LangChain 學習筆記 : 串接 LLM 模型 (四)

在前一篇測試中, 我使用 venv 建立一個虛擬環境, 並於其中安裝 langchain-google-genai 與 langchain-openai 這兩個外掛套件來分別串接 Gemini 與 OpenAI API, 目前 Gemini 免費帳戶可用 gemini-2.5-flash 與 gemini-2.5-flash-lite 等快捷與低成本模型; OpenAI 可使用經典的 gpt-3.5-turbo 或較新的 gpt-4o-mini 模型 (需付費購買 API key). 

本篇旨在測試如何查詢有哪些模型可用, 這會用到 OpenAI 與 Gemini 的原生 API : openai 與 google_genai, 這兩個套件在安裝 langchain_openai 與 langchain_google_genai 時都會作為底層依賴套件被自動安裝. 

本系列全部文章索引參考 :

# LangChain 學習筆記索引

1. 查詢 OpenAI 模型 : 

查詢 OpenAI 模型列表是透過 OpenAI 物件的 models 屬性的 list() 方法 : 

# list_openai_models.py

from openai import OpenAI

from dotenv import dotenv_values

# 讀取 .env 中的 OPENAI_API_KEY

config=dotenv_values('.env')

client=OpenAI(api_key=config.get('OPENAI_API'))

print("--- OpenAI 目前可用模型清單 ---")

try:

    models=client.models.list()

    for m in models:

        # 過濾掉一些老舊或非對話的模型，只看主流的

        if "gpt" in m.id or "o3" in m.id or "o5" in m.id:

            print(f"模型 ID: {m.id}")

except Exception as e:

    print(f"查詢失敗：{e}")

結果如下 :

(myvenv) D:\python\test>python list_openai_models.py

--- OpenAI 目前可用模型清單 ---

模型 ID: gpt-4-0613

模型 ID: gpt-4

模型 ID: gpt-3.5-turbo

模型 ID: gpt-5.4-mini

模型 ID: gpt-5.4

模型 ID: gpt-5.4-nano-2026-03-17

模型 ID: gpt-5.4-nano

模型 ID: gpt-5.4-mini-2026-03-17

模型 ID: gpt-3.5-turbo-instruct

模型 ID: gpt-3.5-turbo-instruct-0914

模型 ID: gpt-3.5-turbo-1106

模型 ID: gpt-3.5-turbo-0125

模型 ID: gpt-4-turbo

模型 ID: gpt-4-turbo-2024-04-09

模型 ID: gpt-4o

模型 ID: gpt-4o-2024-05-13

模型 ID: gpt-4o-mini-2024-07-18

模型 ID: gpt-4o-mini

模型 ID: gpt-4o-2024-08-06

模型 ID: gpt-4o-audio-preview

模型 ID: gpt-4o-realtime-preview

模型 ID: gpt-4o-realtime-preview-2024-12-17

模型 ID: gpt-4o-audio-preview-2024-12-17

模型 ID: gpt-4o-mini-realtime-preview-2024-12-17

模型 ID: gpt-4o-mini-audio-preview-2024-12-17

模型 ID: gpt-4o-mini-realtime-preview

模型 ID: gpt-4o-mini-audio-preview

模型 ID: o3-mini

模型 ID: o3-mini-2025-01-31

模型 ID: gpt-4o-2024-11-20

模型 ID: gpt-4o-mini-search-preview-2025-03-11

模型 ID: gpt-4o-mini-search-preview

模型 ID: gpt-4o-transcribe

模型 ID: gpt-4o-mini-transcribe

模型 ID: gpt-4o-mini-tts

模型 ID: o3-2025-04-16

模型 ID: o3

模型 ID: gpt-4.1-2025-04-14

模型 ID: gpt-4.1

模型 ID: gpt-4.1-mini-2025-04-14

模型 ID: gpt-4.1-mini

模型 ID: gpt-4.1-nano-2025-04-14

模型 ID: gpt-4.1-nano

模型 ID: gpt-image-1

模型 ID: gpt-4o-realtime-preview-2025-06-03

模型 ID: gpt-4o-audio-preview-2025-06-03

模型 ID: gpt-4o-transcribe-diarize

模型 ID: gpt-5-chat-latest

模型 ID: gpt-5-2025-08-07

模型 ID: gpt-5

模型 ID: gpt-5-mini-2025-08-07

模型 ID: gpt-5-mini

模型 ID: gpt-5-nano-2025-08-07

模型 ID: gpt-5-nano

模型 ID: gpt-audio-2025-08-28

模型 ID: gpt-realtime

模型 ID: gpt-realtime-2025-08-28

模型 ID: gpt-audio

模型 ID: gpt-5-codex

模型 ID: gpt-image-1-mini

模型 ID: gpt-5-pro-2025-10-06

模型 ID: gpt-5-pro

模型 ID: gpt-audio-mini

模型 ID: gpt-audio-mini-2025-10-06

模型 ID: gpt-5-search-api

模型 ID: gpt-realtime-mini

模型 ID: gpt-realtime-mini-2025-10-06

模型 ID: gpt-5-search-api-2025-10-14

模型 ID: gpt-5.1-chat-latest

模型 ID: gpt-5.1-2025-11-13

模型 ID: gpt-5.1

模型 ID: gpt-5.1-codex

模型 ID: gpt-5.1-codex-mini

模型 ID: gpt-5.1-codex-max

模型 ID: gpt-image-1.5

模型 ID: gpt-5.2-2025-12-11

模型 ID: gpt-5.2

模型 ID: gpt-5.2-pro-2025-12-11

模型 ID: gpt-5.2-pro

模型 ID: gpt-5.2-chat-latest

模型 ID: gpt-4o-mini-transcribe-2025-12-15

模型 ID: gpt-4o-mini-transcribe-2025-03-20

模型 ID: gpt-4o-mini-tts-2025-03-20

模型 ID: gpt-4o-mini-tts-2025-12-15

模型 ID: gpt-realtime-mini-2025-12-15

模型 ID: gpt-audio-mini-2025-12-15

模型 ID: chatgpt-image-latest

模型 ID: gpt-5.2-codex

模型 ID: gpt-5.3-codex

模型 ID: gpt-realtime-1.5

模型 ID: gpt-audio-1.5

模型 ID: gpt-4o-search-preview

模型 ID: gpt-4o-search-preview-2025-03-11

模型 ID: gpt-5.3-chat-latest

模型 ID: gpt-5.4-2026-03-05

模型 ID: gpt-5.4-pro

模型 ID: gpt-5.4-pro-2026-03-05

模型 ID: gpt-3.5-turbo-16k

2. 查詢 Gemini 模型 : 

查詢 Gemini 模型列表是透過 genai 物件的 models 屬性的 list() 方法, 注意, 新版 API 的判斷欄位改為 supported_actions (舊版為 supported_generation_methods) : 

# list_gemini_models.py

from google import genai

from dotenv import dotenv_values

# 1. 讀取 .env

config=dotenv_values('.env')

api_key=config.get('GEMINI_API_KEY')

# 2. 初始化 Client (新版 API 不再用 genai.configure)

client=genai.Client(api_key=api_key)

print("--- 可用的 Google AI 模型如下： ---")

try:

    # 3. 使用 client.models.list() 查詢

    for m in client.models.list():

        # 新版 API 的判斷欄位為 supported_actions

        if 'generateContent' in m.supported_actions:

            print(f'模型 ID: {m.name:}')

            

except Exception as e:

    print(f"查詢出錯：{e}")

執行結果 : 

(myvenv) D:\python\test>python list_gemini_models.py  

--- 可用的 Google AI 模型如下： ---

模型 ID: models/gemini-2.5-flash

模型 ID: models/gemini-2.5-pro

模型 ID: models/gemini-2.0-flash

模型 ID: models/gemini-2.0-flash-001

模型 ID: models/gemini-2.0-flash-lite-001

模型 ID: models/gemini-2.0-flash-lite

模型 ID: models/gemini-2.5-flash-preview-tts

模型 ID: models/gemini-2.5-pro-preview-tts

模型 ID: models/gemma-3-1b-it

模型 ID: models/gemma-3-4b-it

模型 ID: models/gemma-3-12b-it

模型 ID: models/gemma-3-27b-it

模型 ID: models/gemma-3n-e4b-it

模型 ID: models/gemma-3n-e2b-it

模型 ID: models/gemma-4-26b-a4b-it

模型 ID: models/gemma-4-31b-it

模型 ID: models/gemini-flash-latest

模型 ID: models/gemini-flash-lite-latest

模型 ID: models/gemini-pro-latest

模型 ID: models/gemini-2.5-flash-lite

模型 ID: models/gemini-2.5-flash-image

模型 ID: models/gemini-3-pro-preview

模型 ID: models/gemini-3-flash-preview

模型 ID: models/gemini-3.1-pro-preview

模型 ID: models/gemini-3.1-pro-preview-customtools

模型 ID: models/gemini-3.1-flash-lite-preview

模型 ID: models/gemini-3-pro-image-preview

模型 ID: models/nano-banana-pro-preview

模型 ID: models/gemini-3.1-flash-image-preview

模型 ID: models/lyria-3-clip-preview

模型 ID: models/lyria-3-pro-preview

模型 ID: models/gemini-robotics-er-1.5-preview

模型 ID: models/gemini-2.5-computer-use-preview-10-2025

模型 ID: models/deep-research-pro-preview-12-2025

也可以不直接使用原生 API (google_genai 套件), 而是透過 LangChain 調用底層 Client 物件 :

# list_gemini_models_2.py

from langchain_google_genai import ChatGoogleGenerativeAI

from dotenv import dotenv_values

config=dotenv_values('.env')

api_key=config.get('GEMINI_API_KEY')

# 初始化 LangChain 模型物件

chat_model=ChatGoogleGenerativeAI(model='gemini-2.5-flash', api_key=api_key)

print("--- 透過 LangChain 的底層 Client 查詢模型 ---")

try:

    # 直接存取 LangChain 內部的 client 物件 (這就是 google-genai 的實體)

    # 注意：這屬於「私有屬性」存取，通常用於調錯或特殊查詢

    client=chat_model.client

    for m in client.models.list():

        if 'generateContent' in m.supported_actions:

            print(f"可用模型: {m.name}")

            

except Exception as e:

    print(f"查詢失敗：{e}")

執行結果與上面直接使用原生 API 相同 : 

(myvenv) D:\python\test>python list_gemini_models_2.py    

--- 透過 LangChain 的底層 Client 查詢模型 ---

可用模型: models/gemini-2.5-flash

可用模型: models/gemini-2.5-pro

可用模型: models/gemini-2.0-flash

可用模型: models/gemini-2.0-flash-001

可用模型: models/gemini-2.0-flash-lite-001

可用模型: models/gemini-2.0-flash-lite

可用模型: models/gemini-2.5-flash-preview-tts

可用模型: models/gemini-2.5-pro-preview-tts

可用模型: models/gemma-3-1b-it

可用模型: models/gemma-3-4b-it

可用模型: models/gemma-3-12b-it

可用模型: models/gemma-3-27b-it

可用模型: models/gemma-3n-e4b-it

可用模型: models/gemma-3n-e2b-it

可用模型: models/gemma-4-26b-a4b-it

可用模型: models/gemma-4-31b-it

可用模型: models/gemini-flash-latest

可用模型: models/gemini-flash-lite-latest

可用模型: models/gemini-pro-latest

可用模型: models/gemini-2.5-flash-lite

可用模型: models/gemini-2.5-flash-image

可用模型: models/gemini-3-pro-preview

可用模型: models/gemini-3-flash-preview

可用模型: models/gemini-3.1-pro-preview

可用模型: models/gemini-3.1-pro-preview-customtools

可用模型: models/gemini-3.1-flash-lite-preview

可用模型: models/gemini-3-pro-image-preview

可用模型: models/nano-banana-pro-preview

可用模型: models/gemini-3.1-flash-image-preview

可用模型: models/lyria-3-clip-preview

可用模型: models/lyria-3-pro-preview

可用模型: models/gemini-robotics-er-1.5-preview

可用模型: models/gemini-2.5-computer-use-preview-10-2025

可用模型: models/deep-research-pro-preview-12-2025

注意, 由於 Google 與 OpenAI 兩家公司在 SDK 設計邏輯上的根本差異, 使得 LangChain 在整合這兩者時採取了不同策略, Gemini 可以直接透過 .client 取得模型清單, 而 OpenAI 則不行, 因此查詢 OpenAI 的模型清單必須用底層 SDK 套件 openai.