多模态模型Microsoft稳定版
Phi-Ground-Any-4B
Phi-Ground-Any-4B 是 Microsoft 的 GUI grounding 模型，可将自然语言指令定位到图像界面中的目标区域，服务于电脑操作 Agent。
输入价格
公开资料未说明
输出价格
公开资料未说明
GUI 定位电脑操作Agent
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。
- 已收录模型
- 1,411
- 覆盖厂商
- 70
- 带价格信息
- 525
- 推理模型
- 438
输入价格
公开资料未说明
输出价格
公开资料未说明
具身推理空间理解GUI Agent
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
$5.00 / 1M Tokens
输出价格
$30.00 / 1M Tokens
深度推理代码开发Agent
输入价格
$30.00 / 1M Tokens
输出价格
$180.00 / 1M Tokens
深度推理复杂代码高难度 Agent
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
视觉理解代码开发Agent
输入价格
公开资料未说明
输出价格
公开资料未说明
复杂推理代码开发Agent
输入价格
$1.25 / 1M Tokens
输出价格
$2.50 / 1M Tokens
通用助手复杂分析工具调用
输入价格
$5.00 / 1M Tokens
输出价格
$25.00 / 1M Tokens
深度推理代码开发Agent
多模态模型Meta Llama稳定版
Muse Spark
Muse Spark 是 Meta Superintelligence Labs 发布的原生多模态推理模型，支持工具使用、视觉思维链与多 Agent 编排。
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Agent工具调用
输入价格
公开资料未说明
输出价格
公开资料未说明
本地部署代码开发开放权重
输入价格
公开资料未说明
输出价格
公开资料未说明
本地部署多模态理解代码开发
输入价格
公开资料未说明
输出价格
公开资料未说明
高质量推理代码开发开放权重
输入价格
公开资料未说明
输出价格
公开资料未说明
高效推理本地部署开放权重
输入价格
¥2.00 / 1M Tokens
输出价格
¥12.00 / 1M Tokens
多模态问答通用助手企业应用
输入价格
¥5.00 / 1M Tokens
输出价格
¥22.00 / 1M Tokens
视觉编程多模态理解Agent
输入价格
¥2.80 / 1M Tokens
输出价格
¥14.00 / 1M Tokens
视觉理解语音理解多模态助手
输入价格
$0.75 / 1M Tokens
输出价格
$4.50 / 1M Tokens
通用助手代码开发Agent
输入价格
$0.20 / 1M Tokens
输出价格
$1.25 / 1M Tokens
批量处理轻量自动化Agent