关于项目
Minicode 是一个学术实验项目，由来自中国多所大学的研究小组运营。我们的目标是建立 OpenAI 标准兼容的 API 中继服务，通过在代理层使用多种手段近乎无损地压缩输入 Token，为全球用户提供比官方更低的 API 价格。低成本的输入对于需要大量消耗 Token 的长段编程、写作等场景有显著的成本优势，且不会降低输出质量。
虽然这是一个学术研究项目，我们承诺不会记录用户的任何输入和提示词用于任何目的。
核心技术
Token Compression
我们开发了激进的 Token 压缩技术，极大程度压缩最终提交的 Token 数量。对于不重要的上下文进行激进的摘要处理，并基于机器学习的语义化权重判断，在不丢失重要信息的同时降低成本。
Session Cache
多次请求中相同的 System Prompt 或文档，我们利用高性能 KV 服务缓存这部分内容，后续请求直接复用，费用大幅降低。对于 Anthropic 系列模型效果最好 —— Anthropic 对命中缓存的请求收费更低。
研究团队
来自多所高校的联合研究小组
Chengyu John
Guangzhou University
Junpeng Shü
Tsinghua University
Dongwei Van
National Central University
模型定价
元 / 百万 tokens
| 模型 | 输入 | 输出 |
|---|---|---|
注册即可获得免费额度，无需信用卡。