AI Ping最新上线了，现在来免费用！MiniMax-M2.1、GLM-4.7，手把手教学部署与运用

微学AI
138 阅读8分钟

一、AI Ping 中的模型

随着大语言模型技术的飞速发展，AI 辅助编程已成为新常态。其中，“氛围编程”作为一种新兴范式，强调开发者通过自然语言与 AI 进行流畅交互，在沉浸式的开发环境中获得代码建议、问题解答和自动化任务支持 。这种范式极大地依赖于强大的后端 AI 模型和顺畅的前端工具集成。在此背景下，一个名为 AI Ping 的新兴 API 聚合服务应运而生。

AI Ping是国内领先的大模型服务评测与聚合平台，致力于为开发者提供全面、客观、真实的模型性能数据和统一调用入口。平台已接入智谱、MiniMax、DeepSeek、通义千问等主流厂商，覆盖近百种模型，涵盖文本生成、视觉理解、图像生成、Embedding、Reranker 等多种类型。

最近AI Ping上线了最新的强大模型包括：MiniMax-M2.1、GLM-4.7。

模型库：

AI Ping 模型库概览，热门模型如下：

  • NEW - 新上线：GLM-4.7、MiniMax-M2.1、MiMo-V2-Flash、Ring-1T 等

  • FREE - 免费：DeepSeek-V3.2、GLM-4.7、MiniMax-M2.1、Doubao-Seedream-4.5 等

  • HOT - 热门：GLM-4.7、GLM-4.6、MiniMax-M2、DeepSeek系列等

二、模型介绍与使用

GLM-4.7模型

GLM-4.7介绍

GLM-4.7 是智谱最新旗舰模型，GLM-4.7 面向 Agentic Coding 场景强化了编码能力、长程任务规划与工具协同，并在可控推理机制支撑下实现了复杂工程任务的稳定交付。通用能力全面提升，回复更简洁自然，写作更具沉浸感。在执行复杂智能体任务时，指令遵循能力更强，Artifacts 与 Agentic Coding 的前端美感和长程任务完成效率进一步提升。

GLM-4.7实测数据

AI Ping 平台测试数据

GLM-4.7 的示例代码与 API 说明

AI Ping 会帮你在不同的服务提供商之间规范化处理请求和响应，为你统一接口。

AI Ping 提供了兼容 OpenAI 的 Completion API ，可连接 500 多款模型与服务供应商。

from openai import OpenAI
 
openai_client = OpenAI(
    base_url="https://www.aiping.cn/api/v1",
    api_key="QC-********************************",
)
 
response = openai_client.chat.completions.create(
    model="GLM-4.7",
    stream=True,
    extra_body={
        "provider": {
            "only": [], 
            "order": [],
            "sort": None,
            "input_price_range": [],
            "output_price_range": [],
            "input_length_range": [],
            "throughput_range": [],
            "latency_range": []
        }
    },
    messages=[
        {"role": "user", "content": "Hello"}
    ]
)
 
for chunk in response:
    if not getattr(chunk, "choices", None):
        continue
    
    reasoning_content = getattr(chunk.choices[0].delta, "reasoning_content", None)
    if reasoning_content:
        print(reasoning_content, end="", flush=True)
 
    content = getattr(chunk.choices[0].delta, "content", None) 
    if content: 
        print(content, end="", flush=True)

MiniMax-M2.1模型

MiniMax-M2.1介绍

MiniMax M2.1 是 MiniMax 最新旗舰模型，MiniMax M2.1 面向长链 Agent 执行场景强化了多语言工程能力、持续运行效率与收敛推理路径，并在高效 MoE 架构支撑下实现了吞吐与稳定性的出色平衡。在执行长时间 Agent 工作流时，推理路径更收敛、工具调用更高效，凭借低激活参数与 200k 长上下文优势，连续编码与持续运行吞吐进一步提升。

MiniMax-M2.1实测数据

AI Ping 平台测试数据

MiniMax-M2.1 的示例代码与 API 说明

AI Ping 会帮你在不同的服务提供商之间规范化处理请求和响应，为你统一接口。

AI Ping 提供了兼容 OpenAI 的 Completion API ，可连接 500 多款模型与服务供应商。

from openai import OpenAI
 
openai_client = OpenAI(
    base_url="https://www.aiping.cn/api/v1",
    api_key="QC-****************",
)
 
response = openai_client.chat.completions.create(
    model="MiniMax-M2.1",
    stream=True,
    extra_body={
        "provider": {
            "only": [], 
            "order": [],
            "sort": None,
            "input_price_range": [],
            "output_price_range": [],
            "input_length_range": [],
            "throughput_range": [],
            "latency_range": []
        }
    },
    messages=[
        {"role": "user", "content": "Hello"}
    ]
)
 
for chunk in response:
    if not getattr(chunk, "choices", None):
        continue
    
    reasoning_content = getattr(chunk.choices[0].delta, "reasoning_content", None)
    if reasoning_content:
        print(reasoning_content, end="", flush=True)
 
    content = getattr(chunk.choices[0].delta, "content", None) 
    if content: 
        print(content, end="", flush=True)

三、核心：AI Ping 统一 API 接口规范

为了适配不同的 CLI 工具，我们首先需要理解 AI Ping 提供的统一 API 接口规范。AI Ping 巧妙地将不同模型的原生 API 封装成与 OpenAI API 格式兼容的接口，这极大地简化了集成过程。

  • API 端点 (Endpoint URL): AI Ping 提供了一个统一的 API 基础 URL。所有模型调用都通过这个地址进行路由。根据对类似服务的分析 这个地址通常形如：

    base_url = "https://aiping.cn/api/v1"

  • 认证方式 (Authentication): AI Ping 采用 Bearer Token 的认证方式。开发者需要在请求的 Authorization 头中包含从 AI Ping 平台获取的 API 密钥 。

    Authorization: Bearer <您的AI_PING_API_KEY>

  • 模型标识符 (Model ID): 在请求体中，通过 model 字段指定要使用的模型 。AI Ping 为免费模型分配了以下标识符：

    • MiniMax-M2.1：model="MiniMax-M2.1"

    • GLM-4.7：model="GLM-4.7"

四、获取免费的 AI Ping API 密钥

在配置任何工具之前，首要任务是获取 AI Ping 的免费 API 密钥。

  1. 访问 AI Ping 官方平台： 打开浏览器，访问 AI Ping 的官方网站：www.aiping.cn/。

  • 注册并登录账户： 使用您的手机号码、邮箱或 GitHub 账户进行注册和登录。

  1. 进入 API 密钥管理页面： 登录后，在个人中心中找到API秘钥。

  2. 创建新的 API 密钥： 点击“创建新密钥”（Create new key），系统会生成一个以 QC- 开头的字符串。请立即复制并妥善保管此密钥。

五、分步配置指南：将 AI Ping 集成到四大 CLI 工具

接下来，我们将详细介绍如何在不同操作系统（Linux, macOS, Windows with WSL）上配置四款主流的 CLI 编码工具。

4.1 环境准备

确保您的开发环境满足以下基本要求：

  • Node.js: 版本需 v18.0.0 或更高。推荐使用 nvm (Node Version Manager) 进行安装和管理 。

  • Git: 版本需 2.23+ 。

  • Python: 版本需 3.10+（某些工具或其插件可能需要）。

  • Shell 环境: 推荐使用 Zsh (配合 Oh My Zsh) 或 Bash。

4.2 工具一：Claude Code 配置指南

Claude Code 是由 Anthropic 开发的一款功能强大的终端原生 AI 助手，以其对项目上下文的深度理解和多文件操作能力而闻名 。

步骤 1：安装 Claude Code

打开终端，使用 npm 进行全局安装 。

npm install -g @anthropic-ai/claude-code

安装完成后，运行以下命令验证是否成功：

claude --version

终端输出：

步骤 2：配置环境变量

Claude Code 通过环境变量来配置 API 端点和密钥。由于 AI Ping 提供了 OpenAI 兼容的 API，我们可以通过设置 OPENAI_API_KEY 和 OPENAI_API_BASE 两个环境变量来“欺骗”Claude Code，使其连接到 AI Ping。

打开您的 shell 配置文件（如 ~/.zshrc 或 ~/.bashrc），在文件末尾添加以下内容 ：

# AI Ping Configuration for Claude Code
export OPENAI_API_BASE="https://aiping.cn/api/v1"
export OPENAI_API_KEY="<此处粘贴您获取的AI_PING_API_KEY>"

保存文件后，执行 source ~/.zshrc 或 source ~/.bashrc 使配置生效。

步骤 3：选择并启用模型

默认情况下，Claude Code 可能会尝试调用其原生模型。我们需要通过命令行参数或配置文件指定使用 AI Ping 提供的模型。

方法A：通过命令行参数

每次启动时，通过 -m 或 --model 参数指定模型 ：

# 使用 Kimi-K2-Thinking 模型
claude edit "src/app.js" -m "aiping/minimax-m2.1" -p "请重构这个文件，将所有回调函数改为 async/await 语法"

# 使用 GLM-4.7 模型
claude -m "aiping/glm-4.7" "请为我编写一个检查密码强度的 Python 函数"

方法B：通过全局配置文件（推荐）

为了避免每次都输入模型名称，我们可以修改 Claude Code 的全局配置文件。该文件通常位于 ~/.config/claude-code/mcp_settings.json 。如果文件不存在，请先运行一次 claude 命令让其自动创建。

编辑该文件，设置 defaultModel 字段：

{
  "defaultModel": "aiping/minimax-m2.1",
  "telemetry": {
    "disabled": true
  }
}

通过这种方式，您将 MiniMax-M2.1 设置为默认模型。现在，您可以直接运行 claude 命令，它将自动使用 AI Ping 的模型。

终端输出（使用配置好的 Claude Code）：

4.3 工具二：Codex CLI 配置指南

Codex CLI 是 OpenAI 开源的一款本地编码代理工具，允许开发者在终端中与代码库进行交互 。它同样支持通过环境变量配置 API。

步骤 1：安装 Codex CLI

使用 npm 进行全局安装 ：

npm install -g @openai/codex

步骤 2：配置环境变量

与 Claude Code 类似，我们配置 OPENAI_API_KEY 和 OPENAI_API_BASE 两个变量。如果您已为 Claude Code 配置过，此步骤可以跳过。

# AI Ping Configuration for Codex CLI
export OPENAI_API_BASE="https://aiping.cn/api/v1"
export OPENAI_API_KEY="<此处粘贴您获取的AI_PING_API_KEY>"

记得 source 您的配置文件。

步骤 3：配置模型

Codex CLI 允许通过 ~/.codex/config.toml 文件来配置默认模型 。创建并编辑此文件：

# ~/.codex/config.toml
# 设置默认使用的模型为 AI Ping 的 GLM-4.7
model = "aiping/glm-4.7"

步骤 4：开始使用

现在，您可以在项目目录中启动 Codex CLI，并开始与 AI Ping 的模型进行交互。

# 进入你的项目目录
cd my-project

# 启动 codex
codex

终端输出：

六、总结与展望

本文详细给大家介绍了如何利用 AI Ping 提供的限时免费大模型资源，最近AI Ping上线了最新的强大模型包括：**MiniMax-M2.1、GLM-4.7。**这两个大模型功能强大，模型输出效果都很好。我们通过遵循本指南提供的分步操作，开发者可以零成本地在自己熟悉的终端环境中，享受到顶级 AI 模型带来的编程效率提升。

利用 AI Ping 提供的 OpenAI 兼容 API 接口，通过设置标准的环境变量（如 OPENAI_API_BASE 和 OPENAI_API_KEY）或工具特定的配置，将这些 CLI 工具的请求重定向到 AI Ping 服务。随着 AI 技术的不断普及，类似 AI Ping 的聚合服务将使开发者能够更灵活、更低成本地切换和使用来自不同提供商的先进模型。我们鼓励开发者积极拥抱“氛围编程”这一新范式，并持续关注 AI Ping 等平台未来的发展，抓住更多技术红利，打造更加智能和高效的开发工作流。

aiping.cn/#?channel\\… (注册登录立享30元算力金)

avatar
文章
阅读
粉丝