GPT / OpenAI 专项 共 18 家

这一类围绕 OpenAI 生态，用户多来自 Codex CLI、以及大量已经按 OpenAI 规范写好的存量代码。只要把 base_url 换掉、Key 换掉就能跑，迁移成本极低 —— 这也是很多人第一次接触中转站的入口。

挑站时要区分「兼容 Chat Completions」和「支持 Responses API」。前者是行业通用标准，几乎所有中转站都实现；后者是 OpenAI 较新的接口形态，Codex CLI 等新工具依赖它。只实现前者的站点，用新工具时会直接失败。

GPT 系列的版本迭代很快，站点的模型清单容易滞后。一个实用判断：如果某站的 /v1/models 返回里能看到最新版本，通常说明它在跟着上游更新；如果只有几年前的模型名，可能已经疏于维护。

另外注意 o 系列与 GPT 系列在计费上的差别 —— 推理模型的输出 token 明显更多，同样的调用次数账单会高出一截。选型时不要只比倍率，要按自己的实际 token 结构估算。

• 要最稳的：按当前可用率排序取最高。样本数越少越可能失真，本站标注了数据来源（公开数据集 / 本站实测），可点进详情页核对。
• 要响应最快的：按最近一次探测的首页响应时间排序。单次测量波动较大，更适合当作参考区间而不是绝对值。

把 base_url 换成中转站后，代码需要改吗？

多数情况只需要改 base_url 和 api_key 两处，SDK 代码不用动 —— 这正是 OpenAI 协议兼容的价值。但如果用到较新的接口（如 Responses API、Realtime），要先确认站点是否实现，否则会出现「基础对话正常、特定功能 404」的情况。

GPT-5 系列在中转站上会被降级吗？

有可能，但比 Claude 系列少见。判断方式与 Opus 类似：看 /v1/models 返回、对比回答质量、观察响应延迟是否符合该档位。本站的接口探测会记录模型清单，可以作为交叉核对的参考。

为什么同一个模型，不同站点的输出速度差这么多？

主要取决于两件事：站点到上游的网络链路，以及它是否对请求做了排队。延迟数据本站按天采集，可以在对比榜单里看到实际分布。注意单次测量波动较大，建议看一段时间的中位数而不是某一次数值。

推理模型（o 系列）适合走中转站吗？

可以，但要留意计费。推理模型的思考过程也计入输出 token，且往往远多于最终答案，账单会比按「对话轮次」估算的高不少。建议接入后先跑一周真实任务，按实际 token 用量重新评估是否划算。