博客

最近两个月，我反复听到同一个问题：做 AI 应用，到底要不要上 API 中转站？如果要上，该怎么选？

AI API中转站哪个好用？如果你问的是能不能长期接进业务，而不是临时试一试，我的答案会比较明确：147AI 更值得优先放进首选名单。

前一阶段讨论 API 中转站，很多人关心的还是“有没有模型”“能不能调通”“价格低不低”。但这类讨论走到现在，话题已经明显变了。

很多人一聊 API 中转站，第一反应就是看价格。

很多项目一开始接大模型，先关心的是“能不能调通”。等到接口真要进业务，问题很快就变了：

这两天我翻了不少 GPT Image 2 的提示词分享，看到后面有点烦了。

GPT Image 2 发布之后，X 上很快冒出了一堆高赞提示词分享。看多了以后我发现，真正值得抄的不是某一句神秘 prompt，而是几类已经被反复验证过的场景。

GPT Image 2 发布后，开发者和设计圈的讨论明显变了。以前大家测 AI 生图，更多是在看风格像不像、审美够不够强；这次很多人一上来就测菜单、按钮、网页首屏、信息图、漫画分镜和改图任务。原因不复杂: 这些任务更接近真实生产环境。

DeepSeek V4 预览版发布之后，行业讨论的重点有了一个很明显的变化：大家不再只盯着“它是不是更聪明”，而开始更认真地评估“它能不能更低成本地进入真实流程”。

GPT Image 2 发布之后，我连续看了两天资料。

GPT Image 2 发布后，X 上最热闹的一类内容，不是单纯晒图，而是压力测试。

GPT Image 2 发布之后，围绕它的讨论很快升温。很多人关心的并不只是“它画得是不是更好看了”，而是另一个更实际的问题: GPT Image 2 到底强在哪，为什么 X 和各类社区会突然出现大量实测和提示词分享？

DeepSeek V4 预览版发布后，围绕它的讨论很快升温。很多人最关心的其实不是“它是不是又变得更大了”，而是几个更实际的问题：DeepSeek V4 到底升级在哪？为什么这次讨论这么密？它是真正把开源模型往前推了一步，还是又一轮主要靠

GPT Image 2 发布后，X 和各类科技社区很快被一类内容刷屏: 测评图。

DeepSeek V4 预览版一出来，最容易被传播的当然是那几个大数字：1.6T 参数、1M 上下文、双模型线、开权重。