APIMODELSAPIMODELS

全部模型

全部
Kling

可灵数字人

Kling

可用
NEW最长 5 分钟

可灵数字人 —— 快手可灵的数字人模型。一张人像(JPG 或 PNG)加一段 2-300 秒的说话或唱歌音频,生成照片里的人说出这段音频的视频,口型和表情跟着声音走;可选提示词最多 2500 字,用来指定动作、情绪和运镜。标准模式出 720p,每秒音频 $0.062;专业模式出 1080p,每秒 $0.123,按秒向上取整。

Image + AudioUp to 300sStandard 720p · Pro 1080pPrompt-Guided MotionFrom $0.062/s of Audio
$0.062/秒 起
试一试
Kling

可灵对口型

Kling

可用
NEW一次请求

可灵对口型 —— 给现成的视频换一段新音频,让画面里的人照着新音频说话。传一段 2-60 秒、有清晰人脸的 MP4 或 MOV,再传 2-60 秒的新语音,可灵把这张脸的口型改成新音频的样子,成片时长和原视频一样。人脸识别在同一个请求里完成,画面里有多个人时用 face_index 指定说话的人。按原视频每 5 秒 $0.077 计费。

Video + New AudioFace Detection Included2-60s720p / 1080p InputOne Request$0.077 per 5s
$0.077/5秒
试一试
xAI

Grok Imagine Image

xAI

-40%可用
特价 $0.018

X 平台推出的多模态 AI 模型,根据文本描述生成高质量图像。支持多种尺寸和风格。

Text to ImageMultiple SizesHD Quality
$0.03 / call
试一试
xAI

Grok Imagine Image Pro

xAI

-40%可用
特价 from $0.048

X 平台升级版多模态 AI 模型,更强理解力与生成细节,实现更高精度图像生成。

Text to ImageMulti-Image EditingNative 2KPro Detail
from $0.08 / call
试一试
xAI

Grok Imagine Image 2.0

xAI

-55%可用
特价 from $0.018

xAI Grok Imagine Image 2.0,已上线可直接调用。目标是做出能直接投入工作的图:严格照指令走、细节不放过,像设计师那样规划排版与版面,一次调用最多融合 3 张参考图,并在多轮编辑之间保留同一张脸、同一件商品、同一个品牌标记。适合信息图、创意海报、商品详情页、游戏素材与电商广告。按分辨率 × 质量分四档:1K low $0.03、2K low $0.04、1K medium $0.045、2K medium $0.06,四档都比 xAI 官方标价低 25%(2K low 低 33%),参考图不额外收费,失败不扣费。

Text to ImageMulti-Image EditingTypography & LayoutFrom $0.03
$0.03 起 / call
试一试
xAI

Grok Imagine Video 1.5

xAI

-66%可用
特价 from $0.027/s

xAI 的 Grok Imagine 视频模型:文生、图生同一个模型名,自带同步音轨(对话/音效/环境音),1-15 秒任意时长,成片无水印。按秒计价:480p $0.045/秒、720p $0.0529/秒、1080p $0.0882/秒。

Text to VideoImage to VideoNative Audio1-15sNo Watermark
$0.045/秒 起
试一试
ByteDance

Seedance 2.0

ByteDance

-40%可用
特价 $0.055/sNEW原生音频最多9图

Seedance 2.0 最全能渠道 —— 全模态视频生成:文生 / 首帧 / 首尾帧 / 最多 9 张参考图 / 参考视频 / 参考音频 / 联网搜索 / 原生音频,任意组合。支持真人 + 素材创建。480p / 720p / 1080p,时长 4 / 5 / 6 / 8 / 10 / 12 / 15 秒,按秒计费 $0.092/s 起。

Full MultimodalUp to 9 Ref ImagesNative Synced Audio480p/720p/1080p4-15s
$0.092/s+
试一试
Kling

Kling Expand

Kling

可用

可灵扩图:把图片向上下左右扩展,可用提示词描述补出的内容,出图为 1K。$0.0377/张。

Image Expand4-DirectionPrompt Guided1K Output
$0.0377 / call
试一试
Kling

Kling Multi-Image

Kling

可用

多图参考生成。最多可组合 4 张主体图片,支持场景和风格参考。

Multi-ImageScene ReferenceStyle ReferenceUp to 4 Images
$0.0754 / call
试一试
Kling

Kling V2.1 Image

Kling

可用

Kling V2.1 图片生成。支持文生图 ($0.0188) 和图生图 ($0.0377)。

Text to ImageImage to Image1K
$0.0188+ / call
试一试
Kling

Kling V3 Image

Kling

可用

可灵 V3 图像生成。文生图 + 单图参考图生图(image_reference 主体/人脸),1K/2K 分辨率,$0.0377/张。

Text to ImageImage to Image1K/2K
$0.0377 / call
试一试
Kling

Kling V3 Omni

Kling

可用

可灵 V3 全能版(omni-image)。多图参考与融合(image_list)、元素一致性(element_list)、单图/组图输出,1K/2K/4K——1K/2K $0.0377、4K $0.0754/张。

Multi-ImageElement ConsistencySeries Output1K/2K/4K
$0.0377+ / call
试一试
Kling

Kling Omni-Image

Kling

可用

Kling AI 图片生成与编辑。支持 1k/2k 分辨率和多图输入,实现创意编辑。

Text to ImageImage Editing1k/2k QualityMulti-Image Input
$0.0377 / call
试一试
Lightricks

LTX 2.5 Fast

Lightricks

-10%可用
NEW音频生视频

LTX 2.5 Fast —— Lightricks LTX-2.5 里主打速度和成本的一档。一个模型名做三件事,按你传的东西自动分:只写提示词是文生视频,加一张首帧图是图生视频,加一段音频是音频生视频(音频原样当音轨,画面照着声音生成)。720p / 1080p / 1440p,24–50 fps,6–20 秒,每条都带声音。720p $0.081/秒、1080p $0.117/秒、1440p $0.171/秒,比 Lightricks 官方价低 10%,失败不扣费。没有 4K、尾帧和参考图。

Text · Image · Audio to Video720p / 1080p / 1440p6-20s24 / 25 / 48 / 50 fpsNative AudioFrom $0.081/s
$0.081/秒 起
试一试
Lightricks

LTX 2.5 Pro

Lightricks

-10%可用
NEWPro

LTX 2.5 Pro —— Lightricks LTX-2.5 里画质优先的一档,官方定位是出正式成片。文生视频,或用一张首帧图做图生视频;720p 或 1080p,24–50 fps,6 / 8 / 10 秒,每条都带声音。720p $0.108/秒、1080p $0.153/秒,比 Lightricks 官方价低 10%,失败不扣费。本站 Pro 没有音频生视频(请用 LTX 2.5 Fast),也没有 1440p 和 4K。

Text · Image to Video720p / 1080p6 / 8 / 10s24 / 25 / 48 / 50 fpsNative AudioFrom $0.108/s
$0.108/秒 起
试一试
Google

Gemini 4 Neon

Google

-20%可用

Gemini 4 Neon —— 谷歌 2026 年 11 月 18 日发布的 Gemini 4 新模型,定位在 Carbon 和 Hydrogen 之间,面向复杂编码、分析推理和企业级生产工作流。谷歌称它 Terminal-Bench 4.1 得分 65.2%(Hydrogen 57%),在 Artificial Analysis 编码智能体指数上排第一。100 万上下文,单次最多输出 65,536 token,默认开启思考。$2.40 / $12 每百万 token,比谷歌官方价 $3.00 / $15.00 低 20%。

20% Below OfficialComplex Coding1M ContextTerminal-Bench 4.1 65.2%
$2.40 / $12.00 / 1M
试一试
Kling

Kling Image 4.0

Kling

可用
NEW8K组图

快手可灵 Kling Image 4.0:文生图,或带最多 10 张参考图 / 主体(提示词里用 @名字 指定);一次出 1–9 张单图,或 2–10 张前后连贯的组图;2K / 4K / 8K,九种比例。2K 每张 $0.0628,4K $0.0942,8K $0.157,每张参考图或每个主体另加 $0.00314;失败不扣费。

Text to Image & ReferencesImage Sets of 2–10Named Subjects (@name)2K / 4K / 8KFrom $0.0628 per 2K image
$0.0628 起 / call
试一试
Kling

Kling Image 4.0 长图

Kling

可用
NEW长图详情页

Kling Image 4.0 的长图模式:一次生成一整张超长竖图,可以是网页设计图(可带风格图和主体图),也可以是用 1–3 张商品图做的电商详情页,分短(约 2–5 个版块)、中(6–10)、长(11–18);1K / 2K。电商详情页 $0.2355 起,网页 $0.5495 / $0.5966,每张输入图另加 $0.00314;失败不扣费。

Webpage DesignsE-commerce Detail Pages1–3 Product ImagesShort / Medium / Long1K / 2KFrom $0.2355
$0.2355 起 / call
试一试
OpenAI

GPT-6.2 Astra

OpenAI

-50%可用

GPT-6.2 Astra —— OpenAI 2026 年 11 月 17 日发布的前沿旗舰:官方称 GDPval v2 比 GPT-6 Astra 高 6.2 分、输出 token 少 22%,Agents’ Last Exam 比 Claude Fable 5.2 高 5.5 分。官方价 $8 / $40,比 GPT-6 Astra 低 20%;APIMODELS 上 $4.00 / $20.00 每 1M token,是官方价的一半,缓存输入 $0.20(本站 GPT-6 Astra 是 $3.40 / $17.00)。105 万上下文、128K 输出,文本与图像输入、只输出文本;不支持 reasoning_effort: none;>272K 长上下文按输入 2 倍、输出 1.5 倍计费。

50% Below OfficialNewer than GPT-6 Astra1.05M ContextReasoning Effort
$4.00 / $20.00 / 1M
试一试
Microsoft

MAI Image 2.7

Microsoft

可用
NEWMicrosoft透明背景

微软 MAI Image 2.7(公开预览版):文生图,或带最多 5 张图改图;支持透明背景(PNG / WebP),1K / 2K 最大 2048×2048。微软称它在 Artificial Analysis 改图榜排第一(1,215 Elo,2026-11-16)。按 token 计费,图像输出每百万 token $48.62,1K 一张约 $0.05;失败不扣费。

Text to Image & EditUp to 5 Input ImagesTransparent Background1K / 2K up to 2048×2048≈$0.05 per 1K image
1K 每张约 $0.05 / call
试一试
OpenAI

GPT-6.2 Sol

OpenAI

-50%可用

GPT-6.2 Sol —— OpenAI 2026 年 11 月 17 日发布的日常主力模型:官方称 GDPval v2 比 GPT-6.1 Sol 高 5.3 分,FrontierCode 2.0 与 GPT-6.2 Astra 相差不到 0.5 分,官方价仍是 $2 / $10。APIMODELS 上 $1.00 / $5.00 每 1M token,是官方价的一半,缓存输入 $0.05。105 万上下文、128K 输出,文本与图像输入、只输出文本;不支持 reasoning_effort: none;>272K 长上下文按输入 2 倍、输出 1.5 倍计费。裸 gpt-6.2 别名即路由到这里。

50% Below OfficialNewer than GPT-6.1 Sol1.05M ContextReasoning Effort
$1.00 / $5.00 / 1M
试一试
Microsoft

MAI Image 2.7 Flash

Microsoft

可用
NEWMicrosoftFlash 档

微软 MAI Image 2.7 的 Flash 档(公开预览版),微软把它定位为生产环境用:同样能文生图、带最多 5 张图改图、出透明背景,1K / 2K 最大 2048×2048。按 token 计费,单价约为 2.7 的 30%:图像输出每百万 token $14.30,1K 一张约 $0.015;失败不扣费。

Text to Image & EditUp to 5 Input ImagesTransparent Background1K / 2K up to 2048×2048≈$0.015 per 1K image
1K 每张约 $0.015 / call
试一试
APIMODELS

AI Lip-Sync

APIMODELS

可用
NEW

AI 对口型 —— 一张人像照片 + 一段音频,让照片里的人把这段音频说出来,口型和表情逐帧对上。真人照、插画、AI 生成的脸都能用,输出 mp4。成片时长跟着音频走,所以按秒计费 $0.02/秒(10 秒 = $0.20)。音频最长 60 秒。

Image + AudioTalking HeadPer-Second PricingAudio up to 60 s
$0.02/s
试一试
ByteDance

Seedance 2.5 Flash

ByteDance

可用
NEW最长 30 秒

Seedance 2.5 Flash —— 字节跳动 Seedance 2.5 里出片更快的一档,每秒费用也更低。单次 4-30 秒,480p 或 720p,声音和画面一起生成(可以关掉)。文生视频、首帧(可加尾帧)、参考生视频都能做:最多 10 张图、5 段视频、5 段音频;也能做视频编辑和续写;真人视频走素材库 asset://(和 Seedance 2.5 同一个素材库)。输出 mp4 或 mov。480p $0.091/秒、720p $0.195/秒,带参考视频时按计费秒 $0.056 / $0.119。没有 1080p。

Text · Frames · ReferencesVideo Edit + Extend4-30s in One Pass480p / 720p10 Images + 5 Videos + 5 AudiosNative Synced Audiomp4 / movFrom $0.091/s
$0.091/秒 起
试一试
Alibaba

Qwen4 Max

Alibaba

可用

Qwen4 Max —— 通义千问最新一代旗舰,阿里把它定位在复杂推理和写代码。1,000,000 token 上下文,单次最多输出 131,072 token,支持文字和图片输入;思考默认开启,可以按请求关掉。函数调用、JSON Schema 结构化输出、流式都有,OpenAI 兼容。$1.50 / $4.50 每 1M token,与阿里官方挂牌价相同。

Reasoning / Thinking1M Context131K OutputTool Calling
$1.50 / $4.50 / 1M
试一试
NVIDIA

Nemotron 3.5 Transcribe

NVIDIA

可用
NEW语音转文字40 种语言

Nemotron 3.5 Transcribe —— NVIDIA 2026 年 10 月 28 日发布的开放权重语音转文字模型。传一段最长 60 分钟的音频或视频,拿回转写文本:支持 40 种语言并自动识别语种,可选词级时间戳和说话人标签(最多区分 8 人),其中 31 种语言可与英语互译。每分钟音频 $0.0025(每小时 $0.15),按秒折算;时间戳、说话人标签和翻译不另收费。

Speech to Text40 LanguagesWord TimestampsSpeaker LabelsTranslation to/from EnglishUp to 60 min per File
$0.0025 / min
试一试
Kling

Kling 4.0 Flash

Kling

可用
NEW$0.094/秒

Kling 4.0 Flash —— 快手可灵 Kling 4.0 的轻量档,每条视频同样带同步生成的声音,请求写法和 Kling 4.0 一样。支持文生视频、参考生视频(最多 10 张图、5 段视频、7 个具名主体,提示词里用 @ 点名)和首帧生视频。3-20 秒,只有 720p。$0.094/秒;带参考视频时按计费秒 $0.063 收。

Text · Reference · First Frame3-20s720p10 Images + 5 Videos@MentionsNative Audio$0.094/s
$0.094/秒
试一试
Google

Gemini 4 Hydrogen

Google

-45%可用

Gemini 4 Hydrogen —— Gemini 4 的快速档,谷歌 2026 年 11 月 12 日发布,定位是智能体工作流的日常主力:写代码、跑测试、验证改动,也是 Gemini 3.8 Flash 的推荐升级款。谷歌称它默认档在 Artificial Analysis 智能指数上拿到 51(Argon 50),Terminal-Bench 4.1 得分 57%(3.8 Flash 18.2%)。100 万上下文由输入和输出共用,单次最多输出 65,536 token。每百万 token $0.825 / $4.125,是谷歌官方价 $1.50 / $7.50 的 5.5 折。

45% Below OfficialFast Agentic Execution1M ContextTerminal-Bench 4.1 57%
$0.825 / $4.125 / 1M
试一试
MiniMax

MiniMax H3 Image

MiniMax

可用
NEW最多 16 张参考图4K

MiniMax 的 H3 图像模型:文生图,或用最多 16 张参考图改图、换风格、多图合成;1K / 2K / 4K(缺省 2K),1:3 到 3:1 任意比例,一次 1 到 10 张。1K / 2K 每张 $0.03、4K $0.10,每张参考图加 $0.01,只对出成的图收费。

Text to ImageImage Editing · up to 16 Refs1K / 2K / 4K1–10 Images per Request$0.03–$0.10/image
$0.03 / $0.10 / call
试一试
MiniMax

MiniMax H3 Image Highspeed

MiniMax

可用
NEW更快最多 16 张参考图

MiniMax H3 图像模型的高速版:请求写法和标准版完全一样(文生图、最多 16 张参考图改图、1K / 2K / 4K、一次 1 到 10 张),出图更快 —— 我们实测一张 1K 海报约 6 秒。1K / 2K 每张 $0.05、4K $0.18,每张参考图加 $0.015,只对出成的图收费。

Faster GenerationText to ImageImage Editing · up to 16 Refs1K / 2K / 4K$0.05–$0.18/image
$0.05 / $0.18 / call
试一试
Google

Gemini 4 Carbon

Google

-45%可用

Gemini 4 Carbon —— Gemini 4 里推理更深的一档,2026 年 11 月 10 日起向 Gemini API 所有付费开发者开放。谷歌给它的定位是更难的问题:多步调试、开放式研究,它会多花 token 去探索和自查;多数编码和知识类工作,谷歌仍推荐 Argon。谷歌称它在 CursorBench 4.0 和 Perplexity 的 WANDR 上排第一。100 万 token 上下文(输入输出共用),单次输出最多 65,536 token。APIMODELS 上 2026 年 11 月 30 日前 $1.10 / $5.50 每 1M token(谷歌官方价 $2 / $10 的 5.5 折),12 月 1 日起 $2.20 / $11.00 每 1M token(谷歌新价 $4 / $20 的 5.5 折),缓存读 $0.055,12 月 1 日起 $0.11。和 Argon 每 token 同价,但每个任务用的思考 token 更多。

45% Below OfficialDeep Reasoning1M ContextCursorBench 4.0 #1
$1.10 / $5.50 / 1M
试一试
Google

Gemini Omni 1.2 Flash

Google

可用
NEW1.2

Gemini Omni 1.2 Flash —— 谷歌 2026 年 11 月 5 日发布的 Omni 视频模型,单条最长 15 秒,谷歌称参考图里的人脸、商品和品牌色保持得更好,口型更清楚。文生视频、最多 3 张参考图,或首帧(可加尾帧);720p / 1080p、3–15 秒、16:9 或 9:16,自带同步音频。按输出秒数计费:720p $0.045/秒、1080p $0.052/秒,谷歌官方是 $0.07 / $0.104。

Up to 15sRefs · First/Last Frame720p / 1080pSynced Audio36–50% Below Official
from $0.045/s
试一试
Anthropic

Claude Fable 5.2

Anthropic

-40%可用

Claude Fable 5.2 —— Anthropic 2026 年 11 月 9 日发布的 Fable 新一代,也是它目前对外开放的最强模型。官方跑分:FrontierSWE v2 69.9%(Fable 5.1 为 56.3%)、Terminal-Bench-Science 74.6%(52.6%),输出速度比 Fable 5.1 快最多 30%。100 万 token 上下文、128K 最大输出,思考常开。APIMODELS 上 $4.80 / $24.00 每 1M token,比官方 $8 / $40 低 40%,缓存读 $0.12、缓存写 $6.00。

40% Below OfficialLong-Horizon Agents1M ContextAgentic Coding
$4.80 / $24 / 1M
试一试
OpenAI

GPT Image 2.6 Flare

OpenAI

可用
NEWGIF 动图默认档

OpenAI GPT Image 2.6 默认档(Flare)。2.6 新增:GIF 动图和 SVG 输出、用标注图指导改图、推理强度可调。最多 16 张参考图,1K / 2K / 4K 或精确像素尺寸。普通图按张计价,从 1K low 的 $0.01 到 4K max 的 $0.30;GIF 动图、蒙版、标注图、透明背景和保持原图尺寸的改图按 token 计费,比 OpenAI 官网价低 10%(图像输出 $27 / 百万,官网 $30);SVG 每张固定 $0.0315。

Text to Image & EditAnimated GIF and SVG outputMarkup-image and mask editsReasoning effort low / medium / highFrom $0.01 per image
$0.01 起 / call
试一试
OpenAI

GPT Image 2.6 Sunburst

OpenAI

可用
NEWGIF 动图最高精度

OpenAI GPT Image 2.6 最高精度档(Sunburst):每张多花时间,换更细的细节,多轮改图也只改你说的那一处。与 Flare 能力相同 —— GIF 动图和 SVG、标注图改图、推理强度可调、最多 16 张参考图。普通图按张计价,从 1K low 的 $0.01 到 4K max 的 $0.47,1K 和 2K 与 Flare 同价;GIF 动图、蒙版、标注图、透明背景和保持原图尺寸的改图按 token 计费,与 Flare 同价,比 OpenAI 官网价低 10%;SVG 每张固定 $0.0315。

Highest-fidelity 2.6 tierTightly scoped multi-round editsAnimated GIF and SVG outputUp to 16 references, 10 outputsFrom $0.01 per image
$0.01 起 / call
试一试
Doubao

豆包 Seedream 5.5

Doubao

可用
NEWRGBA · 100 层像素级改图

字节跳动豆包 Seedream 5.5 —— 像素级可控改图,只改你说的地方,多轮修改也不走样;原生输出带透明通道的 RGBA 素材,最多拆成 100 层;写实质感比 Seedream 5.0 Pro 更自然。文生图或最多 10 张参考图改图,1K / 1.5K / 2K;每张 1K / 1.5K $0.03、2K $0.05,每张参考图加 $0.01,失败不扣费。

Pixel-Level EditingNative RGBA TransparencyUp to 100 LayersUp to 10 References1K / 1.5K / 2K$0.03–$0.05/image
$0.03 / $0.05 / call
试一试
ElevenLabs

Voice Isolator

ElevenLabs

可用

从背景噪声、音乐和环境音中提取人声。高质量音频提取。

Noise RemovalSpeech ExtractionAudio Cleanup
$0.14 / min
试一试
Alibaba

万相 3.0 视频

Alibaba

-33%可用
特价 $0.03/s全能参考最长 30 秒标准 / 高速

阿里万相 3.0 全能视频模型:一个模型名同时覆盖文生视频、首帧/首尾帧图生视频,以及全能参考(最多 10 张图 + 5 段视频 + 5 段音频,总时长各 15 秒内;也可以直接喂一份 PPT/Word/Excel/PDF 或一个公开网页)。原生单镜最长 30 秒、30fps,自带同步音轨(关掉不降价)。提示词里可以用「图1」「视频1」指代素材,这是多角色多道具保持一致的关键。按秒计费:480p $0.045/秒、720p $0.09/秒、1080p $0.18/秒;标准档特价至 11 月 23 日(北京时间):$0.03 / $0.06 / $0.12 每秒。参考图 / 参考音频 / 文档 / 网页一分不收;但传了参考视频时(视频编辑、视频延长、换脸)按【输入视频时长 + 输出时长】计 —— 与上游一致,官方对这类任务同样限制「输入总时长 + 输出时长 ≤ 30 秒」。传 mode:"prime" 切到高速档 —— 同一条任务实测 58 秒出片(标准档 356 秒),单价高 51–56%(480p $0.068/秒、720p $0.14/秒、1080p $0.28/秒)。我们不在这个模型之外再加一层内容审核:提示词和参考素材原样透传。但模型自带的安全检查仍然生效,而且实测确实会拒 —— 输入和输出都会被筛查,参考素材里含真人面孔的情形经常被拒,所以这不是一个无过滤的端点。生成内容的审核、以及是否符合当地法规与你自己产品的规则,由你自己负责;请仅对已获授权 / 已同意的对象使用。

Text to VideoImage to VideoOmni ReferenceDoc to VideoUp to 30sStandard / Prime
$0.045/秒 起
试一试
Kling

Kling Motion Control

Kling

-70%可用
Kling 3.0

Kling 的 AI 动作控制:给一张人物图和一段动作视频,画面里的人物就会跳出同样的舞、做出同样的手势或走位。Kling 3.0(720p $0.10/秒、1080p $0.15/秒)与 Kling 2.6($0.06/秒、$0.10/秒)同一个接口,按参考视频秒数计费,最长 30 秒。

Kling 3.0 & 2.6Image + Motion Video720p / 1080pUp to 30s
$0.06/s+
试一试
Meta

Muse Video

Meta

可用
NEW最长 20 秒

Muse Video —— Meta 的视频模型。文生视频、用一张首帧图生视频,或传最多 4 张参考图保持同一个人物,720p 横屏(1280×720)或竖屏(720×1280),4–20 秒,画面和声音一起生成。生成失败不扣费;按请求秒数 $0.037/秒,请求 5、6、8、10、15、20 秒时出片正好这么长。

Text to VideoImage to Video (First Frame)Up to 4 Reference Images720p · 16:9 / 9:164–20s$0.037/s
$0.037/秒
试一试
Meta

Muse Image

Meta

可用
NEWMeta

Muse Image —— Meta 的图片模型。文生图,也能用最多 4 张参考图改图(同价),每张约 250 万像素,画幅交给提示词决定或自己指定(1:1、16:9、9:16、3:2、4:3、21:9 等),一次请求出一张。成功才计费,每张固定 $0.02。

Text to ImageImage Editing · up to 4 RefsAbout 2.5MPAuto or 13 Aspect Ratios$0.02/image
$0.02 / call
试一试
ElevenLabs

ElevenLabs Sound Effects v3

ElevenLabs

可用
NEW

ElevenLabs 最新音效模型 SFX v3:一句提示词写多个声音也能按顺序做出来,能带音乐和人声,单条 0.5–30 秒,支持无缝循环。

0.5–30 SecondsSeamless LoopMulti-Sound Prompts
$0.003 per second
试一试
ByteDance

OmniHuman 2.0

ByteDance

可用
NEW最长 5 分钟

OmniHuman 2.0 —— 字节跳动的音频驱动数字人模型。一张人像照片加一段 4-300 秒的说话或唱歌音频,生成口型同步的视频,表情、头部、手部和身体动作都跟着声音走,还可以用提示词引导动作和运镜。成片时长等于音频时长。按音频秒计费 $0.091/秒,向上取整到整秒(最少 4 秒 $0.364),默认无水印。

Image + AudioLip Sync · Speech & SingingUp to 300sPrompt-Guided MotionNo Watermark by Default$0.091/s of Audio
$0.091/秒
试一试
OpenAI

GPT-6.1 Terra

OpenAI

-50%可用

GPT-6.1 Terra —— OpenAI 2026 年 10 月发布的 GPT-6.1 Terra 档,官方定位是快速、高效,主打视觉推理、电脑操作和自然的写作,官方价 $1 / $5,只有 GPT-6.1 Sol 的一半。APIMODELS 上 $0.50 / $2.50 每 1M token,正好官方五折,缓存输入 $0.025。105 万上下文、128K 输出、文本与图像输入,知识截止 2026 年 6 月 1 日;reasoning_effort 从 none 到 max 六档可调;>272K 长上下文按输入 2 倍、输出 1.5 倍计费。

50% Below OfficialHalf the Price of 6.1 Sol1.05M ContextReasoning Effort
$0.50 / $2.50 / 1M
试一试
Kling

Kling 4.0

Kling

可用
NEW最长 30 秒

Kling 4.0 —— 快手可灵最新的视频模型,每条视频都同时生成声音。一个模型名覆盖文生视频、参考生视频(最多 10 张图、5 段视频、7 个具名主体和 3 段音色,提示词里用 @ 点名)和关键帧生视频(首帧 + 最多 8 张中间帧 + 尾帧)。3-30 秒,720p 或 1080p。720p $0.157/秒、1080p $0.235/秒起;带参考视频时按计费秒 $0.094 / $0.141 收。

Text · Reference · Keyframes3-30s720p / 1080p10 Images + 5 Videos@MentionsNative AudioFrom $0.157/s
$0.157/秒 起
试一试
OpenAI

GPT-6 Astra

OpenAI

-66%可用

GPT-6 Astra ——OpenAI 2026 年 9 月的旗舰,$3.40 / $17.00 每 1M token,比官方 $10 / $50 低 66%,缓存命中 $0.34。模型本身的电脑操作跑分很高(OSWorld 2.0 72.6%,GPT-5.6 Sol 65.7%),但本 API 不提供电脑操控(computer use)工具,这项用不上;能直接用上的提升是用函数调用搭的长跑 agent 和终端运维:Terminal-Bench 4.0 57.7% 对 37.3%、SRE-Bench 88.0% 对 55.9%。100 万 token 上下文、12.8 万输出,支持读图。⚠️ 通用编码提升有限(FrontierCode 1.1 只有 53.3%,和 Fable 5.1 的 53.5% 打平)。⚠️ 这个 API 到底给什么、不给什么(2026-09-06 在我们自己的端点上逐项实测,不是照抄参数表):函数调用在 /v1/chat/completions 和 /v1/responses 上都能用;内置的 web_search 能用;code_interpreter 能用。**computer_use_preview 和 file_search 用不了** —— 我们两条上游渠道都拒。所以如果你在 ChatGPT 官方 App 里看到它自己开浏览器、自己操作电脑,而你需要的正是这个行为,这个 API 给不了。另外有件事值得分开看:你看到的那套体验很大一部分是 **App 而不是模型** —— 设计工具、深度研究、沙箱电脑环境都是 OpenAI 围着模型搭的产品脚手架,拿官方 API key 同样拿不到。能跨到任何 API 的是模型本身加函数调用,这部分我们完整提供。

66% Below OfficialFunction Calling + Web SearchCode Interpreter1.05M ContextNo Computer Use
$3.40 / $17.00 / 1M
试一试
ByteDance

Seedance 2.5 Lite

ByteDance

可用
NEW一口价 $2.50

Seedance 2.5 Lite —— Seedance 2.5 的一口价档,专做文生视频和参考图生视频:15 秒或 30 秒、720p,每条一口价 $2.50,音轨与画面一起生成。最多加 9 张 JPG / PNG 参考图来锁定人物、商品或风格,六种画幅可选。不支持首尾帧、参考视频、参考音频,也不能出静音片 —— 这些请用 seedance-2.5。这一档会有失败的任务,失败自动退款。

Text · Reference Images15s or 30s720pUp to 9 Ref ImagesAudio Always On$2.50 Flat
$2.50 / 条
试一试
Doubao

Doubao Seedream 5.0 Pro

Doubao

可用

字节跳动豆包 Seedream 5.0 Pro —— 旗舰画质档,主打可控生产:交互式编辑(用坐标、框选、箭头或手绘标记指哪改哪)与 14+ 语言的图内文字渲染。文生图、单图编辑与最多 10 张参考图的多图融合同一端点,单图输出 1K 或 2K、无水印。1K $0.03、2K $0.06 每张。

Interactive EditText RenderingMulti-Image (2–10)1K / 2K
$0.03 / $0.06 / call
试一试
Black Forest Labs

FLUX 3 Max

Black Forest Labs

-62%可用
特价 $0.085/sNEW快

FLUX 3 Max —— Black Forest Labs 旗下 FLUX 3 Video 的后训练低延迟变体,提示词遵循更强、画面更好。一个模型名覆盖文生视频、首尾帧图生视频和最多 10 个定时关键帧;5-20 秒,720p 或 1080p,默认自带同步音轨。我们实测 720p 5 秒的片子提交后 9 秒出片。720p $0.221/秒、1080p $0.377/秒。

Text · Frames · Keyframes720p / 1080p5-20sSynced AudioFrom $0.221/s
$0.221/秒 起
试一试
Fish Audio

Fish Audio Drama 3

Fish Audio

-62%可用
特价 $0.025NEW多人对白

Fish Audio Drama 3 语音合成,专做有表演的对白:在文本里用方括号写表演指示(如 [强忍着、挤出笑容]),用 <whisper>、<emphasis> 包住要变语气的词,一次请求最多 16 个说话人。83 个语种,按千 UTF-8 字节计价(一个汉字 3 字节):$0.065。

Inline DirectionsUp to 16 SpeakersPronunciation Tags83 Languages
$0.065 / 1K UTF-8 bytes
试一试
APIMODELS

社媒视频下载 API

APIMODELS

可用
NEW1000+ 站点

社媒视频下载 API:一个公开帖子链接,换回其中视频、图片、音频的直链和各档画质,覆盖 YouTube、TikTok、Instagram、X、抖音、小红书、B站等 1000+ 站点;还能按页拉取整个频道 / 主页、取 YouTube 与 B站字幕、拿可续传的 YouTube 1080p 下载链接。同步返回 JSON,失败不扣费,$0.004/次起。

1000+ SitesVideo & ImageSubtitlesPlaylistsFrom $0.004/request
$0.004/次 起
试一试
xAI

Grok Voice 3.0

xAI

可用
NEW实时语音28 种音色

xAI 的实时语音对话模型(speech-to-speech),2026 年 10 月 14 日发布;xAI 援引 Artificial Analysis 的数据,称它在 Speech-to-Speech 榜单排名第一(86.9 分)。开一条 WebSocket 就能直接对话:28 个内置音色,20 多种语言自动识别(含中文),服务端自动判断轮次,支持函数调用。按会话时长计费,每分钟 $0.104,按秒结算。

Speech-to-SpeechRealtime WebSocket28 Voices20+ LanguagesFunction CallingBilled per Second
$0.104 / min
试一试
Google

VEO 3.1 Fast Full HD

Google

-90%可用

VEO 3.1 快速 1080p 档。固定 8 秒,支持参考图(1 张 = 首帧,2 张 = 首尾帧),$0.088/条(比 720p 只多 $0.008)。

Text to VideoImage to VideoStart-End Frame1080p8s
$0.088
试一试
Google

VEO 3.1 Fast HD

Google

-90%可用

VEO 3.1 快速 720p 档。固定 8 秒,支持参考图,$0.08/条。

Text to VideoImage to Video720p8s
$0.08
试一试
Real-ESRGAN

Real-ESRGAN Upscaler

Real-ESRGAN

可用
NEW高清放大插画/二次元

Real-ESRGAN 高清放大 —— 最适合插画、二次元与手绘 / 绘画作品:最高放大 10 倍,到 4K / 8K / 10K 打印级分辨率,线条锐利、平涂干净。可选 GFPGAN 人脸增强。一口价 $0.005/张。

Illustration / AnimeUp to 10x4K / 8K / 10KFace Enhance$0.005/image
$0.005 / call
试一试
Kling

Kling Video-O1

Kling

可用

Kling Video-O1 (Omni-Video),具备 MVL 多模态理解能力。支持文本、图片、视频和主体参考输入。

Multi-ModalText/Image/Video Input3-10sVideo Editing
$0.088/s+
试一试
Kling

Kling V3 Omni

Kling

可用

Kling V3 Omni-Video,支持扩展时长和保留原声的视频编辑功能。

Multi-ModalText/Image/Video Input3-15sAudioKeep Original Sound
$0.088/s+
试一试
Kling

Kling V2.6

Kling

可用

Kling V2.6 视频生成,支持音频和语音定制。支持文生视频和图生视频。

Text to VideoImage to Video5s/10sAudio + Voice
$0.22+
试一试
Google

Gemini 4 Argon

Google

-45%可用

Gemini 4 Argon —— 谷歌的旗舰推理模型,2026 年 9 月 30 日发布,10 月 13 日起开放 Gemini API。谷歌公布的跑分:DeepSWE v1.1 77.9%、LVBench 长视频 91.7%、CWE-bench v1 68%(并列第一)、AutomationBench 51.3%(发布时第一)。100 万 token 上下文(输入输出共用),单次输出最多 65,536 token,输入支持文字、图片、视频、音频和 PDF。APIMODELS 上 2026 年 11 月 30 日前 $1.10 / $5.50 每 1M token(谷歌首发价 $2 / $10 的 5.5 折),12 月 1 日起 $2.20 / $11.00 每 1M token(谷歌新价 $4 / $20 的 5.5 折),缓存读 $0.055,12 月 1 日起 $0.11。

45% Below OfficialFlagship Reasoning1M ContextDeepSWE 77.9%
$1.10 / $5.50 / 1M
试一试
MiniMax

MiniMax H3 RH Enhanced

MiniMax

可用
NEW

MiniMax H3 RH Enhanced —— 基于开源 MiniMax H3 的增强版视频模型,一个模型名三种模式:文生视频、首尾帧图生视频、多参考视频(最多 9 张参考图、3 段参考视频、3 段音色参考)。可以用你自己的音频驱动口型,并选择音轨怎么处理。按秒计费:480P $0.05/秒、768P $0.07/秒、1080P $0.10/秒,4-15 秒。

Text · Frames · Multi-Reference480P / 768P / 1080PAudio-Driven Lip Sync4-15sFrom $0.05/s
from $0.05/s
试一试
Anthropic

Claude Haiku 5.5

Anthropic

-10%可用

Claude Haiku 5.5 —— Anthropic 2026 年 10 月 7 日发布的 Claude 5.5 家族 Haiku 档,面向大批量任务。官方跑分:GDPval-AA 1620(Haiku 4.5 为 735)、OSWorld 2.1 72.4%,双方都有成绩的项目全部领先 GPT-6 Luna。100 万 token 上下文、128K 最大输出、知识截止 2026 年 6 月;自适应思考默认开,effort 默认 medium。APIMODELS 上 $0.09 / $0.45 每 1M token,比官方 $0.10 / $0.50 低 10%,缓存读 $0.009;提示词超过 10 万 token 时所有单价 ×5。

10% Below OfficialHigh Volume1M ContextAdaptive Thinking
$0.09 / $0.45 / 1M
试一试
Google

Nano Banana 2.1

Google

可用

Google Nano Banana 2.1 —— 文生图与改图同一个模型,最多 10 张参考图、15 种画面比例,1K / 2K / 4K 输出。1K $0.022、2K $0.036、4K $0.06 每张,参考图不加价,成功才扣费。

Text to ImageImage EditingUp to 10 References1K/2K/4K1K $0.022
$0.022+ / call
试一试
Anthropic

Claude Sonnet 5.5

Anthropic

-40%可用

Claude Sonnet 5.5 —— Anthropic 2026 年 9 月 28 日发布的 Claude 5.5 家族第二款模型。官方口径:输出比 Sonnet 5 快 30% 以上,单任务成本最多低 30%,Terminal-Bench 4.0 从 10.3% 升到 70.6%。100 万 token 上下文、128K 最大输出、知识截止 2026 年 6 月;自适应思考默认开,effort 默认 high。APIMODELS 上 $1.20 / $6.00 每 1M token,比官方 $2 / $10 低 40%,缓存读 $0.12、缓存写 $1.50。

40% Below Official30%+ Faster1M ContextAgentic Coding
$1.20 / $6.00 / 1M
试一试
OpenAI

GPT-6.1 Sol

OpenAI

-50%可用

GPT-6.1 Sol —— OpenAI 2026 年 9 月 29 日发布的 Sol 升级版:同样是官方 $2 / $10,编程与自动化基准分数高于 GPT-6 Sol,缓存输入降到 $0.10。APIMODELS 上 $1.00 / $5.00 每 1M token,正好官方五折,缓存输入 $0.05。105 万上下文、128K 输出、文本与图像输入,知识截止 2026 年 4 月 30 日;reasoning_effort 从 low 到 max 五档可调;>272K 长上下文按输入 2 倍、输出 1.5 倍计费。裸 gpt-6.1 别名即路由到这里。

50% Below OfficialNewer than GPT-6 Sol1.05M ContextReasoning Effort
$1.00 / $5.00 / 1M
试一试
ElevenLabs

Eleven v4

ElevenLabs

可用
NEW

ElevenLabs 最新、音质最高的语音模型:表达更自然,支持音频标签和 85 种语言。每千字符 $0.08,与 ElevenLabs 官方价相同。

85 LanguagesAudio TagsHighest Quality
$0.08 / 1K chars
试一试
ElevenLabs

Eleven v4 Turbo

ElevenLabs

可用
NEW

v4 音色的实时版,延迟约 100 毫秒,适合语音助手和实时应用,支持 85 种语言。每千字符 $0.04,是 v4 的一半。

85 Languages~100 ms LatencyReal-Time
$0.04 / 1K chars
试一试
Alibaba

Wan 2.7 Spicy 图生视频

Alibaba

可用
NEW自带音轨宽松审核

Spicy 图生视频线的精品档:首帧加提示词,出 2 到 15 秒的片段,720p 或 1080p,自带模型生成的立体声音轨(环境音、音效或人声),也可以传一段你自己的音频来驱动画面。宽松审核,支持动漫风格和亚裔面孔,提示词自动优化免费。按请求秒数计价:720p $0.169/秒、1080p $0.26/秒,5 秒 1080p 片 $1.30。不收尾帧 —— 要走量、要无声循环、要首尾帧补间,用每秒单价更低的 Wan 2.2 Spicy。

Image to VideoNative Audio2–15s720p / 1080pAudio-drivenRelaxed Moderation
$0.169/秒 起
试一试
Alibaba

Wan 2.2 Animate 动作驱动

Alibaba

可用
NEW动作驱动 / 角色替换按秒计费

角色图加一段参考视频:animate 模式让图里的角色照着视频里的人做动作、做表情;replace 模式保留视频的场景、镜头和动作,只把里面的人换成你的角色。成片长度等于参考视频长度,480p 或 720p,保留参考视频的声音。按参考视频秒数计价:480p $0.0742/秒、720p $0.154/秒,5 秒的舞蹈参考 $0.371 或 $0.77,建单那一刻就定死。

Motion TransferCharacter ReplaceImage + Video480p / 720pKeeps AudioUp to 120s
$0.0742/秒 起
试一试
Doubao

Doubao Seedream 5.0 Flash

Doubao

可用

字节跳动豆包 Seedream 5.0 Flash —— 主打速度与成本的极速档:文生图与最多 10 张参考图的图生图同一端点,支持保留透明通道的编辑(输入本身带透明通道的 PNG,输出仍保留透明,不是抠图去背)和图层拆分(1 张底图加最多 16 个带名称和坐标的透明图层),1K / 2K 约 10–15 秒出图,按输出张数每张 $0.03,无水印。

Fast (~10–15s)Keeps PNG TransparencyLayer DecompositionMulti-Image (up to 10)1K / 2K$0.03/image
$0.03 / call
试一试
Anthropic

Claude Opus 5.5

Anthropic

-40%可用

Claude Opus 5.5 —— Anthropic 2026 年 9 月 22 日发布的 Claude 5.5 家族首款模型。官方口径:在大多数工作上达到 Fable 5.1 的水平,而典型负载的运行成本比 Opus 5 低 40%,面向长时间运行的 agent 编码与知识工作。100 万 token 上下文、128K 最大输出、知识截止 2026 年 6 月;自适应思考常开、不能关闭,用 effort 控制深度。APIMODELS 上 $2.40 / $12.00 每 1M token,比官方 $4 / $20 低 40%,缓存读 $0.12。

40% Below Official1M ContextAgentic CodingAdaptive Thinking
$2.40 / $12.00 / 1M
试一试
OpenAI

GPT-6 Sol

OpenAI

-50%可用

GPT-6 Sol ——OpenAI GPT-6 家族的主力档,2026 年 9 月与 Luna 同发:把 Astra 的大部分能力放进更快、成本更低的模型。$1.00 / $5.00 每 1M token,正好是官方 $2 / $10 的五折,缓存输入 $0.10。105 万上下文、128K 输出、文本与图像输入,知识截止 2026 年 4 月 20 日;reasoning_effort 从 none 到 max 六档可调;>272K 长上下文按输入 2 倍、输出 1.5 倍计费。裸 gpt-6 别名即路由到 Sol。

50% Below Official1.05M ContextReasoning EffortTool Calling
$1.00 / $5.00 / 1M
试一试
OpenAI

GPT-6 Luna

OpenAI

-10%可用

GPT-6 Luna —— OpenAI GPT-6 家族的高吞吐档,OpenAI 自己的说法是「面向聚焦的高吞吐任务的最高效模型」,2026 年 9 月与 Sol 同发。$0.09 / $0.45 每 1M token,是官方 $0.10 / $0.50 的九折,缓存输入 $0.009。105 万上下文、128K 输出、文本与图像输入,知识截止 2026 年 5 月 18 日;reasoning_effort 从 none 到 max 六档可调,推理 token 按输出计且占 max_tokens 预算;>272K 长上下文按输入 2 倍、输出 1.5 倍计费。

10% Below OfficialHigh Volume1.05M ContextReasoning Effort
$0.09 / $0.45 / 1M
试一试
TypeSafe

Jev

TypeSafe

可用
决策模型,不是聊天模型

Jev —— TypeSafe 的 System One 决策模型,不是聊天模型:把应用当前的 state 和一组带类型的问题(choice / score / noul)发过去,拿回带概率和置信度的答案,不生成文字。输入每百万 token $0.05、输出免费,按 token 精确计费、没有每次最低收费,失败不收费。POST /v1/systemone 的请求和响应与 TypeSafe 官方完全一致,官方 SDK 只改 base_url 和 key 就能用。

Decision ModelProbabilitiesOutput FreeTypeSafe SDK Compatible
$0.05 / $0.00 / 1M
试一试
Fish Audio

Fish Audio S2.1 Pro

Fish Audio

可用
NEW20 个免费音色多语种双档位

Fish Audio S2.1 Pro 语音合成,83 个语种共用一个模型,语音克隆前 20 个免费。两个档位同一个模型:标准档 $0.03、经济档 $0.005(慢一倍、无 SLA)。输出 mp3 / wav / pcm / opus,语速 0.5-2.0 可调。⚠️ 按【UTF-8 字节】计价而不是字符:一个汉字 3 字节,所以中文 1000 字标准档是 $0.09 而不是 $0.03。

83 Languages20 Free Voice ClonesStandard / Evaluation Tiermp3 / wav / pcm / opus
$0.005 起 / 1K UTF-8 bytes
试一试
Alibaba

Wan 2.2 Spicy 图生视频

Alibaba

可用
首尾帧走量档

Spicy 图生视频线的走量档:首帧加提示词,出 5 秒或 8 秒的无声片段,480p 或 720p;可选尾帧,让画面从首帧走到尾帧。提示词优化免费,成片无水印。按秒计价:480p $0.03/秒、720p $0.06/秒,5 秒 480p 片 $0.15。要自带音轨、最长 15 秒、1080p,用精品档 Wan 2.7 Spicy。

Image to VideoFirst + Last Frame5s / 8s480p / 720pSilent OutputPrompt Rewriting
$0.03/秒 起
试一试
DeepSeek

DeepSeek V4.1 Flash

DeepSeek

可用

DeepSeek V4.1 Flash —— DeepSeek 快速高吞吐模型的 V4.1 新一代,面向通用对话、摘要和 agent 工具调用。1M token 上下文,支持工具调用、JSON 输出与流式,OpenAI 兼容 /v1/chat/completions。$0.135–$0.27 / $0.54–$1.08 每 1M token(输入/输出,谷时 / 峰时),缓存命中 $0.0027–$0.0054,按 DeepSeek 峰谷时段计价。

V4.1Tool Calling1M ContextPeak / Off-Peak Pricing
$0.27 / $1.08 / 1M
试一试
Alibaba

Qwen3.8 Max

Alibaba

可用

Qwen3.8 Max —— 通义千问 3.8 这一代的旗舰。默认开思考,深度用 reasoning_effort 分三档(low / medium / xhigh)自己调,拿延迟和输出成本换答案质量。1M token 上下文,工具调用、JSON 输出、流式齐全,OpenAI 兼容。$2.00 / $6.00 每 1M token。我们不在这个模型之外再加一层内容审核:提示词和回复原样透传。但模型自带的安全检查仍然生效 ——输入被判定为不当内容时,请求会以 data_inspection_failed 被拒,所以这不是一个无过滤的端点。生成内容的审核、以及是否符合当地法规与你自己产品的规则,由你自己负责。

Reasoning / ThinkingFlagship1M ContextTool Calling
$2.00 / $6.00 / 1M
试一试
Alibaba

Qwen3.8 Flash

Alibaba

可用

Qwen3.8 Flash —— Qwen3.8 里单价最低的推理档:思考控制和 Max 完全一样,价格约为它的十三分之一。1M token 上下文,工具调用、JSON 输出、流式齐全,OpenAI 兼容。$0.15 / $0.47 每 1M token。我们不在这个模型之外再加一层内容审核:提示词和回复原样透传。但模型自带的安全检查仍然生效 ——输入被判定为不当内容时,请求会以 data_inspection_failed 被拒,所以这不是一个无过滤的端点。生成内容的审核、以及是否符合当地法规与你自己产品的规则,由你自己负责。

Reasoning / ThinkingAffordable1M ContextTool Calling
$0.15 / $0.47 / 1M
试一试
OpenAI

GPT Image 2.5 Flare

OpenAI

可用
NEW默认档原生透明底

【Flare 档】走量用的快档:2.5 的全部能力,延迟约为 GPT Image 2 的一半、同一条提示词下约为 Sunburst 的两倍速,默认 medium 画质。1K、2K 同画质档与 Sunburst 同价,选它图的是速度;到了 4K,Flare 的价格更低。价格按「分辨率 × 画质」分十五格(1K $0.01–$0.08 / 2K $0.020–$0.15 / 4K $0.02–$0.3),只为你要的细节付钱。OpenAI 的图像模型,新一代 GPT Image 2.6 已在本站上线。相比 GPT Image 2,提升主要在「改图」:可以指定画面里某一处只改那一处,换衣服不动脸、改文字不动背景;同一个角色或产品在多轮编辑里也不走形,不用再往提示语里堆结构化约束。原生透明底 PNG(GPT Image 2 做不到)、更清晰、更快。API 两档:flare(默认,延迟约为 GPT Image 2 的一半)与 sunburst(精度最高)。手绘 Sketch、创作模板、图上评论改图目前只在 ChatGPT 里,API 没有。

Text to ImagePrecise Region EditMulti-turn ConsistencyNative Transparent PNG1K / 2K / 4K — one price per size
$0.01 - $0.3 / call
试一试
OpenAI

GPT Image 2.5 Sunburst

OpenAI

可用
NEW最高精度原生透明底

【Sunburst 档】放大看的精度档:每张比 Flare 多花约一倍时间,换来皮肤织物纹理、密集排版、金属反光面这些经得起放大的细节,默认 high 画质。1K、2K 同画质档与 Flare 同价,多付的只是时间;4K 单独定价、比 Flare 高。价格按「分辨率 × 画质」分十五格(1K $0.01–$0.08 / 2K $0.020–$0.15 / 4K $0.02–$0.47),只为你要的细节付钱。OpenAI 的图像模型,新一代 GPT Image 2.6 已在本站上线。相比 GPT Image 2,提升主要在「改图」:可以指定画面里某一处只改那一处,换衣服不动脸、改文字不动背景;同一个角色或产品在多轮编辑里也不走形,不用再往提示语里堆结构化约束。原生透明底 PNG(GPT Image 2 做不到)、更清晰、更快。API 两档:flare(默认,延迟约为 GPT Image 2 的一半)与 sunburst(精度最高)。手绘 Sketch、创作模板、图上评论改图目前只在 ChatGPT 里,API 没有。

Text to ImagePrecise Region EditMulti-turn ConsistencyNative Transparent PNG1K / 2K / 4K — one price per size
$0.01 - $0.47 / call
试一试
FlashVSR

FlashVSR 视频超分

FlashVSR

-55%可用
NEW比 Topaz 低 55%点数不清零

视频超分:把低分辨率视频提升到 720p / 1080p / 2K / 4K,用来修复老素材、救低码率片源,或把 AI 生成的视频提到能进剪辑的分辨率。按【源片时长】计费,下单前就知道花多少 —— 30 秒的片子转 1080p 恒定 $0.90。720p $0.02/源片秒、1080p $0.03。Topaz 官方是月付订阅、点数每月清零,超额后加购点数 $0.10 一点(约合 HD $0.067/秒);我们低 55%,按用量付费、没有月费、不清零。

Video Upscale720p / 1080p / 2K / 4KPay per useUp to 120sNo subscription
$0.02/s+ per input second
试一试
Google

全能视频 Omni Flash 轻量版

Google

可用
NEW轻量档有痕迹

全能视频 Omni Flash 轻量版 —— 和稳定版是同一个 Gemini Omni 视频模型,只是走更实惠的渠道,每条省约 63%。代价说在前面:这条渠道出片自带水印,我们交付前会自动去掉,但**去完右下角会留下一小块痕迹**,在浅色或细纹理区域(头发、天空、水面)比在杂乱细节上更明显。其余完全一样 —— 同一个模型、同样的提示词处理、同样有音频。支持文生视频与图生视频(最多 3 张参考图),720p 与 1080p **同价**,4 / 6 / 8 / 10 秒,16:9 / 9:16。这一档**不支持**:4K、视频改写(video_list)、复用音色(audio_ids)、一致性角色(character_ids)—— 这些请用稳定版。**介意右下角那块痕迹的,请直接用稳定版。**

~63% lessBottom-right patchT2V / I2V (≤3 refs)720p / 1080p same price
$0.1125+
试一试
Google

Gemini Omni 1.1 Flash

Google

可用
NEW1.1四合一

Gemini Omni 1.1 Flash —— 一个模型 id、四种模式,按你传什么自动分流:只给提示词是文生视频;first_frame_url(可选加 last_frame_url)是首尾帧图生视频;最多 7 张参考图、可复用音色(audio_ids)与一致角色(character_ids)走参考生成;video_list 传一段 ≤10 秒的源视频就是视频编辑,输出时长跟随源片。全部模式都输出 720p / 1080p / 4K 并自带同步音轨,4 / 6 / 8 / 10 秒,16:9 或 9:16。按输出秒数计费:720p $0.07/秒、1080p $0.10/秒、4K $0.20/秒,每一档都比 Google 官方($0.10 / $0.15 / $0.30)低至少 30%;带视频输入按分辨率一口价 720p/1080p $0.70、4K $1.05,不看长度。

T2V · First/Last Frame · Refs · EditUp to 7 Ref Images720p / 1080p / 4K4-10s30% Below Official
from $0.07/s
试一试
MiniMax

MiniMax H3 Max Turbo

MiniMax

可用
上线价NEW最快

MiniMax H3 Max Turbo —— MiniMax H3 的后训练加速版:秒级出片而不是分钟级,提示词遵循更强、画面更好看,按秒计费,480P $0.06/秒、768P $0.096/秒,5-15 秒任意整秒。文生视频六种画幅,或首帧(可选尾帧)图生视频。不接多张参考图、参考视频和参考音频。上线价。

Clips in Seconds480P / 768PText & First/Last Frame5-15sFrom $0.06/s
from $0.06/s
试一试
Anthropic

Claude Fable 5.1

Anthropic

-50%可用

Claude Fable 5.1 —— Anthropic 2026 年 9 月的旗舰,$5 / $25 每 1M token,正好是官方 $10 / $50 的一半。相比 Fable 5 的最大变化是"能跑多久":Terminal-Bench-Science 0.1 从 24.7% 提到 52.6%(翻一倍还多),Terminal-Bench 4.0 55.8%、CursorBench 3.2.0 73.4% 也都反超;官方演示过 38 小时无人值守的 agent 跑批。1M 上下文、128K 输出、支持读图。走原生 Anthropic Messages API(/v1/messages),Claude Code、Anthropic SDK、Cursor 直接可用,从 Fable 5 切过来只改模型名。

50% Below OfficialAgentic Coding1M ContextMultimodal
$5 / $25 / 1M
试一试
Google

Gemini 3.8 Flash

Google

-40%可用

Gemini 3.8 Flash —— 谷歌 2026 年 9 月 2 日发布的 Flash,$0.450 / $2.250 每 1M token,比谷歌官方 $0.75 / $3.75 低 40%(官方 2027 年 1 月 1 日涨到 $1.50 / $7.50,届时差价拉到 70%)。这一代是奔着编码和 agent 去的:发布时 DeepSWE v1.1 登顶、Terminal-Bench 2.1 89.4%,HLE-Verified、Vals Finance Agent v2、Harvey 法律 agent 三项都压过 Claude Opus 5。1M 上下文、64K 输出,输入支持文字/图片/音频/视频/PDF。⚠️ 它比前几代更爱"想",思考 token 按输出价计费,首字延迟实测约 13.3 秒 —— 更适合批处理与 agent,不适合交互式聊天。

40% Below OfficialAgentic Coding1M ContextMultimodal Input
$0.450 / $2.250 / 1M
试一试
MiniMax

MiniMax H3 Lite

MiniMax

可用
NEW入门档

MiniMax H3 Lite —— MiniMax H3 多模态视频模型的入门档:和 minimax-h3 同一套 H3 权重,每秒单价更低,上限 768P。价格是标准版的五分之一:768P $0.02/秒(minimax-h3 是 $0.097/秒)、480P $0.01/秒,768P 10 秒一条 $0.20 而不是 $0.97。少掉的东西说清楚:没有原生 2K、没有 1080P,不接参考视频,画幅只有 16:9 / 9:16。1-15 秒任意整秒,最多 9 张参考图、3 段参考音频或首尾帧,参考素材免费。不是快模型:每条 5-10 分钟,15 秒的可能更久。**适合动画和小幅度动作**;真人片一旦动作幅度大,人物会崩坏 —— 请当草稿样片用。⚠️ **这是草稿档,不是交付档**:动画、口播、小幅运动很稳,但真人素材一旦有打斗、奔跑、跳舞或快速运镜,**人脸和肢体会变形、人物会走形** —— 这是这一档本身的性质,换任何提示词都修不好。建议先用它把构图和节奏定下来,定稿后再用更高档位重出。

480P / 768PMultimodal Reference1-15sFrom $0.01/s⚠️ Faces Break on Fight / Fast Action
from $0.01/s
试一试
Zhipu

GLM-5.3

Zhipu

-5%可用

GLM-5.3 —— 智谱最新的推理模型,面向长链路 agent 任务和复杂软件工程,100 万 token 上下文,函数调用能力强。OpenAI 兼容 chat-completions 接口,支持提示词缓存,缓存命中按 $0.247 每 1M 输入 token 计。$1.33 / $4.18 每 1M token,三档均为官方价的 95 折。

ReasoningTool Calling1M ContextOpenAI-compatible
$1.33 / $4.18 / 1M
试一试
Black Forest Labs

FLUX.2 Klein 4B

Black Forest Labs

可用
NEW极速照片级

Black Forest Labs 的 FLUX.2 Klein 4B——极速照片级图片生成,约 1-2 秒出图。文生图与图生图同一个模型名,最多 3 张参考图(每张自动压缩到约 1MP),输出固定约 2MP、12 种画幅(含 match_input_image 跟随参考图比例)、jpg/png/webp。一口价 $0.006/张 + 每张参考图 $0.0015。

Text to ImageImage EditingUp to 3 ReferencesFast · 1-2s$0.006/image
$0.006 / call
试一试
APIMODELS

Digital Human

APIMODELS

可用
NEW

数字人视频 —— 一段人物视频 + 一段驱动音频,让视频里的人把这段音频说出来:外观、动作、背景和运镜全部保留原样,只有嘴部按新音频重新驱动。成片长度跟着音频走,按驱动音频的秒数计费 $0.01/秒,是图片版对口型($0.02/秒)的一半。请仅对已获授权 / 已同意的对象使用。

Video + AudioLip-Sync$0.01 per SecondKeeps Original Motion
$0.01/s
试一试
xAI

Grok 4.6

xAI

-12%可用
最新

xAI 最新旗舰,主打长跑 Agent 与多步骤任务,在 Artificial Analysis 智能指数上与 GPT-5.6 Sol 持平。500K 上下文、支持图片输入、四档推理强度;工具调用在 12 路并发 + 嵌套 schema 下实测 12/12。比 xAI 官方低 25%。

FrontierLong-Running AgentsTool Calling500K Context
$1.50 / $4.50 / 1M
试一试
Alibaba

Qwen Image 3.0

Alibaba

可用

阿里巴巴 Qwen Image 3.0 图像模型。文生图与图像编辑同一端点,传参考图(最多 3 张)即进入编辑。强项是密集图内文字:10px 小字清晰可辨、12 国语言、20+ 字体,报纸菜单试卷这类结构化版面能一次生成到位。1K / 2K 同价 $0.035/张,每张参考图 +$0.004,失败不扣费。

Text to ImageImage EditingDense Text Layout12 Languages1K/2K
$0.035 / call
试一试
Alibaba

Qwen Image 3.0 Pro

Alibaba

可用

阿里巴巴 Qwen Image 3.0 Pro —— 更高保真的一档。微表情、毛孔、发丝逼近真实摄影,适合主图、人像和细节吃紧的密集排版;同样支持文生图与图像编辑(最多 3 张参考图)、12 国语言与 10px 小字。1K $0.037 / 2K $0.075 每张,每张参考图 +$0.004,失败不扣费。

Text to ImageImage EditingPhotoreal DetailPoster Typesetting1K/2K
$0.037+ / call
试一试
ByteDance

Seedance 2.5

ByteDance

可用
NEW最长 30 秒编辑 + 续写

Seedance 2.5 —— 长片与编辑档:单次出片 4-30 秒(duration 传 -1 由模型自己定长度),一个任务最多 50 个参考素材(30 图 + 10 视频 + 10 音频),并新增视频编辑与视频续写。480p / 720p(没有 1080p,1080p 仍归 Seedance 2.0),输出可选 mp4 或 mov,原生同步音频,真人图可直接传。按真实 token 用量计费,折合 480p $0.120/秒、720p $0.270/秒。

4-30s in One PassUp to 50 Ref AssetsVideo Edit + Extend480p/720pmp4 / mov
$0.120/s+
试一试
OpenAI

GPT Image 2

OpenAI

-56%可用
2027年2月10日下线

OpenAI gpt-image-2 图像模型。文生图 + 多图编辑(单次最多 16 张参考图)、画幅可控,原生 1K / 2K / 4K,分档计价 $0.025 / $0.03 / $0.05 每张。一个 API Key 覆盖全部模型,国内可直连,无需 OpenAI 组织认证,失败不扣费。

Text to ImageImage EditingMulti-Image (up to 16)Async1K/2K/4K
$0.025+ / call
试一试
OpenAI

GPT Image 2 All

OpenAI

-73%可用
2027年2月10日下线NEWOpenAI SDK同步

GPT Image 2(All)—— OpenAI 兼容的图片 API。把 OpenAI SDK、Codex、Cursor 的 base_url 指向 https://api.apimodels.app/v1、model 用 gpt-image-2-all,images.generate() / images.edit() 直接可用。完整的分辨率 × 质量矩阵:1K / 2K / 4K 搭配 low / medium / high(以及 auto),支持文生图与多图编辑(最多 16 张参考图)。同步返回、无需轮询,按分辨率 × 质量分档计费,$0.01/张起。生成速度:low 约 40 秒、medium 约 60-90 秒、high 约 2 分钟。一个 API Key,国内可直连,无需 OpenAI 组织认证。

OpenAI-compatibleText to ImageImage Editing1K/2K/4Klow/medium/high
$0.01+ / call
试一试
Google

Gemini 3 Pro Image (Pro)

Google

-49%可用

基于 Gemini 3 Pro 的高端图片生成。99% 成功率,最佳画质和可靠性。

Text to ImageImage Editing1K/2K/4K Quality99% Success Rate
$0.068+ / call
试一试
Google

Nanobananapro-gemini

Google

-77%可用

Gemini 3 Pro Image 经济渠道。$0.03/张,文生图+编辑,1K/2K/4K,高保真文字渲染。

Text to ImageImage Editing1K/2K/4K$0.03/image
$0.03 / call
试一试
Google

gemini-3-pro-image

Google

-25%可用

Google gemini-3-pro-image 正式版(GA)。高画质图像生成与编辑,带高级推理、图内文字高保真,适合成品级素材。按分辨率计价:1K/2K $0.08(比官方低 40%)、4K $0.13(低 46%)。

Text to ImageImage Editing1K / 2K / 4K$0.08+/image40-46% off official
$0.08+ / call
试一试
Google

Nanobanana2

Google

-25%可用

基于 Gemini 3.1 Flash 的快速图片生成。支持文生图和图片编辑,1K/2K/4K 画质。

Text to ImageImage Editing1K/2K/4K Quality1K/2K $0.05
$0.05+ / call
试一试
Google

Nanobanana2-gemini

Google

-63%可用

Gemini 3.1 Flash Image 经济渠道。$0.025/张,文生图+编辑,为速度与走量优化。

Text to ImageImage Editing1K/2K/4K$0.025/image
$0.025 / call
试一试
Google

Nanobanana-2-lite

Google

-62%可用

Gemini 3.1 Flash Image 的入门档位,统一 $0.025/张。文生图与改图都支持(最多 10 张参考图),输出仅 1K。

Text to ImageImage EditingMulti-Image (up to 10)1K only$0.025/image
$0.025 / call
试一试
Google

Gemini 3.6 Flash

Google

-50%可用

Gemini 3.6 Flash —— 输入价与 3.5 Flash 持平,输出单价更低,适合 agent 类和长链路任务(成本压在输出而不是提示词上)。$0.662 / $3.302 每 1M token。

More affordable OutputProven FlashAgentic ExecutionLong-horizon Tasks
$0.662 / $3.302 / 1M
试一试
Google

gemini-3.1-flash-image

Google

-40%可用

Google gemini-3.1-flash-image 正式版(GA)。文生图与对话式编辑同一个端点、同一个价:512 $0.04、1K 与 2K 同为 $0.06、4K $0.10 —— 官方 2K 要 $0.101,这一档低 40%,而且在我们这儿从 1K 升到 2K 不加钱。近 30 天成功率 99.8%,出图中位约 38 秒(4,045 次调用实测)。

2K $0.06 (40% off)1K = 2K price99.8% success rateText to Image + Editing
$0.04+ / call
试一试
Google

Gemini 2.5 Flash Image

Google

-33%可用

Google Gemini 2.5 Flash Image,每张统一 $0.02:没有分辨率档也没有画质档,一次调用就是一个价。文生图与参考图编辑都支持。

Text to ImageImage EditingFlat $0.02No Resolution Tiers
$0.02 / call
试一试
Anthropic

Claude Opus 5

Anthropic

-40%可用

Claude Opus 5 ——Anthropic 在 Opus 5.5 之前的一代 Opus,相比 Opus 4.8 在深度推理、agent 编码与长跑任务上是一次台阶式提升。$3 / $15 每 1M token,官方 $5 / $25,低 40%,缓存命中 $0.391 每 1M token。100 万 token 上下文,默认开自适应思考,原生工具调用;/v1/messages 与 /v1/chat/completions 两条路都能调。

1M ContextAgentic CodingAdaptive Thinking40% Off
$3 / $15 / 1M
试一试
Doubao

Doubao Seedream 5.0 Lite (Official)

Doubao

可用

最新 Doubao Seedream 5.0 Lite 图片生成。支持文生图、图片编辑和多图融合,2K/3K 分辨率。

Text to ImageImage to Image2K / 4KPNG · No WatermarkOfficial Ark API
$0.055 / call
试一试
Doubao

Doubao Seedream 4.5

Doubao

可用

高质量 Doubao Seedream 4.5 图片生成。支持文生图和图片编辑,2K/4K 分辨率。

Text to ImageImage Editing2K/4KMulti-Image Input
$0.05 / call
试一试
SparkPix

SparkPix Image

SparkPix

可用

SparkPix 亚秒级文生图。1 秒内出图、$0.008/张,画质与文字渲染出色,支持 LoRA。

Text to ImageSub 1sText RenderingLoRA Support
$0.008 / call
试一试
SparkPix

SparkPix Image Edit

SparkPix

可用

1 秒内完成的多图编辑模型。快速、实惠,支持精准提示词控制、文字渲染和多图编辑。$0.013/张。

Image EditingMulti-ImageSub 1sText Rendering
$0.013 / call
试一试
MiniMax

MiniMax 海螺 H3

MiniMax

可用
NEW原生 2K多模态

MiniMax H3(海螺 H3)—— 通用多模态视频模型,不是一堆单一用途工具的拼装。它在同一次推理里同时理解文本、图像、视频和音频,判断这条需求真正想要什么,直接给出画面、动作、声音已经彼此对齐的成片,不需要事后再单独配音、对口型或做动作迁移。落到用法上就是一个接口打通全部场景:只填提示词就是文生视频;要控人物、运镜或音色,就加参考素材——最多 9 张参考图、3 段参考视频、3 段参考音频,全部可选、可任意组合。时长 5-15 秒任意整秒(不是固定档位),画幅可选 adaptive / 21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16。分辨率两档、都按秒计费:原生 2K $0.145/s(5 秒 $0.725、15 秒 $2.175),够用时可选 768P $0.097/s(5 秒 $0.485、15 秒 $1.455),每秒单价低三分之一。参考图前 5 张免费、第 6 张起每张 $0.054,只对成功请求计费。

2K or 768PMultimodal Reference5-15sSynchronized Audio
from $0.097/s
试一试
xAI

Grok Video 3

xAI

可用

基于 Grok 的高质量视频生成,6 / 10 / 15 秒可选。支持横屏和竖屏宽高比。

Text to VideoImage to Video6 / 10 / 15s480p / 720p / 1080p$0.04/s
$0.24-$1.80
试一试
xAI

Grok Video 3 (10s)

xAI

可用

最新 Grok 视频模型,音频视频同步生成,10 秒输出。

Text to VideoImage to Video6 / 10 / 15s720p / 1080pFlat per-clip tiers
$0.30-$2.00
试一试
ByteDance

Seedance 2.0 Fast

ByteDance

可用
NEW原生音频极速

Seedance 2.0 Fast —— 最全能 Seedance 2.0 渠道的提速降价版,保留全模态能力(文生 / 首尾帧 / 最多 9 图 / 参考视频 / 参考音频 / 联网搜索 / 原生音频),支持真人 + 素材创建。480p / 720p,4-15 秒,按秒计费 $0.071/s 起。

Full MultimodalUp to 9 Ref ImagesNative Synced Audio480p/720pFast
$0.071/s+
试一试
OpenAI

GPT-5.6 Sol

OpenAI

-78%可用

GPT-5.6 Sol 是 OpenAI GPT-5.6 家族的旗舰(最强推理)模型,gpt-5.6 别名即路由到 Sol。支持推理 token、文本+图像输入,1,050,000 上下文、128K 最大输出,知识截止 2026 年 2 月。已在 APIMODELS 上线,输入 $1.324 / 输出 $6.618 每百万 token(缓存输入 $0.132),约为 OpenAI 官方价的三分之一:一个 API Key 覆盖全部模型,价格低于官方,国内可直连。

Frontier / FlagshipReasoningText + Image In1.05M Context
$1.324 / $6.618 / 1M
试一试
OpenAI

GPT-5.6 Terra

OpenAI

-78%可用

GPT-5.6 Terra 是 GPT-5.6 家族平衡智能与成本的 mini 档,推理更强、速度快,文本+图像输入,1,050,000 上下文、128K 最大输出,支持推理 token,知识截止 2026 年 2 月。已在 APIMODELS 上线,输入 $0.551 / 输出 $3.309 每百万 token(恰为 Sol 的一半),约为官方 $2 / $12 的四分之一强,国内可直连。

BalancedHigher ReasoningFast1.05M Context
$0.551 / $3.309 / 1M
试一试
OpenAI

GPT-5.6 Luna

OpenAI

-10%可用

GPT-5.6 Luna 是 GPT-5.6 家族面向成本敏感、高并发场景的 nano 档,高推理、速度快,文本+图像输入,1,050,000 上下文、128K 最大输出,支持推理 token,知识截止 2026 年 2 月。已在 APIMODELS 上线,输入 $0.18 / 输出 $0.96 每百万 token(较官方 $0.20/$1.20 输入低 10%、输出低 20%),模型名 gpt-5.6-luna-max,按量计费,国内可直连。

Cost-EfficientHigh-VolumeFast1.05M Context
$0.18 / $0.96 / 1M
试一试
ByteDance

Seedance 2.0 Mini

ByteDance

可用
NEW原生音频最省

Seedance 2.0 Mini —— Seedance 2.0 里最省的一档:输入能力和标准版一样(文生 / 首帧 / 首尾帧 / 最多 9 张参考图 / 参考视频 / 参考音频 / 联网搜索),原生同步音频也保留。480p / 720p、4-15 秒,按秒计费 480p $0.044/秒、720p $0.095/秒,仅成功扣费。适合分镜、草稿与大批量试跑;要 1080p 或最佳运动质量请用 seedance-2.0。请仅对已获授权 / 已同意的对象使用。

Full MultimodalNative Synced Audio480p/720p4-15sMost affordable Tier
$0.044/s+
试一试
xAI

Grok 4.5

xAI

-25%可用

Grok 4.5 是 xAI 上一代旗舰(之后有 Grok 4.6),发布时称在编程、非幻觉率、Agent 工具调用与指令跟随上引领行业,支持非推理与推理两种模式,500K 上下文。通过 OpenAI 格式的 /v1/chat/completions 调用,输入 $1.275 / 输出 $4.25 每百万 token,低于 xAI 官方(官方 $2/$6,输入省 36%、输出省约 29%)。

FlagshipCoding SOTAAgentic Tool Calling500K Context
$1.275 / $4.25 / 1M
试一试
ByteDance

Seedance 2.0 影视版

ByteDance

可用
支持真人参考影视级高品质

Seedance 2.0 影视版 —— ByteDance Seedance 2.0 的影视级(Cinematic)版本。最大亮点:真人 / 拟真人脸参考图可直接传,最多 4 张参考图做身份锁定的图生视频,适合影视级人物 / 肖像创作。生成通常需要 60-180 秒。文生 / 图生视频,5 / 10 / 15 秒,按时长计费 $1.00 / 5s 起。请仅对已获授权的对象使用。

Real-Person ReferenceFilm-GradeT2V & I2VUp to 4 Ref Images
$1.00+
试一试
Suno

Suno 音乐生成(v5/v6)

Suno

可用
NEW

Suno 音乐生成 —— 一句话出整首带人声的歌,旋律、编曲、演唱、歌词一次到位,不是文字转语音。同一个模型名按"传哪些字段"自动路由十几种模式:灵感/自定义歌词/纯音乐、续写、翻唱、局部改写、加伴奏、加人声、重制、哼唱成曲、拼接、歌手风格复用(persona)、音效。版本用 mv 参数选,chirp-v5 / v6 / v5-5 / v4-5 / v4 都可以。每次调用返回 2 个版本,带封面和完整歌词,$0.26/次(即单曲 $0.13);音效 $0.05/次;生成歌词与建 persona 免费。

Songs + VocalsAuto LyricsInstrumentalSound FX2 Variants
$0.26 per song (2 variants)
试一试
ByteDance

Dreamina Seedance 2.0

ByteDance

可用
NEW原生4K国际版宽松审核

Dreamina Seedance 2.0 —— 国际线,原生最高 4K(10-bit),不做放大。全模态:文生 / 首帧 / 首尾帧 / 最多 9 张参考图 / 参考视频 / 参考音频 / 原生同步音频。480p $0.10/s、720p $0.22/s、1080p $0.55/s、4K $2.57/s,4-15 秒。注意:这条线不接受真人参考素材(上游政策),真人视频请用我们的 Seedance 2.0 / Seedance 2.0 Mini(模型名 seedance-2.0 / seedance-2.0-mini,同一个 Key)。

Native up to 4KFull MultimodalNative Audio480p/720p/1080p/4K4-15s
$0.10/s+
试一试
ByteDance

Dreamina Seedance 2.0 Fast

ByteDance

可用
NEW极速国际版宽松审核

Dreamina Seedance 2.0 Fast —— 国际线的提速降价档,全模态能力不缩水(文生 / 首尾帧 / 最多 9 张参考图 / 参考视频 / 参考音频 / 原生音频),原生 480p 或 720p。480p $0.0644/s、720p $0.1372/s,4-15 秒。

Full MultimodalNative Audio480p / 720p4-15sFast
$0.0644/s+
试一试
ByteDance

Dreamina Seedance 2.0 Mini

ByteDance

可用
NEWMini国际版宽松审核

Dreamina Seedance 2.0 Mini —— 国际线里每秒单价最低的一档,全模态能力保留(文生 / 首尾帧 / 最多 9 张参考图 / 参考视频 / 参考音频 / 原生音频),原生 480p 或 720p。480p $0.0225/s、720p $0.048/s,4-15 秒。走量首选。

Full MultimodalNative Audio480p / 720p4-15sMost affordable
$0.0225/s+
试一试
Google

VEO 3.1 Full HD

Google

-69%可用

Google VEO 3.1 标准档,真 1080p、8 秒一条,音轨随画面生成。文生视频,或 1 张图当首帧、2 张图做首尾帧。每条 $1.00(Google 官方 $3.20);批量出草稿用同为 1080p 的 Fast 档 veo-3.1-fast-fhd,$0.088。

Standard VEO 3.18s1080p16:9 / 9:16Text/Image-to-VideoStart-End Frame
$1.00
试一试
Anthropic

Claude Fable 5

Anthropic

-66%可用

Claude Fable 5 是 Anthropic 较早的高端大语言模型(之后已有 Fable 5.1 和 5.2),在 APIMODELS 上价格约为官方的一半(输入 $5 / 输出 $25 每百万 token)。开箱支持 Claude Code、Anthropic SDK 及 Cursor 等 Anthropic 兼容客户端调用。具备超长上下文、多模态(识图)理解、复杂推理与企业级知识工作能力,并带严格安全保护。通过 Anthropic Messages API(/v1/messages)提供原生工具调用,请求参数与 Opus 4.8 一致。

Ultra-Long ContextMultimodalComplex ReasoningEnterprise-Grade
$5 / $25 / 1M
试一试
Anthropic

Claude Sonnet 5

Anthropic

-20%可用

Claude Sonnet 5 是 Claude Sonnet 5.5(Anthropic 最新的 Sonnet,2026 年 9 月 28 日发布)之前的一代 Sonnet,默认且最大都是 100 万 token 上下文窗口(没有更小的上下文变体)、最大 128K 输出 token、自适应思维,工具与平台功能与 Claude Sonnet 4.6 相同,唯一例外是不支持优先级(Priority Tier)。在 APIMODELS 上 $1.60 输入 / $8.00 输出(每百万 token,较官方 $2/$10 低 20%),并支持提示词缓存(缓存命中 $0.10/M、缓存写入 $1.40/M);计费的输出 token 含模型内部思考 token,与 Anthropic 官方口径一致。通过 Anthropic Messages API(/v1/messages)提供原生工具调用,Claude Code、Anthropic SDK 及 Cursor 等 Anthropic 兼容客户端可直接接入,请求参数与 Opus 4.8 一致。

1M ContextAdaptive Thinking128K OutputTool Calling
$1.60 / $8.00 / 1M
试一试
ElevenLabs

Eleven Flash v2.5

ElevenLabs

-15%可用

超低延迟模型,支持 32 种语言。适合实时对话场景。

Ultra-Fast32 LanguagesSSML Tags
$0.0425 / 1K chars
试一试
ElevenLabs

Eleven Turbo v2.5

ElevenLabs

-15%可用

高质量低延迟模型,支持 32 种语言。适合对速度有要求的开发场景。

Low Latency32 LanguagesSSML Support
$0.0425 / 1K chars
试一试
ElevenLabs

Eleven Multilingual v2

ElevenLabs

-15%可用

最逼真、最富情感的模型,支持 29 种语言。适合配音、有声书和后期制作。

High Quality29 LanguagesEmotionally Rich
$0.085 / 1K chars
试一试
ElevenLabs

Eleven v3

ElevenLabs

-15%可用

最具表现力的模型,支持 70+ 种语言。支持 [laughs]、[whispers] 等音频标签实现情感控制。

70+ LanguagesAudio TagsMost Expressive
$0.085 / 1K chars
试一试
ElevenLabs

ElevenLabs Dialogue

ElevenLabs

-15%可用

多角色对话生成,自然对话流。适合播客和有声书制作。

Multi-SpeakerNatural FlowConversation
$0.085 / 1K chars
试一试
ElevenLabs

AI Dubbing

ElevenLabs

可用

翻译音频/视频并保留情感、节奏和语调。自动唇形同步。

Video Dubbing29 LanguagesPreserve Emotion
$0.55 / min
试一试
APIMODELS

视频字幕擦除

APIMODELS

可用
NEW字幕擦除

视频字幕擦除。去除硬字幕、画面文字、水印与角标 logo,在原位重建干净背景;自动模式替你找文字,区域模式按你框的范围处理(水印和台标走这个),支持时间段定位,输出分辨率与输入一致(最高 1080p),$0.015 每秒。

Subtitle RemovalWatermark & LogoOn-screen TextRegion Targeting$0.015/s
$0.015/s
试一试
Lightricks

LTX-2.3 视频

Lightricks

可用
NEW文生+图生

LTX-2.3 视频 —— 文生视频 + 图生视频二合一:只填提示词即文生视频,加一张参考图即图生视频(自动识别)。支持 480p / 720p / 1080p、16:9 / 9:16,文生 5-15 秒、图生 5-20 秒。按秒计费:480p $0.02/s、720p $0.04/s、1080p $0.045/s。

T2V & I2V480p / 720p / 1080p16:9 / 9:165-20s
$0.02/s+
试一试
Google

全能视频 Omni Flash 稳定版

Google

可用
NEW稳定版全套

全能视频 Omni Flash 稳定版 —— 功能最全的一档 Gemini Omni 视频模型:文生视频、图生视频(最多 7 张参考图)、视频改写(video_list),另可复用音色(audio_ids)与一致性角色(character_ids)。720p / 1080p / 4K,4 / 6 / 8 / 10 秒,16:9 / 9:16,可选 seed。按次计费:720p 与 1080p 同价 $0.35-$0.6、4K $0.7-$1.0;带视频输入按分辨率固定价(720p/1080p $0.8、4K $1.2)。注意配额:图片×1 + 视频×2 + 角色×1 合计 ≤ 7。

T2V / I2V / V2VUp to 7 Ref ImagesVoice + Character720p / 1080p / 4k
$0.35+
试一试
Google

全能视频 Omni Flash

Google

可用
文生 + 图生视频编辑

全能视频 Omni Flash —— 一个模型同时覆盖文生视频、图生视频与视频编辑:纯文本直接生成,或上传 1 张 / 3 张参考图做单图动态化或多图融合(注意:上游不支持 2 张),也可传参考视频(≤10s)做改写。支持 720p / 1080p / 4K、6 / 8 / 10 秒、可选 16:9 / 9:16,按秒计费:720p $0.06/秒、1080p $0.065/秒、4K $0.12/秒。

T2V · I2V · Edit720p / 1080p / 4k6-10s1 or 3 Ref Images
$0.36+
试一试
ByteDance

DreamActor V2 (Motion Transfer)

ByteDance

可用

字节跳动即梦动作模仿 V2。单图+参考视频精准驱动角色动作,支持多人同框、二次元和宠物,$0.06/秒。

Motion TransferMulti-PersonAnime SupportLip SyncMax 30s
$0.06/s
试一试
DeepSeek

DeepSeek V4 Flash

DeepSeek

-10%可用

DeepSeek V4 Flash —— V4 家族里轻量高吞吐的一档,面向通用对话和常规文本任务。1M token 上下文,支持工具调用、JSON 输出与流式,OpenAI 兼容 /v1/chat/completions。$0.135–$0.27 / $0.54–$1.08 每 1M token(输入/输出,按 UTC 时段峰谷浮动),缓存命中 $0.0027–$0.0054,比 DeepSeek 官方价低约 10%。

High ThroughputTool Calling1M ContextOpenAI-compatible
$0.27 / $1.08 / 1M
试一试
DeepSeek

DeepSeek V4 Pro

DeepSeek

-5%可用

DeepSeek V4 Pro —— DeepSeek 的高性能档,推理与 agent 能力对标第一梯队,1M token 上下文。通过 reasoning_content 返回完整思维链,支持工具调用、JSON 输出与流式,OpenAI 兼容。$0.6237–$1.247 / $1.871–$3.742 每 1M token(按 UTC 时段峰谷浮动),缓存命中 $0.0208–$0.0416,比官方价低约 5%。

Reasoning / ThinkingAgentTool Calling1M Context
$1.247 / $3.742 / 1M
试一试
Alibaba

Qwen3.7 Max

Alibaba

-30%可用

Qwen3.7 Max —— Qwen3.7 家族的旗舰:本代最强的推理与 agent 能力,1M token 上下文,混合思考(reasoning_content)。支持工具调用、JSON 输出与流式,OpenAI 兼容。$2.25 / $6.75 每 1M token,比阿里官方低 10%。

Reasoning / ThinkingAgent1M ContextTool Calling
$2.25 / $6.75 / 1M
试一试
Alibaba

Qwen3.7 Plus

Alibaba

可用

Qwen3.7 Plus —— Qwen3.7 家族里性价比最高的一档:推理与 agent 能力接近 Max,价格只是其零头,1M token 上下文,混合思考(reasoning_content)。支持工具调用、JSON 输出与流式,OpenAI 兼容。$0.36 / $1.44 每 1M token。

Reasoning / ThinkingBest Value1M ContextTool Calling
$0.36 / $1.44 / 1M
试一试
Kling

Kling Lip-Sync TTS

Kling

可用

可灵对口型语音合成。支持多语言多方言、语速调节、情感风格、音色克隆。

Text to SpeechMulti-LanguageVoice CloneSpeed Control
$0.01
试一试
OpenAI

GPT-5.4

OpenAI

-28%可用

GPT-5.4 是 OpenAI 面向复杂专业工作与 Agent 编码的前沿模型。通过 Responses API(/v1/responses)调用,推理强度用请求体的 reasoning.effort(low–xhigh)控制,支持联网搜索、函数调用与多模态输入。OpenAI Codex 设 wire_api = "responses" 即可直接接入。

FrontierAdjustable ReasoningWeb SearchMultimodal
$1.8 / $10.8 / 1M
试一试
Zhipu

GLM-5.2

Zhipu

-5%可用

GLM-5.2 —— 智谱的推理模型,函数调用 / 工具使用能力强,OpenAI 兼容 chat-completions 接口。支持提示词缓存,缓存命中按 $0.26 每 1M 输入 token 计。$1.26 / $3.96 每 1M token。

ReasoningTool CallingOpenAI-compatible
$1.26 / $3.96 / 1M
试一试
OpenAI

GPT-5.5

OpenAI

-40%可用

GPT-5.5 是 OpenAI 面向 Agent 编码、知识工作、科研与复杂多步任务的高级推理模型。通过 Responses API(/v1/responses)调用,支持可调推理强度(low–xhigh)、联网搜索、函数调用与多模态输入。OpenAI Codex 设 wire_api = "responses" 即可直接接入。

Agentic CodingDeep ReasoningWeb SearchMultimodal
$3 / $18 / 1M
试一试
Kling

Kling V3

Kling

可用

可灵 V3 视频生成。3-15 秒可变时长,支持文生视频和图生视频,可选音频。按秒分档计费(标准 $0.12/s 起,专业+音频 $0.24/s)。

Text to VideoImage to Video3-15sAudioPer-Second Pricing
$0.12/s+
试一试
Pruna AI

P-Video

Pruna AI

可用

Pruna AI 快速视频生成。文生/图生/音频生视频,内置音频与对白,1080p 48FPS,草稿模式约 4 倍速预览。

T2V & I2VDraft ModeBuilt-in Audio720p/1080p1-20sMulti-Aspect
$0.05+
试一试
Minimax

Minimax Speech 2.8 HD

Minimax

可用

MiniMax speech-2.8-hd 最新高保真 TTS,情感语调自然,支持声音克隆。$0.063/千字符。

HD QualityEmotion-AwareVoice Clone
$0.063 / 1K chars
试一试
Minimax

Minimax Speech 2.8 Turbo

Minimax

可用

MiniMax speech-2.8-turbo 最新快速经济 TTS,性价比高、多语言强,支持声音克隆。$0.04/千字符。

FastCost-EffectiveVoice Clone
$0.04 / 1K chars
试一试
Minimax

Minimax Speech 02 HD

Minimax

可用

MiniMax speech-02-hd 高保真 TTS,情感语调自然,支持声音克隆。$0.063/千字符。

HD QualityEmotion-AwareVoice Clone
$0.063 / 1K chars
试一试
Anthropic

Claude Opus 4.8

Anthropic

-66%可用

Claude Opus 4.8 是 Anthropic 较早一代的 Opus(之后已有 Opus 5 和 5.5),定位是"能一个人扛住长时间复杂工作的工具",特别适合开发者做大项目、建 Agent,或者对质量和自主性要求极高的场景。

Most CapableLong-Horizon AutonomyAgentic WorkflowsProduction Quality
$3 / $13 / 1M
试一试
Anthropic

Claude Opus 4.7

Anthropic

-66%可用

Claude Opus 4.7 支持 100 万 token 上下文窗口、128K 最大输出 token、自适应思维,与 Opus 4.6 拥有相同的工具与平台能力。

1M Context128K OutputAdaptive ThinkingLatest Opus
$3.676 / $18.382 / 1M
试一试
Anthropic

Claude Opus 4.7 (Thinking)

Anthropic

-66%可用

Claude Opus 4.7 扩展思维版,显式开启长链推理,适用于最复杂的任务。

Extended Thinking1M Context128K OutputMost Powerful
$3.676 / $18.382 / 1M
试一试
Google

Gemini 3.5 Flash

Google

-50%可用

Gemini 3.5 Flash 已正式发布(GA),性能稳定、可大规模投产。适合智能体执行、编码与长链任务;更新的有 3.6 / 3.8 Flash。$0.662 / $3.971 每 1M token。

GA ReleaseAgentic ExecutionLong-horizon TasksProduction-ready
$0.662 / $3.971 / 1M
试一试
Google

Gemini 3.1 Flash Lite

Google

可用

主打速度的多模态模型,适用于高频轻量级任务;Lite 指速度,不是单价最低。

Ultra FastCost EffectiveLightweight
$0.375 / $2.25 / 1M
试一试
Google

Gemini 3.1 Pro Preview

Google

-85%可用

Gemini 3.x 代的 Pro 预览版,具备增强推理和多模态能力;谷歌更新的旗舰见 Gemini 4 Argon。

Gemini 3.x ProEnhanced ReasoningMultimodal
$0.882 / $5.294 / 1M
试一试
Kling

Kling Custom Voice

Kling

可用

从音频样本创建自定义声音。上传 .mp3/.wav/.mp4/.mov (5-30秒) 或引用视频 ID。

Custom VoiceAudio UploadVideo ReferenceFor TTS/Lip Sync
$0.006 per call
试一试
Kling

Kling Face Recognition

Kling

可用

视频人脸识别,传入 videoUrl 或 videoId,返回 sessionId 和 faceId,用于可灵对口型视频生成。

Face DetectionVideo InputSession-based
$0.01 per call
试一试
Anthropic

Claude Opus 4.6

Anthropic

-66%可用

较早一代的 Opus,适合复杂逻辑与深度分析;最新 Opus 是 Opus 5.5。

Latest OpusUltimate PerformancePremium
$1.765 / $8.824 / 1M
试一试
Anthropic

Claude Opus 4.6 (Thinking)

Anthropic

-66%可用

Claude Opus 4.6 扩展思维版,适用于最复杂的推理任务。

Extended ThinkingUltimate PerformanceMost Powerful
$1.765 / $8.824 / 1M
试一试
Anthropic

Claude Sonnet 4.6

Anthropic

-66%可用

Claude Sonnet 4.6,较早一代的 Sonnet,兼顾质量与效率;目前最新的 Sonnet 是 Sonnet 5.5。

Sonnet 4.6Balanced QualityTop Efficiency
$1.059 / $5.295 / 1M
试一试
Anthropic

Claude Sonnet 4.6 (Thinking)

Anthropic

-66%可用

Claude Sonnet 4.6 扩展思维版,适用于复杂推理任务。

Extended ThinkingBest PerformanceDeep Reasoning
$1.059 / $5.295 / 1M
试一试
Kling

Kling Sound Effects

Kling

-80%可用

从文字描述生成音效。3-10 秒音频,自然音质。

Text to SFX3-10sSound Effects
$0.044 per call
试一试
Kling

Kling Video-to-Audio

Kling

可用

为视频自动生成音效和背景音乐。支持 ASMR 模式,打造沉浸式内容。

Video DubbingSFX + BGMASMR Mode
$0.044 per call
试一试
Kling

Kling TTS

Kling

-85%可用

文字转语音,多种声音可选。可调语速,支持多语言。

TTSMultiple VoicesSpeed Control
$0.01 per call
试一试
Minimax

Minimax Speech 2.6 HD

Minimax

可用

Minimax (海螺) 高清异步 TTS。表现力丰富,韵律自然。支持声音克隆。

HD QualityVoice CloneAsync TTS
$0.063 / 1K chars
试一试
Minimax

Minimax Speech 02 Turbo

Minimax

可用

Minimax (海螺) 快速经济异步 TTS。支持声音克隆和发音词典。

FastVoice CloneCost-Effective
$0.04 / 1K chars
试一试
Google

Gemini 3 Flash Preview

Google

-50%可用

快速高效的多模态模型。适合快速响应和简单任务。

Fast ResponseMultimodalCost Effective
$0.2 / $1.2 / 1M
试一试
Google

Gemini 3 Pro Preview

Google

-86%可用

高级多模态推理模型,具备卓越能力。

Advanced ReasoningMultimodalHigh Quality
$1.6 / $9.6 / 1M
试一试
Google

Gemini 3 Pro (Thinking)

Google

-86%可用

Gemini 3 Pro 扩展思维版,适用于复杂推理任务。

Extended ThinkingAdvanced ReasoningDeep Analysis
$1.6 / $9.6 / 1M
试一试
Anthropic

Claude Opus 4.5

Anthropic

-66%可用

Claude 4.5 一代的最高档 Opus;当前 Opus 为 Opus 5.5。

Latest OpusBest PerformancePremium
$1.765 / $8.824 / 1M
试一试
Anthropic

Claude Opus 4.5 (Thinking)

Anthropic

-66%可用

Claude Opus 4.5 扩展思维版,适用于最复杂的推理任务。

Extended ThinkingBest PerformanceMost Powerful
$1.765 / $8.824 / 1M
试一试
Anthropic

Claude Haiku 4.5

Anthropic

-66%可用

快速且经济的轻量级任务模型。适合简单查询和快速响应。

Fast ResponseAffordableBasic Tasks
$0.353 / $1.765 / 1M
试一试
Anthropic

Claude Haiku 4.5 (Thinking)

Anthropic

-66%可用

Claude Haiku 4.5 扩展思维版,适用于复杂推理任务。

Extended ThinkingFast ResponseCost Effective
$0.353 / $1.765 / 1M
试一试
Anthropic

Claude Sonnet 4.5

Anthropic

-66%可用

Claude Sonnet 4.5,Claude 4.5 世代的 Sonnet,性能和效率较更早的 Sonnet 有提升;目前最新的 Sonnet 是 Sonnet 5.5。

Claude 4.5 GenerationEnhanced PerformanceBest Value
$1.059 / $5.295 / 1M
试一试
Anthropic

Claude Sonnet 4.5 (Thinking)

Anthropic

-66%可用

Claude Sonnet 4.5 扩展思维版,适用于复杂推理任务。

Extended ThinkingComplex ReasoningDeep Analysis
$1.059 / $5.295 / 1M
试一试
OpenAI

Text Embedding 3 Small

OpenAI

-90%可用

小型嵌入模型,高效且经济,适用于大多数场景。

1536 DimensionsFastCost Effective
$0.018 / 1M tokens
试一试
OpenAI

Text Embedding 3 Large

OpenAI

-85%可用

大型嵌入模型,精度更高,维度灵活可调。

3072 DimensionsHigh AccuracyFlexible
$0.059 / 1M tokens
试一试
Z-Image

Z-Image Spicy

Z-Image

可用
NEW自定义尺寸文生图

Z-Image Spicy——文生图,单边 256–1536px 任意尺寸(width/height、OpenAI 风格 size 或 16:9、9:16 等画幅),约 15 秒出图。seed 可复现,prompt_extend 可选。一口价 $0.015/张,一单一图。

Text to ImageUp to 1536pxCustom Width × HeightSeed$0.015/image
$0.015 / call
试一试
Z-Image

Z-Image Spicy Pro

Z-Image

可用
NEW2560px文生图

Z-Image Spicy Pro——Z-Image Spicy 的高分辨率档,单边 256–2560px 任意尺寸(width/height、OpenAI 风格 size 或 16:9、9:16 等画幅),实测 12–21 秒出图。seed 可复现,prompt_extend 默认关。一口价 $0.03/张,一单一图。

Text to ImageUp to 2560pxCustom Width × HeightSeed$0.03/image
$0.03 / call
试一试
Doubao

Seedream 5.0 Pro Spicy

Doubao

可用
NEW宽松审核1K / 2K

Seedream 5.0 Pro Spicy——Seedream 5.0 Pro 的宽松审核版,画质与请求格式同 Pro。文生图与最多 10 张参考图的图生图,1K / 2K 输出(无 4K),JPEG。1K $0.05/张、2K $0.10/张,成功才计费;通常 40–80 秒出图。

Relaxed ModerationText to ImageImage to Image (up to 10 refs)1K / 2K$0.05–$0.10/image
$0.05 / $0.10 / call
试一试
Alibaba

Qwen Image Edit Spicy

Alibaba

可用
NEW图片编辑最多 2 张参考图

Qwen Image Edit Spicy——用一句文字指令改图:传要编辑的主图,可再加最多 2 张参考图(提示词里的图 2、图 3),输出与主图像素尺寸完全一致。通常 8–20 秒出图。只有主图 $0.05、加 1 张参考图 $0.06、加 2 张 $0.07,成功才计费。

Image EditingUp to 2 ReferencesKeeps Input Size8–20 s$0.05–$0.07/image
$0.05 - $0.07 / call
试一试
收录于
APIMODELS on Product HuntAPIMODELS featured on ToolifyAPIMODELS featured on There's An AI For That