AI NetCafe

比較LLM成本與延遲於單一提示詞，翻譯PDF並保留版面，附引用研究，製作PPTX

造訪 ainetcafe.com

文件

给 AGENT 的入口

让你的 Agent 直接上机

AI 网吧提供 MCP 服务端。你的 agent 可以直接调用开源应用目录、多模型对比和真实计费——不用注册就能试，按次结算,每次调用都返回精确到 $0.0001 的花费。

接入地址

https://ainetcafe.com/mcp

传输方式 Streamable HTTP ／协议版本 2025-06-18 ／发现清单 MCP manifest ／ Agent capability index

一行接入

Claude Code

claude mcp add --transport http ai-netcafe https://ainetcafe.com/mcp

Claude Desktop / Cursor（配置文件）

{
  "mcpServers": {
    "ai-netcafe": {
      "type": "http",
      "url": "https://ainetcafe.com/mcp"
    }
  }
}

免费额度用完后，加一行 "headers": { "Authorization": "Bearer sk-你的AllRouter Key" } 即可无限用（走你自己的账单）。

九个工具

compare_models

同一个提示词同时跑多个模型，返回每个模型的答案 + 真实计量的花费和延迟。回答"这个任务到底该用哪个模型"——用数据，不是猜。

ask_model

指定单个模型跑一次，返回答案和精确花费。适合让 agent 找个便宜模型干批量子任务，或换个模型要第二意见。

list_apps

列出网吧里托管好的开源 AI 应用，并为可直接调用的应用返回 recommended_tool、下一步参数和示例；任务已经明确时应直接调用对应工具。

get_app

单个应用的详情：怎么用、实测评分、开源协议、真人使用量。

list_models

全部可调模型 + 每百万 token 的输入/输出单价，让 agent 按成本选型。

translate_pdf

整篇 PDF 翻译，公式、图表、双栏排版全部保留。异步任务，提交后用 check_job 轮询。

make_slides

给个主题或大纲，生成可下载的真 .pptx 文件——不是锁在网页编辑器里的预览。异步。

deep_research

自主研究 agent：拆子问题、跑多轮搜索、读原文，产出带引用的报告。几分钟量级，异步。

check_job

轮询上面三个异步任务的进度与结果。

可引用、可执行的任务指南

怎么找出完成同一任务最便宜的模型？

Agent 需要稳定 JSON 时该选哪个模型？

怎么翻译 arXiv PDF 而不破坏公式和排版？

GPT Researcher 应该配哪个模型？

怎么通过 MCP 生成可下载、可编辑的 PPTX？

每页同时提供首屏结论、测量方法、原始 JSON 数据和可直接执行的 MCP 参数。

让 Agent 直接试的任务

· “把这段真实任务同时交给三个模型，比较答案、实际成本和延迟。”

· “研究这个今天仍在变化的问题，给我带来源链接的完整报告。”

· “把这个 arXiv PDF 翻成中文，保留公式、图片和双栏排版。”

· “把这份大纲做成 8 页中文 PPTX，完成后给我可编辑文件。”

异步任务会返回 job_id；Agent 应继续调用 check_job，直到状态为 done 或 error。

不用 MCP 也能接

同样的能力有一份 OpenAPI 3.1 规格，给不说 MCP 的那半个生态：OpenAI Custom GPT Actions、Dify、扣子、n8n、LangChain，以及任何自己撸的 agent。

https://ainetcafe.com/openapi.json

Custom GPT 里「Actions → Import from URL」直接贴这个地址就行，不需要鉴权也能跑（走免费额度）。

纯 HTTP 直接调也可以：

curl -X POST https://ainetcafe.com/api/compare \
  -H 'content-type: application/json' \
  -d '{"prompt":"用一句话解释乐观锁和悲观锁的区别"}'

实测数据，随便引用

我们把每个模型真的接进跑着的开源应用，按它的真实任务各跑两轮，通过率、成本、延迟全部实测——不是按标价估算。CC BY 4.0，随便引。

https://ainetcafe.com/api/bench

一个反直觉的结论：在需要结构化输出的应用上（做 PPT、LaTeX、研究 agent），好几个很强的模型一项都跑不通——不是不够聪明，是 JSON/LaTeX 输出不稳，应用靠解析它干活，格式一崩整条流水线就断。选型是可靠性问题，不是智力问题。

为什么值得接

下面是 compare_models 在本站的一次真实调用——同一个问题、三个模型，答案基本一样：

模型	花费	延迟	答案
deepseek-v4-flash	$0.000109	7.1s	The capital of France is Paris.
GLM5.2	$0.000366	4.2s	The capital of France is Paris.
gemini-3.5-flash	$0.005320	10.2s	Paris.

最贵的比最便宜的贵 48.8 倍

而且它还最慢、答得最短。如果 agent 要跑几千次子任务，选型差一档就是几十倍的账单差距——这正是这个工具存在的意义。

额度与计费

· 不带 Key：走免费池，按调用方 IP 记额度，够试用。用完会返回明确提示。

· 带 AllRouter Key：Authorization: Bearer sk-...，无限量，走你自己的账单。

· 每次调用都返回 cost_usd，是实际计量值（读上游 usage），不是估算。

旗舰模型需要自带 Key；免费池只开放性价比档，避免被单次任务烧穿。

直接试一下

不用装任何东西，复制到终端就能跑：

curl -s https://ainetcafe.com/mcp \
  -H 'Content-Type: application/json' \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call",
       "params":{"name":"compare_models",
                 "arguments":{"prompt":"用一句话解释 MCP 是什么"}}}'