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工具调用
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
代码开发Agent复杂工程任务
多模态模型美团 LongCat即将下线
LongCat Flash Omni 2603
LongCat 官方更新日志显示该旧模型已于 2026 年 5 月 29 日停止调用，正式接入应迁移到 LongCat 2.0。
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解语音交互多模态助手
输入价格
公开资料未说明
输出价格
公开资料未说明
企业部署Agent多语言
输入价格
公开资料未说明
输出价格
公开资料未说明
推理多模态Agent
输入价格
公开资料未说明
输出价格
公开资料未说明
GUI AgentComputer Use桌面自动化
输入价格
公开资料未说明
输出价格
公开资料未说明
GUI AgentComputer Use复杂桌面自动化
输入价格
$0.80 / 1M Tokens
输出价格
$3.20 / 1M Tokens
通用生产文档分析视觉理解
输入价格
$2.50 / 1M Tokens
输出价格
$12.50 / 1M Tokens
复杂分析长上下文企业 Agent
输入价格
$0.06 / 1M Tokens
输出价格
$0.24 / 1M Tokens
高并发成本敏感多模态理解
输入价格
$0.33 / 1M Tokens
输出价格
$2.75 / 1M Tokens
长上下文推理任务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
公开资料未说明
输出价格
公开资料未说明
视觉理解图文生成深度调研
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
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