rui40000andClaude Fable 5
cc5852dc18
- 模型列表本身按厂商排序聚类，配合 ComfyUI 下拉搜索（输入 "qwen/" 等 前缀过滤）已能满足筛选需求，vendor 下拉冗余 - 一并移除只为级联服务的前端脚本 web/zenmux_cascade.js 与 WEB_DIRECTORY Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
97 lines
3.0 KiB
Python
97 lines
3.0 KiB
Python
# -*- coding: utf-8 -*-
|
||
"""
|
||
ZenMux 模型注册表
|
||
=================
|
||
从随包分发的 models_snapshot.json 加载模型清单，为节点提供：
|
||
|
||
- all_model_labels() 全量「带价格」下拉标签，按厂商 → 模型排序聚类
|
||
- default_model_label() 默认模型 openai/gpt-5.4-nano 对应的标签
|
||
- label_to_model_id() 从下拉标签解析真实 model id（对旧标签/纯 id 也兼容）
|
||
|
||
标签格式（价格单位：USD / 百万 token）：
|
||
openai/gpt-5.4-nano [入$0.04/M 出$0.32/M]
|
||
标签第一个空格前恒为 model id，后端解析依赖这一点。
|
||
|
||
快照可用 build_snapshot.py 随时重新拉取更新。
|
||
"""
|
||
import json
|
||
import os
|
||
|
||
DEFAULT_MODEL_ID = "openai/gpt-5.4-nano"
|
||
|
||
_SNAPSHOT_PATH = os.path.join(os.path.dirname(os.path.abspath(__file__)),
|
||
"models_snapshot.json")
|
||
|
||
|
||
def _fmt_price(v):
|
||
"""10.0 -> '10'，0.04 -> '0.04'，None -> '?'。"""
|
||
if v is None:
|
||
return "?"
|
||
try:
|
||
s = f"{float(v):.4f}".rstrip("0").rstrip(".")
|
||
return s if s else "0"
|
||
except (TypeError, ValueError):
|
||
return "?"
|
||
|
||
|
||
def _make_label(m):
|
||
return (f"{m['id']} "
|
||
f"[入${_fmt_price(m.get('input_price'))}/M "
|
||
f"出${_fmt_price(m.get('output_price'))}/M]")
|
||
|
||
|
||
def _load_models():
|
||
"""读取快照；文件缺失/损坏时退化为只含默认模型的最小清单。"""
|
||
try:
|
||
with open(_SNAPSHOT_PATH, "r", encoding="utf-8") as f:
|
||
models = json.load(f)["models"]
|
||
if models:
|
||
return models
|
||
except Exception as e:
|
||
print(f"[Rui-Node] ZenMux 模型快照加载失败（{e}），退化为最小模型清单。"
|
||
f"可运行 zenmux/build_snapshot.py 重新生成。")
|
||
return [{
|
||
"id": DEFAULT_MODEL_ID,
|
||
"vendor": DEFAULT_MODEL_ID.split("/")[0],
|
||
"input_price": None,
|
||
"output_price": None,
|
||
}]
|
||
|
||
|
||
# 模块加载时构建一次即可（ComfyUI 启动时构建节点定义）
|
||
_MODELS = _load_models()
|
||
_LABELS = [_make_label(m) for m in _MODELS]
|
||
_LABEL_TO_ID = {lb: m["id"] for lb, m in zip(_LABELS, _MODELS)}
|
||
_KNOWN_IDS = {m["id"] for m in _MODELS}
|
||
|
||
|
||
def all_model_labels():
|
||
return list(_LABELS)
|
||
|
||
|
||
def default_model_label():
|
||
for lb, m in zip(_LABELS, _MODELS):
|
||
if m["id"] == DEFAULT_MODEL_ID:
|
||
return lb
|
||
return _LABELS[0]
|
||
|
||
|
||
def label_to_model_id(label):
|
||
"""
|
||
从下拉标签解析 model id。三层兼容：
|
||
1. 当前标签精确命中；
|
||
2. 旧版工作流里存的标签（价格已变动）→ 取第一个空格前的 id 段；
|
||
3. 用户直接填了纯 model id → 原样返回。
|
||
解析不出（空串等）返回 None，由调用方兜底到默认模型。
|
||
"""
|
||
s = (label or "").strip()
|
||
if not s:
|
||
return None
|
||
if s in _LABEL_TO_ID:
|
||
return _LABEL_TO_ID[s]
|
||
head = s.split(" ")[0].split("\t")[0]
|
||
if head in _KNOWN_IDS:
|
||
return head
|
||
# 未收录的 id（快照偏旧但模型真实存在）也放行，交给服务端判定
|
||
return head if head else None
|