AI 模型
探索我们的 AI 模型集合，涵盖图像生成、视频生成、文本对话等多种功能和价格
所有模型
Qwen-Image 是一个多模态 AI 模型，擅长理解和生成基于视觉输入的响应。它能够解释图像、识别物体、场景和上下文，并以高准确性回答相关问题。专为多样化应用而设计，支持视觉推理、内容审核和辅助工具。在大量数据集上训练，Qwen-Image 在语言和领域方面提供强大的性能，非常适合寻求将智能图像分析无缝集成到其平台或服务中的开发者。
Qwen-Image-Fast 是 Qwen-Image 的 LoRA 量化加速版本，在保持高质量的同时提供显著更快的图像生成速度。通过使用包括 LoRA（低秩适应）和量化在内的高级优化技术，该模型能够快速生成文本到图像，并对中文提示和自然语言描述提供出色的支持。非常适合需要快速响应时间而又不影响图像质量的应用场景。
Qwen-Image-Edit-2509 是阿里巴巴通义千问团队于2025年9月发布的图像编辑模型，基于原有架构进一步训练，引入多图像编辑能力，支持通过图像拼接实现多源图像的语义级融合与一致性编辑。该模型可响应文本指令对单图或多图进行局部或全局精确修改，并在角色特征保留和迭代编辑方面表现突出。
FLUX.1-dev 是由 Black Forest Labs 推出的一款开源文生图扩散模型，具备强大的图像生成能力与细节表现力。该模型在复杂场景理解、人物姿态控制及多语言提示支持方面表现优异，同时支持高分辨率输出。作为 FLUX.1 系列的开发版本，它为研究者和开发者提供了灵活的微调与部署选项，是当前开源图像生成领域的重要进展之一。
Wan2.2 I2V 14B 是阿里巴巴通义万相实验室于2025年7月开源的图生视频模型，参数量为140亿，采用混合专家（MoE）架构，包含高噪声与低噪声两个专家模型，分别负责视频整体结构与细节优化，能将静态图像转化为具有电影级美学风格的动态视频。
Sora 2 是通过 ApiGo 提供的 OpenAI 新一代文生视频模型，可将自然语言提示转换为具有电影感的短片，并保持真实的光影与物理效果。它还支持可选的参考图像，以便在角色或风格上保持一致，非常适合营销短片、故事板和快速创意探索。
Veo 3.1 是通过 ApiGo 提供的 Google 先进文生视频模型，可根据自然语言提示生成高质量电影级视频，具有逼真的运动效果、准确的物理模拟和惊艳的视觉效果。该模型擅长创建具有连贯光影的一致场景，支持多种宽高比和时长。非常适合创意内容、营销素材和视觉叙事。
Gemini-2.5-Pro 是谷歌推出的多模态大模型，能同时理解文本、图像、音频与视频内容，并具备强大的推理能力。该模型支持高达100万token的上下文窗口，擅长代码生成、转换与编辑，也能处理长达3小时的视频输入。此外，它在逻辑分析、世界知识和复杂问题求解方面表现突出。
Gemini 3 Pro Image 是谷歌推出的先进文生图模型，能够根据自然语言提示创建高质量图像。该模型利用谷歌最新的多模态AI技术，擅长理解复杂描述并生成具有准确构图和光影效果的精细逼真图像。支持多种语言，可生成适用于创意项目、营销素材和艺术探索的精美视觉内容。