计费价格
$0.05 / 每分钟
输入形式
音频 / 文本
实时语音对话语音助手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
多模态模型Google稳定版
Gemini 4 Argon
Gemini 4 Argon 是 Google 2026 年 10 月发布的新一代旗舰多模态模型，100 万上下文，主打复杂推理和 Agent。
输入价格
$2.00 / 1M Tokens
输出价格
$10.00 / 1M Tokens
多模态理解通用助手深度推理
输入价格
$4.00 / 1M Tokens
输出价格
$20.00 / 1M Tokens
多模态理解通用助手深度推理
输入价格
¥1.00 / 1M Tokens
输出价格
¥2.00 / 1M Tokens
多模态理解通用助手深度推理
输入价格
¥3.00 / 1M Tokens
输出价格
¥6.00 / 1M Tokens
多模态理解通用助手深度推理
输入价格
¥9.00 / 1M Tokens
输出价格
¥18.00 / 1M Tokens
多模态理解通用助手深度推理
输入价格
$0.15 / 1M Tokens
输出价格
$0.47 / 1M Tokens
多模态理解通用助手深度推理
计费价格
$0.75 / 1M Tokens
输入形式
音频 / 文本 / 图像 / 视频
实时语音助手语音对话Agent
语音模型Google稳定版
Gemini 3.8 Live Extended Thinking
Gemini 3.8 Live Extended Thinking 在实时语音基础上支持后台推理，适合需要边聊边想的复杂任务。
计费价格
$0.75 / 1M Tokens
输入形式
音频 / 文本 / 图像 / 视频
复杂语音任务实时推理深度推理
多模态模型Google稳定版
Gemini 3.8 Flash
Gemini 3.8 Flash 是 Google 2026 年 9 月发布的轻量多模态模型，100 万上下文，支持图片、视频和音频输入，性价比高。
输入价格
$0.75 / 1M Tokens
输出价格
$3.75 / 1M Tokens
多模态理解通用助手深度推理
多模态模型Meta Llama稳定版
Muse Spark 1.3
Muse Spark 1.3 是 Meta 2026 年 9 月发布的多模态模型，100 万上下文，支持图片、视频、PDF 和音频输入。
输入价格
$1.25 / 1M Tokens
输出价格
$4.25 / 1M Tokens
多模态理解通用助手深度推理
语音模型Deepgram稳定版
Deepgram Flux TTS
Deepgram Flux TTS 是 2026 年 8 月发布的面向实时语音 Agent 的对话式文本转语音模型，支持跨轮上下文、打断处理和流式输出。
计费价格
$0.04 / 1K characters
输入形式
文本
实时语音 Agent对话式 TTS低延迟语音
多模态模型火山预览版
SeedRealtime
SeedRealtime 是字节跳动 Seed 团队于 2026 年 8 月发布的音画全双工大模型，面向实时视觉理解、语音交互和主动式多模态协作。官方页面暂未公开稳定 API 模型 ID。
输入价格
公开资料未说明
输出价格
公开资料未说明
实时语音视觉理解全双工交互
输入价格
$0.75 / 1M Tokens
输出价格
$3.75 / 1M Tokens
通用助手低延迟视觉理解
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
多模态模型Black Forest Labs预览版
FLUX 3
FLUX 3 是 Black Forest Labs 的多模态基础模型，统一学习图像、视频和音频，并支持图像生成编辑、视频生成与原生音频。
输入价格
公开资料未说明
输出价格
公开资料未说明
视频生成图片生成原生音频
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
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