标服务崩溃; 3. 数据保护:枚举到的敏感数据(如用户密码)需严格保密,测试后立即删除; 4. 留痕清理:测试结束后,协助目标清除测试留下的日志、文件等痕迹。 免责声明 1. 本文所述所有渗透测试技术、工具、命令及实战案例,仅适用于已获得目标系统 / 网络所有者书面授权的测试场景(如企业内部安全评估、甲方委托的红队测试、个人合法拥有的实验环境)。 2. 任何组织或个人若未取得明确书面授权,擅自将本文内容用于对第三方系统 / 网络的扫描、探测、攻击等行为,均属于非法网络活动,涉嫌违反《中华人民共和国网络安全法》《中华人民共和国刑法》(第