输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解视频分析空间推理
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
统一多模态图像生成视频理解
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
多模态模型Black Forest Labs预览版
FLUX 3
FLUX 3 是 Black Forest Labs 的多模态基础模型，统一学习图像、视频和音频，并支持图像生成编辑、视频生成与原生音频。
输入价格
公开资料未说明
输出价格
公开资料未说明
视频生成图片生成原生音频
多模态模型腾讯稳定版
hunyuan-turbos-vision-video
hunyuan-turbos-vision-video 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 混元视频生文 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
视频理解内容审核视频问答
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
¥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
公开资料未说明
输出价格
公开资料未说明
视频理解流式多模态视觉语言
输入价格
公开资料未说明
输出价格
公开资料未说明
低延迟多模态理解成本敏感
输入价格
公开资料未说明
输出价格
公开资料未说明
多模态研究工作站部署图像视频理解
输入价格
公开资料未说明
输出价格
公开资料未说明
视频理解多模态推理开放权重主力
输入价格
公开资料未说明
输出价格
公开资料未说明
完全开放链路多模态研究视觉语言实验
已展示全部 13 个模型