模型与价格

Liaobots 致力于为开发者提供快速、便捷、便宜的 API 接口调用方案，打造稳定且易于使用的 API 接口平台，一站式集成几乎所有AI大模型。

​

计费规则

计费方式：计费方式遵循 OpenAI API 的计价方法按 Token 计费，1000 Token ≈ 500-750 字。下表价格均以每 100 万（1M）Token 计。

缓存计费方式：下表「缓存读取/创建」列统一按主站及 OpenAI 兼容普通接口的积分口径，以 读取/创建 每M 展示。缓存读取优先使用该模型单独配置的价格；未单独配置时按积分输入价 × 0.1 计算。普通接口不计缓存创建，显示 0；固定单价模型（图片/视频等按次计费）不涉及缓存，显示 -。Claude Code（/v1/messages）使用另一套官方倍率口径，详见下方「Claude Code 计费方式」，不使用本列价格。

Gemini 3.6/3.7 Flash 优惠说明：表中优惠价格有效至 2026 年 12 月 31 日；自 2027 年 1 月 1 日起将随 Google 官方标准价格调整。

阶梯计费方式：部分模型按输入长度分档计价。这类模型在下表的「积分价格」「官方价格(USD)」「缓存读取/创建」三列中会以 ≤272K：… ；>272K：… 的形式逐档列出，主站模型列表里也会带「阶梯计费」标识。分档依据是单次请求的输入 Token 总量（含命中缓存的部分），不包含输出 Token；上界为闭区间，即恰好 272K 仍走标准档，272K + 1 起走长上下文档。整次请求按命中的那一档统一计价，不会拆成两段分别累加。目前 GPT-5.6 系列（Sol / Terra / Luna）采用阶梯计费。

Claude Code 计费方式：计费算法与官方保持一致，价格比例动态调整，当前比例为 1 美元 = 3.5 积分。缓存读取按「官方输入价 × 当前比例 × 0.1」计费；缓存创建 5 分钟档按 × 1.25、1 小时档按 × 2 计费。表格积分价格中的 -t 优惠仅适用于主站及普通 API，不适用于 Claude Code。

CodeX 计费方式：计费算法与官方保持一致，价格比例动态调整，当前比例为 1 美元 = 0.5 积分

积分与人民币比例：积分与人民币为 1:1 比例，在本篇中可以看到我们价格与官网正价的比例。

语音朗读计费（主站功能，非 API Token）：

功能	计费方式
多音色朗读 / 流式多音色 / 自定义音色合成	按字数分档：每 500 字 0.25 积分，不足 500 字按 500 字计
单音色朗读	按次：0.05 积分

长对话计费原理：与 AI 长对话的原理是，每一次对话都会隐性的将之前所有内容发给 AI，随着对话越来越长，累计发送的内容也会越多，因此 Token 消耗也会有所增加。

​

如何接入

我们支持各类模型的 API 调用，无需适配格式，使用 OpenAI API 格式，仅需修改 base_url 和 api_key。api_key 使用主站登录码，随用随充。

Chat Completions

OpenAI 官方 API 文档

base_url: https://ai.liaobots.work/v1（备用地址请参考 API 调用示例）

api_key: 登录码

curl --location 'https://ai.liaobots.work/v1/chat/completions' \
--header 'Authorization: Bearer 登录码' \
--header 'Content-Type: application/json' \
--data '{
    "model": "gpt-4o",
    "stream": false,
    "messages": [
        {
            "role": "user",
            "content": "hi"
        }
    ]
}'

​

模型列表

以下均为 1M tokens（100 万 Token） 时的价格，其中官方价格是美元，积分可以简单计算为人民币，最新汇率比例(~7.3)： usd-to-cny-rate

价格随时会市场变动，但我们会始终坚持提供比官方更低的价格

供应商	模型名	上下文	积分价格	缓存读取/创建	价格比例	官方价格(USD)
Anthropic	claude-sonnet-5-t	1M	输入 3/M, 输出 15/M	0.3/0 每M	20%	输入 2/M, 输出 10/M
Anthropic	claude-sonnet-5	1M	输入 7/M, 输出 35/M	0.7/0 每M	47%	输入 2/M, 输出 10/M
Anthropic	claude-sonnet-4-6	1M	输入 5.25/M, 输出 26.25/M	0.525/0 每M	47%	输入 1.5/M, 输出 7.5/M
Anthropic	claude-sonnet-4-5-20250929-thinking	200K	输入 5.25/M, 输出 26.25/M	0.525/0 每M	47%	输入 1.5/M, 输出 7.5/M
Anthropic	claude-sonnet-4-5-20250929-t	200K	输入 2.25/M, 输出 11.25/M	0.225/0 每M	20%	输入 1.5/M, 输出 7.5/M
Anthropic	claude-sonnet-4-5-20250929	200K	输入 5.25/M, 输出 26.25/M	0.525/0 每M	47%	输入 1.5/M, 输出 7.5/M
Anthropic	claude-opus-5-t	1M	输入 7.5/M, 输出 37.5/M	0.75/0 每M	20%	输入 5/M, 输出 25/M
Anthropic	claude-opus-5	1M	输入 17.5/M, 输出 87.5/M	1.75/0 每M	47%	输入 5/M, 输出 25/M
Anthropic	claude-opus-4-8	1M	输入 17.5/M, 输出 87.5/M	1.75/0 每M	47%	输入 5/M, 输出 25/M
Anthropic	claude-opus-4-7-t	1M	输入 7.5/M, 输出 37.5/M	0.75/0 每M	20%	输入 5/M, 输出 25/M
Anthropic	claude-opus-4-7	1M	输入 17.5/M, 输出 87.5/M	1.75/0 每M	47%	输入 5/M, 输出 25/M
Anthropic	claude-opus-4-6-thinking	1M	输入 17.5/M, 输出 87.5/M	1.75/0 每M	47%	输入 5/M, 输出 25/M
Anthropic	claude-opus-4-6-t	1M	输入 7.5/M, 输出 37.5/M	0.75/0 每M	20%	输入 5/M, 输出 25/M
Anthropic	claude-opus-4-6	1M	输入 17.5/M, 输出 87.5/M	1.75/0 每M	47%	输入 5/M, 输出 25/M
Anthropic	claude-opus-4-5-20251101-t	200K	输入 7.5/M, 输出 37.5/M	0.75/0 每M	20%	输入 5/M, 输出 25/M
Anthropic	claude-opus-4-1-20250805-t	200K	输入 22.5/M, 输出 112.5/M	2.25/0 每M	20%	输入 15/M, 输出 75/M
Anthropic	claude-opus-4-20250514	200K	输入 52.5/M, 输出 262.5/M	5.25/0 每M	47%	输入 15/M, 输出 75/M
Anthropic	claude-fable-5	1M	输入 35/M, 输出 175/M	3.5/0 每M	47%	输入 10/M, 输出 50/M
chat-server-video	veo-3.1-standard	0K	输入 0.8, 输出 0	-	-	输入 0, 输出 0
chat-server-video	veo-3.1-fast	0K	输入 0.6, 输出 0	-	-	输入 0, 输出 0
chat-server-video	seedance-2-5	0K	输入 0, 输出 0	-	-	输入 0, 输出 0
chat-server-video	seedance-2-0-fast	0K	输入 0, 输出 0	-	-	输入 0, 输出 0
chat-server-video	seedance-2-0	0K	输入 0, 输出 0	-	-	输入 0, 输出 0
chat-server-video	grok-imagine-video-1.5-preview	0K	输入 0, 输出 0	-	-	输入 0, 输出 0
DeepSeek	deepseek-v4-pro-0813	1M	输入 4.82/M, 输出 14.45/M	0.16/0 每M	49%	输入 1.32/M, 输出 3.96/M
DeepSeek	deepseek-v4-pro	1M	输入 4.82/M, 输出 14.45/M	0.16/0 每M	49%	输入 1.32/M, 输出 3.96/M
DeepSeek	deepseek-v4-flash-0731	1M	输入 1.61/M, 输出 4.82/M	0.05/0 每M	50%	输入 0.44/M, 输出 1.32/M
DeepSeek	deepseek-v4-flash-preview	1M	输入 1.61/M, 输出 4.82/M	0.05/0 每M	50%	输入 0.44/M, 输出 1.32/M
DeepSeek	deepseek-v4-flash	1M	输入 1.61/M, 输出 4.82/M	0.05/0 每M	50%	输入 0.44/M, 输出 1.32/M
DeepSeek	deepseek-v3.2	128K	输入 1.568/M, 输出 2.352/M	0.1568/0 每M	76%	输入 0.28/M, 输出 0.42/M
GLM	glm-5.3-flash	1M	输入 0.2/M, 输出 0.56/M	0.046/0 每M	15%	输入 0.15/M, 输出 0.5/M
GLM	glm-5.2-fast	1M	输入 3/M, 输出 8.4/M	0.3/0 每M	17%	输入 2.1/M, 输出 6.6/M
GLM	glm-5.2	1M	输入 2/M, 输出 5.6/M	0.2/0 每M	17%	输入 1.4/M, 输出 4.4/M
GLM	glm-5.1	200K	输入 2/M, 输出 5.6/M	0.2/0 每M	17%	输入 1.4/M, 输出 4.4/M
GLM	glm-4.7	200K	输入 1.6/M, 输出 7/M	0.16/0 每M	54%	输入 0.4/M, 输出 1.75/M
Google	gemini-3.1-flash-image-preview	200K	输入 0.1, 输出 0.1	-	6%	输入 0.2, 输出 0.2
Google	gemini-3-pro-image-preview-openrouter	256K	输入 0.2, 输出 0.2	-	6%	输入 0.4, 输出 0.4
Google	gemini-3.1-flash-lite-image	200K	输入 0.12, 输出 0.12	-	5%	输入 0.3, 输出 0.3
Google	gemini-3-pro-image-preview	256K	输入 0.2, 输出 0.2	-	6%	输入 0.4, 输出 0.4
Google	gemini-2.5-flash-image	32K	输入 0.1, 输出 0.1	-	6%	输入 0.2, 输出 0.2
Google	imagen-4.0-ultra-generate-preview-06-06	100K	输入 0.2, 输出 0.2	-	2%	输入 1, 输出 1
Google	imagen-4.0-generate-preview-06-06	100K	输入 0.1, 输出 0.1	-	1%	输入 1, 输出 1
Google	gemini-3.7-flash	1M	输入 1.875/M, 输出 9.375/M	0.1875/0 每M	34%	输入 0.75/M, 输出 3.75/M
Google	gemini-3.6-flash	1M	输入 1.875/M, 输出 9.375/M	0.1875/0 每M	34%	输入 0.75/M, 输出 3.75/M
Google	gemini-3.5-flash	1M	输入 3.75/M, 输出 22.5/M	0.375/0 每M	34%	输入 1.5/M, 输出 9/M
Google	gemini-3.1-pro-preview-vertex	1M	输入 3.2/M, 输出 19.2/M	0.32/0 每M	21%	输入 2/M, 输出 12/M
Google	gemini-3.1-pro-preview	1M	输入 5/M, 输出 30/M	0.5/0 每M	34%	输入 2/M, 输出 12/M
Google	gemini-3.1-flash-lite-preview	1M	输入 0.625/M, 输出 3.75/M	0.0625/0 每M	34%	输入 0.25/M, 输出 1.5/M
Google	gemini-3-pro-preview-vertex	1M	输入 3.2/M, 输出 19.2/M	0.32/0 每M	21%	输入 2/M, 输出 12/M
Google	gemini-3-pro-preview-thinking	1M	输入 5/M, 输出 30/M	0.5/0 每M	34%	输入 2/M, 输出 12/M
Google	gemini-3-pro-preview	1M	输入 5/M, 输出 30/M	0.5/0 每M	34%	输入 2/M, 输出 12/M
Google	gemini-3-flash-preview	1M	输入 1.25/M, 输出 7.5/M	0.125/0 每M	34%	输入 0.5/M, 输出 3/M
Google	gemini-2.5-pro-vertex	1M	输入 2/M, 输出 16/M	0.2/0 每M	21%	输入 1.25/M, 输出 10/M
Google	gemini-2.5-pro	1M	输入 3.125/M, 输出 25/M	0.3125/0 每M	34%	输入 1.25/M, 输出 10/M
Google	gemini-2.5-flash	1M	输入 0.75/M, 输出 6.25/M	0.075/0 每M	34%	输入 0.3/M, 输出 2.5/M
Kimi	kimi-k3	1M	输入 16.8/M, 输出 84/M	1.68/0 每M	76%	输入 3/M, 输出 15/M
Kimi	kimi-k2.7-code	262K	输入 1.9/M, 输出 8/M	0.19/0 每M	27%	输入 0.95/M, 输出 4/M
Kimi	kimi-k2.6	262K	输入 1.9/M, 输出 8/M	0.19/0 每M	27%	输入 0.95/M, 输出 4/M
Kimi	kimi-k2.5	262K	输入 1.8/M, 输出 8.8/M	0.18/0 每M	54%	输入 0.45/M, 输出 2.2/M
Kimi	kimi-k2-thinking	256K	输入 2.4/M, 输出 10/M	0.24/0 每M	54%	输入 0.6/M, 输出 2.5/M
MiniMax	minimax-m3	1M	输入 2.4/M, 输出 9.6/M	0.24/0 每M	54%	输入 0.6/M, 输出 2.4/M
MiniMax	minimax-m2.7	205K	输入 1.2/M, 输出 4.8/M	0.12/0 每M	54%	输入 0.3/M, 输出 1.2/M
MiniMax	minimax-m2.5	205K	输入 1.2/M, 输出 4.8/M	0.12/0 每M	54%	输入 0.3/M, 输出 1.2/M
OpenAI	o4-mini	200K	输入 1.1/M, 输出 4.4/M	0.11/0 每M	13%	输入 1.1/M, 输出 4.4/M
OpenAI	o3-mini	200K	输入 1.1/M, 输出 4.4/M	0.11/0 每M	13%	输入 1.1/M, 输出 4.4/M
OpenAI	o3	200K	输入 4/M, 输出 16/M	0.4/0 每M	27%	输入 2/M, 输出 8/M
OpenAI	horizon-beta	256K	输入 0.01, 输出 0.01	-	1%	输入 0.1, 输出 0.1
OpenAI	gpt-image-2	128K	输入 0.15, 输出 0.15	-	13%	输入 0.15, 输出 0.15
OpenAI	gpt-5.6-terra	1.05M	≤272K：输入 1.6/M, 输出 9.6/M；>272K：输入 3.2/M, 输出 19.2/M	≤272K：0.16/0；>272K：0.32/0 每M	10%	≤272K：输入 2/M, 输出 12/M；>272K：输入 4/M, 输出 24/M
OpenAI	gpt-5.6-sol	1.05M	≤272K：输入 4/M, 输出 24/M；>272K：输入 8/M, 输出 36/M	≤272K：0.4/0；>272K：0.8/0 每M	10%	≤272K：输入 5/M, 输出 30/M；>272K：输入 10/M, 输出 45/M
OpenAI	gpt-5.6-luna	1.05M	≤272K：输入 0.16/M, 输出 0.96/M；>272K：输入 0.32/M, 输出 1.44/M	≤272K：0.016/0；>272K：0.032/0 每M	10%	≤272K：输入 0.2/M, 输出 1.2/M；>272K：输入 0.4/M, 输出 1.8/M
OpenAI	gpt-5.5	1.05M	输入 4/M, 输出 24/M	0.4/0 每M	10%	输入 5/M, 输出 30/M
OpenAI	gpt-5.4-nano	400K	输入 0.16/M, 输出 1/M	0.016/0 每M	10%	输入 0.2/M, 输出 1.25/M
OpenAI	gpt-5.4-mini	400K	输入 0.6/M, 输出 3.6/M	0.06/0 每M	10%	输入 0.75/M, 输出 4.5/M
OpenAI	gpt-5.4	1.05M	输入 2/M, 输出 12/M	0.2/0 每M	10%	输入 2.5/M, 输出 15/M
OpenAI	gpt-5.2	400K	输入 3.5/M, 输出 28/M	0.35/0 每M	27%	输入 1.75/M, 输出 14/M
OpenAI	gpt-5-codex	400K	输入 2.5/M, 输出 20/M	0.25/0 每M	27%	输入 1.25/M, 输出 10/M
OpenAI	gpt-5-chat-latest	128K	输入 4/M, 输出 16/M	0.4/0 每M	27%	输入 2/M, 输出 8/M
OpenAI	gpt-5-mini	400K	输入 0.5/M, 输出 4/M	0.05/0 每M	27%	输入 0.25/M, 输出 2/M
OpenAI	gpt-5	400K	输入 2.5/M, 输出 20/M	0.25/0 每M	27%	输入 1.25/M, 输出 10/M
OpenAI	gpt-4o-mini-free	8K	输入 0.01/M, 输出 0.01/M	0.001/0 每M	0%	输入 0.15/M, 输出 0.6/M
OpenAI	gpt-4o-mini-2024-07-18	128K	输入 0.3/M, 输出 1.2/M	0.03/0 每M	27%	输入 0.15/M, 输出 0.6/M
OpenAI	gpt-4o-mini	128K	输入 0.3/M, 输出 1.2/M	0.03/0 每M	27%	输入 0.15/M, 输出 0.6/M
OpenAI	gpt-4o-free	8K	输入 0.01/M, 输出 0.01/M	0.001/0 每M	13%	输入 0.01/M, 输出 0.01/M
OpenAI	gpt-4o-2024-11-20	128K	输入 5/M, 输出 20/M	0.5/0 每M	27%	输入 2.5/M, 输出 10/M
OpenAI	gpt-4o-2024-08-06	128K	输入 5/M, 输出 20/M	0.5/0 每M	27%	输入 2.5/M, 输出 10/M
OpenAI	gpt-4o-2024-05-13	128K	输入 10/M, 输出 30/M	1/0 每M	27%	输入 5/M, 输出 15/M
OpenAI	gpt-4o-2024-11-20	128K	输入 5/M, 输出 20/M	0.5/0 每M	27%	输入 2.5/M, 输出 10/M
OpenAI	gpt-4.1-nano	1M	输入 0.7/M, 输出 2.8/M	0.07/0 每M	95%	输入 0.1/M, 输出 0.4/M
OpenAI	gpt-4.1-nano-2025-04-14	1M	输入 0.7/M, 输出 2.8/M	0.07/0 每M	95%	输入 0.1/M, 输出 0.4/M
OpenAI	gpt-4.1-mini	1M	输入 2.8/M, 输出 11.2/M	0.28/0 每M	95%	输入 0.4/M, 输出 1.6/M
OpenAI	gpt-4.1-mini-2025-04-14	1M	输入 2.8/M, 输出 11.2/M	0.28/0 每M	95%	输入 0.4/M, 输出 1.6/M
OpenAI	gpt-4.1	1M	输入 4/M, 输出 16/M	0.4/0 每M	27%	输入 2/M, 输出 8/M
OpenAI	gpt-4.1-2025-04-14	1M	输入 4/M, 输出 16/M	0.4/0 每M	27%	输入 2/M, 输出 8/M
OpenAI	gpt-4-turbo-2024-04-09	128K	输入 20/M, 输出 60/M	2/0 每M	27%	输入 10/M, 输出 30/M
OpenAI	gpt-4-turbo	128K	输入 20/M, 输出 60/M	2/0 每M	27%	输入 10/M, 输出 30/M
qwen	qwen3.7-max	1M	输入 9.125/M, 输出 27.375/M	0.9125/0 每M	50%	输入 2.5/M, 输出 7.5/M
qwen	qwen3-max-2026-01-23	262K	输入 4/M, 输出 16/M	0.4/0 每M	99%	输入 0.55/M, 输出 2.21/M
x.ai	grok-4-6	500K	输入 2/M, 输出 6/M	0.5/0 每M	13%	输入 2/M, 输出 6/M
x.ai	grok-4-5	256K	输入 2/M, 输出 6/M	0.2/0 每M	13%	输入 2/M, 输出 6/M
x.ai	grok-4-fast	2M	输入 0.2/M, 输出 0.5/M	0.02/0 每M	13%	输入 0.2/M, 输出 0.5/M
x.ai	grok-3	128K	输入 1.2/M, 输出 6/M	0.12/0 每M	5%	输入 3/M, 输出 15/M
xAI	grok-imagine-image-quality	128K	输入 0.1, 输出 0.1	-	13%	输入 0.1, 输出 0.1
xAI	grok-imagine-image	128K	输入 0.06, 输出 0.06	-	13%	输入 0.06, 输出 0.06