模型与计费
Keepace 是 Keep 的运动健康垂类模型家族。四个型号的差别不只是「大小」， 它们面向的部署形态和成本结构完全不同 —— 选错型号是前期验证里最常见的浪费。
型号清单
| 模型 | 上下文 | 模态 | 适用场景 | 交付形态 |
|---|---|---|---|---|
keepace-pro旗舰 |
128K | 文本 | 训练处方、多轮咨询、损伤与康复这类需要推理链的问题 | 公有 API / 私有化 |
keepace-lite高并发 |
32K | 文本 | 日常陪伴、打卡点评、意图识别。成本最优，适合高频轻交互 | 公有 API / 私有化 |
keepace-edge端侧 |
8K | 文本 | 手表、手环、跑步机等设备本地推理，断网可用 | License 授权 |
keepace-vision多模态 |
32K | 文本 + 图像 / 视频帧 | 动作与体态分析、饮食图像识别、器械识别 | 公有 API / 私有化 |
keepace-embedding |
8K | 文本 → 向量 | 运动健康领域检索、课程与用户匹配、语义去重。1024 维 | 公有 API / 私有化 |
大多数团队第一版直接上了 pro，跑了两周才发现八成请求其实是「今天练得怎么样」 这类轻交互，lite 完全够用而且便宜一个量级。建议先用 lite 跑一遍真实流量， 把 lite 答不好的那部分挑出来路由到 pro。
版本与稳定性
keepace-pro 这样的名字是滚动别名，会指向当前推荐的稳定版本。
响应里的 model 字段返回的才是实际版本号，例如
keepace-pro-20260601。
生产环境如果对输出稳定性敏感，请直接写死版本号。别名切换会提前 60 天在控制台公告， 旧版本在别名切换后至少保留 180 天。
# 验证阶段：跟随最新
model = "keepace-pro"
# 生产环境：锁定版本，避免模型更新导致输出漂移
model = "keepace-pro-20260601"计价
实际单价取决于承诺用量、合同期限与交付形态，以商务报价单为准。 阶梯价、预付折扣与私有化 License 请联系 商务团队。
| 模型 | 输入（元 / 百万 token） | 输出（元 / 百万 token） | 备注 |
|---|---|---|---|
keepace-pro |
4.00 | 12.00 | — |
keepace-lite |
0.50 | 1.50 | — |
keepace-vision |
6.00 | 18.00 | 图像按 1024 token / 张折算 |
keepace-embedding |
0.30 | — | — |
keepace-edge |
按设备量年度 License | 不按 token 计费 | |
上下文缓存
同一个 system prompt 被反复使用时（这在陪伴类产品里几乎是必然的），
命中缓存的输入 token 按 20% 计价。缓存自动生效，不需要额外参数，
命中情况在 usage 里返回：
{
"usage": {
"prompt_tokens": 1842,
"completion_tokens": 316,
"total_tokens": 2158,
"prompt_tokens_details": {
"cached_tokens": 1536
}
}
}上面这次请求里 1842 个输入 token 有 1536 个命中了缓存，实际计费相当于 306 + 1536 × 0.2 ≈ 613 个输入 token。把固定的人设、规则、知识片段放在 messages 的最前面，可以显著提高命中率。
速率限制
限流按账号 + 模型维度计算，同时限制请求数（RPM）和 token 数（TPM），
任一触顶都会返回 429。
| 等级 | RPM | TPM | 并发 | 获取方式 |
|---|---|---|---|---|
| 沙箱 | 60 | 90,000 | 5 | 注册即有 |
| 生产 · 标准 | 600 | 1,200,000 | 50 | 合同生效后开通 |
| 生产 · 高并发 | 6,000 | 12,000,000 | 500 | 按需申请，需评估 |
| 私有化 | 取决于部署规模 | 由客户自行分配 | ||
每个响应的 header 都会带上当前的余量，建议在客户端据此做主动节流：
x-ratelimit-limit-requests: 600
x-ratelimit-remaining-requests: 583
x-ratelimit-reset-requests: 1.2s
x-ratelimit-limit-tokens: 1200000
x-ratelimit-remaining-tokens: 1183904
x-ratelimit-reset-tokens: 0.8s
x-request-id: req_01JQ7X2M9K触发 429 之前先看看请求是不是可以合并。批量场景（比如给一万个用户生成周报） 应该走批量接口， 它有独立的额度池，单价也更低。
能力边界
Keepace 是垂类模型，在运动健康领域内比通用旗舰模型更专业、更便宜， 但代价是领域外的能力被显著裁剪。下面这些不要指望它：
- 写代码、解数学题、翻译长文这类通用任务，效果明显弱于同价位通用模型
- 运动健康之外的开放域闲聊，会频繁触发兜底话术
- 诊断疾病、开具处方、解读医学影像 —— 这是产品层面的硬边界， 不是能力不足。模型会主动转向建议就医
如果你的产品同时需要通用能力和运动健康专业度，常见做法是做一层意图路由： 运动健康相关的走 keepace，其余走你原有的通用模型。这样既拿到了专业度， 又不用为通用场景付垂类模型的迁移成本。