Patakbuhin ang mga Flowise flow sa anumang model ng katalogo gamit ang isang Base Path.

Mabilisang sagot: credential, Base Path, model id.

Sa Flowise canvas, i-drag ang isang ChatOpenAI node mula sa Chat Models panel, i-click ang Connect Credential, at gumawa ng bagong OpenAI credential na may hawak na key mo sa APIsRouter. Pagkatapos, buksan ang Additional Parameters sa node at itakda ang Base Path sa https://api.apisrouter.com/v1. Bawat tawag na ginagawa ngayon ng node ay pupunta sa gateway sa halip na sa mga host ng OpenAI. Para sa model field: nag-aalok ang standard na ChatOpenAI node ng dropdown ng mga pangalan ng model ng OpenAI, kaya para sa mga gateway id tulad ng claude-sonnet-4-6 o deepseek-v4-flash, gamitin sa halip ang ChatOpenAI Custom node, na tumatanggap ng anumang model id bilang free text. Naka-document na pattern ito ng Flowise, inilarawan sa opisyal na docs para eksakto sa uri ng OpenAI-compatible endpoint na ito.

Connect Credential:  new OpenAI credential
                     API Key: sk-YOUR-APISROUTER-KEY

Model Name:          claude-sonnet-4-6

Additional Parameters:
  Base Path:         https://api.apisrouter.com/v1

Paano nakikipag-usap ang Flowise sa endpoint.

Ang Flowise (FlowiseAI sa GitHub, humigit-kumulang 55K stars) ang visual builder para sa mga LLM app: mga chatflow at agent flow na binuo mula sa mga node sa isang canvas, sumasaklaw sa chat models, RAG pipelines sa ibabaw ng document stores, tool-using agents, at mga API endpoint na maaari mong tawagan mula sa sarili mong mga produkto. Bawat LLM node sa isang flow ay naglalabas ng standard chat-completions requests, at ang Base Path ang nagdedesisyon kung saan tutungo ang mga request na iyon. Dahil naglilingkod ang gateway sa maraming vendor sa likod ng isang URL, sinasakop ng isang credential ang bawat model sa katalogo. Maaaring patakbuhin ng isang RAG chatflow ang answer synthesis nito sa claude-sonnet-4-6 habang tumatakbo ang isang classification branch sa parehong flow gamit ang deepseek-v4-flash, bawat isa na-configure bilang sariling node na may sariling model id, pareho bini-bill sa parehong key. Inilalarawan ng docs ang parehong Base Path mechanism para sa iba pang OpenAI-compatible na serbisyo, kaya standard na paggamit ito ng Flowise sa halip na isang workaround. Isang tapat na caveat: hiwalay na node type ang embeddings. Kung gumagamit ang flow mo ng OpenAI embeddings, i-configure ang OpenAI Embeddings Custom node gamit ang parehong Base Path pattern, at kumpirmahin muna ang embedding model id laban sa katalogo, dahil magkaiba ang chat at embedding surfaces.

Self-hosted na Flowise: mga tala sa Docker networking.

Karamihan sa mga install ng Flowise ay tumatakbo sa Docker, at ni-resolve ang Base Path mula sa loob ng container. Gumagana ang isang public na gateway URL tulad ng https://api.apisrouter.com/v1 mula saan man, kaya walang espesyal na networking ang naaangkop; umiiral ang caveat na ito dahil marami sa community documentation ay isinulat para sa mga local inference server, kung saan mahalaga ang mga address na host.docker.internal. Laban sa isang hosted na gateway, maaari mong balewalain ang buong klase ng payo na iyon. Ang bahaging talagang mahalaga sa operasyon: naka-store ang mga credential sa Flowise sa server side at shared sa mga flow, kaya ang isang APIsRouter credential na ginawa nang isang beses ay muling nagagamit ng bawat node sa bawat flow sa instance. Para sa mga team, kasama ang per-key usage sa gateway console, nagbibigay ito ng malinis na paghahati: isang credential per environment o per project, at ini-attribute ng console ang tokens at gastos sa bawat isa.

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $APISROUTER_API_KEY" | head -30

Pagpili ng mga model per node.

Pinaparami ng mga flow ang model calls sa paraang hindi kailanman ginagawa ng iisang chat: ang isang RAG pipeline na may query rewriting, retrieval grading, at answer synthesis ay maaaring tamaan ang LLM nang tatlo o higit pang beses per mensahe ng user. Ang paglalagay ng flagship model lamang kung saan ito karapat-dapat sa rate nito, at isang volume tier sa lahat ng iba pa, ay isang per-node dropdown na desisyon kapag naitakda na ang Base Path.

• claude-sonnet-4-6 para sa pangunahing conversational o agent node, kung saan ang kalidad ng sagot ang nagdadala sa flow.
• claude-haiku-4-5-20251001 para sa mga high-volume branch: routing, tagging, maiikling summary sa loob ng mas malalaking flow.
• gpt-5.4-mini bilang volume pick ng GPT family para sa mga flow na binuo sa paligid ng OpenAI-style na behavior.
• gemini-3.5-flash kung saan naglalagay ang isang branch ng mahahabang dokumento o mga imahe sa mid-tier na rate.
• deepseek-v4-flash para sa pinakamataas na volume na utility calls, kung saan ang per-token rate ang design constraint.

Pay-as-you-go · mas mababa sa opisyal na presyo

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

Mga failure mode na specific sa Flowise.

Naaangkop dito ang two-command debug order tulad ng lahat: patunayan muna ang endpoint gamit ang curl, models listing pagkatapos ang isang completion gamit ang eksaktong id, at doon lamang mag-debug sa loob ng Flowise. Hinihiwalay nito ang mga problema sa gateway mula sa configuration ng canvas sa loob ng isang minuto.

• Hindi nakalista ang id mo sa model dropdown: inaasahan sa standard na ChatOpenAI node. Gamitin ang ChatOpenAI Custom, na tumatanggap ng free-text na model ids.
• 401 mula sa node: mali ang key na hawak ng credential, o ibang credential ang naka-attach sa node na ito sa iniisip mo. Per-node attachments ang mga credential, kaya suriin ang node, hindi lamang ang credential store.
• 404 sa bawat tawag: kulang ang /v1 sa Base Path o may trailing path segment na hindi dapat naroon. Ini-append ng node ang mga route path sa base na ibinigay mo.
• Gumagana sa isang flow, nabibigo sa iba: bawat node ay may sariling Base Path setting sa ilalim ng Additional Parameters. Kinokopya ng pagkopya ng isang node ito; hindi kinokopya ng paggawa ng bagong node.
• Tumatama pa rin sa OpenAI ang mga embedding node: hiwalay na na-configure ang chat at embedding nodes. Itakda rin ang Base Path sa embeddings node, o asahan ang mixed na billing.

Sino ang nagru-route ng Flowise sa pamamagitan ng isang gateway.

• Mga builder na nagpapadala ng mga client chatbot na gustong pumili ng model per flow nang walang vendor account per client.
• Mga team na mabigat sa RAG na ang retrieval pipelines ay pinaparami ang LLM calls per mensahe at nangangailangan ng volume tiers sa mga utility step.
• Mga ahensiyang nagpapatakbo ng isang Flowise instance para sa maraming project, gamit ang isang credential per project key para sa malinis na per-client na usage attribution.
• Mga developer na naghahambing ng Claude, GPT, at DeepSeek sa parehong flow, kung saan ang bawat kandidato ay isang pag-edit ng model field sa isang duplicated na node.
• Mga self-hoster na gustong bilhin ang buong instance mula sa isang prepaid na balance sa halip na maraming vendor card.

Mga madalas itanong