Model Square

• gpt-image-2

  gpt-image-2 是 OpenAI 图像生成与编辑方向的模型标识。官方模型目录将 GPT Image 系列用于根据文字提示生成图片、对已有图片进行编辑或转换，以及在应用中完成创意视觉工作流。它适合商品素材、社媒配图、概念草图、插画和设计原型。调用时应明确画面主体、风格、构图、尺寸、文字内容和编辑范围；涉及品牌、肖像、受版权保护素材或对外发布场景时，应先完成授权与人工审校。

• gpt-image-2.5-flare
• wan2.7-t2v

  Wan2.7-T2V 是文生视频模型，仅以文本提示为输入，直接生成带同步音频的视频内容。其核心定位是从零创作，模型能够根据简短的文字描述智能编排剧情节奏、设计镜头语言并安排场景转换，支持数十种基础运镜和复杂组合运镜方案。演绎能力全面升级，文戏情感细腻自然，动作戏激烈富有张力。输出支持720P和1080P分辨率，视频时长2至15秒，帧率30fps。该模型与系列中其他模型共享全模态输入体系，可通过阿里云百炼平台调用，是万相2.7“从演迈向导”创作链路中负责从零生成的起点环节。

• claude-haiku-4-5-20251001

  Claude Haiku 4.5 是 Claude 家族中强调速度与高吞吐的模型，适合对延迟敏感、调用量大的生产应用。它可用于实时客服、意图识别、文本分类、信息抽取、短摘要、内容安全初筛、批量文档处理和工作流路由。相较于大型 Opus 模型，它更适合完成结构清晰、可快速验证的步骤，也可作为多模型架构的前置筛选层。它支持手动扩展思考，可在速度与复杂任务质量之间调整。

• claude-haiku-5-5
• claude-opus-5-5-1009
• PixVerse/v5.5

  PixVerse V5.5 于2025年12月1日发布，是首款实现“分镜+音频”一键直出的 AI 视频大模型。此次更新首次支持音频与多镜头同步生成，并强化了多角色音画同步能力，AI 能够根据提示词生成具备叙事结构的短片，标志着 AI 视频从“镜头生成”向自动“讲故事”的进化。用户可在多镜头和音画同步开启状态下生成5秒、8秒或10秒的视频，直接在提示词中控制音效类型。在分辨率方面，10秒片段最高支持720p，1080p输出限制为5秒或8秒。V5.5新增了 generate_audio_switch 和 generate_multi_clip_switch 等 API 参数，为开发者提供了更细粒度的控制能力。

• gemini-3.1-pro-preview-0930
• qwen3.8-max

  Qwen3.8-Max 于 2026 年 8 月 3 日发布，是 Qwen 系列迄今参数规模最大的模型，总参数量达 2.4 万亿，采用稀疏 MoE 架构，推理时仅激活约 950 亿参数，在超大规模与推理效率之间实现了平衡。模型支持 100 万 Token 上下文窗口，在 Text Arena 排名第五、Vision Arena 排名第二，具备原生视觉智能与多模态理解能力。Qwen3.8-Max 在自主编程和长周期任务上展现出前沿级能力，内部测试中自主完成了一项为期 16 天的软件工程项目，从零构建并开源了自进化智能体框架“oh-my-cli”。模型通过阿里云百炼平台向全球开发者开放 API 调用，权重计划开源。

• claude-sonnet-5-1009
• gpt-6.1-sol-1009
• gemini-3.7-flash-1009
• qwen-image-3.0
• gpt-5.6-sol-1009
• dreamina-seedance-2-0-fast-260128

  dreamina-seedance-2-0-fast 是 Seedance 2.0 的速度优化版本，继承了核心功能的同时大幅提升生成速度。它具备原生音频同步、摄像机控制和稳定动作能力，每次渲染成本更低，适合对生成速度有较高要求的电影剪辑场景。输出分辨率限制为 480P 和 720P（不支持 1080P）。在 Seedance 2.0 的产品矩阵中，Fast 版位于标准版和 Mini 版之间，是兼顾速度与质量的中档选择。

• dreamina-seedance-2-0-260128

  Dreamina Seedance 2.0 是字节跳动 Seed 团队开发的音视频生成模型，并集成到 CapCut 中。该模型采用双分支扩散 Transformer 架构，在生成链路中实现视觉与听觉信息流的并行处理，通过注意力/桥接机制实现帧级精度的声画同步。模型支持文本、图像、音频和视频多模态输入，最高可同步解析 12 个参考文件，生成长达 15 秒的视频，具备原生音视频同步生成能力。模型配备了隐形水印和 C2PA 内容凭证等保护措施。

• gpt-image-1.5

  gpt-image-1.5 是 OpenAI 图像生成与编辑方向的模型标识。官方模型目录将 GPT Image 系列用于根据文字提示生成图片、对已有图片进行编辑或转换，以及在应用中完成创意视觉工作流。它适合商品素材、社媒配图、概念草图、插画和设计原型。调用时应明确画面主体、风格、构图、尺寸、文字内容和编辑范围；涉及品牌、肖像、受版权保护素材或对外发布场景时，应先完成授权与人工审校。

• claude-opus-4-7-1009
• gemini-3.8-flash-0930
• PixVerse/v5

  PixVerse V5 于2025年8月27日正式发布，其核心突破是生成速度从“分钟级”压缩至“秒级”：用户最快5秒即可生成一段360P短片，1分钟可生成1080P高清视频，画质与动作保持稳定。模型通过极致蒸馏、人类偏好拟合和统一特征空间等技术，在复杂人物运动、超现实场景和现实生活场景的光影真实感与审美匹配方面实现显著提升，更大规模的参数设计大幅增强了模型对复杂动作的拟合能力。同步上线的 Agent 创作助手专为零基础用户设计，用户上传一张图片即可自动识别特征并生成5至30秒的完整短片，无需掌握复杂的提示词技巧。V5标志着 PixVerse 从工具型产品向智能化创作平台的转型。

• gpt-5.5-1009
• seedream-4-5-251128

  Seedream 4.5 于 2025 年 12 月发布，是 Seedream 4.0 的重要升级版本，重点强化了多图场景一致性与美学指令遵循能力，提升了原图保持与多图组合能力。模型延续了统一架构设计，将文生图与图像编辑整合在同一模型中，文本渲染能力显著提升，生成速度比 4.0 快 30-40%，最大支持 4096×4096（4K）分辨率。在 LM Arena 图像生成排行榜中，Seedream 4.5 以 1147 分位列第 10 名，是当时排名最高的国产图像生成模型之一。

• happyhorse-1.1-r2v
• kimi-k3

  kimi-k3 是 Moonshot AI 的 Kimi 系列模型标识，Kimi K3 版本，适合复杂文本理解、问答和长材料处理。它可用于长文档梳理、研究资料问答、代码协作、写作辅助和企业知识检索。实际可用的上下文长度、工具能力、缓存与计费方式应以 Moonshot 或接入云平台的官方模型页为准。使用时应把任务目标、文档范围、引用格式和输出结构写清楚；对合同、财务、医疗等需要高准确性的内容，应保留原文定位、来源核验和人工审批。

• vertex/gemini-3.8-flash
• gpt-4o

  gpt-4o 是 OpenAI GPT-4o 系列模型标识。官方目录将 GPT-4o 描述为快速、灵活的通用模型，mini 版本则用于更聚焦、成本更低的任务。它们可用于文本处理、图像理解、问答、摘要、分类和应用内助手等工作流。选型时应根据响应质量、延迟、输入模态和吞吐量区分标准版与 mini 版，并针对中文、表格、图片和长文档分别测试。重要事实和高风险建议仍需由检索结果或人工审核确认。

• happyhorse-1.1-i2v
• grok-4.3

  Grok 4.3 于2026年5月发布，是 xAI 在 xAI 并入 SpaceX 更名 SpaceXAI 之前推出的推理模型，定位为面向高级逻辑、数学、科学分析和多步调查等复杂任务的通用旗舰。相比前代 Grok 4.20，Grok 4.3 的架构经过改进，上下文窗口扩展至100万 Token，知识截止日期为2025年12月。模型支持文本和图像输入、文本输出，具备函数调用、结构化输出和缓存输入 Token 能力。

• deepseek-flash
• MiniMax-M2.7

  MiniMax-M2.7于2026年3月推出，是MiniMax首个深度参与自身迭代的模型。M2.7内置Agent Harness框架，能够自主构建复杂的技能集、更新自身记忆，并通过强化学习驱动迭代优化，形成“模型驱动模型进化”的闭环。一个内部版本在100余轮自我优化中将编程脚手架性能提升了30%。在软件工程基准SWE-Pro上，M2.7得分56.22%，VIBE-Pro得分55.6%，接近Opus 4.6水平。M2.7对Office三件套的复杂编辑能力显著增强，GDPval-AA ELO得分1495为开源最高。在40个复杂技能（单技能超过2000 Token）的案例中，M2.7保持了97%的技能遵循率。

• glm-5.3
• vertex/gemini-3-flash-preview
• dreamina-seedance-2-5-260628

  dreamina-seedance-2-5-260628 是 Dreamina Seedance 系列的最新一代视频生成模型，于 2026 年 8 月正式上线。它支持文生视频和图生视频工作流，输入模态丰富，包括图片、视频、音频以及预上传的虚拟形象素材，支持首帧和尾帧锚定、4-15 秒灵活时长、480P 和 720P 输出分辨率、多种画面比例以及可选音频合成。模型还支持联网搜索增强生成，可通过实时网络检索获取最新信息来辅助视频创作，并支持最多 9 张参考图片、3 段参考视频和 3 段参考音频。Seedance 2.5 在 2.0 基础上进一步强化了多模态参考能力和生成质量。

• veo-3.1-lite-generate-preview

  veo-3.1-lite-generate-preview 是 Google Veo 3.1 的轻量视频生成预览模型条目，适合成本与迭代速度优先的视频原型工作流。它可用于大量探索不同的创意方向，例如为同一产品卖点生成多种分镜、背景、动作或短片版本，再筛选出值得进一步精修的方案。提示词应聚焦一个清晰主体和核心动作，避免在单次生成中堆叠过多镜头变化。建议以同一批脚本比较其质量、生成时延和可控性，并将涉及真实人物、受保护角色、商标或音乐的内容交由人工审核。

• gemini-3.5-flash-lite-1009
• gemini-3.8-flash

  gemini-3.8-flash 是 Gemini Flash 系列的高效率模型标识，可作为大规模交互与内容处理任务的候选模型。它适合用于对话式产品中的快速响应、资料摘要、页面信息提取、事件分类、结构化转写和自动化工作流中的步骤分派。建议将提示词与业务规则版本化管理，定期用同一批样本检查质量波动，并监控调用错误和响应时延。若输出会影响客户权益、资金或安全操作，应让确定性规则和人工审批处于最终决策位置。

• gpt-5.6-luna

  gpt-5.6-luna 是 OpenAI GPT-5.6 系列中面向成本敏感、高并发场景的模型。官方资料将其定位为较低成本的工作负载选择，同时保留文本与图像输入、文本输出和推理能力，可用于批量信息抽取、分类、摘要、知识库问答和轻量代理步骤。它更适合作为分层架构中的高频执行模型，而复杂推理或关键决策可交由更高层级模型处理；应通过业务样本评估其准确性与重试策略。

• gemini-4-argon
• wan2.7-r2v

  Wan2.7-R2V 是参考生视频模型，支持文本、图像、视频三种模态输入，能够从参考素材中复刻角色外观、音色和动作，生成自然逼真的表演视频。其核心能力在于角色一致性保持：最多可提供5个参考素材，支持单人或多人表演，参考视频还能复刻语音音色。模型支持多分镜叙事，用户可通过时间段描述镜头逻辑，模型自动识别分镜结构。此外，通过 reference_voice 音频文件可独立设定音色，未指定时默认使用参考视频中的音频。输出支持720P/1080P分辨率，画面比例可选16:9、9:16、1:1等，视频时长最长10秒。

• gemini-3.1-flash-lite

  gemini-3.1-flash-lite 是 Gemini 3.1 系列的轻量 Flash 模型，适合规模化处理规则清晰、结果可快速校验的任务。它可应用于邮件分类、表单整理、标题改写、摘要压缩、FAQ 匹配、文本去重和批量数据标注。为了控制成本和返工，应使用简短且结构化的提示词，限定字段、枚举值和最大输出长度，并对少量高价值样本做抽检。遇到复杂上下文、模糊请求或高风险判断时，可自动升级至更强模型或人工流程。

• gpt-6-luna-1009
• gpt-6-astra-1009
• claude-sonnet-5-5
• kimi-k2.7-code-highspeed

  kimi-k2.7-code-highspeed 是 Moonshot AI 的 Kimi 系列模型标识，高速度代码版本，适合需要更快迭代的工程辅助流程。它可用于长文档梳理、研究资料问答、代码协作、写作辅助和企业知识检索。实际可用的上下文长度、工具能力、缓存与计费方式应以 Moonshot 或接入云平台的官方模型页为准。使用时应把任务目标、文档范围、引用格式和输出结构写清楚；对合同、财务、医疗等需要高准确性的内容，应保留原文定位、来源核验和人工审批。

• lyria-3-pro-preview
• wan2.7-i2v

  Wan2.7-I2V 是万相2.7视频系列中的图生视频模型，以图像为起点生成动态视频。其核心升级在于“演绎能力”的全面强化：文戏情感细腻自然，动作戏激烈流畅，镜头切换更具戏剧性和节奏感，能够实现更强的表演效果。模型支持首帧和首尾帧控制，可指定视频的起始与结束画面，同时支持片段续写，并能与音频同步生成对口型表演。输入模态涵盖图像、音频和文本，输出720P或1080P、时长2至15秒的视频，帧率30fps。

• PixVerse/v4

  PixVerse V4 于2025年2月25日发布，核心升级是写实度的大幅提升和 Restyle（风格重绘）功能的推出，同时新增了音频生成能力。模型支持5秒或8秒视频，分辨率覆盖540p、720p和1080p，可从文本或图像提示生成视频。在定价方面，5秒1080P普通运动消耗80积分（约0.80美元），开启音效额外消耗10积分。V4在人物/物体的自然度和生成速度上均有改善，使 PixVerse 的生成能力开始跻身行业第一梯队。该版本还引入了风格重绘功能，用户可在写实与动漫等外观之间灵活切换，为后续 V4.5 的多模态融合和多主体控制能力奠定了基础。

• claude-opus-5-5
• grok-4.7
• gemini-3-flash-preview

  gemini-3-flash-preview 是 Gemini 3 Flash 的预览模型条目，适合先行验证低延迟、多模态交互和高吞吐任务的产品体验。可用于原型中的实时问答、页面内容理解、短文生成、素材归类和工作流路由。预览阶段应将模型版本固定在配置中，建立回归测试集，并跟踪响应质量、延迟和接口变更。面向正式用户发布时，不宜将预览能力作为不可替代的唯一依赖，应准备稳定版本或备用处理链路。

• MiniMax-M2.1

  MiniMax-M2.1于2025年12月发布，采用混合专家架构（MoE），总参数量约230B，激活参数约10B。其核心定位是破解主流AI编程工具在多语言适配和复杂任务执行上的短板，系统性强化了Rust、Java、Golang、C++、Kotlin、TypeScript等语言的编程能力，覆盖从后端系统到移动端原生开发的完整链路。M2.1引入了设计美学感知能力，可生成兼具功能性与视觉表现力的交互界面和3D场景，使“vibe coding”成为可交付的生产实践。相比M2，M2.1的回复和思维链更加简洁，响应速度显著提升，Token消耗明显下降。在Agent场景中，M2.1在Claude Code、Cline等主流编程工具框架下展现出稳定的泛化能力。

• glm-5.2

  GLM-5.2 于 2026 年 6 月 17 日正式发布并开源，是 GLM-5 系列的新一代旗舰模型，专为长周期软件工程任务设计。模型延续 MoE 路线，总参数 744B，激活参数约 40B，上下文窗口从 5.1 的 200K 跃升至 100 万 Token，最大输出 131K。关键技术改进包括 IndexShare 机制，在百万上下文下将每 Token 计算量降低 2.9 倍。在 FrontierSWE 基准上，GLM-5.2 得分 74.4，与 Claude Opus 4.8 仅差约 1 分；Terminal-Bench 2.1 从 63.5 跃升至 81.0。模型以 MIT 协议开源，上线首日即完成与华为昇腾、寒武纪等 8 大国产算力平台的适配。

• vertex/gemini-3.6-flash
• gemini-3.1-pro-preview

  gemini-3.1-pro-preview 是 Gemini 3.1 Pro 的预览模型条目，适合在受控环境中评估复杂推理、长材料综合和高级代码协作能力。它可用于难题分析原型、跨文档研究助手、复杂计划生成、代码审查和多步骤工具编排。使用时应把事实来源、计算规则和允许调用的工具写清楚，并以任务成功率和人工评分检验效果。由于仍处于预览阶段，接口行为、可用性和性能可能变化，关键生产流程需有替代方案。

• vertex/gemini-3.5-flash-lite
• gpt-5.6-luna-1009
• gpt-5.4-nano-1009
• kimi-k2.6

  kimi-k2.6 是 Moonshot AI 的 Kimi 系列模型标识，Kimi 系列文本模型版本。它可用于长文档梳理、研究资料问答、代码协作、写作辅助和企业知识检索。实际可用的上下文长度、工具能力、缓存与计费方式应以 Moonshot 或接入云平台的官方模型页为准。使用时应把任务目标、文档范围、引用格式和输出结构写清楚；对合同、财务、医疗等需要高准确性的内容，应保留原文定位、来源核验和人工审批。

• gpt-5.4-mini

  gpt-5.4-mini 是 OpenAI GPT-5.4 系列中的小型模型。官方模型目录将其定位为该系列中面向编码、计算机使用和子代理的强力 mini 选择，适合在保证一定能力的同时控制延迟和成本。它可承担代理流程中的资料预处理、代码辅助、分类、摘要、结构化提取和任务分发等步骤。将它用于生产前，应分别测试工具调用成功率、格式遵从、中文表达和异常输入处理；复杂推理或高风险环节可与更高能力模型分层组合。

• claude-fable-5

  Claude Fable 5 是 Anthropic 当前面向最苛刻推理与长周期智能体任务的高能力模型。它适合复杂研究、跨系统工作流、长文档综合、软件工程、复杂规划和需要持续状态管理的任务。模型采用自适应思考机制，会按任务难度分配推理深度，适合多轮工具调用与长任务推进。使用时应提供明确目标、验收标准、工具权限和中间产物保存方式，避免让模型在宽泛要求下过度扩张任务范围。

• claude-sonnet-4-5-20250929

  Claude Sonnet 4.5 的日期固定模型标识，适合需要较高质量同时关注响应效率和成本的通用生产场景。它可用于复杂问答、长文档分析、编程辅助、工具调用、知识库问答、内容生成和多步骤业务流程。该版本具有上下文感知能力，能够在较长会话或智能体流程中更好地管理剩余上下文。由于日期后缀代表固定版本，适合需要稳定回归测试和可重复输出行为的团队；选型时仍应评估其生命周期，并为后续迁移预留空间。

• MiniMax-H3

  MiniMax-H3是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。

• gemini-3.7-flash

  gemini-3.7-flash 是 Gemini Flash 系列的快速处理模型标识，适合兼顾交互速度与任务覆盖面的产品功能。它可用于多轮助手、文档速读、图片说明生成、营销文案初稿、客服草拟和运营数据的文字化解读。为减少答案漂移，应将企业术语、可引用资料和输出模板放入上下文，并明确模型不得擅自补全的内容。对于包含敏感信息、个人数据或对外承诺的回答，应采用数据脱敏、权限控制和发布前审核。

• gemini-3-pro-image

  gemini-3-pro-image 是 Gemini 3 Pro 系列的图像生成与编辑模型标识，适合对画面细节、复杂指令和创意控制要求更高的视觉任务。可用于高质量概念图、复杂场景合成、产品展示方案、广告视觉初稿和局部精细编辑。高质量请求应明确图层关系、主体属性、镜头视角、材质、文字要求和禁止改动部分，并保留可复现的提示版本。用于商业交付前，应检查文字准确性、人物肖像、商标、版权与内容安全。

• MiniMax-M3

  MiniMax-M3于2026年6月发布，是M2系列之后的架构级代际跃迁。M3采用MiniMax自研的稀疏注意力架构MSA（MiniMax Sparse Attention），将上下文窗口扩展至100万Token，同时将单Token计算量降至上一代模型的约1/20，预填充阶段提速超过9倍，解码阶段提速超过15倍。M3是国内首个同时具备“前沿Coding能力、1M超长上下文、原生多模态”三项核心能力的开源模型，支持图像与视频输入，并可操作桌面计算机。在编程基准上，M3取得SWE-Bench Pro 59.0%、Terminal-Bench 2.1 66.0%的成绩，并在办公工作流和金融领域展现出初步可用性。

• PixVerse/v5.6

  PixVerse V5.6 于2026年1月26日发布，核心升级是“惊人的物理拟真”能力和电影级画面生成。模型在物理运动模拟方面实现显著进步，物体和角色的运动轨迹更符合真实世界的力学规律。在口型同步和音频真实感方面也进行了增强。V5.6支持文生视频和图生视频统一模型，分辨率覆盖360p至1080p，时长支持5秒、8秒和10秒。10秒视频仅适用于360p、540p和720p分辨率，1080p时长限制为5或8秒。模型还支持首尾帧过渡生成和提示词推理增强，在 Artificial Analysis 2026年2月的全球图生视频赛道中，V5.6以1291的 ELO 综合质量评分位列第四。

• claude-sonnet-5

  Claude Sonnet 5 是 Claude 家族中智能、速度与成本平衡较好的主力生产模型，适合绝大多数企业工作负载。它可用于知识助手、复杂客服、代码辅助、文档分析、表格与文件处理、结构化提取、工具调用和网页操作等场景。与 Sonnet 4.6 相比，它默认使用自适应思考，并采用新的分词器，因此相同文本的 token 数和实际调用成本可能发生变化。

• happyhorse-1.0-t2v

  HappyHorse-1.0-T2V 是文生视频变体，仅以文本为输入，直接生成带同步音频的视频内容。模型具备“高度还原的动态画面生成能力”，能够精准理解文本语义，输出流畅自然、细节丰富的高质量视频。与 I2V 一样，T2V 的推理服务由阿里云百炼提供，支持全球多区域部署，RPM 同为 300。在 Artificial Analysis 的文生视频竞技场中，T2V 赛道以 Elo 1333 分登顶，超越了字节跳动 Seedance 2.0 等热门模型。该模型原生支持英语、普通话、粤语、日语、韩语、德语、法语七种语言的唇形同步，在单张 H100 上生成 5 秒 1080p 视频约需 38 秒。

• gemini-3.1-flash-image-1009
• gemini-3.1-flash-tts-preview-1009
• qwen3.6-plus

  Qwen3.6-Plus 于 2026 年 4 月 2 日发布，是千问 3.6 系列的首款模型，被官方称为当时“中国编程能力最强的模型”。它在 Qwen3.5 基础上实现了智能体编程能力的显著跃升，在 SWE-bench Verified 上得分 78.8，Terminal-Bench 2.0 得分 61.6，表现超越参数量为其两到三倍的 GLM-5、Kimi-K2.5 等国产模型，接近 Claude 系列的水平。模型默认支持 100 万 Token 上下文窗口，深度融合了推理、记忆与执行能力，在代码修复、终端自动化和长程规划任务中展现出稳定的工程落地能力。该版本通过阿里云百炼 API 开放调用，定位为面向开发者的“氛围编程”基础设施。

• glm-5.1

  GLM-5.1 于 2026 年 4 月 8 日发布并开源，采用 MoE 稀疏架构，总参数 744B，激活参数约 40B，上下文窗口 200K，最大输出 128K。其标志性突破在于长程任务能力：模型能够在单次任务中独立、持续工作超过 8 小时，期间自主规划、执行、自我进化，最终交付完整工程级成果。实测中，GLM-5.1 历时 8 小时执行 1200 多步，从零构建出一套功能完善的 Linux 桌面系统。在 SWE-bench Pro 上，GLM-5.1 以 58.4 分登顶全球第一，超越 GPT-5.4 和 Claude Opus 4.6；Terminal-Bench 2.0 得分 63.5。模型以 MIT 协议开源，发布当天上线华为云，并可通过 Claude Code 等工具直接调用。

• claude-sonnet-4-6

  Claude Sonnet 4.6 是 Sonnet 系列中面向高质量生产任务的模型，适合在性能、速度和成本之间取得平衡。它可处理长文档、代码任务、复杂工具调用、视觉输入、PDF、批量处理和智能体工作流，也适合企业知识助手、研发助手、运营自动化和客户服务升级。它支持自适应思考与大上下文，但默认是否思考取决于请求配置；部署时应明确设置输出长度、思考策略、工具权限和失败回退机制。

• qwen3-asr-flash-realtime
• vertex/gemini-3.5-flash
• vertex/gemini-3.1-pro-preview
• gpt-6-astra

  gpt-6-astra 是 OpenAI 面向最困难端到端任务的旗舰模型。官方模型目录将其描述为适合计算机使用、浏览、软件工程、科学与专业工作的最高能力层级；它支持多档推理强度和多种工具，包括网页搜索、文件搜索、计算机使用、函数调用与 MCP。它适合多步骤任务编排、复杂代码库改动和需要严谨边界控制的专业流程。使用时应把可执行操作、审批点和停止条件明确写入指令。

• gpt-4.1

  gpt-4.1 是 OpenAI GPT-4.1 系列模型标识。官方目录将 GPT-4.1 定位为非推理型通用模型，适用于文本处理、指令遵从、代码辅助和需要稳定、直接响应的业务场景。它适合客服知识问答、结构化信息提取、内容改写、文档摘要和工具调用前后的语言处理。设计应用时应使用清晰的输出 schema、代表性示例和错误兜底；对于需要多步深度推理的任务，应比较更适合推理的模型。

• gpt-6-sol
• claude-opus-4-8-1009
• wan3.0-video-prime

  Wan3.0-Video-Prime 是 Wan3.0-Video 的高速版本，在保持与标准版完全对齐的能力体系的同时，大幅提升了端到端生成速度。它同样支持文本、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，输出分辨率覆盖480P、720P和1080P，最长可生成30秒、帧率30fps的视频。该模型与标准版共享同一套 API，开发者无需修改代码即可切换使用，适合对生成速度有更高要求的批量生产场景。两者在能力上完全对齐，Prime 版本以更快的推理速度满足实时或准实时的视频生成需求。

• claude-opus-4-8

  Claude Opus 4.8 是 Opus 4 系列中较新的高能力稳定型号，面向复杂推理、专业编程、长材料分析、智能体协同和高要求创意任务。它适合技术方案设计、跨文档研究、复杂代码库维护、任务分解与关键业务流程辅助。与较早版本相比，使用时更应依赖清晰提示、固定测试集和工具调用约束，而非依赖过度强调“反复检查”的提示语。对关键结论建议保留引用来源、规则校验和人工复核。

• seed-2-0-pro-260328

  seed-2-0-pro-260328 是 Seed 2.0 系列的旗舰深度思考模型，专为 Agent 时代打造，在复杂推理和长程任务中表现稳定，涵盖多步规划、视觉-文本推理、视频理解和高级分析等能力。模型拥有 256K 上下文窗口和 128K 最大输出，支持文本、图像和视频输入。在 Seed 2.0 产品线中，Pro 版面向高复杂度任务探索，与 Lite 版和 Mini 版形成梯度布局，是字节面向企业级 Agent 应用的核心文本基座。

• grok-4.6

  Grok 4.6 于2026年8月12日发布，是 Grok 系列当前旗舰模型。Grok 4.6 沿用 Grok 4.5 的1.5万亿参数 V9 底座，所有性能提升均来自后训练阶段的改进：更长的补充训练、用 Grok 4.5 重新生成的监督微调轨迹，以及覆盖编程、知识工作、内核优化和 Web 开发的扩展强化学习。上下文窗口维持50万 Token，支持文本和图像输入、文本输出，推理强度分四档（low/medium/high/xhigh）。

• MiniMax-M2.5

  MiniMax-M2.5于2026年2月发布，定位为“原生Agent生产级模型”，目标是通过编程、工具调用及推理效率上的突破，解决AI Agent规模化落地的成本与性能瓶颈。M2.5在SWE-Bench Verified上得分80.2%，Multi-SWE-Bench得分51.3%，性能较M2.1显著跃升。其突出特点是展现出“原生Spec能力”，即编码前主动拆解架构和规划功能，更接近真实架构师的工作模式。推理速度方面，M2.5完成SWE-Bench评估比M2.1快37%，闪电版支持100 TPS以上输出。成本是M2.5的核心卖点：以100 tokens/秒持续运行一小时仅需约1美元，被定位为“首个用户无需担心成本的前沿模型”。

• gemini-3.1-flash-tts-preview

  gemini-3.1-flash-tts-preview 是面向文本转语音的模型标识。于把文字生成自然语音，可服务于无障碍阅读、语音播报、客服语音、学习内容和多媒体旁白。适配时应先验证目标语言、发音、语速、停顿、情感表现、音频格式与成本，并对数字、日期、人名和专业术语建立读音测试集。若使用真实人物声音、个人录音或商业音频，应取得必要授权并遵守声音合成标识要求。

• happyhorse-1.0-r2v

  HappyHorse-1.0-R2V 是参考生视频变体，支持最多 9 张参考图片作为视觉锚点，结合文本提示生成视频。其核心优势在于“更加稳定的主体与场景参考”，能够精准保持创作意图，在整段视频中维持角色面部特征、服装细节和设计语言的一致性，而非仅依赖首帧图像。输入模态同样为图像与文本，输出为视频，通过阿里云百炼平台提供服务，部署区域和限流配置与前两个变体相同。该模型适用于需要角色一致性的叙事场景，如短剧、广告和电商内容生产。

• gpt-5.4-mini-1009
• veo-3.1-fast-generate-preview

  veo-3.1-fast-generate-preview 是 Google Veo 3.1 的快速生成预览模型条目，面向以较快迭代速度制作生成式视频。它适合创意试片、社媒短视频草稿、镜头语言探索和内容团队的多轮方案比较。使用时应明确视频主体、动作、环境、镜头运动、时长、画幅与声音要求，并通过多个提示样例比较运动连贯性、人物一致性和画面细节。作为 Preview 模型，适合先在可控项目中验证工作流；正式发布前仍应审核人物肖像、品牌元素、音乐版权和生成内容标识。

• claude-opus-4-7

  Claude Opus 4.7 是 Opus 高能力系列中的后续版本，适合复杂分析、深度代码任务、长上下文研究与多工具协作。该代开始不再支持手动设置 budget_tokens 的传统扩展思考方式，而改用自适应思考与 effort 参数控制推理深度。它适合构建能够自行拆解任务、调用工具、检查结果并修正方案的高级智能体。迁移时需检查采样参数、结构化输出方式和最大输出长度，避免沿用旧版 API 配置造成请求失败。

• dola-seed-2-1-turbo-260628

  dola-seed-2-1-turbo-260628 是豆包 Seed 2.1 系列的 Turbo 版本，于 2026 年 6 月 23 日在火山引擎上线。它是一个深度思考模型，定位为面向规模化生产场景的低成本、低时延版本，功能齐备且效果比肩 Pro 版，适用于需要稳定承接大量线上调用的 Coding、Agent 与多模态理解任务，以及成本、吞吐与批量调用优先的企业级部署场景。模型支持 256K 上下文窗口，输入模态涵盖文本、图片和视频，具备深度思考、结构化输出、Function Call、联网搜索、知识库和 MCP 等能力。

• veo-3.1-generate-preview

  veo-3.1-generate-preview 是 Google Veo 3.1 的视频生成预览模型条目，适合将故事脚本、镜头描述或视觉创意转化为短视频原型。其价值在于帮助团队快速验证叙事节奏、场景氛围、动作表现和镜头构图，再进入后续剪辑或制作环节。高质量提示应包含主体特征、动作顺序、镜头景别、光线、风格、时长和禁用内容。应建立包含人物、运动、文字、复杂场景和不同画幅的样片集来评测，并在外部传播前完成版权、肖像、商标和安全审核。

• grok-4.5

  Grok 4.5 于2026年7月8日由 SpaceXAI 发布，是 xAI 并入 SpaceX 并收购 AI 编程工具 Cursor 后的首款旗舰模型。模型基于1.5万亿参数的 V9 基础模型构建，使用数万块英伟达 GB300 GPU 训练，并在补充训练阶段加入了 Cursor 的真实编程数据，重点强化编程与 Agent 能力。上下文窗口支持最高100万 Token。

• gemini-3.6-flash-1009
• gpt-4o-mini

  gpt-4o-mini 是 OpenAI GPT-4o 系列模型标识。官方目录将 GPT-4o 描述为快速、灵活的通用模型，mini 版本则用于更聚焦、成本更低的任务。它们可用于文本处理、图像理解、问答、摘要、分类和应用内助手等工作流。选型时应根据响应质量、延迟、输入模态和吞吐量区分标准版与 mini 版，并针对中文、表格、图片和长文档分别测试。重要事实和高风险建议仍需由检索结果或人工审核确认。

• gpt-image-2.5-sunburst
• claude-fable-5-1009
• wan3.0-video

  Wan3.0-Video 是万相3.0系列的旗舰全能视频生成模型，采用 All-in-One 设计，无需切换模型即可覆盖文生视频、图生视频（首帧/首尾帧）和参考生视频等全部任务类型。其核心突破在于多模态素材理解能力：单次支持最多20个多模态素材参考，涵盖图片、视频、音频、PDF/PPT/DOCX文档及公开网页链接，模型可自动解析文档和网页内容并生成风格一致的新视频。生成时长大幅提升至最长30秒，帧率30fps，原生输出台词、BGM和音效，支持480P、720P、1080P分辨率输出。底层采用时空联合注意力扩散架构（Spatio-Temporal DiT），在隐空间内同步计算画面几何特征与帧间运动流，提升了长时序视频的稳定性。

• gpt-5.2

  gpt-5.2 是 OpenAI 的上一代专业工作旗舰模型。官方目录将它描述为支持可配置推理强度的模型，适合需要较强分析、代码、文档处理和工具调用能力的工作流。它可用于复杂客服升级、业务研究、代码审查、结构化提取和多步骤任务执行。设计请求时应明确是否启用推理、输出格式及工具权限，并用固定测试集衡量迁移后的质量差异。对于关键结论，应结合检索来源、业务校验规则和人工复核，而不是仅凭生成结果做决策。

• gpt-5.3-codex

  gpt-5.3-codex 是 OpenAI 面向代理式软件工程的 Codex 模型标识。官方模型目录将 Codex 系列用于长链路编码任务，例如理解代码库、规划修改、编辑多文件、运行测试、排查错误和调用开发工具。它适合在明确仓库范围、测试标准和变更约束下协助研发工作。调用时应提供项目结构、语言版本、依赖、允许访问的工具和不可修改区域，并将生成的变更置于版本控制、自动化测试和安全审查之下。

• gpt-5.5

  gpt-5.5 是 OpenAI 面向复杂专业工作和编码任务的旗舰级模型。官方说明强调它适合工具密集型智能体、长上下文检索、产品需求到方案的转换，以及需要较高执行质量的客户工作流。它支持可配置推理强度和多种 Responses API 工具

• gpt-5-mini
• lyria-3.5
• PixVerse/c1

  PixVerse C1 于2026年4月8日发布，是首款专为影视工业流程设计的视频生成模型。它最高支持15秒1080P分辨率视频直出，提供文生、图生、参考内容生成及首尾帧控制四种输入方式。用户输入提示词后，模型可自动完成分镜规划与基础剪辑，实现从创意到成片的一站式转化。在内容连贯性方面，C1跨镜头的人物形变得到有效抑制，整体色调保持统一，多角色的动作协调性、空间关系及动态节奏均得到精准把控。区别于通用型模型，C1基于专业影视素材与制作规范训练，在镜头语言、构图逻辑、色彩管理和节奏控制等维度贴近实际影视生产需求，并在打斗动作、术法特效、多宫格分镜等场景做了专项优化。

• seedream-4-0-250828

  Seedream 4.0 是字节跳动 Seed 团队开发的图像创作模型，于 2025 年 9 月 9 日正式发布。其核心突破在于采用同一套架构实现文生图与通用编辑能力，融合常识和推理能力，相比前代 Seedream 3.0 和 SeedEdit 3.0，在多模态效果、速度和可用性上均实现显著突破。模型支持文本、图像或任意组合作为输入，覆盖文生图、图生图、单图编辑、多图编辑和图像合成等多种模式，可在 30 余种艺术风格间自由切换，最大分辨率从 2K 提升至 4K，推理速度比 Seedream 3.0 快 10 倍以上。

• seed-2-0-lite-260428

  seed-2-0-lite-260428 于 2026 年 4 月 28 日发布，是 Dola 基础模型家族首款全模态（Omnimodal）理解模型，统一支持视频、图像、音频与文本四种模态的原生输入，模型名称中的 260428 即对应发布日期。其核心能力在于音视频联合推理与长时序跟踪，可同时分析视频画面与音频内容并进行联合判断，适用于视频审核、会议总结、客服质检等跨模态推理场景。模型上下文窗口 262,144 tokens（约 256K），最大输出 131,072 tokens

• vertex/gemini-3.1-flash-lite
• claude-opus-4-6-1009
• claude-opus-4-6

  Claude Opus 4.6 是高能力 Opus 系列的成熟型号，适合长上下文分析、复杂编码、智能体执行、视觉理解和高要求的专业文档工作。它支持自适应思考、提示缓存和大上下文处理，可用于跨文件研究、代码库改造、工具驱动的流程自动化及复杂决策辅助。与更早模型相比，它对系统提示更敏感，因此应清晰描述目标、约束、可调用工具和完成条件。需要注意，传统手动扩展思考已逐步弃用，新的集成宜采用自适应思考和 effort 控制。

• claude-opus-5

  Claude Opus 5 是面向深度推理、复杂编码、研究分析与高难度创意工作的高级模型。它支持自适应思考，并默认开启思考过程；可通过 effort 调整任务投入程度，适合长周期智能体、复杂软件工程、资料研究、文档生成和多步骤工具编排。该模型支持大上下文、提示缓存和较长输出，但 max_tokens 同时约束思考与最终答案，因此应重新评估旧工作流的输出上限。生产部署前应重点验证延迟、成本、工具调用稳定性和任务边界。

• vertex/gemini-3.7-flash
• qwen-image-3.0-pro
• gpt-5.6-terra-1009
• claude-opus-4-5-20251101

  Claude Opus 4.5 是 Opus 4 系列中的高能力型号，适合需要强推理、复杂代码协作、视觉理解和多步骤任务执行的工作流。官方提示指南指出，该代在系统提示遵循、视觉处理、图像信息提取和计算机使用方面均有较强表现。它可用于代码审查、产品原型、复杂资料研究、界面理解和长任务智能体。使用时应避免把旧模型时代“必须频繁调用工具”的强制提示照搬过来，采用正常、具体的任务指令通常更稳定。

• happyhorse-1.1-t2v
• gpt-4o-mini-tts

  gpt-4o-mini-tts 是面向文本转语音的模型标识。模型用于把文字生成自然语音，可服务于无障碍阅读、语音播报、客服语音、学习内容和多媒体旁白。适配时应先验证目标语言、发音、语速、停顿、情感表现、音频格式与成本，并对数字、日期、人名和专业术语建立读音测试集。若使用真实人物声音、个人录音或商业音频，应取得必要授权并遵守声音合成标识要求。

• gpt-5
• gpt-6-luna
• claude-sonnet-4-6-1009
• PixVerse/v6

  PixVerse V6 于2026年3月30日发布，是 PixVerse 系列迄今最重大的架构升级。V6新增20余种参数化电影级运镜控制，涵盖推轨、升降、环绕、追踪等，每种运镜均可调节速度和缓动曲线。原生音频同步功能可在视频生成的同时产出环境声、音效和对话，无需后期制作。多镜头引擎支持在一次生成中定义2至3个场景序列，并保持角色和灯光的一致性。V6将 1080p 原生输出的视频时长从 V5.6 的8秒提升至15秒，并支持文生、图生、过渡、扩展和多镜头五种生成模式。多主体参考生成（r2v）支持输入2至7张图像智能融合不同主体，在全球 r2v 赛道中排名第二。

• gemini-3.1-flash-lite-image-1009
• gemini-2.5-flash-image

  gemini-2.5-flash-image 是 Gemini 2.5 Flash 系列的图像生成与编辑模型标识，适合在创意流程中快速产出视觉草图、商品场景图、社媒素材变体和图像修改方案。使用时应准确说明主体、构图、风格、光线、尺寸和需要保留或替换的元素，并通过多轮生成筛选可用结果。它更适合快速探索与批量变体制作；涉及品牌标识、真实人物、受版权保护素材或对外发布内容时，仍需完成授权与人工审核。

• gpt-5.6-sol

  gpt-5.6-sol 是 OpenAI GPT-5.6 系列的旗舰通用专业模型，也是 gpt-5.6 别名所指向的层级。官方资料显示它支持文本和图像输入、文本输出、可配置推理强度，以及网页搜索、文件搜索、托管 shell、代码解释器、MCP 与计算机使用等工具。它适用于复杂分析、软件工程、长链路代理和专业工作流；应把任务边界、授权范围和验收标准写入系统指令。

• claude-fable-5-1-1009
• gemini-3.1-flash-image

  gemini-3.1-flash-image 是 Gemini 3.1 Flash 系列的图像生成与编辑模型标识，适合需要较快迭代的视觉内容工作流。它可用于将营销创意转成视觉草稿、生成商品背景、改换局部元素、探索配色和制作多版本社交媒体素材。为了提高成片可控性，应先给出清晰的主体与风格约束，再逐步调整构图、光线和细节，而非一次叠加过多要求。涉及可识别人物、品牌资产或公开投放的图片，应加入人工复核和素材权利检查。

• gemini-3.5-flash

  gemini-3.5-flash 是 Gemini Flash 系列的快速响应模型，适合需要高并发和短等待时间的应用环节。它可用于在线客服首轮回复、长文初筛、会议记录整理、标签分类、信息抽取和批量内容审核。接入时宜把任务拆成明确的小步骤，并规定输出字段、语言和长度，以便稳定接入下游系统。对于需要严谨事实判断、复杂推理或关键业务结论的任务，应保留检索校验、规则校验或人工复核。

• wan2.7-image-pro

  Wan2.7-Image-Pro 是万相2.7的图像生成与编辑旗舰版模型，支持文生图、文生组图、图生组图、图像编辑、多图参考生成和交互式编辑等多种任务。其突出特点是支持高达4K（4096×4096）分辨率的图像生成，同时具备“思考模式”以提升生成质量。在文字渲染、主体一致性和复杂指令遵循方面表现更强，可一次性生成最多12张连贯的图像组，适用于角色在不同场景下的系列化创作。图像编辑和多图参考生成支持最高2K分辨率，4K仅适用于纯文生图场景。输入模态为文本和图像。

• gpt-5.6-terra

  gpt-5.6-terra 是 OpenAI GPT-5.6 系列中强调能力与成本平衡的模型。官方将其定位为适合专业任务、又希望控制单次调用成本的选择，支持文本与图像输入、文本输出和多档推理强度，也能配合工具调用完成文件处理、检索、代码与浏览器类工作流。它适用于需要稳定质量但并非每一步都要使用最高规格模型的企业应用

• gemini-3.6-flash

  gemini-3.6-flash 是 Gemini Flash 系列中的高效率模型标识，面向响应速度与处理规模都较重要的多轮应用。它适合承担知识库问答的前置理解、工单分流、文档摘要、表单字段提取、轻量代码协助和内容改写等工作。提示中应给出清晰的角色、素材范围、答案格式和拒答条件，并用真实业务样本评估延迟、格式遵从和中文质量。涉及交易、法律、医疗或公开传播的内容，仍应经过业务侧审核。

• gpt-5.4

  gpt-5.4 是 OpenAI 面向编码和专业工作的 GPT-5 系列模型。官方模型页将其定位为较具成本效益的专业级选择，支持文本与图像输入、文本输出，以及函数调用、结构化输出、网页搜索、文件搜索、代码解释器等工具能力。它适合复杂文档处理、软件开发、业务分析和多步骤任务。

• gpt-6.1-sol
• dola-seedream-5-0-pro-260628
• kimi-k2.7-code

  kimi-k2.7-code 是 Moonshot AI 的 Kimi 系列模型标识，代码方向版本，适合阅读、解释、重构与生成工程代码。它可用于长文档梳理、研究资料问答、代码协作、写作辅助和企业知识检索。实际可用的上下文长度、工具能力、缓存与计费方式应以 Moonshot 或接入云平台的官方模型页为准。使用时应把任务目标、文档范围、引用格式和输出结构写清楚；对合同、财务、医疗等需要高准确性的内容，应保留原文定位、来源核验和人工审批。

• vertex/gemini-2.5-flash
• happyhorse-1.0-i2v

  HappyHorse-1.0-I2V 是图生视频变体，输入一张图像和文本提示，输出流畅自然的高质量视频。其核心能力在于“高度还原的动态画面生成”，能够精准理解文本语义，将静态图像的视觉信息与文本描述相结合，生成细节丰富、运动自然的视频片段。该模型输入模态为图像与文本，输出为视频，通过阿里云百炼平台提供推理服务，部署于北京、新加坡、法兰克福、弗吉尼亚等区域。

• wan2.7-videoedit

  Wan2.7-VideoEdit 是视频编辑模型，用户通过自然语言指令即可对已有视频进行局部或全局修改。编辑能力覆盖多个维度：可添加、删除或替换视频元素，切换场景环境（如晴天改雨天），变换整体视觉风格（如写实转水彩、真人转黏土动画）；角色行为、表情和情绪均可调整，台词可替换并自动匹配口型与音色；拍摄方式也可重新定义，包括机位、视角、景别和焦距等参数。模型还支持参考图像替换视频元素，并复刻视频中的动作、特效和运镜等动态过程。输入模态为图像、文本和视频，输出720P或1080P视频，时长2至10秒

• PixVerse/v4.5

  PixVerse V4.5 于2025年6月6日上线，在生成速度、画面精细度及多主体控制方面实现提升。其核心亮点是集成20余种电影镜头模板（如希区柯克变焦、一镜到底等），用户可调节焦距变化速度和镜头抖动幅度等参数，生成具有电影质感的动态画面。多模态融合技术支持最多8张图片输入，通过 SE(3) 等变网络实现多图像空间关系解算，自动生成包含起承转合的20秒完整片段。针对高速运动和群体交互等场景，V4.5通过对抗训练将动作流畅度相比 V4.0 提升约30%，减少了扭曲与伪影。

• claude-fable-5-1

  claude-fable-5-1 是 Anthropic 于 2026 年 9 月发布。它定位于最高难度的长周期智能体、复杂编码和企业知识工作：可处理跨整个代码库的功能开发、性能优化、代码审查、多步骤研究，以及文档、表格、演示文稿和 PDF 中图表、表格与示意图的理解分析。模型支持文本与图像输入、文本输出。

• dreamina-seedance-2-0-mini-260615

  dreamina-seedance-2-0-mini 于 2026 年 6 月 15 日发布，是 Seedance 2.0 系列中最快、最实惠的版本，主打高性价比路线，价格约为标准版的 50%。尽管定位更轻量，其生成效果与 Seedance 2.0 Fast 较为接近，在部分场景下已能满足日常生产需求，并专门针对电商和广告场景进行了深度优化。模型支持原生音频、摄像机控制和图像或视频输入，输出分辨率限于 480P 和 720P，不支持 1080P。该模型保留了核心的参考生成能力，用户可通过融合提示词与最多 12 个多模态参考素材锁定人物一致性。

• gemini-3.5-flash-0930
• gemini-3.1-flash-lite-1009
• qwen3.7-max

  Qwen3.7-Max 于 2026 年 5 月 20 日发布，是千问 3.7 系列的旗舰版本，定位为“面向智能体时代的新一代旗舰模型”。模型拥有超过 1 万亿参数及 100 万 Token 上下文窗口，核心优势在于智能体能力的广度与深度，在编程、办公生产力和长周期自主执行方面均有突出表现。在 Terminal-Bench 2.0 Terminus 上得分 72.3，SWE-Pro 得分 60.4，多项指标刷新国内 SOTA。其标志性能力是支持 35 小时连续自主运行、完成超过 1,100 次工具调用，并在全自主 kernel 优化任务中达成 10.0 倍几何平均加速比。模型兼容 Claude Code、OpenClaw 等主流智能体框架，是构建复杂 Agent 系统的可靠基座。

• gpt-5.4-nano

  gpt-5.4-nano 是 OpenAI GPT-5.4 系列中成本最低、面向简单高频任务的模型。官方模型目录建议将 nano 层级用于吞吐量优先的场景，例如标签分类、文本清洗、短摘要、字段抽取、路由判断、批量质检和轻量客服意图识别。它适合在多模型架构中完成前置筛选或后置格式化，而不是承担复杂推理和开放式研究。使用时应把输出限制为明确 schema，准备覆盖边界情况的评测样本，并在低置信度或规则冲突时转交人工或更高能力模型。

• claude-opus-5-1009
• gemini-2.5-pro-preview-tts

  gemini-2.5-pro-preview-tts 是面向文本转语音的模型标识。公开模型资料将此类模型用于把文字生成自然语音，可服务于无障碍阅读、语音播报、客服语音、学习内容和多媒体旁白。适配时应先验证目标语言、发音、语速、停顿、情感表现、音频格式与成本，并对数字、日期、人名和专业术语建立读音测试集。若使用真实人物声音、个人录音或商业音频，应取得必要授权并遵守声音合成标识要求。

• gpt-6-sol-1009
• PixVerse/v3.5

  PixVerse V3.5 于2024年12月29日发布，核心承诺是“瞬间创建——10秒内”完成视频生成，并大幅升级了动漫渲染能力。它支持5秒或8秒的视频输出，分辨率覆盖360p至1080p，引入的开始-结束帧概念成为后续系列的重要基础能力。V3.5是当前 PixVerse API 仍然接受的最旧模型名称，普通的V3已从枚举中移除，说明其接口稳定性经过了长期验证。在定价上，5秒V3.5片段在360p或540p下需45积分，720p需60积分，1080p需120积分，选择8秒或快速运动则翻倍。V3.5的发布标志着 PixVerse 从功能堆叠转向生成速度的实质性突破，为后续版本奠定了效率基础。

• seedream-5-0-260128

  Seedream 5.0 是 Seedream 系列最新一代图像创作模型，首次集成联网检索和深度推理能力。模型采用多模态统一架构，在理解、推理和生成方面全面提升，能够像人类设计师一样理解用户指令背后的意图，并将世界知识应用于图像与文本创作中。其核心亮点包括：视觉推理生图支持多步思考，让生成结果符合物理规律与内在逻辑；实时检索增强可通过联网获取最新知识，精准回应时效性创作需求；信息可视化能力大幅提升，适用于办公、教育与科研等生产力场景。

• gemini-3.1-pro-preview-customtools

  gemini-3.1-pro-preview-customtools 是 Gemini 3.1 Pro 预览模型的自定义工具调用配置标识，适用于让模型在受控权限内编排企业内部 API、检索服务或业务动作。它可帮助实现工单查询、资料检索、数据汇总、流程触发和辅助决策等智能体工作流。设计时应为每个工具定义严格的输入 schema、权限范围、超时与失败处理，并记录调用链路以便审计。涉及写入、支付、删除或对外发送的操作，应添加人工确认和最小权限控制。

• gemini-3.5-flash-lite

  gemini-3.5-flash-lite 是 Gemini 3.5 Flash 系列中的轻量模型，面向需要以较低资源成本完成大量重复性请求的场景。它适合做内容初筛、短摘要、字段规范化、语种识别、文本路由、模板回复和候选结果排序。将其置于多模型流程的前端，能够先过滤简单请求，再把疑难或高价值任务交给能力更强的模型。上线前应以真实流量样本检验误分率、输出一致性和异常输入表现，并保留人工抽检机制。

• gemini-3.1-flash-lite-image

  gemini-3.1-flash-lite-image 是 Gemini 3.1 Flash 系列的轻量图像模型标识，适合成本与速度优先的视觉原型和批量素材变体任务。它可用于早期分镜、背景替换、简单海报构思、商品图候选方案和多风格草图生成，再将选中的方向交由设计师或更高能力模型精修。提示词应聚焦一个明确的主体、场景和风格，并设置固定画幅与输出数量。所有拟公开或商用图片仍应经过版权、肖像、商标和质量审核。

• deepseek-v4-pro

  deepseek-v4-pro 是 DeepSeek 系列模型标识，高能力版本，适合复杂分析、推理和较高质量要求的工作流。它可用于企业问答、内容草拟、检索增强回答、开发辅助和文档整理。提示设计应分离稳定规则与可变业务材料，并对事实、代码、引用和敏感内容设置独立校验。对于视觉实验或预览条目，建议先完成模态兼容性与输出稳定性测试。

• qwen3.7-plus

  Qwen3.7-Plus 于 2026 年 6 月 2 日发布，是 Qwen3.7 系列的多模态升级版，核心定位为视觉与语言统一的智能体基座。它在保留文本、编码和工具调用能力的基础上，深度融合了视觉理解与推理，能够读取屏幕、操作 GUI、基于视觉参考生成代码，并端到端导航移动应用。模型将 GUI 操作、CLI 调用、代码生成与自我验证纳入同一个智能体循环，形成“看、想、写、做、验”的闭环。在全球视觉大模型榜单 Vision Arena 中，Qwen3.7-Plus 跻身全球前五、中国第一。该模型通过阿里云百炼平台上线，支持 OpenAI 兼容 API 与 Anthropic 协议，也可通过 Claude Code、Qwen Code 等工具直接调用。

• gpt-5.1