Pioneer 模型目录：编码器、解码器与推理

Pioneer 支持两大模型系列：编码器模型（GLiNER），用于结构化提取任务，如命名实体识别；解码器模型（LLM），用于文本生成、分类和开放式提示。下方表格是当前目录的快照——请使用 GET /base-models 查询实时列表，它始终反映当前的可用性和能力。一些处于灰度阶段的模型受功能开关控制。它们仅在启用了对应灰度的工作区中出现在实时目录里。

编码器模型 (GLiNER)

GLiNER 模型执行命名实体识别和结构化提取。大多数 GLiNER 基础模型在训练后同时支持训练和按需推理。价格按每 1M tokens 计。

Model ID	标签	输入	输出	训练	推理
`fastino/gliner2-base-v1`	GLiNER2 Base	$0.15	$0.15	LoRA, Full	Serverless, On-demand
`fastino/gliner2-large-v1`	GLiNER2 Large	$0.15	$0.15	LoRA, Full	Serverless, On-demand
`fastino/gliner2-multi-v1`	GLiNER2 Multi	$0.15	$0.15	LoRA, Full	Serverless, On-demand
`fastino/gliner2-multi-large-v1`	GLiNER2 Multi Large	$0.15	$0.15	LoRA, Full	Serverless, On-demand
`fastino/gliguard-LLMGuardrails-300M`	GLiGuard LLM Guardrails 300M	$0.15	$0.15	—	Serverless
`fastino/gliner2-privacy-filter-PII-multi`	GLiNER2 Privacy Filter PII (Multi)	$0.15	$0.15	—	Serverless
`fastino/gliguard-PII-multi`	GLiNER2-Guardrails-PII-Multi	$0.15	$0.15	—	Serverless

fastino/gliner2-multi-v1 和 fastino/gliner2-multi-large-v1 是多语言变体，适用于非英语文本。

解码器模型 — 训练

通过 POST /felix/training-jobs 进行的 LoRA 微调仅限于 Nemotron 3.5 Lightning 系列：

Model ID	标签	训练
`nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16`	Nemotron 3.5 Lightning 30B-A3B	LoRA
`fastino/Fastino-Nemotron-3.5-Lightning-Finance`	Fastino Nemotron 3.5 Lightning Finance	LoRA
`fastino/Fastino-Nemotron-3.5-Lightning-Healthcare`	Fastino Nemotron 3.5 Lightning Healthcare	LoRA

加上上述可训练的 GLiNER2 Base、Large、Multi 和 Multi Large 编码器目标，这些是新训练任务唯一支持的基础模型。提交任务前请查询 GET /base-models?supports_training=true；它是可用性的实时来源。

解码器模型 — 无服务器推理

以下是受支持的预部署推理系列。请查询 GET /base-models?supports_inference=true 以获取实时可用性、上下文限制和定价。

Nemotron 3.5 Lightning

Model ID	标签
`nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16`	Nemotron 3.5 Lightning 30B-A3B
`fastino/Fastino-Nemotron-3.5-Lightning-Finance`	Fastino Nemotron 3.5 Lightning Finance
`fastino/Fastino-Nemotron-3.5-Lightning-Healthcare`	Fastino Nemotron 3.5 Lightning Healthcare

Anthropic

Model ID	标签
`claude-opus-5`	Claude Opus 5
`claude-sonnet-5`	Claude Sonnet 5
`claude-haiku-5`	Claude Haiku 5

OpenAI

Model ID	标签
`gpt-5.5`	GPT-5.5
`gpt-5.6-luna`	GPT-5.6 Luna
`gpt-5.6-terra`	GPT-5.6 Terra
`gpt-5.6-sol`	GPT-5.6 Sol

DeepSeek

Model ID	标签
`deepseek-ai/DeepSeek-V4-Flash`	DeepSeek V4 Flash

Z.ai

Model ID	标签
`zai-org/GLM-5.2`	GLM 5.2
`zai-org/GLM-5.2-Fast`	GLM 5.2 Fast

这些系列之外的模型不是受支持的推理目标。集成前请使用 GET /base-models 查询实时目录和生命周期状态。

提示缓存

许多无服务器模型对缓存的输入 tokens 以折扣价计费，部分提供商会一次性额外收费用于将 tokens 写入缓存。Pioneer 直接透传每个提供商公布的缓存费率——这些与 GET /base-models 返回的 cache_read_price_per_million 和 cache_write_price_per_million 相同，也是 Pioneer 对您的计费费率。缓存费率由每个模型的输入费率乘以下面的系数得出。若某提供商没有单独的缓存写入项，缓存写入按标准输入费率计费。

提供商	缓存读取	缓存写入
Anthropic (Claude)	0.1× 输入	1.25× 输入
OpenAI (GPT-5 系列)	0.1× 输入	输入费率（GPT-5.6 Luna/Sol/Terra 上为 1.25×）

请查询实时目录以获取确切的缓存费率。任何没有显式缓存折扣的模型，其缓存输入均按标准输入费率计费。

按需与无服务器推理对比

Pioneer 提供两种服务预测的方式，选择哪种取决于您的工作流。 无服务器 (Serverless) 推理使用预先部署的基础模型端点。没有启动延迟，按 token 计费。这非常适合您希望调用前沿模型而无需微调的场景。 按需 (On-demand) 推理在微调完成后配置专用 GPU。您的 LoRA 适配器被加载到 GPU 上，专门为您的请求提供服务。当您将训练任务 ID 作为 model_id 传入时，Pioneer 会自动将推理调用路由到按需部署。

查询实时目录

上方表格可能落后于新增的模型。请使用 GET /base-models 在运行时获取当前目录。

# All models
curl https://api.pioneer.ai/base-models \
  -H "X-API-Key: YOUR_API_KEY"

# Only models that support inference
curl "https://api.pioneer.ai/base-models?supports_inference=true" \
  -H "X-API-Key: YOUR_API_KEY"

# Only models that support training
curl "https://api.pioneer.ai/base-models?supports_training=true" \
  -H "X-API-Key: YOUR_API_KEY"

# Filter by model family
curl "https://api.pioneer.ai/base-models?task_type=encoder" \
  -H "X-API-Key: YOUR_API_KEY"

curl "https://api.pioneer.ai/base-models?task_type=decoder" \
  -H "X-API-Key: YOUR_API_KEY"

响应中的每一条目都包含模型 ID、其显示标签、上下文长度、按每 1M tokens 计的费率（input_price_per_million、output_price_per_million、cache_read_price_per_million、cache_write_price_per_million），以及 supports_training 和 supports_inference 的布尔标志。请在训练任务请求和推理调用中直接使用模型 ID 值。要列出每个模型及其输入、输出和缓存费率：

curl -s "https://api.pioneer.ai/base-models?supports_inference=true" \
  -H "X-API-Key: YOUR_API_KEY" \
| jq -r '["model","input/M","output/M","cache_read/M","cache_write/M"],
    (.models[] | [.id, .input_price_per_million, .output_price_per_million,
      .cache_read_price_per_million, .cache_write_price_per_million]) | @tsv' \
| column -t -s $'\t'

开始使用

核心概念

API 参考

更新日志

Pioneer 模型目录：编码器、解码器与推理

编码器模型 (GLiNER)

解码器模型 — 训练

解码器模型 — 无服务器推理

Nemotron 3.5 Lightning

Anthropic

OpenAI

DeepSeek

Z.ai

提示缓存

按需与无服务器推理对比

查询实时目录

​编码器模型 (GLiNER)

​解码器模型 — 训练

​解码器模型 — 无服务器推理

​Nemotron 3.5 Lightning

​Anthropic

​OpenAI

​DeepSeek

​Z.ai

​提示缓存

​按需与无服务器推理对比

​查询实时目录

编码器模型 (GLiNER)

解码器模型 — 训练

解码器模型 — 无服务器推理

Nemotron 3.5 Lightning

Anthropic

OpenAI

DeepSeek

Z.ai

提示缓存

按需与无服务器推理对比

查询实时目录