ChatGPT LLM 响应模型列表

GET /v3/ai_optimization/chat_gpt/llm_responses/models

接口说明

该接口用于获取当前可用的 ChatGPT AI 模型列表。

• 请求方式：GET
• 请求地址：https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/models
• 计费：****，调用本接口不会产生费用 实扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

调用成功后，接口会返回 JSON 格式结果，结果中 tasks 数组，每个任务下对应的模型列表信息。

---

请求信息

HTTP 请求

GET /v3/ai_optimization/chat_gpt/llm_responses/models

认证方式

请在请求头中使用 Bearer Token：

Authorization: Bearer smt_live_YOUR_KEY

---

响应结构

顶层字段

字段名	类型	说明
version	string	API 当前版本号
status_code	integer	通用状态码
status_message	string	通用状态信息
time	string	执行耗时，单位为秒
cost	float	本次请求总费用，单位 USD
tasks_count	integer	tasks 数组中的任务数量
tasks_error	integer	tasks 数组中返回错误的任务数量
tasks	array	任务数组

完整错误码与状态信息请参考 /v3/appendix/errors

tasks[] 字段

字段名	类型	说明
id	string	任务唯一标识符，UUID 格式
status_code	integer	任务状态码，范围通常为 10000-60000
status_message	string	任务状态信息
time	string	任务执行耗时，单位为秒
cost	float	当前任务费用，单位 USD
result_count	integer	result 数组中的数量
path	array	URL 路径
data	object	GET 请求 URL 中传的参数信息
result	array	结果数组

tasks[].result[] 字段

字段名	类型	说明
model_name	string	AI 模型名称
reasoning	boolean	是否支持推理能力
web_search_supported	boolean	是否支持联网搜索；若为 true，可在接口中使用 web_search 参数
task_post_supported	boolean	是否支持标准模式（POST-GET）数据获取；若为 true，可使用标准异步方式提交与获取数据

---

请求示例

cURL

curl --location --request GET "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/models" \
--header "Authorization: Bearer smt_live_YOUR_KEY" \
--header "Content-Type: application/json"

Python

import requests

url = "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/models"
headers = {
 "Authorization": "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
}

response = requests.get(url, headers=headers)
print(response.json)

TypeScript

import axios from "axios";

axios({
 method: "get",
 url: "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/models",
 headers: {
 Authorization: "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json",
 },
}).then((response) => {
 // 输出返回结果
 console.log(response.data);
}).catch((error) => {
 console.error(error);
});

---

响应示例

{
 "version": "0.1.20250812",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "0.0785 sec.",
 "cost": 0,
 "tasks_count": 1,
 "tasks_error": 0,
 "tasks": [
 {
 "data": {
 "api": "ai_optimization",
 "function": "llm_responses",
 "se": "chat_gpt"
 },
 "result": [
 {
 "model_name": "example-model",
 "reasoning": true,
 "web_search_supported": true,
 "task_post_supported": true
 }
 ]
 }
 ]
}

---

状态码说明

状态码	说明
20000	请求成功
10000-60000	任务级状态码范围，表示任务执行状态或错误

更多错误码定义请参考 /v3/appendix/errors。

---

使用说明

该接口适合在正式调用 AI 生成能力前，动态获取当前可用模型及能力标签。建议重点以下字段：

• model_name：用于后续请求中指定模型
• reasoning：判断模型是否适合复杂推理类任务
• web_search_supported：判断模型是否可启用联网搜索
• task_post_supported：判断是否支持标准异步调用模式

如果你的业务需要根据模型能力自动路由任务，建议在调用前拉取一次模型列表并缓存。

实用场景

• 筛选可用模型：获取当前模型单，再按 model_name 动态下发请求，使用已下线或不可用模型。
• 匹推理型任务：根据 reasoning 字段选择支持推理的模型，用于复杂 SEO 问答、分析和意图判断。
• 启用联网搜索能力：根据 web_search_supported 判断是否可开启 web_search，提升时效性分析与外部信息补能力。
• 切换调用模式：根据 task_post_supported 判断模型是否支持标准 POST-GET 模式，便于构建异步批量处理流程。
• 构建模型路由策略：结合不同模型能力标签，按任务类型自动选择模型，提高成本、速度与效果之间的平衡。