Saltar para o conteúdo principal

​
2026

​
17 jul

Novos modelos
  • Adicionado kimi-k3: Kimi K3 e o modelo aberto de contexto longo de classe 3T da Moonshot AI, com 2,8T parametros, janela de contexto de 1M tokens e suporte nativo a entrada visual. E indicado para programacao de longo horizonte, trabalho de conhecimento, raciocinio complexo e compreensao multimodal. Consulte o guia prático do Kimi K3 (exemplos das três APIs e matriz de suporte).
  • Adicionado hy-3d-3.1: modelo Tencent Hunyuan 3D Professional para texto-para-3D, imagem-para-3D e geracao 3D multivisao. E indicado para assets de jogos, apresentacoes de ecommerce, impressao 3D e design de produtos; a versao 3.1 melhora geometria e texturas e suporta entrada de oito vistas.
API de geracao 3D disponivel
  • Adicionada a API assincrona /v1/3d/generations, inicialmente conectada ao Tencent TokenHub Hunyuan 3D. Ela permite enviar tarefas e consultar resultados, facilitando integrar geracao de assets 3D em fluxos automatizados.
Compatibilidade com ferramentas dinamicas do Kimi K3
  • Ferramentas carregadas dinamicamente no nivel da mensagem em requisicoes Kimi K3 agora sao preservadas e encaminhadas, evitando erros 400 upstream causados por declaracoes de ferramentas perdidas. Clientes que usam dynamic tool loading do Kimi devem ter melhor compatibilidade.
Erros de conversao de requisicao mais claros
  • A compatibilidade melhorou para custom tools de Chat Completions, blocos de texto Cohere e requisicoes com assistant.content: null. Requisicoes validas chegam ao upstream de forma mais estavel; entradas malformadas ou nao suportadas retornam erros estruturados em vez de serem reportadas como sucessos HTTP 200 vazios.
Cobranca Seedream atualizada
  • A geracao de imagens doubao-seedream-5-0-pro agora suporta cobranca por faixa de pixels de saida e quantidade de imagens de entrada, fazendo com que requisicoes texto-para-imagem e imagem-para-imagem sejam cobradas mais perto das especificacoes reais.

​
15 jul

Compatibilidade aprimorada para chamadas de ferramentas no Gemini
  • Ao chamar Gemini ou Vertex pela API compativel com OpenAI, solicitacoes cujas definicoes de ferramentas ou schemas de saida estruturada contem valores enum de string vazia nao falham mais com erro 400 de validacao upstream. Os fluxos de chamadas de ferramentas e JSON Schema ficaram mais confiaveis.

​
14 jul

Novos modelos de audio
  • Adicionado gpt-audio-1.5, o primeiro modelo de audio da OpenAI geralmente disponivel. Ele aceita entradas e saidas de audio e pode ser usado pela API REST Chat Completions, para conversas por voz, compreensao de audio e geracao de audio.
  • Adicionado gpt-4o-transcribe-diarize, um modelo ASR com diarizacao de falantes integrada que associa segmentos de audio a diferentes falantes em uma conversa. Este modelo esta disponivel apenas na API de Transcription.
Pagina de apresentacao do LLM Router no ar

​
13 jul

Respostas de erro da API mais consistentes
  • Quando /v1/responses e chamado com um modelo desconhecido, agora retorna HTTP 400 no_available_channel, alinhado aos outros pontos de entrada da API. Assim os clientes podem tratar o caso como “sem servico disponivel” em vez de receber 500.
Falhas de validacao retornam mais cedo
  • Se a conversao do corpo da requisicao ou a validacao de parametros falhar, a API retorna diretamente o 400/erro correspondente em vez de encaminhar a requisicao original ao servico upstream, reduzindo chamadas invalidas e falhas confusas.
Cache mais estavel para Claude Code
  • Chamadas do Claude Code para Claude via Bedrock agora tem acertos de prompt cache mais estaveis dentro da mesma sessao, ajudando a diminuir custo de cache write duplicado e latencia do primeiro token.
Gemini multivolta e cache mais precisos
  • Requisicoes Gemini agora permanecem no mesmo servico somente quando a resposta realmente contem assinaturas de pensamento ou atividade de cache. Isso reduz divergencias de assinatura ou estado de cache em multivolta, enquanto tarefas sem estado como geracao de imagem nao ficam presas desnecessariamente.

​
10 de julho

Novos modelos
  • Adicionados os três modelos da série GPT-5.6: gpt-5.6-sol, gpt-5.6-terra e gpt-5.6-luna (lançamento oficial da OpenAI em 2026-07-09). Os três níveis têm janela de contexto de 1.050.000 tokens, saída máxima de 128K e corte de conhecimento em 2026-02-16, aceitam entrada de texto e imagem e podem ser chamados via Chat Completions, Responses e a interface Messages compatível com Claude. Sol é o nível flagship para trabalho profissional complexo, descrito pela OpenAI como seu melhor modelo de código atual; Terra tem desempenho equivalente ao GPT-5.5 pela metade do preço; Luna é voltado a cenários sensíveis a custo.
Documentação de cache de prompts do GPT disponível
  • Nova documentação Cache de Prompt do GPT: a partir da série GPT-5.6, a escrita de cache é cobrada a 1.25x o preço de entrada, a leitura a 0.1x e o cache é mantido por no mínimo 30 minutos; a página cobre os parâmetros prompt_cache_key e pontos de quebra de cache explícitos, a lógica de cobrança, exemplos de interface e solução de problemas de acerto. As seções sobre o cache da OpenAI em Cache de prompts e Cache de Prompt do Claude foram atualizadas com o mesmo critério.
Compatibilidade de thinking para Claude Fable/Mythos
  • Requisições para Claude Fable e Mythos com reasoning_effort agora usam adaptive thinking, reduzindo erros 400 do upstream nessas famílias de modelos sem exigir mudanças no cliente.
Suporte a stop sequences em Claude e Gemini
  • Configurações stop compatíveis com OpenAI agora são mapeadas para requisições nativas Claude e Gemini. Stops em branco inválidos para Claude são filtrados, e os limites de OpenAI/Gemini são tratados por provedor para tornar a parada da geração mais consistente.
Compatibilidade de limite de tokens para gpt-chat-latest
  • gpt-chat-latest e futuros aliases latest de GPT/ChatGPT agora preservam max_completion_tokens quando exigido pelo upstream, reduzindo erros 400 causados pelo campo antigo max_tokens.
Mensagem mais clara para limite de Key esgotado
  • Quando o limite de uso de uma Key se esgota, a API agora retorna uma orientação mais clara para ajustar e reativar o limite da Key, em vez de apenas um erro de quota de baixo nível.
Formato de resposta de tool calls alinhado ao OpenAI
  • Respostas chat não streaming com tool_calls e sem texto agora retornam explicitamente content: null, melhorando a compatibilidade com SDKs e parsers no estilo OpenAI.

​
9 de julho

Reparo de saída estruturada: correção automática de erros de formato no JSON
  • Adicionada a capacidade de Reparo de saída estruturada em nível de Key, desativada por padrão. Uma vez ativada, para requisições não-streaming que declaram saída JSON estruturada, quando o JSON retornado pelo modelo apresenta erros de formato como truncamento, vírgulas finais ou empacotamento em bloco de código, o gateway o repara automaticamente para um JSON válido e analisável antes de retornar, mantendo os valores intactos e sem exigir alterações no cliente. Suporte aos quatro protocolos Chat Completions, Responses, Claude e Gemini; quando ocorre reparo, a resposta traz o cabeçalho X-JSON-Repaired: true.
Documentação de cache de prompts do Claude: limites mínimos de tokens por modelo completados
  • Atualizada a documentação Cache de Prompt do Claude e Cache de prompts com os limites mínimos de tokens que podem ser armazenados em cache por modelo (512 / 1.024 / 2.048 / 4.096), adicionando modelos atuais como Claude Opus 4.8, Opus 4.7 e Fable 5. O limite não é proporcional à versão do modelo; um prefixo abaixo do limite não é armazenado em cache mesmo com cache_control.
Dashboard de uso alinhado aos dados de liquidacao
  • A agregacao do dashboard de uso agora fica mais proxima dos registros de liquidacao dos request logs, reduzindo perdas em agregacoes concorrentes e alinhando o bucket horario usado em reprocessamentos atrasados. Numeros historicos do dashboard ainda podem ter pequenas diferencas; para conciliacao e liquidacao, os request logs continuam sendo a fonte da verdade.
Novo modelo
  • Adicionado grok-4.5, um modelo para programacao, tarefas agenticas e trabalho de conhecimento, com raciocinio configuravel, chamadas de ferramentas e janela de contexto de 500K. E indicado para correcao de codigo, tarefas complexas de engenharia, perguntas de conhecimento e fluxos de agentes.

​
8 de julho

Chamadas com tools em gpt-5.5+ passam automaticamente por Responses
  • Ao usar o endpoint compativel com OpenAI /v1/chat/completions com gpt-5.5 ou modelos mais recentes, requisicoes que incluem tools e reasoning_effort agora usam automaticamente capacidades de Responses. Isso reduz erros 400 do upstream para essa combinacao de parametros sem exigir migracao do cliente para /v1/responses. Veja: Responses API

​
7 de julho

Compatibilidade de saida estruturada entre protocolos
  • response_format compativel com OpenAI e output_config.format nativo do Claude agora sao adaptados nos caminhos relevantes. Clientes que alternam entre protocolos no estilo OpenAI e Claude podem preservar restricoes de saida estruturada com mais confiabilidade. Veja: Structured Output.
Chamadas /v1/messages mais estaveis no Vertex AI
  • Ao chamar Gemini e outros modelos que nao sao Claude pelo Vertex AI, requisicoes /v1/messages agora sao roteadas por familia de modelo, reduzindo falhas not found ou 404 causadas por caminhos especificos do Claude.

​
6 de julho

Endpoints nativos do Gemini concluidos
  • Ao usar o SDK @google/genai pela entrada Gemini da AIHubMix, agora ha suporte a workflows nativos de embeddings, interactions create e context caching. Essas rotas antes podiam retornar erros de rota nao registrada ou 404; agora servem para gerar embeddings, fazer chamadas interativas e criar/ler/atualizar/excluir caches. Saiba mais: Integracao com SDK nativo do Gemini
Expansao da cobranca por faixas para modelos de contexto longo
  • Modelos de contexto longo como hy3-preview, ERNIE, Grok e Mimo agora suportam cobranca por faixas com base no comprimento do contexto. O calculo de tarifas e mais preciso.
Metricas de streaming do Vertex AI corrigidas
  • Requisicoes streaming do Vertex AI Gemini/Claude agora registram dados mais precisos de primeiro token e latencia. Logs e monitoramento ficam mais confiaveis; isso nao altera as respostas do modelo.
Novo modelo
  • Adicionado tencent-hy3, um modelo de geracao de texto (Tencent Hunyuan Hy3, versao oficial). Arquitetura MoE com 295B de parametros totais / 21B de parametros ativos e janela de contexto de 256K. Suporta modos de inferencia combinados rapido e lento, adequado para raciocinio complexo, geracao de codigo e workflows de agentes. Codigo aberto sob a licenca Apache 2.0.

​
3 de julho

Jina Search/Reader agora aceita POST e upload de arquivos
  • Jina Search e Reader agora aceitam requisições POST. O Reader pode receber arquivos locais via upload multipart, incluindo PDF, Word, Excel, PPT, HTML e imagens. As respostas padrão ficam mais próximas do markdown nativo da Jina; clientes que precisam de JSON podem enviar explicitamente Accept: application/json.
Chamadas de serviços do tipo Azure via Responses mais estáveis
  • Corrigido um problema em que chamadas /v1/responses encaminhadas para serviços do tipo Azure não GPT podiam falhar com 404 porque o api-version ficava vazio, reduzindo falhas diretas nesse tipo de requisição.
Correção de truncamento em streaming
  • Corrigido um caso em que alguns upstreams do tipo vLLM/Azure Foundry podiam truncar respostas streaming aleatoriamente. Os usuários devem receber respostas completas, sinais de término e informações de uso com mais confiabilidade.
Novo modelo: Command A Plus 05-2026
  • Adicionado command-a-plus-05-2026, um modelo de geracao de texto para chat, criacao de conteudo e fluxos de agentes.

​
1 de julho

APIs de busca Jina e leitura de páginas web disponíveis
  • Foram adicionadas as capacidades Jina Search e Reader. Agora você pode usar sua API Key da AIHubMix para obter resultados de busca da Jina e ler conteúdo de páginas web, ideal para pesquisa web externa, leitura de documentos e fluxos de trabalho com ferramentas de agentes. Saiba mais: Jina AI
Veo 3.1 imagem para vídeo agora suporta quadros inicial/final e imagens de referência
  • O Veo 3.1 imagem para vídeo agora aceita quadro inicial, quadro final e imagens de referência, permitindo controlar com mais precisão as cenas de início/fim, referências de personagem e referências de estilo em fluxos avançados de geração de vídeo. Saiba mais: Geração de vídeo
Melhor estabilidade nas tentativas multicanal do Gemini
  • Melhoramos a compatibilidade das requisições Gemini durante tentativas entre canais, reduzindo certos erros 400 em cenários de fallback e aumentando a taxa de sucesso de chamadas com failover multicanal. Saiba mais: Guias Gemini
Campos de resposta compatíveis com OpenAI alinhados
  • Respostas compatíveis com OpenAI, tanto sem streaming quanto com streaming, agora preservam valores null em campos como logprobs, refusal e finish_reason, reduzindo diferenças para SDKs, agentes e analisadores de logs que esperam o formato padrão da OpenAI.
Mais privacidade e compatibilidade para Claude Code
  • Melhoramos a compatibilidade das requisições quando o Claude Code chama modelos Claude pela AIHubMix, reduzindo informações do ambiente do cliente enviadas ao upstream e reforçando a proteção de privacidade para clientes Agent de terceiros.
Login, cadastro e perfil aprimorados
  • O sistema próprio de contas agora cobre login/cadastro por código de e-mail, definição de senha, edição de perfil, vinculação/desvinculação de contas de terceiros e exclusão de conta, com isolamento mais forte do propósito do OTP e bloqueio de contas desativadas. Callbacks de recarga via Stripe também são tratados com mais confiabilidade.
Novos modelos
  • claude-sonnet-5 para chat, raciocínio e fluxos com agentes.
  • gemma-4-31b e longcat-2.0 para geração de texto.
  • gemini-3.1-flash-lite-image para fluxos com capacidades de imagem.
  • mai-image-2.5 e mai-image-2.5-flash para geração de imagens.

​
29 de junho

Melhorias na cobrança e compatibilidade de parâmetros de geração de imagens
  • A cobrança de gpt-image-2 nos endpoints Images agora é unificada por tokens. A geração de imagens GLM transmite parâmetros estendidos como watermark_enabled e quality, permitindo que controles de marca d’água e qualidade sejam aplicados quando suportados pelo upstream. Saiba mais: Geração de imagens
Logs mais limpos para upload de arquivos Gemini
  • Falhas no upload de arquivos Gemini não criam mais logs normais visíveis ao usuário, reduzindo ruído de endpoints que não são de inferência na página de logs, enquanto os logs internos de diagnóstico continuam preservados.

​
27 de junho

Novos modelos Deep Research
  • Adicionados o4-mini-deep-research e o3-deep-research, disponíveis somente pelo endpoint /v1/responses. As requisições devem incluir web_search_preview ou mcp tools, sendo indicadas para pesquisa web aprofundada e respostas em estilo research.

​
25 de junho

Protocolo Responses agora compatível com qualquer modelo
  • O endpoint /v1/responses não está mais limitado à série GPT e agora pode chamar qualquer modelo da plataforma. Assim, ferramentas baseadas no protocolo Responses (como o Codex CLI) podem usar modelos como GLM, Gemini, DeepSeek, Kimi, Qwen etc. por meio de um catálogo de modelos local, sem ficar mais limitadas aos modelos próprios da OpenAI.
Correção da saída Responses do Step 3.7 Flash
  • Corrigido um problema em que step-3.7-flash podia retornar conteúdo em branco ou resposta vazia via /v1/responses; o conteúdo de raciocínio e as respostas finais agora retornam corretamente.
Codex CLI agora com suporte a modelos personalizados
  • A documentação do Codex CLI traz um novo tutorial “Usar modelos personalizados no Codex”: declare qualquer modelo da AIHubMix (GLM, Gemini, DeepSeek, Kimi, Qwen etc.) por meio de um catálogo de modelos local (model_catalog_json) e alterne livremente a partir da lista /model do Codex, sem ficar mais limitado aos modelos próprios da OpenAI. A documentação inclui um script de comando único para gerar um catálogo com os 30 primeiros modelos e as armadilhas mais comuns. Saiba mais: Codex CLI · Usar modelos personalizados no Codex

​
24 de junho

Domínio de backup agora suportado
  • Adicionado o domínio de backup https://api.inferera.com, com endpoints e capacidades idênticos ao domínio principal https://aihubmix.com. Quando o domínio principal estiver inacessível (por exemplo, falhas de conexão ou tempos limite), substitua a URL da requisição pelo domínio de backup; a API Key, o modelo, o corpo da requisição e os demais parâmetros permanecem inalterados.

​
23 de junho

Novos modelos
  • Doubao doubao-seed-2-1-pro, doubao-seed-2-1-turbo.
  • Série de vídeo HappyHorse happyhorse-1.1-t2v (texto para vídeo), happyhorse-1.1-r2v (geração por referência), happyhorse-1.1-i2v (imagem para vídeo).
Experiência de checkout Stripe aprimorada
  • O checkout Stripe agora preenche automaticamente o e-mail da conta e reduz a coleta desnecessária de nome e endereço de cobrança, tornando recargas com métodos como Alipay mais simples.
Limite para contas com saldo negativo
  • Quando o saldo da conta estiver abaixo de -$1, modelos gratuitos não poderão mais ser chamados até que a conta seja recarregada.

​
22 de junho

Nova documentação do AIHubMix CLI
  • Nova documentação do AIHubMix CLI: um único binário sem dependências (não requer Python / Node / Go) para consultar o saldo da conta, gerenciar chaves API e ver os modelos disponíveis diretamente no terminal, com saída amigável para scripts e agentes de IA (como Claude Code).
LLM Router (roteamento inteligente de modelos)
  • Defina model como auto e o gateway analisa sua requisição para escolher o melhor modelo entre centenas, com políticas de custo / qualidade / latência, cobrado pelo modelo realmente usado, sem alterar o código do cliente. Saiba mais: LLM Router (roteamento inteligente de modelos)
Correção da taxa de acerto de cache do DeepSeek
  • Corrigido um problema em que a taxa de acerto de cache de deepseek-v4-pro e deepseek-v4-flash ficava abaixo do esperado.
AIHubMix Skill (extensão para assistentes de programação de IA)
  • Capacidade de extensão local para agentes de IA que suportam Skills, como Codex, Claude Code, Cursor e Cline: em linguagem natural, conclua a integração com a AIHubMix, consulte modelos, escolha por capacidade, gere exemplos e solucione erros. A Skill lê informações em tempo real — modelos, preços, contratos de protocolo etc. — diretamente das interfaces oficiais sob demanda, evitando que o agente dependa de memória desatualizada. Saiba mais: Skills

​
17 de junho

Novos modelos de vídeo Kling (可灵)
  • Integração de todas as capacidades de geração de vídeo do Kling: texto para vídeo, imagem para vídeo, referência de múltiplas imagens e geração multimodal omni, com chamadas pelo protocolo nativo conforme o nome do modelo.

​
16 de junho

Problema do plugin de integração do OpenClaw corrigido
  • O plugin de integração do OpenClaw da AIHubMix aihubmix-auth corrigiu seus problemas de integração anteriores e agora é estável. Basta instalá-lo e inserir uma chave AIHubMix para chamar simultaneamente os modelos OpenAI / Anthropic / Gemini no OpenClaw.
Novos modelos
  • Zhipu glm-5.2.

​
15 de junho

Novo suporte à integração com o Open Design
  • A AIHubMix já é um gateway BYOK com suporte nativo no Open Design (a alternativa open source e local-first ao Claude Design). No modo API (BYOK), basta selecionar a AIHubMix e inserir uma única Key para impulsionar simultaneamente a geração de chat / imagens / vídeos / voz, com cada modelo seguindo o protocolo nativo do respectivo fornecedor conforme o nome do modelo. Saiba mais: Tutorial de integração com o Open Design
O Zhipu GLM 5.2 suporta níveis de intensidade de raciocínio
  • O glm-5.2 do canal nativo da Zhipu suporta o ajuste da profundidade de raciocínio por níveis via reasoning_effort; as versões antigas do modelo são roteadas automaticamente por versão, sem necessidade de alterações pelo chamador.
Novos modelos
  • kimi-k2.7-code-highspeed (versão de código de alta velocidade do Kimi).

​
13 de junho

Novos modelos
  • coding-glm-5.2 e a versão gratuita coding-glm-5.2-free.

​
12 de junho

Mapeamento de modelos e fallback em caso de erro
  • Novo: Model Mapping e Fallback em caso de erro: Configure o mapeamento de nomes de modelo e o fallback em caso de erro por API Key no console — reescreva o alias de modelo do cliente para o modelo upstream real, alterne automaticamente para um modelo de backup quando o modelo principal falhar e cobre pelo modelo que responde por fim, sem alterar o código do cliente. Consulte: Model Mapping e Fallback
Novos modelos
  • kimi-k2.7-code.

​
11 de junho

step-3.7-flash com 90% de desconto por tempo limitado
  • Promoção por tempo limitado do step-3.7-flash com 90% de desconto: apenas 0,022 USD por milhão de tokens de entrada e 0,132 USD por milhão de tokens de saída. Experimente!
Descontinuação de modelos e roteamento automático
  • Os modelos claude-opus-4-20250514 e claude-sonnet-4-20250514 serão descontinuados oficialmente em 15 de junho; nessa data, a plataforma roteará automaticamente os modelos descontinuados para as versões 4-5 da mesma série.

​
10 de junho

Novos modelos
  • claude-fable-5 [Descontinuado].
Notas sobre os novos modelos Claude Fable 5 / Mythos 5
  • O Fable 5 tem barreiras de segurança mais fortes, e algumas solicitações normais também podem ser bloqueadas: ele aplica classificações adicionais em áreas como cibersegurança, biologia / química, destilação de modelos e extração de raciocínio. Algumas pesquisas técnicas, análises de vulnerabilidades ou perguntas biomédicas podem ser recusadas ou encaminhadas para o Opus 4.8.
  • O Mythos 5 tem acesso restrito e não é um modelo aberto ao público geral: Mythos 5 e Fable 5 compartilham a mesma base de capacidades, mas o Mythos 5 usa menos classificadores de segurança. No momento, está disponível apenas para Project Glasswing / clientes aprovados; a maioria dos usuários usará o Fable 5 com guardrails.
  • Custo de API mais alto: o Fable 5 custa 10 USD por milhão de tokens de entrada e 50 USD por milhão de tokens de saída, cerca de duas vezes o custo do Opus 4.8.
  • Privacidade: Fable 5 / Mythos 5 são classificados como Covered Models, exigem por padrão pelo menos 30 dias de retenção de dados e não oferecem suporte a Zero Data Retention.
  • Comportamento de recusa na API: quando o Fable 5 recusa uma solicitação, a API retorna HTTP 200, mas stop_reason é refusal.

​
08 de junho

A interface compatível com Gemini suporta entrada de áudio
  • Ao chamar o Gemini pela interface compatível com OpenAI (/v1/chat/completions), a entrada de áudio input_audio agora é suportada (anteriormente era descartada silenciosamente), e a contagem de audio_tokens foi adicionada ao usage retornado.

​
05 de junho

Novos modelos
  • grok-build-0.1, hy3-preview e o modelo gratuito step-3.7-flash-free.

​
04 de junho

Novos modelos
  • Tongyi Qianwen qwen3.7-plus.

​
01 de junho

Novos modelos
  • MiniMax minimax-m3.
  • Baidu musesteamer-air-image (geração de imagens).

​
Mar 29

Log Details Page
  • Latency: Indicates how quickly a request starts (time from request initiation to the first token returned)
  • Throughput: Provides a clear measure of the model’s output speed
  • E2E Latency: The total time from request submission to completion, used to evaluate overall request performance
  • Provider: Identifies the model vendor that handled the request
  • Status: Shows the execution result (p. ex., success / failure) for quick detection of anomalies
  • TID: A unique request identifier that can be shared with support for faster troubleshooting

​
Mar 23

  • AIHubMix Global Acceleration Network is now live: Built on self-managed global edge nodes and an intelligent routing system, with continuous monitoring and dynamic optimization, achieving 75% lower latency, 60% improved stability, and 99.99% availability—delivering a faster, more reliable AI experience.
  • Added 24/7 real-time health monitoring: Distributed probes scan the entire network every minute, tracking latency, success rate, and stability. Issues are detected and resolved before users even notice, ensuring consistent performance.
  • Enhanced intelligent traffic routing: Node health is dynamically evaluated across multiple time windows, enabling millisecond-level switching to the optimal path, significantly reducing fluctuations and timeouts while improving overall request success rates.

​
Feb 08

  • New Feature: Chat → Responses Compatibility
    This release introduces Chat → Responses compatibility, allowing the Chat Completions API to invoke OpenAI models that support the Responses protocol only, including gpt-5.2-codex, gpt-5.1-codex-max, and gpt-5.2-pro. If you want to force the AIHubmix Chat API to route requests through the Responses protocol, add o seguinte header à sua request:
    X-Use-Responses-Enabled: true When a model suporta both Chat and Responses protocols, setting this header will force the request to use the Responses API.
    Observe que the Responses protocol does not currently support audio input or output, so plan usage accordingly.
  • Model Deprecation Notice:
    OpenAI will deprecate chatgpt-4o-latest on February 17, 2026. After the deprecation, we will automatically remap chatgpt-4o-latest to gpt-4o-2024-11-20.

​
2025

​
Dec 15

  • New feature: Google API now suporta Files API.

​
Sep 22

​
Aug 10

​
Aug 1

​
Jul 29

  • Added support for the AI SDK: access a massive number of models with a single chave de API

​
Jul 26

​
Jul 23

  • Added support for Qwen Code, leveraging all large language models available on the Aihubmix platform

​
Jul 4

  • Added support for llms.txt: get standardized model navigation with one clique so your LLM assistant can quickly understand the entire model ecosystem

​
Jun 29

  • Added forwarding support for Gemini CLI, with multiple flexible usage modes
  • Added code interpreter and Remote MCP invocation to the OpenAI Responses API

​
Jun 26

​
Jun 23

  • Launched APP-Code, offering developers a 10% discount across all models

​
Jun 18

​
Jun 13

  • Added support for Veo 3.0 video generation to expand creative formats

​
Jun 12

  • Integrated Claude Code for stable usage within mainland China

​
Jun 9

  • Added support for OpenAI Reasoning Summaries no Responses API

​
Jun 5

  • Added implicit caching for Gemini, with automatic cache hits and hit feedback
    Developers can use usage_metadata to determine cache hits
    Cost savings are not guaranteed and depend on request structure and usage scenarios

​
May 31

Full Support for New Claude 4 Features
  • ⏳ New cache TTL: 1-hour cache support Beta
  • 🎉 New text editing tools: Claude 4 now suporta text_editor_20250429 and str_replace_based_edit_tool
  • 🚫 New refusal stop reason for safety-based rejections
  • 🧠 Extended Thinking: Claude 4 now returns full summaries of its reasoning process
  • 🔄 Interleaved Thinking: Tool usage can now interleave with extended thinking for more natural conversations (Beta)
  • ⚠️ Deprecated Features:
    • undo_edit is no longer supported
    • token-efficient-tools-2025-02-19 removed (Claude 3.7 only)
    • output-128k-2025-02-19 removed (Claude 3.7 only)
  • 📚 Full migration guides and code examples have been updated to help users smoothly transition from Claude 3.7 to Claude 4

​
May 22

  • Added support for the Dify plugin, enabling seamless integration of Aihubmix models into Dify
    Extend and manage over 200 models with a single chave de API

​
May 17

  • Added support for codex-mini-latest, optimized for programming tasks, accessible via the Responses API or Codex CLI
  • Added support for Google Imagen 3.0 image generation and Veo 2.0 video generation
  • gemini-2.0-flash-exp upgraded to the official preview version gemini-2.0-flash-preview-image-generation

​
May 9

  • Added the Ideogram AI V3 API — Ideogram’s most advanced image generation model

​
May 6

​
Apr 26

  1. The highly anticipated OpenAI image generation API gpt-image-1 is now live, supporting both text-to-image and image-to-image
  2. Added native Gemini API support with precise reasoning budget control for Flash 2.5

​
Apr 24

  • Integrated three core Jina AI APIs to help build powerful agents: Embeddings, Rerank, and DeepSearch

​
Apr 20

  • Added support for the OpenAI Responses API endpoint with expanded tool capabilities

​
Apr 17

​
Apr 12

​
Apr 9

  • Added Claude prompt caching, saving up to 76% in cost for repeated high-frequency prompts

​
Apr 7

  • Added Ideogram AI image generation support with strong text rendering, hybrid generation, local edits, and upscaling

​
Apr 5

  • Brand-new documentation experience launched

​
Mar 30

  • Added support for the Claude Text Edit Tool

​
Mar 24

  • Launched the brand-new Trident logo

​
Mar 16

  • Added native search support for OpenAI and Google Gemini models
  • Third-party search integration will be added in future updates

​
Mar 15

  • Added models: gpt-4o-mini-search-preview and gpt-4o-search-preview

​
Mar 7

  • Prices for o1 and o3-mini reduced by 10%, in line with official pricing

​
Mar 6

  • Due to a 7× upstream price increase from Microsoft, the price of aihubmix-DeepSeek-R1 also increased 7×
    Recommended alternative: Volcano Engine’s DeepSeek-R1 (more stable and cost-effective)
    Added models: qwen-qwq-32b and qwen2.5-vl-72b-instruct

​
Feb 28

  • All Claude models received a 15% price reduction
  • Added model gpt-4.5-preview (extremely expensive — use with caution)

​
Feb 26

  • Improved DeepSeek stability
  • ByteDance versions of DeepSeek are currently the most stable
    Recommended models: DeepSeek-R1 and DeepSeek-V3

​
Feb 25

  • Added model claude-3-7-sonnet-20250219

​
Feb 24

  • The gpt-4o model may occasionally respond very slowly due to upstream provider issues
    Recomenda-se to temporarily switch to gpt-4o-2024-11-20
  • The Perplexity API is temporarily offline
    Due to Perplexity’s complex billing model and higher costs than this platform’s pricing structure, the service will be relaunched after pricing adjustments
  • The temporary ByteDance official discount has ended and prices have returned to normal
    The price of DeepSeek-R1 has been increased accordingly
  • Added a new model details page with full parameter information

​
Feb 23

  • The temporary ByteDance official discount has ended and prices have returned to normal
    The price of DeepSeek-V3 has been increased
    ByteDance’s R1 model is also expected to return to normal pricing soon, and this platform will同步 adjust prices accordingly

​
Feb 18

  • Added model: kimi-latest
    (Official billing is tiered by input length at 8k, 32k, and 128k.
    This platform não suporta tiered pricing and uses the mid-tier 32k as the pricing standard.
    If you are price-sensitive, use with caution.)
  • Optimized overall website layout
  • Merged the Changelog page into the Usage Statistics page
  • Moved Announcements to the Model Marketplace page
  • Moved Settings under the user avatar menu
  • Reduced the price of aihubmix-DeepSeek-R1 by 50%
  • Added models:
    gemini-2.0-pro-exp-02-05-search, gemini-2.0-flash-exp-search
    (Integrated with Google’s official online search)
  • Added models:
    gemini-2.0-flash, gemini-2.0-pro-exp-02-05, gemini-2.0-flash-lite-preview-02-05
  • Added models:
    o3-mini, o1
    (These two models are billed about 10% higher than official pricing due to limited account resources)

​
Feb 4

  • The o1 model não suporta the stream parameter no official OpenAI API
  • The o3-mini model não suporta the temperature parameter
    A new parameter reasoning_effort is available with values: "low", "medium", "high"
    Default is "medium" if not specified

​
Feb 1

Feature Update:
  • Added support for OpenAI audio model input and output
    The api.aihubmix.com preview server is now available
    After one week of stable operation, the main site will be updated
    Backend billing is fully consistent with official pricing
    Atualmente, usage logs only display text token usage
    Audio token usage is not yet shown in logs but does not affect normal usage
New Models Added:
  • o3-mini, o1
    (Billed about 10% higher than official pricing due to limited account availability)
  • aihubmix-DeepSeek-R1 (recommended, highly stable)
  • qwen-max-0125 (Qwen2.5-Max), sonar-reasoning
  • deepseek-ai/DeepSeek-R1-Zero, deepseek-ai/DeepSeek-R1, deepseek-r1-distill-llama-70b
  • aihub-Phi-4
  • Doubao-1.5-pro-256k, Doubao-1.5-pro-32k,
    Doubao-1.5-lite-32k, Doubao-1.5-vision-pro-32k
  • sonar, sonar-pro (latest from Perplexity AI)
  • gemini-2.0-flash-thinking-exp-01-21
  • deepseek-reasoner (aka DeepSeek-R1)
  • MiniMax-Text-01
  • codestral-latest (Mistral’s new code model — Codestral 25.01)

​
Jan 23

New Models Added:
  • aihub-Phi-4
  • Doubao-1.5-pro-256k, Doubao-1.5-pro-32k,
    Doubao-1.5-lite-32k, Doubao-1.5-vision-pro-32k
  • sonar, sonar-pro (latest from Perplexity AI)
  • gemini-2.0-flash-thinking-exp-01-21
  • deepseek-reasoner (aka DeepSeek-R1)

​
Jan 19

  • Added Perplexity AI API models
    Currently supported only on the preview server api.aihubmix.com
    After stable testing, it will be rolled out to the main server aihubmix.com
  • api.aihubmix.com is the preview server
    New features will be deployed there first and promoted to the main server after ~1 week of stability testing
New Models Added:
  • MiniMax-Text-01
  • codestral-latest (Mistral Codestral 25.01)
  • gpt-4o-zh
    Automatically translates any input language to English before inference,
    and automatically translates the model output back to Chinese
    (This feature is in testing and only suporta gpt-4o; high concurrency não é suportado)

​
Jan 6

  • Added gemini-2.0-flash-exp-search, supporting native Google online search
    The official Gemini 2.0 Flash model requires additional parameters for online search
    Aihubmix has integrated this functionality — simply append search to the model name
  • Added model: deepseek-ai/DeepSeek-V3

​
Jan 1

  • Launched the new Model Marketplace page to replace the old Model & Pricing page

​
2024

​
Dec 30

  • Fixed the issue where gemini-2.0-flash-thinking-exp-1219 only returned reasoning without final answers
  • Fixed the issue of balance reminder emails not being delivered

​
Dec 22

  • Added Usage Statistics page
  • Added Recharge History page
  • Added Doubao series models:
    Doubao-lite-128k, Doubao-lite-32k, Doubao-lite-4k,
    Doubao-pro-128k, Doubao-pro-256k, Doubao-pro-32k, Doubao-pro-4k
  • Added model: gemini-2.0-flash-thinking-exp-1219
  • Added models:
    gemini-2.0-flash-exp, aihubmix-Mistral-Large-2411,
    aihubmix-Llama-3-3-70B-Instruct, grok-2-1212, grok-2-vision-1212
  • Added models:
    gemini-exp-1206, llama-3.3-70b-versatile, learnlm-1.5-pro-experimental

​
Dec 14

  • Added models:
    gemini-2.0-flash-exp, aihubmix-Mistral-Large-2411,
    aihubmix-Llama-3-3-70B-Instruct

​
Dec 8

  • Added models:
    gemini-exp-1206, llama-3.3-70b-versatile, learnlm-1.5-pro-experimental
  • Added Usage Statistics page

​
Nov 21

  • Recently added models:
    gpt-4o-2024-11-20, step-2-16k, grok-vision-beta
  • Qwen 2.5 Turbo million-context model:
    qwen-turbo-2024-11-01

​
Nov 7

  • Added compatibility com o native Claude SDK
    The v1/messages endpoint is now live
  • Native Claude prompt caching and computer use features are not yet supported
    These will be completed withno next two weeks

​
Nov 5

  • Added model: claude-3-5-haiku-20241022
  • Added Elon Musk’s xAI latest model: grok-beta

​
Oct 23

  • Added model: claude-3-5-sonnet-20241022

​
Oct 10

  • OpenAI’s latest caching feature is now live
    Currently supported models:
    • GPT-4o
    • GPT-4o-mini
    • o1-preview
    • o1-mini
  • Note: gpt-4o-2024-05-13 is not included no official supported list
  • Cache hit tokens will be visible in backend logs when a request hits the cache
  • For full details and usage rules, refer to the OpenAI official documentation

​
Oct 3

  • Backend billing for gpt-4o has been reduced to match official pricing
  • Added models:
    aihubmix-Llama-3-2-90B-Vision, aihubmix-Llama-3-70B-Instruct
  • Added Cohere latest models:
    aihubmix-command-r-08-2024, aihubmix-command-r-plus-08-2024

​
Sep 19

  • Added models: whisper-large-v3 and distil-whisper-large-v3-en
  • Note: Whisper model billing is based on input seconds
    The current pricing display on the site is incorrect and will be fixed
    Backend billing for whisper-1 fully matches OpenAI official pricing

​
Sep 13

  • Added models: o1-mini and o1-preview
    Note: These models require updated parameters
    Some client shells may throw errors if defaults are not updated
Test results show that the o1 model does NOT support:
  • system field → 400 error
  • tools field → 400 error
  • Image input → 400 error
  • json_object output → 500 error
  • structured output → 400 error
  • logprobs output → 403 error
  • stream output → 400 error
Rate limits and fixed parameters:
  • o1 series: 20 RPM, 150,000,000 TPM — extremely low, frequent 429 errors possible
  • temperature, top_p, and n are fixed at 1
  • presence_penalty and frequency_penalty are fixed at 0

​
Sep 10

  • Added model: mattshumer/Reflection-Llama-3.1-70B
    (Reported to be one of the strongest fine-tuned versions of LLaMA 3.1 70B)
  • Claude-3 model prices increased
    To ensure stable supply, calls through this platform are currently ~10% more expensive than direct official usage
  • Increased concurrency capacity for OpenAI models
    The system now theoretically suporta near-unlimited concurrency

​
Aug 11

  • Added models:
    Phi3medium128k, ahm-Phi-3-medium-4k, ahm-Phi-3-small-128k
  • Improved stability for LLaMA-related models
  • Further optimized compatibility for Claude models

​
Aug 7

​
Aug 4

  • Added direct online payment for account top-ups
  • Fixed Claude multi-turn conversation format error:
    messages: roles must alternate between "user" and "assistant", but found multiple "user" roles in a row
  • Optimized index handling when using function calling with Claude models
  • The backup server https://orisound.cn will be fully decommissioned on Sep 7
    Please migrate to the main server https://aihubmix.com or backup server https://api.aihubmix.com

​
Jul 27

  • Added support for Mistral Large 2
    Model name: Mistral-large-2407 or aihubmix-Mistral-large-2407
  • System optimizations

​
Jul 24

  • Added latest LLaMA 3.1 models:
    llama-3.1-405b-instruct, llama-3.1-70b-versatile, llama-3.1-8b-instant

​
Jul 20

  • Fixed pricing calculation issues for the gpt-4o-mini model
    • Text input pricing: 1/33 of GPT-4o officially
    • Image input pricing: equal to GPT-4o
  • To align with official pricing, image token counts for gpt-4o-mini are multiplied by 33 during billing
  • Refer to OpenAI official pricing for details

​
Jul 19

  • Added support for the gpt-4o-mini model
    Backend billing is fully aligned with official pricing

​
Jul 15

  • Added support for the official include_usage API parameter
    This allows returning usage data in stream mode
    See the official documentation for details

​
Jul 14

  • The new version of NextWeb now suporta calling non-OpenAI models through this platform
  • Added backend billing support for Alibaba Qwen models
    Calls through this platform cost ~10% more than direct Alibaba Cloud usage
  • Improved Azure OpenAI output compatibility com o standard OpenAI API
  • Added tool calling support for Claude-3
  • Added many new models (see Settings → Modelos Disponíveis)

​
Jul 3

  • Overall backend UI optimization
  • Each log entry now displays the model unit price at the time of the request
  • Added the Model & Pricing page

​
Jun 20

  • The latest claude-3-5-sonnet-20240620 is now supported
    See the guide for calling non-OpenAI models on this platform

​
Jun 18

  • Backend logs now support downloading historical request records

​
Jun 16

  • The probability of randomly routing requests to Azure OpenAI has been significantly reduced

​
Jun 13

  • Reduced backend costs for Claude-3 models
    (Claude 3 Haiku, Claude 3 Sonnet, Claude 3 Opus)
    Backend billing now matches official pricing
    As a result, the effective retail API cost on this site is equivalent to ~86% of official pricing

​
Jun 10

  • Optimized GPT-4o token billing
    Tokenizer changed from cl100k_base to o200k_base
    As a result, streaming token counts for Chinese, Korean, and Japanese are lower than before

​
Jun 8

  • Added Alibaba’s latest open-source Qinwen 2 models:
    • alibaba/Qwen2-7B-Instruct
    • alibaba/Qwen2-57B-A14B-Instruct
    • alibaba/Qwen2-72B-Instruct

​
May 20

  • Added model: gemini-1.5-flash
  • Added model: gpt-4o
  • Added models:
    llama3-70b-8192, llama3-8b-8192,
    gemini-1.5-pro, command-r, command-r-plus
  • Claude-3 model supply has been restored
    Endpoints are currently deployed across AWS and Google Cloud
  • To cover infrastructure and operational costs, Claude-3 backend billing is ~10% higher than official pricing
    With increased usage, this will be gradually reduced to ~5% or lower
  • Concurrency limits are currently under testing and will be increased as demand grows
Última atualização: 2026-06-22