人工智能知识库

国内大模型API对比

10分钟阅读

文档信息

本文档对国内主流大模型API进行全面对比，包括通义千问、Kimi、文心一言、智谱GLM和讯飞星火。

核心关键词

关键词说明
通义千问阿里云大模型
Kimi月之暗面Moonshot
文心一言百度ERNIE
智谱GLM智谱AI ChatGLM
讯飞星火科大讯飞Spark
开源模型国内开源模型
长上下文超长上下文能力
多模态图文音视频
API定价价格对比
调用限制速率限制

一、国内大模型生态概览

2024-2026年是中国大模型蓬勃发展的关键时期。在政策和市场的双重推动下，国内涌现出众多优秀的大模型公司和产品。这些模型在中文理解、特定行业应用和合规性方面各有优势，成为企业数字化转型的重要工具。

国内大模型厂商主要分为以下几类：

类别代表厂商特点
互联网巨头阿里、百度、腾讯资源丰富，生态完善
AI独角兽智谱AI、月之暗面技术专注，创新能力强
传统AI企业科大讯飞、商汤垂直领域积累深厚
新兴创业公司零一万物、百川灵活敏捷，开源积极

二、通义千问（Qwen）

2.1 产品系列

通义千问是阿里云推出的大语言模型系列，基于Transformer架构，在中文理解和代码生成方面表现优异。

模型参数量上下文特点
Qwen-Max超大规模32K旗舰模型
Qwen-Plus大规模128K主流通用
Qwen-Turbo中等规模8K快速响应
Qwen-Long-1M超长上下文
Qwen2.5多尺寸128K开源版本

2.2 API调用

import dashscope
from dashscope import Generation
 
# 配置API Key
dashscope.api_key = "your-api-key"
 
# 基础调用
response = Generation.call(
    model=Generation.Models.qwen_max,
    prompt="解释量子计算的基本原理"
)
 
print(response.output.text)
# 使用SDK
from openai import OpenAI
 
client = OpenAI(
    api_key="your-api-key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)
 
response = client.chat.completions.create(
    model="qwen-max",
    messages=[
        {"role": "user", "content": "写一段Python代码实现Web服务器"}
    ]
)

2.3 开源版本

# Ollama运行Qwen
# ollama pull qwen2.5:72b
 
from langchain_community.llms import Ollama
 
llm = Ollama(model="qwen2.5:72b")
response = llm.invoke("解释什么是机器学习")

2.4 价格

模型输入价格输出价格
Qwen-Max¥0.04/千tokens¥0.12/千tokens
Qwen-Plus¥0.004/千tokens¥0.012/千tokens
Qwen-Turbo¥0.002/千tokens¥0.006/千tokens

三、Kimi（月之暗面）

3.1 核心优势

Kimi由月之暗面（Moonshot AI）开发，以其超长上下文能力和出色的长文本处理著称。Kimi-200K版本支持20万token的上下文窗口，在长文档分析、代码库理解等任务上表现突出。

特性说明
上下文200K tokens
长文本支持200万字文档
多模态支持图片理解
联网搜索实时信息获取
文件处理PDF、Word、Excel

3.2 API调用

from openai import OpenAI
 
client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.moonshot.cn/v1"
)
 
# 基础调用
response = client.chat.completions.create(
    model="moonshot-v1-128k",
    messages=[
        {"role": "user", "content": "分析这份文档的核心观点"}
    ]
)
 
print(response.choices[0].message.content)
 
# 处理长文档
def analyze_long_document(file_path):
    with open(file_path, 'r', encoding='utf-8') as f:
        content = f.read()
    
    response = client.chat.completions.create(
        model="moonshot-v1-128k",
        messages=[
            {"role": "system", "content": "你是一位文档分析专家。"},
            {"role": "user", "content": f"请详细分析以下文档：\n\n{content}"}
        ],
        temperature=0.7
    )
    return response.choices[0].message.content

3.3 支持的模型

模型上下文适用场景
moonshot-v1-8k8K快速问答
moonshot-v1-32k32K标准对话
moonshot-v1-128k128K长文档分析
moonshot-v1-auto自动智能选择

3.4 价格

模型输入价格输出价格
moonshot-v1-8k¥0.006/千tokens¥0.012/千tokens
moonshot-v1-32k¥0.012/千tokens¥0.024/千tokens
moonshot-v1-128k¥0.03/千tokens¥0.06/千tokens

四、文心一言（ERNIE Bot）

4.1 百度ERNIE体系

文心一言是百度基于ERNIE（Enhanced Representation through Knowledge Integration）系列模型开发的生成式AI产品。ERNIE系列在知识图谱增强和中文理解方面有深厚积累。

模型特点上下文
ERNIE-4.0旗舰模型32K
ERNIE-3.5-Pro高性能32K
ERNIE-Speed快速响应8K
ERNIE-Lite轻量级8K

4.2 API调用

import erniebot
 
# 配置
erniebot.api_type = "aistudio"
erniebot.access_token = "your-access-token"
 
# 基础调用
response = erniebot.ChatCompletion.create(
    model="ernie-4.0-8k",
    messages=[{"role": "user", "content": "解释区块链技术"}]
)
 
print(response.get_result())
# 千帆平台调用
from qianfan import ChatCompletion
 
# 使用安全认证
chat = ChatCompletion()
 
response = chat.do(
    model="ERNIE-4.0-8K",
    messages=[{"role": "user", "content": "写一篇产品介绍"}]
)
 
print(response.body)

4.3 价格

模型输入价格输出价格
ERNIE-4.0¥0.12/千tokens¥0.12/千tokens
ERNIE-3.5-Pro¥0.02/千tokens¥0.02/千tokens
ERNIE-Speed¥0.004/千tokens¥0.008/千tokens
ERNIE-Lite¥0¥0

免费额度

ERNIE-Lite提供免费调用额度，适合个人开发和小规模应用。

五、智谱GLM（ChatGLM）

5.1 GLM系列

智谱AI的ChatGLM系列是国内最具影响力的开源大模型之一，GLM-4在多项基准测试中表现优异。

模型参数量上下文类型
GLM-4超大规模128K闭源API
GLM-4V多模态128K图文理解
GLM-3-Turbo大规模128K高性价比
ChatGLM3-6B6B128K开源本地
GLM-4-AllToolsAgent128K工具调用

5.2 API调用

from zhipuai import ZhipuAI
 
client = ZhipuAI(api_key="your-api-key")
 
# 基础调用
response = client.chat.completions.create(
    model="glm-4",
    messages=[
        {"role": "user", "content": "介绍人工智能的发展历程"}
    ]
)
 
print(response.choices[0].message.content)
 
# 多轮对话
def chat_session():
    messages = [
        {"role": "system", "content": "你是一位专业的技术顾问。"}
    ]
    
    while True:
        user_input = input("你: ")
        if user_input.lower() in ["exit", "quit"]:
            break
        
        messages.append({"role": "user", "content": user_input})
        
        response = client.chat.completions.create(
            model="glm-4",
            messages=messages
        )
        
        assistant_msg = response.choices[0].message.content
        messages.append({"role": "assistant", "content": assistant_msg})
        print(f"助手: {assistant_msg}")

5.3 开源版本本地部署

# 使用Transformers运行ChatGLM3
from transformers import AutoTokenizer, AutoModelForCausalLM
 
model_path = "THUDM/chatglm3-6b"
 
tokenizer = AutoTokenizer.from_pretrained(
    model_path, 
    trust_remote_code=True
)
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    trust_remote_code=True,
    device_map="auto"
)
 
input_text = "请解释什么是深度学习"
inputs = tokenizer(input_text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

5.4 价格

模型输入价格输出价格
GLM-4¥0.1/千tokens¥0.1/千tokens
GLM-4V¥0.1/千tokens¥0.1/千tokens
GLM-3-Turbo¥0.001/千tokens¥0.001/千tokens

六、讯飞星火（Spark）

6.1 讯飞优势

讯飞星火认知大模型是科大讯飞推出的AI产品，在语音交互、教育、医疗等领域有深厚积累。其语音合成和语音识别能力与大模型深度整合。

模型特点上下文
Spark4.0 Ultra旗舰128K
Spark3.5 Pro高性能32K
Spark3.5 Max标准32K
Spark3.5基础8K
Spark Lite轻量8K

6.2 API调用

import sparkai
 
# 配置
spark = sparkai.SparkAPI(
    app_id="your-app-id",
    api_key="your-api-key",
    api_secret="your-api-secret",
    spark_url="wss://spark-api.xf-yun.com/v4.0/chat"
)
 
# 同步调用
response = spark.chat(
    model="generalv3.5",
    messages=[{"role": "user", "content": "请解释语音识别技术"}]
)
 
print(response.text)
# 异步调用
import asyncio
 
async def async_chat():
    response = await spark.achat(
        model="generalv3.5",
        messages=[{"role": "user", "content": "分析大数据技术趋势"}]
    )
    return response
 
result = asyncio.run(async_chat())

6.3 价格

模型输入价格输出价格
Spark4.0 Ultra¥0.15/千tokens¥0.15/千tokens
Spark3.5 Pro¥0.03/千tokens¥0.06/千tokens
Spark3.5 Max¥0.015/千tokens¥0.03/千tokens
Spark Lite¥0¥0

七、综合对比

7.1 能力对比

模型中文能力代码能力数学推理长上下文多模态
通义千问⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
Kimi⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
文心一言⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
智谱GLM⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
讯飞星火⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐

7.2 价格对比

模型相对价格免费额度推荐场景
通义千问-Turbo★☆☆☆☆有快速响应
通义千问-Plus★★☆☆☆有日常使用
Kimi-8K★★☆☆☆有快速问答
Kimi-128K★★★☆☆无长文档
文心一言-Lite★☆☆☆☆完全免费尝鲜体验
智谱GLM-Turbo★☆☆☆☆有高性价比
讯飞星火-Lite★☆☆☆☆完全免费语音应用

选择建议

  • 追求性价比：选择智谱GLM-Turbo或通义千问-Plus
  • 长文档处理：选择Kimi-128K或GLM-4
  • 语音应用：选择讯飞星火
  • 快速尝鲜：选择文心一言Lite或讯飞星火Lite

八、调用限制

8.1 速率限制

平台免费用户付费用户
阿里云60 QPM可申请提升
Kimi3 QPM120 QPM起
百度60 QPM按量付费无限制
智谱AI60 QPM可申请提升
讯飞星火60 QPM企业版无限制

8.2 最佳实践

import time
import asyncio
from ratelimit import limits
 
class LLMCaller:
    def __init__(self, api_type):
        self.api_type = api_type
        self.last_call_time = 0
        self.min_interval = 1.0  # 最小调用间隔（秒）
    
    async def call_with_rate_limit(self, prompt):
        # 检查速率限制
        now = time.time()
        elapsed = now - self.last_call_time
        if elapsed < self.min_interval:
            await asyncio.sleep(self.min_interval - elapsed)
        
        self.last_call_time = time.time()
        
        # 调用API
        if self.api_type == "kimi":
            return await self.call_kimi(prompt)
        elif self.api_type == "qwen":
            return await self.call_qwen(prompt)
        # ... 其他模型
    
    async def batch_process(self, prompts, concurrency=5):
        semaphore = asyncio.Semaphore(concurrency)
        
        async def limited_call(prompt):
            async with semaphore:
                return await self.call_with_rate_limit(prompt)
        
        results = await asyncio.gather(*[limited_call(p) for p in prompts])
        return results

九、相关资源

完成状态

本文已完成国内五大主流大模型API的全面对比分析，涵盖产品系列、API调用、价格和选型建议。

关系图谱

反向链接