rui40000andClaude Opus 4.8
cc6a6e3400
参照 ZenMux 节点的架构编写，参数、输出与容错行为保持一致，便于互换。 端点 https://llm.ai-nebula.com/v1/chat/completions 与 ZenMux 的三点差异： - 模型清单内置在 yueguang/model_registry.py，不做在线快照：越光没有 可枚举的模型接口，清单与价格来自官方规范文档。少一个联网环节， 也不会因拉取失败导致下拉变空 - model id 不带厂商前缀（gpt-4o 而非 openai/gpt-4o），下拉靠排序聚类， 搜索时输 gpt/claude/deepseek/kimi 过滤 - 默认 deepseek-v4-flash（全表最便宜 $0.1/$0.3，官方示例也用它）， 默认值便宜可避免误触发产生意外费用 25 个模型的价格已按文档录入并逐项校验（标签解析、价格、厂商三项一致性 全部通过）。usage_stats 比 ZenMux 多一行厂商，价格换算经手算对照无误。 沿用的实战经验：base_url 默认值不带 ://（前端会吞协议片段）、 自适应参数重试（弃用 temperature / 需 max_completion_tokens 的模型）、 VALIDATE_INPUTS 宽松放行避免价格变动使旧工作流失效。 所有 19 个参数均带中文 tooltip。 验证：链路已打通（认证被接受、响应能正确解析），但文档提供的 key 余额为 0，返回 403「用户额度不足」，故未取得实际回复内容。 换有额度的 key 即可使用。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
137 lines
4.9 KiB
Python
137 lines
4.9 KiB
Python
# -*- coding: utf-8 -*-
|
||
"""
|
||
越光模型注册表
|
||
==============
|
||
越光的可用模型与价格由官方规范文档给定（不像 ZenMux 有可枚举的模型接口），
|
||
因此这里直接内置清单，不做在线快照 —— 少一个联网环节，也不会因为
|
||
拉取失败而让下拉变空。价格有变动时改这张表即可。
|
||
|
||
对外接口与 zenmux/model_registry.py 保持一致，便于两个节点共用同一套写法：
|
||
- all_model_labels() 带价格的下拉标签，按厂商分组、组内保持官方顺序
|
||
- default_model_label() 默认模型对应的标签
|
||
- label_to_model_id() 从标签解析真实 model id（对旧标签/纯 id 也兼容）
|
||
- model_prices() 按 model id 查（输入单价, 输出单价），USD/百万 token
|
||
- model_label_by_id() 按 model id 生成带价签标签
|
||
|
||
标签格式（价格单位：USD / 百万 token）：
|
||
gpt-4o [入$2.5/M 出$10/M]
|
||
标签第一个空格前恒为 model id，后端解析依赖这一点。
|
||
|
||
注意：越光的 model id **不带厂商前缀**（是 gpt-4o 而非 openai/gpt-4o），
|
||
这点与 ZenMux 不同。下拉里同厂商的模型是靠排序聚在一起的，
|
||
搜索时输 gpt / claude / deepseek / kimi 即可过滤。
|
||
"""
|
||
|
||
# (厂商, model id, 输入单价, 输出单价) 单价单位：USD / 百万 token
|
||
# 数据来源：越光 API 接入规范（2026-07-29），docs.stars-cloud.com/cn
|
||
_MODELS_RAW = [
|
||
# ---- OpenAI ----
|
||
("OpenAI", "gpt-5.6-sol", 4.75, 5.00),
|
||
("OpenAI", "gpt-5.6-terra", 2.375, 2.50),
|
||
("OpenAI", "gpt-5.6-luna", 0.95, 1.00),
|
||
("OpenAI", "gpt-4.1", 2.00, 8.00),
|
||
("OpenAI", "gpt-4.1-mini", 0.40, 1.60),
|
||
("OpenAI", "gpt-4o", 2.50, 10.00),
|
||
("OpenAI", "gpt-4o-mini", 0.15, 0.60),
|
||
("OpenAI", "o4-mini", 1.10, 4.40),
|
||
("OpenAI", "o3-mini", 1.10, 4.40),
|
||
# ---- Anthropic ----
|
||
("Anthropic", "claude-opus-5", 5.00, 5.00),
|
||
("Anthropic", "claude-opus-4-7", 15.00, 75.00),
|
||
("Anthropic", "claude-opus-4-6", 15.00, 75.00),
|
||
("Anthropic", "claude-sonnet-5", 2.00, 2.00),
|
||
("Anthropic", "claude-sonnet-4-6", 3.00, 15.00),
|
||
("Anthropic", "claude-haiku-4-5-20251001", 0.80, 4.00),
|
||
("Anthropic", "claude-fable-5", 3.00, 15.00),
|
||
# ---- DeepSeek ----
|
||
("DeepSeek", "deepseek-v4-pro", 2.19, 8.76),
|
||
("DeepSeek", "deepseek-v4-flash", 0.10, 0.30),
|
||
("DeepSeek", "deepseek-r1-250528", 0.55, 2.19),
|
||
("DeepSeek", "deepseek-v3-250324", 0.27, 1.10),
|
||
# ---- Kimi (Moonshot) ----
|
||
("Kimi", "kimi-k3", 2.86, 2.86),
|
||
("Kimi", "kimi-k2.7-code", 1.00, 4.00),
|
||
("Kimi", "kimi-k2.6", 1.00, 4.00),
|
||
("Kimi", "kimi-k2.5", 1.00, 4.00),
|
||
("Kimi", "kimi-k2-thinking", 1.00, 4.00),
|
||
]
|
||
|
||
# 默认用最便宜的 deepseek-v4-flash（$0.1/$0.3）：官方示例也用它，
|
||
# 且默认值便宜可以避免误触发时产生意外费用。
|
||
DEFAULT_MODEL_ID = "deepseek-v4-flash"
|
||
|
||
|
||
def _fmt_price(v):
|
||
"""10.0 -> '10'，0.04 -> '0.04'，None -> '?'。"""
|
||
if v is None:
|
||
return "?"
|
||
try:
|
||
s = f"{float(v):.4f}".rstrip("0").rstrip(".")
|
||
return s if s else "0"
|
||
except (TypeError, ValueError):
|
||
return "?"
|
||
|
||
|
||
_MODELS = [{"vendor": v, "id": i, "input_price": ip, "output_price": op}
|
||
for v, i, ip, op in _MODELS_RAW]
|
||
|
||
|
||
def _make_label(m):
|
||
return (f"{m['id']} "
|
||
f"[入${_fmt_price(m.get('input_price'))}/M "
|
||
f"出${_fmt_price(m.get('output_price'))}/M]")
|
||
|
||
|
||
_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}
|
||
_ID_TO_MODEL = {m["id"]: m 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 model_prices(model_id):
|
||
"""按 model id 查（输入单价, 输出单价），USD/百万 token；未知模型 (None, None)。"""
|
||
m = _ID_TO_MODEL.get(model_id)
|
||
if not m:
|
||
return (None, None)
|
||
return (m.get("input_price"), m.get("output_price"))
|
||
|
||
|
||
def model_label_by_id(model_id):
|
||
"""按 model id 生成带价签标签；未收录的 id 原样返回。"""
|
||
m = _ID_TO_MODEL.get(model_id)
|
||
return _make_label(m) if m else (model_id or "?")
|
||
|
||
|
||
def model_vendor(model_id):
|
||
m = _ID_TO_MODEL.get(model_id)
|
||
return m["vendor"] if m else "?"
|
||
|
||
|
||
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（未收录也放行，交服务端判定）。
|
||
"""
|
||
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
|
||
return head if head else None
|