永远用最好的模型 — 我的 API 模型清单（我给 Claude Code 接了哪些第三方模型）

最近很多朋友都在问我：你的 Claude Code 里面到底接入了哪些模型，怎么能干各种各样的事情？

那这一期，我就带大家看一下我这边接入的 API。我让 Claude Code 帮我做一次梳理：把我当前通过 API 方式接入的所有第三方模型，做成一个网页，用 PPVI 的浅色风格。网页的内容主要是一个列表，详细列出每个模型的名称、申请 API 的网址、它的功能和价值简介，以及它的收费价格。做出来，方便我跟大家做一次详细的分享。

这个页面我会上传到博客上，大家可以去下载。怎么用呢——点开每个模型右边的网址，就能去官网申请 API，充上值拿到 API key，给到 Claude Code，你就可以做这些事情了。

我的心法：永远用最好的模型，加最好的工具

最近很多人在聊：到底是 Claude Code 好，还是 Codex 好？我的想法始终是这样的——我们永远要去用最好的模型，和最好的工具。

模型的选择上，我一定用当今最好的。主观地说，就是 Claude 的 Opus 4.8。而在多模态的场景下——比如视频、音频的解析——我认为最好的是 Gemini，毕竟它是原生多模态的。

工具的选择上也一样。像多台电脑的 computer use，Codex 是比较方便的方式；gpt-image-2 的生图，用 Codex 也更直接、性价比更高。所以我会开通一个低金额的套餐配套使用：把 Claude 当成大脑，把 Codex 当成一个工具，在 CLI 里通过终端，用 Claude Code 去调用 Codex，完成我想做的工作。

文本 LLM：推理与对话

Claude。 最常用的还是 Claude。我自己的 Claude Code 没有去接 API，用的是官方订阅的套餐；但对外的一些产品——比如漫剧平台写剧本、撰写公众号文章和口播稿——全部都是用 Claude。除了 4.8，4.6 的 Sonnet 和 4.6 的 Opus 也比较常用，因为它的文字表达、长上下文、对剧本和小说的解读、注意力和推理能力，以及文字最终的呈现，都相当棒。

OpenRouter。 它是一个中转站。我以前讲过中转站——我并不是说所有中转站都不好，而是中转站的 API 接入 Claude Code 是不好的，因为里面很多 tool use（工具调用）会出现问题。OpenRouter 是国外的聚合中转站，口碑相对较好，但它会收 5.5% 左右的手续费。所以当有一些新出现的模型、我还没去申请官方 API 的时候，我会先用 OpenRouter 做个测试，看看这个模型的能力。

Gemini Flash。 成本比较便宜，2.5 和 3.x Flash 是最近常用的。因为它是原生多模态，我最常用的就是：每天录完视频之后，让它帮我生成字幕的逐字稿——它能把视频或音频转换成几乎没有错误的文本稿件，是带推理能力的转换。

Qwen3。 我是通过硅基流动这个聚合站申请使用的，当时给了一定的免费额度。目前一直拿它来做需求路由、意图路由的判断：当我的 AI 客服或机器人收到用户需求时，它会先做一个简单判断——我该用什么方式去回应。

图像生成：文生图与编辑

Nano Banana Pro。 最常用的就是它。原生 4K，生成图的一致性和品质非常强。美中不足有两点：一是有点贵；二是如果一个画面上中文内容比较多，中文会出现乱码、识别不了。但它生成的品质、对提示词的遵循都很强。

Nano Banana 2（3.1 Flash）。 比 Pro 便宜，生成速度更快，允许的参考图更多，中文渲染也更好；只是生图的细节品质稍微不如 Nano Banana Pro——比较难量化地表达，但确实有区别。

gpt-image-2。 最近用来做 PPT 比较多。它最典型的就是参考图巨多，最多能给到 16 张，可以生成多人的复杂场景，或者复杂的中文信息图；准确率极高，我做电商图的时候会用它去修复细节，包括 logo、文字的部分。缺点也明显：生成的风格机生感比较强，作品有一点点「油」、有点机器渲染的生硬感。另外它按 token 收费，小分辨率的图便宜，但 4K 的图生成价格反而比 Nano Banana 还贵。

Seedream 4.0。 用来生成那些对品质要求没那么高、但对成本要求高的图片，通过火山方舟 Ark 做国内直连，早期也给了一定免费额度。

可灵。 它很奇怪：如果想用可灵官方的 API，需要填一个非常复杂的表，走 to B 销售那套申请试用、充值的逻辑，非常麻烦。所以我现在用可灵，其实是通过阿里云百炼的平台接入的，反而没用可灵官方的接口。

语音 TTS：合成与克隆

MiniMax TTS。 上一期刚讲过，我用的是它的 speech-2.8-hd。音色克隆、音色的配方（formula）、跨语种能力、情绪表达，还有呼吸、唇齿音这种模拟的能力都非常强。它在 2.8 这个版本停留了挺长时间没更新，但完全是一个足够用的状态。

Qwen3-TTS。 大家看到我自己开发的那个产品，其实就是用 Qwen3 TTS 做了一个 polish——修复和润色，性价比非常高。

数字人 / 视频生成

石榴数字人。 这是向量方程做的接口。因为我们长期有大量合作，数字人也是我一直比较持续的一块业务。我目前觉得，它是国内数字人模型里 4K 精度下、能把嘴型对得非常好的一个。

即梦 Seedance。 Seedance 做漫剧是必须的。它目前的接口，720p 分辨率差不多是一块钱左右一秒的成本，但因为它抽卡少、镜头表现和多镜头表现都很好。除了一些特殊场合——比如做视频编辑，像我现在在讲话、要把背景换掉，或者手里多一个东西，会用到 Google 最新的 Omni 模型——所有这种 AI 剧、AI 漫剧，目前 Seedance 就是绝对绝对第一的位置。据说它现在收入已经超过 10 亿这个量级，也是国货之光。

另外要生成 1080p 的视频，除了 Seedance，用可灵最多，其次可能是 Google 的 Veo 3.1——不过我最近发现用得越来越少了。

小结

我目前一个月的 tokens 费用，除了官方订阅之外，大概在几千美金这个范围，就是几个小产品的生成量级。

我用到的这些模型，分别是各个领域里效果最好、或者性价比最高的那一个。把它们通过 API 接入到 Claude Code 里面，就可以实现图片抠底、PPT 生成、视频生成、视频字幕提取等等——这一系列我展示过的功能，全部都是通过 Claude Code 去调用这些模型的能力实现的。

有什么问题，也欢迎在评论区给我留言。我们下期再见。

来源:EP0029_audio.mp3 · ASR 模型 gemini-2.5-pro(切段并发) · 约 11 分钟原片完整文字版

[00:00] 最近很多朋友都在问我说 我的 Claude Code 里面到底接入了哪些模型啊 以至于我可以干各种各样的事情 那我今天就带着大家来 看一下我这边接入的 API 请你帮我做一个梳理 所有我当前 Claude Code 里面通过 API 方式 接入的第三方模型 我需要你去做一个网页 使用 PPVI 的浅色风格 那这个网页的内容呢 主要是一个列表 列表里面详细的列出

[00:26] 我采用我接入的 API 的模型 这个模型的名称 那这个模型去申请 API 的网址 这个模型它的功能以及它的 价值的简介 以及这个模型它的收费的价格 那把这个网页制作出来 我们好做一个详细的分享 好的 那我们就等他把这个 内容做出来 我们今天其实就是这么 一个轻松的话题啊 那最近很多人都在聊说

[00:53] 这个到底是 Claude Code 好还是用 Codex 好 其实我的一个想法是是 这样的 始终是这样的 就是我们永远要去用最好的模型 和最好的工具也 就是说模型的选择上 我一定是要用这个当今最好的 我我认为啊 主观的啊 就是 Claude Code Opus 4.8的 这样一个模型 那比如说在这个多模态的情况下 比如说视频或者音频的 解析的情况下 那我认为最好的模型是 Gemini 的模型

[01:18] 毕竟它是原生多模态的嘛 所以在模型的选择上 就会永远用最好的 模型去做对应事情 那在工具的选择上 像这个多台电脑的这个 computer use 那可能 Codex是 一个比较方便的方式 那以及 gpt-image-2的 生图 Codex是 一个更直接且性价比高的方式 那我可能会选择去 开通一个低金额的套餐 去配套使用 那把 Claude 把 Claude 当成大脑

[01:43] 然后把 Codex 当成一个工具 在这个 CLI 里面 通过终端去用 Claude Code 去调用 Codex 去完成一些我想要完成的工作啊 那它现在 哎呀 它在问我 所有的模型都要算到里面 就是除了你提及的 凡是 我在这个配置文件里面 有保存过 API key 的模型 可以都做一个全面的分析 那让大家了 解说我现在都用到了哪些个

[02:09] 模型的官网上 对 因为我这边接入的 模型还蛮多的 因为长期以来一个比较 持续的业务是 数字人的业务嘛 所以像这个石榴数字人也是 我非常好的合作伙伴 那我们 哎 忘了选 next OK 好 那我们就加速它的这个过程 一会儿给大家直接看一个网页啊 好嘞 已经做好了

[02:34] 我们来看一下啊 我这个页面我会上传到 这个博客上 大家可以去下载啊 页面怎么用呢 就是 我先会给大家从头到尾讲解一下 然后你看这个右边其实是有一个 点开这个网址呢 它其实就可以 去这个官网去申请这个 API 了对吧 充上值其实拿到那个 API key 给到 Claude Code 你就可以去做这个事情了 那首先 我们来看它分了几类啊 第一类是这个文本的

[02:59] 大语言模型 推理和对话 那最常用的还是 Claude 了那我本身 Claude Code 我是没有 去接这个 API 的 我是用的订阅的官方订阅的套餐 那对外的的一些产品 比如说像漫剧的 平台去写剧本的 然后像这个撰写文章的 撰写这个公众号文章以 及口播稿的 全部都是用的 Claude 那 除了4.8之外呢 其实4.6的 Sonnet 和这个4.6的 Opus也是

[03:24] 比较常用的 因为它的这个文字的表达 包括它的这个长上下文 对于这个剧本的解读 然后小说的解读 它的这个注意力和它的 这个推理能力 以及它的这个文字最终的呈现 都是相当的棒的 那第二个就是那个 OpenRouter 嘛 它是一个中转站 那我曾经有讲过中转站 那我并不是说所有的中转站 都是不好的 而是中转站的 API 接入 Claude Code是 不好的

[03:49] 它其实里面有很多 tool use 这些工具的 使用它其实会出现问题 那 OpenRouter 它是一个 国外的这个聚合的中转站嘛 相对来讲的话口碑是比较好的 但是它的一个问题是说它会收取 5.5% 我记得之前好像8% 还是5.5%的一个手续 手续费 那我在有一些模型 就是新出现的模型 那我还没有去申请他们官方的

[04:14] 这个 API 的时候呢 我会用 OpenRou ter 先去做一个测试 看看这个模型的能力 那再往下就是 Gemini Flash的 这个模型 那这个模型的话 相对来讲它的成本是 比较便宜的 你像2.5和 3. 3.5 Flash是 最近常用的 主要用于什么呢? 因为它是原生的多模态的模型 我最常用到的就是 我每天这个录 视频录完了之后 我让它去帮我生成字幕的逐字稿 字幕的逐字稿 它就可以把视频或者音频转换成

[04:41] 几乎没有错误的这个文本的稿件 它是带推理能力的转换 然后这个 Qwen3 的系列 我是通过硅基流动的 这样的一个聚合站去申请使用的 然后当时它是给了 我记得当时是给了 一定免费的额度 所以目前一直在做 叫做这个需求路由 意图路由的判断 就是当我的这个 AI 客服 或者是 AI 的机器人 收到了用户的需求的时候

[05:06] 它会做一个简单的判断说 我应该用什么样的 方式去回应 那这个需求的意图判断 都是用这个 Qwen3 去做的 那再往下这个图像生成 和文生图的这部分呢 最常最常用的是这个 Nano Banana Pro的 这个模型 那它是原生 4K 的 而且它的这个生成图的 一致性和品质是非常强的 但唯一不足 美中不足的地方是说 一个是有一点点贵

[05:31] 然后另外一个是说 它的这个中文的表现 如果一个画面上中文内 容比较多的话 它其实中文是会出现乱码的 而且是识别不了的 但它的生成的这个品质 包括提示词的遵循是很强的 那再往下就是 3.1 Flash 这个 Nano Banana 2 的这个模型 那这个模型呢就比 Pro的 模型要便宜 而且生成速度会更快它允许的 参考图也会更多一些 它中文渲染的会更好但是呢

[05:57] 就是它生图的这个细节的品质上 稍微不如 Nano Banana Pro 那目前就是 比较难量化具象去表达 但确实是有区别的 那再往下看 最近用来做 PPT 比较多的就是 OpenAI 的 gpt-image-2的 这个模型 那它这个模型最典型的 就是参考图巨多 对吧 它有最多可以给到 16 张参考图 你可以生成一个多人的 一个复杂场景 或者是说复杂的中文信息图

[06:22] 都可以用它去去做的 那它的特点是说 准确率极高 那我在做电商图的时候 可以用它去修复一些细节 包括 logo, 包括文字的部分 但它的缺点也是蛮明显的 就是它生成的风格就是 机生感比较强 就是怎么怎么理解呢 就是 有点像是 它生成的作品有一点点油 或者是说有一点点像 机器渲染的那样的一个感觉

[06:48] 稍微能够感觉出来 一点生硬的感觉 那它 gpt-image-2 这个模型 它的这个小分辨率的 图片是比较便宜的 那高分辨率的 因为它是按照 token 去收费的嘛 它的这个 4K 的图片 相对来讲的生成价格反而会比 Nano Banana 要要贵 然后这个 Seedream 4.0 的模型 用它去生成一些 对品质要求没有那么高的

[07:13] 但是对成本要求高的 这个图片的模型 那是通过这个火山方舟 Ark 去进行了一个国内的直连 然后 这也是一家这个中转站 那我最早的时候 它也是给到了 一定的这个免费的额度 包括这个矢量化的 这样的一个模型的提供 所以我有做了一些简单的尝试 后续其实就没有再用这个模型了 包括可灵也是 可灵非常的奇怪 就是 如果你想用可灵官方的 API 的话

[07:38] 你去可灵那个申请 它需要你填一个非常复杂的表 然后是 to B 销售的那套逻辑 去申请试用啊 然后充值这个逻辑 就非常的麻烦 所以我现在用可灵其实是 通过的这个百炼的平台 就是阿里云百炼的平台 去接入的可灵 反而是没有用可灵官方的 API 接口 那语音的 TTS 合成与克隆 我之前一期刚讲了 我是我用的 MiniMax的 TTS 它的那个 speech-2.8-hd的 这个模型简直了

[08:04] 就是音色克隆 包括它的这个音色的配方 formula 然后包括它跨语种的能力 以及它的这个情绪表达 和一些呼吸 唇齿音的这种模拟的 能力都非常的强 但是它已经在 2.8的 这个版本 停留了蛮长时间了 它一直也没更 但就是完全是一个足够用的 一个状态 然后 Qwen3 的 TTS的 这个模型是 我就是大家看到的 我自己开发的 这个云书法其实用 Qwen3 TTS

[08:29] 做了一个 polish 就它做了一个修复和润色 非常的性价比非常的高 然后那再往后数字人视频生成 那我刚才提到了也是 向量方程做的石榴数字人的 这个接口 那它现在也是 因为我们是大量的合作嘛 然后我们我们去用到的 它这个模型也 可以说我目前觉得它是目前 国内数字人模型里面 4K 精度

[08:56] 能够把嘴型对得非常好的 一个一个这样的模型 然后像即梦视频 Seedance 就不用说了 Seedance 2.0 做漫剧是必须的 那它目前的接口 就是如果是 720p的 这样的一个 一个水就是分辨率的 话差不多是 一块钱左右一秒钟的一个成本 但是因为它抽卡少啊 它的这个镜头表现 都多镜头的表现它的真的是 就是目前来讲不用说是

[09:22] 只有在一些特殊的场合 比如说这个在做这种视频编辑 就比如说我现在在讲话 把我的背景换掉 或者说手里多一个什么东西 会用到那个 Google 最新的 那个 Omni 的模型之外呢 就所有的这种的 AI的 剧或者是 AI 的漫剧 目前真的是就是 如果 Seedance 这个 Seedance 2.0 就目前就是绝对绝对的 第一的这么一个位置 它据说目前它的 这个收入已经超过了 10 亿的 这样的一个一个量级也是

[09:49] 国货之光 然后我们基本上就用到这些模型 这里面其实还没有提到的是 说这个 Gemini 其实 Google的 模型我还会用到它生成视频 但是目前来看的话还是 比如说要生成 1080p 的视频 除了 Seedance 2.0 之外用可灵是最多的 那其次其次其次 可能是用这个 Veo 3.1 这样的这个 Google 的模型 所以原来还是会用到一些

[10:14] 但我最近发现好像是 用的越来越少了 越来越少了 那我目前一个月的这个 tokens 的费用 除了官方的订阅之外 大概是在一个几千美金的 这样的一个范围之内 就是几个小的产品的这个生成的 这样的一个量级啊 反正我目前用到的这些模型 就是这些啊 就是这些模型 就是分别是各个领域 效果最好或者是性价比最高的 这样的模型

[10:40] 把它去通过 API 的方式 接入到 Claude Code 里面 我们就可以实现说一些 图片的抠底呀 然后 PPT的 生成视频的生成 然后视频字幕的提取等等 一系列这种就是我展示过的 这些这些功能呢 全部都是通过 Claude Code 去调用一些模型的 能力去实现的 那有什么问题的话也一样 可以在评论区给我留言 那我我们下期再见拜拜