> ## Documentation Index
> Fetch the complete documentation index at: https://docs.aihubmix.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 模型智慧路由

> AIHubMix 智慧路由：把模型名填 auto，閘道依請求內容自動選出最適模型，支援成本優先 / 品質優先 / 低延遲策略，依實際命中模型計費，用戶端程式碼零改動。

> 一個 `model=auto`，把「選哪個模型」交給閘道。

**智慧路由（LLM Router）** 會依請求內容，從**平台數百個模型**中**即時優選**最合適的那一個。你只需把 `model` 填成 `auto`——不用挑模型、不用比價、不用追蹤模型迭代。

<Note>
  依**實際命中的模型**計費，無附加費，用戶端程式碼零改動。命中了哪個模型寫在回應標頭與回應主體裡（見 [如何確認實際命中的模型](#如何確認實際命中的模型)），完全可追溯。
</Note>

## 適用場景

* **按語境自動分發**：根據使用者當下的語境，自動分配最合適的模型——尤其適合 agent / 應用裡需要多次呼叫模型、又難以預先為每一步寫死選型的場景。
* **成本最佳化**：讓簡單任務自動落到更便宜、更快的模型（`auto` 預設成本優先）。
* **品質最佳化**：確保複雜請求被路由到能力更強的模型（`auto:quality_first`）。
* **低延遲場景**：agent 多輪迴圈、對話即時互動等對回應速度敏感的場景，優先選回應最快的模型（`auto:latency_critical`）。
* **統一入口、免選型**：不同類型的請求自動分發到各自最適的模型——不必維護「任務 → 模型」對應表，也不必持續追蹤模型迭代、手動比價換名。

***

## 快速開始

把 `model` 設為 `auto`，其餘請求主體和正常呼叫完全一致。base\_url 使用 `https://aihubmix.com/v1`。

<CodeGroup>
  ```bash curl theme={null}
  curl https://aihubmix.com/v1/chat/completions \
    -H "Authorization: Bearer <AIHUBMIX_API_KEY>" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "auto",
      "messages": [
        { "role": "user", "content": "What is the meaning of life?" }
      ]
    }'
  ```

  ```python Python (openai SDK) theme={null}
  from openai import OpenAI

  client = OpenAI(
      api_key="<AIHUBMIX_API_KEY>",
      base_url="https://aihubmix.com/v1",
  )

  resp = client.chat.completions.create(
      model="auto",  # 交給閘道自動選模
      messages=[
          {"role": "user", "content": "What is the meaning of life?"},
      ],
  )

  print(resp.choices[0].message.content)
  print("實際命中的模型：", resp.model)  # 不是 "auto"，而是真實模型名
  ```

  ```javascript Node.js (openai SDK) theme={null}
  import OpenAI from "openai";

  const client = new OpenAI({
    apiKey: "<AIHUBMIX_API_KEY>",
    baseURL: "https://aihubmix.com/v1",
  });

  const resp = await client.chat.completions.create({
    model: "auto", // 交給閘道自動選模
    messages: [
      { role: "user", content: "What is the meaning of life?" },
    ],
  });

  console.log(resp.choices[0].message.content);
  console.log("實際命中的模型：", resp.model); // 真實模型名
  ```
</CodeGroup>

<Tip>
  智慧路由在請求進入上游**之前**完成解析，對串流（`stream: true`）與非串流請求一視同仁，無需額外參數；整個決策**僅增加約 1ms 開銷**，對端到端延遲幾乎無感。
</Tip>

***

## 如何確認實際命中的模型

這是智慧路由的信任錨點：**你永遠知道這次請求最終用了哪個模型。**

**方式一 · AIHubMix 控制台「日誌」**：在 [console.aihubmix.com/logs](https://console.aihubmix.com/logs) 裡，每條請求都能直接看到實際命中、並據此計費的真實模型名，無需寫任何程式碼，肉眼即可核對。

**方式二 · 回應欄位**（便於程式化讀取）：

* **回應主體的 `model` 欄位**回填的是真實命中模型（如 `mimo-v2.5-pro`），而不是 `auto`。
* **回應標頭**給出完整的決策資訊：

| 回應標頭                               | 含義                          | 範例值                                                                |
| ---------------------------------- | --------------------------- | ------------------------------------------------------------------ |
| `X-Aihubmix-Router-Resolved-Model` | 實際命中、並據此計費的模型               | `xiaomi-mimo-v2.5-pro`                                             |
| `X-Aihubmix-Router-Policy`         | 本次使用的策略                     | `cost_optimized`                                                   |
| `X-Aihubmix-Router-Dimension`      | 辨識出的任務維度                    | `text.overall`                                                     |
| `X-Aihubmix-Router-Decision-Id`    | 本次決策的唯一 ID，便於排查             | `05dbad09-33c5-42de-…`                                             |
| `X-Aihubmix-Router-Reason`         | 決策簡要說明（策略 / 維度 / 最高分 / 候選數） | `policy=cost_optimized dim=text.overall top=0.182 survivors=20/33` |
| `X-Aihubmix-Router-Fallback`       | **僅當**觸發無候選兜底時出現            | `true`                                                             |

> HTTP 回應標頭大小寫不敏感：上表按慣例首字母大寫，實際 HTTP/2 回傳為小寫 `x-aihubmix-router-*`，兩者等價。

讀取路由決策（curl 看回應標頭；SDK 用原始回應物件取 header）：

<CodeGroup>
  ```bash curl theme={null}
  curl -i https://aihubmix.com/v1/chat/completions \
    -H "Authorization: Bearer <AIHUBMIX_API_KEY>" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "auto",
      "messages": [
        { "role": "user", "content": "What is the meaning of life?" }
      ]
    }' | grep -i "^x-aihubmix-router"
  ```

  ```python Python (openai SDK) theme={null}
  # 複用上面建立的 client；with_raw_response 才能拿到回應標頭
  raw = client.chat.completions.with_raw_response.create(
      model="auto",
      messages=[
          {"role": "user", "content": "What is the meaning of life?"},
      ],
  )

  print("命中模型：", raw.headers.get("x-aihubmix-router-resolved-model"))
  print("策略：", raw.headers.get("x-aihubmix-router-policy"))
  print("維度：", raw.headers.get("x-aihubmix-router-dimension"))

  completion = raw.parse()  # 解析為正常的 completion 物件
  print("body.model：", completion.model)
  ```

  ```javascript Node.js (openai SDK) theme={null}
  // 複用上面建立的 client；.withResponse() 才能拿到原始回應標頭
  const { data: completion, response } = await client.chat.completions
    .create({
      model: "auto",
      messages: [
        { role: "user", content: "What is the meaning of life?" },
      ],
    })
    .withResponse();

  console.log("命中模型：", response.headers.get("x-aihubmix-router-resolved-model"));
  console.log("策略：", response.headers.get("x-aihubmix-router-policy"));
  console.log("維度：", response.headers.get("x-aihubmix-router-dimension"));
  console.log("body.model：", completion.model);
  ```
</CodeGroup>

curl 實際輸出（生產環境，命中模型隨線上 catalog 變化）：

```text theme={null}
x-aihubmix-router-decision-id: 05dbad09-33c5-42de-85b5-559fdb73eb4c
x-aihubmix-router-dimension: text.overall
x-aihubmix-router-policy: cost_optimized
x-aihubmix-router-reason: policy=cost_optimized dim=text.overall top=0.182 survivors=20/33
x-aihubmix-router-resolved-model: xiaomi-mimo-v2.5-pro
```

`reason` 怎麼讀：`survivors=20/33` 表示 33 個候選裡有 20 個通過硬過濾進入評分，`top=0.182` 是勝出模型在候選池內歸一化後的綜合得分（能力 / 成本 / 延遲依策略加權）。

<Note>
  範例中的 `Resolved-Model` 取決於線上 catalog 的目前候選與價格，會隨平台模型上下線而變化——這正是智慧路由的價值：你不必追蹤這些變化。要做到決策可複盤，請以回應標頭 / 回應主體裡的真實模型名為準，而不是假設它固定不變。
</Note>

***

## 路由策略

不帶後綴的 `auto` 使用預設策略 `cost_optimized`。你可以用 `auto:<策略>` 顯式指定側重：

| 策略寫法                            | 側重                    | 適用場景            |
| ------------------------------- | --------------------- | --------------- |
| `auto`（= `auto:cost_optimized`） | **成本優先**：能力達標就選最便宜    | 批量任務、對成本敏感      |
| `auto:balanced`                 | **均衡**：能力 / 成本 / 延遲兼顧 | 通用，不確定時的穩妥選擇    |
| `auto:quality_first`            | **品質優先**：優先選能力最強      | 複雜推理、關鍵輸出       |
| `auto:latency_critical`         | **低延遲優先**：優先選回應最快     | agent 迴圈、即時互動對話 |

策略不是固定的「模型清單」，而是對 **能力 / 成本 / 延遲** 的不同權重取向。`auto` 先按你這次請求的內容圈定任務維度，再在該維度下 **平台數百個模型** 的候選池裡，按所選策略即時擇優——所以同一個策略，面對不同內容會命中不同模型。目前在池模型與各維度評分可透過[取得自動路由策略對應模型範圍](/zh-Hant/api/RouterEndpoints/leaderboard)介面查詢。下方「同一請求、不同策略 → 不同命中」實測表就是這一機制的直觀體現；每次到底花落誰家，以回應標頭 / 控制台日誌裡的真實模型名為準。

指定策略只需把後綴加到 `model` 上：

<CodeGroup>
  ```bash curl theme={null}
  # 品質優先 + 程式碼任務
  curl -i https://aihubmix.com/v1/chat/completions \
    -H "Authorization: Bearer <AIHUBMIX_API_KEY>" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "auto:quality_first",
      "messages": [
        { "role": "user", "content": "Write a Python function to reverse a linked list." }
      ]
    }' | grep -i "^x-aihubmix-router"
  ```

  ```python Python (openai SDK) theme={null}
  raw = client.chat.completions.with_raw_response.create(
      model="auto:quality_first",  # 品質優先
      messages=[
          {"role": "user", "content": "Write a Python function to reverse a linked list."},
      ],
  )

  print(raw.headers.get("x-aihubmix-router-resolved-model"))
  print(raw.headers.get("x-aihubmix-router-dimension"))
  ```

  ```javascript Node.js (openai SDK) theme={null}
  const { response } = await client.chat.completions
    .create({
      model: "auto:quality_first", // 品質優先
      messages: [
        { role: "user", content: "Write a Python function to reverse a linked list." },
      ],
    })
    .withResponse();

  console.log(response.headers.get("x-aihubmix-router-resolved-model"));
  console.log(response.headers.get("x-aihubmix-router-dimension"));
  ```
</CodeGroup>

**同一請求、不同策略 → 不同命中**（生產實測，同一句 `What is the meaning of life?`，都落 `text.overall` 維度）：

| 策略                         | 命中模型                    | top 得分 |
| -------------------------- | ----------------------- | :----: |
| `auto`（= `cost_optimized`） | `xiaomi-mimo-v2.5-pro`  |  0.182 |
| `auto:balanced`            | `claude-opus-4-6-think` |  0.488 |
| `auto:latency_critical`    | `claude-opus-4-6`       |  0.646 |
| `auto:quality_first`       | `claude-opus-4-6-think` |  0.758 |

> `latency_critical` 選了**非 `-think` 版本**——thinking 變體推理延遲更高，低延遲策略會主動避開它。可見策略權重真實作用於「能力 / 成本 / 延遲」的權衡，而不是只看能力。

> **內容也會改變結果**：把同樣的 `auto:quality_first` 用在**程式碼任務**上（上面範例的請求），維度會從 `text.overall` 變為 `text.coding`、實測命中 `claude-opus-4-6-think`——策略與請求內容共同決定最終模型。

<Note>
  未知的策略後綴（如 `auto:fast`）會**回退到預設策略 `cost_optimized`**，不會報錯。
</Note>

***

## 工作原理

收到 `model=auto` 後，閘道分三步把「意圖」變成「具體模型」：

<Steps>
  <Step title="擷取請求特徵">
    分析這次請求的輸入 / 輸出模態（文字、圖片、檔案）、內容意圖（程式碼、數學、OCR、圖表、語言、是否聯網搜尋等）、以及請求規模（預估輸入 / 輸出 token），歸一為一個**任務維度**。例如：含程式碼的提問 → `text.coding`；帶圖片並要求 OCR → `vision.ocr`；普通文字 → `text.overall`。
  </Step>

  <Step title="硬過濾候選">
    把不滿足**硬性約束**的模型直接排除：不支援所需輸入 / 輸出模態、上下文視窗裝不下、被熔斷摘除（見[可靠性與容錯](#可靠性與容錯)）、或不在你這把 Key 的可用模型範圍內。
  </Step>

  <Step title="依策略加權評分">
    對通過過濾的候選，基於**業界權威基準**的模型能力評分、疊加即時價格與效能資料，依所選策略對「能力 / 成本 / 延遲」做三維加權評分，取得分最高的一個。最終模型名會寫回請求與回應標頭。
  </Step>
</Steps>

打分示例（`quality_first` 策略下，同一候選池的 top 3，示例資料基於歷史生產決策日誌）：

| 候選模型                    |  能力分 | 相對成本 |    延遲   |    綜合得分   |
| ----------------------- | :--: | :--: | :-----: | :-------: |
| `claude-opus-4-6-think` | 1504 |  220 |  1963ms | **0.758** |
| `claude-opus-4-6`       | 1498 |  220 |  822ms  |   0.721   |
| `claude-fable-5`        | 1510 |  484 | 11130ms |   0.600   |

> 注意 `claude-fable-5` 的**能力分最高**（1510），卻因成本更高、延遲更大被綜合得分壓到第三。這正是加權評分的意義：不是「唯能力論」，而是依策略在能力 / 成本 / 延遲之間權衡。

<Note>
  `claude-fable-5` 為階段性發布的預覽基線模型（staged preview baseline），現已**退役下線（deprecated）**、不再對外提供服務；此處保留其歷史評分，僅用於演示加權打分機制，實際請求不會再命中該模型。
</Note>

維度辨識是自動的——智慧路由內建 **30+ 細分任務維度**（程式碼 / 數學 / OCR / 圖表 / 長文 / 中文 / 聯網…），遠比「依模型族粗分流」精細。同樣填 `auto`，不同內容會路由到不同維度：

| 你的請求                            | 辨識維度                      |
| ------------------------------- | ------------------------- |
| 普通文字提問                          | `text.overall`            |
| 含程式碼、要求寫 / 偵錯程式                 | `text.coding`             |
| 數學證明 / 求解                       | `text.math`               |
| 很長的提問（約 500+ token）             | `text.longer_query`       |
| 中文提問                            | `text.language.chinese`   |
| 圖片輸入 + "What is in this image?" | `vision.overall`          |
| 圖片輸入 + "OCR…" / "辨識文字"          | `vision.ocr`              |
| 圖片輸入 + 圖表 / 流程圖                 | `vision.diagram`          |
| 開啟聯網搜尋                          | `search.overall`          |
| 圖像生成（`/v1/images/generations`）  | `text_to_image.overall`   |
| 圖像編輯（`/v1/images/edits`，圖入圖出）   | `image_edit.single_image` |

這些維度名來自業界權威評測榜單對模型 **細分能力** 的拆解，`auto` 據此把每類請求送到該細分能力最強的模型。常見領域舉例：

* **文本**（`text.coding`＝寫 / 調程式、`text.math`＝數學求解、`text.longer_query`＝長文處理、`text.language.chinese`＝中文、`text.occupational.legal` / `text.occupational.medicine`＝法律 / 醫療等職業場景）
* **視覺**（`vision.ocr`＝辨識圖片中的文字、`vision.diagram`＝看懂圖表 / 流程圖、`vision.overall`＝通用看圖理解）

<Tip>
  維度辨識採用保守比對（高精度、低誤判）：長尾、模糊的請求會落到更通用的維度（如 `text.overall` / `vision.overall`），而不是被勉強歸類，從而避免誤路由。
</Tip>

<Note>
  **圖片輸入也走智慧路由**：在 `/v1/chat/completions` 裡帶圖片時，會依圖片任務路由到視覺能力強的模型。生產實測——「OCR this image」→ `vision.ocr`、命中 `qwen3.5-397b-a17b`；通用看圖「What is in this image?」→ `vision.overall`、命中 `gpt-5.4-mini`。（這裡指圖片**理解**；圖片**生成** `/v1/images/*` 同樣支援 `auto`，見 [FAQ](#常見問題-faq)。）
</Note>

***

## 評分排行榜與模型池

各維度的模型評分排行榜與目前在池模型，可在[智慧路由介紹頁](https://aihubmix.com/llm-router/auto)互動檢視，也可透過免登入開放介面直接取得：[取得自動路由策略對應模型範圍](/zh-Hant/api/RouterEndpoints/leaderboard)、[取得模型廠商圖示](/zh-Hant/api/RouterEndpoints/vendors)。排行榜展示口徑與路由候選一致：僅展示目前可被正常路由的模型，分數為各維度內正規化的 0–100 值，並隨模型池持續更新。

***

## 可靠性與容錯

智慧路由內建**多重容錯**，保證 `auto` 路徑**永不無故失敗**：

<AccordionGroup>
  <Accordion title="熔斷：自動摘除故障模型">
    閘道對每個模型維護一個滑動視窗的失敗率統計。當某模型在視窗內失敗次數足夠多、且失敗率超過閾值時，會被臨時摘除出候選池，冷卻一段時間後自動恢復——避免把後續請求繼續送給正在抽風的模型。失敗訊號來自**上游對該請求回傳的錯誤**；閘道自身的「無可用渠道」不計入（那不是模型本身的問題）。
  </Accordion>

  <Accordion title="無候選兜底：永不在 auto 上報 400">
    萬一硬過濾把所有候選都排除了（例如某種模態組合暫時沒有可用模型），閘道不會直接報錯，而是依輸出類型分配一個兜底模型保證有回應，並在回應標頭加上 `X-Aihubmix-Router-Fallback: true` 讓你知曉。
  </Accordion>

  <Accordion title="越權防線：受限 Key 不會被兜底繞過">
    如果你的 Key 限定了可用模型範圍，智慧路由（含兜底）選出的模型**始終**在該範圍內。若範圍內確實沒有任何模型能服務這次請求，會明確回傳 403，而不是靜默使用範圍外（可能更貴）的模型。
  </Accordion>
</AccordionGroup>

***

## 計費說明

**依實際命中的模型原價計費，智慧路由本身不收取任何附加費。**

最終由哪個模型回應，就依那個模型的價格、能力和上下文限制計算——這個模型就是回應標頭 `X-Aihubmix-Router-Resolved-Model` 和回應主體 `model` 欄位裡的值。換句話說，智慧路由不會「偷偷用貴模型」：每一次命中都寫在回應裡，可逐條對帳。

***

## 限制

* 智慧路由目前面向**對話補全** `/v1/chat/completions` 與**圖像生成 / 編輯** `/v1/images/*` 介面（詳見 [FAQ：支援哪些介面](#常見問題-faq)）。

* `?router=off` 或請求標頭 `X-Router-Off` 會讓 `model=auto` 直接回傳 **400**——這是明確拒絕「既要 auto 又要關掉路由」的歧義用法，而不是靜默忽略：

  ```bash theme={null}
  curl -i "https://aihubmix.com/v1/chat/completions?router=off" \
    -H "Authorization: Bearer <AIHUBMIX_API_KEY>" \
    -H "Content-Type: application/json" \
    -d '{"model":"auto","messages":[{"role":"user","content":"hi"}]}'
  # → HTTP/1.1 400 Bad Request
  # {"error":{"message":"auto requires router enabled; remove ?router=off / X-Router-Off", ...}}
  ```

* 候選集合隨平台 catalog 動態變化：同一個 `auto` 在不同時間可能命中不同模型（這是設計使然，可透過回應標頭複盤）。目前候選範圍可透過[取得自動路由策略對應模型範圍](/zh-Hant/api/RouterEndpoints/leaderboard)介面查詢。

***

## 和 OpenRouter / LiteLLM 的區別

「自動選模型」並非 AIHubMix 獨有，OpenRouter 與 LiteLLM 都提供類似能力。差異主要在**接入成本**與**託管方式**：

| 差異點                                        | OpenRouter | LiteLLM | AIHubMix |
| ------------------------------------------ | :--------: | :-----: | :------: |
| 依請求內容自動選模                                  |      ✅     |    ✅    |     ✅    |
| 零設定、開箱即用（無需編寫路由規則 / utterances）            |      ✅     |    ❌    |     ✅    |
| 平台託管，無需自建 / 自部署 proxy                      |      ✅     |    ❌    |     ✅    |
| 成本 / 品質 / 延遲多策略，一個參數切換                     |      ❌     |    ❌    |     ✅    |
| 命中決策可追溯（回應標頭含 dimension / policy / reason） |      ❌     |    ❌    |     ✅    |
| 依最終命中模型計費                                  |      ✅     |    ❌    |     ✅    |

***

## 常見問題 FAQ

**Q：智慧路由支援哪些介面？**
A：目前 `model=auto` 支援 **OpenAI 相容的對話補全介面** `/v1/chat/completions`，以及**圖像生成 / 編輯介面**（`/v1/images/generations`、`/v1/images/edits`）。音訊、`/v1/embeddings`、`/v1/rerank` 等介面暫不支援 `auto`，請直接指定具體模型。

**Q：智慧路由支援圖片輸入嗎？**
A：支援。在 `/v1/chat/completions` 裡帶圖片（`image_url`）提問屬於圖片**理解**，會依圖片任務路由到視覺能力強的模型（`vision.ocr`＝辨識圖片中的文字、`vision.diagram`＝看懂圖表 / 流程圖、`vision.overall`＝通用看圖理解等）。圖片**生成**同樣支援 `auto`：在 `/v1/images/*` 介面把 `model` 填 `auto`，會依圖像生成維度（如 `text_to_image.overall`）選模。

**Q：我怎麼知道這次請求到底用了哪個模型？**
A：看回應標頭 `X-Aihubmix-Router-Resolved-Model`，或回應主體的 `model` 欄位——回填的都是真實模型名。見 [如何確認實際命中的模型](#如何確認實際命中的模型)。

**Q：智慧路由會不會偷偷用貴模型？**
A：不會。預設策略 `cost_optimized` 是成本優先；而且每次命中的模型都寫在回應裡、依其原價計費，可逐條對帳。見[計費說明](#計費說明)。

**Q：怎麼控制 / 預估成本？**
A：三個手段疊加——① 預設 `auto`（`cost_optimized`）就是成本優先；② 用 **Key 的可用模型範圍**把候選鎖定在你接受的價位內，相當於給成本設上界；③ 每次命中依回應標頭 `Resolved-Model` 的模型原價計費，可逐條對帳。需要更強能力時再顯式用 `auto:quality_first`。

**Q：`auto` 和「模型對應 / 回退」有什麼區別？**
A：[模型對應 / 回退](https://docs.aihubmix.com/zh-Hant/api/Model-Mapping-Fallback)是 **Key 級固定別名 + 失敗時的有序兜底**（每次都同一個目標）；智慧路由是**依每次請求內容動態選模**。前者解決「用戶端只認某個名字 / 主模型掛了切備用」，後者解決「我不在乎是哪個，給我最合適的」。

**Q：能不能限定智慧路由只在某幾個模型裡選？**
A：可以——透過 **Key 的可用模型範圍**約束：智慧路由只會在該 Key 允許的模型裡選，越權模型不會被命中。

**Q：串流請求支援嗎？**
A：支援。路由在請求進入上游前完成，對串流 / 非串流一視同仁。

**Q：為什麼同一句話兩次呼叫命中了不同模型？**
A：候選集合與價格隨平台 catalog 動態變化，這是設計使然。用回應標頭裡的 `Decision-Id` 與 `Resolved-Model` 即可複盤每一次決策；目前候選範圍可透過[取得自動路由策略對應模型範圍](/zh-Hant/api/RouterEndpoints/leaderboard)介面查詢。

**Q：怎麼讓請求穩定命中同一個模型（比如想複用 prompt 快取）？**
A：`auto` 是依目前 catalog 動態選模，不保證確定性。如果你需要穩定命中同一模型（例如依賴上游的 prompt 快取、或要嚴格重現），請**直接指定具體模型名**，或用 **Key 把可用範圍限定到單一模型**——這兩種方式下命中是確定的。

***

## 相關資源

* [模型對應與回退](https://docs.aihubmix.com/zh-Hant/api/Model-Mapping-Fallback)：Key 級固定別名 + 失敗兜底，與智慧路由互補。
* [統一推理參數](https://docs.aihubmix.com/zh-Hant/api/unified-inference)：跨模型一致的請求參數。
* [AIHubMix 模型頁](https://aihubmix.com/models)：查詢模型名稱、價格與 `Input Modalities`。
* [取得自動路由策略對應模型範圍](https://docs.aihubmix.com/zh-Hant/api/RouterEndpoints/leaderboard)：免登入查詢 30+ 路由維度中公開的 5 大類 23 個子維度評分與在池模型。