模型库
自营国产算力与官方渠道供给的全部模型，价格实时更新。同一个 API Key 调用任意模型。
25 个模型 · 自营算力 3 · 官方接入 22
MiniMax H3 视频生成模型：支持文生视频、图生视频（首帧 / 首尾帧）与参考生视频，可输入文本、图片、音频、视频作为参考。输出 768P，默认连同声音一起生成。按成功生成的视频时长计费，正式价 0.50 元/秒，推广期特惠中（实际价格以页面标价为准）。生成失败不计费；参考图、参考音频、参考视频等输入素材限时免费。
MiniMax H3 视频生成模型：支持文生视频、图生视频（首帧 / 首尾帧）与参考生视频，可输入文本、图片、音频、视频作为参考。输出 768P，默认连同声音一起生成。按成功生成的视频时长计费，正式价 0.50 元/秒，推广期特惠中（实际价格以页面标价为准）。生成失败不计费；参考图、参考音频、参考视频等输入素材限时免费。 H3 Fast 由拉模式任务队列调度：提交即返回任务 id，按秒计费。画布只支持 1344x768（16:9，默认）与 768x1344（9:16）；时长 5–14 秒（默认 5 秒），成片会按帧网格略长于请求时长（至多约 0.7 秒），按请求秒数计费。其余参数与 MiniMax H3 相同。
GLM-5.3 是 Z.AI GLM 系列的新一代模型，支持最长 1M 上下文与 128K 输出，原生支持深度思考、工具调用与结构化输出，适合长文档理解、代码生成与复杂推理场景。由自营算力提供服务，兼容 OpenAI 与 Anthropic 两种调用协议。
HappyHorse 1.1 图生视频模型：给一张图和文字描述，生成一段视频。任务式异步生成。按成功生成的视频时长计费：720P 0.36 元/秒、1080P 0.48 元/秒，生成失败不计费。
HappyHorse 1.1 参考生视频模型：给若干参考图或参考视频，按描述生成新视频。任务式异步生成。按成功生成的视频时长计费：720P 0.36 元/秒、1080P 0.48 元/秒，生成失败不计费。
HappyHorse 1.1 文生视频模型，任务式异步生成（提交→轮询→下载）。按成功生成的视频时长计费：720P 0.36 元/秒、1080P 0.48 元/秒，生成失败不计费。
通义千问文生图模型，按成功生成张数计费（0.2 元/张），失败不计费。
通义千问语音识别模型，音频输入（base64 ≤10MB 或公网 URL），输出转写文本不计费。
通义千问语音合成模型，按输入字符计费（0.1 元/千字符），支持多音色（voice 参数，默认 Cherry）。
通义千问视觉理解模型，支持图像输入与思考模式。
通义千问全模态理解模型（音频/图片/视频输入，必须流式调用）。定位音频/多模态理解：输出统一按多模态价计费，纯文本调用同价；音频输入按官方 7 token/秒折算单独计价。
通义千问轻量低成本模型，效果接近旗舰，百万 token 上下文。
通义千问旗舰模型，推理能力最强，百万 token 上下文。
通义千问均衡模型，支持思考模式，百万 token 上下文。
通义千问 3.7 文本向量模型，将文本转成稠密向量用于检索、聚类与语义匹配，按输入字符量计费 0.25 元每百万。
通义千问 3.8 旗舰对话模型：2.4 万亿参数 MoE，编程与办公能力全面跃升，原生视觉理解，支持超长文档与长视频的深度语义解析，可自主编排多步任务并持续进化。支持深度思考、工具调用、结构化输出与联网搜索。
通义实验室文本向量模型 text-embedding-v4：支持中英等多语种，向量维度可选（2048/1024/768/512），适用于语义检索、RAG、聚类与分类。
通义万相文生视频模型，任务式异步生成（提交→轮询→下载），按成功生成的视频时长计费（720P 0.6 元/秒，支持 5/10 秒），失败不计费。
通义万相 2.7 图生视频模型：给一张图和文字描述，生成一段视频。任务式异步生成（提交→轮询→下载）。按成功生成的视频时长计费：720P 0.3 元/秒、1080P 0.5 元/秒，生成失败不计费。
通义万相 2.7 图像生成模型，根据文字描述生成图片，按成功生成的张数计费 0.10 元每张。
通义万相 2.7 参考生视频模型：给若干参考图或参考视频，按描述生成新视频。任务式异步生成。按成功生成的视频时长计费：720P 0.3 元/秒、1080P 0.5 元/秒，生成失败不计费。
通义万相 2.7 文生视频模型，任务式异步生成（提交→轮询→下载）。按成功生成的视频时长计费：720P 0.3 元/秒、1080P 0.5 元/秒，生成失败不计费。
通义万相 3.0 全能视频生成模型：一个模型同时支持文生视频、图生视频（首帧 / 首尾帧）与参考生视频，可同时输入文本、图片、视频与音频作为参考。最长 30 秒，480P / 720P / 1080P 三档分辨率，默认连同声音一起生成（开关声音价格相同）。按成功生成的视频时长计费，生成失败不计费。
通义万相 3.0 高速版视频生成模型：能力对齐标准版（文生视频、图生视频、参考生视频，可同时输入文本、图片、视频与音频），端到端生成速度显著更快。最长 30 秒，480P / 720P / 1080P 三档分辨率，默认连同声音一起生成。按成功生成的视频时长计费，生成失败不计费。
GLM-5.2 supports a larger context window and output length, with up to 1M context and 128K output tokens. It adds streaming output for tool calls via `tool_stream=true`, enabling real-time access to tool call arguments. Like the GLM-4.7 series, it supports deep thinking with `thinking={ type: "enabled" }`, where thinking is enforced once enabled, and introduces `reasoning_effort` to control reasoning intensity under chain-of-thought mode. It also delivers stronger coding performance and more advanced reason