多模态模型Mistral预览版
Robostral Navigate
Robostral Navigate 是 Mistral 于 2026 年 7 月发布的 8B 具身导航模型，使用单个 RGB 摄像头和自然语言指令控制机器人导航。
输入价格
公开资料未说明
输出价格
公开资料未说明
机器人导航具身智能视觉语言
官方模型目录与价格对比
找模型，不只看名字，还要看 能力和价格
按模型类型、上下文、价格和厂商整理官方模型目录，方便你快速筛出适合写代码、做推理、跑视觉或搭 Agent 的那一批模型。
先缩小候选，再进详情页看接口、计费和能力边界。
已收录模型
1,303
覆盖厂商
63
带价格信息
355
输入价格
公开资料未说明
输出价格
公开资料未说明
代码开发Agent复杂工程任务
输入价格
公开资料未说明
输出价格
公开资料未说明
企业部署Agent多语言
输入价格
公开资料未说明
输出价格
公开资料未说明
推理多模态Agent
输入价格
¥1.50 / 1M Tokens
输出价格
¥4.00 / 1M Tokens
推理图片理解深度推理
输入价格
¥2.50 / 1M Tokens
输出价格
¥8.00 / 1M Tokens
推理图片理解代码
多模态模型Cohere稳定版
North Micro Vision Instruct
North Micro Vision Instruct 是 Cohere 于 2026 年 8 月公开的轻量多语视觉模型，适合图像理解、视觉问答和本地部署。
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解多语问答轻量部署
输入价格
公开资料未说明
输出价格
公开资料未说明
GUI AgentComputer Use桌面自动化
输入价格
公开资料未说明
输出价格
公开资料未说明
GUI AgentComputer Use复杂桌面自动化
多模态模型腾讯稳定版
hunyuan-t1-vision-20250916
hunyuan-t1-vision-20250916 是腾讯混元当前模型概述公开的混元多模态模型模型，归属 混元图生文 能力线，适合通过腾讯云原生 API 或混元 OpenAI 兼容入口接入。
输入价格
¥3.00 / 1M Tokens
输出价格
¥9.00 / 1M Tokens
视觉理解图文问答拍题解题
输入价格
$0.33 / 1M Tokens
输出价格
$2.75 / 1M Tokens
长上下文推理任务Agent
输入价格
公开资料未说明
输出价格
公开资料未说明
视频理解物理世界推理Physical AI
多模态模型NVIDIA稳定版
Ising Calibration 1.5 31B
NVIDIA-Ising-Calibration-1.5 是基于 Gemma 4 31B 的多模态实验校准模型，用于分析量子计算校准图表并生成结构化技术文本。
输入价格
公开资料未说明
输出价格
公开资料未说明
量子计算图表理解科研分析
多模态模型NVIDIA预览版
Nemotron 3 Nano Omni Reasoning
Nemotron 3 Nano Omni Reasoning 是 NVIDIA 面向全模态推理的模型，支持图像、视频、语音和文本理解，适合多模态 Agent 与复杂场景分析。
输入价格
公开资料未说明
输出价格
公开资料未说明
多模态推理视频理解语音理解
输入价格
公开资料未说明
输出价格
公开资料未说明
多图理解视频理解视觉问答
输入价格
¥2.80 / 1M Tokens
输出价格
¥14.00 / 1M Tokens
多模态问答Agent内容理解
输入价格
¥2.80 / 1M Tokens
输出价格
¥14.00 / 1M Tokens
视觉理解语音理解多模态助手
多模态模型Microsoft稳定版
Fara1.5-4B
Fara1.5-4B 是 Microsoft Research AI Frontiers 发布的浏览器 Computer Use Agent，通过截图理解网页并输出结构化点击、输入、滚动等动作。
输入价格
公开资料未说明
输出价格
公开资料未说明
电脑操作浏览器 Agent开放权重
多模态模型Microsoft稳定版
Fara1.5-9B
Fara1.5-9B 是 Microsoft Research AI Frontiers 发布的浏览器 Computer Use Agent，通过截图理解网页并输出结构化点击、输入、滚动等动作。
输入价格
公开资料未说明
输出价格
公开资料未说明
电脑操作浏览器 Agent开放权重
多模态模型Microsoft稳定版
Fara1.5-27B
Fara1.5-27B 是 Microsoft Research AI Frontiers 发布的浏览器 Computer Use Agent，通过截图理解网页并输出结构化点击、输入、滚动等动作。
输入价格
公开资料未说明
输出价格
公开资料未说明
电脑操作浏览器 Agent开放权重