big-AGI 通义千问模型目录维护指南基于官方定价与实时探测的 Alibaba 模型定义更新工作流【免费下载链接】big-AGIAI suite powered by state-of-the-art models and providing advanced AI/AGI functions. Includes AI personas, AGI functions, world-class Beam multi-model chats, text-to-image, voice, response streaming, code highlighting and execution, PDF import, presets for developers, much more. Deploy on-prem or in the cloud.项目地址: https://gitcode.com/GitHub_Trending/bi/big-AGI导读big-AGI 通过 src/modules/llms/server/openai/models/alibaba.models.ts 维护阿里云 Model StudioDashScope 国际版全量聊天模型的手工目录每个模型的上下文窗口、输出上限、思考thinking控制、能力接口与分层定价都沉淀在该文件中供服务端模型列表接口与客户端模型选择器共用。本文基于仓库中的维护命令文档完整还原从官方文档取证 → 交叉校验 → 实时端点探测 → 落库为源码定义的更新工作流并深入剖析alibaba.models.ts的代码骨架使读者既能照单执行一次完整的模型目录巡检也能理解每一条价格、每一个开关背后的证据链与源码语义。一、任务定位这条维护命令在做什么在.claude/commands/llms/命令家族中update-models-alibaba.md对应阿里云通义千问 / Qwen厂商的模型目录更新。命令的核心动作非常聚焦唯一写入目标src/modules/llms/server/openai/models/alibaba.models.ts模型定义文件只读上下文src/modules/llms/server/llm.server.types.ts模型描述 Schema与src/modules/llms/server/models.mappings.ts手工映射工具函数仅用于理解字段含义与映射语义不允许擅自修改纪律约束不在模型文件之外做无关改动最小化空白与注释变动保留注释便于 diff 评审并对坏链或异常内容打标记。从仓库现状看该文件是 660 行的手工策展curated清单注释里逐次记录了 2026-08-06 至 2026-09-02 的多轮巡检结论是官方文档 OpenRouter 端点 实时探测三方交叉验证的产物本文即以此证据链为纲展开。二、数据来源体系五层官方证据命令文档要求以阿里云 Model Studio 官方文档为第一证据源共五个页面各自承担不同角色数据源提供的信息局限模型列表页在售模型全集、推荐模型滞后新发布数周新模型可能已在 API 上线但列表缺席国际/新加坡价格表USD / 百万 token各地区、各模型的输入/输出单价与分层价格不含 max input / max output / 最大 CoT 与按模型缓存命中价单模型详情页模型 id 中的.换为-唯一的 max input / max output / 最大 CoT 来源以及该模型专属的缓存命中价可能整体缺失某些地区章节上下文缓存计费规则页缓存命中cache-hit计费规则是规则而非单模型数字计费指南页计费总体框架、区域差异与价格表互为补充命令文档特别提醒两个容易误判的坑文档永远滞后于 API一个新模型可以已经在 API 上真实可用却同时缺席模型列表与价格表两张页面地区缺失 ≠ 不可用例如 qwen3.7-max / qwen3.7-flash 的模型页没有新加坡章节但价格表在新加坡区给出了定价因此某模型页缺某地区不能当作该地区不提供该模型的证据。alibaba.models.ts的头部注释印证了这一证据体系——Sources (verified 2026-09-02 against the live /v1/models list docs)并明确说明每个模型页是 caps容量上限与缓存命中价的唯一权威来源而价格表会遗漏这两项。三、抓取官方文档curl 命令行实操命令文档给出了无浏览器抓取方法使用curl -L -A Mozilla/5.0 ...即可拿到完整的服务端渲染 HTML表格直接内嵌在 HTML 中随后剥离script标签并把tr/td转换为纯文本即可得到可比较的表格数据。实操要点命令示意具体 URL 从官方文档入口获取此处以占位符表示# 抓取模型列表 / 价格表等官方文档页伪造 UA 以获得完整服务端渲染内容 curl -L -A Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 -o models.html MODEL_STUDIO_MODELS_URL curl -L -A Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 -o pricing.html MODEL_STUDIO_PRICING_URL # 剥离 script 块并将表格行转换为纯文本便于 diff 与对照 sed -E s/script[^]*[^]*\/script//g models.html \ | sed -E s/\/tr/\n/g; s/\/t[dh]/\t/g; s/[^]//g这套流程的价值在于可重复、可 diff把每一次巡检的解析结果留存下来就能用diff精确看出价格表/模型列表在两周窗口内的新增行、下架行与调价行与源码注释中row added by 2026-09-02no price drift这类结论一一对应。四、OpenRouter 作为决胜手段无需密钥的交叉验证当官方文档滞后或缺失时命令文档指定 OpenRouter 的 Alibaba 端点作为决胜证据源——不需要任何 API Keycurl -s https://openrouter.ai/api/v1/models/qwen/id/endpoints该响应中的Alibaba端点正是阿里云自营的 passthrough 通道携带的信息包括精确的国际版分层边界pricing.overrides[].min_prompt_tokens即各输入 token 层级的边界值input_cache_read缓存命中输入价max_completion_tokens、max_prompt_tokens模态modality字符串。它往往是刚发布模型唯一公开的国际版价格。源码中大量模型正是先由 OpenRouter 端点确认价格与容量、后续再由官方模型页反向确认的——例如 qwen3.8-2.4t-a95b 的注释写道its model page (published 2026-08-13), the Intl price table (row added by 2026-09-02) and Alibabas OpenRouter endpoint agree: $2/$6...。使用 OpenRouter 时有一个必须警惕的差异pricing.discount/ promo 折扣可能导致 OpenRouter 展示促销价而alibaba.models.ts记录的是列表价官方价格表会用 List price $X Limited-time N% off 标注此类促销。因此当两者不一致时以官方价格表标记的列表价为准。回退方案若上述渠道均被拦截命令文档允许退而求其次——搜索 alibaba model studio latest pricing、alibaba latest models、qwen models pricing或在 GitHub 上搜索最新模型价格与上下文窗口数据但这类二手证据应标记为低置信度待官方页面更新后复核。五、实时端点探测以 DashScope 线上 API 为准绳除了文档与 OpenRouter命令文档还定义了一条活体证据链路本地.env.api-keys文件中的ALIBABA_API_KEYDashScope 密钥用于直连国际版 DashScope 的 OpenAI 兼容端点扫描模型列表作为什么新上线/什么可用的地面真相curl https://dashscope-intl.aliyuncs.com/compatible-mode/v1/models \ -H Authorization: Bearer $ALIBABA_API_KEY⚠️ 密钥纪律ALIBABA_API_KEY只允许在本地 shell 变量中使用绝不提交、不回显。该列表只携带id / created / owned_by没有定价与容量因此两个关键上限需要低成本探测/chat/completions输出上限探测发送max_tokens: 999999服务端会返回形如Range of max_tokens should be [1, N]的错误N即为该参数接受的上界注意enable_thinking开/关时N可能不同输入上限探测发送一个超长 prompt服务端返回Range of input length should be [1, N]。命令文档对探测结果给出了一条重要方法论警告探测到的N是被接受的参数范围不是真实输出上限它是宽松的。典型例子是 qwen3.7-flash——探测接受 131072128K但模型页与 OpenRouter 都将其真实上限标为 6553664K。因此决策规则是当文档/OpenRouter 与探测结果不一致时优先采纳相互一致的文档/OpenRouter 值探测仅作为新模型的廉价初筛信号。探测还有两个实操陷阱免费额度free-tier quota按模型逐项消耗耗尽后会掩盖探测结果返回配额错误而非范围错误需要甄别错误类型某些模型对enable_thinking有限制如 qwen3.8-2.4t-a95b 拒绝enable_thinking: false源码注释记录the value of the enable_thinking parameter is restricted to True此时必须按思考常开建模。六、源码骨架alibaba.models.ts的结构与字段语义6.1 三个导出函数与一个常量清单该文件的核心资产是_knownAlibabaChatModels——一个由llmsDefineManualMappings()定义的编译期类型追踪的手工映射数组models.mappings.ts 中llmsDefineManualMappings llmsDefineModelsManualMappings[number]()其const推断使typeof _knownAlibabaChatModels[number][idPrefix]可以直接派生模型 id 联合类型LlmsAlibabaModelId。三个导出函数各自承担职责alibabaModelFilter(modelId)列表入口过滤器决定哪些线上 id 可以进入目录alibabaModelToModelDescription(id, created?)把线上 id 转换为完整模型描述优先命中手工映射否则走 fallbackalibabaModelSort(a, b)列表排序保证策展模型在前、同族快照按日期倒序。6.2 模型描述 Schema 的字段语义手工映射的每个条目最终都会落入 llm.server.types.ts 中ModelDescription_schema的字段体系alibaba.models.ts实际用到的主要字段字段类型语义结合源码注释idPrefixstring模型 id 前缀fromManualMapping会做精确匹配 → 最长前缀匹配 → fallback 三级解析labelstring展示名descriptionstring模型能力简介模态、上下文、思考、定位contextWindowint上下文窗口token来自模型页/探测maxCompletionTokensint输出上限亦是客户端llmResponseTokens的初始值interfacesenum[]LLM_IF_OAI_Chat对话/_Fn工具/_Vision视觉/_Reasoning思考等能力位parameterSpecsarray厂商参数规格见下节思考控制chatPriceobject定价结构常量价或[{upTo, price}]分层价 cache.read缓存命中价pubDateYYYYMMDD官方公开发布日期编辑字段benchmark.cbaElointLMArena 竞技场 ELO编辑字段来源为公开榜单hiddenboolean默认隐藏不入选推荐/快速选择仍可在管理列表中勾选6.3 分层定价输入 token 数驱动源码注释明确阿里云采用按请求输入 token 数分层定价输入价与输出价都会随层上浮Alibaba uses tiered pricing keyed on the requests INPUT token count (both input and output prices step up)。典型如 qwen3.7-pluschatPrice: { input: [{ upTo: 256000, price: 0.40 }, { upTo: null, price: 1.20 }], output: [{ upTo: 256000, price: 1.60 }, { upTo: null, price: 4.80 }], },qwen3.7-flash 则是三层的例子32K / 256K / 无上限且其分层边界min_prompt_tokens与 OpenRouter 端点的pricing.overrides逐一对齐。而 qwen3.8-flash 是扁平定价、无分层的代表——注释特意强调 Flat pricing - no input-length tiers, unlike qwen3.7-flash。6.4 缓存命中价不可套用统一比例的例外处理命令文档给出的通用规则是缓存命中率是每模型族对输入价的固定比例跨地区稳定——Qwen/Kimi 为 20%、GLM 为 25%、deepseek-v4-pro 约 8%。实操方法从任意地区的模型页读取命中价套用到新加坡输入价上。但源码注释显示规则存在大量例外必须在模型页逐项确认而非机械套用qwen3.8-max 的缓存命中价是模型页专属值cache.read: 0.25cache-hit input per the model page (not the 20% rule)glm-5.2 的隐式命中率在 2026-09-02 巡检中被修正为 20%原 25%且 Global 区仍打印 25%基于旧价 1.10kimi-k3 的新加坡命中价为 0.30是输入价 3.00 的 10%——not the usual Kimi 20%deepseek-v4-pro-0813 走高峰/低谷peak/off-peak计费源码携带高峰卡峰值 1.32/3.96、命中 0.132低谷减半这是 2026-08-17 起与 DeepSeek 直连一致的新计费模式。6.5 转售模型清晰标注经 Model Studio 提供文件末尾专门划分Alibaba 转售的第三方模型区块DeepSeek V4 Pro/Flash、GLM-5.2/5.2-Fast/5.1、Kimi K3/K2.7 Code、DeepSeek V3.2label 统一带(Alibaba)后缀与官方原生厂商deepseek.models.ts、zai.models.ts、moonshot.models.ts区分并注明Alibaba 自己的定价。此类模型还承载了一个阿里云特有的语义差异DashScope 上带日期的快照与无日期 id 并列存在而无日期 id 实际服务哪个 checkpoint 并无文档可查Alibaba 不像对 Qwen 那样打印 Currently equivalent to 备注因此 deepseek-v4-pro-0813 作为唯一可固定的 GA 路由被策展为可见。七、思考Thinking控制parameterSpecs与 Alibaba 方言这是本文件最具技术含量的部分。big-AGI 通过parameterSpecs的llmVndMiscEffort枚举把思考强度抽象为统一 UI再在alibaba方言层翻译为 DashScope 的实际请求参数enable_thinking与reasoning_effort实现于 OpenAI 方言的 chatCompletions 转换层源码注释可证。文件中共有 6 组参数规格每一组都经过实机消融live-ablated验证规格常量枚举值适用对象与依据_PS_Thinking[none, high]二进制enable_thinking开关Offnone/ Onhigh/ 默认不传用于 qwen3.7/3.6 系、DeepSeek V3.2、GLM-5.2-fast 等_PS_DeepSeekEffort[none, low, high, max]DashScope 托管的 DeepSeek V4reasoning_effort有与 DeepSeek 直连相同的 3 档模板隐藏前导指纹验证flash 档把 max 折叠到 high_PS_GlmEffort[none, low, max]GLM-5.2native 映射 lowmediumhigh约 550-660 token 缩减档、xhighmax默认约 1.0-1.1K“high”会退化为纯enable_thinking:true故剔除_PS_Qwen38Effort[none, low, max]Qwen3.8 系首个真reasoning_effort阶梯默认 xhighhidden-preamble 指纹分组为 off{none} / {medium} / reduced{low,minimal} / top{high,xhigh,max,unset}medium 无法表达、high 重复默认故只留三值_PS_Qwen38EffortAlwaysOn[low, max]qwen3.8-2.4t-a95b开放权重 id 拒绝enable_thinking:false提供 Off 会直接 400_PS_KimiEffort[none, low, max]DashScope 托管的 Kimi K3指纹分组 off{none,minimal} / reduced{low,medium,high} / top{xhigh,max,unset}与之对应的模型接口位LLM_IF_OAI_Reasoning只在模型支持思考时出现Kimi K2.7 Code 则是思考常开的特例——只有 Reasoning 标志、无思考开关。八、过滤、隐藏与排序目录的守门策略8.1 拒绝列表退役老线直接清除_ALIBABA_DENY_LIST把 2025 时代的退役聊天线qwq-plus、qvq-max、qwen-coder-plus、qwen2.5 时代 VL 线、2025 开放权重密集/MoE 模型、qwen3-next-80b-a3b 预览对等整体剔除匹配规则为完全相等或deny -前缀被拒 id 永远不会进入列表。8.2 过滤器只留聊天/文本生成alibabaModelFilter在拒绝列表之后用一组子串模式排除非聊天服务text-embedding嵌入、image/wan图像生成/编辑、omni/qwen3-tts/asr/s2s音视频、livetranslate/qwen-mt-翻译、ocr/captioner、character角色扮演变体、cosyvoice/-vc-/-vd-/-slp语音、ccai/tingwu客服/转写服务、以及qwen2-7b等遗留小模型。8.3 隐藏策略未策展模型一律隐藏alibabaModelToModelDescription的 fallback 分支对未入册 id 生成 Alibaba model (not yet curated) 的占位描述并默认hidden: true随后用正则二次拦截日期快照-\d{4}-\d{2}-\d{2}或-\d{4}结尾与-preview/-latest别名。唯一例外是逐字策展的快照如deepseek-v4-pro-0813、qwen3.8-max-0902——它们是显式的编辑选择保留自己的hidden位。隐藏模型的 label 也会被_alibabaFormatNewLabel统一转成 Title Case如qwen3-coder-flash→Qwen3 Coder Flash保证即便未来某处误显示也保持整洁。8.4 排序策展优先、族内基模型优先alibabaModelSort的四级排序逻辑先保证策展模型排在未知模型前同族按文件内的编辑顺序同一家族内精确基 id 排最前其后是带日期的快照按日期倒序id 内嵌日期双方都未知时按pubDate倒序再按 id 倒序——因为阿里云列表 API 的created字段不可靠。九、供应商接入面alibaba.vendor.ts与配置要点模型目录最终由 src/modules/llms/vendors/alibaba/alibaba.vendor.ts 接入运行时。该厂商定义为ModelVendorAlibaba关键属性id: alibaba展示分组cloudinstanceLimit: 1每实例一个配置dialect: alibaba——OpenAI 兼容传输之上的定制方言负责enable_thinking/reasoning_effort的翻译源码注释指向 openai.chatCompletions.ts服务设置项alibabaOaiKeyDashScope 密钥validateSetup要求长度 ≥ 32、alibabaOaiHost自定义端点默认走官方国际版、csf是否启用客户端直连模型列表刷新复用ModelVendorOpenAI.rpcUpdateModelsOrThrow即拉取 → 过滤 → 手工映射 → 排序的整条流水线。因此本次更新工作流结束后不需要改动 vendor 层只要alibaba.models.ts中的映射、过滤与排序正确模型选择器、价格展示与请求构造会自动获得新目录。十、维护纪律与交付自检清单综合命令文档的 Important 部分与源码中可见的策展规范一次合格的更新应满足全量审查完整比对模型列表覆盖新增additions、下架removals与调价price changes三类变化不只看最近火的模型最小 diff聚焦内容本身避免无谓的空白与注释重排让评审者能一眼看到事实变化保留注释每条价格/容量变化都应留下来源 验证日期 方法的注释如 live-probed 2026-08-31、model page ORs Alibaba endpoint agree这是整个文件的信任根基多源一致优先文档与 OpenRouter 一致时优先生效探测值只作初筛且明确区分参数接受范围与真实上限标记异常坏链如 404 的模型页、配额耗尽导致的探测失败、文档区域缺失等都应显式写入注释而非静默忽略密钥纪律ALIBABA_API_KEY只存在于本地环境变量任何步骤不得将其写入文件或回显。对照源码注释中 verified 2026-09-02 against the live /v1/models list docslmarena unreachable (301), ELOs left as-is 这类记录可以清晰地看到上述纪律在真实巡检中的执行痕迹——这也是本项目模型目录能够长期保持高可信度的根本原因。结语update-models-alibaba.md所定义的并不是一次性的改文件任务而是一套以官方文档为骨架、OpenRouter 端点与实时探测为裁判、源码注释为审计日志的可重复证据链。理解这条链路就等于同时掌握了阿里云 Model Studio 的定价/容量信号体系、big-AGI 模型目录的数据模型ModelDescriptionSchema与手工映射机制fromManualMapping以及多层过滤 默认隐藏 编辑策展的目录治理哲学。当你在模型选择器中看到一个带(Alibaba)后缀的 DeepSeek 或 GLM 条目时其背后正是这样一条完整的取证与维护流水线。【免费下载链接】big-AGIAI suite powered by state-of-the-art models and providing advanced AI/AGI functions. Includes AI personas, AGI functions, world-class Beam multi-model chats, text-to-image, voice, response streaming, code highlighting and execution, PDF import, presets for developers, much more. Deploy on-prem or in the cloud.项目地址: https://gitcode.com/GitHub_Trending/bi/big-AGI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
big-AGI 通义千问模型目录维护指南：基于官方定价与实时探测的 Alibaba 模型定义更新工作流
big-AGI 通义千问模型目录维护指南基于官方定价与实时探测的 Alibaba 模型定义更新工作流【免费下载链接】big-AGIAI suite powered by state-of-the-art models and providing advanced AI/AGI functions. Includes AI personas, AGI functions, world-class Beam multi-model chats, text-to-image, voice, response streaming, code highlighting and execution, PDF import, presets for developers, much more. Deploy on-prem or in the cloud.项目地址: https://gitcode.com/GitHub_Trending/bi/big-AGI导读big-AGI 通过 src/modules/llms/server/openai/models/alibaba.models.ts 维护阿里云 Model StudioDashScope 国际版全量聊天模型的手工目录每个模型的上下文窗口、输出上限、思考thinking控制、能力接口与分层定价都沉淀在该文件中供服务端模型列表接口与客户端模型选择器共用。本文基于仓库中的维护命令文档完整还原从官方文档取证 → 交叉校验 → 实时端点探测 → 落库为源码定义的更新工作流并深入剖析alibaba.models.ts的代码骨架使读者既能照单执行一次完整的模型目录巡检也能理解每一条价格、每一个开关背后的证据链与源码语义。一、任务定位这条维护命令在做什么在.claude/commands/llms/命令家族中update-models-alibaba.md对应阿里云通义千问 / Qwen厂商的模型目录更新。命令的核心动作非常聚焦唯一写入目标src/modules/llms/server/openai/models/alibaba.models.ts模型定义文件只读上下文src/modules/llms/server/llm.server.types.ts模型描述 Schema与src/modules/llms/server/models.mappings.ts手工映射工具函数仅用于理解字段含义与映射语义不允许擅自修改纪律约束不在模型文件之外做无关改动最小化空白与注释变动保留注释便于 diff 评审并对坏链或异常内容打标记。从仓库现状看该文件是 660 行的手工策展curated清单注释里逐次记录了 2026-08-06 至 2026-09-02 的多轮巡检结论是官方文档 OpenRouter 端点 实时探测三方交叉验证的产物本文即以此证据链为纲展开。二、数据来源体系五层官方证据命令文档要求以阿里云 Model Studio 官方文档为第一证据源共五个页面各自承担不同角色数据源提供的信息局限模型列表页在售模型全集、推荐模型滞后新发布数周新模型可能已在 API 上线但列表缺席国际/新加坡价格表USD / 百万 token各地区、各模型的输入/输出单价与分层价格不含 max input / max output / 最大 CoT 与按模型缓存命中价单模型详情页模型 id 中的.换为-唯一的 max input / max output / 最大 CoT 来源以及该模型专属的缓存命中价可能整体缺失某些地区章节上下文缓存计费规则页缓存命中cache-hit计费规则是规则而非单模型数字计费指南页计费总体框架、区域差异与价格表互为补充命令文档特别提醒两个容易误判的坑文档永远滞后于 API一个新模型可以已经在 API 上真实可用却同时缺席模型列表与价格表两张页面地区缺失 ≠ 不可用例如 qwen3.7-max / qwen3.7-flash 的模型页没有新加坡章节但价格表在新加坡区给出了定价因此某模型页缺某地区不能当作该地区不提供该模型的证据。alibaba.models.ts的头部注释印证了这一证据体系——Sources (verified 2026-09-02 against the live /v1/models list docs)并明确说明每个模型页是 caps容量上限与缓存命中价的唯一权威来源而价格表会遗漏这两项。三、抓取官方文档curl 命令行实操命令文档给出了无浏览器抓取方法使用curl -L -A Mozilla/5.0 ...即可拿到完整的服务端渲染 HTML表格直接内嵌在 HTML 中随后剥离script标签并把tr/td转换为纯文本即可得到可比较的表格数据。实操要点命令示意具体 URL 从官方文档入口获取此处以占位符表示# 抓取模型列表 / 价格表等官方文档页伪造 UA 以获得完整服务端渲染内容 curl -L -A Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 -o models.html MODEL_STUDIO_MODELS_URL curl -L -A Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 -o pricing.html MODEL_STUDIO_PRICING_URL # 剥离 script 块并将表格行转换为纯文本便于 diff 与对照 sed -E s/script[^]*[^]*\/script//g models.html \ | sed -E s/\/tr/\n/g; s/\/t[dh]/\t/g; s/[^]//g这套流程的价值在于可重复、可 diff把每一次巡检的解析结果留存下来就能用diff精确看出价格表/模型列表在两周窗口内的新增行、下架行与调价行与源码注释中row added by 2026-09-02no price drift这类结论一一对应。四、OpenRouter 作为决胜手段无需密钥的交叉验证当官方文档滞后或缺失时命令文档指定 OpenRouter 的 Alibaba 端点作为决胜证据源——不需要任何 API Keycurl -s https://openrouter.ai/api/v1/models/qwen/id/endpoints该响应中的Alibaba端点正是阿里云自营的 passthrough 通道携带的信息包括精确的国际版分层边界pricing.overrides[].min_prompt_tokens即各输入 token 层级的边界值input_cache_read缓存命中输入价max_completion_tokens、max_prompt_tokens模态modality字符串。它往往是刚发布模型唯一公开的国际版价格。源码中大量模型正是先由 OpenRouter 端点确认价格与容量、后续再由官方模型页反向确认的——例如 qwen3.8-2.4t-a95b 的注释写道its model page (published 2026-08-13), the Intl price table (row added by 2026-09-02) and Alibabas OpenRouter endpoint agree: $2/$6...。使用 OpenRouter 时有一个必须警惕的差异pricing.discount/ promo 折扣可能导致 OpenRouter 展示促销价而alibaba.models.ts记录的是列表价官方价格表会用 List price $X Limited-time N% off 标注此类促销。因此当两者不一致时以官方价格表标记的列表价为准。回退方案若上述渠道均被拦截命令文档允许退而求其次——搜索 alibaba model studio latest pricing、alibaba latest models、qwen models pricing或在 GitHub 上搜索最新模型价格与上下文窗口数据但这类二手证据应标记为低置信度待官方页面更新后复核。五、实时端点探测以 DashScope 线上 API 为准绳除了文档与 OpenRouter命令文档还定义了一条活体证据链路本地.env.api-keys文件中的ALIBABA_API_KEYDashScope 密钥用于直连国际版 DashScope 的 OpenAI 兼容端点扫描模型列表作为什么新上线/什么可用的地面真相curl https://dashscope-intl.aliyuncs.com/compatible-mode/v1/models \ -H Authorization: Bearer $ALIBABA_API_KEY⚠️ 密钥纪律ALIBABA_API_KEY只允许在本地 shell 变量中使用绝不提交、不回显。该列表只携带id / created / owned_by没有定价与容量因此两个关键上限需要低成本探测/chat/completions输出上限探测发送max_tokens: 999999服务端会返回形如Range of max_tokens should be [1, N]的错误N即为该参数接受的上界注意enable_thinking开/关时N可能不同输入上限探测发送一个超长 prompt服务端返回Range of input length should be [1, N]。命令文档对探测结果给出了一条重要方法论警告探测到的N是被接受的参数范围不是真实输出上限它是宽松的。典型例子是 qwen3.7-flash——探测接受 131072128K但模型页与 OpenRouter 都将其真实上限标为 6553664K。因此决策规则是当文档/OpenRouter 与探测结果不一致时优先采纳相互一致的文档/OpenRouter 值探测仅作为新模型的廉价初筛信号。探测还有两个实操陷阱免费额度free-tier quota按模型逐项消耗耗尽后会掩盖探测结果返回配额错误而非范围错误需要甄别错误类型某些模型对enable_thinking有限制如 qwen3.8-2.4t-a95b 拒绝enable_thinking: false源码注释记录the value of the enable_thinking parameter is restricted to True此时必须按思考常开建模。六、源码骨架alibaba.models.ts的结构与字段语义6.1 三个导出函数与一个常量清单该文件的核心资产是_knownAlibabaChatModels——一个由llmsDefineManualMappings()定义的编译期类型追踪的手工映射数组models.mappings.ts 中llmsDefineManualMappings llmsDefineModelsManualMappings[number]()其const推断使typeof _knownAlibabaChatModels[number][idPrefix]可以直接派生模型 id 联合类型LlmsAlibabaModelId。三个导出函数各自承担职责alibabaModelFilter(modelId)列表入口过滤器决定哪些线上 id 可以进入目录alibabaModelToModelDescription(id, created?)把线上 id 转换为完整模型描述优先命中手工映射否则走 fallbackalibabaModelSort(a, b)列表排序保证策展模型在前、同族快照按日期倒序。6.2 模型描述 Schema 的字段语义手工映射的每个条目最终都会落入 llm.server.types.ts 中ModelDescription_schema的字段体系alibaba.models.ts实际用到的主要字段字段类型语义结合源码注释idPrefixstring模型 id 前缀fromManualMapping会做精确匹配 → 最长前缀匹配 → fallback 三级解析labelstring展示名descriptionstring模型能力简介模态、上下文、思考、定位contextWindowint上下文窗口token来自模型页/探测maxCompletionTokensint输出上限亦是客户端llmResponseTokens的初始值interfacesenum[]LLM_IF_OAI_Chat对话/_Fn工具/_Vision视觉/_Reasoning思考等能力位parameterSpecsarray厂商参数规格见下节思考控制chatPriceobject定价结构常量价或[{upTo, price}]分层价 cache.read缓存命中价pubDateYYYYMMDD官方公开发布日期编辑字段benchmark.cbaElointLMArena 竞技场 ELO编辑字段来源为公开榜单hiddenboolean默认隐藏不入选推荐/快速选择仍可在管理列表中勾选6.3 分层定价输入 token 数驱动源码注释明确阿里云采用按请求输入 token 数分层定价输入价与输出价都会随层上浮Alibaba uses tiered pricing keyed on the requests INPUT token count (both input and output prices step up)。典型如 qwen3.7-pluschatPrice: { input: [{ upTo: 256000, price: 0.40 }, { upTo: null, price: 1.20 }], output: [{ upTo: 256000, price: 1.60 }, { upTo: null, price: 4.80 }], },qwen3.7-flash 则是三层的例子32K / 256K / 无上限且其分层边界min_prompt_tokens与 OpenRouter 端点的pricing.overrides逐一对齐。而 qwen3.8-flash 是扁平定价、无分层的代表——注释特意强调 Flat pricing - no input-length tiers, unlike qwen3.7-flash。6.4 缓存命中价不可套用统一比例的例外处理命令文档给出的通用规则是缓存命中率是每模型族对输入价的固定比例跨地区稳定——Qwen/Kimi 为 20%、GLM 为 25%、deepseek-v4-pro 约 8%。实操方法从任意地区的模型页读取命中价套用到新加坡输入价上。但源码注释显示规则存在大量例外必须在模型页逐项确认而非机械套用qwen3.8-max 的缓存命中价是模型页专属值cache.read: 0.25cache-hit input per the model page (not the 20% rule)glm-5.2 的隐式命中率在 2026-09-02 巡检中被修正为 20%原 25%且 Global 区仍打印 25%基于旧价 1.10kimi-k3 的新加坡命中价为 0.30是输入价 3.00 的 10%——not the usual Kimi 20%deepseek-v4-pro-0813 走高峰/低谷peak/off-peak计费源码携带高峰卡峰值 1.32/3.96、命中 0.132低谷减半这是 2026-08-17 起与 DeepSeek 直连一致的新计费模式。6.5 转售模型清晰标注经 Model Studio 提供文件末尾专门划分Alibaba 转售的第三方模型区块DeepSeek V4 Pro/Flash、GLM-5.2/5.2-Fast/5.1、Kimi K3/K2.7 Code、DeepSeek V3.2label 统一带(Alibaba)后缀与官方原生厂商deepseek.models.ts、zai.models.ts、moonshot.models.ts区分并注明Alibaba 自己的定价。此类模型还承载了一个阿里云特有的语义差异DashScope 上带日期的快照与无日期 id 并列存在而无日期 id 实际服务哪个 checkpoint 并无文档可查Alibaba 不像对 Qwen 那样打印 Currently equivalent to 备注因此 deepseek-v4-pro-0813 作为唯一可固定的 GA 路由被策展为可见。七、思考Thinking控制parameterSpecs与 Alibaba 方言这是本文件最具技术含量的部分。big-AGI 通过parameterSpecs的llmVndMiscEffort枚举把思考强度抽象为统一 UI再在alibaba方言层翻译为 DashScope 的实际请求参数enable_thinking与reasoning_effort实现于 OpenAI 方言的 chatCompletions 转换层源码注释可证。文件中共有 6 组参数规格每一组都经过实机消融live-ablated验证规格常量枚举值适用对象与依据_PS_Thinking[none, high]二进制enable_thinking开关Offnone/ Onhigh/ 默认不传用于 qwen3.7/3.6 系、DeepSeek V3.2、GLM-5.2-fast 等_PS_DeepSeekEffort[none, low, high, max]DashScope 托管的 DeepSeek V4reasoning_effort有与 DeepSeek 直连相同的 3 档模板隐藏前导指纹验证flash 档把 max 折叠到 high_PS_GlmEffort[none, low, max]GLM-5.2native 映射 lowmediumhigh约 550-660 token 缩减档、xhighmax默认约 1.0-1.1K“high”会退化为纯enable_thinking:true故剔除_PS_Qwen38Effort[none, low, max]Qwen3.8 系首个真reasoning_effort阶梯默认 xhighhidden-preamble 指纹分组为 off{none} / {medium} / reduced{low,minimal} / top{high,xhigh,max,unset}medium 无法表达、high 重复默认故只留三值_PS_Qwen38EffortAlwaysOn[low, max]qwen3.8-2.4t-a95b开放权重 id 拒绝enable_thinking:false提供 Off 会直接 400_PS_KimiEffort[none, low, max]DashScope 托管的 Kimi K3指纹分组 off{none,minimal} / reduced{low,medium,high} / top{xhigh,max,unset}与之对应的模型接口位LLM_IF_OAI_Reasoning只在模型支持思考时出现Kimi K2.7 Code 则是思考常开的特例——只有 Reasoning 标志、无思考开关。八、过滤、隐藏与排序目录的守门策略8.1 拒绝列表退役老线直接清除_ALIBABA_DENY_LIST把 2025 时代的退役聊天线qwq-plus、qvq-max、qwen-coder-plus、qwen2.5 时代 VL 线、2025 开放权重密集/MoE 模型、qwen3-next-80b-a3b 预览对等整体剔除匹配规则为完全相等或deny -前缀被拒 id 永远不会进入列表。8.2 过滤器只留聊天/文本生成alibabaModelFilter在拒绝列表之后用一组子串模式排除非聊天服务text-embedding嵌入、image/wan图像生成/编辑、omni/qwen3-tts/asr/s2s音视频、livetranslate/qwen-mt-翻译、ocr/captioner、character角色扮演变体、cosyvoice/-vc-/-vd-/-slp语音、ccai/tingwu客服/转写服务、以及qwen2-7b等遗留小模型。8.3 隐藏策略未策展模型一律隐藏alibabaModelToModelDescription的 fallback 分支对未入册 id 生成 Alibaba model (not yet curated) 的占位描述并默认hidden: true随后用正则二次拦截日期快照-\d{4}-\d{2}-\d{2}或-\d{4}结尾与-preview/-latest别名。唯一例外是逐字策展的快照如deepseek-v4-pro-0813、qwen3.8-max-0902——它们是显式的编辑选择保留自己的hidden位。隐藏模型的 label 也会被_alibabaFormatNewLabel统一转成 Title Case如qwen3-coder-flash→Qwen3 Coder Flash保证即便未来某处误显示也保持整洁。8.4 排序策展优先、族内基模型优先alibabaModelSort的四级排序逻辑先保证策展模型排在未知模型前同族按文件内的编辑顺序同一家族内精确基 id 排最前其后是带日期的快照按日期倒序id 内嵌日期双方都未知时按pubDate倒序再按 id 倒序——因为阿里云列表 API 的created字段不可靠。九、供应商接入面alibaba.vendor.ts与配置要点模型目录最终由 src/modules/llms/vendors/alibaba/alibaba.vendor.ts 接入运行时。该厂商定义为ModelVendorAlibaba关键属性id: alibaba展示分组cloudinstanceLimit: 1每实例一个配置dialect: alibaba——OpenAI 兼容传输之上的定制方言负责enable_thinking/reasoning_effort的翻译源码注释指向 openai.chatCompletions.ts服务设置项alibabaOaiKeyDashScope 密钥validateSetup要求长度 ≥ 32、alibabaOaiHost自定义端点默认走官方国际版、csf是否启用客户端直连模型列表刷新复用ModelVendorOpenAI.rpcUpdateModelsOrThrow即拉取 → 过滤 → 手工映射 → 排序的整条流水线。因此本次更新工作流结束后不需要改动 vendor 层只要alibaba.models.ts中的映射、过滤与排序正确模型选择器、价格展示与请求构造会自动获得新目录。十、维护纪律与交付自检清单综合命令文档的 Important 部分与源码中可见的策展规范一次合格的更新应满足全量审查完整比对模型列表覆盖新增additions、下架removals与调价price changes三类变化不只看最近火的模型最小 diff聚焦内容本身避免无谓的空白与注释重排让评审者能一眼看到事实变化保留注释每条价格/容量变化都应留下来源 验证日期 方法的注释如 live-probed 2026-08-31、model page ORs Alibaba endpoint agree这是整个文件的信任根基多源一致优先文档与 OpenRouter 一致时优先生效探测值只作初筛且明确区分参数接受范围与真实上限标记异常坏链如 404 的模型页、配额耗尽导致的探测失败、文档区域缺失等都应显式写入注释而非静默忽略密钥纪律ALIBABA_API_KEY只存在于本地环境变量任何步骤不得将其写入文件或回显。对照源码注释中 verified 2026-09-02 against the live /v1/models list docslmarena unreachable (301), ELOs left as-is 这类记录可以清晰地看到上述纪律在真实巡检中的执行痕迹——这也是本项目模型目录能够长期保持高可信度的根本原因。结语update-models-alibaba.md所定义的并不是一次性的改文件任务而是一套以官方文档为骨架、OpenRouter 端点与实时探测为裁判、源码注释为审计日志的可重复证据链。理解这条链路就等于同时掌握了阿里云 Model Studio 的定价/容量信号体系、big-AGI 模型目录的数据模型ModelDescriptionSchema与手工映射机制fromManualMapping以及多层过滤 默认隐藏 编辑策展的目录治理哲学。当你在模型选择器中看到一个带(Alibaba)后缀的 DeepSeek 或 GLM 条目时其背后正是这样一条完整的取证与维护流水线。【免费下载链接】big-AGIAI suite powered by state-of-the-art models and providing advanced AI/AGI functions. Includes AI personas, AGI functions, world-class Beam multi-model chats, text-to-image, voice, response streaming, code highlighting and execution, PDF import, presets for developers, much more. Deploy on-prem or in the cloud.项目地址: https://gitcode.com/GitHub_Trending/bi/big-AGI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
