> ## Documentation Index > Fetch the complete documentation index at: https://docs.pioneer.ai/llms.txt > Use this file to discover all available pages before exploring further. # Pioneer 模型目录：编码器、解码器与推理 > 浏览 Pioneer 用于微调和推理的编码器 (GLiNER) 与解码器 (LLM) 模型目录。介绍按需与无服务器部署方式、上下文窗口、支持的任务类型,以及如何通过 API 查询实时模型列表。 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。 ```bash theme={null} # 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： ```bash theme={null} 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' ```