你要的聚合 AI，这里都有

Kimi K3.1 Pro 高速版（kimi-k3.1-pro-highspeed）是月之暗面（Moonshot AI）于 2026 年 10 月推出的旗舰模型 Kimi K3.1 Pro 的高速版 SKU。K3.1 Pro 是 K3.1 系列的第一个模型，为 3 万亿级参数 MoE 模型（基于 K3 进行大规模强化学习后训练），官方定位「迄今能力最强的模型」，支持 100 万 token（1,048,576）上下文窗口与原生视觉理解，在代码、3D 创作、金融研究与长程 Agent 任务上提升显著；该系列仅支持思考模式，通过顶层 reasoning_effort 调节推理强度。高速版与标准版智能水平相同，输出速度约为标准版的 2~3 倍，API 价格约为标准版 2 倍（官方中国站：输入 ¥26.00/百万 token、输出 ¥136.00/百万 token、缓存命中 ¥1.30/百万 token），计费不按上下文长度分段、全部按量付费。可通过 kimi.com、Kimi App、Kimi Work、Kimi Code 及 Kimi API 使用，官方称完整模型权重将于 11 月 4 日前发布。

Kimi K3.1 Pro 是月之暗面（Moonshot AI）K3.1 系列的首个模型，也是其迄今能力最强的旗舰模型：3 万亿级参数（开放权重，2.8T 总参数 / 104B 激活参数的 MoE 架构），原生支持视觉理解，提供 100 万 token 上下文窗口，在代码、3D 创作、金融研究与建模等能力上显著提升。该模型始终开启思考模式，可通过请求顶层 reasoning_effort 配置推理强度（low/high/max，默认 max），支持工具调用与 JSON/结构化输出。API 按 token 用量计费，输入区分缓存命中与未命中，缓存写入按 TTL（5min/1h）单独计费，计费不按上下文长度分段。

DeepSeek-V4.1-Flash-1017 是 DeepSeek 于 2026 年 10 月 17 日更新的轻量高效模型，在上一代 V4.1-Flash 基础上进一步优化性能与成本，主打“许愿式编程”——用较少提示词和素材就能从零构建完整项目。它在多项基准测试中提升明显，同时缩短任务时间与输出长度，达到新的性能-费用帕累托最优，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等平台做了专门优化；官方展示案例包括故宫 3D 建模、网页版赛车游戏、Godot 引擎复刻《传送门 2》等。

DeepSeek-V4.1-Flash（API 调用名 deepseek-flash）是 DeepSeek 于 2026 年 9 月 10 日发布的新一代模型，为全新 Causal-Encoder-Decoder 结构系列中尺寸最小的模型：总参数 552B 的 MoE，输入激活约 8B、输出激活约 16B，具备原生多模态视觉理解能力。官方模型与价格页显示其上下文长度为 1M，最大输出长度 384K，支持非思考与思考模式（默认开启思考模式，思考强度默认 high，可选 low/high/max），并支持 Json Output、Tool Calls、Responses API 与 Anthropic API 兼容格式。API 按输入与输出总 token 数计量计费（单位为每 1M tokens），采用峰谷定价：空闲时段价格为高峰时段价格的一半，高峰时段为北京时间周一至周五 9:00-12:00、14:00-18:00，其余为空闲时段；上下文缓存命中后的输入价格显著低于缓存未命中价格。

Wan3.0-Video-Prime 是万相3.0 的高速版视频生成模型，能力对齐 Wan3.0-Video 标准版，支持四模态全能参考，最长可生成30秒视频，带来沉浸式视听体验的同时端到端速度显著提升。

Seedance-2.5 是新一代 AI 视频生成模型，具备更强的画面细节表现力、人物动作连贯性与镜头调度能力，支持更长时长视频创作，光影、材质还原更加真实，可高效实现高质量图文生成视频、参考图驱动视频等创作需求。

GLM-5.3-Flash 是智谱（Z.ai / BigModel 开放平台）GLM-5 系列中首个原生多模态模型，总参数量 320B、激活参数量 18B，采用稀疏/线性注意力混合架构，在大幅降低单 Token 计算量与 KV 缓存占用的同时，实现超越 GLM-5.2 的编码与智能体（Agent）能力，可原生理解图片、视频、文件等输入并生成可交互代码。模型支持 1M 上下文窗口、最大输出 128K Tokens，强制启用深度思考并可通过 reasoning_effort（low/high/max）调节推理强度，同时支持 Function Calling、结构化 JSON 输出、上下文缓存与流式输出。定价约为 GLM-5.3 的 1/10（限时折扣期内为 1/20），主打“前沿智能、Flash 成本”的高性价比定位，权重以 MIT 协议开源。

通过多模态 content 数组输入（文本 / 图片 / 视频 / 音频），支持文生视频、图生视频（首尾帧）、多模态参考生视频，2K 直出。

GLM-5 是智谱（Z.ai / BigModel 开放平台）于 2026 年 2 月发布的基座大模型，面向 Agentic Engineering（智能体工程）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 能力上取得开源 SOTA 表现。官方文档标称上下文窗口 200K、最大输出 128K，输入输出模态均为文本，支持思考模式、流式输出、Function Calling（工具调用）与上下文缓存。API 按输入长度阶梯计费（国内站，元/百万 Tokens），2026 年 2 月起国内 0–32K 档输入 4 元、输出 18 元每百万 Tokens。

智谱最新旗舰模型，1M上下文，支持思考长度控制

Hy3 是腾讯混元研发的快慢思考融合大语言模型，采用 MoE 架构，总参数 295B、激活参数 21B、MTP 层参数 3.8B，支持 256K 上下文长度（最大输入 192K、最大输出 128K）。模型于 2026 年 7 月 6 日正式发布并以 Apache 2.0 协议开源，基于真实业务场景打磨，强化 Coding、长文、推理与 Agent 能力，支持深度思考（reasoning_effort 调节）、工具调用（Function Calling）、结构化输出与流式调用。

Seedance 2.0 mini 是面向更广泛视频生成需求推出的新一代高性价比视频生成模型。在保持竞争力效果的同时，将视频生成能力带入更低门槛、更高频、更规模化的应用场景

Kimi 迄今能力最强的旗舰模型，拥有 2.8 万亿参数，原生支持视觉理解，并拥有 100 万 token 上下文窗口，面向软件工程、知识工作和深度推理等前沿智能场景而设计。

字节跳动 Doubao-Seedream-5.0 系列图像生成模型，支持文生图与图生图。

HappyHorse-1.1-I2V支持图生视频，进一步提升画面质感、动态表现与跨片段一致性。模型能够更精准地理解输入图像并延续创作意图，在人物皮肤质感、ID跨片段保持、动作流畅度、文字渲染稳定性以及音画同步上带来显著改善，输出更真实自然、细节丰富且一致性更高的高质量视频。

HappyHorse-1.1-T2V支持文生视频，进一步提升文本语义理解、镜头调度与动态生成表现。模型能够更精准地还原创作意图，在人物动作、场景氛围、视觉美感和物理运动上生成更流畅自然、细节丰富且一致性更高的高质量视频。

HappyHorse-1.1-R2V支持参考生视频，进一步提升主体、场景风格与画面一致性的稳定保持。模型最多支持9张参考图片输入，能够更精准理解并延续创作意图，在人物、场景、风格和镜头表现上带来更强的可控性与表现力。

HappyHorse-1.0-Video-Edit支持视频编辑，自然语言指令编辑视频，可参考最多5张图片局部或全局编辑视频元素，能够精准复刻视频动态过程，实现更强表现能力。

GLM-5.2 是面向长任务时代的旗舰模型。支持真正可用的1M 上下文，实测可承载项目级工程上下文，长程任务执行更稳定、工程规范遵循更可靠，开发场景成功率进一步提升。

Qwen-Image-2.0是阿里巴巴通义实验室于2026年2月发布的图像生成与编辑一体化模型，支持1K token超长中文提示词和2K高分辨率输出，具备强大的中文汉字渲染能力与复杂构图理解能力。该模型在AI Arena文生图和图生图评测中分别获得1029分和1034分，适用于PPT、海报、信息图等专业场景。

GLM-5.1 是智谱AI发布的国产最强开源大模型，面向长程任务设计，支持单任务连续8小时自主工作，具备从代码生成到工程级交付的闭环能力。其在SWE-Bench Pro等真实开发评测中超越Claude Opus 4.6，成为全球开源模型中的新标杆。

Seedance 2.0 fast是豆包大模型团队推出的新一代多模态视频创作模型，它继承了Seedance 2.0模型的核心功能和优势，生成速度更快。 Seedance 2.0 fast支持图片、视频、音频等多模态素材参考生成视频，同时具备视频编辑与延长能力，使生视频工具进入可精准生成、可复用迭代的工业化新阶段。模型对物理规律的理解持续深化、更贴合真实世界，意图理解能力显著提升，能严格遵循指令细节约束，从而保障专业级叙事的可信度。

豆包大模型团队推出的新一代专业级多模态创作视频模型 Seedance 2.0，支持图像、视频、音频等多模态作为参考输入生成视频，还具备视频编辑、延长等能力，能高精度还原各类细节并稳定角色特征，具备极致拟真的视听稳定性，深度适配商业广告、影视制作与社交媒体营销等各大核心场景