• 作者: 作者
  • 时间:
  • 分类: 文章

以前用 Sub2API 的时候，大家可能更多是盯着 OpenAI 的 GPT 系列，毕竟那是“原教旨主义”的标准答案。但随着 Kimi、通义千问（Qwen）、智谱等国产大模型的飞速迭代，很多人开始问：Sub2API 能不能接这些国产模型？怎么接才能保证稳定不掉链子？

答案显然是肯定的。Sub2API 的设计初衷就是聚合多个源，而现在的国产模型大多提供了兼容 OpenAI 格式的 API 接口，这使得接入变得异常简单。今天就把这个操作过程拆解开来，手把手教你把 Kimi 2.0 或通义千问接入你的 Sub2API 面板。

一、 核心逻辑：为什么能接？

Sub2API 支持的模型列表并不是写死在代码里的“封闭花园”，它更像是一个路由器。只要目标模型提供的 API 协议是 OpenAI Compatible（即遵循 /v1/chat/completions 等标准路由），并且参数结构相似，Sub2API 就能转发请求。

目前主流的国产模型平台，如月之暗面（Kimi）、阿里云（通义千问）、智谱 AI（glm-4）等，均原生支持 OpenAI 协议。这意味着，你不需要修改 Sub2API 的源码，只需正确配置上游地址和密钥即可。

二、 实操步骤：以 Kimi 和 通义千问为例

1. 获取 API Key

首先你需要去对应的大模型开放平台注册并生成 API Key。

  • Kimi (月之暗面)：登录 open.ms 控制台，在“API Keys”菜单下创建新 Key，记住格式通常是 sk-xxxxx。
  • 通义千问 (阿里)：登录阿里云百炼平台， Dashboard -> API-KEY 管理，复制生成的 Key。

2. 修改 Sub2API 配置

打开你的 Sub2API 配置文件（通常是 config.yaml 或在 Web 管理后台的“节点配置”/“上游设置”中）。

你需要添加一个新的上游节点（Upstream）或直接在模型映射中进行绑定。

  • Name/Label: 你可以随意命名，比如 Kimi-Moonshot 或 Qwen-Max。
  • API Key: 填入你刚才复制的 Key。
  • Base URL: 这是最关键的一步，不同厂商地址不同：
    • Kimi: https://api.moonshot.cn/v1
    • 通义千问: https://dashscope.aliyuncs.com/compatible-mode/v1
    • 智谱 GLM: https://open.bigmodel.cn/api/paas/v4
  • Models: 这里需要填写该 API Key 对应的具体模型名称。注意： 这里填的名称必须与上游平台完全一致，且建议在该字段后加个备注方便区分。
    • Kimi 推荐填入: moonshot-v1-8k, moonshot-v1-32k, moonshot-v1-128k
    • 通义千问推荐填入: qwen-max, qwen-plus, qwen-turbo

3. 客户端映射（可选但推荐）

在 Sub2API 内部，你可能希望将发送来的 gpt-4 或 claude-3.5 请求重定向到这些国产模型，以节省成本或测试效果。你可以在“模型重定向”或“自定义模型”列表中设置：

  • 映射规则：input: gpt-4o-mobile -> output: moonshot-v1-8k
  • 这样，当客户端调用 gpt-4o-mobile 时，Sub2API 会实际请求 Kimi 的接口。

三、 避坑指南与常见问题

Q1: 提示 Model Not Found 或 Invalid API Key？

  • 检查 Model Name: 很多时候是你填的模型名和官方文档不一致。比如通义千问有时用 qwen-max，有时旧接口用 qwen-max-120119，务必查阅最新 API 文档。Kimi 的模型名没有版本后缀，直接填 moonshot-v1-8k 即可。
  • 检查 Base URL: 确保最后带有 /v1，地址是否正确包含 https://。

Q2: Kimi 的长文本支持怎么设置？

  • Sub2API 默认可能不传递 max_tokens 或 temperature 等高级参数到所有上游。如果需要在 Sub2API 客户端指定长上下文，确保你在请求时显式传入了 model 参数，并且该参数在 Sub2API 的白名单或映射表中存在。Kimi 的 moonshot-v1-128k 支持超长上下文，适合做文档总结。

Q3: 并发被限流怎么办？

  • 国产大模型对并发（RPM/TPM）限制比 OpenAI 更严格。建议在 Sub2API 中为这些节点设置合理的 限流策略 或 心跳测试，避免瞬间大流量打挂 Key。可以在管理后台为每个上游节点设置独立的速率限制（如 10 req/min）。

Q4: 结构化输出（JSON Mode）支持吗？

  • Kimi 和 通义千问均支持 response_format: {"type": "json_object"}。如果在 Sub2API 中调用时出现格式错误，请检查请求参数是否正确透传。通常 Sub2API 会原样转发此参数，但如果上游拒绝，会返回 400 Bad Request，此时需检查 Prompt 是否明确要求了 JSON 格式。

四、 进阶技巧：成本优化

接入国产模型最大的优势在于成本。例如 qwen-turbo 的价格远低于 GPT-4，而 qwen-max 在逻辑推理上已接近 GPT-4 Turbo 水平。你可以这样做：

  1. 分流策略：在 Sub2API 中配置权重，将简单的闲聊任务路由到便宜的 qwen-turbo 或 moonshot-v1-8k，将复杂的代码生成路由到 gpt-4 或 glm-4-plus。
  2. 缓存复用：开启 Sub2API 的缓存功能（如果支持），对于相同的 Prompt 快速返回结果，进一步降低 Token 消耗。

总结

接入 Kimi、通义千问等国产模型到 Sub2API 并不复杂，关键在于精准的 Base URL 和正确的模型名称映射。一旦配置成功，你不仅能享受更低的资费，还能利用国产模型在中文语境下的出色表现。赶紧去你的控制台试试吧，记得先小流量测试，确保稳定性后再全量切换！

标签: none

评论已关闭