语音模型NVIDIA稳定版
NemotronLabs VoiceChat 11B
NemotronLabs VoiceChat 11B 是 NVIDIA 于 2026 年 7 月发布的端到端全双工实时语音模型，支持自然轮流对话、打断和实时工具调用。
计费价格
公开资料未说明
输入形式
音频
实时语音全双工对话语音 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
$1.50 / 1M Tokens
输出价格
$7.50 / 1M Tokens
Agent低延迟多模态理解
输入价格
$0.30 / 1M Tokens
输出价格
$2.50 / 1M Tokens
高吞吐低成本批量处理
计费价格
公开资料未说明
输入形式
音频
实时语音 Agent低延迟转写端点检测
语音模型OpenAI稳定版
gpt-realtime-2.1
gpt-realtime-2.1 是 OpenAI 2026 年 7 月的实时语音模型，128K 上下文，支持文本、图片、音频输入，适合低延迟语音对话和语音助手。
计费价格
$4.00 / 1M Tokens
输入形式
文本 / 图像 / 音频
实时语音语音助手语音对话
计费价格
$4.00 / 1M Tokens
输入形式
文本 / 音频 / 图像
实时语音对话语音智能体深度推理
计费价格
$0.60 / 1M Tokens
输入形式
文本 / 音频 / 图像
高并发语音实时对话深度推理
语音模型AssemblyAI稳定版
Universal-3.5 Pro Realtime
Universal-3.5 Pro Realtime 是 AssemblyAI 于 2026 年 6 月发布的实时语音识别模型，支持上下文感知转写和低延迟语音 Agent。
计费价格
公开资料未说明
输入形式
音频
实时转写语音 Agent低延迟交互
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
公开资料未说明
输出价格
公开资料未说明
高性价比批量处理通用问答
输入价格
¥0.80 / 1M Tokens
输出价格
¥2.70 / 1M Tokens
高并发对话多模态理解Agent
计费价格
公开资料未说明
输入形式
音频 / 文本
音乐生成实时音频开放模型
输入价格
$1.50 / 1M Tokens
输出价格
$9.00 / 1M Tokens
代码开发Agent低延迟
语音模型NVIDIA稳定版
Nemotron 3.5 ASR Streaming 0.6B
Nemotron 3.5 ASR Streaming 0.6B 是 NVIDIA 于 2026 年 5 月发布的多语种流式语音识别模型，面向实时转写和语音 Agent。
计费价格
公开资料未说明
输入形式
音频
流式语音识别实时转写多语种
计费价格
$0.03 / 每分钟
输入形式
音频
同声传译跨境通话Agent
计费价格
$0.02 / 每分钟
输入形式
音频 / 文本
实时字幕语音输入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
¥2.80 / 1M Tokens
输出价格
¥14.00 / 1M Tokens
多模态问答Agent内容理解
语言模型Google即将下线
Gemini Deep Research
Gemini Deep Research 是 Google 面向自主多步骤调查的研究 Agent，可综合复杂信息并生成带引用的报告，支持协同规划、可视化、MCP 和 File Search。当前已弃用。
输入价格
$2.00 / 1M Tokens
输出价格
$12.00 / 1M Tokens
深度研究多来源分析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