DaoXE这有点「苹果比橙子」：LiteLLM 是你自己部署的基础设施（覆盖 100+ 供应商的代理/SDK，用你自己的厂商账号），而 DaoXE 是本身就提供模型访问的托管服务。你甚至可以两者并用 —— 把 DaoXE 作为 LiteLLM 的一个上游。LiteLLM 的当前功能请以其文档为准。
为什么会拿它们对比#
- 都说 OpenAI。 无论哪种，客户端代码都保持 OpenAI 形态，所以会被拿来比较。
- 自托管 vs 托管。 LiteLLM 要你部署与运维；DaoXE 是你直接调用。这是核心取舍。
- 账号。 LiteLLM 需要你为每个上游厂商准备 key；DaoXE 的一个 key 已覆盖多模型。
逐项对比#
| 维度 | DaoXE | LiteLLM |
|---|---|---|
| 它是什么 | 托管的 OpenAI 兼容网关 | 自托管的开源代理 + SDK |
| 托管 | 无需自托管 | 你部署并运维代理（常还要数据库） |
| 上游账号 | 已包含 —— 一个 key 覆盖多模型 | 你自备每家厂商的 key/账号 |
| 原生 Anthropic Messages | 是 —— /v1/messages | 取决于你的配置/上游 |
| 控制与可观测 | 厂商托管；用 benchmark 验证 | 对 key、花费、日志完全掌控 —— 由你运维 |
| 适合谁 | 免运维、免逐家注册的访问 | 想要自托管控制面的团队 |
| 地区 | 面向出海；不服务中国大陆 | 你部署在哪就在哪运行 |
| 成本模型 | 按用量 —— 实时定价 | 软件免费；你直接付费给每个上游 |
哪种更适合你#
- 选 LiteLLM：如果你已有各家厂商账号，想自托管一个带完整日志、预算与 key 管理的控制面。
- 选 DaoXE：如果你不想运维基础设施、不想逐家开户，想要一个已能触达模型的 key。
- 两者结合：如果你喜欢 LiteLLM 的控制面但想少注册几家 —— 把 DaoXE 作为一个 OpenAI 兼容上游加进去。
几分钟上手#
无需部署代理 —— 把 OpenAI SDK 指向 DaoXE，立刻就能调模型：
python
from openai import OpenAI
# DaoXE: nothing to host; one key already spans GPT / Claude / Gemini / DeepSeek...
client = OpenAI(base_url="https://daoxe.com/v1", api_key="YOUR_DAOXE_KEY")别信我们 —— 自己验证
把 开源 benchmark 对准 DaoXE 和官方 API，在 temperature 0 下对比。再学会如何鉴别掉包，让便宜端点无法悄悄把你换成更小的模型。
常见问题#
LiteLLM 是竞品还是补充？
都是。它是自托管代理；DaoXE 是托管的模型来源。你可以把 DaoXE 作为 LiteLLM 的上游，减少逐家注册。
用 LiteLLM 需要厂商账号吗？
需要 —— LiteLLM 用你自己的 key 路由到上游。DaoXE 的单一 key 已覆盖其模型集合。
LiteLLM 要花钱吗？
软件开源；你直接付费给每个上游并自行运维。DaoXE 按用量计费 —— 见实时定价。
两种方式都能保留我的 OpenAI 代码吗？
能 —— 都 OpenAI 兼容。用 DaoXE 只是改 base URL；用 LiteLLM 则指向你的代理 URL。
试用 DaoXE —— 并亲自 benchmark 它
一个 key 调 GPT、Claude、Gemini、DeepSeek 等。用开源 benchmark 对准我们做对比 —— 别只听我们说。