Alibaba
Qwen3.8 Max —— 通义千问最新旗舰。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。
Alibaba
Qwen3.8 Flash —— Qwen3.8 里最便宜的推理档: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。
TypeSafe
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。
OpenAI
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。
ElevenLabs
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。上线价每千字符 $0.04,10 月 12 日起恢复 $0.08。
ElevenLabs
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。上线价每千字符 $0.02,10 月 12 日起恢复 $0.04。
Alibaba
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,用更便宜的 Wan 2.2 Spicy。
Alibaba
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。
Stealth
匿名提供方的 stealth 预览模型,2026 年 9 月 23 日以 stealth/space-bunny-alpha 出现在 OpenRouter:1M 上下文、最长 524K 输出、可调推理强度、工具调用、图片输入。本站 9 月 29 日用 28 个任务实测:21 过、5 部分、2 败 —— Three.js 场景、纯 CSS 3D 页、Chart.js 仪表盘都能直接跑,七言绝句平仄全对,9.1 万 token 文档里 3 个针全捞到,并行调两个工具只要 2 秒;代码逻辑对但它从不检查自己的输出,拿到手要自己测。预览期每百万 token $0.10 / $0.40。
Doubao
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。
Anthropic
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。
OpenAI
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、更便宜的模型。$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。
OpenAI
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。
Fish Audio
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。
DeepSeek
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。
OpenAI
【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 $0.008–$0.08 / 2K $0.020–$0.15 / 4K $0.02–$0.3),只为你要的细节付钱。OpenAI 最新的图像模型。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。
OpenAI
【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 $0.008–$0.08 / 2K $0.020–$0.15 / 4K $0.02–$0.47),只为你要的细节付钱。OpenAI 最新的图像模型。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。
MuleRouter
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。
全能视频 Omni Flash 轻量版 —— 和稳定版是同一个 Gemini Omni 视频模型,只是走更便宜的渠道,每条便宜约 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。**
OpenAI
GPT-6 Astra ——OpenAI 2026 年 9 月的旗舰,$2.40 / $12.00 每 1M token,比官方 $10 / $50 低 76%,缓存命中 $0.24。强项是电脑操作与长跑 agent:OSWorld 2.0 拿 72.6%(GPT-5.6 Sol 是 65.7%,且官方称单任务耗时减少 47%)、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。
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。
MiniMax
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。
Anthropic
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。
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: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。
MiniMax
MiniMax H3 Lite —— MiniMax H3 多模态视频模型的低价档:和 minimax-h3 同一套 H3 权重,走更便宜的渠道,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。建议用它便宜地把构图和节奏定下来,定稿后再用更高档位重出。
Zhipu
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。
Alibaba
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。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。
xAI
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。
Black Forest Labs
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。
APIMODELS
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。
xAI
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%。
xAI
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。
Alibaba
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。
Alibaba
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。
ByteDance
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。
OpenAI
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。
OpenAI
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。
基于 Gemini 3 Pro 的高端图片生成。99% 成功率，最佳画质和可靠性。
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。
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(比官方便宜 40%)、4K $0.13(便宜 46%)。
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。
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。
最便宜的 Gemini 3.1 Flash Image 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。
Gemini 3.6 Flash —— 输入价与 3.5 Flash 持平,输出更便宜,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。
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,这一档便宜 40%,而且在我们这儿从 1K 升到 2K 不加钱。一半请求 14 秒内出图(5,802 次调用实测中位数,成功率 97.2%)。
Google Gemini 2.5 Flash Image,每张统一 $0.02,是本站最便宜的图像模型: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。
Doubao
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。
Anthropic
Claude Opus 5 ——Anthropic 最新的 Opus 档,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,便宜 40%,缓存命中 $0.25 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。
Doubao
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。
Doubao
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。
Kling
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,$0.05/张。
Kling
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 $0.05、4K $0.10/张。
Kling
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。
xAI
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。
xAI
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。
SparkPix
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。
SparkPix
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。
Real-ESRGAN
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 $0.004/张。
MiniMax
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),便宜三分之一。参考图前 5 张免费、第 6 张起每张 $0.054,只对成功请求计费。
xAI
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。
xAI
最新 Grok 视频模型，音频视频同步生成，10 秒输出。
ByteDance
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。
ByteDance
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 $0.11/s 起。
OpenAI
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。
OpenAI
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。
OpenAI
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 $0.16 / 输出 $0.96 每百万 token(较官方 $0.20/$1.20 低 20%),模型名 gpt-5.6-luna-max,按量计费,国内可直连。
ByteDance
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。
xAI
Grok 4.5 是 xAI 最新旗舰模型,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%)。
ByteDance
Seedance 2.0 影视版 —— ByteDance Seedance 2.0 的影视级（Cinematic）版本。最大亮点:支持真人 / 拟真人脸参考图(Ark 直连的 Seedance 2.0 会拒真人脸,本影视版渠道可用),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。光影、运镜品质明显高于 Ark 直连版,代价是生成更慢(通常 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。
Suno
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 / 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。
ByteDance
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)。
ByteDance
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。
ByteDance
Dreamina Seedance 2.0 Mini —— 国际线里最便宜的一档,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。
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,$0.07。
VEO 3.1 快速 720p 档。固定 8 秒,支持参考图,$0.07/条。
Anthropic
Claude Fable 5 是 Anthropic 高端的公开可用大语言模型，在 APIMODELS 上价格约为官方的一半（比官方便宜约 50%，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。
Anthropic
Claude Sonnet 5 是 Anthropic 最新的 Sonnet 模型，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。
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),$0.07/条(与 720p 同价出 1080p)。
APIMODELS
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)。
ElevenLabs
超低延迟模型，支持 32 种语言。适合实时对话场景。
ElevenLabs
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。
ElevenLabs
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。
ElevenLabs
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。
ElevenLabs
多角色对话生成，自然对话流。适合播客和有声书制作。
ElevenLabs
从背景噪声、音乐和环境音中提取人声。高质量音频提取。
ElevenLabs
翻译音频/视频并保留情感、节奏和语调。自动唇形同步。
APIMODELS
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。
Lightricks
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。
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,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。
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。
ByteDance
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。
DeepSeek
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%。
DeepSeek
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 15%。
Alibaba
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%。
Alibaba
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。
Kling
可灵 AI 对口型视频生成。帧级口型同步，支持真实人物、3D 及 2D 动画角色，支持本地音频和在线配音。
Kling
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。
OpenAI
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。
Zhipu
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。
Kling
角色动作控制视频生成。提供参考图片和动作视频，即可创建动画内容。
OpenAI
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。
Kling
Kling V3 Omni-Video，支持扩展时长和保留原声的视频编辑功能。
Kling
最新可灵 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)。
Pruna AI
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。
Minimax
MiniMax speech-2.8-hd 最新高保真 TTS,情感语调自然,支持声音克隆与声音设计。$0.063/千字符。
Minimax
MiniMax speech-2.8-turbo 最新快速经济 TTS,性价比高、多语言强,支持声音克隆与声音设计。$0.04/千字符。
Minimax
MiniMax speech-02-hd 高保真 TTS,情感语调自然,支持声音克隆与声音设计。$0.063/千字符。
Anthropic
claude-opus-4-8 是目前 Anthropic 最强的"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。
Anthropic
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。
Anthropic
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。
Gemini 3.5 Flash 已正式发布(GA),性能稳定、可大规模投产。这一代最聪明的 Flash 档,在智能体执行、编码与长链任务上持续领先。$0.662 / $3.971 每 1M token。
最具性价比的多模态模型，速度最快，适用于高频轻量级任务。
最新 Pro 模型，具备增强推理和多模态能力。
Kling
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。
Kling
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。
Anthropic
最新 Opus 模型，具备终极性能和推理能力。
Anthropic
Claude Opus 4.6 扩展思维版，适用于最复杂的推理任务。
Anthropic
最新 Sonnet 模型，具备最佳性能和效率。
Anthropic
Claude Sonnet 4.6 扩展思维版，适用于复杂推理任务。
Kling
从文字描述生成音效。3-10 秒音频，自然音质。
Kling
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。
Kling
文字转语音，多种声音可选。可调语速，支持多语言。
Minimax
Minimax (海螺) 高清异步 TTS。表现力丰富，韵律自然。支持声音克隆和声音设计。
Minimax
Minimax (海螺) 快速经济异步 TTS。支持声音克隆、声音设计和发音词典。
xAI
Grok 图片生成的便宜档:$0.0075/张,只要标准档的四分之一。文生图 + 单参考图编辑,原生 1K/2K 同价(2K 不加钱)。
快速高效的多模态模型。适合快速响应和简单任务。
高级多模态推理模型，具备卓越能力。
Gemini 3 Pro 扩展思维版，适用于复杂推理任务。
Anthropic
最新 Opus 模型，具备增强能力和改进推理。
Anthropic
Claude Opus 4.5 扩展思维版，适用于最复杂的推理任务。
Anthropic
快速且经济的轻量级任务模型。适合简单查询和快速响应。
Anthropic
Claude Haiku 4.5 扩展思维版，适用于复杂推理任务。
Anthropic
最新 Sonnet 模型，性能和效率均有提升。
Anthropic
Claude Sonnet 4.5 扩展思维版，适用于复杂推理任务。
OpenAI
小型嵌入模型，高效且经济，适用于大多数场景。
OpenAI
大型嵌入模型，精度更高，维度灵活可调。
Z-Image
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。
Z-Image
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。
ByteDance
⚠️ 仅适合测试和个人工作室使用。不稳定渠道:上游繁忙时可能返回「负载已饱和」而出不了片,失败会自动全额退款;生产环境或必须成功的任务请用 seedance-2.5。Seedance 2.5 Global —— 形状固定、一口价的 Seedance 2.5:每次固定出 30 秒 720p,不论怎么传都是 $2.00。同样 30 秒 720p 在 seedance-2.5 上按 $0.270/秒计约 $8.10,所以这条约为四分之一价。只支持文生视频和最多 9 张参考图,**不收参考视频、不收参考音频**(传了直接 400),**没有视频编辑、没有视频续写、不支持真人**;时长和分辨率都不是参数,传别的值会在创建时直接 400 而不是被悄悄改写。音轨恒开且无法关闭。⚠️ 不适合高并发,请逐条发、别一次性打一批。
Doubao
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 $0.03/张、2K $0.06/张,成功才计费;通常 40–80 秒出图。
