做 AI 应用开发一年多，项目从最初只用一两家模型，发展到需要对接 DeepSeek、通义千问、智谱、GPT、Claude、Gemini……平台越多，坑越多。 这篇文章纯粹是踩坑记录，不推荐任何服务，只讲真实遇到过的问题和解决思路。希望能让后来者少走几步弯路。
坑 1：base_url 的 /v1 后缀，各家不统一 DeepSeek 的文档写的是 api.deepseek.com，OpenAI 的 SDK 默认带 /v1。如果你直接用 OpenAI 的 Python 库调 DeepSeek： client = OpenAI(base_url="https://api.deepseek.com/v1", api_key="sk-xxx") 但有些平台不需要 /v1，有些两种都能用。比如阿里百炼平台，旧版要写完整路径，新版直接填 /v1 也能通。 我踩的第一个坑就是——staging 环境配好了 /v1 能跑，production 环境换了家供应商忘记改 base_url，排查了半小时才意识到。
坑 2：流式输出时各家 chunk 格式有细微差异 做打字机效果时，各家返回的流式数据不完全一致。DeepSeek 有几次返回空的 delta.content 但带了 finish_reason。通义千问流模式下最后一个 chunk 的 usage 字段里 token 消耗是累积的。 踩过之后写的通用兼容写法： for chunk in response:     delta = chunk.choices[0].delta if chunk.choices and chunk.choices[0].delta else None     if delta and delta.content:         content += delta.content         print(delta.content, end='', flush=True) 核心原则：不要假定每个 chunk 都有 content，判空要到位。
坑 3：同模型名跨平台价格差异大 DeepSeek V4 在不同平台价格不同：官方 ¥3/百万 token 输入，部分中转平台 ¥4.5 甚至 ¥8。计费维度也不一样——有的按输入+输出总 token 扣费，有的把缓存命中也算进 token 消耗。 如果自己的应用要接入多家，建议统一用网关管理，各渠道价格固定后，用户看到统一价格列表，不关心后台走的哪家。
坑 4：上下文缓存导致计费不透明 GPT 和 Claude 有 prompt caching 功能，重复内容走缓存降价。但很多第三方中转服务不支持缓存定价——你付全价，平台赚差价。
坑 5：多渠道同名混淆 deepseek-chat 在 DeepSeek 官方一个价，在硅基流动另一个价。同个 API 调用这次走低价渠道，下次走高价渠道，用户发现额度不一致。 最好做法：不同渠道同一模型手动分开命名，定价绑定各自渠道 ID。
坑 6：长文本输入价格翻几十倍 通义千问 qwen-plus 短文本 ¥0.8/M，超过 128K 跳到 ¥4.8/M。有用户一次发 200K token 跑三次，额度干光，他问我才发现没注意到长文本版价格区分。
坑 7：各平台限流策略差异大 OpenAI 返回 429 带 Retry-After 头告诉你等多久；DeepSeek 直接 429 没有 Retry-After；通义千问返回详细错误信息；智谱比较宽松。 通用退避逻辑： BACKOFF = [1, 5, 30] for attempt in range(3):     try: return client.chat.completions.create(...)     except:         if attempt < 2: time.sleep(BACKOFF[attempt])         else: raise
坑 8："兼容 OpenAI"不等于 100% 全兼容 很多平台标了兼容 OpenAI，实际有差异：不支持 tools（Function Calling），不支持 response_format.json_schema，不支持 max_completion_tokens。写了带 function calling 的代码想换平台跑，大概率要改。
坑 9：共享 API Key 的并发限制 VS Code 插件、浏览器脚本、后台任务共享同一个 Key 容易触发并发上限。不同场景分配不同 Key，配合配额管理，出问题可追踪。
坑 10：海外模型的美元计价不透明 调 GPT-5 按美元计费（$5/M tokens），国内充值人民币。不同平台汇率策略不同：当日汇率+2%、固定 7.3、汇率+5%。先查清楚再定。
总结：
1. 统一接口层不是可选项，是多模型场景的刚需
2. 价格和计费方式一定要透明——怕的不是贵，是贵得不明不白
3. 踩坑记录比教程更有用——遇到的问题才知道怎么解决
*专注于 AI 应用开发与落地实践，欢迎交流。*