AI工具

硅基流动 SiliconFlow API 完整调研：国产AI模型平台

|花叔
硅基流动SiliconFlowAPI国产AI模型平台

硅基流动 SiliconFlow API 完整调研报告

调研时间：2026-02-08 官方文档：https://docs.siliconflow.cn/ 价格页面：https://siliconflow.cn/pricing 模型广场：https://www.siliconflow.cn/models

1. API 基础信息

Base URL

https://api.siliconflow.cn/v1

认证方式

  • 使用 Bearer Token 认证
  • API Key 在 https://cloud.siliconflow.cn/ 注册后获取
  • 新用户注册送 14 元余额（约 2000 万 Tokens）
  • 邀请注册可再获 14 元

兼容性

完全兼容 OpenAI API 格式，可直接使用 openai Python SDK，只需修改 base_url 和 api_key。

2. 可用模型完整列表（2026年2月）

2.1 免费 LLM 模型（15个，输入输出均为 0 元）

模型 ID类型说明
deepseek-ai/DeepSeek-R1-Distill-Qwen-7B推理DeepSeek-R1 蒸馏版 7B
deepseek-ai/DeepSeek-R1-0528-Qwen3-8B推理R1 最新蒸馏版
deepseek-ai/DeepSeek-OCR视觉OCR 专用
Qwen/Qwen3-8B通用Qwen3 系列免费版
Qwen/Qwen2.5-7B-Instruct通用Qwen2.5 免费版
Qwen/Qwen2.5-Coder-7B-Instruct代码代码专用
Qwen/Qwen2-7B-Instruct通用Qwen2
THUDM/GLM-4.1V-9B-Thinking多模态+推理GLM 视觉推理免费版
THUDM/GLM-Z1-9B-0414推理GLM 推理版
THUDM/GLM-4-9B-0414通用GLM-4
THUDM/glm-4-9b-chat通用GLM-4 对话
tencent/Hunyuan-MT-7B翻译腾讯混元翻译
internlm/internlm2_5-7b-chat通用书生浦语
PaddlePaddle/PaddleOCR-VL视觉百度 OCR
PaddlePaddle/PaddleOCR-VL-1.5视觉百度 OCR 1.5

2.2 付费 LLM 模型（主流，价格：元/M tokens）

模型 ID输入价输出价说明
deepseek-ai/DeepSeek-V32.008.00DeepSeek V3 满血版
deepseek-ai/DeepSeek-V3-03242.008.00V3 更新版
deepseek-ai/DeepSeek-V3.12.008.00V3.1 混合思考版
deepseek-ai/DeepSeek-R14.0016.00R1 满血版 671B
deepseek-ai/DeepSeek-R1-05284.0016.00R1 最新版
Qwen/Qwen3-235B-A22B-Instruct2.5010.00Qwen3 旗舰 MoE
Qwen/Qwen3-30B-A3B1.261.26Qwen3 小 MoE
Qwen/Qwen2.5-72B-Instruct4.134.13Qwen2.5 旗舰
moonshotai/Kimi-K2-Thinking4.0016.00Kimi K2 思考版
moonshotai/Kimi-K2.5 (Pro)4.0021.00Kimi K2.5 最新
MiniMaxAI/MiniMax-M1-80k4.0016.00MiniMax M1
deepseek-ai/DeepSeek-R1-Distill-Qwen-14B0.700.70R1 蒸馏 14B
deepseek-ai/DeepSeek-R1-Distill-Qwen-32B1.261.26R1 蒸馏 32B
deepseek-ai/DeepSeek-R1-Distill-Llama-70B4.134.13R1 蒸馏 70B
Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B0.350.357B 加速版

Pro/ 前缀说明：同一个模型，Pro/ 前缀版本是付费加速版，无前缀的免费版本速率和并发较低。

2.3 多模态视觉模型

模型 ID支持模态说明
Qwen/Qwen2.5-VL-72B-Instruct图片+视频Qwen2.5 视觉旗舰
Qwen/Qwen3-VL-235B-A22B图片+视频Qwen3 视觉 MoE
Qwen/Qwen3-Omni图片+视频+音频Qwen3 全模态
THUDM/GLM-4.1V-9B-Thinking图片GLM 视觉推理（免费）
deepseek-ai/DeepSeek-OCR图片+PDFOCR 专用（免费）
PaddlePaddle/PaddleOCR-VL图片百度 OCR（免费）

2.4 图片生成模型

模型 ID价格说明
Qwen/Qwen-Image0.3 元/张通义文生图
Qwen/Qwen-Image-Edit0.3 元/张通义图片编辑
Qwen/Qwen-Image-Edit-25090.3 元/张图片编辑新版
Kwai-Kolors/Kolors-快手可图

注意：FLUX 和 Stable Diffusion 模型在 SiliconFlow 上也曾上线过（FLUX.1-schnell、stable-diffusion-3-5-large-turbo），但模型列表会不定期更新，请以官网模型广场为准。

2.5 语音模型

语音转文本（STT）：

模型 ID说明
FunAudioLLM/SenseVoiceSmall阿里 FunAudioLLM，支持多语言
TeleAI/TeleSpeechASR中国电信 ASR

文本转语音（TTS）：

模型 ID说明
FunAudioLLM/CosyVoice2-0.5B跨语言语音合成（中英日韩+方言）
fnlp/MOSS-TTSD-v0.5高表现力语音合成
fishaudio/fish-speech-1.5Fish Audio 语音克隆

TTS 预置音色（8个）：alex / benjamin / charles / david / anna / bella / claire / diana

2.6 嵌入模型（Embedding）

模型 ID最大 Token说明
BAAI/bge-large-zh-v1.5512中文嵌入
BAAI/bge-large-en-v1.5512英文嵌入
BAAI/bge-m38192多语言嵌入
Qwen/Qwen3-Embedding-0.6B32768Qwen3 嵌入小版
Qwen/Qwen3-Embedding-4B32768Qwen3 嵌入中版
Qwen/Qwen3-Embedding-8B32768Qwen3 嵌入大版

2.7 视频生成模型

模型 ID价格说明
Wan2.2-T2V-A14B2 元/视频文生视频

3. Python 调用完整代码示例

3.1 环境准备

pip install openai python-dotenv requests

# .env 文件
SILICONFLOW_API_KEY=sk-xxxxxxxxxxxxx

3.2 LLM 对话（基础）

import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

client = OpenAI(
    api_key=os.getenv("SILICONFLOW_API_KEY"),
    base_url="https://api.siliconflow.cn/v1"
)

# 基础对话
response = client.chat.completions.create(
    model="Qwen/Qwen3-8B",  # 免费模型
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "用一句话解释什么是大语言模型"}
    ],
    temperature=0.7,
    max_tokens=1024
)

print(response.choices[0].message.content)

3.3 流式输出

stream = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V3",
    messages=[
        {"role": "user", "content": "写一首关于AI的七言绝句"}
    ],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="", flush=True)
    # 推理模型（如 DeepSeek-R1）还可获取思考过程
    # reasoning = getattr(chunk.choices[0].delta, 'reasoning_content', None)
    # if reasoning:
    #     print(f"[思考] {reasoning}", end="", flush=True)

3.4 推理模型（DeepSeek-R1）

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-R1",
    messages=[
        {"role": "user", "content": "9.11和9.8哪个大？请详细推理。"}
    ],
    stream=True
)

for chunk in response:
    delta = chunk.choices[0].delta
    # 思考过程
    reasoning = getattr(delta, 'reasoning_content', None)
    if reasoning:
        print(f"💭 {reasoning}", end="", flush=True)
    # 最终回答
    if delta.content:
        print(delta.content, end="", flush=True)

3.5 多模态视觉（图片理解）

response = client.chat.completions.create(
    model="Qwen/Qwen2.5-VL-72B-Instruct",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg",
                        "detail": "high"  # auto / low / high
                    }
                },
                {
                    "type": "text",
                    "text": "请描述这张图片的内容"
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

使用 Base64 编码图片：

import base64

with open("local_image.png", "rb") as f:
    img_base64 = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="Qwen/Qwen2.5-VL-72B-Instruct",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{img_base64}"
                    }
                },
                {"type": "text", "text": "这张图片里有什么？"}
            ]
        }
    ]
)

3.6 多模态视频理解

response = client.chat.completions.create(
    model="Qwen/Qwen2.5-VL-72B-Instruct",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "video_url",
                    "video_url": {
                        "url": "https://example.com/video.mp4",
                        "max_frames": 16,
                        "fps": 1
                    }
                },
                {"type": "text", "text": "描述这个视频的内容"}
            ]
        }
    ]
)

Qwen3 Omni 模型建议视频时长控制在 30 秒内，帧数 max_frames=8-16，fps=1-2。

3.7 图片生成

import requests
import os
from dotenv import load_dotenv

load_dotenv()

headers = {
    "Authorization": f"Bearer {os.getenv('SILICONFLOW_API_KEY')}",
    "Content-Type": "application/json"
}

payload = {
    "model": "Qwen/Qwen-Image",
    "prompt": "A cute cat sitting on a windowsill, watercolor style",
    "image_size": "1024x1024",
    "num_inference_steps": 20,
    "seed": 42
}

response = requests.post(
    "https://api.siliconflow.cn/v1/images/generations",
    json=payload,
    headers=headers
)

result = response.json()
image_url = result["images"][0]["url"]
print(f"图片URL（1小时内有效）: {image_url}")

# 立即下载保存
import urllib.request
urllib.request.urlretrieve(image_url, "generated_image.png")
print("图片已保存到 generated_image.png")

Kolors 模型（支持负向提示词和批量生成）：

payload = {
    "model": "Kwai-Kolors/Kolors",
    "prompt": "一只橘猫在阳光下打盹",
    "negative_prompt": "低质量, 模糊, 变形",
    "image_size": "1024x1024",
    "batch_size": 2,            # 一次生成2张（最多4张）
    "num_inference_steps": 20,
    "guidance_scale": 7.5,      # 提示匹配度
    "seed": 12345
}

重要：生成的图片 URL 有效期仅 1 小时，必须及时下载保存。

3.8 语音转文本（STT）

# 方式1：使用 OpenAI SDK
audio_file = open("audio.mp3", "rb")
transcript = client.audio.transcriptions.create(
    model="FunAudioLLM/SenseVoiceSmall",
    file=audio_file,
    response_format="text"
)
print(transcript)

# 方式2：使用 requests
import requests

url = "https://api.siliconflow.cn/v1/audio/transcriptions"
headers = {"Authorization": f"Bearer {os.getenv('SILICONFLOW_API_KEY')}"}

with open("audio.mp3", "rb") as f:
    files = {"file": f}
    data = {"model": "FunAudioLLM/SenseVoiceSmall"}
    response = requests.post(url, headers=headers, files=files, data=data)

print(response.json()["text"])

限制：音频时长不超过 1 小时，文件大小不超过 50MB。

3.9 文本转语音（TTS）

# 使用 OpenAI SDK
with client.audio.speech.with_streaming_response.create(
    model="FunAudioLLM/CosyVoice2-0.5B",
    voice="FunAudioLLM/CosyVoice2-0.5B:alex",  # 预置音色
    input="你好，欢迎使用硅基流动的语音合成服务。",
    response_format="mp3",
    speed=1.0        # 0.25-4.0
) as response:
    response.stream_to_file("output.mp3")

print("语音已保存到 output.mp3")

预置音色列表：

  • 男声：模型名:alex / 模型名:benjamin / 模型名:charles / 模型名:david
  • 女声：模型名:anna / 模型名:bella / 模型名:claire / 模型名:diana

3.10 嵌入模型（Embedding）

# 方式1：使用 OpenAI SDK
embedding = client.embeddings.create(
    model="BAAI/bge-m3",
    input="硅基流动是一个AI模型服务平台"
)
vector = embedding.data[0].embedding
print(f"向量维度: {len(vector)}")

# 批量嵌入
embeddings = client.embeddings.create(
    model="BAAI/bge-m3",
    input=[
        "第一段文本",
        "第二段文本",
        "第三段文本"
    ]
)
for item in embeddings.data:
    print(f"Index {item.index}: 维度 {len(item.embedding)}")

# 方式2：使用 Qwen3 Embedding（支持自定义维度）
embedding = client.embeddings.create(
    model="Qwen/Qwen3-Embedding-8B",
    input="测试文本",
    dimensions=1024  # 可自定义输出维度
)

3.11 查看可用模型列表

# 列出所有可用模型
models = client.models.list()
for model in models.data:
    print(model.id)

4. 价格体系总结

4.1 LLM 模型价格分级（元/M tokens）

价格段典型模型输入输出
免费Qwen3-8B, DeepSeek-R1-Distill-7B, GLM-4-9B00
低价（<1元）DeepSeek-R1-Distill-14B (Pro版)0.35-0.700.35-0.70
中价（1-4元）Qwen3-30B, DeepSeek-R1-Distill-32B1.261.26
标准（2-5元）DeepSeek-V3, Qwen3-235B2.00-4.134.13-10.00
旗舰（4-16元）DeepSeek-R1, Kimi-K2, MiniMax-M14.0016.00
顶级（>16元）Kimi-K2.5 (Pro)4.0021.00

4.2 其他服务价格

服务价格
图片生成0.3 元/张
视频生成2 元/视频
模型微调（训练）3.50-41.30 元/M tokens
批量处理0.50-2.00 元/M tokens（输入）

4.3 与其他平台价格对比（DeepSeek-R1 满血版）

平台输入价输出价
DeepSeek 官方4.0016.00
硅基流动4.0016.00
阿里云百炼4.0016.00
火山引擎4.0016.00

主流平台价格基本一致，硅基流动的优势在于：模型种类多、免费模型丰富、OpenAI 兼容格式开箱即用。

5. 速率限制和配额

5.1 用户等级体系

等级月消费（元）说明
L0< 50新用户初始等级
L150-199
L2200-1,999
L32,000-4,999
L45,000-9,999
L5>= 10,000最高等级

5.2 速率限制示例

维度L0 (新用户)L5 (最高)
RPM（每分钟请求数）500-1,00010,000
TPM（每分钟Token数）20,000-80,0001,000,000-5,000,000
IPM（每分钟图片数）2更高
IPD（每天图片数）400更高

5.3 关键规则

  • 每个模型单独计算速率限制，A 模型超限不影响 B 模型
  • 等级自动升级：取上月总消费和当月已消费的较大值
  • 超限返回 HTTP 429 (Too Many Requests)
  • 免费模型的速率限制低于 Pro 付费版

6. 实用提示

免费模型使用建议

  • 开发调试阶段用免费模型（Qwen3-8B、GLM-4-9B-0414）
  • 生产环境需要更高性能和并发时，用 Pro 版或更大参数模型
  • OCR 场景可用免费的 DeepSeek-OCR 或 PaddleOCR-VL

免费 vs Pro 版区别

同一个基础模型，免费版和 Pro 版的区别：

  • Pro 版有更高的速率限制
  • Pro 版有更快的推理速度（优先级更高）
  • 模型本身的能力完全一致

图片生成注意事项

  • 图片 URL 有效期仅 1 小时，生成后必须立即下载
  • Kolors 支持批量生成（batch_size 最多 4）和负向提示词
  • 不同模型支持不同的分辨率，注意选择

语音转写注意事项

  • 文件大小上限 50MB，时长上限 1 小时
  • SenseVoiceSmall 支持多语言自动检测
  • 返回纯文本，不含时间戳

7. 快速参考：环境变量配置

# .env 文件
SILICONFLOW_API_KEY=sk-your-api-key-here

# 标准初始化代码
import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

client = OpenAI(
    api_key=os.getenv("SILICONFLOW_API_KEY"),
    base_url="https://api.siliconflow.cn/v1"
)

信息来源

花叔

花叔｜AI进化论-花生

AI Native Coder / 独立开发者 / AI自媒体博主

小猫补光灯作者，《一本书玩转DeepSeek》作者

相关报告

AI工具

Claude Code Skills 深度调研：AI编程助手的技能扩展机制

Claude Code Skills 机制详解，包括 SKILL.md 格式、社区生态、自定义技能开发最佳实践。

Claude CodeSkillsAI编程
AI工具

OpenRouter API 深度调研：多模型统一接入方案

OpenRouter API 完整配置指南，涵盖模型对比、价格分析、最佳实践，帮助开发者快速接入多种 AI 模型。

OpenRouterAPIAI模型
AI工具

火山引擎方舟 API 平台深度调研

字节跳动火山引擎方舟 API 平台功能、定价、模型选择与竞争力分析，企业级 AI 服务选型参考。

火山引擎方舟API字节跳动
小猫补光灯

小猫补光灯小助理

在线

你好呀~我是小猫补光灯小助理🐱✨ 有什么可以帮助你的吗?

04:41