面向对编辑精度和成片质量要求更高的高级视觉工作流：适合生产级活动创意、精修产品图，以及需要在多轮修改中保持主体、构图和视觉处理一致的任务；支持文本与参考图输入、图像输出，但生成时间通常比 Flare 更长。

更适合作为高质量图像生成与编辑的默认主力：速度更快，适合创作者与社媒内容、产品体验、视觉搜索、快速原型和高频批量生成；支持文本与参考图输入、图像输出。若更看重精细编辑控制并能接受更长等待，可选 Sunburst。

旗舰级端到端模型，适合复杂推理、软件工程、计算机操作、深度研究与文档工作；约 105 万 token 上下文、文本/图像/文档输入和文本输出，并支持推理、搜索、函数调用、结构化输出、代码执行与工具编排。相比更低档位模型，选择它主要是为了长链路任务的完成质量与执行稳定性，代价是更高的调用成本。

Qwen 系列的高效多模态主力模型，原生支持百万级上下文，并兼顾代码辅助、智能体工作流和图表等视觉理解；适合长文档、代码库、高并发应用与需要工具协作的任务。

GLM-5 系列中兼顾前沿能力与调用效率的 Flash 模型：原生支持多模态，面向长上下文和高频执行，适合代码、智能体以及需要图文理解的复杂任务；相比更大档位，更适合作为成本敏感的生产主力。

DeepSeek-V4-Flash 的实验性多模态变体，支持在文本交互中理解图像。适合视觉问答、截图和文档分析；由于处于实验阶段，更适合评估和灵活工作流，关键生产链路需谨慎使用。

通义万相 3.0 系列的速度优先版本（早期访问阶段），在保持高质量视频生成的同时缩短出片等待，适合低延迟预览、批量试做和需要快速迭代的短视频工作流；若更看重极致画面控制而非出片速度，可选择标准版。

免费模型仅供学习和体验，随时可能下架，高级模型设有每分钟5次请求的限制，且其可用性不作保证。

面向复杂软件工程和长周期智能体任务的旗舰主力模型：沿用 GLM-5.2 基座，能力提升来自后训练，官方 Z.ai Code Bench 相比 GLM-5.2 提升 50%，并强化终端操作与漏洞发现。它提供 1M 上下文、最长 128K 输出，始终启用推理并支持 low、high、max 三档强度、函数调用和结构化输出；当前仅支持文本输入，不适合需要图像理解的任务。

免费模型仅供学习和体验，随时可能下架，高级模型设有每分钟5次请求的限制，且其可用性不作保证。

旗舰级通用模型，优先用于高质量代码、智能体执行和知识工作；适合需要持续规划、工具协作与复杂问题处理的任务。若只追求低延迟或低成本的简单调用，应优先选更轻量的模型。

阿里通义万相 3.0 系列的标准视频生成模型（早期访问阶段），支持文生视频、图生视频及多模态参考输入，单次可生成最长约 30 秒的视频并同步生成音频，适合广告、短剧和叙事短片的快速出片；正式发布日期尚未公布，规格以官方为准。

千问当前能力最强的旗舰多模态推理模型，适合长程编程、专业工作与多阶段智能体任务。它可处理文本、图片和视频，提供 1M 上下文、最长 128K 输出，并支持函数调用、结构化输出、联网搜索与代码解释器；更适合作为高质量复杂任务主力，而不是追求最低成本和最低延迟的批量调用。

适合从文字或多模态参考素材快速生成短视频，重点是 30 秒单次生成、多轮延展、灵活参考和精确编辑；广告、短片与连续镜头草稿都适用，但最终成片仍建议人工筛选和剪辑。

月之暗面的旗舰模型，原生支持视觉理解和最高 100 万 token 上下文；当前以 max 推理强度运行，适合长链路编码、知识工作及需要终端工具协作的复杂任务。为保持稳定性，建议保留完整推理历史，并在兼容的 Agent 框架中新开会话使用。

免费模型仅供学习和体验，随时可能下架，高级模型设有每分钟5次请求的限制，且其可用性不作保证。

GPT-5.6 中兼顾能力与成本的主力档位。适合需要图像理解、工具调用和较长材料处理的生产任务；若任务难度和交付质量优先，选择 Sol；若重在高并发成本控制，选择 Luna。

GPT-5.6 系列的旗舰档位，面向复杂专业工作与高质量交付。支持图像输入、函数调用和结构化输出，并可承载超长上下文；对时延或单位成本敏感的高频任务，可考虑 Terra 或 Luna。

GPT-5.6 的高并发、成本敏感档位。适合摘要、分类、改写和批量自动化；需要复杂专业判断或质量优先的多步任务时，优先选同系列 Sol。

面向专业视觉创作的多模态图像生成模型，支持从文本生成图像，并结合参考图和空间标注进行精准编辑；擅长高密度信息图、文字排版、真实光影与多语言图文生成。

面向代码、知识工作和 STEM 问题的旗舰推理模型。支持图像输入、函数调用和结构化输出，50 万 token 上下文适合跨文件分析与长材料处理；不需要高难度推理时可选成本更低的模型。

Anthropic 迄今最强的公开发布模型，专为高难度推理与长周期智能体（agentic）任务打造。原生支持 100 万 token 超长上下文与 128k 输出，自适应思考默认常开；擅长在任务欠明确时自主探索环境、制定计划并持续推进长程编码与多智能体编排，需要人工介入前能把任务推进得更远。

Sonnet 档位的日常主力模型，重点是在较低成本下提供接近旗舰的智能体、编码和知识工作能力。默认 100 万 token 上下文与自适应思考适合长文档、代码库和多步工具任务；需要最深推理或受限高风险安全研究时，仍应评估更高档或专用模型。

这是特价体验线路，生成等待时间较长，大概有 10% 的机率生成失败。适合对成本敏感、可以接受排队和偶发失败的图片生成体验；如需更稳定的生产使用，建议选择常规线路。

面向项目级代码和长周期智能体任务的 LongCat 2.0 主力模型，原生 100 万 token 上下文，支持工具调用和多步推理。更适合装下大型仓库、长文档和自动化工作流后持续推进；如果只是轻量问答或低延迟闲聊，选择更小的 Flash/Lite 类模型会更省。

面向代码、代理和复杂生产力任务，相比 Doubao Seed 2.0 在长上下文、长输出和工具任务上更进一步；对比 Qwen、GLM、DeepSeek 等同类国产旗舰，它适合作为中文办公、代码和多步自动化场景的高性价比选择。

面向文生视频，相比 HappyHorse 1.0 更突出音频原生生成，一次完成对白、音效和背景音乐；对比 Veo、Kling、Runway，它的差异化优势在声画同步和角色一致性工作流。适合短剧、广告、电商和品牌营销视频。

面向参考生成视频，相比 HappyHorse 1.0 更突出音频原生生成，一次完成对白、音效和背景音乐；对比 Veo、Kling、Runway，它的差异化优势在声画同步和角色一致性工作流。适合短剧、广告、电商和品牌营销视频。

面向图生视频，相比 HappyHorse 1.0 更突出音频原生生成，一次完成对白、音效和背景音乐；对比 Veo、Kling、Runway，它的差异化优势在声画同步和角色一致性工作流。适合短剧、广告、电商和品牌营销视频。

面向视频生成和多素材视频创作，相比 Seedance 1.x 在运动稳定性、音视频联合生成和参考输入上更完整；对比 Veo、Kling、Runway，它更适合需要文本、图像、音频、视频混合驱动的中文创意工作流。Mini 档相比标准 Seedance 2.0 更偏向低成本和高频测试；适合短剧、广告、电商和社交素材。

面向推理、代码和长上下文代理任务，相比 GLM-5.1 在上下文长度、工具调用和复杂多步任务上更进一步；对比 Qwen、DeepSeek、Kimi 等国产旗舰，它更适合中文企业自动化、项目级代码分析和知识工作流。

面向长上下文、多步工具调用和代码/文档工作流，相比 Kimi K2.6 更强调工程任务稳定性和上下文承载能力；对比 Qwen、GLM、DeepSeek，它更适合中文长文档分析、项目问答和日常智能体编程。

面向长上下文、多步工具调用和代码/文档工作流，相比 Kimi K2.6 更强调工程任务稳定性和上下文承载能力；对比 Qwen、GLM、DeepSeek，它更适合中文长文档分析、项目问答和日常智能体编程。

面向图像/视频驱动的生成、编辑和延展，相比 Grok Imagine 1.0 更强调运动一致性和快速社交内容产出；对比 Veo、Kling、Runway，它更适合 xAI 生态里的短视频、广告创意和实时趋势素材。

面向代理式工作负载、代码和办公生产力，相比 Qwen3.6 更强调长上下文、工具调用和结构化输出的稳定组合；对比 GPT、Claude、Gemini 等旗舰模型，它更适合作为中文、代码和多步工具任务里的高性价比替代。

免费模型仅供学习和体验，随时可能下架，高级模型设有每分钟5次请求的限制，且其可用性不作保证。

面向长周期编码、工具使用和多轮生产协作，相比 MiniMax M2.7 进一步扩展到多模态输入并保留 100 万 token 上下文；对比 Claude、Gemini、GLM-5.2 等长上下文代理模型，它更适合把文本、图像、视频资料放入同一工作流。

Anthropic 当前的 Opus 旗舰模型，适合最复杂的推理、长链路代理和高自主编码任务；支持 1M 上下文与自适应思考。质量和可靠性优先于速度与成本时选它。

面向任意输入到视频的多模态创作，相比 Gemini 早期视频能力更强调文本、图像、音频和视频资料的统一编排；对比 Veo、Kling、Runway，它更适合把复杂多模态素材整合进同一创意工作流。

面向代理式工作负载、代码和办公生产力，相比 Qwen3.6 更强调长上下文、工具调用和结构化输出的稳定组合；对比 GPT、Claude、Gemini 等旗舰模型，它更适合作为中文、代码和多步工具任务里的高性价比替代。

面向视频编辑，相比 早期视频模型 更突出音频原生生成，一次完成对白、音效和背景音乐；对比 Veo、Kling、Runway，它的差异化优势在声画同步和角色一致性工作流。适合短剧、广告、电商和品牌营销视频。

面向文生视频，相比 早期视频模型 更突出音频原生生成，一次完成对白、音效和背景音乐；对比 Veo、Kling、Runway，它的差异化优势在声画同步和角色一致性工作流。适合短剧、广告、电商和品牌营销视频。

面向参考生成视频，相比 早期视频模型 更突出音频原生生成，一次完成对白、音效和背景音乐；对比 Veo、Kling、Runway，它的差异化优势在声画同步和角色一致性工作流。适合短剧、广告、电商和品牌营销视频。

面向图生视频，相比 早期视频模型 更突出音频原生生成，一次完成对白、音效和背景音乐；对比 Veo、Kling、Runway，它的差异化优势在声画同步和角色一致性工作流。适合短剧、广告、电商和品牌营销视频。

面向推理、代码和智能体工具使用，相比 DeepSeek V3.2 更强调长上下文、思考模式和复杂任务执行；对比 Qwen、GLM、Kimi 等国产模型，它在数学、编程和逻辑推理场景中更具竞争力，适合严肃代码与分析任务。

面向推理、代码和智能体工具使用，相比 DeepSeek V3.2 更强调长上下文、思考模式和复杂任务执行；对比 Qwen、GLM、Kimi 等国产模型，它在数学、编程和逻辑推理场景中更具竞争力，适合严肃代码与分析任务。

面向推理、代码、视觉理解和智能体任务，相比 GPT-5.4 更强调长上下文、工具调用和规模化稳定输出；对比 Claude、Gemini、Qwen 等旗舰模型，它更适合作为通用高可靠自动化和复杂知识工作流底座。

面向代理、代码和长上下文任务，相比 MiMo V2 在多模态理解、百万级上下文和长程推理上更完整；对比 Qwen、GLM、DeepSeek 等国产模型，它的优势在小米生态适配和工程自动化场景。

面向代理、代码和长上下文任务，相比 MiMo V2 在多模态理解、百万级上下文和长程推理上更完整；对比 Qwen、GLM、DeepSeek 等国产模型，它的优势在小米生态适配和工程自动化场景。

面向文本音色设计，只需用一句话描述目标声音即可生成全新音色；适合品牌 IP、游戏 NPC、虚拟主播、有声剧角色等需要原创声音的创作场景。

面向声音克隆的 MiMo v2.5 TTS 模型，可基于参考音频生成接近目标音色的语音，并结合文本指令控制风格、语气和音频标签；适合角色配音、个性化旁白、品牌声音和多语音资产制作。

面向开箱即用的文本转语音，内置多款高质量精品音色，支持对语速、情绪、语气等进行精细控制，适合旁白、播客、角色配音和多场景音频生成。

面向代理、代码和长上下文任务，相比 MiMo V2 在多模态理解、百万级上下文和长程推理上更完整；对比 Qwen、GLM、DeepSeek 等国产模型，它的优势在小米生态适配和工程自动化场景。

面向代理、代码和长上下文任务，相比 MiMo V2 在多模态理解、百万级上下文和长程推理上更完整；对比 Qwen、GLM、DeepSeek 等国产模型，它的优势在小米生态适配和工程自动化场景。

这是特价体验线路，生成等待时间较长，大概有 10% 的机率生成失败。适合对成本敏感、可以接受排队和偶发失败的图片生成体验；如需更稳定的生产使用，建议选择常规线路。

这是特价体验线路，生成等待时间较长，大概有 10% 的机率生成失败。适合对成本敏感、可以接受排队和偶发失败的图片生成体验；如需更稳定的生产使用，建议选择常规线路。

面向高质量图像生成与编辑，相比 GPT Image 1.x 在文字渲染、局部编辑和多轮一致性上更进一步；对比 Gemini 图像模型、Qwen Image 和 Seedream，它更适合品牌视觉、广告设计、产品图和需要精细控制的创意工作流。

面向复杂、长时间运行的软件工程和代理任务；相比 Opus 4.6 更强调严格遵循指令、高分辨率视觉理解、持续执行和自我验证。适合大型代码库、复杂调试、文档分析与多步工具协作。

面向文本生成、推理和工具调用，相比 MiniMax M2.x 早期版本更强调 200K 长上下文和代理式工作流稳定性；对比 Kimi、GLM、Qwen 等同类中文模型，它适合办公、代码辅助和长文档处理。

面向推理、代码、视觉理解和智能体任务，相比 GPT-5.3 更强调长上下文、工具调用和规模化稳定输出；对比 Claude、Gemini、Qwen 等旗舰模型，它更适合作为通用高可靠自动化和复杂知识工作流底座。

面向推理、代码、视觉理解和智能体任务，相比 GPT-5.3 更强调长上下文、工具调用和规模化稳定输出；对比 Claude、Gemini、Qwen 等旗舰模型，它更适合作为通用高可靠自动化和复杂知识工作流底座。

面向推理、代码、视觉理解和智能体任务，相比 GPT-5.3 更强调长上下文、工具调用和规模化稳定输出；对比 Claude、Gemini、Qwen 等旗舰模型，它更适合作为通用高可靠自动化和复杂知识工作流底座。

面向图像生成与编辑，相比 Qwen Image 1.x 在中文文字渲染、指令遵循和复杂版式上更进一步；对比 GPT Image、Gemini 图像模型和 Seedream，它更适合中文海报、电商图、信息图和多轮视觉创作。

面向图像生成与编辑，相比 Qwen Image 1.x 在中文文字渲染、指令遵循和复杂版式上更进一步；对比 GPT Image、Gemini 图像模型和 Seedream，它更适合中文海报、电商图、信息图和多轮视觉创作。

面向图像生成与编辑，相比 Gemini 早期图像能力更强调多模态理解、对话式修改和快速视觉原型；对比 GPT Image、Qwen Image 和 Seedream，它更适合把文档、图片和提示词合并到同一视觉工作流。

这是特价体验线路，生成等待时间较长，大概有 10% 的机率生成失败。适合对成本敏感、可以接受排队和偶发失败的图片生成体验；如需更稳定的生产使用，建议选择常规线路。

Claude 系列的综合主力模型，在速度、智能和成本之间取得平衡；支持 1M 上下文与自适应思考，适合日常编码、文档分析、数据处理和代理式工具调用。大多数高质量生产任务可从它开始，极复杂任务再升级到 Opus。

面向代码、代理和复杂生产力任务，相比 Doubao Seed 2.0 在长上下文、长输出和工具任务上更进一步；对比 Qwen、GLM、DeepSeek 等同类国产旗舰，它适合作为中文办公、代码和多步自动化场景的高性价比选择。

面向图像生成与编辑，相比 Seedream 4.x 更强调中文指令理解、视觉推理和高频创意产出；对比 GPT Image、Gemini 图像模型和 Qwen Image，它更适合字节生态内的广告设计、电商素材和多场景视觉生产。

面向复杂推理、代理式编码和大型代码库工作的 Opus 模型；相比 Opus 4.5 更强调长时间规划、代码审查、调试、自主执行以及文档和表格等知识工作，并支持 1M 上下文与自适应思考。新项目优先评估更新的 Opus 4.7 或 4.8。

面向文本/图像到视频和多镜头创作，相比 Kling 2.x 在运动稳定性、镜头语言和参考图一致性上更进一步；对比 Veo、Runway、Seedance，它更适合中文短剧、广告素材和高质量社交视频生产。

面向文本/图像到视频和多镜头创作，相比 Kling 2.x 在运动稳定性、镜头语言和参考图一致性上更进一步；对比 Veo、Runway、Seedance，它更适合中文短剧、广告素材和高质量社交视频生产。

面向文本/图像到视频和多镜头创作，相比 Kling 2.x 在运动稳定性、镜头语言和参考图一致性上更进一步；对比 Veo、Runway、Seedance，它更适合中文短剧、广告素材和高质量社交视频生产。

面向图像生成与编辑，相比早期 GLM 视觉能力更专注于中文提示词、图文理解和可控生成；对比 GPT Image、Gemini 图像模型和 Qwen Image，它更适合中文营销素材、知识图解和多轮视觉修改。

面向高质量图像生成与编辑，相比 GPT Image 1.x 在文字渲染、局部编辑和多轮一致性上更进一步；对比 Gemini 图像模型、Qwen Image 和 Seedream，它更适合品牌视觉、广告设计、产品图和需要精细控制的创意工作流。

面向图像生成与编辑，相比 Gemini 早期图像能力更强调多模态理解、对话式修改和快速视觉原型；对比 GPT Image、Qwen Image 和 Seedream，它更适合把文档、图片和提示词合并到同一视觉工作流。

这是特价体验线路，生成等待时间较长，大概有 10% 的机率生成失败。适合对成本敏感、可以接受排队和偶发失败的图片生成体验；如需更稳定的生产使用，建议选择常规线路。

Claude 4 系列较早的 Opus 模型，重点覆盖高难度编码、代理、电脑操作、深度研究以及幻灯片和表格处理。适合需要 Opus 级能力且必须兼容 4.5 的工作流；没有版本约束时优先评估更新的 Opus 4.6 或 4.7。

面向高保真视频生成，相比 Veo 2/3 在原生音频、镜头控制和参考输入工作流上更成熟；对比 Kling、Runway、Seedance，它更适合电影感短片、广告分镜和需要稳定物理运动的视频创作。Lite 档相较标准档更偏向高吞吐和低成本草稿。

面向高保真视频生成，相比 Veo 2/3 在原生音频、镜头控制和参考输入工作流上更成熟；对比 Kling、Runway、Seedance，它更适合电影感短片、广告分镜和需要稳定物理运动的视频创作。Fast 档相较标准档更适合快速概念验证。

面向高保真视频生成，相比 Veo 2/3 在原生音频、镜头控制和参考输入工作流上更成熟；对比 Kling、Runway、Seedance，它更适合电影感短片、广告分镜和需要稳定物理运动的视频创作。

面向图像生成与编辑，相比 Gemini 早期图像能力更强调多模态理解、对话式修改和快速视觉原型；对比 GPT Image、Qwen Image 和 Seedream，它更适合把文档、图片和提示词合并到同一视觉工作流。

Claude 系列中速度最快、成本更友好的模型，提供接近前沿水平的能力并支持 200K 上下文与思考。适合实时交互、批量处理、轻量代理和成本敏感的生产链路；最难的推理或代码修改应升级到 Sonnet 或 Opus。

面向 RAG 和搜索基础设施的多模态 embedding 模型，不是聊天模型。它支持 32K 文本输入，把文本、图片和视觉文档映射到统一向量空间，适合知识库检索、图文/文档搜索、代码检索和语义匹配；默认 2048 维，也可按存储成本截断维度。