模型目录与能力识别

查询方式

项目调用：

GET /v1/models

本地接口为：

GET /api/models

项目会保留 GET / POST 方法探测结果，并缓存短时间结果；模型 ID 以网关返回为准。

模型信息

管理台会解析并展示：

• tier / 环境层级
• 模型族
• 量化精度
• 上下文长度
• 实验版本
• supported_endpoint_types

解析失败的模型仍保留并允许手动调用，不因命名不规范而丢弃。

能力判断

• Chat：通常具有 openai 端点类型。
• TTS：优先检查模型 ID tts-v1 及 audio/speech 调用结果。
• ASR：优先检查 speech-recognize、transcription 及 audio/transcriptions 调用结果。
• 视频 LLM：优先检查 t2_minimax-h3、t2v、i2v、v2v、video 等标识，并使用 /v1/videos 异步任务验证；不能用 Chat 接口替代。
• 不能只根据模型名称猜测语音能力，必须通过健康检查或实际请求确认。

真实可用性探测

模型表中的“可用”来自 POST /api/models/probe 的真实调用，不等同于 /api/models 目录可见。结果会写入服务器 SQLite，并通过 GET /api/models/probe-results 返回；刷新页面或换浏览器仍会看到同一份最新结果。页面支持测试当前模型、测试筛选结果或测试全部模型；批量探测默认并发 2 个请求，401/403 会停止剩余任务。

探测状态会区分：

• 可用、不可用
• 鉴权失败（401/403）
• 限流（429）
• 超时
• 暂无对应探针

Chat 模型使用流式 Chat 请求并读取上游 usage.completion_tokens 计算速度。页面展示 TTFT、总耗时和 token/s；如果网关不返回 usage，则显示 --，不会用字符数估算 token。TTS 和 ASR 不显示 token/s，只展示音频端点的耗时指标。视频 LLM 展示任务状态、进度、生成耗时和文件名，不虚构 token/s。

视频模型的测试流程是：创建 5 秒、1280x720 的最小任务 → 详情页轮询 /api/models/video-task → 任务 completed 后通过 /api/models/video-task/content 下载结果。批量按钮会跳过视频模型，避免意外创建计费任务。

探测请求使用固定短文案和服务端内存生成的短静音 WAV，不会上传用户音频。探测成功只证明端点可调用，粤语转写、翻译和音色效果仍需业务样本验收。

页面会在模型表和模型详情中展示最近一次测试时间，详情区可以展开查看脱敏后的请求头、响应头和请求摘要。Authorization、Cookie、完整请求体和完整错误响应不会展示或存储。

Qwen 参数

Qwen3 类模型建议在请求中加入：

"chat_template_kwargs": {"enable_thinking": false}

否则短文本可能先消耗隐藏推理 token，导致可见正文为空。