glm-5.3-flashx是glm-5.3-flash同底座提速版，适合实时客服、Agent 规划、编辑器补全等延迟敏感场景。
价格加载中...

Doubao-Seedream-5.0-flash是一款兼顾速度与成本效率的快速图像创作模型，支持精准编辑、图层拆分、透明背景图输出，适合高频、规模化图片生产和快速交互场景。
价格加载中...

一款视觉-语言模型（VLM），可对机器人的物理环境进行精确推理。它基于 Gemini 3.5 Flash 构建，专注于具身推理能力，例如空间推理、指向、仪器读取、机器人视频理解（包括时刻查找和进度分类）以及多步骤机器人和工具编排。
价格加载中...

MiniMax H3-Image 是一款衍生自 H3 的图像生成模型，其具备文本生成图像、图像参考和图像编辑能力。它能够在 10 秒内生成一张 4096 × 4096 像素、约 16 MP（4K）的高分辨率图像，同时呈现丰富、真实的细节，并具备优秀的指令遵循和多参考图理解能力。
价格加载中...

Scribe v2 是 ElevenLabs 的先进语音识别模型，可在 90+ 种语言中实现准确转写，提供精确的词级时间戳，以及说话人分离、动态音频标注等高级功能。
价格加载中...

Scribe v3 是 ElevenLabs 最准确的录音转写语音识别模型，是 Scribe v2 的后继版本。在 FLEURS 基准的 102 种语言上，词错率从 16.94% 降至 12.38%，比 Scribe v2 减少 27% 的词错误，且在所有测试语言上均有提升；说话人标签错误为所有受测模型中最低。
价格加载中...

GPT-Image-2.6 Sunburst 支持根据文本和图像输入生成和编辑图像，适用于精细构图和图像编辑工作流。
价格加载中...

GPT-Image-2.6 Flare 支持根据文本和图像输入生成和编辑图像，适用于交互式图像生成和编辑工作流。
价格加载中...

Qwen3.7原生视觉语言系列Flash模型，相较3.6-Flash全面提升多模态理解与Agent执行能力。重点强化多模态基础能力、万物识别能力更强，真实世界感知与空间智能进一步提升，Search Agent、CI Agent等多模态Agent场景能力显著升级、端到端任务执行更稳定，多模态Coding能力优化、vibe coding 体验更加流畅。
价格加载中...

Qwen-Audio-3.1-TTS-Flash是面向实时交互场景的高性能语音合成大模型，支持多种语言和方言。该模型具有free-style指令遵循能力和细粒度标签控制能力，可更灵活地控制情绪、语气、角色、语速、音量等表达方式。
价格加载中...