筛选
模型列表
共 180 个模型
MiniMax M2.1
MiniMax-M2.1 是一款轻量级、尖端的大型语言模型，专门针对编码、智能体工作流和现代应用开发进行了优化。尽管仅拥有100亿激活参数，它在实际应用中实现了能力的大幅跃升，同时保持了卓越的低延迟、高扩展性和出色的成本效益。 相比前代模型，M2.1 能够生成更清晰、更简洁的输出结果，并具备更快的感知响应速度。它在主流系统和应用语言中展现出领先的多语言编码性能——在 Multi-SWE-Bench 基准测试中达到 49.4%，在 SWE-Bench Multilingual 中取得 72.5% 的优异成绩。该模型可作为集成开发环境、编程工具及通用助手中的多功能智能“大脑”。 为确保模型性能不受影响，MiniMax 强烈建议在各轮对话间保持推理过程的连贯性。
文本生成、深度思考
输入：¥ 0.00375 / 千 tokens
输出：¥ 0.015 / 千 tokens
GLM 4.7
GLM-4.7是智谱推出的最新旗舰级模型，主要在两大方面实现升级：增强的编程能力与更稳定的多步骤推理与执行。该模型在执行复杂智能体任务时展现出显著提升，同时能够提供更为自然的对话体验和出色的前端美学。
文本生成、深度思考
输入：¥ 0.005 / 千 tokens
输出：¥ 0.02 / 千 tokens
Qwen3 VL Plus
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。
图片识别、视觉理解、深度思考
Tencent Hunyuan Vision 1.5 Instruct
Tencent HY Vision 1.5 Instruct 是基于混元最新 turbos 的新一代视觉语言旗舰大模型，在图文理解相关的任务上，包括基于图片的实体识别、知识问答、文案创作、拍照解题等上面相比前一代模型全面提升。
视觉识别
输入：¥ 0.0031 / 千 tokens
输出：¥ 0.0091 / 千 tokens
通义千问 QwQ Plus
通义千问 QwQ 推理模型增强版，基于 Qwen2.5 模型训练的 QwQ 推理模型，通过强化学习大幅度提升了模型推理能力。模型数学代码等核心指标（AIME 24/25、livecodebench）以及部分通用指标（IFEval、LiveBench等）达到 DeepSeek-R1 水平。
文本生成、深度思考
输入：¥ 0.00175 / 千 tokens
输出：¥ 0.0045 / 千 tokens
MiMo V2 Flash
MiMo-V2-Flash 是小米研发的开源基础语言模型。这是一款采用混合注意力架构的混合专家模型，总参数量达 3090 亿，其中激活参数为 150 亿。MiMo-V2-Flash 支持混合思维开关及 25.6 万上下文窗口，在推理、代码生成和智能体应用场景中表现优异。在 SWE-bench Verified 和 SWE-bench Multilingual 基准测试中，该模型位列全球开源模型榜首，性能可比肩 Claude Sonnet 4.5，但成本仅为后者的约 3.5%。
文本生成、深度思考
输入：¥ 0.0012 / 千 tokens
输出：¥ 0.0032 / 千 tokens
GLM 4.6V
GLM-4.6V是一款大型多模态模型，专注于实现高保真视觉理解及针对图像、文档与混合媒体的长上下文推理能力。该模型支持高达128K token的上下文长度，能直接处理复杂页面布局与图表等视觉输入，并集成原生多模态函数调用功能，将感知系统与下游工具执行无缝衔接。此外，模型支持图文交错生成与界面重构工作流，包括截图转HTML合成及迭代式视觉编辑等应用场景。
图片识别、深度思考
输入：¥ 0.00375 / 千 tokens
输出：¥ 0.0115 / 千 tokens
DeepSeek V3.2
DeepSeek-V3.2 是一款大型语言模型，致力于实现高计算效率与强大的推理及智能体工具使用性能的平衡。它引入了**深度求索稀疏注意力（DSA）**机制，这是一种细粒度的稀疏注意力架构，可在保证长上下文处理质量的同时显著降低训练与推理成本。通过可扩展的强化学习训练后优化框架，模型推理能力得到进一步增强，其报告性能已达到GPT-5级别，并在2025年国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）中斩获金牌。DeepSeek V3.2 同样采用大规模智能体任务合成训练流程，能够更有效地将推理能力与工具使用场景相结合，从而提升在交互环境中的指令遵循与泛化能力。
文本生成
输入：¥ 0.00235 / 千 tokens
输出：¥ 0.00355 / 千 tokens
DeepSeek V3.2 Speciale
DeepSeek-V3.2-Speciale 是 DeepSeek-V3.2 的高性能计算变体，专为最大化推理与智能体性能而优化。该模型基于 DeepSeek 稀疏注意力（DSA）架构，实现了高效的长上下文处理，并通过大规模训练后强化学习进一步突破基础模型的能力边界。根据公布的评估结果，Speciale 在复杂推理任务上表现超越 GPT-5，其综合能力可与 Gemini-3.0-Pro 相媲美，同时在代码生成与工具调用方面保持卓越的可靠性。与 DeepSeek V3.2 相同，Speciale 模型受益于大规模智能体任务合成训练流程，显著提升了在交互环境中的指令遵循与泛化能力。
文本生成、深度思考
输入：¥ 0.00215 / 千 tokens
输出：¥ 0.00325 / 千 tokens
Qwen MT Lite
Qwen MT Lite 是基于 Qwen3 全面升级的基础级文本翻译大模型，支持 32 个语种互译，模型性能和翻译效果全面升级，并提供更稳定的术语定制、格式还原度、领域提示能力，让译文更精准、自然。
文本生成、文本翻译
输入：¥ 0.00065 / 千 tokens
输出：¥ 0.00175 / 千 tokens
Qwen VL OCR
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。
图片识别、OCR
输入：¥ 0.00032 / 千 tokens
输出：¥ 0.00055 / 千 tokens
Doubao Seed Code
Doubao Seed Code 面向 Agentic 编程任务进行了深度优化，在 Terminal Bench、SWE-Bench-Verified-Openhands、Multi-SWE-Bench-Flash-Openhands 等多项权威基准测试中表现优异。
文本生成、代码补全、深度思考
Kimi K2 Thinking
Kimi K2 Thinking 是月之暗面迄今最先进的开放推理模型，将 K2 系列能力边界拓展至具身智能与长程推理领域。该模型基于 Kimi K2 提出的万亿参数混合专家架构，每次前向传播激活 320 亿参数，支持 256K token 上下文窗口。 Kimi K2 Thinking 专门针对持续链式思考、动态工具调用与横跨数百轮次的复杂推理工作流进行优化，通过交替执行渐进式推理与工具操作，可实现持续数百个步骤的自主研究、编程与写作任务且不偏离目标。 Kimi K2 Thinking 模型在 HLE、BrowseComp、SWE-Multilingual 和 LiveCodeBench 等基准测试中创下开源模型新纪录，并在 200-300 次工具调用中保持稳定的多智能体行为。基于经过 MuonClip 优化的大规模 MoE 架构，该模型在保持强大推理深度的同时实现了高推理效率，足以胜任高要求的智能体任务与分析型工作。
文本生成、深度思考
输入：¥ 0.006 / 千 tokens
输出：¥ 0.025 / 千 tokens
Qwen MT Flash
Qwen MT Flash 是基于 Qwen3 全面升级的轻量级文本翻译大模型，支持 92 个语种互译，模型性能和翻译效果全面升级，并提供更稳定的术语定制、格式还原度、领域提示能力，让译文更精准、自然。
文本生成、文本翻译
输入：¥ 0.00075 / 千 tokens
输出：¥ 0.002 / 千 tokens
MiniMax M2
MiniMax-M2 是一款紧凑高效的大型语言模型，专为端到端编程与智能体工作流优化而设计。模型拥有 100 亿激活参数（总参数量 2300 亿），在通用推理、工具使用及多步骤任务执行方面展现出接近前沿水平的智能，同时保持低延迟与高部署效率。 根据 Artificial Analysis 的基准测试显示，MiniMax-M2在数学、科学及指令遵循等综合智能维度位列顶级开源模型。其小型激活参数量确保了快速推理、高并发支持与更优的单位经济效益，特别适合大规模智能体、开发者助手及需要高响应度与成本效益的推理驱动型应用。 为保证模型性能，MiniMax 强烈建议在对话轮次间保持推理连续性。
文本生成、深度思考
输入：¥ 0.003 / 千 tokens
输出：¥ 0.012 / 千 tokens
Qwen3 Embedding 8B
Qwen3 Embedding 模型系列是 Qwen 最新推出的向量化模型，专为文本嵌入与排序任务设计。该系列继承了基础模型卓越的多语言理解能力、长文本处理能力和推理性能，在文本检索、代码检索、文本分类、文本聚类及双语文本挖掘等多项文本嵌入与排序任务中均实现显著突破。
文本嵌入、文本向量化
输入：¥ 0.0007 / 千 tokens
输出：¥ 0 / 千 tokens
通义千问3-235B-A22B-Instruct-2507
基于Qwen3的非思考模式开源模型，相较上一版本（通义千问3-235B-A22B）主观创作能力与模型安全性均有小幅度提升。
文本生成
输入：¥ 0.00225 / 千 tokens
输出：¥ 0.0085 / 千 tokens
DeepSeek OCR
DeepSeek-OCR 是 DeepSeek 发布的开源 OCR / 视觉语言模型，其核心思想是上下文光学压缩（Contexts Optical Compression）。该模型并非传统 OCR，而是将长文本或整页文档先转为图像，再通过视觉编码器压缩为少量 vision tokens，最后由 MoE 解码器还原文本与结构，从而大幅降低 token 消耗。DeepSeek-OCR 的意义不仅在 OCR，而在于为 LLM 长上下文处理提供了一种新的“视觉压缩”路径。
图片识别、OCR
输入：¥ 0.0005 / 千 tokens
输出：¥ 0.001 / 千 tokens
Qwen3 Coder 480b A35B Instruct
Qwen3 Coder 480b A35B Instruct 是基于 Qwen3 的代码生成模型，具有强大的 Coding Agent 能力，代码能力达到开源模型 SOTA。
文本生成、代码补全