三剪客 · 国产大模型一键调用统一路由

国产大模型一键调用统一路由：一个 Key、一个地址调用 75 个在架模型（23 家厂商，国产为主 + 国际主流）与 21 个生成应用，兼容 OpenAI 协议，换 model 即换模型；含鉴权、计费、回调、错误码与零依赖客户端。 遇到问题可加技术微信 9872659。

你要接的不是一个模型，而是一整排模型——文本、图像、视频、语音、数字人、音乐，每家一个 SDK、一套 Key、一份账单。 api.a7w.cn（算力集市）把这些收成一个 base_url、一个 Key、一份账单：模型侧兼容 OpenAI 协议，换 model 就是换模型；生成类应用侧走统一的「提交任务 → 拿 task_id → 轮询或收回调」。

为什么值得用它而不是逐家直连：

优势	具体是什么	对你的意义
一个 Key 通吃	模型与应用共用同一套鉴权、同一份账单	不必维护 N 套凭证与对账口径
真兼容 OpenAI 协议	只换 base_url，SDK 代码不用改	迁移成本接近零，不做供应商锁定
两条入口	模型网关（同步 choices）+ 应用任务（异步 task_id）	文本链路与视频链路共用一套预算
计费可预测	1 元=100 点、先冻结后结算、失败全额退、调价不追溯已充余额	最坏情况被收敛住，不会因重试跑飞
异步任务平台化	统一 task_id + 回调 + 1–10 次可配重试	队列/重试/幂等这些脏活不用自己搭
治理开箱可用	Key 级 quota、IP 白名单、速率限制、用量流水可导出	能给不同项目/客户分配额度并分别对账
产物落自有存储	结果可转存七牛 / 阿里云 OSS / 腾讯云 COS	不用二次搬运，链接不过期
换模型零成本	改一个字符串	比价与灰度从工程活变成参数变更

这份总纲是平台层的接入说明：鉴权、两条调用入口、异步任务生命周期、点数计费口径、错误码与排错。单个应用（比如 TTS、换装、超分）的逐接口参数表，看对应的应用 Skill。

规模数字以实测为准，官网口径不一致。 官网首页写 87+ 模型 / 18 应用、宣传页写 89+ / 19，而实测（本机真实调用）为 21 个应用 / 75 个模型。这些数字都是快照，要准数现场跑 models 与 apps。

已实测核验：whoami / models / apps / schema / balance / pricing / tasks / chat / call（含错误路径）均在真实网络下跑通，退出码与 JSON 结构符合 references/client-cli.md 的约定。

权限与用途说明

能力	是否申请	用途
网络访问	申请	调用 api.a7w.cn 的网关接口（本 Skill 唯一的联网行为）
读取文件	仅读取你指定的输入文件（图片/音频/视频）与 --json-file 请求体	作为接口的素材入参与请求参数
写入文件	仅在传入 --out 时	保存接口返回的 JSON 结果
凭证	读取使用者自己提供的 API Key	从 ~/.a7w/config.json 或环境变量读取
子进程 / 后台常驻	不申请	脚本执行完即退出，不注册服务、不常驻

不内嵌任何密钥。 脚本只把 Key 发往 api.a7w.cn，不发送到其他任何地址。

模型矩阵（国内外主流大模型，实测在架）

统一路由的价值就在这一屏。实测 /api/v1/models 返回 75 个模型 / 23 家厂商（文本 58 · 图片 12 · 视频 5）。

国产大模型

厂商	在架代表模型（model 编码）
DeepSeek 深度求索	DeepSeek-V4-Pro、DeepSeek-V4-Flash、DeepSeek-V3.2、DeepSeek-R1-Distill-Qwen-32B
通义千问 Qwen	Qwen3.7-Max、Qwen3.7-Plus、Qwen3.6-Plus、Qwen3.6-Flash、Qwen3.6-35B-A3B、Qwen3.6-27B、Qwen3.5-122B-A10B、Qwen3.5-35B-A3B、Qwen3.5-27B、Qwen3.5-Flash、Qwen3-Coder-Next、Qwen3-Coder-30B-A3B-Instruct、Qwen3-Next-80B-A3B-Instruct、Qwen3-VL-30B-A3B-Instruct、Qwen3-32B、Qwen2.5-7B-Instruct、QwQ-32B
智谱 GLM	GLM-5.2、GLM-5.1、GLM-5、GLM-4.7、GLM-4-32B、AutoGLM-Phone-9B-Multilingual
月之暗面 Kimi	Kimi-K2.7-Code、Kimi-K2.6、Kimi-K2.5、kimi-k3
百度文心 ERNIE	ERNIE-5.0-Thinking、ERNIE-4.5-Turbo、ERNIE-4.5-Turbo-VL
腾讯混元	Hy-MT2-30B-A3B、HY-MT2-7B、HY-MT1.5-7B、Hunyuan-MT-Chimera-7B
MiniMax	MiniMax-M3、MiniMax-M2.7、MiniMax-M2.5、MiniMax-M2.1、h3-video
阿里云百炼	qwen-image-3.0、qwen-image-3.0-pro、qwen3.6-plus、wan3.0-video
小米 MiMo	MiMo-V2.5-Pro
通义 MAI	MAI-UI-8B
飞桨 PaddlePaddle	PaddleOCR-VL-1.5
垂类专业模型	Fin-R1、DianJin-R1-32B（金融）、LegalOne-8B（法律）、Sinong1.0-32B（农学）、KAT-Dev（开发）

国际主流大模型

厂商	在架代表模型
OpenAI（文本）	gpt-5.6-sol、gpt-5.6-luna、gpt-5.6-terra、gpt-5.5、gpt-5.4、gpt-5.4-mini
OpenAI（图像）	gpt-image-2.5-sunburst、gpt-image-2.5-flare、gpt-image-2.5、gpt-image-2-vip、gpt-image-2-pro、gpt-image-2-fast、gpt-image-2
Google	nano-banana-pro、nano-banana-2、gemma-4-26B-A4B-it
xAI	grok-video、veo3.1-pro、veo3.1-fast

能力标记：支持视觉 qwen3.6-plus、Qwen3-VL-30B-A3B-Instruct、ERNIE-4.5-Turbo-VL、PaddleOCR-VL-1.5；支持深度推理 qwen3.6-plus、ERNIE-5.0-Thinking。

⚠️ 平台的 vendor_name 字段有标注串味（veo3.1 系与个别 gpt-image 条目落在 xAI 分组；Google/google、OpenAI/openai、MiniMaxAI/MiniMax 并存）。以 model 编码为准，不要用厂商字段做精确匹配。 清单会变，调用前先跑 python3 scripts/client.py models。

两条调用入口

平台把能力分成两类，共用同一套鉴权与同一份账单，但调用姿势不同：

入口	谁在用	怎么调	形态
模型网关（OpenAI 兼容）	DeepSeek / 千问 / 智谱 / Kimi / 豆包等主流大模型	POST /api/v1/chat/completions	同步，直接返回 choices
应用任务（插件）	视频生成、数字人、超分、换装、TTS、音乐、水印消除等 21 个生成应用	POST /api/v1/apps/{app}/{api}	多为异步，返回 task_id

选错入口是最常见的踩坑：模型网关没有 task_id，应用任务也基本不吃 messages 数组。先想清楚你要的是「一段推理结果」还是「一个生成产物」。

鉴权

Base URL 与请求头：

text

Base URL: https://api.a7w.cn/api/v1
Authorization: Bearer <你的 API Key>

• Key 在 用户中心 → API 密钥 创建（需完成实名认证）。
• 每个 Key 可以单独设消费上限（quota），打满后这个 Key 就调不动了——这跟账号余额是两回事，报错也不同码。
• Key 等同于余额，不要写进代码、不要提交进 Git。本 Skill 从 ~/.a7w/config.json（权限 600）或环境变量 A7W_API_KEY 读。

bash

# 配一次，之后所有命令都不用再带 Key
python3 scripts/client.py login --key sk-你的key

入口一：OpenAI 兼容模型网关

原有 OpenAI SDK 代码基本不用改，只换 base_url 和 model：

bash

curl https://api.a7w.cn/api/v1/chat/completions \
  -H "Authorization: Bearer $A7W_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "DeepSeek-V4-Flash",
    "messages": [{"role": "user", "content": "你好"}]
  }'

Python SDK 的接法：

python

from openai import OpenAI

client = OpenAI(
    base_url="https://api.a7w.cn/api/v1",
    api_key="sk-你的key",
)
resp = client.chat.completions.create(
    model="DeepSeek-V4-Flash",
    messages=[{"role": "user", "content": "你好"}],
)
print(resp.choices[0].message.content)

要点：

• model 名以模型列表接口为准，不要猜。站内宣传 87+，实测 GET /api/v1/models 返回 75 个；模型上下架很频繁。
• 换模型就是换 model 字符串，不用换 base_url、不用换 Key、账单还是同一份。
• 想拿可用模型清单：python3 scripts/client.py models（会自动试多个候选端点并告诉你哪个通了）。

详细参数、流式、SDK 对照见 references/api-openai-compat.md。

入口二：应用任务与异步生命周期

生成类应用是任务制。标准四步：

bash

# 1. 看有哪些应用
python3 scripts/client.py apps

# 2. 看某个应用有哪些接口、参数与真实价
python3 scripts/client.py schema voice_tts

# 3. 提交任务（--param k=v 免去 shell 引号地狱）
python3 scripts/client.py call voice_tts tts --param text="你好世界"

# 4. 异步接口会自动轮询到结束；也可只提交，稍后自己查
python3 scripts/client.py call voice_tts tts_async --json-file body.json --no-wait
python3 scripts/client.py task tsk_xxxxxxxx

提交成功返回 task_id：

json

{ "task_id": "tsk_xxx", "status": "pending", "created_at": 1740000000 }

轮询 GET /api/v1/tasks/{task_id}，终态看 status（completed / failed / cancelled），产物在 result，用量在 usage。

不轮询的替代方案是回调：提交时带 callback_url，任务完成后平台向该地址 POST JSON，你的接口返回 2xx 即算接收成功，否则按你在 用户中心 → 回调配置 里设的次数（1–10 次）重试。

json

{ "task_id": "tsk_xxx", "status": "completed", "result": { } }

异步任务在提交时就预冻结点数，完成后按实际用量多退少补。 不要重复提交同一个任务——每次提交都可能产生费用，网络超时也先查 task_id 再决定要不要重提。

参数表、回调重试策略、任务状态机与取消见 references/api-apps-tasks.md。

计费与点数

• 计价单位是点数，1 元 = 100 点、1 点 = ¥0.01。体验包 ¥10 = 600 点（含 7 天会员权益），标准包 ¥99 = 10000 点，点数永久有效。
• 计费口径随能力不同：文本按点数/百万 tokens（输入输出分别计价，流式与非流式同价）、图像按点数/张或参数档位、视频生成/超分按点数/秒（分辨率档位）、数字人按点数/次或时长、TTS/克隆按点数/千字、ASR 按点数/分钟、工具类按点数/次。
• 先冻结、后结算：消费优先扣会员点数，不足再扣充值额度；调用失败直接退款，异步任务失败冻结点数全额退回，只有成功产出才按实际用量结算。上游调价同步调整，但不影响已充值的点数余额。
• 实时查价：python3 scripts/client.py pricing 拉计费规则表（实测为全局 markup + 少量特例，如 markupPercent: 20、full_video 按分辨率 10/20/40 点/秒、ASR 2.4 点/分钟、动作迁移 30 点/秒）。它不含全部接口，逐接口真实价请用 schema <app> 读 tenant_*。
• 平台同时给两套价格字段，这是最容易算错预算的地方：

字段	含义
fixed_price / input_price	标准价，对外公示用
tenant_fixed_points / tenant_points_per_1k_input	你所在租户的实际结算价

两者可能差很多。实测过的例子：voice_tts/clone_voice 标准 50 点、实收 200 点；seedsvc/submit 标准 100 点、实收 0.10 点。 做预算一律用 tenant_*，最终以实际扣费为准——报错信息与任务详情里会写明本次消耗。

完整计费模型、预算估算方法与对账口径见 references/api-billing-errors.md。

错误码

HTTP	code	含义	怎么处理
400	invalid_request	参数缺失或格式错误	用 schema <app> 核对参数名与必填项
401	auth_failed	API Key 缺失或无效	重新 login
402	insufficient_points	点数余额不足	充值；错误里有本次所需点数
402	key_quota_exceeded	该 Key 的点数额度打满	去用户中心调高/重置 Key 的 quota，或换 Key
403	permission_denied	该 Key 无权调用此模型/应用	检查模型是否已开通、Key 是否被限权
404	not_found	模型 / 应用 / 任务不存在	核对代码拼写，用 apps、models 拿真名
429	queue_limit_exceeded	排队任务已达上限	降并发，等队列消化后重试
5xx	server_error	服务异常	退避重试；仍失败换模型/线路

注意 402 有两种：账号没钱（insufficient_points）和 Key 自己的额度打满（key_quota_exceeded）。查错时先分清是哪一种，否则会去充一个根本不需要充的账户。

触发场景

• 「我要接大模型，但不想一家家注册、一家家充值、一家家对账。」
• 「帮我把项目里的 OpenAI 调用换成一个 Key 走通的网关。」
• 「我要批量出图/出视频/做配音，但不知道平台上有哪些能力、叫什么名字。」
• 「同一个任务，A 模型效果不行，我想换 B 模型试——代码不想动。」
• 「接口报 402 / 403 / 429 了，到底是没钱、没权限，还是排队满了？」
• 「我提交了任务但没等到结果，task_id 怎么查、产物在哪？」
• 「异步任务的点数是先扣还是后扣？我要怎么估预算？」

工作流路由

用户要什么	看哪份
注册、充值、创建并把 Key 配到本机	references/getting-started.md
用 OpenAI 协议/SDK 调模型，换模型、流式、参数	references/api-openai-compat.md
应用清单、逐接口参数、异步任务、回调、结果转存	references/api-apps-tasks.md
点数怎么算、预算怎么估、错误码怎么查、失败怎么重试	references/api-billing-errors.md
client.py 每个子命令与退出码	references/client-cli.md
某个具体应用（TTS / 换装 / 超分 / 数字人…）的完整参数表	对应的应用 Skill
要把这套能力接进 Coze / Dify / ChatGPT Actions	openapi.json + 本文「在其它 AI 工具里接入」

能力边界

覆盖：

• 平台层的鉴权、两条入口（模型网关 / 应用任务）、异步任务生命周期、计费口径、错误码与排错
• 一个零依赖 client.py：验证 Key、列应用、读接口 schema、调接口、查任务、列模型、试余额
• 「文档口径」与「实测口径」不一致时的处理方式（见「已知限制」）

不覆盖：

• 不提供 API Key、不代付费用：Key 与点数都必须是你自己的账号
• 不保证可用性：接口由平台提供，模型上下架、限流与计费以站内为准
• 不替代内容合规审查：生成内容的合规责任由使用者承担
• 不逐个应用列参数：那属于各应用 Skill 的范围，这里只给到「怎么发现参数」

依赖条件

• Python 3.8+，只用标准库（urllib），无需 pip install 任何东西
• 一个 api.a7w.cn 账号，并已创建 API Key
• 能访问 https://api.a7w.cn 的网络出口（内网/CI 需放行该域名）

已知限制

1. HTTP 状态码不足以判断成败。 实测：POST 一个不存在的接口返回的是 HTTP 200 + {"code":0,"msg":"应用或 API 不可用或未配置价格"}；而 POST 一个不存在的应用返回 HTTP 404 且响应体为空。所以：业务成败看 code（1/200 为成功，0 为失败），404 要看路径拼错还是接口问题。client.py 已按此处理。
2. 少数端点「文档有、实测不一定通」。 GET /api/v1/user/balance、GET /api/v1/models、GET /api/plugins、GET /api/user_center/modelList 实测都能通（见下条），所以 client.py 仍按候选顺序探测，并在 attempts 里如实列出每个候选的真实 HTTP 状态——不同账号/环境开放情况可能不同。注意 /api/v1/user/points 实测 404（返回 HTML 而非 JSON）。
3. 裸对象端点没有 code/msg/data 外壳。 GET /api/v1/user/balance 直接返回 {"available_points":…,"currency":"points"}；GET /api/v1/pricing 直接返回 {currency, markupPercent, note, pricing}。不能用「有没有 data 字段」判断成功，否则会把可用端点误判为不可用。
4. 模型清单与价格随时变。 实测为 21 个应用 / 75 个模型；官网口径（87+/89+ / 18/19）与之不一致。要准数就现场跑 models 与 apps。
5. 应用代码用下划线，不是连字符。 实测 GET /api/v1/apps/voice_tts → 200，GET /api/v1/apps/voice-tts → 404。目录名和服务名常见 voice-tts-studio，但 API 里是 voice_tts。
6. 接口代码的字段名是 code，不是 api；参数定义在 params_schema，不是 schema。 用 name 去调用会失败（那是中文展示名，如「文字转语音」）。client.py schema 已统一输出为 api 字段供调用，并额外给出 method 与 call_type（1=同步 2=异步）。
7. params_schema 有两种形态。 一种带 properties 包装，一种是扁平字典（如 action_transfer）。只认 properties 会把「有 6 个参数」误判成「无参数」。
8. endpoint_path 的形态不统一，别拿它直接当 URL。 实测 voice_tts 的 6 个接口全是 /v1/tts/live、/model、/v1/tts、/v1/asr 这类别的路由族，而实际调用走的是 /api/v1/apps/{app}/{code}。同一路径还可能按 method 区分不同能力（clone_voice 是 POST /model，list_voices 是 GET /model）。
9. /api/v1/pricing 是规则表，不是逐接口价目表。 实测只有 6 条（一条全局 * 默认规则 + full_video、asr、flashvsr、action_transfer、person_replacement 特例），不含 voice_tts。要逐接口真实价，用 schema <app> 读 tenant_*。
10. 任务列表的结算字段是 actual_points，且 page_size 会被上游忽略。 实测传 page_size=2 仍返回 20 条，翻页请用 --page-no。
11. 推理模型会把 token 先花在 reasoning 上。 实测 DeepSeek-V4-Flash 在 max_tokens=8 时 content 返回 null（finish_reason=length），加到 200 才正常返回。思维链字段名在不同线路上分别是 reasoning 和 reasoning_content。
12. PowerShell / CMD 会吃掉 JSON 里的双引号。 复杂请求体一律用 --json-file body.json，或 --param k=v 逐个传。

自检清单

接完一个新能力，按这 6 条过一遍：

• Key 走的是 ~/.a7w/config.json 或环境变量，没有硬编进代码或提交进仓库
• 调之前先跑过 apps / models，参数名与模型名来自接口而不是猜的
• 预算是按 tenant_*（实收价）算的，不是按公示标准价
• 异步任务用的是 task_id 去重，没有在网络超时时直接重提
• 收到 402 时已分清 insufficient_points（账号没钱）还是 key_quota_exceeded（Key 额度满）
• 回调地址返回 2xx（否则平台会按 1–10 次重试，容易重复消费）

在其它 AI 工具里接入

这个包有两种形态，适配不同宿主：

宿主类型	怎么用	效果
支持 Skill 规范（DSH / Claude Code / TRAE 等）	把整个目录放进宿主的 skills 目录	AI 自己读 SKILL.md，按需执行 scripts/client.py
只支持 HTTP/OpenAPI 工具（Coze、Dify、ChatGPT Actions、元器）	导入 openapi.json，填自己的 Key	把 9 个接口注册成工具，AI 直接调用，不需要 Python
纯聊天，不能执行代码/出网	只能把 references/ 当知识库问答	无法真正发起调用

导入 OpenAPI 定义

openapi.json 是 OpenAPI 3.0.3，含 9 个操作，覆盖模型网关、应用任务、任务查询与账单：

createChatCompletion · listModels · listApps · getAppSchema · callAppApi · getTask · listTasks · getPricing · getUserBalance

• 鉴权：bearerAuth（HTTP Bearer），填你的 sk-...；已全局声明，不用逐个接口配。
• 服务器：https://api.a7w.cn。
• 操作数 9 个，在 ChatGPT Actions 的 30 个上限内。
• 每个操作的 description 都写明了前置依赖与踩坑点（比如「调 callAppApi 前先查 getAppSchema」「应用代码用下划线」），这些描述会直接喂给宿主的模型。

相对路径提示：Skill 形态的文档里写的是 python3 scripts/client.py，取决于运行时的工作目录。若宿主在项目根目录执行，请先 cd 到本技能目录，或改用绝对路径。

参考文件

文件	用途
references/getting-started.md	注册、实名、充值、创建 Key、配额与 IP 白名单、配到本机
references/api-openai-compat.md	OpenAI 兼容层：chat/completions、模型发现、SDK 接入、流式与常用参数
references/api-apps-tasks.md	应用体系、逐接口 schema、异步任务状态机、回调与重试、结果转存
references/api-billing-errors.md	点数计费模型、两套价格字段、预算估算、错误码排查手册
references/client-cli.md	client.py 全部子命令、参数与退出码
scripts/client.py	零依赖客户端（不内嵌任何密钥）
openapi.json	OpenAPI 3.0.3 定义（9 个操作），用于导入 Coze / Dify / ChatGPT Actions

联系我们

• 技术微信：9872659 —— 加好友时说一下是从哪个 Skill 找过来的，直接给你配套的 API Key 与能跑的示例。
• 要算力 / 要 API Key：算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力，注册、充值、创建 Key 都在这里。
• 更多 AI 插件与接口：AI 插件市场。

---

相关链接

链接	地址	说明
算力集市 · 注册领 API Key	api.a7w.cn	一个 Key 调用全部 AI 算力；注册、充值、创建 Key 都在这
AI 插件市场	aigc.a7w.cn	浏览全部 AI 插件与接口说明
三剪客 · 一句话批量出片	ks.a7w.cn	短剧二创 / 影视解说 / 矩阵号批量混剪桌面客户端
视频超清 · 在线批量超分	vr.a7w.cn	网页版视频超分，批量处理，最高 4K
0人公司 · AI Agent 平台	a7w.cn	主站，了解整套 AI Agent 生态