Cline را روی هر مدل کاتالوگ از طریق OpenAI Compatible اجرا کنید.

پاسخ سریع: سه فیلد در تنظیمات Cline.

پنل Cline را در VS Code باز کنید و روی چرخ‌دنده تنظیمات کلیک کنید. در dropdown API Provider گزینه OpenAI Compatible را انتخاب کنید، سپس سه فیلد را پر کنید: Base URL یعنی https://api.apisrouter.com/v1، کلید خود در API Key، و id دقیق کاتالوگ در فیلد مدل، مثلاً claude-sonnet-4-6. چون Cline نمی‌تواند بداند یک endpoint دلخواه چه کاری از مدل برمی‌آید، provider گزینه‌های پیکربندی مدل را نمایش می‌دهد که باید صادقانه تنظیم کنید: اندازه context window، حداکثر token خروجی، و پرچم‌های قابلیت مثل پشتیبانی تصویر، به‌علاوه قیمت‌های اختیاری ورودی و خروجی تا نمایش هزینه خود Cline با واقعیت مطابقت داشته باشد. window و محدودیت‌ها را از مستندات مدل تنظیم کنید. ذخیره کنید، و agent وظیفه بعدی خود را از طریق gateway اجرا می‌کند؛ id در هر زمان بدون لمس workflow شما قابل‌تعویض است.

API Provider:  OpenAI Compatible
Base URL:      https://api.apisrouter.com/v1
API Key:       sk-YOUR-APISROUTER-KEY
Model:         claude-sonnet-4-6

Model config:  context window + max output tokens
               from the model's documentation,
               image support only if the id has it

Cline چطور از مدل پیکربندی‌شده استفاده می‌کند.

Cline (حدود ۶۵ هزار ستاره GitHub) agent خودمختار کدنویسی برای VS Code است: codebase شما را می‌خواند، فایل‌ها را ویرایش می‌کند، دستورات ترمینال را اجرا می‌کند، و روی شکست‌ها تکرار می‌کند، با gate های تأیید انسانی در مسیر. آن loop به یک شکل خاص مدل-محور است: context های بلند (درخت فایل، diff، خروجی ترمینال) ورودی، tool call و کد خروجی، بسیاری از turn ها به ازای هر وظیفه. provider OpenAI Compatible آن loop را به‌عنوان chat completions استاندارد به Base URL شما با id مدل به‌عنوان یک رشته ساده ارسال می‌کند. vendor برای فرمت سیم اهمیتی ندارد، که باعث می‌شود خرید مدل اینجا واقعی باشد: claude-sonnet-4-6، kimi-k2.7-code، و gpt-5.6-sol backend های قابل‌تعویض پشت همان سه فیلد هستند، به‌جای سه پیکربندی جدا provider با سه حساب vendor. پرچم‌های قابلیت مراقبت لازم دارند چون agent به آن‌ها وابسته است. Cline بر اساس آنچه اعلام می‌کنید برنامه‌ریزی می‌کند: فعال‌کردن پشتیبانی تصویر به آن اجازه می‌دهد اسکرین‌شات را به مدلی بفرستد که شاید آن‌ها را نپذیرد، و یک context window بیش‌ازحد‌بزرگ‌اعلام‌شده دعوت‌کننده شکست‌های context-truncated عمیق داخل وظایف بلند است. آنچه را مستندات مدل می‌گوید اعلام کنید، نه آنچه را امیدوارید.

Plan و Act: دو حالت، دو مدل.

Cline کار را به حالت Plan، جایی که codebase را کاوش و استراتژی‌سازی می‌کند بدون ویرایش، و حالت Act، جایی که اجرا می‌کند، تقسیم می‌کند. پیکربندی API از این تقسیم پیروی می‌کند: با فعال‌کردن گزینه use-different-models، تنظیمات تب‌های هر-حالت را نشان می‌دهد و هر حالت provider و مدل خودش را به‌خاطر می‌سپارد، و با toggle کردن شما به‌طور خودکار سوییچ می‌کند. اقتصاد این تقسیم نکته اصلی است. حالت Plan جایی است که استدلال عمیق سود می‌دهد: claude-opus-4-7 یا gpt-5.5 که codebase را می‌خواند و رویکرد را می‌نویسد. حالت Act بسیاری turn سریع فراخوانی ابزار است که یک پلن از قبل موجود را اجرا می‌کند، که دقیقاً پروفایل kimi-k2.7-code یا claude-sonnet-4-6 است. چون هر دو حالت از طریق همان کلید gateway صورت‌حساب می‌شوند، این جفت‌سازی یک انتخاب تنظیمات است نه یک پروژه چند-vendor. یک احتیاط صادقانه از issue tracker: انتخاب مدل هر-حالت با provider OpenAI Compatible مشخصاً لبه‌های ناهموار داشته، شامل گزارش‌هایی از استفاده مجدد بی‌صدای مدل Plan توسط حالت Act. بعد از پیکربندی تقسیم، یک وظیفه اجرا کنید و در header وظیفه تأیید کنید کدام مدل واقعاً هر حالت را سرویس داده، و usage log خود را چک کنید؛ تقسیم را فقط بعد از دیدن هر دو id تأیید‌شده در نظر بگیرید.

Plan mode:  claude-opus-4-7      (read, reason, strategize)
Act mode:   kimi-k2.7-code       (execute, edit, run, iterate)

verify: run one task, check which id served each mode,
then confirm both ids appear in the usage log

انتخاب مدل‌های کدنویسی برای loop agent.

loop های agent مصرف token را به شکل‌هایی ضرب می‌کنند که چت هرگز نمی‌کند؛ یک وظیفه Cline می‌تواند ده‌ها درخواست حامل context فایل باشد. این انتخاب مدل را قابل‌اندازه‌گیری می‌کند: همان کلاس وظیفه را روی دو id برای یک هفته اجرا کنید و هزینه هر-مدل را کنار تعداد دفعاتی که مجبور به مداخله شدید بخوانید.

• claude-sonnet-4-6 پاسخ پیش‌فرض برای کار حالت Act است: فراخوانی ابزار قابل‌اعتماد، diff های قوی، و قضاوت کافی برای بازیابی از دستورات شکست‌خورده.
• kimi-k2.7-code انتخاب حجمی برای session های agentic بلند است؛ تنظیم‌شده برای کد، سریع، و قیمت‌گذاری‌شده برای loop بسیار-turn ای که Cline واقعاً اجرا می‌کند.
• gpt-5.6-sol جایی برای ویرایش‌های scope-محدود سریع و اجرای test-fixing به‌دست می‌آورد، جایی که latency هر turn حس session را شکل می‌دهد.
• claude-opus-4-7 در حالت Plan روی وظایف سخت جای می‌گیرد: تغییرات معماری، refactor های چند-فایله، عیب‌یابی که کل تصویر را نیاز دارد.
• gpt-5.5 عمومی‌گرای قوی است برای A/B کردن در برابر Claude در حالت Plan روی codebase خودتان، نه روی benchmark ها.

پرداخت بر اساس مصرف · پایین‌تر از قیمت رسمی

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

حالت‌های شکست مختص Cline.

رفتار truncated یا فراموش‌کار عمیق داخل یک وظیفه اعلام context-window است: آن را روی window مستند مدل تنظیم کنید، و به‌خاطر داشته باشید Cline context فایل را به‌شدت بسته‌بندی می‌کند، پس یک window بیش‌ازحد‌بزرگ‌اعلام‌شده دقیقاً روی بزرگ‌ترین و آزاردهنده‌ترین وظایف شکست می‌خورد. عجیب‌وغریبی tool-call، edit های بدشکل، یا اینکه agent به‌جای عمل کردن روایت می‌کند معمولاً یعنی id انتخاب‌شده در function calling ضعیف است؛ برای جدا کردن مشکلات پیکربندی از انتخاب مدل قبل از مقصر دانستن راه‌اندازی به claude-sonnet-4-6 سوییچ کنید. خطاهای سخت تمیز نگاشت می‌شوند: احراز هویت فیلد کلید است؛ model-not-found غلط‌تایپی id در برابر فهرست /v1/models است؛ 404 روی هر درخواست یک Base URL بدون /v1 یا با /v1 دوبار است. provider مسیرهای route را به base ای که می‌دهید پیوست می‌کند. و احتیاط هر-حالت یک بار دیگر تکرار می‌شود، چون وقتی از دست برود پول واقعی هزینه دارد: اگر مدل‌های Plan و Act متفاوتی پیکربندی کردید، تأیید کنید هر دو id واقعاً حالت‌های خودشان را در یک وظیفه زنده سرویس می‌دهند. یک fallback بی‌صدا به مدل گران Plan برای هر turn Act همان چیزی است که usage log در روز اول می‌گیرد و صورت‌حساب کارت در پایان ماه.

چه کسانی Cline را از طریق یک gateway مسیردهی می‌کنند.

• توسعه‌دهندگانی که می‌خواهند Claude agent خود را بدون رابطه صورت‌حساب Anthropic هدایت کند، روی یک موجودی پیش‌پرداخت بدون کارت برای شروع.
• خریداران مدل که مدل‌های کدنویسی را روی وظایف واقعی در codebase واقعی خود مقایسه می‌کنند، جایی که هر کاندید یک ویرایش فیلد مدل است.
• کاربران سنگین Cline که یک مدل گران Plan را با یک مدل سریع Act جفت می‌کنند تا session های بلند بدون از‌دست‌دادن کیفیت برنامه‌ریزی مقرون‌به‌صرفه بمانند.
• تیم‌هایی که هزینه agent را به ازای هر توسعه‌دهنده یا هر پروژه با usage هر-کلید اندازه‌گیری می‌کنند، به‌جای حدس‌زدن از یک صورت‌حساب vendor مشترک.
• توسعه‌دهندگانی که از قبل ابزارهای ترمینال و ویرایشگر را از طریق یک gateway مسیردهی می‌کنند و می‌خواهند agent VS Code را روی همان کلید و لاگ داشته باشند.

endpoint را تأیید کنید و وظیفه اول را عیب‌یابی کنید.

فهرست مدل‌ها و یک chat completion را اول curl کنید، با همان id دقیقی که قصد پیکربندی آن را دارید. موفقیت هر دو یعنی نیمه gateway انجام شده و هر علامت باقی‌مانده در تنظیمات provider است. سپس یک وظیفه واقعی کوچک به Cline بدهید، یک فایل، هدف روشن، و turn های اول را تماشا کنید. tool call های تمیز و edit های معقول یعنی id و پرچم‌های قابلیت جور هستند. خطاها به سه فیلد نگاشت می‌شوند؛ رفتار عجیب agent به انتخاب مدل یا قابلیت‌های اعلام‌شده نگاشت می‌شود. اگر مدل‌های هر-حالت را فعال کرده‌اید، این وظیفه اول اجرای تأیید شما برای تقسیم هم هست. وقتی وظایف جریان یابند، کنسول APIsRouter مدل، شمارش token، و هزینه به ازای هر درخواست را نشان می‌دهد. یک loop agent token-محورترین راه استفاده از یک مدل است، و نمای usage هر-کلید جایی است که یک هفته Cline به یک عدد مشخص تبدیل می‌شود، به ازای هر مدل، هر روز، هر حالت اگر کلیدها را تفکیک کنید.

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $APISROUTER_API_KEY" | head -50

curl -s https://api.apisrouter.com/v1/chat/completions \
  -H "Authorization: Bearer $APISROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k2.7-code",
       "messages":[{"role":"user","content":"ping"}]}'

پرسش‌های پرتکرار