支持的 AI 模型
KL API 当前公开可用 320 个模型(其中对话模型 178 个),覆盖 OpenAI、Anthropic、Google 等 11 个厂商分组,统一用一个 API Key 调用,数据更新于 2026-11-21。
模型详情页
全部模型(按厂商)
价格单位:对话模型为美元 / 百万 token,按次计费模型为美元 / 次。展示价为标准价,按 1 美元 = 500,000 配额换算;不同账户分组的实际结算价可能不同,以控制台为准。
OpenAI(79)
GPT 系列,走 OpenAI Chat Completions / Responses 协议。
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| gpt-3.5-turbo | OpenAI | $0.5 / $1.5 | 官方高速 GPT-3.5 系列,支持 function_call。 | |
| gpt-3.5-turbo-0125 | 对话 | OpenAI | $0.5 / $1.5 | 官方高速 GPT-3.5 系列,支持 tool_calls。 |
| gpt-3.5-turbo-1106 | 对话 | OpenAI | $1 / $2 | 官方高速 GPT-3.5 系列,支持 tools_call。 |
| gpt-4-turbo | 对话 | OpenAI | $10 / $30 | GPT-4 Turbo with Vision 是最新一代模型。更强大,知识截止日期更新至 2023 年 4 月,具有 128k 上下文窗口。接受文本或图像输入并输出文本,以比任何先前模型更高的准确性解决困难问题。1106 系列及以上的模型支持 tool_calls 和 function_call。 |
| gpt-4-turbo-2024-04-09 | 对话 | OpenAI | $10 / $30 | GPT-4 Turbo with Vision 是最新一代模型。它比前代更强大,具有 2023 年 4 月的知识截止日期,128k 的上下文窗口,并接受文本或图像输入,以更高的准确性解决困难问题。 |
| gpt-4.1 | 对话 | OpenAI | $2 / $8 | GPT-4.1 是由 OpenAI 提供的 AI 模型。 |
| gpt-4.1-2025-04-14 | 对话 | OpenAI | $2 / $8 | GPT-4.1-2025-04-14:OpenAI的旗舰模型,具有强大的编码能力和1M令牌上下文窗口。 |
| gpt-4.1-mini | 对话 | OpenAI | $0.4 / $1.6 | GPT-4.1 mini 是由 OpenAI 提供的 AI 模型。 |
| gpt-4.1-mini-2025-04-14 | 对话 | OpenAI | $0.4 / $1.6 | GPT-4.1-mini-2025-04-14:性价比高的中型模型,价格显著低于旗舰产品。 |
| gpt-4.1-nano | 对话 | OpenAI | $0.1 / $0.4 | GPT-4.1 nano 是由 OpenAI 提供的 AI 模型。 |
| gpt-4.1-nano-2025-04-14 | 对话 | OpenAI | $0.1 / $0.4 | GPT-4.1-nano-2025-04-14:OpenAI 最小、最快和最实惠的模型,适合轻量级任务。 |
| gpt-4o | 对话 | OpenAI | $2.5 / $10 | GPT-4o 是 OpenAI 提供的 AI 模型。 |
| gpt-4o-2024-05-13 | 对话 | OpenAI | $5 / $15 | GPT-4o 是 OpenAI 最先进的多模态模型,比 GPT-4 Turbo 更快、更便宜,并具有更强的视觉能力。该模型具有 128K 的上下文窗口,知识截止日期为 2023 年 10 月。1106 系列及以上的模型支持 tool_calls 和 function_call。 |
| gpt-4o-2024-08-06 | OpenAI | $2.5 / $10 | gpt-4o-2024-08-06 具有 128K 上下文窗口,每个请求最多输出 16K 令牌,知识截止日期为 2023 年 10 月。它支持更严格的 JSON 格式输出和更强的推理能力。1106 系列及以上的模型支持 tool_calls 和 function_call. | |
| gpt-4o-2024-11-20 | 对话 | OpenAI | $2.5 / $10 | GPT-4O 是 OpenAI 最新的语言模型,具有增强的理解和生成能力。它在多个自然语言处理领域表现出色,包括对话生成、文本摘要和信息检索。GPT-4O 集成了更先进的技术,以理解复杂的上下文并生成更连贯、相关的响应。该模型还加深了对专业领域内容的理解,支持多种语言和风格,并改善整体用户体验。其目标是提供更准确和实用的语言交互。 |
| gpt-4o-mini | 对话 | OpenAI | $0.15 / $0.6 | GPT-4o mini 是 OpenAI 提供的 AI 模型。 |
| gpt-4o-mini-2024-07-18 | 对话 | OpenAI | $0.15 / $0.6 | gpt-4o-mini-2024-07-18。GPT-4o Mini旨在经济实惠且功能强大。它提供128K的上下文窗口,每个请求最多支持16K的输出令牌,知识截止日期为2023年10月。1106系列及以上的模型支持tool_calls和function_call。 |
| gpt-4o-mini-tts | 音视频 | $0.3 / 次 | GPT-4o mini TTS 是一个基于 GPT-4o mini 的文本转语音模型,具有快速且强大的语言处理能力。它将文本转换为自然听起来的语音。最大输入:2,000 个标记。 | |
| gpt-5 | 对话 | OpenAI / OpenAI Responses | $1.25 / $10 | GPT-5 是我们在各个领域中用于编码、推理和代理任务的旗舰模型。 |
| gpt-5-2025-08-07 | 对话 | OpenAI / OpenAI Responses | $1.25 / $10 | GPT-5是我们在各个领域中用于编码、推理和代理任务的旗舰模型。 |
| gpt-5-chat-latest | 对话 | OpenAI Responses | $1.25 / $10 | GPT-5 Chat 指向当前 ChatGPT 使用的 GPT-5 快照版本。 |
| gpt-5-mini | 对话 | OpenAI Responses | $0.25 / $2 | GPT-5 Mini 是 OpenAI 提供的 AI 模型。 |
| gpt-5-mini-2025-08-07 | 对话 | OpenAI / OpenAI Responses | $0.25 / $2 | GPT-5 mini 是 GPT-5 的一个更快、更具成本效益的版本,特别适合明确的任务和精确的指令。 |
| gpt-5-nano | 对话 | OpenAI Responses | $0.05 / $0.4 | GPT-5 Nano 是 OpenAI 提供的 AI 模型。 |
| gpt-5-nano-2025-08-07 | 对话 | OpenAI / OpenAI Responses | $0.05 / $0.4 | GPT-5 Nano是我们最快和最具成本效益的GPT-5变体,特别适合摘要和分类任务。 |
| gpt-5-pro | 对话 | OpenAI Responses | $15 / $120 | GPT-5 Pro 是由 OpenAI 提供的 AI 模型。 |
| gpt-5-search-api | 对话 | OpenAI | $1.25 / $10 | 专用搜索模型用于GPT-5。 |
| gpt-5-search-api-2025-10-14 | 对话 | OpenAI | $1.25 / $10 | 专用搜索模型用于 GPT-5。 |
| gpt-5.1 | 对话 | OpenAI / OpenAI Responses | $1.25 / $10 | GPT-5.1:一个更智能、更具对话性的ChatGPT。最常用的模型,现在更加温暖、更智能,并且更擅长遵循您的指示。 |
| gpt-5.1-2025-11-13 | 对话 | OpenAI / OpenAI Responses | $1.25 / $10 | GPT-5.1-2025-11-13:一个更智能、更具对话性的 ChatGPT——最广泛使用的模型,现在更加温暖、更智能,并且更擅长遵循您的指示。 |
| gpt-5.1-chat-latest | 对话 | OpenAI / OpenAI Responses | $1.25 / $10 | GPT-5.1-chat-latest 是一个通用模型,优化用于自然语言交互和即时消息场景中的流畅对话和辅助内容创作。 |
| gpt-5.1-codex | 对话 | OpenAI Responses | $1.25 / $10 | GPT-5.1-codex 是一款功能强大的重型引擎,旨在应对最艰难的编码挑战,处理大规模代码库,并提供深入的架构指导——企业级和高度复杂开发场景的首选模型。 |
| gpt-5.2 | 对话 | OpenAI / OpenAI Responses | $1.75 / $14 | GPT-5.2,适用于各行业编码和智能任务的最佳模型。 |
| gpt-5.2-chat-latest | 对话 | OpenAI / OpenAI Responses | $1.75 / $14 | GPT-5.2-chat-latest,最新版本,优化用于自然、流畅的对话和动态互动体验。 |
| gpt-5.2-pro | 对话 | OpenAI Responses | $21 / $168 | GPT-5.2 pro仅在响应API中提供,以支持多轮模型交互和高级API功能。由于GPT-5.2 pro旨在解决复杂问题,因此某些请求可能需要几分钟才能完成。 |
| gpt-5.3-codex | 对话 | OpenAI / OpenAI Responses | $1.75 / $14 | GPT-5.3-Codex 通过性能提升、能力泛化和安全升级重新定义了人工智能在编码和广泛生产力中的角色。 |
| gpt-5.4 | 对话 | OpenAI Responses | $2.5 / $15 起 | GPT-5.4 是我们用于复杂专业工作的前沿模型。在模型名称后附加后缀 high/low/medium/xhigh 表示思维努力水平。 |
| gpt-5.4-mini | 对话 | OpenAI / OpenAI Responses | $0.75 / $4.5 | GPT-5.4 mini 将 GPT-5.4 的优势带入一个更快、更高效的模型,旨在处理高吞吐量的工作负载。 |
| gpt-5.4-mini-2026-03-17 | 对话 | OpenAI / OpenAI Responses | $0.75 / $4.5 | GPT-5.4 mini 将 GPT-5.4 的优势带入一个更快、更高效的模型,旨在处理高吞吐量的工作负载。 |
| gpt-5.4-nano | 对话 | OpenAI / OpenAI Responses | $0.2 / $1.25 | GPT-5.4 nano 是 GPT-5.4 中最轻便、最快速的版本,专为对速度和成本要求极高的任务而设计。 |
| gpt-5.4-nano-2026-03-17 | 对话 | OpenAI / OpenAI Responses | $0.2 / $1.25 | GPT-5.4 nano 是 GPT-5.4 中最轻便、最快速的版本,专为对速度和成本要求极高的任务而设计。 |
| gpt-5.4-pro | 对话 | OpenAI Responses | $30 / $180 起 | GPT-5.4-pro 使用更多计算资源以更深入地思考,并始终提供更好的答案。仅通过响应 API 访问,以支持在响应 API 请求之前的多轮模型交互,以及未来其他高级 API 功能。 |
| gpt-5.4-pro-2026-03-05 | 对话 | OpenAI Responses | $30 / $180 起 | GPT-5.4 Pro 使用更多计算资源进行更深入的思考,并始终提供更好的答案。仅通过 Responses API 访问,以支持多轮模型交互,在满足 Responses API 请求之前,以及未来其他高级 API 功能。 |
| gpt-5.5 | 对话 | OpenAI / OpenAI Responses | $5 / $30 起 | GPT-5.5 是 OpenAI 于 2026 年 4 月 24 日发布的旗舰大型语言模型,旨在作为现实工作和代理的新智能。其核心突破是自主规划和执行多步骤复杂任务,在编码、计算机操作和研究分析方面表现出色,同时以更少的令牌实现更高的效率。附加高/低/中/超高表示思维努力水平。 |
| gpt-5.5-pro | 对话 | OpenAI Responses | $30 / $180 起 | GPT-5.5pro 可用于响应 API 请求,包括通过批量 API,支持在响应之前的多轮模型交互,未来将推出更多高级 API 功能。由于 GPT-5.5pro 旨在解决复杂问题,因此某些请求可能需要几分钟才能处理。为避免超时,请使用后台模式。 |
| gpt-5.6-luna | 对话 | OpenAI / OpenAI Responses | $0.2 / $1.2 起 | GPT-5.6 Luna 主打低成本、大批量处理场景,对应早期 GPT-5 Nano 轻量化模型层级,兼容 -high/-xhigh/-low/-medium/-max/-ultra 全部后缀变体。 |
| gpt-5.6-sol | 对话 | OpenAI / OpenAI Responses | $5 / $30 起 | GPT-5.6 Sol 是 GPT-5.6 产品线的旗舰高端模型,其规格与顶级原始 GPT-5(无后缀)相当。您可以使用别名 gpt-5.6-sol 调用 API,平台将自动将请求路由到 GPT-5.6 Sol 服务集群。该模型支持通过多个后缀进行差异化调用,这些后缀可以附加到选择的性能层级:-high, -xhigh, -low, -medium, -max, -ultra。 |
| gpt-5.6-terra | 对话 | OpenAI / OpenAI Responses | $2 / $12 起 | GPT-5.6 Terra 主打算力与成本均衡,对应早期 GPT-5 迷你模型层级,兼容 -high/-xhigh/-low/-medium/-max/-ultra 全部后缀变体 |
| gpt-6-astra | 对话 | OpenAI / OpenAI Responses | $10 / $50 起 | GPT-6 Astra 是 OpenAI 最强大的模型,专为最困难的端到端工作而构建。可用于复杂推理、编码、计算机使用、研究和文档创建。reasoning.effort 支持低、中、高、极高和最大。 |
| gpt-6-luna | 对话 | OpenAI / OpenAI Responses | $0.1 / $0.5 起 | GPT‑6‑Luna 是 OpenAI GPT‑6 系列高性价比轻量模型,105 万上下文、推理强度可调,继承 Astra 核心能力,主打极速、超低价,适合大批量并发、摘要提取、子 Agent 等高频任务。 |
| gpt-6-sol | 对话 | OpenAI / OpenAI Responses | $2 / $10 起 | GPT‑6‑Sol 是 OpenAI GPT‑6 系列中端主力模型,105 万上下文、推理强度可调,继承 Astra 的前沿能力,主打 Agent 与复杂编码,性价比突出,适合规模化专业长任务 |
| gpt-6.1-sol | 对话 | OpenAI / OpenAI Responses | $2 / $10 起 | GPT-6.1-Sol 是 OpenAI 推出的 GPT-6 Sol 升级版推理模型,在智能体编程、计算机操作与专业复杂任务上能力贴近旗舰 GPT-6 Astra |
| gpt-6.1-terra | 对话 | OpenAI / OpenAI Responses | $1 / $5 起 | 高性价比中端多模态模型,主打 Agent 自动化、Computer Use 电脑界面操作、视觉识图、代码生成。 |
| gpt-6.2-astra | 对话 | OpenAI / OpenAI Responses | $8 / $40 起 | GPT-6.2 Astra 可以构建和修改软件、操作计算机以及处理文档。它支持文本和图像输入,并以文本形式响应。在 Responses API 中,可使用多智能体测试版将任务委派给子智能体执行。 |
| gpt-6.2-sol | 对话 | OpenAI / OpenAI Responses | $2 / $10 起 | GPT-6.2 Sol 支持文本和图像输入,并输出文本。可通过 Responses API 将其与网页搜索、计算机操作等工具配合使用。 |
| gpt-chat-latest | 对话 | OpenAI / OpenAI Responses | $5 / $30 | gpt-chat-latest 指向当前在 ChatGPT 中使用的最新实时模型。 |
| gpt-image-1 | 图像 | $5 / $40 | 支持/v1/images/generations和/v1/images/edits的所有参数。 | |
| gpt-image-1.5 | 图像 | $5 / $32 | GPT 图像 1.5 是我们最新的图像生成模型,具有改进的指令遵循和提示遵循能力。 | |
| gpt-image-2 | 图像 | $5 / $30 | GPT Image 2 是我们最先进的图像生成模型,支持快速、高质量的图像生成和编辑。它支持灵活的图像尺寸和高保真图像输入。 | |
| gpt-image-2-c | 图像 | $0.12 / 次 | gpt-image-2-c,支持返回url,base64,支持1k图片生成,gpt-image-2分组支持1k、2k、4k。暂不支持n参数 | |
| gpt-image-2.5-flare | 图像 | $5 / $30 | gpt-image-2.5-flare 是均衡低延迟的通用图像生成模型,适合批量快速出图 | |
| gpt-image-2.5-flare-c | 图像 | $0.16 / 次 | 均衡低延迟的通用图像生成模型,适合批量快速出图。支持返回url,base64,支持1k图片生成,gpt-image-2/3分组支持1k、2k、4k。 | |
| gpt-image-2.5-sunburst | 图像 | $5 / $30 | gpt-image-2.5-sunburst 是同系列高精度版本,细节与提示词还原更强,面向精品商业图像创作。 | |
| gpt-image-2.5-sunburst-c | 图像 | $0.16 / 次 | 同系列高精度版本,细节与提示词还原更强,面向精品商业图像创作。支持返回url,base64,支持1k图片生成,gpt-image-2/3分组支持1k、2k、4k。 | |
| gpt-image-2.6-flare | 图像 | $5 / $30 | 极速经济型版本,出图快、成本更低,适合批量预览、草稿和 GIF 快速生成。 | |
| gpt-image-2.6-flare-c | 图像 | $0.16 / 次 | 极速经济型版本,出图快、成本更低,适合批量预览、草稿和 GIF 快速生成。 | |
| gpt-image-2.6-sunburst | 图像 | $5 / $30 | 高画质专业版,细节光影更强,多轮局部编辑时主体一致性稳定,适合商用定稿图。 | |
| gpt-image-2.6-sunburst-c | 图像 | $0.16 / 次 | 高画质专业版,细节光影更强,多轮局部编辑时主体一致性稳定,适合商用定稿图。 | |
| o1 | 对话 | OpenAI / OpenAI Responses | $15 / $60 | o1 完整版本。它在得出答案之前花费更多时间思考(形成思维链),使其更适合复杂推理任务,尤其是在科学和数学方面。 |
| o1-2024-12-17 | 对话 | OpenAI | $15 / $60 | o1 完整版本。在回答之前花更多时间思考(形成思维链),使其更适合复杂推理任务,特别是在科学和数学方面。 |
| o3 | 对话 | OpenAI / OpenAI Responses | $2 / $8 | o3 是 OpenAI 提供的 AI 模型。 |
| o3-2025-04-16 | 对话 | OpenAI / OpenAI Responses | $2 / $8 | OpenAI最先进的推理模型,擅长多模态分析并提供思考支持。 |
| o3-mini | 对话 | OpenAI / OpenAI Responses | $1.1 / $4.4 | o3-mini 是 OpenAI 最新的小型推理模型,针对编码、数学和科学任务进行了优化。它的响应速度比 o1-mini 更快,并且在更高的推理设置下可以匹配或超过 o1 的准确性。 |
| o3-mini-2025-01-31 | 对话 | OpenAI / OpenAI Responses | $1.1 / $4.4 | o3-mini 是 OpenAI 最新的小型推理模型,针对编码、数学和科学任务进行了优化。o3-mini 的响应速度比 o1-mini 更快,并且在更高的推理设置下可以匹配或超过 o1 的准确性。 |
| o4-mini | 对话 | OpenAI / OpenAI Responses | $1.1 / $4.4 | o4-mini 是 OpenAI 最新的高效推理模型,提供低延迟和高质量,并支持多模态输入。 |
| o4-mini-2025-04-16 | 对话 | OpenAI / OpenAI Responses | $1.1 / $4.4 | o4-mini 是 OpenAI 最新的高效推理模型——低延迟,高质量,支持多模态输入。 |
| text-embedding-3-large | 检索 | $0.13 / $0.13 | OpenAI的第三代嵌入模型,比小型版本更强大,适用于需要最大性能的任务。 | |
| text-embedding-3-small | 检索 | $0.02 / $0.02 | OpenAI的第三代嵌入模型——比第二代更快、更便宜,适合大多数任务。 | |
| text-embedding-ada-002 | 检索 | $0.1 / $0.1 | 基于Ada的文本嵌入模型,针对广泛的自然语言处理任务进行了优化。 |
Anthropic(16)
Claude 系列,同时支持 Anthropic Messages 原生协议与 OpenAI 兼容协议。
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| claude-fable-5 | 对话 | Anthropic / OpenAI | $10 / $50 | Claude‑fable‑5 是来自 Anthropic 的一款公开可用的高性能大型语言模型,具有超长上下文、多模态理解、复杂推理和企业级知识工作能力,并提供严格的安全保护。 |
| claude-fable-5-1 | 对话 | Anthropic / OpenAI | $10 / $50 | Claude Fable 5.1 是 Anthropic 于 2026‑09‑01 推出的旗舰前沿大模型,主打长周期 Agent 智能体、复杂编码、多步骤科研、重度知识分析,面向高难度长时间运行任务开放调用 |
| claude-fable-5-2 | 对话 | Anthropic / OpenAI | $8 / $40 | Claude Fable 5.2 专为高难度推理与长周期智能体任务打造。典型适用场景包括持续数小时的智能体会话、多步骤深度调研,以及可直接输出成品文档、表格或演示文稿的分析工作。 |
| claude-haiku-4-5-20251001 | 对话 | Anthropic / OpenAI | $1 / $5 | Claude Haiku 4.5 是最快且最具性价比的模型,在编码、计算机使用和代理任务上与 Sonnet 4 相匹配。 |
| claude-haiku-5-5 | 对话 | Anthropic / OpenAI | $0.1 / $0.5 起 | Claude Haiku 5.5 是 Anthropic 5.5 系列里速度最快、成本最低的轻量模型,上下文 1M token,支持自适应思考与识图,主打高并发、低延迟任务,常作为 Sonnet/Opus 的子智能体做分类、提取、代码辅助等批量工作Anthropic |
| claude-opus-4-1-20250805 | 对话 | $15 / $75 | 根据Anthropic的公告,新模型在代理工具使用、代理编码和多语言问答方面超越了OpenAI o3。Opus 4.1在SWE-bench Verified上达到了74.5%的最高编码分数。此次发布还增强了Claude的深度研究和数据分析能力,特别是在细节跟踪和代理搜索方面。 | |
| claude-opus-4-5-20251101 | 对话 | Anthropic / OpenAI | $5 / $25 | Claude Opus 4.5 是我们迄今为止最智能的模型。它在编码、代理任务、计算机使用和企业工作流程方面设定了新的基准。Opus 4.5 代表了人工智能系统能力的重大进步。 |
| claude-opus-4-6 | 对话 | Anthropic / OpenAI | $5 / $25 | Claude Opus 4.6 是 Anthropic 最新的旗舰 AI 模型,在专业任务处理、长文本理解和多智能体协作方面取得了重大进展。 |
| claude-opus-4-7 | 对话 | Anthropic / OpenAI | $5 / $25 | Claude Opus 4.7 支持 1M 令牌上下文窗口,128K 最大输出令牌,自适应思维,以及与 Claude Opus 4.6 相同的工具和平台功能。 |
| claude-opus-4-8 | 对话 | Anthropic / OpenAI | $5 / $25 | claude-opus-4-8 是 Anthropic 最强大的模型,适用于持续、复杂的长远工作。非常适合处理大型项目、构建代理或任何需要高自主性和输出质量的场景。 |
| claude-opus-5 | 对话 | Anthropic / OpenAI | $5 / $25 | Claude Opus 5 是 Claude Max 的默认模型,也是 Claude Pro 最强大的模型,它是一个深思熟虑、积极主动、具有成本效益的代理模型,提供几乎与旗舰 Claude Fable 5 相媲美的前沿智能,成本仅为其一半,并为编码和专业知识工作设定了新的行业标准。 |
| claude-opus-5-5 | 对话 | Anthropic / OpenAI | $4 / $20 | claude-opus-5-5 是 Anthropic 全新旗舰大模型,拥有百万级上下文,自适应思考不可关闭,Agent 与代码能力突出,速度更快、定价更低,适合复杂长任务。 |
| claude-sonnet-4-5-20250929 | 对话 | Anthropic / OpenAI | $3 / $15 | Claude Sonnet 4.5 是世界上最好的编码模型,是构建复杂代理的最强大模型,也是计算机使用的顶级模型。它在推理和数学方面显示出显著的进步。 |
| claude-sonnet-4-6 | 对话 | Anthropic / OpenAI | $3 / $15 | Claude Sonnet 4.6 提供大规模的前沿智能,专为编码、代理工作流和企业用例而设计。 |
| claude-sonnet-5 | 对话 | Anthropic / OpenAI | $2 / $10 | Claude Sonnet 5 配备默认的 100 万标记上下文窗口(100 万标记既是其默认值也是最大容量;没有更小上下文限制的变体可用)。它具有最大输出标记限制为 128k、自适应推理能力,并保留与 Claude Sonnet 4.6 相同的所有工具和平台功能——唯一的例外是优先级层功能,在 Claude Sonnet 5 上不受支持。 |
| claude-sonnet-5-5 | 对话 | Anthropic / OpenAI | $2 / $10 | Claude Sonnet 5.5 是 Anthropic 兼顾速度、成本与能力的多模态商用模型,擅长文档、代码、Agent 自动化与图文分析。 |
Google(27)
Gemini 系列,支持 Gemini 原生协议与 OpenAI 兼容协议。
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| gemini-2.5-flash | 对话 | Gemini / OpenAI | $0.3 / $2.5 | Gemini 2.5 Flash 是由 google-vertex 提供的 AI 模型。思维模式可以切换开启或关闭。 |
| gemini-2.5-flash-image | 图像 | Gemini / OpenAI | $0.15 / 次 | 我们的标准模型,升级了图像生成和对话多轮编辑,优化了快速创意工作流程。 |
| gemini-2.5-flash-lite | 对话 | Gemini / OpenAI | $0.1 / $0.4 | Gemini 2.5 Flash Lite 是由 google-vertex 提供的 AI 模型。思维模式可以开启或关闭。 |
| gemini-2.5-flash-preview-tts | 音视频 | Gemini / OpenAI | $0.5 / $10 | 2.5 Flash 语音合成音频模型经过优化,具有成本效益、低延迟和可控的语音生成。 |
| gemini-2.5-pro-preview-tts | 音视频 | Gemini / OpenAI | $1 / $20 | Gemini-TTS 是我们云 TTS 技术的最新进展。除了生成自然语音外,它还通过基于文本的提示实现对生成音频的细粒度控制。使用 Gemini-TTS,您可以合成单声道或多声道的声音——从短片段到长篇叙述——并精确指定风格、口音、语速、语调和情感表达,所有这些都可以通过自然语言提示灵活控制。 |
| gemini-3-flash-preview | 对话 | Gemini / OpenAI | $0.5 / $3 | gemini-3-flash-preview 是我们最智能的模型,结合了速度与前沿智能,并具备出色的搜索和基础能力。 |
| gemini-3-pro-image | 图像 | Gemini / OpenAI | $0.33 / 次 | Nano Banana Pro 是一个以推理为驱动的精确引擎,适用于专业级图像编辑和生成,提供工作室级的准确性和高级创意控制。最适合复杂的图形设计、高保真产品视觉效果,以及基于真实世界信息通过 Google 搜索的事实数据可视化——这些任务需要准确的文本渲染。 |
| gemini-3-pro-image-preview | 图像 | Gemini / OpenAI | $0.33 / 次 | Nano Banana Pro 是 Google Gemini 系列下一代 AI 图像生成和编辑模型,是 Gemini 2.5 Flash Image (Nano Banana) 的升级版。该模型集成了多模态 Transformer 和扩散模型,原生支持 2K (2048×2048) 和 4K 分辨率输出,并在图像质量、文本渲染和物理推理方面提供显著改进。 |
| gemini-3-pro-preview | 对话 | Gemini / OpenAI | $2 / $12 起 | Gemini 3 是谷歌迄今为止最智能的模型系列,基于先进的推理能力。它旨在通过掌握代理工作流程、自主编码和复杂的多模态任务,将任何想法变为现实。gemini-3-pro-preview 最适合需要广泛世界知识和高级跨模态推理的复杂任务。 |
| gemini-3.1-flash-image | 图像 | Gemini / OpenAI | $0.166 / 次 | Nano Banana 2 提供高质量的图像生成和对话编辑,价格具有竞争力,延迟低。它是 Gemini 3.1 Pro Image 的高效版本,针对速度和高吞吐量的开发者用例进行了优化。 |
| gemini-3.1-flash-image-preview | 图像 | Gemini / OpenAI | $0.166 / 次 | Nano Banana 2 提供高质量的图像生成和对话编辑,价格适中,延迟低。 |
| gemini-3.1-flash-lite | 对话 | Gemini / OpenAI | $0.25 / $1.5 | 谷歌最具性价比的模型,优化用于高容量代理任务、翻译和简单数据处理。 |
| gemini-3.1-flash-lite-image | 图像 | Gemini / OpenAI | $0.129 / 次 | Nano Banana Lite 旨在成为图片生成系列中的效率专家,提供超低延迟且经济实惠的图片生成和修改功能。仅支持1k图像生成 |
| gemini-3.1-flash-lite-preview | 对话 | Gemini / OpenAI | $0.25 / $1.5 | 我们最具成本效益的多模态模型,提供针对高频、轻量级任务的最快性能。Gemini 3.1 Flash-Lite 最适合高容量的代理工作负载、简单的数据提取和预算与速度为主要限制的超低延迟应用。 |
| gemini-3.1-flash-tts-preview | 音视频 | Gemini / OpenAI | $1 / $20 | gemini-3.1-flash-tts-preview 是一个为成本效益、低延迟和可控语音生成优化的文本到语音音频模型。 |
| gemini-3.1-pro-preview | 对话 | Gemini / OpenAI | $2 / $12 起 | Gemini 3.1 是谷歌迄今为止最智能的模型系列,基于先进的推理。它旨在通过掌握代理工作流程、自主编码和复杂的多模态任务,将任何想法变为现实。gemini-3.1-pro-preview 最适合需要广泛世界知识和高级跨模态推理的复杂任务。 |
| gemini-3.5-flash | 对话 | Gemini / OpenAI | $1.5 / $9 | Gemini 3.5 Flash 现在已正式发布,具有稳定的性能,适合大规模生产。作为我们最智能的 Flash 模型,它在代理执行、编码和长时间任务方面提供了一致的领先性能。 |
| gemini-3.5-flash-lite | 对话 | Gemini / OpenAI | $0.3 / $2.5 | Gemini 3.5 Flash-Lite 是一种具有成本效益的多模态模型,能够低成本执行子代理任务和文档解析。该模型支持文本、图像、视频、音频和 PDF 输入,旨在满足高容量代理工作流、简单数据提取以及延迟和 API 成本构成主要限制的应用。 |
| gemini-3.6-flash | 对话 | Gemini / OpenAI | $0.75 / $3.75 | Gemini 3.6 Flash 一直提供最先进的模型智能。经过优化,以更快的速度和更低的成本处理现实世界的任务,专为代理时代而构建,擅长代码生成、代理执行和空间推理。该模型在涉及复杂编码周期和迭代的快速代理循环中表现尤为出色。 |
| gemini-3.7-flash | 对话 | Gemini / OpenAI | $0.75 / $3.75 | gemini‑3.7‑flash为 GA 正式可用的多模态主力模型,面向代码开发与 AI 智能体场景,支持可配置思考深度,具备百万 Token 上下文,兼容图文音视频输入,工具调用与多步骤任务能力突出,适合大规模生产业务调用。 |
| gemini-3.8-flash-tts | 音视频 | Gemini / OpenAI | $0.5 / $9 | 我们 3.8 版 Flash 文本转语音音频模型专为专业级声音保真、富有表现力的演绎和长时间稳定性而设计。 |
| gemini-4-carbon | 对话 | Gemini / OpenAI | $2 / $10 | Gemini 4 Carbon(gemini-4-carbon)是我们推理能力最强的模型,专为复杂软件工程、数学与科学问题求解、高事实准确性、自主多步骤智能体场景打造,支持最高 100 万 token 的超长输出。 |
| gemini-4-hydrogen | 对话 | Gemini / OpenAI | $1.5 / $7.5 | 为所有人带来前沿智能,满足日常编码与智能代理工作流对速度和效率的需求,支持共享 100 万上下文窗口,最高输出可达 100 万 token |
| gemini-nano-banana-2.1 | 图像 | Gemini / OpenAI | $0.129 / 次 | Nano Banana 2(Gemini 3.1 Flash Image)的更新,旨在实现高效的图像生成和对话编辑,具有更好的视觉质量、多轮角色一致性、准确的文本渲染,以及在1K、2K和4K分辨率下的搜索驱动生成。 |
| veo_3_1 | 音视频 | $0.768 / 次 | 谷歌最新的先进AI模型。veo3.1高质量模式支持自动音频生成与视频同步。高质量,低价格——最佳性价比选项。支持首尾帧控制和文本到视频生成(8秒片段)。 | |
| veo_3_1-components | 音视频 | $0.768 / 次 | 谷歌最新的先进AI模型。veo_3_1--components支持最多三个参考图像输入,以实现更快、更稳定和更可控的生成,重新定义图像到视频的创作自由。4K模型。(8秒时长) | |
| veo_3_1-fast | 音视频 | $0.576 / 次 | 谷歌最新的先进AI模型。veo3.1快速模式支持与视频一起自动生成音频。高质量,低价格——最佳性价比选项。支持首尾帧控制和文本到视频生成(8秒片段)。 |
xAI(14)
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| grok-4 | 对话 | OpenAI | $3 / $15 | Grok 4 具备深度推理能力,经过 xAI 的 Colossus 超级计算机训练,提供更强的逻辑推理和文本生成。xAI 声称这是世界上最强大的 AI 模型,在学术任务上达到博士级表现。它在实时速度、推理和高级视觉方面表现出色。 |
| grok-4-20-non-reasoning | 对话 | OpenAI | $1.25 / $2.5 起 | Grok 4.20 是 xAI 最新的旗舰模型,具有行业领先的速度和自主工具调用能力。它结合了市场上最低的幻觉率和严格的提示合规性,始终提供准确和真实的响应。 |
| grok-4-20-reasoning | 对话 | OpenAI | $1.25 / $2.5 起 | Grok 4.20 是 xAI 最新的旗舰模型,具有行业领先的速度和自主工具调用能力。它结合了市场上最低的幻觉率和严格的提示合规性,始终提供准确和真实的响应。 |
| grok-4.3 | 对话 | Anthropic / OpenAI | $1.25 / $2.5 起 | 我们最先进的旗舰模型,在无幻觉率、主动工具调用和指令遵循方面引领行业。 |
| grok-4.5 | 对话 | Anthropic / OpenAI | $2 / $6 起 | Grok 4.5 是 SpaceXAI 专为编码、智能体任务和知识工作而构建的前沿模型。它在 SpaceXAI 位于孟菲斯的数据中心,使用涵盖科学、工程和数学领域的新数据集进行训练。 |
| grok-4.6 | 对话 | Anthropic / OpenAI | $2 / $6 起 | Grok 4.6 是 SpaceXAI 为编码、代理任务和知识工作打造的前沿模型,Grok 4.6 在 Grok 4.5 基础上,特别关注长期运营的代理以及更具雄心的互动和视觉作品。它涵盖多个步骤的复杂任务,无论是研究主题、分析信息、跨代码库工作,还是将想法转化为精致的应用或工作成果。 |
| grok-4.7 | 对话 | Anthropic / OpenAI | $2 / $6 起 | Grok 4.7 是 SpaceXAI 为编码、代理任务和知识工作打造的前沿模型。 |
| grok-build-0.1 | 对话 | OpenAI | $1 / $2 起 | xAI的主要编码和构建模型,旨在支持自主软件开发工作流程。 |
| grok-imagine-image | 图像 | $0.02 / 次 | Grok-Imagine-Image 是来自 X 的多模态 AI 模型,能够根据文本描述生成高质量的图像。 | |
| grok-imagine-image-2.0 | 图像 | $0.0075 / 次 | xAI 新一代通用图像生成模型,支持文生图、图生图编辑,最高输出 2K 分辨率,可调节画质档位,自主平衡速度与画面质量Replicate。 | |
| grok-imagine-image-quality | 图像 | $0.0075 / 次 | 该模型是 xAI 高品质图像生成模型,为成品画质优化,主打超高清晰度、精细细节、真实光影与精准构图**,支持文生图、图生图,最高支持 2K 分辨率。相比普通版图像模型,它大幅提升画面质感、材质真实度,内置文字生成准确清晰,复杂场景、写实渲染能力更强。 | |
| grok-imagine-video | 音视频 | $0.01 / 次 | Grok-Imagine-Video是xAI的视频生成模型,基于文本提示或图像创建短小的动态视频和音频。 | |
| grok-imagine-video-1.5-lite | 音视频 | $0.01 / 次 | grok-imagine-video-1.5-lite 是 xAI Grok Imagine Video 1.5 的轻量化低价版本,支持文生视频、图生视频,原生同步音画一体生成,一次生成同时输出画面 + 音效 / 环境音,无需后期配音。 视频时长 1–15s,按秒粒度可调;分辨率可选 480p / 720p / 1080p;支持横屏、竖屏、正方形多种比例。 适合大批量生成、快速草稿验证、短视频素材、简单动态场景。 能力约束:不支持参考图引导、关键帧控制;复杂人物、多角色、长连贯动作、高精度角色一致性弱于完整版 grok-imagine-video-1.5 (即grok-imagine-video-1.5-preview)。 | |
| grok-imagine-video-1.5-preview | 音视频 | $0.01 / 次 | Grok-Imagine-Video-1.5-Preview 是由 xAI 开发的预览视频生成模型,旨在快速从图像提示生成短视频内容。 |
DeepSeek(4)
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| deepseek-v3-1 | 对话 | OpenAI | $0.58 / $1.74 | DeepSeek新发布的混合推理模型,支持思维和非思维推理模式,思维效率高于deepseek-r1-0528。 |
| deepseek-v4-flash-0731 | 对话 | Anthropic / OpenAI | $0.44 / $1.32 | DeepSeek-V4-Flash-0731 属于轻量化激活的稀疏大模型,以较低算力开销支撑百万级长文本处理,在代码编写、AI 智能体交互上完成专项优化。 |
| deepseek-v4-pro | 对话 | Anthropic / OpenAI | $1.32 / $3.96 | DeepSeek-V4-Pro 是来自 DeepSeek 的高性能开源大模型,具有顶级推理和代理能力,超长上下文支持,兼容 Ascend 芯片,且具有卓越的性价比。 |
| deepseek-v4.1-flash | 对话 | Anthropic / OpenAI | $0.3 / $1.2 | 这是deepseek全新模型结构系列中的最小尺寸的模型,具备原生多模态视觉理解能力。新模型结构的设计初衷是:能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型。 |
阿里通义(32)
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| qwen-flash | 对话 | OpenAI | $0.05 / $0.4 起 | Qwen3系列Flash模型有效地融合了思考和非思考模式,可以在对话中切换。擅长复杂推理任务,指令遵循和文本理解显著提高。支持1M上下文长度,基于上下文长度的分级定价。 |
| qwen-image-2.0-2026-03-03 | 图像 | $0.029 / 次 | Qwen-Image-2.0系列中的加速模型,统一了图像生成和图像编辑。具有专业的文本渲染,支持高达1k的指令令牌,提供更细致的真实感以呈现详细的照片级场景,并且具有更强的语义遵循性。加速变体在模型质量和性能之间实现了最佳平衡。 | |
| qwen-image-3.0 | 图像 | $0.0015 / 次 | 指令理解清晰:支持最大 4.5k token 输入,复杂图文指令一次生成到位。 文字渲染稳定:10px 小字、12 国语言、20+ 字体清晰可辨,信息图和界面直接可用。 批量产出趁手:海报、网页、界面等日常任务可批量生成,成本更优,适合持续创作。 Qwen-Image-3.0 Standard 不只在追求生成效果,更在追求日常创作里的顺手与省心——让图像生成成为可持续的内容生产力。 | |
| qwen-image-3.0-pro | 图像 | $0.0015 / 次 | 内容丰实:支持最大 4.5k token 输入,支持图中图密集信息排版,让报纸、分镜、菜单、试卷等复杂版面一次生成。 细节真实:支持 10px 小字精准渲染,微表情、毛孔、发丝等细节生动还原,逼近真实摄影的质感。 知识厚实:支持 12 国语言、多种字体原生渲染,主流网页、游戏、直播等界面仿真,外部知识全纳入。 Qwen-Image-3.0-Pro 不只是在追求"好看",更在追求“好用”——让图像生成真正成为可落地的生产力工具。 | |
| qwen-image-max | 图像 | $0.075 / 次 | Qwen图像生成Max系列在广泛的生成任务中提供卓越的结果。与Plus系列相比,它显著减少了AI生成图像的人工痕迹,通过更逼真的人类纹理、更细腻的自然细节和改进的文本渲染来增强现实感。 | |
| qwen-image-max-2025-12-30 | 图像 | $0.075 / 次 | Qwen图像生成Max系列在各种生成任务中提供出色的结果。与Plus系列相比,它显著减少了AI生成图像的人工痕迹,增强了现实感,呈现出更逼真的人类纹理、更细腻的自然细节和改进的文本渲染。 | |
| qwen-max | 对话 | OpenAI | $1.6 / $6.4 | 公共云版本。Qwen表现最佳的模型,旨在处理复杂的多步骤任务。一个拥有千亿参数的大型语言模型,支持中文、英文及其他语言。非常适合文本创作、文本处理、编码辅助、翻译和对话模拟。 |
| qwen-plus | 对话 | OpenAI | $0.4 / $1.2 起 | Qwen 大规模语言模型,支持中文、英文及其他语言。适用于文本创作、文本处理、编码辅助、翻译和对话模拟。 |
| qwen-plus-2025-12-01 | 对话 | OpenAI | $0.4 / $1.2 起 | 这是2025年12月1日的快照。与7月28日的快照相比,推理能力有所提高;代理能力和多轮工具调用进一步增强;在主观创意任务上的表现更好。支持1M上下文长度,并根据上下文长度进行分层定价。 |
| qwen-plus-character | 对话 | OpenAI | $0.5 / $1.4 | Qwen系列中的角色扮演模型。此动态更新版本针对拟人角色扮演进行了优化,增强了遵循特定角色指令、推进对话主题和同理心倾听的能力。支持个性化角色的深度重构。 |
| qwen3-rerank | 检索 | — | 一个基于 Qwen LLM 基础训练的文本重排序模型。它对输入查询与候选文档的相关性进行排名,支持 100 多种语言和长文本输入,适用于文本检索和 RAG 场景。性能与开源的 Qwen3-Rerank 模型系列一致。 | |
| qwen3-vl-plus | 对话 | OpenAI | $0.2 / $1.6 起 | Qwen VL 是一个具有视觉(图像)理解的文本生成模型。除了 OCR,它还可以对图像进行总结和推理——例如,从照片中提取产品属性或根据图表解决问题。 |
| qwen3.5-122b-a10b | 对话 | OpenAI | $0.4 / $3.2 | Qwen3.5系列122B-A10B原生视觉-语言模型,基于结合线性注意力和稀疏MoE的混合架构,以提高推理效率。其整体性能仅次于Qwen3.5-397B-A17B;文本能力显著超过Qwen3-235B-2507,视觉能力超过Qwen3-VL-235B。 |
| qwen3.5-27b | 对话 | OpenAI | $0.3 / $2.4 | Qwen3.5系列27B原生视觉语言密集模型,集成线性注意力。快速响应速度,推理吞吐量与整体性能之间的良好平衡。 |
| qwen3.5-35b-a3b | 对话 | OpenAI | $0.25 / $2 | Qwen3.5系列 35B-A3B 原生视觉-语言模型,基于结合线性注意力和稀疏MoE的混合架构构建,实现更高的推理效率。其整体性能接近Qwen3.5-27B。 |
| qwen3.5-397b-a17b | 对话 | OpenAI | $0.6 / $3.6 | Qwen3.5 397B-A17B 本地视觉-语言模型,基于结合线性注意力和稀疏 MoE 的混合架构,具有更高的推理效率。它在语言理解、逻辑推理、代码生成、代理任务、图像理解、视频理解和 GUI 任务等方面的性能可与当今顶尖前沿模型相媲美,并在多样化的代理场景中具有强大的泛化能力。 |
| qwen3.5-plus | 对话 | OpenAI | $0.4 / $2.4 起 | Qwen3.5 原生视觉语言增强模型,基于混合架构,结合线性注意力和稀疏 MoE,以提高推理效率。在多个基准测试中,3.5 系列与当今顶尖前沿模型相匹配,在文本和多模态任务上相比 3 系列有显著能力提升。 |
| qwen3.5-plus-2026-02-15 | 对话 | OpenAI | $0.4 / $2.4 起 | Qwen3.5 原生视觉-语言 Plus 模型基于混合架构构建,结合线性注意力和稀疏 MoE,以提高推理效率。在多个基准测试中,3.5 系列与当今顶尖前沿模型相匹配,在文本和多模态任务上相比 3 系列有显著的能力提升。这是 2026 年 2 月 15 日的快照。 |
| qwen3.6-27b | 对话 | OpenAI | $0.6 / $3.6 | Qwen3.6系列27B是一个原生视觉语言密集模型。与3.5-27B相比,它专注于改善代理编码,并进一步增强STEM和推理能力。在视觉方面,它显著提升了空间智能、物体定位和检测,并在视频理解、文档OCR和视觉代理能力方面稳步提升。 |
| qwen3.6-35b-a3b | 对话 | OpenAI | $0.375 / $2.25 | Qwen3.6系列35B-A3B是一个基于混合架构构建的原生视觉语言模型,结合了线性注意力和稀疏MoE,实现了更高的推理效率。与3.5-35B-A3B相比,它在自主编码、数学推理、代码推理、空间智能、物体定位和物体检测方面有显著提升。 |
| qwen3.6-plus | 对话 | OpenAI | $0.5 / $3 起 | Qwen3.6 原生视觉-语言 Plus 模型的性能可与当今顶尖前沿模型相媲美,相较于 3.5 系列有显著的质量飞跃。显著的改进包括自主编码、前端编程、氛围编码、多模态通用识别、OCR 和物体定位。 |
| qwen3.6-plus-2026-04-02 | 对话 | OpenAI | $0.5 / $3 起 | Qwen3.6原生视觉语言Plus模型的性能可与当今顶尖前沿模型相媲美,相较于3.5系列有显著的质量飞跃。显著的改进包括自主编码、前端编程、氛围编码、多模态通用识别、OCR和物体定位。 |
| qwen3.7-max | 对话 | OpenAI | $2.5 / $7.5 | Qwen 3.7系列中最大、最强大的Max模型,目前提供纯文本模型功能。Qwen 3.7是为代理时代构建的下一代旗舰模型,核心优势在于代理能力的广度和深度:在编码、办公生产力和长期自主任务执行方面表现出色。 |
| qwen3.7-plus | 对话 | OpenAI | $0.4 / $1.6 起 | Qwen3.7系列中一种具有成本效益的Plus模型,具备强大的文本能力,全面升级的视觉语言理解,以及完整的编码、工具使用和生产力工作流程的代理能力。其核心优势是多模态互动混合代理能力——感知现实场景、读取屏幕和操作图形用户界面、从视觉参考生成代码,以及端到端导航移动应用。 |
| qwen3.8-27b | 对话 | OpenAI | $0.5 / $3 | Qwen3.8系列27B原生视觉语言Dense模型,模型效果相较3.6-27B重点提升了文本和视觉模态下的编程和办公场景能力,能更可靠地端到端完成复杂任务,输出值得信赖的成果。 |
| qwen3.8-flash | 对话 | OpenAI | $0.15 / $0.47 | Qwen3.8-Flash 是千问最新推出的多模态大模型,兼具强大的理解与生成能力和出色的响应速度。模型原生支持百万级上下文窗口,能够一次性处理超长文档、代码仓库和复杂对话。 |
| qwen3.8-max | 对话 | OpenAI | $2 / $6 | 2.4万亿参数MoE旗舰,编程与办公能力全面跃升,可自主编程十数天交付完整项目。胜任法律、金融、设计等数百种专业任务,一次对话端到端交付生产级成果。原生视觉理解贯穿规划、执行与验证全流程,支持超长文档与长视频的深度语义解析。长程任务中自主规划与闭环迭代,持续进化。 |
| qwen3.8-max-0902 | 对话 | OpenAI | $2 / $6 | 是qwen3.8-max的快照版本。编码深度再突破,可驾驭更复杂的工程级项目与长程自主开发;协作智能体能力显著增强,在多工具调度与端到端交付中表现更从容;视觉理解全面精进,图表推理、文档解析与多模态感知更敏锐准确。延续 100 万上下文、思考模式与完整工具生态,在更高智能水平上持续进化。 |
| qwen3.8-omni-flash | 对话 | OpenAI | $0.15 / $0.47 | Qwen 新一代原生全模态模型,支持 1M 长序列,可直接输入文本、图像、音频与视频,基于 Qwen3.8-Flash-Next 架构。模型面向真实生产力场景中的 Agent 能力:在具备编程、文本知识工作、GUI 操作等 Agentic 能力的同时,在以音视频为核心的Agentic应用例如视频剪辑、音乐视频创作、影视制作与解说、音视频到图文摘要、音视频对话等需要综合处理文本、图像、音频和视频的工作流上取得了显著的效果。 |
| qwen3.8-omni-flash-realtime | 音视频 | $0.23 / 次 | Qwen3.8-Omni-Flash-Realtime 通过多种实时协议提供音视频双工交互,面向智能硬件、机器人与实时交互 Agent。支持多通道音频输入与多种通道布局,视频表征可在细粒度与聚合之间按精度与开销选择,支持 60+ 语言音频输入和 30+ 语言语音输出;工具侧支持 Function Call 与 MCP 服务接入,具备工具发现、调用审批与结果续轮的完整事件链。可以在高速实时响应的同时,编排复杂业务逻辑和支持上百个工具的调用,同时拥有生动、多样的声音生成能力。 | |
| qwen4-max | 对话 | OpenAI | $1.5 / $4.5 | Qwen4-Max 是通义千问新一代旗舰多模态模型,融合文本生成、图片与视频理解及深度思考能力,适用于编程开发、办公、前端设计与复杂智能体任务。模型支持联网搜索、工具调用和结构化输出,兼容 OpenAI 与 Anthropic API,帮助开发者构建具备多模态理解与任务执行能力的智能应用 |
| qwq-32b | 对话 | OpenAI | $2 / $6 | 开源 QwQ。一个基于 Qwen2.5-32B 训练的 QwQ 推理模型,通过强化学习显著增强推理能力。数学和编码的核心基准(AIME 24/25,LiveCodeBench)以及一般基准(IFEval,LiveBench 等)在满负荷下与 DeepSeek-R1 相匹配,超越了 DeepSeek-R1-Distill-Qwen-32B 的所有指标。 |
字节豆包(27)
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| doubao-seed-1-6-250615 | 对话 | OpenAI | $0.12 / $1.2 | 一种多功能的全能模型,是中国首个支持256K上下文和思考能力的模型。具有深度思考、多模态理解和图形用户界面操作的特点。用户可以根据需要灵活启用或禁用深度思考;自适应思考模式会根据提示的复杂性自动判断是否激活深度思考,从而提高输出质量,同时显著减少令牌消耗。 |
| doubao-seed-1-6-251015 | 对话 | OpenAI | $0.12 / $1.2 | 通过API中的reasoning_effort字段支持可调的思考深度,提供四种模式:最小、低、中和高。这压缩了整体输出长度,以平衡不同用例中的质量、延迟和成本。 |
| doubao-seed-1-6-flash-250828 | 对话 | OpenAI | $0.045 / $0.45 | Doubao 1.6系列中的超快速响应变体。具有深度思考和多模态理解,支持256K上下文。极低的延迟——TOPT(管道顶部时间)低至10毫秒——实现近乎即时的响应。视觉理解性能与其他领先供应商的旗舰模型相当。非常适合对延迟敏感的场景,如实时交互和视觉任务处理。 |
| doubao-seed-1-6-thinking-250615 | 对话 | OpenAI | $0.12 / $1.2 | Doubao 1.6系列的增强深度思考变体,专注于深度推理。进一步改善编码、数学和逻辑推理,以处理更复杂的任务。支持256K上下文,以理解和生成更长的内容,非常适合深入分析和复杂推理场景。 |
| doubao-seed-1-6-thinking-250715 | 对话 | OpenAI | $0.12 / $1.2 | 显著增强的思维能力。与豆包1.5代深度理解模型相比,它进一步提升了编码、数学和逻辑推理的核心技能,并增加了视觉理解支持。 |
| doubao-seed-1-6-vision-250815 | 对话 | OpenAI | $0.24 / $1.92 | Doubao-Seed-1.6-vision 是一个具有更强通用多模态理解和推理能力的视觉深度思考模型,适用于教育、图像审查、检查和安全以及 AI 搜索问答场景。支持 256K 上下文窗口,最大输出长度为 64K 令牌。 |
| doubao-seed-1-8-251228 | 对话 | OpenAI | $0.12 / $1.2 | doubao-seed-1.8 提供更强的多模态理解和代理能力,在许多复杂的现实任务中实现卓越表现,进一步帮助企业创造价值。 |
| doubao-seed-2-0-code-preview-260215 | 对话 | OpenAI | $0.48 / $2.4 起 | Doubao-Seed-2.0-Code 针对企业级编程需求进行了优化。基于 Seed 2.0 强大的 Agent 和 VLM 能力,它显著提升了代码生成——在前端开发方面表现出色,同时为企业环境中常见的多语言编码场景提供了专业优化。非常适合与 AI 编程工具集成。 |
| doubao-seed-2-0-lite-260215 | 对话 | OpenAI | $0.09 / $0.55 起 | Doubao-Seed-2.0-lite 是一个适用于高频企业场景的平衡模型,在性能与成本之间进行权衡。它在整体能力上超越了上一代 Doubao-Seed-1.8,能够处理非结构化信息处理、内容创作、搜索和推荐以及数据分析。支持长上下文、多源信息融合、多步骤指令执行和高保真结构化输出——以显著降低的成本提供一致的结果。 |
| doubao-seed-2-0-lite-260428 | 对话 | OpenAI | $0.09 / $0.55 起 | 豆宝家族中的第一个全模态理解模型,支持视频、图像、音频和文本的原生统一理解,具备升级的代理、编码和图形用户界面功能。 |
| doubao-seed-2-0-mini-260215 | 对话 | OpenAI | $0.03 / $0.3 起 | Doubao-Seed-2.0-mini 旨在低延迟、高并发和成本敏感场景下提供最大推理速度。性能与 Doubao-Seed-1.6 相当。支持 256K 上下文、四个思维深度级别和多模态理解——非常适合速度和成本优先的轻量级任务。 |
| doubao-seed-2-0-mini-260428 | 对话 | OpenAI | $0.03 / $0.3 起 | 豆包家族中的一种全模态理解模型,具有更短的思考长度和更高的令牌效率。 |
| doubao-seed-2-0-pro-260215 | 对话 | OpenAI | $0.48 / $2.4 起 | Doubao-Seed-2.0-pro 是一款旗舰级通用模型,旨在应对代理时代的复杂推理和长期任务执行。它强调多模态理解、长上下文推理、结构化生成和工具增强执行。擅长复杂指令跟随和多约束任务,可靠地处理多步骤规划、复杂的视觉语言推理、视频内容理解和高要求的分析工作负载。 |
| doubao-seed-2-1-pro-260628 | 对话 | OpenAI | $0.9 / $4.5 | 迈向生产级智能的新一代大模型,全面升级 Coding、Agent 与多模态能力,以更强的自主规划、长链路执行和动态修复能力,胜任企业真实复杂任务。 |
| doubao-seed-2-1-pro-260915 | 对话 | OpenAI | $0.9 / $4.5 | 增强 Agent 执行能力与多模态理解。模型能够持续推进复杂任务、协同并验收异步子任务,将图片、视频和页面理解用于推理判断与实际操作,让深度调研、办公协作和长程任务的交付更稳健。 |
| doubao-seed-2-1-turbo-260628 | 聊天 | OpenAI | $0.45 / $2.25 | Doubao-Seed-2.1 是面向 Coding 和 Agent 时代打造的新一代大模型,提供 Pro 和 Turbo 两个版本,分别面向高复杂度任务探索和规模化生产场景,Seed 2.1 在 Coding 工程交付、Agent 长链路任务执行和多模态理解三大方向上全面升级,以更强的自主规划与动态修复能力,胜任真实研发与高价值生产任务。 |
| doubao-seedance-2-0-260128 | 音视频 | $0.01 / 次 | 豆包大模型团队推出的新一代专业级多模态创作视频模型 Seedance 2.0,支持图像、视频、音频等多模态作为参考输入生成视频,还具备视频编辑、延长等能力,能高精度还原各类细节并稳定角色特征,具备极致拟真的视听稳定性,深度适配商业广告、影视制作与社交媒体营销等各大核心场景。注意Seedance-1分组不支持480p建议切其他分辨率使用。 | |
| doubao-seedance-2-0-fast-260128 | 音视频 | $0.01 / 次 | Seedance 2.0 fast是豆包大模型团队推出的新一代多模态视频创作模型,它继承了Seedance 2.0模型的核心功能和优势,生成速度更快 | |
| doubao-seedance-2-0-mini-260615 | 音频 | $0.01 / 次 | Seedance 2.0 mini 是面向更广泛视频生成需求推出的新一代高性价比视频生成模型。在保持竞争力效果的同时,将视频生成能力带入更低门槛、更高频、更规模化的应用场景 | |
| doubao-seedance-2-5-260628 | 音视频 | $0.01 / 次 | Seedance 2.5 是豆包大模型团队推出的新一代多模态视频创作模型,已迈入“长叙事、强参考、准编辑、多语言”的工业级新阶段。注意Seedance-1分组不支持480p建议切其他分辨率使用。 | |
| doubao-seedance-2-5-flash-261115 | 音视频 | $0.01 / 次 | Seedance 2.5 flash (doubao-seedance-2-5-flash-261115) 是字节跳动豆包推出的高效多模态视频生成模型。它完整支持全模态音视频组合参考、有声视频生成及视频编辑延长,兼顾生成速度与强多模态控制能力,最高支持 720p 分辨率输出。 | |
| doubao-seedream-3-0-t2i-250415 | 图像 | $0.015 / 次 | Seedream 3.0 是一个支持中文和英文的双语图像生成基础模型,具有原生高分辨率支持。其整体能力与 GPT-4o 相当,位于全球顶尖水平。具有更快的响应速度、更准确的小文本生成、改进的文本布局、强大的指令遵循能力、增强的美学和结构,以及高保真度和详细渲染。 | |
| doubao-seedream-4-0-250828 | 图像 | $0.03 / 次 | Seedream 4.0 是字节跳动推出的多模态图像生成模型。在统一框架内,它集成了文本到图像、图像编辑和多图像合成:每次输入最多接受 10 张图像进行合成编辑,并通过对提示的深度推理自动选择最佳的宽高比和生成数量——在一次运行中输出多达 15 张主题相关的图像。该模型还显著提高了中文文本生成的准确性和内容多样性,支持 4K 超高清输出,并提供从生成到编辑的端到端解决方案,以便专业图像创作。 | |
| doubao-seedream-4-5-251128 | 图像 | $0.037 / 次 | Seedream 4.5 原生支持文本、单图像和多图像输入,能够实现主题一致的多图像融合创作、图像编辑和图像序列生成——使图像创作更加自由和可控。 | |
| doubao-seedream-5-0-260128 | 图像 | $0.033 / 次 | Doubao-Seedream-5.0-lite 是字节跳动最新的图像创作模型,能够精确解析复杂的指令和视觉内容。它具有增强的世界知识广度、参考一致性和专业场景生成质量,以更好地满足企业视觉创作需求。 | |
| doubao-seedream-5-0-pro-260628 | 图像 | $0.0015 / 次 | DouBao-Seedream-5-0-pro-260628 是字节跳动最新的图像创作模型,能够精准解析复杂指令和视觉内容。它具有增强的世界知识广度、参考一致性和专业场景生成质量,以更好地满足企业视觉创作需求。 | |
| doubao-seedream-5-5-261028 | 图像 | $0.01 / 次 | Doubao Seedream 5.5(以下简称 Seedream 5.5)支持文生图、单图生图和多参考图生图,并进一步增强多轮编辑一致性、原生 RGBA 图片生成和图层拆分能力。图层拆分时,模型最多可输出 1 张底图和 99 个图层,并可为规整文字图层返回文字内容、位置和近似视觉样式等富文本 OCR 信息。 |
智谱(10)
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| glm-4-airx | 对话 | OpenAI | $0.053 / $0.212 | 超快推理:具有强大推理性能的极高推理速度,8K 上下文,4K 最大输出 |
| glm-4-flash | 对话 | OpenAI | $0.053 / $0.212 | 免费调用:智谱AI的首个免费API,提供零成本访问大型模型的能力。128K上下文,最多4K输出。 |
| glm-4-long | 对话 | OpenAI | $0.053 / $0.212 | 超长输入:旨在处理非常长的文本和内存密集型任务,具有1M上下文窗口和最大输出4K令牌。 |
| glm-4.5 | 对话 | OpenAI | $0.6 / $2.4 | GLM-4.5 和 GLM-4.5-Air 是最新的旗舰模型系列,专为代理应用构建的基础模型。两者都使用混合专家(MoE)架构。GLM-4.5 具有 355B 的总参数,32B 的活跃参数;GLM-4.5-Air 采用更紧凑的设计,具有 106B 的总参数和 12B 的活跃参数。 |
| glm-4.5-air | 对话 | OpenAI | $0.2 / $1.1 起 | GLM-4.5 和 GLM-4.5-Air 是最新的旗舰模型系列,作为代理应用的基础模型构建。两者都使用混合专家(MoE)架构。GLM-4.5 具有 355B 的总参数,32B 为活跃参数;GLM-4.5-Air 采用更精简的设计,具有 106B 的总参数和 12B 的活跃参数。 |
| glm-5 | 对话 | OpenAI | $1 / $3.2 起 | GLM-5是智谱的下一代旗舰基础模型,专为智能工程而构建,在复杂系统工程和长期智能任务中提供可靠的生产力。 |
| glm-5.1 | 对话 | OpenAI | $1.4 / $4.4 起 | GLM-5.1 是一个为长时间任务设计的模型。它可以在单一任务中自主且连续工作长达 8 小时——独立规划、执行和自我改进,以提供完整的工程级成果。 |
| glm-5.2 | 对话 | Anthropic / OpenAI | $1.4 / $4.4 | GLM-5.2 是为长任务时代打造的旗舰模型。它支持真正可用的 1M 上下文,能够容纳项目级工程上下文,提供更稳定的长时间任务执行和更可靠的工程标准遵循,并且可以在单个任务中完成从需求到多平台部署的完整开发流程。 |
| glm-5.3 | 对话 | Anthropic / OpenAI | $1.4 / $4.4 | GLM-5.3 是智谱最新旗舰模型,复杂软件工程与 Agent 任务能力全面进阶。它使用与 GLM-5.2 相同的基础模型——所有提升均来自后训练。 |
| glm-5.3-flash | 对话 | Anthropic / OpenAI | $0.15 / $0.5 | GLM-5.3-Flash 同时进行了多项架构升级,是首个采用稀疏注意力与线性注意力混合架构的开源前沿模型,在保持精准长上下文能力的同时,大幅降低了长上下文服务成本。此外,GLM-5.3-Flash 还采用流形约束超连接(Manifold-Constrained Hyper-Connections,mHC),进一步提升了模型的 scaling 能力。 |
Moonshot(6)
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| kimi-k2-0711-preview | 对话 | OpenAI | $0.6 / $2.4 | kimi-k2 是一个具有卓越编码和代理能力的 MoE 基础模型。在编程、数学和代理任务等关键类别的基准测试中,K2 超越了其他领先的开源模型。 |
| kimi-k2.5 | 对话 | OpenAI | $0.6 / $3.15 | kimi-k2.5 是 Kimi 迄今为止最强大的模型,基于原生多模态架构,支持视觉和文本输入、思考和非思考模式,以及对话和代理任务。 |
| kimi-k2.6 | 对话 | OpenAI | $0.95 / $4 | Kimi K2.6 是 Kimi 最新和最智能的模型,具有更强大和更稳定的远程代码编写能力,显著改善的指令跟随和自我纠正,支持文本、图像和视频输入,思考和非思考模式,以及对话和代理任务。 |
| kimi-k2.7-code | 对话 | OpenAI | $0.95 / $4 | Kimi K2.7 代码是Kimi迄今为止最强大的编码模型。它在长上下文中更可靠地遵循指令,并以更高的成功率完成编程任务。支持文本、图像和视频输入;仅限思考模式;适合对话和代理任务。 |
| kimi-k3 | 对话 | OpenAI | $3 / $15 | Kimi K3 是 Kimi 迄今能力最强的旗舰模型,拥有 2.8 万亿参数,基于 KDA 混合线性注意力机制(Kimi Delta Attention)和注意力残差(Attention Residuals)技术构建,原生支持视觉理解,并拥有 100 万 token 上下文窗口。它是全球首个开源的 3 万亿级别模型,面向长程编程、知识工作和推理等前沿智能场景而设计。 |
| kimi-k3.1-pro | 对话 | OpenAI | $2 / $10 | Kimi K3.1 Pro 是全新 K3.1 系列的第一个模型,也是迄今能力最强的 3 万亿级参数模型,支持 100 万上下文。K3.1 Pro 在代码、3D 创作、金融研究和其他长程 Agent 能力上的提升尤为显著 |
Meta(12)
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| llama-2-70b | 对话 | OpenAI | $2 / $2 | 适用于复杂分析和预测任务的高容量Llama模型。 |
| llama-2-7b | 对话 | OpenAI | $2 / $2 | Llama-2-7B是Llama 2系列中参数最少的模型,但仍然非常强大。 |
| llama-3-70b | 对话 | OpenAI | $4 / $8 | 最新的Meta Llama 3模型,拥有70亿个参数。 |
| llama-3-8b | 对话 | OpenAI | $2 / $2 | 最新的 Meta Llama 3 模型,具有 7 亿个参数。 |
| llama-3.1-405b | 对话 | OpenAI | $6 / $12 | Meta的Llama 3.1模型,拥有4050亿参数,提供强大的通用能力。 |
| llama-3.1-70b | 对话 | OpenAI | $4 / $8 | Meta的70B参数Llama 3.1模型,平衡性能与效率。 |
| llama-3.1-8b | 对话 | OpenAI | $2 / $2 | Meta的8B参数Llama 3.1模型;适合资源受限环境的轻量级版本。 |
| llama-3.2-11b-vision-instruct | 对话 | OpenAI | $2 / $2 | Meta的11B参数Llama 3.2指令调优模型,一个轻量级对话模型。 |
| llama-3.2-1b-instruct | 对话 | OpenAI | $0.5 / $0.125 | Meta的10亿参数指令调优Llama 3.2,一个超轻量级对话模型。 |
| llama-3.2-3b-instruct | 对话 | OpenAI | $1 / $0.5 | @cf/meta/llama-3.2-3b-instruct 是 Cloudflare Workers AI 提供的 AI 模型。 |
| llama-3.2-90b-vision-instruct | 对话 | OpenAI | $6 / $18 | Meta的90B参数指令调优Llama 3.2,针对对话使用场景进行了优化。 |
| llama-3.3-70b-instruct | 对话 | OpenAI | $0.72 / $0.72 | Meta-Llama-3-70B-Instruct 是经过70B指令调优的版本,适合对话使用场景,在理解语言细微差别、上下文和复杂任务执行方面表现优越。 |
其他(93)
| 模型 | 类型 | 协议 | 价格 | 简介 |
|---|---|---|---|---|
| aigc-image-kling | 图像 | $0.0015 / 次 | 可灵图片 3.0 是快手自研的高清 AI 图像生成模型,支持文生图、图生图、多图参考、风格转绘、人像 / 角色参考、局部重绘。具备影视级叙事画面表达能力,精准响应创作指令,支持 2K/4K 超高清图像直出,画面细节、光影、材质一致性强,适合影视分镜、概念原画、电商海报、商业插画等图像创作场景,接口采用异步任务调用模式。生成图像时请指定参数"resolution"为大写的"2K"或"4K", 模型名使用 "kling" | |
| aigc-video-hailuo | 音视频 | $0.01 / 次 | 来自AIGC的视频模型hailuo(可用版本:H3,H3-MAX)。 H3:文生/图生(首尾帧)/多模态参考生; H3-MAX:H3极速版,支持文生/图生(首尾帧),不支持中间帧和多模态参考生。 | |
| eleven_flash_v2 | 音视频 | $40 / $40 | 轻量高速播报模型,性价比高,适合短句朗读 | |
| eleven_flash_v2_5 | 音视频 | $40 / $40 | 超长文本专用,价格最低,适合大批量字幕生成 | |
| eleven_multilingual_v2 | 音视频 | $80 / $80 | 长篇文稿稳定,双语混读音色不容易崩坏 | |
| eleven_v3 | 音视频 | $80 / $80 | 戏剧表现力强,适合故事、短剧配音,氛围感拉满 | |
| eleven_v3_conversational | 音视频 | $40 / $40 | 对话专用,口语松弛自然,适合闲聊交互 | |
| eleven_v4 | 音视频 | $80 / $80 | 旗舰顶配,情感层次最细腻,有声书专业配音首选 | |
| eleven_v4_turbo | 音视频 | $40 / $40 | V4 实时流式版本,低延迟,兼顾情感和响应速度 | |
| happyhorse-1.0-i2v | 音视频 | $0.0015 / 次 | HappyHorse-1.0-I2V 支持图像到视频生成,具有高度真实的动态场景渲染、精确的文本语义理解和高质量的输出,流畅、自然且细节丰富。 | |
| happyhorse-1.0-r2v | 音视频 | $0.0015 / 次 | HappyHorse-1.0-R2V 支持更稳定的主题和场景引用的参考视频生成,最多支持 9 张参考图像,精确保留创意意图,以及更强的表现能力。 | |
| happyhorse-1.0-t2v | 音视频 | $0.0015 / 次 | HappyHorse-1.0-T2V 支持文本到视频的生成,具有高度真实的动态场景渲染、对文本语义的精准理解,以及流畅、自然、细节丰富的高质量视频输出。 | |
| happyhorse-1.0-video-edit | 音视频 | $0.0015 / 次 | HappyHorse-1.0-Video-Edit 支持通过自然语言指令进行视频编辑,最多可使用 5 张参考图像进行视频元素的本地或全局编辑,准确复制视频运动,并具有更强的表现能力。 | |
| happyhorse-1.1-i2v | 音视频 | $0.0015 / 次 | HappyHorse-1.1-I2V支持图生视频,进一步提升画面质感、动态表现与跨片段一致性。模型能够更精准地理解输入图像并延续创作意图,在人物皮肤质感、ID跨片段保持、动作流畅度、文字渲染稳定性以及音画同步上带来显著改善,输出更真实自然、细节丰富且一致性更高的高质量视频。 | |
| happyhorse-1.1-r2v | 音视频 | $0.0015 / 次 | HappyHorse-1.1-R2V支持参考生视频,进一步提升主体、场景风格与画面一致性的稳定保持。模型最多支持9张参考图片输入,能够更精准理解并延续创作意图,在人物、场景、风格和镜头表现上带来更强的可控性与表现力。 | |
| happyhorse-1.1-t2v | 音视频 | $0.0015 / 次 | HappyHorse-1.1-T2V支持文生视频,进一步提升文本语义理解、镜头调度与动态生成表现。模型能够更精准地还原创作意图,在人物动作、场景氛围、视觉美感和物理运动上生成更流畅自然、细节丰富且一致性更高的高质量视频。 | |
| hy4 | 聊天 | Anthropic / OpenAI | $0.834 / $2.5 | Hy4 正式版整体相比 Hy4 preview 实现了全面大幅提升,尤其强化了 Agent 能力和各类长程和真实生产力任务的能力,并首次引入了视觉理解。 |
| hy4-flash | 聊天 | Anthropic / OpenAI | $0.07 / $0.281 | 腾讯自研高性价比 MoE 多模态文本模型,支持 1M 超大上下文,具备保留式深度思考、Function Calling 工具调用、结构化 JSON 输出、图片理解、缓存加速能力;解码速度快、KV Cache 开销低,适合规模化 Agent、编程辅助、长文档解析、图表识别、批量办公自动化等高并发放量场景。 |
| hy4-preview | 聊天 | OpenAI / Anthropic | $0.834 / $2.5 | 混元Hy4 preview总参数770B、激活参数49B,重点面向Agent、Coding与生产力场景优化,强化复杂任务中的理解、规划、工具调用与持续执行能力。相比上一代模型,Hy4 preview在多步骤Agent、代码开发和生产力任务上进一步提升,具备更好的任务拆解、上下文承接、指令遵循和长链路执行能力。在Coding场景中,进一步增强代码理解、生成、修改和复杂工程任务处理能力;在生产力场景中,重点提升文档处理、信息分析、办公自动化、游戏开发、网页生成及跨工具协作等能力。Hy4 preview适用于Coding Agent、复杂工具调用以及各类需要多步骤规划和持续执行的Agent工作流,为真实业务场景中的复杂任务提供更可靠的任务完成能力。 |
| kling-3.0-turbo | 音视频 | $0.0015 / 次 | Kling-3.0-Turbo 是快手可灵推出的轻量化极速视频生成模型,在保障人物动作稳定连贯的前提下大幅提升出片速度,降低调用成本,适合大批量短视频素材自动化生产 | |
| kling-advanced-custom-elements | 音视频 | $0.0015 / 次 | Kling官方主题创建服务已升级到新版本(支持3秒–8秒)。 | |
| kling-advanced-lip-sync | 音视频 | $0.0015 / 次 | 一个先进的唇动同步模型,具有面部检测和唇动同步能力。提供高精度的唇同步,实现自然、真实的语音。面部检测按调用计费;唇动同步按5秒单位计费。 | |
| kling-audio | 音视频 | $0.0015 / 次 | 一个支持文本到音效和视频配音的AI音频生成模型。根据文本描述生成音效或自动为视频配音。适用于声音设计和视频后期制作。 | |
| kling-avatar-image2video | 音视频 | $0.0015 / 次 | 一个数字化头像视频生成模型,将静态肖像图像转换为动态对话视频。支持标准(std)和高质量(pro)模式,按秒计费。适用于虚拟主持人、视频配音和数字化头像制作。 | |
| kling-custom-elements | 音视频 | $0.0015 / 次 | Kling的创建主题功能(支持3秒到8秒)。 | |
| kling-custom-voices | 音视频 | $0.0015 / 次 | 一个自定义语音创建模型,允许用户通过上传音频文件或使用现有视频中的音频来创建个性化的语音档案。创建的自定义语音可以用于后续的文本转语音合成、配音和其他应用。 | |
| kling-effects | 音视频 | $0.0015 / 次 | Kling AI 特效中心提供 136 种以上创意视频特效,包括节日主题、动态特效和风格迁移。定价根据场景而异,每次使用从 1 到 7 人民币不等。一些特效支持双重效果叠加。 | |
| kling-image-recognize | 图像 | $0.0015 / 次 | 一个智能图像识别模型,分析和识别上传图像中的内容,提取关键信息、物体、场景和其他元素。 | |
| kling-motion-control | 音视频 | $0.0015 / 次 | Kling 2.6 动态控制 AI 动作转移技术 — 真实动作,精确控制。将参考视频中的精确动作转移到静态角色图像上。一次性生成最长 30 秒的动画,具备全身动作精度、精确手势控制和一致的角色身份。 | |
| kling-multi-elements | 音视频 | $0.0015 / 次 | 一种多元素合成模型,智能地在视频中混合多个元素,以实现复杂的创意制作。专为需要多层次、多元素合成的高级视频创作而设计。 | |
| kling-omni-image | 图像 | $0.0015 / 次 | Kling-omni-image 是一个完整的 AI 创意套件,用于视频和图像创作。Kling Omni 将视频和图像生成集成到一个统一的创意套件中,旨在为每次都需要高质量输出的专业人士提供服务。 | |
| kling-omni-video | 音视频 | $0.0015 / 次 | Kling O1 采用多模态视觉语言 (MVL) 哲学,使用自然语言作为语义基础,结合视频、图像和主题等多模态描述,以准确理解您的意图——使操作更加直观,创作更加高效。 | |
| kling-video | 音视频 | $0.0015 / 次 | 支持文本到视频、图像到视频和视频续播的AI视频生成模型。提供多个版本,包括Video-O1和V1.0至V2.6,具有标准(std)和高质量(pro)模式。支持5、10和15秒的时长。一些版本还支持音频生成和语音定制。 | |
| kling-video-extend | 音视频 | $0.0015 / 次 | 智能扩展现有视频的模型,同时保持视觉连续性和风格一致性。非常适合需要更长视频时长的用例。 | |
| kling-video-v4 | 音视频 | $0.0014 / 次 | 快手可灵新一代视频生成模型,主打真实、可控、专业。重点攻克大幅度动态与复杂运镜,高速运动、跟拍、环绕等镜头下画面稳定连贯;单次原生生成 3–30 秒,支持长镜头与连续叙事。关键帧模式支持首帧、首尾帧及时间轴任意位置的中间帧,最多 10 张;全能参考单任务可组合最多 15 项素材(图片、视频、主体、音色),精准复用外观、动作、运镜与节奏,并支持对已有视频做表情、动作、背景等局部编辑。音画同出,双声道立体声,多语种口型同步;提示词最长 8,000 tokens。输出 720p / 1080p,支持 21:9 超宽画幅,适用于广告营销、影视短片、短剧与电商内容创作。 | |
| kling-video-v4-flash | 音视频 | $0.01 / 次 | Kling 4.0 Flash,快手可灵 Kling 4.0 系列的轻量版视频生成模型,面向高频创作场景,主打生成速度与性价比。支持文生视频、图生视频(首帧)与全能参考生视频:单任务可组合最多 15 项素材(最多 10 张图片、5 段视频及主体),稳定复用角色、商品外观与动作运镜,也可对已有视频的主体、背景与风格做局部编辑;提示词最长 26,000 英文字符。单次生成 3–20 秒,输出 720p,支持 21:9 / 16:9 / 1:1 / 9:16 及自适应比例,音画同出。适用于社媒短视频批量生产、电商素材制作与创意快速验证。 | |
| mimo-v2.5 | 对话 | OpenAI | $0.14 / $0.28 | MiMo-V2.5 是一个原生的全模态模型,支持文本、图像、视频和音频理解,并具备强大的代理能力。 |
| mimo-v2.5-pro | 对话 | OpenAI | $0.435 / $0.87 | MiMo-V2.5-Pro旨在复杂任务场景中进行深度优化,专为代理和编码应用设计,在GDPVal-AA和ClawEval排行榜上排名第一。 |
| mimo-v2.6-flash | 对话 | OpenAI | $0.14 / $0.28 | 全模态、高智能、低成本的高效推理模型,面向专业办公中的高频调用与规模化任务的最佳均衡之选。 |
| mimo-v2.6-pro | 对话 | OpenAI | $0.435 / $0.87 | Xiaomi MiMo 迄今最强大的全模态旗舰模型,面向专业、长程、复杂工作流,并兼顾科学研究、网络安全等高阶能力。 |
| MiniMax-H3 | 视频 | $0.01 / 次 | MiniMax H3 是一个通用型全模态生成系统。它能够统一理解由文本、图像、视频和音频构成的多模态上下文,可生成768p和 2K 分辨率、最长 15 秒、带有原生立体声音频的视频。得益于以任务泛化为导向的系统设计,H3 在预训练阶段便已具备广泛的多模态上下文理解与生成能力,因此能够出色地遵循复杂的多模态指令 | |
| MiniMax-M2.5 | 对话 | OpenAI | $0.3 / $1.2 | MiniMax-M2.5 在编码、工具调用、搜索和办公任务等生产力场景中实现或设定了新的行业 SOTA。 |
| MiniMax-M2.7 | 对话 | OpenAI | $0.3 / $1.2 | MiniMax-M2.7 在生产力场景中,包括编码、工具使用和搜索,以及办公应用,达成或设定了新的行业 SOTA。 |
| MiniMax-M3 | 对话 | OpenAI | $0.3 / $1.2 起 | 最新的M系列语言模型,适合代理推理、工具调用、编码和长上下文任务。 |
| MiniMax-M3.1-Flash | 对话 | OpenAI | $0.15 / $0.6 | 原生多模态、1M 上下文的 Frontier Coding 模型,思考深度可调 |
| MiniMax-Voice-Design | 音视频 | $0.0015 / 次 | 海洛语音音色设计。 | |
| mj_blend | 图像 | $0.3 / 次 | Midjourney 混合模式。 | |
| mj_custom_zoom | 图像 | — | Midjourney 自定义缩放。 | |
| mj_describe | 图像 | $0.15 / 次 | Midjourney 描述模式。 | |
| mj_high_variation | 图像 | $0.3 / 次 | Midjourney 高变体模式 | |
| mj_imagine | 图像 | $0.3 / 次 | Midjourney 想象模式。 | |
| mj_inpaint | 图像 | — | Midjourney 修复。 | |
| mj_low_variation | 图像 | $0.3 / 次 | Midjourney 低变体模式。 | |
| mj_modal | 图像 | $0.3 / 次 | Midjourney 模态模式。 | |
| mj_pan | 图像 | $0.3 / 次 | Midjourney 平面模式。 | |
| mj_reroll | 图像 | $0.3 / 次 | Midjourney 重新生成 | |
| mj_upload | $0.003 / 次 | Midjourney 上传服务。 | ||
| mj_upscale | 图像 | $0.15 / 次 | Midjourney 放大模式 | |
| mj_variation | 图像 | $0.3 / 次 | Midjourney 变体模式。 | |
| mj_zoom | 图像 | $0.3 / 次 | Midjourney缩放模式。 | |
| muse-image | 图像 | $0.01 / 次 | Muse Image 通过模型 API 生成和编辑图像。发送文本提示并获取图像,跨回合进行细化,或编辑现有图像。它使用与 Muse Spark 相同的基础 URL 和身份验证。 | |
| muse-video | 音视频 | $0.05 / 次 | Muse Video的早期预览版。该产品在提示词贴合度、视觉保真度和时间一致性方面均具备出色的竞争性能。我们正针对音视频同步、物理精准的快速运动等当前存在性能短板的领域持续优化,目前仅支持横屏 1280×720 或竖屏 720×1280 | |
| pixverse-image-template | 音视频 | $0.0015 / 次 | 与基于视频的模板不同,这是一个围绕图像构建的AI模板系统——只需上传您的照片即可即时生成沉浸式AI内容体验。 | |
| pixverse-lipsync | 音视频 | $0.0015 / 次 | Lipsync API旨在解决视频中的对口型问题。它分析发言者的嘴部动作,并将其与提供的音频或TTS输出精确对齐,使视频更具表现力和吸引力,同时加深叙事的影响。 | |
| pixverse-mask-selection | 音视频 | $0.0015 / 次 | Pixverse 面具选择(也称为交换面具生成)是 PixVerse 平台修改功能中的一款 AI 驱动的智能面具生成工具。它精确选择视频中要编辑的区域——主题、物体、背景等——并使用提示、参考图像或替换模式应用针对性的修改。 | |
| pixverse-mimic | 音视频 | $0.0015 / 次 | Mimic将参考视频中的动作转移到目标角色图像上,以重现和重建动作。提供一个舞蹈(或动作)参考视频和一个角色图像;Mimic分析动作序列并在提供的角色上重建它,生成一个新视频,其中角色重现原始动作。 | |
| pixverse-modify | 音视频 | $0.0015 / 次 | 修改功能允许您编辑现有视频的任何部分——添加、替换、移除或修改元素,或更改整体风格。它帮助您快速制作衍生作品,将一个视频转变为许多新的创意可能性。 | |
| pixverse-multi-transition | 音视频 | $0.0015 / 次 | 多重过渡功能允许您提供 2–7 个关键帧,以生成 1–30 秒的视频,保持一致的风格和平滑的场景过渡。专为专业创作者设计,它提供了对视频序列的更精细控制,使角色和动作在整个过程中保持一致和可控。 | |
| pixverse-restyle | 音视频 | $0.0015 / 次 | 重绘功能瞬间将您的视频剪辑转变为全新的视觉风格——例如3D、动漫、电影或增强现实。无论您是追求艺术效果还是品牌视觉身份,重绘都赋予您创造自己世界的能力。 | |
| pixverse-sound-effect | 音视频 | $0.0015 / 次 | 声音效果生成(背景音乐)API智能生成与视频画面匹配的声音效果和环境音频,并接受基于文本的指令。支持多种场景,准确匹配视频节奏和内容逻辑。 | |
| pixverse-swap | 音视频 | $0.0015 / 次 | SWAP 是一个强大的视频编辑功能。上传或生成一个视频,选择一个帧,并选择您想要编辑的对象。然后上传一个目标图像,系统将生成一个全新的视频。与 mask/selection API 一起使用,以指定要替换的区域。目前不支持外部 mask_url 输入。 | |
| pixverse-video | 音视频 | $0.0015 / 次 | 一个前沿的AI视频基础模型,核心能力包括文本转视频和图像转视频。支持上传图像或输入提示,瞬间生成高清动态视频。广泛用于短视频、广告和内容创作。 | |
| scribe_v2 | 音视频 | $0.0001 / 次 | ElevenLabs 出品的录音转写模型,上一代主力版本,支持 90+ 语言、词级时间戳、说话人分离、关键词提示与多声道分轨 | |
| scribe_v3 | 音视频 | $0.0001 / 次 | ElevenLabs 出品的录音转写模型,2026 年 11 月发布的新一代升级版,同价同接口、准确率与说话人分离明显提升 | |
| speech-02-hd | 音视频 | $0.0015 / 次 | MiniMax语音大模型智能地从上下文中预测情感和语调,以生成超自然、高保真、个性化的声音。它在社交、播客、有声书、新闻、教育和数字人场景中表现出色。 | |
| speech-02-turbo | 音视频 | $0.0015 / 次 | MiniMax语音大模型智能地从上下文中预测情感和语调,以生成超自然、高保真、个性化的声音。它在社交、播客、有声书、新闻、教育和数字人场景中表现出色。 | |
| speech-2.6-hd | 音视频 | $0.0015 / 次 | MiniMax语音大型模型智能地从上下文中预测情感和语调,以生成超自然、高保真、个性化的声音。它在社交、播客、有声书、新闻、教育和数字人场景中表现出色。 | |
| speech-2.6-turbo | 音视频 | $0.0015 / 次 | MiniMax语音大型模型智能地从上下文中预测情感和语调,以生成超自然、高保真、个性化的声音。它在社交、播客、有声书、新闻、教育和数字人类场景中表现出色。 | |
| speech-2.8-hd | 音视频 | $0.0015 / 次 | 下一代语音高清模型,精确再现现实世界的音调细微差别,并显著提高语音相似度。 | |
| speech-2.8-turbo | 音视频 | $0.0015 / 次 | 下一代语音Turbo模型,具有超快响应和生动自然的表达。 | |
| suno_music_open | 音视频 | $0.027 / 次 | Suno API用于构建一个与官方Suno网站等效的平台,支持所有官方站点操作。该模型用于歌曲生成,支持自定义模式、灵感模式和歌曲续写。 | |
| suno_uploads | 音视频 | $0.01 / 次 | Suno音频上传服务 | |
| vidu-image-q2 | 图像 | $0.0016 / 次 | Vidu Q2 Image(模型代号:vidu-q2-image)是生数科技打造的电影级图像生成与编辑模型。支持 文生图 (Text-to-Image) 与 参考生图 (Image-to-Image) 两种核心模式,最高支持 4K 影视级超清图片输出。模型具备极强的主体一致性,支持输入多张参考图进行联合控图。 | |
| viduq2 | 音视频 | $0.0015 / 次 | viduq2 支持文本到视频和基于参考的视频生成,具有强大的运动动态和丰富的细节。还支持文本到图像、图像编辑和基于参考的图像生成。 | |
| viduq2-pro | 音视频 | $0.0015 / 次 | viduq2-pro 支持参考视频输入和 540p、720p 和 1080p 的视频编辑。 | |
| viduq2-turbo | 音视频 | $0.0015 / 次 | viduq2-turbo 是一个新模型,提供高质量输出和快速生成,支持 540p、720p 和 1080p。 | |
| viduq3-pro | 音视频 | $0.0015 / 次 | viduq3-pro 支持同步音频和视频输出、智能镜头切换,以及 720p 和 1080p 的分辨率。 | |
| viduq3-turbo | 音视频 | $0.0015 / 次 | viduq3-turbo 支持音视频同步输出、智能镜头切换、540p/720p/1080p 分辨率,以及文本转视频、图像转视频和首尾帧视频生成。 | |
| viduq4-preview | 音视频 | $0.01 / 次 | ||
| wan2.5-i2v-preview | 音视频 | $0.143 / 次 | wan2.5-i2v-preview 是阿里云百联提供的 AI 模型。 | |
| wan2.6-i2v | 音视频 | $0.143 / 次 | Wan 2.6。增加了多镜头叙事能力,支持自动配音和自定义音频文件输入。 | |
| wan3.0-video | 音视频 | $0.01 / 次 | 万相3.0是 all-in-one 视频生成模型,统一支持参考、编辑、复刻、驱动等多种创作功能,四模态全能参考,最长支持30秒视频生成,可解析文件、网页及复杂图片。生产级角色一致性保持,音画真实,带来身临其境的视听冲击力。 | |
| z-image-turbo | 图像 | $0.015 / 次 | Z-Image-Turbo 是一个高效的图像生成模型,在人工分析基准测试中排名第一,属于开源文本到图像模型。它仅使用 60 亿个参数和 8 步推理,生成与大规模商业模型相媲美的照片级真实图像,在双语(中文和英文)文本渲染、复杂语义理解和多样化主题生成方面表现出色。 |
没找到需要的模型?
本页只列出当前在线可调用的模型,下线或维护中的模型不展示。模型清单每次构建时从线上同步。需要的模型不在列表里,可以在控制台联系我们反馈。