Chat 模型：其他云、本地与测试

能力矩阵

“I/A/V”依次为图片、音频、视频输入。— 表示组件页没有标准 feature table，不能按空白推断支持或不支持。

类 / 包	认证	Tool	Structured	I/A/V	Stream	Usage / Logprobs	备注
`ChatBaiduQianfan` / `@langchain/baidu-qianfan`	Qianfan access + secret key	—	—	—	文档示例支持	—	旧格式页面；`ERNIE-Bot-turbo` 标为 abandoned
`ChatCerebras` / `@langchain/cerebras`	`CEREBRAS_API_KEY`	✅	✅	❌/❌/❌	✅	✅/❌	不可序列化
`ChatCloudflareWorkersAI` / `@langchain/cloudflare`	account id + API token	❌	❌	✅/❌/❌	✅	❌/❌	可配置 AI Gateway base URL；模型级多模态需核验
`ChatDeepSeek` / `@langchain/deepseek`	`DEEPSEEK_API_KEY`	✅	✅	❌/❌/❌	✅	✅/✅	serializable 标为 beta
`FakeListChatModel` / `@langchain/core/utils/testing`	无	—	—	—	可模拟	—	有序固定响应、stream 与延迟测试；禁止作为运行时 fallback
`ChatFireworks` / `@langchain/fireworks`	`FIREWORKS_API_KEY`	✅	✅	❌/❌/❌	✅	✅/✅	模型清单和能力由托管模型决定
`ChatGroq` / `@langchain/groq`	`GROQ_API_KEY`	✅	✅	❌/❌/❌	✅	✅/✅	不可序列化
`ChatOllama` / `@langchain/ollama`	本地 daemon，无 API key	✅	✅	✅/❌/❌	✅	✅/❌	serializable beta；需先拉取模型；模型能力差异大
`ChatPerplexity` / `@langchain/perplexity`	`PERPLEXITY_API_KEY`	❌*	✅	❌/❌/❌	✅	✅/❌	serializable beta；可切 Agent/Responses API
`ChatTogetherAI` / `@langchain/together-ai`	`TOGETHER_AI_API_KEY`	✅	✅	✅/✅/✅	✅	✅/✅	实际能力取决于所选开源模型
`ChatXAI` / `@langchain/xai`	`XAI_API_KEY`	✅	✅	❌/❌/❌	✅	✅/✅	serializable
`ChatYandexGPT` / `@langchain/yandex/chat_models`	`YC_IAM_TOKEN` 或 `YC_API_KEY`	—	—	—	—	—	旧格式页面，无标准能力声明

\* Perplexity 的标准矩阵把普通 tool calling 标为否，但 Agent API 可绑定 provider built-in tools，并把返回的 tool call 放进标准字段。这是 endpoint-specific 能力，不等于任意 LangChain tool schema 都被支持。

初始化要点

Baidu 通过 constructor 传 qianfanAccessKey、qianfanSecretKey 和 model；文档列出多种 ERNIE 型号，但上线前应从服务端重新获取当前可用清单。
Cerebras、DeepSeek、Fireworks、Groq、TogetherAI 与 xAI 都是独立 provider 包；不要因为 API 形态相似而统一走 ChatOpenAI，否则会丢失 provider metadata 和能力约束。
Cloudflare Chat wrapper 的示例通过 account id/token 调 Workers AI，可选 AI Gateway base URL。与 Cloudflare embedding 的 Worker binding 模式不同。
Ollama 依赖本地服务和已下载模型；把 base URL、模型 digest、GPU/CPU 配置和并发上限视为部署配置。
Yandex 需要具有 ai.languageModels.user 角色的 service account，再选 IAM token 或 API key。

Perplexity 的双端点

ChatPerplexity 的 useResponsesApi 有三种语义：

值	路由
未设置	普通请求走 Chat Completions；出现 built-in tool 或 Responses-only 字段时自动走 Agent API
`true`	始终走 Agent API
`false`	始终走 Chat Completions

Agent API 提供 web search、fetch URL、finance search、people search，以及 previousResponseId 等状态字段；原始 output items 位于 provider-specific metadata。生产代码要记录实际 endpoint，并避免在自动检测切换后悄悄改变数据出口、计费或保留策略。

Fake 模型的测试价值

FakeListChatModel 能按顺序返回预设响应、模拟 stream 和 sleep 延迟。它适合验证：

chain 编排与输出 parser；
streaming 拼接和 client cancellation；
timeout、loading 与重试 UI；
不依赖外部 API 的确定性单测。

它不模拟 token usage、provider 限流、工具 schema 差异或真实多模态，不能替代外部 contract test；生产配置应 fail closed，不能在 provider 故障时自动切 Fake 并向用户返回伪结果。

本地 Ollama 的生产边界

本地不等于安全：服务端口需要网络隔离和认证边界，不能直接暴露公网。
模型 tag 可移动，发布应固定模型文件/digest，并验证上下文长度、tool schema、视觉能力和量化精度。
预热、显存、并发队列、冷加载、OOM 与 eviction 都需监控；LangChain 的 maxRetries 不能解决容量不足。
withStructuredOutput() 仍需应用侧 schema 校验；不同 Ollama 模型对工具和 JSON 的遵循度不同。

上线门禁

对没有标准 feature table 的 Baidu/Yandex 路由，只把文档明确展示的调用或 streaming 当已知能力。对聚合托管平台和 Ollama，按精确模型 ID 单独维护 capability profile；禁止把 wrapper 的勾选扩展为整个 provider 的 SLA。