Hy4 de Tencent Hunyuan es el modelo insignia en su versión oficial, con un contexto de un millón de tokens y comprensión de imágenes, para razonamiento, programación y tareas de agentes.

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.

El nivel de pesos abiertos V4.1 Flash de DeepSeek: razonamiento y uso de herramientas rápido y barato, con contexto de un millón de tokens.

Qwen Image 2.1 Pro genera imágenes desde texto y las edita con imágenes de referencia, con facturación a precio fijo por imagen generada.

La versión preliminar insignia de StepFun para programación y flujos profesionales, con contexto de un millón de tokens y comprensión de texto, imagen y vídeo.

Tencent Hunyuan Image 3.5 Preview genera imágenes desde texto y permite edición continua en varios turnos con imágenes de referencia, facturada por tokens de imagen de salida.

MiMo-V2.6 Flash de Xiaomi para asistentes, programación y llamadas a herramientas, con contexto de un millón de tokens y entrada de texto, imagen, vídeo y audio.

MiMo-V2.6 Pro de Xiaomi para ingeniería de software autónoma, con contexto de un millón de tokens y entrada de texto, imagen, vídeo y audio.

Qwen3.8 Omni Flash de Alibaba añade audio a las entradas de Qwen3.8 Flash y mantiene el contexto de un millón de tokens y la salida de texto.

GLM-5.3 FlashX de Zhipu AI: otra variante de GLM-5.3 Flash para programación, razonamiento y flujos de agentes, con precio entre GLM-5.3 Flash y GLM-5.3.

El modelo Seed 2.1 Lite de ByteDance entiende texto, imagen, vídeo y audio, y admite razonamiento profundo, programación, flujos de agentes, llamadas a herramientas y salida estructurada.

El modelo Seed 2.1 Pro de ByteDance aborda tareas complejas de programación y agentes, con ejecución prolongada, investigación y comprensión multimodal mejoradas, razonamiento profundo, llamadas a herramientas y salida estructurada.

Seedream 5.0 Flash de ByteDance: el nivel Seedream 5.0 más barato para generación texto-a-imagen y edición con imágenes de referencia, a precio fijo por imagen.

Un modelo de ByteDance en actualización continua para flujos de programación y agentes, con razonamiento profundo, llamadas a herramientas, salida estructurada y comprensión de texto, imagen y vídeo.

El modelo de vídeo H3 Max de MiniMax genera vídeo desde texto e imagen, admite varias imágenes, vídeos y audios de referencia con sonido sincronizado, en 480p o 768p de cinco a quince segundos.

La versión preliminar del modelo insignia de pesos abiertos de 770 B de Tencent Hunyuan, para razonamiento, programación y agentes.

El nivel Qwen3.8 más económico de Alibaba para razonamiento, programación y flujos de agentes, con contexto de un millón de tokens y entrada de texto, imagen y vídeo.

GLM-5.3 Flash de Zhipu AI: el nivel GLM-5.3 más rápido y barato, para programación, razonamiento y flujos de agentes, con contexto de un millón de tokens.

Wan 3.0 de Alibaba genera vídeo desde texto, imagen, vídeo y audio, en 480p a 1080p de dos a treinta segundos, con facturación por segundos de entrada y salida.

Wan 3.0 Prime, el nivel acelerado de Alibaba, genera vídeo desde texto, imagen, vídeo y audio, en 480p a 1080p de dos a treinta segundos.

El modelo de pesos abiertos GLM-5.3 de Zhipu AI, para programación, razonamiento y flujos de agentes.

El modelo insignia de pesos abiertos V4 de DeepSeek, para razonamiento profundo, programación y tareas de agentes de largo recorrido.

Generación y edición de imágenes Qwen con hasta tres imágenes de referencia y facturación nativa por salida de uno y dos kilopíxeles.

Qwen Image 3.0 Pro, el nivel Pro de generación y edición de imágenes con hasta tres imágenes de referencia y facturación 1K/2K, a tarifas superiores a Qwen Image 3.0.

El modelo de razonamiento insignia de Alibaba (familia Qwen), con un contexto de un millón de tokens y entrada de texto, imagen y vídeo.

El modelo de vídeo H3 de MiniMax genera vídeo desde texto e imagen, admite varias imágenes, vídeos y audios de referencia con sonido sincronizado, en 768p o 2K de cuatro a quince segundos.

MiniMax Speech 2.8 HD sintetiza voz de forma síncrona en MP3 con las voces del sistema admitidas y factura según los caracteres que reporta el proveedor.

MiniMax Speech 2.8 Turbo es el nivel de voz síncrona más económico: sintetiza MP3 con las voces del sistema admitidas y factura por los caracteres reportados.

El modelo de código abierto más grande de Moonshot AI, diseñado para razonamiento profundo y flujos de agentes con contexto extenso.

Hy3 de Tencent Hunyuan para razonamiento, programación y cargas de agentes, con contexto de 256.000 tokens, llamadas a herramientas y caché de prompts.

Un modelo Seed 2.1 de ByteDance que equilibra capacidad y coste para cargas de programación y agentes en producción, con comprensión de texto, imagen y vídeo, razonamiento profundo, llamadas a herramientas y salida estructurada.

Seedream 5.0 Pro de ByteDance para generación texto-a-imagen y edición con imágenes de referencia, facturado por nivel de tamaño de salida de 1K a 2K.

El modelo imagen-a-vídeo HappyHorse 1.1 de Alibaba anima una imagen inicial de tres a quince segundos en 480p a 1080p y conserva la relación de aspecto de la entrada.

El modelo referencia-a-vídeo HappyHorse 1.1 de Alibaba genera clips de tres a quince segundos en 480p a 1080p a partir de hasta nueve imágenes de referencia.

El modelo texto-a-vídeo HappyHorse 1.1 de Alibaba genera clips de tres a quince segundos en 480p, 720p o 1080p, facturado por segundos de salida generados con éxito.

Kimi K2.7 Code de Moonshot AI para programación y tareas de agentes, con contexto de 256.000 tokens y entrada de texto, imagen y vídeo.

El modelo de pesos abiertos de MiniMax para programación y agentes, con contexto de un millón de tokens y uso nativo de herramientas.

El modelo visión-lenguaje MoE de 198 B de parámetros de StepFun, afinado para agentes de programación y flujos de búsqueda.

ERNIE 5.1 de Baidu para razonamiento y cargas de agentes, con contexto de 128.000 tokens, llamadas a herramientas y salida estructurada.

Tencent Hunyuan Image 3.0 genera y edita imágenes desde entradas de referencia en una única respuesta sincrónica, facturada por tokens de imagen de salida.

Kling V3 de Kuaishou genera vídeo desde texto o imagen con audio sincronizado, de tres a quince segundos y de 720p a 4K.

Seedream 5.0 Lite de ByteDance para generación texto-a-imagen y edición con imágenes de referencia, con salidas de 2K a 4K facturadas a precio fijo por imagen.