视觉模型

用于图像理解和视觉分析的 AI 模型

快速查找⌘K

分类

全部聊天125图像80视频64音频72嵌入25翻译15重排序1文本转语音19语音转文本20音乐123D8视觉83代码31

所有模型系列

26 个系列

Gemini 3

⭐
Google
节省 50%
聊天图像视觉
5 个模型打开系列

Claude 4

⭐
Anthropic
节省 35%
聊天视觉代码
5 个模型打开系列

GPT 5.4

⭐
OpenAI
节省 0%-70%
聊天视觉代码
4 个模型打开系列

GPT 5.6

⭐
OpenAI
节省 70%
聊天视觉代码
3 个模型打开系列

GPT 5.5

⭐
OpenAI
节省 0%-70%
聊天视觉代码
2 个模型打开系列

GPT 5.2

⭐
OpenAI
节省 0%-30%
聊天视觉代码
2 个模型打开系列

GPT 5.3

⭐
OpenAI
节省 30%
聊天视觉代码
1 个模型打开系列

Grok

xAI
-
聊天图像视频音频文本转语音语音转文本视觉代码
19 个模型打开系列

豆包

字节跳动
-
聊天嵌入翻译视觉代码
18 个模型打开系列

Qwen Omni

阿里云
-
聊天音频翻译语音转文本视觉
13 个模型打开系列

Wan

阿里云
-
图像视频视觉
11 个模型打开系列

Qwen 3 / QwQ

阿里云
-
聊天视觉代码
10 个模型打开系列

GLM

智谱AI
-
聊天视觉
6 个模型打开系列

GPT 5

OpenAI
节省 0%-30%
聊天视觉代码
5 个模型打开系列

MiMo

小米
-
聊天视觉
5 个模型打开系列

Kimi

月之暗面
-
聊天视觉代码
4 个模型打开系列

GPT 4o

OpenAI
节省 0%-30%
聊天音频文本转语音视觉
3 个模型打开系列

Qwen 向量

阿里云
-
嵌入视觉
3 个模型打开系列

World Labs Marble

World Labs
-
3D视觉
3 个模型打开系列

Claude 5

Anthropic
节省 35%
聊天视觉代码
2 个模型打开系列

Qwen OCR

阿里云
-
聊天视觉
2 个模型打开系列

GPT 5.1

OpenAI
节省 30%
聊天视觉代码
1 个模型打开系列

o3

OpenAI
-
聊天视觉
1 个模型打开系列

GPT 4

OpenAI
节省 30%
聊天视觉
1 个模型打开系列

Qwen 排序

阿里云
-
嵌入重排序视觉
1 个模型打开系列

HappyHorse

HappyHorse
-
视频视觉
1 个模型打开系列

视觉模型 模型选择

生产环境的模型选择取决于模型家族覆盖、供应商支持、计价单位、请求形态、延迟和输出质量。

选择信号

  • 让模型匹配你真正需要的请求形态和输出类型。
  • 估算生产成本前，先比较计价单位。
  • 把关键工作负载接入前，先跑一组小规模真实测试。

常见问题

优秀的 视觉模型 模型需要具备什么？

合适的模型应匹配任务、质量要求、延迟目标和预算。小规模评测集可以暴露模型在质量和可靠性上的差距，避免生产流量过早依赖错误选择。

之后可以切换供应商吗？

可以。TokenLab 把支持的模型放在一个目录和一套 API 面上，切换供应商时无需重建账号和密钥管理。

相关页面

模型排名模型对比