【原创】AI聚合平台+AI聚合API+算力平台梳理（超实用）

最新推荐文章于 2025-04-25 23:04:24 发布
最新推荐文章于 2025-04-25 23:04:24 发布
阅读量824 收藏 7
点赞数 5
分类专栏： AI人工智能 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/heiyeshuwu/article/details/146264421
版权

如果需要AI重复发挥效果，模型能力至关重要，目前国外内大家认可的优质的大模型包括 Claude、GPT、Grok、Gemini 等等，国内的包括 Deepseek、Qwen、Doubao 等等。

国内的AI大模型基本有对应网页版+APP版本，个别还有桌面版，但是受限于网络环境和国外的限制，需要访问海外的优质大模型都困难重重，所以经过调研梳理，能够有效方便访问海外的大模型的桌面工具、聚合API，以及个别场景需要进行一些算力租赁场景，梳理了国内外的产品，减少了二次调研时间，可以直接使用。

注意：以下内容非广告，纯个人体验，个人喜好，仅供参考。

（梳理截止时间：2025年3月14日）

【AI聚合工具】POE - 国外模型整合访问（https://poe.com，支持信用卡）

【AI聚合工具】Monica - 国内外主流AI模型整合，方便易用（https://monica.im， 支持信用卡和支付宝）

【AI聚合API】OpenRouter - 海外各大模型访问聚合API（https://openrouter.ai， 支持信用卡、野卡）

实际测试代码：

import aiohttp
import json
import asyncio
from typing import Optional, Dict, Any, AsyncGenerator

# API配置
API_URL = "https://openrouter.ai/api/v1/chat/completions"
API_KEY = "sk-or-v1-YOU-SK"

# 默认超时时间（秒）
DEFAULT_TIMEOUT = 120  # 增加到120秒

# 支持文本和图片的多模态模型
MULTIMODAL_MODELS = [
    "anthropic/claude-3.7-sonnet",
    "anthropic/claude-3.5-sonnet",
    "openai/gpt-4.5-preview",
    "openai/gpt-4o-2024-11-20",
    "openai/o1",
    "google/gemini-2.0-flash-001",
    "google/gemma-3-27b-it",
    "qwen/qwen-vl-max",
    "qwen/qwen-vl-plus"
]

# 仅支持纯文本的模型
TEXT_ONLY_MODELS = [
    "deepseek/deepseek-chat",
    "deepseek/deepseek-r1",
    "qwen/qwq-32b",
    "qwen/qwen2.5-32b-instruct",
    "mistralai/mistral-saba"
]

def supports_text(model: str) -> bool:
    """检查模型是否支持文本"""
    return model in TEXT_ONLY_MODELS or model in MULTIMODAL_MODELS

def supports_image(model: str) -> bool:
    """检查模型是否支持图片"""
    return model in MULTIMODAL_MODELS

async def chat_text(model: str, message: str, timeout: int = DEFAULT_TIMEOUT) -> str:
    """
    纯文本对话函数
    
    Args:
        model: 模型名称
        message: 用户消息
        timeout: 超时时间（秒）
    
    Returns:
        模型的回复文本
    """
    if not supports_text(model):
        raise ValueError(f"模型 '{model}' 不支持文本对话")

    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    
    data = {
        "model": model,
        "messages": [{"role": "user", "content": message}]
    }
    
    try:
        print(f"正在调用模型 {model}，请耐心等待...")
        async with aiohttp.ClientSession() as session:
            async with session.post(
                API_URL,
                headers=headers,
                json=data,
                timeout=timeout
            ) as response:
                if response.status != 200:
                    error_text = await response.text()
                    print(f"API错误状态码: {response.status}")
                    raise ValueError(f"API调用失败: {error_text}")
                
                result = await response.json()
                if not result.get("choices"):
                    print(f"API响应: {result}")
                    raise ValueError(f"API响应格式错误: {result}")
                return result["choices"][0]["message"]["content"]
                
    except aiohttp.ClientError as e:
        raise ValueError(f"网络请求失败: {str(e)}")
    except asyncio.TimeoutError:
        raise ValueError(f"请求超时，请增加超时时间或稍后重试")
    except Exception as e:
        raise ValueError(f"请求失败: {str(e)}")

async def chat_text_stream(model: str, message: str, timeout: int = DEFAULT_TIMEOUT) -> AsyncGenerator[str, None]:
    """
    流式文本对话函数
    
    Args:
        model: 模型名称
        message: 用户消息
        timeout: 超时时间（秒）
    
    Yields:
        模型响应的文本片段
    """
    if not supports_text(model):
        raise ValueError(f"模型 '{model}' 不支持文本对话")

    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    
    data = {
        "model": model,
        "messages": [{"role": "user", "content": message}],
        "stream": True
    }
    
    try:
        print(f"正在流式调用模型 {model}，请耐心等待...")
        async with aiohttp.ClientSession() as session:
            async with session.post(
                API_URL,
                headers=headers,
                json=data,
                timeout=timeout
            ) as response:
                if response.status != 200:
                    error_text = await response.text()
                    print(f"API错误状态码: {response.status}")
                    raise ValueError(f"API调用失败: {error_text}")
                
                async for line in response.content:
                    line = line.decode('utf-8').strip()
                    if line.startswith('data: '):
                        if line == 'data: [DONE]':
                            break
                        try:
                            data = json.loads(line[6:])
                            if content := data.get('choices', [{}])[0].get('delta', {}).get('content'):
                                yield content
                        except json.JSONDecodeError:
                            continue
                            
    except aiohttp.ClientError as e:
        raise ValueError(f"网络请求失败: {str(e)}")
    except asyncio.TimeoutError:
        raise ValueError(f"请求超时，请增加超时时间或稍后重试")
    except Exception as e:
        raise ValueError(f"请求失败: {str(e)}")

async def chat_image(model: str, message: str, image_url: str, timeout: int = DEFAULT_TIMEOUT) -> str:
    """
    图文对话函数
    
    Args:
        model: 模型名称
        message: 用户消息
        image_url: 图片URL
        timeout: 超时时间（秒）
    
    Returns:
        模型的回复文本
    """
    if not supports_image(model):
        raise ValueError(f"模型 '{model}' 不支持图片处理")

    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    
    content = [
        {"type": "text", "text": message},
        {"type": "image_url", "image_url": {"url": image_url}}
    ]
    
    data = {
        "model": model,
        "messages": [{"role": "user", "content": content}]
    }
    
    try:
        print(f"正在调用图像模型 {model}，请耐心等待...")
        async with aiohttp.ClientSession() as session:
            async with session.post(
                API_URL,
                headers=headers,
                json=data,
                timeout=timeout
            ) as response:
                if response.status != 200:
                    error_text = await response.text()
                    print(f"API错误状态码: {response.status}")
                    raise ValueError(f"API调用失败: {error_text}")
                
                result = await response.json()
                if not result.get("choices"):
                    print(f"API响应: {result}")
                    raise ValueError(f"API响应格式错误: {result}")
                return result["choices"][0]["message"]["content"]
                
    except aiohttp.ClientError as e:
        raise ValueError(f"网络请求失败: {str(e)}")
    except asyncio.TimeoutError:
        raise ValueError(f"请求超时，请增加超时时间或稍后重试")
    except Exception as e:
        raise ValueError(f"请求失败: {str(e)}")

async def chat_image_stream(model: str, message: str, image_url: str, timeout: int = DEFAULT_TIMEOUT) -> AsyncGenerator[str, None]:
    """
    流式图文对话函数
    
    Args:
        model: 模型名称
        message: 用户消息
        image_url: 图片URL
        timeout: 超时时间（秒）
    
    Yields:
        模型响应的文本片段
    """
    if not supports_image(model):
        raise ValueError(f"模型 '{model}' 不支持图片处理")

    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    
    content = [
        {"type": "text", "text": message},
        {"type": "image_url", "image_url": {"url": image_url}}
    ]
    
    data = {
        "model": model,
        "messages": [{"role": "user", "content": content}],
        "stream": True
    }
    
    try:
        print(f"正在流式调用图像模型 {model}，请耐心等待...")
        async with aiohttp.ClientSession() as session:
            async with session.post(
                API_URL,
                headers=headers,
                json=data,
                timeout=timeout
            ) as response:
                if response.status != 200:
                    error_text = await response.text()
                    print(f"API错误状态码: {response.status}")
                    raise ValueError(f"API调用失败: {error_text}")
                
                async for line in response.content:
                    line = line.decode('utf-8').strip()
                    if line.startswith('data: '):
                        if line == 'data: [DONE]':
                            break
                        try:
                            data = json.loads(line[6:])
                            if content := data.get('choices', [{}])[0].get('delta', {}).get('content'):
                                yield content
                        except json.JSONDecodeError:
                            continue
                            
    except aiohttp.ClientError as e:
        raise ValueError(f"网络请求失败: {str(e)}")
    except asyncio.TimeoutError:
        raise ValueError(f"请求超时，请增加超时时间或稍后重试")
    except Exception as e:
        raise ValueError(f"请求失败: {str(e)}")

# 使用示例
async def main():
    # 测试图片URL
    test_image_url = "https://upload.wikimedia.org/wikipedia/commons/thumb/4/47/PNG_transparency_demonstration_1.png/280px-PNG_transparency_demonstration_1.png"
    
    print("\n1. 测试纯文本对话")
    try:
        print("开始测试纯文本对话，这可能需要一些时间...")
        response = await chat_text(
            model="deepseek/deepseek-chat",  # 使用更稳定的模型
            message="你是谁？"
        )
        print("回复:", response)
    except ValueError as e:
        print("错误:", str(e))

    print("\n2. 测试流式文本对话")
    try:
        print("开始测试流式文本对话，这可能需要一些时间...")
        print("回复: ", end='', flush=True)
        async for chunk in chat_text_stream(
            model="deepseek/deepseek-chat",  # 使用更稳定的模型
            message="你是谁？"
        ):
            print(chunk, end='', flush=True)
        print()
    except ValueError as e:
        print("错误:", str(e))

    print("\n3. 测试图文对话")
    try:
        print("开始测试图文对话，这可能需要一些时间...")
        response = await chat_image(
            model="anthropic/claude-3.5-sonnet",  # 使用更稳定的模型
            message="这个图中是什么？",
            image_url=test_image_url
        )
        print("回复:", response)
    except ValueError as e:
        print("错误:", str(e))

    print("\n4. 测试流式图文对话")
    try:
        print("开始测试流式图文对话，这可能需要一些时间...")
        print("回复: ", end='', flush=True)
        async for chunk in chat_image_stream(
            model="anthropic/claude-3.5-sonnet",  # 使用更稳定的模型
            message="这个图中是什么？",
            image_url=test_image_url
        ):
            print(chunk, end='', flush=True)
        print()
    except ValueError as e:
        print("错误:", str(e))

if __name__ == "__main__":
    asyncio.run(main())

输出结果：

【AI聚合API】其他API

GPT-Router：https://gpt-router.writesonic.com

Neutrino AI：https://www.neutrinoapp.com

【算力租赁】Modal - 国外算力租赁平台，支持直接远程访问生成应用（https://modal.com，支持信用卡）

【算力租赁】AutoDL - 支持从RTX到A800等各类AI卡（https://www.autodl.com，支持国内各种支付方式）

【算力租赁】openbayes - 简单便宜可以支持各操作系统算力平台（https://openbayes.com，支持国内各支付方式）

【大模型介绍电子书】

快速揭秘DeepSeek背后的AI工作原理

要获取本书全文PDF内容，请Follow“黑夜路人技术” VX，然后在VX后台留言：“AI大模型基础” 或者 “大模型基础” 就会获得电子书的PDF。

【人工智能时代】- AI 聚合平台
xiaoli8748的专栏
08-26 2066
最近听朋友介绍，国内有个团队开发了一个全功能的 AI 聚合平台，包含主流的 GPT 和 绘画功能，以及一些其他的衍生功能，几乎应有尽有。于是，对 AI 很感兴趣的我，便也来瞧瞧这是个什么样的存在，以下便是我的真实使用感受。除此以外，作为一个程序员，我还使用了该平台提供的 API 接口，开发了一个简单的小程序。文章的末尾，我将提供免费的 AI 机器人，以及小程序体验地址，记得查收哦~注：现在注册后填写问卷，还能免费获得 1 PTC，感兴趣的朋友可以试试看。
揭秘Hulu AI：聚合平台革命，一站式解锁GPT4.0和MJ的终极体验
Captain_JC的博客
03-31 1853
Hulu AI聚合了包括GPT4.0和MJ在内的顶级AI工具，主打AI对话、写作和绘画等功能，以简洁高效的界面著称。
安卓应用开发学习：聚合数据API获取天气预报
bahamutj的博客
08-07 1366
最近在看软件书籍时，又看到了聚合数据API方面的内容。书上介绍了聚合数据天气预报API的应用，不过书上的代码看得有些难受，我到聚合数据官网，对天气预报API的接口文档进行了研究，感觉比书上的要简单。于是，我参照官网的接口文档设计查询部分的代码，UI等设计则借鉴了书上的内容，完成了这个应用的开发。完成申请后就可以在“个人中心 - 数据中心 - 我的API”中看到申请到的API了。聚合数据平台提供了很多的API，其中免费的API也不少。完成了API的申请，就可以着手进行软件的设计开发了。
这才是AI最强联网解决方案！手把手教你从聚合搜索到网页读取和超长上下文处理！
技术Z先生的博客
03-25 1200
聚合搜索API、网页读、AI润色链接详解，打造最强联网搜索AI
通义千问大模型私有化部署教程，帮你快速上手！
weixin_72959097的博客
08-21 2832
收录了近两年151个优秀的大模型落地应用案例，这些案例覆盖了金融、医疗、教育、交通、制造等众多领域，无论是对于大模型技术的研究者，还是对于希望了解大模型技术在实际业务中如何应用的业内人士，都具有很高的参考价值。作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。💥光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
AI聚合平台：引领未来智能化科技的新潮流！
zhongken259的博客
01-22 509
通过AI聚合平台，我们可以更加高效地利用AI技术，实现智能化的发展目标。AnKo的AI聚合平台作为行业的佼佼者，为我们展示了AI聚合平台的巨大潜力和广阔前景。
聚合AI工具内含chatGPT
qq_16906843的博客
03-16 2142
AI网站是指收集和整理各种人工智能相关的工具和资源的网站，方便用户快速找到自己需要的工具。以下是几个比较知名或全面的AI工具聚合网站：1、AInav简介：中文AI工具导航站，涵盖了AI绘画、AI写作、AI音乐、AI视频等多个领域的工具。2、韦恩云圈简介：韦恩云圈聚合了大多数AI工具例如：chatGPT、WeLM、文心一言、GooleBrad等访问地址：韦恩云圈小程序3、AI-Lib简介：英文AI工具库，包含了机器学习、深度学习、等多个方向的工具。
常见的数据API聚合平台
yfx000的专栏
06-30 866
开放应用程序的API（即Application Program Interface，应用程序接口）可以让开发者在无需访问源码，或理解内部工作机制细节的情况下，调用他人共享的功能和资源。对于数据源的获取上API是个好伙伴。
聚合多平台引流速客通（永久脚本＋使用教程）.zip
01-18
一、实用工具： 智能养号～垂直养号 《数据皆可自由设置及随机概率 赞、收藏、关注、评 关键字识别视频内容执行操作》 万能引流～同城营销 《赞、关、收藏、评、私信 可识别男女性别及年龄区分执行操作》 《同城...
20210604-集奥聚合-人工智能行业（AI）在劳动力管理上的应用与展望.pdf
06-04
人工智能（AI）作为当前科技发展的前沿领域，在人力资源管理中正逐步展现出其强大的应用潜力与价值。AI技术能够大幅度提高人力资源管理的效率和精准度，使得企业在人才招聘、培训发展、劳动力管理等方面都能够获得...
《AI大模型应用》--聚合AI项目，一个APP同时汇聚OpenAI，Gemini，文心一言等200+大模型，免费使用.zip
07-25
个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！ 个人深耕AI大模型应用领域积累的成果，希望对您有所...
AggAPI:聚合 API
06-12
AggAPI（API 聚合） 该项目允许用户创建一个可定制的 API，将不同的 API 链接在一起并在单个包中返回聚合结果。 特征 AggAPI 允许开发人员创建可定制的 API 宏。 功能包括： Chain Linking API 调用：通过一个 HTTP 请求自动调用多个 API API 备份系统：开发者可以指定备份 api，如果更高优先级的 API 失败将调用 响应模式：使用 API 备份系统，响应模式允许开发人员将响应属性映射到来自原始响应的值 响应转发：来自 API 调用的响应可以转发到之后调用的 API 聚合响应：保留您在整个过程中使用的所有响应信息。 设置您自己的 AggAPI 服务器 git clone https://github.com/xyin96/AggAPI cd AggAPI/node npm install bcrypt node server.js
不得不推荐这个AI聚合网站，真的太好用啦！
最新发布
周萝卜的博客
04-25 1040
当然该网站的功能远远不止于此，来看看它的首页这么多大模型可以选择，而且这种排版就很新颖，嘿嘿可以看到在最上方，有众多的大模型可以选择，不仅仅文本模型，甚至还有midjourney等AI绘画模型，当然这里展示的模型仅仅是冰山一角，我们点击添加更多，能看到更多没有被默认选择的模型。如果你对于某些模型有偏好或者必须使用，那么选择这个平台就没错了，一次性调用多个模型，不仅省去了在多个页面切换的烦恼，还可以更加直观的看出模型之间的差别，方便自己做决断。
聚合AI平台：推动智能化的技术与发展趋势！
zhongken259的博客
01-24 331
从技术角度来看，聚合AI平台为人工智能的应用提供了一个更加高效与灵活的解决方案，推动了跨行业的智能化进程。而AnKo的AI聚合平台，无论是在技术实现还是行业应用上，都展现出了其独特的优势。
AI工具聚合+AI工具Prompt（内含 635 个 AI 技术落地的工具，共 189 个使用场景）
妙记多 Mojidoc
05-17 542
🌟【AI工具合集库】：内含 635 个 AI 技术落地的工具，共 189 个使用场景。AI工具集合这一内容专栏我们会「日更」，让你更方便地了解有哪些工具可以使用以及AI最新进展🥳。我们也给大家贴心准备了【AI提问技巧】，可以直接。🌟 在使用工具时，不知道如何提问？
智创聚合API平台：DeepSeek-R1与V3联网模型双引擎驱动
龙萱坤诺的专栏
02-20 390
此外，R1与国产昇腾算力的深度适配，使其在异构计算环境下仍能保持高效稳定的推理性能，满足企业级高并发需求。智创聚合API平台提供的版本已实现模型与联网能力的深度融合，结合知识库检索增强（RAG）技术，用户可直接获取互联网权威信源及企业私有数据的实时反馈。在人工智能技术持续突破的今天，智创聚合API平台正式上线DeepSeek-R1与V3模型，并全面支持联网搜索功能，为开发者与企业提供更高效、灵活且智能化的解决方案。立即接入，体验DeepSeek双模型与联网搜索的协同效能，开启智能应用新篇章。
聚合电商API接口平台：让数据成为生产力
api77的博客
06-03 1660
随着电子商务的蓬勃发展，数据已成为推动业务增长和优化用户体验的关键因素。为了满足商家和开发者对多元化电商服务的需求，聚合电商API接口平台应运而生。这类平台通过整合多个电商平台的API接口，为商家和开发者提供一站式的数据服务，帮助他们将数据转化为生产力，从而推动业务的发展。(bid:总价,bid2:商品价格,sale:销量,credit信用,加。API:item_get 参数说明: num_iid:宝贝ID。三、如何利用聚合电商API接口平台让数据成为生产力。一、聚合电商API接口平台的作用。
基于微服务架构构建Api接口聚合平台
qq_37265818的博客
07-09 763
依托互联网大厂（腾讯、阿里等）Sdk接口集成对接，完成对开发者或者企业能力赋能;
6个超级个体正在使用的国内外AI工具聚合网站 原创
lythinking的博客
03-29 2113
分享AI算法工具和应用动态资讯，提升技术效率。欢迎关注，我们下期再见！6个超级个体正在使用的国内外AI工具聚合网站 原创。接下来，还有三个聚合网站，如图所示，这。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值