XAI / Grok 4.7API ID:x-ai/grok-4.7文本编程学术与教育文档与办公内容创作对话与客服Grok 4是xAI的多模态大型语言模型,目前支持文本模态,视觉、图像生成等功能即将推出。
XAI / Grok 4.6API ID:x-ai/grok-4.6文本编程学术与教育文档与办公内容创作对话与客服Grok 4是xAI的多模态大型语言模型,目前支持文本模态,视觉、图像生成等功能即将推出。
OpenAI / GPT-5-NanoAPI ID:openai/gpt-5-nano文本编程对话与客服多模态理解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。
OpenAI / GPT-5API ID:openai/gpt-5文本编程数学与科学多模态理解智能代理与数据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。
Kling / KlingV2.1API ID:kling/kling-v2-1视频生成视频与3DKling 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 MasterAPI ID:kling/kling-v2-1-master视频生成视频与3DKling/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。
Vidu / Vidu2.0API ID:vidu/vidu2.0视频生成视频与3Dvidu/vidu2.0 是清华与生数科技联合研发的文生视频模型,核心搭载全球首创 U-ViT 架构,10 秒内即可生成 4 秒视频,单秒成本仅 4 分钱。支持 16 秒 1080P 输出,能精准控制多主体动态一致性,内置物理引擎还原毫米级运动细节,还深度适配国风等文化元素
Bytedance / Doubao-Seedance-1.0-lite-i2vAPI ID:bytedance/doubao-seedance-1.0-lite-i2v视频生成视频与3DDoubao-Seedance-1.0-lite-i2v,根据首帧图片、尾帧图片(可选)、参考图片(可选)和文本描述(可选)生成视频。是兼顾生成效果与速度的性价比之选。该模型语义理解与指令遵循能力强。运镜专业。支持多种视频风格,可以丝滑兼容各种风格的首图。分辨率支持480P、720P、1080P,时长支持3-12s,帧率24fps
Bytedance / Doubao-Seedance-1.0-lite-t2vAPI ID:bytedance/doubao-seedance-1.0-lite-t2v视频生成视频与3D内容创作bytedance/doubao-seedance-1.0-lite-t2v 是字节跳动轻量级文生视频模型,支持文 / 图生视频,含专业运镜、多艺术风格,输出 480P/720P、24fps。适用于电商营销、影视预演、创意内容制作
Ali / Qwen3-Max-PreviewAPI ID:ali/qwen3-max-preview文本数学与科学编程翻译学术与教育对话与客服Qwen3-Max-Preview是阿里巴巴旗下通义千问团队发布的最新旗舰大语言模型,是 Qwen3 系列中参数量最大的模型,参数规模超过1万亿。模型在推理、指令跟随、多语言支持和长尾知识覆盖等方面有重大改进,支持超过100种语言,中英文理解能力出色。在数学推理、编程和科学推理等任务中表现出色,能更可靠地遵循复杂指令,减少幻觉,生成更高质量的响应。
OpenAI / GPT-ImageAPI ID:openai/gpt-image-1图像生成图像与设计OpenAI最强图像生成模型,新模型能够结合世界知识,生成更加符合上下文图像,质量更高,还支持多种功能自定义。
JiMeng / 即梦3.0-图生视频-首帧-720PAPI ID:bytedance/jimeng_i2v_first_v30视频生成视频与3D内容创作jimeng/即梦3.0-图生视频-首帧-720p是专注首帧驱动的图生视频模型,以输入首帧为基础生成动态内容,支持720p高清输出。能精准延续首帧的画面风格、元素细节(如人物肌理、场景光影),生成的视频动作自然、场景元素连贯不跳帧,适配创意短视频、动态海报等场景,兼顾生成效率与画面质感,满足轻量级动态创作需求。
Ali / Qwen3-Omni-FlashAPI ID:ali/qwen3-omni-flash文本对话与客服内容创作翻译编程文档与办公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。
JiMeng / 即梦4.0API ID:bytedance/jimeng_v40图像生成图像与设计多模态理解即梦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。
Ali / Qwen3-MaxAPI ID:ali/qwen3-max文本编程数学与科学智能代理与数据多模态理解翻译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。
Ali / Qwen3-VL-PlusAPI ID:ali/qwen3-vl-plus文本多模态理解图像与设计视频与3D智能代理与数据编程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。
阿里 / Wan2.7-Image-ProAPI ID:ali/wan2.7-image-pro图像生成图像与设计No model description is currently available.
xAI / Grok 4 FastAPI ID:x-ai/grok-4-fast文本多模态理解文档与办公数学与科学Grok 4 Fast 是 xAI 最新的多模态模型,具有 SOTA 成本效益和 2M 令牌上下文窗口。它有两种类型:非推理和推理。