AI模型广场 - 聚合AI模型库，一站式AI工具导航与AI资源中转推荐平台

最新AI模型

Gemini 4 Argon 是 Google DeepMind 于 2026 年 10 月推出的旗舰模型，名字取自元素氩，不再沿用 Pro/Flash 后缀，定位是专干长、难、专业、多步骤；重活的 AI 工人——它拥有统一 100 万 token 上下文（输入+思考+输出共用），能一次性吐出完整代码库重构、长报告或合规分析，支持可调推理深度和 Agent 化工具调用，在 Chrome 代码重构、Rust 迁移、数据中心优化等真实工程任务中已有实打实的战绩，适合写代码、读论文、做研报、搭智能体等场景，闲聊和做图不是它的主战场。

Claude Haiku-5.5

Claude Haiku-5.5 是 Anthropic 新一代轻量快速模型，响应迅速、成本更低，编码与工具调用能力较上代全面升级，适合高频日常任务与代理工作流。

Gemini 3.8 flash

Gemini 3.8 flash 闪电版，Google新一代最智能的轻量高速模型：智能体执行、代码编写与长期任务处理再升级，性能稳定，适合大规模生产环境。

OpenAI GPT-6 astra 是新一代旗舰模型，推理、代码与多模态理解全面升级，支持超长上下文，适合专业开发与高质量多轮对话。

Openai 新一代图像模型 image-2.5 标准版 / 增强版两档可选，比例与分辨率分开控制（1K/2K/4K，最高 3840×2160），画质新增超高与极致两档，支持透明背景输出、多图参考融合与提示词引导的局部编辑。文字渲染、复杂排版与人物细节一致性全面升级，适合海报、电商主图、社媒配图等生产级素材。

Banana-2.1新一代高速图像模型，按次计费。支持 1K/2K/4K 输出、最多14张参考图、多种画面比例，支持联网搜索与图片搜索接地、思考等级控制，适合电商素材、社媒图片等大批量快速出图场景。

全球最具艺术性的AI图像生成平台，最新V8.1版本速度较早期提升4~5倍，支持原生2K高清输出。以电影级审美著称，光影、构图与色彩浑然一体，擅长概念艺术、游戏美术、角色设计、时尚视觉与奇幻场景。支持任意自定义画面比例（最宽14:1）、风格参考sref（提取参考图色彩材质氛围）与全能参考oref（人物/物体跨图一致），是海报、插画与氛围图创作的首选。

Seedance 2.5 满血版

字节跳动 Seedance 2.5 满血版的按秒计费版：能力、素材、画质与按 token 版完全一致，价格按「时长秒数 × 档位单价」下单即扣清、不多退少补，预算一目了然。

Grok-video-3.5 视频模型，专注图生视频：上传一张首帧参考图即可生成 1~15 秒高质量短视频，自带音频，画面比例与时长灵活可控。响应快、成本低，适合用一张图快速生成有声短视频。

Vidu Q4 Preview

Vidu Q4 Preview 新一代视频模型抢先体验版，一张卡两种玩法：参考生（默认）上传 1-15 张参考图生成主体一致的视频，可另附最多 3 段 mp3 参考音频，支持 16:9/9:16/1:1/4:3/3:4 五种比例；首帧模式上传 1 张图作为首帧，成片比例自动跟随图片。音视频同步直出，支持 540P/720P/1080P/2K/4K 与 3-16 秒时长，按秒计费；2K/4K 输出为 H.265 编码。

MiniMax 海螺 H3 全形态一体：文生 / 首尾帧 / 参考生 / 全能参考（图+视频+音频）一个模型全包，直出 2K 有声视频，4～15 秒灵活时长。按秒计费、下单即扣清。

阿里云万相3.0参考生视频模型：文字直出，或用最多10张参考图定妝定景；还能上传PPT/PDF/Word文档或网页链接，一键把图文内容转成最长30秒的1080P有声讲解视频。

MiniMax 海螺 H3 Max 极速版一体：文生 / 首尾帧一张卡全包，出片速度大幅快于标准版 H3，直出 480P / 768P 有声视频，5～15 秒灵活时长。按秒计费、下单即扣清；480P 单价最低，适合快速试稿与批量出片。

Suno V6 音乐生成

Suno V6 音乐生成模型，提供 V6 / V6 Wild / V6 Mini 三个版本，输入歌词与风格描述即可生成完整人声歌曲或纯音乐，一次生成 2 首供挑选。

对话模型

OpenAI GPT-6.1 sol 是新一代旗舰模型，推理、代码与多模态理解全面升级，支持超长上下文，适合专业开发与高质量多轮对话。

OpenAI GPT-5.6 sol 是新一代旗舰模型，全面提升对话流畅度、多模态理解与代码能力，适合高质量多轮对话与专业场景。

月之暗面（Moonshot AI）新一代旗舰思考大模型 Kimi K3，1M 超长上下文，始终开启深度思考，原生支持图片与视频理解，代码编写、复杂推理与智能体（Agent）能力全面升级。

Gemini 3.1 是迄今为止最智能的模型系列，以先进的推理能力为基础，最适合需要广泛世界知识和跨模态的高级推理的复杂任务。

Gemini 3.7 闪电版

Gemini 3.7 闪电版已正式发布（GA），是同代最智能的轻量高速模型。性能稳定，可大规模用于生产环境，在智能体执行、代码编写和长期任务处理方面表现领先。

全新一代旗舰 Claude Fable-5，自适应思考始终在线、随任务自动调配深度，复杂推理、长程任务与创意写作全面再进一步。

OpenAI GPT-5.6 luna 是新一代旗舰模型，全面提升对话流畅度、多模态理解与代码能力，适合高质量多轮对话与专业场景

OpenAI GPT-5.4 是用于复杂专业工作的前沿模型，具备强大的深度推理、多模态理解和工具调用能力，适用于高难度分析、代码开发与创意写作。

Claude Opus 4.6

Claude Opus 4.6 具备同系列最强档的深度推理、复杂编码与长程任务能力，输出细腻可靠，适合高难度专业工作。

OpenAI GPT-6 sol 是新一代旗舰模型，推理、代码与多模态理解全面升级，支持超长上下文，适合专业开发与高质量多轮对话。

豆包 Seed 2.1 Pro

字节跳动豆包 Seed 2.1 Pro 旗舰大模型，支持超长上下文、深度思考与联网搜索，具备图片 / 视频 / PDF 等多模态理解能力，可同时分析多种类型文件，适合复杂推理、长文档解析与专业问答。

DeepSeek-V4.1-Flash

DeepSeek V4.1 系列的轻量化版本，在保持高性价比与高吞吐效率的同时支持图文输入，兼顾百万Token长上下文与工具调用，适合日常对话、看图理解和轻量文本任务。

Claude Fable 5.1

Claude Fable 5.1全面升级版，自适应思考始终在线、随任务自动调配深度，复杂推理、长程任务与创意写作更进一步。

Anthropic 最新旗舰 Claude Opus-5，具备同系列最强档的深度推理、复杂编码与长程任务能力，输出细腻可靠，适合高难度专业工作。

阿里云百炼千问 3.8 Max，千问系列最新旗舰之作，在复杂推理、知识问答与专业写作上全面升级，支持超长上下文与联网搜索，具备文档理解能力，是追求最强效果的首选。

OpenAI GPT-5.6 terra 是新一代旗舰模型，全面提升对话流畅度、多模态理解与代码能力，适合高质量多轮对话与专业场景。

Claude Opus 4.8

Claude Opus 4.8 是同系列最新一代旗舰模型，在复杂逻辑推理、数学证明及创意写作的细腻度上再进一步，文采斐然且极难被检测出是AI。

智谱最新旗舰模型 GLM-5.3，复杂软件工程与 Agent 任务能力全面进阶，编程能力较 GLM-5.2 大幅提升、公开编程基准达开源 SOTA；支持 1M 超长上下文与 128K 超长输出，深度思考恒开，具备顶尖代码能力与结构化工具调用，是国产编程与 Agent 工作流的首选。

Gemini 3 Pro 是谷歌AI的顶级AI大脑，拥有无限上下文记忆能力，能瞬间吞噬并分析海量文档、整本小说或长视频，回答任意细节问题。

Claude Opus 4.6

Claude Opus 4.6 是同系列中最聪明的“逻辑怪兽”，在复杂逻辑推理、数学证明及创意写作的细腻度上排名第一，文采斐然且极难被检测出是AI。

Claude Sonnet 5.5

Claude Sonnet 5.5 是新一代均衡旗舰，编码与代理能力全面升级，逻辑严谨、输出可靠，专为编码、代理和企业工作流打造。

豆包 Seed 2.0 Pro

字节跳动豆包 Seed 2.0 Pro 旗舰模型，支持 256K 超长上下文、深度思考与联网搜索，具备图片/视频/PDF 多模态理解能力，在复杂推理、代码编程与多模态分析上表现卓越，是全能型智能助手。

DeepSeek-V4-Flash

DeepSeek V4 系列的轻量化版本，主打高性价比与高吞吐效率，适合通用对话和基础文本任务，同时支持百万Token长上下文和高效推理。

智谱 GLM-5.3 家族极速版，保留 1M 超长上下文与扎实的编程、推理底子，响应更快、成本更低；支持图片、视频、文档多模态输入与联网搜索，适合高频日常任务与轻量 Agent 工作流。

Xai 新一代旗舰 Grok-4.6，在长链路推理、代理工具调用与长上下文保持上进一步提升，保持低幻觉率与严格指令遵循，适合复杂推理、代码协作、策略分析与高实时性对话场景。

Claude Sonnet 5

Claude Sonnet 5 是新一代均衡旗舰，编码与代理能力全面升级，逻辑严谨、输出可靠，专为编码、代理和企业工作流打造。

DeepSeek V4 Flash

深度求索 DeepSeek V4 Flash 的多模态实验版，在保持 Flash 级高性价比的同时新增图像理解能力，支持百万Token长上下文与工具调用，适合看图对话、长文档理解和多模态 Agent 任务。

阿里云百炼千问 3.8 Max 0902 快照版，在 3.8 Max 基础上强化视觉理解（图片与视频）与深度思考，复杂推理、知识问答与专业写作全面在线，支持超长上下文。

‌Claude Opus 4.5

‌Claude Opus 4.5是同系列中聪明的“逻辑怪兽”，在复杂逻辑推理、数学证明及创意写作的细腻度上排名第一，文采斐然且极难被检测出是AI。

Claude Sonnet 4.7

Claude Sonnet 4.7 同系列最新一代旗舰模型，在复杂逻辑推理、数学证明及创意写作的细腻度上进一步提升，文采斐然且极难被检测出是AI。

DeepSeek V4 Pro

深度求索 DeepSeek V4 Pro 的 0813 版本快照，具备顶尖推理与 Agent 能力，支持超长上下文，适合复杂任务与深度分析。

大厂直供新一代旗舰 Grok-4.7，在长链路推理、代理工具调用与长上下文保持上进一步提升，保持低幻觉率与严格指令遵循，适合复杂推理、代码协作、策略分析与高实时性对话场景。

ChatGPT-5.4 mini 将它的优势融入到一个更快、更高效的模型中，专为高负载工作而设计。

豆包 Seed 2.1 Turbo

字节跳动豆包 Seed 2.1 Turbo 高速模型，兼顾速度与质量，支持长上下文、深度思考与联网搜索，可分析图片、视频、PDF 文档等多模态内容。

千问 3.8 Flash

阿里云百炼千问 3.8 Flash，3.8 系列高性价比快速版，支持图片与文档输入、联网搜索，超长上下文，响应快、成本低，适合高频日常任务。

月之暗面（Moonshot AI）Kimi K2.6 通用思考大模型，具备更强更稳的长程代码编写能力，指令遵循与自我纠错显著提升，高质量完成对话与智能体任务。

智谱 GLM-5.3 FlashX

智谱 GLM-5.3 家族 FlashX，保留扎实的编程、推理底子，响应更快；支持图片、视频、文档多模态输入与联网搜索，适合高频日常任务与轻量 Agent 工作流。

智谱 GLM-5.2 系列旗舰开源大模型，744B 参数 MoE 架构，支持真正可用的 1M 超长上下文与 128K 超长输出，主打 Agentic Coding 与长程工程任务，具备顶尖代码能力、长程任务规划与结构化工具调用，是国产编程与 Agent 工作流的首选。

OpenAI GPT-5.2 Codex 专为代码开发微调的工程级模型，拥有全栈架构师视野，能一次性读取并理解整个项目的代码库，进行系统级架构优化与Bug排查。

Claude Haiku 4.5

Claude Haiku 4.5 均衡型全能选手，以安全拟人著称，且具备强大的“计算机操作能力”，能模拟人类去点击鼠标、操作软件来帮你完成繁琐工作。

Claude Sonnet 4.6

Claude Sonnet 4.6 可大规模提供前沿智能，专为编码、代理和企业工作流而打造，均衡型全能选手，以安全拟人著称。

MiniMax-M3 是 MiniMax 最新旗舰 Agentic 模型，在代码生成、工具调用与 Agent 工作流上达到 SOTA，原生支持 1M 超长上下文与图片/视频多模态理解。

大厂直供新一代旗舰 Grok-4.5，在复杂推理、代理工具调用和实时资讯整合能力上进一步提升，兼顾低幻觉率与严格指令遵循，适合复杂推理、代码协作、策略分析与高实时性对话场景。

阿里云百炼千问 3.7 Max，千问 3.7 系列旗舰之作，原生多模态大模型，支持 100 万 Token 超长上下文与联网搜索，具备图片/视频/文档理解能力，在复杂推理、知识问答与多模态任务上表现顶尖，是追求最强效果的首选。

DeepSeek V4 Flash

深度求索 DeepSeek V4 Flash 的 0731 版本快照，主打高性价比与高吞吐效率，适合通用对话和基础文本任务，同时支持百万Token长上下文和高效推理。

月之暗面（Moonshot AI）Kimi K2.7 Code 代码大模型，专为编程与智能体（Agent）场景优化，擅长代码生成、补全、重构与多步工具调用，支持超长上下文。

深度求索（DeepSeek）的“硬核逻辑先锋”，基于独创 MoE 架构与“深度思考”模式，拥有 100 万 token 超长上下文窗口。它在数学竞赛、代码编程及高阶逻辑推导上展现出媲美人类的专家级智能，具备卓越的自我修正能力与极致性价比，是科研难题攻关与专业开发者的核心利器。

大厂直供旗舰新一代 Grok-4-20，行业领先的速度 + 代理工具调用能力，结合极低幻觉率与严格指令依从，内置「深度思考」开关：关闭=快速对话，开启=先推理再回复，一个模型涵盖日常闲聊、代码调试、复杂决策两端场景。

阶跃星辰（StepFun）Step 3.7 Flash 多模态大模型，主打极速响应与高性价比，具备视觉理解、逻辑推理与知识问答能力，支持长上下文，适合日常对话、文档理解与高频调用场景。

小米自研 MiMo-V2.5-Pro 旗舰大模型，支持文本对话与文档理解，具备深度思考与工具调用能力，适配复杂推理与长上下文场景。

小米自研 MiMo-V2.6-Pro 旗舰大模型，支持文本对话与图片理解，具备深度思考与工具调用能力，适配复杂推理与长上下文场景。

Gemini 3.5 Flash Lite

Gemini 3.5 Flash-Lite 是 Gemini 3.5 系列中速度最快、成本最低的轻量模型，适合翻译、分类、客服等海量高频任务，支持多模态输入，响应极快。

Gemini 3 的轻量化版本，主打极速低延迟响应和高性价比，非常适合处理大量数据提取任务或进行即时的语音对话。

GPT-5.4 nano 是 ChatGPT-5.4 最轻量、最快速的版本，专为对速度和成本要求极高的任务而设计。

千问 3.8 Flash Next

千问 3.8 Flash Next，采用新一代高效架构的快速模型，推理效率与性价比进一步提升，支持图片与文档输入、超长上下文，适合高频日常任务。

阿里云百炼千问3.7 Plus，新一代原生多模态旗舰模型，支持100万Token超长上下文、深度思考与联网搜索，在复杂推理、代码编程与多模态理解上全面升级。

MiniMax-M2.7 是 MiniMax 最新旗舰推理模型，在编程、工具调用和搜索、办公等生产力场景都达到或刷新了行业的 SOTA，支持 204K 长上下文和深度思考。

豆包·虚拟陪伴

字节跳动豆包·虚拟陪伴（Seed Character）原生角色扮演模型，擅长人设保持、剧情演绎与多轮沉浸式互动，支持图片/视频/音频多模态输入与超长上下文。

大厂直供旗舰Grok-4.3，面向低幻觉率、代理工具调用和严格指令跟随能力优化，适合复杂推理、代码协作、策略分析与高实时性对话场景。

豆包 Seed 1.8

字节跳动豆包 Seed 1.8旗舰模型，支持 256K 超长上下文、深度思考与联网搜索，具备图片/视频/PDF 多模态理解能力，在复杂推理、代码编程与多模态分析上表现卓越，是全能型智能助手。

千问 3.6 Flash

阿里云百炼千问3.6 Flash，3.6系列高性价比快速版，原生多模态、支持深度思考与联网搜索，响应快、成本低，适合高频日常任务。

Gork系列代码构建模型Gork-build-0.1，面向代理式编码、工具调用与多步任务执行优化，自适应推理，适合代码协作与自动化构建。

图片模型

Banana-Pro 旗舰级专业图像模型，图像内文字渲染公认全球最强。原生最高4K输出，最多14张参考图（人物5张、物体6张），人物与品牌一致性保持出色；支持对话式多轮编辑、光影镜头景深控制、思考模式与联网搜索实时信息生图。官转链路直连稳定、响应更快，适合专业海报、包装、Logo与高精度商业设计交付。

Chat GPT Image 2 全球盲测文生图与图片编辑双榜第一，复杂排版、文字渲染、多图参考合成与高保真编辑全面领先，人脸与品牌细节多轮编辑不走样，官方链路稳定性更高，适合对画质与稳定性要求苛刻的生产场景。

banana-2 高速图像模型，画质接近旗舰而速度与价格减半，官方盲测综合偏好甚至反超Pro。支持最高4K输出、最多14张参考图、512px秒级预览与1:4/8:1等超宽比例，独家支持联网搜索/图片搜索接地与思考等级控制。官转链路稳定直连、秒级出图，适合电商、社媒素材大批量快速生产。

生数科技Vidu官方图像模型，主打多图参考与主体一致性：最多7张参考图，人物、服装、道具、场景跨图保持一致，天生适合IP角色连续创作与系列化内容生产。支持文生图、参考生图与图片编辑（增删物体、换服装、调光照构图）三种模式，1K/2K/3K画质可选，多种画幅自由调节，是电商产品图、广告素材与角色IP批量生产的得力干将。

字节跳动新一代即梦图像模型（Seedream 5.0），核心升级是“深度思考”与“联网搜索生图”：能理解复杂空间关系与创作意图，可实时检索天气、票房、金价等信息直接生成数据海报与信息图。支持最高3K输出与多图融合，模糊指令下也能精准局部编辑、主体替换与风格迁移，编辑区域外画面保持不变，适合热点海报、信息可视化与复杂图文设计。

万相 2.7 图像

阿里通义万相2.7图像模型，生成与编辑一体的全能选手：文生图、图像编辑、多图参考（最多9张）、文生组图/图生组图（连续输出最多12张）全部打通，Pro档文生图最高支持4K。文字渲染大幅升级，支持约12种语言、长段落、表格与数学公式的印刷级排版；内置思考增强模式提升复杂指令理解，还支持框选交互编辑与品牌色控制，官方盲测文字渲染与写实度接近Nano Banana Pro，适合海报、电商与角色一致性故事板等专业设计流程。

字节跳动即梦图像模型（Seedream 4.5），支持最高4K超清输出。强项是高密度文字渲染与排版设计，中文海报、品牌KV、Logo与小字号说明文字表现出色；多图编辑的主体识别与一致性大幅提升，参考图细节保留精准，人像肤色与面部细节自然。支持文生图、单图/多图编辑与组图连续输出，适合电商商品图、广告海报、人像精修等商业设计场景。

快手可灵第三代Omni旗舰图像模型，支持最高4K超清输出与“图片系列模式”——一次生成2~9张角色、场景、风格连贯的系列图，天生适合分镜与连续叙事。参考图与参考主体合计最多10个，多图融合与主体一致性表现强悍，画面质感、材质纹理与电影化构图突出，适合IP多场景创作、影视分镜、高清海报与品牌视觉资产的专业生产。

千问-image-max

阿里千问图像模型（Qwen-Image），中文文字渲染是其最强王牌——多行段落、对联、店铺招牌、书法、PPT页面与图文混排均能精准生成，中文图内文字表现业界顶尖。支持文生图与图像编辑双模式：编辑模式最多3张参考图融合，可精确修改图内文字、增删移动物体、改变人物姿态、迁移风格，同时保持原图语义与外观一致，适合中文海报、广告宣传页与图片文字精修。

万相 2.6 图像

阿里通义万相2.6图像模型，主打图像编辑与多图参考融合，中文语义理解业界领先。支持最多4张参考图，可实现“参考图1的风格+参考图2的背景”式自由组合；支持风格迁移、主体一致性生成、图内文字替换与框选区域编辑，编辑模式最高2K输出，还支持图文混排生成，适合商品图精修、人物风格化与保留主体特征的二次创作

快手可灵第三代图像生成模型，支持文生图与单图参考图生图两种模式，1K标清/2K高清可选，单次最多输出9张，光影质感与细节表现力全面升级。定位快速出图与高性价比迭代，适合概念草图、普通海报、社媒图片与单主体商品图等日常创作场景。

视频模型

Vidu Q3 Drama 影视级剧情视频模型，专为精品短剧与 AI 漫剧打造。上传1-7张参考图片，AI 以图中主体为参考，生成主体一致、人物站位与对话精准、镜头叙事更强的有声剧情视频，音画同出。图片为必传。

Omni 1.1 是多模态 AI 视频大模型的升级版本，支持文生视频与首帧图生视频，成片自带音效。相比上一代新增 1080P 与 4K 两档高清输出，时长可在 3-10 秒之间任意选择，首帧还原度高、画面连贯稳定。

Grok-video-3 系列首帧参考图视频模型，专注于高效的图生视频体验。支持生成 6 秒及 10 秒时长的 720P 分辨率视频，具备极快的响应速度。它能将静态图像瞬间转化为流畅的动态影像，是短视频创作者快速验证灵感与获取素材的便捷工具。

可灵 AI数字人

可灵AI数字人模型，通过上传数字人参考图和音频文件，让图片中的人物开口说话。支持std标准模式和pro高品质模式，可定义数字人动作、情绪及运镜等。

PixVerse V6 多模态视频生成，支持文生视频、图生视频、首尾帧三种模式。不传图=文生视频，1张图=首帧生视频，2张图=首尾帧，自动生成有声视频，支持360P-1080P分辨率，3-15秒。

Vidu 音乐MV：上传 1～7 张人物/风格参考图 + 1 个音频（首尾合成1～180秒）即可生成一条有叙事、有画面的 MV，支持 540p/720p/1080p 多画幅 + 可选对口型 + 自动字幕，按实际成片秒数计费。

可灵 V3 Omni 首尾帧模式，上传1张图作为首帧，或2张图作为首帧+尾帧，AI智能分镜生成有声视频，支持标准/高品质双模式，5-15秒。

Omni Flash 首尾帧由多模态大模型驱动，上传首帧与尾帧两张图，模型自动补全中间的运镜与转场，生成 10 秒 720P 视频。成片自带音效、过渡自然，适合做转场特效、产品变形与创意衔接。

万相 2.2 视频换人

万相2.2视频换人模型，上传一张人物图片和一段参考视频，AI将视频中的人物替换为图片中的人物，支持标准模式和专业模式。无需输入提示词。

万相 3.0 首尾帧

阿里云万相3.0图生视频模型，上传1张图作首帧、2张图作首尾帧过渡，生成最长30秒的1080P有声视频；支持智能时长与2-30秒自定义，标准版/高速版可选。

HappyHorse 文生视频

阿里百炼 HappyHorse（文生视频）：纯文本描述即可生成运动连贯、光影自然的短视频；支持 720P/1080P、3–15 秒多档时长，5 种宽高比自由选择。

PixVerse C1 视频生成模型，专为打斗、法术特效及高速运动等动态场景优化。支持首帧生视频和首尾帧两种模式，自动生成有声视频，支持360P-1080P分辨率，1-15秒。

Vidu Q3 参考生视频模型，上传1-7张参考图片，AI以图中主体为参考生成主体一致的有声视频。当前版本为漫剧做了针对优化，支持音画同出，最高1080P分辨率，4-16秒时长可选。

阿里云万相2.7旗舰参考生视频模型，支持文本生视频和参考生视频两种模式。纯文本自动走文生视频(t2v)，上传参考图片或视频后自动切换为参考生视频(r2v)。支持720P/1080P分辨率，最长15秒视频生成。

Vidu 「解说漫」是以剧本驱动的解说向漫剧视频模型，支持 3–10 个角色/场景/道具参考图与独立角色音色，自带中英 TTS 与对口型。720P/1080P 多画幅可选，按实际成片秒数计费；上游推理时间较长（最长约 10 小时），请耐心等待。

阿里百炼 HappyHorse（图生视频）：以单张图片作首帧与视觉锚点，结合提示词生成运动连贯、光影自然的短视频；仅支持带图生成。支持 720P/1080P、3–15 秒多档时长，画幅随首帧自适应。

PixVerse V5.6 参考生视频模型，支持上传1-7张参考图片，AI参考图片中的角色、风格、场景融合生成有声视频。支持360P至1080P分辨率，5-10秒时长可选。

Vidu Q2 参考生视频模型，上传1-7张参考图片，AI以图中主体为参考生成风格一致的高质量视频。提供标准版（细节丰富）和高质量（支持视频参考、视频编辑）两种模式，最高1080P分辨率，5-10秒时长可选。

阿里云万相2.7视频续写模型，支持首段视频续写和首段视频+尾帧续写两种模式。上传视频片段自动续写，可选添加尾帧图片引导视频方向。支持720P/1080P分辨率，最长15秒视频生成。

音频模型

Minimax 语音克隆 2.8

MiniMax 海螺语音克隆模型，支持上传音频复刻你的专属音色，首次激活后永久有效。提供 HD 高清和 Turbo 极速两种合成质量，支持语速、语调、情绪、音效等精细调节，适用于有声读物、配音、播客等场景。

Suno 音乐生成 4.5

Suno V4.5（chirp-auk）音乐生成模型，输入歌词与风格描述即可生成完整人声歌曲，支持纯音乐、续写、卡拉OK 字幕。最长 4 分钟、最快 80 秒成曲。

豆包语音合成 2.0

火山引擎豆包语音合成2.0，支持上百种精品音色，支持多情感、多语种、长文本合成（最大10万字符），音质自然流畅。

Gemini-3.1 原生文字转语音模型，支持30种预置音色和24种语言，支持双人对话，支持自然语言描述语气，速度更快、价格更优。支持各种长文本朗读，有声小说，多人对话，爽得飞起。

海螺音乐生成 2.5

MiniMax 海螺音乐生成模型，输入歌词和风格描述即可生成完整歌曲。支持 AI 歌词创作、14+ 曲式结构标签精准控制、多风格混合（流行/摇滚/电子/古典/爵士等），带来高保真人声演唱和专业级编曲混音。

Gemini-2.5 原生文字转语音模型，支持30种预置音色和24种语言，支持双人对话，支持自然语言描述语气，跟剪映的AI配音不是一个级别的东西。支持各种长文本朗读，有声小说，多人对话，爽得飞起。

AI智能体

无限延展自由画布，摆脱传统画布尺寸限制，在无限延展的二维空间中自由排布创意元素。支持无级缩放、自由平移，无论是微观细节还是宏观全局，一切尽在掌控。

传几张菜品或门店照，AI 餐饮拍摄团队产出整套菜品图与门店视觉及外卖主图。

AI数字人只需建一次专属形象和声音，反复制作口播、带货与创意视频。

视频智能多帧

上传多个参考图和描述，选择时长，自动生成指定时长的长视频，多图参考、智能首尾帧、连贯长视频一键生成。

AI漫剧解说版

AI漫剧解说版是类似抖音电影解说风格，画面配音自动匹配，智能语音合成。

AI试衣间只需要上传服装照片，AI 模特团队为你产出整套上身试衣效果图。

AI视频策划主要用于宣传片、TVC、纪录片、微短剧、账号代运营方案——创意讲得通顺，逻辑严谨等特点。

个股研报、行业分析、财报解读、持仓复盘——真实行情财报取数据等。

小说一键改编、创意直出剧本——短剧、剧集、电影、广播剧等。

讲话稿、总结、述职、调研报告、汇报材料一条龙——机关文风等。

AI商务文书主要是投标书、商业计划书、项目申报书、可研报告——框架规范、逐字稿等功能

AI教师备课教案、说课稿、单元设计、试卷命题——新课标口径、贴紧教材等。

高考志愿咨询，规则讲明白、定位想清楚、风险说在前。

上传一条爆款视频，自动切镜，一键换成你的人物和商品，照原节点创作成新视频。

故事转视频

故事转视频是长文本一键生成带分镜、角色、配音的叙事视频，小说推文与 AI 短视频。

一首歌加歌词，AI 读懂主题与意象，自动分镜、出画面、剪成整首MV视频。

小红书爆款笔记

传几张图说下需求，AI 内容团队产出图组+文案的完整小红书笔记。

公众号爆款图文

一句话选题，AI 内容团队产出封面+配图+长文排版的完整公众号爆款图文创作。

传几张人物照片（单人、双人、全家福都支持），AI 摄影团队产出多个参考图。

AI品牌VI工厂

从一个品牌名开始，先定 LOGO，再裂变出名片、包装、门头整套设计方案参考。

一句话描述活动，AI 广告团队产出全渠道营销海报套图。

说个故事想法，AI童书团队做出一本主角不走样、能直接念给孩子听。

说清产品，AI 包装团队产出整套包装提案与产品效果图。

AI婚纱全家桶

AI婚纱全家桶只需要传新人照片拍影楼级婚纱大片，没照片也能生成 AI 模特样片。

把课程信息交给 AI 教研视觉团队，产出课程封面、知识卡片等。

AI家装设计只需要传几张房屋照片（毛坯、老房、精装都支持），AI 设计团队给出你家的设计参考图。

AI萌宠工作室

上传自家猫狗照片，AI宠物摄影团队为你产出整套不走样的萌宠写真。

多模型协作

多个模型并行回答问题，最终由一个模型统一总结，给你更全面的体验

AI Chat 内置文档、表格、演示文稿、代码审查等多个技能包，按会话随取随用；同时支持 MCP 协议接入外部工具，让模型不只是能聊，还能真正干活。|

Claude Codex 助手

Claude Codex 桌面版里照常选它内置的型号，用量和本站同一个账户结算，比直连便宜。

WorkBuddy 助手

助手会向 WorkBuddy 官网询问当前最新版本，下载官方安装包（约 150–180MB）后静默安装到当前用户，全程不用点下一步。已经装过的电脑会直接跳到模型配置。

ZCode 一个供应商只能有一种接口格式。配置包会向本站要每个模型支持的协议，Chat Completions、Anthropic Messages、Responses 各归各的供应商；ZCode 接不了的格式会直接标灰并写明原因。|

DeepSeek Harness

DeepSeek Harness 是 DeepSeek 官方开源的智能体工作台：给它一个目标，它会在工作区里读写文件、执行命令、派出子智能体分工协作，每一步的思考轨迹都能回看。界面与功能和开源原版完全一致，只是模型换成了本站通道，用量与本站同一个账户结算。

OpenCode 助手

OpenCode 的自定义 provider 走 openai-compatible 驱动，只会说 Chat Completions。安装器会向本站查每个模型的协议，只走 Anthropic 或 Gemini 原生协议的模型直接置灰并写明原因，不会让你配上一个调不通的模型。|

电商一键生视频

上传商品实拍、首帧参考或文字需求后，AI 会识别商品外观、材质、核心卖点和目标平台，为后续视频脚本和镜头规划打好基础。|

一键生PPT可以从从一句话主题、已有资料或参考素材中提取汇报目标、受众身份、使用场景和表达语气，为后续大纲和页面结构打底。

电商一键出图

上传商品图片和详细信息，AI 自动识别商品类目、提取核心卖点、分析材质规格。识别不全的信息通过多轮对话逐步补全，确保每个细节都精准到位，为后续出图打下坚实基础.

上传图片和详细信息，AI 自动识别内容类型、提取核心要素、分析关键特征。识别不全的信息通过多轮对话逐步补全，确保每个细节都精准到位，为后续出图打下坚实基础

OpenClaw 龙虾一键部署

OpenClaw 龙虾免费一键部署，全中文界面，主流大模型本地畅用。

AI漫剧剧情版

AI漫剧剧情版输入剧情文案，一键生成分镜、角色、台词、动作、视频等。

AI聚合平台

Google Gemini 中文站导航

Gemini 是 Google 推出的多模态 AI 模型系列，由 Google DeepMind 团队开发，定位为原生多模态的通用大模型。它的最大特色是从设计之初就原生支持文本、图像、音频、视频和代码的混合理解与生成，而非后期拼接。Gemini 系列分为三个规模：Gemini Ultra 面向复杂推理任务，Gemini Pro 面向广泛场景的平衡性能，Gemini Nano 面向端侧设备的高效运行。能力上覆盖长上下文理解（最高可达百万级 token）、多语言翻译、代码生成与调试、文档分析、图像识别与推理等。Gemini 深度整合进 Google 生态，包括 Google Search、Gmail、Google Docs、Google Cloud 等产品，同时通过 Google AI Studio 和 Vertex AI 向开发者和企业提供 API 接入。

山海AI - 聚合AI中转站

山海 AI（SedHi）是一个热门的 AI 大模型聚合平台，主打“一个账号用多家模型 + 多模态创作”。山海AI不是单模型聊天机器人，而是把 AI 对话、AI 绘画、AI 视频、AI 智能体塞进同一面板。能对话：调不同大模型回答问题 / 写文案 / 做分析；能绘画：国风、3D、CG、动漫、广告图、角色设定；能做视频：文生视频、图生视频、镜头/运镜/IP 一致性相关能力；以及包含众多AI智能体：搭垂直场景 Bot，做客服、创作、运营类任务。山海AI适合做自媒体/短剧/漫剧/电商图/角色 IP 的创作者，不想分别开 ChatGPT、Claude、Minimax、Gemini、Grok、Midjourney、可灵、即梦、Deepseek、ComfyUI 等最新AI模型的人群。

OpenAI ChatGPT 中文站导航

ChatGPT 是 OpenAI 在 2022 年 11 月推出的对话式 AI 助手，名字来自“Chat + GPT（生成式预训练Transformer）”，是目前全球用户量最大的通用 AI 产品。它从纯文本聊天起家，现在已长成一个“工作平台”：能写文章、改文案、写代码、跑 Python、读 PDF/表格、联网搜索、生成图片、实时语音对话，还能用 Deep Research 做带引用的长报告、用 Agent/Codex 自动执行多步任务。底层模型走“GPT 系列 + 推理 o 系列”两条线：GPT-5 及后续版本负责日常问答、写作、办公、多模态；o1/o3 类模型先慢想再答，适合数学、算法、复杂逻辑。生态上它有 Custom GPT / GPT Store、Projects、Memory、Canvas，以及和邮件、云盘、代码仓库的连通能力，个人到企业都能用。

Anthropic Claude 中文站导航

Claude 是 Anthropic（2021 年由 Dario Amodei、Daniela Amodei 等前 OpenAI 成员创立）推出的 AI 助手与大模型系列，2023 年发布初代，口号是“有用、诚实、无害”。它最出圈的不是多模态花活，而是三件事：长上下文、写代码、稳输出。 Haiku：快、便宜，做摘要、分类、抽取、客服式问答 Sonnet：速度/能力/价格平衡，日常写作、编程、分析默认选它 Opus：最强推理，复杂编码、深研、长程 Agent 任务用 Fable（较新旗舰线）：更长自治任务、最难推理，价格也最贵 Claude 支持文本+图片输入、代码、PDF、工具调用、Claude Code 智能体编程，但不生成图片/音频/视频，适合开发者、研究员、律师/分析师、需要高合规和企业级安全的团队。

Grok xAI 中文站导航

Grok 是埃隆·马斯克旗下 xAI 公司于 2023 年 11 月推出的 AI 聊天助手，最初内嵌于 X 平台，定位为"尽量求真、有好奇心、说话直一点"的通用大模型。它的最大特色是与 X 平台深度绑定，能实时检索 X 上的公开帖子，进行突发新闻追踪、舆论风向分析和社群情绪解读。风格上比主流助手更少过滤、更口语化、更带梗，适合追热点和头脑风暴。多模态方面支持图文理解、代码编写、文档总结、语音对话、摄像头实时识别以及文生图和文生短视频。推理能力从 Grok 3 开始引入 Think 和 DeepSearch 模式，Grok 4 系列进一步强化了工具调用、长上下文和多智能体协作。