模型與命名規則

GET /v1/models、provider/model 命名規則，以及如何挑選與限制模型。

模型與命名規則

命名規則

模型 ID 一律使用 provider/model 的形式：

openai/gpt-4o
openai/gpt-4o-mini
anthropic/claude-sonnet-4-5
anthropic/claude-haiku-4-5
google/gemini-2.5-pro
google/gemini-2.5-flash

區段	說明
`provider`	上游供應商：`openai`、`anthropic`、`google`，以及其他 OpenAI 相容供應商。
`model`	供應商端的模型名稱，盡量與原廠一致，方便對照文件。

加上前綴的好處是名稱不會撞號，而且從 model 字串就能一眼看出請求會送去哪裡。

列出可用模型

GET https://api.alphacurve.io/v1/models

回傳的是這把金鑰目前可用的模型。如果金鑰設定了模型白名單，清單只會包含白名單內的項目。

curl

curl https://api.alphacurve.io/v1/models \
  -H "Authorization: Bearer $INFERENCE_API_KEY"

Python

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.alphacurve.io/v1",
    api_key=os.environ["INFERENCE_API_KEY"],
)

for m in client.models.list().data:
    print(m.id)

Node / TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.alphacurve.io/v1",
  apiKey: process.env.INFERENCE_API_KEY!,
});

for (const m of (await client.models.list()).data) {
  console.log(m.id);
}

回應

{
  "object": "list",
  "data": [
    {
      "id": "openai/gpt-4o",
      "object": "model",
      "created": 1753776000,
      "owned_by": "openai",
      "context_length": 128000,
      "capabilities": {
        "streaming": true,
        "tools": true,
        "vision": true
      },
      "pricing": {
        "input_per_1m": "2.50",
        "cached_input_per_1m": "1.25",
        "output_per_1m": "10.00",
        "currency": "USD"
      }
    }
  ]
}

pricing 是套用平台加成後、你實際會被扣款的單價，單位為每 1M tokens。詳見計費。

挑選模型

情境	建議
大量分類、抽取、摘要	小型快速模型，例如 `openai/gpt-4o-mini`、`google/gemini-2.5-flash`、`anthropic/claude-haiku-4-5`。
複雜推理、程式碼	旗艦模型，例如 `openai/gpt-4o`、`anthropic/claude-sonnet-4-5`、`google/gemini-2.5-pro`。
超長文件	選 `context_length` 大的模型，例如 Gemini 系列。
圖片理解	`capabilities.vision` 為 `true` 的模型，見 Vision。
Function calling	`capabilities.tools` 為 `true` 的模型，見 Tools。

務實的做法：先用便宜模型跑通流程，再針對品質不足的環節換上旗艦模型。

限制可用模型

在 Dashboard 為每把金鑰設定模型白名單，可避免不小心呼叫到昂貴模型。

呼叫平台上不存在的模型 → 404 model_not_found
呼叫存在、但不在此金鑰白名單內的模型 → 403 model_not_allowed

備援

上游供應商偶爾會逾時或回傳 5xx。建議在應用層準備一個備援模型：

MODELS = ["anthropic/claude-sonnet-4-5", "openai/gpt-4o"]

def complete(messages):
    last_error = None
    for model in MODELS:
        try:
            return client.chat.completions.create(model=model, messages=messages)
        except Exception as exc:   # 逾時或 upstream_error
            last_error = exc
    raise last_error