Grok 4.7
使用独立模型 IDgrok-4.7 调用 /v1/chat/completions，Grok 4.6 保持独立，不会自动升级到 4.7。上线售价沿用 4.6：输入及缓存输入每千 Token 1.2 积分，输出每千 Token 2.4 积分，原有积分套餐折扣不变。
/v1/models 为准。
上线测试发现：部分无害的“逐字返回固定短语”请求会被模型拒绝，普通问答和代码生成可正常返回。请勿依赖固定短语回声作为可用性探测。这是已观察到的模型限制，不代表所有指令都能稳定遵循。
对话模型可以通过以下接口暴露：
/v1/chat/completions/v1/responses/v1/messages/v1beta/models/{model}:generateContent
- 输入 token。
- 输出 token。
- 缓存输入 token。
- 最低请求积分。
可用模型
思考强度
DeepSeek Flash 与 GLM 5.3 Flash
deepseek-v4-flash 与 deepseek-v4.1-flash 是两个独立模型，不是别名。V4 Flash 接收文本；V4.1 Flash 接收文本和图片。二者的上下文为 1,048,576 Token，最大输出为 393,216 Token。GLM 5.3 Flash 上下文同为 1,048,576 Token，最大输出为 131,072 Token。实时可用状态与积分价以 /v1/models 为准。glm-5.2 不再接受新请求，历史使用记录保留。
DeepSeek Flash 支持 none、low、high、max；兼容值 minimal 按 low 处理，medium 和 xhigh 按 high 处理。Chat Completions 可使用 thinking: { "type": "disabled" } 或 effort none 关闭思考，两种设置不能互相矛盾。
deepseek-v4.1-flash 的 Chat Completions 默认开启思考。强制工具调用（tool_choice: "required" 或指定函数）需设置 reasoning_effort: "none" 或 thinking: { "type": "disabled" }，否则返回 HTTP 400，错误码为 invalid_tool_choice。如需保留思考，请使用 tool_choice: "auto"；APIAny.AI 不会为您静默关闭思考。
GLM 5.3 Flash 始终思考，仅支持 low、high、max（模型默认），关闭思考返回 400。快速验证建议选 low。思考与最终答案共享输出预算，例如设置 max_tokens: 32768；明确传入的限制不会被静默增大。max_completion_tokens 可作为别名，同时提供不一致的输出上限会返回 400。
工具调用续接时，请保留助手消息中的 reasoning_content、tool_calls 及对应工具结果。缓存命中 Token 已包含在输入 Token 总数内，不重复叠加。图片使用 Chat 的 image_url 或 Responses 的 input_image；本次接入不接受通用文档、音频及 DeepSeek 视频 URL 输入。
glm-5.3-flash。Responses 使用 input、max_output_tokens 和 reasoning: { "effort": "low" }。
Responses 工具续接时，把完整返回的 output（包含推理项和函数调用）及配对的 function_call_output 追加到下一轮 input，不要删除推理项。DeepSeek Responses 是无状态接口，需回传对话历史，不能依赖 previous_response_id。图片用 Chat 的 image_url 或 Responses 的 input_image 提交。glm-5.3-flash 额外支持文档（file / input_file）与视频；deepseek-v4.1-flash、deepseek-v4-flash 不接受文档、音频与视频。
官方模型 ID
deepseek-flash 与 deepseek-v4-pro 可作为 deepseek-v4.1-flash 与 deepseek-v4 的等价 ID 直接使用，按官方名称编写的客户端无需改动。用量与计费统一记在 APIAny.AI 模型 ID 下。GET /v1/models 会同时列出两个 ID，并用 alias_of 标出等价条目。
Chat Completions 使用 reasoning_effort，Responses 使用 reasoning: { "effort": "high" }。两个接口也接受另一种写法作为兼容别名；同时提供时值必须一致，冲突返回 400。省略 effort 时保持模型原有默认行为。
语法允许 none、minimal、low、medium、high、xhigh、max、ultra，但不代表每个模型都支持全部值。非法值，以及超出已声明模型支持范围的值，返回 400。
kimi-k3、glm-5.3-flash、gpt-6-astra、Grok 4.5 系列与 Gemini 3 系列始终开启思考，传入关闭思考的值会返回 400。gpt-5.4 及其 mini、nano 版本默认不思考，需要显式传 low 或更高档位。minimax-m3 与 gpt-4o-mini 不接受任何 effort 参数；minimax-m3 改用 thinking 对象控制。
部分模型还接受旧版集成曾使用的兼容写法：grok-4.5、grok-4.5-latest、grok-4.6 与 grok-4.7 接受 max（按 xhigh 执行）与 minimal（按 low 执行），gemini-3.1-pro 接受 minimal（按 low 执行）。这些写法会在请求执行前被归一为官方档位，因此模型收到的始终是官方取值。映射关系公布在 capability_metadata.reasoning.compatEfforts 中；新集成请使用 efforts 中的取值。
Anthropic Messages 使用 output_config.effort。原生 thinking 独立保留：effort 不会自动开启思考，也不会设置 budget_tokens。
Gemini 3 原生请求使用 generationConfig.thinkingConfig.thinkingLevel，支持级别因模型而异。Gemini 2.5 使用 thinkingBudget。在 OpenAI 兼容格式中，Gemini 2.5 将 minimal/low 映射为 1024、medium 映射为 8192、high 映射为 24576、none 映射为 0（Pro 除外）。显式 effort 与原生 thinkingLevel 或 thinkingBudget 不可同时指定，即使设置等价也返回 400。仅包含 includeThoughts 时可与 effort 一起使用。
其他 OpenAI 兼容模型可以提交语法有效的 effort，但这不构成模型支持承诺。依赖特定值前，请先确认模型能力。
max_completion_tokens、max_output_tokens 及原生对应字段限制的是思考与最终答案共用的 token 总量。effort 不是输出 token 上限；请求仍可能耗尽预算（Chat Completions 返回 finish_reason: "length"），导致最终答案不完整或为空。
模型能力元数据
GET /v1/models 会为每个已声明能力的模型返回 capability_metadata，可以先读它再配置模型，不必猜测：
input列出支持的输入类型：text、image、video、audio、file。output列出输出类型。features说明是否支持stream、tools、vision、jsonMode，以及模型是否具备思考能力（thinking）。reasoning描述思考控制方式：mode（always-on、optional或none）、支持的efforts、省略 effort 时生效的defaultEffort，以及可关闭思考的模型的disableWith。limits给出contextWindow与maxOutputTokens。
reasoning.mode：always-on 表示无法关闭思考，optional 表示适用 disableWith，none 表示该模型没有思考模式。