Perplexity LLM Responses 模型列表

GET /v3/ai_optimization/perplexity/llm_responses/models

接口说明

通过调用本接口，你可以获取当前可用的 Perplexity AI 模型列表。

• 请求方式：GET
• 请求地址：https://api.seermartech.cn/v3/ai_optimization/perplexity/llm_responses/models
• 计费说明：该接口当前不收费
• 实扣费以响应头 X-SeerMarTech-Charge-CNY 为准

接口返回 JSON 格式数据，顶层 tasks 数组任务信息及模型列表结果。

---

请求信息

HTTP Request

GET /v3/ai_optimization/perplexity/llm_responses/models

认证方式

请在请求头中使用 Bearer Token：

Authorization: Bearer smt_live_YOUR_KEY

---

响应字段

顶层响应字段

字段名	类型	说明
version	string	当前 API 版本
status_code	integer	通用状态码，完整列表可参考 /v3/appendix/errors
status_message	string	通用状态信息，完整列表可参考 /v3/appendix/errors
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	返回错误的任务数量
tasks	array	任务数组

tasks 数组中的字段

字段名	类型	说明
id	string	任务唯一标识，UUID 格式
status_code	integer	任务状态码，范围通常为 10000-60000，完整列表可参考 /v3/appendix/errors
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 数组中的结果数量
path	array	URL 路径
data	object	GET 请求 URL 中携带的参数信息
result	array	结果数组

result 数组中的字段

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，可在请求中设置 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，可使用标准模式提交与获取结果

---

请求示例

cURL

curl --location --request GET "https://api.seermartech.cn/v3/ai_optimization/perplexity/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/perplexity/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/perplexity/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": "0.1.20260116",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "0.0483 sec.",
 "cost": 0,
 "tasks_count": 1,
 "tasks_error": 0,
 "tasks": [
 {
 "id": "11111111-2222-3333-4444-555555555555",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "0.0483 sec.",
 "cost": 0,
 "result_count": 1,
 "path": [
 "v3",
 "ai_optimization",
 "perplexity",
 "llm_responses",
 "models"
 ],
 "data": {
 "api": "ai_optimization",
 "function": "llm_responses",
 "se": "perplexity"
 },
 "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，含义可参考 /v3/appendix/errors

---

使用说明

调用本接口后，你可以获得当前支持的模型单，并进一步判断：

• 某个模型是否支持推理能力
• 某个模型是否支持联网搜索
• 某个模型是否支持标准模式（POST-GET）任务处理
• 后续调用 AI 优化接口时，应选择哪个可用模型

如果你需要在后续请求中启用 web_search，请确认目标模型的 web_search_supported 是否为 true。

如果你计划使用标准模式创建任务并异步获取结果，请确认目标模型的 task_post_supported 是否为 true。

实用场景

• 筛选可用模型：在正式发起 AI 结果采集前拉取模型列表，使用已下线或不支持的模型，提升任务成功率。
• 判断是否可开启联网搜索：根据 web_search_supported 自动选择支持联网检索的模型，提升问答结果的时效性与信息覆盖度。
• 选择支持推理的模型：根据 reasoning 字段挑选适合复杂分析、归纳总结、意图推断等任务的模型，优化输出质量。
• 适同步或标准模式流程：根据 task_post_supported 判断是否可使用 POST-GET 方式构建异步处理链路，便于批量任务调度。
• 构建模型路由策略：将模型能力信息接调度系统，按搜索支持、推理能力、任务模式等条件自动分最合适的模型。