JellyNet
JellyNet · 程式設計
JellyNet 是一個代理式 API 交易平台，讓開發者和 AI 代理透過單一與 OpenAI 相容的端點，就能存取 40 多家 LLM 供應商，涵蓋文字、圖像、音訊與嵌入模型。買方逐次呼叫付費，人類透過 Stripe，代理則透過 Solana 上的 x402 協定以 USDC 付款，而供應方則依實際消耗的 token 收費。不必重寫 SDK，也不必為代理流量開設帳號。
關於 JellyNet
JellyNet 是什麼
JellyNet 是一個交易平台，介於需要 LLM 運算資源的人與有多餘資源可販售的人之間。在買方這一端，你把任何與 OpenAI 相容的用戶端指向 JellyNet 的端點，就能呼叫 OpenAI、Anthropic、Google、Meta、Mistral、DeepSeek、xAI、Groq 以及一長串其他供應商的模型。在賣方這一端，你上架未使用的 API 金鑰、代理容量或多餘算力，設定價格，並依每次請求以 USDC 收款。
它的賣點是成本與彈性。JellyNet 表示，在其公布的範例流程中，買方最多可比零售價低 60% 付費（claude-sonnet-4.6 的買方費率為每 100 萬 token 1.99 美元，對應供應方撥款 1.79 美元，JellyNet 從供應方收入中抽成 10%）。每筆交易都經過可檢視的帳本，因此你能追蹤每次請求花了多少。
主要限制在於成熟度。JellyNet 依賴 x402 付款標準，而該標準仍年輕，結算又在 Solana 上以 USDC 進行，因此代理買方需要一個已入金的錢包與可運作的 x402 用戶端。偏好繼續用信用卡的人則改用 Stripe。如果你對加密貨幣管道不放心，或需要企業合約與 SLA，這套系統目前還不是為此而建。我也會把公布的省錢幅度視為範例，而非適用於所有模型的保證。
開始使用
- 如果你以人類身分付款，用電子郵件或 Stripe 支援的註冊方式建立 JellyNet 帳號，然後在儀表板產生 API 金鑰。
- 把基礎 URL 設為
https://api.jellynet.net/v1，將任何與 OpenAI 相容的用戶端或 SDK 指向它。 - 用你選定的模型（例如
gpt-4o或claude-sonnet-4.6）送出請求，做法與你對 OpenAI 下請求時完全相同。 - 若是代理流量，跳過金鑰。呼叫端點，讀取標準的
402 Payment Required回應，在 Solana 上支付所報的 USDC 金額，再帶上X-Payment證明標頭重試。 - 在即時帳本中留意支出，它會逐項列出請求、token 數量、延遲與每次呼叫的成本。
產品資訊
快速了解 JellyNet 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 獨立開發者與小型團隊：透過單一與 OpenAI 相容的金鑰來路由，而非在每家供應商支付全額零售價，藉此降低 LLM 支出，前提是他們能接受較新的交易平台。
- AI 代理開發者：讓代理以逐次呼叫付費的方式存取模型，無需註冊流程也不必管理金鑰，前提是代理能在 Solana 上持有 USDC 錢包。
- 有多餘容量的供應方：把未使用的 API 金鑰、代理或 GPU 時間變現，並依每次請求以 USDC 收款，但要注意收益取決於需求是否真的與你的上架項目相符。
任務
- 不改程式碼就能在供應商之間切換：你透過單一端點呼叫數十種模型，因此拿 Claude 對比 Gemini 再對比 Llama 只是改設定，不是重寫。
- 執行高流量、低價值的推論：逐次呼叫付費 API 適合每次請求只值幾分錢、而信用卡手續費會吃掉利潤的工作負載。
- 建立會自行購買算力的代理工作流程：x402 流程讓代理能在任務進行中為一次模型呼叫付款，無需人工為帳號加值。
情境
- 跨多種模型做原型設計：在決定採用多家 LLM 供應商存取架構之前，先從同一處比較 OpenAI、Anthropic、Google 與開放權重供應商的輸出與價格。
- 為正式環境的應用設定成本上限：用固定 USDC 預算為錢包入金，讓帳本顯示錢究竟花到哪裡。就成本控制而言，這勝過每月收到一張供應商帳單。
- 為副專案取用多餘容量：向那些否則會讓金鑰閒置的供應方購買折扣推論。
主要功能
與 OpenAI 相容的即插即用端點
JellyNet 提供單一 API，符合 OpenAI 的請求格式，因此現有的 OpenAI SDK、Anthropic SDK、Vercel AI SDK、Cursor 與 Claude Code 設定，只要改基礎 URL 與金鑰就能運作。沒有新 SDK 要學，也沒有請求格式要重寫。對已經在 OpenAI 上出貨的團隊來說，這是「改個設定」與「開一個搬遷專案」之間的差別。
一把金鑰串接 40 多家供應商
來自 OpenAI、Anthropic、Google Gemini、Meta Llama、Mistral、Cohere、DeepSeek、xAI Grok、Groq、Together AI、Perplexity、ElevenLabs、Stability AI、Replicate、Hugging Face、AWS Bedrock、Azure OpenAI、Fireworks AI、fal.ai、Jina 與 Voyage AI 的文字、圖像、音訊與嵌入模型，全都藏在一組憑證之後。你不必周旋於十幾個儀表板與帳務關係之間，只要管理一組。取捨在於你得信任 JellyNet 的路由層能跟上各家供應商的 API 變動。
供代理使用的逐次呼叫 x402 結算
x402 流程是 JellyNet 最突出的功能，也是讓 x402 付款在實務上可行的關鍵一環。代理送出請求，取回帶有確切 USDC 金額與 payTo 位址的 HTTP 402，在 Solana 上付款，再帶證明重試，全都在一次來回內完成。不必 API 金鑰。不必帳號。也不必讓代理管理錢包介面。對自主系統來說，這是相當乾淨的設計。它取決於 x402 標準能否成熟，以及代理是否有已入金的錢包。
自動容錯移轉與路由
JellyNet 宣稱在其供應商池中具備自動容錯移轉，因此打到無法使用之供應商的請求可以改路由到別處，而非直接失敗。對無法容忍單一供應商中斷的應用來說，這種備援有實質價值。容錯移轉在重負載下能撐多好，從外部很難驗證，因此請把它當成宣稱的能力，而非已證實的能力。
透明的即時帳本
每次請求都會出現在帳本中，附上模型、token 數量、延遲與成本，並以每次呼叫為單位原子結算。你能看到進行中的預算。你能看到相較零售價省了多少。對在意成本的團隊來說，這種細緻度勝過緊盯著月帳單、想弄清楚是哪個功能燒掉了預算。
供應方端的變現
賣家上架未使用的 API 金鑰、IP 位址或多餘算力，設定價格，並依實際消耗的 token 賺取收益，支援 Stripe 撥款並具備 x402 就緒度。儀表板的設計讓人不需深厚技術能力也能使用。貼上金鑰。設定價格。即刻上線。顯而易見的風險是，只有當買方真的把流量導向你的上架項目時，收益才會實現。
優缺點
優點
- 單一與 OpenAI 相容的端點，涵蓋超過 40 家 LLM 供應商的文字、圖像、音訊與嵌入服務。
- 公布的範例價格顯示買方最多可比零售價低 60% 付費，並有透明的 10% 平台抽成。
- 對代理友善的 x402 流程，讓 AI 代理能在 Solana 上以 USDC 逐次付費，無需帳號或金鑰。
- 即時帳本逐項列出每次請求的成本、token 與延遲，讓預算規劃變得具體。
- 供應方可以極少的設定成本把閒置容量變現，並依 token 收款。
缺點
- x402 與以 Solana 為基礎的 USDC 結算仍年輕，因此熟悉加密貨幣的使用者會比純信用卡團隊得到更好的服務。
- 最多 60% 的範例省錢幅度來自 JellyNet 自己公布的範例，不會在每個模型或每次呼叫上都成立。
- 依賴交易平台的路由層，會在你與模型供應商之間多插一層中介，這對法遵與資料處理而言很重要。
- 並未記錄明確的企業方案、SLA 或正式支援合約，因此不太適合受監管或關鍵任務的部署。
常見問題
JellyNet 是一個代理式 API 交易平台。它透過單一與 OpenAI 相容的端點，把請求路由到 40 多家 LLM 供應商，並逐次呼叫結算付款，讓買方取得折扣推論，供應方則能販售多餘容量。
相關內容
探索與 JellyNet 相關的工具、技能與文章。
JellyNet 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。