在 LiteLLM、LangChain 与 Vercel AI SDK 中使用 MiniMax

MiniMax-M2.7、MiniMax-M2.7-highspeed 与 MiniMax-M3 通过 https://yiduochan.com/v1 上的 OpenAI 兼容接口提供，因此 LiteLLM、LangChain 与 Vercel AI SDK 只要使用各自标准的 OpenAI 提供方、改一下 Base URL 就能接入。本页给出每个框架的准确配置、当前的 token 单价，以及最常见报错的解决办法。

YiduoChan 上的 MiniMax 文本模型通过位于 https://yiduochan.com/v1 的标准 OpenAI 兼容接口提供。LiteLLM、LangChain 与 Vercel AI SDK 都自带支持自定义 Base URL 的 OpenAI 提供方，所以都不需要 MiniMax 专用插件：把 OpenAI 提供方指向 YiduoChan，传入控制台里的 API Key，模型名填 MiniMax 的模型 ID 即可。本页先给出每个框架的准确配置，再介绍流式输出、工具调用、成本控制和最常遇到的报错。

开始之前

• 注册账号并充值预付额度。以美元按量付费，无订阅；最低充值 $5，额度有效期 12 个月。
• 在控制台生成 API Key。下面每个框架都会以 Authorization: Bearer <API key> 的形式发送它，你不需要手动拼这个请求头。
• Base URL 使用 https://yiduochan.com/v1。对话请求发往 /v1/chat/completions，/v1/models 列出你的 Key 可以调用的模型。
• 模型 ID 原样传递，区分大小写：MiniMax-M2.7、MiniMax-M2.7-highspeed 和 MiniMax-M3。

把 Key 放在环境变量里，不要写进源码。下面的示例都读取 YIDUOCHAN_API_KEY。

用 curl 验证 Key

动手配置任何框架之前，先用一个直接请求确认 Key 和 Base URL。只要这个请求成功，之后的失败就是框架配置问题，而不是账号问题。

curl https://yiduochan.com/v1/chat/completions \
  -H "Authorization: Bearer $YIDUOCHAN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "MiniMax-M2.7", "messages": [{"role": "user", "content": "ping"}]}'

选择哪种集成

• LiteLLM：适合希望在多个提供方之间使用同一种调用方式，或需要在多个应用前面放一个自带 Key 与预算管理的代理的场景。
• LangChain：适合已经在用 Python 构建 chain、Agent 或检索管线，并希望直接换用 ChatOpenAI 的场景。
• Vercel AI SDK：适合需要把响应流式推送到浏览器的 TypeScript 与 Next.js 应用。

三者向同一个接口发送相同的 JSON。选哪个取决于你现有的技术栈，与模型能力无关。

模型与价格

所有价格均为美元 / 每百万 tokens，按 MiniMax 刊例价水平。各模型介绍见 MiniMax 模型总览，权威价格以定价页为准。

各模型页面：MiniMax-M2.7 与 MiniMax-M3。失败的请求从不计费。

LiteLLM

LiteLLM 通过 openai/ 提供方前缀与任何 OpenAI 兼容服务端通信。前缀决定使用 OpenAI 请求格式，api_base 决定请求发往哪里。斜杠后面的全部内容会作为 model 字段原样转发给 YiduoChan，所以这里要严格按上面列出的写法填 MiniMax 模型 ID。

Python SDK

import os
from litellm import completion

response = completion(
    model="openai/MiniMax-M2.7",
    api_base="https://yiduochan.com/v1",
    api_key=os.environ["YIDUOCHAN_API_KEY"],
    messages=[
        {"role": "system", "content": "You are a concise assistant."},
        {"role": "user", "content": "Explain idempotency keys in two sentences."},
    ],
    temperature=0.2,
)
print(response.choices[0].message.content)
print(response.usage)

# Streaming: identical call with stream=True
for chunk in completion(
    model="openai/MiniMax-M3",
    api_base="https://yiduochan.com/v1",
    api_key=os.environ["YIDUOCHAN_API_KEY"],
    messages=[{"role": "user", "content": "List three uses of a message queue."}],
    stream=True,
):
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

不要图省事把 OPENAI_API_KEY 设成你的 YiduoChan Key。显式传入 api_key 和 api_base，可以让 MiniMax 这条调用路径与同一进程中已有的 OpenAI 凭据互不干扰。

LiteLLM 代理（config.yaml）

多个服务共用一个网关时，运行 LiteLLM 代理，并在 model_list 中声明每个 MiniMax 模型。model_name 是应用调用时使用的别名；litellm_params.model 保留 openai/ 前缀。os.environ/ 语法会在启动时从代理的环境变量中读取 Key。

model_list:
  - model_name: minimax-m2.7
    litellm_params:
      model: openai/MiniMax-M2.7
      api_base: https://yiduochan.com/v1
      api_key: os.environ/YIDUOCHAN_API_KEY

  - model_name: minimax-m2.7-highspeed
    litellm_params:
      model: openai/MiniMax-M2.7-highspeed
      api_base: https://yiduochan.com/v1
      api_key: os.environ/YIDUOCHAN_API_KEY

  - model_name: minimax-m3
    litellm_params:
      model: openai/MiniMax-M3
      api_base: https://yiduochan.com/v1
      api_key: os.environ/YIDUOCHAN_API_KEY

用 litellm --config config.yaml 启动，把客户端指向 http://localhost:4000/v1，模型名填别名。代理会在你的 YiduoChan 预付余额之上，再叠加它自己的虚拟 Key、花费日志和按别名设置的预算，适合多个团队共用一个账号的场景。

LangChain：ChatOpenAI 配合 base_url

LangChain 的 ChatOpenAI 类（langchain-openai 包）直接接受 base_url 和 api_key。把 model 设为 MiniMax 模型 ID，LangChain 的其余功能（invoke、stream、chain、bind_tools、结构化输出辅助方法）无需改动即可使用。

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    base_url="https://yiduochan.com/v1",
    api_key=os.environ["YIDUOCHAN_API_KEY"],
    model="MiniMax-M2.7",
    temperature=0.2,
    max_tokens=1024,
)

# Single response
result = llm.invoke("Write a one-line commit message for a null-check fix.")
print(result.content)
print(result.response_metadata.get("token_usage"))

# Token-by-token streaming
for chunk in llm.stream("Summarize the CAP theorem."):
    print(chunk.content, end="", flush=True)

旧教程里用的是 openai_api_base 和 openai_api_key；两者作为别名仍然可用，但当前的参数名是 base_url 和 api_key。

LangChain 中的工具调用

工具通过 bind_tools 绑定。LangChain 会把 Python 函数签名和 docstring 转换成 OpenAI 的 tools schema，放在请求体中发送。

from langchain_core.tools import tool

@tool
def get_order_status(order_id: str) -> str:
    """Look up the shipping status of an order by its ID."""
    return f"Order {order_id} shipped"

llm_with_tools = llm.bind_tools([get_order_status])
msg = llm_with_tools.invoke("Where is order A-1042?")

for call in msg.tool_calls:
    print(call["name"], call["args"])

处理长文档的管线只需换成 model="MiniMax-M3"，其余代码不变；1M 上下文窗口能省掉针对大文件检索时的大部分分块步骤。

Vercel AI SDK

Vercel AI SDK 使用 @ai-sdk/openai 提供方。createOpenAI 接收 baseURL 和 apiKey，返回一个提供方实例；请调用它的 .chat() 方法，让请求走 /v1/chat/completions。安装命令：npm i ai @ai-sdk/openai。

import { createOpenAI } from "@ai-sdk/openai";
import { generateText, streamText } from "ai";

const yiduochan = createOpenAI({
  baseURL: "https://yiduochan.com/v1",
  apiKey: process.env.YIDUOCHAN_API_KEY,
});

// One-shot completion
const { text, usage } = await generateText({
  model: yiduochan.chat("MiniMax-M2.7"),
  prompt: "Explain optimistic locking in three sentences.",
});
console.log(text, usage);

// Streaming, e.g. inside a Next.js route handler
const result = streamText({
  model: yiduochan.chat("MiniMax-M3"),
  system: "You are a precise technical writer.",
  prompt: "Describe the tradeoffs of server-sent events.",
});
for await (const delta of result.textStream) {
  process.stdout.write(delta);
}
// In a route handler: return result.toTextStreamResponse();

在 AI SDK 5 中，直接以 yiduochan("MiniMax-M2.7") 的形式调用提供方，请求会发往 OpenAI Responses API，而不是 Chat Completions。请使用 yiduochan.chat(...)，让请求发到 YiduoChan 提供的接口。

用 generateText 调用工具

import { generateText, tool } from "ai";
import { z } from "zod";

const { text, toolResults } = await generateText({
  model: yiduochan.chat("MiniMax-M2.7"),
  tools: {
    getOrderStatus: tool({
      description: "Look up the shipping status of an order",
      inputSchema: z.object({ orderId: z.string() }),
      execute: async ({ orderId }) => ({ orderId, status: "shipped" }),
    }),
  },
  prompt: "Where is order A-1042?",
});
console.log(toolResults, text);

AI SDK 4 中 schema 字段名为 parameters，而不是 inputSchema；其余写法相同。

流式输出与工具调用说明

• 流式输出使用标准的 OpenAI SSE（server-sent events）格式。调用 stream()、streamText 或传入 stream=True 时，各框架会替你设置 stream: true。
• 工具定义放在 OpenAI 的 tools 数组中发送，工具调用在 tool_calls 中返回。由于框架发出的 JSON 与发给 OpenAI 的完全相同，不需要针对 MiniMax 做任何映射。
• 上线前用你自己的工具 schema 做一次简短的端到端测试。不同模型遵循参数格式的严格程度不同，写一个五行的冒烟测试，比在生产环境排查问题便宜得多。
• 非流式响应的 token 用量在 usage 对象中返回。流式场景下，如果你要按请求记录花费，请通过框架的流式选项，要求在最后一个数据块中返回用量。
• 提示缓存体现在计费上，而不是请求里：命中提示缓存的 tokens 按表中的缓存读取价计费，框架代码无需改动。

成本建议

1. 默认使用 MiniMax-M2.7。只在对延迟敏感的特定路由上切换到 MiniMax-M2.7-highspeed，因为在输出质量相同的情况下，它的输入和输出价格都是 M2.7 的两倍。
2. 让重复使用的系统提示和 few-shot 示例在各次调用之间保持逐字节一致，这是命中缓存的前提。缓存读取按每百万 tokens $0.06 计费，而输入价为 $0.30。
3. 使用 MiniMax-M3 时注意 512K 这条界线。提示超过 512K tokens，整个请求都会按输入 $0.60、输出 $2.40 那一档计费，所以尽量精简检索上下文。
4. 在面向用户的路由上设置 max_tokens（LangChain、LiteLLM）或 maxOutputTokens（AI SDK）。输出价格约为输入的四倍，不设上限的生成会占据账单的大头。
5. 如果运行了 LiteLLM 代理，就在代理里为每个 Key 设置预算。再加上预付额度，你就有了两道互相独立的支出上限。

常见报错排查

401 Unauthorized

Key 缺失、不完整，或属于另一个账号。确认发起请求的进程中环境变量确实有值（serverless 函数和 Docker 容器里经常漏掉这一点），并确认没有误读到别处的 OPENAI_API_KEY。

/v1/responses 或 /v1/embeddings 返回 404

这个 Base URL 下的 OpenAI 兼容接口有 /v1/chat/completions、/v1/audio/speech 和 /v1/models。/v1/responses、/v1/embeddings 这类路径不在其中。在 AI SDK 中使用 .chat()；在 LiteLLM 中用带 openai/ 前缀的 completion()，不要用 Responses API 的辅助函数；在 LangChain 中不要把 OpenAIEmbeddings 指向这个 Base URL。

模型不存在（Model not found）

对照 /v1/models 检查 ID。全小写的 minimax-m2.7、MiniMax-M2 或 MiniMax-M2.7-fast 都会被拒绝；准确的字符串是 MiniMax-M2.7、MiniMax-M2.7-highspeed 和 MiniMax-M3。如果使用了 LiteLLM 别名，确认别名映射到其中之一。

Base URL 后面多了路径

使用 https://yiduochan.com/v1，不要用 https://yiduochan.com 或 https://yiduochan.com/v1/chat/completions。框架会自己拼上 /chat/completions，所以多了或少了 /v1 都会返回 404。

余额不足

额度是预付的。在控制台充值即可：预设档位有 $5、$10、$20、$50、$100、$200 和 $500，也可以自定义金额。因任何原因失败的请求（包括余额不足）都不计费。

Anthropic 格式的客户端

如果工具使用的是 Anthropic Messages API 而不是 OpenAI 的 API，请设置 ANTHROPIC_BASE_URL=https://yiduochan.com 和 ANTHROPIC_AUTH_TOKEN=<API key>，模型用 ANTHROPIC_MODEL=MiniMax-M2.7 或 MiniMax-M3。Claude Code 指南介绍了这种接入方式，包括 count_tokens 不可用这一点。

相关接口

同一个 Key 和 Base URL 还可以在 /v1/audio/speech 调用语音合成（TTS），模型为 speech-2.8-hd 和 speech-2.8-turbo，按 MiniMax 公布的价格以输入字符数计费；见 MiniMax Speech 2.8。视频模型 MiniMax-H3 即将推出，目前暂不可用。集成相关的问题请发邮件至 support@yiduochan.com。

常见问题

免费注册获取 API Key 查看完整模型定价