模型广场

deepseek-v4.1-flash-1017

DeepSeek

DeepSeek-V4.1-Flash 是 DeepSeek 当前主力模型，官方 API 模型名为 deepseek-flash。支持 1M 上下文与最大 384K 输出，默认可切换思考/非思考模式，具备图像理解、工具调用、JSON Output，并兼容 OpenAI 与 Anthropic API。

qwen3.8-flash

Qwen

Qwen3.8 系列 Flash 档，多模态推理，面向编程与 Agent 工作流，支持文档、代码库与长视频理解。

glm-5.3-flash

Z.AI

GLM-5.3 系列 Flash 档，原生多模态，面向高效编程与长链路 Agent，长上下文稳定，适合生产级应用。

qwen3.8-max

Qwen

Qwen3.8 系列旗舰推理模型，支持多模态输入，面向复杂推理、视觉理解、编程与 Agent 工作流。

kimi-k3.1-pro-highspeed

Moonshot AI

Kimi K3.1 Pro 是 Kimi K3.1 系列的首款模型，面向长程编程、3D 创作与金融研究等复杂任务。该模型在真实代码库中的问题修复、多步工具调用与端到端项目构建上表现突出，也可处理游戏引擎脚本、三维建模与交互式场景生成。该模型原生支持视觉理解并可接受视频输入，适合图文混合内容的分析与生成。其思考模式常开，允许按需调节推理强度，便于在需要多轮规划、外部工具协作与结果核验的智能体场景中使用。上下文窗口约 100 万 token，可用于大体量代码库、长文档与跨文档核对。该模型提供函数调用与结构化输出支持，可用于对返回格式有严格约束的自动化流程。

kimi-k3.1-pro

Moonshot AI

Kimi K3.1 Pro 是 Kimi K3.1 系列的首款模型，面向长程编程、3D 创作与金融研究等复杂任务。该模型在真实代码库中的问题修复、多步工具调用与端到端项目构建上表现突出，也可处理游戏引擎脚本、三维建模与交互式场景生成。该模型原生支持视觉理解并可接受视频输入，适合图文混合内容的分析与生成。其思考模式常开，允许按需调节推理强度，便于在需要多轮规划、外部工具协作与结果核验的智能体场景中使用。上下文窗口约 100 万 token，可用于大体量代码库、长文档与跨文档核对。该模型提供函数调用与结构化输出支持，可用于对返回格式有严格约束的自动化流程。

wan3.0-video

Alibaba

万相3.0是 all-in-one 视频生成模型，统一支持参考、编辑、复刻、驱动等多种创作功能，四模态全能参考，最长支持30秒视频生成，可解析文件、网页及复杂图片。生产级角色一致性保持，音画真实，带来身临其境的视听冲击力。

deepseek-v4-pro-0813

DeepSeek

DeepSeek V4 系列旗舰，深度推理与代码生成能力达系列高位，适合全代码库分析、多步骤自动化与高难度指令场景。

glm-5.3

Z.AI

旗舰定位，面向复杂软件工程与长程 Agent 任务，多轮工具调用与长链路执行稳定，适合代码库级重构与自动化研发。

kimi-k3

Moonshot

多模态推理模型，面向复杂编程、知识工作与长程 Agent 流程。擅长在大型代码库里调用工具、调试，并读取图像、日志与测试反馈来修正结果。

minimax-m3.1-flash

MiniMax

MiniMax-M3.1-Flash 是 MiniMax 推出的原生多模态 Agent 模型，支持文本、图片和视频输入，输出文本，具备 100 万 token 上下文窗口。模型面向 Agent 推理、工具调用、编程和长上下文任务，支持交错思维链与可调思考深度。

glm-5.2

Z.AI

GLM 5.2 是大型推理模型，支持百万上下文，适合长程 Agent、代码库编程与多步自动化。

kimi-k2.7-code

Moonshot AI

Kimi K2 系列编程模型，接受文字与图像输入，默认开启思维链，适合长流程 Agent 编程与多轮调试。

seedream-5.0-pro

ByteDance

Seedream-5.0-pro是字节跳动发布的最新图像创作模型。该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。

seedance-2.0

ByteDance

Seedance 系列主力版本，文生视频与图生视频兼容，擅长保持角色一致性、视觉风格与镜头运镜，适合广告与创意短视频量产。

seedance-2.5

ByteDance

Seedance 2.5 是豆包大模型团队推出的新一代多模态视频创作模型，已迈入「长叙事 × 多素材 × 强编辑 × 多语言」的工业级新阶段。

doubao-seed-2.0-mini

ByteDance

Seed 2.0系列轻量档，主打高并发与低延迟，支持多级思考强度调节，适合批量处理、内容审核、分类标注等高吞吐场景。

seedance-2.0-mini

ByteDance

Seedance 2.0 mini 是面向更广泛视频生成需求推出的新一代高性价比视频生成模型。在保持竞争力效果的同时，将视频生成能力带入更低门槛、更高频、更规模化的应用场景。

seedance-2.0-fast

ByteDance

Seedance 2.0 系列轻量版，生成速度与成本优先，支持文生视频、首尾帧控制与多参考图生视频，适合快速试样与量产化视频流水线。

doubao-seed-2.0-pro

ByteDance

Seed 2.0 系列旗舰款，擅长复杂推理与长链路 Agent 任务，指令遵循与工具调用表现稳定，适合科研辅助与多步代理工作流。

seedream-5.0-lite

ByteDance

引入深度推理能力，更好理解复杂描述并结合常识，编辑前后一致性更强。

qwen3.7-max

Qwen

面向智能体场景的旗舰推理模型,擅长代码开发、办公生产力与可长时间自主运行的复杂任务,配备 1M 超长上下文。

doubao-seed-2.1-pro

ByteDance

ByteDance 出品，支持 文本和多模态 等能力，可通过标准 API 直接调用。

doubao-seed-evolving

ByteDance

ByteDance 出品，支持 文本和多模态 等能力，可通过标准 API 直接调用。

doubao-seed-2.0-lite

ByteDance

Seed 2.0 系列轻量档，延迟低、调用成本可控，智能体、编程与 GUI 任务表现稳定，适合高频交互场景与大批量任务分发。

happyhorse-1.1-r2v

Alibaba

HappyHorse-1.1-R2V支持参考生视频，进一步提升主体、场景风格与画面一致性的稳定保持。模型最多支持9张参考图片输入，能够更精准理解并延续创作意图，在人物、场景、风格和镜头表现上带来更强的可控性与表现力。

happyhorse-1.1-t2v

Alibaba

HappyHorse-1.1-T2V支持文生视频，进一步提升文本语义理解、镜头调度与动态生成表现。模型能够更精准地还原创作意图，在人物动作、场景氛围、视觉美感和物理运动上生成更流畅自然、细节丰富且一致性更高的高质量视频。

happyhorse-1.1-i2v

Alibaba

HappyHorse-1.1-I2V支持图生视频，进一步提升画面质感、动态表现与跨片段一致性。模型能够更精准地理解输入图像并延续创作意图，在人物皮肤质感、ID跨片段保持、动作流畅度、文字渲染稳定性以及音画同步上带来显著改善，输出更真实自然、细节丰富且一致性更高的高质量视频。

minimax-h3

MiniMax

轻量级开放权重视频生成模型，支持指令编辑、文字与品牌渲染及视频动作迁移，原生输出画面与音轨，面向广告与电商创作场景。

minimax-h3-max

MiniMax

Minimax-H3极速生成版本。仅支持文生视频与图生视频（首帧 / 尾帧），不支持中间帧与多模态参考（参考图 / 参考视频 / 参考音频）；分辨率 480P / 768P，不支持 2K；时长 5~15 秒。

minimax-m3

MiniMax

MiniMax 系列首款多模态版本，支持图像与视频输入。长上下文推理成本更低、响应更快，可胜任多步 Agent 流程与 Computer Use 场景。

glm-5.1

Z.AI

长任务自主执行的工程级编码模型

qwen3.7-plus

Qwen

Qwen 3.7 系列 Plus 档，多模态输入，能读屏操作 GUI，可在手机 App 内端到端完成任务，适合 Agent 工作流与工具调用。

qwen-image-3.0-pro

Qwen

内容丰实：支持最大 4.5k token 输入，支持图中图密集信息排版，让报纸、分镜、菜单、试卷等复杂版面一次生成。 细节真实：支持 10px 小字精准渲染，微表情、毛孔、发丝等细节生动还原，逼近真实摄影的质感。 知识厚实：支持 12 国语言、多种字体原生渲染，主流网页、游戏、直播等界面仿真，外部知识全纳入。 Qwen-Image-3.0-Pro 不只是在追求"好看"，更在追求“好用”——让图像生成真正成为可落地的生产力工具。

qwen-audio-3.0-realtime-plus

Qwen

Qwen-Audio-3.0-Realtime-Plus是一款登顶全球权威评测的下一代实时双工语音大模型，它在全球权威第三方评测平台 Artificial Analysis Speech-to-Speech子项中取得综合排名第一。千问实时语音大模型 兼顾了模型智商与双工对话节奏,在保持流畅、自然的实时交互体验的同时,语音推理能力不打折扣;并通过并行推理和全向流式等工程优化,将端到端响应时延控制在低水平,实现"又快又聪明"的对话体验。标准版更注重高质量的回复结果。

qwen-audio-3.0-tts-plus

Qwen

Qwen-Audio-3.0-TTS-Plus是面向高质量语音生成场景打造的高性能语音合成大模型。相比前一版本，模型支持更多小语种和中文方言，显著提升方言发音的正宗程度，并增强了 free-style 指令遵循能力和细粒度标签控制能力，可更准确地控制情绪、语气、角色、语速、音量和合成风格。同时，模型在噪声、混响等复杂声学条件下具备更强鲁棒性，进一步提升了音质、清晰度、分辨率和整体表现力。Plus 版本更强调合成效果和细节表现，适用于有更高音质、自然度和表现力要求的专业场景，如内容创作、有声书、影视配音、品牌声音设计和高品质语音服务。

qwen-image-2.0

Qwen

生成与编辑统一于同一模型；原生 2K，支持专业排版与信息图。

qwen-image-2.0-pro

Qwen

生成与编辑融合；文字渲染更专业，写实纹理与场景细节更丰富。

seedream-4.0

ByteDance

新一代统一架构，集成生成与编辑；支持知识型生成与参考图一致性，最高 4K。

seedream-4.5

ByteDance

模型整体扩容后全面提升；多图编辑主体识别更准，参考图细节保留更严，密集文字渲染更强。

qwen3.7-flash

Qwen

Qwen3.7 系列轻量档视觉语言推理模型，擅长物体识别、空间理解与真实场景视觉感知。面向多模态 Agent、视觉 Coding、搜索与计算机操作。

Kling-4.0-Flash

Kling

Kling 4.0 Flash，快手可灵 Kling 4.0 系列的轻量版视频生成模型，面向高频创作场景，主打生成速度与性价比。支持文生视频、图生视频（首帧）与全能参考生视频：单任务可组合最多 15 项素材（最多 10 张图片、5 段视频及主体），稳定复用角色、商品外观与动作运镜，也可对已有视频的主体、背景与风格做局部编辑；提示词最长 26,000 英文字符。单次生成 3–20 秒，输出 720p，支持 21:9 / 16:9 / 1:1 / 9:16 及自适应比例，音画同出。适用于社媒短视频批量生产、电商素材制作与创意快速验证。

Kling-4.0

Kling

快手可灵新一代视频生成模型，主打真实、可控、专业。重点攻克大幅度动态与复杂运镜，高速运动、跟拍、环绕等镜头下画面稳定连贯；单次原生生成 3–30 秒，支持长镜头与连续叙事。关键帧模式支持首帧、首尾帧及时间轴任意位置的中间帧，最多 10 张；全能参考单任务可组合最多 15 项素材（图片、视频、主体、音色），精准复用外观、动作、运镜与节奏，并支持对已有视频做表情、动作、背景等局部编辑。音画同出，双声道立体声，多语种口型同步；提示词最长 8,000 tokens。输出 720p / 1080p，支持 21:9 超宽画幅，适用于广告营销、影视短片、短剧与电商内容创作。

Kling-O1

Kling

Kling O1 是为创作者打造的全新创意引擎，解锁无限创意可能。基于多模态视觉语言（MVL）概念，使用自然语言结合视频、图片、元素等多模态描述，精准理解您的创作意图。

Kling-3.0-Omni

Kling

可灵3.0 Omni是旗舰模型,提供卓越的视频质量、先进的语义理解和增强的伪影修正。基于视频3.0的基础,Omni为专业创作者提供极致品质,具有更精细的细节、更流畅的运动动态和更高的成功率。

Kling-3.0

Kling

可灵视频 3.0 配备革命性智能分镜系统,自动编排多镜头序列,实现电影级转场效果。单次生成最长15秒视频,具备增强的角色一致性、原生级文字叠加和多语言音频混合能力。

Kling-2.6

Kling

VIDEO 2.6 模型一次生成视觉画面、自然配音、匹配音效和环境氛围，连接「声音」与「视觉」的世界。无论是输入文字还是上传图片，都能即时创建一个完整的动态视频，包含声音、节奏和沉浸感。

qwen3.6-flash

Qwen

Qwen 3.6 系列轻量版，支持文字、图像、视频输入。延迟低、成本低，适合高并发分类、提取、摘要，也能处理简单的 Agent 任务。

qwen3.6-plus

Qwen

通义千问增强版，中英双语理解出色，擅长长文本分析与结构化输出。

minimax-m2.7

MiniMax

多智能体协作模型，支持复杂任务规划与生产级工作流执行

glm-5-turbo

Z.AI

专为 OpenClaw 等基于代理的场景而设计。