筛选
模型列表
共 168 个模型
Doubao Seedream 5.0 Pro
Doubao Seedream 5.0 Pro 是字节跳动 Seed 团队研发的最新一代旗舰级多模态图像创作与编辑模型。Seedream 5.0 Pro 模型将图像创作推进到可控生产的新阶段，本次更新的主要亮点是编辑更可控、生产更落地、效果更自然。
图片生成
价格： >= ¥ 0.36 / 张
Zhipu Rerank
Zhipu Rerank 模型用于文本重排序，通过接收用户的查询文本（`query`）及候选文本列表（`documents`），使用模型计算候选文本与查询文本的相关性得分并返回分数。Rerank 模型适用于智能问答、信息检索、RAG知识库等场景。
文本重排序
输入：¥ 0.001 / 千 tokens
输出：¥ 0 / 千 tokens
Qwen3 Rerank
Qwen3 Rerank 是通义团队构建的专门用于文本检索二次排序的模型。Qwen3 Rerank 基于 Qwen LLM 底座训练的文本排序模型，对输入的 Query 和候选 Docs 进行相关性排序，支持 100+ 语种和长文本输入，适用于文本检索、RAG 等场景，效果对齐开源 Qwen3-Rerank 系列模型
文本重排序
输入：¥ 0.0007 / 千 tokens
输出：¥ 0 / 千 tokens
MiMo V2.5 ASR
MiMo-V2.5-ASR 是由小米（Xiaomi）MiMo 团队开发的一款端到端（End-to-End）开源语音识别（ASR）模型。模型于2026年7月正式发布，定位为全链路语音模型的“听觉基座”，适用于应对真实世界中复杂多变的语音场景。
音频识别
价格：¥ 0.01 / 分钟
Tongyi GTE Rerank V2
Tongyi GTE Rerank V2 是由阿里巴巴通义实验室（Tongyi Lab）研发的第二代通用文本重排序（Rerank）模型。该模型广泛应用于检索增强生成（RAG）、智能客服、企业知识库以及多语言搜索等业务场景。
文本重排序
输入：¥ 0.001 / 千 tokens
输出：¥ 0 / 千 tokens
Tencent Hunyuan Hy3
腾讯混元 Hy3 正式版面向真实业务场景打磨，采用 295B 总参数、21B 激活 MoE 架构，原生支持 256K 上下文，并提供了多档思考模式，兼顾极速响应、复杂推理与调用成本。Hy3 正式版重点提升了 Coding Agent、长文理解、多轮上下文承接、搜索问答与复杂任务执行能力，在减少幻觉、提升任务完成度和工程可用性方面表现更稳。
文本生成、深度思考、Agent增强
输入：¥ 0.0012 / 千 tokens
输出：¥ 0.0045 / 千 tokens
LongCat 2.0
LongCat 2.0 是美团 LongCat AI 推出的新一代万亿参数的混合专家（MoE）大语言模型，此模型专为 **Agentic Coding（智能体编程）** 场景设计，在上下文长度、专家融合架构以及国产算力适配上带来了多项行业突破。
文本生成、深度思考
输入：¥ 0.0025 / 千 tokens
输出：¥ 0.0085 / 千 tokens
Qwen Image 2.0
Qwen-Image-2.0 是通义千问推出的新一代多模态图像生成基础模型。该模型最大的突破在于将“图像生成”与“图像编辑”两条技术路径完美融为一体。它在架构上耦合了 Qwen3-VL 作为条件编码器（Condition Encoder），并搭配多模态扩散 Transformer（Multimodal Diffusion Transformer, MDT）进行联合建模，实现了从理解、生成到编辑的一体化。
图片生成
价格： ¥ 0.23 / 张
Doubao Seedream 5.0 Lite
Doubao Seedream 5.0 Lite（豆包图像创作模型 5.0 Lite）是字节跳动推出的一款专业级图像创作与多模态创意模型。作为 Seedream 系列的最新轻量化（Lite）迭代版本，它不仅在画面表现上继承了豆包一贯的高水准，更在实时检索、跨模态推理及一致性上实现了跨越式的升级。
图片生成
价格： ¥ 0.25 / 张
Qwen Image 2.0 Pro
Qwen-Image-2.0-Pro 是通义千问推出的专业级图像生成大模型。该模型基于先进的 **MMDiT（Multi-modal Diffusion Transformer）** 架构，拥有约 20B（200亿）的参数量。它主打高精度、商业级和强可控性的文生图与图生图能力，尤其在中文语境理解和复杂排版上表现优异。
图片生成
价格： ¥ 0.55 / 张
GLM Image
GLM-Image 是智谱新旗舰图像生成模型， 模型全程基于国产芯片完成训练，采用独创的「自回归+扩散解码器」混合架构，兼顾全局指令理解与局部细节刻画，克服了海报、PPT、科普图等知识密集型场景生成难题，是面向以 Nano Banana Pro 为代表的新一代「认知型生成」技术范式的一次重要探索。
图片生成
价格： ¥ 0.12 / 张
CosyVoice V3 Plus
CosyVoice V3 Plus 是通义实验室推出的最新一代生成式语音合成（TTS）大模型。该模型代表了目前 CosyVoice 系列中合成效果最佳、综合能力最强的旗舰版本。
语音合成
价格：¥ 0.25 / 千字符
Qwen3 ASR Flash
Qwen3-ASR-Flash 是阿里巴巴通义千问团队推出的一款高性能语音识别（ASR，Automatic Speech Recognition）模型服务。它基于强大的 Qwen3-Omni 多模态大模型底座，并经过了数千万小时多模态语音数据的精细训练，旨在提供极其快速、精准且具备大模型理解能力的语音转文字体验。
语音识别
价格：¥ 0.02 / 分钟
CosyVoice V3 Flash
CosyVoice V3 Flash 是阿里巴巴通义实验室（FunAudioLLM 团队）推出的新一代轻量级、超低延迟的大语言模型语音合成（TTS）与声音克隆模型。作为 CosyVoice 3.0 家族中的重要一员，“Flash” 版本核心主打极致的响应速度（低延迟）与高性价比的商业化落地。
语音合成
价格：¥ 0.15 / 千字符
Fun ASR Flash
Fun-ASR-Flash 是阿里巴巴通义实验室推出的工业级端到端语音识别（ASR）大模型，全面支持汉语传统七大方言体系（官话/吴/湘/赣/客/闽/粤），并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化，提升对古诗词内容的识别准确率，适用于文化传承、教育讲解、有声读物等场景。
语音识别、方言识别
价格：¥ 0.02 / 分钟
DeepSeek V4 Flash
DeepSeek V4 Flash 是 DeepSeek V4 系列的两款强大的专家混合（Mixture-of-Experts, MoE）语言模型之一，拥有 284B 参数（13B 激活参数），支持 100 万 Tokens（1M Tokens）的上下文长度，支持非思考模式与思考模式。在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 Pro 版本旗鼓相当，但在高难度任务上仍有差距。
文本生成、深度思考
输入：¥ 0.0011 / 千 tokens
输出：¥ 0.0021 / 千 tokens
DeepSeek V4 Pro
DeepSeek V4 Pro 是 DeepSeek V4 系列的两款强大的专家混合（Mixture-of-Experts, MoE）语言模型之一，性能比肩顶级闭源模型，Agent 能力大幅提高，且具有丰富的世界知识和世界顶级推理性能，在数学、STEM、竞赛型代码的测评中，DeepSeek V4 Pro 超越当前所有已公开评测的开源模型，取得了比肩世界顶级闭源模型的优异成绩。
文本生成、深度思考
输入：¥ 0.0032 / 千 tokens
输出：¥ 0.0065 / 千 tokens
GLM TTS
GLM-TTS 是一款以新一代智谱语音大模型为核心的语音合成（TTS）大模型，突破了传统的语音合成框架，通过上下文智能预判文本情绪与语调，显著提升语音自然度与表现力，让合成语音具备真实情感与生命力。
语音合成
价格：¥ 0.25 / 千字符
GLM ASR 2512
GLM-ASR-2512 是由智谱 AI 推出新一代语音识别模型，支持音频转文字、中英混合及多国语言，精通粤语/四川话等方言；具备自定义词典功能，完美适配会议纪要、客服质检、医疗病历及游戏语音等复杂场景，提供高效精准的流式转录服务。
语音识别
价格：¥ 0.015 / 分钟
Doubao Seed Evolving
Doubao Seed Evolving 是面向 Agent 与 Coding 场景打造的 Seed 系列模型，具备复杂任务编排、长程规划、代码生成与工具调用能力。统一调用 Model ID 为 doubao-seed-evolving，无需关注版本切换，即可持续获得最新模型能力。
多模态、深度思考、视觉理解
输入：¥ 0.0065 / 千 tokens
输出：¥ 0.032 / 千 tokens