Esegui i flow di Flowise su qualsiasi modello del catalogo tramite un solo Base Path.

Risposta rapida: credenziale, Base Path, id del modello.

Nel canvas di Flowise, trascina un nodo ChatOpenAI dal pannello Chat Models, clicca su Connect Credential e crea una nuova credenziale OpenAI contenente la tua chiave APIsRouter. Poi apri Additional Parameters sul nodo e imposta Base Path su https://api.apisrouter.com/v1. Ogni chiamata fatta dal nodo ora va al gateway invece che agli host di OpenAI. Per il campo del modello: il nodo ChatOpenAI standard offre un menu a tendina di nomi di modelli OpenAI, quindi per gli id del gateway come claude-sonnet-4-6 o deepseek-v4-flash usa invece il nodo ChatOpenAI Custom, che accetta qualsiasi id di modello come testo libero. Questo è un pattern documentato di Flowise, descritto nella documentazione ufficiale esattamente per questa classe di endpoint compatibili OpenAI.

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

Come Flowise comunica con l'endpoint.

Flowise (FlowiseAI su GitHub, circa 55K stelle) è il builder visuale per app LLM: chatflow e agent flow assemblati da nodi su un canvas, che coprono chat model, pipeline RAG su archivi di documenti, agenti che usano strumenti, ed endpoint API richiamabili dai tuoi stessi prodotti. Ogni nodo LLM in un flow emette richieste standard chat-completions, e il Base Path decide dove atterrano quelle richieste. Poiché il gateway serve molti fornitori dietro un unico URL, una credenziale copre ogni modello del catalogo. Un chatflow RAG può eseguire la sintesi della risposta su claude-sonnet-4-6 mentre un ramo di classificazione nello stesso flow esegue deepseek-v4-flash, ciascuno configurato come proprio nodo con il proprio id di modello, entrambi fatturati tramite la stessa chiave. La documentazione descrive lo stesso meccanismo di Base Path per altri servizi compatibili OpenAI, quindi questo è uso standard di Flowise e non un workaround. Un avvertimento onesto: gli embedding sono un tipo di nodo separato. Se il tuo flow usa embedding OpenAI, configura il nodo OpenAI Embeddings Custom con lo stesso pattern di Base Path, e verifica prima l'id del modello di embedding contro il catalogo, poiché le superfici di chat ed embedding sono distinte.

Flowise self-hosted: note sul networking in Docker.

La maggior parte delle installazioni di Flowise gira in Docker, e il Base Path viene risolto dall'interno del container. Un URL di gateway pubblico come https://api.apisrouter.com/v1 funziona da qualsiasi luogo, quindi non si applica alcun networking speciale; questo avvertimento esiste perché gran parte della documentazione della community è stata scritta per server di inferenza locali, dove gli indirizzi host.docker.internal contano. Contro un gateway ospitato puoi ignorare l'intera categoria di consigli. La parte che conta operativamente: le credenziali in Flowise sono memorizzate lato server e condivise tra i flow, quindi una credenziale APIsRouter creata una volta è riutilizzabile da ogni nodo in ogni flow dell'istanza. Per i team, questo più l'utilizzo per chiave nella console del gateway dà una separazione pulita: una credenziale per ambiente o per progetto, e la console attribuisce token e spesa a ciascuna.

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

Scegliere i modelli per nodo.

I flow moltiplicano le chiamate al modello in modi che una singola chat non fa mai: una pipeline RAG con riscrittura delle query, valutazione del retrieval e sintesi della risposta può colpire l'LLM tre o più volte per messaggio utente. Mettere il modello di punta solo dove guadagna la sua tariffa, e un livello di volume ovunque altro, è una decisione da menu a tendina per nodo una volta impostato il Base Path.

• claude-sonnet-4-6 per il nodo conversazionale o agente principale, dove la qualità della risposta porta il flow.
• claude-haiku-4-5-20251001 per i rami ad alto volume: routing, tagging, riassunti brevi dentro flow più grandi.
• gpt-5.4-mini come scelta di volume della famiglia GPT per flow costruiti attorno al comportamento in stile OpenAI.
• gemini-3.5-flash dove un ramo ingerisce documenti lunghi o immagini a una tariffa di fascia media.
• deepseek-v4-flash per le chiamate di utilità a volume più alto, dove la tariffa per token è il vincolo di design.

Pagamento a consumo · sotto i prezzi ufficiali

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

Modalità di errore specifiche di Flowise.

L'ordine di debug in due comandi si applica qui come ovunque: prova prima l'endpoint con curl, l'elenco dei modelli e poi un completamento con l'id esatto, e solo dopo fai debug dentro Flowise. Questo separa i problemi di gateway dalla configurazione del canvas in meno di un minuto.

• Il menu a tendina dei modelli non elenca il tuo id: previsto sul nodo ChatOpenAI standard. Usa ChatOpenAI Custom, che accetta id di modello in testo libero.
• 401 dal nodo: la credenziale contiene la chiave sbagliata, oppure a questo nodo è collegata una credenziale diversa da quella che pensi. Le credenziali sono collegamenti per nodo, quindi controlla il nodo, non solo l'archivio delle credenziali.
• 404 su ogni chiamata: al Base Path manca /v1 oppure ha un segmento di percorso finale che non dovrebbe avere. Il nodo aggiunge i percorsi di route alla base che gli fornisci.
• Funziona in un flow, fallisce in un altro: ogni nodo porta la propria impostazione Base Path sotto Additional Parameters. Copiare un nodo la copia; costruire un nodo nuovo no.
• I nodi di embedding colpiscono ancora OpenAI: i nodi di chat e di embedding sono configurati indipendentemente. Imposta il Base Path anche sul nodo degli embeddings, oppure aspettati fatturazione mista.

Chi instrada Flowise tramite un gateway.

• Builder che consegnano chatbot ai clienti e vogliono la scelta del modello per flow senza un account fornitore per cliente.
• Team ad alta intensità di RAG le cui pipeline di retrieval moltiplicano le chiamate LLM per messaggio e hanno bisogno di livelli di volume sui passaggi di utilità.
• Agenzie che gestiscono un'istanza Flowise per molti progetti, usando una credenziale per chiave di progetto per un'attribuzione pulita dell'utilizzo per cliente.
• Sviluppatori che confrontano Claude, GPT e DeepSeek sullo stesso flow, dove ogni candidato è una modifica al campo del modello su un nodo duplicato.
• Self-hoster che vogliono l'intera istanza fatturata da un solo saldo prepagato invece che da diverse carte fornitore.

Domande frequenti