Hướng dẫn danh mục mô hình AI: Cách đọc nhà cung cấp, endpoint, nhóm và giá

Cập nhật: 14 tháng 9, 2026

Hướng dẫn danh mục mô hình AI: Cách đọc nhà cung cấp, endpoint, nhóm và giá hữu ích vì các danh mục mô hình giờ đây làm nhiều hơn việc chỉ liệt kê tên. Một danh mục dùng trong môi trường production là một bề mặt định tuyến. Nó cho biết bộ phận sản phẩm, kỹ thuật và tài chính nhà cung cấp nào sở hữu tuyến, kiểu API nào được hỗ trợ, nhóm hoặc gói nào có thể gọi, đơn vị nào được tính phí, và mô hình có đủ khỏe để phục vụ lưu lượng thực hay không.

Sai lầm tốn kém là đọc danh mục như một bảng xếp hạng. Một dòng có tên mô hình nổi tiếng vẫn có thể không phù hợp với khối lượng công việc của bạn nếu dạng endpoint không khớp với SDK của bạn, đơn vị tính phí không thể so sánh, tuyến bị giới hạn cho một nhóm bạn không dùng, hoặc trạng thái khả dụng chưa sẵn sàng cho production.

Hướng dẫn danh mục mô hình AI này cung cấp cho các nhóm sản phẩm một cách thực tế để đọc danh mục mô hình trước khi chọn, kiểm thử hoặc định tuyến lưu lượng qua bất kỳ AI API gateway nào. Ví dụ minh họa sử dụng thư mục mô hình công khai và tài liệu của Flatkey, nhưng danh sách kiểm tra này cũng áp dụng cho danh mục trực tiếp của nhà cung cấp, danh mục gateway và danh mục nền tảng nội bộ.

Câu trả lời nhanh: Cách đọc một danh mục mô hình AI

Đọc một danh mục mô hình AI theo thứ tự sau:

1. Nhà cung cấp: ai vận hành mô hình hoặc tuyến phía upstream.
2. ID mô hình: chuỗi chính xác mà ứng dụng của bạn phải gửi.
3. Hỗ trợ endpoint: kiểu API nào tuyến chấp nhận, chẳng hạn chat tương thích OpenAI, Responses, Anthropic, Gemini, image, video, embeddings, hoặc tuyến gốc.
4. Nhóm hoặc gói: nhóm tài khoản, nhóm tuyến, nhóm hạn ngạch, hoặc gói thanh toán nào có thể dùng dòng này.
5. Trạng thái khả dụng: tuyến đang hoạt động, suy giảm, chưa xác định, bản xem trước, truy cập sớm, ngừng dùng, hoặc sắp ra mắt.
6. Đơn vị giá: việc tính phí theo 1M token đầu vào/đầu ra, token được lưu cache, hình ảnh, giây, yêu cầu, ký tự, phút, hoặc một đơn vị khác.
7. Bằng chứng sử dụng: liệu yêu cầu thử nghiệm của bạn có xuất hiện trong log với mô hình, trạng thái, số token, tuyến, khóa, và chi phí như mong đợi hay không.

Câu trả lời ngắn trong Hướng dẫn danh mục mô hình AI: Cách đọc nhà cung cấp, endpoint, nhóm và giá là: đừng chọn mô hình chỉ từ cột giá. Hãy chọn sau khi nhà cung cấp, endpoint, nhóm, trạng thái, đơn vị giá, và bằng chứng từ log sử dụng đều khớp với khối lượng công việc của bạn.

Ảnh chụp nhanh hiện tại của danh mục mô hình Flatkey

Tài liệu hiện tại của Flatkey mô tả một base URL tương thích OpenAI, https://router.flatkey.ai/v1, cùng các endpoint API cho chat completions, Responses, embeddings, tạo image, tác vụ video, và liệt kê mô hình. Endpoint /v1/models trả về ID mô hình và nhà cung cấp theo định dạng tương thích OpenAI, trong khi Model Directory công khai là nơi trực tiếp để xem giá, tình trạng, hỗ trợ endpoint, và các trang chi tiết mô hình.

Vào ngày 14 tháng 9, 2026, thư mục mô hình công khai của Flatkey hiển thị các trường hàng có liên quan trực tiếp đến việc rà soát danh mục:

Hãy xem ảnh chụp nhanh này như bằng chứng về cách danh mục được cấu trúc, không phải như một bảng giá cố định. Tài liệu tham chiếu của Flatkey nêu rõ người đọc hãy quay lại flatkey.ai/models, flatkey.ai/pricing, và flatkey.ai/status để các dòng mô hình, giá và tình trạng hoạt động có thể cập nhật mà không cần phát hành tài liệu.

Đọc nhà cung cấp trước khi đọc tên mô hình

Nhà cung cấp là trường đầu tiên vì chỉ riêng tên mô hình không cho bạn biết lưu lượng sẽ đi đâu, hợp đồng nào được áp dụng, hay những giới hạn vận hành nào là quan trọng.

Hãy dùng trường nhà cung cấp để trả lời:

Đối với Flatkey, cách định vị được chấp thuận là một khóa, một số dư, và quyền truy cập mô hình chính thức trên các nhà cung cấp như OpenAI, Anthropic, Google, DeepSeek, Alibaba, Z.ai, Moonshot, và ByteDance. Điều đó làm cho tính minh bạch của nhà cung cấp trở nên đặc biệt quan trọng. Nếu một dòng trong danh mục không làm rõ nhà cung cấp và loại tuyến, hãy yêu cầu làm rõ trước khi phê duyệt dòng đó cho môi trường sản xuất.

Đọc endpoint như các hợp đồng, không phải nhãn

Hỗ trợ endpoint là một hợp đồng giữa ứng dụng của bạn và route. Nó quyết định liệu client hiện tại, request body, trình xử lý streaming, trình phân tích tool-call, và logic tính usage của bạn có thể hoạt động mà không cần viết lại hay không.

Tài liệu REST của Flatkey liệt kê các endpoint API công khai sau:

Một dòng trong catalog ghi openai không giống với một dòng ghi anthropic, gemini, openai-response, openai-video, hoặc video. Một mô hình có thể hỗ trợ nhiều hơn một họ endpoint, nhưng bạn vẫn cần kiểm thử đúng đường dẫn chính xác mà ứng dụng của bạn sẽ sử dụng.

Đối với hướng dẫn danh mục mô hình AI này, hãy dùng trường endpoint để viết một hợp đồng tương thích ngắn gọn:

catalog_endpoint_contract:
  workload: support_ticket_summary
  model_id: selected-model-id
  provider: provider-name
  endpoint_type: openai
  base_url: https://router.flatkey.ai/v1
  endpoint_path: /v1/chat/completions
  required_features:
    - streaming
    - tool_calls
    - structured_json
    - usage_fields
  pass_condition:
    - existing_sdk_initializes
    - response_parser_accepts_output
    - usage_log_matches_model
    - fallback_policy_is_documented

Nếu một mục trong hợp đồng đó thất bại, mô hình vẫn có thể hữu ích, nhưng nó không phải là một route thay thế trực tiếp cho workload đó.

Đọc Groups như Chính sách Route và Chi phí

Groups rất dễ bị bỏ qua vì chúng trông như các nhãn nội bộ của nền tảng. Đừng bỏ qua chúng. Một group có thể quyết định ai được dùng một route, hệ số giá nào được áp dụng, key nào được phép, quota nào được tiêu thụ, và pool fallback nào sẵn có.

Trong một catalog gateway, các group thường đại diện cho một hoặc nhiều chính sách sau:

Định vị sản phẩm của Flatkey bao gồm quản trị sub-key, ngân sách, allowlist mô hình, nhật ký sử dụng và số dư dùng chung. Điều đó có nghĩa là hàng trong danh mục và bảng điều khiển sử dụng phải khớp nhau. Nếu một quản lý sản phẩm phê duyệt một mô hình trong danh mục nhưng key sản xuất không ở đúng nhóm, đội ngũ kỹ thuật sẽ phát hiện vấn đề dưới dạng 403, 429, thiếu fallback hoặc bất ngờ về thanh toán.

Đọc giá theo đơn vị trước khi so sánh các hàng

Giá là trường trong danh mục mô hình dễ bị đọc sai nhất. Một hướng dẫn danh mục mô hình AI nên buộc mọi mức giá phải được quy về đúng đơn vị thực trước khi bất kỳ ai so sánh chúng.

Đừng so sánh các đơn vị này như thể chúng giống nhau:

Các trang giá của nhà cung cấp cũng dùng cách đặt tên khác nhau. OpenAI, Anthropic, Google Gemini và DeepSeek hiện đều tách một số kết hợp giữa đầu vào, đầu ra, đầu vào được lưu cache, cache read/write, hoặc định giá theo cache-hit/cache-miss trong tài liệu giá công khai hiện tại của họ. Đó là lý do vì sao một đợt rà soát danh mục nên lưu URL nguồn trực tiếp và ngày rà soát thay vì sao chép một mức giá cố định vào một ticket lộ trình.

Sử dụng công thức chuẩn hóa này:

accepted_workload_cost =
  (primary_attempt_cost
   + retry_cost
   + fallback_cost
   + cached_or_uncached_delta
   + media_or_tool_addons)
  / accepted_outputs

Sau đó thêm ngữ cảnh quyết định:

production_cost_decision =
  accepted_workload_cost
  + latency_penalty
  + manual_review_cost
  + incident_risk
  + data_policy_constraints

Dòng thứ hai đó là lý do vì sao ô giá rẻ nhất hiếm khi là câu trả lời cuối cùng.

Đọc trạng thái trước lưu lượng production

Trạng thái khả dụng nên là một cổng chặn, không phải chú thích phụ. Một mô hình có thể trông hoàn hảo về nhà cung cấp, endpoint và giá, nhưng vẫn là lựa chọn production sai nếu nó chỉ ở chế độ preview, bị suy giảm, giới hạn theo khu vực, đã bị ngừng hỗ trợ, không có trong tài khoản của bạn, hoặc thất bại ở health check.

Sử dụng các lớp trạng thái này:

Tài liệu của Flatkey hướng các kiểm tra tình trạng mô hình tới trang trạng thái trực tiếp. Với quyết định cho môi trường sản xuất, trường trạng thái nên được lưu cùng ngày, ID mô hình, loại endpoint, khóa hoặc nhóm, và một ID yêu cầu thực tế.

Quy trình Flatkey để rà soát danh mục

Hãy dùng quy trình này bất cứ khi nào một nhóm sản phẩm hỏi liệu một mô hình từ danh mục có an toàn để dùng hay không.

1. Mở Thư mục mô hình Flatkey.
2. Tìm chính xác ID mô hình, không chỉ tên nhà cung cấp.
3. Ghi lại nhà cung cấp, hỗ trợ endpoint, trạng thái khả dụng, đơn vị tính giá, quyền truy cập nhóm, và ngày rà soát hiện tại.
4. Mở bảng giá Flatkey và trang giá của nhà cung cấp liên quan.
5. Ghi đơn vị chi phí đã chuẩn hóa: trên 1M token đầu vào, token đầu ra, token được lưu cache, hình ảnh, giây, yêu cầu, hoặc đơn vị khác.
6. Chạy một kiểm thử nhanh ít rủi ro qua base_url, đường dẫn endpoint và ID mô hình dự kiến.
7. Xác nhận yêu cầu xuất hiện trong nhật ký sử dụng Flatkey với mô hình, khóa, trạng thái, số lượng token hoặc đơn vị media, và chi phí như mong đợi.
8. Định nghĩa quy tắc dự phòng trước khi gửi người dùng thật: điều kiện kích hoạt, số lần thử lại, các mô hình dự phòng được phép, cổng chất lượng, và các trường ghi log.
9. Rà soát bản ghi danh mục với sản phẩm, kỹ thuật, tài chính, và bảo mật trước khi đặt tuyến làm mặc định.

Phần quan trọng là bước 7. Một dòng trong danh mục là một cam kết. Một dòng trong nhật ký sử dụng là bằng chứng rằng cam kết đó khớp với tài khoản, khóa, nhóm, và khối lượng công việc của bạn.

Mẫu: Bản ghi rà soát danh mục mô hình AI

Sao chép mẫu này vào tài liệu ra mắt nội bộ:

ai_model_catalog_review:
  review_date: 2026-09-14
  reviewer: product_owner_or_platform_owner
  workload: customer_support_summary
  business_owner: support_product
  environment: staging
  catalog:
    catalog_url: https://flatkey.ai/models
    model_id: selected-model-id
    provider: provider-name
    endpoint_types:
      - openai
    group_or_plan: approved-group
    availability_status: available
    pricing_unit: per_1m_input_and_output_tokens
  compatibility:
    base_url: https://router.flatkey.ai/v1
    endpoint_path: /v1/chat/completions
    sdk: openai-python
    streaming_required: true
    tool_calls_required: false
    structured_output_required: true
  cost:
    provider_pricing_url: provider-pricing-page
    flatkey_pricing_url: https://flatkey.ai/pricing
    cost_formula: accepted_workload_cost
    cache_assumption: measured_not_assumed
  evidence:
    smoke_test_request_id: req_example
    usage_log_verified: true
    output_parser_passed: true
    p95_latency_ms: measured
    fallback_tested: false
  decision:
    status: approve_for_limited_rollout
    rollout_limit: 5_percent_of_traffic
    fallback_route: selected-fallback-model
    next_review_date: 2026-09-21

Mẫu này giúp Hướng dẫn danh mục mô hình AI: Cách đọc nhà cung cấp, endpoint, nhóm và giá trở nên thực tiễn. Kết quả không phải là danh sách ưu tiên. Đó là một bản ghi quyết định có thể kiểm toán.

Các lỗi thường gặp trong danh mục mô hình AI

Lỗi 1: Xem nhà cung cấp và họ mô hình là cùng một trường

Nhà cung cấp là chủ sở hữu upstream hoặc chủ sở hữu tuyến. Họ mô hình là một nhóm đặt tên. Chúng có liên quan, nhưng không thể thay thế cho nhau. Ghi nhận cả hai.

Lỗi 2: Giả định OpenAI-compatible có nghĩa là mọi endpoint đều hoạt động

Thiết lập tương thích với OpenAI có thể giảm công việc di chuyển, nhưng không chứng minh rằng mọi endpoint, sự kiện streaming, dạng tool-call, trường usage hay tham số media đều hoạt động với mọi mô hình. Hãy kiểm thử chính xác họ endpoint trong hàng của danh mục.

Lỗi 3: So sánh giá token với giá media

Thanh toán theo token, theo hình ảnh, theo giây và theo request không nên bị gộp vào một cột giá. Hãy chuẩn hóa theo chi phí trên đầu ra được chấp nhận cho workload.

Lỗi 4: Bỏ qua nhóm cho đến khi triển khai

Nếu khóa production không được phép gọi nhóm bạn đã phê duyệt, quyết định trong danh mục là chưa hoàn chỉnh. Hãy xác thực quyền truy cập nhóm bằng khóa sẽ thực sự được triển khai.

Lỗi 5: Sao chép một hàng giá mà không có ngày rà soát

Giá của nhà cung cấp và cổng có thể thay đổi. Lưu URL nguồn, ngày rà soát, model ID, đơn vị tính giá và bằng chứng log sử dụng từ một request kiểm thử.

Lỗi 6: Triển khai chỉ dựa trên trạng thái danh mục

Trạng thái danh mục nên kích hoạt smoke test. Nó không nên thay thế smoke test. Phê duyệt production cần ít nhất một request đi qua cùng khóa, endpoint, mô hình và nhóm.

Khi nào danh mục mô hình AI thống nhất hữu ích nhất

Danh mục mô hình thống nhất hữu ích nhất khi một nhóm có hơn một trong các vấn đề sau:

• Nhiều khóa nhà cung cấp bị rải rác trên các dịch vụ, tác nhân và môi trường.
• Sản phẩm muốn so sánh các tuyến text, image, video, embedding và tool trong một quy trình làm việc duy nhất.
• Tài chính muốn bằng chứng chi phí ở cấp độ request thay vì các hóa đơn riêng từ từng nhà cung cấp.
• Đội kỹ thuật nền tảng cần các quy tắc dự phòng, kiểm tra tình trạng và danh sách cho phép mô hình.
• An ninh cần biết tuyến nào đã xử lý workload nào.
• Các nhóm cần chuyển từ một mô hình sang mô hình khác mà không phải viết lại mọi client.

Flatkey được định vị cho mô hình này: một API key, một router tương thích OpenAI, một danh mục mô hình trực tiếp, nhật ký sử dụng, quyền truy cập mô hình/công cụ thông qua một số dư duy nhất, và các kiểm soát vận hành cho các nhóm. Điều đó không loại bỏ việc thẩm định. Nó chỉ cho nhóm một nơi để thực hiện việc đó.

FAQ

Danh mục mô hình AI là gì?

Danh mục mô hình AI là một danh sách có thể tìm kiếm các tuyến mô hình và siêu dữ liệu của chúng: ID mô hình, nhà cung cấp, endpoint được hỗ trợ, đơn vị định giá, trạng thái khả dụng, nhóm hoặc gói, và đôi khi là cửa sổ ngữ cảnh, modality, tình trạng, giới hạn và các liên kết sử dụng.

Vì sao trường nhà cung cấp lại quan trọng?

Trường nhà cung cấp cho bạn biết ai sở hữu mô hình hoặc tuyến upstream. Nó ảnh hưởng đến hỗ trợ, tham chiếu giá, giới hạn, thông báo vòng đời, hành vi theo khu vực, xử lý dữ liệu và phản ứng sự cố.

Hỗ trợ endpoint nghĩa là gì trong một danh mục mô hình?

Hỗ trợ endpoint cho bạn biết một dòng mô hình chấp nhận dạng API nào. Ví dụ, một dòng có thể hỗ trợ chat tương thích OpenAI, Responses, yêu cầu tương thích Anthropic, yêu cầu gốc Gemini, tạo image, tạo video hoặc embeddings. SDK và bộ phân tích của bạn phải khớp với endpoint bạn chọn.

Nhóm có giống các bậc giá không?

Đôi khi có, nhưng không phải lúc nào cũng vậy. Nhóm có thể đại diện cho các gói thương mại, cụm tuyến, chính sách truy cập, phạm vi khóa, phạm vi ngân sách hoặc các họ dự phòng. Hãy coi nhóm là chính sách tuyến cho đến khi chủ nền tảng xác nhận ý nghĩa chính xác.

Các nhóm nên so sánh giá mô hình như thế nào?

Hãy so sánh giá mô hình theo workload, không phải theo dòng danh mục thô. Chuẩn hóa token đầu vào, token đầu ra, token được lưu đệm, hình ảnh, giây, request, lần thử lại, số lần dự phòng và các đầu ra được chấp nhận thành một công thức chi phí duy nhất.

Tôi có nên tin một dòng trong danh mục mô hình mà không kiểm tra không?

Không. Một dòng danh mục là điểm khởi đầu hữu ích, nhưng việc phê duyệt cho production nên bao gồm một bài kiểm tra nhanh thông qua chính xác key, base URL, endpoint, ID mô hình và nhóm mà bạn dự định sử dụng.

Flatkey giúp việc xem xét danh mục mô hình như thế nào?

Flatkey cung cấp cho các nhóm một nơi để kiểm tra các dòng mô hình, định tuyến qua base URL tương thích OpenAI, so sánh bề mặt giá trực tiếp, kiểm tra tình trạng mô hình và xem lại nhật ký sử dụng. Điều đó giúp các quyết định về danh mục dễ kiểm toán hơn trên khắp sản phẩm, kỹ thuật và tài chính.

Bước rà soát danh mục cuối cùng

Bước cuối cùng trong Hướng dẫn danh mục mô hình AI: Cách đọc nhà cung cấp, endpoint, nhóm và giá không phải là chọn một mô hình. Đó là chứng minh tuyến.

Trước khi ra mắt, nhóm của bạn nên có thể hiển thị:

• ID mô hình và nhà cung cấp chính xác.
• Loại endpoint và đường dẫn SDK.
• Nhóm hoặc gói cấp quyền truy cập.
• Đơn vị giá hiện tại và URL nguồn.
• Trạng thái khả dụng và ngày rà soát.
• Một request ID của bài kiểm tra nhanh.
• Một dòng nhật ký sử dụng hiển thị mô hình, khóa, trạng thái, token hoặc đơn vị media, và chi phí.
• Một quy tắc dự phòng và khôi phục.

Nếu các trường đó đầy đủ, danh mục đang làm tốt nhiệm vụ của nó. Nếu chúng bị thiếu, quyết định chọn mô hình vẫn chỉ là phỏng đoán.

Các nguồn đã kiểm tra

• Tổng quan Flatkey REST API
• Endpoint Liệt kê mô hình của Flatkey
• Hướng dẫn Flatkey OpenAI SDK
• Tài liệu bảng điều khiển mức sử dụng và chi phí của Flatkey
• Danh mục mô hình trực tiếp của Flatkey
• Bảng giá của Flatkey
• Tình trạng mô hình Flatkey
• Bảng giá OpenAI API
• Bảng giá Anthropic
• Bảng giá Google Gemini API
• Bảng giá DeepSeek API