输入价格
公开资料未说明
输出价格
公开资料未说明
文档结构化页面元素检测多模态 RAG
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。
先缩小候选，再进详情页看接口、计费和能力边界。
已收录模型
1,303
覆盖厂商
63
带价格信息
355
输入价格
公开资料未说明
输出价格
公开资料未说明
表格解析结构化抽取文档处理
输入价格
公开资料未说明
输出价格
公开资料未说明
图形元素识别文档理解结构化预处理
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
¥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
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
输入价格
公开资料未说明
输出价格
公开资料未说明
视频理解流式多模态视觉语言
多模态模型Microsoft稳定版
Fara1.5-4B
Fara1.5-4B 是 Microsoft Research AI Frontiers 发布的浏览器 Computer Use Agent，通过截图理解网页并输出结构化点击、输入、滚动等动作。
输入价格
公开资料未说明
输出价格
公开资料未说明
电脑操作浏览器 Agent开放权重
多模态模型Microsoft稳定版
Fara1.5-9B
Fara1.5-9B 是 Microsoft Research AI Frontiers 发布的浏览器 Computer Use Agent，通过截图理解网页并输出结构化点击、输入、滚动等动作。
输入价格
公开资料未说明
输出价格
公开资料未说明
电脑操作浏览器 Agent开放权重
多模态模型Microsoft稳定版
Fara1.5-27B
Fara1.5-27B 是 Microsoft Research AI Frontiers 发布的浏览器 Computer Use Agent，通过截图理解网页并输出结构化点击、输入、滚动等动作。
输入价格
公开资料未说明
输出价格
公开资料未说明
电脑操作浏览器 Agent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
视觉理解音频理解多模态 Agent
输入价格
公开资料未说明
输出价格
公开资料未说明
图片问答图表理解OCR
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解图文问答企业接入
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉检测工业质检企业接入
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉检测工业质检企业接入
多模态模型华为盘古稳定版
Pangu-CV-目标跟踪-V3
目标跟踪。盘古计算机视觉目标跟踪大模型，盘古计算机视觉目标跟踪大模型，在视频中对感兴趣物体进行检测、提取、识别和跟踪，从而获得目标物体的相关参数。
输入价格
公开资料未说明
输出价格
公开资料未说明
视频分析目标跟踪企业接入
多模态模型华为盘古稳定版
Pangu-CV-万物检测-V2
万物检测。盘古计算机视觉万物检测大模型，能够识别和定位已知类别对象，同时也能处理未知类别对象的模型。具备对未知类别的泛化能力，并在面对新类别时能够做出合理的响应。
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉检测工业质检企业接入
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉检测工业质检企业接入
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉检测工业质检企业接入
输入价格
公开资料未说明
输出价格
公开资料未说明
图像分类视觉理解企业接入