Запустите флоу Flowise на любой модели каталога через один Base Path.

Короткий ответ: credential, Base Path, id модели.

На канвасе Flowise перетащите узел ChatOpenAI из панели Chat Models, нажмите Connect Credential и создайте новый credential OpenAI, хранящий ваш ключ APIsRouter. Затем откройте Additional Parameters на узле и установите Base Path в https://api.apisrouter.com/v1. Теперь каждый вызов, который делает узел, идёт на шлюз вместо хостов OpenAI. Что касается поля модели: стандартный узел ChatOpenAI предлагает выпадающий список имён моделей OpenAI, так что для id шлюза вроде claude-sonnet-4-6 или deepseek-v4-flash используйте вместо этого узел ChatOpenAI Custom, который принимает любой id модели как свободный текст. Это задокументированный паттерн Flowise, описанный в официальной документации именно для этого класса OpenAI-совместимых эндпоинтов.

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

Как Flowise общается с эндпоинтом.

Flowise (FlowiseAI на GitHub, около 55K звёзд) — визуальный конструктор для LLM-приложений: chatflow и agent flow, собранные из узлов на канвасе, охватывающие чат-модели, RAG-пайплайны поверх хранилищ документов, агентов с использованием инструментов и API-эндпоинты, которые можно вызывать из ваших собственных продуктов. Каждый LLM-узел во флоу выпускает стандартные запросы chat-completions, и Base Path решает, куда эти запросы попадают. Поскольку шлюз обслуживает много вендоров за одним URL, один credential покрывает каждую модель в каталоге. RAG chatflow может проводить синтез ответа на claude-sonnet-4-6, пока ветка классификации в том же флоу работает на deepseek-v4-flash, каждая настроена как собственный узел со своим id модели, обе тарифицируются через один и тот же ключ. Документация описывает тот же механизм Base Path для других OpenAI-совместимых сервисов, так что это стандартное использование Flowise, а не обходной путь. Один честный нюанс: эмбеддинги — это отдельный тип узла. Если ваш флоу использует OpenAI embeddings, настройте узел OpenAI Embeddings Custom по тому же паттерну Base Path и сначала проверьте id embedding-модели по каталогу, так как поверхности чата и эмбеддинга различны.

Self-hosted Flowise: заметки о сетевом взаимодействии в Docker.

Большинство инсталляций Flowise работают в Docker, и Base Path резолвится изнутри контейнера. Публичный URL шлюза вроде https://api.apisrouter.com/v1 работает откуда угодно, так что никаких особых сетевых настроек не требуется; этот нюанс существует потому, что большая часть документации сообщества была написана для локальных inference-серверов, где важны адреса host.docker.internal. Против размещённого в облаке шлюза можно игнорировать весь этот класс советов. Часть, которая действительно важна операционно: credentials в Flowise хранятся на стороне сервера и разделяются между флоу, так что один созданный один раз credential APIsRouter можно переиспользовать в каждом узле каждого флоу на инстансе. Для команд это, вместе с использованием по ключу в консоли шлюза, даёт чистое разделение: один credential на окружение или на проект, а консоль атрибутирует токены и расходы каждому из них.

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

Выбор моделей по узлам.

Флоу умножают вызовы моделей так, как никогда не делает одиночный чат: RAG-пайплайн с переписыванием запроса, оценкой retrieval и синтезом ответа может обращаться к LLM три и более раз на одно сообщение пользователя. Размещение флагмана только там, где он отрабатывает свою ставку, а объёмного уровня — везде остальном, — это решение через выпадающий список по узлам, как только Base Path задан.

• claude-sonnet-4-6 для основного разговорного или агентского узла, где качество ответа несёт на себе весь флоу.
• claude-haiku-4-5-20251001 для высокообъёмных веток: маршрутизация, тегирование, короткие суммаризации внутри более крупных флоу.
• gpt-5.4-mini как объёмный выбор из семейства GPT для флоу, построенных вокруг поведения в стиле OpenAI.
• gemini-3.5-flash там, где ветка поглощает длинные документы или изображения по среднему тарифу.
• deepseek-v4-flash для самых объёмных служебных вызовов, где ставка за токен — это ограничение дизайна.

Оплата по факту · дешевле официальных цен

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

Сбои, специфичные именно для Flowise.

Порядок отладки в две команды применим здесь так же, как и везде: сначала докажите эндпоинт через curl — листинг моделей, затем один completion с точным id, — и только потом отлаживайте внутри Flowise. Это отделяет проблемы шлюза от настройки канваса меньше чем за минуту.

• Выпадающий список моделей не показывает ваш id: ожидаемо для стандартного узла ChatOpenAI. Используйте ChatOpenAI Custom, который принимает id моделей как свободный текст.
• 401 от узла: credential содержит неверный ключ, либо к этому узлу привязан не тот credential, который вы думаете. Credentials привязываются к узлу индивидуально, так что проверяйте узел, а не только хранилище credentials.
• 404 на каждом вызове: в Base Path отсутствует /v1 либо есть лишний хвостовой сегмент пути, которого быть не должно. Узел добавляет пути маршрута к base, который вы указали.
• Работает в одном флоу, падает в другом: каждый узел несёт собственную настройку Base Path в Additional Parameters. Копирование узла копирует и её; создание нового узла с нуля — нет.
• Узлы эмбеддингов всё ещё обращаются к OpenAI: узлы чата и эмбеддинга настраиваются независимо. Установите Base Path и на узле эмбеддингов тоже, либо ожидайте смешанного биллинга.

Кто направляет Flowise через шлюз.

• Разработчики, поставляющие клиентских чат-ботов, которым нужен выбор модели по флоу без аккаунта у вендора на каждого клиента.
• Команды с тяжёлым RAG, чьи пайплайны retrieval умножают вызовы LLM на сообщение и которым нужны объёмные уровни на служебных шагах.
• Агентства, ведущие один инстанс Flowise для многих проектов, используя один credential на ключ проекта для чистой атрибуции использования по клиенту.
• Разработчики, сравнивающие Claude, GPT и DeepSeek на одном и том же флоу, где каждый кандидат — это правка поля модели на продублированном узле.
• Self-hosters, которым нужно, чтобы весь инстанс тарифицировался с одного предоплаченного баланса вместо нескольких карт у вендоров.

Частые вопросы