Models API(模型列表)
列出所有可用模型,获取模型信息。
📋 基本信息
请求地址
http
GET https://api.nextapi.pro/v1/models认证方式
http
Authorization: Bearer sk-你的密钥📝 请求参数
无需请求参数。
📤 响应格式
成功响应
json
{
"object": "list",
"data": [
{
"id": "gpt-4o-mini",
"object": "model",
"created": 1721172741,
"owned_by": "openai"
},
{
"id": "gpt-4o",
"object": "model",
"created": 1715367049,
"owned_by": "openai"
},
{
"id": "claude-sonnet-4-6",
"object": "model",
"created": 1721172741,
"owned_by": "anthropic"
}
]
}响应字段说明
| 字段 | 说明 |
|---|---|
object | 对象类型,固定为 list |
data | 模型列表 |
id | 模型标识符 |
object | 对象类型,固定为 model |
created | 创建时间戳(Unix 时间) |
owned_by | 模型所有者 |
💻 代码示例
Python 示例
python
from openai import OpenAI
client = OpenAI(
api_key="sk-你的密钥",
base_url="https://api.nextapi.pro/v1"
)
# 列出所有模型
models = client.models.list()
# 打印所有模型
for model in models.data:
print(f"模型: {model.id}, 所有者: {model.owned_by}")
# 查找特定模型
model_id = "gpt-4o-mini"
model = client.models.retrieve(model_id)
print(f"模型 ID: {model.id}")
print(f"创建时间: {model.created}")
print(f"所有者: {model.owned_by}")Node.js 示例
javascript
const OpenAI = require('openai');
const openai = new OpenAI({
apiKey: 'sk-你的密钥',
baseURL: 'https://api.nextapi.pro/v1'
});
// 列出所有模型
async function listModels() {
const models = await openai.models.list();
// 打印所有模型
for (const model of models.data) {
console.log(`模型: ${model.id}, 所有者: ${model.owned_by}`);
}
}
// 查找特定模型
async function getModel(modelId) {
const model = await openai.models.retrieve(modelId);
console.log(`模型 ID: ${model.id}`);
console.log(`创建时间: ${model.created}`);
console.log(`所有者: ${model.owned_by}`);
}
listModels();
getModel('gpt-4o-mini');cURL 示例
bash
# 列出所有模型
curl https://api.nextapi.pro/v1/models \
-H "Authorization: Bearer sk-你的密钥"
# 查找特定模型
curl https://api.nextapi.pro/v1/models/gpt-4o-mini \
-H "Authorization: Bearer sk-你的密钥"📊 支持的模型
对话模型
| 模型 ID | 说明 | 输入价格 | 输出价格 |
|---|---|---|---|
gpt-4o | OpenAI 最新旗舰模型 | $5.00 / 1M | $15.00 / 1M |
gpt-4o-mini | OpenAI 轻量高性能模型 | $0.15 / 1M | $0.60 / 1M |
claude-sonnet-4-6 | Anthropic 高性价比模型 | $2.40 / 1M | $12.00 / 1M |
claude-opus-4-7 | Anthropic 最强模型 | $15.00 / 1M | $75.00 / 1M |
gemini-2.5-pro | Google 最新旗舰模型 | $1.25 / 1M | $10.00 / 1M |
gemini-2.5-flash | Google 高速模型 | $0.06 / 1M | $0.30 / 1M |
qwen3-max | 阿里通义千问最新版 | $0.50 / 1M | $2.00 / 1M |
deepseek-v3.1 | DeepSeek 最新版 | $0.14 / 1M | $0.28 / 1M |
kimi-latest | 月之暗面 Kimi | $0.50 / 1M | $2.00 / 1M |
图像模型
| 模型 ID | 说明 | 价格 |
|---|---|---|
gpt-image-1 | OpenAI 图像生成 | $20.00 / 1M tokens |
imagen-4.0-generate-001 | Google Imagen 4.0 | $20.00 / 1M tokens |
flux-kontext-max | Flux 图像生成 | $20.00 / 1M tokens |
嵌入模型
| 模型 ID | 说明 | 价格 |
|---|---|---|
text-embedding-3-small | OpenAI 嵌入模型 | $0.02 / 1M tokens |
bge-m3 | BGE 多语言嵌入 | $0.02 / 1M tokens |
❌ 错误处理
HTTP 状态码
| 状态码 | 说明 | 解决方案 |
|---|---|---|
| 401 | 认证失败 | 检查 API Key 是否正确 |
| 404 | 模型不存在 | 检查模型 ID 是否正确 |
| 500 | 服务器错误 | 稍后重试 |
错误响应格式
json
{
"error": {
"message": "The model 'invalid-model' does not exist",
"type": "invalid_request_error",
"code": "model_not_found"
}
}💡 使用建议
1. 缓存模型列表
python
import json
from datetime import datetime
# 缓存模型列表
models_cache = None
cache_time = None
cache_duration = 3600 # 1小时
def get_models():
global models_cache, cache_time
# 检查缓存是否有效
if models_cache and cache_time:
if (datetime.now() - cache_time).seconds < cache_duration:
return models_cache
# 获取最新模型列表
models = client.models.list()
models_cache = models
cache_time = datetime.now()
return models2. 验证模型可用性
python
def is_model_available(model_id):
try:
model = client.models.retrieve(model_id)
return True
except:
return False
# 使用前验证
if is_model_available("gpt-4o-mini"):
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "你好!"}]
)3. 按用途筛选模型
python
# 获取所有对话模型
chat_models = [m for m in models.data if m.id.startswith("gpt") or m.id.startswith("claude")]
# 获取所有嵌入模型
embedding_models = [m for m in models.data if "embedding" in m.id]
# 获取所有图像模型
image_models = [m for m in models.data if "image" in m.id or "imagen" in m.id]