视觉语言模型
273 个能输入图片的语言模型：描述照片、读图表和文档、回答关于截图的问题。
/
 Qwen3 VL 235B A22B ThinkingAlibabaApache 2.0JSON+3 | $3.95/百万由 DevPass (LLM Gateway) 提供 | 131K | $0.98/百万 | $3.95/百万 | — | — | |
| Qwen3 VL 30B A3B InstructAlibabaApache 2.0JSON+3 | $0.389/百万由 SiliconFlow 提供 | 262K | $0.097/百万 | $0.389/百万 | — | — | |
| Qwen3-VL PlusAlibaba提示缓存JSON+3 | $1.37/百万由 AIHubMix 提供 | 262K | $0.143/百万 | $1.43/百万 | — | — | |
| Qwen3.5 122B-A10BAlibabaApache 2.0JSON+3 | $0.901/百万由 AIHubMix 提供 | 262K | $0.40/百万 | $3.20/百万 | 1418 | — | |
| Qwen3.5 FlashAlibaba提示缓存JSON+3 | $0.26/百万由 OpenRouter 提供 | 1M | $0.029/百万 | $0.287/百万 | 1397 | — | |
| Qwen3.5 PlusAlibabaJSON推理+2 | $0.658/百万由 AIHubMix 提供 | 1M | $0.115/百万 | $0.688/百万 | — | — | |
| Qwen3.6 FlashAlibabaJSON推理+2 | $0.823/百万由 APIMart 提供 | 1M | $0.165/百万 | $0.99/百万 | — | — | |
| Qwen3.6 PlusAlibaba提示缓存JSON+3 | $1.37/百万由 APIMart 提供 | 1M | $0.276/百万 | $1.65/百万 | 1462 | — | |
| Qwen3.7 FlashAlibaba提示缓存JSON+3 | $0.091/百万由 APIMart 提供 | 1M | $0.028/百万 | $0.11/百万 | — | — | |
| Qwen3.8 Max PreviewAlibaba提示缓存JSON+3 | $6/百万由 Charm Hyper 提供 | 262K | $2/百万 | $6/百万 | — | — | |
| Reka EdgeReka AIJSON工具调用+1 | $0.10/百万由 OpenRouter 提供 | 16K | $0.10/百万 | $0.10/百万 | — | — | |
 Sakana NamazuSakana AI提示缓存JSON+3 | $4/百万由 OpenRouter 提供 | 262K | $0.95/百万 | $4/百万 | — | — | |
 Seed 1.6ByteDance提示缓存JSON+3 | $0.285/百万由 APIYI 提供 | 262K | $0.114/百万 | $0.285/百万 | — | — | |
| Seed 1.6 FlashByteDanceJSON推理+2 | $0.30/百万由 APIYI 提供 | 262K | $0.075/百万 | $0.30/百万 | — | — | |
| Seed 2.1 TurboByteDance提示缓存JSON+3 | $1.67/百万由 CometAPI 提供 | 256K | $0.50/百万 | $2.50/百万 | — | — | |
| Seed EvolvingByteDance提示缓存JSON+3 | $3.33/百万由 CometAPI 提供 | 256K | $0.667/百万 | $3.33/百万 | — | — | |
| Seed Oss 36B InstructByteDanceApache 2.0JSON+3 | $0.534/百万由 AIHubMix 提供 | 256K | $0.20/百万 | $0.534/百万 | — | — | |
 Sonar ProPerplexity视觉 | $15/百万由 AI/ML API 提供 | 200K | $3/百万 | $15/百万 | — | — | |
| Sonar Pro SearchPerplexityJSON推理+1 | $15/百万由 OpenRouter 提供 | 200K | $3/百万 | $15/百万 | — | — | |
| Sonar Reasoning ProPerplexity推理视觉 | $8/百万由 FastRouter 提供 | 128K | $2/百万 | $8/百万 | — | — | |
 Step 3.7 FlashStepFunApache 2.0提示缓存+4 | $0.925/百万由 APIMart 提供 | 262K | $0.154/百万 | $0.925/百万 | — | — | |
| Step 5 PreviewStepFun开源权重提示缓存+4 | $2.70/百万由 Deep Infra 提供 | 1.05M | $1/百万 | $2.70/百万 | 1568 | — | |
| UI-TARS 7BByteDanceApache 2.0提示缓存+2 | $0.20/百万由 OpenRouter 提供 | 128K | $0.10/百万 | $0.20/百万 | — | — |
常见问题
能同时接收图片和文字的语言模型。它可以描述图片、识别图中文字、解读图表，或回答关于截图的问题，最后用文字回复。
基本是。多模态的范围更广，有些模型还能输入音频或视频。本页的模型都能读图，每个模型页上列出了它支持的其他输入。
从任务出发：读长文档和图表适合上下文大的模型，简单的图片描述用便宜的小模型就够。先在这里比较最低价，再拿自己的图片试两三个。
没找到想要的答案？ 联系我们