用量与计费

LLM API 供应商 2026:四种类型与选择方法

ROIBest AI

2026 年说的「LLM API 供应商」到底指什么

搜 LLM API providers(大模型 API 供应商),常见的榜单会把 OpenAI 和 Groq、AWS Bedrock 和 OpenRouter 放在同一张表里,好像它们是同一类公司。其实不是。凡是卖给你一个 HTTP 接口、返回模型输出的都算供应商,但接口背后有四种不同的商业模式:你跟谁签合同、数据经过哪里、模型下线时会发生什么,都随之不同。

本文把 LLM API 供应商分成这四类,说明每类擅长什么、坑在哪里,最后给一份上线前要逐条核对的清单。本文刻意不按价格排名:价目表变化太快,而且标价只是账单里五个变量之一,比价请看 LLM API 价格对比。

LLM API 供应商的四种类型

类型

例子

你拿到的是

主要取舍

模型厂商(一手)

OpenAI、Anthropic、Google Gemini API、Mistral、xAI、DeepSeek

厂商自家模型,新模型通常最先上

一个模型家族一个供应商,各自的 SDK 细节、限额和条款都不同

云 AI 平台

AWS Bedrock、Google Vertex AI、Microsoft Azure AI Foundry

在你现有云账号里调用多家模型,沿用云账单、IAM 和区域

新模型和新功能可能晚于厂商自家 API;每朵云接口各不相同

开源权重推理托管

Groq、Together AI、Fireworks AI、DeepInfra

托管的开源权重模型(Llama、Qwen、DeepSeek、Mistral 等),常针对速度或成本优化

同名模型在不同托管方表现可能不同(量化、上下文长度、工具调用支持)

聚合与路由

OpenRouter、自建或托管的 LLM 网关

一个 key、一个端点,背后接上面多家供应商

多一跳、数据链路上多一方;上游的限额照样继承

同一个模型可能出现在好几行里。比如 Claude 模型既能直连 Anthropic,也能走云平台或路由。所以选供应商,往往是在选合同、数据链路和运维方式,而不只是选模型。

模型厂商:要最新模型和完整功能,就直连

一手 API 通常是新模型、新参数、新工具最先上线的地方。如果产品依赖某项具体能力,例如厂商的提示缓存、批处理 API 或结构化输出模式,厂商自家 API 就是标准实现。

代价是碎片化:每家都有自己的请求格式、错误码、限额档位和计费后台。不少厂商提供了 OpenAI 风格的兼容入口来降低迁移成本。Google 为 Gemini 提供了 OpenAI 兼容 端点;DeepSeek 的 API 文档 写明其格式兼容 OpenAI 和 Anthropic SDK。但要看清细则:Anthropic 的 OpenAI SDK 兼容 页面说明,这一兼容层主要用于测试和对比模型能力,对大多数场景不算长期或可用于生产的方案。兼容只保证请求能发出去,不保证每项功能都能对上。依赖之前,先读一下 OpenAI 兼容 API 能保证什么、不能保证什么。

适合直连的情况:

  • 需要第一时间用上某个模型或功能;
  • 一个模型家族就覆盖了大部分流量;
  • 希望直接适用厂商自己的数据使用与留存条款,而不是转售方的条款。

云 AI 平台:采购和合规说了算时,走自己的云

AWS Bedrock、Google Vertex AI 和 Azure AI Foundry 把多家厂商的模型放进你现有的云账号。吸引人的通常不是模型本身,而是:用量记在财务本来就在付的云账单上,权限用现有 IAM 管,区域可按数据驻留要求选择。

取舍在接口形态和上线时间。每朵云有自己的接口,例如 Bedrock 的 Converse API;模型可用性也因区域而异。部分厂商功能和新模型版本可能比厂商自家端点晚到,所以要在云控制台查具体模型页,不要默认两边一致。

适合走云平台的情况:

  • 真正的瓶颈是企业采购、既有云承诺或合规评审;
  • 需要按区域部署或私有网络;
  • 希望一个供应商关系覆盖多家模型厂商。

开源权重推理托管:要速度、价格和模型选择,看这一类

Groq、Together AI、Fireworks AI、DeepInfra 等在自有基础设施上运行开源权重模型,多数提供 OpenAI 风格端点;例如 Groq 说明其 API 与 OpenAI 客户端库 「大体兼容」。优势在吞吐、部分硬件上的低延迟,以及不用自己跑 GPU 就能用到大量开源模型。

风险在于以为模型名相同就处处一样。两家托管方提供的「同一个」开源模型,量化方式、最大上下文、工具调用支持和默认采样参数都可能不同。迁移生产流量前,用你自己的评测集对准确切的托管方和模型 ID 跑一遍,并实测真正重要的三个延迟指标,不要只信基准测试图表。

聚合与路由:一个 key 接多家供应商

OpenRouter 这类路由用一个 API、一份账单接上游多家供应商;其 快速上手文档 介绍可通过单一端点访问数百个模型,并自动处理回退。网关(托管或 开源)在你自己的技术栈里做类似的事:路由、密钥、配额、日志和故障切换。两种方式的对比见 LLM 网关 vs OpenRouter。

聚合不会消除的东西:

  • 上游限额。 上游限流或下线某个模型,路由变不出容量。
  • 数据链路。 你的提示会多经过一家公司,除了上游条款,也要看它的日志与留存条款。
  • 功能差异。 请求被统一格式时,供应商特有的参数可能被丢弃或转换。

如果还在犹豫要不要加这一层,可以看 LLM API 网关:做什么、什么时候需要 和 大模型 API 聚合平台 两篇。

怎么选 LLM API 供应商:七项核对清单

以下各项都要对准你打算上线的具体供应商和模型 ID 核对,而不是对品牌泛泛而论。

  1. 模型可用性。 你测过的那个模型和版本,在这家供应商、你需要的区域、你需要的上下文长度下是否都可用?
  2. 接口格式。 原生 SDK、OpenAI 兼容,还是云专属接口?列出你用到的功能(流式、工具调用、JSON 或结构化输出、图片、缓存、批处理),逐项确认在该端点可用。
  3. 限额与档位。 按你的消费水平,每分钟请求数和每分钟 token 数上限是多少?怎么升档?上线时被限流,本质是供应商选择问题。
  4. 数据使用与留存。 API 数据是否默认用于训练?提示和输出日志保留多久?走路由或云平台时,中间方和上游的条款都要看。
  5. 看总成本,不看标价。 用你自己的提示比较分词差异、输出长度、缓存折扣和重试;方法见 价格对比。
  6. 可靠性与回退。 看状态页历史,想好供应商返回 429 或 5xx 时怎么办。为同一模型准备第二家供应商,或用带故障切换的网关,比一次事故便宜。
  7. 密钥与计费运维。 谁持有 key、怎么轮换、怎么按团队或项目封顶花费?参见 API Key 轮换最佳实践。

几种行得通的组合

  • 单一厂商直连。 一个模型家族、小团队、要第一时间用新功能。等限流或故障真的造成影响,再加第二家。
  • 生产走云平台,实验走厂商 API。 治理和计费走云,团队在厂商 API 上做原型,以便尽早用到新功能。
  • 网关接两三家供应商。 一个内部端点,按团队分 key 和配额,同一模型家族在供应商之间故障切换,日志集中一处。多个团队都在上线大模型功能后,通常会走到这一步。

常见问题

主要的 LLM API 供应商有哪些?

分四类:卖自家模型的厂商(OpenAI、Anthropic、Google、Mistral、xAI、DeepSeek),转售多家模型的云平台(AWS Bedrock、Google Vertex AI、Azure AI Foundry),开源权重推理托管(Groq、Together AI、Fireworks AI、DeepInfra),以及架在它们前面的路由或网关(OpenRouter、自建网关)。

直连厂商 API 好,还是走云平台好?

需要最先用上新模型和新功能,就直连厂商;采购、数据驻留、IAM 或既有云承诺是决定因素,就走云平台。很多团队两者并用。

OpenAI 兼容的供应商能直接替换吗?

基础的对话补全通常可以:改 base URL、key 和模型名即可。工具调用、结构化输出、缓存等进阶功能的行为可能不同,用到的每项功能都要实测。

哪家 LLM API 供应商最便宜?

没有稳定答案,取决于模型、提示与输出长度、缓存和重试。用你真实流量的样本比较,而不是只比每百万 token 的公开标价。

应该同时用多家 LLM API 供应商吗?

大模型功能一旦面向客户,通常应该。第二家供应商或带故障切换的网关,能挡住限流、区域故障和模型下线。先从一家开始,等你能说清第二家要防的是哪种故障时再加。

总结

「LLM API 供应商」其实是四个不同的市场。先选类型:要最新模型找厂商,要治理找云平台,要速度和选择找开源权重托管,要一个端点接多家就用路由或网关。然后对准你要上线的确切模型 ID 跑完七项核对,并在下单前到供应商官网复核价格和限额。