/v1/chat/completions 和 /v1/agents/run 中使用的模型。
GET https://api.profy.cn/v1/models
认证
Bearer sk-pro-xxxx（API Key）请求示例
from profy import Profy
async with Profy(api_key="sk-pro-your-key") as client:
models = await client.models.list()
for m in models:
print(f"{m['id']}: {m['name']}")
caps = m.get("capabilities", {})
if caps.get("supportsVision"):
print(" 支持视觉")
if caps.get("supportsTools"):
print(" 支持工具调用")
import { Profy } from "@profy-ai/sdk";
const client = new Profy({ apiKey: "sk-pro-your-key" });
const models = await client.models.list();
for (const m of models) {
console.log(`${m.id}: ${m.name}`);
if (m.capabilities?.supportsVision) console.log(" 支持视觉");
if (m.capabilities?.supportsTools) console.log(" 支持工具调用");
}
curl https://api.profy.cn/v1/models \
-H "Authorization: Bearer sk-pro-your-key"
响应
{
"models": [
{
"id": "deepseek-v3",
"type": "model",
"name": "DeepSeek V3",
"capabilities": {
"omitTemperature": false,
"fixedTemperature": null,
"requiresReasoning": false,
"maxInputTokens": 65536,
"maxOutputTokens": 8192,
"supportsTools": true,
"supportsVision": false
}
},
{
"id": "claude-sonnet-4-20250514",
"type": "model",
"name": "Claude Sonnet 4",
"capabilities": {
"omitTemperature": false,
"fixedTemperature": null,
"requiresReasoning": false,
"maxInputTokens": 200000,
"maxOutputTokens": 16384,
"supportsTools": true,
"supportsVision": true
}
},
{
"id": "profy-financial-advisor",
"type": "expert",
"name": "金融理财顾问",
"description": "专业的金融分析与理财规划专家",
"created": 1752825600,
"owned_by": "creator-xxx"
}
]
}
模型对象
| 字段 | 类型 | 说明 |
|---|---|---|
id | string | 模型标识符，在 API 调用中使用此值 |
type | string | "model"（裸 LLM 模型）或 "expert"（袋袋专家，通过 profy-<identifier> 在 /v1/chat/completions 中使用） |
name | string | 模型显示名称 |
capabilities | object | 模型能力描述，仅 type: "model" 返回（见下表） |
description | string | 专家描述，仅 type: "expert" 返回 |
created | number | 创建时间戳（秒），仅 type: "expert" 返回 |
owned_by | string | 创作者标识，仅 type: "expert" 返回 |
Capabilities 字段
| 字段 | 类型 | 说明 |
|---|---|---|
omitTemperature | boolean | 是否应省略 temperature 参数 |
fixedTemperature | number | null | 固定 temperature 值。null 表示可自由设置 |
requiresReasoning | boolean | 是否为推理模型（会产生 thinking 输出） |
maxInputTokens | number | null | 最大输入 token 数 |
maxOutputTokens | number | null | 最大输出 token 数 |
supportsTools | boolean | 是否支持 Function Calling |
supportsVision | boolean | 是否支持图片理解 |
使用场景
按能力筛选模型
async with Profy(api_key="sk-pro-your-key") as client:
models = await client.models.list()
tool_models = [m for m in models if m["capabilities"]["supportsTools"]]
vision_models = [m for m in models if m["capabilities"]["supportsVision"]]
best_context = max(
models,
key=lambda m: m["capabilities"].get("maxInputTokens") or 0,
)
筛选专家模型
async with Profy(api_key="sk-pro-your-key") as client:
models = await client.models.list()
expert_models = [m for m in models if m.get("type") == "expert"]
for e in expert_models:
print(f"{e['id']}: {e['name']} — {e.get('description', '')}")
处理 temperature 差异
不同模型对 temperature 参数的支持不同。在调用前检查 capabilities 可以避免请求被拒绝：caps = model_map[target]["capabilities"]
params = {"model": target, "messages": messages}
if not caps["omitTemperature"]:
if caps["fixedTemperature"] is not None:
params["temperature"] = caps["fixedTemperature"]
else:
params["temperature"] = 0.7
resp = await client.chat.completions.create(**params)
平台可用的模型列表会不定期更新。建议你的应用在启动时或定期调用此端点以获取最新列表。
错误码
| HTTP 状态码 | 说明 |
|---|---|
401 | 认证失败 |
下一步
对话补全
使用模型进行对话补全
调用专家
调用专家 Agent