Hy4 da Tencent Hunyuan é o modelo principal em sua versão oficial, com contexto de um milhão de tokens e compreensão de imagens, voltado a raciocínio, programação e tarefas 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.

A variante de pesos abertos V4.1 Flash do DeepSeek: raciocínio e uso de ferramentas rápidos e baratos, com contexto de um milhão de tokens.

Qwen Image 2.1 Pro gera imagens a partir de texto e as edita com imagens de referência, cobradas a preço fixo por imagem gerada.

A prévia do modelo principal da StepFun para programação e fluxos profissionais, com contexto de um milhão de tokens e compreensão de texto, imagem e vídeo.

Tencent Hunyuan Image 3.5 Preview gera imagens a partir de texto e permite edição contínua em vários turnos com imagens de referência, cobrada por tokens de imagem de saída.

MiMo-V2.6 Flash da Xiaomi para assistentes, programação e chamadas de ferramentas, com contexto de um milhão de tokens e entrada de texto, imagem, vídeo e áudio.

MiMo-V2.6 Pro da Xiaomi para engenharia de software autônoma, com contexto de um milhão de tokens e entrada de texto, imagem, vídeo e áudio.

Qwen3.8 Omni Flash da Alibaba adiciona áudio às entradas do Qwen3.8 Flash e mantém o contexto de um milhão de tokens e a saída em texto.

GLM-5.3 FlashX da Zhipu AI: outra variante do GLM-5.3 Flash para programação, raciocínio e fluxos de agentes, com preço entre o GLM-5.3 Flash e o GLM-5.3.

O modelo Seed 2.1 Lite da ByteDance entende texto, imagem, vídeo e áudio e suporta raciocínio profundo, programação, fluxos de agentes, chamadas de ferramentas e saída estruturada.

O modelo Seed 2.1 Pro da ByteDance atende tarefas complexas de programação e agentes, com execução longa, pesquisa e compreensão multimodal aprimoradas, raciocínio profundo, chamadas de ferramentas e saída estruturada.

Seedream 5.0 Flash da ByteDance: a variante Seedream 5.0 mais barata para geração texto-imagem e edição com imagens de referência, a preço fixo por imagem.

Um modelo da ByteDance em atualização contínua para fluxos de programação e agentes, com raciocínio profundo, chamadas de ferramentas, saída estruturada e compreensão de texto, imagem e vídeo.

O modelo de vídeo H3 Max da MiniMax gera vídeo a partir de texto e imagem, aceita várias imagens, vídeos e áudios de referência com som sincronizado, em 480p ou 768p de cinco a quinze segundos.

A prévia do modelo de bandeira de pesos abertos de 770 B da Tencent Hunyuan, para raciocínio, programação e agentes.

A variante Qwen3.8 mais barata da Alibaba para raciocínio, programação e fluxos de agentes, com contexto de um milhão de tokens e entrada de texto, imagem e vídeo.

GLM-5.3 Flash da Zhipu AI: a variante GLM-5.3 mais rápida e barata, para programação, raciocínio e fluxos de agentes, com contexto de um milhão de tokens.

Wan 3.0 da Alibaba gera vídeo a partir de texto, imagem, vídeo e áudio, de 480p a 1080p e de dois a trinta segundos, cobrado por segundos de entrada e saída.

Wan 3.0 Prime, a variante acelerada da Alibaba, gera vídeo de texto, imagem, vídeo e áudio, de 480p a 1080p e de dois a trinta segundos.

O modelo de pesos abertos GLM-5.3 da Zhipu AI, para programação, raciocínio e fluxos de agentes.

O carro-chefe de pesos abertos V4 da DeepSeek, para raciocínio profundo, programação e tarefas de agente de longo prazo.

Geração e edição de imagens Qwen com até três imagens de referência e cobrança nativa por saída de um e dois kilopíxeis.

Qwen Image 3.0 Pro, a variante Pro de geração e edição de imagens com até três imagens de referência e cobrança 1K/2K, com valores acima do Qwen Image 3.0.

O modelo de raciocínio carro-chefe do Alibaba (linha Qwen), com contexto de um milhão de tokens e entrada de texto, imagem e vídeo.

O modelo de vídeo H3 da MiniMax gera vídeo a partir de texto e imagem, aceita várias imagens, vídeos e áudios de referência com som sincronizado, em 768p ou 2K de quatro a quinze segundos.

O MiniMax Speech 2.8 HD sintetiza voz de forma síncrona em MP3 com as vozes de sistema suportadas e cobra pelos caracteres informados pelo provedor.

O MiniMax Speech 2.8 Turbo é a variante mais barata de voz síncrona: sintetiza MP3 com as vozes de sistema suportadas e cobra pelos caracteres reportados.

O maior modelo de código aberto já lançado pela Moonshot AI, feito para raciocínio profundo e fluxos de agentes com contexto longo.

Hy3 da Tencent Hunyuan para raciocínio, programação e cargas de agentes, com contexto de 256 mil tokens, chamadas de ferramentas e cache de prompts.

Um modelo Seed 2.1 da ByteDance que equilibra capacidade e custo para cargas de programação e agentes em produção, com compreensão de texto, imagem e vídeo, raciocínio profundo, chamadas de ferramentas e saída estruturada.

Seedream 5.0 Pro da ByteDance para geração texto-imagem e edição com imagens de referência, cobrado por faixa de tamanho de saída de 1K a 2K.

O modelo imagem-para-vídeo HappyHorse 1.1 da Alibaba anima uma imagem inicial de três a quinze segundos em 480p a 1080p, mantendo a proporção da entrada.

O modelo referência-para-vídeo HappyHorse 1.1 da Alibaba gera clipes de três a quinze segundos em 480p a 1080p a partir de até nove imagens de referência.

O modelo texto-para-vídeo HappyHorse 1.1 da Alibaba gera clipes de três a quinze segundos em 480p, 720p ou 1080p, cobrado por segundos de saída gerados com sucesso.

Kimi K2.7 Code da Moonshot AI para programação e tarefas de agentes, com contexto de 256 mil tokens e entrada de texto, imagem e vídeo.

O modelo de pesos abertos da MiniMax para programação e agentes, com contexto de um milhão de tokens e uso nativo de ferramentas.

O modelo visão-linguagem MoE de 198 B de parâmetros da StepFun, ajustado para agentes de código e fluxos de busca.

ERNIE 5.1 da Baidu para raciocínio e cargas de agentes, com contexto de 128 mil tokens, chamadas de ferramentas e saída estruturada.

Tencent Hunyuan Image 3.0 gera e edita imagens a partir de entradas de referência em uma única resposta síncrona, cobrada por tokens de imagem de saída.

Kling V3 da Kuaishou gera vídeo a partir de texto ou imagem com áudio sincronizado, de três a quinze segundos, de 720p a 4K.

Seedream 5.0 Lite da ByteDance para geração texto-imagem e edição com imagens de referência, com saídas de 2K a 4K cobradas a preço fixo por imagem.