AI 网关架构2026年9月5日Flatkey Team

LLM API 指南（2026）：概念、工作原理、价格与最佳服务商

面向 2026 年的实用 LLM API 指南：涵盖基本概念、请求流程、可运行代码、主流服务商官方价格、最便宜及免费的选择，以及何时使用统一 API 比分别注册账号更合适。

LLM API 指南（2026）：概念、工作原理、价格与最佳服务商

LLM API 是一种 Web 端点，让你的代码可以向大语言模型发送提示词，并接收生成的文本、JSON 或工具调用，按 token 计费。 你通过 HTTP 请求调用它，请求中包含 API 密钥、模型名称和消息，无需自行运行 GPU，就能使用 GPT、Claude、Gemini、DeepSeek 或 Qwen 等模型。2026 年 10 月，每百万输入 token 的价格从小型模型的 $0.10 到最大型模型的 $10 不等。

本指南面向正在选择首个（或下一个）LLM API 的开发者和独立开发者。内容涵盖请求流程、可直接运行的 curl、Python 和 Node.js 代码、主流服务商当前的官方价格、免费方案、服务商选择方法，以及何时使用统一 API 比分别注册账号更合适。

LLM 中的 API 是什么？

API（应用程序编程接口）是程序与其他服务通信时遵循的约定。对于大语言模型，API 定义了以下内容：

端点：接收请求的 URL，例如 /v1/chat/completions 或 /v1/messages。
身份验证：在请求头中携带 API 密钥，关联你的账号与计费信息。
请求格式：模型 ID、消息列表（system、user、assistant），以及 max_tokens、temperature、工具和响应格式等选项。
响应格式：生成的文本或结构化输出，以及用于计费的 token 用量。
限制：每分钟请求数和 token 数、上下文窗口，以及最大输出长度。

模型本身运行在服务商的 GPU 上。你无需下载模型权重，而是按次租用推理服务。这是它与使用 vLLM 或 Ollama 等工具自行托管开放模型的主要区别。

LLM API 的工作流程

你的应用构建请求，其中包含模型名称和截至当前的对话内容。
服务商将文本切分为 token（一个 token 大约相当于 3 到 4 个英文字符）。
模型逐个生成输出 token，也可以通过服务器发送事件以流式方式返回。
响应包含文本和一个 usage 对象，记录输入与输出 token 数。
按以下公式计费：输入 token 数 x 输入单价 + 输出 token 数 x 输出单价。

由于 API 是无状态的，每次调用都需要重新发送相关的对话历史。因此，对话越长，费用越高，提示词缓存折扣也就越重要。

LLM API 示例：发送第一个请求

如今，大多数服务商都支持 OpenAI 风格的聊天格式，因此它已成为事实标准。以下示例可直接调用 OpenAI：

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      {"role": "system", "content": "You are a concise assistant."},
      {"role": "user", "content": "Explain what an LLM API is in one sentence."}
    ],
    "max_tokens": 100
  }'

下面使用官方 openai 包在 Python 中发送相同的请求。修改 base_url 和密钥，即可将请求发往任何兼容 OpenAI 的服务商，包括 Flatkey 这样的路由服务（快速入门）：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_KEY",
    base_url="https://router.flatkey.ai/v1",  # or https://api.openai.com/v1
)

resp = client.chat.completions.create(
    model="claude-sonnet-5-5",  # any model ID from the provider's catalog
    messages=[{"role": "user", "content": "Give me 3 names for a todo app."}],
    max_tokens=200,
)
print(resp.choices[0].message.content)
print(resp.usage)  # prompt_tokens, completion_tokens -> what you pay for

下面是在 Node.js 18+ 中使用原生 fetch 和流式响应的示例：

const res = await fetch("https://router.flatkey.ai/v1/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.FLATKEY_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "gemini-4-argon",
    stream: true,
    messages: [{ role: "user", content: "Write a haiku about APIs." }],
  }),
});
const decoder = new TextDecoder();
for await (const chunk of res.body) process.stdout.write(decoder.decode(chunk));

Anthropic 和 Google 也提供原生格式（Messages API 和 Gemini API），支持各自特有的功能，但也都可以通过兼容 OpenAI 的适配层访问。

2026 年最佳 LLM API 服务商（附官方价格）

以下价格均为每百万 token 的费用（输入 / 输出），采集自各服务商在 2026 年 10 月 23 日的官方定价页面。

服务商	高端模型	均衡型模型	经济型模型	备注
OpenAI	gpt-6-astra $10 / $50	gpt-6.1-sol $2 / $10	gpt-6-luna $0.10 / $0.50	Batch 和 Flex 档位可降低 50% 的价格
Anthropic Claude	Opus 5.5 $4 / $20	Sonnet 5.5 $2 / $10	Haiku 5.5 $0.10 / $0.50（提示词不超过 100K）	除 Haiku 5.5 外，4.6+ 模型的 1M 上下文按标准价格计费
Google Gemini	Gemini 4 Argon $2 / $10，适用至 2026 年 11 月 30 日（12 月 1 日起为 $4 / $20）	Gemini 3.8 Flash 输入价格为 $0.75，适用至 2026 年 12 月 31 日	Flash-Lite 模型	Flash 模型提供免费额度；Argon 不提供免费额度
DeepSeek	deepseek-v4-pro 高峰时段 $1.32 / $3.96，非高峰时段 $0.66 / $1.98	不适用	deepseek-flash 高峰时段 $0.30 / $1.20，非高峰时段 $0.15 / $0.60	缓存命中价格低至 $0.003
OpenRouter	按服务商标价计费			购买额度时收取 5.5% 手续费（Standard 套餐）
Flatkey	例如 Kimi K3 $1.80 / $9（标价 $3 / $15）	例如 Claude Sonnet 5.5 $1.60 / $8	例如 gpt-6-luna $0.06 / $0.30	一个密钥可访问 80+ 个模型；价格来自模型页面

Flatkey 的价格采集自其 2026 年 10 月 23 日的模型页面，页面同时列出了 Flatkey 费率和服务商标价。如需查看更详细的各模型价格，包括缓存和批处理折扣，请阅读我们的 AI API 价格对比。

哪个 LLM API 最便宜？

在小型快速模型中，2026 年 10 月最低的官方标价是 OpenAI gpt-6-luna 和 Claude Haiku 5.5，每百万 token 的输入价格为 $0.10、输出价格为 $0.50；deepseek-flash 在 DeepSeek 非高峰时段的价格为 $0.15 / $0.60。例如，每天发送 10,000 次请求，每次包含 1,000 个输入 token 和 300 个输出 token，每月就是 300M 个输入 token 和 90M 个输出 token，按 gpt-6-luna 标价计算约为 $75。使用 Batch API、提示词缓存和非高峰时段，还可以让费用再减半。

有免费的 LLM API 吗？

有，但存在限制。Google 的 Gemini API 为 Flash 模型提供免费额度（相关使用数据可能用于改进 Google 产品），一些路由服务也提供有速率限制的免费模型。免费额度适合开发原型，但每日请求数上限较低。请参阅我们的 2026 年免费 LLM API 列表。

如何选择 LLM API

问题	为什么重要	需要检查什么
输出质量需要达到什么水平？	高端模型的费用可能是经济型模型的 50 到 100 倍	在两到三个档位上测试 20 到 50 条真实提示词
提示词有多长？	长上下文会成倍增加输入成本	上下文窗口和长提示词定价（例如 Haiku 5.5 超过 100K 时）
响应速度需要多快？	用户能感受到首个 token 的等待时间	是否支持流式输出，以及在你所在地区的延迟
流量有多大？	限额按分钟和按天计算	各档位的 RPM/TPM；参阅我们的 LLM 速率限制指南
是否需要工具或 JSON？	智能体依赖函数调用	工具调用和结构化输出支持
数据在哪里处理？	涉及合规要求和客户合同	数据保留政策、区域端点（Claude 仅限美国境内推理的费用为 1.1x）
以后会切换模型吗？	价格和领先模型每隔几个月就会变化	兼容 OpenAI 的格式，或统一 API

直接调用服务商与使用统一 LLM API

只使用一个模型系列时，直接调用一家服务商最简单。一旦混用多个模型，统一 API（也称为 LLM 路由器或 LLM 网关）就能省下不少工作：

一个密钥、一份余额，无需为每家服务商分别管理账号、账单和速率限制。
修改一个字符串即可切换模型，无需更换 SDK。
当一家服务商宕机或触发速率限制时，回退到其他模型。
统一的用量日志，便于按功能或客户核算成本。

可选方案包括托管路由服务（OpenRouter、Flatkey、Vercel AI Gateway），以及 LiteLLM 等自托管代理。托管路由服务的主要区别在于收费方式：OpenRouter 按服务商标价计费，并在 Standard 套餐中额外收取 5.5% 的额度购买手续费；Flatkey 的模型页面则为许多模型列出了低于服务商标价的费率。可在我们的 OpenRouter 替代方案指南和统一 AI API 详解中查看对比。

何时需要 LLM API，何时不需要

当真实用户依赖模型输出、需要使用多个模型、需要按功能或客户核算成本，或正在构建调用工具的智能体时，应使用 LLM API。如果必须将数据保留在自己的硬件上、需要以稳定的高调用量运行微调后的开放模型，或必须离线运行，则应选择自托管。我们的一个 API 密钥访问多个 AI 模型指南介绍了小团队如何在没有平台团队的情况下搭建这套方案。

常见错误

在各处硬编码同一个模型 ID。 将其放入配置，便于切换。
忽略输出 token。 输出费用通常是输入的 4 到 5 倍；应限制 max_tokens。
反复发送庞大的对话历史。 对长系统提示词进行摘要或缓存。
没有重试逻辑。 429 和 5xx 错误时有发生；应加入退避机制（参阅我们的 API 速率超限处理指南）。
将密钥提交到 git。 使用环境变量，并定期轮换密钥。

常见问题

LLM 中的 API 是什么？

它是代码向大语言模型发送提示词并接收输出所使用的接口。它定义了端点 URL、API 密钥身份验证、请求与响应格式、速率限制，以及按 token 计费的方式。

ChatGPT 是 LLM 还是 NLP？

从某种意义上说，两者都算。自然语言处理（NLP）是一个研究领域，大语言模型是 NLP 模型的一种，而 ChatGPT 是基于 OpenAI 大语言模型构建的消费级产品。开发者通过 OpenAI API 访问同一模型系列，而不是通过 ChatGPT 应用。

哪些 LLM API 最好？

2026 年 10 月的主要选择包括 OpenAI（GPT-6 系列）、Anthropic（Claude 5.5 系列）、Google（Gemini 4 Argon 和 Flash 模型）、DeepSeek（V4 Pro 和 Flash），以及 OpenRouter 和 Flatkey 等统一 API，后者可通过一个密钥访问多家服务商。

哪个 LLM API 最便宜？

按 2026 年 10 月 23 日的官方标价，OpenAI gpt-6-luna 和 Claude Haiku 5.5 的价格均为每百万输入 token $0.10、每百万输出 token $0.50；deepseek-flash 在非高峰时段的价格为 $0.15 / $0.60。对于低用量场景，Gemini 的免费额度成本更低。