VLM Run Gateway

产品简介

VLM Run Gateway 是一个视觉 AI 网关服务，通过单一 OpenAI 兼容 API 接口，提供对 21 种视觉模型（涵盖 OCR、图像识别、多模态对话、文档解析等能力）的统一访问。开发者无需关心底层模型选择，只需调用一个端点即可按需切换不同视觉模型，大幅简化视觉 AI 应用的开发和接入成本。

核心功能

• 21 种视觉模型统一输出：涵盖 OCR（Textract、PP-OCRv6、PaddleOCR）、多模态对话（Qwen3.8 27B、Muse Glimmer 30B、Kimi K3）、图像解析（Infinity-Parser2-Flash）等
• OpenAI 兼容 API：与现有 OpenAI SDK 无缝对接，切换视觉模型无需改代码
• 内置编排能力：支持单次调用处理 500 页 PDF 或 2 小时视频，自动分块、批处理和重组
• 结构化输出：JSON Schema 强制校验，视觉模型输出格式固定可用
• MCP 服务器支持：通过 MCP 协议为 AI Agent 提供即插即用的视觉能力
• 成本优化：文档 OCR 费用低至 $23-90/10 万页，相比闭源方案节省 90% 以上
• 模型自由：全部使用开源权重模型，可随时切换供应商，不被单一服务商锁定

特色优势

VLM Run Gateway 的核心优势在于「视觉 AI 专用网关」的定位。市面上的 LLM 路由器已有数百个，但专注于视觉模型的网关几乎空白。传统方案需要为 OCR 配一个服务、为图像标注配另一个服务、为视频理解再配一个——Gateway 将这些统一为一个 API、一个 SDK、一张账单。它支持的 Unlimited-OCR 模型在中文文档处理上效果优秀，费用只有 Azure Document Intelligence 的几十分之一。

应用场景

• 企业文档处理：发票、合同、表单的大批量 OCR 识别与结构化提取
• AI Agent 视觉能力：为 Cursor、Claude Code 等编码 Agent 提供看图理解能力
• 多模态 RAG 系统：图像+文字混合的文档解析与向量化
• 视频理解管道：长视频关键帧提取与内容分析
• 跨境电商图片处理：多语言商品图片的 OCR 与描述生成

适用人群

• 后端开发者：需要快速集成视觉 AI 能力而不想管理多个 API
• AI 应用工程师：为 Agent 系统添加视觉感知能力
• 企业 IT 团队：处理大量文档数字化任务，成本敏感
• 独立开发者：构建包含图像理解功能的 AI 产品

定价

按调用量计费，OCR 任务 $0.20-$1.50/千次输入 tokens；对话类任务 $0.08-$15/千次 tokens。按实际使用量计费，无月费或最低消费。

官网链接

https://www.vlmrun.com/gateway