gemini-embedding-2
gemini-embedding-2是 Google 推出的多模态嵌入生成模型，适用于复杂的检索和分析任务。该模型接受文本、图像、文档、音频和视频等多模态输入，生成最高 3072 维的向量，并将所有模态语义映射到统一的语义空间中，支持跨模态检索。模型支持自定义任务指令以优化特定场景下的嵌入质量，支持 MRL（Ma…
支持筛选、搜索与分页浏览（每页 24 款）。
gemini-embedding-2是 Google 推出的多模态嵌入生成模型，适用于复杂的检索和分析任务。该模型接受文本、图像、文档、音频和视频等多模态输入，生成最高 3072 维的向量，并将所有模态语义映射到统一的语义空间中，支持跨模态检索。模型支持自定义任务指令以优化特定场景下的嵌入质量，支持 MRL（Ma…
HappyHorse-1.1-I2V支持图生视频，进一步提升画面质感、动态表现与跨片段一致性。模型能够更精准地理解输入图像并延续创作意图，在人物皮肤质感、ID跨片段保持、动作流畅度、文字渲染稳定性以及音画同步上带来显著改善，输出更真实自然、细节丰富且一致性更高的高质量视频。
HappyHorse-1.1-R2V支持参考生视频，进一步提升主体、场景风格与画面一致性的稳定保持。模型最多支持9张参考图片输入，能够更精准理解并延续创作意图，在人物、场景、风格和镜头表现上带来更强的可控性与表现力。
HappyHorse-1.1-T2V支持文生视频，进一步提升文本语义理解、镜头调度与动态生成表现。模型能够更精准地还原创作意图，在人物动作、场景氛围、视觉美感和物理运动上生成更流畅自然、细节丰富且一致性更高的高质量视频。
Kimi K3是 Kimi 的旗舰模型，面向长程编程与端到端知识工作，1M token 上下文，原生支持多模态，综合智能达到领先水平。
kimi-k2.7-code 是月之暗面推出的最新一代编程专用模型，采用 MoE 架构，总参数 1T，激活参数 32B，支持 256K 超长上下文。该模型专为代码生成与 Agent 任务优化，强制开启深度思考模式，显著提升长上下文编程场景的指令遵循能力，平均 token 消耗减少 30%，是开发者在 AI 辅助编…
Kimi K2.7 Code 是面向代码场景的 Coding 模型，在长上下文中更可靠地遵循指令，能以更高的成功率完成编程任务。同时支持文本、图片与视频输入，仅支持思考模式，对话与 Agent 任务。
GPT-6 Astra 是 OpenAI 迄今最智能、对齐程度最高的模型，面向复杂的端到端智能体工作，在计算机操作、网页浏览、软件工程、网络安全、科学研究与专业工作等领域均达到当前最先进水平。该模型支持高级推理、计算机使用与更强的判断力，可执行完整工作流、核验结果，并按照用户的模板与要求产出文档、电子表格或演示文稿。
定位于高频、低成本任务，专为高吞吐场景设计，适用于文档摘要、信息抽取、客服交互、数据预处理及简单代码处理等任务。
专为复杂的编码和智能体工作流而构建，支持企业智能体、编码和复杂知识工作，包括跨多步骤的推理、长上下文分析以及使用工具的工作流。
GPT-4o mini Transcribe 是一个将语音转为文字的模型，使用 GPT-4o mini 对音频进行转录。与原始的 Whisper 模型相比，它在词错误率、语言识别和准确性方面都有所改进。用于更准确的转录。
GPT-5.6 Luna 专为成本敏感型高容量工作负载而设计。该模型大致对应早期 GPT-5 系列中的 nano 模型层级。
GPT-5.6 Sol 是 GPT-5.6 系列中的旗舰模型，适合复杂专业工作。该模型大致对应早期 GPT-5 系列中不带后缀的模型层级。
GPT-5.6 Terra 旨在平衡智能与成本。该模型大致对应早期 GPT-5 系列中的 mini 模型层级。
PixVerse V6 是 一种AI 视频生成模型，定位从独立片段生成升级为完整创作工作流。该模型支持单次生成最长 15 秒 1080p 视频、多镜头分镜与原生音视频同步输出，并具备精准的镜头运镜控制、跨帧角色一致性保持及帧内多语言文字渲染能力，可通过 CLI 接口集成至 Agent 工作流，适用于创意内容制作与…
Qwen3.5-Omni是Qwen最新一代全模态大模型，支持文本，图片，音频，音视频理解与交互。作为 Qwen3-Omni 的全面进化版本， 支持超过 10 小时的音频理解及超过 400 秒的 720P（1 FPS）音视频理解与对话，并进一步拓展语言范围，支持60+种语言音频输入，30+语言语音输出，并且具备强大…
Qwen3.7原生视觉语言系列Flash模型，相较3.6-Flash全面提升多模态理解与Agent执行能力。重点强化多模态基础能力、万物识别能力更强，真实世界感知与空间智能进一步提升，Search Agent、CI Agent等多模态Agent场景能力显著升级、端到端任务执行更稳定，多模态Coding能力优化、v…
Qwen3.8-Flash 是千问最新推出的多模态大模型，兼具强大的理解与生成能力和出色的响应速度。模型原生支持百万级上下文窗口，能够一次性处理超长文档、代码仓库和复杂对话。在编程辅助、智能体协作、图文理解等场景中表现尤为出色——无论是自动修复代码、操作桌面应用，还是分析图表与长视频，都能给出准确、高质量的结果。…
2.4万亿参数MoE旗舰，编程与办公能力全面跃升，可自主编程十数天交付完整项目。胜任法律、金融、设计等数百种专业任务，一次对话端到端交付生产级成果。原生视觉理解贯穿规划、执行与验证全流程，支持超长文档与长视频的深度语义解析。长程任务中自主规划与闭环迭代，持续进化。
万相2.7-图生视频，演绎能力全面升级，文戏情感细腻自然，动作戏激烈拳拳到肉，搭配更富有戏剧性和节奏感的镜头切换，实现更强表演能力。
Wan2.7-R2V，更加稳定的角色、道具与场景参考，支持最大5个图/视频混合参考，支持音频音色参考，搭配基础能力升级实现更强表演能力。
Wan2.7-T2V，演绎能力全面升级，文戏情感细腻自然，动作戏激烈拳拳到肉，搭配更富有戏剧性和节奏感的镜头切换，实现更强表演能力。
Wan2.7-VideoEdit，自然语言指令编辑视频，支持局部或全局编辑，可参考图像替换视频元素，支持复刻视频动作、特效、运镜等动态过程。
Wan3.0-Video是全能参考视频生成模型（All-in-One），支持文本、图像、视频、音频等多模态输入，统一实现文生视频、图生视频（首帧/首尾帧）和参考生视频等能力。支持480P、720P和1080P分辨率输出，最长可生成30秒视频。
没有符合条件的模型，请调整筛选或搜索关键词。
模型清单为展示参考，可能随平台更新增减；调用以开通后网关返回的模型 ID 为准。