Model Center

GPT-5.4 是 OpenAI 最新的前沿模型，将 Codex 和 GPT 系列整合为一个系统。它配备了 1M+令牌上下文窗口（922K 输入，128K 输出），支持文本和图像输入，支持同一工作流程中的高上下文推理、编码和多模态分析。该模型在编码、文档理解、工具使用和指令执行方面提供了更好的性能。它被设计为通用任务和软件工程的强默认选项，能够生成生产质量的代码，综合多个来源的信息，并以更少的迭代和更高的令牌效率执行复杂的多步工作流程。

GPT-5.3 Chat 是对 ChatGPT 最常用模型的升级，使日常对话更加流畅、实用且直接实用。它能提供更准确的答案，更好地提供上下文，显著减少不必要的拒绝、附加条件和过于谨慎的措辞，避免打断对话流畅。

GPT-5.3-Codex 将先进的编码能力、更广泛的推理和专业问题解决整合在一个专为真实工程工作打造的单一模型中。它将 GPT-5.2-Codex 的前沿编码性能与 GPT5.2 的推理和专业知识能力整合到一个系统中。这使得体验从优化孤立输出转向支持更长时间的开发工作;当仓库庞大、变更跨越多个步骤，且需求不总是在一开始就完全明确时。

Gemini 3.1 Flash-Lite 是谷歌最具成本效益的 Gemini 型号，针对低延迟、高成本的大型语言模型流量进行了优化。它相比 Gemini 2.0/2.5 Flash-Lite 型号实现了显著的质量提升，在关键能力领域的性能与 Gemini 2.5 闪存相当。

Qwen3.5系列397B-A17B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。在语言理解、逻辑推理、代码生成、智能体任务、图像理解、视频理解、图形用户界面（GUI）等多种任务中，均展现出与当前顶尖前沿模型相媲美的卓越性能。具备强大的代码生成与智能体能力，对于各类智能体场景具有良好的泛化性。

Qwen3.5原生视觉语言系列Plus模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。在多项任务评测中，3.5系列均展现出与当前顶尖前沿模型相媲美的卓越性能，模型效果在纯文本与多模态方面相较3系列均实现飞跃式进步。

Gemini 3.1 Pro Preview 专为高级开发和智能体系统而设计，在提升令牌效率的同时，增强了长期稳定性、工具编排能力。它引入了一种新的中间思维模式，以更好地平衡成本、速度和性能。该模型在智能体编码、结构化规划、多模态分析和工作流自动化方面表现出色，因此非常适合自主智能体、金融建模、电子表格自动化和高上下文企业任务。

Kimi K2.7 Code HighSpeed 是 Kimi K2.7 Code 的高速版模型，与 Kimi K2.7 Code 是相同模型，但输出速度约 180 Tokens/s，短上下文场景可达 260 Token/s，带来更极致的编程体验。

通义千问VL-OCR（qwen-vl-ocr），即基于Qwen-VL训练的OCR识别大模型。通过统一模型的方式聚合多种图文识别、解析、处理类任务，提供强大的图文识别能力。

GLM-5 是智谱新一代的旗舰基座模型，面向 Agentic Engineering 打造，能够在复杂系统工程与长程 Agent 任务中提供可靠生产力。在 Coding 与 Agent 能力上，GLM-5 取得开源 SOTA 表现，在真实编程场景的使用体感逼近 Claude Opus 4.5，擅长复杂系统工程与长程 Agent 任务，是通用 Agent 助手的理想基座。

面向低时延、高并发与成本敏感场景，提供极致的模型推理速度。模型效果与Doubao-Seed-1.6相当。支持256k上下文、4档思考长度和多模态理解，适合成本和速度优先的轻量级任务。

面向高频企业场景兼顾性能与成本的均衡型模型，综合能力超越上一代Doubao-Seed-1.8。胜任非结构化信息处理、内容创作、搜索推荐、数据分析等生产型工作，支持长上下文、多源信息融合、多步指令执行与高保真结构化输出。在保障稳定效果的同时显著优化成本。

面向真实编程环境优化的 Coding 模型，能稳定调用 Claude Code 等常见 IDE 中的工具。模型特别优化了前端能力，在使用常见的前端框架时能有良好表现。模型支持使用 Skills，可以配合多种自定义技能使用。

M2.7 在真实的软件工程中有优异的表现，包括端到端的完整项目交付，分析日志排查 Bug、代码安全，机器学习等。 在专业办公领域，我们提升了模型在各领域的专业知识和任务交付能力，在 GDPval-AA 的ELO得分是1495，为开源最高。M2.7 对 Office 三件套 Excel/PPT/Word 的复杂编辑能力显著提升，能更好地完成多轮修改和高保真的编辑。 M2.7具备与复杂环境交互的能力，M2.7 在 40 个复杂 skills (> 2000 Token) 的 case 上，仍能保持 97% 的 skills 遵循率。在OpenClaw的使用中，M2.7相比于M2.5也有了显著的提升，在MMClaw的评测中接近最新的Sonnet 4.6。 M2.7具备优秀的身份保持能力和情商，除了生产力使用外，给互动娱乐场景的创新也准备了空间。

GLM-5V-Turbo 是智谱首个多模态 Coding 基座模型，面向视觉编程任务打造。能够原生处理图片、视频、文本等多模态输入，同时擅长长程规划、复杂编程和动作执行；深度适配 Agent 工作流，能够与 Claude Code、OpenClaw 等 Agent 深度协同，完成”看懂环境→规划动作→执行任务”的完整闭环。

Gemini 2.5 Pro是一款强大的推理模型，专为解决复杂问题而设计。它具备卓越的理解与分析能力，能够处理来自多种信息源的海量数据，包括文本、音频、图像、视频，甚至是完整的代码库。

Step 5 Preview 是 StepFun 面向真实任务的新一代旗舰基模，重点覆盖编程与专业知识工作。模型原生支持文本、图片和视频输入，提供 1M tokens 上下文窗口，适合需要处理大量信息、调用工具，并持续推进到交付结果的任务。

DeepSeek-OCR 是 DeepSeek AI 发布的视觉语言模型，旨在探索视觉-文本压缩边界，专注于文档识别及图像转文本场景的解决方案 。该模型可将长文本渲染为高压缩比图像，在 10 倍无损压缩下能实现 97% 的 OCR 准确率，即使压缩到 20 倍也能保持约 60% 的准确率。

Grok 4.1 Fast 是 xAI 最好的代理工具调用模型，在客户支持和深入研究等实际应用场景中表现出色。200 万上下文窗口。

Gemini 2.5 Flash是Google在性价比方面表现最优的模型，兼具全面能力与高效性能。作为首个具备“思维能力”的 Flash 系列模型，Gemini 2.5 Flash支持可视化的思维过程，让用户直观了解模型在生成回答时的推理路径。

Grok 4是xAI的多模态大型语言模型，目前支持文本模态，视觉、图像生成等功能即将推出。

GPT-5-Nano是GPT-5系列中最快速的版本，专为开发者工具、即时交互和超低延迟场景优化。尽管在复杂推理能力上略逊于更大的模型，但它保留了核心的指令跟随与安全特性。

GPT-5是OpenAI推出的最新一代先进模型，在推理能力、代码生成质量和用户体验方面实现显著提升。该模型针对复杂任务进行了专项优化，尤其擅长需要逐步推理、精准遵循指令以及对准确性要求严格的高风险场景。

旗舰级全能通用模型，面向 Agent 时代的复杂推理与长链路任务执行场景。强调多模态理解、长上下文推理、结构化生成与工具增强执行。复杂指令与多约束执行能力突出，可稳定应对多步复杂规划、复杂图文推理、视频内容理解与高难度分析等场景。