Model Center

指令编辑图片内容，轻松实现局部修改、风格变化、一致性保持等

文字生成图片，写实质感细腻画面，文字内容生成，艺术风格表现

Gemini 2.5 Pro是一款强大的推理模型，专为解决复杂问题而设计。它具备卓越的理解与分析能力，能够处理来自多种信息源的海量数据，包括文本、音频、图像、视频，甚至是完整的代码库。

Gemini 2.5 Flash是Google在性价比方面表现最优的模型，兼具全面能力与高效性能。作为首个具备“思维能力”的 Flash 系列模型，Gemini 2.5 Flash支持可视化的思维过程，让用户直观了解模型在生成回答时的推理路径。

Qwen3系列视觉理解模型，实现思考模式和非思考模式的有效融合，视觉智能体能力在OS World等公开测试集上达到世界顶尖水平。此版本在视觉coding、空间感知、多模态思考等方向全面升级；视觉感知与识别能力大幅提升，支持超长视频理解。

全新面向多模态 Agent 场景定向优化模型。更强Agent能力、升级多模态理解、更灵活的上下文管理。

PrunaAI 开发的 Wan 2.2 A14B 图像转视频优化版本，速度极快且价格低廉。

OpenJev Latest

Qwen3-Max 是在 Qwen3 系列的基础上构建的更新版本，与 2025 年 1 月版本相比，在推理、指令遵循、多语言支持和长尾知识覆盖方面进行了重大改进。它在数学、编码、逻辑和科学任务中提供更高的准确性，更可靠地遵循复杂的中文和英文指令，减少幻觉，并为开放式问答、写作和对话提供更高质量的回答。该模型支持 100 多种语言，具有更强的翻译和常识推理能力，并针对检索增强生成 （RAG） 和工具调用进行了优化，尽管它不包括专用的“思考”模式。

即梦4.0是即梦同源的图像生成能力，该能力在统一框架内集成了文生图、图像编辑及多图组合生成的功能：支持单次输入最多 10 张图像及进行复合编辑，并能通过对提示词的深度推理，智能适配最优的图像比例尺寸与生成数量，可一次性输出最多 15 张内容关联的图像。此外，模型显著提升了中文生成的准确率与内容多样性，且支持 4K 超高清输出，为专业图像创作提供了从生成到编辑的一站式解决方案。

这是一个专为极致推理效率自研的总参数 309B（激活 15B）的 MoE 模型，通过 Hybrid 注意力架构创新及多层 MTP 推理加速，在多个 Agent 测评基准上保持进入全球开源模型 Top 2；代码能力超过所有开源模型，比肩标杆闭源模型 Claude 4.5 Sonnet，但推理成本仅为其 2.5%，生成速度提升 2 倍，成功将大模型推理效率推向极致。

GPT-5-Nano是GPT-5系列中最快速的版本，专为开发者工具、即时交互和超低延迟场景优化。尽管在复杂推理能力上略逊于更大的模型，但它保留了核心的指令跟随与安全特性。

GPT-5是OpenAI推出的最新一代先进模型，在推理能力、代码生成质量和用户体验方面实现显著提升。该模型针对复杂任务进行了专项优化，尤其擅长需要逐步推理、精准遵循指令以及对准确性要求严格的高风险场景。

MiniMax H3 是开放通用的多模态视频模型，可以统一理解文本、图片、视频和音频输入，完成视频生成、参考创作与视频编辑。

文字生成视频内容，丝滑动态能力，电影美学控制，精准指令遵循

Qwen-Omni 模型能够接收文本、图片、音频、视频等多种模态的组合输入，并生成文本或语音形式的回复， 提供多种拟人音色，支持多语言和方言的语音输出，可应用于文本创作、视觉识别、语音助手等场景。

GLM-4.6 是智谱最新的旗舰模型，其总参数量 355B，激活参数 32B。GLM-4.6 所有核心能力上均完成了对 GLM-4.5 的超越

谷歌最强图像模型，nano-banana 的正式版。

通义千问VL-OCR（qwen-vl-ocr），即基于Qwen-VL训练的OCR识别大模型。通过统一模型的方式聚合多种图文识别、解析、处理类任务，提供强大的图文识别能力。

DeepSeek-OCR 是 DeepSeek AI 发布的视觉语言模型，旨在探索视觉-文本压缩边界，专注于文档识别及图像转文本场景的解决方案 。该模型可将长文本渲染为高压缩比图像，在 10 倍无损压缩下能实现 97% 的 OCR 准确率，即使压缩到 20 倍也能保持约 60% 的准确率。

Kling v2.1 是快手研发的文 / 图生视频模型，搭载 3D 时空注意力机制，能精准还原动态细节，支持 720P/1080P、24fps 输出。内置 10 + 运镜与多艺术风格，可自动补连贯动作、生成同步音效

Kling/Kling v2.1 Master 是快手文生视频大师级版本，主打 1080P 高清输出及 4K 适配，搭载专属动态光影追踪技术，可精准实现多主体动作协同与影视级粒子特效。支持材质细节实时渲染，5 秒 1080P 视频生成仅需 30 秒，兼顾高端画质与效率，适配影视预演、高端广告等场景，还能通过情绪参数调画面氛围，强化叙事感。

GLM-4.6 是智谱最新的旗舰模型，其总参数量 355B，激活参数 32B。GLM-4.6 所有核心能力上均完成了对 GLM-4.5 的超越