genmux API 现已全面开放。 查看文档 →
genmux API

给编程智能体用的 genmux

把你的编程智能体指向一个兼容 OpenAI 的接口，用同一把密钥在 Qwen3、Claude、GPT 和豆包之间挑选。对话接口支持 OpenAI 的函数调用——tools、tool_choice、流式 tool_calls——所以会改文件、跑命令的智能体无需改动即可工作，按百万 token 计费，价格见各模型页面。

获取 API 密钥打开控制台
终端 · Aider，三行搞定
export OPENAI_API_BASE=https://api.genmux.tech/v1
export OPENAI_API_KEY=nb_live_...
aider --model openai/qwen3.8-max
# smaller models: aider --model openai/qwen3.8-max --edit-format whole
已支持:OpenCodeAiderClineRoo CodeContinueClaude Code · Codex CLI — 即将支持

MCP 服务器：在 Claude、Cursor 和 OpenCode 里把图像生成当作工具

在 Claude Desktop、Claude Code、Cursor、OpenCode 或 Continue 里生成图片、查询余额、预估费用——本地用 npx -y @genmux/mcp，或使用 mcp.genmux.tech 的托管接入点。

配置 MCP 服务器 →

常见问题

哪些编程智能体能用 genmux？
任何能访问兼容 OpenAI 的 chat completions 接口的工具：上面已经配置并实测过 OpenCode、Aider、Cline、Roo Code 和 Continue，纯 OpenAI SDK 循环同样适用。Claude Code 和 Codex CLI 使用不同的 API（Anthropic Messages 和 OpenAI Responses），目前尚未提供——即将支持。
哪些模型支持工具调用？
GET /v1/models 中标记 tools: true 的文本模型——上方的实时表格列出当前这批，其中包括 qwen3.8-max 和 Doubao Seed 2 系列。向其他模型发送 tools 会返回 400 tools_unsupported，而不是悄悄丢掉工具。
工具调用是原生的还是模拟的？
由 genmux 模拟。上游网关会丢掉 tools 字段，所以本 API 把你的工具定义渲染进 system prompt，再把模型的回复解析回标准的 OpenAI tool_calls——流式下是增量解析。在你的客户端看来，它与 OpenAI 完全一样：同样的请求字段、同样的响应结构、finish_reason 为 tool_calls。
实际可靠性如何？
在我们的 20 任务智能体基准里，当前列出的模型得分在 18/20 到 20/20 之间——最近一次 Doubao Seed 2 Pro 为 19/20、Doubao Seed 2 Code 为 18/20。失败原因是模型忽略了强制的 tool_choice，或有一次写成了伪 XML，从来不是解析错误。我们每次发布前都会重跑，模型只有通过率高于 90% 才保留 tools 标记。
一次智能体会话要花多少钱？
按模型的输入和输出费率、以百万 token 计——上面的表格给出两者，实时取自目录。智能体每一步都会重发整段对话，所以输入侧是大头；渲染出来的工具定义每个工具约多 40 个 prompt token，再加 schema 的体积（OpenCode 那约 20 个工具，每次请求大概 1.5K token）。每次响应的 usage 里都有准确费用。
应该从哪个模型开始？
qwen3.8-max：能力强、支持工具调用，适合作为大多数智能体工作的默认模型。代码密集的会话换 Doubao Seed 2 Code，需要更强推理时可从上方表格里挑另一个模型。切换就是配置里的一个字段，密钥和余额都不变。
流式工具调用能用吗？
能。设 stream: true 后，工具调用会以 delta.tool_calls 分块到达——先是 id 和名称，然后是分片的参数——最后一个分块的 finish_reason 为 tool_calls，正是 OpenAI SDK 和各智能体拼装时期待的形状。带费用的 usage 分块照常跟在后面。
我的智能体发送 max_tokens: 32000 会怎样？
该值会被收敛到模型的 max_output_tokens，而不是被拒绝——多数智能体对所有模型都发一个很大的数。预留按 min(max_tokens, default_max_tokens) 个输出 token 计算（工具模型是 8192），最后按实际用量结算。
能拿到结构化 JSON 而不是工具调用吗？
可以。response_format 传 json_object 或 json_schema（{name, schema}）会指示模型，并对非流式回复按 schema（JSON Schema 2020-12）校验。校验失败会把错误反馈回去自动重试一次；第二次仍失败则返回 502 json_invalid，两次尝试都计费。流式响应不做校验，response_format 也不能与 tools 同时使用。
错误是 OpenAI 格式的吗？
对话路由上是：{"error": {"message", "type", "code", "param", "request_id"}}，type 使用 OpenAI 的取值（invalid_request_error、authentication_error、rate_limit_error、insufficient_quota、server_error 等），所以 SDK 和智能体内置的重试与退避逻辑，表现与对接 OpenAI 时一致。其他路由仍使用 RFC 7807 的 problem+json。
你们会存储我的智能体发送的代码吗？
不会。生成记录只保留最后一条用户消息的预览（最多 200 个字符）、一个哈希、消息条数、token 数和费用。工具定义、工具参数和工具返回结果从不存储，工具名称也不记录。
同一把密钥也能生成图片吗？
可以——整个目录共用一把密钥和一个余额。对话和工具调用走 /v1/chat/completions；图像走 /v1/generations，或者在助手内部通过 genmux MCP 服务器调用。