找模型，不只看名字，还要看 <span class="bg-gradient-to-r from-orange-500 via-amber-500 to-brand bg-clip-text text-transparent">能力和价格

多模态模型零一万物 Yi稳定版

Yi Vision V2

零一万物当前公开的复杂视觉任务模型，支持单张或多张图片理解、图表分析、OCR 与视觉推理。

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

多模态模型华为盘古稳定版

Pangu-AIKits-ImageSearch-Large-Tagging

2025年5月发布的版本，基于transformer结构，其中Large模型的参数量31M，模型推理使用固定的尺寸，推理速度快，兼具模型效果和推理性能。

输入价格

公开资料未说明

输出价格

公开资料未说明

图像搜索服装标签商品检索

多模态模型Writer稳定版

Palmyra X6

Palmyra X6 是 Writer 当前默认的 Agent 模型，面向长时程企业工作流、研究、内容生成和连接器驱动的多步骤任务。

输入价格

公开资料未说明

输出价格

公开资料未说明

企业 Agent长流程任务研究与运营

多模态模型智源 BAAI预览版

Orca 4B

Orca 4B 是 BAAI 于 2026 年 7 月发布的通用世界模型，围绕 Next-State Prediction 建模，用于理解和预测世界状态变化。

输入价格

公开资料未说明

输出价格

公开资料未说明

世界模型状态预测开放研究

多模态模型Liquid AI稳定版

LFM2-VL-3B

Highest-capacity 3B vision-language model with enhanced visual reasoning

输入价格

公开资料未说明

输出价格

公开资料未说明

图文理解视觉问答端侧多模态

多模态模型Liquid AI稳定版

LFM2.5-VL-3B

LFM2.5-VL-3B 是 Liquid AI 于 2026 年 8 月公开的轻量视觉语言模型，适合图像理解和端侧多模态应用。

输入价格

公开资料未说明

输出价格

公开资料未说明

视觉理解端侧多模态本地部署

多模态模型AllenAI稳定版

Molmo2-ER

Molmo2-ER 是 Ai2 于 2026 年 5 月发布的 4B 具身推理视觉语言模型，面向空间理解、像素级定位和视频时序推理。

输入价格

公开资料未说明

输出价格

公开资料未说明

具身推理空间理解GUI Agent

多模态模型AllenAI稳定版

MolmoAct2

MolmoAct2 是 Ai2 于 2026 年 5 月发布的视觉动作模型，面向机器人和电脑操作任务。

输入价格

公开资料未说明

输出价格

公开资料未说明

视觉动作机器人电脑操作

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

多模态模型AllenAI稳定版

Molmo 2 8B

Ai2 当前公开的主力 Molmo 2 多模态模型，适合更强的视频理解、计数、跟踪和文档图像推理。

输入价格

公开资料未说明

输出价格

公开资料未说明

视频理解多模态推理开放权重主力