计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_to_video
视频生成长叙事多模态参考
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
¥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
生成形式
text_to_image / image_edit
图片生成图片编辑文字渲染
输入价格
公开资料未说明
输出价格
公开资料未说明
文档解析OCRRAG
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video
图生视频音画视频视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_to_video
参考生视频角色一致性视频生成
输入价格
公开资料未说明
输出价格
公开资料未说明
通用助手长文档分析多模态理解
输入价格
$5.00 / 1M Tokens
输出价格
$30.00 / 1M Tokens
复杂推理长文档分析Agent
多模态模型AllenAI预览版
MolmoMotion 4B
MolmoMotion 4B 是 Ai2 于 2026 年 6 月公开的视觉语言模型，结合 RGB 观测、3D 点轨迹和自然语言动作指令，预测未来三维运动。
输入价格
公开资料未说明
输出价格
公开资料未说明
机器人3D 轨迹预测视觉语言动作
输入价格
公开资料未说明
输出价格
公开资料未说明
GUI Agent界面定位开放权重
输入价格
公开资料未说明
输出价格
公开资料未说明
GUI Agent界面定位开放权重
输入价格
¥6.50 / 1M Tokens
输出价格
¥27.00 / 1M Tokens
代码开发Agent多模态理解
vision火山稳定版
Sa2VA Qwen3-VL 4B SAM3
Sa2VA Qwen3-VL 4B SAM3 是字节跳动于 2026 年 6 月发布的图像与视频指代表达分割模型，结合 Qwen3-VL 和 SAM3。
输入价格
公开资料未说明
输出价格
公开资料未说明
指代表达分割视频分割视觉理解
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代码开发
visionPaddlePaddle稳定版
PP-OCRv6
PP-OCRv6 是 PaddlePaddle 于 2026 年 6 月发布的新一代开源 OCR 模型线，覆盖文字检测与识别，适合中文文档处理和本地部署。
输入价格
公开资料未说明
输出价格
公开资料未说明
OCR文字检测本地部署
计费价格
公开资料未说明
生成形式
image_to_video / video_to_video
角色动画视频生成开放权重
多模态模型Google稳定版
DiffusionGemma 26B A4B
DiffusionGemma 26B A4B 是 Google DeepMind 于 2026 年 6 月发布的多模态扩散语言模型，支持文本、图像和视频输入。
输入价格
公开资料未说明
输出价格
公开资料未说明
高速生成多模态理解开放权重
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_modify / video_reframe
视频生成视频编辑角色一致性
多模态模型Anthropic稳定版
Claude Fable 5
Claude Fable 5 是 Anthropic 2026 年 6 月发布的写作与分析向模型，100 万上下文，擅长长文创作、分析和可控的 Agent 流程。
输入价格
$10.00 / 1M Tokens
输出价格
$50.00 / 1M Tokens
长文写作内容创作长文档分析
输入价格
公开资料未说明
输出价格
公开资料未说明
4D 生成3D 网格开放研究