New API

手里同时用着 OpenAI、Claude、Gemini 几个模型的开发者，大概率都遇到过同一个麻烦：每个平台一套密钥、一套计费、一套调用格式，项目里切换模型要改代码，团队里分发密钥又怕泄露。我最近试用了 New API（https://www.newapi.pro/zh），一个开源 AI 网关，核心思路是把多模型接入、密钥管理和权限管控收拢到一个入口，省去逐个平台对接的重复劳动。

核心功能

功能设计偏向工程实用，没有花哨的界面包装，重点都落在渠道管理和密钥分发上。

上手体验

访问速度方面，官网文档打开顺畅，部署文档结构清晰，按步骤走基本不需要额外搜索。操作门槛中等偏低，有服务器运维基础的人半小时左右能跑起来，纯新手对着文档也能完成，只是环境配置环节需要一点耐心。免费与付费规则上，软件本身开源免费，成本主要来自所接入模型的调用费用和你自己的服务器开销，这一点比较透明。资源丰富度不错，主流厂商渠道基本都有覆盖，社区也有相关讨论可参考。

小缺点也有：后台界面偏功能导向，第一次进去功能项较多，需要花点时间熟悉菜单分布；部分高级配置的说明偏简略，遇到特殊渠道时还得翻文档或社区帖子。

网站概览

New API 的定位是开源 AI 网关，解决的问题很具体：多模型时代下接口碎片化、密钥分散、权限失控。它不是模型本身，而是夹在应用和模型之间的一层统一调度与管控入口，适合需要长期维护多模型调用的团队。

综合评价

优点：开源可自部署，数据自主可控；统一接口降低切换成本；密钥权限颗粒度细，适合团队协作；成本结构透明。

不足：后台信息密度高，新手上手需要适应；部分边缘渠道的配置文档不够细。

建议：个人开发者如果只是单模型轻度使用，直接用官方 SDK 更省事；一旦涉及两个以上模型或多人共用密钥，New API 的收益就明显了。适合中小团队、有自部署需求的开发者，以及需要给下游应用做额度隔离的场景。

相关推荐

• One API（https://github.com/songquanpeng/one-api）：同类开源网关，New API 与其思路相近，差异在于 New API 在权限与计费维度做了更细的拆分。
• LiteLLM（https://github.com/BerriAI/litellm）：偏 Python 生态的统一调用库，适合代码层集成，但缺少可视化后台的密钥管控。
• OpenRouter（https://openrouter.ai）：托管式多模型聚合服务，开箱即用，代价是数据经过第三方，且无法自部署。
• Dify（https://dify.ai）：偏应用编排的平台，模型接入只是其中一环，若只需网关能力则显得偏重。

对比下来，New API 的差异化在于开源自部署加细粒度密钥权限，适合把控制权握在自己手里的团队。

整体看，New API 值得多模型调用频繁、在意数据自主的开发者花时间试一次。建议先小规模部署，接一两个渠道跑通流程，确认后台操作习惯后再逐步迁移正式业务，避免一次性切换带来的调试成本。