模型中心

GPT-5 Pro 是 OpenAI 最先进的模型，在推理、代码质量和用户体验方面进行了重大改进。它针对需要分步推理、遵循指令和高风险用例准确性的复杂任务进行了优化。它支持测试时路由功能和高级提示理解，包括用户指定的意图，例如“认真考虑这个问题”。改进包括减少幻觉、阿谀奉承，以及在编码、写作和健康相关任务中表现更好。

（当前仅支持/v1/responses接口）GPT-5.1-Codex 的小参数快速版本。

GPT-5-Codex 是 GPT-5 的专用版本，针对软件工程和编码工作流程进行了优化。它专为交互式开发会话和复杂工程任务的长时间独立执行而设计。该模型支持从头开始构建项目、功能开发、调试、大规模重构和代码审查。与 GPT-5 相比，Codex 更具可作性，严格遵守开发人员的指令，并生成更干净、更高质量的代码输出。

谷歌 Veo 3 视频模型的更快、更便宜的版本，带有音频

最先进的基于文本的图像编辑模型，可提供高质量的输出，具有出色的及时性和一致的结果，可通过自然语言转换图像

面向真实编程环境优化的 Coding 模型，能稳定调用 Claude Code 等常见 IDE 中的工具。模型特别优化了前端能力，在使用常见的前端框架时能有良好表现。模型支持使用 Skills，可以配合多种自定义技能使用。

暂未提供模型说明。

wan2.2-s2v 是一款视频生成模型，可基于人物图片和人声音频文件，生成高质量的人物说话/唱歌/表演动态视频。

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。

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

一种基于文本的高级图像编辑模型，可提供最佳性能和改进的排版生成，通过自然语言提示转换图像

FLUX.1 Kontext 的开源版本

该模型可在 3-4 秒内生成精美的电影级 200 万像素图像，它源自 Wan 2.2 模型，并运用了 pruna 包中的优化技术。

全新升级的通义万相2.2-首尾帧生视频，生成速度更快。优化视频动态稳定性与成功率，更强大的指令遵循能力，两张图片生成丝滑过度视频。

wan2.2-animate-move图生动作是一款角色动画生成模型，用户只需上传一张角色照片和一段参考表演视频，即可将视频中的表情和动作迁移到图片角色上，生成高保真的动画视频。

wan2.2-animate-mix视频换人是一款角色替换的模型产品，上传一张角色照片与一段表演视频，即可将原视频中的角色精准替换为照片中的角色，完整保留原始视频的场景、光照和色调等环境细节。

全新升级的通义万相2.2图生视频，生成速度更快。优化视频生成稳定性与成功率，更强大的指令遵循能力，稳定保持图片文字、人像和商品一致性，精准运镜控制。

全新升级的通义万相2.2图生视频，视频品质更高。优化视频生成稳定性与成功率，更强大的指令遵循能力，稳定保持图片文字、人像和商品一致性，精准运镜控制。

全新升级的通义万相2.2文生视频，视频品质更高。可稳定生成大幅度复杂运动，支持影视级画面表现与控制，更强大的指令遵循能力，实现物理世界还原。

vidu/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

更快、更好的 FLUX Pro。文本转图像模型，具有出色的图像质量、快速的一致性和输出多样性。

Doubao-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

MiniMax M2，专为 Agent 和代码而生，仅 Claude Sonnet 8% 价格，2倍速度。

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