AI 中转站支持哪些模型:2026 年在用的型号 ID 整理
模型 ID 是接入时最容易出错的一个字符。带不带日期后缀、连字符还是下划线、flash 和 Flash、有没有 -d 这种变体,差一个字符就是 model not found。所以整理这份表的时候,我按控制台里实际显示的字符串抄,不做规范化改写。
下面是目前在 Token173控制台模型列表里能看到的 ID,按家族分组。
Claude 系
| 型号 ID | 一般用在什么任务 |
|---|---|
claude-opus-5-5 | 跨文件重构、架构判断、复杂调试、长链推理 |
claude-opus-4-8 | 上一代重型任务的对照组,老项目里还有在跑的 |
claude-sonnet-5-5 | 日常编码、单文件修改、常规分析,性价比档 |
claude-haiku-5-5 | 摘要、格式化、分类、Agent 里的小型后台请求 |
claude-fable-5 | 长文写作、风格类生成,适合做 A/B 对照 |
claude-fable-5-1 | 同上,小版本差异建议自己拿固定样本比 |
Claude 系用在代码和长文场景,输入侧往往远大于输出侧,缓存命中率对账单的影响比单价大。配置 Claude Code 时记得把 ANTHROPIC_DEFAULT_HAIKU_MODEL 和 ANTHROPIC_DEFAULT_SONNET_MODEL 一并指向这两个 ID,否则后台小任务会去撞一个不存在的默认型号。
GPT 系
| 型号 ID | 一般用在什么任务 |
|---|---|
gpt-6.2-astra | 重活:复杂重构、科研与工程设计、长链 Agent 规划 |
gpt-6.2-sol | 日常主力:编码、多步业务流、Agent 后台请求 |
gpt-6.1-sol | 上一代中档,复杂 Agent 规划、多步工具调用,做同族对照 |
gpt-6.1-terra | 低成本执行:视觉理解、表单与软件操作、批量任务 |
gpt-6-sol | 上一档位,做同族对照 |
gpt-6-astra | 重推理、长文档分析 |
gpt-5.6-sol | 中高档日常任务 |
gpt-5.6-terra | 常规对话、客服、批量生成 |
gpt-5.5 | 稳定档,老业务迁移时常用 |
gpt-5.4 | 成本敏感场景的对照基线 |
6.1 和 6.2 四款新号的定位与价格对照,单独整理在 GPT-6.1 到 GPT-6.2:Astra、Sol、Terra 怎么放进同一张表。
实际项目里我按轻 / 中 / 重三档绑 ID,写成环境变量,不硬编码进业务代码。分档这一件事,通常比换平台省得多。
Gemini / Grok
| 型号 ID | 说明 |
|---|---|
gemini-3.8-flash | 高频、大批量、延迟敏感;长上下文和图片初筛常用这一档 |
grok-4.7 | 风格类生成、对照实验 |
grok-4.5 | 上一代对照,成本敏感时可留着跑 A/B |
Gemini 原生协议和 OpenAI 兼容格式差别比较大,聚合平台一般做了翻译层,接之前先测纯文本、图片输入、工具调用、流式四种请求,别只看「能返回」。
图像 / 视频
| 型号 ID | 说明 |
|---|---|
gpt-image-2 | 图像生成,通常走 /v1/images/generations |
gpt-image-2-d | 变体,具体能力以控制台说明为准 |
doubao-seedance-2-0-fast-260128 | 视频生成,异步提交 + 轮询,ID 带日期后缀 |
sd-2-5-480p | 480p 档视频 / 图像任务 |
带 -260128 这种日期后缀的 ID 最容易被手打错,建议一律从 /v1/models 返回里复制。视频类任务和文本不是一个计费逻辑,多按次或按时长计,别拿文本模型的每百万 token 单价去估。
国产线
| 型号 ID | 说明 |
|---|---|
deepseek-v4 | 通用推理,成本敏感场景的主力 |
deepseek-v4-pro-0813 | 加强档,带日期后缀 |
deepseek-v4-flash-0731 | 快速档,批量分类 / 抽取 |
glm-5.3-flash | 轻量高吞吐 |
kimi-k3 | 长上下文、材料整理 |
minimax-h3 | 生成类任务的对照 |
国产线适合放在降级链的前段:便宜档先跑,遇到置信度低或任务复杂的样本再升档到海外型号。同一套代码里换 model 字符串就行,不用改鉴权和地址。
怎么确认自己这边可用
别信任何一篇教程里的列表,包括这篇。平台会上下架型号、调整分组和倍率,最可靠的做法是每次上线前拉一次:
curl -sS "https://token173.net/v1/models" \
-H "Authorization: Bearer $RELAY_API_KEY" \
| python3 -c "import sys,json; print('\n'.join(m['id'] for m in json.load(sys.stdin)['data']))"
把输出和实际配置做一次 diff,型号下架能提前发现。我们把它固化进部署脚本了,比人工核对省事。
再跑一组最小验证,确认这个 ID 在你要用的能力上没问题:
from openai import OpenAI
client = OpenAI(api_key="...", base_url="https://token173.net/v1")
r = client.chat.completions.create(
model="gpt-6.1-sol",
messages=[{"role": "user", "content": "只回复 OK"}],
stream=True,
stream_options={"include_usage": True},
)
for chunk in r:
...
重点看四样:能否流式、能否工具调用、超长输入会不会被截断、usage 字段是否完整。有的型号能聊天但不支持 tool calling,Agent 场景一上就露馅。
关于命名,几句提醒
聚合平台的模型 ID 是平台自己维护的别名,不必然等于厂商官方文档里的版本号。同一个能力在不同站可能叫不同名字,也可能同一个名字对应不同分组和倍率。所以迁移平台时别只做字符串替换,要重新跑一遍上面的验证组。
另外,同一家族里 -sol、-terra、-astra 这类后缀代表不同档位,具体能力和计价以控制台模型说明与价格页为准。别凭名字猜哪个更强,拿自己业务的真实样本跑 30 条,比猜准得多。
最后
这份表是拿来对照用的,不是永久清单。型号会更新,价格会调,能力支持范围也会变。真要接进生产,把 /v1/models 的返回值当成唯一事实来源,其他都是参考。