Synth Code

Synth Code 属于 TrustedRouter 的 Synth 家族，同门还有 Synth、Fast、Cheap、Zero Data Retention、End-to-End Encrypted 等并列型号，上下文规模均标注为 100 万 tokens，命名上各有侧重，Synth Code 的取向明显偏向代码与工程产出。它主要解决两类问题：一是超长材料的整体理解，规格书、仓库代码、日志与 PDF 文档可以一次性放进上下文，减少切分与拼接带来的信息丢失；二是把理解结果直接接到工程流程里，依靠工具调用与结构化输出，模型产出的内容能被下游程序直接消费。输入侧支持文本、图片与 PDF，意味着界面截图、设计稿、扫描文档也能作为上下文来源；输出侧仅提供文本，不承担图像或音频生成。温度可调，便于在确定性抽取与发散式生成之间切换。权重不公开，模型只通过厂商接口托管调用，目前仅有 1 家平台在架，价格未公开披露，第三方跑分暂无。对于需要私有化部署或需要独立基准对照的团队，这些是需要提前确认的前提。

选型建议需要超长上下文承载文档与代码、且能接受闭源托管与单一渠道供应时值得评估；要求私有部署、公开跑分对照或图文生成能力则应另选。

• 把整份产品规格书与设计稿截图一起输入，产出可执行的接口定义与字段结构
• 针对大体量代码仓库做跨文件审阅，定位调用关系与潜在冲突点并输出整改建议
• 借助工具调用搭建自动化流程，让模型读取 PDF 报表后写入内部系统
• 用结构化输出把长日志或合同条款抽取成固定字段，供下游程序直接消费
• 在长对话或长附件场景下调低温度，获得更稳定的复现式代码补全与改写结果

闭源托管形态，参数规模与网络结构未对外披露，可确认的是长上下文与多模态输入的产品设计取向。

• 结构官方未公开参数量、层数与训练细节，模型以托管接口形式提供服务，无法获取权重或本地部署，公开资料较少。
• 输入形态接收文本、图片与 PDF 三类输入，输出仅文本，适合把设计稿、规格书、扫描件转成代码或结构化字段。
• 能力接口具备推理、工具调用、结构化输出、附件输入与温度调节，便于嵌入 agent 流程与自动化流水线。
• 披露程度模型卡与训练数据说明未见公开，能力边界需以自有任务实测为准，不宜直接引用外部结论。

开源权重

否

长上下文与大输出上限是其设计重点，但缺少公开跑分，实际表现需靠自建评测验证。

• 强项100 万 tokens 上下文搭配 131072 tokens 单次输出，适合整仓代码审阅、多份文档交叉比对这类一次性吞吐大的任务。
• 强项工具调用与结构化输出同时具备，产出可直接被程序解析，减少人工转录与格式清洗的环节。
• 短板官方未公开任何跑分，第三方基准也未覆盖，代码正确率与长上下文衰减情况无法用外部数据判断。
• 短板输出仅限文本，遇到需要图像生成或界面渲染的环节必须外接其他模型或组件。
• 适合以文档理解加代码产出为主、能接受闭源托管与单一渠道供应的工程型团队。

官方价格未公开，同门型号的输入输出报价同样缺失，短期内无法做基于单价的价值判断。

• 定价状态输入与输出单价均未公布，只能按实际调用账单回推成本，预算需预留弹性。
• 横向对比同门 Cheap、Fast、Synth 等型号上下文同为 1M，但价格全部未公开，价差无从计算。
• 平台差价仅 1 家平台在架，缺少跨渠道比价空间，议价与容灾备份的余地有限。
• 省钱长上下文单次可容纳的材料更多，减少多轮重喂与切片调用，是当前更可控的成本优化方向。

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

• 口径本站未收录该模型的公开跑分，任何能力排序都缺少可核对的依据，选型应基于自有样本测试。
• 边界闭源不可自部署，输出仅文本，且只有 1 家平台在架，供应稳定性与合规要求需单独评估。

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。