今天重新看 MiniCod 官网的时候，我第一反应是，咦，它和我印象里不太一样了。
以前我会下意识把 MiniCod 放进编程 API中转站 那一栏，和 Claude Code、Codex 这些东西放在一起看。
但现在它首页第一屏写的是「AI 的学术基建」。
这个转向挺有意思。
因为这不是从一个模型货架换成另一个模型货架，而是直接把问题换了，MiniCod 现在想解决的不是「我怎么更便宜地调模型」，而是「我怎么让 AI 查到真实存在的论文」。
这俩问题，看起来都叫 API。
但里面的味道完全不一样。
它现在更像科研 Agent 的数据管道
MiniCod 官网说得很直接，一个 API 接入 Semantic Scholar、OpenAlex、arXiv、PubMed，覆盖 4.5 亿加论文，OpenAI 兼容，MCP-ready。
我看到这里的时候，其实鼻子一酸。
不是感动到不行那种，是那种「终于有人认真处理这个坑了」的感觉。
做内容的人也好，做研究的人也好，应该都见过 AI 一本正经编论文引用。作者名像真的，期刊名像真的，年份也像真的，甚至 DOI 都像真的。
最麻烦的是，它不是胡说八道到一眼能看出来。
它是很像真的。
所以 MiniCod 这个「真实 DOI，已验证」的定位，我觉得抓得很准。它不是在跟 OpenAI、Claude、Gemini 拼谁更聪明，它是在给这些模型补一块很硬的地板，文献来源。
一个好的 AI API中转站，有时候不是替你多接几个模型，而是替你把某个具体场景里的信息差磨平一点。
OpenAI 兼容这件事，比它看起来更重要
MiniCod 文档里提到，REST 接口覆盖论文、作者、引文，也提供 OpenAI 兼容的 /v1/chat/completions 自然语言学术检索。
这句话对开发者很友好。
因为很多团队现在已经有一套 OpenAI client 代码了。Python、TypeScript、Go，大家习惯了传 base_url，传 api_key，然后发 chat completions。
如果一个学术 API 也能用这种方式接进去，迁移成本会低很多。
你不用重新教育整个工程链路，不用单独写一堆陌生 SDK，也不用让 Agent 在一堆奇怪接口里绕。
直接把它当成一个会查论文的模型接口。
这玩意听起来很朴素。
但朴素的东西，经常最有用。
MCP 是它另一个很值得看的点
MiniCod 的 MCP 页面写得很清楚，官方 MCP server 是 npm 包 @minicod/mcp-server，可以接进 Claude Desktop、Cursor、Cline、Windsurf、Continue。
它提供 12 个工具，覆盖 Semantic Scholar、OpenAlex、PubMed 和 MiniCod 自建期刊库。
这让我想到一个很具体的场景。
你在 Cursor 里写一段综述生成工具，或者在 Claude Desktop 里让 AI 帮你整理某个方向近两年的论文。以前你要么复制粘贴搜索结果，要么让 AI 自己瞎猜，要么自己写一堆爬虫和 API 适配。
现在的路径可以变成，给 AI 一个 MCP 工具，让它自己去查真实论文、作者、引用、期刊。
当然，别把这理解成 AI 可以替你做研究。
这话听着有点扫兴，但我还是要说。
MiniCod 能解决的是数据入口和引用校验，它不能替代你对论文质量、实验设计、研究问题的判断。系统综述这种事，最后还是要人看，要人筛，要人负责。
但它能把最烦的那部分重复劳动往下压一截。
这就够有价值了。
Skills Marketplace 是把场景提前包好
MiniCod 首页现在突出展示了 Skills Marketplace，里面包括 Citation Verifier、Paper Finder、Journal Quality、Lit Review Helper。
我比较喜欢这个产品形态。
因为大多数普通用户并不想理解 Semantic Scholar 和 OpenAlex 的字段差异，也不想研究 PubMed 的查询语法。你只是想问，帮我验证这篇文章里的引用是不是真的，帮我找某个主题的论文，帮我看一本期刊大概什么水平。
Skill 的价值就在这里。
它把 API 包成意图。
对开发者来说，底层 API 还在，能接就接。对研究者来说，最好不要先被接口文档劝退，先用一个 Skill 把真实场景跑起来。
这也是我觉得 MiniCod 比普通 API中转站 更特别的地方。它不是只给你一个网关，而是在网关上面放了一些科研工作流的入口。
价格看起来也比较适合先试
MiniCod 价格页写的是按调用计费，没有订阅最低消费。免费额度是每月 1000 次调用，不需要信用卡。
它还写到 /papers/search 和 /journals 这类轻量查询不计量，Pro 是 29 美元每月，包含 10 万次调用，额外 chat completion 按 0.001 美元一次。
这里我建议大家别急着算到小数点后好多位。
先问自己一个问题，你到底是偶尔查几篇论文，还是要把它接进一个会持续跑的科研 Agent 或 RAG 系统。
如果只是个人试用，免费额度足够你把基本链路摸一遍。比如查论文、查 DOI、看 MCP 接入、让 AI 用自然语言调一次工具。
如果你准备做产品，那就不能只看单次价格了。
你要看并发、失败重试、缓存策略、数据覆盖范围、期刊库是否满足你的学科，以及最关键的一点，返回结果是不是稳定可解释。
学术 API 的便宜，不是调用单价便宜就完事。
它得让你少踩错引用的坑。
适合谁，不适合谁
如果你在做科研 Agent，MiniCod 很值得放进候选名单。
如果你在做论文检索、引用校验、期刊查询、文献综述辅助、RAG 学术知识库，它也很对路。
如果你只是想找一个便宜的 GPT、Claude、Gemini 聊天 API，那 MiniCod 现在未必是你的第一选择。它当前的亮点不在模型低价转发，而在学术数据接入。
如果你是高校学生、研究助理、医学或药学方向内容团队，我反而建议你试一下。
不是因为它能替你写论文。
千万别这么想。
而是因为它可以帮你把「这篇引用到底存不存在」这种低级但致命的问题先拦一下。
我的判断
MiniCod 这次让我愿意写它，不是因为它的首页多漂亮，也不是因为 4.5 亿论文这个数字看起来很大。
真正打动我的，是它选了一个 AI 时代很具体、很硬、很容易被忽略的问题。
引用要真实。
论文要可查。
期刊要能对比。
Agent 不能只会写得像，它还得能查得到。
所以我会把 MiniCod 归到一个比较特殊的 API中转站 候选里，偏学术数据 API，偏科研 Agent 基建，偏 MCP 工具层。
建议也很简单，先用免费额度跑一遍。拿一组你熟悉的 DOI，拿一个你熟悉的研究主题，看看它查出来的论文、期刊、引用关系是不是符合你的预期。然后再决定要不要接进长期流程。
AI 写得越来越像真的以后，能帮我们确认什么是真的，反而会越来越值钱。
官网入口，https://www.minicod.com/zh
价格页，https://www.minicod.com/zh/pricing
MCP 文档，https://www.minicod.com/zh/docs/mcp
站内相关条目，MiniCod API中转站资料