Model Center

Doubao-1.5-pro使用MoE 架构，并通过训练-推理一体化设计，实现模型性能和推理性能之间的极致平衡。

通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。

QVQ-72B是阿里云通义千问团队开发的多模态推理模型，拥有720亿参数，具备强大的视觉理解和推理能力。该模型在解决数学、物理、科学等领域的复杂推理问题上表现突出，能够处理需要同时理解文本和图像的任务。

o3-mini-high是 o3-mini 模型在高推理强度设置下的版本，特别擅长STEM领域的推理任务，包括科学、数学和编程。

OpenAI o3-mini是OpenAI推出的小型推理模型，在保持与o1-mini 相同的成本与延迟水平下，提供了更高的智能表现。该模型专为复杂推理任务优化，特别适用于科学、数学与编程等领域。同时，o3-mini支持结构化输出、函数调用、Batch API等关键开发功能，为构建高效智能应用提供了强大支持。

GPT-4.1是OpenAI推出的一款面向复杂任务的旗舰模型，具备跨领域的问题解决能力，能够高效应对各种复杂场景和挑战。

o1模型，具有强大的推理能力，在科学、编程、数学等领域表现出色。它采用了长思维链和自适应计算，能够处理复杂推理任务。

GPT-4.1-mini是GPT-4.1的小型版本，兼顾文本生成与理解，适合用于语言教学与分析任务。

GPT-4.1-nano是GPT-4.1系列中速度最快且性价比最高的模型，专为高效、低成本的应用场景设计。

快速推理模型，推理速度可达 200 tokens/秒，比常规快8倍。

GLM-4-Plus是GLM团队发布的基座大模型，使用了大量模型辅助构造高质量合成数据以提升模型性能，利用PPO有效提升模型推理（数学、代码算法题等）表现，更好反映人类偏好。

OpenAI o4-mini 是 o 系列中的一款紧凑型推理模型，经过优化，能够在保持强大多模态和代理能力的同时，实现快速且成本效益高的性能。它支持工具使用，并在 AIME（使用 Python 达到 99.5% 准确率）和 SWE-bench 等基准测试中表现出色，超越了前代 o3-mini，甚至在某些领域接近 o3 的水平。 尽管体积较小，o4-mini 在 STEM 任务、视觉问题解决（如 MathVista、MMMU）和代码编辑方面表现出高准确率。它特别适用于对延迟或成本敏感的高吞吐量场景。得益于其高效的架构和精细的强化学习训练，o4-mini 能够串联使用工具、生成结构化输出，并以最小延迟解决多步骤任务——通常在一分钟内完成。 此外，o4-mini 与 o3 一样，具备图像推理能力，能够将视觉输入（如草图和白板）直接整合到其思维过程中，并在分析中对图像进行调整，如缩放或旋转。这些增强功能现已向 ChatGPT Plus、Pro 和 Team 用户开放。

（当前仅支持/v1/responses接口）OpenAI O3 Deep Reserch模型。

OpenAI o4-mini-high 与 o4-mini 是同一个模型，只是将 推理效果设为高。o4 是 o 系列中的一个紧凑型推理模型，优化目标是实现快速、成本效益高的性能，同时保持强大的多模态能力和自主代理（agentic）能力。它支持工具调用，在多个基准测试中展现出强劲的推理和编程表现，例如在 AIME 中使用 Python 达到 99.5% 的成绩，在 SWE-bench 中也优于其前代 o3-mini，甚至在某些领域接近 o3 模型的表现。尽管体积更小，o4-mini 在 STEM 任务（科学、技术、工程、数学）、视觉问题解决（如 MathVista、MMMU）以及代码编辑方面依然表现出色。它特别适用于对延迟和成本要求较高的大吞吐场景。得益于其高效的架构设计和精细化的强化学习训练，o4-mini 能够链式调用工具、生成结构化输出，并在不到一分钟内完成多步复杂任务。

Llama 4 Scout适用于长上下文中的检索任务，以及需要对大量信息进行推理处理的任务，例如总结多个大型文档、分析大量用户互动日志以实现个性化，以及跨大型代码库进行推理。

Qwen3-235B-A22B 是通义千问研发的一款拥有 2350 亿参数的MoE模型，每次前向传播仅激活 220 亿参数。该模型支持在 “思考” 模式与 “非思考” 模式间无缝切换 —— 前者适用于复杂推理、数学及代码任务，后者则能提升日常对话的效率。它具备强大的推理能力，支持 100 多种语言及方言的多语种处理，在指令遵循和智能体工具调用方面表现出色，原生支持 32Ktoken 的上下文窗口，并可通过基于 YaRN 的扩展技术将上下文长度提升至 131Ktoken。

codex-mini-latest 是 o4-mini 的微调版本，专门用于 Codex CLI。对于直接在 API 中使用，我们建议从 gpt-4.1 开始。

主打低清图像的高清重建。通过深度学习算法实现2-4倍放大，可将模糊图像修复至高清画质，同时精准保留纹理、边缘等细节，避免传统插值的模糊问题。具备抗压缩鲁棒性，适配JPEG、WebP等格式，支持移动端实时处理，已集成于抖音、剪映等产品，服务于短视频制作、摄影修复等场景。

text-embedding-3-small

text-embedding-3-large

bge-m3

text-embedding-ada-002

支持720p/1080p实时超分、降噪、动态范围扩展等核心功能，可将低清图像修复至4K分辨率，同时保留皮肤纹理、衣物褶皱等细节。其智能推理能力可自动适配场景，例如在夜景中增强暗部细节而不引入噪点，或在人像修复中还原面部光影层次。该模型已深度集成至抖音、剪映等产品，支持短视频、广告、教育课件等场景的批量处理，生成速度达2K图像1.8秒/张，兼顾效率与商业级画质。