Rode apps do FastGPT em uma base URL personalizada compatível com OpenAI.

Resposta rápida: um channel na página Model Providers.

Desde a v4.8.23, o FastGPT vem com sua própria camada de agregação de modelos (AI Proxy) e uma UI de configuração de modelo, então um endpoint personalizado não requer mais um deployment separado de OneAPI ou edições manuais de config.json. Abra Account, depois Model Providers, mude para a aba Model Channels, e clique em Add Channel. Defina o tipo de protocolo como OpenAI, nomeie o channel, coloque https://api.apisrouter.com/v1 no campo de endereço de proxy (a base url, não o caminho completo da requisição), cole sua chave, e selecione ou digite os ids de modelo que o channel deve servir. De volta na aba de modelos, ative os ids que você adicionou e rode o teste de conectividade nativo. A partir daí, todo app, base de conhecimento, e nó de workflow do FastGPT pode selecionar esses modelos. A documentação é bilíngue e os rótulos mudam entre releases (doc.fastgpt.io é a entrada em inglês), então trate o fluxo, channel, protocolo, base URL, chave, modelos, como a parte estável em vez da grafia exata.

Channel Name:   APIsRouter
Protocol Type:  OpenAI
Proxy URL:      https://api.apisrouter.com/v1
API Key:        sk-YOUR-APISROUTER-KEY
Models:         claude-sonnet-4-6, deepseek-v4-flash,
                glm-5.2, qwen3.7-plus, kimi-k2.6

then: enable the models + run the connection test

Como o FastGPT roteia o tráfego de modelo.

O FastGPT (labring no GitHub, cerca de 29 mil estrelas) é uma plataforma de base de conhecimento e workflow de origem chinesa: datasets com extração de QA e busca vetorial, orquestração visual Flow, e apps publicados com compartilhamento e acesso via API. Tudo isso se resolve para modelos registrados na camada de configuração. Um channel é uma regra de roteamento: esses ids de modelo, essa base url, essa chave. As requisições saem do FastGPT como chat completions padrão com o id do modelo como uma string simples, o que é por isso que um gateway multi-fornecedor se encaixa como um único channel. A camada de channel também carrega recursos operacionais que você teria que construir sozinho de outra forma: um modelo pode viver em vários channels para balanceamento de carga, e o mapeamento de modelo deixa o FastGPT expor um nome enquanto envia ao fornecedor uma string de id diferente. Para auto-hospedeiros em versões mais antigas, a conexão direta ainda existe: o par de ambiente clássico do FastGPT aponta a plataforma para qualquer base compatível com OpenAI, OPENAI_BASE_URL e CHAT_API_KEY no ambiente do docker-compose, com modelos declarados em config.json sob llmModels. Funciona, mas o caminho da UI é para onde o projeto se moveu, e novos deployments devem começar por ali.

O ângulo da Ásia: um saldo para os dois mundos de modelo.

A base de usuários do FastGPT é fortemente de língua chinesa, e seu deployment típico mistura modelos regionais com ocidentais: GLM ou Qwen para bases de conhecimento chinesas, DeepSeek para volume, Claude ou GPT onde o polimento da resposta é o produto. Servido diretamente, essa mistura significa contas na Zhipu, Alibaba, DeepSeek, Anthropic, e OpenAI, cada uma com seu próprio faturamento, algumas difíceis de pagar de um lado do mundo ou do outro. Através de um channel, a mistura é apenas mais uma lista de modelos: glm-5.2, qwen3.7-plus, kimi-k2.6, deepseek-v4-flash, e claude-haiku-4-5-20251001 lado a lado, um saldo pré-pago, sem exigência de cartão, ids direto do catálogo. Times na Ásia ganham Claude e GPT sem um cartão ocidental; times ocidentais ganham os modelos chineses sem cadastros regionais. A mesma base de conhecimento pode responder perguntas em chinês na GLM e perguntas em inglês na Claude, roteadas por app. Se você rodar a conexão de ambiente legada em vez disso, o mesmo endpoint se encaixa diretamente; a convenção da base url inclui o sufixo /v1, e o FastGPT anexa caminhos de rota como /chat/completions a ele.

# docker-compose environment, pre-AI-Proxy versions
OPENAI_BASE_URL=https://api.apisrouter.com/v1
CHAT_API_KEY=sk-YOUR-APISROUTER-KEY
# models declared in config.json under llmModels

Escolhendo modelos para bases de conhecimento e fluxos.

Como todo id habilitado fatura por uma chave, comparar modelos é uma mudança de configuração de nó. Fixe dois candidatos em duas cópias do mesmo app, rode uma semana de perguntas reais, e leia a divisão por modelo no console da APIsRouter ao lado do seu próprio julgamento da qualidade das respostas.

• QA de dataset e geração de resposta sobre trechos recuperados é trabalho de volume: deepseek-v4-flash e glm-5.2 mantêm o custo por pergunta estável em corpora bilíngues.
• qwen3.7-plus e kimi-k2.6 são as escolhas regionais que valem a pena testar quando as respostas precisam soar naturais em chinês; a qualidade de geração varia entre modelos chineses mais do que a recuperação.
• claude-haiku-4-5-20251001 é o nível ocidental rápido para deployments multilíngues; suba para claude-sonnet-4-6 nos apps específicos onde a qualidade de síntese é o produto.
• Nós de workflow disparam por execução, então um fluxo de cinco nós multiplica o que quer que id esteja em cada nó; coloque ids rápidos em nós de classificação e roteamento, e gaste no nó de resposta.
• Modelos de índice e extração são configurados separadamente dos chat models; confirme que o endpoint serve qualquer id de embedding que você vincular antes de reconstruir um índice em torno dele.

Pague pelo uso · abaixo do preço oficial

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

Modos de falha específicos do FastGPT.

A convenção da base url tropeça pessoas vindas de outras ferramentas: o FastGPT espera a base com sufixo /v1 no campo de proxy e anexa /chat/completions sozinho, enquanto seu formulário de modelo personalizado (um recurso diferente, para modelos avulsos que ignoram channels) quer a URL de requisição completa incluindo /v1/chat/completions. Saiba em qual campo você está antes de colar. Um modelo que existe no channel mas não é selecionável em apps significa que foi adicionado ao channel mas não habilitado no lado de modelos da configuração; as duas listas são separadas, e o teste de conectividade só comprova o channel. Tutoriais antigos são o maior risco. Anos de guias do FastGPT assumem um sidecar OneAPI e edições em config.json; em versões atuais, a UI Model Providers substitui os dois, e misturar as duas abordagens (conexão de ambiente mais channels) faz as requisições rotearem para algum lugar que você não está olhando. Escolha uma camada e a configure completamente. Erros de model-not-found são o problema usual de texto livre: o id no channel precisa corresponder exatamente à grafia de /v1/models do gateway, incluindo sufixos de versão. Copie, não digite.

Quem roteia o FastGPT por um gateway.

• Times bilíngues misturando GLM, Qwen, Kimi, e DeepSeek com ids Claude e GPT em um deployment, um saldo, um log de uso.
• Times na Ásia que querem modelos ocidentais de ponta em um saldo pré-pago sem cartão ocidental, e times ocidentais que querem modelos chineses sem faturamento regional.
• Auto-hospedeiros substituindo um sidecar OneAPI: o gateway serve a parte multi-fornecedor, os channels nativos do FastGPT servem a parte de roteamento.
• Agências rodando bases de conhecimento de clientes no FastGPT, medindo cada cliente com sua própria chave para que o gasto de modelo se reporte sozinho por projeto.
• Criadores comparando modelos de resposta em corpora fixos, onde cada candidato é uma entrada de channel em vez de uma conta de fornecedor.

Verifique o endpoint e depure a primeira pergunta.

Faça curl na listagem de modelos primeiro e copie ids da saída para o channel; depois rode uma chat completion contra o id que você planeja tornar padrão. Se os dois passam, a metade do gateway está comprovada. Dentro do FastGPT, use o teste de conectividade do channel, depois faça uma pergunta em um app mínimo antes de envolver datasets. Erros de autenticação apontam para a chave do channel; not-found para a grafia do id; erros de conexão para a URL de proxy ou egresso do container, já que é o servidor do FastGPT, não seu navegador, que precisa alcançar o endpoint. Se um app de dataset falha onde um app de chat simples funciona, o problema está nas próprias vinculações de modelo do dataset, não no channel. Assim que as perguntas fluem, o console da APIsRouter mostra modelo, contagens de token e gasto por requisição. Tráfego de base de conhecimento é feito de muitas requisições pequenas e pesadas em entrada, e a visão de uso por chave é onde o perfil de custo real de um deployment aparece, por modelo, por dia, ids chineses e ocidentais em uma página.

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":"glm-5.2",
       "messages":[{"role":"user","content":"ping"}]}'

Perguntas frequentes