テキスト、画像、動画、音声に対応した 500 以上のモデルを、従量課金と契約価格で利用できます。任意のカードを開くと、導入ドキュメント、SDK サンプル、料金詳細を確認できます。
66 件のモデル
GPT-Image-2.6 Flare は、迅速な反復作業向けの画像生成・編集モデルです。テキストと画像の入力に基づいて画像を生成または編集でき、対話型の画像生成・編集ワークフローに適しています。ドキュメントでは、複雑度の設定、マークアップによる編集指示、SVG 出力、アニメーション GIF 出力について言及されています。 ### 料金 100万トークンあたりの従量課金で、金額は米ドルです： - テキスト入力：5.00 - キャッシュ済みテキスト入力：1.25 - 画像入力：8.00 - キャッシュ済み画像入力：2.00 - 画像出力：30.00 テキストと画像の入力、および画像の出力のみに対応しています。音声と動画には対応していません。
GPT-Image-2.6 Sunburst は、テキストと画像の入力に基づく画像の生成・編集に対応し、精密な構図作成や画像編集のワークフローに適しています。ドキュメントでは、複雑度の設定、マークアップに基づく編集、SVG 出力、GIF アニメーション出力について言及されています。 ### 入力と出力 - 入力：テキスト、画像 - 出力：画像 - 音声・動画のモダリティには非対応 ### 公式料金 以下の料金はすべて 100 万トークンあたりの USD 表記です： | 種類 | 入力 | キャッシュ入力 | 出力 | | --- | ---: | ---: | ---: | | テキストトークン | 5.00 | 1.25 | — | | 画像トークン | 8.00 | 2.00 | 30.00 |
GPT-5.6 Sol 是 OpenAI 的模型。 模型族：gpt。 知识截止：2026-02-16。 模态：text、image、pdf → text。 上下文长度：1,050,000 tokens。
Gemini 4 Argon 是 Google Gemini 的模型。 模型族：gemini。 知识截止：2026-03。 模态：text、image、video、audio、pdf → text。 上下文长度：1,048,576 tokens。
Gemini 3.8 Flash 是 Google Gemini 的模型。 模型族：gemini-flash。 模态：text、image、video、audio、pdf → text。 上下文长度：1,048,576 tokens。
Gemini 3.7 Flash 是 Google Gemini 的模型。 模型族：gemini-flash。 知识截止：2026-03。 模态：text、image、video、audio、pdf → text。 上下文长度：1,048,576 tokens。
MiniMax H3 is a general-purpose, omni-modal video generation model developed by MiniMax. It unifies the understanding of text, images, video, and audio inputs, and is capable of generating videos up to 15 seconds in length at 2K resolution with native stereo audio. Unlike earlier systems that separated tasks such as text-to-video, image-to-video, and editing into distinct models, H3 treats them as a single generalized task, using natural language to describe how reference materials relate to the target output.
豆包大模型团队推出的新一代专业级多模态创作视频模型 Seedance 2.0，支持图像、视频、音频等多模态作为参考输入生成视频，还具备视频编辑、延长等能力，能高精度还原各类细节并稳定角色特征，具备极致拟真的视听稳定性，深度适配商业广告、影视制作与社交媒体营销等各大核心场景
GPT-5.4 是 OpenAI 的模型。 模型族：gpt。 知识截止：2025-08-31。 模态：text、image、pdf → text。 上下文长度：1,050,000 tokens。
GPT-5.4 Pro 是 OpenAI 的模型。 模型族：gpt-pro。 知识截止：2025-08-31。 模态：text、image → text。 上下文长度：1,050,000 tokens。
GPT-5.4 nano 是 OpenAI 的模型。 模型族：gpt-nano。 知识截止：2025-08-31。 模态：text、image → text。 上下文长度：400,000 tokens。
GPT-5.4 mini 是 OpenAI 的模型。 模型族：gpt-mini。 知识截止：2025-08-31。 模态：text、image → text。 上下文长度：400,000 tokens。
GPT-6 Sol 是 OpenAI 的模型。 模型族：gpt-sol。 知识截止：2026-04-20。 模态：text、image、pdf → text。 上下文长度：1,050,000 tokens。
GPT-6 Luna 是 OpenAI 的模型。 模型族：gpt-luna。 知识截止：2026-05-18。 模态：text、image、pdf → text。 上下文长度：1,050,000 tokens。
deepseek-flash 是 DeepSeek 的模型。 模态：text → text。 上下文长度：1,000,000 tokens。
GPT Image 2 是我们最先进的图像生成模型，用于快速、高质量的图像生成和编辑。它支持灵活的图像尺寸和高保真图像输入。
Nano Banana 是 Google Gemini 的模型。 模型族：gemini-flash。 知识截止：2025-06。 模态：text、image → text、image。 上下文长度：32,768 tokens。
Gemini 3.6 Flash provides sustained frontier-level intelligence optimized for real-world tasks at a higher speed and lower cost. Designed for the agentic era, it delivers coding and reasoning quality close to Gemini Pro, while preserving the speed and cost profile that make Flash ideal for real-time, high-volume workloads. It reduces output token usage by 17% compared to 3.5 Flash.
GPT-Image-2.5 Flare 是面向日常高质量图像生成的高速模型，支持文本和图像输入，仅输出图像。 支持 low、medium、high、xhigh、max 和 auto 六种质量设置，可通过 Image API 直接调用，也可作为 Responses API 图像生成工具的模型使用。支持图像生成、图像编辑和 Batch 处理，不支持音频或视频。 ### Token 价格 以下金额均为 USD / 100 万 Token： - 文本输入：5；缓存文本输入：1.25。 - 图像输入：8；缓存图像输入：2。 - 图像输出：标准处理 30；Batch 处理 15。 模型不输出文本，因此没有文本输出计费。Token 单价与 GPT Image 2 相同，但 GPT Image 2 的计算器不能用于估算 GPT Image 2.5 的 Token 消耗。
GPT-Image-2.5 Sunburst 是 OpenAI 的图像生成与编辑模型，支持文本和图像输入、图像输出，适合对编辑精度要求较高的工作流。 支持 low、medium、high、xhigh、max 和 auto 六种质量设置。可通过 Image API 直接使用，也可作为 Responses API 图像生成工具的模型使用。 支持的图像接口： - 生成：`v1/images/generations` - 编辑：`v1/images/edits` 不支持音频和视频。 ### 官方价格 按每 100 万 Token 计费，单位为 USD： | 类型 | 输入 | 缓存输入 | 输出 | | --- | ---: | ---: | ---: | | 文本 | 5.00 | 1.25 | 不适用 | | 图像 | 8.00 | 2.00 | 30.00 | 模型仅输出图像，不收取文本输出费用。Token 单价与 GPT Image 2 相同，但 GPT Image 2 的计算器不能用于估算 GPT Image 2.5 的 Token 消耗。
Claude Haiku 5.5 是 Anthropic 的模型。 模型族：claude-haiku。 知识截止：2026-06。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Kimi K3 是 Moonshot AI / Kimi 的模型。 模型族：kimi-k3。 模态：text、image、video → text。 上下文长度：1,048,576 tokens。
Kimi K2.6 是 Moonshot AI / Kimi 的模型。 模型族：kimi-k2。 知识截止：2025-01。 模态：text、image、video → text。 上下文长度：262,144 tokens。
Grok 4.6 是 xAI 的模型。 模型族：grok。 知识截止：2026-02-01。 模态：text、image、pdf → text。 上下文长度：500,000 tokens。
Grok 4.7 是 xAI 的模型。 模型族：grok。 知识截止：2026-05。 模态：text、image、pdf → text。 上下文长度：500,000 tokens。
Grok 4.3 是 xAI 的模型。 模型族：grok。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
GPT-5.5 是 OpenAI 的模型。 模型族：gpt。 知识截止：2025-12-01。 模态：text、image、pdf → text。 上下文长度：1,050,000 tokens。
GPT-5.6 Terra 是 OpenAI 的模型。 模型族：gpt-mini。 知识截止：2026-02-16。 模态：text、image、pdf → text。 上下文长度：1,050,000 tokens。
GPT-5.6 LunaはOpenAIのモデルです。 モデルファミリー：gpt-nano。 知識カットオフ：2026-02-16。 モダリティ：text、image、pdf → text。 コンテキスト長：1,050,000 tokens。
GPT-6 Astra is OpenAI's flagship frontier model, released September 3, 2026 and described by OpenAI as its most capable and most aligned model, built for the hardest end-to-end work in coding, computer use, browsing, research and professional tasks. On the API it offers a 1,050,000-token context window with up to 128,000 output tokens, a knowledge cutoff of April 30, 2026, text and image input with text output, and support for function/tool calling, built-in tools (web search, file search, computer use), Structured Outputs and streaming; reasoning effort supports low, medium, high, xhigh and max (none is not supported, and custom temperature/top_p and logprob are unavailable). Standard API pricing is $10 per 1M input tokens and $50 per 1M output tokens, with cached input at $1.00, cache writes at $12.50, and a long-context tier above 272K input tokens at $20/$75 ($2.00 cached, $25.00 cache writes); Batch and Flex are priced at 50% of Standard rates and Fast mode at 2x. Access is being rolled out gradually, with parts of it gated behind OpenAI's Trusted Access / Daybreak program as the first model to reach the Critical cybersecurity capability level under its Preparedness Framework.
GPT-6.1 Sol 是 OpenAI 的模型。 模型族：gpt-sol。 知识截止：2026-04-30。 模态：text、image、pdf → text。 上下文长度：1,050,000 tokens。
DeepSeek V4 Pro 是 DeepSeek 的模型。 模型族：deepseek-thinking。 知识截止：2025-05。 模态：text → text。 上下文长度：1,000,000 tokens。
DeepSeek V4 Flash 是 DeepSeek 的模型。 模型族：deepseek-flash。 知识截止：2025-05。 模态：text → text。 上下文长度：1,000,000 tokens。
Claude Fable 5.1 是 Anthropic 的模型。 模型族：claude-fable。 知识截止：2026-06。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Opus 5.5 是 Anthropic 的模型。 模型族：claude-opus。 知识截止：2026-06。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Sonnet 5.5 是 Anthropic 的模型。 模型族：claude-sonnet。 知识截止：2026-06。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Opus 5 是 Anthropic 的模型。 模型族：claude-opus。 知识截止：2026-05。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Opus 4.8 是 Anthropic 的模型。 模型族：claude-opus。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Sonnet 4.6 是 Anthropic 的模型。 模型族：claude-sonnet。 知识截止：2025-08-31。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Opus 4.6 是 Anthropic 的模型。 模型族：claude-opus。 知识截止：2025-05-31。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Opus 4.7 是 Anthropic 的模型。 模型族：claude-opus。 知识截止：2026-01-31。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Qwen3.7 Plus 是 Alibaba Qwen 的模型。 模型族：qwen。 知识截止：2025-04。 模态：text、image、video → text。 上下文长度：1,000,000 tokens。
HappyHorse-1.1-I2Vは画像から動画の生成をサポートし、画質、動的表現、およびクリップ間の一貫性をさらに向上させます。モデルは入力画像をより正確に理解し、クリエイティブな意図を継承することで、キャラクターの肌の質感、クリップ間でのID保持、動作の滑らかさ、テキストレンダリングの安定性、および音声と映像の同期において顕著な改善をもたらします。その結果、よりリアルで自然、細部まで豊かで、一貫性の高い高品質な動画を出力します。
HappyHorse-1.1-T2Vはテキストから動画の生成をサポートし、テキストのセマンティック理解、カメラワークのスケジューリング、動的生成パフォーマンスをさらに向上させます。このモデルはクリエイターの意図をより正確に再現し、キャラクターの動き、シーンの雰囲気、視覚的な美しさ、物理的な動きにおいて、より滑らかで自然、詳細が豊富で、一貫性の高い高品質な動画を生成します。
HappyHorse-1.0-I2V 是阿里巴巴 ATH 团队推出的 15B 参数统一多模态 Transformer 视频生成模型。支持图生视频（Image-to-Video），以图像为起点，精准保留原图内容，生成自然流畅的动态视频。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。支持 720P/1080P 分辨率。
HappyHorse-1.0-R2V 支持参考生视频，更加稳定的主体与场景参考，支持最多9张图片参考，能够精准保持创作意图，实现更强表现能力。
Cinematic creative generation, ultimate dynamic details. 文生视频，精准理解语义，细节丰富画质流畅。支持1080p原生分辨率，同步音频，多镜头故事讲述，7种语言唇形同步。
HappyHorse-1.0 视频编辑模型，支持对已有视频进行风格变换、局部替换等二次创作。支持截取前15秒编辑，输出分辨率与输入一致，实现从1到N的创意延展。
Gemini 3.1 Flash Lite Preview 是 Google Gemini 的模型。 模型族：gemini-flash-lite。 知识截止：2025-01。 模态：text、image、video、audio、pdf → text。 上下文长度：1,048,576 tokens。
Gemini 3.1 Pro Preview 是 Google Gemini 的模型。 模型族：gemini-pro。 知识截止：2025-01。 模态：text、image、video、audio、pdf → text。 上下文长度：1,048,576 tokens。
Gemini 3.5 Flash 是 Google Gemini 的模型。 模型族：gemini-flash。 知识截止：2025-01。 模态：text、image、video、audio、pdf → text。 上下文长度：1,048,576 tokens。
GLM-5.2 is Z.ai's flagship model built for long-horizon tasks, featuring a usable 1M-token context window and 744B MoE parameters (40B activated). It is optimized for project-scale engineering and agentic coding scenarios, with support for multiple reasoning effort levels, function calling, structured output (JSON mode), and streaming.
Nano Banana Proは、プロフェッショナルグレードの画像編集および生成のための複雑な推論駆動型エンジンであり、スタジオレベルの精度と高度なクリエイティブコントロールを提供します。Nano Banana Proは、複雑なグラフィックデザイン、高忠実な製品モデリング、正確なテキストレンダリング、およびGoogle Searchによる実世界の事実に基づくデータ可視化に最適です。
Nano Banana Pro 是 Google Gemini 的模型。 模型族：gemini-pro。 知识截止：2025-01。 模态：text、image → text、image。 上下文长度：65,536 tokens。
Nano Banana 2 は、手頃な価格と低遅延で、高品質な画像生成と対話型編集を提供します。これは Gemini 3 Pro Image の高効率な対応モデルであり、速度と大量の処理を必要とする開発者のユースケースに最適化されています。0.5K、1K、2K、および 4K 解像度をサポートし、1:4、4:1、1:8、および 8:1 のアスペクト比を追加し、画像検索グラウンディングおよび思考の連鎖をサポートします。
Nano Banana 2 是 Google Gemini 的模型。 模型族：gemini-flash。 知识截止：2025-01。 模态：text、image、pdf → text、image。 上下文长度：65,536 tokens。
Nano Banana Liteは、画像生成ファミリーにおける効率の専門家であり、超低遅延と高いコストパフォーマンスを備えた画像生成および編集機能を提供します。エンドツーエンドの遅延を2秒未満に抑えることを目標とし、TPUのコストを大幅に削減することで、高同時実行性のインタラクティブな開発者ユースケースやリアルタイムのコンシューマーアプリケーションに適しています。テキストから画像とテキストへ、画像から画像とテキストへのインターリーブされた生成と編集をサポートし、1K (1024x1024px) 解像度に最適化され、14種類のアスペクト比をサポートします。迅速なマルチターンローカル編集をサポートし、高いキャラクターの一貫性を維持し、デフォルトでSynthID + C2PA透かしが有効になっています。
マルチモーダル参照をサポートし、動画編集および延長機能を備えています
字节跳动最新一代多模态视频生成模型，支持文本、图片、视频、音频等参考输入，强化角色一致性、复杂运镜、动作表现和长镜头生成，可用于高质量影视级视频创作。
Gemini 2.5 Flash 是 Google Gemini 的模型。 模型族：gemini-flash。 知识截止：2025-01。 模态：text、image、audio、video、pdf → text。 上下文长度：1,048,576 tokens。
新一代专业级多模态视频创作模型，支持基于图像、视频和音频等多模态参考输入生成视频，同时具备视频编辑和扩展能力。
Seedance-2.0-fastは、次世代のマルチモーダル動画制作モデルであり、Seedance-2.0のコア機能と利点を継承し、より高速になりました。参考画像/動画/音声からの動画生成、動画編集、動画延長、および最初と最後のフレーム生成をサポートしています。
Claude Sonnet 4.5 是 Anthropic 的模型。 模型族：claude-sonnet。 知识截止：2025-07-31。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Sonnet 5 是 Anthropic 的模型。 模型族：claude-sonnet。 知识截止：2026-01-31。 模态：text、image、pdf → text。 上下文长度：1,000,000 tokens。
Claude Fable 5 は、Anthropic が現在公開している中で最も能力の高いモデルであり、最も過酷な推論と長期的な Agent タスク専用に構築されています。1M のコンテキストウィンドウと最大 128k の出力 token をサポートしています。組み込みの安全分類機能を備え、適応型思考、コード実行、視覚的理解、ツール呼び出しをサポートしています。
Claude Haiku 4.5 是 Anthropic 的模型。 模型族：claude-haiku。 知识截止：2025-02-28。 模态：text、image、pdf → text。 上下文长度：200,000 tokens。