适合需要看图、操作界面或快速完成明确目标的日常任务：视觉理解和电脑操作是它的侧重点，写作也偏清晰直接；相较 GPT-6.1 Sol 更轻快、成本更低，复杂代码与高难推理仍可选更高档位。

适合希望保留 Kimi K3.1 Pro 能力、同时让交互更快的场景：同样支持约 100 万 token 上下文、图像与视频输入及思考模式，官方称输出速度约为标准版的 2–3 倍；代价是配额消耗约两倍，长时间使用前应考虑预算。

更适合长链路编程、资料研究和多步智能体工作：Kimi 新一代 Pro 系列提供约 100 万 token 上下文，并支持图像与视频输入；仅支持思考模式，适合愿意用较多推理预算换取长任务处理能力的场景。

适合复杂软件工程、数学与科学问题，以及需要多步自主执行的长任务：可接收文本、图像、视频、音频和 PDF，统一上下文约 104.9 万 token，并支持思考、工具调用和代码执行。它定位在旗舰推理档，日常短问答通常用不到这么大的上下文与推理能力。

Claude 系列中面向高频、低延迟调用的选择，适合分类、信息抽取、请求路由和子智能体任务。相比 Haiku 4.5，上下文扩至 100 万 token，并支持自适应思考；复杂任务可考虑 Sonnet 或 Opus。

适合需要快速出图和反复对话修改的设计工作。相较 Nano Banana 2，它提升了画面质量、文字与信息图排版、宽幅图像及多轮角色一致性；支持多张参考图和 1K、2K、4K 输出。复杂品牌视觉和最高精度控制可考虑 Nano Banana Pro。

适合需要快速出图和反复对话修改的设计工作。相较 Nano Banana 2，它提升了画面质量、文字与信息图排版、宽幅图像及多轮角色一致性；支持多张参考图和 1K、2K、4K 输出。复杂品牌视觉和最高精度控制可考虑 Nano Banana Pro。

适合复杂编程、计算机操作和专业文档工作。相比 GPT-6 Sol，复杂任务能力更强；接近 Astra 的表现，调用成本更低。需要最高质量时仍可选择 Astra。

更适合作为速度与智能的均衡主力：1M 上下文、文本与图像输入、文本输出，支持自适应思考和工具调用，适合项目级代码、多步任务和知识工作。相比 Sonnet 5，重点优势是更快、更省 token；若追求最高质量或更复杂任务，可考虑 Opus 5.5。

面向长时程智能体编程和知识工作，适合跨文件重构、代码库审计与复杂多步任务；1M 上下文、始终开启的自适应思考和文本/图像输入使它偏向高质量长链路执行，相比 Sonnet 5 更重质量，代价是更高的成本与延迟。

面向复杂代码与智能体工作流，适合项目级编程、长链路规划和多步工具执行；1.05M 上下文、文本/图像输入、推理、函数调用与结构化输出构成完整主力能力，代价是比 GPT-6 Luna 更高的调用成本，适合质量与执行稳定性优先的任务。

面向聚焦型、高吞吐任务，适合批量摘要、分类、改写和高频智能体调用；同样提供 1.05M 上下文、文本/图像输入、推理、函数调用与结构化输出，但以显著更低的成本换取与 Sol 不同的质量/深度取舍，复杂长链路任务优先考虑 GPT-6 Sol。

适合作为高吞吐、低成本的通用与 Agent 主力：原生支持图像理解和 1M 上下文，并可在思考与非思考模式间切换，支持工具调用与 JSON 输出。相比更高档的 V4 Pro，定位更偏向速度、吞吐和成本效率，适合长文档、代码/Agent 及图文分析；需要更深推理时再开启思考模式。

面向高并发的长上下文与多模态 Agent 任务：可在 1M tokens 上下文中处理文本和图像，支持思考模式、JSON 输出和工具调用。它更偏低延迟与成本效率；面对复杂规划，可按任务提高思考强度。

GPT Image 2.5 Sunburst 的特价路由版本，继承对应基础模型的图像生成与编辑能力，支持文本和参考图输入并输出图像；适合关注视觉创作质量与调用成本平衡的任务。sale 仅表示特价路由，不代表新增能力。

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。

GPT Image 2.5 Flare 的特价路由版本，继承对应基础模型的图像生成与编辑能力，支持文本和参考图输入并输出图像；适合关注视觉创作质量与调用成本平衡的任务。sale 仅表示特价路由，不代表新增能力。

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。

Flash 档旗舰，面向长链路软件工程、自治智能体和复杂企业工作流，在保持 Flash 速度与成本取向的同时提供更强推理和工具编排。支持文本、图像、视频、音频与 PDF 输入、约 105 万 token 上下文、搜索 grounding、函数调用、代码执行、结构化输出和可调思考；相比 Flash-Lite，更适合复杂任务，但调用成本更高。

旗舰级长上下文模型，面向高难度、长周期的知识工作、代码项目和多步智能体任务；支持文本、图像与 PDF 输入，适合跨文件分析、复杂研究和持续工具调用。它更偏向质量、推理深度与长链路执行，速度较慢、成本较高，适合需要稳定完成复杂任务的场景。

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。

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。

Gemini 3 系列的新一代快速多模态模型，2026 年 8 月发布，主打低成本、高吞吐与多模态理解；支持文本、图像、视频、音频和文档输入，百万级上下文，适合大规模信息处理、批量任务和实时交互场景。

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。

更适合从单个片段走向完整叙事的音视频模型：单次可生成最长 30 秒并支持多轮延长，还能参考多张图片、视频和音频，提供时间戳级编辑、绿幕和镜头控制；适用于广告、短片和需要连续镜头的创作，但复杂多主体运动仍需人工检查。

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。

面向复杂智能体编程和企业级知识工作的高端模型，强调长链路规划、持续执行、自我校验和稳定交付；拥有百万级上下文，适合大型代码库、复杂文档以及需要较少人工监督的多步骤项目。

质量优先的专业生图与编辑模型：支持文生图和基于 1–3 张参考图的图像编辑，最长可接收约 4.5K token 指令，适合报纸、故事板、菜单、试卷等复杂版面，以及 10px 级细小文字、12 种语言和多字体渲染。相较标准版，更适合把复杂布局和细节还原放在首位；若更看重速度与成本，选标准版。

兼顾质量与速度的 Qwen-Image 3.0 标准档，支持文生图与基于 1–3 张参考图的图像编辑，最长约 4.5K token 指令、最多 6 张输出和 2K 级分辨率，适合日常海报、界面、信息图与批量创作。复杂版面、细小文字和质量优先的成片可切换到 Pro；高频调用则优先选标准版。

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。

这是 Seedance 2.0 Mini 的 Dreamina filter-off 路由名，能力描述按底层轻量模型理解，不把渠道后缀当成新能力；适合成本敏感的短视频草稿、批量素材和快速迭代，最高画质或复杂运动任务应选择更高档位。

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。

GPT Image 2 的特价路由版本，继承基础模型的图像生成与编辑能力，支持文本和参考图输入并输出图像；适合希望控制调用成本的图像创作任务。sale 仅表示特价路由，不代表新增能力。

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。

面向高频批量任务的低延迟、低成本多模态模型，适合翻译、信息抽取、轻量问答和简单智能体流程；支持文本、图像、视频、音频与 PDF 输入、约 105 万 token 上下文、函数调用、代码执行和结构化输出。该 Preview 版本已被 Google 于 2026-05-25 停用，新任务应迁移到稳定版。

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。

偏向高质量音视频创作的主力模型：可同时参考文本、图像、音频和视频，适合复杂动作、多主体互动、镜头控制、视频编辑与延长，并能生成最长 15 秒的带双声道音视频；优先用于对画面与声音一致性要求高的成片草案。

这是 Seedance 2.0 标准模型的 filter-off 路由名，能力描述按底层模型理解，不把渠道后缀当成独立新模型；适合需要多模态参考、复杂动作、镜头控制和音画同步的视频创作。

这是 Seedance 2.0 Fast 的 filter-off 路由名，能力描述按底层 Fast 模型理解，不把渠道后缀当成新能力；适合快速草稿、批量素材和需要更短反馈周期的视频创作，最高画质与复杂镜头控制应优先标准版。

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。

更偏向高频快速出片的 Seedance 2.0 档位：保留多模态参考和音画生成方向，适合短视频草稿、批量尝试和需要更快反馈的场景；相较标准版应把更短的反馈周期放在首位，追求最高画质或复杂镜头时优先标准版。

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。