大模型选型指南

数据截至 2026-11-03 性能口径均来自厂商公开资料

场景速选13 类场景对号入座 · 含版本选择规则备注
主推模型精选20 个主推 · 四条精选标准
视频模型功能对比时长 · 分辨率 · 参考素材 · 能否改片
小参数模型功能对比端侧 · 单卡 · 高配单卡 · MoE 小激活 · 显存怎么算
专用轻量模型功能对比向量 · 重排 · 语音识别与合成 · 同传 · OCR
模型总览开发商精选 · 能力域 · 249 个全量目录
附录 · 术语速查32 条大白话解释

一、场景速选按业务诉求直接对号入座

①–⑦ 为通用大模型场景；⑧–⑫ 为专用模型场景，与任一生成模型搭配使用，计费口径与文本模型不同（语音按秒、图像按张），预算测算请区分；⑬ 为部署档位场景，按硬件门槛选档。

文本与编程类（①–⑦）

①

性价比优先

适合：日调用量大的问答机器人、海量文本分类打标、批量摘要/抽取、初筛翻译——任务不难但要跑很多。

推荐模型	理由（公开口径）
deepseek-flash DeepSeek	官方基准编程/终端/Agent 超上代旗舰，闲时与缓存价格极低，适合跑量
GLM-5.3-Flash 智谱	官方称成本约旗舰 1/40，原生多模态，图文同价处理
qwen3.7-flash 阿里云	系列最低成本档，1M 上下文，高并发低延迟
MiniMax M3 MiniMax	开源 + 1M 上下文 + 多模态"不偏科"，长文档图文低成本
Ling-3.1-Flash 蚂蚁集团	轻量高速档，支持函数调用

②

推理速度最快

适合：流式对话助手、IDE 行内补全、实时字幕/解说、工具调用密集的 Agent 循环。

推荐模型	理由（公开口径）
Step 3.7 Flash 阶跃星辰	官方最高 400 tokens/s，面向生产级 Agent
GLM-5.3-FlashX 智谱	最高 200 tokens/s，较 Flash 快约 5 倍
Kimi K2.7 Code Highspeed 月之暗面	编程高速版，速度提升 5–6 倍，IDE 补全利器
qwen3.8-flash 阿里云	多模态高速，兼容 OpenAI/Anthropic 协议，带图实时友好

③

推理复杂度高

适合：数学/算法推理、故障根因分析、金融研报与法务合规推理、多步策略规划。

推荐模型	理由（公开口径）
deepseek-v4-pro DeepSeek	1.6T 旗舰，思考模式思维链深，复杂推理对标顶级闭源
qwen3.7-max / 3.8-max 阿里云	最大思维链 256K，官方定位深度推理与长周期智能体
GLM-5.3 智谱	发布时称编程推理最强开源，较上代提升约 50%
Kimi K3 月之暗面	2.8T 参数旗舰，长链任务规划能力强
GLM-5.0 / GLM-5-Pro 智谱	经宁波电信（集团官方平台）渠道接入的旗舰版本

④

性能最强（旗舰）

适合：全栈项目一次性生成、数小时级自主编程、视频级多模态理解、企业核心系统。

推荐模型	理由（公开口径）
qwen3.8-max（快照0902）阿里云	Code Arena 1691 登顶；官方演示自主编程 16 小时；图/文/视频三模态
Kimi K3 月之暗面	发布时全球最大开源（2.8T），前端代码全球第一（官方口径）
Step 5 Preview 阶跃星辰	AA 开源榜全球前三；单任务成本约为顶级闭源 1/8
GLM-5.1 / 5.2 智谱	官方称连续工作 8 小时完成长程任务；5.2 开源即登顶
GPT-6-Astra / GPT-6.1-Sol、Claude Opus 5.5 / Sonnet 5.5 / Fable 5.1、Gemini 3.8 Flash OpenAI / Anthropic / Google · 海外旗舰	海外旗舰：AA 智能指数 Opus 5.5 以 58 分居榜首、GPT-6-Astra 57 分第二；第三方资深工程实测 sudo L7 上 Claude 双旗舰并列第一（榜单为 2026-10 口径，时效变化快）

⑤

编程专项

适合：代码补全与重构、代码审查、前端/全栈开发、测试生成。

推荐模型	理由（公开口径）
Kimi K2.7 Code 月之暗面	编程专项 1.1T MoE，官方称 token 消耗降 30%，IDE 生态好
GLM-5.3 智谱	发布时编程最强开源；Cursor 已上线
MiMo-V2.5-Pro 小米	官方主打全链路开发能力，对标 GPT-5.4
deepseek-v4.1-flash DeepSeek	DeepSWE 74.2 / Terminal-Bench 90.6（官方），低成本编程 Agent
qwen3.8-max-0902 阿里云	Code Arena 榜首（公开榜单）
Kimi K2.8 Preview 月之暗面	K2.8 预览版【型号与发布日期待确认】

⑥

超长文档 / 多模态

适合：百万字级文档集问答、合同/研报批量审查、长视频内容理解、图文工单。

推荐模型	理由（公开口径）
qwen3.8-max 阿里云	1M 上下文 + 图/文/视频三模态，官方定位超长文档与视频解析
GLM-5.2 智谱	1M 无损上下文、最大输出 128K，长程工程任务
MiniMax M3 MiniMax	1M 上下文 + 原生视觉，图文混合理解
Kimi K3 / deepseek-v4 全系月之暗面 / DeepSeek	均 1M 上下文；DeepSeek 全系最大输出 384K，超长生成占优
gui-plus 目录未标注开发商	支持图像输入的文本生成模型（目录自述）

⑦

私有化部署（开源权重）

适合：数据不出域、自建推理服务、边缘/端侧部署、二次微调。

推荐模型	许可证与部署提示
DeepSeek V4 全系 DeepSeek	MIT；Flash 284B 门槛最低，V4.1-Flash 显存优化（官方称 HBM 约上代 1/4）
GLM-5 / 5.2 / 5.3 / 5.3-Flash 智谱	MIT；5.3-Flash 320B-A18B 多模态性价比突出
Kimi K2.6 / K2.7 / K3 月之暗面	开源；K3 2.8T 需大规模算力
MiniMax M3 / Step 3.7 / Step 5 MiniMax / 阶跃	M3 激活仅 23B 部署友好；Step 3.7 Apache 2.0；Step 5 权重 10-15 开源
qwen3.8-2.4t-a95b / 27b / flash 阿里云	开源；27B 家用级显卡可跑
qwen3.5 / 3.6 系开源模型阿里云	开源；27b / 35b-a3b / 122b-a10b / 397b-a17b 多档可选，256K 上下文
MiMo-V2.5-Pro 小米	开源；适配 7 家国产芯片

专用模型类（⑧–⑫）

⑧

检索增强 / RAG 组件

适合：企业知识库问答、语义搜索精排、文档去重聚类——embedding 召回 + rerank 精排，与任一生成模型搭配。

推荐模型	类型与理由（公开口径）
qwen3.7-text-embedding 阿里云	3.7 代文本向量，知识库建库与语义召回
qwen3.7-text-embedding-flash 阿里云	轻量低成本档，海量建库/高频查询友好
qwen3.7-text-rerank 阿里云	2026-09 上线的通用重排序模型，召回结果精排，显著提升问答命中率
text-embedding-v3 / v4 —	通用文本向量模型，与 qwen3.7 系向量互为补充

⑨

语音类（转写/对话/同传/合成）

适合：会议纪要与录音质检（转写）、语音客服与口语陪练（对话）、跨境会议与同传设备（翻译）、语音播报与数字人配音（合成）。

推荐模型	类型与理由（公开口径）
qwen-audio-3.0-asr-flash 阿里云	3.0 系 ASR（07-15 发布），官方称系列包揽三项全球第一
fun-asr-flash-2026-06-15 阿里云	通义 Fun 系转写快照版，按秒计费适合批量
qwen-audio-3.0/3.1-realtime 阿里云	低延迟全双工实时对话；flash 成本档 / plus 质量档
qwen3.5/3.8-livetranslate-flash-realtime 阿里云	实时同传，3.5 版官方口径端到端延迟 2.8 秒
qwen3-s2s-flash-realtime 阿里云	实时语音到语音模型（2025-09-22 快照，预览版）
qwen3-tts-flash 系列阿里云	3 代文本转语音：实时版 / 音色指令版 / 变声版全覆盖
MiniMax speech-2.8 / 02 系列 MiniMax	语音合成 hd 高品质档 / turbo 高速档，有声书与播报
档位选择通用提示	flash 为成本档、plus 与 hd 为质量档；批量打样先用低成本档跑通，再升档出片。

⑩

视觉与翻译（识别/生成）

适合：证件票据表格识别、电商图与营销素材生成、多语言内容翻译。

推荐模型	类型与理由（公开口径）
qwen3.5-ocr 阿里云	专用 OCR：版面/表格/多语种文字提取
qwen-image-3.0 阿里云	2026-07-21 发布，4.5K 超长指令，官方定位"从可用到商用"；1K/2K 档位
qwen-image-3.0-pro / 2.0 系阿里云	高配档与 2.0 代全系（含多个固定快照），高精度商用出图
qwen-mt-uni 阿里云	Qwen-MT 统一翻译（2025-07 首发），92 种语言互译，支持文档/图像/音频/文本；另有 flash / lite 轻量档
豆包 Seedream 4.5 / 5.0-Pro 字节跳动	字节系图像生成，经宁波电信（集团官方平台）渠道接入；文生图榜单国产前列
Gemini 2.5-Flash-Image Google	图像生成与编辑模型
档位选择通用提示	图像按张计费、分辨率越高越贵；先用低分辨率档验证构图，再出高分辨率成片。

⑪

全模态（Omni）

适合：语音+画面+文本一体的助手类应用：可视对讲、车载语音助手、带屏陪伴机器人。

推荐模型	理由（公开口径）
qwen3.8-omni-flash 阿里云	2026-09-18 发布；原生全模态、1M 上下文，官方称音视频输入价格降九成
qwen3.8-omni-flash-realtime 阿里云	实时版，流式音视频交互
qwen3.5-omni-flash / plus（含 realtime）阿里云	3.5 代全模态，flash 成本档 / plus 质量档，含 2026-03-15 快照
qwen3-omni-flash / qwen-omni-turbo 阿里云	上一代全模态，存量应用平滑沿用

⑫

视频生成

适合：短视频营销素材、产品演示与数字人视频、图生视频创作。

推荐模型	理由（公开口径）
豆包 Seedance 1.0-Pro / 2.5 字节跳动	视频生成榜单前列（文生视频/图生视频/视频编辑多榜前五）；经宁波电信（集团官方平台）渠道接入
wan3.0-video 阿里云	万相视频系，图生视频与视频编辑榜单前茅
MiniMax H3 MiniMax	图生视频榜单第一（2026-10 公开口径）

部署档位类（⑬）

⑬

端侧与单卡部署

适合：门店一体机、车载终端、断网环境、批量打标的成本上限——这一档关心的是"我的硬件跑得动哪一级"，不是许可证。

档位	硬件门槛	适合干什么
端侧级 ≤2B qwen2.5-0.5b / 1.5b 等	不依赖独立显卡：NPU 或边缘小卡，需量化甚至剪枝	意图分类、关键词与简单抽取、唤醒与离线问答
单卡级 7–8B qwen3-8b、qwen2-7b 等	一张消费级独显（量化后权重约 5–8GB）	客服话术生成、文本打标、轻量 Agent 循环
现役 27B 多模态 qwen3.8 / 3.5 / 3.6-27b	INT4 量化后约 14GB＋余量，24GB 单卡可跑；FP16 需数据中心卡	图文工单、文档与表格解析、带视觉的端侧助手
MoE 小激活档 qwen3.5 / 3.6-35b-a3b、122b-a10b 等	算力按激活省（3B–22B），显存按总参数算，需大显存单卡或多卡	高并发低成本调用；要能力但算力有限的私有化

"单卡"指一张 GPU 显卡即可跑起，不靠多卡并行；显存要同时装下模型权重、KV cache 与运行时开销。分档明细见「四、小参数模型功能对比」。本章所列档位均属开源权重系（通义千问 Qwen1.5 起为 Apache 2.0，DeepSeek R1 蒸馏系为 MIT；更早一代 qwen-1.8b / 7b / 14b / 72b 沿用通义千问许可协议，商用有规模门槛）；平台目录交付的是 API 调用，自部署权重需另行确认。

本章备注 · 模型名称与版本选择规则

不带日期 = 滚动最新版

如 deepseek-v4-pro、qwen3.8-omni-flash。随上游升级自动更新，适合持续追求最新能力的业务。

带日期 = 固定快照版

如 qwen3.8-max-0902、fun-asr-flash-2026-06-15。行为不漂移、结果可复现，生产系统建议选快照版。

标注「待确认」的条目

qwen-audio-3.1-realtime-plus、qwen3.8-livetranslate-flash-realtime、qwen-image-3.0-pro、qwen3.8-omni-flash-realtime 的发布日期，以厂商官方公告为准。

计费口径提示

语音类按秒计费、图像生成按张计费（含分辨率档位）、文本类按 Token 计费，预算测算请区分。

二、主推模型精选参照"精选在售"行业实践，从 249 个已接入模型中选出 20 个

精选四条标准：场景全覆盖（①–⑫ 每类至少 1 个；⑬ 端侧与单卡部署由第四章承接）· 渠道已接入（平台任一供应商渠道已提供的模型即可入选）· 去同质化（同一能力档只留 1–2 个，同系高速/增强版本并入同一行）· 热度与生态（真实调用量与公开榜单口径，2026-10）。

#	能力档	主推模型	入选理由（公开口径）
1	旗舰推理	deepseek-v4-pro（快照 -0813）	独立横评推理国产第一，SWE-bench Verified 约 80.6% 为国产最高
2	旗舰推理	qwen3.8-max（快照 0902）	SuperCLUE 中文综合第一；Code Arena 1691 登顶（0902 快照）
3	旗舰推理	GLM-5.3 / GLM-5.3-FlashX	编程与 Agent 旗舰，发布时编程最强开源；FlashX 最高 200 tokens/s；开源 MIT
4	性价比跑量	deepseek-flash	全球 API 调用量第一（2026-10 OpenRouter 周榜，单周环比 +801%），输出约 2 元/百万 Token 档，Agent 高频默认
5	性价比跑量	GLM-5.3-Flash	第三方横评共识的"智能/成本"最优解之一，成本约旗舰 1/40，原生多模态
6	性价比跑量	qwen3.7-flash	1M 上下文最低成本档，高并发低延迟
7	全能均衡	qwen3.8-flash	多模态高速、双协议兼容，综合与速度均衡
8	全能均衡	Kimi K3 / K3.1-Pro	第三方验证最全的国产旗舰（AA 智能指数 57 分全球第 4、开源最高；10 月迭代的 K3.1-Pro 曾达 55 分），高端选项
9	编程专项	Kimi K2.7 Code（含 Highspeed）	编程专项 1.1T MoE，SuperCLUE 编程第二，token 消耗降 30%
10	检索增强	qwen3.7-text-embedding	通义 3.7 代文本向量，知识库建库与语义召回
11	检索增强	qwen3.7-text-rerank	通用重排序，召回精排显著提升问答命中率
12	语音转写	qwen-audio-3.0-asr-flash	Qwen-Audio 3.0 系 ASR 高速版，官方称系列包揽三项全球第一
13	实时同传	qwen3.8-livetranslate-flash-realtime	3.8 代实时翻译（3.5 版官方口径端到端延迟 2.8 秒）
14	语音合成	qwen3-tts-flash	通义 3 代文本转语音，实时/音色指令/变声版全覆盖
15	图像生成	qwen-image-3.0	2026-07-21 发布，4.5K 超长指令，文生图榜单国产前列
16	全模态	qwen3.8-omni-flash	原生全模态、1M 上下文，官方称音视频输入价格降九成
17	海外旗舰·编程推理	GPT-6 系（Astra / 6.1-Sol）	OpenAI 旗舰；AA 智能指数 GPT-6-Astra 57 分居第二，GPT-6.1-Sol 第三方实测单任务成本约 3 美元、工程性价比突出
18	海外旗舰·编程推理	Claude 5 系（Opus 5.5 / Sonnet 5.5 / Fable 5.1）	Anthropic 旗舰；AA 智能指数 Opus 5.5 以 58 分居榜首，sudo L7 资深工程实测双旗舰并列第一（榜单为 2026-10 口径）
19	海外旗舰·多模态	Gemini 3.8 Flash	Google 旗舰 Flash 档，识图与多模态榜单前列（2026-10 公开口径）
20	视频生成	MiniMax H3 / 豆包 Seedance 2.5 / wan3.0-video	图生视频 MiniMax H3 榜首，Seedance 与 Wan 3.0 多榜前五（2026-10 公开口径）；功能与成本梯度详见下章

三、视频模型功能对比按镜头决策：时长 · 分辨率 · 参考素材 · 能否改片

视频模型没有全能冠军。下表按平台已接入的视频模型整理，Seedance 2.0 系两行为同族代际对照，用来看清能力与成本的梯度。

← 左右滑动查看完整表格

模型	单次最长时长	最高分辨率	多模态参考上限	原生音频	改已有视频	低成本档位
豆包 Seedance 1.0-Pro	12 秒（4–12）	1080p	首帧 / 首尾帧图 + 文字	有声 / 无声可选	不支持	1.0 Pro Fast（仅文生与首帧）
豆包 Seedance 2.0代际对照	15 秒	4K（标准版，10bit）／1080p	12 份（9 图 / 3 视频 / 3 音频）	原生	不支持局部编辑；支持前 / 后向延长	Mini / Fast / 标准三档
豆包 Seedance 2.0 Fast代际对照	15 秒	1080p	同上	原生	同 2.0	长期比 2.0 便宜 25%，能力不减
豆包 Seedance 2.5	30 秒一镜到底	1080p	50 份（30 图 / 10 视频 / 10 音频）	原生音画同步	支持：时间戳局部编辑、绿幕替换、3D 白模预演、多轮延长	无（仅一档）
阿里万相 wan3.0-video	30 秒（2–30，可选智能时长）	1080p / 30fps	20 份（10 图 / 5 视频 / 5 音频）＋文档 1 个＋公开网页 1 个	原生台词、BGM、音效（可关）	支持：增删改元素、风格与光线、台词编辑、前 / 后 / 双向延长（输入＋输出≤30 秒）	Prime 优速版（同模型出片更快）
MiniMax H3（海螺）	15 秒	2K（默认 768p，24fps）	12 份（9 图 / 3 视频 / 3 音频）	原生立体声 32kHz，支持 11 国语言	支持：换人换物换背景、绿幕合成、改台词、调光影、续写、V2V 动作迁移	权重已开源，可本地部署

成本口径与场景定位

价格均为厂商刊例或第三方公开报价，非平台售价；平台报价以模型广场为准。

模型	公开成本口径（核对日期）	最适合	不适合
豆包 Seedance 1.0-Pro	上一代，按秒计费，价格低	短镜头素材、静物展示、存量应用兼容	超 12 秒叙事、多角色一致性要求高
豆包 Seedance 2.0代际对照	官方 5 秒 720p 约 4.97 元；Mini 720p 约 1.25 元/秒、Fast 约 3.75 元/秒	15 秒内短视频、静物与铺货素材、打样试提示词、需要 4K 成片	超 15 秒连贯镜头、修改已有视频
豆包 Seedance 2.0 Fast代际对照	比 2.0 长期便宜 25%，分辨率上限同 2.0（1080p）	常规产出的默认档	需要 4K（走标准版）
豆包 Seedance 2.5	官方 5 秒 720p 约 7.56 元；1080p 9.00 元（促销，之后 12.50）	30 秒一镜到底、品牌广告、连载短剧锁角色、需要局部改片	大批量低成本跑量（没有降档可选）
阿里万相 wan3.0-video	第三方公开报价 480P 约 $0.07、720P 约 $0.14、1080P 约 $0.28 每秒（2026-10-13）	音画一体长叙事、把 PPT/Excel/网页直接变成片、首尾帧补过渡、编辑与接长	追求 2K 画质上限
MiniMax H3（海螺）	官方 2K 约 0.8 元/秒（称不到主流模型 1/3）；第三方 768p 约 0.28、1080p 约 0.35 元/秒	图生视频人像与情绪戏、画面内文字与 UI 动效、动态海报片头、成本敏感的量产、需本地部署	三人以上复杂多主体、高速打斗的物理模拟

差异要点一句话

2.5 独有 30 秒一镜到底与局部改片；wan3.0 独有把文档与网页直接变成成片；H3 独有 2K 画质、开源可本地部署与画面内文字准确；2.0 系 独有 Mini/Fast 低成本档与 4K。

榜单位置（2026-10 公开口径）

图生视频 MiniMax H3 第一、wan3.0 第三、Seedance 2.5 第四；视频编辑 wan3.0 第一、Seedance 2.5 第二、H3 第三；文生视频 Seedance 2.0 / 2.5 进前五、wan3.0 第五。排名为发布时点口径，变化快。

按镜头选，三问定档

① 成片要超过 15 秒连贯镜头吗？要 → Seedance 2.5 或 wan3.0-video。
② 要改已有视频（去元素、换背景、改台词）吗？要 → Seedance 2.5、wan3.0-video 或 MiniMax H3。
③ 画面里要有正确文字、UI 或图表吗？要 → MiniMax H3 或 wan3.0-video（可直接喂文档与网页）。

量产配比参考

走量素材与打样占 80%（Seedance 2.0 系 Mini/Fast、H3 768p、wan3.0 480P），精品长镜头与局部改片占 20%（Seedance 2.5、wan3.0 1080P）。先低档位磨提示词、定稿再升档：同一条提示词在 480p/720p 试八轮，比直接上 1080p 跑八轮省九成以上。

四、小参数模型功能对比显存与成本：跑不跑得起

通用旗舰解决"够不够聪明"，小参数模型解决"跑不跑得起"。参数量决定显存与成本，激活参数决定算力，两者不是一回事。

档位与硬件对应

档位	硬件含义
端侧级	不依赖独立显卡：手机、盒子、车载与门店一体机上的 NPU 或边缘小卡，通常需量化甚至剪枝
单卡级	一张消费级独显即可（12–24GB，量化后权重＋余量装得下）
高配单卡	一张专业卡（40–48GB），或两张消费级卡拼一下
现役 27B 多模态	FP16 权重约 54GB 需数据中心卡；INT4 量化后约 14GB＋余量，24GB 消费级单卡可跑（厂商"家用显卡可跑"即指量化后）
MoE 小激活档	算力按激活参数省，但显存按总参数算，通常需大显存单卡或多卡

分档功能对比

← 左右滑动查看完整表格

档位	模型	上下文	能力标记	显存估算（FP16 权重）	适合什么活儿
端侧级 ≤2B	qwen2.5-0.5b / 1.5b-instruct、qwen2-0.5b / 1.5b-instruct、qwen1.5-0.5b / 1.8b-chat、qwen-1.8b-chat、qwen-1.8b-longcontext-chat、qwen2.5-math-1.5b-instruct、deepseek-r1-distill-qwen-1.5b	目录未标注	纯文本	0.5B 约 1GB；1.5–1.8B 约 3–4GB	意图分类、关键词与简单抽取、唤醒与离线问答、数学专项
单卡级 7–8B	qwen3-8b、qwen2-7b-instruct、qwen1.5-7b-chat、qwen-7b-chat、deepseek-r1-distill-llama-8b	目录未标注	qwen3-8b 支持深度思考	7–8B 约 14–16GB（量化后 5–8GB）	客服话术生成、文本打标、轻量 Agent 循环
高配单卡 14–32B	qwen3-14b、qwen3-32b、qwen1.5-14b / 32b-chat、qwen-14b-chat、deepseek-r1-distill-qwen-32b	目录未标注	qwen3-14b / 32b 支持深度思考	14B 约 28GB；32B 约 64GB（量化后 8–18GB）	中等复杂度写作与抽取、私有化主力档
现役 27B 多模态	qwen3.8-27b、qwen3.5-27b、qwen3.6-27b	1M（3.8）／256K（3.5、3.6）	视觉＋深度思考＋函数调用＋视频输入；最大输出 128K／64K	27B 约 54GB（量化后约 14–18GB）	图文工单、文档与表格解析、带视觉的端侧助手
MoE 小激活档	qwen3.5-35b-a3b、qwen3.6-35b-a3b、qwen3-30b-a3b(-instruct-2507)、qwen3-next-80b-a3b-instruct、qwen3.5-122b-a10b、qwen3.5-397b-a17b、qwen3-235b-a22b(-instruct-2507)、qwen2-57b-a14b-instruct	35b-a3b／122b-a10b／397b-a17b 为 256K	35b-a3b 系带视觉＋视频输入＋函数调用；30b-a3b／235b-a22b 支持深度思考	算力按激活（3B–22B）省，显存按总参数算：35B 约 70GB、122B 约 244GB、397B 约 794GB	高并发低成本调用；"要能力但算力有限"的私有化

开源情况

本章 34 个小参数模型全部属开源权重系：通义千问各尺寸（qwen1.5 / 2 / 2.5 / 3 / 3.5 / 3.6 / 3.8 与 qwen3-next）自 Qwen1.5 起为 Apache 2.0；更早一代（qwen-1.8b / 7b / 14b / 72b-chat、qwen-1.8b-longcontext-chat）沿用通义千问许可协议，商用有规模门槛；DeepSeek R1 蒸馏系（1.5B / 8B / 32B / 70B）为 MIT。

两点要留意：一，"开源"指权重可从 Hugging Face / ModelScope 自行取得，平台目录里交付的是 API 调用，要私有化自部署需另行确认交付形态；二，许可条款以各模型官方仓库为准，签约前复核。

三点提醒

flash / lite 是成本档，不是参数档

GLM-5.3-Flash 为 320B-A18B、Step 3.7 Flash 198B、deepseek-v4.1-flash 552B、qwen3.8-flash 属旗舰系。名字带 Flash 的模型参数量普遍不小，别按"小模型"预算它们。

MoE 的"小"要分开算

激活 3B 意味着每次计算量小、单价低、出词快；但权重仍要全部装进显存，35B-A3B 的显存需求接近 35B 稠密模型。省钱在调用费，不在硬件。

端侧级的能力边界

≤2B 档在分类、抽取、模板化问答上够用，一旦涉及多步推理、长上下文或工具调用，成功率会明显下滑；把它放在流程前端做初筛与打标，比让它独立干活更划算。

显存估算为按参数量的工程换算（FP16 权重，量化后更低），实际占用随上下文长度、并发数与部署框架变化，交付前以实测为准。

五、专用轻量模型功能对比单任务交给专用工具更快更省

不是所有活儿都需要通用大模型。识别、合成、向量化这类单任务，专用模型更快、更便宜、更容易私有化，与任一生成模型搭配使用。

按能力域对比

← 左右滑动查看完整表格

能力域	模型	关键规格（目录标注）	计费口径	典型搭配与场景
向量嵌入	qwen3.7-text-embedding、qwen3.7-text-embedding-flash、text-embedding-v3 / v4	上下文 128K	按 Token	知识库建库与语义召回；flash 为低成本档，适合海量文档与高频查询
重排序	qwen3.7-text-rerank	上下文 32K	按 Token	接在向量召回之后做精排，显著提升问答命中率
语音识别	qwen-audio-3.0-asr-flash、qwen3-asr-flash-realtime、fun-asr-flash-2026-06-15	目录不标上下文（按音频计）	按秒	会议转写、录音质检、实时字幕（realtime 版）
语音合成	qwen3-tts-flash、qwen3-tts-flash-realtime（含 2025-11-27 快照）、qwen3-tts-instruct-flash、qwen3-tts-vc-realtime-2026-01-15；MiniMax speech-2.8-hd / turbo、speech-02-hd / turbo	目录不标上下文	按字符或按条（各家口径不同）	语音播报、有声书、数字人配音；realtime 接对话、instruct 控音色、vc 做变声
实时语音对话	qwen-audio-3.0-realtime-flash / plus、qwen-audio-3.1-realtime-plus / flash	上下文 40K（3.0）／256K（3.1），最大输出 8K／16K	按 Token	语音客服、口语陪练；flash 成本档、plus 质量档
实时翻译	qwen3.8-livetranslate-flash-realtime、qwen3.5-livetranslate-flash-realtime（含 -2026-05-19 快照）	上下文 52K，最大输出 4K	按 Token／音频	跨境会议与同传设备；3.5 版官方口径端到端延迟 2.8 秒
文档识别	qwen3.5-ocr、qwen-vl-ocr、qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20、vanchin/deepseek-ocr	qwen3.5-ocr 上下文 64K／输出 16K；vanchin/deepseek-ocr 8K／8K	按 Token	证件、票据、表格与版面结构提取，多语种文字识别

开源情况

有开源同族、可自行部署：向量嵌入与重排序（Qwen3-Embedding / Qwen3-Reranker 0.6B / 4B / 8B，Apache 2.0）、语音合成（Qwen3-TTS 0.6B / 1.7B 系列，Apache 2.0，2026-01 全面开源）、语音识别（Qwen3-ASR 系列已开源）、全模态（Qwen3-Omni 30B-A3B，Apache 2.0）。

目前只以云端 API 提供、未见公开开源权重（以官方仓库为准）：实时翻译（Qwen3-LiveTranslate-Flash 系）、实时语音对话（qwen-audio-3.x-realtime）、MiniMax speech 系、text-embedding-v3 / v4、qwen-vl-ocr 系。

关键区分：目录里的调用名对应的是 API 版本，"有开源同族"不等于"平台交付权重"；需要私有化部署请单独与平台确认形态。

三点提醒

专用模型不"更笨"，只是更窄

它们在某一项任务上通常比通用大模型更准、更快、更便宜；一旦需要跨任务理解与推理，还得回到生成模型。标准做法是"专用做前置与后置，通用做中间"。

计费口径与文本模型不同

语音类按秒、图像类按张，与按 Token 计费的生成模型混在一起算预算最容易算错，测算前先确认单位。

图像生成不属轻量类

万相与 Qwen-Image 系虽按张计费、调用简单，但底层是大规模扩散模型，与上表的轻量专用模型不是一个量级，故未列入本章（见「三、视频模型功能对比」与总览的图像生成一节）。

六、模型总览三层结构：开发商精选 · 能力域 · 全量目录

第一层 · 文本生成模型（163 个，当前主推系列精选）

DeepSeek27 个展开/收起

模型	发布时间	核心特点	典型应用
deepseek-v4-flash（快照 -0731）	预览 04-24 / 正式 07-15	284B/激活13B，MIT 开源，1M 上下文，最大输出 384K，峰谷定价	大批量低成本调用、长文档总结
deepseek-v4-pro（快照 -0813）	预览 04-24 / 正式 07-15	1.6T/激活49B，MIT 开源，旗舰推理	复杂推理、深度研究、代码生成
deepseek-v4.1-flash	2026-09-10	552B MoE，内置视觉，KV cache 省显存，编程/Agent 超 V4-Pro	低成本 Agent、编程助手
deepseek-flash	2026-09-10 起	V4.1-Flash 通用 API 名，随最新版本滚动	同上
deepseek-v4.1-flash-1017	2026-10-17（快照）	V4.1-Flash 固定快照版	生产系统固定版本
deepseek-v3.2 / v3.1 / v3	2025–2026	上代 V3 系列（v3.2 支持深度思考，目录自述）	存量应用平滑沿用
deepseek-r1 及蒸馏系 4 个	2025	R1 推理模型与 llama/qwen 蒸馏小模型（1.5B–70B）	私有化小模型、边缘部署

智谱 AI14 个展开/收起

模型	发布时间	核心特点	典型应用
GLM-5	2026-02-11	744B 开源旗舰，发布时编程与 Agent 双登顶	编码、Agent
GLM-5.1	2026-04-08	754B MoE，SWE-Bench Pro 登顶，官方称连续工作 8 小时	长程工程任务
GLM-5.2	API 06-13 / 开源 08 月	约 750B/激活40B，MIT，1M 无损上下文	大型代码库分析、私有化
glm-5.2-fast-preview	—	高速预览版	速度敏感场景
GLM-5.3	2026-08-14	编程较上代提升约 50%（发布时开源第一）	编程、Agent、旗舰通用
glm-5.3-prime	—	高配增强版	最高智力档
GLM-5.3-Flash	2026-08-27	320B-A18B，首个原生多模态 GLM-5，官方称成本约旗舰 1/40	高性价比多模态
GLM-5.3-FlashX	2026-09-18	最高 200 tokens/s	实时交互、低延迟 Agent
glm-4.7	上代	4.7 代模型，支持深度思考（目录自述）	存量应用沿用
cmaas-glm-5.3	—	机密推理版本（目录自述）	高安全要求场景

月之暗面（Kimi）10 个展开/收起

模型	发布时间	核心特点	典型应用
Kimi K2.6	2026-04-20	开源，代码对标 GPT-5.4，Agent 集群	编程、Agent 编排
Kimi K2.7 Code	2026-06-12	1.1T MoE，256K 上下文，token 消耗降 30%	代码生成、审查
Kimi K2.7 Code Highspeed	2026-06-15	速度提升 5–6 倍	IDE 实时补全
Kimi K3	2026-07-16	2.8T 发布时全球最大开源，1M 上下文，前端代码全球第一（官方口径）	全栈生成、长文档、旗舰 Agent
Kimi K2.5	上代	2.5 代，256K 上下文	存量应用沿用
Kimi K3.1-Pro（含 Highspeed）【待确认】	—	K3 增强版，1M 上下文	旗舰推理

MiniMax6 个（另有语音合成 4 个见第二层）展开/收起

模型	发布时间	核心特点	典型应用
MiniMax M3	2026-06-01	开源 428B/激活23B，MSA 稀疏注意力，1M 上下文，原生多模态	长文档+图文理解、编程
MiniMax M2.5 / M2.7	2026	2.5/2.7 代，200K 上下文，支持函数调用与深度思考	Agent、通用对话
MiniMax M3.1-Flash 【待确认】	—	3.1 代轻量高速版，1M 上下文	高并发低成本
MiniMax M2.1	上代	2.1 代，200K 上下文	存量应用沿用

阶跃星辰（StepFun）2 个展开/收起

模型	发布时间	核心特点	典型应用
Step 3.7 Flash	2026-05-28/29	Apache 2.0 开源，198B，原生多模态，最高 400 tokens/s	高并发 Agent、GUI 操作
Step 5 Preview	2026-09-20	600B MoE，AA 开源榜全球前三，权重 10-15 开源	真实世界 Agent 任务

阿里云通义千问 · 文本生成100 个（当前主推系列精选）展开/收起

模型	发布时间	核心特点	典型应用
qwen3.8-max（快照 0902）	Preview 07-19 / 正式 08-03	2.4T MoE，图/文/视频三模态，Code Arena 1691 登顶（0902）	合同/研报/长视频、复杂工程
qwen3.8-flash	API 09 月 / 开源 10-08	多模态高速，百万上下文，双协议兼容	高并发客服、内容流水线
qwen3.8-27b / 3.8-2.4t-a95b	2026-08 开源	27B 稠密原生视觉语言；2.4T/激活95B 开源权重版	中小私有化、边缘部署
qwen3.7-max（快照 05-17/05-20/06-08，含 preview）	2026-05-20	旗舰智能体，1M 上下文，思维链 256K	深度推理、长程 Agent
qwen3.7-plus（快照 05-26）	2026-05-20	均衡型，成本约 Max 1/3，图文视频混合推理	客服、内容创作、文档总结
qwen3.7-flash（快照 07-15）	2026-07	轻量高速，系列最低成本	高频对话、分类抽取
qwen3.6 / 3.5 系	2026 上半年	max-preview / plus / flash / 27b / 35b-a3b / 122b-a10b / 397b-a17b，256K–1M 上下文，含开源权重版	按成本与性能梯度选型
qwen3-max / qwen3-vl / qwen3-coder 系	2025–2026	上代旗舰与视觉/编程专项系，多快照保留	存量应用沿用、专项任务
qwen-flash / qwen-flash-character	2026	轻量档与人设对话版	高频轻任务、角色扮演
qwq-plus / qwen-deep-research	2025–2026	推理增强与深度研究	复杂问答、深度调研
历史版本（qwen-max / plus / turbo、qwen1.5 / 2 / 2.5 系等）	2024–2025	早期全系版本，目录保留	存量兼容

小米2 个展开/收起

模型	发布时间	核心特点	典型应用
MiMo-V2.5-Pro	04-23 发布 / 07-22 开源	全链路开发能力，对标 GPT-5.4，适配 7 家国产芯片	软件开发、智能体
MiMo-V2.6-Pro-Ultraspeed 【待确认】	—	2.6 代高速版（预览），多模态	高速 Agent

其他开发商与特色模型已按能力归入上方场景卡展开/收起

模型	说明
云知声 Unisound-U2	文本生成，160K 上下文（目录自述），支持函数调用
gui-plus	文本生成，支持图像输入（目录自述）
GPT-6-Astra / GPT-6.1-Sol	OpenAI 海外旗舰
Claude Opus 5 / Sonnet 5 / Fable 5（含 5-5 渠道版本）	Anthropic 海外旗舰
Gemini 3.8 Flash / 2.5-Flash-Image	Google 海外旗舰
豆包系（doubao-seedance / seedream 等）、wan3.0-video、GLM-5.0 / GLM-5-Pro、蚂蚁 Ling-3.1、机密推理 cmaas 系	经宁波电信（集团官方平台）等渠道接入

第二层 · 专用模型（47 个，按能力域）

检索增强3 个展开/收起

模型	发布时间	核心特点	典型应用
qwen3.7-text-embedding	2026-09（具体日期待确认）	通义 3.7 代文本向量	知识库建库、语义召回
qwen3.7-text-embedding-flash	同上【待确认】	轻量低成本向量档	海量建库、高频查询
qwen3.7-text-rerank	2026-09-04（百炼产品动态）	通用文本重排序	RAG 精排、搜索相关性

语音识别3 个展开/收起

模型	发布时间	核心特点	典型应用
qwen-audio-3.0-asr-flash	系列 07-15 / 上线 08-17	3.0 系 ASR 高速版，官方称系列包揽三项全球第一	转写、质检、字幕
fun-asr-flash-2026-06-15	2026-06-15（快照）	通义 Fun 系列 ASR，按秒计费	批量离线转写
qwen3-asr-flash-realtime	2025–2026	3 代实时 ASR	实时字幕

语音合成9 个展开/收起

模型	发布时间	核心特点	典型应用
qwen3-tts-flash	2025–2026	通义 3 代文本转语音	语音播报、配音
qwen3-tts-flash-realtime（含 2025-11-27 快照）	2025-11-27	实时流式合成	实时对话播报
qwen3-tts-instruct-flash	2025–2026	音色指令控制	个性化配音
qwen3-tts-vc-realtime-2026-01-15	2026-01-15（快照）	实时变声	变声、数字人
MiniMax speech-2.8-hd / 2.8-turbo	2026	2.8 代 hd 高品质 / turbo 高速档	有声书、客服播报
MiniMax speech-02-hd / 02-turbo	2025–2026	02 代高品质 / 高速档	同上

实时语音对话4 个展开/收起

模型	发布时间	核心特点	典型应用
qwen-audio-3.0-realtime-flash	2026-07-15	低延迟全双工实时语音对话，成本档	语音客服、口语陪练
qwen-audio-3.0-realtime-plus	2026-07-15	同上，质量档	复杂语音交互
qwen-audio-3.1-realtime-plus 【发布日期待确认】	—	3.1 代增强版	高质量实时对话
qwen-audio-3.1-realtime-flash	预览	3.1 代高速版（预览）	实时对话

实时翻译3 个展开/收起

模型	发布时间	核心特点	典型应用
qwen3.5-livetranslate-flash-realtime（快照 -0519 并入）	2026-05-19	端到端延迟 2.8 秒，多语言实时同传	跨境会议、同传设备
qwen3.8-livetranslate-flash-realtime 【发布日期待确认】	—	3.8 代实时翻译	同上
qwen3-livetranslate-flash（含 2025-12-01 快照）	2025-12-01	3 代音视频翻译	存量应用沿用

图像生成12 个展开/收起

模型	发布时间	核心特点	典型应用
qwen-image-3.0	2026-07-21	4.5K 超长指令，官方定位商用水位；1K/2K 档位	电商图、设计稿
qwen-image-3.0-pro 【发布日期待确认】	—	3.0 代高配档，分辨率档位增强	高精度商用出图
qwen-image-2.1-pro	2026	2.1 代高质量档	营销素材
qwen-image-2.0 系（含 pro 与 03-03 / 04-22 / 06-22 快照）	2026-03 至 06	2.0 代全系，多个固定快照可选	营销素材、存量沿用
wan2.7-image / wan2.7-image-pro / z-image-turbo	2026	万相 2.7 图像系与轻量高速档	图像生成

全模态13 个展开/收起

模型	发布时间	核心特点	典型应用
qwen3.8-omni-flash	2026-09-18	原生全模态、1M 上下文、稀疏 MoE；官方称音视频输入价格降九成	全模态 Agent、应用理解
qwen3.8-omni-flash-realtime 【发布日期待确认】	—	实时版，流式音视频交互	可视对讲、车载助手
qwen3.5-omni-flash / plus（含 realtime 与 2026-03-15 快照）	2026-03-15	3.5 代全模态，flash 成本档 / plus 质量档	全模态应用
qwen3-omni-flash（含 2025-09-15 实时快照）/ qwen-omni-turbo	2025-09-15	上一代全模态	存量应用沿用

第三层 · 完整模型目录（249 个，全部已接入）

平台目录实测全量清单：按开发商分组、模态标注，含历史版本与快照。模态与上下文为平台目录标注（"—"表示未标注），版本形态"正式/预览"为平台生命周期标注。各模型供应与定价状态以平台模型广场实时为准。

阿里通义145 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
cmaas-qwen3.8-flash	文本生成	—	预览
qwen-1.8b-chat	文本生成	—	正式
qwen-14b-chat	文本生成	—	正式
qwen-72b-chat	文本生成	—	正式
qwen-7b-chat	文本生成	—	正式
qwen-deep-research-2025-12-15	文本生成	—	正式
qwen-flash	文本生成	1M	正式
qwen-flash-character	文本生成	—	正式
qwen-flash-character-2026-02-26	文本生成	256K	正式
qwen-long	文本生成	10M	正式
qwen-max	文本生成	32K	正式
qwen-max-0107	文本生成	—	正式
qwen-max-1201	文本生成	—	正式
qwen-max-longcontext	文本生成	—	正式
qwen-mt-flash	文本生成	16K	正式
qwen-mt-lite	文本生成	16K	正式
qwen-mt-plus	文本生成	16K	正式
qwen-mt-turbo	文本生成	—	正式
qwen-plus	文本生成	1M	正式
qwen-plus-2025-01-25	文本生成	128K	正式
qwen-plus-2025-04-28	文本生成	128K	正式
qwen-plus-2025-07-14	文本生成	128K	正式
qwen-plus-2025-12-01	文本生成	1M	正式
qwen-plus-latest	文本生成	1M	正式
qwen-turbo	文本生成	—	正式
qwen-turbo-2024-11-01	文本生成	—	正式
qwen-vl-max	文本生成	—	正式
qwen-vl-ocr	文本生成	—	正式
qwen-vl-ocr-2025-11-20	文本生成	—	正式
qwen-vl-ocr-latest	文本生成	—	正式
qwen-vl-plus	文本生成	—	正式
qwen1.5-0.5b-chat	文本生成	—	正式
qwen1.5-1.8b-chat	文本生成	—	正式
qwen1.5-110b-chat	文本生成	—	正式
qwen1.5-14b-chat	文本生成	—	正式
qwen1.5-32b-chat	文本生成	—	正式
qwen1.5-72b-chat	文本生成	—	正式
qwen1.5-7b-chat	文本生成	—	正式
qwen2-0.5b-instruct	文本生成	—	正式
qwen2-1.5b-instruct	文本生成	—	正式
qwen2-57b-a14b-instruct	文本生成	—	正式
qwen2-7b-instruct	文本生成	—	正式
qwen2.5-0.5b-instruct	文本生成	—	正式
qwen2.5-1.5b-instruct	文本生成	—	正式
qwen2.5-math-1.5b-instruct	文本生成	—	正式
qwen3-14b	文本生成	—	正式
qwen3-235b-a22b	文本生成	—	正式
qwen3-235b-a22b-instruct-2507	文本生成	—	正式
qwen3-30b-a3b	文本生成	—	正式
qwen3-30b-a3b-instruct-2507	文本生成	—	正式
qwen3-32b	文本生成	—	正式
qwen3-8b	文本生成	—	正式
qwen3-coder-480b-a35b-instruct	文本生成	—	正式
qwen3-coder-flash	文本生成	1M	正式
qwen3-coder-next	文本生成	—	正式
qwen3-coder-plus	文本生成	—	正式
qwen3-max	文本生成	—	正式
qwen3-max-2025-09-23	文本生成	—	正式
qwen3-max-2026-01-23	文本生成	—	正式
qwen3-max-preview	文本生成	—	正式
qwen3-next-80b-a3b-instruct	文本生成	—	正式
qwen3-vl-flash	文本生成	—	正式
qwen3-vl-flash-2025-10-15	文本生成	—	正式
qwen3-vl-flash-2026-01-22	文本生成	—	正式
qwen3-vl-plus	文本生成	256K	正式
qwen3-vl-plus-2025-09-23	文本生成	—	正式
qwen3.5-122b-a10b	文本生成	256K	正式
qwen3.5-27b	文本生成	256K	正式
qwen3.5-35b-a3b	文本生成	256K	正式
qwen3.5-397b-a17b	文本生成	256K	正式
qwen3.5-flash	文本生成	1M	正式
qwen3.5-flash-2026-02-23	文本生成	1M	正式
qwen3.5-ocr	文本生成	64K	正式
qwen3.5-plus	文本生成	1M	正式
qwen3.5-plus-2026-02-15	文本生成	1M	正式
qwen3.5-plus-2026-04-20	文本生成	1M	正式
qwen3.6-27b	文本生成	256K	正式
qwen3.6-35b-a3b	文本生成	256K	正式
qwen3.6-flash	文本生成	1M	正式
qwen3.6-flash-2026-04-16	文本生成	1M	正式
qwen3.6-max-preview	文本生成	—	正式
qwen3.6-plus	文本生成	1M	正式
qwen3.6-plus-2026-04-02	文本生成	1M	正式
qwen3.7-flash	文本生成	1M	正式
qwen3.7-flash-2026-07-15	文本生成	1M	正式
qwen3.7-max	文本生成	1M	正式
qwen3.7-max-2026-05-17	文本生成	1M	正式
qwen3.7-max-2026-05-20	文本生成	1M	正式
qwen3.7-max-2026-06-08	文本生成	1M	正式
qwen3.7-max-preview	文本生成	1M	正式
qwen3.7-plus	文本生成	1M	正式
qwen3.7-plus-2026-05-26	文本生成	1M	正式
qwen3.8-2.4t-a95b	文本生成	1M	正式
qwen3.8-27b	文本生成	1M	正式
qwen3.8-flash	文本生成	1M	正式
qwen3.8-max	文本生成	1M	正式
qwen3.8-max-0902	文本生成	1M	正式
qwq-plus	文本生成	—	正式
tongyi-xiaomi-analysis-flash	文本生成	32K	正式
tongyi-xiaomi-analysis-pro	文本生成	32K	正式
qwen-omni-turbo	全模态	—	正式
qwen3-omni-flash	全模态	64K	正式
qwen3-omni-flash-realtime-2025-09-15	全模态	—	正式
qwen3.5-omni-flash	全模态	256K	正式
qwen3.5-omni-flash-2026-03-15	全模态	256K	正式
qwen3.5-omni-flash-realtime	全模态	256K	正式
qwen3.5-omni-flash-realtime-2026-03-15	全模态	256K	正式
qwen3.5-omni-plus	全模态	256K	正式
qwen3.5-omni-plus-2026-03-15	全模态	256K	正式
qwen3.5-omni-plus-realtime	全模态	256K	正式
qwen3.5-omni-plus-realtime-2026-03-15	全模态	256K	正式
qwen3.8-omni-flash	全模态	1M	正式
qwen3.8-omni-flash-realtime	全模态	—	正式
qwen-image-2.0	图像生成	—	正式
qwen-image-2.0-2026-03-03	图像生成	—	正式
qwen-image-2.0-pro	图像生成	—	正式
qwen-image-2.0-pro-2026-03-03	图像生成	—	正式
qwen-image-2.0-pro-2026-04-22	图像生成	—	正式
qwen-image-2.0-pro-2026-06-22	图像生成	—	正式
qwen-image-2.1-pro	图像生成	—	正式
qwen-image-3.0	图像生成	—	正式
qwen-image-3.0-pro	图像生成	—	正式
wan2.7-image	图像生成	—	正式
wan2.7-image-pro	图像生成	—	正式
z-image-turbo	图像生成	—	正式
qwen3-tts-flash	语音合成	—	正式
qwen3-tts-flash-realtime	语音合成	—	正式
qwen3-tts-flash-realtime-2025-11-27	语音合成	—	正式
qwen3-tts-instruct-flash	语音合成	—	正式
qwen3-tts-vc-realtime-2026-01-15	语音合成	—	正式
qwen-audio-3.0-realtime-flash	实时语音对话	40K	正式
qwen-audio-3.0-realtime-plus	实时语音对话	40K	正式
qwen-audio-3.1-realtime-flash	实时语音对话	256K	预览
qwen-audio-3.1-realtime-plus	实时语音对话	256K	正式
qwen3.5-livetranslate-flash-realtime	实时翻译	52K	正式
qwen3.5-livetranslate-flash-realtime-2026-05-19	实时翻译	52K	正式
qwen3.8-livetranslate-flash-realtime	实时翻译	52K	正式
qwen-audio-3.0-asr-flash	语音识别	—	正式
qwen3-asr-flash-realtime	语音识别	—	正式
qwen3.7-text-embedding	向量嵌入	128K	正式
qwen3.7-text-embedding-flash	向量嵌入	128K	正式
qwen3.7-text-rerank	重排	32K	正式
qwen-mt-uni	待完善	—	正式
qwen3-livetranslate-flash	待完善	—	正式
qwen3-livetranslate-flash-2025-12-01	待完善	—	正式

DeepSeek27 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
deepseek-flash	文本生成	1.0M	正式
deepseek-r1	文本生成	—	正式
deepseek-r1-distill-llama-70b	文本生成	—	正式
deepseek-r1-distill-llama-8b	文本生成	—	正式
deepseek-r1-distill-qwen-1.5b	文本生成	32K	正式
deepseek-r1-distill-qwen-32b	文本生成	—	正式
deepseek-v3	文本生成	—	正式
deepseek-v3.1	文本生成	—	正式
deepseek-v3.2	文本生成	—	正式
deepseek-v4-flash	文本生成	—	正式
deepseek-v4-flash-0731	文本生成	—	正式
deepseek-v4-pro	文本生成	—	正式
deepseek-v4-pro-0813	文本生成	1M	正式
deepseek-v4.1-flash	文本生成	—	正式
deepseek-v4.1-flash-1017	文本生成	1M	预览
siliconflow/deepseek-r1-0528	文本生成	160K	正式
siliconflow/deepseek-v3-0324	文本生成	160K	正式
siliconflow/deepseek-v3.1-terminus	文本生成	160K	正式
siliconflow/deepseek-v3.2	文本生成	160K	正式
vanchin/deepseek-ocr	文本生成	8K	正式
vanchin/deepseek-r1	文本生成	128K	正式
vanchin/deepseek-v3	文本生成	128K	正式
vanchin/deepseek-v3.1-terminus	文本生成	128K	正式
vanchin/deepseek-v3.2-think	文本生成	128K	正式
vanchin/deepseek-v4-pro	文本生成	1.0M	正式
vanchin/deepseek-v4-pro-0813	文本生成	1.0M	正式
vanchin/deepseek-v4.1-flash	文本生成	1.0M	正式

智谱14 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
ZHIPU/GLM-5	文本生成	200K	正式
ZHIPU/GLM-5.1	文本生成	200K	正式
ZHIPU/GLM-5.2	文本生成	1.0M	正式
ZHIPU/GLM-5.3	文本生成	1.0M	正式
ZHIPU/GLM-5.3-Flash	文本生成	1.0M	正式
ZHIPU/GLM-5.3-FlashX	文本生成	1.0M	正式
cmaas-glm-5.3	文本生成	—	预览
glm-4.7	文本生成	—	正式
glm-5	文本生成	198K	正式
glm-5.1	文本生成	202745	正式
glm-5.2	文本生成	1.0M	正式
glm-5.2-fast-preview	文本生成	1.0M	正式
glm-5.3	文本生成	1.0M	正式
glm-5.3-prime	文本生成	—	正式

月之暗面（Kimi）10 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
kimi-k2.5	文本生成	256K	正式
kimi-k2.6	文本生成	256K	正式
kimi-k2.7-code	文本生成	256K	正式
kimi-k3	文本生成	1.0M	正式
kimi/kimi-k2.6	文本生成	256K	正式
kimi/kimi-k2.7-code	文本生成	256K	正式
kimi/kimi-k2.7-code-highspeed	文本生成	256K	正式
kimi/kimi-k3	文本生成	1.0M	正式
kimi/kimi-k3.1-pro	文本生成	1.0M	正式
kimi/kimi-k3.1-pro-highspeed	文本生成	1.0M	预览

MiniMax10 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
MiniMax-M2.5	文本生成	200K	正式
MiniMax/MiniMax-M2.1	文本生成	200K	正式
MiniMax/MiniMax-M2.5	文本生成	200K	正式
MiniMax/MiniMax-M2.7	文本生成	200K	正式
MiniMax/MiniMax-M3	文本生成	1.0M	正式
minimax/minimax-m3.1-flash	文本生成	1M	正式
MiniMax/speech-02-hd	语音合成	—	正式
MiniMax/speech-02-turbo	语音合成	—	正式
MiniMax/speech-2.8-hd	语音合成	—	正式
MiniMax/speech-2.8-turbo	语音合成	—	正式

阶跃星辰2 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
stepfun/step-3.7-flash	文本生成	256K	正式
stepfun/step-5-preview	文本生成	1.0M	正式

Anthropic2 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
claude-opus-5	待完善	—	预览
claude-sonnet-5	待完善	—	预览

Google1 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
gemini-2.5-flash-image	待完善	—	预览

开发商待完善38 个展开/收起

模型 ID（调用名）	模态	上下文	版本形态
gui-plus	文本生成	—	正式
unisound/unisound-u2	文本生成	160K	正式
xiaomi/mimo-v2.5-pro	文本生成	1.0M	正式
xiaomi/mimo-v2.6-pro-ultraspeed	文本生成	1.0M	预览
fun-asr-flash-2026-06-15	语音识别	—	正式
GLM-5-Pro	待完善	—	预览
antdigital/ling-3.1-flash	待完善	—	预览
claude-fable-5-1	待完善	—	正式
claude-opus-5-5	待完善	—	正式
claude-sonnet-5-5	待完善	—	正式
deepseek-v4-flash-0817	待完善	—	预览
deepseek-v4-pro-0817	待完善	—	预览
doubao-seedance-1.0-pro	待完善	—	预览
doubao-seedance-2.5	待完善	—	预览
doubao-seedream-4.5	待完善	—	预览
doubao-seedream-5.0-pro	待完善	—	预览
gemini-3.8-flash	待完善	—	正式
glm-5.0	待完善	—	预览
glm-5.3-flash	待完善	—	正式
glm-5.3-flashx	待完善	—	预览
gpt-6-astra	待完善	—	正式
gpt-6.1-sol	待完善	—	正式
kimi/kimi-k2.8-preview	待完善	—	正式
minimax-h3-max	待完善	—	预览
minimax-m3	待完善	—	预览
qwen-1.8b-longcontext-chat	待完善	—	正式
qwen-coder-plus-1106	待完善	—	正式
qwen-deep-search-planning	待完善	—	正式
qwen-plus-2025-11-05	待完善	—	正式
qwen-turbo-0919	待完善	—	正式
qwen/qwen-image-3.0	待完善	—	预览
qwen3-s2s-flash-realtime-2025-09-22	待完善	—	正式
sre-gpu-auto-handle	待完善	—	正式
test-sre-gpu-auto-handle	待完善	—	正式
text-embedding-v3	待完善	—	预览
text-embedding-v4	待完善	—	预览
vanchin/deepseek-v4.1-flash-1017	待完善	—	预览
wan3.0-video	待完善	—	预览

七、附录 · 术语速查看不懂术语时翻这里，全部用大白话解释

A · 模型与能力类14 条展开/收起

术语	通俗解释
大语言模型（LLM）	能理解并生成文字的 AI，可对话、写作、推理、写代码。本指南"文本生成模型"即此类
专用模型	针对单一任务训练的模型（语音识别、图像生成、检索排序等），像"专用电动工具"，与通用大模型搭配使用
参数（B / T）	模型"脑容量"的规模单位：B=十亿，T=万亿。通常越大越聪明，但使用成本也越高。如 2.8T ≈ 2.8 万亿参数
MoE / 激活参数	模型内部由许多"专家子网络"组成，每次回答只唤醒一小部分。"总参 2.4T/激活 95B"意为：图书馆很大，每次只取几本书——兼顾能力与速度成本。Dense（稠密）则每次全部参与
上下文窗口	模型一次能"记住并处理"的文字总量，按 Token 计。1M 上下文约等于一次读完一整本《三体》再回答问题
Token	模型读写与计费的基本单位，中文约 1–2 个字算 1 个 Token，英文约 0.75 个词。输入（你发给它的）与输出（它写出来的）分开计价
思维链 / 思考模式	模型的"草稿纸"：先推理再作答。思维链 256K 表示草稿纸极长，适合数学、架构设计等难题；多数模型可开关
最大输出	模型单次最多能写多少 Token。384K 适合一次性生成长报告、大段代码
多模态 / 原生多模态 / 全模态（Omni）	除文字外还能看图、听音、理解视频；"原生"指训练时就混合多种信息，通常比"拼接"更准；Omni 支持文字+图+音+视频全量输入输出
Agent（智能体）/ 长程任务	模型不只回答问题，还能自主多步"调用工具干活"（查数据、跑代码、操作界面）。"连续工作 8/16 小时"即长程 Agent 能力的宣传口径
全双工 / 端到端延迟	全双工＝能像真人通话一样随时插话；端到端延迟＝对方说完到你听到（译文/语音）的时间，2.8 秒属同传级
ASR / OCR / TTS	ASR＝语音转文字（会议转写、录音质检）；OCR＝图片转文字（证件、票据、表格识别）；TTS＝文字转语音（播报、配音）
Embedding / Rerank / RAG	Embedding 把文字变成"坐标数字"用于相似检索（召回）；Rerank 对检索结果精排；RAG＝先检索企业资料、再让大模型据此回答，知识库问答的标准做法
私有化部署 / 微调	私有化＝模型跑在自己机房，数据不出域；微调＝在开源模型上用自有数据继续训练出专属版本

B · 计费与价格类8 条展开/收起

术语	通俗解释
元 / 百万 Token	文本模型的标准报价方式：每处理一百万个 Token 收多少钱。像出租车按"每公里"计价，Token 就是"里程"
输入 / 输出分开计价	发给模型的内容与模型生成的内容单价不同，输出通常是输入的 3–5 倍
峰谷定价 / 闲时折扣	与电价、机票同理：低峰时段（如夜间）调用更便宜，适合不赶时间的批量任务
缓存命中	反复发送相同的大段材料（如同一份制度文件）时，重复部分按极低的"缓存价"计费。知识库、长对话场景的省钱关键
按秒计费（语音）	语音识别/对话类按音频时长计费，与 Token 无关，测算时按"分钟数 × 单价"
按张计费 / 分辨率档位（1K/2K）	图像生成按成功产出的图片张数计费，分辨率越高越贵，如同打印的"纸张规格"
"成本约旗舰 1/40""价格降九成"	厂商公布的相对比较口径，不是绝对价格；实际支出取决于用量、输入输出比例与计费方式
tokens/s（生成速度）	每秒吐出的 Token 数，决定对话"文字流出的快慢"。200 tokens/s ≈ 每秒输出 200–400 个汉字

C · 版本与许可类4 条展开/收起

术语	通俗解释
滚动版（名称不带日期）	自动指向厂商当前主推版本，能力持续升级，但行为可能随更新变化
快照版（名称带日期）	固定在某一天的版本，行为不漂移、结果可复现；生产系统建议选用
开源权重 / MIT / Apache 2.0	模型"大脑参数文件"公开可下载自用；MIT 与 Apache 2.0 都是允许商用的宽松许可证（Apache 2.0 额外含专利授权条款）
API 别名	指向具体模型的"通用名"，如 deepseek-flash 始终代表 DeepSeek 最新 Flash 版

D · 榜单与口径类6 条展开/收起

术语	通俗解释
公开基准 / 榜单	第三方或厂商发布的标准化"考试成绩"，用于横向比较；与实际业务效果可能有差异，建议以自有样本实测为准
Code Arena	由真实开发者对 AI 代码输出盲投排名的编程能力榜
SWE-Bench Pro	用真实软件公司的 issue 修复任务考察"能不能干活"的工程榜
GPQA / HLE	博士级科学问答 / 超难综合知识推理榜
OSWorld / Terminal-Bench	考察模型操作操作系统、使用命令行的"动手"型榜单
"全球最大开源""开源前三"	均为发布时点的排名称号，开源格局变化快，引用时注意时效