> ## Documentation Index
> Fetch the complete documentation index at: https://docs.qingbo.dev/llms.txt
> Use this file to discover all available pages before exploring further.
# 文本模型总览
> 全部文本模型的目录：支持的能力、计费方式与调用入口
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
`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）。
`POST /v1/responses`。GPT Pro / Codex / o3-pro 系列只接受这个入口。
`POST /v1/messages`。为已有 Anthropic SDK 的应用保留的原生信封。
`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](/cn/docs/authentication)。
## 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：
```text theme={"system"}
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。
```json theme={"system"}
{
"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](/cn/api-reference/text/claude-messages)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](#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](/cn/api-reference/text/openai-multimodal)，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](#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](/cn/api-reference/text/claude-messages)，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](/cn/api-reference/text/gemini-native)。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：
```bash theme={"system"}
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。