文本模型总览

所有文本模型都走 OpenAI 兼容的 Chat Completions 接口，换模型只改 model，不需要按厂商换 URL 或换 Key。本页按厂商列出全部模型 ID、支持的能力和计费方式。

调用入口

Chat Completions

POST /v1/chat/completions。默认入口，本页所有模型都从这里调用（Responses 专用模型除外）。

Responses

POST /v1/responses。GPT Pro / Codex / o3-pro 系列只接受这个入口。

Claude Messages

POST /v1/messages。为已有 Anthropic SDK 的应用保留的原生信封。

Gemini 原生

POST /v1beta/models/{model}:generateContent。为已有 Gemini 客户端保留的原生信封。

新接入建议使用 Chat Completions。原生入口用于兼容已有客户端，不提供额外能力。所有入口都用 WaveAPI Key 作为凭据（Chat / Responses 走 Authorization: Bearer，Messages 走 x-api-key，Gemini 原生走 x-goog-api-key），生态登录 token 不能代替模型 Key，见认证。

计费口径

各模型的单价见 GET /v1/models 返回的 price_config，或控制台「模型市场」。单次调用的实际花费见响应里的 usage.cost。以下规则适用于全部文本模型，模型之间的差异见各厂商表格与表下的「模型备注」。

售价来源：按官方标准价九折或原价制定，不高于官方；不使用 Batch、Flex、Priority 等特殊价。具体单价见 GET /v1/models 的 price_config。
输入总量含缓存：prompt_tokens 是输入总量，其中实际报告的缓存命中 / 缓存写入 token 按对应缓存价计费，其余按普通输入价；缓存部分是输入的组成部分，不在总量之外再加一次。
思考含在输出里：completion_tokens 已包含 completion_tokens_details.reasoning_tokens，思考 token 按输出价计费一次，不再叠加。
两项计价模型：计费方式为「输入输出两项」的模型没有缓存价，响应里的缓存统计按普通输入价计，显式 cache_control 会返回 400。
长上下文分档：有分档的模型以输入总量（含缓存）判断档位，达到阈值后整单（输入、缓存、输出）切换到高档价，不是只对超出部分加价。阈值与「恰好等于阈值」的归属见各厂商段落。
时段价：DeepSeek V4 按请求开始时刻的 UTC 时段定价，见 DeepSeek 段落。
额度换算：分项费用合计后换算成整数 quota，500,000 quota = 1 USD；有正用量但不足 1 quota 的请求按 1 quota 计，再应用账户分组倍率并取整。响应里的 usage.cost 就是这个整数 quota，不是美元。

各项单价的单位是 USD / 100 万 token：

普通输入 token = prompt_tokens - cached_tokens - cache_write_tokens
费用（USD） = ( 普通输入 token × 输入价
             + cached_tokens × 缓存读价
             + cache_write_tokens × 缓存写价
             + completion_tokens × 输出价 ) / 1,000,000
quota      = 费用（USD） × 500,000，向下取整，最低 1

最终扣款以控制台账单中的文本账务记录为准，状态含义如下：

账务状态	含义
`reserved`	已冻结额度，结果尚未确认；冻结金额不是最终费用
`pricing_pending`	已收到用量，费用待核对；额度继续冻结
`settlement_pending` / `refund_pending`	等待结算或退款完成
`settled` / `refunded`	扣费或退款已完成；以最终账务金额核对

没有收到完整 usage、连接中断或响应缺少费用字段，都不代表本次调用免费。先到控制台核对已有用量记录，不要自动重发。

缓存

缓存能力按模型分四档，取决于该模型配了哪几项缓存价。缓存读写按各自单价替代对应的普通输入费用，不在输入之外另加一笔。

档	判据	模型
无缓存优惠	`cache_billing: "input_output"`	目录中其余全部模型；响应里若带缓存统计，一律按普通输入价计
只有缓存读	配了 `cache_read`	`gpt-5.5` `gpt-5.4` `grok-4.6` `gemini-3.6-flash` `gemini-3.7-flash` `gemini-3.8-flash` `kimi-k3` `qwen3.8-max`
缓存读 + 写	再配 `cache_write`	`gpt-5.6-luna` `gpt-5.6-terra` `gpt-5.6-sol` `gpt-6-astra`
缓存读 + 5 分钟写 + 1 小时写	再配 `cache_write_1h`	`claude-opus-5` `claude-sonnet-5` `claude-fable-5` `claude-fable-5-1`
时段缓存价	`text_schedule` 各时段带 `cache_read`	`deepseek-v4-pro` `deepseek-v4-flash`

自动缓存与显式缓存

自动缓存由上游决定是否命中，调用方不传任何参数：命中的 token 出现在 usage.prompt_tokens_details.cached_tokens 里，按该模型的缓存读价计费。是否命中不做保证，成本预估不应假定必定命中。 显式缓存在请求里用 cache_control 标出可复用的前缀，按模型放行：

模型	显式 `cache_control`
`claude-opus-5` `claude-sonnet-5` `claude-fable-5` `claude-fable-5-1`	✅ 放行，三档缓存价齐备（读 / 5 分钟写 / 1 小时写）
所有 `gemini-*`、`qwen3.8-max`	❌ 只支持自动缓存，传 `cache_control` 返回 400
两项计价模型	❌ 没有缓存计费，传 `cache_control` 返回 400
其余（`gpt-5.4/5.5/5.6-`、`gpt-6-astra`、`grok-4.6`、`kimi-k3`、`deepseek-v4-`）	上游只有自动缓存，不需要也不用传 `cache_control`

不支持的请求返回 400，不计费。

首次接入时，建议先用小请求确认控制台用量记录里的缓存分项符合预期，再放量。

Claude 显式缓存写法

OpenAI 兼容接口：content 必须是内容块数组，字符串形式的 content 带不了 cache_control，标记会被忽略、整段按普通输入计费。

{
  "model": "claude-sonnet-5",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "system",
      "content": [
        {
          "type": "text",
          "text": "这里放要反复复用的长前缀……",
          "cache_control": {"type": "ephemeral"}
        }
      ]
    },
    {"role": "user", "content": "基于上面的内容回答。"}
  ]
}

原生 Messages 接口把前缀放在 system 数组里，写法相同。 ttl 省略时为 5 分钟；要用 1 小时档，请求里写 "cache_control": {"type": "ephemeral", "ttl": "1h"} 并带上 anthropic-beta: extended-cache-ttl-2025-04-11 请求头——该头由网关原样透传到上游。

命中条件与读数

前缀长度：通常至少约 1,024 token，更短的前缀不会产生缓存。
前缀逐字节一致：文本、空格、换行、内容块顺序有任何差异都不算命中。
在 TTL 内复用：5 分钟或 1 小时从最近一次命中重新计时。

Chat 响应里 usage.prompt_tokens_details.cached_tokens 是命中量；原生 Messages 用 cache_read_input_tokens 与 cache_creation_input_tokens，并且原生的 input_tokens 不含这两项，总输入是三者相加（Chat 的 prompt_tokens 则已经含在内）。写入量按缓存写价计费，高于普通输入价，因此显式缓存适用于前缀稳定、且会在 TTL 内被复用的场景。

当前不支持

以下请求会返回 400，不计费：

厂商内置工具——tools 里出现 function / custom 之外的类型（内置联网、托管搜索、托管执行等）。由调用方自己执行的函数工具不在此列，正常使用。
web_search_options。
service_tier 取 standard / default 以外的值。
显式缓存——见上文的放行表。

每个模型只服务它支持的协议（Chat / Responses / Claude Messages / Gemini 原生）。把请求发到模型不支持的协议，或者在不支持工具、结构化输出的模型上传 tools、tool_choice、response_format，同样返回 400。各模型支持的协议与能力见下方模型目录。

模型目录

怎么读表：所有模型都支持非流式与流式文本输出，因此不单列。「JSON / 工具」一列左为 JSON Schema 结构化输出、右为函数调用——平台只返回函数名和参数，工具由你的应用执行；✓ 表示支持，— 表示不支持。「计费方式」一列说明该模型按哪些维度计费，单价见目录接口。带长上下文分档的模型以输入总量（含缓存）判断档位，达到阈值后整单切换，阈值写在表下的「模型备注」里。「模型备注」还写各模型的输入输出上限与专有限制；上限是接口允许的最大值，输入和输出不能同时用到上限。

OpenAI

模型 ID	计费方式	JSON / 工具
`gpt-6-astra`	含缓存读写	✓ / —
`gpt-5.6-luna`	含缓存读写	✓ / ✓
`gpt-5.6-terra`	含缓存读写	✓ / ✓
`gpt-5.6-sol`	含缓存读写	✓ / ✓
`gpt-5.5`	含缓存读	✓ / ✓
`gpt-5.4`	含缓存读	✓ / ✓
`gpt-5.4-pro`	输入输出两项	— / —
`gpt-5.4-mini`	输入输出两项	✓ / ✓
`gpt-5.4-nano`	输入输出两项	✓ / ✓
`gpt-5.3-codex`	输入输出两项	— / —
`gpt-5.2`	输入输出两项	✓ / ✓
`gpt-5.2-pro`	输入输出两项	— / —
`gpt-5.1`	输入输出两项	✓ / ✓
`gpt-5`	输入输出两项	— / ✓
`gpt-5-mini`	输入输出两项	✓ / ✓
`gpt-5-nano`	输入输出两项	✓ / ✓
`gpt-5-pro`	输入输出两项	— / —
`gpt-4.1`	输入输出两项	✓ / ✓
`gpt-4.1-mini`	输入输出两项	✓ / ✓
`gpt-4.1-nano`	输入输出两项	✓ / ✓
`o3`	输入输出两项	✓ / ✓
`o3-pro`	输入输出两项	— / —
`o4-mini`	输入输出两项	✓ / ✓
`o3-mini`	输入输出两项	✓ / ✓
`o1`	输入输出两项	✓ / ✓

模型备注

gpt-6-astra — 272K 长上下文分档；有独立缓存写入价；最大输入 922K、最大输出 12.8K；不支持工具调用；reasoning_effort 用 "low"，不支持 "none"；不接受 temperature、top_p、logprobs
gpt-5.6-luna — 272K 长上下文分档；有独立缓存写入价；最大输入 922K、最大输出 128K；支持自动缓存命中
gpt-5.6-terra — 272K 长上下文分档；有独立缓存写入价；最大输入 922K、最大输出 12.8K
gpt-5.6-sol — 272K 长上下文分档；有独立缓存写入价；最大输入 922K、最大输出 12.8K
gpt-5.5 — 272K 长上下文分档；最大输入 1M、最大输出 12.8K；无独立缓存写入价
gpt-5.4 — 272K 长上下文分档；最大输入 1M、最大输出 12.8K；无独立缓存写入价
gpt-5.4-pro — 272K 长上下文分档；仅 /v1/responses
gpt-5.3-codex — 仅 /v1/responses
gpt-5.2-pro — 仅 /v1/responses
gpt-5-pro — 仅 /v1/responses
o3-pro — 仅 /v1/responses

GPT-5 及之后的模型用 max_completion_tokens 限制输出、用 reasoning_effort 选推理档位（GPT-6 Astra 只支持 "low"）。max_tokens 会被拒绝。gpt-5-pro / gpt-5.2-pro / gpt-5.4-pro / gpt-5.3-codex / o3-pro 只能走 Responses 接口，发到 Chat 会返回 400。272K 分档以输入总量判断：恰好 272,000 用普通档，超过则整单（含缓存与输出）切到长上下文档。GPT-5.6 的缓存写入价是本档输入价的 1.25 倍，替代普通输入计费而不是叠加；GPT-5.4 / 5.5 没有独立缓存写入价。

Anthropic

模型 ID	计费方式	JSON / 工具
`claude-fable-5-1`	含缓存三档	— / ✓
`claude-fable-5`	含缓存三档	— / ✓
`claude-opus-5`	含缓存三档	— / ✓
`claude-sonnet-5`	含缓存三档	— / ✓
`claude-opus-4-8`	输入输出两项	— / ✓
`claude-opus-4-7`	输入输出两项	— / ✓
`claude-opus-4-6`	输入输出两项	— / ✓
`claude-opus-4-5`	输入输出两项	— / ✓
`claude-sonnet-4-6`	输入输出两项	— / ✓
`claude-sonnet-4-5`	输入输出两项	— / ✓
`claude-haiku-4-5`	输入输出两项	— / ✓

模型备注

claude-fable-5-1 — 缓存写入分 5 分钟 / 1 小时两档；最大输入 1M、最大输出 128K；不支持 JSON Schema 结构化输出；tool_choice 只接受 "auto"，"required" 与指定函数名会返回 400
claude-fable-5 — 缓存写入分 5 分钟 / 1 小时两档；最大输入 1M、最大输出 128K；不支持 JSON Schema 结构化输出；tool_choice 只接受 "auto"
claude-opus-5 — 缓存写入分 5 分钟 / 1 小时两档；最大输入 128K、最大输出 16K；不支持 JSON Schema 与 json_object；可用原生 /v1/messages 接口
claude-sonnet-5 — 缓存写入分 5 分钟 / 1 小时两档；最大输入 1M、最大输出 128K；不支持 JSON Schema 与 json_object；可用原生 /v1/messages 接口

Chat 接口用 max_tokens 限制输出；GPT 专用的 reasoning_effort 与 max_completion_tokens 不适用于 Claude 模型。Claude 5 与 Fable 四个模型是三段缓存价（读 / 5 分钟写 / 1 小时写），也是目前唯一放行显式 cache_control 的一组，写法见缓存；这四个模型不支持结构化输出，response_format 的 json_schema 与 json_object 会返回 400。Fable 系列的 tool_choice 只接受 "auto"，"required" 或指定函数名会返回 400。4.x 系列只有输入 / 输出两项计价，不支持 cache_control。已有 Anthropic SDK 的应用可走原生 Messages 接口，但只有 claude-sonnet-5 与 claude-opus-5 支持这个接口；其余 Claude 模型走 Chat 接口，发到 /v1/messages 会返回 400。

Google Gemini

模型 ID	计费方式	JSON / 工具
`gemini-3.8-flash`	含缓存读	✓ / ✓
`gemini-3.7-flash`	含缓存读	✓ / ✓
`gemini-3.6-flash`	含缓存读	✓ / ✓
`gemini-3.5-flash`	输入输出两项	✓ / ✓
`gemini-3.5-flash-lite`	输入输出两项	✓ / ✓
`gemini-3.1-pro-preview`	输入输出两项	✓ / —
`gemini-3-flash-preview`	输入输出两项	✓ / ✓
`gemini-2.5-pro`	输入输出两项	✓ / ✓
`gemini-2.5-flash-lite`	输入输出两项	✓ / ✓

模型备注

gemini-3.8-flash — 最大输入 1M、最大输出 65K；支持 Gemini 原生接口
gemini-3.7-flash — 最大输入 1M、最大输出 65K；支持 Gemini 原生接口
gemini-3.6-flash — 最大输入 1M、最大输出 65K；支持 Gemini 原生接口
gemini-3.5-flash — 支持 Gemini 原生接口
gemini-3.1-pro-preview — 200K 长上下文分档；支持 Gemini 原生接口
gemini-3-flash-preview — 支持 Gemini 原生接口
gemini-2.5-pro — 200K 长上下文分档；支持 Gemini 原生接口
gemini-2.5-flash-lite — 支持 Gemini 原生接口

OpenAI 兼容接口之外，下列模型还可以走 Gemini 原生接口：gemini-2.5-flash-lite gemini-2.5-pro gemini-3-flash-preview gemini-3.1-pro-preview gemini-3.5-flash gemini-3.6-flash gemini-3.7-flash gemini-3.8-flash（gemini-3.5-flash-lite 只走 Chat）。原生入口是 POST /v1beta/models/{model}:generateContent（流式 :streamGenerateContent?alt=sse），见 Gemini 原生接口。原生响应用 usageMetadata 报告用量、不带 usage.cost；candidatesTokenCount 与 thoughtsTokenCount 分开报告，计费输出是两者之和。Pro 模型（gemini-2.5-pro / gemini-3.1-pro-preview）有 200K 长上下文分档，超过 200,000 输入总量后整单切换。3.6 / 3.7 / 3.8 Flash 有隐式缓存读价，是否命中由上游决定；其余模型两项计价。Gemini 全系只支持自动缓存，显式缓存（cache_control / cachedContent）会返回 400；内置工具、web_search_options 以及 standard / default 以外的 service_tier 同样返回 400。

DeepSeek

模型 ID	计费方式	JSON / 工具
`deepseek-v4-pro`	时段价	✓ / ✓
`deepseek-v4-flash`	时段价	✓ / ✓
`deepseek-r1-0528`	输入输出两项	✓ / ✓
`deepseek-v3.2`	输入输出两项	✓ / ✓
`deepseek-v3.2-exp`	输入输出两项	— / ✓
`deepseek-v3.1-terminus`	输入输出两项	— / ✓

模型备注

deepseek-v4-pro — 最大输入 1M、最大输出 393K；支持自动缓存命中；按时段计价，见本节末表
deepseek-v4-flash — 最大输入 128K、最大输出 16K；支持自动缓存命中；按时段计价，见本节末表
deepseek-v3.2-exp — 不提供严格 JSON Schema；与 deepseek-v3.2 是两个独立模型（2025-09-29 实验版）
deepseek-v3.1-terminus — 不提供严格 JSON Schema；官方主 API 已不再列出该版本

V4 Pro / Flash 按请求开始时刻的 UTC 时段计价（北京时间加 8 小时）。价格在请求开始时确定，响应费用与最终结算都用这一份，即使响应跨过时段边界也不重新选价。传 thinking: {"type": "disabled"} 可关闭思考。V4 缓存命中价替代对应输入，不提供独立缓存写入。V3.x / R1 两项计价；deepseek-v3.2-exp 与 deepseek-v3.1-terminus 不提供严格 JSON Schema，需要 schema 约束时用 deepseek-v3.2 或 deepseek-r1-0528。

时段（UTC，含开始不含结束）	档位
周一至周五 01:00–04:00、06:00–10:00	高价档
每天 00:00–14:00 内除上述时段	标准档
每天 14:00–24:00	低价档（最便宜）

北京时间加 8 小时。Pro 与 Flash 各时段的输入 / 输出 / 缓存读单价，见公开模型详情 GET /v1/models 的 price_config.text_schedule——该字段是完整的时段价表，也是结算依据。

Qwen（阿里云）

模型 ID	计费方式	JSON / 工具
`qwen3.8-max`	含缓存读	✓ / ✓
`qwen3.7-max`	输入输出两项	✓ / ✓
`qwen3.7-plus`	输入输出两项	✓ / ✓
`qwen3.6-plus`	输入输出两项	— / ✓
`qwen3.6-flash`	输入输出两项	— / ✓

模型备注

qwen3.8-max — 最大输入 983K、最大输出 131K；支持自动缓存命中；不支持显式 cache_control；tool_choice 用 "auto"
qwen3.7-plus — 256K 长上下文分档
qwen3.6-plus — 256K 长上下文分档
qwen3.6-flash — 256K 长上下文分档

Qwen3.8 Max 只支持自动缓存，是否命中由上游决定；显式缓存的 cache_control 会返回 400。Plus / Flash 有 256K 分档，按输入总量整单切换。思考 token 占用输出预算，且无法关闭。

Kimi（Moonshot）

模型 ID	计费方式	JSON / 工具
`kimi-k3`	含缓存读	✓ / ✓
`kimi-k2.7-code`	输入输出两项	✓ / ✓
`kimi-k2.7-code-highspeed`	输入输出两项	✓ / ✓
`kimi-k2.6`	输入输出两项	— / ✓

模型备注

kimi-k3 — 最大输入 1M、最大输出 105K；支持自动缓存命中；tool_choice 用 "auto"；函数调用建议给 512 以上的输出预算

Kimi K3 支持自动缓存；tool_choice 用 "auto"，函数调用需要足够的输出预算，建议 512 以上。K2.x 只有输入 / 输出两项计价。

Grok（xAI）

模型 ID	计费方式	JSON / 工具
`grok-4.6`	含缓存读	✓ / —
`grok-4.5`	输入输出两项	✓ / —
`grok-4.3`	输入输出两项	✓ / ✓
`grok-4.20-0309-reasoning`	输入输出两项	✓ / ✓
`grok-4.20-0309-non-reasoning`	输入输出两项	✓ / ✓
`grok-build-0.1`	输入输出两项	✓ / ✓

模型备注

grok-4.6 — 200K 长上下文分档；最大输入 500K、最大输出 12.8K；支持自动缓存命中；不支持工具调用；max_tokens 不是硬上限，思考可使 completion_tokens 超出
grok-4.5 — 200K 长上下文分档；不支持工具调用
grok-4.3 — 200K 长上下文分档
grok-4.20-0309-reasoning — 200K 长上下文分档
grok-4.20-0309-non-reasoning — 200K 长上下文分档
grok-build-0.1 — 200K 长上下文分档

Grok 全系 200K 分档：输入总量（含缓存）达到 200,000 时，输入、缓存读和输出整单切到高档，不是只对超出部分加价。Grok 4.6 支持自动缓存。全系不支持工具调用，传 tools 会返回 400。max_tokens 对思考模型不是硬上限——completion_tokens 含思考 token，可能超过设定值，可用 Key 额度控制预算上限。

GLM（Z.ai）

模型 ID	计费方式	JSON / 工具
`glm-5.2`	输入输出两项	— / ✓
`glm-5.1`	输入输出两项	— / ✓
`glm-5`	输入输出两项	✓ / ✓
`glm-4.7`	输入输出两项	✓ / ✓
`glm-4.6`	输入输出两项	— / ✓

只有输入 / 输出两项计价，不支持 cache_control。

MiniMax

模型 ID	计费方式	JSON / 工具
`minimax-m3`	输入输出两项	— / ✓
`minimax-m2.7`	输入输出两项	— / ✓
`minimax-m2.5`	输入输出两项	— / ✓
`minimax-m2.1`	输入输出两项	— / ✓

只有输入 / 输出两项计价，不支持 cache_control。

其他

模型 ID	计费方式	JSON / 工具
`mimo-v2.5-pro`	输入输出两项	✓ / ✓
`step-3.7-flash`	输入输出两项	— / ✓

模型备注

mimo-v2.5-pro — 小米 MiMo
step-3.7-flash — 阶跃星辰 Step

只有输入 / 输出两项计价，不支持 cache_control。

目录接口

模型的实时可用性、价格配置与能力字段以目录接口为准：

curl https://www.qingbo.dev/v1/models \
  -H "Authorization: Bearer $WAVE_API_KEY"

单个模型：GET /v1/models/{model}。返回的 price_config 就是本页表格的来源：input / output 是基础单价，cache_read / cache_write / cache_write_1h 表示该模型开放到哪一档缓存，input_tier_threshold 与 *_above_price 是长上下文分档，cache_billing: "input_output" 表示只有输入输出两项计价。目录接口返回的模型即为当前已上架的全部文本模型，未出现在返回结果中的模型不可调用。

文本生成

图像生成

视频生成

音频处理

工具与嵌入

任务管理

账户与用量

文本模型总览

调用入口

Chat Completions

Responses

Claude Messages

Gemini 原生

计费口径

缓存

自动缓存与显式缓存

Claude 显式缓存写法

命中条件与读数

当前不支持

模型目录

OpenAI

Anthropic

Google Gemini

DeepSeek

Qwen（阿里云）

Kimi（Moonshot）

Grok（xAI）

GLM（Z.ai）

MiniMax

其他

目录接口

​调用入口

Chat Completions

Responses

Claude Messages

Gemini 原生

​计费口径

​缓存

​自动缓存与显式缓存

​Claude 显式缓存写法

​命中条件与读数

​当前不支持

​模型目录

​OpenAI

​Anthropic

​Google Gemini

​DeepSeek

​Qwen（阿里云）

​Kimi（Moonshot）

​Grok（xAI）

​GLM（Z.ai）

​MiniMax

​其他

​目录接口

调用入口

计费口径

缓存

自动缓存与显式缓存

Claude 显式缓存写法

命中条件与读数

当前不支持

模型目录

OpenAI

Anthropic

Google Gemini

DeepSeek

Qwen（阿里云）

Kimi（Moonshot）

Grok（xAI）

GLM（Z.ai）

MiniMax

其他

目录接口