Blackbox 通过单一的 OpenAI 兼容端点路由来自 29 家以上实验室的 231 个第三方模型，也可以把开源权重模型作为单租户专属实例部署。它按 token 而非按席位计费，在网关层强制零数据保留，并在提示到达封闭模型之前剥离个人标识信息。
用过这个工具吗？给它评分
Blackbox 是一个推理平台。你把请求发到一个端点，它就会转到数百个第三方模型中最适合当前任务的那一个，或者转到一台专门为你保留的硬件上运行的模型。官网首页把定位说得毫不含糊：Blackbox 是「面向前沿推理的高信任平台」，可以「把你选择的开源权重模型作为专属实例运行」，也可以「通过一个端点路由 300 多个模型」。
这个定位值得强调，因为它多半和你从名字里预期的不一样。Blackbox 长期以来以「AI 编程助手」为人所知，搜索结果至今仍这样描述它。而今天的站点主打的是推理基础设施、安全性与按 token 的经济性。编程相关的产品面依然存在——Agents API、VS Code 扩展与 CLI 都在产品列表里——但它们是与推理业务并列，而不是站在前面。如果你带着「找一个自动补全插件」的预期进来，看到的却是一个带企业合同的模型网关，那是产品自身发生了迁移，而不是你找错了站点。
平台由三条产品线组成：Enterprise Inference、Blackbox Router，以及 Agents & Tooling（Agents API、VS Code 扩展与 CLI），官方特别注明「每一个产品面共用同一份按 token 的承诺额度」。一份余额覆盖全部产品，这既是商业模式的组织原则，也是架构上的组织原则。
这一点值得单独成节。因为「我实际上在跟哪个模型对话」是这类平台上最常悬而未决的问题，也因为这一品类的厂商有时会列出一些实际上属于「愿景」、张冠李戴，或者归属于兄弟产品的模型名。
在这里，答案的记录质量异常地好。模型目录页直接给出了结论：收录 231 个模型，来自「29 家以上实验室」，通过「Blackbox Router——一个 OpenAI 兼容端点」访问。那是一张可筛选的实时表格，带上下文窗口与逐 token 费率，而不是一面 logo 墙。
每一个条目都带有明确的厂商命名空间——anthropic/claude-opus-5、google/gemini-3.7-flash、openai/gpt-5.6-sol、xai/grok-4.6——因此每个模型的归属是被明说的，而不是靠暗示。与之并列的还有来自 Meta、阿里巴巴、Moonshot、MiniMax、NVIDIA、Sakana、Kwaipilot 等机构的模型，各自带有自己的命名空间前缀。
由此可以得出一个直截了当、值得明说的结论：Blackbox 似乎并不自研前沿模型，它运行和路由的是别人的模型。目录中的一切都被归属到某个外部实验室。这不是批评——路由与托管本身是正当且有难度的生意，而且如实标注归属远好过相反的做法——但它确实意味着，当你评估质量时，你评估的是「某个特定第三方模型」加上「Blackbox 对它的服务能力」，而不是某个自研模型。请评判它的路由、速度、隐私处理与价格；智能本身属于命名空间里写着的那些实验室。
被标注 DEDICATED 的条目「可以改为作为隔离到你一家的单租户部署运行」，这是共享路由与专属容量之间的实际分界线。开源权重模型可以这样运行；封闭模型受其性质所限，则不能。
一个端点即可触达全部托管目录，网关层强制执行零数据保留与不训练。一把密钥、一张账单、一个仪表板。对于当前同时周旋于多个供应商账号的团队来说，「归并」是最直接的实际收益。
与共享容量不同，Blackbox 会把你选定的开源权重模型部署在为你保留的 GPU 上——官方描述为单租户、隔离、没有共享池、没有其他客户。对于那些根本不能送进共享服务的工作负载，这就是答案。
接入方式刻意做得平淡无奇：「一个 OpenAI 兼容端点。改一下 base URL，代码照旧。」官方给出的示例向 enterprise.blackbox.ai/chat/completions 发起请求，使用标准的 messages 数组与流式标志。如果你的代码已经在说 OpenAI 协议，那迁移就是一次配置变更。
面向云端编码 Agent 的 Agents API 与 Remote Agent 云沙箱仅限 Enterprise 档，而多 Agent 与 Chairman LLM 编排在两档均按量计费。VS Code 扩展与 CLI 补齐了面向开发者的产品面，全部从同一份 token 余额中扣减。
智能路由、故障转移与提示缓存在两档中均包含。厂商声明这些不只是便利功能：据称智能路由与提示缓存可以把同一份承诺额度延展 10–20%，而且这一效果同样作用于封闭模型。
归并多个供应商账号是最常见的切入点。分别对接 OpenAI、Anthropic 与 Google 的团队，可以用一把密钥、一张账单触达三者，同时保持模型选择的开放性。
受监管或敏感的工作负载最适合走专属路径。当代码或记录不能被送往共享的多租户服务时，把开源权重模型跑在保留容量上，会改变「什么是可行的」这件事本身。
对成本敏感的高吞吐推理会从路由加缓存中获益，因为足够用的最便宜模型可以承接大部分流量，较难的请求再向上升级。
企业环境中的编码 Agent 由 Agents API 与 Remote Agent 沙箱服务，专属运行器与 SSO 可在合同下提供。
模型评测与横向比较是天然契合的用法，因为一次接入即可触达 231 个模型，模型之间切换只是改一个字符串，而不是换一套 SDK。
反过来说，它并不面向想要消费级聊天界面的个人用户，也不面向想找一个自研前沿模型的人——这里的模型都属于别的实验室。
在评判一个模型之前先看命名空间。目录会明确告诉你调用的是谁家的模型；关于质量的抱怨，通常应该归给实验室，而不是网关。
按下限而不是上限来定承诺额度。未使用的承诺额度会在计费周期结束时作废，因此一个雄心勃勃的承诺额度，一旦用量不及预期，就会直接变成浪费。
留意 75% 与 90% 的提醒。它们之所以存在，是因为「作废」是真实会发生的事，而这也是「不会有额度在毫无预警的情况下过期」的实现机制。
不要假设零保留会原封不动地延伸到每一个被路由到的模型。该保证在网关层被强制执行，但对上游的封闭供应商而言，它部分依赖对方的条款与逐请求标志。
把「无人工审阅」当作合同条目来对待。它被列为按合同逐一议定，而不是全平台默认，采购环节应当明确确认这一点。
有选择地使用专属部署。对受监管的工作而言，保留容量是正确答案；对其余一切而言，它是昂贵答案。
如果你已经有议定价格，就带上自己的供应商账号。Enterprise 档支持这么做，可以让你在保留既有价格的同时获得路由与可观测能力。
在组织范围内统一模型接入方式的平台与基础设施团队是最明确的适配对象，因为一个端点、一张账单取代了一堆分散的供应商集成。
有合规约束的企业从单租户路径中获益最大，因为它们的替代方案往往是「干脆不用托管模型」。
跑高吞吐量、对成本敏感的团队会从路由与缓存中获益，尤其是当一个更便宜的模型就足以应付大部分流量时。
已经构建在 OpenAI 协议之上的工程团队面临的切换成本异常之低，因为接入只是改一个 base URL。
以安全为主导的采购方显然就是站点文案的目标读者，因为其表述中有相当大的比重在讲加密、保留策略与标识剥离。
而以下几类并不适合：想要一个打磨精良的消费级聊天产品的个人；想要自研内部模型的团队；不愿为企业级控制项与销售沟通的人；以及在采纳前需要大量独立第三方验证的买家——如下文所述，这类验证相当单薄。
Blackbox 主要以 API 形式交付。OpenAI 兼容的 REST 与流式接口是主要产品面，这意味着任何已经能调用 OpenAI 的语言或框架，都可以在不引入新 SDK 的情况下调用 Blackbox。
在 API 之外，产品还提供 CLI 与 VS Code 扩展，二者共用同一份按 token 的承诺额度，另有面向云端执行 Agent 工作的 Agents API 与 Remote Agent 沙箱。
企业部署选项进一步扩展到专属单租户基础设施与数据驻留，SAML SSO、SCIM、RBAC 与审计日志可在合同下提供。公司还提到与微软的 AI 合作关系，覆盖在 Azure 上的企业部署。
计费按 token 而非按席位，分为 Pay As You Go 与 Enterprise 两档。前者被描述为「每个模型都按标准费率，无需签署任何文件」，月度承诺额度为 0；后者是按采购单递减的年度承诺。
费率按每百万 token 公布，输入、输出与缓存读取分别计费——nvidia/nemotron-3-ultra 为输入 0.32 美元、输出 0.80 美元、缓存读取 0.08 美元，对比 zai/glm-5.2 的 1.40 美元与 4.40 美元。把缓存读取费率单独列出是个有用的细节，因为在重复上下文的场景里，缓存会实质性地改变有效成本。
承诺客户可以看到「封闭模型 −5% 起」与「开源模型 −10% 起」，页面也直白地写明「合同上的费率会随承诺支出的增长而改善」。开源权重模型折扣更大的原因，官方解释为这部分基础设施由 Blackbox 端到端自行运营，而封闭模型则要路由回其供应商。
关于平台费，定价页回答得很干脆：「没有额度购买费，也没有按席位收费。你按不高于列表价的价格为 token 付费。」对于习惯了按席位计费的 AI 工具的团队来说，不收席位费是一个实实在在的结构性差异。
签约前需要理解的陷阱是：未使用的承诺额度「会在计费周期结束时作废」，官方在用量达到 75% 与 90% 时发送支出提醒，而厂商自己的建议是「按你的最低用量来定承诺额度」。这条建议是可靠的，也值得逐字照做——承诺折扣只有在 token 真的被消耗掉时才算省钱。
在路由这一职能上，OpenRouter 是概念上最接近的竞品，同样把众多模型聚合到一个 API 之后，但商业与企业姿态不同。
Together AI、Fireworks 与 Baseten 在托管开源权重推理上竞争，并出现在同一批速度对比中，其中 Together AI 直接出现在官方的基准表格里。
当你只需要一家供应商、没有聚合需求时，直接对接 OpenAI、Anthropic 或 Google 仍是最简单的选择——而 Blackbox 自己在 Enterprise 档也支持接入这些账号。
对于拥有 GPU 容量与工程深度的团队，用 vLLM 之类自建可以获得最大控制权，代价是自己运维这套基础设施。
若具体到编码 Agent 这一用途，该品类中的专用工具与其说是在和推理平台竞争，不如说是在和 Agent 产品面竞争。
独立验证是整幅图景中最薄弱的部分。第三方验证实际上处于缺位状态：Product Hunt 页面显示评分 5.0，但它来自唯一一条评价，关注者 11 人，样本量小到不足以承载任何结论。也未检索到任何主流科技媒体的独立评测或调查报道，而各家公司数据库在融资与营收口径上互相矛盾，因此本文不引用任何此类数字。于是本条目中的几乎所有内容，都建立在厂商自己公开的页面之上。
速度方面的主张足够具体、可供核对：Artificial Analysis 于 2026 年 7 月在 NVIDIA Nemotron 3 Ultra 上测得每秒 454 个 token，位列所有供应商第一，「比第二名快 30%」。这是第三方测量，但它被转载在厂商自己的页面上，本文并未对照原始榜单独立确认；而且它覆盖的是某一时点的某一个模型，而非整个目录。
关于训练退出的限定条件是公开写明而非藏起来的：保留与训练的抑制是「通过供应商条款与逐请求标志，在供应商 API 支持的范围内」实现的，这使得该保证在边缘处是合同性的，而非纯技术性的。这是一种诚实的披露，同时也意味着这份承诺的强度会因上游供应商而异。
首页上最容易被忽略的一行藏在隔离性标题之下：「无人工审阅——按合同逐一议定」，也就是说这项保护是合同条款，而非全平台默认。默认它自动生效的买家，可能默认得太多了。
企业档的门槛设得很高。SAML SSO、SCIM、RBAC 与审计日志仅限 Enterprise，数据驻留、单租户部署与自定义速率限制亦然；这些在 Pay As You Go 档一概不提供。Agents API 与 Remote Agent 沙箱同样仅限 Enterprise。自助用户拿到的是路由与费率，而不是治理能力。
承诺额度作废是真实存在的财务风险，前文已述；此外，服务条款页在调研期间无法取回——请求 /terms 返回 404——因此本条目不对运营实体与准据法作出陈述。
最后，目录本身是个移动靶。一张含 231 个模型、带具体价格的表格会频繁变动，因此请把本文中的每一个数字都视为快照，在做预算之前核对当前费率。
隐私是该产品叙事的核心，而其机制被描述得足够具体，可以据以评估。
提示、代码上下文与补全「仅在当次请求存续期间留在内存中，响应返回后即被丢弃」，并且「不做模型训练、不设提示审阅队列、不留产品分析用的内容副本」。隐私页把这件事表述为一个路由决策，而不是一个政策上的勾选框，这与它的实现方式是吻合的。
在 Enterprise 档，PII 层会在提示到达封闭模型之前改写标识符，使得「封闭模型收到的是 <EMAIL_1> 或 <PERSON_2> 这样的占位符，随后再为你的用户还原响应」。该过滤器被描述为在 Blackbox 层内作为一个本地推理步骤运行，因此标识符在路由到供应商之前就已被移除，企业团队还可以调整需要遮蔽的类别。
把这些串起来的架构思想是「按敏感度路由」：可以在移除标识符后安全触达封闭供应商的任务走 Router，而受监管或核心资产级的代码则路由到保留容量上的 Enterprise Inference。团队可以按工作区策略区分公开文档、内部工单、源代码、密钥与受监管记录，而不必依赖每位开发者手动挑选最安全的模型——这是一项有意义的改进，因为「靠每个人自觉」恰恰是规模化之后最先失效的东西。
审计日志被描述为记录访问与配置事件，但不存储提示正文，这对于「取证但本身不制造新的数据风险」而言是正确的形态。
需要如实指出的边界是：PII 剥离、审计日志与数据驻留都是 Enterprise 档能力；无人工审阅按合同逐一议定；而上游的训练抑制取决于各供应商 API 支持到什么程度。这里的披露质量在同品类中高于平均水平，但最强的那些保证需要一份合同，而不是一次注册。
依据其公开目录，没有。全部 231 个模型都通过 anthropic/、google/、openai/、meta/、xai/ 等明确的命名空间归属到外部实验室。Blackbox 托管并路由这些模型，而不是自研前沿模型，因此模型质量是你所选实验室的属性，而速度、隐私处理与价格才是 Blackbox 的属性。
模型目录页列出 231 个模型，来自 29 家以上实验室，涵盖开源权重与封闭模型，每个都公布了上下文窗口与逐 token 费率。已具名的厂商包括 Google、Anthropic、OpenAI、Meta、xAI、阿里巴巴、Moonshot、MiniMax 与 NVIDIA 等。
按 token，而不是按席位。Pay As You Go 按标准费率计费，无需承诺、无需签约。Enterprise 是按采购单递减的年度承诺支出，封闭模型折扣从 5% 起、开源权重模型从 10% 起，并随承诺支出增长而改善。输入、输出与缓存读取分别计费。
会在计费周期结束时作废。Blackbox 会在承诺用量达到 75% 与 90% 时发送支出提醒，并明确建议按最低用量来定承诺额度。请把承诺额度当作你有把握消耗掉的下限，而不是你希望达到的目标。
网关层强制执行零数据保留，提示、代码上下文与补全仅在当次请求期间留在内存中，随后被丢弃，不做模型训练、不设提示审阅队列。对被路由的流量而言，训练退出默认开启，但请注意其明示边界：它是通过供应商条款与逐请求标志、在供应商 API 支持的范围内实现的。
在 Enterprise 档可以。PII 匿名化层会在提示离开、发往封闭供应商之前，把姓名、邮箱、账号与密钥替换为语义占位符，并在之后还原响应。这是 Enterprise 档能力，而不是自助档的默认行为。
如果你已经在用 OpenAI 协议，难度很低。该端点在 REST 与流式两方面均兼容 OpenAI，官方给出的做法是改 base URL、代码照旧，再把模型字符串换成你想要的带命名空间的标识符。
专属单租户部署、数据驻留、SAML SSO、SCIM、RBAC、审计日志、封闭模型前的 PII 移除、自定义速率限制与 SLA、面向云端编码 Agent 的 Agents API、带专属运行器的 Remote Agent 沙箱，以及一位专属前向部署工程师且实施不额外收费。
在 Enterprise 档可以。你可以接入自己的 OpenAI、Anthropic 或 Google 账号，按既有关系与议定价格走，同时保留路由、故障转移、缓存与仪表板能力。此时用量将通过你的供应商结算，而不是通过 Blackbox。
它具体到可以核对，这一点本身是加分项：在 Nemotron 3 Ultra 上每秒 454 个 token，由 Artificial Analysis 于 2026 年 7 月测得，在所有供应商中排名第一。但有两条保留意见——该数字是转载在厂商自家页面上的，本文并未独立确认；而且它描述的是某一时刻的某一个模型，而不是整个目录。
