多模态模型百度稳定版
Qwen3-VL-235B-A22B-Thinking
Qwen3-VL-235B-A22B-Thinking 是百度千帆当前模型列表公开的视觉理解模型，归属 QwenVL系列 能力线，适合通过千帆 OpenAI 兼容接口在百度智能云体系内调用。
输入价格
¥2.00 / 1M Tokens
输出价格
¥20.00 / 1M Tokens
视觉理解图文问答多模态应用
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
多模态模型百度稳定版
Qwen2.5-VL-32B-Instruct
Qwen2.5-VL-32B-Instruct 是百度千帆当前模型列表公开的视觉理解模型，归属 QwenVL系列 能力线，适合通过千帆 OpenAI 兼容接口在百度智能云体系内调用。
输入价格
¥8.00 / 1M Tokens
输出价格
¥24.00 / 1M Tokens
视觉理解图文问答多模态应用
多模态模型百度稳定版
Qwen2.5-VL-7B-Instruct
Qwen2.5-VL-7B-Instruct 是百度千帆当前模型列表公开的视觉理解模型，归属 QwenVL系列 能力线，适合通过千帆 OpenAI 兼容接口在百度智能云体系内调用。
输入价格
¥2.00 / 1M Tokens
输出价格
¥5.00 / 1M Tokens
视觉理解图文问答多模态应用
多模态模型百度稳定版
PaddleOCR-VL-0.9B
PaddleOCR-VL-0.9B 是百度千帆当前模型列表公开的OCR模型，归属 OCR 能力线，适合通过千帆 OpenAI 兼容接口在百度智能云体系内调用。
输入价格
公开资料未说明
输出价格
公开资料未说明
文档解析OCR票据识别
多模态模型百度稳定版
PP-StructureV3
PP-StructureV3 是百度千帆当前模型列表公开的OCR模型，归属 OCR 能力线，适合通过千帆 OpenAI 兼容接口在百度智能云体系内调用。
输入价格
公开资料未说明
输出价格
公开资料未说明
文档解析OCR票据识别
输入价格
¥0.30 / 1M Tokens
输出价格
¥1.20 / 1M Tokens
文档解析OCR票据识别
输入价格
¥0.45 / 1M Tokens
输出价格
¥1.80 / 1M Tokens
文档解析OCR票据识别
多模态模型百度稳定版
Qianfan-OCR-Fast
Qianfan-OCR-Fast 是百度千帆当前模型列表公开的OCR模型，归属 OCR 能力线，适合通过千帆 OpenAI 兼容接口在百度智能云体系内调用。
输入价格
¥4.85 / 1M Tokens
输出价格
¥20.00 / 1M Tokens
文档解析OCR票据识别
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
多模态模型阶跃稳定版
step-1o-turbo-vision
典型应用场景有社媒发帖文案创作、AI问答助手、图片与视频理解等。单次请求限制输入最多50张，总大小控制在20M以内的图片，输入视频为小于128MB的MP4文件。
输入价格
¥2.50 / 1M Tokens
输出价格
¥8.00 / 1M Tokens
图片理解视频理解文本生成
输入价格
¥2.50 / 1M Tokens
输出价格
¥8.00 / 1M Tokens
推理图片理解代码
多模态模型阶跃稳定版
step-1o-vision-32k
典型应用场景有管家机器人、智慧座舱助手、医学影像分析助手、食物识别、图片信息判断、图片内容描述等。单次请求限制最多50张图片，总大小控制在20M以内。
输入价格
¥15.00 / 1M Tokens
输出价格
¥70.00 / 1M Tokens
图片理解文本生成视觉理解
输入价格
¥5.00 / 1M Tokens
输出价格
¥20.00 / 1M Tokens
图片理解短上下文视觉理解
输入价格
¥15.00 / 1M Tokens
输出价格
¥70.00 / 1M Tokens
图片理解长上下文视觉理解
多模态模型Cohere稳定版
Command A Vision
Command A Vision is a powerful visual language model capable of interacting with image inputs. This document contains information about its capabilities.
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解图文问答多语言任务
多模态模型Cohere稳定版
Aya Vision 32B
Aya Vision is a state-of-the-art multimodal model excelling at a variety of critical benchmarks for language, text, and image capabilities. Serves 23 languages. This 32 billion parameter variant is focused on state-of-art multilingual performance.
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解图文问答多语言任务
多模态模型Cohere即将下线
Aya Vision 8B
Aya Vision is a state-of-the-art multimodal model excelling at a variety of critical benchmarks for language, text, and image capabilities. Serves 23 languages. This 32 billion parameter variant is focused on state-of-art multilingual performance.
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解图文问答多语言任务
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