Hy4 da Tencent Hunyuan é o modelo de referência na sua versão oficial, com contexto de um milhão de tokens e compreensão de imagens, destinado 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.

O nível de pesos abertos V4.1 Flash da DeepSeek: raciocínio e utilização de ferramentas rápidos e económicos, com contexto de um milhão de tokens.

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

A pré-visualização do modelo de topo 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, faturada 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 autónoma, 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: mais uma 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 compreende 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 destina-se a tarefas complexas de programação e agentes, com execução prolongada, investigação e compreensão multimodal reforçadas, raciocínio profundo, chamadas de ferramentas e saída estruturada.

Seedream 5.0 Flash da ByteDance: o nível Seedream 5.0 mais económico para geração de texto para 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 pré-visualização do modelo de bandeira de pesos abertos de 770 B da Tencent Hunyuan, para raciocínio, programação e agentes.

O nível Qwen3.8 mais económico 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: o nível GLM-5.3 mais rápido e económico, 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, faturado 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 modelo de bandeira de pesos abertos V4 da DeepSeek, para raciocínio profundo, programação e tarefas de agentes de longo curso.

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

Qwen Image 3.0 Pro, o nível Pro de geração e edição de imagens com até três imagens de referência e faturação 1K/2K, com tarifas superiores ao Qwen Image 3.0.

O modelo de raciocínio de bandeira da Alibaba (gama 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 fala de forma síncrona em MP3 com as vozes de sistema suportadas e fatura pelos caracteres reportados pelo fornecedor.

O MiniMax Speech 2.8 Turbo é o nível mais económico de fala síncrona: sintetiza MP3 com as vozes de sistema suportadas e fatura pelos caracteres reportados.

O maior modelo de código aberto da Moonshot AI, criado 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 de texto para imagem e edição com imagens de referência, faturado por escalão de dimensão de saída de 1K a 2K.

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

O modelo de texto para vídeo HappyHorse 1.1 da Alibaba gera clips de três a quinze segundos em 480p, 720p ou 1080p, faturado por segundos de saída gerados com êxito.

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 utilização nativa de ferramentas.

O modelo visão-linguagem MoE de 198 B de parâmetros da StepFun, otimizado para agentes de programação e fluxos de pesquisa.

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 numa única resposta síncrona, faturada 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 de texto para imagem e edição com imagens de referência, com saídas de 2K a 4K faturadas a preço fixo por imagem.