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。

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。

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。

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。

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。

面向旗舰推理与复杂代理任务，相比 Claude Opus 4.7 在长上下文、代码、工具使用和复杂规划上更进一步；对比 GPT、Gemini、Qwen 等旗舰模型，它更适合高可靠代理、代码库维护和深度研究工作流。

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。

面向多模态理解、代码和长上下文任务，相比 Gemini 3.1 在吞吐、上下文和工具能力上更进一步；对比 GPT、Claude、Qwen 等模型，它更适合把文本、图像、音频、视频和文档放进统一分析工作流。

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。

面向多模态理解、代码和长上下文任务，相比 Gemini 3.0 / 2.5 在吞吐、上下文和工具能力上更进一步；对比 GPT、Claude、Qwen 等模型，它更适合把文本、图像、音频、视频和文档放进统一分析工作流。

阿里通义千问 3.6 Max 预览版，约 1 万亿参数的稀疏混合专家模型。针对智能体编程、工具调用和长上下文推理深度优化，内置思考模式可在多轮对话中保持推理连贯性。262K 上下文窗口，仅通过阿里云模型服务 API 提供。

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。

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。

面向长上下文、多步工具调用和代码/文档工作流，相比 Kimi K2.5 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。

面向旗舰推理与复杂代理任务，相比 Claude Opus 4.6 在长上下文、代码、工具使用和复杂规划上更进一步；对比 GPT、Gemini、Qwen 等旗舰模型，它更适合高可靠代理、代码库维护和深度研究工作流。

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。

MiniMax M2.5 面向长文档处理、中文办公、代码辅助和工具调用场景，提供 200K 上下文与较稳的文本推理能力；适合作为 Kimi、GLM、Qwen 等同类模型之外的长上下文生产力选择。

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。

面向多模态理解、代码和长上下文任务，相比 Gemini 3.0 / 2.5 在吞吐、上下文和工具能力上更进一步；对比 GPT、Claude、Qwen 等模型，它更适合把文本、图像、音频、视频和文档放进统一分析工作流。

Anthropic Claude Sonnet 4.6 的扩展思考变体，启用链式推理以解决复杂问题。在编程、代码库导航、项目管理、文档创作和智能体任务方面表现出色，支持文本和图像输入。1M 上下文窗口，相比标准版在需要深度推理的场景中表现更优，适合复杂软件工程和多步骤规划任务。

面向高效编码与代理任务，相比 Claude 4.5/4.6 前序版本 在长上下文、代码、工具使用和复杂规划上更进一步；对比 GPT、Gemini、Qwen 等旗舰模型，它更适合高可靠代理、代码库维护和深度研究工作流。

面向旗舰推理与复杂代理任务，相比 Claude 4.5/4.6 前序版本 在长上下文、代码、工具使用和复杂规划上更进一步；对比 GPT、Gemini、Qwen 等旗舰模型，它更适合高可靠代理、代码库维护和深度研究工作流。

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 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。

面向视频到视频和多素材视频创作，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。适合短剧、广告、电商和社交素材。

面向视频到视频和多素材视频创作，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。高速版本相比标准档更适合快速迭代和批量产出；适合短剧、广告、电商和社交素材。

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。高速版本相比标准档更适合快速迭代和批量产出；适合短剧、广告、电商和社交素材。

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。适合短剧、广告、电商和社交素材。

面向长上下文、多步工具调用和代码/文档工作流，相比 Kimi K2 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。

Google 高速推理模型，专为 Agent 工作流、多轮对话和代码辅助而设计。支持文本、图像、音频、视频和 PDF 输入，100 万 token 上下文窗口。支持可配置推理级别、工具调用和结构化输出。比前代 Gemini 2.5 Flash 在推理、多模态理解和可靠性方面全面提升。

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。

面向推理、代码和智能体工具使用，相比 DeepSeek V3.1 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 V3.1 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 V3.1 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 V3.1 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。

面向旗舰推理与复杂代理任务，相比 Claude 4 系列前序版本 在长上下文、代码、工具使用和复杂规划上更进一步；对比 GPT、Gemini、Qwen 等旗舰模型，它更适合高可靠代理、代码库维护和深度研究工作流。

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。

面向高效编码与代理任务，相比 Claude Haiku 3.5 在长上下文、代码、工具使用和复杂规划上更进一步；对比 GPT、Gemini、Qwen 等旗舰模型，它更适合高可靠代理、代码库维护和深度研究工作流。

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。

面向旗舰推理与复杂代理任务，相比 Claude Opus 4.6 在长上下文、代码、工具使用和复杂规划上更进一步；对比 GPT、Gemini、Qwen 等旗舰模型，它更适合高可靠代理、代码库维护和深度研究工作流。

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。

面向广告、品牌内容和叙事短片等专业视频创作，重点解决长镜头、多素材约束与反复精修：支持文本/图像生成及 R2V 参考控制，可组合多模态素材，标准模式最长 30 秒，并能局部修改画面而不整段重生成。相比 Seedance 2.0，选择它的主要理由是更长的连续镜头、更丰富的参考输入，以及更可控的后期修正。

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。

面向代理式工作负载、代码和办公生产力，相比 Qwen3.5 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。

面向代理式工作负载、代码和办公生产力，相比 Qwen3.5 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。

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。

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。