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
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
计费价格
公开资料未说明
生成形式
text_to_image / image_edit
新视角生成图像生成3D 视觉
计费价格
公开资料未说明
生成形式
image_to_video
舞蹈视频音乐驱动开放权重
输入价格
$4.00 / 1M Tokens
输出价格
$20.00 / 1M Tokens
深度推理代码开发科学分析
输入价格
$2.00 / 1M Tokens
输出价格
$12.00 / 1M Tokens
通用生产代码开发Agent
输入价格
$0.20 / 1M Tokens
输出价格
$1.20 / 1M Tokens
高并发低成本Agent
多模态模型Meta Llama预览版
Muse Spark 1.1
Muse Spark 1.1 是 Meta Superintelligence Labs 的多模态推理模型，重点增强 Agent、工具与电脑使用、代码和多模态理解能力。
输入价格
$1.25 / 1M Tokens
输出价格
$4.25 / 1M Tokens
Agent电脑使用代码开发
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
多模态模型Mistral预览版
Robostral Navigate
Robostral Navigate 是 Mistral 于 2026 年 7 月发布的 8B 具身导航模型，使用单个 RGB 摄像头和自然语言指令控制机器人导航。
输入价格
公开资料未说明
输出价格
公开资料未说明
机器人导航具身智能视觉语言
图像生成Meta Llama稳定版
Muse Image
Muse Image 是 Meta Superintelligence Labs 的图像生成模型，支持遵循指令、精确编辑、多参考图合成和 Agent 工具使用。
计费价格
公开资料未说明
生成形式
text_to_image / image_edit
图片生成图片编辑多参考图合成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video
视频生成原生音频高保真视觉
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
计费价格
$0.60 / 1M Tokens
输入形式
文本 / 音频 / 图像
高并发语音实时对话深度推理
输入价格
公开资料未说明
输出价格
公开资料未说明
OCR文档解析多语言识别
多模态模型Google即将下线
Gemini Robotics ER 2 streaming
Gemini Robotics ER 2 streaming 是 Google 于 2026 年 7 月发布的具身推理模型，面向机器人控制、视觉理解和实时交互。
输入价格
公开资料未说明
输出价格
公开资料未说明
具身推理机器人控制视觉理解
输入价格
$2.00 / 1M Tokens
输出价格
$10.00 / 1M Tokens
Agent代码开发工具调用
计费价格
公开资料未说明
生成形式
text_to_image / image_edit
低延迟低成本图像编辑
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解图像分割深度估计
输入价格
公开资料未说明
输出价格
公开资料未说明
复杂推理代码开发Agent