Advanced search with enhanced search results You can use Pro Search to get enhanced search results with reasoning. An advanced search model designed for complex queries, delivering deeper content understanding with enhanced search result accuracy and 2x more search results than standard Sonar.

输入价格

公开资料未说明

输出价格

公开资料未说明

研究助手复杂检索引用回答

厂商文档价格

模型详情

语言模型Perplexity稳定版

Sonar Reasoning Pro

Advanced reasoning with enhanced multi-step analysis A high-performance reasoning model leveraging advanced multi-step Chain-of-Thought (CoT) reasoning and enhanced information retrieval for complex problem-solving.

输入价格

公开资料未说明

输出价格

公开资料未说明

复杂推理多步分析研究助手

厂商文档价格

模型详情

语言模型AI21预览版

Jamba2 3B

Jamba2 3B 是 AI21 官方公开的紧凑型 Jamba 模型，面向端侧部署、低成本推理和 Agent 系统。

输入价格

公开资料未说明

输出价格

公开资料未说明

端侧部署低成本推理Agent

厂商文档价格

模型详情

语言模型华为盘古稳定版

Pangu-NLP-N2-32K-5.0.3.2

N2快慢思考融合版本，支持模型推理及训练。工具能力进一步加强，RAG幻觉降低。

输入价格

公开资料未说明

输出价格

公开资料未说明

RAG 问答复杂分析企业知识工作流

厂商文档价格

模型详情

语言模型华为盘古稳定版

Pangu-NLP-N2-32K-5.0.3.1

N2快慢思考合一模型在ModelArts Studio平台上首次支持，支持32K序列长度训练及推理，通过system prompt进行快慢思考推理方式切换。

输入价格

公开资料未说明

输出价格

公开资料未说明

RAG 问答复杂分析企业知识工作流

厂商文档价格

模型详情

语言模型华为盘古稳定版

Pangu-NLP-N2-32K-5.0.1.1

盘古N2系列快思考模型版本，支持32K序列长度训练和推理。推理性能较V3.1.35版本有提升，模型效果较V3.1.35版本大幅提升。

输入价格

公开资料未说明

输出价格

公开资料未说明

RAG 问答复杂分析企业知识工作流

厂商文档价格

模型详情

语言模型华为盘古稳定版

Pangu-NLP-N2-128K-5.0.3.2

N2快慢思考融合版本，支持128K序列长度推理。工具能力进一步加强，RAG幻觉降低。

输入价格

公开资料未说明

输出价格

公开资料未说明

RAG 问答复杂分析企业知识工作流

厂商文档价格

模型详情

语言模型华为盘古稳定版

Pangu-NLP-N2-128K-5.0.3.1

N2快慢思考合一模型在ModelArts Studio平台上首次支持，支持128K序列长度推理，通过system prompt进行快慢思考推理方式切换。

输入价格

公开资料未说明

输出价格

公开资料未说明

RAG 问答复杂分析企业知识工作流

厂商文档价格

模型详情

语言模型Arcee AI稳定版

Trinity Large Thinking

Pricing Integration List chevron-right Language Models chevron-right Trinity-Nano (6B) Trinity-Mini (26B) Trinity-Large-Preview Trinity-Large-Thinking API Reference chevron-right Your First API Call Chat Completion Usage Models Capabilities chevron-right Streaming Messages Multi-Turn Conversations Function Calling Structured Outputs Reasoning Traces Quick Deploys chevron-right Download Models arrow-up-right Hardware Prerequisites Consumer Hardware chevron-right Inference Engines chevron-right Policies chevron-right Deprecation Policy chevron-up chevron-down gitbook Powered by GitBook gitbook xmark block-quote On this page xmark xmark copy Copy chevron-down block-quote On this page block-quote Language Models Trinity-Large-Thinking Overview Trinity-Large-Thinking is a reasoning-optimized variant of Arcee AI's Trinity-Large family — a 398B-parameter sparse Mixture-of-Experts (MoE) model with approximately 13B active parameters per token. Built on Trinity-Large-Base and post-trained with extended chain-of-thought reasoning and agentic RL, Trinity-Large-Thinking delivers state-of-the-art performance on agentic benchmarks while maintaining strong general capabilities. Trinity-Large-Thinking generates explicit reasoning traces wrapped in <think>...</think> blocks before producing its final response. This thinking process is critical to the model's performance — thinking tokens must be kept in context for multi-turn conversations and agentic loops to function correctly.

输入价格

公开资料未说明

输出价格

公开资料未说明

多步推理Reasoning TraceAgent 工作流

厂商文档价格

模型详情