Spring AI 接入国产大模型实战：Kimi K2.5、MiniMax M2.7、Qwen 3.5 一文搞定（2026）

Java 开发者的国产模型焦虑

做 Java 后端的人最近大概都感受到了一个趋势：老板不再只问”能不能接个 GPT”，而是开始问”Kimi 和 DeepSeek 比 GPT 便宜那么多，咱们能不能换？”

问题是 Spring AI 官方文档里全是 OpenAI、Anthropic、Google 的例子，国产模型几乎一笔带过。翻 Spring AI Alibaba 吧，又发现它主要围绕阿里百炼生态，Kimi 和 MiniMax 的配置得自己摸索。

这篇文章讲的就是怎么用 Spring AI 把 Kimi K2.5、MiniMax M2.7、Qwen 3.5 这些国产模型接进 Java 项目，以及不同接入方式该怎么选。

如果你还没接触过 Spring AI，建议先看《Spring AI 2.0 接入 AI 大模型完全指南》了解基础概念。本文假设你已经有 Spring Boot 项目，知道 ChatClient 的基本用法。

2026 年国产模型接入 Spring AI 的三条路

先把选型说清楚，再讲配置。

路线一：Spring AI 官方 + OpenAI 适配器

Spring AI 内置的 spring-ai-openai-spring-boot-starter 支持所有兼容 OpenAI 协议的 API。Kimi、MiniMax、DeepSeek、智谱 GLM，只要提供商支持 /v1/chat/completions 端点就能接。

适合只用聊天补全、流式输出、Function Calling 这些标准能力的项目。好处是零额外依赖，Spring AI 官方维护。不过同一时间只能配一个 provider 的 base-url，要切换提供商得改配置或用 Profile 区分。

路线二：Spring AI Alibaba

阿里在 2026 年初发布了 Spring AI Alibaba 1.0 GA，在 Spring AI 基础上加了百炼平台和国产模型的原生支持。内置 MiniMax、Kimi（月之暗面）、Qwen 等专用适配器，不用自己拼 base-url。

如果项目部署在阿里云，或者需要百炼的 RAG 管线、Agent 编排、工作流能力，这条路线最对口。国产模型覆盖也是三个方案里最全的。代价是多了一层阿里封装，版本更新节奏和 Spring AI 官方不完全同步。

路线三：OfoxAI 统一网关

如果项目需要同时调用国产模型和海外模型（GPT-5.4、Claude Opus 4.6），每个提供商单独配一套 base-url 和 Key 维护起来很累。OfoxAI 把这些都收到一个 OpenAI 兼容接口后面，一个 API Key 就能调 Kimi K2.5、MiniMax M2.7、Qwen 3.5、DeepSeek V3.2、GLM-5 等 40 多个国产模型，GPT、Claude、Gemini 也都有。

多模型混用或者需要统一管 Key 和计费的场景最合适。人民币直接支付。延迟方面多了一层代理，实测通常在 50ms 以内。

三条路怎么选

实际操作中，路线一和路线三随时能切换，都是改一行 base-url 的事。路线二如果只用聊天能力，也可以和路线一、三混用。

路线一实战：官方适配器接 Kimi K2.5

依赖配置

在 pom.xml 里加 OpenAI starter（Spring AI 2.0.0-M4 为例）：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>

接入 Kimi K2.5

Kimi 的 API 完全兼容 OpenAI 协议。在 application.yml 里：

spring:
  ai:
    openai:
      api-key: ${KIMI_API_KEY}
      base-url: https://api.moonshot.cn/v1
      chat:
        options:
          model: kimi-k2.5

就这么多。ChatClient 的用法和调 GPT 完全一样，流式输出、Function Calling 都正常工作。

Kimi K2.5 的 API Key 怎么获取？参考《Kimi API Key 获取教程》。

接入 MiniMax M2.7

MiniMax 同样支持 OpenAI 兼容协议：

spring:
  ai:
    openai:
      api-key: ${MINIMAX_API_KEY}
      base-url: https://api.minimax.chat/v1
      chat:
        options:
          model: MiniMax-M2.7

MiniMax 还提供 MiniMax-M2.7-highspeed 变体，响应速度更快但推理深度稍弱，适合对延迟敏感的场景。详见《MiniMax M2.7 API 教程》。

切换模型的问题

用官方适配器有个不方便的地方：spring.ai.openai.base-url 是全局配置。如果项目里同时要调 Kimi 和 MiniMax，得用 Spring Profile 或者手动创建多个 OpenAiChatModel Bean。

这不复杂，但确实多了些样板代码。如果多模型混用是常态，直接看下面的路线三更省事。

路线二实战：Spring AI Alibaba 接入国产模型

依赖配置

Spring AI Alibaba 1.0 GA 基于 Spring AI 1.0.x，目前还不兼容 Spring AI 2.0 的里程碑版本。如果你的项目还在用 Spring Boot 3.x + Spring AI 1.0，这条路线最合适。

<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter</artifactId>
    <version>1.0.0</version>
</dependency>

接入 MiniMax

Spring AI Alibaba 内置了 MiniMax 适配器，配置比官方路线更直接：

spring:
  ai:
    minimax:
      api-key: ${MINIMAX_API_KEY}
      chat:
        options:
          model: MiniMax-M2.5

不需要手动指定 base-url，Alibaba 的适配器已经内置了 MiniMax 的端点地址。

接入 Kimi（月之暗面）

Spring AI Alibaba 同样提供了月之暗面的原生适配器：

spring:
  ai:
    moonshot:
      api-key: ${KIMI_API_KEY}
      chat:
        options:
          model: kimi-k2.5

接入 Qwen 3.5（通义千问）

通义千问是 Spring AI Alibaba 的主场，支持最完整：

spring:
  ai:
    dashscope:
      api-key: ${DASHSCOPE_API_KEY}
      chat:
        options:
          model: qwen3.5-plus

通过百炼平台的 Coding Plan，你还可以用同一个 DashScope API Key 调用 Qwen 3.5、GLM-5、MiniMax M2.5 和 Kimi K2.5 四个模型，不用分别注册。

多模型同时使用

Spring AI Alibaba 的好处在于：不同模型有各自独立的配置命名空间（spring.ai.minimax.*、spring.ai.moonshot.*、spring.ai.dashscope.*），可以在同一个 application.yml 里配多个提供商，注入不同的 ChatModel Bean 来使用。

路线三实战：OfoxAI 网关一键接入

配置

如果你读过《Spring AI 2.0 完全指南》的多模型切换章节，OfoxAI 的配置方式和那里的一模一样，因为就是标准 OpenAI 兼容协议：

spring:
  ai:
    openai:
      api-key: ${OFOX_API_KEY}
      base-url: https://api.ofox.ai/v1
      chat:
        options:
          model: moonshotai/kimi-k2.5

切换模型只需要改 model 字段，base-url 和 api-key 不用动：

完整模型列表见 OfoxAI 模型页面。

运行时动态切换模型

实际项目里经常有这种需求：简单问题用便宜模型（MiniMax M2.5 或 GLM-4.7 Flash），复杂问题用强模型（Kimi K2.5 或 Qwen 3.5 Plus）。用 OfoxAI 网关配合 Spring AI 的 ChatClient，运行时切换模型只需要在请求级别指定：

String answer = chatClient.prompt()
    .options(OpenAiChatOptions.builder()
        .model("minimax/minimax-m2.7-highspeed")  // 运行时指定模型
        .build())
    .user("帮我写一段 SQL 查询")
    .call()
    .content();

这比维护多个 ChatModel Bean 简洁得多，模型选择逻辑可以放到业务层做路由。

国产模型能力对比：选哪个？

选模型不能只看跑分，得看实际场景。下面是我们团队在真实项目中的体感对比（截至 2026 年 4 月）：

简单说：客服和轻量对话选 MiniMax M2.7-highspeed，响应快价格低。代码相关的活交给 Kimi K2.5，256K 上下文窗口分析大文件也不在话下。企业项目如果已经在用阿里云生态，Qwen 3.5 Plus 开箱即用。需要图文理解就上 GLM-5V Turbo，具体可以参考《GLM-5V-Turbo 多模态 API 教程》。

想看更详细的模型对比，可以参考《Kimi K2.5 vs Claude Sonnet 4.6 vs GPT-5.4 横评》和《MiniMax M2.5 vs Claude Sonnet 4.6 vs GPT-5.4 横评》。

踩坑记录

1. MiniMax 的模型名大小写敏感

MiniMax API 要求模型名严格匹配。写 minimax-m2.7 会报 404，必须写 MiniMax-M2.7。通过 OfoxAI 调用则不存在这个问题，模型名格式统一为 minimax/minimax-m2.7。

2. Kimi 的 Function Calling 参数格式

Kimi K2.5 的 Function Calling 兼容 OpenAI 格式，但有一个细节：tool 的 description 字段如果超过 512 个字符会被截断。建议把函数描述控制在 200 字以内，复杂的参数说明放到 parameters 的 description 里。

3. Spring AI Alibaba 和 Spring AI 2.0 的兼容性

截至 2026 年 4 月，Spring AI Alibaba 1.0 基于 Spring AI 1.0.x 构建。如果你的项目已经升级到 Spring AI 2.0（里程碑版本），直接引入 Alibaba 的 starter 会出现依赖冲突。解决办法：要么等 Alibaba 适配 2.0，要么在 2.0 项目里用路线一或路线三接国产模型。

4. 流式输出的超时设置

国产模型的首 token 延迟通常比 GPT 系列长一些（尤其是思考模式开启时）。如果用了 Spring AI 的流式输出，建议把连接超时调到 30 秒以上：

spring:
  ai:
    openai:
      chat:
        options:
          timeout: 30s

5. 百炼 Coding Plan 的模型切换

用阿里百炼 Coding Plan 调用 Kimi K2.5 和 MiniMax M2.5 时，模型名需要加百炼前缀。具体格式参考百炼控制台的模型列表，不要想当然用原始模型名。

生产环境清单

接进来不难，跑稳才是正事。上线前过一遍这几件事：

国产模型 API 偶尔会返回 429（限流）或 500（服务抖动），Spring AI 的 RetryTemplate 配上 3 次重试加指数退避基本够用。如果主模型整个挂了，业务代码里 catch 异常后换一个 model 参数重试就行，用 OfoxAI 网关的话模型切换不用改 base-url。

另外注意两件事：各模型的 token 定价差异不小，生产环境一定要按模型维度监控调用量和费用。还有就是国产模型对涉政涉密内容的过滤策略比较严格，如果你的应用处理用户输入，最好在调用前做一层内容预检，免得触发过滤导致响应中断。

总结

三条路线不互斥。我们自己的做法是开发阶段用 OfoxAI 快速切换模型做对比，选型确定后再决定生产环境直连还是走网关。

回头看，2026 年的国产模型确实到了一个可以用的阶段。Kimi K2.5 写代码不比 Claude Sonnet 4.6 差多少，MiniMax M2.7 的性价比在轻量任务上找不到对手，Qwen 3.5 在阿里生态里几乎不用配就能跑。Java 这边的工具链也跟上来了，Spring AI 把接入门槛拉到了改一行 YAML 的程度。

有问题可以看看 OfoxAI 的 API 文档，或者在 Kimi API 开放平台和 MiniMax API 文档 找各模型的详细参数说明。