一个账号多模型
注册一个 DMXAPI 账号即可调用国内外超过 100 个大模型，不用逐个去各家厂商开发后台单独注册、单独管理密钥。
价格官网未标价
平台API
归类API 与算力
收录2025-01-01
复核2025-01-01
编辑评分
4.3 / 5
★★★★☆
DMXAPI编辑总结
DMXAPI 是一个大模型 API 聚合平台，用户只用一个账号就能调用 DeepSeek、通义千问、混元、文心、GLM、KIMI、OpenAI、Anthropic、Google、xAI、Meta 等国内外超过 100 个大模型，不用逐个去各厂商开发后台注册。接入方式是把 Key 和 Base URL 改一下即可开始使用，官方宣传 3 秒完成配置、无需验证。平台还加入 LangChain 中国社区，超过 10000 名开发者一起交流。短板是聚合平台的稳定性依赖上游厂商，且具体并发额度和计费细则官网未公开说明，重负载上线前需自行确认。
DMXAPI是什么？
DMXAPI 是一个大模型 API 聚合平台，主打「一个账号打通所有大模型」。表示，开发者不用再一个个注册中国各家大模型厂商的开发后台，注册 DMXAPI 一个账号就能调用国内外超过 100 个大模型。
接入方式很简单：把代码里的 Key 和 Base URL 换成 DMXAPI 提供的地址即可，官方宣传无需验证、3 秒完成配置。推荐了 2025 年主流大模型清单，覆盖 DeepSeek（deepseek-r1、deepseek-v3）、腾讯混元（hunyuan-t1-20250321）、阿里通义（qwen-max-latest）、字节豆包（Doubao-1.5-pro-32k）、百度文心（ERNIE-4.0-8K）、智谱 GLM（glm-4）、月之暗面 KIMI（moonshot-v1-32k）、OpenAI（gpt-4o、gpt-4o-mini）、Anthropic（claude-3-7-sonnet-20250219）、Google（gemini-2.5-pro-exp-03-25）、马斯克 xAI（grok-3-beta）以及 Meta 的开源模型（meta-llama/Meta-Llama-3.1-8B-Instruct）。
不同角色用法不同：普通开发者适合用它快速横评多个模型、挑选最合适的 prompt；团队可以把它当作统一入口，省去维护多套厂商账号和密钥的成本；做 RAG 知识库、合同分析等场景的用户，可以在多家模型之间串起来用，针对不同任务挑选更合适的模型。
DMXAPI核心功能
改 Key 和地址接入
接入方式是把代码里的 Key 和 Base URL 换成 DMXAPI 提供的地址，官方宣传无需验证、3 秒完成配置，已有的 OpenAI 风格代码基本不用大改。
2025 主流模型清单
列出 2025 年推荐的主流大模型，覆盖 DeepSeek、混元、通义、豆包、文心、GLM、KIMI、OpenAI、Anthropic、Google、xAI、Meta 等国内外厂商的代表模型。
多语言代码示例
提供 Python 示例，含普通 Post 文本对话、OpenAI 官方库用法、流式输出、Json 固定格式输出、embedding、LangChain 调用、o1-preview 用法等。
图像与多模态调用
示例覆盖豆包即梦 seedream-3.0、gpt-image-1、flux 系列绘图模型，以及 gpt、claude、gemini 的多模态网络图片解析和 gpt-4o 本地图片解析。
LangChain 社区
加入 LangChain 中国社区，社区有超过 10000 名开发者一起成长，遇到接入问题可以在社区里交流，官网也给出 LangChain 使用示例。
API 速度指标科普
科普了大模型 API 的常见速度衡量标准，包括 RPM、RPD、IPM、TPM、TPD 以及响应时间，方便用户对照不同厂商的额度口径。
DMXAPI值不值得用？
当你想快速横评多个大模型、又不想为每家厂商各注册一个后台时，DMXAPI 值得一试，一个账号就能调遍 DeepSeek、通义、混元、KIMI、OpenAI、Anthropic、Gemini、Grok 等超过 100 个模型，接入只需要改 Key 和 Base URL。当作小规模开发、Prompt 调试、RAG 知识库的调用入口比较合适。 但如果你的业务对并发额度、计费明细和上游稳定性要求很高，官网未公开具体额度和计费细则，上线前需要先和官方确认清楚。
建议选它的情况
- 需要在 DeepSeek、通义、混元、KIMI、GPT、Claude、Gemini 等多个模型之间横向对比 Prompt
- 做 RAG 知识库、需要按任务挑选不同模型的开发者
- 希望用一个账号维护多家模型密钥、简化开发流程的小团队
不建议选它的情况
- 对并发额度、计费细则有明确合规要求、需要先看合同再上线的企业
- 只固定使用某一家厂商模型、且与该厂商已有直连账号的用户
DMXAPI使用建议
入门先把路子走对
- 先改 Key 和地址把代码里原有的 Key 换成 DMXAPI 提供的 Key，Base URL 改成 DMXAPI 的地址即可开始调用，无需验证、3 秒完成接入。
- 从示例代码起步「models.html」页有普通 Post 对话、OpenAI 官方库、流式输出、Json 固定输出、embedding、LangChain 等多份 Python 示例，先复制一份跑通再改。
- 先小规模试两个模型官网把体验 2 个模型称为青铜、6 个称为黄金、10 个称为王者，可以顺着这个梯度先试两三款，熟悉多模型切换的手感。
进阶省时间也省钱
- 按任务挑模型站长建议：做 RAG 知识库国内模型完全胜任，做合同分析等任务还需要提升；迭代 Prompt 前先多换几个模型试试，比在一个模型上死磕更高效。
- 多模型串联使用提到可以直接把几个模型串起来用，因为某些 Prompt 在特定模型上更容易被理解，按环节分工组合往往效果更好。
- 对着速度口径比额度科普了 RPM、RPD、IPM、TPM、TPD 和响应时间的定义，选模型或对比额度时按这几个口径对齐，避免被不同厂商的说法混淆。
DMXAPI适合谁用？
独立开发者与创业者
推荐一个人要横评多个模型又没有精力逐个去各家官网注册后台，用一个 DMXAPI 账号即可覆盖国内外超过 100 个模型，接入只改 Key 和 Base URL。
RAG 知识库开发者
推荐站长表示国内模型做 RAG 知识库完全胜任，可以在 DeepSeek、通义、混元等之间切换，按检索环节的效果挑最合适的那个。
LangChain 使用者
推荐给了一份 LangChain 使用示例，并称已加入 LangChain 中国社区、社区超过 10000 名开发者，遇到接入问题可以在社区里问。
合同分析等重任务
有条件站长明确说做合同分析这类任务国内模型还需要提升，更好的是 gpt-4.1、Gemini 2.5 等，选型前要先对齐自己的任务难度。
需要明确合规与计费明细的企业
有条件未公开具体并发额度、计费细则与合规说明，涉及企业采购或大规模上线前需要先和官方确认清楚。
DMXAPI优点和缺点
优点
- 一个账号可调国内外超过 100 个大模型，省去逐个厂商注册后台
- 接入只需改 Key 和 Base URL，无需验证、3 秒完成
- 覆盖 DeepSeek、通义、混元、豆包、文心、GLM、KIMI 等国内主流模型
- 同时提供 OpenAI、Anthropic、Google、xAI、Meta 等海外模型入口
- 给出普通对话、流式输出、Json 输出、embedding、LangChain、多模态等 Python 示例
缺点
- 未公开具体计费档位与并发额度，重负载上线前需要先确认
- 聚合平台的调用稳定性依赖上游各家厂商，上游波动会直接影响体验
DMXAPI常见问题
DMXAPI 支持哪些大模型？＋
覆盖国内外超过 100 个大模型。推荐清单里包括 DeepSeek 的 deepseek-r1 与 deepseek-v3、腾讯混元 hunyuan-t1-20250321、阿里 qwen-max-latest、字节 Doubao-1.5-pro-32k、百度 ERNIE-4.0-8K、智谱 glm-4、KIMI moonshot-v1-32k，以及 OpenAI 的 gpt-4o、gpt-4o-mini、Anthropic 的 claude-3-7-sonnet-20250219、Google 的 gemini-2.5-pro-exp-03-25、xAI 的 grok-3-beta 和 Meta 的 Llama 3.1 8B。
接入麻烦吗？需要改很多代码吗？＋
官网的说法是「Just modify Key and Base URL」，也就是把 Key 和 Base URL 改掉即可开始调用，No verification required, 3 seconds to complete。已有 OpenAI 风格调用代码的开发者基本不用重构，官网上也给了普通 Post 文本对话和 OpenAI 官方库两种示例可直接复制。
有没有多模态和画图模型的调用示例？＋
有。示例 6 是豆包即梦 seedream-3.0、gpt-image-1 与 flux 系列绘图模型的调用；示例 7-1 是 gpt、claude、gemini 的多模态网络图片解析，示例 7-2 是 gpt-4o 的多模态本地图片解析；示例 8 还演示了 gpt-4o 的函数调用。
国内模型和海外模型差距大吗，该怎么选？＋
官网站长康康的观点是：国内大模型能力差距很小，大尺寸模型基本可以平替 GPT 3.5，但和 gpt-4.1、Gemini 2.5 差距还是挺明显的。做 RAG 知识库国内模型完全胜任，做合同分析等任务还需要提升。建议迭代 Prompt 前先多换几个模型试试，比在一个模型上死磕更有效。
有没有开发者社区可以交流？＋
有的。表示已加入 LangChain 中国社区，社区超过 10000 名开发者一起成长，并称 90 后、00 后 LLM 开发者都在这里。示例 5 也给了一份 LangChain 使用例子，测试成功时间标注为 2024-11-25。
