模型百科

GPT-5.6 Sol 是 OpenAI 的通用模型，适合高难度推理、代码 Agent、生物分析、安全研究和需要最强综合能力的任务

GPT-5.6 Terra 是 OpenAI 的通用模型，适合日常智能助手、代码协作、内容生成、复杂问答和成本性能均衡的生产场景

GPT-5.6 Luna 是 OpenAI 的通用模型，适合高频客服、批量处理、轻量自动化、摘要改写和成本敏感的快速任务

GPT-5.5 Pro 是 OpenAI 的 gpt-pro 模型（上下文约 105 万 tokens，输入价约 $30/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.5 是 OpenAI 的通用模型，适合高难度问答、复杂代码、长文分析、Agent 工作流和需要更强综合能力的生产场景

GPT-5.4 Pro 是 OpenAI 的 gpt-pro 模型（上下文约 105 万 tokens，输入价约 $30/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.3 Chat (latest) 是 OpenAI 的 gpt 模型（上下文约 12.8 万 tokens，输入价约 $1.75/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.3 Codex Spark 是 OpenAI 的 gpt-codex-spark 模型（上下文约 12.8 万 tokens，输入价约 $1.75/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.3 Codex 是 OpenAI 的 gpt-codex 模型（上下文约 40 万 tokens，输入价约 $1.75/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.2 是 OpenAI 的 gpt 模型（上下文约 40 万 tokens，输入价约 $1.75/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.2 Pro 是 OpenAI 的 gpt-pro 模型（上下文约 40 万 tokens，输入价约 $21/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.2 Chat 是 OpenAI 的 gpt-codex 模型（上下文约 12.8 万 tokens，输入价约 $1.75/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.2 Codex 是 OpenAI 的 gpt-codex 模型（上下文约 40 万 tokens，输入价约 $1.75/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.1 Codex mini 是 OpenAI 的 gpt-codex 模型（上下文约 40 万 tokens，输入价约 $0.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.1 Chat 是 OpenAI 的 gpt-codex 模型（上下文约 12.8 万 tokens，输入价约 $1.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.1 是 OpenAI 的 gpt 模型（上下文约 40 万 tokens，输入价约 $1.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.1 Codex Max 是 OpenAI 的 gpt-codex 模型（上下文约 40 万 tokens，输入价约 $1.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.1 Codex 是 OpenAI 的 gpt-codex 模型（上下文约 40 万 tokens，输入价约 $1.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5 Pro 是 OpenAI 的 gpt-pro 模型（上下文约 40 万 tokens，输入价约 $15/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5-Codex 是 OpenAI 的 gpt-codex 模型（上下文约 40 万 tokens，输入价约 $1.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5 Chat (latest) 是 OpenAI 的 gpt-codex 模型（上下文约 40 万 tokens，输入价约 $1.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5 Nano 是 OpenAI 的 gpt-nano 模型（上下文约 40 万 tokens，输入价约 $0.05/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5 是 OpenAI 的 gpt 模型（上下文约 40 万 tokens，输入价约 $1.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5 Mini 通常用于需要新一代 GPT 能力但又关注成本和延迟的场景。它适合做默认轻量模型、批量内容处理、搜索增强问答和应用内助手，在能力与价格之间取得更均衡的折中

o3-pro 是 OpenAI 的 o-pro 模型（上下文约 20 万 tokens，输入价约 $20/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

o4-mini 是 OpenAI 的 o-mini 模型（上下文约 20 万 tokens，输入价约 $1.1/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

o3 是 OpenAI 的 o 模型（上下文约 20 万 tokens，输入价约 $2/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-4.1 是 OpenAI 的 gpt 模型（上下文约 104.8 万 tokens，输入价约 $2/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-4.1 mini 是 OpenAI 的 gpt-mini 模型（上下文约 104.8 万 tokens，输入价约 $0.4/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-4.1 nano 是 OpenAI 的 gpt-nano 模型（上下文约 104.8 万 tokens，输入价约 $0.1/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

o1-pro 是 OpenAI 的 o-pro 模型（上下文约 20 万 tokens，输入价约 $150/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

o3-mini 是 OpenAI 面向推理任务推出的轻量模型，适合代码调试、数学题解析、规则推演和技术问题分析。它比通用轻量模型更重视推理链路，同时比高阶推理模型更适合成本敏感场景

o1 是 OpenAI 面向复杂推理任务推出的模型系列，重点能力在数学、代码、逻辑分析和多步骤问题拆解。相比普通对话模型，o1 更适合需要审慎分析和推演的任务，但通常成本更高、响应也更慢

GPT-4o (2024-11-20) 是 OpenAI 的 gpt 模型（上下文约 12.8 万 tokens，输入价约 $2.5/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

o1-preview 是 OpenAI 的 o 模型（上下文约 12.8 万 tokens，输入价约 $15/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

o1-mini 是 o1 系列中更轻量的推理模型，常用于代码、数学、逻辑拆解等对推理有要求但又关注成本的场景。它在部分专业任务上比通用轻量模型更可靠，但不适合作为所有对话场景的默认模型

GPT-4o (2024-08-06) 是 OpenAI 的 gpt 模型（上下文约 12.8 万 tokens，输入价约 $2.5/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-4o mini 是 OpenAI 面向低成本、高并发场景推出的轻量模型。它保留了 GPT-4o 系列的多模态和通用语言能力，但在成本与响应速度上更适合批量任务、简单客服、分类、摘要和轻量代码辅助等场景

o4-mini-deep-research 是 OpenAI 的 o-mini 模型（上下文约 20 万 tokens，输入价约 $2/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

o3-deep-research 是 OpenAI 的 o 模型（上下文约 20 万 tokens，输入价约 $10/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-4o (2024-05-13) 是 OpenAI 的 gpt 模型（上下文约 12.8 万 tokens，输入价约 $5/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-4o 是 OpenAI 面向通用场景推出的旗舰多模态模型，名称中的 o 代表 omni，强调其在文本、图像和语音交互上的统一能力。它适合需要稳定理解、生成、代码辅助和图像分析的产品场景，在速度和成本上相较早期 GPT-4 系列更适合规模化接入

text-embedding-3-large 是 OpenAI 的 text-embedding 模型（上下文约 8191 tokens，输入价约 $0.13/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

text-embedding-3-small 是 OpenAI 的 text-embedding 模型（上下文约 8191 tokens，输入价约 $0.02/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-4 Turbo 是 OpenAI 的 gpt 模型（上下文约 12.8 万 tokens，输入价约 $10/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-4 是 OpenAI 的 gpt 模型（上下文约 8192 tokens，输入价约 $30/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-3.5-turbo 是 OpenAI 的 gpt 模型（上下文约 1.6 万 tokens，输入价约 $0.5/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

text-embedding-ada-002 是 OpenAI 的 text-embedding 模型（上下文约 8192 tokens，输入价约 $0.1/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GPT-5.4 nano 是 OpenAI 的通用模型，适合批量标签、简单抽取、轻量路由、内容预处理和对延迟成本极敏感的场景

GPT-5.4 是 OpenAI 的通用模型，适合产品助手、内容生成、代码辅助、结构化处理和多模态理解等通用任务

GPT-5.4 mini 是 OpenAI 的通用模型，适合高频调用、客服问答、摘要改写、轻量分类和成本敏感的自动化流程

GPT Image 2 是 OpenAI 官方模型目录中的图像生成模型，重点面向文本生成图像、图像编辑、创意设计和视觉内容生产

GPT Realtime 2 面向低延迟语音输入和语音输出场景，更适合需要语音输入、语音输出和多轮推理的实时助手、电话客服、语音代理和互动式应用

GPT Realtime mini 面向低延迟语音输入和语音输出场景，更适合对成本和延迟敏感的实时语音助手、客服机器人、语音入口和轻量多轮交互

GPT Realtime 1.5 面向低延迟语音输入和语音输出场景，适合需要稳定实时对话体验的语音助手、会议辅助、互动语音产品和原型验证

GPT Realtime Translate 面向实时语音翻译场景，重点是跨语言对话、会议翻译和低延迟语音互译

GPT Realtime Whisper 面向语音转文字场景，适合实时字幕、语音输入、会议记录和语音流转写

GPT-4o Transcribe 面向语音转文字场景，适合高质量音频转写、字幕生成、会议记录和语音内容处理

GPT-4o mini Transcribe 面向语音转文字场景，适合批量音频处理、低成本转写、语音输入和实时字幕

GPT-4o mini TTS 面向文本转语音场景，适合语音播报、内容朗读、助手回复和语音化产品体验

Claude Opus 5 是 Anthropic Claude 系列模型，适合长文理解、代码协作、严肃写作和强调安全边界的企业场景

Claude Sonnet 5 是 Anthropic Claude 系列模型，适合长文理解、代码协作、严肃写作和强调安全边界的企业场景

Claude Fable 5 是 Anthropic Claude 系列模型，适合长文理解、代码协作、严肃写作和强调安全边界的企业场景

Claude Mythos 5 是 Anthropic Claude 系列模型，适合长文理解、代码协作、严肃写作和强调安全边界的企业场景

Claude Opus 4.8 是 Anthropic Claude 系列模型，适合长文理解、代码协作、严肃写作和强调安全边界的企业场景

Claude Opus 4.7 是 Anthropic 的 claude-opus 模型（上下文约 100 万 tokens，输入价约 $5/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Sonnet 4.6 是 Anthropic 的 claude-sonnet 模型（上下文约 100 万 tokens，输入价约 $3/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Opus 4.6 是 Anthropic 的 claude-opus 模型（上下文约 100 万 tokens，输入价约 $5/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Opus 4.5 是 Anthropic 的 claude-opus 模型（上下文约 20 万 tokens，输入价约 $5/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Haiku 4.5 (latest) 是 Anthropic 的 claude-haiku 模型（上下文约 20 万 tokens，输入价约 $1/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Anthropicclaude

Claude Sonnet 4.5 延续 Sonnet 系列的均衡定位，并进一步强化代码、代理式任务执行和长时间复杂工作流。它适合软件开发、数据分析、文档处理和企业自动化等场景，是 Claude 生态中面向高质量任务的主力选择

Claude Opus 4.1 是 Anthropic 的 claude-opus 模型（上下文约 20 万 tokens，输入价约 $15/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Opus 4 (latest) 是 Anthropic 的 claude-opus 模型（上下文约 20 万 tokens，输入价约 $15/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Sonnet 4 (latest) 是 Anthropic 的 claude-sonnet 模型（上下文约 20 万 tokens，输入价约 $3/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Anthropicclaude

Claude Sonnet 4 是 Anthropic Claude 系列的主力模型，定位在高质量文本理解、长文处理、代码辅助和企业知识工作流。它通常以稳健、克制、长上下文体验好著称，适合需要可靠输出和复杂文档处理的应用

Anthropicclaude

Claude Opus 4 是 Anthropic Claude 系列中面向高难度任务的模型，适合复杂代码、深度文档分析、研究辅助和多步骤任务执行。相比 Sonnet 系列，它更适合高价值、复杂度更高的任务

Claude Sonnet 3.7 是 Anthropic 的 claude-sonnet 模型（上下文约 20 万 tokens，输入价约 $3/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Haiku 3.5 (latest) 是 Anthropic 的 claude-haiku 模型（上下文约 20 万 tokens，输入价约 $0.8/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Haiku 3.5 是 Anthropic 的 claude-haiku 模型（上下文约 20 万 tokens，输入价约 $0.8/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Sonnet 3.5 v2 是 Anthropic 的 claude-sonnet 模型（上下文约 20 万 tokens，输入价约 $3/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Haiku 3 是 Anthropic 的 claude-haiku 模型（上下文约 20 万 tokens，输入价约 $0.25/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Sonnet 3 是 Anthropic 的 claude-sonnet 模型（上下文约 20 万 tokens，输入价约 $3/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Claude Opus 3 是 Anthropic 的 claude-opus 模型（上下文约 20 万 tokens，输入价约 $15/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Anthropicclaude

Claude Haiku 4 是 Claude 系列中更偏轻量和低延迟的模型，适合分类、摘要、简单问答和高频客服场景。它适合作为基础任务入口，与 Sonnet 或 Opus 形成分层使用

Fast Gemini model balancing multimodal reasoning, tool use, and cost 知识截止：2026-03

Fast Gemini model balancing multimodal reasoning, tool use, and cost 知识截止：2026-03

Video generation and editing model for fast, conversational text- and image-to-video workflows

Fastest, most cost-efficient Gemini image model for high-volume 1K generation and editing 知识截止：2025-01

Low-latency audio-to-audio model for real-time speech translation across 70+ languages 知识截止：2025-01

Image model for prompt-driven generation, editing, and visual design workflows 知识截止：2025-01

Nano Banana Pro for higher-fidelity image generation and design-heavy edits 知识截止：2025-01

Fast Gemini model balancing multimodal reasoning, tool use, and cost 知识截止：2025-01

Fast Gemini model balancing multimodal reasoning, tool use, and cost 知识截止：2025-01

Low-latency Gemini model for high-volume multimodal and agent workloads 知识截止：2025-01

Low-latency Gemini model for high-volume multimodal and agent workloads 知识截止：2025-01

Multimodal embedding model mapping text, images, video, audio, and PDFs into a unified embedding space 知识截止：2025-11

Agentic model for autonomous multi-step research, synthesis, and cited reports 知识截止：2025-01

Maximum-comprehensiveness agentic researcher for multi-step investigation, synthesis, and cited reports 知识截止：2025-01

Low-latency speech generation with steerable prompts and expressive audio tags 知识截止：2025-01

Vision-language model for embodied reasoning: spatial understanding, task planning, and physical-world agentic robotics 知识截止：2025-01

Largest Gemma 4 instruction model for open, self-hosted chat and reasoning

Open Gemma instruction model for efficient chat and self-hosted deployments

Video model for prompt-guided generation, editing, and motion workflows

Music generation model for full-length songs from text or images with vocals and structure

Music generation model for short 30-second clips, loops, and previews from text or image prompts

Legacy model retained for compatibility with older integrations 知识截止：2025-01

Image model for prompt-driven generation, editing, and visual design workflows 知识截止：2025-01

Advanced Gemini model for complex reasoning, coding, and multimodal analysis 知识截止：2025-01

Reasoning-first Gemini preview for agentic coding and complex problem solving 知识截止：2025-01

New Gemini flash lane bringing frontier-style multimodal reasoning to cheaper runs 知识截止：2025-01

Nano Banana Pro for higher-fidelity image generation and design-heavy edits 知识截止：2025-01

Gemini 3 Pro Preview 是 Google 的 gemini-pro 模型（上下文约 104.9 万 tokens，输入价约 $2/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Video model for prompt-guided generation, editing, and motion workflows

Video model for prompt-guided generation, editing, and motion workflows

Specialized Gemini 2.5 model for browser-control agents that automate UI tasks 知识截止：2025-01

Nano Banana image model for fast generation, edits, and character-consistent assets 知识截止：2024-06

Google's proven reasoning model for coding, math, and multimodal analysis 知识截止：2025-01

Gemini 2.5 Flash-Lite 是 Google 的 gemini-flash-lite 模型（上下文约 104.9 万 tokens，输入价约 $0.1/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Fast Gemini workhorse for multimodal apps where latency and price matter 知识截止：2025-01

Embedding model for semantic search, retrieval, clustering, and ranking pipelines 知识截止：2025-05

Gemini 2.5 Pro Preview TTS 是 Google 的 gemini-flash 模型（上下文约 8192 tokens，输入价约 $1/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Speech generation model for controllable voice, narration, and audio delivery 知识截止：2025-01

Googlegemini-pro

Gemini 2.5 Pro 是 Google Gemini 系列中的高阶模型，强调长上下文、多模态理解和复杂问题处理。它适合处理大型文档、视频或图像相关理解任务，也适合需要与 Google 生态结合的 AI 应用

Googlegemini-flash

Gemini 2.5 Flash 是 Google 面向速度、成本和高吞吐场景推出的模型，适合需要快速响应的问答、摘要、分类、搜索增强和多模态轻量任务。它通常与 Pro 系列搭配使用，用于承担高频基础请求

Gemini 2.0 Flash-Lite 是 Google 的 gemini-flash-lite 模型（上下文约 104.9 万 tokens，输入价约 $0.075/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Earlier Gemini Flash workhorse for responsive multimodal apps and tool use 知识截止：2024-06

Googlegemini

Gemini Experimental 1206 是 Google Gemini 系列中的实验版本，通常用于提前体验和评估新能力。它适合技术验证、模型对比、原型探索和非关键生产任务

DeepSeek Reasoner 是 DeepSeek 的 deepseek-thinking 模型（上下文约 100 万 tokens，输入价约 $0.14/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

DeepSeekdeepseek

DeepSeek Chat 是 DeepSeek 面向通用对话场景的模型，适合中文问答、内容生成、代码解释和知识库问答。它常用于需要稳定中文体验和较好成本控制的产品中

DeepSeek V4 Pro 是 DeepSeek 官方模型，适合中文问答、代码辅助、内容生成和性价比敏感的生产场景

DeepSeek V4 Flash 是 DeepSeek 官方模型，适合中文问答、代码辅助、内容生成和性价比敏感的生产场景

DeepSeekdeepseek

DeepSeek V3 是 DeepSeek 面向通用对话、代码和知识问答场景的主力模型之一。它在中文任务、代码生成和成本控制方面受到关注，适合需要高性价比中文能力的应用，也常作为国内产品的主力基础模型

DeepSeekdeepseek

DeepSeek R1 是 DeepSeek 面向推理任务推出的模型，重点能力在复杂逻辑、数学推导、代码分析和多步骤问题拆解。它常被用于需要明确推理过程的场景，也是国内推理模型生态中的重要选择

Qwen3.7 Max 是阿里云通义千问模型，适合中文企业问答、内容生成、代码辅助和业务自动化场景

Qwen3.7 Plus 是阿里云通义千问模型，适合中文企业问答、内容生成、代码辅助和业务自动化场景

阿里云（Qwen）qwen

Qwen Turbo 是通义千问系列中偏轻量和高性价比的模型，适合高频问答、摘要、分类、改写和简单客服场景。它适合放在产品默认链路中处理大量基础中文请求

阿里云（Qwen）qwen

Qwen Plus 是通义千问系列中面向均衡能力的模型，适合中文问答、企业知识库、代码辅助和内容生成。相比 Turbo，它更适合对质量有一定要求但仍关注成本的业务场景

阿里云（Qwen）qwen

Qwen Max 是通义千问系列中能力更强的模型，适合复杂中文理解、代码生成、长文档分析和高质量内容生产。它通常用于对准确性、稳定性和复杂任务处理能力要求更高的场景

Kimi K3 是月之暗面旗舰模型，支持 100 万 tokens 上下文和视觉理解，面向长程编程、知识工作与深度推理场景

Kimi K2.7 Code 是 Moonshot AI 的 kimi-k2 模型（上下文约 26.2 万 tokens，输入价约 $0.95/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Kimi K2.7 Code HighSpeed 是 Moonshot AI 的 kimi-k2 模型（上下文约 26.2 万 tokens，输入价约 $1.9/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Kimi K2.6 是 Moonshot AI 的 kimi-k2 模型（上下文约 26.2 万 tokens，输入价约 $0.95/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Kimi K2.5 是 Moonshot AI 的 kimi-k2 模型（上下文约 26.2 万 tokens，输入价约 $0.6/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Kimi K2 Thinking 是 Moonshot AI 的 kimi-thinking 模型（上下文约 26.2 万 tokens，输入价约 $0.6/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Kimi K2 Thinking Turbo 是 Moonshot AI 的 kimi-thinking 模型（上下文约 26.2 万 tokens，输入价约 $1.15/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Kimi K2 0905 是 Moonshot AI 的 kimi-k2 模型（上下文约 26.2 万 tokens，输入价约 $0.6/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Kimi K2 Turbo 是 Moonshot AI 的 kimi-k2 模型（上下文约 26.2 万 tokens，输入价约 $2.4/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Kimi K2 0711 是 Moonshot AI 的 kimi-k2 模型（上下文约 13.1 万 tokens，输入价约 $0.6/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Moonshot v1 128K 是月之暗面 Kimi 体系模型，适合中文问答、长文档理解、内容生成和知识库场景

Kimi K2 是月之暗面 Kimi 体系模型，适合中文问答、长文档理解、内容生成和知识库场景

Kimi K2.6 是月之暗面 Kimi 体系模型，适合中文问答、长文档理解、内容生成和知识库场景

Kimi K2.5 是月之暗面 Kimi 体系模型，适合中文问答、长文档理解、内容生成和知识库场景

Moonshot v1 8K 是月之暗面 Kimi 系列的基础上下文模型，适合普通中文对话、短文档总结、内容改写和知识库问答。它适用于上下文规模不大的高频任务

Moonshot v1 32K 提供更长的上下文窗口，适合合同、报告、文章和知识库片段的理解与总结。它比 8K 版本更适合需要携带较多上下文的中文文档任务

GLM-4.7-FlashX 是 Zhipu AI 的 glm-flash 模型（上下文约 20 万 tokens，输入价约 $0.07/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4.7-Flash 是 Zhipu AI 的 glm-flash 模型（上下文约 20 万 tokens，输入价约 $0/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4.7 是 Zhipu AI 的 glm 模型（上下文约 20.5 万 tokens，输入价约 $0.6/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4.6V 是 Zhipu AI 的 glm 模型（上下文约 12.8 万 tokens，输入价约 $0.3/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4.6 是 Zhipu AI 的 glm 模型（上下文约 20.5 万 tokens，输入价约 $0.6/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4.5V 是 Zhipu AI 的 glm 模型（上下文约 6.4 万 tokens，输入价约 $0.6/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4.5-Air 是 Zhipu AI 的 glm-air 模型（上下文约 13.1 万 tokens，输入价约 $0.2/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4.5 是 Zhipu AI 的 glm 模型（上下文约 13.1 万 tokens，输入价约 $0.6/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4.5-Flash 是 Zhipu AI 的 glm-flash 模型（上下文约 13.1 万 tokens，输入价约 $0/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

GLM-4-Air 是智谱 AI GLM 系列模型，适合中文对话、企业知识问答、代码辅助和智能体任务

GLM-4-Flash 是智谱 AI GLM 系列模型，适合中文对话、企业知识问答、代码辅助和智能体任务

GLM-4.5 是智谱 AI GLM 系列模型，适合中文对话、企业知识问答、代码辅助和智能体任务

GLM-Z1 是智谱 AI GLM 系列模型，适合中文对话、企业知识问答、代码辅助和智能体任务

GLM-5.1 是智谱 AI GLM 系列模型，适合中文对话、企业知识问答、代码辅助和智能体任务

GLM-5-Turbo 是智谱 AI GLM 系列模型，适合中文对话、企业知识问答、代码辅助和智能体任务

GLM-5 是智谱 AI GLM 系列模型，适合中文对话、企业知识问答、代码辅助和智能体任务

GLM-4-Plus 是智谱 AI 面向高质量中文任务和企业应用的高阶模型，适合复杂问答、知识库、代码辅助和内容生成。它在中文生态和国内接入方面具备较好适配性

GLM-4 是智谱 AI 的通用模型之一，适合中文对话、写作、摘要、知识问答和轻量代码辅助。它适合需要国内模型供应和企业接入支持的应用

ABAB6.5s Chat 是 MiniMax 官方模型，适合中文对话、内容生成、业务助手和多模态产品能力评估

ABAB6.5 Chat 是 MiniMax 官方模型，适合中文对话、内容生成、业务助手和多模态产品能力评估

MiniMax Text 01 是 MiniMax 官方模型，适合中文对话、内容生成、业务助手和多模态产品能力评估

MiniMax M1 是 MiniMax 官方模型，适合中文对话、内容生成、业务助手和多模态产品能力评估

MiniMax Speech 01 面向语音和多媒体内容场景，适合语音生成、语音交互和音频化产品体验

MiniMax M3 是 MiniMax 官方模型，适合中文对话、内容生成、业务助手和多模态产品能力评估

abab7-chat 是 MiniMax 面向对话和内容生成的模型，适合中文聊天、角色对话、内容创作和客户服务。它在对话体验和内容表达方面有较明确定位

abab6.5s-chat 是 MiniMax 较轻量的对话模型，适合低延迟聊天、简单内容生成和客服问答。它通常用于对速度和成本更敏感的互动场景

Step 3.5 Flash 2603 是 stepfun 的 AI 模型（上下文约 25.6 万 tokens，输入价约 $0.1/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

Step 1 32K 是阶跃星辰 Step 系列模型，适合中文问答、长文本、多模态理解和企业级应用

Step 3.5 Flash 是阶跃星辰 Step 系列模型，适合中文问答、长文本、多模态理解和企业级应用

Step 1 128K 是阶跃星辰 Step 系列模型，适合中文问答、长文本、多模态理解和企业级应用

Step 2 Mini 是阶跃星辰 Step 系列模型，适合中文问答、长文本、多模态理解和企业级应用

Step 1V 8K 是阶跃星辰 Step 系列模型，适合中文问答、长文本、多模态理解和企业级应用

Step 3.7 Flash 是阶跃星辰 Step 系列模型，适合中文问答、长文本、多模态理解和企业级应用

Step-1 8K 是阶跃星辰 StepFun 生态中的基础模型，适合轻量中文问答、内容生成、摘要和改写。它适合上下文规模不大的高频任务

Step-2 16K 是 StepFun 生态中更高阶的模型，适合复杂中文问答、多轮业务助手、内容生成和文档处理。相比 Step-1，它更适合质量要求更高的任务

Doubao Pro 是火山引擎豆包体系模型，适合中文对话、内容生成、多模态理解和企业自动化场景

Doubao Lite 是火山引擎豆包体系模型，适合中文对话、内容生成、多模态理解和企业自动化场景

Doubao Seed 1.6 是火山引擎豆包体系模型，适合中文对话、内容生成、多模态理解和企业自动化场景

Doubao Seed 1.6 Thinking 是火山引擎豆包体系模型，适合中文对话、内容生成、多模态理解和企业自动化场景

Doubao Vision Pro 是火山引擎豆包体系模型，适合中文对话、内容生成、多模态理解和企业自动化场景

Doubao Pro 32K 是火山引擎豆包系列中面向较高质量任务的模型，适合中文问答、企业知识库、文档总结和内容生产。32K 上下文适合处理中等长度文档和多轮业务上下文

Doubao Lite 32K 是豆包系列中更关注成本和速度的模型，适合中文客服、摘要、分类、改写和基础知识库问答。它适合承担高频基础任务，并与 Pro 版本形成分层使用

MiMo-V2.5-Pro-UltraSpeed 是 Xiaomi 的 mimo 模型（上下文约 104.9 万 tokens，输入价约 $1.305/1M tokens），可用于智能助手、内容生成、知识问答与业务自动化

MiMo V2.5 是小米 MiMo 体系模型，适合中文对话、工具调用、多模态交互和智能硬件生态场景

MiMo V2.5 Pro 是小米 MiMo 体系模型，适合中文对话、工具调用、多模态交互和智能硬件生态场景

MiMo V2 Flash 是小米 MiMo 体系模型，适合中文对话、工具调用、多模态交互和智能硬件生态场景