⚙️ SenseNova 模型接入配置

商汤的模型服务，兼容 OpenAI 和 Anthropic 两套协议。agent 都不默认支持，需要手动写 provider 配置。

🔌 接口

认证走 Authorization: Bearer $SENSENOVA_API_KEY（sk- 开头，控制台 token-plan 申请）。每个 agent 单独一把 key，方便监控和轮换。

协议	Endpoint	baseURL 填什么
OpenAI Chat Completions	`POST /v1/chat/completions`	`https://token.sensenova.cn/v1`，带 `/v1`
OpenAI Responses	`POST /v1/responses`	同上，带 `/v1`
OpenAI 图像	`POST /v1/images/generations`、`/v1/images/edits`	同上，带 `/v1`
Anthropic Messages	`POST /v1/messages`	`https://token.sensenova.cn`，不带 `/v1`
模型列表	`GET /v1/models`	—

最大的坑：OpenAI 侧要带 /v1，Anthropic 侧不能带。Anthropic SDK 自动拼 /v1/messages，重复了变成 .../v1/v1/messages，直接 404。

📋 模型清单

官方目前共 7 个模型（文档侧栏与 models-overview 一致，2026-09-26 核对）。

🤖 对话 / Agent 模型

配进 agent 对话槽位用这批。

Model ID	定位	输入	上下文	单次输出上限
`sensenova-6.8-flash-lite`	轻量多模态 agent 模型，数据分析 + 复杂信息呈现	text, image	262144	65536
`deepseek-v4-flash`	DeepSeek 高效经济型通用模型，V4 Flash 0731 GA	text	1M	64K（非推理模式默认 8K）
`deepseek-flash`	DeepSeek V4.1 Flash，兼顾推理效率与成本	text, image, video	1M	393216（默认 131072）
`glm-5.2`	智谱旗舰开源，长程 coding + 复杂工程	text	1M	128K（默认 64K）
`kimi-k3`	月之暗面旗舰开源，2.8T 参数，原生视觉 agent	text, image	1M	`1024*1024 - prompt_tokens`（默认 128K）

全部支持 tools / json_mode / reasoning，量化 fp8。实际能力以 GET /v1/models 返回的 supported_features / input_modalities 为准。

容易搞错的几处：

deepseek-flash 才是 V4.1，ID 里没有 “v4.1”；deepseek-v4-flash 是 V4 Flash 0731 GA
video 输入只在 Chat Completions 接口支持，Anthropic Messages 和 Responses API 都不收 video
Kimi K3 用 max_completion_tokens 字段，不是 max_tokens
deepseek-flash 单次输出上限 393216（384K），比其他都高
max_tokens 超了不会报错，直接 finish_reason: length 截断，内容可能只剩一半

🖼️ 图像模型（U 系列）

不能配进 agent 的对话槽位——U 系列只做同步图像生成和编辑。

Model ID	定位
`sensenova-u1.5-lite`	生成 + 编辑一体，支持参考图，构图 / 光影 / 材质 / 细节更好
`sensenova-u1.5-fast`	加速版，即时创作、高效修改

都是 Neo-unify 架构，走独立接口：文生图 POST /v1/images/generations，编辑 POST /v1/images/edits。

关键参数（两版相同）：

size：宽高必须是 32 的倍数，512–4096，长宽比不超过 3:1。推荐 2048x2048、2720x1536、1536x2720、1664x2496、2496x1664（2K），4096x4096（4K）
n：只支持 1
watermark：每次都显式指定。公测期 false 免费，官方说明以后可能改默认值收费
response_format：b64_json（默认）或 url。url 返回的链接 24 小时过期，过期不可访问
output_format：png（默认）/ jpeg / webp
prompt_extend：默认 true 自动扩写 prompt，失败自动回退原文

这两个不是 Chat Completions 接口，也不接受 image 输入。

📡 接入状态

agent	协议	配置位置	状态
OpenCode	OpenAI	`~/.config/opencode/opencode.json`	已配置
harness	OpenAI	`$DSH_HOME/settings.yaml`	待接

OpenCode

配置文件 ~/.config/opencode/opencode.json。Windows 是 C:\Users\你\.config\opencode\opencode.json——注意是 .config 不是 %AppData%，目录不存在要手动建。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "sense-nova": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "SenseNova",
      "options": {
        "baseURL": "https://token.sensenova.cn/v1",
        "apiKey": "sk-xxx"
      },
      "models": {
        "sensenova-6.8-flash-lite": {
          "name": "SenseNova 6.8 Flash-Lite",
          "modalities": { "input": ["text", "image"], "output": ["text"] },
          "limit": { "context": 262144, "output": 65536 }
        },
        "deepseek-v4-flash": {
          "name": "DeepSeek V4 Flash",
          "modalities": { "input": ["text"], "output": ["text"] },
          "limit": { "context": 1000000, "output": 65536 }
        },
        "deepseek-flash": {
          "name": "DeepSeek V4.1 Flash",
          "modalities": { "input": ["text", "image"], "output": ["text"] },
          "limit": { "context": 1000000, "output": 393216 }
        },
        "glm-5.2": {
          "name": "GLM-5.2",
          "modalities": { "input": ["text"], "output": ["text"] },
          "limit": { "context": 1000000, "output": 131072 }
        },
        "kimi-k3": {
          "name": "Kimi K3",
          "modalities": { "input": ["text", "image"], "output": ["text"] },
          "limit": { "context": 1000000, "output": 131072 }
        }
      }
    }
  }
}

只需把 sk-xxx 换成你的 key。改完必须重启 OpenCode，只保存不生效。日常换模型用 /models 选，不用改这个文件。

两点说明：

deepseek-v4-flash 的 context: 1000000 不是 SenseNova 文档写的——SenseNova 没标这个模型的上下文。取的是 DeepSeek 自己的模型元数据（OpenRouter 上 deepseek/deepseek-v4-flash 的 context_length）。请求报 400 就调小
U 系列不在这里配（sensenova-u1.5-lite / fast 走图像接口，不是对话模型）。deepseek-flash 支持 video 输入，但 video 只有原生 API 支持，不走 OpenCode

harness

DeepSeek 官方的开源 agent harness，CLI 叫 dsh，基于 Cordis 的 ” 一切皆插件 ” 架构。开发者预览版，会有破坏性变更。

npx @deepseek-ai/dsh web     # Web UI 默认 http://127.0.0.1:3080

配置在 $DSH_HOME/settings.yaml（设置页顶部「打开配置文件」可直接打开）。密钥单独存 $DSH_HOME/.credentials.yaml，只写不读，页面只会拿到脱敏描述符。

模型变更下一次请求就生效，不用重启。

1️⃣ 方式一：模型页表单

设置 → 模型 → 添加自定义提供方：

字段	值
Provider ID	`sensenova`（小写，永久不可改）
显示名称	SenseNova
API 地址	`https://token.sensenova.cn/v1`
API 协议	`openai-completions`
API 密钥	`sk-xxx`
模型	至少一个，填 ID / 显示名 / 上下文窗口 / 最大输出

也能在模型目录里点「获取可用模型」探测，它调 GET /models 返回可勾选列表。探测失败或列表为空就手动填 ID，效果完全一样。

Provider ID 是永久的——请求、已保存会话、模型默认值、凭据引用都用它。要改名字只能新建再删旧的。

每个模型填什么

Model ID	显示名称	上下文窗口	最大输出
`sensenova-6.8-flash-lite`	SenseNova 6.8 Flash-Lite	262144	65536
`deepseek-v4-flash`	DeepSeek V4 Flash	1000000	65536
`deepseek-flash`	DeepSeek V4.1 Flash	1000000	393216
`glm-5.2`	GLM-5.2	1000000	131072
`kimi-k3`	Kimi K3	1000000	131072

来源：

sensenova-6.8-flash-lite 的数字全部来自 SenseNova 官方文档
deepseek-v4-flash 的 1M 上下文 SenseNova 文档没写，取的是 DeepSeek 自己的模型元数据（OpenRouter 上 deepseek/deepseek-v4-flash 的 context_length: 1048576）。输出 65536 是 SenseNova 文档标的 max_tokens 上限
deepseek-flash 的 393216、glm-5.2 的 131072 都是 SenseNova 文档标的 range 上限
kimi-k3 的 131072 是文档标的默认值，硬上限其实是 1024*1024 - prompt_tokens——大上下文请求的实际输出空间比 128K 大，这里填保守值

表单里没有图片输入和推理等级的字段，那两个只能走方式二。表单和 $DSH_HOME/settings.yaml 是同一份文档：先用表单填基础字段，再手写追加高级字段，两边不冲突。

harness 内置的 moonshotai / zai 是直连月之暗面和智谱官方端点，不是走 SenseNova。用 SenseNova 供的 Kimi、GLM 还是得建自定义提供方。

2️⃣ 方式二：`settings.yaml`

表单只开放：密钥、显示名、API 地址、API 协议、每个模型的 ID / 显示名 / 上下文窗口 / 最大输出。图片输入、推理等级、请求兼容开关都不在表单里，必须写文件：

llm-pi-ai:
  providers:
    sensenova:
      apiKeyEnv: SENSENOVA_API_KEY
      api: openai-completions
      baseURL: https://token.sensenova.cn/v1
      compat:
        supportsDeveloperRole: false
        maxTokensField: max_tokens
      models:
        - id: sensenova-6.8-flash-lite
          input: [text, image]
          reasoningEfforts:
            off: none
            high: high
            max: max
        - id: deepseek-v4-flash
        - id: deepseek-flash
          input: [text, image]
        - id: glm-5.2
        - id: kimi-k3
          input: [text, image]

用表单填的话密钥进 .credentials.yaml；手写这份 YAML 就用 apiKeyEnv 指向环境变量。

四个字段为什么必须写：

input: [text, image]：手动录入的模型一律按纯文本对待，不声明的话附图片在发送前就被拒，还会点名是哪个模型
compat.supportsDeveloperRole: false：pi-ai 不认识 SenseNova 的地址，会按 OpenAI 的规矩发请求——推理模型的系统提示词走 role: "developer"，而 SenseNova 只认 system / user / assistant / tool
compat.maxTokensField: max_tokens：OpenAI 默认写 max_completion_tokens，SenseNova 认 max_tokens（只有 Kimi K3 反过来用 max_completion_tokens）
reasoningEfforts：手动录入的模型不声明等级就出不来推理菜单。SenseNova 关闭思考是 reasoning_effort: "none"，不是省略参数，所以 off 要写 none，不能留空

其他四个模型也支持 reasoning，需要推理菜单就把同一段 reasoningEfforts 复制过去。路由级的 compat / defaultInput 是模型的默认值，模型自己的逐字段胜出。所有开关都必须给值——冒号后留空（supportsDeveloperRole:）会被拒而不是忽略。

🩹 排错

MISSING_CREDENTIAL：用模型页存密钥，或提供被引用的环境变量
UNKNOWN_MODEL：选了没配的模型，或自定义提供方里漏了这个模型
「获取可用模型」401：密钥错
「获取可用模型」提示既没有 data 数组也没有 models 对象：探测读不到这个端点的列表格式，手动填 ID
密钥和地址都对，但每个请求都被拒：请求形状跟 OpenAI 不一样。先在路由上设 compat.supportsDeveloperRole: false 和 compat.maxTokensField: max_tokens
只有推理模型失败：系统提示词走 developer 角色被拒。设 compat.supportsDeveloperRole: false
手动录入的模型没有推理等级菜单：没声明等级。加 reasoningEfforts
图片发送前被拒：该模型没声明图片模态。加 input: [text, image]
网关拒绝带图片的请求：声明了它实际不提供的能力。从 input 或 defaultInput 去掉 image，然后开新会话——已附的图片留在会话日志里，旧会话会一直重复失败

🎛️ 推荐参数（Flash-Lite）

max_tokens：标准任务 2048–4096；reasoning 模式 ≥4096。reasoning 内容和正式输出共享 max_tokens 配额
stream: true：长文本生成推荐开，防超时
temperature：默认 1；创作 1.3–1.5；代码生成 0.2–0.5
多轮对话：历史只回传 content，不要回传 reasoning，省 token
thinking：enabled / disabled，默认 enabled
reasoning_effort：low / medium / high / max，默认 high，none 等于关闭
reasoning 模式和 JSON mode 不建议同时开
结构化输出用 response_format: {"type": "json_object"}，prompt 里要显式出现 json 并给示例

💰 额度与限流

2026-08-28 起改成积分制，账号里有两类：

通用积分：所有模型共用
Flash-Lite 专属积分：只用于 Flash-Lite 系列；用 Flash-Lite 时先扣专属，扣完回退扣通用

公测额度：滚动 5 小时 60,000 + 滚动周 600,000，两层并存。公测返还：Flash-Lite 每消耗 1 专属积分返还 1 通用积分（按日汇总、按小时到账、30 天有效、不占滚动额度、不自动解锁新模型）。从通用池扣的不参与返还。

429 = quota_exceeded_error，指数退避。其他：400 invalid_request_error / failed_precondition_error，403 permission_denied_error，404 not_found_error（模型 ID 错或已下线），408 canceled_error，500 internal_server_error。

🕘 状态记录

2026-09-26：harness 方式一补上每个模型的上下文窗口和最大输出。deepseek-v4-flash 的 1M 上下文从 OpenRouter 上的 DeepSeek 模型元数据拿到，SenseNova 文档没写，两处都标了来源。
2026-09-26：补上 harness 一节。harness = DeepSeek 官方的 dsh（deepseek-ai/deepseek-harness，” 一切皆插件 ”）。配置在 $DSH_HOME/settings.yaml，模型变更下一次请求生效不用重启。
2026-09-26：OpenCode 配置块的 models 从 1 个补到 5 个对话模型，limit 按各模型参数表填；deepseek-v4-flash 上下文官方未标，标为保守估值待核实。
2026-09-26：模型清单补齐到官方全量 7 个，逐个核对参数表（上下文、输出上限、输入模态、特性），不再只抄 overview 的描述列。
2026-09-26：只保留 OpenCode 和 harness，删掉 Claude Code 和其他 agent。
2026-09-26：删掉安装步骤，各 agent 只留配置文件位置和可直接粘贴的配置块，模板只需替换 apiKey。
2026-09-26：按官方文档 platform.sensenova.cn/docs 全面重写。修正三处——① baseURL 规则只适用于 OpenAI 侧，Anthropic 侧不能带 /v1；② context_length 官方 262144，之前抄的 256000；③ 模型 ID 清单，deepseek-flash 才是 V4.1，之前记的 deepseek-v4-pro 不存在。

🔗 相关

NVIDIA NIM 配置（对比参考）：NVIDIA NIM 模型接入配置
harness 桌面版客户端：DeepSeek-Harness桌面版
官方文档：https://platform.sensenova.cn/docs
控制台：https://platform.sensenova.cn/console/keys
DeepSeek Harness：https://deepseek.com/harness
DeepSeek Harness 文档：https://deepseek-harness.github.io/deepseek-harness/
DeepSeek Harness 源码：https://github.com/deepseek-ai/deepseek-harness

type	model
icon	👁️
title	SenseNova 模型接入配置
url	https://platform.sensenova.cn/docs
verified	2026-09-26 00:00:00
created	2026-09-26 23:20:26
modified	2026-09-30 18:35:09
status	active

NotebookAI

探索

SenseNova 模型接入配置

⚙️ SenseNova 模型接入配置

🔌 接口

📋 模型清单

🤖 对话 / Agent 模型

🖼️ 图像模型（U 系列）

📡 接入状态

OpenCode

harness

1️⃣ 方式一：模型页表单

每个模型填什么

2️⃣ 方式二：`settings.yaml`

🩹 排错

🎛️ 推荐参数（Flash-Lite）

💰 额度与限流

🕘 状态记录

🔗 相关

关系图谱

目录

反向链接

NotebookAI

探索

SenseNova 模型接入配置

⚙️ SenseNova 模型接入配置

🔌 接口

📋 模型清单

🤖 对话 / Agent 模型

🖼️ 图像模型（U 系列）

📡 接入状态

OpenCode

harness

1️⃣ 方式一：模型页表单

每个模型填什么

2️⃣ 方式二：settings.yaml

🩹 排错

🎛️ 推荐参数（Flash-Lite）

💰 额度与限流

🕘 状态记录

🔗 相关

关系图谱

目录

反向链接

2️⃣ 方式二：`settings.yaml`