🚀 TokenAPIKey 接入文档

Base URL：https://tokenapikey.top

一个 Key 调用 97+ 主流大模型，兼容 OpenAI 接口格式，5 大渠道自动负载均衡

97+

可用模型

上游渠道

永久免费模型

自动重试

📑 目录 快速开始支持的模型（97+）调用示例接入第三方应用计费说明模型排行榜错误码常见问题推荐阅读

快速开始

1. 注册账号

访问 tokenapikey.top → 点击「Sign in」→ 注册账号

🎁 新用户注册即送 $0.5 试用额度
📅 每日签到可获得额外额度
👥 邀请好友双方各得 $0.5 奖励

2. 创建 API Key

登录后进入「Console」→「Tokens」→「Add New Token」→ 复制 sk-xxx 格式的密钥

3. 开始调用

Base URL: https://tokenapikey.top
API Key:  sk-你的密钥

支持的模型（97+）

以下模型均通过 OpenAI 兼容接口调用，只需修改 model 参数即可切换。

DeepSeek 系列（8个）

模型名	说明	备注
`deepseek-chat`	DeepSeek V3 对话模型
`deepseek-reasoner`	DeepSeek R1 推理模型	🔥 热门
`deepseek-v4-flash`	V4 快速版
`deepseek-v4-flash-none`	V4 快速版（无思维链）
`deepseek-v4-flash-max`	V4 快速版（满配）
`deepseek-v4-pro`	V4 专业版
`deepseek-v4-pro-none`	V4 专业版（无思维链）
`deepseek-v4-pro-max`	V4 专业版（满配）

智谱 GLM 系列（23个）

模型名	说明	备注
`glm-4-flash`	GLM-4 Flash	永久免费
`glm-4.5-flash`	GLM-4.5 Flash
`glm-4.6v-flash`	GLM-4.6V Flash 视觉	永久免费
`glm-4.7-flash`	GLM-4.7 Flash	永久免费
`glm-4`	GLM-4 标准版
`glm-4-plus`	GLM-4 增强版
`glm-4-air`	GLM-4 轻量版
`glm-4-airx`	GLM-4 AirX
`glm-4-long`	GLM-4 长文本版	1M 上下文
`glm-4-0520`	GLM-4 0520 版
`glm-4-alltools`	GLM-4 全工具版
`glm-4v`	GLM-4 视觉理解
`glm-4v-plus`	GLM-4V Plus 视觉
`glm-4.6`	GLM-4.6
`glm-4.6v`	GLM-4.6V 视觉
`glm-4.7`	GLM-4.7
`glm-5`	GLM-5 旗舰版	🔥
`glm-3-turbo`	GLM-3 Turbo
`glm-4.5`	GLM-4.5
`glm-4.5-air`	GLM-4.5 Air
`glm-5-turbo`	GLM-5 Turbo
`glm-5.1`	GLM-5.1
`glm-5.2`	GLM-5.2

讯飞星火系列（2个）

模型名	说明
`4.0Ultra`	星火4.0 Ultra 旗舰版
`generalv3.5`	星火3.5 通用版

阿里云通义千问系列（23个）

模型名	说明	备注
`qwen-turbo`	通义千问 Turbo	快速版
`qwen-plus`	通义千问 Plus	增强版
`qwen-max`	通义千问 Max	🔥 旗舰版
`qwen-max-longcontext`	通义千问 Max 长上下文	28K→28K+
`qwen-long`	通义千问 Long	长文本
`qwen-vl-plus`	通义千问 VL Plus	视觉理解
`qwen-vl-max`	通义千问 VL Max	视觉旗舰
`qwen3.7-max`	Qwen3.7 Max	🔥 最新旗舰
`qwen3.7-plus`	Qwen3.7 Plus	最新版
`qwen3.6-max-preview`	Qwen3.6 Max 预览版
`qwen3.6-flash`	Qwen3.6 Flash	快速版
`qwen3.6-plus`	Qwen3.6 Plus
`qwen3.5-flash`	Qwen3.5 Flash	快速版
`qwen3.5-plus`	Qwen3.5 Plus
`qwen3-max`	Qwen3 Max
`qwen3-coder-plus`	Qwen3 Coder Plus	💻 代码专用
`qwen3-vl-plus`	Qwen3 VL Plus	视觉理解
`kimi-k2.7-code`	Kimi K2.7 Code	💻 代码 · 通过百炼
`kimi-k2.6`	Kimi K2.6	通过百炼
`kimi-k2.5`	Kimi K2.5	通过百炼
`MiniMax-M2.5`	MiniMax M2.5	通过百炼
`deepseek-v3.2`	DeepSeek V3.2	通过百炼
`qwq-plus`	QwQ Plus 推理模型	🧠 深度推理

硅基流动系列（41个）

通过 SiliconFlow 平台聚合，一个接口调用多家开源模型。

Qwen 系列

模型名	说明	备注
`Qwen/Qwen2.5-7B-Instruct`	Qwen2.5 7B	永久免费
`Qwen/Qwen2.5-14B-Instruct`	Qwen2.5 14B	永久免费
`Qwen/Qwen2.5-32B-Instruct`	Qwen2.5 32B
`Qwen/Qwen2.5-72B-Instruct`	Qwen2.5 72B	🔥 大模型
`Qwen/Qwen2.5-72B-Instruct-128K`	Qwen2.5 72B 128K上下文	超长上下文
`Qwen/Qwen3-8B`	Qwen3 8B	永久免费
`Qwen/Qwen3-14B`	Qwen3 14B
`Qwen/Qwen3-32B`	Qwen3 32B
`Qwen/Qwen3-30B-A3B-Instruct-2507`	Qwen3 30B MoE
`Qwen/Qwen3-Coder-30B-A3B-Instruct`	Qwen3 Coder 30B	💻 代码专用
`Qwen/Qwen3.5-4B`	Qwen3.5 4B	永久免费
`Qwen/Qwen3.5-9B`	Qwen3.5 9B
`Qwen/Qwen3.5-27B`	Qwen3.5 27B
`Qwen/Qwen3.5-35B-A3B`	Qwen3.5 35B MoE
`Qwen/Qwen3.5-122B-A10B`	Qwen3.5 122B MoE	🔥 超大模型
`Qwen/Qwen3.5-397B-A17B`	Qwen3.5 397B MoE	🔥 超大模型

DeepSeek 系列（硅基流动）

模型名	说明
`deepseek-ai/DeepSeek-V3`	DeepSeek V3
`deepseek-ai/DeepSeek-V3.2`	DeepSeek V3.2
`deepseek-ai/DeepSeek-V3.1-Terminus`	DeepSeek V3.1 Terminus
`deepseek-ai/DeepSeek-V4-Flash`	DeepSeek V4 Flash
`deepseek-ai/DeepSeek-V4-Pro`	DeepSeek V4 Pro
`deepseek-ai/DeepSeek-R1`	DeepSeek R1 推理模型
`deepseek-ai/DeepSeek-R1-0528-Qwen3-8B`	R1 蒸馏 8B

GLM / Kimi / MiniMax / 其他

模型名	说明
`THUDM/GLM-4-9B-0414`	GLM-4 9B 开源版永久免费
`THUDM/GLM-4-32B-0414`	GLM-4 32B 开源版
`THUDM/GLM-Z1-9B-0414`	GLM-Z1 9B 推理版
`zai-org/GLM-5.2`	GLM-5.2 最新版
`Pro/zai-org/GLM-5.1`	GLM-5.1 加速版
`zai-org/GLM-4.5-Air`	GLM-4.5 Air
`zai-org/GLM-4.5V`	GLM-4.5V 视觉
`Pro/moonshotai/Kimi-K2.6`	Kimi K2.6 加速版
`moonshotai/Kimi-K2.7-Code`	Kimi K2.7 代码版
`MiniMaxAI/MiniMax-M2.5`	MiniMax M2.5
`tencent/Hunyuan-MT-7B`	腾讯混元 MT 7B 翻译
`tencent/Hunyuan-A13B-Instruct`	腾讯混元 A13B
`inclusionAI/Ling-flash-2.0`	示界 Ling Flash 2.0
`inclusionAI/Ling-mini-2.0`	示界 Ling Mini 2.0
`meituan-longcat/LongCat-2.0`	美团 LongCat 2.0
`stepfun-ai/Step-3.5-Flash`	阶跃 Step 3.5 Flash
`ByteDance-Seed/Seed-OSS-36B-Instruct`	字节 Seed 36B
`nex-agi/Nex-N2-Pro`	Nex N2 Pro

调用示例

cURL

curl https://tokenapikey.top/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的密钥" \
  -d '{
    "model": "deepseek-chat",
    "messages": [{"role": "user", "content": "你好"}]
  }'

Python (OpenAI SDK)

from openai import OpenAI

client = OpenAI(
    api_key="sk-你的密钥",
    base_url="https://tokenapikey.top/v1"
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "你好"}]
)
print(response.choices[0].message.content)

Python (流式输出)

from openai import OpenAI

client = OpenAI(api_key="sk-你的密钥", base_url="https://tokenapikey.top/v1")

stream = client.chat.completions.create(
    model="glm-4-flash",
    messages=[{"role": "user", "content": "写一首诗"}],
    stream=True
)
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Node.js

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "sk-你的密钥",
  baseURL: "https://tokenapikey.top/v1",
});

const response = await client.chat.completions.create({
  model: "Qwen/Qwen2.5-72B-Instruct",
  messages: [{ role: "user", content: "你好" }],
});
console.log(response.choices[0].message.content);

接入第三方应用

应用	Base URL	API Key
Cursor	`https://tokenapikey.top`	`sk-你的密钥`
ChatGPT Next Web	`https://tokenapikey.top`	`sk-你的密钥`
LobeChat	`https://tokenapikey.top/v1`	`sk-你的密钥`
Claude Code	设置环境变量 `OPENAI_API_KEY` 和 `OPENAI_BASE_URL=https://tokenapikey.top/v1`
Open WebUI	`https://tokenapikey.top/v1`	`sk-你的密钥`
Codex CLI	配置 `~/.codex/config.toml`，详见 Codex CLI / Claude Code 接入教程

📥 详细教程：Codex CLI / Claude Code 接入教程 →（含完整配置示例、环境变量设置、常见问题排查）

计费说明

💰 计费单位：Token（1 美元 = 500,000 Token）
📊 计费方式：按实际 input + output Token 数量计费
⭐ 费率：默认组 1.0x | VIP 组 0.8x（8折）| SVIP 组 0.6x（6折）
🎁 8 个永久免费模型：glm-4-flash、glm-4.6v-flash、glm-4.7-flash、Qwen/Qwen2.5-7B-Instruct、Qwen/Qwen2.5-14B-Instruct、Qwen/Qwen3-8B、Qwen/Qwen3.5-4B、THUDM/GLM-4-9B-0414
♾️ 充值余额永久有效，不过期
🔄 自动负载均衡：同一模型多渠道时自动择优路由

💎 充值阶梯优惠

充值金额	赠送额度	实际到账
¥50	¥3	¥53
¥100	¥10	¥110
¥200	¥25	¥225
¥500	¥60	¥560

💡 充值越多赠送越多！新用户注册即送 $0.5 额度，每日签到可领额外奖励，邀请好友双方各得 $0.5。

🏆 全球大模型排行榜

数据来自 BenchLM.ai，实时更新全球主流大模型性能评分：

LLM benchmark leaderboard by BenchLM.ai

💡 排行榜中的大多数模型都可以通过 tokenapikey.top 统一调用，一个 Key 搞定所有模型！

错误码说明

状态码	说明	解决方案
400	请求参数错误	检查请求体格式
401	Key 无效或余额不足	检查 Key 和余额
403	无权限访问该模型	检查令牌模型权限
429	请求频率超限	降低请求频率
500	服务器内部错误	稍后重试，系统自动切换渠道
503	渠道暂时不可用	系统自动重试其他渠道

常见问题

Q: 如何充值？
A: 登录后进入 Console → 充值，支持兑换码和在线支付（支付宝/微信）。

Q: 哪些模型是免费的？
A: 共 8 个永久免费模型：智谱 GLM 系列 3 个（glm-4-flash、glm-4.6v-flash、glm-4.7-flash）+ 硅基流动 5 个（Qwen2.5-7B、Qwen2.5-14B、Qwen3-8B、Qwen3.5-4B、GLM-4-9B）。免费模型不消耗任何额度。

Q: 请求失败了怎么办？
A: 系统会自动重试最多 3 次切换到其他可用渠道，一般无需手动处理。渠道健康探测每 10 分钟自动执行，异常渠道会被自动禁用并恢复。

Q: 支持流式输出吗？
A: 支持，设置 "stream": true 即可。

Q: 硅基流动的模型名为什么有斜杠？
A: 硅基流动采用 厂商/模型名 格式，如 Qwen/Qwen2.5-72B-Instruct，直接作为 model 参数传入即可。

📖 推荐阅读

📚 2026 年主流大模型 API 对比评测 →
DeepSeek vs 通义千问 vs 智谱 GLM vs Kimi 四大旗舰横评，从价格、性能、速度、免费额度、适用场景五维度系统对比，附统一接入方案。