End-to-End Encrypted
MODEL PROFILE模型资料TrustedRouter · 2026-06-01 发布 · 1 家平台收录
End-to-End Encrypted 是 TrustedRouter 推出的闭源文本生成模型,主打端到端加密取向与超长上下文,面向需要把大体量文档、图像与 PDF 一次性交给模型处理,同时对数据流转较为敏感的开发团队与企业用户。
模型介绍
End-to-End Encrypted 属于 TrustedRouter 的同门模型序列,与 Cheap、Fast、Synth、Synth Code、Zero Data Retention 并列,上下文窗口统一为 1000000 tokens,单次最大输出 131072 tokens。输入侧接受文本、图像与 PDF,输出侧只有文本。它要解决的核心问题是长文档与附件不能一次读完:把整份资料直接投喂,省掉切片、摘要、再拼接的中间工序。接口能力覆盖推理、工具调用、结构化输出、附件输入与温度调节,适合需要稳定字段回传的业务链路。权重不对外开源,官方价格未公开,本站未收录其第三方跑分,目前仅一家平台上架,因此选型时更多要依赖自身任务的实测结果而非外部评分。
选型建议需要在单次请求里处理超长文档与附件、并看重加密取向时值得实测;若要求公开跑分佐证、开源权重或多平台比价,则应另找方案。
关键指标
适用场景
- 把整份 PDF 报告一次性投喂,输出带小标题的结构化摘要
- 将合同正文与扫描件图像同时传入,抽取条款字段并回传 JSON
- 在长对话中挂载工具调用,用温度参数调节回答的稳定程度
- 对多份长文档做交叉比对,定位前后口径不一致的段落
- 把大批附件整理成统一字段表,供下游系统直接消费
暂无:知识截止、模型家族、许可证、参数规模、输入价、输出价、缓存读价、缓存写价(上游未公开,本站不估算)。 资料更新于 137 天前;发布 163 天。
规格与能力
上面没列到的字段官方未公开参数规模、网络结构与训练细节,架构层面的判断只能基于接口规格与部署形态。
- 结构官方未披露参数规模、层数与注意力实现,可确认的是闭源部署形态,权重不对外发布,调用统一走 TrustedRouter 接口。
- 能力单次可承载 1000000 tokens 上下文并输出最多 131072 tokens,输入接受文本、图像与 PDF,输出仅文本,适合整份资料直接投入。
- 披露技术报告、训练数据来源与评测方法均未公开,架构判断只能停留在接口规格,深入比较需等厂商补充材料。
- 开源权重
- 否
性能表现
本站未收录该模型的公开跑分,性能只能按上下文规格与能力清单做定性判断,不代表真实任务表现。
- 强项百万级上下文配合十几万 tokens 的输出上限,在长文档总结、跨文件比对这类任务上不必先切片,减少中途信息丢失。
- 短板缺少公开跑分与横向评测,实际推理质量无法量化验证;输出仅文本,图表、音频类结果需要另行加工。
- 适合合同、扫描件、PDF 报告等附件形态的资料一次读入并回传结构化结果,比短上下文模型少一道预处理工序。
价格与性价比
结合各平台报价与同类对比官方价格未公开,本站也没有可用的输入、输出单价,只能讨论计费结构与比价条件层面的取舍。
- 定位价格档位无从判断,选型前需要向厂商询价,再按同一批任务量做实测成本测算,避免只凭规格下结论。
- 横向对比同门的 Cheap、Fast、Synth、Synth Code、Zero Data Retention 价格同样未公开,价差无法计算,只能按命名暗示的取向先筛。
- 平台差价目前仅一家平台提供该模型,缺少跨平台比价空间,议价余地与备用渠道都相对有限。
- 省钱长上下文按 tokens 计费时,先粗筛再投喂全文通常更划算;附件解析质量差带来的重试也会明显抬高成本。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| Cheap | 1M | — | — | 基准 | — |
| Fast | 1M | — | — | 基准 | — |
| Synth | 1M | — | — | 基准 | — |
| Synth Code | 1M | — | — | 基准 | — |
| Zero Data Retention | 1M | — | — | 基准 | — |
取上下文相近(约 0.5~2 倍)的同类主流模型;同厂商、同家族优先;价格差为相对本模型的输入价
关于 End-to-End Encrypted 的常见问题
5 条End-to-End Encrypted 的 API 价格是多少?
当前资料未收录该模型的公开 API 价格:可能是未公开定价,或只提供自部署的开源权重。
End-to-End Encrypted 支持多长的上下文?
资料显示上下文窗口 1M(1,000,000 tokens),单次最大输出 131.1K。实际可用长度还取决于调用平台的限制。
End-to-End Encrypted 是开源模型吗?
End-to-End Encrypted 为闭源模型,只能通过官方 API 或官方授权的平台调用,无法自行下载权重。
End-to-End Encrypted 支持哪些能力?
按当前资料,End-to-End Encrypted 支持推理、工具调用、结构化输出、附件、温度调节。输入输出模态为 文本+图片+PDF → 文本。
End-to-End Encrypted 可以在哪些平台调用?
当前资料显示该模型被 1 家 provider 或网关收录。本站核对的数据来源包括 models.dev。收录数量只反映公开目录的部署面,不代表任何一家平台的服务质量。
使用注意
- 口径本站未收录公开跑分与第三方评测,任何性能结论都只能基于上下文长度、输出上限与能力清单,不能等同于实际表现。
- 边界单次输出上限 131072 tokens,超出需分段续写;输入支持图像与 PDF 但输出只有文本;权重不开源,无法私有化部署。
资料说明
本页资料由多个公开来源交叉整理:按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并, 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens,为各平台对 API 调用的报价,不含自部署成本。 资料由公开来源整理,不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理,部分未经本站逐项核实;规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理:按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并,冲突时取优先级高的来源;价格单位为美元 / 百万 tokens。