Цены на китайские ИИ-модели
ChinaAPI предоставляет DeepSeek, Qwen, GLM, Kimi и другие китайские ИИ-модели через один совместимый с OpenAI шлюз по адресу https://api.chinaapi.ai/v1. Все цены указаны в долларах США, в той единице, в которой их указывает вышестоящий поставщик. Тот же список доступен в формате JSON по адресу /api/pricing.
55 моделей открывают более низкие цены Paid после первого пополнения: одно пополнение на любую сумму автоматически активирует их для всего аккаунта. Цена Paid указана только там, где она ниже цены Standard.
| Модель | Поставщик | Ввод | Вывод | Ввод (цена Paid) | Вывод (цена Paid) | Единица | Описание |
|---|---|---|---|---|---|---|---|
| agnes-2.5-flash | Agnes AI | $0.0000 | за 1M tokens | Agnes AI Agnes 2.5 Flash — быстрая мультимодальная агентная модель с входным контекстом 512K и справочным лимитом вывода 65,5K; поддерживает чат, потоковую передачу, вызов инструментов, программирование, рассуждения, многоходовый диалог, понимание изображений и агентные сценарии. | |||
| agnes-2.5-pro | Agnes AI | $0.4500 | $0.9000 | за 1M tokens | Agnes AI Agnes 2.5 Pro — коммерческий стабильный релиз бенчмарк-модели 2.5 Pro Alpha: платная модель рассуждений с входным контекстом 1M и максимальным выводом 65 536 токенов для продвинутого программирования, научных рассуждений, анализа длинного контекста, агентных сценариев и понимания изображений. | ||
| agnes-2.5-pro-beta | Agnes AI | $0.1000 | $0.3000 | за 1M tokens | Agnes AI Agnes 2.5 Pro Beta — недорогой уровень семейства Pro, тарифицируемый по собственной цене Beta, которая значительно ниже цены 2.5 Pro: платная модель рассуждений с тем же форматом запросов, текстовыми протоколами и лимитами контекста — для продвинутого программирования, научных рассуждений, анализа длинного контекста, агентных сценариев и понимания изображений. | ||
| agnes-3.0-flash | Agnes AI | $0.0000 | за 1M tokens | Agnes AI Agnes 3.0 Flash — языковая модель нового поколения от вендора, созданная для агентного программирования и выполнения задач с помощью инструментов; входной контекст 512K и лимит вывода 65 536 токенов. Принимает на вход текст и URL изображений и возвращает текст; поддерживает потоковую передачу, вызов функций и многошаговую оркестрацию инструментов, а также следование инструкциям в длительных задачах. Доступна через эндпоинт чата, совместимый с OpenAI, эндпоинт Responses и эндпоинт Messages, совместимый с Anthropic. На эндпоинте чата режим размышлений (Thinking) включается установкой chat_template_kwargs.enable_thinking в значение true; по замеру 2026-09-21 запросы без этого поля не возвращали токенов рассуждений. При включённом режиме размышлений токены рассуждений расходуют лимит max_tokens, поэтому задавайте его с учётом как рассуждений, так и ответа. | |||
| agnes-image-2.0-flash | Agnes AI | $0.000 | за запрос | Agnes AI Image 2.0 Flash — быстрая модель генерации и редактирования изображений: генерация изображений по тексту и по изображению, а также композиция из нескольких изображений; результаты доступны в виде URL или данных Base64. | |||
| agnes-image-2.1-flash | Agnes AI | $0.000 | за запрос | Agnes AI Image 2.1 Flash — модель генерации и редактирования изображений с упором на детализацию: сцены с высокой плотностью информации, генерация изображений по тексту и по изображению и композиция из нескольких изображений с гибким выбором размера (1K–4K) и соотношения сторон. | |||
| agnes-image-2.5-flash | Agnes AI | $0.000 | за запрос | Agnes AI Image 2.5 Flash — модель изображений последнего поколения, превосходящая Image 2.1 Flash в генерации, редактировании, композиции, проработке деталей и следовании промпту; генерация изображений по тексту и по изображению и композиция из нескольких изображений с гибким выбором размера (1K–4K) и соотношения сторон. | |||
| agnes-video-2.5 | Agnes AI | $0.025 | за секунду | Agnes AI Video 2.5 — платная асинхронная видеомодель: создаёт ролики длительностью 4-12 секунд в 720P, 960P или 2K по тексту, по первому/последнему ключевому кадру или по референсным изображениям, аудио и видео. | |||
| agnes-video-2.5-flash | Agnes AI | $0.000 | за секунду | Agnes AI Video 2.5 Flash — вариант Video 2.5 только с 720P: генерирует видео длительностью 4-12 секунд по тексту, по первому/последнему ключевому кадру или по референсным изображениям и аудио через тот же API асинхронных задач. | |||
| claude-fable-5 | Anthropic | $10.0000 | $50.0000 | $7.0000 | $35.0000 | за 1M tokens | Anthropic Claude Fable 5 — самая мощная из общедоступных моделей Anthropic для амбициозной длительной интеллектуальной работы и программирования. Создана для многодневных агентных задач, сложной разработки ПО, глубоких исследований, рассуждений по документам и изображениям и проактивной самопроверки. |
| claude-fable-5-1 | Anthropic | $10.0000 | $50.0000 | $8.0000 | $40.0000 | за 1M tokens | Anthropic Claude Fable 5.1 — новейшая общедоступная флагманская модель Anthropic для амбициозной длительной интеллектуальной работы и программирования. Создана для многодневных агентных задач, сложной разработки ПО, глубоких исследований, рассуждений по документам и изображениям и проактивной самопроверки. Чтение кэша стоит 2,5% от цены ввода — самый низкий показатель в её поколении. |
| claude-haiku-5-5 | Anthropic | $0.1000 | $0.5000 | $0.0600 | $0.3000 | за 1M tokens | Anthropic Claude Haiku 5.5 — быстрое и экономичное понимание текста и изображений для классификации, извлечения данных, маршрутизации и агентов. Контекст — 1 000 000 токенов, вывод — до 128 000 токенов. Адаптивное рассуждение по умолчанию использует medium; output_config.effort в Messages задаёт low, medium, high, xhigh или max. Поддерживаются потоковые ответы и принудительные вызовы инструментов. При вводе свыше 100 000 токенов тариф длинного контекста применяется ко всему запросу, включая вывод и кеш. |
| claude-opus-4-6 | Anthropic | $5.0000 | $25.0000 | $3.5000 | $17.5000 | за 1M tokens | Anthropic Claude Opus 4.6 — поколение Opus для сложных рассуждений и агентной работы: контекстное окно 1 000 000 токенов по стандартной цене и до 128 000 выходных токенов. Поддерживает ввод текста и изображений и адаптивный режим размышлений, использует токенизатор моделей до 4.7. |
| claude-opus-4-7 | Anthropic | $5.0000 | $25.0000 | $3.5000 | $17.5000 | за 1M tokens | Anthropic Claude Opus 4.7 — продвинутая модель рассуждений для трудных задач разработки ПО и сложных длительных агентных задач. Делает упор на строгое следование инструкциям, самопроверку, надёжное использование инструментов и работу с визуальными данными в высоком разрешении — интерфейсами, изображениями, документами и профессиональными сценариями. |
| claude-opus-4-8 | Anthropic | $5.0000 | $25.0000 | $3.5000 | $17.5000 | за 1M tokens | Anthropic Claude Opus 4.8 — очень мощная модель рассуждений для программирования, агентных сценариев, профессиональной аналитики и длительной работы. По сравнению с Opus 4.7 улучшены надёжность, качество суждений, эффективность использования инструментов, управление компьютером и мультимодальные рассуждения по документам; поддерживается контекстное окно 1 000 000 токенов. |
| claude-opus-5 | Anthropic | $5.0000 | $25.0000 | $3.0000 | $15.0000 | за 1M tokens | Anthropic Claude Opus 5 — модель глубоких рассуждений для сложного агентного программирования и корпоративных задач со значительным приростом в задачах на длинной дистанции, ревью кода, работе с документами, понимании изображений и координации нескольких агентов. Контекстное окно 1 000 000 токенов, до 128 000 выходных токенов; адаптивный режим размышлений включён по умолчанию. |
| claude-opus-5-5 | Anthropic | $4.0000 | $20.0000 | $2.4000 | $12.0000 | за 1M tokens | Anthropic Claude Opus 5.5 — модель для длительного агентного программирования и интеллектуальной работы, дешевле Claude Opus 5. Принимает на вход текст и изображения, контекстное окно 1 000 000 токенов, до 128 000 выходных токенов. Адаптивный режим размышлений включён всегда; глубину рассуждений задаёт параметр effort, по умолчанию medium. |
| claude-sonnet-4-6 | Anthropic | $3.0000 | $15.0000 | $2.1000 | $10.5000 | за 1M tokens | Anthropic Claude Sonnet 4.6 — сбалансированное поколение Sonnet: контекстное окно 1 000 000 токенов по стандартной цене и до 128 000 выходных токенов. Поддерживает ввод текста и изображений и адаптивный режим размышлений, использует токенизатор моделей до 4.7, поэтому один и тот же текст даёт примерно на 30% меньше токенов, чем на моделях 4.7 и новее, при той же цене за токен. |
| claude-sonnet-5 | Anthropic | $2.0000 | $10.0000 | $1.4000 | $7.0000 | за 1M tokens | Anthropic Claude Sonnet 5 — модель для продакшена, сочетающая передовой интеллект и скорость; рассчитана на программирование, агентов и корпоративные сценарии. Умеет планировать, пользоваться инструментами браузера и терминала и автономно работать над задачами рассуждения, интеллектуальной работы и разработки ПО. |
| claude-sonnet-5-5 | Anthropic | $2.0000 | $10.0000 | $1.2000 | $6.0000 | за 1M tokens | Anthropic Claude Sonnet 5.5 — сочетает скорость и интеллект для программирования, агентов и продакшен-нагрузок. Принимает на вход текст и изображения, контекстное окно 1 000 000 токенов, до 128 000 выходных токенов. Адаптивный режим размышлений включён по умолчанию, токены размышлений тарифицируются как выходные; output_config.effort позволяет выбрать low, medium, high, xhigh или max (по умолчанию high). Чтобы отключить предварительные размышления, отправьте thinking с type between_tools — это работает при effort high и ниже; type disabled отклоняется. Если задать temperature, top_p или top_k значение, отличное от значения по умолчанию, возвращается ошибка; то же происходит при принудительном вызове инструмента через tool_choice any или tool. Блоки размышлений привязаны к модели и диалогу; на последующих репликах возвращайте их без изменений. |
| cogview-4 | Zhipu AI | $0.010 | $0.0095 | за запрос | Zhipu CogView-4 — модель CogView четвёртого поколения для генерации изображений по тексту; поддерживает несколько выходных разрешений и два уровня обслуживания — базовый и высокой чёткости. Принимает промпты на китайском и английском и отрисовывает текст внутри изображения. Одно изображение на запрос. | ||
| deepseek-flash | DeepSeek | $0.1500 | $0.6000 | за 1M tokens | DeepSeek V4.1 Flash — основной ID модели для новых интеграций. Поддерживает ввод текста и изображений, режимы с размышлениями и без размышлений, вызов инструментов и вывод в формате JSON. Снятые с публикации ID deepseek-v4-flash и deepseek-v4-flash-vision-exp остаются псевдонимами для совместимости: их обслуживает эта же модель по той же цене Flash. Контекстное окно 1M токенов, максимальный вывод 384K. При вызове /v1/responses отправляйте весь диалог в массиве input с каждой репликой: на стороне вышестоящего сервиса состояние диалога не хранится, поэтому запросы, содержащие previous_response_id или conversation, отклоняются. | ||
| deepseek-v4-pro | DeepSeek | $0.6600 | $1.9800 | за 1M tokens | DeepSeek V4 Pro 0813 — более мощный уровень DeepSeek V4 для программирования, рассуждений и агентной работы: контекстное окно 1M токенов и максимальный вывод 384K. Работает в режиме с размышлениями (по умолчанию) и в режиме без размышлений, поддерживает вызов инструментов и вывод в формате JSON. Текст на входе, текст на выходе. При вызове /v1/responses отправляйте весь диалог в массиве input с каждой репликой: на стороне вышестоящего сервиса состояние диалога не хранится, поэтому запросы, содержащие previous_response_id или conversation, отклоняются. | ||
| doubao-seed-2-1-pro-260628 | ByteDance | $0.8889 | $4.4444 | за 1M tokens | ByteDance Doubao Seed 2.1 Pro — флагманская агентная модель Doubao для продакшена: глубокие размышления, генерация текста, мультимодальное понимание, вызов инструментов и структурированный вывод, для которого вендор рекомендует режим json_schema. Контекстное окно 256K при максимальном вводе 256K, до 256K выходных токенов (по умолчанию 4K) и бюджет цепочки рассуждений 256K. Принимает текст, изображения и видео и возвращает текст; понимание аудио для линейки 2.1 не указано. Поддерживает неявное и явное кэширование контекста, включая префиксный и сессионный кэш. | ||
| doubao-seed-2-1-turbo-260628 | ByteDance | $0.4444 | $2.2222 | за 1M tokens | ByteDance Doubao Seed 2.1 Turbo — вариант линейки Seed 2.1 с низкой задержкой и теми же лимитами, что у Pro: контекстное окно 256K при максимальном вводе 256K, до 256K выходных токенов (по умолчанию 4K) и бюджет цепочки рассуждений 256K. Поддерживает глубокие размышления, генерацию текста, мультимодальное понимание, вызов инструментов и структурированный вывод, но без рекомендации json_schema, которая есть у Pro. Принимает текст, изображения и видео и возвращает текст; понимание аудио для линейки 2.1 не указано. Поддерживает неявное и явное кэширование контекста. | ||
| doubao-seed-character-260628 | ByteDance | $0.1185 | $0.2963 | за 1M tokens | ByteDance Doubao Seed Character (260628) — модель Doubao для ролевого общения: многоходовый диалог от лица персонажа; линейка-преемник doubao-1-5-pro-32k-character. Эта сборка имеет вендорские метки возможностей: глубокие размышления, генерация текста, мультимодальное понимание, вызов инструментов и структурированный вывод (рекомендуется json_schema). Контекстное окно 128K при максимальном вводе 96K и до 32K выходных токенов (по умолчанию 4K). Цена зависит от длины ввода: запросы до 32K входных токенов тарифицируются по стандартному уровню, более длинные — по уровню длинного контекста, где ввод стоит в 1,5 раза дороже, а вывод — втрое дороже, чем по ставке стандартного уровня. | ||
| doubao-seed-evolving | ByteDance | $0.8889 | $4.4444 | за 1M tokens | ByteDance Doubao Seed Evolving — текущая флагманская модель Doubao для программирования и агентов, выпускаемая как скользящий релиз: вендор еженедельно обновляет модель под этим же ID без датированных снимков, поэтому поведение и возможности могут меняться без смены версии. Имеет вендорские метки возможностей: глубокие размышления, генерация текста, мультимодальное понимание, выполнение задач в GUI, вызов инструментов и структурированный вывод (рекомендуется json_schema). Контекстное окно 1024K при максимальном вводе 1024K и до 256K выходных токенов (по умолчанию 4K). | ||
| doubao-seedance-2-0-260128 | ByteDance | $7.0000 | за 1M tokens | ByteDance Seedance 2.0 — флагманская модель линейки Seedance 2.0 и единственная в ней, которая помимо 480p и 720p достигает 1080p и 4K (глубина цвета 10 бит), при 24 fps и длительности 4-15 секунд. Поддерживает генерацию видео по тексту, генерацию видео по изображению по первому кадру или по первому и последнему кадрам, мультимодальную генерацию по референсам — 1-9 изображений и до 3 референсных видео суммарной длительностью 15 секунд, — редактирование видео, продление видео, генерацию со звуком и инструмент веб-поиска; аудиореференс должен сопровождаться изображением или видео. Возвращает MP4 с соотношением сторон 21:9, 16:9, 4:3, 1:1, 3:4 или 9:16; завершающий кадр можно получить в виде изображения. Тарифицируется по выходному разрешению. | |||
| doubao-seedance-2-0-fast-260128 | ByteDance | $5.6000 | за 1M tokens | ByteDance Seedance 2.0 Fast — экономичная генерация видео с полным набором возможностей Seedance 2.0, но с ограничением 480p и 720p, 24 fps, 4-15 секунд. Поддерживает генерацию видео по тексту, генерацию видео по изображению по первому кадру или по первому и последнему кадрам, мультимодальную генерацию по референсам — 1-9 изображений и до 3 референсных видео суммарной длительностью 15 секунд, — редактирование видео, продление видео, генерацию со звуком и инструмент веб-поиска; аудиореференс должен сопровождаться изображением или видео. Возвращает MP4 с соотношением сторон 21:9, 16:9, 4:3, 1:1, 3:4 или 9:16. 480p, 5 с ≈ $0.26. | |||
| doubao-seedance-2-0-mini-260615 | ByteDance | $3.5000 | за 1M tokens | ByteDance Seedance 2.0 Mini — лёгкий бюджетный уровень линейки Seedance 2.0 с ограничением 480p и 720p, 24 fps, 4-15 секунд. Имеет тот же задокументированный набор возможностей, что и остальные модели линейки: генерация видео по тексту, генерация видео по изображению по первому кадру или по первому и последнему кадрам, мультимодальная генерация по референсам — 1-9 изображений и до 3 референсных видео суммарной длительностью 15 секунд, — редактирование видео, продление видео, генерация со звуком и инструмент веб-поиска; аудиореференс должен сопровождаться изображением или видео. Возвращает MP4 с соотношением сторон 21:9, 16:9, 4:3, 1:1, 3:4 или 9:16. | |||
| doubao-seedance-2-5-260628 | ByteDance | $10.7000 | за 1M tokens | ByteDance Seedance 2.5 — основная модель Seedance: длительность одной генерации — 4-30 секунд при 24 fps, а разрешение ограничено 480p и 720p. Мультимодальная генерация по референсам масштабируется до 1-30 изображений, до 10 референсных видео и до 10 референсных аудиофрагментов (суммарно по 30 секунд для каждого вида), и, в отличие от линейки 2.0, аудиореференс может использоваться самостоятельно. Также поддерживает генерацию видео по тексту, генерацию видео по изображению по первому кадру или по первому и последнему кадрам, редактирование видео, продление видео, генерацию со звуком и инструмент веб-поиска. Возвращает MP4 с соотношением сторон 21:9, 16:9, 4:3, 1:1, 3:4 или 9:16. | |||
| doubao-seedream-4-5-251128 | ByteDance | $0.03704 | за запрос | ByteDance Doubao Seedream 4.5 — генерация изображений по тексту и по изображению со слиянием нескольких изображений: результатом может быть одно изображение или набор связанных изображений. Режим одного изображения принимает только промпт, одно референсное изображение или 2-14 референсных изображений; групповой режим (sequential_image_generation=auto) возвращает до 15 изображений по тексту, до 14 — по одному референсному изображению или набор по 2-14 референсам, при котором входные и выходные изображения в сумме не превышают 15. Поддерживает вывод 2K и 4K и по умолчанию возвращает JPEG в виде URL или base64. Интерактивное редактирование по координатам доступно только в Seedream 5.0 Pro (doubao-seedream-5-0-pro-260628). | |||
| doubao-seedream-5-0-260128 | ByteDance | $0.03259 | за запрос | ByteDance Doubao Seedream 5.0-lite — генерация изображений по тексту и по изображению с более умным управляемым созданием, поиском в реальном времени и лучшей согласованностью объекта (разрешение 2K+). | |||
| doubao-seedream-5-0-pro-260628 | ByteDance | $0.045 | за запрос | ByteDance Doubao Seedream 5.0 Pro — старшая модель изображений у вендора для управляемого создания: генерация изображений по тексту, генерация изображений по изображению с одним или несколькими референсами (2-10 референсных изображений), интерактивное редактирование по координатам, рамкам или стрелкам и разложение на слои, которое делит одно изображение на основу и до 16 слоёв, каждый из которых возвращается со своим размером, z_index и ограничивающей рамкой (задайте layer_decomposition=true). Вывод только одного изображения: без групповой (последовательной) генерации, веб-поиска и потоковой передачи. Тарифицируется за каждое выходное изображение в зависимости от сценария и пиксельного уровня: одно изображение до 2,61 Мп включительно — базовая цена; свыше 2,61 Мп — 2x; при разложении на слои каждый возвращённый слой тарифицируется отдельно по 0,5x (или 1x свыше 2,61 Мп); каждое референсное изображение сверх первого добавляет 1/15 базовой цены. | |||
| fun-asr-flash-2026-06-15 | Alibaba | $0.1260 | за час аудио | Alibaba Fun-ASR Flash (2026-06-15) — распознавание записанной речи с низкой задержкой, с контекстом через промпт и автоматическим определением языка для китайских диалектов и более чем 30 языков. Принимает аудио по URL, в Base64 или загруженным файлом в форматах AAC/AMR/AVI/FLAC/FLV/M4A/MKV/MOV/MP3/MP4/MPEG/OGG/OPUS/WAV/WEBM/WMA/WMV — длительностью до 5 минут и размером до 2 ГБ. | |||
| gemini-2.5-flash-image | $0.3000 | $2.5000 | $0.2100 | $1.7500 | за 1M tokens | Google Gemini 2.5 Flash Image (Nano Banana) — быстрая модель нативной генерации и редактирования изображений для творческих сценариев. Принимает на вход текст и изображения и возвращает изображения через эндпоинт chat completions, совместимый с OpenAI; лимит ввода — 65 536 токенов, лимит вывода — 32 768 токенов. | |
| gemini-3-pro-image | $2.0000 | $12.0000 | $1.4000 | $8.4000 | за 1M tokens | Google Gemini 3 Pro Image (Nano Banana Pro) — премиальная модель на основе рассуждений для профессиональной генерации изображений и редактирования в диалоге. Отлично справляется со сложным графическим дизайном, высокоточными макетами продуктов, точной отрисовкой многоязычного текста, единообразием фирменного стиля и фактологическими визуализациями с опорой на Google Search. Принимает текст и изображения, возвращает текст и изображения, поддерживает режим размышлений и генерирует вывод в 1K, 2K или 4K. | |
| gemini-3.1-flash-image | $0.5000 | $3.0000 | $0.3500 | $2.1000 | за 1M tokens | Google Gemini 3.1 Flash Image (Nano Banana 2) — стабильная модель с низкой задержкой для качественной генерации изображений и редактирования в диалоге. Принимает текст, изображения и PDF, поддерживает режим размышлений и привязку к результатам поиска и может генерировать изображения 0.5K, 1K, 2K или 4K для массовых производственных сценариев. | |
| gemini-3.1-flash-lite-image | $0.2500 | $1.5000 | $0.1750 | $1.0500 | за 1M tokens | Google Gemini 3.1 Flash-Lite Image (Nano Banana 2 Lite) — экономичная модель со сверхнизкой задержкой для массовой генерации изображений и быстрых многоходовых правок. Принимает текст и изображения, создаёт изображения 1K, поддерживает режим размышлений и редактирование в диалоге; предназначена для интерактивных приложений — как для разработчиков, так и для конечных пользователей. | |
| gemini-3.5-flash | $1.5000 | $9.0000 | $1.0500 | $6.3000 | за 1M tokens | Google Gemini 3.5 Flash — стабильная мультимодальная модель, оптимизированная для устойчивой агентной работы, быстрых циклов программирования, развёртывания субагентов и длительных многошаговых сценариев. Принимает текст, изображения, видео, аудио и PDF, поддерживает режим размышлений и встроенные инструменты; входной контекст — 1 048 576 токенов, вывод — до 65 536 токенов. | |
| gemini-3.6-flash | $0.7500 | $3.7500 | $0.5250 | $2.6250 | за 1M tokens | Google Gemini 3.6 Flash — стабильная мультимодальная модель рассуждений, сочетающая скорость и интеллект для агентных и реальных задач; входной контекст — 1 048 576 токенов, лимит вывода — 65 536 токенов. Принимает текст, изображения, видео, аудио и PDF, поддерживает режим размышлений, вызов функций, выполнение кода, привязку к результатам поиска, структурированный вывод и управление компьютером (Computer Use, превью-версия). Примечание о ценах: цена по прайс-листу Google на эту модель — акционная по 31 декабря 2026 года: ввод $0.75 / вывод $3.75 / кэшированный ввод $0.075 за 1M токенов. С 1 января 2027 года цена по прайс-листу вендора возвращается к $1.50 / $7.50 / $0.15, и наша цена следует за ней с сохранением того же паритета. | |
| gemini-3.7-flash | $0.7500 | $3.7500 | $0.5250 | $2.6250 | за 1M tokens | Google Gemini 3.7 Flash — новейшая мультимодальная модель рассуждений уровня Flash; пока действует акция вендора, её цена совпадает с ценой 3.6 Flash. Принимает текст, изображения, видео, аудио и PDF; поддерживает режим размышлений, вызов функций, выполнение кода, привязку к результатам поиска и структурированный вывод. Примечание о ценах: цена по прайс-листу Google на эту модель — акционная по 31 декабря 2026 года: ввод $0.75 / вывод $3.75 / кэшированный ввод $0.075 за 1M токенов. С 1 января 2027 года цена по прайс-листу вендора возвращается к $1.50 / $7.50 / $0.15, и наша цена следует за ней с сохранением того же паритета. | |
| gemini-3.8-flash | $0.7500 | $3.7500 | $0.4875 | $2.4375 | за 1M tokens | Google Gemini 3.8 Flash — быстрая мультимодальная модель Gemini от Google, которую здесь можно вызывать как через эндпоинт, совместимый с OpenAI, так и через нативный эндпоинт Gemini. Стандартные цены за токены: ввод $0.75, кэшированный ввод $0.075 и вывод $3.75 за 1M токенов. | |
| glm-5 | Zhipu AI | $1.0000 | $3.2000 | $0.9500 | $3.0400 | за 1M tokens | Zhipu GLM-5 — MoE-модель на 744B параметров, из них 40B активных, обученная на 28,5T токенов и использующая DeepSeek Sparse Attention; контекстное окно 200K и до 128K выходных токенов. Текст на входе, текст на выходе. Поддерживает несколько режимов размышлений, вызов функций, структурированный JSON-вывод, потоковую передачу, кэширование контекста и интеграцию инструментов MCP. |
| glm-5-turbo | Zhipu AI | $1.2000 | $4.0000 | $1.1400 | $3.8000 | за 1M tokens | Zhipu GLM-5-Turbo — вариант GLM-5, ориентированный на пропускную способность и оптимизированный для агентных сценариев: более стабильный вызов инструментов и навыков в многошаговых задачах, лучшая обработка сложных инструкций с длинными цепочками, выполнение запланированных или длительных задач. Контекстное окно 200K, до 128K выходных токенов, текст на входе и текст на выходе. Поддерживает режимы размышлений, вызов функций, структурированный JSON-вывод, потоковую передачу, кэширование контекста и интеграцию инструментов MCP. |
| glm-5.1 | Zhipu AI | $1.4000 | $4.4000 | $1.1200 | $3.5200 | за 1M tokens | Zhipu GLM-5.1 — флагманская базовая модель для продолжительной автономной работы: по документации вендора, она может непрерывно и без присмотра выполнять одну задачу до 8 часов, проходя через планирование, выполнение, тестирование и итеративную оптимизацию. Контекстное окно 200K, до 128K выходных токенов, текст на входе и текст на выходе. Поддерживает несколько режимов размышлений, вызов функций, структурированный JSON-вывод, потоковую передачу, кэширование контекста и интеграцию инструментов MCP. |
| glm-5.2 | Zhipu AI | $1.4000 | $4.4000 | $1.1200 | $3.5200 | за 1M tokens | Zhipu GLM-5.2 — флагманская базовая модель, специализированная на работе агентов для программирования на длинной дистанции благодаря месяцам целевого обучения, а не одному лишь расширению контекста; контекстное окно 1M токенов и до 128K выходных токенов. Текст на входе, текст на выходе. Поддерживает несколько режимов размышлений, вызов функций, структурированный JSON-вывод, потоковую передачу, кэширование контекста и интеграцию инструментов MCP. |
| glm-5.3 | Zhipu AI | $1.4000 | $4.4000 | $0.9100 | $2.8600 | за 1M tokens | Zhipu GLM-5.3 — флагманская модель для программирования и агентов, дообученная на той же базе, что и GLM-5.2: прирост на 50% во внутреннем бенчмарке программирования Zhipu, уровень SOTA среди моделей с открытым исходным кодом на Terminal-Bench 3.0 и Agents' Last Exam и передовые результаты в поиске уязвимостей на CyberGym; контекстное окно 1M токенов и до 128K выходных токенов. Текст на входе, текст на выходе. Поддерживает несколько режимов размышлений, вызов функций, структурированный JSON-вывод, потоковую передачу, кэширование контекста и интеграцию инструментов MCP. |
| glm-5.3-flash | Zhipu AI | $0.1500 | $0.5000 | $0.1350 | $0.4500 | за 1M tokens | Zhipu GLM-5.3-Flash — первая нативно мультимодальная модель линейки GLM-5 и её недорогой передовой уровень: всего 320B параметров, из них 18B активных, на гибридной архитектуре внимания (линейное + разреженное), которая в несколько раз сокращает вычисления внимания и KV-кэш по сравнению с GLM-5.3 и при этом вдвое уменьшает и число активных параметров, и число слоёв по сравнению с GLM-4.5. Принимает текст, изображения и видео; возвращает текст. (Вендор также заявляет ввод файлов, но здесь он не проверен и поэтому не предоставляется.) Контекстное окно 1M токенов и до 128K выходных токенов. Поддерживает режимы размышлений, вызов функций, структурированный JSON-вывод, потоковую передачу, кэширование контекста и интеграцию инструментов MCP. Позиционируется для визуального программирования — фронтенда, игр и 3D, где модель сама проверяет свой отрендеренный результат и итеративно его дорабатывает. |
| glm-5v-turbo | Zhipu AI | $1.2000 | $4.0000 | $1.1400 | $3.8000 | за 1M tokens | Zhipu GLM-5V-Turbo — мультимодальная модель рассуждений для работы с изображениями, видео и файлами, программирования и агентных сценариев на основе инструментов. |
| glm-image | Zhipu AI | $0.015 | $0.01425 | за запрос | Zhipu GLM-Image — генерация изображений на гибридной архитектуре: авторегрессионное понимание плюс диффузионное декодирование; первая мультимодальная модель уровня SOTA, полностью обученная на китайских чипах (Huawei Ascend). Воспринимает инструкции, а не ключевые слова, и дополняет детали, которые промпт оставляет неявными; заметно лучше отрисовывает текст (особенно китайские иероглифы) и сцены, требующие предметных знаний. Одно изображение на запрос. | ||
| glm-tts | Zhipu AI | $0.3500 | $0.3150 | за 10 тыс. символов | Zhipu GLM-TTS — синтез речи на двухэтапной архитектуре генерации с обучением с подкреплением GRPO, которая выводит эмоции и интонацию из окружающего текста, не требуя явной разметки. Семь встроенных голосов (по умолчанию tongtong, а также xiaochen, chuichui, jam, kazi, douji, luodo) с настраиваемой скоростью и громкостью; до 1024 символов на запрос; потоковая передача с задержкой первого аудиокадра менее 400 мс. Возвращает wav или pcm с рекомендуемой частотой дискретизации 24 кГц; при потоковой передаче — только pcm. | ||
| gpt-5.6-luna | OpenAI | $0.2000 | $1.2000 | $0.1700 | $1.0200 | за 1M tokens | OpenAI GPT-5.6 Luna — самый быстрый и доступный уровень GPT-5.6, оптимизированный для массовых нагрузок, чувствительных к стоимости, с сохранением рассуждений, понимания изображений и использования инструментов. Поддерживает ввод текста и изображений, контекстное окно 1 050 000 токенов и до 128 000 выходных токенов. |
| gpt-5.6-sol | OpenAI | $5.0000 | $30.0000 | $3.2500 | $19.5000 | за 1M tokens | OpenAI GPT-5.6 Sol — флагманская модель GPT-5.6 для передовых рассуждений, сложной профессиональной работы, программирования, науки, кибербезопасности и агентных сценариев на длинной дистанции. Поддерживает ввод текста и изображений, встроенные инструменты, контекстное окно 1 050 000 токенов, до 128 000 выходных токенов и самые глубокие в семействе настройки рассуждения. |
| gpt-5.6-terra | OpenAI | $2.0000 | $12.0000 | $1.6000 | $9.6000 | за 1M tokens | OpenAI GPT-5.6 Terra — сбалансированная модель GPT-5.6 для повседневной профессиональной работы: высокий интеллект и сильные результаты в роли агента для программирования при более низкой стоимости, чем у Sol. Поддерживает ввод текста и изображений, встроенные инструменты, контекстное окно 1 050 000 токенов и до 128 000 выходных токенов. |
| gpt-6-astra | OpenAI | $10.0000 | $50.0000 | $6.5000 | $32.5000 | за 1M tokens | OpenAI GPT-6 Astra — самая мощная модель OpenAI, созданная для самой трудной сквозной работы: сложных рассуждений, программирования, управления компьютером, исследований и создания документов. Поддерживает ввод текста и изображений, контекстное окно 1 050 000 токенов, до 128 000 выходных токенов и настройки уровня рассуждения вплоть до xhigh и max. |
| gpt-6-luna | OpenAI | $0.1000 | $0.5000 | $0.0650 | $0.3250 | за 1M tokens | OpenAI GPT-6 Luna — самая эффективная модель OpenAI, созданная для узконаправленных задач с большим объёмом запросов. Поддерживает ввод текста и изображений, контекстное окно 1 050 000 токенов, до 128 000 выходных токенов и уровень рассуждения от none до max (по умолчанию medium). Для вызова инструментов используйте /v1/responses: в /v1/chat/completions вызов функций работает, только если reasoning_effort установлен в none. При вызове /v1/responses отправляйте весь диалог в массиве input с каждой репликой; запросы, содержащие previous_response_id или conversation, отклоняются. |
| gpt-6-sol | OpenAI | $2.0000 | $10.0000 | $1.3000 | $6.5000 | за 1M tokens | OpenAI GPT-6 Sol — модель для сложного программирования и агентных рабочих процессов. Поддерживает ввод текста и изображений, контекстное окно 1 050 000 токенов, до 128 000 выходных токенов и уровень рассуждения от none до max (по умолчанию medium). Для вызова инструментов используйте /v1/responses: в /v1/chat/completions вызов функций работает, только если reasoning_effort установлен в none. При вызове /v1/responses отправляйте весь диалог в массиве input с каждой репликой; запросы, содержащие previous_response_id или conversation, отклоняются. |
| gpt-6.1-sol | OpenAI | $2.0000 | $10.0000 | $1.3000 | $6.5000 | за 1M tokens | OpenAI GPT-6.1 Sol — модель, близкая к GPT-6 Astra в сложном программировании, управлении компьютером и профессиональной работе, при более низкой стоимости. Поддерживает ввод текста и изображений, контекстное окно 1 050 000 токенов и до 128 000 выходных токенов. Уровень рассуждения — от low до max (по умолчанию medium); none и minimal не поддерживаются, а токены рассуждения тарифицируются как выходные. Если входные данные превышают 272 000 токенов, все токены этого запроса тарифицируются по ставке для длинного контекста. Для вызова инструментов используйте /v1/responses; /v1/chat/completions не поддерживает вызов инструментов. При вызове /v1/responses отправляйте весь диалог в массиве input с каждой репликой; запросы, содержащие previous_response_id или conversation, отклоняются. |
| gpt-image-2 | OpenAI | $5.0000 | $30.0000 | $4.0000 | $24.0000 | за 1M tokens | OpenAI GPT Image 2 — передовая модель генерации и редактирования изображений для быстрого и качественного результата. Принимает на вход текст и изображения, поддерживает гибкие размеры изображений и обработку входных изображений с высокой точностью и тарифицируется за токены, а не за вызов: текстовый ввод $5, кэшированный текстовый ввод $1.25, ввод изображений $8 и вывод изображений $30 за 1M токенов. |
| gpt-image-2.5-flare | OpenAI | $5.0000 | $30.0000 | $4.0000 | $24.0000 | за 1M tokens | OpenAI GPT Image 2.5 Flare — модель генерации и редактирования изображений из линейки GPT Image 2.5 от OpenAI. Flare и gpt-image-2.5-sunburst — отдельные сборки, а не псевдонимы одной модели, и продаются по одинаковой цене; публичные рейтинги оценивают их по отдельности. Стандартные цены за токены: текстовый ввод $5, кэшированный ввод $1.25, ввод изображений $8 и вывод изображений $30 за 1M токенов. |
| gpt-image-2.5-sunburst | OpenAI | $5.0000 | $30.0000 | $4.0000 | $24.0000 | за 1M tokens | OpenAI GPT Image 2.5 Sunburst — модель генерации и редактирования изображений из линейки GPT Image 2.5 от OpenAI. Sunburst и gpt-image-2.5-flare — отдельные сборки, а не псевдонимы одной модели, и продаются по одинаковой цене; публичные рейтинги оценивают их по отдельности. Стандартные цены за токены: текстовый ввод $5, кэшированный ввод $1.25, ввод изображений $8 и вывод изображений $30 за 1M токенов. |
| grok-4.7 | xAI | $2.0000 | $6.0000 | $0.8000 | $2.4000 | за 1M tokens | xAI Grok 4.7 — передовая модель для программирования, агентных задач и интеллектуальной работы. Поддерживает ввод текста и изображений, контекстное окно 500 000 токенов. Рассуждение нельзя отключить: reasoning_effort позволяет выбрать low, medium, high или xhigh (по умолчанию high), а токены рассуждения тарифицируются как выходные. Если промпт достигает 200 000 токенов, все токены этого запроса тарифицируются по ставке для длинного контекста. Принимаются только инструменты function; серверные инструменты xAI, такие как веб-поиск, поиск по X и выполнение кода, недоступны, а запросы, которые их содержат, отклоняются. При вызове /v1/responses отправляйте весь диалог в массиве input с каждой репликой и возвращайте без изменений зашифрованные элементы рассуждения из предыдущих ответов; запросы, содержащие previous_response_id или conversation, отклоняются. |
| happyhorse-1.1-i2v | Alibaba | $0.140 | за секунду | Alibaba HappyHorse 1.1 (I2V) — генерация видео по изображению с улучшенной фактурой, сохранением идентичности объекта (ID) между роликами, плавностью движения и синхронизацией звука и изображения. 720P/1080P. | |||
| happyhorse-1.1-r2v | Alibaba | $0.140 | за секунду | Alibaba HappyHorse 1.1 (R2V) — генерация видео по референсам: до 9 референсных изображений, высокая согласованность объекта/сцены/стиля и управление камерой. 720P/1080P. | |||
| happyhorse-1.1-t2v | Alibaba | $0.140 | за секунду | Alibaba HappyHorse 1.1 (T2V) — генерация видео по тексту с улучшенным семантическим пониманием, управлением камерой и динамичной генерацией. Плавное, детализированное, физически согласованное видео 720P/1080P. | |||
| hy-mt2-lite | Tencent | $0.0440 | $0.1770 | за 1M tokens | Tencent HY-MT2 Lite — уровень многоязычного перевода с упором на низкую задержку и низкую стоимость, доступный по протоколу OpenAI Chat Completions. До 4K входных токенов и 4K выходных токенов; только текст. | ||
| hy-mt2-plus | Tencent | $0.0740 | $0.2950 | за 1M tokens | Tencent HY-MT2 Plus — уровень многоязычного перевода со следованием инструкциям, доступный по протоколу OpenAI Chat Completions. До 4K входных токенов и 4K выходных токенов; только текст. | ||
| hy-mt2-pro | Tencent | $0.0740 | $0.2950 | за 1M tokens | Tencent HY-MT2 Pro — флагманский уровень машинного перевода для качественного многоязычного перевода, доступный по протоколу OpenAI Chat Completions. До 4K входных токенов и 4K выходных токенов; только текст. | ||
| hy3 | Tencent | $0.1320 | $0.5280 | за 1M tokens | Tencent Hunyuan 3 (Hy3) — MoE-модель на 295B параметров (21B активных), нативный контекст 256K, три режима размышлений (fast / low / deep). Сильные стороны: агенты для программирования, понимание длинных документов, многоходовый контекст и многошаговые агентные сценарии. Только текст. | ||
| hy4-preview | Tencent | $0.8340 | $2.5010 | за 1M tokens | Tencent Hunyuan 4 preview (Hy4 preview) — контекстное окно 1M токенов (максимальный ввод 960K, максимальный вывод 64K), глубокие размышления (в терминологии Tencent — сохраняемые размышления, preserved thinking), структурированный вывод, вызов функций и кэширование промптов. Только текст. SKU превью-версии: Tencent выводит превью-модель из эксплуатации, как только выходит её общедоступная версия. | ||
| jev-1.13 | TypeSafe | $0.0462 | за 1M tokens | TypeSafe Jev 1.13 — модель принятия решений System One, а не чат-модель. Отправьте состояние приложения (state: строка, JSON-объект или массив) вместе с набором типизированных вопросов на POST /v1/systemone — choice (выбрать один из ваших вариантов), score (разместить на ваших упорядоченных уровнях) или noul (вероятность того, что утверждение «да/нет» верно) — и получите типизированные ответы с вероятностью для каждого варианта и значением уверенности, обычно за 70–500 мс. Все вопросы оцениваются параллельно по одному и тому же состоянию, поэтому несколько вопросов можно отправить в одном запросе. Официальные SDK TypeSafe для Python и JavaScript работают без изменений, если указать базовый URL https://api.chinaapi.ai. Оплачиваются только входные токены; выход бесплатный. Только текстовый ввод, до 32K токенов на запрос; основной язык — английский, поэтому проверьте другие языки, прежде чем на них полагаться. | |||
| jev-latest | TypeSafe | $0.0462 | за 1M tokens | TypeSafe Jev (latest) — псевдоним, который SDK TypeSafe вызывают, когда модель не указана. Сейчас он обслуживается jev-1.13 по той же цене и с тем же контрактом System One на POST /v1/systemone: на входе состояние и типизированные вопросы choice, score и noul, на выходе типизированные ответы с вероятностями и значением уверенности. Поле model в ответе называет версию, которая ответила. Мы переносим псевдоним на новый выпуск Jev только после проверки его цены, поэтому закрепите jev-1.13, если вы настроили пороги под неё. | |||
| kimi-k2.6 | Moonshot | $0.9500 | $4.0000 | $0.7600 | $3.2000 | за 1M tokens | Moonshot Kimi K2.6 — универсальная модель для диалога, генерации кода, понимания визуального контента и агентных задач; по сравнению с предшественницей лучше пишет код на длинной дистанции и автономно выполняет задачи. Контекстное окно 256K, по умолчанию 32 768 выходных токенов. Принимает текст, изображения (png, jpeg, webp, gif) и видео (mp4, mov, webm и другие форматы) в виде содержимого base64 и возвращает текст. Режим размышлений включён по умолчанию и может быть отключён; temperature зафиксирована: 1.0 с размышлениями и 0.6 без них. |
| kimi-k2.7-code | Moonshot | $0.9500 | $4.0000 | $0.7600 | $3.2000 | за 1M tokens | Moonshot Kimi K2.7 Code — специализированная модель Kimi для программирования; по замерам вендора, по сравнению с K2.6 она лучше следует инструкциям и программирует на длинной дистанции, а избыточные размышления сокращены в среднем примерно на 30%. Контекстное окно 256K, по умолчанию 32 768 выходных токенов. Принимает текст, изображения и видео в виде содержимого base64 и возвращает текст. Режим размышлений обязателен: при его отключении возвращается ошибка; tool_choice ограничен значениями auto или none, а reasoning_content необходимо передавать между шагами многошаговых вызовов инструментов. |
| kimi-k2.7-code-highspeed | Moonshot | $1.9000 | $8.0000 | за 1M tokens | Moonshot Kimi K2.7 Code Highspeed — уровень K2.7 Code с высокой пропускной способностью: та же модель со скоростью около 180 токенов в секунду и до 260 при работе с коротким контекстом. Контекстное окно 256K, по умолчанию 32 768 выходных токенов. Принимает текст, изображения и видео в виде содержимого base64 и возвращает текст. Режим размышлений обязателен: при его отключении возвращается ошибка; tool_choice ограничен значениями auto или none, а reasoning_content необходимо передавать между шагами многошаговых вызовов инструментов. | ||
| kimi-k3 | Moonshot | $3.0000 | $15.0000 | $1.9500 | $9.7500 | за 1M tokens | Moonshot Kimi K3 — флагманская модель на 2,8 триллиона параметров для программирования на длинной дистанции, сквозной интеллектуальной работы и глубоких рассуждений; контекстное окно 1M токенов и до 1 048 576 выходных токенов (по умолчанию 131 072). Принимает текст, изображения в base64 и видео в base64 и возвращает текст. Режим размышлений всегда включён, уровень рассуждения по умолчанию — max; temperature зафиксирована на 1.0. Поддерживает пользовательский вызов инструментов и динамическую загрузку инструментов. |
| kling-3.0-turbo | Kuaishou | $0.560 | за запрос | Kuaishou Kling 3.0 Turbo — бюджетный уровень линейки Kling 3.0: генерирует видео 720P или 1080P (по умолчанию 720P) длительностью 3-15 секунд (по умолчанию 5) с соотношением сторон 16:9, 9:16 или 1:1 по промпту или по изображению первого кадра. Нативный звук включён всегда и не имеет переключателя. По сравнению с kling-v3 здесь нет уровня 4K, управления завершающим кадром и видео на входе — ради скорости и экономии. 720p, 5 с, со звуком ≈ $0.56. | |||
| kling-v3 | Kuaishou | $0.420 | за запрос | Kuaishou Kling 3.0 — генерация видео по тексту и по изображению с нативным звуком и улучшенной согласованностью элементов. Ролики длительностью 3-15 секунд (по умолчанию 5) с соотношением сторон 16:9, 9:16 или 1:1; уровень выбирается через mode: std — 720P, pro — 1080P, 4k — нативное 4K. Звук включается явно через sound=on, по умолчанию — off; генерация видео по изображению принимает первый кадр и необязательный завершающий кадр. От $0.083/с (720p). | |||
| kling-v3-omni | Kuaishou | $0.420 | за запрос | Kling 3.0 Omni — генерация видео по нескольким референсным изображениям. Цена в каталоге указана для уровня std (720p, 5 с, без звука, без референсного видео). Запросы без параметра mode выполняются на уровне pro, который действует у вышестоящего сервиса по умолчанию и тарифицируется в 1,33 раза дороже — около $0.56 за тот же 5-секундный ролик; 4k тарифицируется в 5 раз дороже. Передайте mode=std, чтобы оплата шла по цене из каталога. | |||
| LongCat-2.0 | Meituan | $0.3000 | $1.2000 | за 1M tokens | Meituan LongCat-2.0 — открытая MoE-модель с 1,6T параметров и нативным контекстом 1M, созданная для агентного программирования и длительных задач с использованием инструментов. Модель рассуждений, работающая только с текстом. | ||
| M2-her | MiniMax | $0.3000 | $1.2000 | за 1M tokens | MiniMax M2-her — диалоговая модель для ролевых игр и многоходовых диалогов с контекстным окном 65 536 токенов; длина ответа ограничена 2048 токенами (max_completion_tokens). Помимо system / user / assistant, в эндпоинте чата, совместимом с OpenAI, модель принимает расширенные роли сообщений вендора: user_system (персона пользователя), group (название беседы) и sample_message_user / sample_message_ai (примеры обмена репликами, задающие стиль ответов). Каждое сообщение с расширенной ролью должно содержать поле name: без него вендор отклоняет весь запрос с ошибкой 2013, а обычным сообщениям system/user/assistant поле name не нужно. Только текст: ввода изображений нет, а вызов инструментов и кэширование вендор не документирует. Каждый вызов сверх видимого промпта несёт около 170 токенов служебной нагрузки персоны на стороне вендора, и они тарифицируются как входные токены. | ||
| mimo-v2.5 | Xiaomi | $0.1400 | $0.2800 | за 1M tokens | Xiaomi MiMo-V2.5 — нативно полномодальная модель с контекстом 1M и максимальным выводом 128K, которая понимает изображения, видео, аудио и текст в рамках одной модели. Поддерживает глубокие размышления, вызов функций, структурированный вывод и веб-поиск, а также полномодальные агентные возможности. | ||
| mimo-v2.5-asr | Xiaomi | $0.0740 | за час аудио | Xiaomi MiMo v2.5 ASR — модель распознавания речи, оптимизированная для китайского и английского языков, а также китайских диалектов; справляется с зашумлённым аудио, записями с дальнего расстояния и речью нескольких говорящих, а также с транскрибацией текстов песен. | |||
| mimo-v2.5-pro | Xiaomi | $0.4350 | $0.8700 | за 1M tokens | Xiaomi MiMo-V2.5-Pro — флагманская модель с триллионом параметров (42B активных), контекстом 1M и максимальным выводом 128K, настроенная на интенсивные агентные нагрузки. Поддерживает глубокие размышления, вызов функций, структурированный вывод и веб-поиск. Только генерация текста: в отличие от mimo-v2.5, в списке возможностей вендора нет полномодального понимания. | ||
| mimo-v2.5-tts | Xiaomi | $0.0000 | за 10 тыс. символов | Xiaomi MiMo v2.5 TTS — выразительный синтез речи с восемью встроенными голосами: четыре китайских и четыре английских (Mia, Chloe, Milo, Dean). Охватывает китайский и английский, а также стилистику северо-восточного, сычуаньского, хэнаньского и кантонского диалектов. Подачей управляют двумя способами: стилевыми инструкциями на естественном языке и встроенными в текст аудиотегами для базовых и составных эмоций, дыхания, вздохов и темпа, включая режим пения, который в линейке MiMo TTS есть только у этой модели. Возвращает wav или pcm16 с частотой 24 кГц (моно) и поддерживает потоковую передачу с низкой задержкой, для которой нужен pcm16. 8K контекста и 8K максимального вывода. | |||
| mimo-v2.5-tts-voiceclone | Xiaomi | $0.0000 | за 10 тыс. символов | Xiaomi MiMo v2.5 TTS VoiceClone — модель клонирования голоса: передайте образец референсного аудио в виде data URL в поле voice (data:{mime};base64,...), и модель синтезирует речь этим голосом без этапов обучения, разметки или тонкой настройки. Принимает MP3 (audio/mpeg) или WAV; строка в кодировке base64 ограничена 10 МБ, а минимальную длительность референсного аудио Xiaomi не публикует. Стилевые инструкции на естественном языке и встроенные аудиотеги перенесены из mimo-v2.5-tts, но потоковая передача недоступна: запрос выполняется в режиме совместимости и возвращает ответ только после завершения синтеза. | |||
| mimo-v2.5-tts-voicedesign | Xiaomi | $0.0000 | за 10 тыс. символов | Xiaomi MiMo v2.5 TTS VoiceDesign — модель дизайна голоса: опишите нужный голос на естественном языке в поле instructions, и модель синтезирует речь голосом, созданным по этому описанию. | |||
| mimo-v2.6-flash | Xiaomi | $0.1400 | $0.2800 | $0.1260 | $0.2520 | за 1M tokens | Xiaomi MiMo-V2.6-Flash — эффективная и недорогая рассуждающая модель с открытыми весами, нативно полномодальная: одна модель понимает изображения, видео, аудио и текст. Контекст 1M и максимальный вывод 128K, поддерживает глубокие размышления, вызов функций и структурированный вывод. Рассчитана на массовые повседневные профессиональные нагрузки, где важны стоимость и пропускная способность. |
| mimo-v2.6-pro | Xiaomi | $0.4350 | $0.8700 | $0.3915 | $0.7830 | за 1M tokens | Xiaomi MiMo-V2.6-Pro — флагманская рассуждающая модель Xiaomi с триллионом параметров и открытыми весами, нативно полномодальная: одна модель понимает изображения, видео, аудио и текст. Контекст 1M и максимальный вывод 128K, поддерживает глубокие размышления, вызов функций и структурированный вывод. Создана для сложных проектов, долгосрочных агентных задач, кибербезопасности и исследовательской работы. |
| mimo-v2.6-pro-ultraspeed | Xiaomi | $4.3500 | $8.7000 | за 1M tokens | Xiaomi MiMo-V2.6-Pro UltraSpeed — MiMo-V2.6-Pro в сверхбыстром режиме Xiaomi: вывод до 20 раз быстрее, чем у стандартной модели, для взаимодействия в реальном времени и чувствительных к задержкам продакшн-сценариев. Возможности те же, что у mimo-v2.6-pro: полномодальное понимание изображений, видео, аудио и текста, контекст 1M, максимальный вывод 128K, глубокие размышления, вызов функций и структурированный вывод. Стоит в десять раз дороже mimo-v2.6-pro; Xiaomi выделяет мощности для этого режима отдельно, поэтому при резких всплесках нагрузки возможны ограничения скорости. | ||
| MiniMax-H3 | MiniMax | $0.080 | за секунду | MiniMax H3 (Hailuo 3.0) — открытая универсальная мультимодальная видеомодель нового поколения, которая за один проход создаёт нативный стереозвук; 768P или 2K, 4–15 секунд (только целые значения), 24 fps. Поддерживает генерацию видео по тексту, генерацию видео по изображению на основе первого и/или последнего кадра, а также генерацию по референсам — изображениям, видео или аудио — для персонажа, движения, камеры, стиля, голоса или ритма монтажа; генерацию видео по изображению и генерацию по референсам нельзя совмещать в одном запросе. Принимает видео H.264/H.265, изображения JPG, JPEG, PNG, WEBP, HEIC и HEIF, аудио WAV или MP3, а также промпты длиной до 7000 символов. $0.08/с при 768P, $0.13/с при 2K. | |||
| MiniMax-Hailuo-02 | MiniMax | $0.280 | за запрос | MiniMax Hailuo 02 — бюджетная генерация видео по тексту и по изображению с частотой 24 fps: 512p и 768p доступны в виде роликов по 6 или 10 секунд, 1080p — по 6 секунд. Уровень 512p — начальный в линейке Hailuo. | |||
| MiniMax-Hailuo-2.3 | MiniMax | $0.280 | за запрос | MiniMax Hailuo 2.3 — генерация видео по тексту и по изображению, в которой вендор делает ставку на следование инструкциям; 24 fps, 768p доступно в виде роликов по 6 или 10 секунд, 1080p — по 6 секунд. 768p, 6 с = $0.28. | |||
| MiniMax-Hailuo-2.3-Fast | MiniMax | $0.190 | за запрос | MiniMax Hailuo 2.3 Fast — уровень Hailuo 2.3 с упором на скорость и стоимость, ориентированный на генерацию видео по изображению и физическую достоверность движения; 24 fps, 768p доступно в виде роликов по 6 или 10 секунд, 1080p — по 6 секунд. 768p, 6 с = $0.19. | |||
| MiniMax-M2 | MiniMax | $0.3000 | $1.2000 | за 1M tokens | MiniMax M2 — поколение, с которого MiniMax начала выпуск моделей для эффективного программирования и агентных сценариев; контекстное окно 204 800 токенов. Это самый старый уровень, который вендор всё ещё обслуживает, и единственный из устаревших уровней без варианта highspeed. Только текст: API принимает блоки контента с текстом и вызовами инструментов, но не изображения или видео. Вендор относит модель к устаревшим (legacy), но MiniMax заявляет, что продолжает обслуживать её в обычном режиме; модель сохранена для совместимости версий, поскольку клиенты закрепляют имя модели за определённым поколением. Открытые веса опубликованы на Hugging Face. | ||
| MiniMax-M2.1 | MiniMax | $0.3000 | $1.2000 | за 1M tokens | MiniMax M2.1 — текстовая модель для программирования на множестве языков, с контекстным окном 204 800 токенов и скоростью вывода около 60 токенов в секунду. Только текст: API принимает блоки контента с текстом и вызовами инструментов, но не изображения или видео. Вендор относит модель к устаревшим (legacy), но MiniMax заявляет, что продолжает обслуживать её в обычном режиме; модель сохранена для совместимости версий, поскольку клиенты закрепляют имя модели за определённым поколением. Открытые веса опубликованы на Hugging Face. | ||
| MiniMax-M2.5 | MiniMax | $0.3000 | $1.2000 | $0.1950 | $0.7800 | за 1M tokens | MiniMax M2.5 — текстовая модель, которую вендор позиционирует как решение с производительностью высшего уровня по низкой цене для сложных задач, с контекстным окном 204 800 токенов и скоростью вывода около 60 токенов в секунду. Только текст: API принимает блоки контента с текстом и вызовами инструментов, но не изображения или видео. Вендор относит модель к устаревшим (legacy), но MiniMax заявляет, что продолжает обслуживать её в обычном режиме; модель сохранена для совместимости версий, поскольку клиенты закрепляют имя модели за определённым поколением. Открытые веса опубликованы на Hugging Face. |
| MiniMax-M2.7 | MiniMax | $0.3000 | $1.2000 | $0.1950 | $0.7800 | за 1M tokens | MiniMax M2.7 — текстовая модель для чата, программирования, офисной работы и агентных задач, с контекстным окном 204 800 токенов и скоростью вывода около 60 токенов в секунду. Только текст: API принимает блоки контента с текстом и вызовами инструментов, но не изображения или видео. Поддерживает вызов инструментов; режим размышлений включён всегда и не отключается. |
| MiniMax-M2.7-highspeed | MiniMax | $0.6000 | $2.4000 | за 1M tokens | MiniMax M2.7 Highspeed — та же модель M2.7, которая обслуживается со скоростью около 100 токенов в секунду для программирования и агентных сценариев с низкой задержкой, с контекстным окном 204 800 токенов. Только текст: API принимает блоки контента с текстом и вызовами инструментов, но не изображения или видео. Поддерживает вызов инструментов; режим размышлений включён всегда и не отключается. | ||
| MiniMax-M3 | MiniMax | $0.3000 | $1.2000 | $0.1950 | $0.7800 | за 1M tokens | MiniMax M3 — передовая мультимодальная модель для программирования, рассчитанная на агентные рассуждения, использование инструментов и структурированное выполнение задач, с контекстным окном 1 000 000 токенов. Принимает текст, изображения до 10 МБ и видео до 50 МБ во встроенном виде (inline) или до 512 МБ через Files API и возвращает текст. Поддерживает вызов инструментов; режим размышлений опционален, а не включён всегда. |
| minimax-music-v3.0 | MiniMax | $0.1481 | за запрос | MiniMax Music 3.0 — синхронная генерация полноценных песен по музыкальному промпту и необязательному тексту песни, с инструментальным режимом, оптимизацией текста песни и выводом аудио в виде URL или hex. Промпт может содержать до 2000 символов, текст песни — до 3500 символов. | |||
| muse-spark-1.2-contributor | Meta | $0.1000 | $0.2000 | $0.0650 | $0.1300 | за 1M tokens | Meta может использовать промпты, отправленные этой модели, и её ответы для обучения будущих моделей Meta на условиях уровня Contributor, поэтому не отправляйте конфиденциальные или чувствительные данные. Meta Muse Spark 1.2 (уровень Contributor) — предыдущая версия Muse Spark. Это модель с рассуждением: она всегда рассуждает перед ответом, и рассуждение нельзя отключить. reasoning_effort принимает значения minimal, low, medium, high или xhigh; none и max на этом уровне не поддерживаются, а если reasoning_effort не указан, уровень выбирает модель. Токены рассуждения тарифицируются как выходные, а кэшированный ввод — по ставке для кэшированного ввода. Веб-поиск недоступен, а запросы с веб-поиском или любым типом инструмента, кроме function, отклоняются. Отправляйте запросы на /v1/chat/completions. |
| muse-spark-1.3-contributor | Meta | $0.1000 | $0.2000 | $0.0650 | $0.1300 | за 1M tokens | Meta может использовать промпты, отправленные этой модели, и её ответы для обучения будущих моделей Meta на условиях уровня Contributor, поэтому не отправляйте конфиденциальные или чувствительные данные. Meta Muse Spark 1.3 (уровень Contributor) — последняя версия Muse Spark, настроенная для агентных сценариев и программирования. Это модель с рассуждением: она всегда рассуждает перед ответом, и рассуждение нельзя отключить. reasoning_effort принимает значения minimal, low, medium, high или xhigh; none и max на этом уровне не поддерживаются, а если reasoning_effort не указан, уровень выбирает модель. Токены рассуждения тарифицируются как выходные, а кэшированный ввод — по ставке для кэшированного ввода. Веб-поиск недоступен, а запросы с веб-поиском или любым типом инструмента, кроме function, отклоняются. Отправляйте запросы на /v1/chat/completions. |
| qwen-audio-3.0-asr-flash | Alibaba | $0.1260 | за час аудио | Alibaba Qwen-Audio-3.0-ASR-Flash — распознавание речи не в реальном времени на базе Qwen-Audio 3.0, охватывающее 30 языков и семь основных групп китайских диалектов (мандаринская, у, сян, гань, хакка, минь, юэ), а также более 20 региональных акцентов. Автоматическая расстановка знаков препинания и нормализация текста приводят числа, даты и суммы к стандартному виду; горячие слова и контекст в промпте повышают точность на специализированной лексике. Принимает аудио длительностью до 5 минут или объёмом до 2 ГБ на запрос. | |||
| qwen-audio-3.0-realtime-flash | Alibaba | $0.2900 | $0.8800 | за 1M tokens | Alibaba Qwen-Audio-3.0-Realtime-Flash — полнодуплексный голосовой диалог «речь в речь» через WebSocket-сессию; модель относится к линейке, которая, по данным вендора, занимает первое место в общем зачёте рейтинга Artificial Analysis Speech-to-Speech. Уровень flash настроен на минимальную сквозную задержку ответа. Подключение — через GET /v1/realtime. Аудиоввод и аудиовывод тарифицируются по отдельным ставкам, значительно выше текстовой. | ||
| qwen-audio-3.0-realtime-plus | Alibaba | $1.0000 | $8.0000 | за 1M tokens | Alibaba Qwen-Audio-3.0-Realtime-Plus — полнодуплексный голосовой диалог «речь в речь» через WebSocket-сессию; по данным вендора, модель занимает первое место в общем зачёте рейтинга Artificial Analysis Speech-to-Speech. Стандартный уровень отдаёт приоритет качеству ответов: рассуждение над речью сохраняется в полном объёме, а параллельный инференс и сквозная потоковая передача удерживают задержку ответа на низком уровне. Подключение — через GET /v1/realtime. Аудиоввод и аудиовывод тарифицируются по отдельным ставкам, значительно выше текстовой. | ||
| qwen-audio-3.0-tts-flash | Alibaba | $0.1800 | за 10 тыс. символов | Alibaba Qwen-Audio-3.0-TTS-Flash — синтез речи на базе Qwen-Audio 3.0, настроенный на взаимодействие в реальном времени; по сравнению с предыдущим поколением поддерживает больше редких языков и китайских диалектов. Инструкции в свободной форме и детализированные теги позволяют управлять эмоцией, тоном, персонажем, темпом и громкостью; модель устойчивее к шуму и реверберации. Уровень flash оптимизирован для синтеза с низкой задержкой — для голосовых ассистентов, живого диалога и агентов поддержки. Тарификация посимвольная (1 токен = 1 символ). Модель доступна как в формате «запрос — ответ», так и через WebSocket-сессию в реальном времени. | |||
| qwen-audio-3.0-tts-plus | Alibaba | $0.2500 | за 10 тыс. символов | Alibaba Qwen-Audio-3.0-TTS-Plus — высококачественный синтез речи на базе Qwen-Audio 3.0; по сравнению с предыдущим поколением поддерживает больше редких языков и китайских диалектов, а диалектное произношение звучит заметно аутентичнее. Инструкции в свободной форме и детализированные теги позволяют управлять эмоцией, тоном, персонажем, темпом, громкостью и стилем; модель устойчивее к шуму и реверберации. Уровень plus делает упор на точность передачи и выразительность — для производства контента, аудиокниг, дубляжа и фирменного голоса бренда. Тарификация посимвольная (1 токен = 1 символ). Модель доступна как в формате «запрос — ответ», так и через WebSocket-сессию в реальном времени. | |||
| qwen-flash-character | Alibaba | $0.0500 | $0.4000 | за 1M tokens | Alibaba Qwen-Flash-Character — многоязычная модель Qwen для ролевых игр (динамическая версия; об обновлениях вендор объявляет заранее), настроенная на общение от лица персонажа с верностью его образу: следование инструкциям в рамках персоны, развитие темы разговора, умение слушать и эмпатия. Контекстное окно 8192 токена, текст на входе и на выходе. Режима размышлений, вызова инструментов, встроенных инструментов и структурированного вывода нет. Сессионный кэш вендора применяется автоматически на его стороне. | ||
| qwen-image-3.0 | Alibaba | $0.030 | за запрос | Alibaba Qwen-Image-3.0 — стандартный уровень линейки изображений Qwen: генерация изображений по тексту и редактирование изображений с точной отрисовкой мелкого шрифта (вплоть до 10 пикселей), поддержкой 12 языков и более 20 гарнитур. Принимает промпты длиной до 4500 токенов, возвращает до 6 изображений за запрос и генерирует изображения размером до 2048x2048. | |||
| qwen-image-3.0-pro | Alibaba | $0.040 | за запрос | Alibaba Qwen-Image-3.0-Pro — профессиональный уровень линейки изображений Qwen, рассчитанный на плотные, насыщенные информацией макеты (газеты, раскадровки, меню, экзаменационные листы) за одну генерацию. Принимает промпты длиной до 4500 токенов, отрисовывает шрифт размером 10 пикселей, поддерживает 12 языков и более 20 гарнитур, возвращает до 6 изображений за запрос и генерирует изображения размером до 2048x2048. Генерация изображений по тексту и редактирование изображений. | |||
| qwen-mt-image-2.0 | Alibaba | $0.0006 | за запрос | Alibaba Qwen-MT-Image 2.0 — перевод изображений: переписывает текст внутри изображения на другом языке, сохраняя макет, шрифты и окружающую графику; 55 языков в любых направлениях. Вызывается через эндпоинт OpenAI images/edits с публичным URL изображения http(s) в поле image, а также с target_lang (обязательно; код ISO или английское название языка) и source_lang (необязательно, по умолчанию auto); prompt обязателен по форме эндпоинта, но игнорируется. Необязательный объект ext передаёт параметры вендора domainHint, sensitives, terminologies и config.imageSegment без изменений. Возвращает один URL изображения JPG того же размера, действительный 24 часа. Входное изображение: 15–8192 пикселей по каждой стороне, соотношение сторон от 1:10 до 10:1, до 100 МБ; загрузка файлов и data URL не принимаются. Вендор ограничивает эту модель 1 запросом в минуту и тарифицирует изображение, даже если не находит текста для перевода (в этом случае возвращается оригинал). Обслуживается через единственный официальный канал Alibaba. | |||
| qwen3-asr-flash | Alibaba | $0.1260 | за час аудио | Alibaba Qwen3-ASR-Flash — распознавание речи на базе фундаментальной модели Qwen3: автоматически определяет язык речи и транскрибирует 11 языков; в документации линейки Qwen3-ASR указаны мандаринский китайский наряду с сычуаньским, миньнань, у и кантонским, а также несколько английских акцентов. Принимает aac, amr, avi, aiff, flac, flv, mkv, mp3, mpeg, ogg, opus, wav, webm, wma и wmv длительностью до 5 минут и объёмом до 10 МБ на запрос; для pcm требуется частота 16 кГц, остальные форматы перед распознаванием передискретизируются до 16 кГц. | |||
| qwen3-tts-flash | Alibaba | $0.1100 | за 10 тыс. символов | Alibaba Qwen3-TTS-Flash — синтез речи с низкой задержкой и 17 выразительными встроенными голосами; поддерживает китайский, английский, немецкий, итальянский, португальский, испанский, японский, корейский, французский и русский, а также автоматический режим для текста на смеси языков и вывод на диалектах. Принимает до 512 токенов текста за запрос и поддерживает как потоковый, так и непотоковый синтез. | |||
| qwen3.5-livetranslate-flash-realtime | Alibaba | $0.5500 | $20.0000 | за 1M tokens | Alibaba Qwen3.5-LiveTranslate-Flash-Realtime — синхронный перевод аудио и видео через WebSocket-сессию; модель построена на базе Qwen3.5-Omni с межъязыковым и межмодальным выравниванием и визуальным усилением. Понимает речь на 60 языках, а говорит на 29. Подключение — через GET /v1/realtime. Набор тарифных ставок у этой модели иной, чем у других моделей реального времени: ставки за текстовый ввод нет — ввод тарифицируется как аудио или изображение, а вывод — как текст или аудио. | ||
| qwen3.5-ocr | Alibaba | $0.1000 | $0.3500 | за 1M tokens | Alibaba Qwen3.5-OCR — OCR-модель линейки Qwen3.5 для разбора документов, локализации текста и извлечения ключевой информации; вендор сообщает о заметном приросте качества на реальных удостоверениях личности и лицензиях. Принимает на вход текст и изображения, возвращает текст. | ||
| qwen3.5-omni-flash | Alibaba | $0.4000 | $2.2000 | за 1M tokens | Alibaba Qwen3.5-Omni-Flash — быстрый уровень омнимодальной линейки Qwen3.5: понимает текст, изображения, аудио и видео со звуком и ведёт диалог во всех этих модальностях. Обрабатывает более 10 часов аудио и более 400 секунд видео со звуком в 720P (1 FPS) за один диалог; аудиоввод — более чем на 60 языках, речевой вывод — более чем на 30. Аудиоввод и вывод, содержащий аудио, тарифицируются по отдельным ставкам, выше текстовой. | ||
| qwen3.5-omni-flash-realtime | Alibaba | $0.5500 | $3.3000 | за 1M tokens | Alibaba Qwen3.5-Omni-Flash-Realtime — быстрый уровень реального времени омнимодальной линейки Qwen3.5, который работает в рамках открытой WebSocket-сессии для полнодуплексного голосового диалога. Понимает текст, изображения, аудио и видео со звуком; аудиоввод — более чем на 60 языках, речевой вывод — более чем на 30, с управляемым голосом, веб-поиском, сложным вызовом функций и семантическим перебиванием (barge-in). Подключение — через GET /v1/realtime. Аудиоввод и вывод, содержащий аудио, тарифицируются по отдельным ставкам, значительно выше текстовой. | ||
| qwen3.5-omni-plus | Alibaba | $1.4000 | $8.3000 | за 1M tokens | Alibaba Qwen3.5-Omni-Plus — продвинутый уровень омнимодальной линейки Qwen3.5: понимает текст, изображения, аудио и видео со звуком и ведёт диалог во всех этих модальностях. Обрабатывает более 10 часов аудио и более 400 секунд видео со звуком в 720P (1 FPS) за один диалог; аудиоввод — более чем на 60 языках, речевой вывод — более чем на 30. Контекстное окно 65 536 токенов. Аудиоввод и вывод, содержащий аудио, тарифицируются по отдельным ставкам, выше текстовой. | ||
| qwen3.5-omni-plus-realtime | Alibaba | $2.1000 | $12.4000 | за 1M tokens | Alibaba Qwen3.5-Omni-Plus-Realtime — уровень реального времени омнимодальной линейки Qwen3.5, который работает в рамках открытой WebSocket-сессии для полнодуплексного голосового диалога. Понимает текст, изображения, аудио и видео со звуком; аудиоввод — более чем на 60 языках, речевой вывод — более чем на 30, с управляемым голосом, веб-поиском, сложным вызовом функций и семантическим перебиванием (barge-in). Подключение — через GET /v1/realtime. Аудиоввод и вывод, содержащий аудио, тарифицируются по отдельным ставкам, значительно выше текстовой. | ||
| qwen3.6-27b | Alibaba | $0.6000 | $3.6000 | за 1M tokens | Alibaba Qwen3.6-27B — нативная визуально-языковая плотная модель линейки Qwen3.6 с 27 млрд параметров и открытыми весами; вендор ставит её выше 3.5-27B в агентном программировании, STEM-задачах и рассуждениях, а также в пространственном интеллекте, локализации и обнаружении объектов. Контекстное окно 262 144 токена. Принимает на вход текст, изображения и видео, возвращает текст. | ||
| qwen3.6-35b-a3b | Alibaba | $0.3750 | $2.2500 | за 1M tokens | Alibaba Qwen3.6-35B-A3B — нативная визуально-языковая MoE-модель с 35 млрд параметров, из которых активны примерно 3 млрд, с открытыми весами; сочетает линейное внимание с разреженной смесью экспертов ради более высокой эффективности инференса. Контекстное окно 262 144 токена, до 65 536 выходных токенов и до 256 изображений или 64 видео за запрос. Принимает на вход текст, изображения и видео, возвращает текст; поддерживает вызов функций, встроенные инструменты и структурированный вывод. | ||
| qwen3.6-flash | Alibaba | $0.2500 | $1.5000 | за 1M tokens | Alibaba Qwen3.6-Flash — быстрая визуально-языковая модель, которую вендор особо отмечает за агентное программирование и пространственный интеллект, с заметным прогрессом в локализации и обнаружении объектов. Контекстное окно 1 000 000 токенов (не более 991 808 входных токенов, в режиме размышлений — 983 616), до 65 536 выходных токенов и бюджет цепочки рассуждений 131 072 токена. Принимает на вход текст, изображения и видео, возвращает текст. Поддерживает вызов функций и кэширование контекста. | ||
| qwen3.6-plus | Alibaba | $0.5000 | $3.0000 | $0.4250 | $2.5500 | за 1M tokens | Alibaba Qwen3.6-Plus — сбалансированная модель для общих рассуждений и использования инструментов: контекстное окно 1 000 000 токенов (не более 991 808 входных токенов, в режиме размышлений — 983 616), до 65 536 выходных токенов и бюджет цепочки рассуждений 81 920 токенов. Принимает на вход текст, изображения и видео, возвращает текст. Поддерживает вызов функций, структурированный вывод, веб-поиск, продолжение по префиксу и кэширование контекста. |
| qwen3.7-flash | Alibaba | $0.0300 | $0.1300 | за 1M tokens | Alibaba Qwen3.7-Flash — быстрый уровень нативной визуально-языковой линейки Qwen3.7; вендор особо отмечает модель за мультимодальную агентную работу (поисковые агенты и агенты CI) и более стабильное сквозное выполнение задач по сравнению с 3.6-Flash. Контекстное окно 1 000 000 токенов, до 65 536 выходных токенов и до 256 изображений или 64 видео за запрос. Принимает на вход текст, изображения и видео, возвращает текст; поддерживает режим размышлений, вызов функций, встроенные инструменты и структурированный вывод. Цена разбита на три диапазона длины контекста, поэтому запрос с длинным контекстом стоит дороже за токен, чем короткий. | ||
| qwen3.7-max | Alibaba | $2.5000 | $7.5000 | за 1M tokens | Alibaba Qwen3.7-Max — флагманская модель с закрытым исходным кодом, позиционируемая для программирования, офисной работы и повышения продуктивности, а также длительного автономного выполнения задач; контекстное окно 1 000 000 токенов (не более 991 808 входных токенов, в режиме размышлений — 983 616), до 131 072 выходных токенов и бюджет цепочки рассуждений 262 144 токена. Текст на входе, текст на выходе. Поддерживает вызов функций, структурированный вывод и кэширование контекста. | ||
| qwen3.7-plus | Alibaba | $0.4000 | $1.6000 | $0.3000 | $1.2000 | за 1M tokens | Alibaba Qwen3.7-Plus — мультимодальная гибридная агентная модель, которая воспринимает реальные сцены, читает экраны и управляет графическими интерфейсами (GUI), генерирует код по визуальным референсам и выполняет сквозную навигацию внутри мобильных приложений. Контекстное окно 1 000 000 токенов (не более 991 808 входных токенов, в режиме размышлений — 983 616), до 131 072 выходных токенов и бюджет цепочки рассуждений 262 144 токена. Принимает на вход текст, изображения и видео, возвращает текст; поддерживает вызов функций, структурированный вывод и кэширование контекста. |
| qwen3.8-2.4t-a95b | Alibaba | $2.0000 | $6.0000 | за 1M tokens | Alibaba Qwen3.8-2.4T-A95B — версия флагмана Qwen3.8 с открытыми весами: разреженная MoE-модель с 2,4 трлн параметров в сумме, из которых на каждом шаге активны примерно 95 млрд, с гибридной архитектурой внимания. Контекстное окно 1 000 000 токенов. Принимает на вход текст, возвращает текст; режимы с размышлениями и без них тарифицируются по одной ставке, а цена вывода включает цепочку рассуждений. | ||
| qwen3.8-27b | Alibaba | $0.5000 | $3.0000 | за 1M tokens | Alibaba Qwen3.8-27B — нативная визуально-языковая плотная модель линейки Qwen3.8 с 27 млрд параметров и открытыми весами; вендор ставит её выше 3.6-27B в программировании и офисных задачах как в текстовой, так и в визуальной модальности. Контекстное окно 1 000 000 токенов. Принимает на вход текст и изображения, возвращает текст; режимы с размышлениями и без них тарифицируются по одной ставке, а цена вывода включает цепочку рассуждений. | ||
| qwen3.8-flash | Alibaba | $0.1500 | $0.4700 | $0.1125 | $0.3525 | за 1M tokens | Alibaba Qwen3.8-Flash — быстрый уровень линейки Qwen3.8: нативно мультимодальная модель, которую вендор позиционирует для помощи в программировании, совместной работы агентов и понимания изображений и документов с высокой пропускной способностью. Контекстное окно 1 000 000 токенов. Принимает на вход текст, изображения и видео, возвращает текст; поддерживает режим размышлений, вызов функций, встроенные инструменты и структурированный вывод. Работает как по протоколу OpenAI, так и по протоколу Anthropic Messages. |
| qwen3.8-max | Alibaba | $2.0000 | $6.0000 | $1.9000 | $5.7000 | за 1M tokens | Alibaba Qwen3.8-Max — флагманская MoE-модель с 2,4 трлн параметров и самая мощная модель семейства Qwen; вендор сообщает о значительном прогрессе в программировании и офисной продуктивности. Контекстное окно 1 000 000 токенов (не более 991 808 входных токенов, в режиме размышлений — 983 616), до 131 072 выходных токенов и бюджет цепочки рассуждений 262 144 токена. Принимает на вход текст, изображения и видео, возвращает текст; поддерживает вызов функций, структурированный вывод и кэширование контекста. |
| qwen3.8-max-0902 | Alibaba | $2.0000 | $6.0000 | за 1M tokens | Alibaba Qwen3.8-Max-0902 — снимок Qwen3.8-Max от 2026-09-02 (псевдоним у вендора — qwen3.8-max-2026-09-02), флагманской MoE-модели с 2,4 трлн параметров, зафиксированный, чтобы интеграции могли закрепиться именно за этой сборкой; вендор сообщает о более глубоких возможностях в программировании сложных инженерных проектов и в длительной автономной разработке. Контекстное окно 1 000 000 токенов, до 131 072 выходных токенов; принимает на вход текст, изображения и видео, возвращает текст; поддерживает режим размышлений, вызов инструментов и структурированный вывод. Динамическое имя qwen3.8-max переходит на новые сборки по мере их выпуска вендором; чтобы оставаться на этой сборке, указывайте имя этой модели. Цена такая же, как у qwen3.8-max. | ||
| speech-2.8-hd | MiniMax | $1.0000 | за 10 тыс. символов | MiniMax speech-2.8-hd — уровень высокой чёткости в речевой линейке 2.8, позиционируемый для ультрареалистичной подачи со звуковыми тегами; охватывает 40 языков и 7 эмоций. Высота тона, скорость речи, громкость, частота дискретизации, битрейт и формат вывода настраиваются в каждом запросе, а синтез длинных текстов принимает до 1M символов в асинхронном режиме или до 10 000 символов через потоковый интерфейс. | |||
| speech-2.8-turbo | MiniMax | $0.6000 | за 10 тыс. символов | MiniMax speech-2.8-turbo — уровень речевой линейки 2.8 с низкой задержкой, который жертвует ультрареалистичным звучанием HD-модели ради более быстрого синтеза с естественной подачей. Охватывает те же 40 языков и 7 эмоций, позволяет настраивать высоту тона, скорость речи, громкость, частоту дискретизации, битрейт и формат вывода и принимает до 1M символов в асинхронном режиме или до 10 000 символов через потоковый интерфейс. | |||
| step-3.5-flash | StepFun | $0.1000 | $0.3000 | за 1M tokens | StepFun step-3.5-flash — текстовая модель рассуждений с контекстом 256K для логики, математики, программной инженерии и глубоких исследований, где качество рассуждений должно сочетаться с быстрым и надёжным выполнением. Глубина рассуждения выбирается для каждого запроса через reasoning_effort (low / medium / high). Поддерживает вызов инструментов, структурированный вывод по JSON Schema, потоковую передачу и кэширование промптов. Для ввода изображений или видео используйте step-3.7-flash. | ||
| step-3.5-flash-2603 | StepFun | $0.1000 | $0.3000 | за 1M tokens | StepFun step-3.5-flash-2603 — снимок step-3.5-flash с контекстом 256K, настроенный для агентов и оптимизированный под эффективный расход токенов и режим работы с низким объёмом инференса. Его параметр reasoning_effort принимает только low и high, тогда как базовая модель поддерживает три уровня, поэтому код, отправляющий medium, нужно доработать. Только текст; поддерживает вызов инструментов, структурированный вывод по JSON Schema, потоковую передачу и кэширование промптов. | ||
| step-3.7-flash | StepFun | $0.2000 | $1.1500 | за 1M tokens | StepFun step-3.7-flash — разреженная MoE-модель: всего 198B параметров, из них 11B активных; нативный контекст 256K и нативное понимание изображений и видео наряду с текстом. Глубина рассуждения выбирается для каждого запроса через reasoning_effort (low / medium / high); модель поддерживает надёжный многошаговый вызов инструментов, структурированный вывод по JSON Schema, потоковую передачу и кэширование промптов. Настроена на агентные нагрузки и программирование. При вызове /v1/responses отправляйте весь диалог в массиве input с каждой репликой: на стороне вышестоящего сервиса состояние диалога не хранится, поэтому запросы, содержащие previous_response_id или conversation, отклоняются. | ||
| step-5-preview | StepFun | $1.0000 | $2.7000 | за 1M tokens | StepFun step-5-preview — новая флагманская модель StepFun для программирования и профессиональной интеллектуальной работы, выпущенная в виде предварительной версии. Контекст 1M токенов, до 64K выходных токенов и нативное понимание изображений и видео наряду с текстом. Рассуждение включено всегда: оно возвращается как reasoning_content в /v1/chat/completions и как блоки thinking в /v1/messages, тарифицируется как вывод и расходует лимит max_tokens, поэтому лимит в несколько сотен токенов может целиком уйти на рассуждение, и текст не вернётся; оставляйте щедрый запас. Глубина выбирается для каждого запроса через reasoning_effort (low / medium / high). Поддерживает многошаговый вызов инструментов, структурированный вывод в режимах JSON Mode и JSON Schema, потоковую передачу и кэширование промптов. Создана для анализа длинных документов, программной инженерии и многошаговой агентной работы. При вызове /v1/responses отправляйте весь диалог в массиве input с каждой репликой: на стороне вышестоящего сервиса состояние диалога не хранится, поэтому запросы, содержащие previous_response_id или conversation, отклоняются. | ||
| step-audio-2 | StepFun | $1.4815 | $10.3704 | за 1M tokens | StepFun step-audio-2 — сквозная речевая модель, которая принимает аудио напрямую, а не работает с расшифровкой, поэтому тон и подача не теряются и учитываются моделью при понимании речи. Тарифицируется за токены: ставка ввода та же, что у линейки StepAudio 2.5, а ставка вывода выше. Отдельной страницы с возможностями этой модели StepFun не публикует; актуальный набор параметров смотрите в документации платформы по аудио. | ||
| step-tts-2 | StepFun | $0.4148 | за 10 тыс. символов | StepFun step-tts-2 — сквозной синтез речи на основе NTP, созданный для точного воспроизведения акцентов. Говорит на китайском, английском, смешанном китайско-английском и японском, а также на кантонском и сычуаньском. Эмоцией и подачей управляют метки на естественном языке, а для клонирования голоса в режиме zero-shot требуется примерно 10 секунд референсного аудио; управление эмоциями и стилем распространяется на клонированный голос без дополнительной платы. Выводит wav, mp3, flac, opus или pcm. | |||
| stepaudio-2-asr-pro | StepFun | $0.2963 | за час аудио | StepFun StepAudio 2 ASR Pro — модель распознавания речи с 32B параметров; в линейке StepFun ASR это вариант с приоритетом точности, тогда как stepaudio-2.5-asr — вариант с приоритетом скорости и стоимости. Принимает загружаемые файлы ogg, mp3 и wav; выходной текст расшифровки не тарифицируется. | |||
| stepaudio-2.5-asr | StepFun | $0.0220 | за час аудио | StepFun StepAudio 2.5 ASR — модель распознавания речи с 4B параметров на основе Multi-Token Prediction, которая расшифровывает пять минут аудио примерно за одну секунду (RTF около 0,0053). Оптимизирована для китайского и английского. Включает обратную нормализацию текста, идентификацию говорящих и разделение двух каналов для записей звонков и встреч. Принимает загружаемые файлы ogg, mp3 и wav; выходной текст расшифровки не тарифицируется. | |||
| stepaudio-2.5-asr-stream | StepFun | $0.1800 | за час аудио | StepFun StepAudio 2.5 ASR Stream — версия StepAudio 2.5 ASR для потокового распознавания (модель распознавания речи с 4B параметров на основе Multi-Token Prediction, оптимизированная для китайского и английского) и рекомендуемая StepFun потоковая модель. На этом шлюзе она вызывается так же, как другие модели транскрибации: загрузите запись целиком на /v1/audio/transcriptions, и после завершения распознавания полная расшифровка вернётся одним ответом; промежуточные результаты в потоковом режиме не возвращаются, а минута аудио стоит дороже, чем у stepaudio-2.5-asr. Применяется обратная нормализация текста. Принимает только загружаемые файлы ogg и wav с 16-битным PCM (mp3 не принимается); выходной текст расшифровки не тарифицируется. | |||
| stepaudio-2.5-chat | StepFun | $1.5000 | $3.5000 | за 1M tokens | StepFun StepAudio 2.5 Chat — сквозная модель понимания речи: принимает на вход аудио или текст и возвращает текст, считывая паралингвистические сигналы, например запинки и смех, непосредственно из звуковой волны, а не из расшифровки. Поддерживает широкую настройку персоны, включая характер, речевые привычки и эмоциональный диапазон. Аудио передаётся как части контента input_audio в эндпоинте chat completions. Для голосовых ответов используйте модель TTS. | ||
| stepaudio-2.5-realtime | StepFun | $1.5000 | $10.0000 | за 1M tokens | StepFun StepAudio 2.5 Realtime — сквозная модель «речь в речь», работающая через WebSocket-сессию на GET /v1/realtime: потоковый ввод аудио или текста и потоковый вывод аудио с текстовой расшифровкой, с серверным определением речевой активности и возможностью перебивать. Аудио — PCM16, 24 кГц, моно; в качестве поддерживаемого языка поставщик указывает английский. Задавайте голос явно в session.update: принимаются только голоса из списка StepFun. | ||
| stepaudio-2.5-tts | StepFun | $0.8500 | за 10 тыс. символов | StepFun StepAudio 2.5 TTS — контекстный синтез речи, который сохраняет понимание на всём конвейере генерации, а не сводит подачу к постобработке. Голосом, эмоцией и темпом управляют на естественном языке на двух уровнях: глобальный контекст для всего запроса и встроенный контекст для отдельных фрагментов. Для клонирования голоса в режиме zero-shot нужно около 3 секунд референсного аудио, и клонированный голос наследует весь набор контекстного управления. Принимает до 1000 символов за запрос; выводит wav, mp3, flac или opus. | |||
| stepaudio-3-asr-max | StepFun | $0.4000 | за час аудио | StepFun StepAudio 3 ASR Max — самая крупная модель распознавания речи StepFun, построенная на большой языковой модели, поэтому распознавание опирается на контекст и знания предметной области: модель лучше справляется с именами собственными, названиями лекарств, техническими терминами и омофонами, со смешанной китайско-английской речью, диалектами и длинными аудиозаписями, а также с шёпотом, очень быстрой речью или речью на фоне музыки, включая пропетые тексты песен. Отправляйте аудиофайл на POST /v1/audio/transcriptions (WAV, MP3 или OGG); тарификация — по длительности аудио. | |||
| stepaudio-3-chat-preview | StepFun | $0.0000 | за 1M tokens | StepFun StepAudio 3 Chat (предварительная версия) — диалоговая модель понимания речи на POST /v1/chat/completions: отправляйте, реплика за репликой, речь как части контента input_audio или текст и получайте в ответ текст; поддерживается вызов инструментов. Бесплатна на протяжении превью-периода StepFun. По окончании бесплатного периода StepFun снимает превью-название с публикации и выпускает платную версию, поэтому заранее учитывайте, что в этот момент данный ID модели перестанет работать. | |||
| stepaudio-3-gen-preview | StepFun | $0.000 | за запрос | StepFun StepAudio 3 Audio Generation (предварительная версия) — генерация аудио по сценарию из серии StepAudio 3 через POST /v1/audio/generate: задайте роли с именем и описанием голоса обычными словами, напишите сценарий построчно (строки в квадратных скобках становятся звуковыми эффектами или фоновой музыкой), добавьте общую инструкцию, и готовое аудио вернётся в виде байтов (по умолчанию mp3). Голоса создаются по описаниям ролей; готовые имена голосов не принимаются. Поля запроса соответствуют справочнику API StepFun. Бесплатна на протяжении превью-периода StepFun. По окончании бесплатного периода StepFun снимает превью-название с публикации и выпускает платную версию, поэтому заранее учитывайте, что в этот момент данный ID модели перестанет работать. | |||
| stepaudio-3-music-preview | StepFun | $0.000 | за запрос | StepFun StepAudio 3 Music (предварительная версия) — генерация музыки по тексту из серии StepAudio 3 через POST /v1/music/generations с той же формой запроса, что и у minimax-music-v3.0: опишите стиль в prompt, добавьте текст песни в lyrics или задайте is_instrumental, и готовая песня вернётся в data.audio в кодировке hex (по умолчанию mp3; wav, flac, opus или pcm через audio_setting.format). Вызов синхронный, и одна песня обычно генерируется от одной до нескольких минут, поэтому задайте тайм-аут клиента не менее 600 секунд. Каверы и аккомпанемент к загруженному вокалу не поддерживаются. Бесплатна на протяжении превью-периода StepFun. По окончании бесплатного периода StepFun снимает превью-название с публикации и выпускает платную версию, поэтому заранее учитывайте, что в этот момент данный ID модели перестанет работать. | |||
| stepaudio-3-realtime-preview | StepFun | $0.0000 | за 1M tokens | StepFun StepAudio 3 Realtime (предварительная версия) — полнодуплексная голосовая модель StepFun, работающая через WebSocket-сессию на GET /v1/realtime: естественное перебивание и смена реплик, адаптивное рассуждение прямо во время речи и вызовы инструментов по ходу диалога. Бесплатна на протяжении превью-периода StepFun. По окончании бесплатного периода StepFun снимает превью-название с публикации и выпускает платную версию, поэтому заранее учитывайте, что данный ID модели перестанет работать. | |||
| stepaudio-3-tts | StepFun | $0.3600 | за 10 тыс. символов | StepFun StepAudio 3 TTS — синтез речи из серии StepAudio 3, созданный для подачи на уровне человека: тембр, интонация, ритм и дыхание следуют естественной речи, включая смех, запинки и исправления на ходу, а эмоция и тон меняются в соответствии с содержанием. Обслуживается через POST /v1/audio/speech и тарифицируется за каждый символ входного текста. | |||
| vidu-video-q3 | Vidu | $0.060 | за секунду | Vidu Q3 — модель генерации видео по референсам с согласованностью объектов, интеллектуальной сменой сцен и синхронным выводом аудио и видео. Принимает референсные изображения или именованные объекты; генерирует ролики длительностью 3–16 секунд в 540P, 720P или 1080P. | |||
| vidu-video-q3-pro | Vidu | $0.100 | за секунду | Vidu Q3 Pro — ориентированная на качество генерация видео по тексту, по изображению и по начальному/конечному кадру с синхронным выводом аудио и видео. Генерирует ролики длительностью 1–16 секунд в 540P, 720P или 1080P; генерация видео по референсам в этом SKU не поддерживается. | |||
| vidu-video-q3-turbo | Vidu | $0.055 | за секунду | Vidu Q3 Turbo — быстрый и экономичный уровень Q3 для генерации видео по тексту, изображению, начальному/конечному кадру и референсам с синхронным выводом аудио и видео. Генерирует 1–16 секунд в обычных режимах или 3–16 секунд в режиме референсов, в разрешении 540P–1080P. | |||
| wan2.7-i2v | Alibaba | $0.100 | за секунду | Alibaba Wan 2.7 Image-to-Video — поддерживает генерацию по первому кадру, переходы между первым и последним кадром и продолжение существующего ролика. Создаёт видео 720P или 1080P (по умолчанию 1080P) длительностью 2–15 секунд (по умолчанию 5 с) по промптам длиной до 5000 символов (негативные промпты — до 500 символов). Можно передать аудиодорожку driving_audio в формате mp3 или wav длительностью 2–30 секунд; без аудио модель генерирует подходящую фоновую музыку или звуковые эффекты, аудио длиннее ролика обрезается, а если аудио короче, конец ролика остаётся без звука. | |||
| wan2.7-image | Alibaba | $0.030 | за запрос | Alibaba Wan2.7 Image — генерация изображений по тексту, редактирование изображений, генерация по нескольким референсным изображениям, интерактивное редактирование, уверенная отрисовка текста и следование инструкциям. | |||
| wan2.7-image-pro | Alibaba | $0.075 | за запрос | Alibaba Wan 2.7 Image Pro — профессиональный уровень линейки изображений Wan 2.7: генерация изображений по тексту, последовательные наборы изображений, редактирование изображений и генерация по нескольким референсным изображениям с улучшенным следованием промпту. Генерация по тексту достигает 4K (4096x4096), также доступны уровни 1K и 2K и произвольные размеры от 768x768; в режимах редактирования и последовательностей максимум — 2K. Принимает до 9 референсных изображений (JPEG, JPG, PNG, BMP, WEBP; 240–8000 пикселей по каждой стороне, до 20 МБ каждое), соотношения сторон от 1:8 до 8:1 и промпты длиной до 5000 символов. Возвращает PNG. | |||
| wan2.7-r2v | Alibaba | $0.100 | за секунду | Alibaba Wan2.7 (R2V) — генерация видео по референсам: до 5 смешанных референсов (изображения/видео) + аудиореференс тембра, более высокая согласованность персонажей, реквизита и сцен. | |||
| wan2.7-t2v | Alibaba | $0.100 | за секунду | Alibaba Wan2.7 (T2V) — генерация видео по тексту с улучшенной актёрской игрой, тонкой передачей эмоций, динамичными экшен-сценами и драматичными сменами планов. Создаёт H.264 MP4 в 720P или 1080P длительностью 2–15 секунд (по умолчанию 5 с) в форматах 16:9, 9:16, 1:1, 4:3 или 3:4 по промптам длиной до 5000 символов. Звук включён по умолчанию: без audio_url модель сама создаёт подходящую фоновую музыку или звуковые эффекты; вместо этого можно также передать дорожку wav или mp3 длительностью 2–30 секунд. | |||
| wan2.7-videoedit | Alibaba | $0.100 | за секунду | Alibaba Wan2.7 VideoEdit — редактирование видео на естественном языке, локальное или глобальное, замена элементов по референсному изображению, воспроизведение движения, эффектов и работы камеры. | |||
| wan3.0-video | Alibaba | $0.100 | $0.085 | за секунду | Alibaba Wan3.0 (Video) — универсальная видеомодель, объединяющая генерацию видео по тексту, по изображению и по референсам за единым эндпоинтом. Генерирует H.264 MP4 в 480P, 720P или 1080P длительностью до 30 секунд по промпту и необязательному URL изображения первого кадра. Тарифицируется за секунду созданного видео по собственной шкале вендора: 720P — базовая ставка, 480P тарифицируется по половине этой ставки, а 1080P — по двойной. Запрос без указания разрешения модель выполняет в 1080P, и он тарифицируется по этому уровню. Модель вендора поддерживает референсное видео и референсное аудио на входе, но через этот эндпоинт они не передаются. | ||
| wan3.0-video-prime | Alibaba | $0.140 | за секунду | Alibaba Wan3.0 Video Prime — быстрый уровень универсальной видеомодели Wan 3.0 с теми же возможностями, что у стандартного уровня, но с более высокой скоростью генерации. Генерация видео по тексту, по изображению с первым/последним кадром и по референсным изображениям (до 10 референсных изображений) за одним эндпоинтом; H.264 MP4 в 480P, 720P или 1080P, от 2 до 30 секунд, 30 fps, со звуком по умолчанию. Тарифицируется за секунду созданного видео по шкале вендора: 720P — базовая ставка, 480P стоит чуть меньше половины этой ставки, а 1080P — вдвое больше. Запрос без указания разрешения выполняется в 1080P — разрешении вендора по умолчанию — и тарифицируется по этому уровню. Референсные видео и аудио, файлы и веб-ссылки на входе этот шлюз не принимает, а интеллектуальная длительность (-1) отклоняется; задавайте длительность (duration) явно. Обслуживается через единственный официальный канал Alibaba. |