TypeSafe
Jev 1.13
jev-1.13
Jev 1.13 是 TypeSafe AI 的首個 System One 決策模型，專為結構化 AI 判斷而非文字生成而設計。它會分析提供的上下文，並回傳結構化選項、分數與基於置信度的決策。Jev 適用於分類、路由、評估與自動化工作流程，以低延遲和高效 token 使用提供快速、可預測的 AI 決策。
最大上下文
32K
最大輸出
暫無
發布日期
2026年9月18日
輸入$0.042 / 百萬 Token
輸出$0 / 百萬 Token
精選模型
快速查看模型能力與價格，了解可串接的 AI 模型
Z.ai
GLM-5.3-FlashX
glm-5.3-flashx
GLM-5.3-FlashX 是 Z.ai 推出的高速多模態模型，專為快速、靈敏的推理而設計，同時保留 GLM-5.3-Flash 的核心能力。它支援文字、圖像、影片和檔案輸入，上下文視窗最高可達 100 萬 tokens。 該模型在程式編寫、代理式工作流程、視覺理解、長上下文任務和複雜推理方面表現出色，是需要兼顧速度與智慧的即時 AI 應用程式的理想選擇。
最大上下文
1M
最大輸出
131.1K
發布日期
2026年9月18日
輸入$0.2857 / 百萬 Token
輸出$1 / 百萬 Token
快取讀取$0.0814 / 百萬 Token
DeepSeek
DeepSeek V4.1 Flash
deepseek-v4.1-flash
DeepSeek-V4.1-Flash 是一款快速且高效的多模態 AI 模型，具備先進的推理、編碼和代理能力。支援高達 100 萬 tokens 的上下文與原生視覺理解，以更低的推論成本提供前沿級智慧，非常適合 AI 代理、自動化、編碼助理和可擴展應用。
最大上下文
1M
最大輸出
384K
發布日期
2026年9月10日
輸入$0.2857 / 百萬 Token
輸出$1.1429 / 百萬 Token
快取讀取$0.0057 / 百萬 Token
模型價格比較
查看各模型的輸入、輸出與快取讀取價格，依業務需求評估呼叫成本
模型名稱輸入/ 百萬 Token輸出/ 百萬 Token快取讀取/ 百萬 Token
API 位址
POST/v1/chat/completions
integration.ts
import { OpenAI } from "openai";
const client = new OpenAI({)
baseURL: 'https://us-api.tokenhub.com/v1',
apiKey: process.env.TOKENHUB_API_KEY,
});
const response = await client.chat.completions.create({)
model: 'deepseek-v3.2-think',
messages: [{ role: 'user', content: 'Optimize this logic.' }],
});主流模型供應商
依供應商瀏覽模型，了解各家的模型能力、價格與串接方式
瀏覽完整模型目錄 →模型比較與選型
並排查看兩款模型的價格、上下文長度與能力差異，選擇更符合需求的模型
瀏覽完整模型目錄 →DeepSeek V4 Pro vs DeepSeek V4 Flash
比較推理能力與呼叫成本，選擇更適合任務的 Pro 或 Flash
Kimi K3 vs DeepSeek V4 Pro
比較長篇文字處理與推理表現，選擇符合需求的模型
Kimi K3 vs GLM-5.2
比較 Kimi 與 GLM 在 AI 代理任務中的表現
DeepSeek V4 Pro vs Claude Sonnet 4.6
比較不同供應商模型的程式設計與推理表現
Gemini 3.1 Pro vs DeepSeek V4 Pro
比較圖像理解、推理等能力，判斷哪款模型更符合需求
GPT-5.5 vs DeepSeek V4 Pro
綜合比較推理能力、回應延遲與呼叫成本
模型呼叫與管理，一個平台完成
集中管理模型串接、API Key 與呼叫費用，減少串接多家供應商的開發與維護工作
統一串接多家模型
透過 TokenHub 閘道串接不同供應商的模型，減少重複開發，方便依需求切換模型
了解統一路由 →比較價格與能力
集中查看模型價格、功能與可用狀態，為業務選擇合適的模型
比較模型 →方便團隊協作與交付
集中管理 API Key 與呼叫費用，依不同專案與客戶需求安排模型串接
查看應用串接指南 →圖像、影片與語音，也能串接
除了對話模型，也可以在模型中心尋找圖像、影片與語音模型，擴充應用程式的 AI 功能
- 01
建立工作空間
為個人或團隊建立 TokenHub 工作空間
步驟 01- 電子郵件地址
- Google / 電子郵件
- 02
儲值帳戶餘額
為帳戶儲值後，即可依需求呼叫平台支援的模型
步驟 02- $20
- $100
- $500
- 03
建立 API Key
建立 API Key，並在應用程式中設定 API 位址與模型名稱
步驟 03- API_KEY
- 可開始整合
開發團隊的使用回饋
“我們保留了原有的 OpenAI 評測程式碼，透過 TokenHub 就能測試多家供應商的模型”
David Chen
Northstar AI 平台負責人
“模型價格、介面與能力都能放在一起比較，選型方便多了，上線前也更容易判斷是否符合需求”
Sarah Jenkins
AI 基礎設施工程師
“客戶需要串接不同供應商的模型時，我們可以透過 TokenHub 統一對接，減少重複開發，更快完成交付”
Marcus Row
RelayWorks 創辦人
TokenHub 部落格
閱讀產品動態、模型更新與串接教學，了解如何在應用程式中使用 AI 模型
Blogs
Xiaomi MiMo V2.5 OpenRouter API
尋找 Xiaomi MiMo V2.5 OpenRouter 的模型 ID、API 定價、1M 上下文視窗、多模態支援、工具呼叫功能，以及免費的 API 選項。
閱讀文章
Blogs
MiniMax M3 工具呼叫指南
了解 MiniMax M3 工具呼叫的運作方式、如何定義工具、處理 tool_calls、回傳函式結果，以及使用 M3 進行程式碼撰寫與代理工作流程。
閱讀文章
Blogs
GLM 5.2 OpenRouter API 指南
了解 GLM 5.2 的 OpenRouter 模型 ID、目前價格、100 萬 Token 的上下文視窗、工具調用支援，以及如何透過 TokenHub 存取 GLM 5.2。
閱讀文章常見問題
為什麼選擇 TokenHub，而不是分別串接模型供應商
你可以在 TokenHub 選擇不同供應商的模型，集中管理 API Key、用量與費用，減少分別串接與維護多套介面的工作
既有 OpenAI SDK 程式碼還能繼續使用嗎
可以，使用相容 OpenAI 的介面時，替換 Base URL 與 API Key，並指定支援的模型名稱即可；不同介面的呼叫方式請參考程式碼範例
團隊如何管理多個專案的模型串接
團隊可以集中管理模型串接與費用，為不同專案設定 API Key，並依業務或客戶需求選擇模型
如何儲值與查看費用
在工作台為帳戶儲值後即可呼叫模型，費用依使用的模型與請求類型計算，用量與支出也能在工作台查看
