AI模型统一接口桥接工具

📋 介绍

LMArenaBridge 是一个创新的桥接工具，它将LMArena（大型语言模型竞技场）平台转换为标准的 OpenAI API 兼容接口。通过这个工具，用户可以使用任何支持 OpenAI API 的客户端应用程序来访问 LMArena 上的众多先进 AI 模型，实现了"一个接口，访问所有模型"的愿景。

✏️支持模型数量(140+)

下面模型都可免费调用

## OpenAI
**最新/热门模型：**
- gpt-5-chat
- gpt-5-high
- gpt-5-mini-high
- gpt-5-nano-high
- gpt-5-search
- gpt-5-high-new-system-prompt
- o3-2025-04-16
- o3-mini
- o3-search
- o4-mini-2025-04-16
- chatgpt-4o-latest-20250326
- gpt-4.1-2025-04-14
- gpt-4.1-mini-2025-04-14
- sora

**其他模型：**
- dall-e-3
- gpt-oss-20b
- gpt-oss-120b
- gpt-image-1
- gpt-image-1-high-fidelity

## Google
**最新/热门模型：**
- gemini-2.5-pro
- gemini-2.5-flash
- gemini-2.5-flash-image-preview (nano-banana)
- gemini-2.5-flash-lite-preview-06-17-thinking
- gemini-2.5-pro-grounding
- gemini-2.5-pro-grounding-exp
- gemini-2.0-flash-001
- gemini-2.0-flash-preview-image-generation

**图像/视频模型：**
- imagen-4.0-generate-preview-06-06
- imagen-4.0-fast-generate-001
- imagen-4.0-ultra-generate-preview-06-06
- imagen-3.0-generate-002
- veo3
- veo3-fast
- veo3-audio
- veo3-fast-audio
- veo2

**其他模型：**
- gemma-3-27b-it

## Anthropic
**最新模型（2025/2024）：**
- claude-opus-4-20250514
- claude-opus-4-1-20250805
- claude-opus-4-1-20250805-thinking-16k
- claude-opus-4-20250514-thinking-16k
- claude-opus-4-search
- claude-opus-4-1-search
- claude-sonnet-4-20250514
- claude-sonnet-4-20250514-thinking-32k
- claude-3-7-sonnet-20250219
- claude-3-7-sonnet-20250219-thinking-32k
- claude-3-5-sonnet-20241022
- claude-3-5-haiku-20241022

## DeepSeek
**最新模型：**
- deepseek-v3.1-terminus
- deepseek-v3.1-terminus-thinking
- deepseek-v3-0324

## Alibaba (阿里巴巴)
**最新/热门模型：**
- qwen3-max-preview
- qwen3-max-2025-09-23
- qwen3-235b-a22b
- qwen3-235b-a22b-no-thinking
- qwen3-235b-a22b-thinking-2507
- qwen3-235b-a22b-instruct-2507
- qwen3-next-80b-a3b-instruct
- qwen3-next-80b-a3b-thinking
- qwen3-coder-480b-a35b-instruct
- qwq-32b

**视觉模型：**
- qwen-vl-max-2025-08-13
- qwen3-vl-235b-a22b-thinking
- qwen3-vl-235b-a22b-instruct

**图像模型：**
- qwen-image-prompt-extend
- qwen-image-edit

**其他模型：**
- qwen3-30b-a3b
- qwen3-30b-a3b-instruct-2507
- wan-v2.2-a14b

## xAI (Grok)
**最新模型：**
- grok-4-0709
- grok-4-search
- grok-4-fast
- grok-4-fast-search
- grok-4-fast-reasoning
- grok-3-mini-beta
- grok-3-mini-high

## Meta
**Llama 4系列：**
- llama-4-scout-17b-16e-instruct
- llama-4-maverick-03-26-experimental
- llama-4-maverick-17b-128e-instruct
- llama-3.3-70b-instruct

## Mistral
- mistral-small-3.1-24b-instruct-2503
- mistral-medium-2505
- mistral-medium-2508
- mistral-small-2506
- magistral-medium-2506

## Moonshot (月之暗面)
- kimi-k2-0905-preview
- kimi-k2-0711-preview

## Microsoft AI
- mai-1-preview

## Amazon
- amazon.nova-pro-v1:0
- amazon-nova-experimental-chat-05-14

## Cohere
- command-a-03-2025

## MiniMax
- minimax-m1
- hailuo-02-standard
- hailuo-02-pro
- hailuo-02-fast

## ByteDance (字节跳动)
- seedance-v1-pro
- seedance-v1-lite
- seedream-3
- seedream-4-2k

## 其他提供商

**Black Forest Labs (BFL)：**
- flux-1-kontext-dev
- flux-1-kontext-pro
- flux-1-kontext-max

**Perplexity：**
- ppl-sonar-pro-high
- ppl-sonar-reasoning-pro-high

**智谱AI (Zhipu)：**
- glm-4.5
- glm-4.5-air
- glm-4.5v

**StepFun：**
- step-3

**Luma AI：**
- photon
- ray2

**Recraft：**
- recraft-v3

**Leonardo AI：**
- lucid-origin

**Ideogram：**
- ideogram-v3-quality

**Kling：**
- kling-v2.1-master
- kling-v2.1-standard

**Pika：**
- pika-v2.2

**Runway：**
- runway-gen4-turbo

**Genmo：**
- mochi-v1

**Tencent (腾讯)：**
- hunyuan-image-2.1

**Meituan (美团)：**
- longcat-flash-chat

**Diffbot：**
- diffbot-small-xl

## 未知/内部测试模型
- phantom-0908-1
- phantom-0908-2
- x1-1-preview-0915
- x1-turbo-0906
- stephen-v2
- stephen-vision-csfix
- EB45-turbo-vl-0906
- EB45-turbo
- EB45-vision
- nightride-on
- nightride-on-v2
- redwood
- sorting-hat
- leepwal
- route66
- Ring-flash-2.0
- Ling-flash-2.0
- anonymous-915
- anonymous-925
- raptor
- "humuhumu" nukunukuapua'a
- hidream-e1.1
- seededit-3.0
- lmarena-internal-test-only
- not-a-new-model

😆AI客户端调用

Cheery Studio

Cline

沉浸式翻译

chatbox

API调用

支持流式和非流式

import requests
import json
import time

# API 的 URL
url = "http://127.0.0.1:5102/v1/chat/completions"# 请求头，与 curl 命令中的 -H 参数对应

## 建议将 API Key 抽取为变量，避免硬编码
API_KEY = "123456"

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

# 请求体，与 curl 命令中的 -d 参数对应
payload = {
    "model": "claude-sonnet-4-20250514",
    "messages": [
        {
            "role": "user",
            "content": "你是哪个模型？"
        }
    ],
    "n": 1
}

def make_request():
    """发起API请求并在控制台输出响应内容"""
    try:
        # 发起 POST 请求（非流式）
        response = requests.post(url, headers=headers, json=payload, timeout=180)
        
        # 检查响应状态码
        response.raise_for_status()
        
        print("--- 开始处理响应 ---")
        
        # 获取完整的 JSON 响应
        response_data = response.json()
        
        # 格式化输出响应内容
        formatted_response = json.dumps(response_data, indent=2, ensure_ascii=False)
        print(f"响应内容:\n{formatted_response}")
        
    except requests.exceptions.RequestException as e:
        print(f"[网络错误] 请求失败: {e}")
    
    except json.JSONDecodeError as e:
        print(f"[JSON解析错误] 响应格式错误: {e}")
    
    except Exception as e:
        print(f"[未知错误] 请求发生错误: {e}")

def main():
    """主函数：执行API请求"""
    print("开始执行API请求...")
    print(f"\n{'='*50}")
    
    # 发起请求并在控制台输出响应
    make_request()
    
    print(f"\n{'='*50}")
    print("API请求已完成！")

if __name__ == "__main__":
    main()

响应内容:
{        
  "id": "chatcmpl-d1bba0bb-6bf8-4614-8905-03cf7a51e1f0",
  "object": "chat.completion",
  "created": 1758941327,
  "model": "claude-sonnet-4-20250514",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "我是Claude Opus 4，来自Claude 4模型系列。这是Anthropic目前最强大的模型，专门用于处理复杂的任务和挑战。\n\nClaude 4系列目前包括Claude Opus 4和Claude Sonnet 4两个模型。如果你想了解更多关于Claude模型或Anthropic产品的信息，可以访问Anthropic的官方网站。"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 0,
    "completion_tokens": 42,
    "total_tokens": 42
  }
}

🎯 解决的核心问题

1. API 标准化问题

• 问题：LMArena 平台使用自己的专有接口格式，与主流的 OpenAI API 标准不兼容
• 解决方案：通过协议转换，让所有支持 OpenAI API 的应用都能无缝接入 LMArena

2. 多模型访问复杂性

• 问题：访问不同的 AI 模型需要不同的API密钥、端点和认证方式
• 解决方案：提供统一的接口，通过模型名称即可切换使用不同的 AI 模型（Claude、GPT、Gemini 等）

3. 会话管理困难

• 问题：LMArena 需要复杂的会话ID和消息ID管理
• 解决方案：自动化会话管理，提供简单的Web界面进行ID更新和维护

4. 浏览器依赖限制

• 问题：LMArena 只能通过网页访问，无法集成到开发工具和自动化流程中
• 解决方案：通过油猴脚本+本地API服务器，将浏览器页面转换为可编程接口

5. 批量处理和自动化

• 问题：在网页上只能进行单次对话，无法批量处理或自动化
• 解决方案：提供标准API接口，支持批量请求、流式响应和程序化调用

🚀 核心功能特性

1. OpenAI API 完全兼容

• 支持 /v1/chat/completions 端点
• 兼容流式(stream)和非流式响应
• 支持多模态输入（文本、图片）
• 完整的错误处理和状态码

2. 智能会话管理

• Direct Chat 模式：直接对话模式
• 自动会话ID捕获和更新
• 支持多会话并发管理

3. 模型动态切换

• 支持 144+ 主流 AI 模型
• 文本生成模型（Claude、GPT、Gemini、Llama等）
• 图像生成模型（Nanobanana、DALL-E、Stable Diffusion等）

5. 完整的管理界面

• Web GUI 控制面板
• 实时日志监控
• 一键启停服务
• 可视化配置管理

💡 典型使用场景

开发者场景

• 将 LMArena 模型集成到 VS Code、Cursor、Cherry Studio 等 IDE
• 在 Python、Node.js 项目中调用各种 AI 模型
• 构建基于多模型的 AI 应用

内容创作者

• 使用 AI客户端访问 AI 模型
• 在写作软件中集成多种 AI 助手
• 批量生成和处理内容

🎨 独特优势

1. 零成本访问顶级模型：通过 LMArena 免费使用多种付费模型
2. 统一接口标准：一套代码，访问所有模型
3. 完全本地化：数据不经过第三方服务器
4. 活跃维护：持续更新，快速响应新模型

🤝安装教程

此处为语雀内容卡片，点击链接查看：www.yuque.com/jtostring/q...

此处为语雀内容卡片，点击链接查看：www.yuque.com/jtostring/q...