控制台 - 模型 API 服务

模型广场

类型

系列/厂商

价格

上下文

规格

大语言模型

当前热门

DeepSeek V3 0324

输入￥2/ 百万 tokens | 输出￥8/ 百万 tokensDeepSeek V3 0324 是深度求索（DeepSeek）团队旗舰级对话模型系列的最新版本，采用混合专家（Mixture-of-Experts, MoE）架构，参数量达685B参数。满血版全参数

全新上线

Qwen3 235B A22b Thinking 2507

输入￥2/ 百万 tokens | 输出￥20/ 百万 tokensQwen3-235B-A22B-Thinking-2507是Qwen3系列最新推出的具备思维能力的突破性模型，在推理能力方面实现了跨越式提升。这款先进AI在逻辑推理、数学运算、科学分析、编程任务以及学术基准测试中均展现出显著增强的性能表现，其水平已达到甚至超越人类专家级别，在开源思维模型中树立了全新的性能标杆。除了卓越的推理能力外，该模型在通用能力方面也有显著提升，包括更精准的指令理解与执行、更复杂的工具调用能力、高度拟真的文本生成效果，以及与人类偏好更契合的输出表现。同时，其增强的256K超长上下文理解能力，使其能够精准把握长篇文档和复杂讨论的深层逻辑关联。

全新上线

Qwen3 Coder 480B A35B Instruct

输入￥15/ 百万 tokens | 输出￥15/ 百万 tokensQwen3-Coder-480B-A35B-Instruct 是由Qwen推出的尖端开源编程模型，在智能体编程（Agentic Coding）、浏览器自动化及核心开发任务中达到与Claude Sonnet同等的性能水平。该模型原生支持256K上下文窗口（通过YaRN技术可扩展至1M token），擅长仓库级代码分析，并针对Qwen Code、CLINE等平台设计了专用函数调用协议——使其成为复杂实际开发工作流的理想选择。

全新上线

Kimi K2 Instruct

输入￥4/ 百万 tokens | 输出￥16/ 百万 tokensKimi K2 是一种最先进的专家混合（MoE）语言模型，具有 320 亿个激活参数和 1 万亿个总参数。使用 Muon 优化器进行训练，Kimi K2 在前沿知识、推理和编码任务方面实现了卓越的性能，同时针对代理功能进行了精心优化，专为工具使用、推理和自主解决问题而设计。

全新上线

MiniMaxAI/MiniMax-M1-80k

输入￥4/ 百万 tokens | 输出￥16/ 百万 tokensMiniMax-M1世界上第一个开放权重、大规模混合注意力推理模型。MiniMax-M1 采用混合专家（MoE）架构，并结合闪电注意力机制。该模型总共包含 4560 亿个参数，每个令牌激活了 459 亿个参数。M1 模型原生支持 100 万个令牌的上下文长度，是 DeepSeek R1 上下文大小的 8 倍。同时MiniMax-M1 结合 CISPO 算法与混合注意力设计的高效强化学习训练，在长输入推理与真实软件工程场景中实现了业界领先的性能。

全新上线

GLM-4.5

输入￥4/ 百万 tokens | 输出￥16/ 百万 tokensGLM-4.5系列模型是专为智能体（Agent）研发的基座模型。旗舰款GLM-4.5拥有3550亿总参数（320亿激活参数），通过融合推理、编程与智能体能力，满足复杂场景需求。作为混合推理系统，它提供双工作模式： - 思考模式：支持复杂推理、工具调用和策略规划 - 即时响应模式：实现低延迟交互，快速生成反馈该架构在保持高性能的同时，为动态智能体环境提供自适应解决方案。

全新上线

Qwen3 235B A22B Instruct 2507

输入￥1.45/ 百万 tokens | 输出￥5.8/ 百万 tokensQwen3-235B-A22B-Instruct-2507 是基于 Qwen3-235B 架构的多语言指令微调混合专家语言模型，每次前向推理激活 220 亿参数。该模型针对通用文本生成任务优化，涵盖指令遵循、逻辑推理、数学计算、代码生成及工具调用等能力。其原生支持 26.2 万 token 的超长上下文窗口，且未采用 "<think>" 思维链显式标注模式。相较于基础版本，本版本在知识覆盖广度、长文本推理能力、编程基准测试以及开放性任务对齐度等方面实现显著提升。模型尤其擅长多语言理解、数学推理（如美国数学邀请赛 AIME、哈佛-麻省理工数学锦标赛 HMMT），并在 Arena-Hard 综合评测与写作专项评测 WritingBench 中表现优异。

Qwen3-235B-A22B

输入￥1.45/ 百万 tokens | 输出￥5.8/ 百万 tokens实现推理模式和非推理模式的有效融合，可在对话中切换模式。推理能力显著超过QwQ、通用能力显著超过Qwen2.5-72B-Instruct，达到同规模业界SOTA水平。推理模型

全新上线

DeepSeek-R1-0528-Qwen3-8B

输入￥0.4/ 百万 tokens | 输出￥0.65/ 百万 tokensDeepSeek-R1-0528-Qwen3-8B 是基于 Qwen3 8B Base 模型，通过融合 DeepSeek-R1-0528 的思维链（Chain-of-Thought）优化训练而成的高性能推理模型。在 AIME 2024 评测中，该模型以开源模型身份达到最先进（SOTA）水平，性能较原版 Qwen3 8B 提升 10%，并展现出与 2350 亿参数的 Qwen3-235B-thinking 相当的推理能力。

Qwen3 32B

输入￥0.72/ 百万 tokens | 输出￥3.26/ 百万 tokens实现推理模式和非推理模式的有效融合，可在对话中切换模式。推理能力显著超过QwQ、通用能力显著超过Qwen2.5-32B-Instruct，达到同规模业界SOTA水平。推理模型

Qwen3-30B-A3B

输入￥0.72/ 百万 tokens | 输出￥3.26/ 百万 tokens实现推理模式和非推理模式的有效融合，可在对话中切换模式。推理能力以更小参数规模比肩QwQ-32B、通用能力显著超过Qwen2.5-14B，达到同规模业界SOTA水平。推理模型

Deepseek Prover V2 671B

输入￥4/ 百万 tokens | 输出￥16/ 百万 tokensDeepseek 全新开源模型 DeepSeek-Prover-V2-671B，专注于数学定理证明任务。该模型基于混合专家 (MoE) 架构，并利用 Lean 4 框架进行形式化推理训练。该模型参数规模达 6710 亿，结合强化学习和大规模合成数据，显著提升了自动化证明能力。满血版全参数

DeepSeek R1 (Turbo)

输入￥4/ 百万 tokens | 输出￥16/ 百万 tokensDeepSeek R1 (Turbo)是派欧算力云平台提供的最新高性能DeepSeek R1 模型。DeepSeek R1是DeepSeek团队发布的最新开源模型，具备非常强悍的推理性能，尤其在数学、编程和推理任务上达到了与OpenAI的o1模型相当的水平。满血版全参数推理模型

全新上线

GLM 4.1V 9B Thinking

输入￥0.25/ 百万 tokens | 输出￥1/ 百万 tokensGLM-4.1V-9B-Thinking 是由智谱 AI 与清华大学 KEG 实验室联合发布的开源视觉语言模型（VLM），专为处理复杂的多模态认知任务设计。该模型是基于 GLM-4-9B-0414 基础模型，通过引入“思维链”（CoT）推理机制和采用强化学习策略，显著提升了跨模态的推理能力和稳定性。作为一个 9B 参数规模的轻量级模型，它在部署效率和性能之间取得了平衡，在 28 项权威评测基准中，有 18 项的表现持平甚至超越了 72B 参数规模的 Qwen-2.5-VL-72B。该模型不仅在图文理解、数学科学推理、视频理解等任务上表现卓越，还支持高达 4K 分辨率的图像和任意宽高比输入

全新上线

deepseek/deepseek-r1-0528

输入￥4/ 百万 tokens | 输出￥16/ 百万 tokensDeepSeek R1 0528 是派欧云平台提供的最新高性能DeepSeek R1 模型。DeepSeek R1 0528 是DeepSeek团队发布的最新开源模型，具备非常强悍的推理性能，尤其在编程、数学、推理任务上达到了开源模型最先进的水平。满血版全参数

DeepSeek V3 (Turbo)

输入￥2/ 百万 tokens | 输出￥8/ 百万 tokensDeepSeek V3 (Turbo) 是派欧算力云平台提供的最新高性能DeepSeek V3 模型。DeepSeek-V3 在推理速度方面实现了比之前模型的重大突破。在开源模型中排名第一，并可与全球最先进的闭源模型相媲美。DeepSeek-V3 采用了多头潜在注意力（MLA）和 DeepSeekMoE 架构，这些架构在 DeepSeek-V2 中得到了全面验证。此外，DeepSeek-V3 开创了一种用于负载均衡的辅助无损策略，并设定了多标记预测训练目标以获得更强的性能。满血版全参数

DeepSeek V3 (Community)

输入￥2/ 百万 tokens | 输出￥8/ 百万 tokensDeepSeek-V3在推理速度方面实现了比之前模型的重大突破。在开源模型中排名第一，并可与全球最先进的闭源模型相媲美。DeepSeek-V3 采用了多头潜在注意力（MLA）和 DeepSeekMoE 架构，这些架构在 DeepSeek-V2 中得到了全面验证。此外，DeepSeek-V3 开创了一种用于负载均衡的辅助无损策略，并设定了多标记预测训练目标以获得更强的性能。全参数满血版

DeepSeek R1 (Community)

输入￥4/ 百万 tokens | 输出￥16/ 百万 tokensDeepSeek R1是DeepSeek团队发布的最新开源模型，具备非常强悍的推理性能，尤其在数学、编程和推理任务上达到了与OpenAI的o1模型相当的水平。全参数满血版推理模型

DeepSeek: DeepSeek R1 Distill Qwen 32B

输入￥2.18/ 百万 tokens | 输出￥2.18/ 百万 tokensDeepSeek R1 Distill Qwen 32B 是一种基于 Qwen 2.5 32B 的蒸馏大语言模型，通过使用 DeepSeek R1 的输出进行训练而得。该模型在多个基准测试中超越了 OpenAI 的 o1-mini，取得了密集模型（dense models）的最新技术领先成果（state-of-the-art）。以下是一些基准测试的结果： AIME 2024 pass@1: 72.6 MATH-500 pass@1: 94.3 CodeForces Rating: 1691 该模型通过从 DeepSeek R1 的输出中进行微调，展现了与更大规模的前沿模型相当的竞争性能。推理模型

全新上线

ERNIE-4.5-VL-424B-A47B

输入￥3/ 百万 tokens | 输出￥9/ 百万 tokens文心4.5系列开源模型为MoE 架构，是一种创新性的多模态异构模型结构，通过跨模态参数共享机制实现模态间知识融合，同时为各单一模态保留专用参数空间。此架构非常适用于从大语言模型向多模态模型的持续预训练范式，在保持甚至提升文本任务性能的基础上，显著增强多模态理解能力。该模型均使用飞桨深度学习框架进行高效训练、推理和部署。在大语言模型的预训练中，模型FLOPs利用率（MFU）达到47%。实验结果显示，该系列模型在多个文本和多模态基准测试中达到SOTA水平，在指令遵循、世界知识记忆、视觉理解和多模态推理任务上效果尤为突出。

DeepSeek: DeepSeek R1 Distill Qwen 14B

输入￥1/ 百万 tokens | 输出￥1/ 百万 tokensDeepSeek R1 Distill Qwen 14B 是一种基于 Qwen 2.5 14B 的蒸馏大语言模型，通过使用 DeepSeek R1 的输出进行训练而得。该模型在多个基准测试中超越了 OpenAI 的 o1-mini，取得了密集模型（dense models）的最新技术领先成果（state-of-the-art）。以下是一些基准测试的结果： AIME 2024 pass@1: 69.7 MATH-500 pass@1: 93.9 CodeForces Rating: 1481 该模型通过从 DeepSeek R1 的输出中进行微调，展现了与更大规模的前沿模型相当的竞争性能。推理模型

全新上线

ERNIE-4.5-300B-A47B

输入￥2/ 百万 tokens | 输出￥7/ 百万 tokens文心4.5系列开源模型为MoE 架构，是一种创新性的多模态异构模型结构，通过跨模态参数共享机制实现模态间知识融合，同时为各单一模态保留专用参数空间。此架构非常适用于从大语言模型向多模态模型的持续预训练范式，在保持甚至提升文本任务性能的基础上，显著增强多模态理解能力。该模型均使用飞桨深度学习框架进行高效训练、推理和部署。在大语言模型的预训练中，模型FLOPs利用率（MFU）达到47%。实验结果显示，该系列模型在多个文本和多模态基准测试中达到SOTA水平，在指令遵循、世界知识记忆、视觉理解和多模态推理任务上效果尤为突出。

DeepSeek R1 Distill Llama 70B

输入￥5.8/ 百万 tokens | 输出￥5.8/ 百万 tokensDeepSeek R1 Distill Llama 70B是基于Llama3.3 70B的大型语言模型，该模型利用DeepSeek R1输出的微调，实现了与大型前沿模型相当的竞争性能。推理模型

DeepSeek: DeepSeek R1 Distill Llama 8B

输入￥0.3/ 百万 tokens | 输出￥0.3/ 百万 tokensDeepSeek R1 Distill Llama 8B 是一种基于 Llama-3.1-8B-Instruct 的蒸馏大语言模型，通过使用 DeepSeek R1 的输出进行训练而得。推理模型

Qwen2.5 72B Instruct

输入￥2.75/ 百万 tokens | 输出￥2.88/ 百万 tokensQwen2.5-72B-Instruct 是阿里云发布的最新大语言模型系列之一。该 72B 模型在编码和数学等领域具有显著改进的能力。该模型还提供了多语言支持，覆盖超过 29 种语言，包括中文、英文等。模型在指令跟随、理解结构化数据以及生成结构化输出（尤其是 JSON）方面都有显著提升。

Qwen3 8B

输入￥0.25/ 百万 tokens | 输出￥1/ 百万 tokens实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力达到同规模业界SOTA水平、通用能力显著超过Qwen2.5-7B。推理模型

Qwen2.5 VL 72B Instruct

输入￥4.2/ 百万 tokens | 输出￥4.2/ 百万 tokensQwen2.5-VL 是 Qwen2.5 系列最新推出的视觉语言模型。该模型在多方面有显著提升：具备更强的视觉理解能力，能够识别常见物体、分析文本、图表和布局；作为视觉代理能够推理并动态指导工具使用；支持理解超过 1 小时的长视频并捕捉关键事件；能够通过生成边界框或点准确定位图像中的物体；支持生成结构化输出，尤其适用于发票、表格等扫描数据。模型在多项基准测试中表现出色，包括图像、视频和代理任务评测。视觉模型

Qwen2.5 32B Instruct

输入￥1.26/ 百万 tokens | 输出￥1.26/ 百万 tokensQwen2.5-32B-Instruct 是阿里云发布的最新大语言模型系列之一。该 32B 模型在编码和数学等领域具有显著改进的能力。该模型提供了多语言支持，覆盖超过 29 种语言，包括中文、英文等。模型在指令跟随、理解结构化数据以及生成结构化输出（尤其是 JSON）方面都有显著提升。

THUDM/GLM-4-32B-0414

输入￥1.75/ 百万 tokens | 输出￥1.75/ 百万 tokensGLM-4-32B-0414 是 GLM 系列的新一代开源模型，拥有 320 亿参数。该模型性能可与 OpenAI 的 GPT 系列和 DeepSeek 的 V3/R1 系列相媲美，并支持非常用户友好的本地部署功能。GLM-4-32B-Base-0414 是在 15T 高质量数据上预训练的，包括大量推理类型的合成数据，为后续的强化学习扩展奠定了基础。在后训练阶段，除了对话场景的人类偏好对齐外，研究团队还使用拒绝采样和强化学习等技术增强了模型在指令遵循、工程代码和函数调用方面的表现，加强了代理任务所需的原子能力。GLM-4-32B-0414 在工程代码、Artifact 生成、函数调用、基于搜索的问答和报告生成等领域取得了良好的成果，部分 Benchmark 指标已接近甚至超越 GPT-4o、DeepSeek-V3-0324（671B）等更大模型的水平。

免费

Qwen 2.5 7B Instruct

输入￥0/ 百万 tokens | 输出￥0/ 百万 tokensQwen2.5 是 Qwen 大语言模型的最新系列。在 Qwen2.5 中，发布了多个基础语言模型和指令微调语言模型，参数规模从 0.5 亿到 720 亿不等。相比 Qwen2，Qwen2.5 带来了以下显著提升： - 知识储备显著提升，并在编程和数学能力上有大幅增强，这得益于我们在这些领域训练的专业专家模型。 - 在指令理解与执行、生成长文本（超过8K tokens）、理解结构化数据（如表格）、以及生成结构化输出（尤其是 JSON）方面表现大幅提升。对多样化的系统提示更具适应性，增强了角色扮演实现和聊天机器人的条件设定能力。 - 长上下文支持扩展至最多 128K tokens，最多可生成 8K tokens 的内容。 - 多语言支持涵盖超过 29 种语言，包括中文、英文、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。

免费

ERNIE-4.5-0.3B

输入￥0/ 百万 tokens | 输出￥0/ 百万 tokens文心4.5系列开源模型为MoE 架构，是一种创新性的多模态异构模型结构，通过跨模态参数共享机制实现模态间知识融合，同时为各单一模态保留专用参数空间。此架构非常适用于从大语言模型向多模态模型的持续预训练范式，在保持甚至提升文本任务性能的基础上，显著增强多模态理解能力。该模型均使用飞桨深度学习框架进行高效训练、推理和部署。在大语言模型的预训练中，模型FLOPs利用率（MFU）达到47%。实验结果显示，该系列模型在多个文本和多模态基准测试中达到SOTA水平，在指令遵循、世界知识记忆、视觉理解和多模态推理任务上效果尤为突出。FREE

免费

ERNIE-4.5-21B-A3B

输入￥0/ 百万 tokens | 输出￥0/ 百万 tokens 文心4.5系列开源模型为MoE 架构，是一种创新性的多模态异构模型结构，通过跨模态参数共享机制实现模态间知识融合，同时为各单一模态保留专用参数空间。此架构非常适用于从大语言模型向多模态模型的持续预训练范式，在保持甚至提升文本任务性能的基础上，显著增强多模态理解能力。该模型均使用飞桨深度学习框架进行高效训练、推理和部署。在大语言模型的预训练中，模型FLOPs利用率（MFU）达到47%。实验结果显示，该系列模型在多个文本和多模态基准测试中达到SOTA水平，在指令遵循、世界知识记忆、视觉理解和多模态推理任务上效果尤为突出。FREE

免费

ERNIE-4.5-VL-28B-A3B

输入￥0/ 百万 tokens | 输出￥0/ 百万 tokens 文心4.5系列开源模型为MoE 架构，是一种创新性的多模态异构模型结构，通过跨模态参数共享机制实现模态间知识融合，同时为各单一模态保留专用参数空间。此架构非常适用于从大语言模型向多模态模型的持续预训练范式，在保持甚至提升文本任务性能的基础上，显著增强多模态理解能力。该模型均使用飞桨深度学习框架进行高效训练、推理和部署。在大语言模型的预训练中，模型FLOPs利用率（MFU）达到47%。实验结果显示，该系列模型在多个文本和多模态基准测试中达到SOTA水平，在指令遵循、世界知识记忆、视觉理解和多模态推理任务上效果尤为突出。FREE

免费

Qwen3 4B

输入￥0/ 百万 tokens | 输出￥0/ 百万 tokens实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力达到同规模业界SOTA水平、模型人类偏好能力显著增强，创意写作、角色扮演、多轮对话、指令遵循能力均有明显提升，用户体验预期明显更佳。

免费

GLM4 9B Chat

输入￥0/ 百万 tokens | 输出￥0/ 百万 tokens智谱AI发布的GLM-4系列最新一代预训练模型的开源版本。

嵌入系列模型

全新上线

Qwen3 Embedding 8B

￥0.35/ 百万 tokensQwen3 Embedding 8B 模型是通义千问家族最新推出的专为文本嵌入（embedding）专属模型。该模型基于Qwen3系列的稠密基座模型，完整继承了基座模型卓越的多语言能力、长文本理解与推理能力。Qwen3 Embedding系列在文本检索、代码检索、文本分类、文本聚类、双语挖掘等多项文本嵌入任务中实现显著突破。

免费

BAAI:BGE-M3

￥0/ 百万 tokensBGE-M3 是一款具备多维度能力的文本嵌入模型，可同时实现密集检索、多向量检索和稀疏检索三大核心功能。该模型设计上兼容超过100种语言，并支持从短句到长达8192词元的长文本等多种输入形式。在跨语言检索任务中，BGE-M3展现出显著优势，其性能在MIRACL、MKQA等国际基准测试中位居前列。此外，针对长文档检索场景，该模型在MLDR、NarritiveQA等数据集上的表现同样达到行业领先水平。

全新上线

Qwen3 Reranker 8B

输入￥0.35/ 百万 tokens | 输出￥0.35/ 百万 tokensQwen3 Reranker 8B 模型系列是通义千问家族最新推出的排序任务设计的专属模型。该系列基于Qwen3系列的稠密基座模型，完整继承了基座模型卓越的多语言能力、长文本理解与推理能力。Qwen3 Embedding系列在排序任务中实现显著突破，支持语言：100+种，参数量：80亿，上下文长度：32K。

全新上线

baai/bge-reranker-v2-m3

输入￥0.07/ 百万 tokens | 输出￥0.07/ 百万 tokensbaai/bge-reranker-v2-m3是一个轻量级的多语言重排序模型。它基于 bge-m3 模型开发，具有强大的多语言能力，易于部署，并且推理速度快。该模型采用查询和文档作为输入，直接输出相似度分数，而不是嵌入向量。它适用于多语言场景，特别是在中文和英文处理方面表现出色。