Paid AI

Ling-3.2-Flash 是蚂蚁集团托管的多模态模型，用于对文本、图像和视频进行推理。其模型概述描述了视觉理解、空间交互和长时间运行的代理工作流程中的应用。

该模型采用稀疏专家混合架构，总参数为 5600 亿个，活动参数约为 250 亿个。其原生多模式输入使其能够在一个请求中对视觉材料和书面简报进行推理。

Inkling 2 Small 是 Thinking Machines Lab 的多模式语言模型，用于一般辅助、编码和工具使用应用程序。它接受文本和图像并生成文本，上下文窗口最多可包含一百万个标记。

该模型采用混合专家架构，总参数为 5940 亿个，活跃参数约为 170 亿个。它支持可变推理工作，并且可以在 Tinker 上根据提

Phonic-1 是用于语音代理的托管语音到语音模型。它直接接收呼叫者的音频并以语音进行响应，使用节奏和犹豫等提示来支持自然对话。

模型可以在调用者仍在说话时发起工具调用。 Phonic 通过 API 和代理构建工具公开它，以便开发人员可以将实时对话连接到他们自己的工作流程、评估响应并选择部署设置。

Phon

腾讯 Hy4 是腾讯长期运行代理任务旗舰模型的最终托管版本。它为早期预览版的文本功能添加了视觉理解，并支持软件和办公工作流程的工具使用。

该模型接受视觉和文本上下文，可以根据书面说明推理图表、屏幕截图和其他图像。兼容的应用程序将模型连接到命令行或图形工具，以便它可以规划和执行多步骤工作。

开发者可以通过腾讯云

LongCat-2.5是美团针对扩展代理工作的托管多模式模型。它将图像理解与代码生成相结合，以完成复杂项目工作和解释视觉设计参考等任务。

该模型采用混合专家架构，总参数为 1.6 万亿个，每个代币约有 480 亿个活跃币种。官方 API 文档描述了大约一百万个令牌上下文，并为已建立的代理客户端提供了兼容的接口。

SenseNova 6.8 Flash是商汤科技面向办公和内容创作的多模态代理模型。它支持跨越多个步骤或会话的任务，并可以提供交互式页面、演示文稿和设计工件等输出。

该模型将长上下文理解与支持的应用程序中的记忆和主动行为相结合。它可以参考早期的需求，注意到相关的更改并继续正在进行的工作流程，同时生成结构化或可视化的可交付成果。</

Ideogram Vector 可根据文本提示和参考图像生成可缩放、可编辑的 SVG 图稿。模型生成可单独重新着色和编辑的矢量形状，支持原创图稿生成和栅格转矢量转换。

设计师可创建徽标、标签、印刷品和插图；它们在调整大小时仍然清晰，也可在现有矢量编辑器中继续完善。核心能力包括文本转矢量生成、图像转矢量转换、可编辑 SVG 输出和单

Dessa 是 Block 的全双工对话模型，直接基于人类语音训练，可进行富有表现力的实时对话。它无需以文本为先的转录流水线或预训练语言主干即可从音频中学习，保留仅靠文本无法承载的时序和声音信息。

它提供带有自然打断、情感和节奏的语音交互研究预览，早期访问通过候补名单管理。核心能力包括全双工语音对话、仅语音训练、实时聆听与说话以及

Grok 4.6 是 xAI 的模型，适用于长期运行的代理、雄心勃勃的交互式工作、编码、研究和知识任务。它旨在跨多个步骤继续工作，从调查不熟悉的领域到生成精美的应用程序或工作工件。

该版本强调视觉和交互式项目的更强有力的首次通过、跨代码库的持续工作以及通过反馈持续改进。 xAI 报告使用精心策划的推理和技术数据、改进的优化器、监督

Claude Opus 5 是 Anthropic 的 Opus 层模型，适用于长期运行的代理、编码和专业知识工作。它被定位为对之前 Opus 模型的重大升级，在软件工程、推理繁重的任务和企业工作流程方面具有更强的性能。

该模型支持工作量设置，让客户可以权衡智能、延迟和令牌使用。与同一级别的早期模型相比，Anthropic 强调了

FLUX 3 是 Black Forest Labs 的多模式模型系列，适用于图像、视频、音频和动作预测工作流程。它被定位为跨越多种模式的一个模型，强调现实细节、风格控制和生产用例。

模型页面重点介绍了 FLUX 3 Video 功能、草稿和正常模式、生产采用以及跨模式改进，其中每种模式相互帮助。它专为需要生成在不同类型媒体上保持

Claude Opus 4.8 ? Anthropic ???? Opus ??????????????????????????????????????????????????????????????????????????????????????????Claude Opus 4.8 ?????????????????????????????????

GPT Realtime 2 是 OpenAI 的实时语音模型，用于构建实时对话代理，这些代理可以在对话仍在进行时进行聆听、推理、说话和使用工具。它专为需要语音界面来完成实际工作的产品团队而设计，例如客户支持、日程安排、行程变更、车载辅助、教育和免提生产力。与简单的语音到文本加聊天机器人管道不同，GPT Realtime 2 是围绕单一实时代理体验中的

GPT Rosalind 是 OpenAI 专门为生命科学研究构建的前沿推理模型。它旨在支持生物学、药物发现、化学、蛋白质工程、基因组学和转化医学的工作。该模型是为科学工作流程而构建的，其中对证据、实验计划、分子、基因、途径和生物背景的推理比一般聊天表现更重要。

该模型系列针对长期、工具繁重的科学工作流程进行了优化，并且可以通过

Grok 4.3 是 xAI 的推理模型，适用于需要长上下文分析、工具感知工作流程以及通过 xAI API 进行经济高效的模型访问的开发人员。它专为需要比基本聊天模型更深入推理的任务而设计，包括多文档分析、代理工作流程、技术故障排除和结构化指令遵循。该模型位于更广泛的 Grok 开发者生态系统中，支持现代 API 功能和工具集成。

GLM 5.1 是 Z.AI 的旗舰大语言模型，专为长期任务、高级编码工作流程和代理自动化而设计。它专为需要模型的开发人员而构建，该模型可以遵循复杂的指令、使用工具、推理多步骤问题并在扩展的工作会话中保持一致性。该模型被定位为编码助手、自主代理和生产级应用程序工作流程的实用引擎。

从技术上讲，GLM 5.1 通过 Z.AI 开发人

GLM-5V Turbo 是一种 Z.AI 视觉语言模型，专为图像和文本的快速多模态推理而设计。它是为需要 API 可访问模型的开发人员而构建的，该模型可以检查视觉输入、回答问题、提取信息以及参与结合语言和视觉的代理工作流程。当延迟和吞吐量很重要时，Turbo 定位使其特别有用。

从技术上讲，GLM-5V Turbo 通过 Z.A

Claude Opus 4.7 是 Anthropic 的最新旗舰型号，与 Opus 4.6 相比具有显着改进。它专为需要仔细遵循指令和持续解决问题的高级软件工程、硬推理任务和专业工作流程而设计。该模型定位于需要在困难任务上获得高质量输出的用户，而不是成本最低的一般助理。

该模型可通过 Anthropic 产品和 API 界面进行

MiniMax M2.7是MiniMax的下一代专有大语言模型，它的定位不太像静态聊天机器人，而更像是一个可以主动参与自身改进的系统。该模型被描述为M2系列中第一个深度参与自身进化的模型，参与优化训练工具、构建技能、分析日志、调试故障以及迭代强化学习实验等任务。实际上，这意味着该模型不仅为用户生成输出，而且还帮助塑造用于训练和完善模型的工作流程。

Cohere Transcribe 是一款语音识别产品，专注于将商业音频转换为精确的文本。产品页面强调准确性和速度，明确表明该工具是为生产工作流程而不是业余爱好者实验而设计的。它被定位为需要可靠转录的团队更广泛的业务人工智能堆栈的一部分。

该页面将转录描述为一种将音频数据转换为文本以进行搜索、分析和自动化的方法。该框架使该产品与处