Tencent Hunyuan Hy4 ist das Flaggschiffmodell in der offiziellen Version mit einer Million Token Kontext und Bildverständnis für Schlussfolgerungen, Programmierung und Agentenaufgaben.

The flagship K3.1 model from Moonshot AI, a 3-trillion-parameter system with a one-million-token context, native vision and always-on reasoning for coding, agentic and knowledge work.

Kimi K3.1 Pro Highspeed carries the same capabilities as Kimi K3.1 Pro while generating output about two to three times faster, at higher per-token prices.

MiniMax M3.1 Flash is a multimodal reasoning model for coding and agent tasks, with a 1M-token context and adjustable reasoning effort.

Die Open-Weight-Stufe »V4.1 Flash« von DeepSeek: schnelle, kostengünstige Inferenz und Tool-Nutzung mit einer Million Token Kontext.

Qwen Image 2.1 Pro erzeugt Bilder aus Text und bearbeitet sie mit Referenzbildern; abgerechnet wird zum Festpreis pro erzeugtem Bild.

Das Flaggschiff-Preview-Modell von StepFun für Coding- und Fachworkflows, mit einer Million Token Kontext und Text-, Bild- und Videoverständnis.

Tencent Hunyuan Image 3.5 Preview erzeugt Bilder aus Text und ermöglicht mehrstufiges Nachbearbeiten mit Referenzbildern; abgerechnet wird über Ausgabe-Bild-Tokens.

MiMo-V2.6 Flash von Xiaomi für Assistant-, Coding- und Tool-Calling-Workloads, mit einer Million Token Kontext und Text-, Bild-, Video- und Audio-Eingabe.

MiMo-V2.6 Pro von Xiaomi für autonomes Software-Engineering, mit einer Million Token Kontext und Text-, Bild-, Video- und Audio-Eingabe.

Qwen3.8 Omni Flash von Alibaba ergänzt die Eingaben von Qwen3.8 Flash um Audio und behält den eine Million Token umfassenden Kontext sowie die Textausgabe bei.

GLM-5.3 FlashX von Zhipu AI: eine weitere GLM-5.3-Flash-Variante für Coding, Reasoning und Agent-Workflows, preislich zwischen GLM-5.3 Flash und GLM-5.3.

Das Seed-2.1-Lite-Modell von ByteDance versteht Text, Bilder, Video und Audio und unterstützt tiefes Reasoning, Coding, Agent-Workflows, Tool-Aufrufe und strukturierte Ausgabe.

Das Seed-2.1-Pro-Modell von ByteDance ist auf komplexe Coding- und Agent-Aufgaben ausgelegt, mit verbesserter Langzeit-Ausführung, Recherche und multimodalem Verständnis sowie tiefem Reasoning, Tool-Aufrufen und strukturierter Ausgabe.

Seedream 5.0 Flash von ByteDance: die preisgünstigste Seedream-5.0-Stufe für Text-zu-Bild-Generierung und Referenzbild-Bearbeitung, zum Festpreis pro Bild.

Ein kontinuierlich aktualisiertes ByteDance-Modell für Coding- und Agent-Workflows mit tiefem Reasoning, Tool-Aufrufen, strukturierter Ausgabe sowie Text-, Bild- und Videoverständnis.

Das Videomodell H3 Max von MiniMax erzeugt Video aus Text und Bild, nutzt Mehrfach-Bild-, Video- und Audioreferenzen mit synchronisiertem Ton und liefert 480p oder 768p für fünf bis 15 Sekunden.

Die Preview des 770B großen Open-Weight-Flaggschiffs von Tencent Hunyuan für Reasoning, Coding und Agent-Workloads.

Die kostengünstigere Qwen3.8-Stufe von Alibaba für Reasoning, Coding und Agent-Workflows mit einer Million Token Kontext und Text-, Bild- und Video-Eingabe.

GLM-5.3 Flash von Zhipu AI: die schnellere, kostengünstigere GLM-5.3-Stufe für Coding, Reasoning und Agent-Workflows mit einer Million Token Kontext.

Wan 3.0 von Alibaba erzeugt Video aus Text-, Bild-, Video- und Audioreferenzen, 480p bis 1080p, zwei bis 30 Sekunden, abgerechnet nach Eingabe- und Ausgabesekunden.

Wan 3.0 Prime, Alibabas beschleunigte Video-Stufe, erzeugt Video aus Text-, Bild-, Video- und Audioreferenzen in 480p bis 1080p für zwei bis 30 Sekunden.

Das Open-Weight-Modell GLM-5.3 von Zhipu AI für Coding, Reasoning und Agent-Workflows.

Das Open-Weight-Flaggschiff »V4« von DeepSeek für tiefes Reasoning, Programmierung und agentische Aufgaben über lange Zeiträume.

Qwen Bildgenerierung und -bearbeitung mit bis zu drei Referenzbildern und Abrechnung nach ein- bzw. zweikilopixel großen Ausgabeformaten.

Qwen Image 3.0 Pro, die Pro-Stufe der Bildgenerierung und -bearbeitung mit bis zu drei Referenzbildern und 1K-/2K-Ausgabestufen zu höheren Raten als Qwen Image 3.0.

Alibabas Flaggschiff-Inferenzmodell aus der Qwen-Reihe mit einer Million Token Kontext und Text-, Bild- und Videoeingabe.

Das Videomodell H3 von MiniMax erzeugt Video aus Text und Bild, nutzt Mehrfach-Bild-, Video- und Audioreferenzen mit synchronisiertem Ton und liefert 768p oder 2K für vier bis 15 Sekunden.

MiniMax Speech 2.8 HD synthetisiert Sprache synchron als MP3 aus den unterstützten Systemstimmen und rechnet über die vom Anbieter gemeldeten Zeichen ab.

MiniMax Speech 2.8 Turbo ist die günstigere synchrone Sprachstufe: MP3 aus den unterstützten Systemstimmen, abgerechnet über die gemeldete Zeichenanzahl.

Das bislang größte Open-Source-Modell von Moonshot AI, entwickelt für tiefes Reasoning und Agent-Workflows mit langem Kontext.

Hy3 von Tencent Hunyuan für Reasoning, Coding und Agent-Workloads mit 256.000 Token Kontext, Tool-Aufrufen und Prompt-Caching.

Ein Seed-2.1-Modell von ByteDance, das Leistung und Kosten für produktive Coding- und Agent-Workloads ausbalanciert und Text-, Bild- und Videoverständnis, tiefes Reasoning, Tool-Aufrufe und strukturierte Ausgabe unterstützt.

Seedream 5.0 Pro von ByteDance für Text-zu-Bild-Generierung und Bearbeitung mit Referenzbildern, abgerechnet nach Ausgabegrößen-Stufe von 1K bis 2K.

Das Bild-zu-Video-Modell HappyHorse 1.1 von Alibaba animiert ein Anfangsbild für drei bis 15 Sekunden in 480p bis 1080p und übernimmt das Seitenverhältnis der Eingabe.

Das Referenz-zu-Video-Modell HappyHorse 1.1 von Alibaba erzeugt aus bis zu neun Referenzbildern drei bis 15 Sekunden Video in 480p bis 1080p, abgerechnet nach erfolgreich generierten Ausgabesekunden.

Das Text-zu-Video-Modell HappyHorse 1.1 von Alibaba erzeugt drei bis 15 Sekunden Clips in 480p, 720p oder 1080p, abgerechnet nach erfolgreich generierten Ausgabesekunden.

Kimi K2.7 Code von Moonshot AI für Coding- und Agent-Arbeiten, mit 256.000 Token Kontext und Text-, Bild- und Video-Eingabe.

Das Open-Weight-Coding- und Agentenmodell von MiniMax mit einer Million Token Kontext und nativer Tool-Nutzung.

Das 198B große MoE-Vision-Language-Modell von StepFun, optimiert für Coding-Agenten und Such-Workflows.

ERNIE 5.1 von Baidu für Reasoning- und Agent-Workloads mit 128.000 Token Kontext, Tool-Aufrufen und strukturierter Ausgabe.

Tencent Hunyuan Image 3.0 erzeugt und bearbeitet Bilder aus Referenzeingaben in einer einzigen synchronen Antwort, abgerechnet über Ausgabe-Bild-Tokens.

Kling V3 von Kuaishou erzeugt Text-zu-Video und Bild-zu-Video mit synchronisiertem Ton, drei bis 15 Sekunden lang, von 720p bis 4K.

Seedream 5.0 Lite von ByteDance für Text-zu-Bild-Generierung und Referenzbild-Bearbeitung mit Ausgaben von 2K bis 4K, zum Festpreis pro Bild abgerechnet.