✨ feat: Add nano-banana-pro model support and optimization (#10376)
This commit is contained in:
YuTengjing
@@ -37,6 +37,14 @@
|
||||
"standard": "عادي"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "الدقة",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "البذرة",
|
||||
"random": "بذرة عشوائية"
|
||||
|
||||
+110
-64
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus هو أذكى نموذج من Anthropic، يقدم أداءً رائدًا في السوق للمهام المعقدة للغاية. يتميز بسلاسة استثنائية وفهم شبيه بالبشر للتعامل مع المطالبات المفتوحة والسيناريوهات غير المسبوقة."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku هو الجيل التالي من أسرع نماذجنا. يتمتع بسرعة مماثلة لـ Claude 3 Haiku، مع تحسينات في كل مجموعة مهارات، وتفوق في العديد من اختبارات الذكاء على أكبر نموذج لدينا من الجيل السابق Claude 3 Opus."
|
||||
"description": "يتميز Claude 3.5 Haiku بقدرات محسّنة في السرعة ودقة البرمجة واستخدام الأدوات. مناسب للسيناريوهات التي تتطلب سرعة عالية وتفاعلًا فعالًا مع الأدوات."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet يحقق توازنًا مثاليًا بين الذكاء والسرعة، خاصة لأعباء العمل المؤسسية. يقدم أداءً قويًا بتكلفة أقل مقارنة بالمنافسين، ومصمم لتحمل عالي في نشرات الذكاء الاصطناعي على نطاق واسع."
|
||||
"description": "Claude 3.5 Sonnet هو نموذج سريع وفعّال من عائلة Sonnet، يوفر أداءً أفضل في البرمجة والاستدلال، وسيتم استبدال بعض نسخه تدريجيًا بـ Sonnet 3.7 وما بعده."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet هو أول نموذج استدلال مختلط، وأذكى نموذج حتى الآن من Anthropic. يقدم أداءً متقدمًا في الترميز، وتوليد المحتوى، وتحليل البيانات، ومهام التخطيط، مبنيًا على قدرات الهندسة البرمجية واستخدام الحاسوب في سلفه Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet هو إصدار مطوّر من سلسلة Sonnet، يتمتع بقدرات استدلال وبرمجة أقوى، ومناسب للمهام المعقدة على مستوى المؤسسات."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 هو نموذج عالي الأداء من Anthropic يتميز بزمن استجابة منخفض جدًا مع الحفاظ على دقة عالية."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 هو أقوى نموذج حتى الآن من Anthropic، وأفضل نموذج ترميز في العالم، متصدرًا في اختبارات SWE-bench (72.5%) وTerminal-bench (43.2%). يوفر أداءً مستمرًا للمهام الطويلة التي تتطلب تركيزًا وجهدًا وآلاف الخطوات، قادرًا على العمل لساعات متواصلة، مما يوسع بشكل كبير قدرات وكلاء الذكاء الاصطناعي."
|
||||
"description": "Opus 4 هو النموذج الرائد من Anthropic، مصمم خصيصًا للمهام المعقدة والتطبيقات المؤسسية."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 هو بديل جاهز للاستخدام لـ Opus 4، يقدم أداءً ودقة ممتازة في مهام الترميز والوكالة العملية. يرفع أداء الترميز المتقدم إلى 74.5% في SWE-bench Verified، ويتعامل مع المشكلات المعقدة متعددة الخطوات بدقة واهتمام أكبر بالتفاصيل."
|
||||
"description": "Opus 4.1 هو نموذج متقدم من Anthropic، محسن للبرمجة، الاستدلال المعقد، والمهام المستمرة."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 يحسن بشكل كبير على قدرات Sonnet 3.7 الرائدة في الصناعة، ويظهر أداءً ممتازًا في الترميز، محققًا 72.7% في SWE-bench. يوازن النموذج بين الأداء والكفاءة، مناسب للحالات الداخلية والخارجية، ويحقق تحكمًا أكبر في التنفيذ من خلال قابلية تحكم محسنة."
|
||||
"description": "Claude Sonnet 4 هو إصدار الاستدلال الهجين من Anthropic، يجمع بين قدرات التفكير وغير التفكير."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "كلود سونيت 4.5 هو أذكى نموذج قدمته شركة أنثروبيك حتى الآن."
|
||||
"description": "Claude Sonnet 4.5 هو أحدث نموذج استدلال هجين من Anthropic، محسن للاستدلال المعقد والبرمجة."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B هو نموذج لغة ضخم نادر التنشيط يحتوي على 72 مليار معلمة و16 مليار معلمة نشطة، يعتمد على بنية الخبراء المختلطين المجمعة (MoGE). في مرحلة اختيار الخبراء، يتم تجميع الخبراء وتقيد تنشيط عدد متساوٍ من الخبراء داخل كل مجموعة لكل رمز، مما يحقق توازنًا في تحميل الخبراء ويعزز بشكل كبير كفاءة نشر النموذج على منصة Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B هو نموذج لغة ضخم يعتمد على بنية الخبراء المختلطين (MoE) تم تطويره بواسطة شركة بايدو. يحتوي النموذج على 300 مليار معلمة إجمالاً، لكنه ينشط فقط 47 مليار معلمة لكل رمز أثناء الاستدلال، مما يوازن بين الأداء القوي والكفاءة الحسابية. كأحد النماذج الأساسية في سلسلة ERNIE 4.5، يظهر أداءً متميزًا في مهام فهم النصوص، التوليد، الاستدلال، والبرمجة. يستخدم النموذج طريقة تدريب مسبق مبتكرة متعددة الوسائط ومتغايرة تعتمد على MoE، من خلال التدريب المشترك للنصوص والوسائط البصرية، مما يعزز قدراته الشاملة، خاصة في الالتزام بالتعليمات وتذكر المعرفة العالمية."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview هو نموذج Wenxin متعدد الوسائط من الجيل الجديد من Baidu، بارع في الفهم متعدد الوسائط، اتباع التعليمات، الإبداع، الأسئلة والأجوبة الواقعية، واستخدام الأدوات."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse هو نموذج متعدد اللغات عالي الأداء بسعة 32B، يهدف إلى تحدي أداء النماذج أحادية اللغة من خلال تحسين التعليمات، وتداول البيانات، وتدريب التفضيلات، وابتكارات دمج النماذج. يدعم 23 لغة."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest هو نسخة محسنة من o4-mini، مخصصة لـ Codex CLI. بالنسبة للاستخدام المباشر عبر API، نوصي بالبدء من gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B هو نموذج لغة مفتوح المصدر من الولايات المتحدة ومتاح للاستخدام التجاري المجاني، يتميز بأداء يقارن بأفضل النماذج، وكفاءة استدلال أعلى، وسياق طويل يصل إلى 128k، وقدرات شاملة قوية."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 هو أول نموذج مفتوح المصدر من Zhipu يدعم توليد الحروف الصينية، مع تحسينات شاملة في فهم المعاني، وجودة توليد الصور، وقدرات توليد النصوص باللغتين الصينية والإنجليزية، ويدعم إدخال ثنائي اللغة بأي طول، وقادر على توليد صور بأي دقة ضمن النطاق المحدد."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small، نسخة خفيفة متعددة الوسائط، مناسبة للبيئات ذات الموارد المحدودة وسيناريوهات الحمل العالي."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 هو نموذج استدلال هجين عالي الأداء من فريق DeepSeek، مناسب للمهام المعقدة وتكامل الأدوات."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 هو نموذج مختلط خبير يحتوي على 685B من المعلمات، وهو أحدث إصدار من سلسلة نماذج الدردشة الرائدة لفريق DeepSeek.\n\nيستفيد من نموذج [DeepSeek V3](/deepseek/deepseek-chat-v3) ويظهر أداءً ممتازًا في مجموعة متنوعة من المهام."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 هو نموذج مختلط خبير يحتوي على 685B من المعلمات، وهو أحدث إصدار من سلسلة نماذج الدردشة الرائدة لفريق DeepSeek.\n\nيستفيد من نموذج [DeepSeek V3](/deepseek/deepseek-chat-v3) ويظهر أداءً ممتازًا في مجموعة متنوعة من المهام."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 هو نموذج استدلال هجين كبير يدعم سياق طويل يصل إلى 128K وتبديل أوضاع فعال، ويحقق أداءً وسرعة ممتازة في استدعاء الأدوات، وتوليد الأكواد، والمهام الاستدلالية المعقدة."
|
||||
"description": "DeepSeek-V3.1 هو نموذج استدلال هجين طويل السياق من DeepSeek، يدعم أوضاع التفكير وغير التفكير وتكامل الأدوات."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "تم ترقية نموذج DeepSeek R1 إلى إصدار صغير جديد، الإصدار الحالي هو DeepSeek-R1-0528. في التحديث الأخير، حسّن DeepSeek R1 عمق الاستدلال وقدرته بشكل ملحوظ من خلال استغلال موارد حسابية متزايدة وإدخال آليات تحسين خوارزمية بعد التدريب. النموذج يحقق أداءً ممتازًا في تقييمات معيارية متعددة مثل الرياضيات، والبرمجة، والمنطق العام، وأداؤه العام يقترب الآن من النماذج الرائدة مثل O3 وGemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 يعزز بشكل كبير قدرة الاستدلال للنموذج حتى مع وجود بيانات تعليمية قليلة جدًا. قبل إخراج الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من التفكير لتحسين دقة الإجابة النهائية."
|
||||
"description": "DeepSeek R1 0528 هو إصدار محدث من DeepSeek، يركز على المصدر المفتوح وعمق الاستدلال."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 يعزز بشكل كبير قدرة الاستدلال للنموذج حتى مع وجود بيانات تعليمية قليلة جدًا. قبل إخراج الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من التفكير لتحسين دقة الإجابة النهائية."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 يعزز بشكل كبير من قدرة النموذج على الاستدلال في ظل وجود بيانات محدودة جدًا. قبل تقديم الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من التفكير لتحسين دقة الإجابة النهائية."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) هو نموذج استدلال تجريبي من DeepSeek، مناسب للمهام الاستدلالية عالية التعقيد."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "نموذج لغة كبير عام سريع مع قدرات استدلال محسنة."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "جيميني 2.5 برو بريڤيو هو أحدث نموذج تفكيري من جوجل، قادر على استنتاج حلول للمشكلات المعقدة في مجالات البرمجة، الرياضيات، والعلوم والتكنولوجيا والهندسة والرياضيات (STEM)، بالإضافة إلى تحليل مجموعات بيانات كبيرة، قواعد بيانات البرمجة، والوثائق باستخدام سياق طويل."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) هو نموذج توليد صور من Google، يدعم أيضًا المحادثات متعددة الوسائط."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) هو نموذج توليد صور من Google، يدعم أيضًا المحادثات متعددة الوسائط."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro هو النموذج الأذكى من Google، يتميز بأحدث تقنيات الاستدلال والفهم متعدد الوسائط، بالإضافة إلى قدرات قوية في التمثيل الذكي وترميز السياق."
|
||||
"description": "Gemini 3 Pro هو أفضل نموذج لفهم الوسائط المتعددة عالميًا، وأقوى نموذج ذكي من Google حتى الآن، يوفر تأثيرات بصرية غنية وتفاعلية عميقة، وكل ذلك مبني على قدرات استدلال متقدمة."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "أحدث إصدار من Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "يمتلك GLM-Zero-Preview قدرة قوية على الاستدلال المعقد، ويظهر أداءً ممتازًا في مجالات الاستدلال المنطقي، والرياضيات، والبرمجة."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash يقدم ميزات الجيل التالي وتحسينات تشمل سرعة فائقة، استخدام أدوات مدمجة، توليد متعدد الوسائط، ونافذة سياق تصل إلى مليون رمز."
|
||||
"description": "Gemini 2.0 Flash هو نموذج استدلال عالي الأداء من Google، مناسب للمهام متعددة الوسائط الممتدة."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash يقدم ميزات وتحسينات من الجيل التالي، بما في ذلك سرعة فائقة، واستخدام أدوات أصلية، وتوليد متعدد الوسائط، ونافذة سياق تصل إلى 1M توكن."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite يقدم ميزات الجيل التالي وتحسينات تشمل سرعة فائقة، استخدام أدوات مدمجة، توليد متعدد الوسائط، ونافذة سياق تصل إلى مليون رمز."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite هو إصدار خفيف من عائلة Gemini، لا يفعل وضع التفكير افتراضيًا لتحسين الأداء من حيث التأخير والتكلفة، ويمكن تفعيله عبر المعلمات."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash هو نموذج تفكيري يقدم قدرات شاملة ممتازة. مصمم لتحقيق توازن بين السعر والأداء، ويدعم متعدد الوسائط ونافذة سياق تصل إلى مليون رمز."
|
||||
"description": "سلسلة Gemini 2.5 Flash (Lite/Pro/Flash) هي نماذج استدلال من Google تتراوح من تأخير منخفض إلى أداء عالٍ."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) هو نموذج توليد صور من Google، يدعم أيضًا المحادثات متعددة الوسائط."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "الإصدار المجاني من Gemini 2.5 Flash Image، يدعم توليد الوسائط المتعددة بحدود استخدام معينة."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "نموذج تجريبي Gemini 2.5 Flash، يدعم توليد الصور."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite هو نموذج متوازن ومنخفض التأخير مع ميزانية تفكير قابلة للتكوين واتصال بالأدوات (مثل البحث في Google والتنفيذ البرمجي). يدعم مدخلات متعددة الوسائط ويوفر نافذة سياق تصل إلى مليون رمز."
|
||||
"description": "Gemini 2.5 Flash Lite هو إصدار خفيف من Gemini 2.5، محسن من حيث التأخير والتكلفة، مناسب للسيناريوهات ذات الإنتاجية العالية."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash هو النموذج الرائد الأكثر تقدمًا من Google، مصمم للاستدلال المتقدم، الترميز، المهام الرياضية والعلمية. يحتوي على قدرة \"التفكير\" المدمجة، مما يمكّنه من تقديم استجابات بدقة أعلى ومعالجة سياقات أكثر تفصيلاً.\n\nملاحظة: يحتوي هذا النموذج على نوعين: التفكير وغير التفكير. تختلف تسعير الإخراج بشكل ملحوظ بناءً على ما إذا كانت قدرة التفكير مفعلة. إذا اخترت النوع القياسي (بدون لاحقة \" :thinking \")، سيتجنب النموذج بشكل صريح توليد رموز التفكير.\n\nلاستغلال قدرة التفكير واستقبال رموز التفكير، يجب عليك اختيار النوع \" :thinking \"، مما سيؤدي إلى تسعير إخراج تفكير أعلى.\n\nبالإضافة إلى ذلك، يمكن تكوين Gemini 2.5 Flash من خلال معلمة \"الحد الأقصى لعدد رموز الاستدلال\"، كما هو موضح في الوثائق (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash هو النموذج الرائد الأكثر تقدمًا من Google، مصمم للاستدلال المتقدم، الترميز، المهام الرياضية والعلمية. يحتوي على قدرة \"التفكير\" المدمجة، مما يمكّنه من تقديم استجابات بدقة أعلى ومعالجة سياقات أكثر تفصيلاً.\n\nملاحظة: يحتوي هذا النموذج على نوعين: التفكير وغير التفكير. تختلف تسعير الإخراج بشكل ملحوظ بناءً على ما إذا كانت قدرة التفكير مفعلة. إذا اخترت النوع القياسي (بدون لاحقة \" :thinking \")، سيتجنب النموذج بشكل صريح توليد رموز التفكير.\n\nلاستغلال قدرة التفكير واستقبال رموز التفكير، يجب عليك اختيار النوع \" :thinking \"، مما سيؤدي إلى تسعير إخراج تفكير أعلى.\n\nبالإضافة إلى ذلك، يمكن تكوين Gemini 2.5 Flash من خلال معلمة \"الحد الأقصى لعدد رموز الاستدلال\"، كما هو موضح في الوثائق (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro هو نموذج Gemini المتقدم للاستدلال، قادر على حل المشكلات المعقدة. يحتوي على نافذة سياق تصل إلى مليوني رمز، ويدعم مدخلات متعددة الوسائط تشمل النصوص، الصور، الصوت، الفيديو، ومستندات PDF."
|
||||
"description": "Gemini 2.5 Pro هو نموذج استدلال رائد من Google، يدعم السياق الطويل والمهام المعقدة."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "الإصدار المجاني من Gemini 2.5 Pro، يدعم سياق طويل متعدد الوسائط بحدود استخدام معينة، مناسب للتجربة وسير العمل الخفيف."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "معاينة Gemini 2.5 Pro هي أحدث نموذج تفكيري من Google، قادر على استنتاج المشكلات المعقدة في مجالات البرمجة والرياضيات والعلوم والتكنولوجيا والهندسة والرياضيات (STEM)، بالإضافة إلى استخدام سياق طويل لتحليل مجموعات البيانات الكبيرة، وقواعد الشيفرة، والوثائق."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "الإصدار المجاني من Gemini 3 Pro Image، يدعم توليد الوسائط المتعددة بحدود استخدام معينة."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro هو الجيل التالي من نماذج الاستدلال متعددة الوسائط من سلسلة Gemini، قادر على فهم النصوص، الصوت، الصور، الفيديو وغيرها، ويعالج المهام المعقدة ومستودعات الشيفرة الكبيرة."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "الإصدار المجاني من Gemini 3 Pro Preview، يتمتع بنفس قدرات الفهم والاستدلال متعددة الوسائط مثل الإصدار القياسي، لكنه يخضع لقيود الاستخدام المجاني ومعدل الاستجابة، مما يجعله مناسبًا للتجربة والاستخدام منخفض التكرار."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "نموذج تضمين متقدم يقدم أداءً ممتازًا في مهام اللغة الإنجليزية، متعددة اللغات، والبرمجة."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small هو الخيار المثالي لمهام توليد الكود، وتصحيح الأخطاء، وإعادة الهيكلة، مع أدنى تأخير."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T هو أول نموذج رائد من سلسلة \"Ling 2.0\" غير المعتمد على التفكير، يحتوي على تريليون معلمة إجمالية و50 مليار معلمة نشطة لكل رمز. تم بناؤه على بنية Ling 2.0، ويهدف إلى تجاوز حدود الاستدلال الفعال والإدراك القابل للتوسع. تم تدريب Ling-1T-base على أكثر من 200 تريليون رمز عالي الجودة وغني بالاستدلال."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 هو النموذج الثالث في سلسلة بنية Ling 2.0 التي أصدرها فريق Bailing في مجموعة Ant. هو نموذج خبراء مختلط (MoE) بحجم إجمالي 100 مليار معلمة، لكنه ينشط فقط 6.1 مليار معلمة لكل رمز (غير متضمنة تمثيلات الكلمات 4.8 مليار). كنموذج خفيف الوزن، أظهر Ling-flash-2.0 أداءً يضاهي أو يتفوق على نماذج كثيفة بحجم 40 مليار معلمة ونماذج MoE أكبر في عدة تقييمات موثوقة. يهدف النموذج إلى استكشاف مسارات عالية الكفاءة من خلال تصميم معماري واستراتيجيات تدريب متقدمة، في ظل القناعة بأن \"النموذج الكبير يعني معلمات كثيرة\"."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 هو نموذج لغة كبير صغير الحجم وعالي الأداء مبني على بنية MoE. يحتوي على 16 مليار معلمة إجمالية، لكنه ينشط فقط 1.4 مليار معلمة لكل رمز (غير متضمنة التضمين 789 مليون)، مما يحقق سرعة توليد عالية جدًا. بفضل تصميم MoE الفعال وبيانات تدريب ضخمة وعالية الجودة، رغم تنشيط معلمات قليلة، يظهر Ling-mini-2.0 أداءً متقدمًا في المهام اللاحقة يضاهي نماذج LLM كثيفة أقل من 10 مليارات معلمة ونماذج MoE أكبر."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T هو نموذج تفكير مفتوح المصدر بحجم تريليون معلمة، أطلقه فريق Bailing. يعتمد على بنية Ling 2.0 ونموذج Ling-1T-base، ويحتوي على تريليون معلمة إجمالية و50 مليار معلمة نشطة، ويدعم نافذة سياق تصل إلى 128 ألف. تم تحسينه من خلال تعلم التعزيز القابل للتحقق على نطاق واسع."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 هو نموذج تفكير عالي الأداء محسّن بعمق بناءً على Ling-flash-2.0-base. يستخدم بنية خبراء مختلط (MoE) بحجم إجمالي 100 مليار معلمة، لكنه ينشط فقط 6.1 مليار معلمة في كل استدلال. يحل النموذج من خلال خوارزمية icepop المبتكرة مشكلة عدم استقرار نماذج MoE الكبيرة في تدريب التعلم المعزز (RL)، مما يسمح بتحسين مستمر لقدرات الاستدلال المعقدة خلال التدريب طويل الأمد. حقق Ring-flash-2.0 تقدمًا ملحوظًا في مسابقات الرياضيات، توليد الشيفرة، والاستدلال المنطقي، متفوقًا على أفضل النماذج الكثيفة التي تقل عن 40 مليار معلمة، وقريبًا من نماذج MoE مفتوحة المصدر الأكبر ونماذج التفكير عالية الأداء المغلقة المصدر. رغم تركيزه على الاستدلال المعقد، يظهر أداءً ممتازًا في مهام الكتابة الإبداعية. بالإضافة إلى ذلك، وبفضل تصميمه المعماري الفعال، يوفر Ring-flash-2.0 أداءً قويًا مع استدلال عالي السرعة، مما يقلل بشكل كبير من تكلفة نشر نماذج التفكير في بيئات ذات حمل عالٍ."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T هو نموذج MoE بسعة 1 تريليون من inclusionAI، محسن للمهام الاستدلالية المكثفة والسياقات الواسعة."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 هو نموذج MoE من inclusionAI، محسن من حيث الكفاءة وأداء الاستدلال، مناسب للمهام المتوسطة إلى الكبيرة."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 هو نموذج MoE خفيف الوزن من inclusionAI، يقلل التكاليف بشكل كبير مع الحفاظ على قدرات الاستدلال."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview هو نموذج متعدد الوسائط من inclusionAI، يدعم إدخال الصوت، الصور والفيديو، مع تحسينات في عرض الصور والتعرف على الصوت."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T هو نموذج MoE بسعة تريليون من inclusionAI، مصمم للمهام الاستدلالية واسعة النطاق والبحثية."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 هو إصدار من نموذج Ring من inclusionAI موجه لسيناريوهات الإنتاجية العالية، يركز على السرعة وكفاءة التكلفة."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 هو إصدار خفيف الوزن عالي الإنتاجية من نموذج MoE من inclusionAI، مخصص لسيناريوهات التوازي العالي."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 يوفر حلول حوار ذكية في عدة سيناريوهات."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct، نموذج الاستدلال الرسمي من Kimi، يدعم السياق الطويل، البرمجة، الأسئلة والأجوبة، وغيرها من السيناريوهات."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "نموذج التفكير طويل المدى K2، يدعم سياق 256k، واستدعاء الأدوات المتعدد الخطوات والتفكير، بارع في حل المشكلات المعقدة."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "الإصدار السريع من نموذج التفكير طويل المدى K2، يدعم سياق 256k، بارع في الاستدلال العميق، وسرعة إخراج تصل إلى 60-100 رمز في الثانية."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 هو نموذج أساسي بمعمارية MoE يتمتع بقدرات قوية للغاية في البرمجة وقدرات الوكيل (Agent)، بإجمالي معلمات يبلغ 1 تريليون والمعلمات المُفعَّلة 32 مليار. في اختبارات الأداء المعيارية للفئات الرئيسية مثل الاستدلال المعرفي العام والبرمجة والرياضيات والوكلاء (Agent)، تفوق أداء نموذج K2 على النماذج المفتوحة المصدر السائدة الأخرى."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "نموذج kimi-thinking-preview هو نموذج تفكير متعدد الوسائط يتمتع بقدرات استدلال متعددة الوسائط وعامة، مقدم من الجانب المظلم للقمر، يتقن الاستدلال العميق ويساعد في حل المزيد من المسائل الصعبة."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (مجاني لفترة محدودة) يركز على فهم الشيفرة والبرمجة التلقائية، مخصص لمهام البرمجة الفعالة."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM هو نموذج لغوي تجريبي محدد المهام، تم تدريبه ليتماشى مع مبادئ علوم التعلم، يمكنه اتباع التعليمات النظامية في سيناريوهات التعليم والتعلم، ويعمل كمدرب خبير."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 هو نموذج لغوي كبير وفعّال، تم تطويره خصيصًا لتلبية احتياجات الترميز وتدفقات عمل الوكلاء."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "مصمم خصيصًا للترميز الفعّال وتدفقات عمل الوكلاء."
|
||||
"description": "MiniMax-M2 هو نموذج عالي الكفاءة في البرمجة ومهام الوكلاء، مناسب لمجموعة متنوعة من السيناريوهات الهندسية."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 هو نموذج خبراء مختلط (MoE) مدمج وسريع وفعّال من حيث التكلفة، يحتوي على 230 مليار معلمة إجمالية و10 مليارات معلمة نشطة، صُمم لتحقيق أداء فائق في مهام الترميز والوكالة، مع الحفاظ على ذكاء عام قوي. يتميز هذا النموذج بأداء ممتاز في تحرير الملفات المتعددة، ودورة الترميز-التنفيذ-الإصلاح، والتحقق من الاختبارات والإصلاح، وسلاسل الأدوات المعقدة ذات الروابط الطويلة، مما يجعله خيارًا مثاليًا لسير عمل المطورين."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 هو نموذج لغة كبير مختلط الخبراء (MoE) ضخم طورته Moonshot AI، يحتوي على تريليون معلمة إجمالية و32 مليار معلمة نشطة في كل تمرير أمامي. مُحسّن لقدرات الوكيل، بما في ذلك استخدام الأدوات المتقدمة، الاستدلال، وتركيب الكود."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 هو إصدار Instruct من سلسلة Kimi، مناسب لسيناريوهات الشيفرة عالية الجودة واستدعاء الأدوات."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "نموذج kimi-k2-0905-preview يدعم طول سياق 256k، يتمتع بقدرات ترميز وكيل أقوى، وجمالية وعملية أفضل في الشيفرة الأمامية، وفهم سياق محسن."
|
||||
"description": "Kimi K2 0905 هو تحديث لسلسلة Kimi، يعزز السياق وقدرات الاستدلال، ومحسن لسيناريوهات البرمجة."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "نموذج kimi-k2-0905-preview يدعم طول سياق 256k، يتمتع بقدرات ترميز وكيل أقوى، وجمالية وعملية أفضل في الشيفرة الأمامية، وفهم سياق محسن."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking هو نموذج تفكير من Moonshot محسن لمهام الاستدلال العميق، يتمتع بقدرات وكيل عامة."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo هو الإصدار السريع من Kimi K2 Thinking، يقلل بشكل كبير من زمن الاستجابة مع الحفاظ على قدرات الاستدلال العميق."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph يقدم نموذج ذكاء اصطناعي مخصص يطبق تغييرات الكود المقترحة من نماذج متقدمة مثل Claude أو GPT-4o على ملفات الكود الحالية بسرعة فائقة - أكثر من 4500 رمز في الثانية. يعمل كخطوة نهائية في سير عمل الترميز بالذكاء الاصطناعي. يدعم 16k رمز إدخال و16k رمز إخراج."
|
||||
},
|
||||
@@ -2702,30 +2777,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "gpt-4-turbo من OpenAI يمتلك معرفة عامة واسعة وخبرة ميدانية، مما يمكنه من اتباع تعليمات اللغة الطبيعية المعقدة وحل المشكلات بدقة. تاريخ المعرفة حتى أبريل 2023، ونافذة سياق تصل إلى 128,000 رمز."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 هو النموذج الرائد من OpenAI، مناسب للمهام المعقدة. مثالي لحل المشكلات متعددة المجالات."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini يوازن بين الذكاء والسرعة والتكلفة، مما يجعله نموذجًا جذابًا للعديد من حالات الاستخدام."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano هو أسرع وأكفأ نموذج GPT 4.1 من حيث التكلفة."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o من OpenAI يمتلك معرفة عامة واسعة وخبرة ميدانية، قادر على اتباع تعليمات اللغة الطبيعية المعقدة وحل المشكلات بدقة. يقدم أداءً مماثلًا لـ GPT-4 Turbo عبر API أسرع وأرخص."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini من OpenAI هو أصغر نموذج متقدم وأكثر كفاءة من حيث التكلفة. متعدد الوسائط (يقبل نصوصًا أو صورًا ويخرج نصًا)، وأكثر ذكاءً من gpt-3.5-turbo، مع سرعة مماثلة."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 هو النموذج الرائد من OpenAI، يتفوق في الاستدلال المعقد، المعرفة الواقعية الواسعة، المهام المكثفة للكود، والوكالة متعددة الخطوات."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini هو نموذج محسّن من حيث التكلفة، يقدم أداءً ممتازًا في مهام الاستدلال والدردشة. يوفر توازنًا مثاليًا بين السرعة والتكلفة والقدرة."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano هو نموذج عالي الإنتاجية، يتفوق في المهام البسيطة مثل التعليمات أو التصنيف."
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "نموذج لغة كبير عام عالي الكفاءة، يتمتع بقدرات استدلال قوية وقابلة للتحكم."
|
||||
},
|
||||
@@ -2750,9 +2809,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "o3-mini عالي المستوى من حيث الاستدلال، يقدم ذكاءً عاليًا بنفس تكلفة وأهداف التأخير مثل o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini من OpenAI يقدم استدلالًا سريعًا وفعالًا من حيث التكلفة، مع أداء ممتاز بالنسبة لحجمه، خاصة في الرياضيات (الأفضل في اختبار AIME)، الترميز، والمهام البصرية."
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini إصدار عالي من حيث مستوى الاستدلال، تم تحسينه للاستدلال السريع والفعال، ويظهر كفاءة وأداء عاليين في المهام البرمجية والرؤية."
|
||||
},
|
||||
@@ -2954,9 +3011,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "نموذج قوي للبرمجة متوسطة الحجم، يدعم طول سياق يصل إلى 32K، بارع في البرمجة متعددة اللغات."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B هو نموذج لغوي سببي مكثف يحتوي على 14.8 مليار معلمة، مصمم للاستدلال المعقد والحوار الفعال. يدعم التبديل بسلاسة بين نمط \"التفكير\" المستخدم في الرياضيات، والبرمجة، والاستدلال المنطقي، ونمط \"غير التفكير\" المستخدم في الحوار العام. تم ضبط هذا النموذج ليكون مناسبًا للامتثال للتعليمات، واستخدام أدوات الوكلاء، والكتابة الإبداعية، واستخدامه عبر أكثر من 100 لغة ولهجة. يدعم بشكل أصلي معالجة 32K رمز، ويمكن توسيعها باستخدام التمديد القائم على YaRN إلى 131K رمز."
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B هو نموذج لغوي سببي مكثف يحتوي على 14.8 مليار معلمة، مصمم للاستدلال المعقد والحوار الفعال. يدعم التبديل بسلاسة بين نمط \"التفكير\" المستخدم في الرياضيات، والبرمجة، والاستدلال المنطقي، ونمط \"غير التفكير\" المستخدم في الحوار العام. تم ضبط هذا النموذج ليكون مناسبًا للامتثال للتعليمات، واستخدام أدوات الوكلاء، والكتابة الإبداعية، واستخدامه عبر أكثر من 100 لغة ولهجة. يدعم بشكل أصلي معالجة 32K رمز، ويمكن توسيعها باستخدام التمديد القائم على YaRN إلى 131K رمز."
|
||||
},
|
||||
@@ -3275,9 +3330,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "هذا النموذج هو نموذج استدلال كبير يتمتع بقدرة قوية على فهم الصور، يمكنه معالجة المعلومات النصية والصورية، ويخرج نصوصًا بعد تفكير عميق. يظهر هذا النموذج أداءً بارزًا في مجال الاستدلال البصري، كما يمتلك قدرات رياضية، برمجية، ونصية من الدرجة الأولى. طول السياق هو 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 هو نموذج متعدد الوسائط أطلقته Jiexue Xingchen، يتمتع بقدرات قوية في الفهم البصري."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 هو نموذج استدلال متعدد الوسائط متقدم أصدرته شركة 阶跃星辰 (StepFun). بُني على بنية مزيج الخبراء (MoE) التي تضم 321 مليار معلمة إجمالية و38 مليار معلمة تنشيط. صُمم النموذج بنهج من الطرف إلى الطرف ليقلل تكلفة فك الترميز، مع تقديم أداء رائد في الاستدلال البصري-اللغوي. من خلال التصميم التعاوني لآلية انتباه تفكيك متعدد المصفوفات (MFA) وفصل الانتباه عن شبكة التغذية الأمامية (AFD)، يحافظ Step3 على كفاءة ممتازة على كل من المسرعات الرائدة والمسرعات منخفضة التكلفة. في مرحلة ما قبل التدريب عالج Step3 أكثر من 20 تريليون توكن نصي و4 تريليون توكن مختلط نص-صورة، مغطياً أكثر من عشر لغات. حقق النموذج أداءً متقدماً بين نماذج المصدر المفتوح في عدة معايير قياسية تشمل الرياضيات والبرمجة والمهام متعددة الوسائط."
|
||||
},
|
||||
@@ -3386,12 +3438,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 هو نموذج لغوي تقدمه Microsoft AI، يتميز بأداء ممتاز في الحوار المعقد، واللغات المتعددة، والاستدلال، والمساعدين الذكيين."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "يسعدنا أن نعلن عن إصدار Grok 4 Fast، وهو أحدث تقدم لنا في نماذج الاستدلال الفعّالة من حيث التكلفة."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "يسعدنا إطلاق grok-code-fast-1، وهو نموذج استدلال سريع وفعّال من حيث التكلفة يتميز في ترميز الوكلاء."
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "سيتم ترقية نموذج Spark X1 بشكل أكبر، حيث ستحقق المهام العامة مثل الاستدلال، وتوليد النصوص، وفهم اللغة نتائج تتماشى مع OpenAI o1 و DeepSeek R1."
|
||||
},
|
||||
@@ -3452,9 +3500,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "نموذج مهام بصرية معقدة، يوفر فهمًا عالي الأداء وقدرات تحليلية بناءً على صور متعددة."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6 هو النموذج الرائد الأحدث من Zhipu، ويتفوق على الجيل السابق في الترميز المتقدم، ومعالجة النصوص الطويلة، والاستدلال، وقدرات الوكلاء الذكيين."
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 هو نموذج أساسي مصمم لتطبيقات الوكلاء الذكية، يستخدم بنية Mixture-of-Experts (MoE). تم تحسينه بعمق في مجالات استدعاء الأدوات، تصفح الويب، هندسة البرمجيات، وبرمجة الواجهة الأمامية، ويدعم التكامل السلس مع وكلاء الكود مثل Claude Code وRoo Code. يستخدم وضع استدلال مختلط ليتكيف مع سيناريوهات الاستدلال المعقدة والاستخدام اليومي."
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) هو منصة مفتوحة المصدر مصممة لتبسيط تشغيل ودمج نماذج الذكاء الاصطناعي المتنوعة. باستخدام Xinference، يمكنك تشغيل الاستدلال على نماذج LLM مفتوحة المصدر، ونماذج التضمين، والنماذج متعددة الوسائط سواء في السحابة أو في البيئات المحلية، وإنشاء تطبيقات ذكاء اصطناعي قوية."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux هو منصة موحدة لتجميع خدمات الذكاء الاصطناعي، تدعم العديد من واجهات خدمات الذكاء الاصطناعي الرائدة مثل OpenAI وAnthropic وGoogle VertexAI. توفر قدرة توجيه مرنة تتيح لك التبديل وإدارة نماذج الذكاء الاصطناعي المختلفة بسهولة."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI تركز على تقنيات الذكاء الاصطناعي في عصر الذكاء الاصطناعي 2.0، وتعزز الابتكار والتطبيقات \"الإنسان + الذكاء الاصطناعي\"، باستخدام نماذج قوية وتقنيات ذكاء اصطناعي متقدمة لتعزيز إنتاجية البشر وتحقيق تمكين التكنولوجيا."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Стандартно"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Резолюция",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Семена",
|
||||
"random": "Случаен семенен код"
|
||||
|
||||
+98
-68
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus е най-интелигентният модел на Anthropic с водещи на пазара резултати при изключително сложни задачи. Той се справя с отворени подсказки и непознати сценарии с изключителна плавност и човешко разбиране."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku е следващото поколение на нашия най-бърз модел. Със скорост, подобна на Claude 3 Haiku, той подобрява всяка компетентност и надминава предишния ни най-голям модел Claude 3 Opus в много интелигентни бенчмаркове."
|
||||
"description": "Claude 3.5 Haiku предлага подобрени възможности за скорост, точност при програмиране и използване на инструменти. Подходящ за сценарии с високи изисквания към бързодействие и взаимодействие с инструменти."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet постига идеален баланс между интелигентност и скорост — особено за корпоративни натоварвания. Той предлага мощна производителност на по-ниска цена в сравнение с конкурентите и е проектиран за висока издръжливост при мащабни AI внедрявания."
|
||||
"description": "Claude 3.5 Sonnet е бърз и ефективен модел от семейството Sonnet, предлагащ по-добра производителност при програмиране и логическо разсъждение. Някои версии постепенно ще бъдат заменени от Sonnet 3.7 и други."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet е първият хибриден разсъдъчен модел и най-интелигентният модел на Anthropic досега. Той предлага водещи резултати в кодиране, генериране на съдържание, анализ на данни и планиране, изграждайки се върху софтуерните инженерни и компютърни умения на предшественика си Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet е надградена версия от серията Sonnet, предлагаща по-силни възможности за логическо разсъждение и програмиране, подходяща за сложни корпоративни задачи."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 е високопроизводителен и бърз модел на Anthropic, който съчетава висока точност с изключително ниска латентност."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 е най-мощният модел на Anthropic досега и най-добрият кодов модел в света, водещ в SWE-bench (72.5%) и Terminal-bench (43.2%). Той осигурява устойчива производителност за дългосрочни задачи, изискващи фокус и хиляди стъпки, като може да работи непрекъснато часове — значително разширявайки възможностите на AI агентите."
|
||||
"description": "Opus 4 е флагманският модел на Anthropic, проектиран за сложни задачи и корпоративни приложения."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 е plug-and-play алтернатива на Opus 4, осигуряваща изключителна производителност и точност за реални кодови и агентски задачи. Opus 4.1 повишава водещата кодова производителност до 74.5% в SWE-bench Verified и обработва сложни многостъпкови проблеми с по-голяма прецизност и внимание към детайлите."
|
||||
"description": "Opus 4.1 е висок клас модел на Anthropic, оптимизиран за програмиране, сложни логически задачи и продължителни процеси."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 значително подобрява водещите в индустрията възможности на Sonnet 3.7, с отлични резултати в кодиране и постига водещи 72.7% в SWE-bench. Моделът балансира производителност и ефективност, подходящ е за вътрешни и външни случаи и предлага по-голям контрол чрез подобрена управляемост."
|
||||
"description": "Claude Sonnet 4 е хибриден модел за разсъждение от Anthropic, предлагащ комбинирани възможности за мисловни и немисловни задачи."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 е най-интелигентният модел на Anthropic досега."
|
||||
"description": "Claude Sonnet 4.5 е най-новият хибриден модел за разсъждение на Anthropic, оптимизиран за сложни логически задачи и програмиране."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B е голям езиков модел с 72 милиарда параметри и 16 милиарда активирани параметри, базиран на архитектурата с групирани смесени експерти (MoGE). Той групира експертите по време на избора им и ограничава активацията на токените да активират равен брой експерти във всяка група, което осигурява балансирано натоварване на експертите и значително подобрява ефективността на разгръщане на модела на платформата Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B е голям езиков модел, разработен от Baidu, базиран на архитектурата с хибридни експерти (MoE). Моделът има общо 300 милиарда параметри, но при инференция активира само 47 милиарда параметри на токен, което осигурява висока производителност и изчислителна ефективност. Като един от основните модели в серията ERNIE 4.5, той демонстрира изключителни способности в задачи като разбиране на текст, генериране, разсъждение и програмиране. Моделът използва иновативен мултимодален хетерогенен MoE метод за предварително обучение, който чрез съвместно обучение на текстови и визуални модалности значително подобрява цялостните му възможности, особено в следването на инструкции и запаметяването на световни знания."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview е ново поколение мултимодален модел на Baidu, способен на разбиране на различни модалности, следване на инструкции, творчество, отговаряне на фактически въпроси и използване на инструменти."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse е високопроизводителен многоезичен модел с 32B, проектиран да предизвика представянето на едноезични модели чрез иновации в настройката на инструкции, арбитраж на данни, обучение на предпочитания и комбиниране на модели. Той поддържа 23 езика."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest е фина настройка на o4-mini, специално предназначена за Codex CLI. За директна употреба чрез API препоръчваме да започнете с gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B е американски отворен езиков модел с безплатна търговска употреба, отличаващ се с производителност, съпоставима с водещите модели, по-висока ефективност при обработка на токени, 128k дълъг контекст и мощни общи способности."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 е първият отворен модел за генериране на изображения с текст на китайски, разработен от Zhipu, който значително подобрява разбирането на семантиката, качеството на генериране на изображения и способността за генериране на текст на китайски и английски език. Поддържа двуезичен вход на произволна дължина на китайски и английски и може да генерира изображения с произволна резолюция в зададения диапазон."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, олекотена мултимодална версия, подходяща за среди с ограничени ресурси и висока едновременност."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 е високопроизводителен хибриден модел за разсъждение от екипа на DeepSeek, подходящ за сложни задачи и интеграция с инструменти."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 е експертен смесен модел с 685B параметри, последната итерация на флагманската серия чат модели на екипа DeepSeek.\n\nТой наследява модела [DeepSeek V3](/deepseek/deepseek-chat-v3) и показва отлични резултати в различни задачи."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 е експертен смесен модел с 685B параметри, последната итерация на флагманската серия чат модели на екипа DeepSeek.\n\nТой наследява модела [DeepSeek V3](/deepseek/deepseek-chat-v3) и показва отлични резултати в различни задачи."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 е голям хибриден модел за разсъждение, който поддържа 128K дълъг контекст и ефективно превключване на режими, постигащ изключителна производителност и скорост при използване на инструменти, генериране на код и сложни задачи за разсъждение."
|
||||
"description": "DeepSeek-V3.1 е хибриден модел за разсъждение с дълъг контекст от DeepSeek, поддържащ комбинирани мисловни и немисловни режими и интеграция с инструменти."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek R1 моделът е получил малка версия ъпгрейд, текущата версия е DeepSeek-R1-0528. В последната актуализация DeepSeek R1 значително подобри дълбочината и способността за разсъждение чрез използване на увеличени изчислителни ресурси и въвеждане на алгоритмични оптимизации след обучението. Моделът постига отлични резултати в множество бенчмаркове като математика, програмиране и обща логика, като общата му производителност вече се доближава до водещи модели като O3 и Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 значително подобрява способността за разсъждение на модела дори с много малко анотирани данни. Преди да изведе окончателния отговор, моделът първо генерира мисловна верига, за да повиши точността на крайния отговор."
|
||||
"description": "DeepSeek R1 0528 е обновен вариант на DeepSeek, фокусиран върху отвореност и дълбочина на разсъждение."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 значително подобрява способността за разсъждение на модела дори с много малко анотирани данни. Преди да изведе окончателния отговор, моделът първо генерира мисловна верига, за да повиши точността на крайния отговор."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 значително подобри способността на модела за разсъждение при наличието на много малко маркирани данни. Преди да предостави окончателния отговор, моделът първо ще изведе част от съдържанието на веригата на мислене, за да повиши точността на окончателния отговор."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) е експериментален модел за разсъждение от DeepSeek, подходящ за задачи с висока сложност."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Бърз универсален голям езиков модел с подобрени способности за разсъждение."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview е най-напредналият мисловен модел на Google, способен да разсъждава върху сложни проблеми в областта на кодирането, математиката и STEM, както и да анализира големи набори от данни, кодови бази и документи с дълъг контекст."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) е модел за генериране на изображения от Google, който поддържа и мултимодален диалог."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) е модел за генериране на изображения от Google, който поддържа и мултимодален диалог."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro е най-интелигентният модел на Google, с най-съвременно извеждане на заключения и мултимодално разбиране, както и с мощни възможности за агентно поведение и кодиране на контекста."
|
||||
"description": "Gemini 3 Pro е най-добрият в света модел за мултимодално разбиране, както и най-мощният интелигентен агент и модел за програмиране на атмосфера от Google досега. Предлага богати визуални ефекти и дълбока интерактивност, базирани на най-съвременни логически способности."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Последно издание на Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview притежава мощни способности за сложни разсъждения, показвайки отлични резултати в логическото разсъждение, математиката и програмирането."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash предлага следващо поколение функции и подобрения, включително изключителна скорост, вградена употреба на инструменти, мултимодално генериране и контекстен прозорец от 1 милион токена."
|
||||
"description": "Gemini 2.0 Flash е високопроизводителен модел за разсъждение от Google, подходящ за разширени мултимодални задачи."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash предлага следващо поколение функции и подобрения, включително изключителна скорост, нативна употреба на инструменти, многомодално генериране и контекстен прозорец от 1M токена."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite предлага следващо поколение функции и подобрения, включително изключителна скорост, вградена употреба на инструменти, мултимодално генериране и контекстен прозорец от 1 милион токена."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite е олекотена версия от семейството Gemini, по подразбиране без активирано разсъждение за по-ниска латентност и разходи, но може да бъде активирано чрез параметри."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash е мислещ модел, който предлага отлични всеобхватни възможности. Той е проектиран да балансира цена и производителност, поддържайки мултимодалност и контекстен прозорец от 1 милион токена."
|
||||
"description": "Серията Gemini 2.5 Flash (Lite/Pro/Flash) са модели на Google с ниска до висока латентност и производителност за разсъждение."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) е модел за генериране на изображения от Google, който поддържа и мултимодален диалог."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Безплатна версия на Gemini 2.5 Flash Image, поддържа ограничено количество мултимодално генериране."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash експериментален модел, поддържащ генериране на изображения."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite е балансиран, с ниска латентност модел с конфигурируем бюджет за мислене и свързаност с инструменти (например Google Search grounding и изпълнение на код). Поддържа мултимодален вход и предлага контекстен прозорец от 1 милион токена."
|
||||
"description": "Gemini 2.5 Flash Lite е олекотена версия на Gemini 2.5, оптимизирана за ниска латентност и разходи, подходяща за сценарии с висок трафик."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash е най-напредналият основен модел на Google, проектиран за напреднали разсъждения, кодиране, математика и научни задачи. Той включва вградена способност за \"мислене\", което му позволява да предоставя отговори с по-висока точност и детайлна обработка на контекста.\n\nЗабележка: Този модел има два варианта: с мислене и без мислене. Цените на изхода значително варират в зависимост от активирането на способността за мислене. Ако изберете стандартния вариант (без суфикс \":thinking\"), моделът ще избягва генерирането на токени за мислене.\n\nЗа да се възползвате от способността за мислене и да получите токени за мислене, трябва да изберете варианта \":thinking\", което ще доведе до по-високи цени на изхода за мислене.\n\nОсвен това, Gemini 2.5 Flash може да бъде конфигуриран чрез параметъра \"максимален брой токени за разсъждение\", както е описано в документацията (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash е най-напредналият основен модел на Google, проектиран за напреднали разсъждения, кодиране, математика и научни задачи. Той включва вградена способност за \"мислене\", което му позволява да предоставя отговори с по-висока точност и детайлна обработка на контекста.\n\nЗабележка: Този модел има два варианта: с мислене и без мислене. Цените на изхода значително варират в зависимост от активирането на способността за мислене. Ако изберете стандартния вариант (без суфикс \":thinking\"), моделът ще избягва генерирането на токени за мислене.\n\nЗа да се възползвате от способността за мислене и да получите токени за мислене, трябва да изберете варианта \":thinking\", което ще доведе до по-високи цени на изхода за мислене.\n\nОсвен това, Gemini 2.5 Flash може да бъде конфигуриран чрез параметъра \"максимален брой токени за разсъждение\", както е описано в документацията (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro е нашият най-напреднал разсъдъчен Gemini модел, способен да решава сложни проблеми. Той разполага с контекстен прозорец от 2 милиона токена и поддържа мултимодален вход, включително текст, изображения, аудио, видео и PDF документи."
|
||||
"description": "Gemini 2.5 Pro е флагманският модел за разсъждение на Google, поддържащ дълъг контекст и сложни задачи."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Безплатна версия на Gemini 2.5 Pro, поддържа ограничен мултимодален дълъг контекст, подходяща за тестване и леки работни потоци."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview е най-усъвършенстваният мисловен модел на Google, способен да извършва разсъждения върху сложни проблеми в областта на кодирането, математиката и STEM, както и да анализира големи набори от данни, кодови бази и документи с дълъг контекст."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Безплатна версия на Gemini 3 Pro Image, поддържа ограничено количество мултимодално генериране."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro е следващото поколение мултимодален модел за разсъждение от серията Gemini, способен да разбира текст, аудио, изображения, видео и други входове, и да обработва сложни задачи и големи кодови бази."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Безплатна предварителна версия на Gemini 3 Pro, предлага същите мултимодални възможности за разбиране и разсъждение като стандартната версия, но с ограничения в безплатния лимит и скорост, по-подходяща за тестване и нискочестотна употреба."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Водещ модел за вграждане с отлична производителност при задачи на английски, многоезични и кодови задачи."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small е идеален за задачи по генериране, отстраняване на грешки и рефакториране на код с минимална латентност."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T е първият флагмански non-thinking модел от серията „Ling 2.0“, с общо 1 трилион параметри и около 50 милиарда активни параметри на токен. Изграден върху архитектурата Ling 2.0, Ling-1T цели да преодолее границите на ефективното разсъждение и мащабируемото познание. Ling-1T-base е обучен върху над 20 трилиона висококачествени, интензивно логически токени."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 е третият модел от серията Ling 2.0 архитектури, публикуван от екипа на Ant Group Bailing. Това е модел с хибридни експерти (MoE) с общо 100 милиарда параметри, но при всеки токен активира само 6.1 милиарда параметри (без вграждания – 4.8 милиарда). Като леко конфигуриран модел, Ling-flash-2.0 показва в множество авторитетни оценки производителност, сравнима или дори превъзхождаща плътни (Dense) модели с 40 милиарда параметри и по-големи MoE модели. Моделът е предназначен да изследва пътища за висока ефективност чрез изключителен дизайн на архитектурата и стратегии за обучение, в контекста на общоприетото схващане, че „големият модел е равен на големи параметри“."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 е малък, но високопроизводителен голям езиков модел, базиран на MoE архитектура. Той има общо 16 милиарда параметри, но при всеки токен активира само 1.4 милиарда (без вграждания – 789 милиона), което осигурява изключително бърза генерация. Благодарение на ефективния MoE дизайн и големия обем висококачествени тренировъчни данни, въпреки че активираните параметри са само 1.4 милиарда, Ling-mini-2.0 демонстрира върхова производителност в downstream задачи, сравнима с плътни LLM под 10 милиарда параметри и по-големи MoE модели."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T е отворен модел за мислене с трилион параметри, разработен от екипа на Bailing. Базиран е на архитектурата Ling 2.0 и основния модел Ling-1T-base, с общо 1 трилион параметри и 50 милиарда активни параметри, поддържащ контекстуален прозорец до 128K. Моделът е оптимизиран чрез мащабно обучение с проверими награди и подсилено обучение."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 е високопроизводителен мисловен модел, дълбоко оптимизиран на базата на Ling-flash-2.0-base. Той използва MoE архитектура с общо 100 милиарда параметри, но при всяко извод активира само 6.1 милиарда параметри. Моделът решава нестабилността на големите MoE модели при обучение с подсилено учене (RL) чрез уникалния алгоритъм icepop, което позволява непрекъснато подобряване на сложните разсъждения при дългосрочно обучение. Ring-flash-2.0 постига значителни пробиви в множество трудни бенчмаркове като математически състезания, генериране на код и логически разсъждения. Неговата производителност не само превъзхожда топ плътни модели с по-малко от 40 милиарда параметри, но и се сравнява с по-големи отворени MoE модели и затворени високопроизводителни мисловни модели. Въпреки че е фокусиран върху сложни разсъждения, моделът се представя отлично и в творческо писане. Благодарение на ефективния си архитектурен дизайн, Ring-flash-2.0 осигурява висока производителност и бърз извод, значително намалявайки разходите за внедряване на мисловни модели при висока паралелност."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T е MoE модел с 1 трилион параметъра от inclusionAI, оптимизиран за интензивни логически задачи и мащабен контекст."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 е MoE модел от inclusionAI, оптимизиран за ефективност и логическа производителност, подходящ за средни и големи задачи."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 е олекотен MoE модел от inclusionAI, който значително намалява разходите, като запазва логическите си способности."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview е мултимодален модел от inclusionAI, поддържащ вход от глас, изображения и видео, с подобрени възможности за визуализация и разпознаване на реч."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T е MoE модел за разсъждение с трилион параметри от inclusionAI, подходящ за мащабни логически и изследователски задачи."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 е вариант на модела Ring от inclusionAI, насочен към сценарии с висок трафик, с акцент върху скорост и разходна ефективност."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 е олекотена версия на MoE модела от inclusionAI с висока пропускателна способност, предназначена за паралелни сценарии."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 предлага интелигентни решения за диалог в множество сценарии."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, официален модел за извеждане от Kimi, поддържащ дълъг контекст, програмиране, въпроси и отговори и други сценарии."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 е модел за дълбоко разсъждение, поддържащ 256k контекст, многократни стъпки за използване на инструменти и мисловни процеси, способен да решава по-сложни проблеми."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Ускорена версия на модела K2 за дълбоко разсъждение, поддържа 256k контекст и предлага скорост на изход от 60–100 токена в секунда при запазване на дълбоките логически способности."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "Kimi-k2 е базов модел с MoE архитектура, който притежава изключителни възможности за работа с код и агентни функции. Общият брой параметри е 1T, а активните параметри са 32B. В бенчмарковете за основни категории като общо знание и разсъждение, програмиране, математика и агентни задачи, моделът K2 превъзхожда другите водещи отворени модели."
|
||||
},
|
||||
@@ -2465,9 +2528,7 @@
|
||||
"minimax-m2": {
|
||||
"description": "MiniMax M2 е ефективен голям езиков модел, създаден специално за кодиране и работни процеси с агенти."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Създаден специално за ефективно кодиране и работни потоци с агенти."
|
||||
},
|
||||
"minimax/minimax-m2": {},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 е компактен, бърз и икономичен хибриден експертен (MoE) модел с общо 230 милиарда параметъра и 10 милиарда активни параметъра, създаден за постигане на върхова производителност при кодиране и задачи, свързани с интелигентни агенти, като същевременно поддържа силен общ интелект. Моделът се отличава с отлична работа при редактиране на множество файлове, затворен цикъл кодиране-изпълнение-поправка, тестване и валидиране на поправки, както и при сложни дълговерижни инструментални процеси, което го прави идеален избор за работния процес на разработчиците."
|
||||
},
|
||||
@@ -2615,9 +2676,7 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 е голям смесен експертен (MoE) езиков модел с 1 трилион общи параметри и 32 милиарда активни параметри на преден проход, разработен от Moonshot AI. Оптимизиран е за агентски способности, включително усъвършенствано използване на инструменти, разсъждения и синтез на код."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "Моделът kimi-k2-0905-preview има контекстна дължина от 256k, с по-силни способности за агентно кодиране, по-изразителна естетика и практичност на фронтенд кода, както и по-добро разбиране на контекста."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "Моделът kimi-k2-0905-preview има контекстна дължина от 256k, с по-силни способности за агентно кодиране, по-изразителна естетика и практичност на фронтенд кода, както и по-добро разбиране на контекста."
|
||||
},
|
||||
@@ -2702,30 +2761,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "gpt-4-turbo от OpenAI притежава обширни общи знания и експертиза в различни области, което му позволява да следва сложни инструкции на естествен език и да решава точно трудни проблеми. Знанията му са актуални до април 2023 г., а контекстният прозорец е 128 000 токена."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 е водещият модел на OpenAI, подходящ за сложни задачи. Изключително подходящ за решаване на проблеми в различни области."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini постига баланс между интелигентност, скорост и цена, което го прави привлекателен модел за много случаи на употреба."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano е най-бързият и икономичен модел от серията GPT 4.1."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o от OpenAI притежава обширни общи знания и експертиза в различни области, способен да следва сложни инструкции на естествен език и да решава точно трудни проблеми. Предлага производителност, съпоставима с GPT-4 Turbo, но с по-бърз и по-евтин API."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini от OpenAI е техният най-напреднал и икономичен малък модел. Той е мултимодален (приема текст или изображения като вход и генерира текст) и е по-интелигентен от gpt-3.5-turbo, като същевременно е също толкова бърз."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 е водещият езиков модел на OpenAI, отличаващ се в сложни разсъждения, обширни знания за реалния свят, задачи с интензивен код и многостъпкови агентски задачи."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini е оптимизиран по отношение на разходите модел, който се представя отлично при задачи за разсъждение и чат. Предлага най-добрия баланс между скорост, цена и способности."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano е модел с висок пропускателен капацитет, който се справя отлично с прости инструкции или задачи за класификация."
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Изключително способен универсален голям езиков модел с мощни и контролируеми способности за разсъждение."
|
||||
},
|
||||
@@ -2750,9 +2793,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "o3-mini high е версия с високо ниво на разсъждение, която предлага висока интелигентност при същите разходи и цели за закъснение като o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini на OpenAI предлага бързо и икономично разсъждение с отлична производителност за своя размер, особено в математика (най-добър в AIME бенчмарка), кодиране и визуални задачи."
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini версия с високо ниво на извеждане, оптимизирана за бързо и ефективно извеждане, показваща изключителна ефективност и производителност в задачи по кодиране и визуализация."
|
||||
},
|
||||
@@ -2954,9 +2995,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Мощен среден модел за код, поддържащ 32K дължина на контекста, специализиран в многоезично програмиране."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B е плътен езиков модел с 14.8 милиарда параметри от серията Qwen3, проектиран за сложни разсъждения и ефективен диалог. Той поддържа безпроблемно преминаване между режим на \"разсъждение\" за математика, програмиране и логическо разсъждение и режим на \"неразсъждение\" за общи разговори. Моделът е фино настроен за следване на инструкции, използване на инструменти за агенти, креативно писане и многоезични задачи на над 100 езика и диалекта. Той нативно обработва контекст от 32K токена и може да бъде разширен до 131K токена с помощта на разширение, базирано на YaRN."
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B е плътен езиков модел с 14.8 милиарда параметри от серията Qwen3, проектиран за сложни разсъждения и ефективен диалог. Той поддържа безпроблемно преминаване между режим на \"разсъждение\" за математика, програмиране и логическо разсъждение и режим на \"неразсъждение\" за общи разговори. Моделът е фино настроен за следване на инструкции, използване на инструменти за агенти, креативно писане и многоезични задачи на над 100 езика и диалекта. Той нативно обработва контекст от 32K токена и може да бъде разширен до 131K токена с помощта на разширение, базирано на YaRN."
|
||||
},
|
||||
@@ -3275,9 +3314,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Този модел е мощен модел за разсъждение с отлични способности за разбиране на изображения, способен да обработва информация от изображения и текст, и след дълбочинно разсъждение да генерира текстово съдържание. Моделът показва изключителни резултати в областта на визуалните разсъждения, като същевременно притежава първокласни способности в математиката, кода и текстовите разсъждения. Дължината на контекста е 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 е мултимодален модел, разработен от StepStar, с мощни способности за визуално разбиране."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 е авангарден мултимодален модел за разсъждение, публикуван от StepFun (阶跃星辰). Той е изграден върху архитектура на смес от експерти (MoE) с общо 321 милиарда параметъра и 38 милиарда активни параметъра. Моделът е с енд-ту-енд дизайн, целящ минимизиране на разходите за декодиране, като същевременно предоставя водещи резултати във визуално-лингвистичното разсъждение. Чрез кооперативния дизайн на многоматрично факторизирано внимание (MFA) и декуплиране на внимание и FFN (AFD), Step3 поддържа отлична ефективност както на флагмански, така и на по-бюджетни ускорители. По време на предварителното обучение Step3 е обработил над 20 трилиона текстови токена и 4 трилиона смесени текстово-изображенчески токена, обхващайки повече от десет езика. Моделът постига водещи резултати сред отворените модели в множество бенчмаркове, включително математика, код и мултимодални задачи."
|
||||
},
|
||||
@@ -3386,12 +3422,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 е езиков модел, предоставен от Microsoft AI, който се отличава в сложни диалози, многоезичност, разсъждение и интелигентни асистенти."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "С радост представяме Grok 4 Fast — нашият най-нов напредък в модели за ефективно и икономично извеждане."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "С гордост представяме grok-code-fast-1 — бърз и икономичен модел за извеждане, който се отличава в агентно кодиране."
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "Моделът Spark X1 ще бъде допълнително обновен, като на базата на водещите в страната резултати в математически задачи, ще постигне ефекти в общи задачи като разсъждение, генериране на текст и разбиране на език, сравними с OpenAI o1 и DeepSeek R1."
|
||||
},
|
||||
@@ -3452,9 +3484,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Модел за сложни визуални задачи, предлагащ висока производителност в разбирането и анализа на базата на множество изображения."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6 е най-новият флагмански модел на Zhipu, който значително надминава предшествениците си в напреднало кодиране, обработка на дълги текстове, извеждане и способности на интелигентни агенти."
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 е базов модел, специално създаден за интелигентни агенти, използващ архитектура с микс от експерти (Mixture-of-Experts). Той е дълбоко оптимизиран за използване на инструменти, уеб браузване, софтуерно инженерство и фронтенд програмиране, и поддържа безпроблемна интеграция с кодови агенти като Claude Code и Roo Code. GLM-4.5 използва смесен режим на разсъждение, подходящ за сложни и ежедневни приложения."
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) е платформа с отворен код, предназначена да опрости изпълнението и интегрирането на различни AI модели. С Xinference можете да използвате всякакви LLM с отворен код, модели за вграждане и мултимодални модели за извършване на изводи в облак или локална среда, както и да създавате мощни AI приложения."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux е унифицирана платформа за агрегиране на AI услуги, поддържаща множество водещи AI интерфейси като OpenAI, Anthropic, Google VertexAI и други. Тя предлага гъвкави възможности за маршрутизиране, които ви позволяват лесно да превключвате и управлявате различни AI модели."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI се фокусира върху технологии за изкуствен интелект от ерата на AI 2.0, активно насърчавайки иновации и приложения на \"човек + изкуствен интелект\", използвайки мощни модели и напреднали AI технологии за повишаване на производителността на човека и реализиране на технологично овластяване."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Standard"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Auflösung",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Seed",
|
||||
"random": "Zufälliger Seed"
|
||||
|
||||
+176
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus ist das intelligenteste Modell von Anthropic mit marktführender Leistung bei hochkomplexen Aufgaben. Es meistert offene Eingabeaufforderungen und unbekannte Szenarien mit herausragender Flüssigkeit und menschenähnlichem Verständnis."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku ist die nächste Generation unseres schnellsten Modells. Mit ähnlicher Geschwindigkeit wie Claude 3 Haiku wurde Claude 3.5 Haiku in allen Kompetenzbereichen verbessert und übertrifft in vielen Intelligenz-Benchmarks unser bisher größtes Modell Claude 3 Opus."
|
||||
"description": "Claude 3.5 Haiku bietet verbesserte Geschwindigkeit, höhere Genauigkeit beim Programmieren und effizientere Werkzeugnutzung. Ideal für Szenarien mit hohen Anforderungen an Geschwindigkeit und Tool-Interaktion."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet erreicht eine ideale Balance zwischen Intelligenz und Geschwindigkeit – besonders für Unternehmens-Workloads. Im Vergleich zu ähnlichen Produkten bietet es starke Leistung zu geringeren Kosten und ist für hohe Belastbarkeit bei großflächigen KI-Einsätzen konzipiert."
|
||||
"description": "Claude 3.5 Sonnet ist ein schnelles und effizientes Modell der Sonnet-Familie mit verbesserter Programmier- und Schlussfolgerungsleistung. Einige Versionen werden schrittweise durch Sonnet 3.7 ersetzt."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet ist das erste hybride Inferenzmodell und das intelligenteste Modell von Anthropic bisher. Es bietet modernste Leistung bei Codierung, Inhaltserstellung, Datenanalyse und Planungsaufgaben und baut auf den Software-Engineering- und Computerfähigkeiten seines Vorgängers Claude 3.5 Sonnet auf."
|
||||
"description": "Claude 3.7 Sonnet ist die weiterentwickelte Version der Sonnet-Reihe mit leistungsstärkeren Fähigkeiten in den Bereichen Schlussfolgerung und Programmierung – ideal für komplexe Unternehmensaufgaben."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 ist ein leistungsstarkes und schnelles Modell von Anthropic mit extrem niedriger Latenz bei gleichzeitig hoher Genauigkeit."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 ist das leistungsstärkste Modell von Anthropic und das weltweit beste Codierungsmodell mit Spitzenwerten bei SWE-bench (72,5 %) und Terminal-bench (43,2 %). Es bietet anhaltende Leistung für langfristige Aufgaben mit tausenden Schritten und kann stundenlang ununterbrochen arbeiten – was die Fähigkeiten von KI-Agenten erheblich erweitert."
|
||||
"description": "Opus 4 ist das Flaggschiffmodell von Anthropic, entwickelt für komplexe Aufgaben und unternehmensweite Anwendungen."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 ist ein Plug-and-Play-Ersatz für Opus 4 und bietet herausragende Leistung und Präzision für praktische Codierungs- und Agentenaufgaben. Opus 4.1 hebt die modernste Codierungsleistung auf 74,5 % bei SWE-bench Verified und behandelt komplexe mehrstufige Probleme mit höherer Genauigkeit und Detailgenauigkeit."
|
||||
"description": "Opus 4.1 ist ein High-End-Modell von Anthropic, optimiert für Programmierung, komplexe Schlussfolgerungen und dauerhafte Aufgaben."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 baut auf den branchenführenden Fähigkeiten von Sonnet 3.7 auf und zeigt herausragende Codierungsleistung mit einem Spitzenwert von 72,7 % bei SWE-bench. Das Modell bietet eine ausgewogene Kombination aus Leistung und Effizienz, geeignet für interne und externe Anwendungsfälle, und ermöglicht durch verbesserte Steuerbarkeit eine größere Kontrolle über die Ergebnisse."
|
||||
"description": "Claude Sonnet 4 ist eine hybride Schlussfolgerungsversion von Anthropic, die sowohl kognitive als auch nicht-kognitive Fähigkeiten kombiniert."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 ist das bisher intelligenteste Modell von Anthropic."
|
||||
"description": "Claude Sonnet 4.5 ist das neueste hybride Schlussfolgerungsmodell von Anthropic, optimiert für komplexe Logik und Programmierung."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B ist ein spärlich besetztes großes Sprachmodell mit 72 Milliarden Parametern und 16 Milliarden aktivierten Parametern. Es basiert auf der gruppierten Mixture-of-Experts-Architektur (MoGE), bei der Experten in Gruppen eingeteilt werden und Tokens innerhalb jeder Gruppe eine gleiche Anzahl von Experten aktivieren, um eine ausgewogene Expertenauslastung zu gewährleisten. Dies verbessert die Effizienz der Modellausführung auf der Ascend-Plattform erheblich."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B ist ein von Baidu entwickeltes großes Sprachmodell, das auf einer Mixture-of-Experts (MoE)-Architektur basiert. Das Modell verfügt über insgesamt 300 Milliarden Parameter, aktiviert jedoch bei der Inferenz nur 47 Milliarden Parameter pro Token, was eine starke Leistung bei gleichzeitig hoher Rechen-effizienz gewährleistet. Als eines der Kernmodelle der ERNIE 4.5-Serie zeigt es herausragende Fähigkeiten in Textverständnis, -generierung, Schlussfolgerung und Programmierung. Das Modell verwendet eine innovative multimodale heterogene MoE-Vortrainingsmethode, die durch gemeinsames Training von Text- und visuellen Modalitäten die Gesamtleistung verbessert, insbesondere bei der Befolgung von Anweisungen und dem Erinnern von Weltwissen."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview ist Baidus neue Generation eines nativen multimodalen Wenxin-Modells, spezialisiert auf multimodales Verständnis, Befolgen von Anweisungen, kreative Aufgaben, Faktenfragen und Tool-Nutzung."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse ist ein leistungsstarkes 32B mehrsprachiges Modell, das darauf abzielt, die Leistung von einsprachigen Modellen durch innovative Ansätze wie Anweisungsoptimierung, Datenarbitrage, Präferenztraining und Modellfusion herauszufordern. Es unterstützt 23 Sprachen."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest ist eine feinabgestimmte Version von o4-mini, speziell für Codex CLI entwickelt. Für die direkte Nutzung über die API empfehlen wir den Start mit gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B ist ein frei kommerziell nutzbares Open-Source-Sprachmodell aus den USA mit leistungsstarker Performance, hoher Token-Effizienz, 128k Kontextlänge und umfassenden Fähigkeiten."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 ist das erste von Zhipu entwickelte Open-Source-Text-zu-Bild-Modell, das die Generierung chinesischer Schriftzeichen unterstützt. Es bietet umfassende Verbesserungen in den Bereichen semantisches Verständnis, Bildgenerierungsqualität und die Fähigkeit, chinesische und englische Schriftzeichen zu erzeugen. Es unterstützt mehrsprachige Eingaben beliebiger Länge in Chinesisch und Englisch und kann Bilder in beliebiger Auflösung innerhalb eines vorgegebenen Bereichs erzeugen."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, eine leichte multimodale Version, geeignet für ressourcenbeschränkte und hochparallele Szenarien."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 ist ein leistungsstarkes hybrides Schlussfolgerungsmodell des DeepSeek-Teams, geeignet für komplexe Aufgaben und Tool-Integration."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 ist ein Experten-Mischmodell mit 685B Parametern und die neueste Iteration der Flaggschiff-Chatmodellreihe des DeepSeek-Teams.\n\nEs erbt das [DeepSeek V3](/deepseek/deepseek-chat-v3) Modell und zeigt hervorragende Leistungen in verschiedenen Aufgaben."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 ist ein Experten-Mischmodell mit 685B Parametern und die neueste Iteration der Flaggschiff-Chatmodellreihe des DeepSeek-Teams.\n\nEs erbt das [DeepSeek V3](/deepseek/deepseek-chat-v3) Modell und zeigt hervorragende Leistungen in verschiedenen Aufgaben."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 ist ein großes hybrides Inferenzmodell, das 128K langen Kontext und effizienten Moduswechsel unterstützt. Es erzielt herausragende Leistung und Geschwindigkeit bei Tool-Aufrufen, Codegenerierung und komplexen Inferenzaufgaben."
|
||||
"description": "DeepSeek-V3.1 ist ein hybrides Schlussfolgerungsmodell mit langem Kontext von DeepSeek, das sowohl kognitive als auch nicht-kognitive Modi sowie Tool-Integration unterstützt."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "Das DeepSeek R1 Modell wurde in einer kleinen Version aktualisiert, aktuell DeepSeek-R1-0528. Das neueste Update verbessert die Inferenztiefe und -fähigkeit erheblich durch erhöhte Rechenressourcen und nachträgliche algorithmische Optimierungen. Das Modell zeigt hervorragende Leistungen in Mathematik, Programmierung und allgemeiner Logik und nähert sich führenden Modellen wie O3 und Gemini 2.5 Pro an."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 verbessert die Modellschlussfolgerungsfähigkeit erheblich, selbst bei sehr begrenzten annotierten Daten. Vor der Ausgabe der endgültigen Antwort generiert das Modell eine Denkprozesskette, um die Genauigkeit der Antwort zu erhöhen."
|
||||
"description": "DeepSeek R1 0528 ist eine aktualisierte Variante von DeepSeek mit Fokus auf Open-Source-Nutzung und tiefgreifender Schlussfolgerung."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 verbessert die Modellschlussfolgerungsfähigkeit erheblich, selbst bei sehr begrenzten annotierten Daten. Vor der Ausgabe der endgültigen Antwort generiert das Modell eine Denkprozesskette, um die Genauigkeit der Antwort zu erhöhen."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 hat die Schlussfolgerungsfähigkeiten des Modells erheblich verbessert, selbst bei nur wenigen gekennzeichneten Daten. Bevor das Modell die endgültige Antwort ausgibt, gibt es zunächst eine Denkprozesskette aus, um die Genauigkeit der endgültigen Antwort zu erhöhen."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (Reasoner) ist ein experimentelles Modell von DeepSeek für hochkomplexe Schlussfolgerungsaufgaben."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Schnelles, universelles großes Sprachmodell mit verbesserter Inferenzfähigkeit."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview ist Googles fortschrittlichstes Denkmodell, das komplexe Probleme in den Bereichen Code, Mathematik und MINT-Fächer lösen kann und große Datensätze, Codebasen und Dokumente mit langem Kontext analysiert."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) ist ein Bildgenerierungsmodell von Google mit Unterstützung für multimodale Dialoge."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) ist ein Bildgenerierungsmodell von Google mit Unterstützung für multimodale Dialoge."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro ist das intelligenteste Modell von Google mit modernster Schlussfolgerungsfähigkeit, multimodaler Verarbeitung sowie leistungsstarken Agenten- und Kontextkodierungsfunktionen."
|
||||
"description": "Gemini 3 Pro ist das weltweit führende Modell für multimodales Verständnis und Googles bisher leistungsstärkstes Agenten- und Ambient-Programming-Modell mit fortschrittlicher Logik, visueller Darstellung und Interaktivität."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Neueste Version von Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview verfügt über starke Fähigkeiten zur komplexen Schlussfolgerung und zeigt hervorragende Leistungen in den Bereichen logisches Denken, Mathematik und Programmierung."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash bietet Funktionen der nächsten Generation und Verbesserungen, darunter herausragende Geschwindigkeit, integrierte Werkzeugnutzung, multimodale Generierung und ein Kontextfenster von 1 Million Tokens."
|
||||
"description": "Gemini 2.0 Flash ist ein leistungsstarkes Schlussfolgerungsmodell von Google, geeignet für erweiterte multimodale Aufgaben."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash bietet nächste Generation Funktionen und Verbesserungen, einschließlich außergewöhnlicher Geschwindigkeit, nativer Werkzeugnutzung, multimodaler Generierung und einem Kontextfenster von 1M Tokens."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite bietet Funktionen der nächsten Generation und Verbesserungen, darunter herausragende Geschwindigkeit, integrierte Werkzeugnutzung, multimodale Generierung und ein Kontextfenster von 1 Million Tokens."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite ist die leichte Version der Gemini-Familie. Standardmäßig ist das Denken deaktiviert, um Latenz und Kosten zu optimieren, kann aber über Parameter aktiviert werden."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash ist ein Denkmodell mit hervorragenden umfassenden Fähigkeiten. Es ist auf ein ausgewogenes Verhältnis von Preis und Leistung ausgelegt und unterstützt multimodale Eingaben sowie ein Kontextfenster von 1 Million Tokens."
|
||||
"description": "Die Gemini 2.5 Flash-Serie (Lite/Pro/Flash) umfasst Googles Modelle mit niedriger bis hoher Latenz für leistungsstarke Schlussfolgerung."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) ist Googles Bildgenerierungsmodell mit Unterstützung für multimodale Dialoge."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Kostenlose Version von Gemini 2.5 Flash Image mit begrenztem Kontingent für multimodale Generierung."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash Experimentelles Modell, unterstützt Bildgenerierung"
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite ist ein ausgewogenes, latenzarmes Modell mit konfigurierbarem Denkbudget und Werkzeuganbindung (z. B. Google Search Grounding und Codeausführung). Es unterstützt multimodale Eingaben und bietet ein Kontextfenster von 1 Million Tokens."
|
||||
"description": "Gemini 2.5 Flash Lite ist die leichte Version von Gemini 2.5, optimiert für niedrige Latenz und Kosten – ideal für Szenarien mit hohem Durchsatz."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash ist Googles fortschrittlichstes Hauptmodell, das für fortgeschrittenes Denken, Codierung, Mathematik und wissenschaftliche Aufgaben entwickelt wurde. Es enthält die eingebaute Fähigkeit zu \"denken\", was es ihm ermöglicht, Antworten mit höherer Genauigkeit und detaillierter Kontextverarbeitung zu liefern.\n\nHinweis: Dieses Modell hat zwei Varianten: Denken und Nicht-Denken. Die Ausgabepreise variieren erheblich, je nachdem, ob die Denkfähigkeit aktiviert ist oder nicht. Wenn Sie die Standardvariante (ohne den Suffix \":thinking\") wählen, wird das Modell ausdrücklich vermeiden, Denk-Tokens zu generieren.\n\nUm die Denkfähigkeit zu nutzen und Denk-Tokens zu erhalten, müssen Sie die \":thinking\"-Variante wählen, was zu höheren Preisen für Denk-Ausgaben führt.\n\nDarüber hinaus kann Gemini 2.5 Flash über den Parameter \"maximale Tokenanzahl für das Denken\" konfiguriert werden, wie in der Dokumentation beschrieben (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash ist Googles fortschrittlichstes Hauptmodell, das für fortgeschrittenes Denken, Codierung, Mathematik und wissenschaftliche Aufgaben entwickelt wurde. Es enthält die eingebaute Fähigkeit zu \"denken\", was es ihm ermöglicht, Antworten mit höherer Genauigkeit und detaillierter Kontextverarbeitung zu liefern.\n\nHinweis: Dieses Modell hat zwei Varianten: Denken und Nicht-Denken. Die Ausgabepreise variieren erheblich, je nachdem, ob die Denkfähigkeit aktiviert ist oder nicht. Wenn Sie die Standardvariante (ohne den Suffix \":thinking\") wählen, wird das Modell ausdrücklich vermeiden, Denk-Tokens zu generieren.\n\nUm die Denkfähigkeit zu nutzen und Denk-Tokens zu erhalten, müssen Sie die \":thinking\"-Variante wählen, was zu höheren Preisen für Denk-Ausgaben führt.\n\nDarüber hinaus kann Gemini 2.5 Flash über den Parameter \"maximale Tokenanzahl für das Denken\" konfiguriert werden, wie in der Dokumentation beschrieben (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro ist unser fortschrittlichstes Inferenz-Gemini-Modell, das komplexe Probleme lösen kann. Es verfügt über ein Kontextfenster von 2 Millionen Tokens und unterstützt multimodale Eingaben, darunter Text, Bilder, Audio, Video und PDF-Dokumente."
|
||||
"description": "Gemini 2.5 Pro ist Googles Flaggschiffmodell für Schlussfolgerung mit Unterstützung für lange Kontexte und komplexe Aufgaben."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Kostenlose Version von Gemini 2.5 Pro mit begrenztem Kontingent für multimodale Langkontextverarbeitung – ideal für Tests und leichte Workflows."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview ist Googles fortschrittlichstes Denkmodell, das in der Lage ist, komplexe Probleme in den Bereichen Code, Mathematik und MINT zu analysieren sowie große Datensätze, Codebasen und Dokumente mit langem Kontext zu untersuchen."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Kostenlose Vorschauversion von Gemini 3 Pro Image mit begrenztem Kontingent für multimodale Generierung."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro ist das nächste Generation-Modell der Gemini-Reihe für multimodale Schlussfolgerung. Es versteht Text, Audio, Bilder und Videos und bewältigt komplexe Aufgaben und große Codebasen."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Kostenlose Vorschauversion von Gemini 3 Pro mit denselben multimodalen Fähigkeiten wie die Standardversion, jedoch mit Einschränkungen bei Kontingent und Geschwindigkeit – ideal für Tests und gelegentliche Nutzung."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Modernstes Einbettungsmodell mit hervorragender Leistung bei englischen, mehrsprachigen und Code-Aufgaben."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small ist ideal für Codegenerierung, Debugging und Refactoring-Aufgaben mit minimaler Latenz."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T ist das erste Flaggschiffmodell der „Ling 2.0“-Reihe ohne Denkfunktion (non-thinking), mit insgesamt einer Billion Parametern und etwa 50 Milliarden aktiven Parametern pro Token. Es basiert auf der Ling 2.0-Architektur und zielt darauf ab, die Grenzen effizienter Schlussfolgerung und skalierbarer Kognition zu durchbrechen. Ling-1T-base wurde mit über 20 Billionen hochwertigen, reasoning-intensiven Tokens trainiert."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 ist das dritte Modell der Ling 2.0 Architekturserie, veröffentlicht vom Ant Group Bailing Team. Es handelt sich um ein Mixture-of-Experts (MoE)-Modell mit insgesamt 100 Milliarden Parametern, wobei pro Token nur 6,1 Milliarden Parameter aktiviert werden (ohne Wortvektoren 4,8 Milliarden). Als leichtgewichtige Konfiguration zeigt Ling-flash-2.0 in mehreren renommierten Benchmarks Leistungen, die mit 40-Milliarden-Dense-Modellen und größeren MoE-Modellen vergleichbar oder überlegen sind. Das Modell zielt darauf ab, durch exzellentes Architekturdesign und Trainingsstrategien effiziente Wege zu erforschen, um die gängige Annahme „großes Modell = viele Parameter“ zu hinterfragen."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 ist ein kleines, leistungsstarkes Sprachmodell basierend auf der MoE-Architektur. Es verfügt über 16 Milliarden Gesamtparameter, aktiviert jedoch pro Token nur 1,4 Milliarden (ohne Einbettungen 789 Millionen), was eine sehr hohe Generierungsgeschwindigkeit ermöglicht. Dank effizientem MoE-Design und großem, hochwertigem Trainingsdatensatz zeigt Ling-mini-2.0 trotz der geringen aktivierten Parameter eine Spitzenleistung, die mit dichten LLMs unter 10 Milliarden und größeren MoE-Modellen in nachgelagerten Aufgaben vergleichbar ist."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T ist ein Open-Source-Modell für kognitives Denken im Billionen-Parameter-Maßstab, veröffentlicht vom Bailing-Team. Es basiert auf der Ling 2.0-Architektur und dem Ling-1T-base-Modell, mit insgesamt einer Billion Parametern und 50 Milliarden aktiven Parametern. Es unterstützt ein Kontextfenster von bis zu 128K und wurde durch groß angelegtes, verifizierbares, belohnungsbasiertes Reinforcement Learning optimiert."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 ist ein hochleistungsfähiges Denkmodell, das auf Ling-flash-2.0-base tief optimiert wurde. Es verwendet eine Mixture-of-Experts (MoE)-Architektur mit insgesamt 100 Milliarden Parametern, aktiviert jedoch bei jeder Inferenz nur 6,1 Milliarden Parameter. Durch den innovativen Icepop-Algorithmus löst es die Instabilitätsprobleme großer MoE-Modelle im Reinforcement Learning (RL) Training und verbessert kontinuierlich seine komplexen Inferenzfähigkeiten über lange Trainingszyklen. Ring-flash-2.0 erzielt bedeutende Durchbrüche in anspruchsvollen Benchmarks wie Mathematikwettbewerben, Codegenerierung und logischem Schließen. Seine Leistung übertrifft nicht nur dichte Spitzenmodelle unter 40 Milliarden Parametern, sondern ist auch vergleichbar mit größeren Open-Source-MoE-Modellen und proprietären Hochleistungs-Denkmodellen. Obwohl es auf komplexe Inferenz spezialisiert ist, zeigt es auch bei kreativen Schreibaufgaben hervorragende Ergebnisse. Dank seiner effizienten Architektur bietet Ring-flash-2.0 starke Leistung bei gleichzeitig hoher Inferenzgeschwindigkeit und senkt deutlich die Bereitstellungskosten in hochparallelen Szenarien."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T ist das 1T MoE-Modell von inclusionAI, optimiert für hochintensive Schlussfolgerungsaufgaben und große Kontexte."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 ist ein MoE-Modell von inclusionAI, das Effizienz und Schlussfolgerungsleistung für mittelgroße bis große Aufgaben optimiert."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 ist ein leichtgewichtiges MoE-Modell von inclusionAI, das bei reduzierten Kosten dennoch starke Schlussfolgerungsfähigkeiten bietet."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview ist ein multimodales Modell von inclusionAI mit Unterstützung für Sprache, Bilder und Videos – optimiert für Bildwiedergabe und Spracherkennung."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T ist das trillionenparametrige MoE-Denkmodell von inclusionAI, geeignet für groß angelegte Schlussfolgerung und Forschung."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 ist eine Variante des Ring-Modells von inclusionAI für Szenarien mit hohem Durchsatz, mit Fokus auf Geschwindigkeit und Kosteneffizienz."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 ist die leichtgewichtige Hochdurchsatzversion des MoE-Modells von inclusionAI, ideal für parallele Nutzungsszenarien."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 bietet intelligente Dialoglösungen in mehreren Szenarien."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, das offizielle Inferenzmodell von Kimi mit Unterstützung für Langkontext, Code, QA und mehr."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 ist ein Langzeit-Denkmodell mit Unterstützung für 256k Kontext, mehrstufige Tool-Nutzung und komplexe Problemlösung."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Turbo-Version des K2 Langzeit-Denkmodells mit 256k Kontext, spezialisiert auf tiefgreifende Schlussfolgerung und einer Ausgabegeschwindigkeit von 60–100 Tokens pro Sekunde."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 ist ein Basis-Modell mit MoE-Architektur und besonders starken Fähigkeiten im Bereich Code und Agenten. Es verfügt über insgesamt 1T Parameter und 32B aktivierte Parameter. In Benchmark-Tests der wichtigsten Kategorien – allgemeines Wissens-Reasoning, Programmierung, Mathematik und Agenten – übertrifft das K2-Modell die Leistung anderer gängiger Open‑Source‑Modelle."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "Das kimi-thinking-preview Modell von Moon’s Dark Side ist ein multimodales Denkmodell mit Fähigkeiten zu multimodalem und allgemeinem logischem Denken. Es ist spezialisiert auf tiefgehende Schlussfolgerungen und hilft dabei, komplexere und schwierigere Aufgaben zu lösen."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (zeitlich begrenzt kostenlos) ist auf Codeverständnis und automatisierte Programmierung spezialisiert – ideal für effiziente Programmieragenten."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM ist ein experimentelles, aufgabenorientiertes Sprachmodell, das darauf trainiert wurde, den Prinzipien der Lernwissenschaft zu entsprechen und in Lehr- und Lernszenarien systematische Anweisungen zu befolgen, als Expertenmentor zu fungieren usw."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 ist ein leistungsstarkes, effizientes Sprachmodell, das speziell für Programmier- und Agenten-Workflows entwickelt wurde."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Speziell entwickelt für effizientes Codieren und Agenten-Workflows."
|
||||
"description": "MiniMax-M2 ist ein kosteneffizientes Modell mit starker Leistung in den Bereichen Programmierung und Agentenaufgaben – geeignet für vielfältige technische Szenarien."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 ist ein kompaktes, schnelles und kosteneffizientes Mixture-of-Experts (MoE)-Modell mit 230 Milliarden Gesamtparametern und 10 Milliarden aktiven Parametern. Es wurde für höchste Leistung bei Codierungs- und Agentenaufgaben entwickelt und bietet gleichzeitig eine starke allgemeine Intelligenz. Das Modell überzeugt bei Aufgaben wie der Bearbeitung mehrerer Dateien, dem Code-Ausführen-Fehlerbeheben-Zyklus, Testverifikation und -korrektur sowie bei komplexen, lang verknüpften Toolchains – und ist damit die ideale Wahl für Entwickler-Workflows."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 ist ein von Moonshot AI entwickeltes großes gemischtes Experten (MoE) Sprachmodell mit insgesamt 1 Billion Parametern und 32 Milliarden aktiven Parametern pro Vorwärtsdurchlauf. Es ist auf Agentenfähigkeiten optimiert, einschließlich fortgeschrittener Werkzeugnutzung, Inferenz und Code-Synthese."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 ist die Instruct-Version der Kimi-Reihe, optimiert für hochwertige Codegenerierung und Tool-Nutzung."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "Das Modell kimi-k2-0905-preview hat eine Kontextlänge von 256k, verfügt über stärkere Agentic-Coding-Fähigkeiten, eine herausragendere Ästhetik und Praktikabilität von Frontend-Code sowie ein besseres Kontextverständnis."
|
||||
"description": "Kimi K2 0905 ist das Update vom 5. September der Kimi-Reihe mit erweitertem Kontext und verbesserter Schlussfolgerungsleistung – ideal für Programmieraufgaben."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "Das Modell kimi-k2-0905-preview hat eine Kontextlänge von 256k, verfügt über stärkere Agentic-Coding-Fähigkeiten, eine herausragendere Ästhetik und Praktikabilität von Frontend-Code sowie ein besseres Kontextverständnis."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking ist ein Denkmodell von Moonshot, optimiert für tiefgreifende Schlussfolgerung mit allgemeinen Agentenfähigkeiten."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo ist die Hochgeschwindigkeitsversion von Kimi K2 Thinking mit reduzierter Antwortlatenz bei gleichbleibender Schlussfolgerungsleistung."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph bietet ein spezialisiertes KI-Modell, das von führenden Modellen wie Claude oder GPT-4o vorgeschlagene Codeänderungen schnell auf Ihre bestehenden Code-Dateien anwendet – mit über 4500 Tokens pro Sekunde. Es fungiert als letzter Schritt im KI-Codierungsworkflow und unterstützt 16k Eingabe- und 16k Ausgabe-Tokens."
|
||||
},
|
||||
@@ -2703,28 +2778,49 @@
|
||||
"description": "OpenAIs gpt-4-turbo verfügt über umfangreiches Allgemeinwissen und Fachkenntnisse, kann komplexen natürlichen Sprachbefehlen folgen und schwierige Probleme präzise lösen. Wissensstand bis April 2023, Kontextfenster von 128.000 Tokens."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 ist das Flaggschiffmodell von OpenAI, geeignet für komplexe Aufgaben. Es ist hervorragend für interdisziplinäre Problemlösungen."
|
||||
"description": "Die GPT-4.1-Serie bietet erweiterten Kontext und verbesserte Fähigkeiten in den Bereichen Technik und Schlussfolgerung."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini bietet eine ausgewogene Kombination aus Intelligenz, Geschwindigkeit und Kosten und ist damit für viele Anwendungsfälle attraktiv."
|
||||
"description": "GPT-4.1 Mini bietet geringere Latenz und ein besseres Preis-Leistungs-Verhältnis – ideal für mittellange Kontexte."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano ist das schnellste und kosteneffizienteste Modell der GPT 4.1 Reihe."
|
||||
"description": "GPT-4.1 Nano ist eine extrem kostengünstige und latenzarme Option – ideal für häufige Kurzdialoge oder Klassifizierungsaufgaben."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o von OpenAI verfügt über umfangreiches Allgemeinwissen und Fachkenntnisse, kann komplexen natürlichen Sprachbefehlen folgen und schwierige Probleme präzise lösen. Es bietet die Leistung von GPT-4 Turbo mit schnellerem und kostengünstigerem API-Zugriff."
|
||||
"description": "Die GPT-4o-Serie ist OpenAIs Omni-Modell mit Unterstützung für Text- und Bildeingaben sowie Textausgaben."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini von OpenAI ist ihr fortschrittlichstes und kosteneffizientestes kleines Modell. Es ist multimodal (akzeptiert Text- oder Bildeingaben und gibt Text aus) und intelligenter als gpt-3.5-turbo, bei gleicher Geschwindigkeit."
|
||||
"description": "GPT-4o-mini ist die schnelle, kompakte Version von GPT-4o – ideal für latenzarme multimodale Szenarien."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 ist OpenAIs Flaggschiff-Sprachmodell mit herausragender Leistung bei komplexer Inferenz, umfangreichem Weltwissen, codeintensiven und mehrstufigen Agentenaufgaben."
|
||||
"description": "GPT-5 ist ein leistungsstarkes Modell von OpenAI, geeignet für eine Vielzahl von Produktions- und Forschungsaufgaben."
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat ist eine auf Konversation optimierte Variante von GPT-5 mit reduzierter Latenz für bessere Interaktion."
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex ist eine auf Programmierung spezialisierte Variante von GPT-5 – ideal für groß angelegte Code-Workflows."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini ist ein kostenoptimiertes Modell mit hervorragender Leistung bei Inferenz- und Chat-Aufgaben. Es bietet die beste Balance zwischen Geschwindigkeit, Kosten und Fähigkeiten."
|
||||
"description": "GPT-5 Mini ist die kompakte Version der GPT-5-Familie – ideal für latenz- und kostensensitive Szenarien."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano ist ein Modell mit hohem Durchsatz, das bei einfachen Anweisungen oder Klassifizierungsaufgaben hervorragende Leistungen zeigt."
|
||||
"description": "GPT-5 Nano ist die ultrakompakte Version der Familie – ideal für Szenarien mit extrem hohen Anforderungen an Kosten und Latenz."
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro ist das Flaggschiffmodell von OpenAI mit erweiterten Fähigkeiten in Schlussfolgerung, Codegenerierung und Unternehmensfunktionen – inklusive Routing und strenger Sicherheitsrichtlinien im Testmodus."
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 ist das neueste Flaggschiff der GPT-5-Serie mit deutlichen Verbesserungen in allgemeiner Schlussfolgerung, Befolgen von Anweisungen und natürlicher Konversation – geeignet für vielfältige Aufgaben."
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat ist das leichte Mitglied der GPT-5.1-Familie, optimiert für latenzarme Konversation bei gleichzeitig starker Schlussfolgerung und Befehlsausführung."
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex ist eine auf Softwareentwicklung und Programmier-Workflows spezialisierte Variante von GPT-5.1 – ideal für große Refactorings, komplexe Debugging-Aufgaben und langfristige autonome Codierung."
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini ist die kompakte, beschleunigte Version von GPT-5.1-Codex – ideal für kostensensitive und latenzarme Programmieraufgaben."
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Extrem leistungsfähiges universelles großes Sprachmodell mit starker, kontrollierbarer Inferenzfähigkeit."
|
||||
@@ -2751,7 +2847,7 @@
|
||||
"description": "o3-mini high ist eine hochintelligente Version mit dem gleichen Kosten- und Verzögerungsziel wie o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "OpenAIs o4-mini bietet schnelle, kosteneffiziente Inferenz mit hervorragender Leistung für seine Größe, insbesondere bei Mathematik (beste Leistung im AIME-Benchmark), Codierung und visuellen Aufgaben."
|
||||
"description": "OpenAI o4-mini ist ein kleines, effizientes Schlussfolgerungsmodell von OpenAI – ideal für latenzarme Szenarien."
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini Hochleistungsmodell, optimiert für schnelle und effektive Inferenz, zeigt in Programmier- und visuellen Aufgaben eine hohe Effizienz und Leistung."
|
||||
@@ -2955,7 +3051,7 @@
|
||||
"description": "Leistungsstarkes, mittelgroßes Codierungsmodell, das 32K Kontextlängen unterstützt und in der mehrsprachigen Programmierung versiert ist."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B ist ein kompaktes, 14,8 Milliarden Parameter umfassendes kausales Sprachmodell aus der Qwen3-Serie, das speziell für komplexe Inferenz und effiziente Dialoge entwickelt wurde. Es unterstützt den nahtlosen Wechsel zwischen dem \"Denk\"-Modus für Mathematik, Programmierung und logische Inferenz und dem \"Nicht-Denk\"-Modus für allgemeine Gespräche. Dieses Modell wurde feinabgestimmt und kann für die Befolgung von Anweisungen, die Nutzung von Agentenwerkzeugen, kreatives Schreiben sowie mehrsprachige Aufgaben in über 100 Sprachen und Dialekten verwendet werden. Es verarbeitet nativ 32K Token-Kontext und kann mithilfe von YaRN auf 131K Token erweitert werden."
|
||||
"description": "Qwen3-14B ist die 14B-Version der Qwen-Reihe – geeignet für allgemeine Schlussfolgerung und Konversation."
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B ist ein kompaktes, 14,8 Milliarden Parameter umfassendes kausales Sprachmodell aus der Qwen3-Serie, das speziell für komplexe Inferenz und effiziente Dialoge entwickelt wurde. Es unterstützt den nahtlosen Wechsel zwischen dem \"Denk\"-Modus für Mathematik, Programmierung und logische Inferenz und dem \"Nicht-Denk\"-Modus für allgemeine Gespräche. Dieses Modell wurde feinabgestimmt und kann für die Befolgung von Anweisungen, die Nutzung von Agentenwerkzeugen, kreatives Schreiben sowie mehrsprachige Aufgaben in über 100 Sprachen und Dialekten verwendet werden. Es verarbeitet nativ 32K Token-Kontext und kann mithilfe von YaRN auf 131K Token erweitert werden."
|
||||
@@ -2963,6 +3059,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B ist ein 235B Parameter Expertenmischungsmodell (MoE), das von Qwen entwickelt wurde und bei jedem Vorwärtsdurchlauf 22B Parameter aktiviert. Es unterstützt den nahtlosen Wechsel zwischen dem \"Denk\"-Modus für komplexe Inferenz, Mathematik und Programmieraufgaben und dem \"Nicht-Denk\"-Modus für allgemeine Gespräche. Dieses Modell zeigt starke Inferenzfähigkeiten, mehrsprachige Unterstützung (über 100 Sprachen und Dialekte), fortgeschrittene Befolgung von Anweisungen und die Nutzung von Agentenwerkzeugen. Es verarbeitet nativ ein Kontextfenster von 32K Token und kann mithilfe von YaRN auf 131K Token erweitert werden."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 ist die Instruct-Version der Qwen3-Reihe – geeignet für mehrsprachige Anweisungen und Langkontextverarbeitung."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 ist die Thinking-Variante von Qwen3 – verstärkt für komplexe mathematische und logische Aufgaben."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B ist ein 235B Parameter Expertenmischungsmodell (MoE), das von Qwen entwickelt wurde und bei jedem Vorwärtsdurchlauf 22B Parameter aktiviert. Es unterstützt den nahtlosen Wechsel zwischen dem \"Denk\"-Modus für komplexe Inferenz, Mathematik und Programmieraufgaben und dem \"Nicht-Denk\"-Modus für allgemeine Gespräche. Dieses Modell zeigt starke Inferenzfähigkeiten, mehrsprachige Unterstützung (über 100 Sprachen und Dialekte), fortgeschrittene Befolgung von Anweisungen und die Nutzung von Agentenwerkzeugen. Es verarbeitet nativ ein Kontextfenster von 32K Token und kann mithilfe von YaRN auf 131K Token erweitert werden."
|
||||
},
|
||||
@@ -2981,6 +3083,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B ist ein kompaktes, 8,2 Milliarden Parameter umfassendes kausales Sprachmodell aus der Qwen3-Serie, das speziell für inferenzintensive Aufgaben und effiziente Dialoge entwickelt wurde. Es unterstützt den nahtlosen Wechsel zwischen dem \"Denk\"-Modus für Mathematik, Programmierung und logische Inferenz und dem \"Nicht-Denk\"-Modus für allgemeine Gespräche. Dieses Modell wurde feinabgestimmt und kann für die Befolgung von Anweisungen, die Integration von Agenten, kreatives Schreiben sowie die mehrsprachige Nutzung in über 100 Sprachen und Dialekten verwendet werden. Es unterstützt nativ ein Kontextfenster von 32K Token und kann über YaRN auf 131K Token erweitert werden."
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder ist die Codegenerierungsfamilie von Qwen3 – spezialisiert auf Codeverständnis und -erzeugung in langen Dokumenten."
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus ist ein speziell optimiertes Codierungsmodell der Qwen-Reihe – unterstützt komplexe Tool-Nutzung und langfristige Sitzungen."
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max ist das High-End-Schlussfolgerungsmodell der Qwen3-Reihe – geeignet für mehrsprachige Logik und Tool-Integration."
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max (Preview) ist die Vorschauversion des Max-Modells der Qwen-Reihe – ausgelegt für fortgeschrittene Logik und Tool-Integration."
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus ist die visuell erweiterte Version von Qwen3 – mit verbesserter multimodaler Logik und Videobearbeitungsfähigkeiten."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 ist das neue große Sprachmodell von Alibaba, das mit hervorragender Leistung eine Vielzahl von Anwendungsanforderungen unterstützt."
|
||||
},
|
||||
@@ -3275,9 +3392,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Dieses Modell ist ein leistungsstarkes Schlussfolgerungsmodell mit starker Bildverständnisfähigkeit, das in der Lage ist, Bild- und Textinformationen zu verarbeiten und nach tiefem Denken Textinhalte zu generieren. Es zeigt herausragende Leistungen im Bereich der visuellen Schlussfolgerung und verfügt über erstklassige Fähigkeiten in Mathematik, Programmierung und Textschlussfolgerung. Die Kontextlänge beträgt 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 ist ein multimodales Modell von StepStar mit leistungsstarken Fähigkeiten im visuellen Verständnis."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 ist ein wegweisendes multimodales Inferenzmodell, veröffentlicht von StepFun (阶跃星辰). Es basiert auf einer Mixture-of-Experts-(MoE)-Architektur mit insgesamt 321 Milliarden Parametern und 38 Milliarden Aktivierungsparametern. Das Modell ist als End-to-End-System konzipiert, um die Decodierungskosten zu minimieren und gleichzeitig erstklassige Leistung bei visuell-sprachlicher Inferenz zu bieten. Durch die synergistische Kombination von Multi-Matrix-Factorization-Attention (MFA) und Attention-FFN-Dekopplung (AFD) erzielt Step3 sowohl auf High-End- als auch auf ressourcenbeschränkten Beschleunigern hohe Effizienz. In der Vortrainingsphase verarbeitete Step3 mehr als 20 Billionen Text-Tokens und 4 Billionen multimodale (Bild‑Text) Tokens und deckt dabei über zehn Sprachen ab. Das Modell erzielt in zahlreichen Benchmarks — etwa in Mathematik, Programmierung und Multimodalität — führende Ergebnisse unter den Open‑Source‑Modellen."
|
||||
},
|
||||
@@ -3359,6 +3473,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "Zugriff auf das Modell hinter v0 zur Generierung, Reparatur und Optimierung moderner Webanwendungen mit frameworkspezifischer Inferenz und aktuellem Wissen."
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code ist ein großes Modell der Byte Volcano Engine, optimiert für Agentic Programming – mit starker Leistung in Programmier- und Agentenbenchmarks und Unterstützung für 256K Kontext."
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "Wanxiang 2.2 Turbo-Version, das aktuell neueste Modell. Es bietet umfassende Verbesserungen in Kreativität, Stabilität und realistischer Textur, erzeugt schnell und bietet ein hervorragendes Preis-Leistungs-Verhältnis."
|
||||
},
|
||||
@@ -3386,11 +3503,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 ist ein Sprachmodell von Microsoft AI, das in komplexen Dialogen, mehrsprachigen Anwendungen, Schlussfolgerungen und intelligenten Assistenten besonders gut abschneidet."
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 ist das Flaggschiffmodell von xAI mit leistungsstarker Logik und multimodalen Fähigkeiten."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Wir freuen uns, Grok 4 Fast vorzustellen – unseren neuesten Fortschritt im Bereich kosteneffizienter Inferenzmodelle."
|
||||
"description": "Grok 4 Fast ist ein Modell von xAI mit hohem Durchsatz und niedrigen Kosten (unterstützt 2M Kontextfenster) – ideal für hochparallele und langkontextuelle Szenarien."
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) ist ein multimodales Modell von xAI mit hohem Durchsatz und niedrigen Kosten (unterstützt 2M Kontextfenster), ausgelegt für latenz- und kostensensitive Szenarien ohne interne Schlussfolgerung. Die Reasoning-Funktion kann bei Bedarf über den API-Parameter aktiviert werden. Prompts und Completions können von xAI oder OpenRouter zur Verbesserung zukünftiger Modelle verwendet werden."
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast ist ein Modell von xAI mit hohem Durchsatz und niedrigen Kosten (unterstützt 2M Kontextfenster) – ideal für hochparallele und langkontextuelle Szenarien."
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) ist ein multimodales Modell von xAI mit hohem Durchsatz und niedrigen Kosten (unterstützt 2M Kontextfenster), ausgelegt für latenz- und kostensensitive Szenarien ohne interne Schlussfolgerung. Die Reasoning-Funktion kann bei Bedarf über den API-Parameter aktiviert werden. Prompts und Completions können von xAI oder OpenRouter zur Verbesserung zukünftiger Modelle verwendet werden."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "Wir freuen uns, grok-code-fast-1 zu präsentieren – ein schnelles und kosteneffizientes Inferenzmodell mit hervorragender Leistung im Bereich Agenten-Codierung."
|
||||
"description": "Grok Code Fast 1 ist ein schnelles Codierungsmodell von xAI mit gut lesbarer und engineering-tauglicher Ausgabe."
|
||||
},
|
||||
"x1": {
|
||||
"description": "Das Spark X1 Modell wird weiter verbessert und erreicht in allgemeinen Aufgaben wie Schlussfolgerungen, Textgenerierung und Sprachverständnis Ergebnisse, die mit OpenAI o1 und DeepSeek R1 vergleichbar sind, basierend auf der bereits führenden Leistung in mathematischen Aufgaben."
|
||||
@@ -3452,8 +3581,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Ein Modell für komplexe visuelle Aufgaben, das leistungsstarke Verständnis- und Analysefähigkeiten auf der Grundlage mehrerer Bilder bietet."
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 ist das Flaggschiffmodell von Z.AI mit Unterstützung für hybrides Schlussfolgern – optimiert für technische und langkontextuelle Aufgaben."
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air ist die leichte Version von GLM 4.5 – ideal für kostensensitive Szenarien bei gleichbleibender Schlussfolgerungsleistung."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "Das neueste Flaggschiffmodell von Zhipu, GLM-4.6, übertrifft seine Vorgänger deutlich in den Bereichen fortgeschrittenes Codieren, Verarbeitung langer Texte, logisches Schließen und agentenbasierte Fähigkeiten."
|
||||
"description": "GLM 4.6 ist das Flaggschiffmodell von Z.AI mit erweitertem Kontext und verbesserter Codierungsleistung."
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 ist ein speziell für Agentenanwendungen entwickeltes Basismodell mit Mixture-of-Experts-Architektur. Es ist tief optimiert für Werkzeugaufrufe, Web-Browsing, Softwareentwicklung und Frontend-Programmierung und unterstützt nahtlos die Integration in Code-Agenten wie Claude Code und Roo Code. GLM-4.5 verwendet einen hybriden Inferenzmodus und ist für komplexe Schlussfolgerungen sowie den Alltagsgebrauch geeignet."
|
||||
@@ -3475,5 +3610,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V basiert auf dem GLM-4.5-Air Basismodell, übernimmt bewährte Techniken von GLM-4.1V-Thinking und skaliert effektiv mit einer leistungsstarken MoE-Architektur mit 106 Milliarden Parametern."
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "Die automatische Routing-Funktion von ZenMux wählt basierend auf deiner Anfrage automatisch das derzeit leistungsstärkste und kosteneffizienteste Modell aus den unterstützten Optionen aus."
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) ist eine Open-Source-Plattform zur Vereinfachung der Ausführung und Integration verschiedener KI-Modelle. Mit Xinference können Sie beliebige Open-Source-LLMs, Embedding-Modelle und multimodale Modelle in der Cloud oder lokal ausführen, um leistungsstarke KI-Anwendungen zu erstellen."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux ist eine einheitliche Plattform zur Aggregation von KI-Diensten, die Schnittstellen zu führenden KI-Anbietern wie OpenAI, Anthropic und Google VertexAI unterstützt. Sie bietet flexible Routing-Funktionen, mit denen Sie mühelos zwischen verschiedenen KI-Modellen wechseln und diese verwalten können."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI konzentriert sich auf die künstliche Intelligenz-Technologie der AI 2.0-Ära und fördert aktiv die Innovation und Anwendung von 'Mensch + künstliche Intelligenz', indem sie leistungsstarke Modelle und fortschrittliche KI-Technologien einsetzt, um die Produktivität der Menschen zu steigern und technologische Befähigung zu erreichen."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Standard"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Resolution",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Seed",
|
||||
"random": "Random Seed"
|
||||
|
||||
+176
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus is Anthropic's smartest model, delivering market-leading performance on highly complex tasks. It navigates open-ended prompts and novel scenarios with exceptional fluency and human-like understanding."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku is the next generation of our fastest model. Matching the speed of Claude 3 Haiku, it improves across every skill set and surpasses our previous largest model Claude 3 Opus on many intelligence benchmarks."
|
||||
"description": "Claude 3.5 Haiku offers enhanced speed, coding accuracy, and tool usage. Ideal for scenarios requiring high performance in speed and tool interaction."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet strikes an ideal balance between intelligence and speed—especially for enterprise workloads. It delivers powerful performance at lower cost compared to peers and is designed for high durability in large-scale AI deployments."
|
||||
"description": "Claude 3.5 Sonnet is a fast and efficient model in the Sonnet family, offering improved coding and reasoning performance. Some versions will gradually be replaced by models like Sonnet 3.7."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet is the first hybrid reasoning model and Anthropic's smartest model to date. It offers state-of-the-art performance in coding, content generation, data analysis, and planning tasks, building on the software engineering and computer usage capabilities of its predecessor Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet is an upgraded model in the Sonnet series, delivering stronger reasoning and coding capabilities, suitable for complex enterprise-level tasks."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 is a high-performance, low-latency model from Anthropic that maintains high accuracy."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 is Anthropic's most powerful model yet and the world's best coding model, leading on SWE-bench (72.5%) and Terminal-bench (43.2%). It provides sustained performance for long-term tasks requiring focused effort and thousands of steps, capable of continuous operation for hours—significantly extending AI agent capabilities."
|
||||
"description": "Opus 4 is Anthropic’s flagship model, designed for complex tasks and enterprise-grade applications."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 is a plug-and-play alternative to Opus 4, delivering excellent performance and accuracy for practical coding and agent tasks. Opus 4.1 advances state-of-the-art coding performance to 74.5% on SWE-bench Verified, handling complex multi-step problems with greater rigor and attention to detail."
|
||||
"description": "Opus 4.1 is a premium model from Anthropic, optimized for programming, complex reasoning, and sustained tasks."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 significantly improves upon the industry-leading capabilities of Sonnet 3.7, excelling in coding with state-of-the-art 72.7% on SWE-bench. The model balances performance and efficiency, suitable for both internal and external use cases, and offers enhanced controllability for greater command over outcomes."
|
||||
"description": "Claude Sonnet 4 is Anthropic’s hybrid reasoning model, offering a blend of cognitive and non-cognitive capabilities."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 is Anthropic's most intelligent model to date."
|
||||
"description": "Claude Sonnet 4.5 is Anthropic’s latest hybrid reasoning model, optimized for complex reasoning and coding tasks."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B is a sparse large language model with 72 billion parameters and 16 billion activated parameters. It is based on the Group Mixture of Experts (MoGE) architecture, which groups experts during the expert selection phase and constrains tokens to activate an equal number of experts within each group, achieving expert load balancing and significantly improving deployment efficiency on the Ascend platform."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B is a large language model developed by Baidu based on a Mixture of Experts (MoE) architecture. The model has a total of 300 billion parameters, but only activates 47 billion parameters per token during inference, balancing powerful performance with computational efficiency. As a core model in the ERNIE 4.5 series, it demonstrates outstanding capabilities in text understanding, generation, reasoning, and programming tasks. The model employs an innovative multimodal heterogeneous MoE pretraining method, jointly training text and visual modalities to effectively enhance overall capabilities, especially excelling in instruction following and world knowledge retention."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview is Baidu’s next-generation native multimodal Wenxin model, excelling in multimodal understanding, instruction following, content creation, factual Q&A, and tool usage."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse is a high-performance 32B multilingual model designed to challenge the performance of single-language models through innovations in instruction tuning, data arbitrage, preference training, and model merging. It supports 23 languages."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest is a fine-tuned version of o4-mini, specifically designed for Codex CLI. For direct API usage, we recommend starting with gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B is a U.S.-based open-source large language model available for free commercial use. It offers top-tier performance, high token inference efficiency, 128k long context, and robust general capabilities."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 is Zhipu's first open-source text-to-image model supporting Chinese character generation. It offers comprehensive improvements in semantic understanding, image generation quality, and bilingual Chinese-English text generation capabilities. It supports bilingual input of any length and can generate images at any resolution within a specified range."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, a lightweight multimodal version designed for resource-constrained and high-concurrency scenarios."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 is a high-performance hybrid reasoning model from the DeepSeek team, suitable for complex tasks and tool integration."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 is a 685B parameter expert mixture model, the latest iteration in the DeepSeek team's flagship chat model series.\n\nIt inherits from the [DeepSeek V3](/deepseek/deepseek-chat-v3) model and performs excellently across various tasks."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 is a 685B parameter expert mixture model, the latest iteration in the DeepSeek team's flagship chat model series.\n\nIt inherits from the [DeepSeek V3](/deepseek/deepseek-chat-v3) model and performs excellently across various tasks."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 is a large hybrid reasoning model supporting 128K long context and efficient mode switching, delivering outstanding performance and speed in tool invocation, code generation, and complex reasoning tasks."
|
||||
"description": "DeepSeek-V3.1 is a long-context hybrid reasoning model from DeepSeek, supporting cognitive/non-cognitive hybrid modes and tool integration."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "The DeepSeek R1 model has undergone minor version upgrades, currently at DeepSeek-R1-0528. The latest update significantly enhances inference depth and capability by leveraging increased compute resources and post-training algorithmic optimizations. The model performs excellently on benchmarks in mathematics, programming, and general logic, with overall performance approaching leading models like O3 and Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 greatly improves model reasoning capabilities with minimal labeled data. Before outputting the final answer, the model first generates a chain of thought to enhance answer accuracy."
|
||||
"description": "DeepSeek R1 0528 is an updated variant from DeepSeek, focused on open-source usability and deep reasoning."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 greatly improves model reasoning capabilities with minimal labeled data. Before outputting the final answer, the model first generates a chain of thought to enhance answer accuracy."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 significantly enhances model reasoning capabilities with minimal labeled data. Before outputting the final answer, the model first provides a chain of thought to improve the accuracy of the final response."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) is an experimental reasoning model from DeepSeek, designed for high-complexity reasoning tasks."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "A fast, general-purpose large language model with enhanced reasoning capabilities."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview is Google's most advanced cognitive model, capable of reasoning through complex problems in code, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using long-context understanding."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) is Google’s image generation model, also supporting multimodal dialogue."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) is Google’s image generation model, also supporting multimodal dialogue."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro is Google's most advanced model, featuring state-of-the-art reasoning, multimodal understanding, and powerful agent capabilities with contextual awareness."
|
||||
"description": "Gemini 3 Pro is the world’s leading multimodal understanding model and Google’s most powerful agent and ambient programming model to date, offering rich visual output and deep interactivity, all built on cutting-edge reasoning capabilities."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Latest release of Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview possesses strong complex reasoning abilities, excelling in logical reasoning, mathematics, programming, and other fields."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash offers next-generation features and improvements, including exceptional speed, built-in tool usage, multimodal generation, and a 1 million token context window."
|
||||
"description": "Gemini 2.0 Flash is Google’s high-performance reasoning model, suitable for extended multimodal tasks."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash offers next-generation features and improvements, including exceptional speed, native tool usage, multimodal generation, and a 1M token context window."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite provides next-generation features and improvements, including exceptional speed, built-in tool usage, multimodal generation, and a 1 million token context window."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite is a lightweight version of the Gemini family. By default, it disables reasoning to improve latency and cost efficiency, but it can be enabled via parameters."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash is a thoughtful model delivering excellent comprehensive capabilities. It is designed to balance price and performance, supporting multimodal inputs and a 1 million token context window."
|
||||
"description": "The Gemini 2.5 Flash (Lite/Pro/Flash) series are Google’s reasoning models ranging from low-latency to high-performance."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) is Google’s image generation model, also supporting multimodal dialogue."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gemini 2.5 Flash Image Free Edition supports limited multimodal generation."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash experimental model, supporting image generation."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite is a balanced, low-latency model with configurable reasoning budget and tool connectivity (e.g., Google Search grounding and code execution). It supports multimodal inputs and offers a 1 million token context window."
|
||||
"description": "Gemini 2.5 Flash Lite is a lightweight version of Gemini 2.5, optimized for latency and cost, ideal for high-throughput scenarios."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash is Google's most advanced flagship model, designed for advanced reasoning, coding, mathematics, and scientific tasks. It includes built-in 'thinking' capabilities that allow it to provide responses with higher accuracy and detailed context handling.\n\nNote: This model has two variants: thinking and non-thinking. Output pricing varies significantly based on whether the thinking capability is activated. If you choose the standard variant (without the ':thinking' suffix), the model will explicitly avoid generating thinking tokens.\n\nTo leverage the thinking capability and receive thinking tokens, you must select the ':thinking' variant, which will incur higher thinking output pricing.\n\nAdditionally, Gemini 2.5 Flash can be configured via the 'maximum tokens for reasoning' parameter, as described in the documentation (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash is Google's most advanced flagship model, designed for advanced reasoning, coding, mathematics, and scientific tasks. It includes built-in 'thinking' capabilities that allow it to provide responses with higher accuracy and detailed context handling.\n\nNote: This model has two variants: thinking and non-thinking. Output pricing varies significantly based on whether the thinking capability is activated. If you choose the standard variant (without the ':thinking' suffix), the model will explicitly avoid generating thinking tokens.\n\nTo leverage the thinking capability and receive thinking tokens, you must select the ':thinking' variant, which will incur higher thinking output pricing.\n\nAdditionally, Gemini 2.5 Flash can be configured via the 'maximum tokens for reasoning' parameter, as described in the documentation (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro is our most advanced reasoning Gemini model, capable of solving complex problems. It features a 2 million token context window and supports multimodal inputs including text, images, audio, video, and PDF documents."
|
||||
"description": "Gemini 2.5 Pro is Google’s flagship reasoning model, supporting long context and complex tasks."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gemini 2.5 Pro Free Edition supports limited multimodal long-context usage, ideal for trials and lightweight workflows."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview is Google's most advanced thinking model, capable of reasoning through complex problems in code, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using extended context."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gemini 3 Pro Image Free Edition supports limited multimodal generation."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro is the next-generation multimodal reasoning model in the Gemini series, capable of understanding text, audio, images, and video, and handling complex tasks and large codebases."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gemini 3 Pro Free Preview offers the same multimodal understanding and reasoning capabilities as the standard version, but with usage and rate limitations, making it more suitable for exploration and low-frequency use."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "A state-of-the-art embedding model delivering excellent performance on English, multilingual, and code tasks."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small is ideal for code generation, debugging, and refactoring tasks, offering minimal latency."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T is the first flagship non-thinking model in the 'Ling 2.0' series, featuring 1 trillion total parameters and approximately 50 billion active parameters per token. Built on the Ling 2.0 architecture, Ling-1T aims to push the boundaries of efficient reasoning and scalable cognition. Ling-1T-base is trained on over 20 trillion high-quality, reasoning-intensive tokens."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 is the third model in the Ling 2.0 architecture series released by Ant Group's Bailing team. It is a mixture-of-experts (MoE) model with a total of 100 billion parameters, but activates only 6.1 billion parameters per token (4.8 billion non-embedding). As a lightweight configuration model, Ling-flash-2.0 demonstrates performance comparable to or surpassing 40-billion-parameter dense models and larger MoE models across multiple authoritative benchmarks. The model aims to explore efficient pathways under the consensus that \"large models equal large parameters\" through extreme architectural design and training strategies."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 is a small-sized, high-performance large language model based on the MoE architecture. It has 16 billion total parameters but activates only 1.4 billion per token (789 million non-embedding), achieving extremely high generation speed. Thanks to the efficient MoE design and large-scale high-quality training data, despite activating only 1.4 billion parameters, Ling-mini-2.0 still delivers top-tier performance comparable to dense LLMs under 10 billion parameters and larger MoE models on downstream tasks."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T is a trillion-parameter open-source cognitive model released by the Bailing team. It is trained on the Ling 2.0 architecture and the Ling-1T-base model, with 1 trillion total parameters and 50 billion active parameters. It supports context windows up to 128K and is optimized through large-scale verifiable reward reinforcement learning."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 is a high-performance reasoning model deeply optimized based on Ling-flash-2.0-base. It employs a mixture-of-experts (MoE) architecture with a total of 100 billion parameters but activates only 6.1 billion parameters per inference. The model uses the proprietary icepop algorithm to solve the instability issues of MoE large models during reinforcement learning (RL) training, enabling continuous improvement of complex reasoning capabilities over long training cycles. Ring-flash-2.0 has achieved significant breakthroughs in challenging benchmarks such as math competitions, code generation, and logical reasoning. Its performance not only surpasses top dense models under 40 billion parameters but also rivals larger open-source MoE models and closed-source high-performance reasoning models. Although focused on complex reasoning, it also performs well in creative writing tasks. Additionally, thanks to its efficient architecture, Ring-flash-2.0 delivers strong performance with high-speed inference, significantly reducing deployment costs for reasoning models in high-concurrency scenarios."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T is inclusionAI’s 1T MoE large model, optimized for high-intensity reasoning tasks and large-scale context."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 is inclusionAI’s MoE model, optimized for efficiency and reasoning performance, suitable for medium to large-scale tasks."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 is a lightweight MoE model from inclusionAI, significantly reducing cost while maintaining reasoning capabilities."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview is inclusionAI’s multimodal model supporting voice, image, and video input, with enhanced image rendering and speech recognition capabilities."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T is inclusionAI’s trillion-parameter MoE reasoning model, designed for large-scale reasoning and research tasks."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 is a high-throughput variant of the Ring model from inclusionAI, emphasizing speed and cost efficiency."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 is a high-throughput, lightweight MoE version from inclusionAI, primarily used in concurrent scenarios."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 offers intelligent dialogue solutions across multiple scenarios."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, the official Kimi inference model supporting long context, code, Q&A, and more."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 Long Thinking Model supports 256k context, multi-step tool usage, and deep reasoning, excelling at solving complex problems."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "The high-speed version of the K2 Long Thinking Model supports 256k context and deep reasoning, with output speeds of 60–100 tokens per second."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "Kimi-K2 is a Mixture-of-Experts (MoE) foundation model with exceptional coding and agent capabilities, featuring 1T total parameters and 32B activated parameters. In benchmark evaluations across core categories — general knowledge reasoning, programming, mathematics, and agent tasks — the K2 model outperforms other leading open-source models."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "kimi-thinking-preview is a multimodal thinking model provided by Dark Side of the Moon, featuring multimodal and general reasoning abilities. It excels at deep reasoning to help solve more complex and challenging problems."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (limited-time free) focuses on code understanding and automated programming, designed for efficient coding agent tasks."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM is an experimental, task-specific language model trained to align with learning science principles, capable of following systematic instructions in teaching and learning scenarios, acting as an expert tutor, among other roles."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 is a high-efficiency large language model built for coding and agent-based workflows."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Purpose-built for efficient coding and agent workflows."
|
||||
"description": "MiniMax-M2 is a cost-effective model with strong performance in coding and agent tasks, suitable for various engineering scenarios."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 is a compact, fast, and cost-efficient Mixture of Experts (MoE) model with 230 billion total parameters and 10 billion active parameters. It is engineered for top performance in coding and agent tasks while maintaining robust general intelligence. Excelling in multi-file editing, code-run-debug loops, test validation and repair, and complex long-chain tool integrations, it is an ideal choice for developer workflows."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 is a large-scale Mixture of Experts (MoE) language model developed by Moonshot AI, with a total of 1 trillion parameters and 32 billion active parameters per forward pass. It is optimized for agent capabilities, including advanced tool use, reasoning, and code synthesis."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 is the Instruct version of the Kimi series, ideal for high-quality coding and tool usage scenarios."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "The kimi-k2-0905-preview model has a context length of 256k, featuring stronger Agentic Coding capabilities, more outstanding aesthetics and practicality of frontend code, and better context understanding."
|
||||
"description": "Kimi K2 0905 is the September 5th update of the Kimi series, with expanded context and improved reasoning and coding performance."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "The kimi-k2-0905-preview model has a context length of 256k, featuring stronger Agentic Coding capabilities, more outstanding aesthetics and practicality of frontend code, and better context understanding."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking is Moonshot’s optimized model for deep reasoning tasks, equipped with general agent capabilities."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo is the high-speed version of Kimi K2 Thinking, maintaining deep reasoning capabilities while significantly reducing response latency."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph offers a specialized AI model that applies code changes suggested by cutting-edge models like Claude or GPT-4o to your existing code files FAST - 4500+ tokens/second. It acts as the final step in the AI coding workflow. Supports 16k input tokens and 16k output tokens."
|
||||
},
|
||||
@@ -2703,28 +2778,49 @@
|
||||
"description": "OpenAI's gpt-4-turbo features broad general knowledge and domain expertise, enabling it to follow complex natural language instructions and accurately solve difficult problems. Its knowledge cutoff is April 2023, with a 128,000 token context window."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 is OpenAI's flagship model, suited for complex tasks. It excels at cross-domain problem solving."
|
||||
"description": "The GPT-4.1 series offers extended context and enhanced engineering and reasoning capabilities."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini balances intelligence, speed, and cost, making it an attractive model for many use cases."
|
||||
"description": "GPT-4.1 Mini provides lower latency and better cost-efficiency, suitable for medium-context scenarios."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano is the fastest and most cost-effective GPT 4.1 model."
|
||||
"description": "GPT-4.1 Nano is a low-cost, low-latency option ideal for high-frequency short conversations or classification tasks."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o from OpenAI has broad general knowledge and domain expertise, capable of following complex natural language instructions and accurately solving challenging problems. It matches GPT-4 Turbo's performance with a faster, cheaper API."
|
||||
"description": "The GPT-4o series is OpenAI’s Omni model, supporting text + image input and text output."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini from OpenAI is their most advanced and cost-effective small model. It is multimodal (accepting text or image inputs and outputting text) and more intelligent than gpt-3.5-turbo, while maintaining similar speed."
|
||||
"description": "GPT-4o-mini is a fast, compact version of GPT-4o, suitable for low-latency multimodal scenarios."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 is OpenAI's flagship language model, excelling in complex reasoning, extensive real-world knowledge, code-intensive, and multi-step agent tasks."
|
||||
"description": "GPT-5 is OpenAI’s high-performance model, suitable for a wide range of production and research tasks."
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat is a GPT-5 variant optimized for conversational scenarios, reducing latency to enhance interaction."
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex is a GPT-5 variant further optimized for coding tasks, ideal for large-scale code workflows."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini is a cost-optimized model performing well on reasoning/chat tasks. It offers the best balance of speed, cost, and capability."
|
||||
"description": "GPT-5 Mini is a compact version of the GPT-5 family, suitable for low-latency, low-cost scenarios."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano is a high-throughput model excelling at simple instruction or classification tasks."
|
||||
"description": "GPT-5 Nano is the ultra-compact version in the family, ideal for scenarios with strict cost and latency requirements."
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro is OpenAI’s flagship model, offering advanced reasoning, code generation, and enterprise-grade features, with support for test-time routing and stricter safety policies."
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 is the latest flagship model in the GPT-5 series, significantly improved in general reasoning, instruction following, and conversational naturalness, suitable for a wide range of tasks."
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat is a lightweight member of the GPT-5.1 family, optimized for low-latency conversations while retaining strong reasoning and instruction execution capabilities."
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex is a GPT-5.1 variant optimized for software engineering and coding workflows, ideal for large-scale refactoring, complex debugging, and long-term autonomous coding tasks."
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini is a smaller, faster version of GPT-5.1-Codex, better suited for latency- and cost-sensitive coding scenarios."
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "An extremely capable general-purpose large language model with powerful, controllable reasoning abilities."
|
||||
@@ -2751,7 +2847,7 @@
|
||||
"description": "O3-mini high inference level version provides high intelligence at the same cost and latency targets as o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "OpenAI's o4-mini offers fast, cost-effective reasoning with excellent performance for its size, especially in mathematics (best in AIME benchmark), coding, and visual tasks."
|
||||
"description": "OpenAI o4-mini is a compact and efficient reasoning model from OpenAI, ideal for low-latency scenarios."
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini high inference level version, optimized for fast and efficient inference, demonstrating high efficiency and performance in coding and visual tasks."
|
||||
@@ -2955,7 +3051,7 @@
|
||||
"description": "A powerful medium-sized code model supporting 32K context length, proficient in multilingual programming."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B is a dense 14.8 billion parameter causal language model in the Qwen3 series, designed for complex reasoning and efficient dialogue. It supports seamless switching between a 'thinking' mode for tasks such as mathematics, programming, and logical reasoning, and a 'non-thinking' mode for general conversation. This model is fine-tuned for instruction following, agent tool usage, creative writing, and multilingual tasks across more than 100 languages and dialects. It natively handles a 32K token context and can be extended to 131K tokens using YaRN."
|
||||
"description": "Qwen3-14B is the 14B version in the Qwen series, suitable for general reasoning and dialogue tasks."
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B is a dense 14.8 billion parameter causal language model in the Qwen3 series, designed for complex reasoning and efficient dialogue. It supports seamless switching between a 'thinking' mode for tasks such as mathematics, programming, and logical reasoning, and a 'non-thinking' mode for general conversation. This model is fine-tuned for instruction following, agent tool usage, creative writing, and multilingual tasks across more than 100 languages and dialects. It natively handles a 32K token context and can be extended to 131K tokens using YaRN."
|
||||
@@ -2963,6 +3059,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B is a 235 billion parameter mixture of experts (MoE) model developed by Qwen, activating 22 billion parameters per forward pass. It supports seamless switching between a 'thinking' mode for complex reasoning, mathematics, and coding tasks, and a 'non-thinking' mode for general conversational efficiency. This model showcases strong reasoning capabilities, multilingual support (over 100 languages and dialects), advanced instruction following, and agent tool invocation capabilities. It natively handles a 32K token context window and can be extended to 131K tokens using YaRN."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 is an Instruct version in the Qwen3 series, supporting multilingual instructions and long-context scenarios."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 is a Thinking variant of Qwen3, enhanced for complex math and reasoning tasks."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B is a 235 billion parameter mixture of experts (MoE) model developed by Qwen, activating 22 billion parameters per forward pass. It supports seamless switching between a 'thinking' mode for complex reasoning, mathematics, and coding tasks, and a 'non-thinking' mode for general conversational efficiency. This model showcases strong reasoning capabilities, multilingual support (over 100 languages and dialects), advanced instruction following, and agent tool invocation capabilities. It natively handles a 32K token context window and can be extended to 131K tokens using YaRN."
|
||||
},
|
||||
@@ -2981,6 +3083,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B is a dense 8.2 billion parameter causal language model in the Qwen3 series, designed for reasoning-intensive tasks and efficient dialogue. It supports seamless switching between a 'thinking' mode for mathematics, coding, and logical reasoning, and a 'non-thinking' mode for general conversation. This model is fine-tuned for instruction following, agent integration, creative writing, and multilingual use across more than 100 languages and dialects. It natively supports a 32K token context window and can be extended to 131K tokens via YaRN."
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder is the code generation family in Qwen3, excelling at understanding and generating code within long documents."
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus is a specially optimized coding agent model in the Qwen series, supporting more complex tool usage and long-term conversations."
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max is a high-end reasoning model in the Qwen3 series, suitable for multilingual reasoning and tool integration."
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max (preview) is the preview version of the Max model in the Qwen series, designed for advanced reasoning and tool integration."
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus is a vision-enhanced version of Qwen3, improving multimodal reasoning and video processing capabilities."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 is Alibaba's next-generation large-scale language model, supporting diverse application needs with excellent performance."
|
||||
},
|
||||
@@ -3275,9 +3392,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "This model is a powerful reasoning model with strong image understanding capabilities, able to process both image and text information, generating text content after deep reasoning. It excels in visual reasoning while also possessing first-tier capabilities in mathematics, coding, and text reasoning. The context length is 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 is a multimodal model developed by StepStar, offering advanced visual understanding capabilities."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 is a cutting-edge multimodal reasoning model released by StepFun. It is built on a mixture-of-experts (MoE) architecture with 321B total parameters and 38B active parameters. The model adopts an end-to-end design to minimize decoding cost while delivering top-tier performance in visual-language reasoning. Through the combined design of Multi-Matrix Factorized Attention (MFA) and Attention-FFN Decoupling (AFD), Step3 maintains exceptional efficiency on both high-end and low-end accelerators. During pretraining, Step3 processed over 20 trillion text tokens and 4 trillion image-text mixed tokens, covering more than a dozen languages. The model achieves leading performance among open-source models across benchmarks in mathematics, code, and multimodal tasks."
|
||||
},
|
||||
@@ -3359,6 +3473,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "Access the model behind v0 to generate, fix, and optimize modern web applications, with framework-specific reasoning and up-to-date knowledge."
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code is a large model from ByteDance Volcano Engine optimized for Agentic Programming, excelling in various programming and agent benchmarks, supporting 256K context."
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "Wanxiang 2.2 Flash version, the latest model currently available. Fully upgraded in creativity, stability, and realism, with fast generation speed and high cost-effectiveness."
|
||||
},
|
||||
@@ -3386,11 +3503,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 is a language model provided by Microsoft AI, excelling in complex dialogues, multilingual capabilities, reasoning, and intelligent assistant applications."
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 is xAI’s flagship reasoning model, offering powerful reasoning and multimodal capabilities."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "We’re excited to introduce Grok 4 Fast, our latest advancement in cost-effective reasoning models."
|
||||
"description": "Grok 4 Fast is xAI’s high-throughput, low-cost model (supports 2M context window), ideal for high-concurrency and long-context scenarios."
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) is xAI’s high-throughput, low-cost multimodal model (supports 2M context window), designed for latency- and cost-sensitive scenarios that do not require internal reasoning. It runs alongside the reasoning version of Grok 4 Fast and can enable reasoning via the API’s reasoning enable parameter. Prompts and completions may be used by xAI or OpenRouter to improve future models."
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast is xAI’s high-throughput, low-cost model (supports 2M context window), ideal for high-concurrency and long-context scenarios."
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) is xAI’s high-throughput, low-cost multimodal model (supports 2M context window), designed for latency- and cost-sensitive scenarios that do not require internal reasoning. It runs alongside the reasoning version of Grok 4 Fast and can enable reasoning via the API’s reasoning enable parameter. Prompts and completions may be used by xAI or OpenRouter to improve future models."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "We’re proud to launch grok-code-fast-1, a fast and cost-efficient reasoning model that excels in agent-based coding tasks."
|
||||
"description": "Grok Code Fast 1 is xAI’s fast code model, delivering readable and production-ready output."
|
||||
},
|
||||
"x1": {
|
||||
"description": "The Spark X1 model will undergo further upgrades, achieving results in reasoning, text generation, and language understanding tasks that match OpenAI o1 and DeepSeek R1, building on its leading position in domestic mathematical tasks."
|
||||
@@ -3452,8 +3581,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "A complex visual task model that provides high-performance understanding and analysis capabilities based on multiple images."
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 is Z.AI’s flagship model, supporting hybrid reasoning and optimized for engineering and long-context tasks."
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air is a lightweight version of GLM 4.5, suitable for cost-sensitive scenarios while retaining strong reasoning capabilities."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6, the latest flagship model from Zhipu AI, delivers significant improvements over its predecessor in advanced coding, long-form text processing, reasoning, and agent capabilities."
|
||||
"description": "GLM 4.6 is Z.AI’s flagship model, with extended context length and enhanced coding capabilities."
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 is a foundational model designed specifically for agent applications, using a Mixture-of-Experts (MoE) architecture. It is deeply optimized for tool invocation, web browsing, software engineering, and front-end programming, supporting seamless integration with code agents like Claude Code and Roo Code. GLM-4.5 employs a hybrid inference mode, adaptable to complex reasoning and everyday use scenarios."
|
||||
@@ -3475,5 +3610,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V is built on the GLM-4.5-Air foundational model, inheriting the proven techniques of GLM-4.1V-Thinking while achieving efficient scaling through a powerful 106 billion parameter MoE architecture."
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "ZenMux’s auto-routing feature automatically selects the best-performing and most cost-effective model from supported options based on your request."
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) is an open-source platform designed to simplify the deployment and integration of diverse AI models. With Xinference, you can leverage any open-source LLM, embedding model, or multimodal model to perform inference in cloud or on-premises environments, enabling the creation of powerful AI applications."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux is a unified AI service aggregation platform that supports a variety of mainstream AI service interfaces, including OpenAI, Anthropic, and Google VertexAI. It offers flexible routing capabilities, allowing you to easily switch between and manage different AI models."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI focuses on AI 2.0 era technologies, vigorously promoting the innovation and application of 'human + artificial intelligence', using powerful models and advanced AI technologies to enhance human productivity and achieve technological empowerment."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Estándar"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Resolución",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Semilla",
|
||||
"random": "Semilla aleatoria"
|
||||
|
||||
+176
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus es el modelo más inteligente de Anthropic, con un rendimiento líder en el mercado en tareas altamente complejas. Navega indicaciones abiertas y escenarios inéditos con fluidez excepcional y comprensión humana."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku es la siguiente generación de nuestro modelo más rápido. Con una velocidad similar a Claude 3 Haiku, Claude 3.5 Haiku mejora en cada conjunto de habilidades y supera a nuestro modelo más grande anterior, Claude 3 Opus, en muchas pruebas de referencia de inteligencia."
|
||||
"description": "Claude 3.5 Haiku ofrece capacidades mejoradas en velocidad, precisión de codificación y uso de herramientas. Ideal para escenarios con altas exigencias de velocidad e interacción con herramientas."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet logra un equilibrio ideal entre inteligencia y velocidad, especialmente para cargas de trabajo empresariales. Ofrece un rendimiento potente a menor costo en comparación con productos similares y está diseñado para alta durabilidad en implementaciones de IA a gran escala."
|
||||
"description": "Claude 3.5 Sonnet es un modelo rápido y eficiente de la familia Sonnet, con mejor rendimiento en codificación y razonamiento. Algunas versiones serán reemplazadas gradualmente por Sonnet 3.7 y otros."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet es el primer modelo de razonamiento híbrido y el más inteligente de Anthropic hasta la fecha. Ofrece un rendimiento de vanguardia en codificación, generación de contenido, análisis de datos y tareas de planificación, construido sobre las capacidades de ingeniería de software y computación de su predecesor Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet es una versión mejorada de la serie Sonnet, con capacidades superiores de razonamiento y codificación, ideal para tareas empresariales complejas."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 es un modelo rápido y de alto rendimiento de Anthropic, que mantiene una alta precisión con una latencia extremadamente baja."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 es el modelo más potente de Anthropic y el mejor modelo de codificación del mundo, liderando en SWE-bench (72.5%) y Terminal-bench (43.2%). Proporciona rendimiento sostenido para tareas a largo plazo que requieren esfuerzo concentrado y miles de pasos, capaz de trabajar continuamente durante horas, ampliando significativamente las capacidades de los agentes de IA."
|
||||
"description": "Opus 4 es el modelo insignia de Anthropic, diseñado para tareas complejas y aplicaciones empresariales."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 es una alternativa plug-and-play a Opus 4, que ofrece un rendimiento y precisión excepcionales para tareas prácticas de codificación y agentes. Eleva el rendimiento de codificación de vanguardia a un 74.5% verificado en SWE-bench y maneja problemas complejos de múltiples pasos con mayor rigor y atención al detalle."
|
||||
"description": "Opus 4.1 es un modelo avanzado de Anthropic, optimizado para programación, razonamiento complejo y tareas continuas."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 mejora significativamente las capacidades líderes de Sonnet 3.7, destacándose en codificación con un rendimiento de vanguardia del 72.7% en SWE-bench. El modelo equilibra rendimiento y eficiencia, adecuado para casos de uso internos y externos, y ofrece mayor control mediante una mejor capacidad de control."
|
||||
"description": "Claude Sonnet 4 es una versión de razonamiento híbrido de Anthropic, que combina capacidades de pensamiento y no pensamiento."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 es el modelo más inteligente de Anthropic hasta la fecha."
|
||||
"description": "Claude Sonnet 4.5 es el último modelo de razonamiento híbrido de Anthropic, optimizado para razonamiento complejo y codificación."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B es un modelo de lenguaje grande disperso con 72 mil millones de parámetros y 16 mil millones de parámetros activados. Está basado en la arquitectura de expertos mixtos agrupados (MoGE), que agrupa expertos durante la selección y restringe la activación de un número igual de expertos por grupo para cada token, logrando un balance de carga entre expertos y mejorando significativamente la eficiencia de despliegue en la plataforma Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B es un modelo de lenguaje grande desarrollado por Baidu basado en la arquitectura de expertos mixtos (MoE). Cuenta con un total de 300 mil millones de parámetros, pero durante la inferencia solo activa 47 mil millones por token, equilibrando un rendimiento potente con eficiencia computacional. Como uno de los modelos centrales de la serie ERNIE 4.5, destaca en tareas de comprensión, generación, razonamiento y programación de texto. Emplea un innovador método de preentrenamiento multimodal heterogéneo MoE, que combina entrenamiento conjunto de texto y visión, mejorando la capacidad integral del modelo, especialmente en el seguimiento de instrucciones y la memoria de conocimientos del mundo."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview es el nuevo modelo multimodal nativo de Baidu, especializado en comprensión multimodal, seguimiento de instrucciones, creación, preguntas y respuestas basadas en hechos y uso de herramientas."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse es un modelo multilingüe de alto rendimiento de 32B, diseñado para desafiar el rendimiento de los modelos monolingües a través de innovaciones en ajuste por instrucciones, arbitraje de datos, entrenamiento de preferencias y fusión de modelos. Soporta 23 idiomas."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest es una versión ajustada de o4-mini, diseñada específicamente para Codex CLI. Para uso directo a través de la API, recomendamos comenzar con gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B es un modelo de lenguaje grande de código abierto estadounidense con licencia comercial gratuita. Ofrece un rendimiento comparable a los mejores modelos, mayor eficiencia de inferencia por token, contexto largo de 128k y potentes capacidades generales."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 es el primer modelo de generación de imágenes a partir de texto de código abierto de Zhipu que admite la generación de caracteres chinos. Ofrece mejoras integrales en la comprensión semántica, la calidad de generación de imágenes y la capacidad de generar texto en chino e inglés. Soporta entradas bilingües en chino e inglés de cualquier longitud y puede generar imágenes en cualquier resolución dentro del rango especificado."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, versión multimodal ligera, adecuada para entornos con recursos limitados y escenarios de alta concurrencia."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 es un modelo de razonamiento híbrido de alto rendimiento del equipo DeepSeek, adecuado para tareas complejas e integración con herramientas."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 es un modelo experto de mezcla de 685B parámetros, la última iteración de la serie de modelos de chat insignia del equipo de DeepSeek.\n\nHereda el modelo [DeepSeek V3](/deepseek/deepseek-chat-v3) y se desempeña excepcionalmente en diversas tareas."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 es un modelo experto de mezcla de 685B parámetros, la última iteración de la serie de modelos de chat insignia del equipo de DeepSeek.\n\nHereda el modelo [DeepSeek V3](/deepseek/deepseek-chat-v3) y se desempeña excepcionalmente en diversas tareas."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 es un modelo híbrido de razonamiento grande que soporta contexto largo de 128K y cambio eficiente de modos, logrando un rendimiento y velocidad sobresalientes en llamadas a herramientas, generación de código y tareas complejas de razonamiento."
|
||||
"description": "DeepSeek-V3.1 es un modelo de razonamiento híbrido con contexto largo de DeepSeek, compatible con modos de pensamiento/no pensamiento e integración de herramientas."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "El modelo DeepSeek R1 ha recibido una actualización menor, actualmente en la versión DeepSeek-R1-0528. En la última actualización, DeepSeek R1 mejora significativamente la profundidad y capacidad de razonamiento al aprovechar recursos computacionales aumentados y mecanismos de optimización algorítmica post-entrenamiento. El modelo destaca en evaluaciones de referencia en matemáticas, programación y lógica general, acercándose al rendimiento de modelos líderes como O3 y Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 mejora enormemente la capacidad de razonamiento del modelo con muy pocos datos etiquetados. Antes de generar la respuesta final, el modelo produce una cadena de pensamiento para aumentar la precisión de la respuesta."
|
||||
"description": "DeepSeek R1 0528 es una variante actualizada de DeepSeek, centrada en la disponibilidad de código abierto y profundidad de razonamiento."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 mejora enormemente la capacidad de razonamiento del modelo con muy pocos datos etiquetados. Antes de generar la respuesta final, el modelo produce una cadena de pensamiento para aumentar la precisión de la respuesta."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 mejora significativamente la capacidad de razonamiento del modelo con muy pocos datos etiquetados. Antes de proporcionar la respuesta final, el modelo genera una cadena de pensamiento para mejorar la precisión de la respuesta final."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) es un modelo experimental de razonamiento de DeepSeek, diseñado para tareas de razonamiento de alta complejidad."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Modelo de lenguaje grande universal rápido con capacidades de razonamiento mejoradas."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y áreas STEM, así como analizar grandes conjuntos de datos, bases de código y documentos utilizando contextos extensos."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) es el modelo de generación de imágenes de Google, compatible con diálogos multimodales."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) es el modelo de generación de imágenes de Google, compatible con diálogos multimodales."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro es el modelo más inteligente de Google, con razonamiento de última generación, comprensión multimodal y potentes capacidades de agente y codificación contextual."
|
||||
"description": "Gemini 3 Pro es el mejor modelo de comprensión multimodal del mundo, y el agente más potente de Google hasta la fecha. Ofrece efectos visuales más ricos e interacciones más profundas, todo basado en capacidades de razonamiento de vanguardia."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Última versión de Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview posee una poderosa capacidad de razonamiento complejo, destacándose en áreas como razonamiento lógico, matemáticas y programación."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash ofrece funcionalidades de próxima generación y mejoras, incluyendo velocidad sobresaliente, uso integrado de herramientas, generación multimodal y una ventana de contexto de 1 millón de tokens."
|
||||
"description": "Gemini 2.0 Flash es un modelo de razonamiento de alto rendimiento de Google, adecuado para tareas multimodales extendidas."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash ofrece funciones y mejoras de próxima generación, incluyendo velocidad excepcional, uso de herramientas nativas, generación multimodal y una ventana de contexto de 1M tokens."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite ofrece funcionalidades de próxima generación y mejoras, incluyendo velocidad sobresaliente, uso integrado de herramientas, generación multimodal y una ventana de contexto de 1 millón de tokens."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite es la versión ligera de la familia Gemini. Por defecto, el razonamiento está desactivado para mejorar la latencia y el coste, pero puede activarse mediante parámetros."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash es un modelo de pensamiento que ofrece capacidades integrales sobresalientes. Está diseñado para equilibrar precio y rendimiento, soportando multimodalidad y una ventana de contexto de 1 millón de tokens."
|
||||
"description": "La serie Gemini 2.5 Flash (Lite/Pro/Flash) son modelos de razonamiento de Google que van desde baja latencia hasta alto rendimiento."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) es el modelo de generación de imágenes de Google, compatible con diálogos multimodales."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Versión gratuita de Gemini 2.5 Flash Image, compatible con generación multimodal con cuota limitada."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Modelo experimental Gemini 2.5 Flash, compatible con generación de imágenes."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite es un modelo equilibrado y de baja latencia, con presupuesto de pensamiento configurable y conectividad de herramientas (por ejemplo, búsqueda de Google y ejecución de código). Soporta entradas multimodales y ofrece una ventana de contexto de 1 millón de tokens."
|
||||
"description": "Gemini 2.5 Flash Lite es la versión ligera de Gemini 2.5, optimizada para latencia y coste, ideal para escenarios de alto rendimiento."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash es el modelo principal más avanzado de Google, diseñado para razonamiento avanzado, codificación, matemáticas y tareas científicas. Incluye la capacidad de 'pensar' incorporada, lo que le permite proporcionar respuestas con mayor precisión y un manejo más detallado del contexto.\n\nNota: Este modelo tiene dos variantes: con pensamiento y sin pensamiento. La fijación de precios de salida varía significativamente según si la capacidad de pensamiento está activada. Si elige la variante estándar (sin el sufijo ':thinking'), el modelo evitará explícitamente generar tokens de pensamiento.\n\nPara aprovechar la capacidad de pensamiento y recibir tokens de pensamiento, debe elegir la variante ':thinking', lo que resultará en un precio de salida de pensamiento más alto.\n\nAdemás, Gemini 2.5 Flash se puede configurar a través del parámetro 'número máximo de tokens de razonamiento', como se describe en la documentación (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash es el modelo principal más avanzado de Google, diseñado para razonamiento avanzado, codificación, matemáticas y tareas científicas. Incluye la capacidad de 'pensar' incorporada, lo que le permite proporcionar respuestas con mayor precisión y un manejo más detallado del contexto.\n\nNota: Este modelo tiene dos variantes: con pensamiento y sin pensamiento. La fijación de precios de salida varía significativamente según si la capacidad de pensamiento está activada. Si elige la variante estándar (sin el sufijo ':thinking'), el modelo evitará explícitamente generar tokens de pensamiento.\n\nPara aprovechar la capacidad de pensamiento y recibir tokens de pensamiento, debe elegir la variante ':thinking', lo que resultará en un precio de salida de pensamiento más alto.\n\nAdemás, Gemini 2.5 Flash se puede configurar a través del parámetro 'número máximo de tokens de razonamiento', como se describe en la documentación (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro es nuestro modelo Gemini de inferencia más avanzado, capaz de resolver problemas complejos. Cuenta con una ventana de contexto de 2 millones de tokens y soporta entradas multimodales, incluyendo texto, imágenes, audio, video y documentos PDF."
|
||||
"description": "Gemini 2.5 Pro es el modelo de razonamiento insignia de Google, compatible con contexto largo y tareas complejas."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Versión gratuita de Gemini 2.5 Pro, compatible con contexto largo multimodal con cuota limitada, ideal para pruebas y flujos de trabajo ligeros."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y áreas STEM, así como de analizar grandes conjuntos de datos, bases de código y documentos utilizando contextos extensos."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Versión gratuita de Gemini 3 Pro Image, compatible con generación multimodal con cuota limitada."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro es la próxima generación de modelos de razonamiento multimodal de la serie Gemini, capaz de comprender texto, audio, imágenes, vídeo y más, y manejar tareas complejas y grandes bases de código."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Versión de vista previa gratuita de Gemini 3 Pro, con las mismas capacidades de comprensión y razonamiento multimodal que la versión estándar, pero con limitaciones de cuota y velocidad. Más adecuada para pruebas y uso ocasional."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Modelo de incrustaciones de última generación con rendimiento sobresaliente en tareas en inglés, multilingües y de código."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small es la opción ideal para tareas de generación, depuración y refactorización de código, con latencia mínima."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T es el primer modelo insignia sin razonamiento de la serie \"Ling 2.0\", con un total de un billón de parámetros y aproximadamente 50 mil millones de parámetros activos por token. Construido sobre la arquitectura Ling 2.0, Ling-1T está diseñado para superar los límites del razonamiento eficiente y la cognición escalable. Ling-1T-base ha sido entrenado con más de 20 billones de tokens de alta calidad y con alta densidad de razonamiento."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 es el tercer modelo de la serie Ling 2.0 basado en la arquitectura MoE, lanzado por el equipo Bailing de Ant Group. Cuenta con 100 mil millones de parámetros totales, pero solo activa 6.1 mil millones por token (4.8 mil millones sin incluir embeddings). Como un modelo de configuración ligera, Ling-flash-2.0 demuestra en múltiples evaluaciones oficiales un rendimiento comparable o superior a modelos densos de 40 mil millones y a modelos MoE de mayor escala. Este modelo busca explorar caminos eficientes bajo el consenso de que un modelo grande equivale a muchos parámetros, mediante un diseño arquitectónico y estrategias de entrenamiento extremas."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 es un modelo de lenguaje grande de alto rendimiento y tamaño reducido basado en arquitectura MoE. Cuenta con 16 mil millones de parámetros totales, pero solo activa 1.4 mil millones por token (789 millones sin incluir embeddings), logrando una velocidad de generación muy alta. Gracias a un diseño MoE eficiente y a un entrenamiento masivo con datos de alta calidad, Ling-mini-2.0 ofrece un rendimiento de primer nivel en tareas downstream, comparable a modelos densos de menos de 10 mil millones y a modelos MoE de mayor escala."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T es un modelo de pensamiento de código abierto a escala de un billón de parámetros, lanzado por el equipo Bailing. Basado en la arquitectura Ling 2.0 y el modelo base Ling-1T, cuenta con un total de un billón de parámetros y 50 mil millones de parámetros activos, y admite una ventana de contexto de hasta 128K. El modelo ha sido optimizado mediante aprendizaje por refuerzo con recompensas verificables a gran escala."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 es un modelo de pensamiento de alto rendimiento profundamente optimizado basado en Ling-flash-2.0-base. Utiliza arquitectura MoE con 100 mil millones de parámetros totales, pero solo activa 6.1 mil millones en cada inferencia. Gracias al algoritmo innovador icepop, resuelve la inestabilidad de los grandes modelos MoE en entrenamiento por refuerzo (RL), mejorando continuamente su capacidad de razonamiento complejo en entrenamientos prolongados. Ring-flash-2.0 ha logrado avances significativos en competencias matemáticas, generación de código y razonamiento lógico, superando modelos densos de hasta 40 mil millones de parámetros y equiparándose a modelos MoE de mayor escala y modelos de pensamiento de alto rendimiento cerrados. Aunque está enfocado en razonamiento complejo, también destaca en tareas creativas de escritura. Además, su diseño eficiente permite un rendimiento rápido y reduce significativamente los costos de despliegue en escenarios de alta concurrencia."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T es el modelo MoE de 1T de inclusionAI, optimizado para tareas de razonamiento intensivo y contexto a gran escala."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 es un modelo MoE de inclusionAI, optimizado en eficiencia y rendimiento de razonamiento, adecuado para tareas medianas y grandes."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 es un modelo MoE ligero de inclusionAI, que reduce significativamente los costes manteniendo la capacidad de razonamiento."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview es un modelo multimodal de inclusionAI, compatible con entradas de voz, imagen y vídeo, optimizado para renderizado de imágenes y reconocimiento de voz."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T es el modelo MoE de un billón de parámetros de inclusionAI, diseñado para razonamiento a gran escala y tareas de investigación."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 es una variante del modelo Ring de inclusionAI para escenarios de alto rendimiento, centrado en velocidad y eficiencia de costes."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 es la versión ligera de alto rendimiento del modelo MoE de inclusionAI, diseñada principalmente para escenarios concurrentes."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 ofrece soluciones de diálogo inteligente en múltiples escenarios."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, modelo de inferencia oficial de Kimi, compatible con contexto largo, código, preguntas y respuestas, entre otros escenarios."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "Modelo de pensamiento K2 con contexto de 256k, compatible con llamadas de herramientas en múltiples pasos y razonamiento, especializado en resolver problemas complejos."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Versión rápida del modelo de pensamiento K2, compatible con contexto de 256k, especializado en razonamiento profundo, con velocidad de salida de 60-100 tokens por segundo."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 es un modelo base con arquitectura MoE que ofrece potentes capacidades para código y agentes, con 1T parámetros totales y 32B parámetros activados. En las pruebas de referencia en categorías principales como razonamiento de conocimiento general, programación, matemáticas y agentes, el rendimiento del modelo K2 supera al de otros modelos de código abierto más extendidos."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "El modelo kimi-thinking-preview, proporcionado por la cara oculta de la luna, es un modelo multimodal de pensamiento con capacidades de razonamiento multimodal y general, especializado en razonamiento profundo para ayudar a resolver problemas más complejos."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (gratis por tiempo limitado) se centra en la comprensión de código y programación automatizada, ideal para tareas de agente de programación eficiente."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM es un modelo de lenguaje experimental y específico para tareas, entrenado para cumplir con los principios de la ciencia del aprendizaje, capaz de seguir instrucciones sistemáticas en escenarios de enseñanza y aprendizaje, actuando como un tutor experto, entre otros."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 es un modelo de lenguaje grande y eficiente, diseñado para flujos de trabajo de codificación y agentes."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Diseñado para una codificación eficiente y flujos de trabajo de agentes."
|
||||
"description": "MiniMax-M2 es un modelo de alto rendimiento y rentabilidad, excelente en tareas de codificación y agentes, adecuado para diversos escenarios de ingeniería."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 es un modelo de expertos mixtos (MoE) compacto, rápido y rentable, con un total de 230 mil millones de parámetros y 10 mil millones de parámetros activos. Está diseñado para ofrecer un rendimiento de primer nivel en tareas de codificación y agentes, manteniendo una inteligencia general robusta. El modelo destaca en edición de múltiples archivos, ciclos cerrados de codificación-ejecución-corrección, verificación y corrección de pruebas, así como en complejas cadenas de herramientas de enlaces largos, lo que lo convierte en una opción ideal para los flujos de trabajo de los desarrolladores."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 es un modelo de lenguaje de expertos mixtos (MoE) a gran escala desarrollado por Moonshot AI, con un total de un billón de parámetros y 32 mil millones de parámetros activos por pasada. Está optimizado para capacidades de agente, incluyendo uso avanzado de herramientas, razonamiento y síntesis de código."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 es la versión Instruct de la serie Kimi, adecuada para escenarios de código de alta calidad y llamadas de herramientas."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "El modelo kimi-k2-0905-preview tiene una longitud de contexto de 256k, con una mayor capacidad de codificación agentiva, una estética y funcionalidad mejoradas en el código frontend, y una mejor comprensión del contexto."
|
||||
"description": "Kimi K2 0905 es la actualización 0905 de la serie Kimi, con mejoras en contexto y rendimiento de razonamiento, optimizado para codificación."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "El modelo kimi-k2-0905-preview tiene una longitud de contexto de 256k, con una mayor capacidad de codificación agentiva, una estética y funcionalidad mejoradas en el código frontend, y una mejor comprensión del contexto."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking es un modelo de pensamiento optimizado por Moonshot para tareas de razonamiento profundo, con capacidades generales de agente."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo es la versión rápida de Kimi K2 Thinking, que mantiene el razonamiento profundo con una latencia de respuesta significativamente reducida."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph ofrece un modelo de IA especializado que aplica rápidamente los cambios de código sugeridos por modelos de vanguardia como Claude o GPT-4o a sus archivos de código existentes, con una velocidad de más de 4500 tokens por segundo. Actúa como el último paso en el flujo de trabajo de codificación de IA. Soporta 16k tokens de entrada y 16k tokens de salida."
|
||||
},
|
||||
@@ -2703,28 +2778,49 @@
|
||||
"description": "gpt-4-turbo de OpenAI posee un amplio conocimiento general y experiencia en dominios, permitiéndole seguir instrucciones complejas en lenguaje natural y resolver problemas difíciles con precisión. Su fecha de corte de conocimiento es abril de 2023 y tiene una ventana de contexto de 128,000 tokens."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 es el modelo insignia de OpenAI, adecuado para tareas complejas. Es excelente para resolver problemas interdisciplinarios."
|
||||
"description": "La serie GPT-4.1 ofrece mayor contexto y capacidades mejoradas de ingeniería y razonamiento."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini equilibra inteligencia, velocidad y costo, convirtiéndolo en un modelo atractivo para muchos casos de uso."
|
||||
"description": "GPT-4.1 Mini ofrece menor latencia y mejor relación calidad-precio, ideal para líneas de contexto medio."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano es el modelo GPT 4.1 más rápido y rentable."
|
||||
"description": "GPT-4.1 Nano es una opción de muy bajo coste y baja latencia, adecuada para diálogos cortos frecuentes o tareas de clasificación."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o de OpenAI tiene un amplio conocimiento general y experiencia en dominios, capaz de seguir instrucciones complejas en lenguaje natural y resolver problemas difíciles con precisión. Ofrece un rendimiento equivalente a GPT-4 Turbo con una API más rápida y económica."
|
||||
"description": "La serie GPT-4o es el modelo Omni de OpenAI, compatible con entrada de texto + imagen y salida de texto."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini de OpenAI es su modelo pequeño más avanzado y rentable. Es multimodal (acepta entradas de texto o imagen y produce texto) y es más inteligente que gpt-3.5-turbo, manteniendo la misma velocidad."
|
||||
"description": "GPT-4o-mini es la versión rápida y compacta de GPT-4o, ideal para escenarios mixtos de texto e imagen con baja latencia."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 es el modelo de lenguaje insignia de OpenAI, sobresaliendo en razonamiento complejo, amplio conocimiento del mundo real, tareas intensivas en código y tareas de agente de múltiples pasos."
|
||||
"description": "GPT-5 es el modelo de alto rendimiento de OpenAI, adecuado para una amplia gama de tareas de producción e investigación."
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat es una subversión de GPT-5 optimizada para escenarios conversacionales, con menor latencia para mejorar la experiencia interactiva."
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex es una variante de GPT-5 optimizada para codificación, ideal para flujos de trabajo de código a gran escala."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini es un modelo optimizado en costos que sobresale en tareas de razonamiento y chat. Ofrece el mejor equilibrio entre velocidad, costo y capacidad."
|
||||
"description": "GPT-5 Mini es la versión compacta de la familia GPT-5, adecuada para escenarios de baja latencia y bajo coste."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano es un modelo de alto rendimiento que sobresale en tareas simples de instrucciones o clasificación."
|
||||
"description": "GPT-5 Nano es la versión ultra compacta de la familia, ideal para escenarios con requisitos muy estrictos de coste y latencia."
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro es el modelo insignia de OpenAI, con capacidades avanzadas de razonamiento, generación de código y funciones empresariales, compatible con enrutamiento de pruebas y políticas de seguridad más rigurosas."
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 es el último modelo insignia de la serie GPT-5, con mejoras significativas en razonamiento general, seguimiento de instrucciones y naturalidad en el diálogo, adecuado para una amplia gama de tareas."
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat es el miembro ligero de la familia GPT-5.1, optimizado para diálogos de baja latencia, manteniendo sólidas capacidades de razonamiento y ejecución de instrucciones."
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex es una variante de GPT-5.1 optimizada para ingeniería de software y flujos de trabajo de codificación, ideal para refactorización a gran escala, depuración compleja y codificación autónoma prolongada."
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini es la versión compacta y acelerada de GPT-5.1-Codex, más adecuada para escenarios de codificación sensibles a latencia y coste."
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Modelo de lenguaje grande universal extremadamente competente con capacidades de razonamiento potentes y controlables."
|
||||
@@ -2751,7 +2847,7 @@
|
||||
"description": "o3-mini de alto nivel de razonamiento proporciona alta inteligencia con los mismos objetivos de costo y latencia que o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini de OpenAI ofrece inferencia rápida y rentable, con un rendimiento sobresaliente para su tamaño, especialmente en matemáticas (destacando en la prueba de referencia AIME), codificación y tareas visuales."
|
||||
"description": "OpenAI o4-mini es un modelo de razonamiento compacto y eficiente de OpenAI, ideal para escenarios de baja latencia."
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "Versión de alto nivel de inferencia de o4-mini, optimizada para una inferencia rápida y efectiva, mostrando una alta eficiencia y rendimiento en tareas de codificación y visuales."
|
||||
@@ -2955,7 +3051,7 @@
|
||||
"description": "Poderoso modelo de código de tamaño mediano, que soporta longitudes de contexto de 32K, experto en programación multilingüe."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B es un modelo de lenguaje causal denso de 14.8 mil millones de parámetros en la serie Qwen3, diseñado para razonamiento complejo y diálogos eficientes. Soporta un cambio sin problemas entre un modo de 'pensamiento' para tareas de matemáticas, programación y razonamiento lógico, y un modo 'no reflexivo' para diálogos generales. Este modelo ha sido ajustado para seguir instrucciones, utilizar herramientas de agentes, escribir creativamente y realizar tareas multilingües en más de 100 idiomas y dialectos. Maneja de forma nativa un contexto de 32K tokens y se puede expandir a 131K tokens utilizando extensiones basadas en YaRN."
|
||||
"description": "Qwen3-14B es la versión de 14B de la serie Qwen, adecuada para razonamiento general y escenarios conversacionales."
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B es un modelo de lenguaje causal denso de 14.8 mil millones de parámetros en la serie Qwen3, diseñado para razonamiento complejo y diálogos eficientes. Soporta un cambio sin problemas entre un modo de 'pensamiento' para tareas de matemáticas, programación y razonamiento lógico, y un modo 'no reflexivo' para diálogos generales. Este modelo ha sido ajustado para seguir instrucciones, utilizar herramientas de agentes, escribir creativamente y realizar tareas multilingües en más de 100 idiomas y dialectos. Maneja de forma nativa un contexto de 32K tokens y se puede expandir a 131K tokens utilizando extensiones basadas en YaRN."
|
||||
@@ -2963,6 +3059,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B es un modelo de mezcla de expertos (MoE) de 235B parámetros desarrollado por Qwen, que activa 22B parámetros en cada pasada hacia adelante. Soporta un cambio sin problemas entre un modo de 'pensamiento' para razonamiento complejo, matemáticas y tareas de código, y un modo 'no reflexivo' para eficiencia en diálogos generales. Este modelo demuestra una fuerte capacidad de razonamiento, soporte multilingüe (más de 100 idiomas y dialectos), y habilidades avanzadas de seguimiento de instrucciones y llamadas a herramientas de agentes. Maneja de forma nativa una ventana de contexto de 32K tokens y se puede expandir a 131K tokens utilizando extensiones basadas en YaRN."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 es la versión Instruct de la serie Qwen3, compatible con instrucciones multilingües y escenarios de contexto largo."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 es la variante de pensamiento de Qwen3, reforzada para tareas complejas de matemáticas y razonamiento."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B es un modelo de mezcla de expertos (MoE) de 235B parámetros desarrollado por Qwen, que activa 22B parámetros en cada pasada hacia adelante. Soporta un cambio sin problemas entre un modo de 'pensamiento' para razonamiento complejo, matemáticas y tareas de código, y un modo 'no reflexivo' para eficiencia en diálogos generales. Este modelo demuestra una fuerte capacidad de razonamiento, soporte multilingüe (más de 100 idiomas y dialectos), y habilidades avanzadas de seguimiento de instrucciones y llamadas a herramientas de agentes. Maneja de forma nativa una ventana de contexto de 32K tokens y se puede expandir a 131K tokens utilizando extensiones basadas en YaRN."
|
||||
},
|
||||
@@ -2981,6 +3083,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B es un modelo de lenguaje causal denso de 8.2 mil millones de parámetros en la serie Qwen3, diseñado para tareas intensivas en razonamiento y diálogos eficientes. Soporta un cambio sin problemas entre un modo de 'pensamiento' para matemáticas, codificación y razonamiento lógico, y un modo 'no reflexivo' para diálogos generales. Este modelo ha sido ajustado para seguir instrucciones, integrar agentes, escribir creativamente y utilizar más de 100 idiomas y dialectos. Soporta de forma nativa una ventana de contexto de 32K tokens y se puede expandir a 131K tokens a través de YaRN."
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder es la familia de generadores de código de Qwen3, especializada en comprensión y generación de código en documentos largos."
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus es un modelo de agente de codificación especialmente optimizado de la serie Qwen, compatible con llamadas de herramientas más complejas y conversaciones prolongadas."
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max es el modelo de razonamiento avanzado de la serie Qwen3, adecuado para razonamiento multilingüe e integración de herramientas."
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max (preview) es la versión Max de la serie Qwen orientada a razonamiento avanzado e integración de herramientas (versión preliminar)."
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus es la versión mejorada en visión de Qwen3, con capacidades mejoradas de razonamiento multimodal y procesamiento de vídeo."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 es el nuevo modelo de lenguaje a gran escala de Alibaba, que ofrece un rendimiento excepcional para satisfacer diversas necesidades de aplicación."
|
||||
},
|
||||
@@ -3275,9 +3392,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Este modelo es un gran modelo de inferencia con una poderosa capacidad de comprensión de imágenes, capaz de procesar información de imágenes y texto, generando contenido textual tras un profundo razonamiento. Este modelo destaca en el campo del razonamiento visual, además de poseer capacidades de razonamiento matemático, de código y textual de primer nivel. La longitud del contexto es de 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 es un modelo multimodal desarrollado por StepStar, con potentes capacidades de comprensión visual."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 es un modelo de inferencia multimodal de vanguardia publicado por 阶跃星辰 (StepFun), construido sobre una arquitectura Mixture-of-Experts (MoE) con 321B de parámetros totales y 38B de parámetros de activación. El modelo presenta un diseño de extremo a extremo orientado a minimizar el coste de decodificación, al tiempo que ofrece un rendimiento de primer nivel en razonamiento visual-lingüístico. Gracias al diseño sinérgico entre la atención por descomposición de múltiples matrices (MFA) y el desacoplamiento atención‑FFN (AFD), Step3 mantiene una eficiencia sobresaliente tanto en aceleradores de gama alta como de gama baja. En la fase de preentrenamiento, Step3 procesó más de 20T de tokens de texto y 4T de tokens mixtos imagen-texto, abarcando más de una decena de idiomas. El modelo ha alcanzado niveles líderes entre los modelos de código abierto en múltiples benchmarks, incluidos matemáticas, código y tareas multimodales."
|
||||
},
|
||||
@@ -3359,6 +3473,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "Acceso al modelo detrás de v0 para generar, reparar y optimizar aplicaciones web modernas, con razonamiento específico para frameworks y conocimiento actualizado."
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code es el modelo de Byte Volcengine optimizado para programación agentica, con excelente rendimiento en múltiples benchmarks de programación y agentes, compatible con contexto de 256K."
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "Versión ultra rápida Wanxiang 2.2, el modelo más reciente. Mejora integral en creatividad, estabilidad y realismo, con velocidad de generación rápida y alta relación calidad-precio."
|
||||
},
|
||||
@@ -3386,11 +3503,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 es un modelo de lenguaje proporcionado por Microsoft AI, que destaca en diálogos complejos, multilingües, razonamiento y asistentes inteligentes."
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 es el modelo de razonamiento insignia de xAI, con potentes capacidades de razonamiento y multimodalidad."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Nos complace presentar Grok 4 Fast, nuestro último avance en modelos de inferencia rentables."
|
||||
"description": "Grok 4 Fast es un modelo de alto rendimiento y bajo coste de xAI (compatible con ventana de contexto de 2M), ideal para escenarios de alta concurrencia y contexto largo."
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) es un modelo multimodal de alto rendimiento y bajo coste de xAI (compatible con ventana de contexto de 2M), diseñado para escenarios sensibles a latencia y coste que no requieren razonamiento interno. Funciona junto con la versión con razonamiento de Grok 4 Fast, y se puede activar el razonamiento mediante el parámetro reasoning enable en la API. Los prompts y completions pueden ser utilizados por xAI u OpenRouter para mejorar modelos futuros."
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast es un modelo de alto rendimiento y bajo coste de xAI (compatible con ventana de contexto de 2M), ideal para escenarios de alta concurrencia y contexto largo."
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) es un modelo multimodal de alto rendimiento y bajo coste de xAI (compatible con ventana de contexto de 2M), diseñado para escenarios sensibles a latencia y coste que no requieren razonamiento interno. Funciona junto con la versión con razonamiento de Grok 4 Fast, y se puede activar el razonamiento mediante el parámetro reasoning enable en la API. Los prompts y completions pueden ser utilizados por xAI u OpenRouter para mejorar modelos futuros."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "Nos complace lanzar grok-code-fast-1, un modelo de inferencia rápido y rentable con un rendimiento sobresaliente en codificación para agentes."
|
||||
"description": "Grok Code Fast 1 es el modelo rápido de código de xAI, con salidas legibles y adaptadas a la ingeniería."
|
||||
},
|
||||
"x1": {
|
||||
"description": "El modelo Spark X1 se actualizará aún más, logrando resultados en tareas generales como razonamiento, generación de texto y comprensión del lenguaje que se comparan con OpenAI o1 y DeepSeek R1, además de liderar en tareas matemáticas en el país."
|
||||
@@ -3452,8 +3581,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Modelo para tareas visuales complejas, que ofrece capacidades de comprensión y análisis de alto rendimiento basadas en múltiples imágenes."
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 es el modelo insignia de Z.AI, compatible con modo de razonamiento híbrido y optimizado para ingeniería y tareas de contexto largo."
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air es la versión ligera de GLM 4.5, adecuada para escenarios sensibles a costes, manteniendo una fuerte capacidad de razonamiento."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "El nuevo modelo insignia de Zhipu, GLM-4.6, supera ampliamente a su predecesor en codificación avanzada, procesamiento de textos largos, razonamiento y capacidades de agentes inteligentes."
|
||||
"description": "GLM 4.6 es el modelo insignia de Z.AI, con contexto extendido y capacidades de codificación mejoradas."
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 es un modelo base diseñado para aplicaciones de agentes inteligentes, utilizando arquitectura Mixture-of-Experts (MoE). Está profundamente optimizado para llamadas a herramientas, navegación web, ingeniería de software y programación frontend, soportando integración fluida con agentes de código como Claude Code y Roo Code. GLM-4.5 emplea un modo de inferencia híbrido que se adapta a escenarios de razonamiento complejo y uso cotidiano."
|
||||
@@ -3475,5 +3610,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V está construido sobre el modelo base GLM-4.5-Air, heredando la tecnología verificada de GLM-4.1V-Thinking y logrando una escalabilidad eficiente mediante una potente arquitectura MoE de 106 mil millones de parámetros."
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "La función de enrutamiento automático de ZenMux selecciona automáticamente el modelo con mejor rendimiento y relación calidad-precio entre los modelos compatibles según el contenido de tu solicitud."
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) es una plataforma de código abierto diseñada para simplificar la ejecución e integración de diversos modelos de IA. Con Xinference, puedes utilizar cualquier modelo LLM de código abierto, modelos de incrustación y modelos multimodales para ejecutar inferencias en entornos locales o en la nube, y crear potentes aplicaciones de IA."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux es una plataforma unificada de agregación de servicios de IA que admite interfaces de servicios de IA líderes como OpenAI, Anthropic y Google VertexAI. Ofrece capacidades de enrutamiento flexibles que le permiten cambiar y gestionar fácilmente diferentes modelos de IA."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI se centra en la tecnología de inteligencia artificial de la era 2.0, promoviendo enérgicamente la innovación y aplicación de 'humano + inteligencia artificial', utilizando modelos extremadamente potentes y tecnologías de IA avanzadas para mejorar la productividad humana y lograr el empoderamiento tecnológico."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "استاندارد"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "وضوح تصویر",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "بذر",
|
||||
"random": "بذر تصادفی"
|
||||
|
||||
+110
-64
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus هوشمندترین مدل Anthropic است که در وظایف بسیار پیچیده عملکرد پیشرو در بازار دارد. این مدل میتواند با روانی و درک انسانی برجسته، ورودیهای باز و سناریوهای ناآشنا را مدیریت کند."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku نسل بعدی سریعترین مدل ما است. با سرعتی مشابه Claude 3 Haiku، در هر مجموعه مهارتی بهبود یافته و در بسیاری از آزمونهای هوشمندی از مدل بزرگ قبلی ما Claude 3 Opus پیشی گرفته است."
|
||||
"description": "Claude 3.5 Haiku دارای قابلیتهای پیشرفته در سرعت، دقت کدنویسی و استفاده از ابزارها است. مناسب برای سناریوهایی با نیاز بالا به سرعت و تعامل با ابزارها."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet تعادل ایدهآلی بین هوشمندی و سرعت برقرار میکند - به ویژه برای بارهای کاری شرکتی. در مقایسه با محصولات مشابه، عملکرد قدرتمندی با هزینه کمتر ارائه میدهد و برای دوام بالا در استقرارهای گسترده هوش مصنوعی طراحی شده است."
|
||||
"description": "Claude 3.5 Sonnet یک مدل سریع و کارآمد از خانواده Sonnet است که عملکرد بهتری در کدنویسی و استدلال ارائه میدهد. برخی نسخهها به تدریج با Sonnet 3.7 و مدلهای مشابه جایگزین خواهند شد."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet اولین مدل استدلال ترکیبی و هوشمندترین مدل Anthropic تا به امروز است. این مدل عملکرد پیشرفتهای در کدنویسی، تولید محتوا، تحلیل داده و برنامهریزی ارائه میدهد و بر پایه تواناییهای مهندسی نرمافزار و استفاده از کامپیوتر مدل پیشین خود Claude 3.5 Sonnet ساخته شده است."
|
||||
"description": "Claude 3.7 Sonnet نسخه ارتقاءیافتهای از سری Sonnet است که تواناییهای استدلال و کدنویسی قویتری دارد و برای وظایف پیچیده در سطح سازمانی مناسب است."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 یک مدل سریع و با عملکرد بالا از Anthropic است که با حفظ دقت بالا، تأخیر بسیار کمی دارد."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 قدرتمندترین مدل Anthropic تا به امروز و بهترین مدل کدنویسی جهان است که در آزمونهای SWE-bench (72.5%) و Terminal-bench (43.2%) پیشتاز است. این مدل عملکرد مداومی برای وظایف طولانیمدت که نیازمند تمرکز و هزاران مرحله هستند ارائه میدهد و تواناییهای نمایندگی هوش مصنوعی را به طور قابل توجهی گسترش میدهد."
|
||||
"description": "Opus 4 مدل پرچمدار Anthropic است که برای وظایف پیچیده و کاربردهای سازمانی طراحی شده است."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 جایگزینی plug-and-play برای Opus 4 است که عملکرد و دقت برجستهای در وظایف کدنویسی و نمایندگی واقعی ارائه میدهد. Opus 4.1 عملکرد پیشرفته کدنویسی را به 74.5% در SWE-bench Verified ارتقا داده و مسائل چندمرحلهای پیچیده را با دقت و توجه بیشتر به جزئیات مدیریت میکند."
|
||||
"description": "Opus 4.1 یک مدل پیشرفته از Anthropic است که برای برنامهنویسی، استدلال پیچیده و وظایف مداوم بهینهسازی شده است."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 بهبود قابل توجهی بر تواناییهای پیشرو در صنعت Sonnet 3.7 دارد و در کدنویسی عملکرد برجستهای با 72.7% در SWE-bench ارائه میدهد. این مدل تعادل بین عملکرد و کارایی را حفظ کرده و برای موارد استفاده داخلی و خارجی مناسب است و با کنترلپذیری بهبود یافته، کنترل بیشتری بر نتایج فراهم میکند."
|
||||
"description": "Claude Sonnet 4 نسخهای با قابلیت استدلال ترکیبی از Anthropic است که تواناییهای فکری و غیر فکری را با هم ترکیب میکند."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "کلود سونت ۴.۵ هوشمندترین مدل تا به امروز شرکت Anthropic است."
|
||||
"description": "Claude Sonnet 4.5 جدیدترین مدل استدلال ترکیبی از Anthropic است که برای استدلال پیچیده و کدنویسی بهینه شده است."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B یک مدل زبان بزرگ پراکنده با 72 میلیارد پارامتر و 16 میلیارد پارامتر فعال است که بر اساس معماری متخصصان ترکیبی گروهبندی شده (MoGE) ساخته شده است. در مرحله انتخاب متخصص، متخصصان به گروههایی تقسیم میشوند و توکنها در هر گروه به تعداد مساوی متخصصان فعال میشوند تا تعادل بار متخصصان حفظ شود، که به طور قابل توجهی کارایی استقرار مدل را در پلتفرم Ascend افزایش میدهد."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B یک مدل زبان بزرگ مبتنی بر معماری متخصصان ترکیبی (MoE) است که توسط شرکت بایدو توسعه یافته است. این مدل دارای 300 میلیارد پارامتر کل است، اما در زمان استنتاج تنها 47 میلیارد پارامتر برای هر توکن فعال میشود، که ضمن حفظ عملکرد قدرتمند، کارایی محاسباتی را نیز تضمین میکند. به عنوان یکی از مدلهای اصلی سری ERNIE 4.5، این مدل در وظایف درک متن، تولید، استدلال و برنامهنویسی عملکرد برجستهای دارد. این مدل از یک روش پیشآموزش نوآورانه چندرسانهای ناهمگن MoE استفاده میکند که با آموزش مشترک متن و مدیا تصویری، توانایی کلی مدل را بهبود میبخشد، بهویژه در زمینه پیروی از دستورالعملها و حافظه دانش جهانی."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "پیشنمایش ERNIE 5.0 Thinking مدل چندوجهی نسل جدید Baidu است که در درک چندوجهی، پیروی از دستورات، تولید محتوا، پرسش و پاسخ واقعی و استفاده از ابزارها تخصص دارد."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse یک مدل چندزبانه با عملکرد بالا و 32B است که با هدف به چالش کشیدن عملکرد مدلهای تکزبانه از طریق بهینهسازی دستور، آربیتراژ دادهها، آموزش ترجیحات و نوآوری در ادغام مدلها طراحی شده است. این مدل از 23 زبان پشتیبانی میکند."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest نسخهای تنظیمشده از o4-mini است که بهطور خاص برای Codex CLI طراحی شده است. برای استفاده مستقیم از طریق API، ما توصیه میکنیم از gpt-4.1 شروع کنید."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B یک مدل زبان بزرگ متنباز آمریکایی با قابلیت استفاده تجاری رایگان است که با عملکردی در سطح مدلهای برتر، بازدهی بالای استدلال توکن، پشتیبانی از 128k زمینه طولانی و تواناییهای جامع قوی شناخته میشود."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 نخستین مدل متن به تصویر متنباز Zhizhu است که از تولید حروف چینی پشتیبانی میکند. این مدل در درک معنایی، کیفیت تولید تصویر و توانایی تولید متون چینی و انگلیسی به طور جامع بهبود یافته است، از ورودی دوزبانه چینی و انگلیسی با طول دلخواه پشتیبانی میکند و قادر است تصاویر با هر وضوحی در محدوده داده شده تولید کند."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small، نسخه سبک چندوجهی، مناسب برای محیطهای با منابع محدود و بارگذاری بالا."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 یک مدل استدلال ترکیبی با عملکرد بالا از تیم DeepSeek است که برای وظایف پیچیده و یکپارچهسازی ابزارها مناسب است."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 یک مدل ترکیبی متخصص با 685B پارامتر است و جدیدترین نسخه از سری مدلهای چت پرچمدار تیم DeepSeek میباشد.\n\nاین مدل از [DeepSeek V3](/deepseek/deepseek-chat-v3) به ارث برده و در انواع وظایف عملکرد عالی از خود نشان میدهد."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 یک مدل ترکیبی متخصص با 685B پارامتر است و جدیدترین نسخه از سری مدلهای چت پرچمدار تیم DeepSeek میباشد.\n\nاین مدل از [DeepSeek V3](/deepseek/deepseek-chat-v3) به ارث برده و در انواع وظایف عملکرد عالی از خود نشان میدهد."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 یک مدل بزرگ استدلال ترکیبی است که از زمینه طولانی 128K و تغییر حالت کارآمد پشتیبانی میکند و در فراخوانی ابزارها، تولید کد و وظایف استدلال پیچیده عملکرد و سرعت برجستهای دارد."
|
||||
"description": "DeepSeek-V3.1 مدل استدلال ترکیبی با زمینه طولانی از DeepSeek است که از حالتهای ترکیبی فکری/غیرفکری و یکپارچهسازی ابزارها پشتیبانی میکند."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "مدل DeepSeek R1 بهروزرسانیهای جزئی دریافت کرده و نسخه فعلی DeepSeek-R1-0528 است. در آخرین بهروزرسانی، DeepSeek R1 با بهرهگیری از منابع محاسباتی افزایشیافته و مکانیزمهای بهینهسازی الگوریتمی پس از آموزش، عمق و توان استدلال خود را به طور قابل توجهی بهبود بخشیده است. این مدل در ارزیابیهای معیار مختلف مانند ریاضیات، برنامهنویسی و منطق عمومی عملکرد برجستهای دارد و عملکرد کلی آن اکنون به مدلهای پیشرو مانند O3 و Gemini 2.5 Pro نزدیک شده است."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 با داشتن دادههای برچسبخورده بسیار محدود، توانایی استدلال مدل را به طور چشمگیری افزایش داده است. قبل از ارائه پاسخ نهایی، مدل ابتدا یک زنجیره فکری را تولید میکند تا دقت پاسخ نهایی را بهبود بخشد."
|
||||
"description": "DeepSeek R1 0528 نسخه بهروزشدهای از DeepSeek است که بر متنباز بودن و عمق استدلال تمرکز دارد."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 با داشتن دادههای برچسبخورده بسیار محدود، توانایی استدلال مدل را به طور چشمگیری افزایش داده است. قبل از ارائه پاسخ نهایی، مدل ابتدا یک زنجیره فکری را تولید میکند تا دقت پاسخ نهایی را بهبود بخشد."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 با وجود دادههای برچسبگذاری شده بسیار کم، توانایی استدلال مدل را به طرز چشمگیری افزایش میدهد. قبل از ارائه پاسخ نهایی، مدل ابتدا یک زنجیره تفکر را تولید میکند تا دقت پاسخ نهایی را افزایش دهد."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) مدل آزمایشی استدلال از DeepSeek است که برای وظایف استدلالی با پیچیدگی بالا مناسب است."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "مدل زبان بزرگ سریع و عمومی با توان استدلال بهبود یافته."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview پیشرفتهترین مدل تفکر گوگل است که قادر به استدلال درباره مسائل پیچیده در حوزه کد، ریاضیات و STEM است و میتواند با استفاده از زمینه طولانی، دادههای بزرگ، مخازن کد و مستندات را تحلیل کند."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) مدل تولید تصویر Google است که از گفتوگوی چندوجهی نیز پشتیبانی میکند."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) مدل تولید تصویر Google است که از گفتوگوی چندوجهی نیز پشتیبانی میکند."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro هوشمندترین مدل Google است که دارای استدلال پیشرفته (SOTA)، درک چندوجهی، و همچنین قابلیتهای قدرتمند نمایندگی و رمزگذاری زمینهای میباشد."
|
||||
"description": "Gemini 3 Pro بهترین مدل درک چندوجهی در جهان است و قدرتمندترین عامل هوشمند و مدل برنامهنویسی زمینهای Google تا به امروز محسوب میشود. این مدل جلوههای بصری غنیتر و تعامل عمیقتری را ارائه میدهد که همگی بر پایه تواناییهای پیشرفته استدلال بنا شدهاند."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "جدیدترین نسخه Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview دارای تواناییهای پیچیده استدلال است و در زمینههای استدلال منطقی، ریاضیات، برنامهنویسی و غیره عملکرد عالی دارد."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash ویژگیها و قابلیتهای نسل بعدی را ارائه میدهد، از جمله سرعت عالی، استفاده داخلی از ابزارها، تولید چندرسانهای و پنجره زمینه 1 میلیون توکن."
|
||||
"description": "Gemini 2.0 Flash مدل استدلال با عملکرد بالای Google است که برای وظایف چندوجهی گسترده مناسب است."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash ویژگیها و بهبودهای نسل بعدی را ارائه میدهد، از جمله سرعت عالی، استفاده از ابزارهای بومی، تولید چندرسانهای و پنجره متن 1M توکن."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite ویژگیها و قابلیتهای نسل بعدی را ارائه میدهد، از جمله سرعت عالی، استفاده داخلی از ابزارها، تولید چندرسانهای و پنجره زمینه 1 میلیون توکن."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite نسخه سبک خانواده Gemini است که بهطور پیشفرض حالت فکری را غیرفعال کرده تا تأخیر و هزینه را کاهش دهد، اما میتوان آن را از طریق پارامتر فعال کرد."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash یک مدل تفکر است که تواناییهای جامع برجستهای ارائه میدهد. این مدل برای تعادل بین قیمت و عملکرد طراحی شده و از ورودیهای چندرسانهای و پنجره زمینه 1 میلیون توکن پشتیبانی میکند."
|
||||
"description": "سری Gemini 2.5 Flash (Lite/Pro/Flash) مدلهای استدلال Google با تأخیر کم تا عملکرد بالا هستند."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) مدل تولید تصویر Google است که از گفتوگوی چندوجهی نیز پشتیبانی میکند."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "نسخه رایگان Gemini 2.5 Flash Image که از تولید چندوجهی با سهمیه محدود پشتیبانی میکند."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "مدل آزمایشی Gemini 2.5 Flash با پشتیبانی از تولید تصویر"
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite یک مدل متعادل و با تأخیر کم است که بودجه تفکر و اتصال ابزار قابل تنظیم (مانند جستجوی Google و اجرای کد) دارد. این مدل از ورودیهای چندرسانهای پشتیبانی میکند و پنجره زمینه 1 میلیون توکن ارائه میدهد."
|
||||
"description": "Gemini 2.5 Flash Lite نسخه سبک Gemini 2.5 است که برای تأخیر و هزینه بهینه شده و برای سناریوهای با حجم بالا مناسب است."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash مدل اصلی پیشرفته گوگل است که به طور خاص برای استدلال پیشرفته، کدنویسی، ریاضیات و وظایف علمی طراحی شده است. این مدل دارای قابلیت «تفکر» داخلی است که به آن اجازه میدهد پاسخهایی با دقت بالاتر و پردازش زمینهای دقیقتری ارائه دهد.\n\nتوجه: این مدل دارای دو واریانت است: تفکر و غیرتفکر. قیمتگذاری خروجی بسته به فعال بودن قابلیت تفکر به طور قابل توجهی متفاوت است. اگر شما واریانت استاندارد (بدون پسوند «:thinking») را انتخاب کنید، مدل به وضوح از تولید توکنهای تفکر اجتناب خواهد کرد.\n\nبرای استفاده از قابلیت تفکر و دریافت توکنهای تفکر، شما باید واریانت «:thinking» را انتخاب کنید که منجر به قیمتگذاری بالاتر خروجی تفکر خواهد شد.\n\nعلاوه بر این، Gemini 2.5 Flash میتواند از طریق پارامتر «حداکثر تعداد توکنهای استدلال» پیکربندی شود، همانطور که در مستندات توضیح داده شده است (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash مدل اصلی پیشرفته گوگل است که به طور خاص برای استدلال پیشرفته، کدنویسی، ریاضیات و وظایف علمی طراحی شده است. این مدل دارای قابلیت «تفکر» داخلی است که به آن اجازه میدهد پاسخهایی با دقت بالاتر و پردازش زمینهای دقیقتری ارائه دهد.\n\nتوجه: این مدل دارای دو واریانت است: تفکر و غیرتفکر. قیمتگذاری خروجی بسته به فعال بودن قابلیت تفکر به طور قابل توجهی متفاوت است. اگر شما واریانت استاندارد (بدون پسوند «:thinking») را انتخاب کنید، مدل به وضوح از تولید توکنهای تفکر اجتناب خواهد کرد.\n\nبرای استفاده از قابلیت تفکر و دریافت توکنهای تفکر، شما باید واریانت «:thinking» را انتخاب کنید که منجر به قیمتگذاری بالاتر خروجی تفکر خواهد شد.\n\nعلاوه بر این، Gemini 2.5 Flash میتواند از طریق پارامتر «حداکثر تعداد توکنهای استدلال» پیکربندی شود، همانطور که در مستندات توضیح داده شده است (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro پیشرفتهترین مدل استدلال Gemini ما است که قادر به حل مسائل پیچیده است. این مدل دارای پنجره زمینه 2 میلیون توکن بوده و از ورودیهای چندرسانهای شامل متن، تصویر، صدا، ویدئو و اسناد PDF پشتیبانی میکند."
|
||||
"description": "Gemini 2.5 Pro مدل پرچمدار استدلال Google است که از زمینه طولانی و وظایف پیچیده پشتیبانی میکند."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "نسخه رایگان Gemini 2.5 Pro که از زمینه طولانی چندوجهی با سهمیه محدود پشتیبانی میکند و برای آزمایش و جریانهای کاری سبک مناسب است."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview پیشرفتهترین مدل فکری گوگل است که قادر به استدلال درباره مسائل پیچیده در زمینه کد، ریاضیات و حوزههای STEM بوده و همچنین میتواند با استفاده از متنهای طولانی، مجموعههای داده بزرگ، کدها و مستندات را تحلیل کند."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "نسخه رایگان Gemini 3 Pro Image که از تولید چندوجهی با سهمیه محدود پشتیبانی میکند."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro نسل بعدی مدل استدلال چندوجهی از سری Gemini است که توانایی درک متن، صدا، تصویر، ویدیو و دیگر ورودیها را دارد و میتواند وظایف پیچیده و مخازن کد بزرگ را پردازش کند."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "نسخه پیشنمایش رایگان Gemini 3 Pro با همان تواناییهای درک و استدلال چندوجهی نسخه استاندارد، اما با محدودیتهای سهمیه و نرخ، مناسب برای تجربه و استفاده کمتکرار."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "مدل جاسازی پیشرفته با عملکرد برجسته در وظایف زبان انگلیسی، چندزبانه و کد."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small انتخاب ایدهآل برای تولید، اشکالزدایی و بازسازی کد با کمترین تأخیر است."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T نخستین مدل پرچمدار از سری «灵 2.0» است که در دسته مدلهای non-thinking قرار دارد. این مدل دارای یک تریلیون پارامتر کلی و حدود ۵۰ میلیارد پارامتر فعال به ازای هر توکن است. بر پایه معماری 灵 2.0 ساخته شده و هدف آن شکستن مرزهای استدلال کارآمد و شناخت مقیاسپذیر است. Ling-1T-base با بیش از ۲۰ تریلیون توکن با کیفیت بالا و متمرکز بر استدلال آموزش دیده است."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 سومین مدل از سری معماری Ling 2.0 است که توسط تیم Bailing شرکت Ant Group منتشر شده است. این مدل یک مدل متخصص ترکیبی (MoE) با ۱۰۰ میلیارد پارامتر کل است که در هر توکن تنها ۶.۱ میلیارد پارامتر فعال میشوند (۴.۸ میلیارد غیر بردار کلمه). به عنوان یک مدل با پیکربندی سبک، Ling-flash-2.0 در چندین ارزیابی معتبر عملکردی برابر یا حتی فراتر از مدلهای متراکم ۴۰ میلیارد پارامتری و مدلهای MoE بزرگتر نشان داده است. هدف این مدل کشف مسیرهای کارآمد در چارچوب «مدل بزرگ برابر است با پارامتر بزرگ» از طریق طراحی معماری و استراتژیهای آموزش بهینه است."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 یک مدل زبان بزرگ کوچکحجم و با عملکرد بالا مبتنی بر معماری MoE است. این مدل دارای ۱۶ میلیارد پارامتر کل است اما در هر توکن تنها ۱.۴ میلیارد پارامتر فعال میشوند (۷۸۹ میلیون غیر بردار کلمه)، که سرعت تولید بسیار بالایی را فراهم میکند. به لطف طراحی کارآمد MoE و دادههای آموزشی بزرگ و با کیفیت، با وجود فعال بودن تنها ۱.۴ میلیارد پارامتر، Ling-mini-2.0 در وظایف پاییندستی عملکردی در سطح مدلهای متراکم زیر ۱۰ میلیارد و مدلهای MoE بزرگتر ارائه میدهد."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T یک مدل متنباز با مقیاس تریلیونی است که توسط تیم Bailing توسعه یافته است. این مدل بر پایه معماری Ling 2.0 و مدل پایه Ling-1T-base آموزش دیده و دارای یک تریلیون پارامتر کلی و ۵۰ میلیارد پارامتر فعال است. همچنین از پنجره متنی تا ۱۲۸ هزار توکن پشتیبانی میکند و با استفاده از یادگیری تقویتی مبتنی بر پاداشهای قابل تأیید در مقیاس وسیع بهینهسازی شده است."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 مدلی با عملکرد بالا برای تفکر است که بر پایه Ling-flash-2.0-base بهینهسازی عمیق شده است. این مدل از معماری متخصص ترکیبی (MoE) با ۱۰۰ میلیارد پارامتر کل بهره میبرد اما در هر استنتاج تنها ۶.۱ میلیارد پارامتر فعال میشوند. این مدل با الگوریتم ابتکاری icepop مشکل ناپایداری مدلهای بزرگ MoE در آموزش تقویتی (RL) را حل کرده و توانایی استنتاج پیچیده آن در طول آموزشهای بلندمدت بهبود مییابد. Ring-flash-2.0 در مسابقات ریاضی، تولید کد و استدلال منطقی در چندین بنچمارک دشوار پیشرفت قابل توجهی داشته است و عملکرد آن نه تنها از مدلهای متراکم برتر زیر ۴۰ میلیارد پارامتر فراتر رفته، بلکه با مدلهای MoE متنباز بزرگتر و مدلهای تفکر با عملکرد بالا و بسته رقابت میکند. اگرچه این مدل بر استنتاج پیچیده تمرکز دارد، در وظایف خلاقانه نوشتاری نیز عملکرد خوبی دارد. علاوه بر این، به لطف طراحی معماری کارآمد، Ring-flash-2.0 ضمن ارائه عملکرد قدرتمند، استنتاج سریع را ممکن ساخته و هزینه استقرار مدلهای تفکر در شرایط بار بالا را به طور قابل توجهی کاهش میدهد."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T مدل MoE با ظرفیت 1 تریلیون پارامتر از inclusionAI است که برای وظایف استدلالی شدید و زمینههای بزرگ بهینه شده است."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 مدل MoE از inclusionAI است که برای بهرهوری و عملکرد استدلالی بهینه شده و برای وظایف متوسط تا بزرگ مناسب است."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 نسخه سبک مدل MoE از inclusionAI است که با حفظ توانایی استدلال، هزینهها را بهطور قابل توجهی کاهش میدهد."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview مدل چندوجهی از inclusionAI است که از ورودیهای صوتی، تصویری و ویدیویی پشتیبانی میکند و تواناییهای رندر تصویر و تشخیص صدا را بهینه کرده است."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T مدل MoE با ظرفیت تریلیونی از inclusionAI است که برای استدلال در مقیاس بزرگ و وظایف تحقیقاتی مناسب است."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 نسخهای از مدل Ring از inclusionAI است که برای سناریوهای با حجم بالا طراحی شده و بر سرعت و بهرهوری هزینه تأکید دارد."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 نسخه سبک و با حجم بالا از مدل MoE inclusionAI است که عمدتاً برای سناریوهای همزمانی بالا استفاده میشود."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 راهحلهای گفتگوی هوشمند در چندین سناریو ارائه میدهد."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct، مدل استنتاج رسمی Kimi، پشتیبانی از زمینه بلند، کدنویسی، پرسش و پاسخ و سناریوهای متنوع."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "مدل تفکر طولانی K2 با پشتیبانی از زمینه 256k، قابلیت فراخوانی چندمرحلهای ابزارها و تفکر چندگامی، در حل مسائل پیچیده مهارت دارد."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "نسخه پرسرعت مدل تفکر طولانی K2 با پشتیبانی از زمینه 256k، مناسب برای استدلال عمیق با سرعت خروجی 60 تا 100 توکن در ثانیه."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 یک مدل پایه با معماری MoE است که دارای توانمندیهای بسیار قوی در حوزهٔ برنامهنویسی و عاملها (Agent) میباشد. مجموع پارامترها 1T و پارامترهای فعالشده 32B است. در آزمونهای بنچمارک در دستههای اصلی مانند استدلال دانش عمومی، برنامهنویسی، ریاضیات و Agent، عملکرد مدل K2 از سایر مدلهای متنباز مرسوم پیشی گرفته است."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "مدل kimi-thinking-preview که توسط Moon’s Dark Side ارائه شده است، مدلی چندرسانهای با توانایی استدلال چندوجهی و استدلال عمومی است که در استدلال عمیق مهارت دارد و به حل مسائل پیچیدهتر کمک میکند."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (رایگان برای مدت محدود) بر درک کد و برنامهنویسی خودکار تمرکز دارد و برای وظایف نمایندگی برنامهنویسی کارآمد طراحی شده است."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM یک مدل زبانی تجربی و خاص برای وظایف است که برای مطابقت با اصول علم یادگیری آموزش دیده است و میتواند در سناریوهای آموزشی و یادگیری از دستورات سیستم پیروی کند و به عنوان مربی متخصص عمل کند."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 یک مدل زبانی بزرگ و کارآمد است که بهطور خاص برای کدنویسی و جریانهای کاری عاملمحور طراحی شده است."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "ویژه طراحی شده برای کدنویسی کارآمد و جریانهای کاری عاملها."
|
||||
"description": "MiniMax-M2 مدلی با عملکرد عالی در کدنویسی و وظایف نمایندگی است که برای سناریوهای مهندسی متنوع مناسب است."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 یک مدل فشرده، سریع و مقرونبهصرفه از نوع متخصصان ترکیبی (MoE) است که دارای ۲۳۰ میلیارد پارامتر کلی و ۱۰ میلیارد پارامتر فعال میباشد. این مدل برای ارائه عملکردی عالی در وظایف کدنویسی و عاملهای هوشمند طراحی شده و در عین حال هوش عمومی قدرتمندی را حفظ میکند. این مدل در ویرایش چندفایلی، چرخه کدنویسی-اجرا-اصلاح، آزمون و تصحیح، و زنجیره ابزارهای پیچیده و طولانی عملکردی برجسته دارد و گزینهای ایدهآل برای جریان کاری توسعهدهندگان محسوب میشود."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 مدل زبان بزرگ متخصص ترکیبی (MoE) با مقیاس بزرگ توسعه یافته توسط Moonshot AI است که دارای 1 تریلیون پارامتر کل و 32 میلیارد پارامتر فعال در هر عبور جلو است. این مدل برای توانایی نمایندگی بهینه شده است، از جمله استفاده پیشرفته از ابزارها، استدلال و ترکیب کد."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 نسخه Instruct از سری Kimi است که برای کدهای با کیفیت بالا و فراخوانی ابزارها مناسب است."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "مدل پیشنمایش kimi-k2-0905 دارای طول متن ۲۵۶ هزار توکنی است و تواناییهای قویتری در برنامهنویسی عاملمحور، زیبایی و کاربردی بودن کدهای فرانتاند و درک بهتر متن دارد."
|
||||
"description": "Kimi K2 0905 بهروزرسانی نسخه 0905 از سری Kimi است که زمینه و عملکرد استدلال را گسترش داده و برای سناریوهای کدنویسی بهینه شده است."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "مدل پیشنمایش kimi-k2-0905 دارای طول متن ۲۵۶ هزار توکنی است و تواناییهای قویتری در برنامهنویسی عاملمحور، زیبایی و کاربردی بودن کدهای فرانتاند و درک بهتر متن دارد."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking مدل تفکری بهینهشده از Moonshot برای وظایف استدلال عمیق است که توانایی عامل عمومی را داراست."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo نسخه پرسرعت Kimi K2 Thinking است که با حفظ توانایی استدلال عمیق، تأخیر پاسخ را بهطور قابل توجهی کاهش میدهد."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph مدل هوش مصنوعی تخصصی است که تغییرات کد پیشنهادی مدلهای پیشرفته مانند Claude یا GPT-4o را به فایلهای کد موجود شما به سرعت اعمال میکند — بیش از 4500 توکن در ثانیه. این مدل به عنوان مرحله نهایی در جریان کاری کدنویسی هوش مصنوعی عمل میکند و از ورودی و خروجی 16k توکن پشتیبانی میکند."
|
||||
},
|
||||
@@ -2702,30 +2777,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "gpt-4-turbo از OpenAI دانش عمومی گسترده و تخصص حوزهای دارد که آن را قادر میسازد دستورالعملهای پیچیده زبان طبیعی را دنبال کرده و مسائل دشوار را با دقت حل کند. تاریخ قطع دانش آن آوریل 2023 است و پنجره زمینه آن 128,000 توکن است."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 مدل پرچمدار OpenAI برای وظایف پیچیده است. این مدل برای حل مسائل چندرشتهای بسیار مناسب است."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini تعادل بین هوشمندی، سرعت و هزینه را برقرار میکند و آن را به مدلی جذاب برای بسیاری از موارد استفاده تبدیل میکند."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano سریعترین و مقرونبهصرفهترین مدل GPT 4.1 است."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o از OpenAI دانش عمومی گسترده و تخصص حوزهای دارد که آن را قادر میسازد دستورالعملهای پیچیده زبان طبیعی را دنبال کرده و مسائل دشوار را با دقت حل کند. این مدل عملکرد GPT-4 Turbo را با API سریعتر و ارزانتر ارائه میدهد."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini از OpenAI کوچکترین مدل پیشرفته و مقرونبهصرفه آنها است. این مدل چندرسانهای است (ورودی متن یا تصویر را میپذیرد و خروجی متن ارائه میدهد) و هوشمندتر از gpt-3.5-turbo است، اما سرعت مشابهی دارد."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 مدل زبان پرچمدار OpenAI است که در استدلال پیچیده، دانش گسترده دنیای واقعی، وظایف کدمحور و نمایندگی چندمرحلهای عملکرد برجستهای دارد."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini مدلی بهینهشده از نظر هزینه است که در وظایف استدلال/مکالمه عملکرد خوبی دارد. این مدل تعادل بهینهای بین سرعت، هزینه و توانایی ارائه میدهد."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano مدلی با توان عملیاتی بالا است که در وظایف دستورالعمل ساده یا دستهبندی عملکرد خوبی دارد."
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "مدل زبان بزرگ عمومی بسیار توانمند با توان استدلال قوی و قابل کنترل."
|
||||
},
|
||||
@@ -2750,9 +2809,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "نسخه o3-mini با سطح استدلال بالا، هوش بالایی را در همان هزینه و هدف تأخیر o1-mini ارائه میدهد."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini از OpenAI استدلال سریع و مقرونبهصرفه ارائه میدهد و در اندازه خود عملکرد برجستهای دارد، به ویژه در ریاضیات (بهترین عملکرد در آزمون AIME)، کدنویسی و وظایف بصری."
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "نسخه با سطح استدلال بالا o4-mini، که بهطور خاص برای استدلال سریع و مؤثر بهینهسازی شده و در وظایف کدنویسی و بصری عملکرد بسیار بالایی دارد."
|
||||
},
|
||||
@@ -2954,9 +3011,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "مدل کد قدرتمند و متوسط که از طول زمینه 32K پشتیبانی میکند و در برنامهنویسی چند زبانه مهارت دارد."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B یک مدل زبان علّی با ۱۴.۸ میلیارد پارامتر در سری Qwen3 است که به طور خاص برای استدلال پیچیده و مکالمات کارآمد طراحی شده است. این مدل از جابجایی بیوقفه بین حالت «تفکر» برای وظایف ریاضی، برنامهنویسی و استدلال منطقی و حالت «غیرتفکری» برای مکالمات عمومی پشتیبانی میکند. این مدل به طور خاص برای پیروی از دستورات، استفاده از ابزارهای نمایندگی، نوشتن خلاق و انجام وظایف چند زبانه در بیش از ۱۰۰ زبان و گویش مختلف تنظیم شده است. این مدل به طور بومی از ۳۲K توکن زمینه پشتیبانی میکند و میتواند با استفاده از گسترش مبتنی بر YaRN به ۱۳۱K توکن گسترش یابد."
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B یک مدل زبان علّی با ۱۴.۸ میلیارد پارامتر در سری Qwen3 است که به طور خاص برای استدلال پیچیده و مکالمات کارآمد طراحی شده است. این مدل از جابجایی بیوقفه بین حالت «تفکر» برای وظایف ریاضی، برنامهنویسی و استدلال منطقی و حالت «غیرتفکری» برای مکالمات عمومی پشتیبانی میکند. این مدل به طور خاص برای پیروی از دستورات، استفاده از ابزارهای نمایندگی، نوشتن خلاق و انجام وظایف چند زبانه در بیش از ۱۰۰ زبان و گویش مختلف تنظیم شده است. این مدل به طور بومی از ۳۲K توکن زمینه پشتیبانی میکند و میتواند با استفاده از گسترش مبتنی بر YaRN به ۱۳۱K توکن گسترش یابد."
|
||||
},
|
||||
@@ -3275,9 +3330,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "این مدل یک مدل استدلال بزرگ با تواناییهای قوی در درک تصویر است که میتواند اطلاعات تصویری و متنی را پردازش کند و پس از تفکر عمیق، متن تولید کند. این مدل در زمینه استدلال بصری عملکرد برجستهای دارد و همچنین دارای تواناییهای ریاضی، کدنویسی و استدلال متنی در سطح اول است. طول متن زمینهای 100k است."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 یک مدل چندرسانهای است که توسط StepStar توسعه یافته و دارای توانایی قوی در درک بصری میباشد."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 یک مدل استنتاج چندمودالی پیشرفته است که توسط شرکت StepFun منتشر شده است. این مدل بر پایهٔ معماری مخلوط متخصصان (MoE) با مجموع 321 میلیارد پارامتر و 38 میلیارد پارامتر فعال ساخته شده است. طراحی آن انتهابهانتها است و هدفش کمینهسازی هزینهٔ رمزگشایی در حالیست که در استدلال بینایی-زبانی عملکردی در سطح برتر ارائه میدهد. از طریق طراحی همافزا مبتنی بر توجه چند-ماتریسی تجزیهشده (MFA) و جداسازی توجه و FFN (AFD)، Step3 قادر است کارایی برجستهای را هم روی شتابدهندههای ردهپرچمدار و هم روی شتابدهندههای سطح پایین حفظ کند. در مرحلهٔ پیشآموزش، Step3 بیش از 20T توکن متنی و 4T توکن ترکیبی تصویر-متن را پردازش کرده و بیش از ده زبان را پوشش داده است. این مدل در بنچمارکهای متعددی از جمله ریاضیات، کدنویسی و چندمودال در میان مدلهای متنباز در جایگاه پیشرو قرار گرفته است."
|
||||
},
|
||||
@@ -3386,12 +3438,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 یک مدل زبانی ارائه شده توسط مایکروسافت AI است که در زمینههای مکالمات پیچیده، چندزبانه، استدلال و دستیارهای هوشمند عملکرد برجستهای دارد."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "ما با خوشحالی Grok 4 Fast را معرفی میکنیم، جدیدترین پیشرفت ما در زمینه مدلهای استنتاجی مقرونبهصرفه."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "ما با افتخار grok-code-fast-1 را معرفی میکنیم، مدلی سریع و اقتصادی برای استنتاج که در کدنویسی عاملها عملکردی عالی دارد."
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "مدل Spark X1 بهزودی ارتقا خواهد یافت و در زمینه وظایف ریاضی که در کشور پیشرو است، عملکردهای استدلال، تولید متن و درک زبان را با OpenAI o1 و DeepSeek R1 مقایسه خواهد کرد."
|
||||
},
|
||||
@@ -3452,9 +3500,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "مدلهای پیچیده بصری که قابلیتهای درک و تحلیل با عملکرد بالا را بر اساس چندین تصویر ارائه میدهند."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "جدیدترین مدل پرچمدار Zhipu به نام GLM-4.6 که در کدنویسی پیشرفته، پردازش متون طولانی، استنتاج و تواناییهای عاملها بهطور کامل از نسل قبلی پیشی گرفته است."
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 یک مدل پایه طراحی شده برای کاربردهای عامل هوشمند است که از معماری Mixture-of-Experts استفاده میکند. این مدل در زمینههای فراخوانی ابزار، مرور وب، مهندسی نرمافزار و برنامهنویسی فرانتاند بهینهسازی عمیق شده و از ادغام بیوقفه با عاملهای کد مانند Claude Code و Roo Code پشتیبانی میکند. GLM-4.5 از حالت استدلال ترکیبی بهره میبرد و میتواند در سناریوهای استدلال پیچیده و استفاده روزمره به خوبی عمل کند."
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) یک پلتفرم اپنسورس برای سادهسازی اجرای و ادغام انواع مدلهای هوش مصنوعی است. با کمک Xinference، شما میتوانید هر مدل زبانی اپنسورس، مدلهای مبتنی بر بردار و مدلهای چندمدیا را در محیطهای ابری یا محلی اجرا کرده و برنامههای AI قدرتمند ایجاد کنید."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux یک پلتفرم یکپارچه برای تجمیع خدمات هوش مصنوعی است که از رابطهای خدماتی متنوعی مانند OpenAI، Anthropic، Google VertexAI و دیگر سرویسهای هوش مصنوعی پشتیبانی میکند. این پلتفرم قابلیت مسیریابی انعطافپذیری را ارائه میدهد تا بتوانید بهراحتی بین مدلهای مختلف هوش مصنوعی جابجا شده و آنها را مدیریت کنید."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "صفر و یک متعهد به پیشبرد انقلاب فناوری AI 2.0 با محوریت انسان است و هدف آن ایجاد ارزش اقتصادی و اجتماعی عظیم از طریق مدلهای زبانی بزرگ و همچنین ایجاد اکوسیستم جدید هوش مصنوعی و مدلهای تجاری است."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Standard"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Résolution",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Graine",
|
||||
"random": "Graine aléatoire"
|
||||
|
||||
+110
-64
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus est le modèle le plus intelligent d'Anthropic, offrant des performances de pointe sur des tâches très complexes. Il maîtrise avec fluidité et compréhension humaine les invites ouvertes et les scénarios inédits."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku est la nouvelle génération de notre modèle le plus rapide. Avec une vitesse comparable à Claude 3 Haiku, il améliore chaque compétence et dépasse dans de nombreux benchmarks intelligents notre plus grand modèle précédent, Claude 3 Opus."
|
||||
"description": "Claude 3.5 Haiku offre des performances améliorées en vitesse, précision de codage et utilisation d’outils. Idéal pour les scénarios exigeant une grande rapidité et une interaction fluide avec les outils."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet atteint un équilibre idéal entre intelligence et vitesse, particulièrement adapté aux charges de travail d'entreprise. Par rapport à ses pairs, il offre des performances puissantes à moindre coût, conçu pour une haute durabilité dans les déploiements d'IA à grande échelle."
|
||||
"description": "Claude 3.5 Sonnet est un modèle rapide et efficace de la famille Sonnet, offrant de meilleures performances en codage et en raisonnement. Certaines versions seront progressivement remplacées par Sonnet 3.7 et autres."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet est le premier modèle hybride de raisonnement et le plus intelligent d'Anthropic à ce jour. Il offre des performances de pointe en codage, génération de contenu, analyse de données et planification, s'appuyant sur les capacités en ingénierie logicielle et informatique de son prédécesseur Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet est une version améliorée de la série Sonnet, avec des capacités renforcées en raisonnement et en codage, adaptée aux tâches complexes de niveau entreprise."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 est un modèle rapide et performant d’Anthropic, combinant haute précision et très faible latence."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 est le modèle le plus puissant d'Anthropic et le meilleur modèle de codage au monde, en tête sur SWE-bench (72,5 %) et Terminal-bench (43,2 %). Il assure des performances durables pour des tâches longues nécessitant concentration et milliers d'étapes, capable de fonctionner plusieurs heures d'affilée, étendant significativement les capacités des agents IA."
|
||||
"description": "Opus 4 est le modèle phare d’Anthropic, conçu pour les tâches complexes et les applications de niveau entreprise."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 est une alternative plug-and-play à Opus 4, offrant des performances et une précision exceptionnelles pour les tâches de codage et d'agent. Il porte la performance de codage à 74,5 % sur SWE-bench Verified, traitant les problèmes complexes à plusieurs étapes avec rigueur et souci du détail accrus."
|
||||
"description": "Opus 4.1 est un modèle haut de gamme d’Anthropic, optimisé pour la programmation, le raisonnement complexe et les tâches continues."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 améliore significativement les capacités de Sonnet 3.7, excelle en codage avec un score de pointe de 72,7 % sur SWE-bench. Ce modèle équilibre performance et efficacité, adapté aux cas d'usage internes et externes, avec un contrôle accru grâce à une meilleure contrôlabilité."
|
||||
"description": "Claude Sonnet 4 est une version hybride de raisonnement d’Anthropic, combinant capacités cognitives et non cognitives."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 est le modèle le plus intelligent d'Anthropic à ce jour."
|
||||
"description": "Claude Sonnet 4.5 est le dernier modèle hybride de raisonnement d’Anthropic, optimisé pour le raisonnement complexe et le codage."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B est un grand modèle de langage sparse à 72 milliards de paramètres, avec 16 milliards de paramètres activés. Il repose sur une architecture Mixture of Experts groupée (MoGE), qui regroupe les experts lors de la sélection et contraint chaque token à activer un nombre égal d'experts dans chaque groupe, assurant ainsi un équilibre de charge entre les experts et améliorant considérablement l'efficacité de déploiement sur la plateforme Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B est un grand modèle de langage développé par Baidu, basé sur une architecture Mixture of Experts (MoE). Avec un total de 300 milliards de paramètres, il n'active que 47 milliards de paramètres par token lors de l'inférence, garantissant ainsi une performance puissante tout en optimisant l'efficacité de calcul. En tant que modèle central de la série ERNIE 4.5, il excelle dans la compréhension, la génération, le raisonnement textuel et la programmation. Ce modèle utilise une méthode innovante de pré-entraînement multimodal hétérogène MoE, combinant entraînement sur texte et vision, ce qui améliore ses capacités globales, notamment dans le suivi des instructions et la mémoire des connaissances mondiales."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview est le nouveau modèle multimodal natif de Baidu, performant en compréhension multimodale, exécution d’instructions, création, questions factuelles et appel d’outils."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse est un modèle multilingue haute performance de 32B, conçu pour défier les performances des modèles monolingues grâce à des innovations en matière d'optimisation par instructions, d'arbitrage de données, d'entraînement de préférences et de fusion de modèles. Il prend en charge 23 langues."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest est une version affinée de o4-mini, spécialement conçue pour Codex CLI. Pour une utilisation directe via l'API, nous recommandons de commencer par gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B est un grand modèle de langage open source américain à usage commercial gratuit, offrant des performances comparables aux meilleurs modèles, une efficacité de raisonnement par token élevée, un contexte long de 128k et de solides capacités générales."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 est le premier modèle open source de génération d'images à partir de texte de Zhizhu, prenant en charge la génération de caractères chinois. Il offre une amélioration globale en compréhension sémantique, qualité de génération d'images, et capacité de génération de textes en chinois et en anglais. Il supporte une entrée bilingue chinois-anglais de longueur arbitraire et peut générer des images à n'importe quelle résolution dans une plage donnée."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, version multimodale légère, adaptée aux environnements à ressources limitées et aux scénarios à forte concurrence."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 est un modèle hybride de raisonnement haute performance développé par l’équipe DeepSeek, adapté aux tâches complexes et à l’intégration d’outils."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 est un modèle hybride d'experts avec 685B de paramètres, représentant la dernière itération de la série de modèles de chat phare de l'équipe DeepSeek.\n\nIl hérite du modèle [DeepSeek V3](/deepseek/deepseek-chat-v3) et excelle dans diverses tâches."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 est un modèle hybride d'experts avec 685B de paramètres, représentant la dernière itération de la série de modèles de chat phare de l'équipe DeepSeek.\n\nIl hérite du modèle [DeepSeek V3](/deepseek/deepseek-chat-v3) et excelle dans diverses tâches."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 est un grand modèle d'inférence hybride supportant un contexte long de 128K et un changement de mode efficace, offrant des performances et une rapidité exceptionnelles dans l'appel d'outils, la génération de code et les tâches de raisonnement complexes."
|
||||
"description": "DeepSeek-V3.1 est un modèle hybride de raisonnement à long contexte de DeepSeek, prenant en charge les modes de raisonnement mixte et l’intégration d’outils."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "Le modèle DeepSeek R1 a bénéficié d'une mise à jour mineure, version actuelle DeepSeek-R1-0528. Cette mise à jour améliore significativement la profondeur et la capacité de raisonnement grâce à des ressources de calcul accrues et des optimisations algorithmiques post-entraînement. Il excelle dans plusieurs benchmarks en mathématiques, programmation et logique générale, approchant les performances des modèles leaders comme O3 et Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 améliore considérablement les capacités de raisonnement du modèle avec très peu de données annotées. Avant de fournir la réponse finale, le modèle génère une chaîne de pensée pour améliorer la précision de la réponse."
|
||||
"description": "DeepSeek R1 0528 est une variante mise à jour de DeepSeek, axée sur l’open source et la profondeur de raisonnement."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 améliore considérablement les capacités de raisonnement du modèle avec très peu de données annotées. Avant de fournir la réponse finale, le modèle génère une chaîne de pensée pour améliorer la précision de la réponse."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 améliore considérablement les capacités de raisonnement du modèle avec très peu de données annotées. Avant de fournir la réponse finale, le modèle génère d'abord une chaîne de pensée pour améliorer l'exactitude de la réponse finale."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) est un modèle expérimental de raisonnement de DeepSeek, conçu pour les tâches de raisonnement à haute complexité."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Un grand modèle de langage universel rapide avec des capacités de raisonnement améliorées."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview est le modèle de pensée le plus avancé de Google, capable de raisonner sur des problèmes complexes en code, mathématiques et domaines STEM, ainsi que d'analyser de grands ensembles de données, bibliothèques de code et documents avec un contexte étendu."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) est un modèle de génération d’images de Google, prenant également en charge les dialogues multimodaux."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) est un modèle de génération d’images de Google, prenant également en charge les dialogues multimodaux."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro est le modèle le plus intelligent de Google, doté d’un raisonnement de pointe, d’une compréhension multimodale, ainsi que de puissantes capacités d’agent et de codage d’ambiance."
|
||||
"description": "Gemini 3 Pro est le meilleur modèle de compréhension multimodale au monde, et le plus puissant agent intelligent et modèle de programmation contextuelle de Google à ce jour, offrant des effets visuels riches et une interactivité approfondie, le tout reposant sur des capacités de raisonnement de pointe."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Dernière version de Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview possède de puissantes capacités de raisonnement complexe, se distinguant dans les domaines du raisonnement logique, des mathématiques et de la programmation."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash offre des fonctionnalités de nouvelle génération et des améliorations, incluant une vitesse exceptionnelle, l'utilisation d'outils intégrés, la génération multimodale et une fenêtre de contexte de 1 million de tokens."
|
||||
"description": "Gemini 2.0 Flash est un modèle de raisonnement haute performance de Google, adapté aux tâches multimodales étendues."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash propose des fonctionnalités et des améliorations de nouvelle génération, y compris une vitesse exceptionnelle, l'utilisation d'outils natifs, la génération multimodale et une fenêtre de contexte de 1M tokens."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite offre des fonctionnalités de nouvelle génération et des améliorations, incluant une vitesse exceptionnelle, l'utilisation d'outils intégrés, la génération multimodale et une fenêtre de contexte de 1 million de tokens."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite est une version allégée de la famille Gemini, désactivant par défaut le raisonnement pour améliorer la latence et les coûts, mais pouvant être activé via des paramètres."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash est un modèle de réflexion offrant d'excellentes capacités globales. Il vise un équilibre entre prix et performance, supportant le multimodal et une fenêtre de contexte de 1 million de tokens."
|
||||
"description": "La série Gemini 2.5 Flash (Lite/Pro/Flash) regroupe les modèles de raisonnement de Google allant de faible latence à haute performance."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) est un modèle de génération d’images de Google, prenant également en charge les dialogues multimodaux."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Version gratuite de Gemini 2.5 Flash Image, prenant en charge une génération multimodale avec quota limité."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Modèle expérimental Gemini 2.5 Flash, supportant la génération d'images."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite est un modèle équilibré à faible latence, avec un budget de réflexion configurable et une connectivité aux outils (par exemple, recherche Google ancrée et exécution de code). Il supporte les entrées multimodales et offre une fenêtre de contexte de 1 million de tokens."
|
||||
"description": "Gemini 2.5 Flash Lite est une version allégée de Gemini 2.5, optimisée pour la latence et les coûts, idéale pour les scénarios à haut débit."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash est le modèle phare le plus avancé de Google, conçu pour des tâches de raisonnement avancé, de codage, de mathématiques et de sciences. Il comprend des capacités de 'pensée' intégrées, lui permettant de fournir des réponses avec une plus grande précision et un traitement contextuel détaillé.\n\nRemarque : ce modèle a deux variantes : pensée et non-pensée. La tarification de sortie varie considérablement en fonction de l'activation de la capacité de pensée. Si vous choisissez la variante standard (sans le suffixe ':thinking'), le modèle évitera explicitement de générer des jetons de pensée.\n\nPour tirer parti de la capacité de pensée et recevoir des jetons de pensée, vous devez choisir la variante ':thinking', ce qui entraînera une tarification de sortie de pensée plus élevée.\n\nDe plus, Gemini 2.5 Flash peut être configuré via le paramètre 'nombre maximal de jetons de raisonnement', comme décrit dans la documentation (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash est le modèle phare le plus avancé de Google, conçu pour des tâches de raisonnement avancé, de codage, de mathématiques et de sciences. Il comprend des capacités de 'pensée' intégrées, lui permettant de fournir des réponses avec une plus grande précision et un traitement contextuel détaillé.\n\nRemarque : ce modèle a deux variantes : pensée et non-pensée. La tarification de sortie varie considérablement en fonction de l'activation de la capacité de pensée. Si vous choisissez la variante standard (sans le suffixe ':thinking'), le modèle évitera explicitement de générer des jetons de pensée.\n\nPour tirer parti de la capacité de pensée et recevoir des jetons de pensée, vous devez choisir la variante ':thinking', ce qui entraînera une tarification de sortie de pensée plus élevée.\n\nDe plus, Gemini 2.5 Flash peut être configuré via le paramètre 'nombre maximal de jetons de raisonnement', comme décrit dans la documentation (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro est notre modèle Gemini de raisonnement le plus avancé, capable de résoudre des problèmes complexes. Il dispose d'une fenêtre de contexte de 2 millions de tokens et supporte des entrées multimodales incluant texte, images, audio, vidéo et documents PDF."
|
||||
"description": "Gemini 2.5 Pro est le modèle de raisonnement phare de Google, prenant en charge les longs contextes et les tâches complexes."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Version gratuite de Gemini 2.5 Pro, prenant en charge un contexte long multimodal avec quota limité, idéale pour les essais et les flux de travail légers."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview est le modèle de pensée le plus avancé de Google, capable de raisonner sur des problèmes complexes en code, mathématiques et domaines STEM, ainsi que d'analyser de grands ensembles de données, des bases de code et des documents en utilisant un contexte étendu."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Version gratuite de Gemini 3 Pro Image, prenant en charge une génération multimodale avec quota limité."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro est le modèle de raisonnement multimodal de nouvelle génération de la série Gemini, capable de comprendre du texte, de l’audio, des images, des vidéos, et de traiter des tâches complexes ainsi que de vastes bases de code."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Version d’aperçu gratuite de Gemini 3 Pro, avec les mêmes capacités de compréhension et de raisonnement multimodal que la version standard, mais soumise à des limites de quota et de débit, idéale pour l’expérimentation et les usages peu fréquents."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Modèle d'embedding de pointe, performant en anglais, multilingue et tâches de code."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small est idéal pour les tâches de génération, débogage et refactorisation de code, avec une latence minimale."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T est le premier modèle phare de la série \"Ling 2.0\", un modèle non-réfléchissant doté de 1 000 milliards de paramètres totaux et environ 50 milliards de paramètres actifs par token. Construit sur l'architecture Ling 2.0, Ling-1T vise à repousser les limites du raisonnement efficace et de la cognition évolutive. Ling-1T-base a été entraîné sur plus de 20 000 milliards de tokens de haute qualité et riches en raisonnement."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 est le troisième modèle de la série d'architectures Ling 2.0 publié par l'équipe Bailing du groupe Ant. C'est un modèle d'experts mixtes (MoE) avec un total de 100 milliards de paramètres, mais n'activant que 6,1 milliards de paramètres par token (dont 4,8 milliards hors embeddings). En tant que modèle léger, Ling-flash-2.0 affiche des performances comparables voire supérieures à celles des modèles denses de 40 milliards de paramètres et des modèles MoE de plus grande taille dans plusieurs évaluations de référence reconnues. Ce modèle vise à explorer des voies d'efficacité sous le consensus « grand modèle = grand nombre de paramètres » grâce à une conception d'architecture et des stratégies d'entraînement optimales."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 est un modèle de langage de grande taille compact et performant basé sur l'architecture MoE. Il possède 16 milliards de paramètres au total, mais n'active que 1,4 milliard par token (789 millions hors embeddings), permettant une vitesse de génération très élevée. Grâce à une conception MoE efficace et à un entraînement massif sur des données de haute qualité, Ling-mini-2.0 offre des performances de pointe sur les tâches en aval, comparables à celles des modèles denses de moins de 10 milliards de paramètres et des modèles MoE plus grands."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T est un modèle open source à l’échelle du billion de paramètres, développé par l’équipe Bailing. Il est basé sur l’architecture Ling 2.0 et le modèle de base Ling-1T, avec un total de 1 000 milliards de paramètres et 50 milliards de paramètres actifs. Il prend en charge une fenêtre de contexte allant jusqu’à 128K et a été optimisé via un apprentissage par renforcement avec récompenses vérifiables à grande échelle."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 est un modèle de réflexion haute performance profondément optimisé à partir de Ling-flash-2.0-base. Il utilise une architecture d'experts mixtes (MoE) avec un total de 100 milliards de paramètres, mais n'active que 6,1 milliards de paramètres à chaque inférence. Ce modèle résout, grâce à l'algorithme innovant icepop, l'instabilité des grands modèles MoE lors de l'entraînement par apprentissage par renforcement (RL), permettant une amélioration continue des capacités de raisonnement complexe sur de longues périodes d'entraînement. Ring-flash-2.0 a réalisé des avancées significatives dans plusieurs benchmarks difficiles tels que les compétitions mathématiques, la génération de code et le raisonnement logique. Ses performances surpassent non seulement les meilleurs modèles denses de moins de 40 milliards de paramètres, mais rivalisent aussi avec des modèles MoE open source plus grands et des modèles de réflexion propriétaires haute performance. Bien que focalisé sur le raisonnement complexe, il excelle également dans les tâches de création littéraire. De plus, grâce à sa conception efficace, Ring-flash-2.0 offre des performances puissantes tout en assurant une inférence rapide, réduisant considérablement les coûts de déploiement dans des scénarios à forte concurrence."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T est le modèle MoE 1T d’inclusionAI, optimisé pour les tâches de raisonnement intensif et les contextes à grande échelle."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 est un modèle MoE d’inclusionAI, optimisé pour l’efficacité et les performances de raisonnement, adapté aux tâches de taille moyenne à grande."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 est un modèle MoE allégé d’inclusionAI, réduisant considérablement les coûts tout en conservant de bonnes capacités de raisonnement."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview est un modèle multimodal d’inclusionAI, prenant en charge les entrées vocales, visuelles et vidéo, avec des capacités optimisées de rendu d’image et de reconnaissance vocale."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T est un modèle MoE à un billion de paramètres d’inclusionAI, conçu pour les tâches de raisonnement à grande échelle et la recherche."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 est une variante du modèle Ring d’inclusionAI, conçue pour les scénarios à haut débit, mettant l’accent sur la vitesse et l’efficacité des coûts."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 est une version allégée à haut débit du modèle MoE d’inclusionAI, principalement utilisée dans des contextes de forte concurrence."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 fournit des solutions de dialogue intelligent dans divers scénarios."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, modèle d'inférence officiel de Kimi, prenant en charge le long contexte, le code, les questions-réponses et d'autres scénarios."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "Le modèle de raisonnement long K2 prend en charge un contexte de 256k, les appels d’outils multi-étapes et le raisonnement, idéal pour résoudre des problèmes complexes."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Version rapide du modèle de raisonnement long K2, avec un contexte de 256k, spécialisé dans le raisonnement profond et une vitesse de sortie de 60 à 100 tokens par seconde."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 est un modèle de base à architecture MoE doté de capacités remarquables en programmation et en agents autonomes, avec 1T de paramètres au total et 32B de paramètres activés. Dans les principaux tests de référence couvrant le raisonnement général, la programmation, les mathématiques et les agents, le modèle K2 surpasse les autres modèles open source majeurs."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "Le modèle kimi-thinking-preview, fourni par Moon's Dark Side, est un modèle de réflexion multimodal doté de capacités de raisonnement général et multimodal. Il excelle dans le raisonnement approfondi, aidant à résoudre des problèmes plus complexes."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (gratuit pour une durée limitée) se concentre sur la compréhension du code et la programmation automatisée, pour des tâches d’agent de codage efficaces."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM est un modèle de langage expérimental, spécifique à des tâches, formé pour respecter les principes des sciences de l'apprentissage, capable de suivre des instructions systématiques dans des contextes d'enseignement et d'apprentissage, agissant comme un mentor expert, entre autres."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 est un modèle de langage de grande taille, efficace et conçu pour les flux de travail en codage et en automatisation."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Conçu pour un codage efficace et des flux de travail d'agents performants."
|
||||
"description": "MiniMax-M2 est un modèle performant et économique pour les tâches de codage et d’agent, adapté à divers scénarios d’ingénierie."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 est un modèle MoE (Mixture of Experts) compact, rapide et économique, doté de 230 milliards de paramètres totaux et de 10 milliards de paramètres actifs. Il est conçu pour offrir des performances optimales dans les tâches de codage et d'agents, tout en maintenant une intelligence générale robuste. Ce modèle excelle dans l'édition multi-fichiers, les boucles de codage-exécution-correction, la vérification et la correction de tests, ainsi que dans les chaînes d'outils complexes à long terme, ce qui en fait un choix idéal pour les flux de travail des développeurs."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 est un modèle de langage à experts hybrides (MoE) à grande échelle développé par Moonshot AI, avec un total de 1 000 milliards de paramètres et 32 milliards de paramètres activés par passage avant. Il est optimisé pour les capacités d'agent, incluant l'utilisation avancée d'outils, le raisonnement et la synthèse de code."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 est la version Instruct de la série Kimi, adaptée aux scénarios de codage de haute qualité et d’appel d’outils."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "Le modèle kimi-k2-0905-preview dispose d'une longueur de contexte de 256k, offrant une capacité renforcée de codage agentique, une meilleure esthétique et utilité du code front-end, ainsi qu'une compréhension contextuelle améliorée."
|
||||
"description": "Kimi K2 0905 est la mise à jour 0905 de la série Kimi, avec un contexte étendu et des performances de raisonnement améliorées, optimisée pour les scénarios de codage."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "Le modèle kimi-k2-0905-preview dispose d'une longueur de contexte de 256k, offrant une capacité renforcée de codage agentique, une meilleure esthétique et utilité du code front-end, ainsi qu'une compréhension contextuelle améliorée."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking est un modèle de raisonnement optimisé par Moonshot pour les tâches de raisonnement profond, avec des capacités d’agent généralistes."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo est la version rapide de Kimi K2 Thinking, conservant les capacités de raisonnement profond tout en réduisant considérablement la latence de réponse."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph propose un modèle IA spécialisé qui applique rapidement les modifications de code suggérées par des modèles de pointe (comme Claude ou GPT-4o) à vos fichiers de code existants - RAPIDE - plus de 4500 tokens/seconde. Il agit comme la dernière étape dans le flux de travail de codage IA. Supporte 16k tokens d'entrée et 16k tokens de sortie."
|
||||
},
|
||||
@@ -2702,30 +2777,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "gpt-4-turbo d'OpenAI possède une vaste connaissance générale et une expertise sectorielle, capable de suivre des instructions complexes en langage naturel et de résoudre précisément des problèmes difficiles. Sa date de coupure des connaissances est avril 2023, avec une fenêtre de contexte de 128 000 tokens."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 est le modèle phare d'OpenAI, adapté aux tâches complexes. Il excelle dans la résolution de problèmes interdomaines."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini équilibre intelligence, vitesse et coût, en faisant un modèle attractif pour de nombreux cas d'usage."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano est le modèle GPT 4.1 le plus rapide et le plus rentable."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o d'OpenAI possède une vaste connaissance générale et une expertise sectorielle, capable de suivre des instructions complexes en langage naturel et de résoudre précisément des problèmes difficiles. Il offre des performances équivalentes à GPT-4 Turbo avec une API plus rapide et moins coûteuse."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini d'OpenAI est leur modèle petit, avancé et rentable. Il est multimodal (accepte texte ou image en entrée et produit du texte), plus intelligent que gpt-3.5-turbo tout en étant aussi rapide."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 est le modèle de langage phare d'OpenAI, excellent en raisonnement complexe, vaste connaissance du monde réel, tâches intensives en code et agents multi-étapes."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini est un modèle optimisé pour le coût, performant en raisonnement et tâches de chat. Il offre un équilibre optimal entre vitesse, coût et capacité."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano est un modèle à haut débit, performant pour les instructions simples ou les tâches de classification."
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Modèle de langage général extrêmement performant avec des capacités de raisonnement puissantes et contrôlables."
|
||||
},
|
||||
@@ -2750,9 +2809,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "o3-mini haute version de raisonnement, offrant une grande intelligence avec les mêmes objectifs de coût et de latence que o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini d'OpenAI offre un raisonnement rapide et rentable, avec des performances exceptionnelles pour sa taille, notamment en mathématiques (meilleur sur le benchmark AIME), codage et tâches visuelles."
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "Version à haut niveau d'inférence d'o4-mini, optimisée pour une inférence rapide et efficace, offrant une grande efficacité et performance dans les tâches de codage et visuelles."
|
||||
},
|
||||
@@ -2954,9 +3011,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Modèle de code puissant de taille moyenne, prenant en charge une longueur de contexte de 32K, spécialisé dans la programmation multilingue."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B est un modèle de langage causal dense de 14 milliards de paramètres dans la série Qwen3, conçu pour un raisonnement complexe et des dialogues efficaces. Il permet un passage sans effort entre un mode de pensée pour des tâches telles que les mathématiques, la programmation et le raisonnement logique, et un mode non-pensant pour des dialogues généraux. Ce modèle a été affiné pour le suivi des instructions, l'utilisation d'outils d'agents, l'écriture créative et des tâches multilingues dans plus de 100 langues et dialectes. Il gère nativement un contexte de 32K tokens et peut être étendu à 131K tokens via une extension basée sur YaRN."
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B est un modèle de langage causal dense de 14 milliards de paramètres dans la série Qwen3, conçu pour un raisonnement complexe et des dialogues efficaces. Il permet un passage sans effort entre un mode de pensée pour des tâches telles que les mathématiques, la programmation et le raisonnement logique, et un mode non-pensant pour des dialogues généraux. Ce modèle a été affiné pour le suivi des instructions, l'utilisation d'outils d'agents, l'écriture créative et des tâches multilingues dans plus de 100 langues et dialectes. Il gère nativement un contexte de 32K tokens et peut être étendu à 131K tokens via une extension basée sur YaRN."
|
||||
},
|
||||
@@ -3275,9 +3330,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Ce modèle est un grand modèle de raisonnement avec de puissantes capacités de compréhension d'image, capable de traiter des informations visuelles et textuelles, produisant du texte après une réflexion approfondie. Ce modèle se distingue dans le domaine du raisonnement visuel, tout en possédant des capacités de raisonnement mathématique, de code et de texte de premier plan. La longueur du contexte est de 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 est un modèle multimodal développé par StepStar, doté de puissantes capacités de compréhension visuelle."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 est un modèle de raisonnement multimodal de pointe publié par StepFun (阶跃星辰). Il est construit sur une architecture Mixture-of-Experts (MoE) comportant 321 milliards de paramètres au total et 38 milliards de paramètres d'activation. Le modèle adopte une conception bout en bout visant à minimiser le coût de décodage tout en offrant des performances de premier plan en raisonnement visuel et linguistique. Grâce à la conception synergique de l'attention par décomposition multi-matrice (MFA) et du découplage attention‑FFN (AFD), Step3 conserve une grande efficacité aussi bien sur des accélérateurs haut de gamme que sur des accélérateurs d'entrée de gamme. Lors de la pré‑entraînement, Step3 a traité plus de 20 000 milliards de tokens textuels et 4 000 milliards de tokens mixtes image‑texte, couvrant une dizaine de langues. Le modèle atteint des niveaux de référence parmi les meilleurs des modèles open source sur plusieurs benchmarks, notamment en mathématiques, en code et en multimodalité."
|
||||
},
|
||||
@@ -3386,12 +3438,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 est un modèle de langage proposé par Microsoft AI, particulièrement performant dans les domaines des dialogues complexes, du multilinguisme, du raisonnement et des assistants intelligents."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Nous sommes ravis de présenter Grok 4 Fast, notre dernière avancée en matière de modèles de raisonnement rentables."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "Nous sommes heureux de lancer grok-code-fast-1, un modèle de raisonnement rapide et économique, particulièrement performant pour le codage assisté par agent."
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "Le modèle Spark X1 sera mis à niveau, et sur la base de ses performances déjà leaders dans les tâches mathématiques, il atteindra des résultats comparables dans des tâches générales telles que le raisonnement, la génération de texte et la compréhension du langage, en se mesurant à OpenAI o1 et DeepSeek R1."
|
||||
},
|
||||
@@ -3452,9 +3500,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Modèle pour des tâches visuelles complexes, offrant des capacités de compréhension et d'analyse de haute performance basées sur plusieurs images."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6, le tout dernier modèle phare de Zhipu, surpasse son prédécesseur dans les domaines du codage avancé, du traitement de longs textes, du raisonnement et des capacités d'agents intelligents."
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 est un modèle de base conçu pour les applications d'agents intelligents, utilisant une architecture Mixture-of-Experts (MoE). Il est profondément optimisé pour l'appel d'outils, la navigation web, l'ingénierie logicielle et la programmation front-end, supportant une intégration transparente avec des agents de code tels que Claude Code et Roo Code. GLM-4.5 utilise un mode d'inférence hybride, adapté à des scénarios variés allant du raisonnement complexe à l'usage quotidien."
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) est une plateforme open source conçue pour simplifier l'exécution et l'intégration de divers modèles d'IA. Grâce à Xinference, vous pouvez utiliser n'importe quel LLM open source, modèle d'embedding ou modèle multimodal pour effectuer des inférences dans le cloud ou en local, et créer des applications IA puissantes."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux est une plateforme unifiée d’agrégation de services d’IA, compatible avec les principales interfaces de services d’IA telles que OpenAI, Anthropic, Google VertexAI, etc. Elle offre une capacité de routage flexible, vous permettant de basculer et de gérer facilement différents modèles d’IA."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI se concentre sur les technologies d'intelligence artificielle de l'ère IA 2.0, promouvant activement l'innovation et l'application de \"l'homme + l'intelligence artificielle\", utilisant des modèles puissants et des technologies IA avancées pour améliorer la productivité humaine et réaliser l'autonomisation technologique."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Standard"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Risoluzione",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Seed",
|
||||
"random": "Seme casuale"
|
||||
|
||||
+176
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus è il modello più intelligente di Anthropic, con prestazioni leader di mercato in compiti altamente complessi. Gestisce prompt aperti e scenari mai visti con fluidità eccezionale e comprensione simile a quella umana."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku è la nuova generazione del nostro modello più veloce. Con velocità simile a Claude 3 Haiku, Claude 3.5 Haiku migliora ogni set di competenze e supera in molti benchmark intelligenti il nostro modello più grande della generazione precedente, Claude 3 Opus."
|
||||
"description": "Claude 3.5 Haiku offre capacità migliorate in velocità, accuratezza nella programmazione e utilizzo degli strumenti. Ideale per scenari che richiedono alta velocità e interazione con strumenti."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet raggiunge un equilibrio ideale tra intelligenza e velocità, particolarmente adatto per carichi di lavoro aziendali. Offre prestazioni potenti a costi inferiori rispetto ai concorrenti ed è progettato per alta durabilità nelle implementazioni AI su larga scala."
|
||||
"description": "Claude 3.5 Sonnet è un modello rapido ed efficiente della famiglia Sonnet, con prestazioni migliorate in codifica e ragionamento. Alcune versioni saranno gradualmente sostituite da Sonnet 3.7 e successivi."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet è il primo modello di ragionamento ibrido ed è il modello più intelligente di Anthropic finora. Offre prestazioni all'avanguardia in codifica, generazione di contenuti, analisi dati e pianificazione, costruito sulle capacità di ingegneria del software e uso informatico del suo predecessore Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet è una versione avanzata della serie Sonnet, con capacità superiori di ragionamento e codifica, adatta a compiti aziendali complessi."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 è un modello ad alte prestazioni di Anthropic, con latenza estremamente bassa e alta accuratezza."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 è il modello più potente di Anthropic e il miglior modello di codifica al mondo, leader nei benchmark SWE-bench (72,5%) e Terminal-bench (43,2%). Fornisce prestazioni continue per compiti a lungo termine che richiedono sforzi concentrati e migliaia di passaggi, lavorando per ore consecutive e ampliando significativamente le capacità degli agenti AI."
|
||||
"description": "Opus 4 è il modello di punta di Anthropic, progettato per compiti complessi e applicazioni aziendali."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 è un'alternativa plug-and-play a Opus 4, offrendo prestazioni e precisione eccezionali per compiti di codifica e agenti pratici. Opus 4.1 porta le prestazioni di codifica all'avanguardia al 74,5% verificato da SWE-bench, gestendo problemi complessi a più passaggi con maggiore rigore e attenzione ai dettagli."
|
||||
"description": "Opus 4.1 è un modello avanzato di Anthropic, ottimizzato per programmazione, ragionamento complesso e compiti continuativi."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 migliora significativamente le capacità leader del settore di Sonnet 3.7, eccellendo nella codifica con un punteggio all'avanguardia del 72,7% su SWE-bench. Il modello bilancia prestazioni ed efficienza, adatto a casi d'uso interni ed esterni, e offre un controllo maggiore sull'implementazione grazie a una controllabilità migliorata."
|
||||
"description": "Claude Sonnet 4 è una versione a ragionamento ibrido di Anthropic, che combina capacità cognitive e non cognitive."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 è il modello più intelligente di Anthropic fino ad oggi."
|
||||
"description": "Claude Sonnet 4.5 è l'ultimo modello a ragionamento ibrido di Anthropic, ottimizzato per ragionamento complesso e codifica."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B è un modello linguistico di grandi dimensioni a parametri sparsi con 72 miliardi di parametri totali e 16 miliardi di parametri attivati, basato sull'architettura Mixture of Group Experts (MoGE). Durante la fase di selezione degli esperti, gli esperti sono raggruppati e il token attiva un numero uguale di esperti all'interno di ogni gruppo, garantendo un bilanciamento del carico degli esperti e migliorando significativamente l'efficienza di distribuzione del modello sulla piattaforma Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B è un modello linguistico di grandi dimensioni sviluppato da Baidu basato sull'architettura Mixture of Experts (MoE). Il modello ha un totale di 300 miliardi di parametri, ma durante l'inferenza attiva solo 47 miliardi di parametri per token, garantendo così un equilibrio tra prestazioni elevate ed efficienza computazionale. Come uno dei modelli principali della serie ERNIE 4.5, eccelle in compiti di comprensione del testo, generazione, ragionamento e programmazione. Il modello utilizza un innovativo metodo di pre-addestramento multimodale eterogeneo MoE, addestrando congiuntamente testo e modalità visive, migliorando efficacemente le capacità complessive, con risultati particolarmente evidenti nell'aderenza alle istruzioni e nella memoria della conoscenza mondiale."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview è il nuovo modello multimodale nativo di Baidu, eccelle nella comprensione multimodale, esecuzione di istruzioni, creazione, Q&A fattuale e utilizzo di strumenti."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse è un modello multilingue ad alte prestazioni da 32B, progettato per sfidare le prestazioni dei modelli monolingue attraverso innovazioni in ottimizzazione delle istruzioni, arbitraggio dei dati, addestramento delle preferenze e fusione dei modelli. Supporta 23 lingue."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest è una versione ottimizzata di o4-mini, progettata specificamente per Codex CLI. Per l'uso diretto tramite API, consigliamo di iniziare con gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B è un modello linguistico open source statunitense a uso commerciale gratuito, con prestazioni comparabili ai modelli top, efficienza di ragionamento superiore, contesto lungo da 128k token e forti capacità generali."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 è il primo modello open source di Zhipu che supporta la generazione di caratteri cinesi, con miglioramenti completi nella comprensione semantica, nella qualità della generazione delle immagini e nella capacità di generare testi in cinese e inglese. Supporta input bilingue cinese-inglese di qualsiasi lunghezza e può generare immagini a risoluzione arbitraria entro un intervallo specificato."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, versione multimodale leggera, adatta a scenari con risorse limitate e alta concorrenza."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 è un modello a ragionamento ibrido ad alte prestazioni del team DeepSeek, adatto a compiti complessi e integrazione con strumenti."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 è un modello misto esperto con 685B di parametri, l'ultima iterazione della serie di modelli di chat di punta del team DeepSeek.\n\nEredita il modello [DeepSeek V3](/deepseek/deepseek-chat-v3) e si comporta eccezionalmente in vari compiti."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 è un modello misto esperto con 685B di parametri, l'ultima iterazione della serie di modelli di chat di punta del team DeepSeek.\n\nEredita il modello [DeepSeek V3](/deepseek/deepseek-chat-v3) e si comporta eccezionalmente in vari compiti."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 è un grande modello di ragionamento ibrido che supporta contesti lunghi fino a 128K e un cambio efficiente di modalità. Offre prestazioni e velocità eccellenti nell'uso di strumenti, generazione di codice e compiti di ragionamento complessi."
|
||||
"description": "DeepSeek-V3.1 è un modello a ragionamento ibrido con contesto lungo di DeepSeek, supporta modalità miste cognitive/non cognitive e integrazione con strumenti."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "Il modello DeepSeek R1 ha ricevuto un aggiornamento minore, attualmente versione DeepSeek-R1-0528. Nell'ultimo aggiornamento, DeepSeek R1 ha migliorato significativamente la profondità e la capacità di ragionamento sfruttando risorse computazionali aumentate e introducendo meccanismi di ottimizzazione algoritmica post-addestramento. Il modello eccelle in benchmark di matematica, programmazione e logica generale, avvicinandosi alle prestazioni di modelli leader come O3 e Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 migliora notevolmente la capacità di ragionamento del modello anche con pochissimi dati annotati. Prima di fornire la risposta finale, il modello genera una catena di pensieri per aumentare la precisione della risposta."
|
||||
"description": "DeepSeek R1 0528 è una variante aggiornata di DeepSeek, focalizzata su disponibilità open source e profondità di ragionamento."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 migliora notevolmente la capacità di ragionamento del modello anche con pochissimi dati annotati. Prima di fornire la risposta finale, il modello genera una catena di pensieri per aumentare la precisione della risposta."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 ha notevolmente migliorato le capacità di ragionamento del modello con pochissimi dati etichettati. Prima di fornire la risposta finale, il modello genera una catena di pensiero per migliorare l'accuratezza della risposta finale."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) è un modello sperimentale di ragionamento di DeepSeek, adatto a compiti di alta complessità."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Un modello linguistico grande universale veloce con capacità di ragionamento potenziate."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview è il modello di pensiero più avanzato di Google, capace di ragionare su problemi complessi in codice, matematica e ambito STEM, oltre a utilizzare contesti estesi per analizzare grandi dataset, librerie di codice e documenti."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) è il modello di generazione immagini di Google, con supporto per dialoghi multimodali."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) è il modello di generazione immagini di Google, con supporto per dialoghi multimodali."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro è il modello più intelligente di Google, con capacità all'avanguardia di ragionamento e comprensione multimodale, oltre a potenti funzionalità di agente e codifica del contesto."
|
||||
"description": "Gemini 3 Pro è il miglior modello di comprensione multimodale al mondo, nonché il più potente agente e modello di programmazione contestuale di Google, con capacità visive avanzate e interazioni profonde, basate su ragionamento all'avanguardia."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Ultima versione di Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview possiede potenti capacità di ragionamento complesso, eccellendo nei campi del ragionamento logico, della matematica e della programmazione."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash offre funzionalità di nuova generazione e miglioramenti, inclusa velocità eccezionale, uso integrato di strumenti, generazione multimodale e una finestra di contesto di 1 milione di token."
|
||||
"description": "Gemini 2.0 Flash è un modello di ragionamento ad alte prestazioni di Google, adatto a compiti multimodali estesi."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash offre funzionalità e miglioramenti di nuova generazione, tra cui velocità eccezionale, utilizzo di strumenti nativi, generazione multimodale e una finestra di contesto di 1M token."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite offre funzionalità di nuova generazione e miglioramenti, inclusa velocità eccezionale, uso integrato di strumenti, generazione multimodale e una finestra di contesto di 1 milione di token."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite è la versione leggera della famiglia Gemini, con modalità di ragionamento disattivata per migliorare latenza e costi, ma attivabile tramite parametri."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash è un modello di ragionamento che offre capacità eccellenti e complete. È progettato per bilanciare prezzo e prestazioni, supportando input multimodali e una finestra di contesto di 1 milione di token."
|
||||
"description": "La serie Gemini 2.5 Flash (Lite/Pro/Flash) è composta da modelli di ragionamento da bassa latenza a prestazioni elevate di Google."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) è il modello di generazione immagini di Google, con supporto per dialoghi multimodali."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gemini 2.5 Flash Image versione gratuita, supporta generazione multimodale con limiti di utilizzo."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Modello sperimentale Gemini 2.5 Flash, supporta la generazione di immagini."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite è un modello bilanciato a bassa latenza con budget di ragionamento configurabile e connettività agli strumenti (ad esempio, Google Search grounding ed esecuzione di codice). Supporta input multimodali e offre una finestra di contesto di 1 milione di token."
|
||||
"description": "Gemini 2.5 Flash Lite è la versione leggera di Gemini 2.5, ottimizzata per latenza e costi, ideale per scenari ad alto throughput."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash è il modello principale più avanzato di Google, progettato per ragionamenti avanzati, codifica, matematica e compiti scientifici. Include capacità di 'pensiero' integrate, permettendo di fornire risposte con maggiore accuratezza e una gestione contestuale più dettagliata.\n\nNota: questo modello ha due varianti: pensiero e non pensiero. I prezzi di output variano significativamente a seconda che la capacità di pensiero sia attivata o meno. Se scegli la variante standard (senza il suffisso ':thinking'), il modello eviterà esplicitamente di generare token di pensiero.\n\nPer sfruttare la capacità di pensiero e ricevere token di pensiero, devi scegliere la variante ':thinking', che comporterà un prezzo di output di pensiero più elevato.\n\nInoltre, Gemini 2.5 Flash può essere configurato tramite il parametro 'numero massimo di token per il ragionamento', come descritto nella documentazione (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash è il modello principale più avanzato di Google, progettato per ragionamenti avanzati, codifica, matematica e compiti scientifici. Include capacità di 'pensiero' integrate, permettendo di fornire risposte con maggiore accuratezza e una gestione contestuale più dettagliata.\n\nNota: questo modello ha due varianti: pensiero e non pensiero. I prezzi di output variano significativamente a seconda che la capacità di pensiero sia attivata o meno. Se scegli la variante standard (senza il suffisso ':thinking'), il modello eviterà esplicitamente di generare token di pensiero.\n\nPer sfruttare la capacità di pensiero e ricevere token di pensiero, devi scegliere la variante ':thinking', che comporterà un prezzo di output di pensiero più elevato.\n\nInoltre, Gemini 2.5 Flash può essere configurato tramite il parametro 'numero massimo di token per il ragionamento', come descritto nella documentazione (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro è il nostro modello Gemini di ragionamento più avanzato, capace di risolvere problemi complessi. Ha una finestra di contesto di 2 milioni di token e supporta input multimodali tra cui testo, immagini, audio, video e documenti PDF."
|
||||
"description": "Gemini 2.5 Pro è il modello di punta di Google per il ragionamento, con supporto per contesto lungo e compiti complessi."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gemini 2.5 Pro versione gratuita, supporta contesto lungo multimodale con limiti di utilizzo, adatto a test e flussi di lavoro leggeri."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview è il modello di pensiero più avanzato di Google, in grado di ragionare su problemi complessi nel campo del codice, della matematica e delle STEM, oltre a utilizzare un contesto esteso per analizzare grandi set di dati, repository di codice e documenti."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gemini 3 Pro Image versione gratuita, supporta generazione multimodale con limiti di utilizzo."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro è il modello di ragionamento multimodale di nuova generazione della serie Gemini, in grado di comprendere testo, audio, immagini e video, e gestire compiti complessi e grandi basi di codice."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gemini 3 Pro versione gratuita in anteprima, con le stesse capacità di comprensione e ragionamento multimodale della versione standard, ma con limiti di utilizzo e velocità, ideale per test e uso occasionale."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Modello di embedding all'avanguardia con prestazioni eccellenti in compiti in inglese, multilingue e codice."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small è la scelta ideale per compiti di generazione, debug e refactoring di codice, con latenza minima."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T è il primo modello di punta della serie \"Ling 2.0\" non orientato al pensiero, con un totale di 1 trilione di parametri e circa 50 miliardi di parametri attivi per token. Costruito sull'architettura Ling 2.0, Ling-1T mira a superare i limiti del ragionamento efficiente e della cognizione scalabile. Ling-1T-base è stato addestrato su oltre 20 trilioni di token di alta qualità e ad alta intensità di ragionamento."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 è il terzo modello della serie basata sull'architettura Ling 2.0 rilasciato dal team Bailing di Ant Group. È un modello di esperti misti (MoE) con un totale di 100 miliardi di parametri, ma attiva solo 6,1 miliardi di parametri per token (4,8 miliardi non embedding). Come modello leggero, Ling-flash-2.0 dimostra prestazioni paragonabili o superiori a modelli densi da 40 miliardi e a modelli MoE di scala maggiore in molte valutazioni autorevoli. Il modello esplora un percorso efficiente attraverso un design architetturale e strategie di addestramento estreme, sfidando il consenso che “modello grande equivale a molti parametri”."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 è un modello di linguaggio di grandi dimensioni ad alte prestazioni e dimensioni ridotte basato sull'architettura MoE. Ha 16 miliardi di parametri totali, ma attiva solo 1,4 miliardi per token (789 milioni non embedding), raggiungendo così velocità di generazione molto elevate. Grazie al design efficiente MoE e a dati di addestramento di grande scala e alta qualità, Ling-mini-2.0 mostra prestazioni di punta in compiti downstream, comparabili a modelli densi sotto i 10 miliardi e a modelli MoE di scala maggiore."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T è un modello open source su scala trilionaria sviluppato dal team Bailing. Basato sull'architettura Ling 2.0 e sul modello di base Ling-1T, possiede 1 trilione di parametri totali e 50 miliardi di parametri attivi, con supporto per finestre contestuali fino a 128K. Il modello è ottimizzato tramite apprendimento per rinforzo con ricompense verificabili su larga scala."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 è un modello di pensiero ad alte prestazioni profondamente ottimizzato basato su Ling-flash-2.0-base. Utilizza un'architettura di esperti misti (MoE) con 100 miliardi di parametri totali, ma attiva solo 6,1 miliardi di parametri per inferenza. Il modello risolve l'instabilità dell'addestramento RL nei grandi modelli MoE grazie all'algoritmo innovativo icepop, migliorando continuamente le capacità di ragionamento complesso durante l'addestramento a lungo termine. Ring-flash-2.0 ha raggiunto risultati significativi in competizioni matematiche, generazione di codice e ragionamento logico, superando modelli densi di punta sotto i 40 miliardi di parametri e competendo con modelli MoE open source di scala maggiore e modelli di pensiero ad alte prestazioni closed source. Pur focalizzato sul ragionamento complesso, eccelle anche in compiti di scrittura creativa. Inoltre, grazie al design architetturale efficiente, Ring-flash-2.0 offre prestazioni elevate con inferenza veloce, riducendo significativamente i costi di deployment in scenari ad alta concorrenza."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T è il modello MoE da 1T di inclusionAI, ottimizzato per compiti di ragionamento intensivo e contesto su larga scala."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 è un modello MoE di inclusionAI, ottimizzato per efficienza e prestazioni di ragionamento, adatto a compiti di media e grande scala."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 è il modello MoE leggero di inclusionAI, che riduce significativamente i costi mantenendo buone capacità di ragionamento."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview è il modello multimodale di inclusionAI, supporta input vocali, immagini e video, con capacità ottimizzate di rendering e riconoscimento vocale."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T è il modello MoE da trilioni di parametri di inclusionAI, progettato per ragionamento su larga scala e compiti di ricerca."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 è una variante del modello Ring di inclusionAI per scenari ad alto throughput, con enfasi su velocità ed efficienza dei costi."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 è la versione MoE leggera ad alto throughput di inclusionAI, pensata per scenari ad alta concorrenza."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 offre soluzioni di dialogo intelligente in vari scenari."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, modello ufficiale di inferenza Kimi, supporta contesto lungo, codice, Q&A e altri scenari."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "Il modello K2 Thinking supporta contesto fino a 256k, chiamate multi-step di strumenti e ragionamento, eccellendo nella risoluzione di problemi complessi."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Versione ad alta velocità del modello K2 Thinking, supporta contesto da 256k, eccelle nel ragionamento profondo con output a 60-100 token al secondo."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 è un modello di base con architettura MoE che offre potenti capacità di programmazione e di agent, con 1T di parametri totali e 32B di parametri attivi. Nei benchmark delle principali categorie — ragionamento su conoscenze generali, programmazione, matematica e agent — il modello K2 supera gli altri modelli open source più diffusi."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "Il modello kimi-thinking-preview, fornito da Moon's Dark Side, è un modello multimodale di pensiero con capacità di ragionamento multimodale e generale, eccellente nel ragionamento profondo per aiutare a risolvere problemi più complessi."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (gratuito per un periodo limitato) è focalizzato sulla comprensione del codice e programmazione automatica, ideale per agenti di programmazione efficienti."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM è un modello linguistico sperimentale, specifico per compiti, addestrato per rispettare i principi della scienza dell'apprendimento, in grado di seguire istruzioni sistematiche in contesti di insegnamento e apprendimento, fungendo da tutor esperto."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 è un modello linguistico di grandi dimensioni, efficiente e progettato per flussi di lavoro di codifica e agenti intelligenti."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Progettato per una codifica efficiente e flussi di lavoro con agenti."
|
||||
"description": "MiniMax-M2 è un modello ad alto rapporto qualità-prezzo con ottime prestazioni in codifica e compiti di agenti, adatto a vari scenari ingegneristici."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 è un modello MoE (Mixture of Experts) compatto, veloce ed economico, con 230 miliardi di parametri totali e 10 miliardi di parametri attivi, progettato per offrire prestazioni eccellenti nei compiti di codifica e agenti, mantenendo una forte intelligenza generale. Si distingue per le sue prestazioni in attività come l'editing di file multipli, il ciclo chiuso codifica-esecuzione-correzione, la verifica e correzione dei test, e le complesse catene di strumenti a collegamento lungo, rendendolo una scelta ideale per i flussi di lavoro degli sviluppatori."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 è un modello linguistico a esperti misti (MoE) su larga scala sviluppato da Moonshot AI, con un totale di 1 trilione di parametri e 32 miliardi di parametri attivi per ogni passaggio in avanti. Ottimizzato per capacità di agente, inclusi uso avanzato di strumenti, ragionamento e sintesi di codice."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 è la versione Instruct della serie Kimi, adatta a scenari di codifica di alta qualità e utilizzo di strumenti."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "Il modello kimi-k2-0905-preview ha una lunghezza di contesto di 256k, con capacità di Agentic Coding più forti, una migliore estetica e praticità del codice frontend, e una migliore comprensione del contesto."
|
||||
"description": "Kimi K2 0905 è l'aggiornamento 0905 della serie Kimi, con contesto esteso e prestazioni di ragionamento migliorate, ottimizzato per la codifica."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "Il modello kimi-k2-0905-preview ha una lunghezza di contesto di 256k, con capacità di Agentic Coding più forti, una migliore estetica e praticità del codice frontend, e una migliore comprensione del contesto."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking è il modello ottimizzato da Moonshot per compiti di ragionamento profondo, con capacità generali da agente."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo è la versione ad alta velocità di Kimi K2 Thinking, con bassa latenza e mantenimento delle capacità di ragionamento profondo."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph offre un modello AI specializzato che applica rapidamente le modifiche al codice suggerite da modelli all'avanguardia come Claude o GPT-4o ai tuoi file di codice esistenti - VELOCE - oltre 4500 token al secondo. Funziona come l'ultimo passo nel flusso di lavoro di codifica AI. Supporta 16k token in input e 16k token in output."
|
||||
},
|
||||
@@ -2703,28 +2778,49 @@
|
||||
"description": "gpt-4-turbo di OpenAI possiede una vasta conoscenza generale e competenze settoriali, permettendogli di seguire istruzioni complesse in linguaggio naturale e risolvere problemi difficili con precisione. La sua conoscenza è aggiornata ad aprile 2023 e ha una finestra di contesto di 128.000 token."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 è il modello di punta di OpenAI, adatto a compiti complessi. È eccellente nella risoluzione di problemi interdisciplinari."
|
||||
"description": "La serie GPT-4.1 offre contesto esteso e capacità avanzate di ingegneria e ragionamento."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini bilancia intelligenza, velocità e costo, rendendolo un modello attraente per molti casi d'uso."
|
||||
"description": "GPT-4.1 Mini offre bassa latenza e ottimo rapporto qualità-prezzo, adatto a contesti medi."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano è il modello GPT 4.1 più veloce e conveniente."
|
||||
"description": "GPT-4.1 Nano è l'opzione a bassissimo costo e latenza, ideale per dialoghi brevi ad alta frequenza o classificazione."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o di OpenAI possiede una vasta conoscenza generale e competenze settoriali, capace di seguire istruzioni complesse in linguaggio naturale e risolvere problemi difficili con precisione. Offre prestazioni equivalenti a GPT-4 Turbo con un'API più veloce e meno costosa."
|
||||
"description": "La serie GPT-4o è il modello Omni di OpenAI, supporta input testo + immagine e output testuale."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini di OpenAI è il loro modello piccolo più avanzato e conveniente. È multimodale (accetta input di testo o immagini e produce testo) ed è più intelligente di gpt-3.5-turbo, mantenendo la stessa velocità."
|
||||
"description": "GPT-4o-mini è la versione compatta e veloce di GPT-4o, adatta a scenari misti testo-immagine a bassa latenza."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 è il modello linguistico di punta di OpenAI, eccellente in ragionamento complesso, ampia conoscenza del mondo reale, compiti intensivi di codice e agenti a più passaggi."
|
||||
"description": "GPT-5 è il modello ad alte prestazioni di OpenAI, adatto a un'ampia gamma di compiti produttivi e di ricerca."
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat è una variante di GPT-5 ottimizzata per dialoghi, con latenza ridotta per una migliore esperienza interattiva."
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex è una variante di GPT-5 ulteriormente ottimizzata per scenari di codifica, adatta a flussi di lavoro su larga scala."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini è un modello ottimizzato per i costi, con ottime prestazioni in compiti di ragionamento e chat. Offre il miglior equilibrio tra velocità, costo e capacità."
|
||||
"description": "GPT-5 Mini è la versione compatta della famiglia GPT-5, adatta a scenari a bassa latenza e basso costo."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano è un modello ad alto throughput, eccellente in compiti semplici di istruzioni o classificazione."
|
||||
"description": "GPT-5 Nano è la versione ultra-compatta della famiglia, ideale per scenari con requisiti estremi su costi e latenza."
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro è il modello di punta di OpenAI, con capacità avanzate di ragionamento, generazione di codice e funzionalità aziendali, supporta routing in fase di test e politiche di sicurezza rigorose."
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 è l'ultimo modello di punta della serie GPT-5, con miglioramenti significativi in ragionamento generale, esecuzione di istruzioni e naturalezza del dialogo, adatto a una vasta gamma di compiti."
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat è il membro leggero della famiglia GPT-5.1, ottimizzato per dialoghi a bassa latenza, mantenendo buone capacità di ragionamento ed esecuzione di istruzioni."
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex è una variante di GPT-5.1 ottimizzata per ingegneria del software e flussi di lavoro di codifica, adatta a refactoring su larga scala, debug complesso e codifica autonoma prolungata."
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini è la versione compatta e accelerata di GPT-5.1-Codex, ideale per scenari di codifica sensibili a latenza e costi."
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Modello linguistico grande universale estremamente capace, con potenti capacità di ragionamento controllabile."
|
||||
@@ -2751,7 +2847,7 @@
|
||||
"description": "o3-mini alta versione di ragionamento, offre alta intelligenza mantenendo gli stessi obiettivi di costo e latenza di o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini di OpenAI offre ragionamento veloce e conveniente, con prestazioni eccezionali per la sua dimensione, specialmente in matematica (eccellente nel benchmark AIME), codifica e compiti visivi."
|
||||
"description": "OpenAI o4-mini è un modello di ragionamento compatto ed efficiente, adatto a scenari a bassa latenza."
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "Versione ad alta capacità di inferenza di o4-mini, ottimizzata per un'inferenza rapida ed efficace, mostrando un'elevata efficienza e prestazioni in compiti di codifica e visivi."
|
||||
@@ -2955,7 +3051,7 @@
|
||||
"description": "Potente modello di codice di medie dimensioni, supporta una lunghezza di contesto di 32K, specializzato in programmazione multilingue."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B è un modello linguistico causale denso con 14,8 miliardi di parametri della serie Qwen3, progettato per ragionamenti complessi e dialoghi efficienti. Supporta un passaggio senza soluzione di continuità tra modalità di 'pensiero' per compiti di matematica, programmazione e ragionamento logico e modalità 'non di pensiero' per dialoghi generali. Questo modello è stato ottimizzato per seguire istruzioni, utilizzo di strumenti per agenti, scrittura creativa e compiti multilingue in oltre 100 lingue e dialetti. Gestisce nativamente un contesto di 32K token e può essere esteso a 131K token utilizzando estensioni basate su YaRN."
|
||||
"description": "Qwen3-14B è la versione da 14B della serie Qwen, adatta a scenari di ragionamento e dialogo standard."
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B è un modello linguistico causale denso con 14,8 miliardi di parametri della serie Qwen3, progettato per ragionamenti complessi e dialoghi efficienti. Supporta un passaggio senza soluzione di continuità tra modalità di 'pensiero' per compiti di matematica, programmazione e ragionamento logico e modalità 'non di pensiero' per dialoghi generali. Questo modello è stato ottimizzato per seguire istruzioni, utilizzo di strumenti per agenti, scrittura creativa e compiti multilingue in oltre 100 lingue e dialetti. Gestisce nativamente un contesto di 32K token e può essere esteso a 131K token utilizzando estensioni basate su YaRN."
|
||||
@@ -2963,6 +3059,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B è un modello esperto a miscelazione (MoE) con 235 miliardi di parametri sviluppato da Qwen, attivando 22 miliardi di parametri ad ogni passaggio in avanti. Supporta un passaggio senza soluzione di continuità tra modalità di 'pensiero' per ragionamenti complessi, matematica e compiti di codifica e modalità 'non di pensiero' per dialoghi generali. Questo modello dimostra forti capacità di ragionamento, supporto multilingue (in oltre 100 lingue e dialetti), avanzate capacità di seguire istruzioni e chiamate a strumenti per agenti. Gestisce nativamente una finestra di contesto di 32K token e può essere esteso a 131K token utilizzando estensioni basate su YaRN."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 è la versione Instruct della serie Qwen3, bilancia istruzioni multilingue e contesto lungo."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 è la variante Thinking di Qwen3, potenziata per compiti complessi di matematica e ragionamento."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B è un modello esperto a miscelazione (MoE) con 235 miliardi di parametri sviluppato da Qwen, attivando 22 miliardi di parametri ad ogni passaggio in avanti. Supporta un passaggio senza soluzione di continuità tra modalità di 'pensiero' per ragionamenti complessi, matematica e compiti di codifica e modalità 'non di pensiero' per dialoghi generali. Questo modello dimostra forti capacità di ragionamento, supporto multilingue (in oltre 100 lingue e dialetti), avanzate capacità di seguire istruzioni e chiamate a strumenti per agenti. Gestisce nativamente una finestra di contesto di 32K token e può essere esteso a 131K token utilizzando estensioni basate su YaRN."
|
||||
},
|
||||
@@ -2981,6 +3083,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B è un modello linguistico causale denso con 8,2 miliardi di parametri della serie Qwen3, progettato per compiti intensivi di inferenza e dialoghi efficienti. Supporta un passaggio senza soluzione di continuità tra modalità di 'pensiero' per matematica, codifica e ragionamento logico e modalità 'non di pensiero' per dialoghi generali. Questo modello è stato ottimizzato per seguire istruzioni, integrazione di agenti, scrittura creativa e utilizzo multilingue in oltre 100 lingue e dialetti. Supporta nativamente una finestra di contesto di 32K token e può essere esteso a 131K token tramite YaRN."
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder è la famiglia di generatori di codice di Qwen3, eccelle nella comprensione e generazione di codice in documenti lunghi."
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus è un modello di codifica ottimizzato della serie Qwen, supporta chiamate di strumenti complesse e conversazioni prolungate."
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max è il modello di ragionamento avanzato della serie Qwen3, adatto a ragionamento multilingue e integrazione con strumenti."
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max (preview) è la versione Max della serie Qwen per ragionamento avanzato e integrazione con strumenti (anteprima)."
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus è la versione con capacità visive avanzate della serie Qwen3, migliora il ragionamento multimodale e l'elaborazione video."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 è la nuova generazione di modelli di linguaggio su larga scala di Alibaba, supporta prestazioni eccellenti per esigenze applicative diversificate."
|
||||
},
|
||||
@@ -3275,9 +3392,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Questo modello è un grande modello di inferenza con potenti capacità di comprensione delle immagini, in grado di gestire informazioni visive e testuali, producendo contenuti testuali dopo un profondo ragionamento. Questo modello si distingue nel campo del ragionamento visivo, mostrando anche capacità di ragionamento matematico, codice e testo di primo livello. La lunghezza del contesto è di 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 è un modello multimodale sviluppato da StepStar, con potenti capacità di comprensione visiva."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 è un modello di inferenza multimodale all'avanguardia rilasciato da StepFun (阶跃星辰). È costruito su un'architettura Mixture of Experts (MoE) con 321 miliardi di parametri totali e 38 miliardi di parametri di attivazione. Il modello adotta un design end-to-end, pensato per minimizzare i costi di decodifica e al contempo offrire prestazioni di primo livello nel ragionamento visivo-linguistico. Grazie al design sinergico che combina Multi-Matrix Factorized Attention (MFA) e il disaccoppiamento attenzione-FFN (AFD), Step3 mantiene un'elevata efficienza sia sui più potenti acceleratori flagship sia su quelli di fascia bassa. Durante la fase di pre-addestramento, Step3 ha elaborato oltre 20T di token testuali e 4T di token misti immagine-testo, coprendo più di dieci lingue. Il modello ha raggiunto livelli leader tra i modelli open source in numerosi benchmark, inclusi matematica, codice e scenari multimodali."
|
||||
},
|
||||
@@ -3359,6 +3473,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "Accesso al modello dietro v0 per generare, correggere e ottimizzare applicazioni web moderne, con ragionamento specifico per framework e conoscenze aggiornate."
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code è il modello di Byte Volcano Engine ottimizzato per Agentic Programming, eccelle in benchmark di programmazione e agenti, supporta contesto da 256K."
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "Versione ultra-veloce Wanxiang 2.2, modello più recente. Miglioramenti completi in creatività, stabilità e realismo, con velocità di generazione elevata e ottimo rapporto qualità-prezzo."
|
||||
},
|
||||
@@ -3386,11 +3503,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 è un modello di linguaggio fornito da Microsoft AI, particolarmente efficace in dialoghi complessi, multilingue, ragionamento e assistenti intelligenti."
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 è il modello di punta di xAI per il ragionamento, con potenti capacità di ragionamento e multimodalità."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Siamo lieti di presentare Grok 4 Fast, il nostro ultimo progresso nei modelli di inferenza ad alta efficienza in termini di costi."
|
||||
"description": "Grok 4 Fast è il modello ad alto throughput e basso costo di xAI (supporta contesto da 2M), adatto a scenari con alta concorrenza e contesto lungo."
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) è il modello multimodale ad alto throughput e basso costo di xAI (supporta contesto da 2M), pensato per scenari sensibili a latenza e costi che non richiedono ragionamento interno. È affiancato alla versione reasoning e può attivare il ragionamento tramite parametro API. Prompt e completamenti possono essere usati da xAI o OpenRouter per migliorare i modelli futuri."
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast è il modello ad alto throughput e basso costo di xAI (supporta contesto da 2M), adatto a scenari con alta concorrenza e contesto lungo."
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) è il modello multimodale ad alto throughput e basso costo di xAI (supporta contesto da 2M), pensato per scenari sensibili a latenza e costi che non richiedono ragionamento interno. È affiancato alla versione reasoning e può attivare il ragionamento tramite parametro API. Prompt e completamenti possono essere usati da xAI o OpenRouter per migliorare i modelli futuri."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "Siamo entusiasti di lanciare grok-code-fast-1, un modello di inferenza rapido ed economico, eccellente nella codifica per agenti."
|
||||
"description": "Grok Code Fast 1 è il modello di codifica veloce di xAI, con output leggibile e adatto all'ingegneria del software."
|
||||
},
|
||||
"x1": {
|
||||
"description": "Il modello Spark X1 sarà ulteriormente aggiornato, raggiungendo risultati in compiti generali come ragionamento, generazione di testo e comprensione del linguaggio, in linea con OpenAI o1 e DeepSeek R1, partendo da una posizione di leadership nei compiti matematici."
|
||||
@@ -3452,8 +3581,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Modello per compiti visivi complessi, che offre capacità di comprensione e analisi ad alte prestazioni basate su più immagini."
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 è il modello di punta di Z.AI, supporta modalità di ragionamento ibrido ed è ottimizzato per compiti ingegneristici e contesto lungo."
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air è la versione leggera di GLM 4.5, adatta a scenari sensibili ai costi ma con forti capacità di ragionamento."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6, il nuovo modello di punta di Zhipu, supera ampiamente la generazione precedente in codifica avanzata, gestione di testi lunghi, capacità di ragionamento e competenze degli agenti."
|
||||
"description": "GLM 4.6 è il modello di punta di Z.AI, con contesto esteso e capacità di codifica migliorate."
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 è un modello base progettato per applicazioni agenti intelligenti, che utilizza un'architettura Mixture-of-Experts (MoE). Ottimizzato profondamente per chiamate a strumenti, navigazione web, ingegneria del software e programmazione frontend, supporta integrazioni fluide con agenti di codice come Claude Code e Roo Code. Adotta una modalità di inferenza ibrida per adattarsi a scenari di ragionamento complessi e uso quotidiano."
|
||||
@@ -3475,5 +3610,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V è costruito sul modello base GLM-4.5-Air, eredita la tecnologia verificata di GLM-4.1V-Thinking e si espande efficacemente con una potente architettura MoE da 106 miliardi di parametri."
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "La funzione di routing automatico di ZenMux seleziona automaticamente il modello con il miglior rapporto qualità/prezzo e prestazioni in base alla tua richiesta tra i modelli supportati."
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) è una piattaforma open source progettata per semplificare l'esecuzione e l'integrazione di vari modelli AI. Con Xinference, è possibile eseguire inferenze utilizzando qualsiasi modello LLM open source, modelli di embedding e modelli multimodali, sia in un ambiente cloud che locale, creando potenti applicazioni AI."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux è una piattaforma unificata per l'aggregazione di servizi AI, compatibile con le principali interfacce di servizi AI come OpenAI, Anthropic, Google VertexAI e molte altre. Offre una gestione flessibile del routing, permettendoti di passare e gestire facilmente diversi modelli di intelligenza artificiale."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI si concentra sulla tecnologia AI dell'era 2.0, promuovendo attivamente l'innovazione e l'applicazione di \"uomo + intelligenza artificiale\", utilizzando modelli potenti e tecnologie AI avanzate per migliorare la produttività umana e realizzare l'abilitazione tecnologica."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "標準"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "解像度",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "シード",
|
||||
"random": "ランダムシード"
|
||||
|
||||
+110
-64
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus は Anthropic の最も知能的なモデルで、高度に複雑なタスクにおいて市場をリードする性能を持ちます。卓越した流暢さと人間に近い理解力で、オープンプロンプトや未経験のシナリオを自在に扱います。"
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku は当社の最速モデルの次世代版です。Claude 3 Haiku と同等の速度を維持しつつ、すべてのスキルセットで改善され、多くの知能ベンチマークで前世代最大モデル Claude 3 Opus を上回っています。"
|
||||
"description": "Claude 3.5 Haiku は、速度、コーディング精度、ツール使用において強化された機能を備えています。高速性とツール連携が求められるシーンに最適です。"
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet は知能と速度の理想的なバランスを実現し、特に企業向けワークロードに適しています。同等製品と比較して低コストで強力な性能を提供し、大規模AI展開における高耐久性を念頭に設計されています。"
|
||||
"description": "Claude 3.5 Sonnet は Sonnet ファミリーの高速・高効率モデルで、優れたコーディングおよび推論性能を提供します。一部のバージョンは順次 Sonnet 3.7 などに置き換えられます。"
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet は初のハイブリッド推論モデルであり、Anthropic 史上最も知能的なモデルです。コーディング、コンテンツ生成、データ分析、計画タスクにおいて最先端の性能を提供し、前身の Claude 3.5 Sonnet のソフトウェア工学およびコンピュータ利用能力を基盤としています。"
|
||||
"description": "Claude 3.7 Sonnet は Sonnet シリーズのアップグレード版で、より強力な推論およびコーディング能力を備え、企業向けの複雑なタスクに適しています。"
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 は Anthropic の高性能・高速モデルで、高い精度を維持しながら極めて低いレイテンシを実現しています。"
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 は Anthropic 史上最強のモデルであり、世界最高のコーディングモデルです。SWE-bench（72.5%）および Terminal-bench（43.2%）でトップを走っています。数千ステップに及ぶ長期タスクに持続的な性能を提供し、数時間連続稼働が可能で、AIエージェントの能力を大幅に拡張します。"
|
||||
"description": "Opus 4 は Anthropic のフラッグシップモデルで、複雑なタスクや企業向けアプリケーションに特化して設計されています。"
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 は Opus 4 のプラグアンドプレイ代替モデルで、実際のコーディングおよびエージェントタスクに卓越した性能と精度を提供します。SWE-bench Verified で74.5%の最先端コーディング性能を達成し、複雑な多段階問題をより厳密かつ詳細に処理します。"
|
||||
"description": "Opus 4.1 は Anthropic のハイエンドモデルで、プログラミング、複雑な推論、継続的なタスクに最適化されています。"
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 は Sonnet 3.7 の業界トップの能力を大幅に向上させ、コーディングで優れた性能を発揮し、SWE-bench で最先端の72.7%を達成しました。性能と効率のバランスが取れており、内部および外部のユースケースに適し、強化された制御性により実装の管理性が向上しています。"
|
||||
"description": "Claude Sonnet 4 は Anthropic のハイブリッド推論モデルで、思考と非思考の混合能力を提供します。"
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 は Anthropic のこれまでで最も賢いモデルです。"
|
||||
"description": "Claude Sonnet 4.5 は Anthropic の最新ハイブリッド推論モデルで、複雑な推論とコーディングに最適化されています。"
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B は、720億パラメータ、160億アクティベーションパラメータのスパース大規模言語モデルであり、グループ化された混合エキスパート（MoGE）アーキテクチャに基づいています。エキスパート選択段階でエキスパートをグループ化し、各グループ内でトークンが均等にエキスパートをアクティベートするよう制約を設けることで、エキスパートの負荷バランスを実現し、昇騰プラットフォーム上でのモデル展開効率を大幅に向上させています。"
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B は、百度（Baidu）が開発した混合エキスパート（MoE）アーキテクチャに基づく大規模言語モデルです。総パラメータ数は3000億ですが、推論時には各トークンで470億パラメータのみをアクティベートし、強力な性能を維持しつつ計算効率も両立しています。ERNIE 4.5シリーズの中核モデルの一つとして、テキスト理解、生成、推論、プログラミングなどのタスクで卓越した能力を発揮します。本モデルは革新的なマルチモーダル異種MoE事前学習手法を採用し、テキストと視覚モダリティの共同学習により、特に指示遵守と世界知識の記憶において優れた効果を発揮しています。"
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview は、百度の次世代ネイティブマルチモーダル文心モデルで、マルチモーダル理解、指示の遵守、創作、事実に基づく質疑応答、ツール呼び出しに優れています。"
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanseは、高性能な32B多言語モデルで、指示調整、データアービトラージ、好みのトレーニング、モデル統合の革新を通じて、単一言語モデルのパフォーマンスに挑戦します。23の言語をサポートしています。"
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest は o4-mini の微調整バージョンで、Codex CLI 専用に設計されています。API を直接使用する場合は、gpt-4.1 から始めることを推奨します。"
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B は、商用利用が可能な米国発のオープンソース大規模言語モデルで、トップクラスの性能、高いトークン推論効率、128k の長文脈、強力な総合能力を備えています。"
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 は智譜が初めて開発した漢字生成対応のオープンソーステキストから画像生成モデルであり、意味理解、画像生成の品質、中英文字生成能力の全方位的な向上を実現しています。任意の長さの中英バイリンガル入力に対応し、指定された範囲内で任意の解像度の画像を生成することが可能です。"
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small、軽量なマルチモーダルバージョンで、リソース制限や高負荷環境に適しています。"
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 は DeepSeek チームによる高性能ハイブリッド推論モデルで、複雑なタスクやツール統合に適しています。"
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3は、685Bパラメータの専門的な混合モデルであり、DeepSeekチームのフラッグシップチャットモデルシリーズの最新のイテレーションです。\n\nこれは、[DeepSeek V3](/deepseek/deepseek-chat-v3)モデルを継承し、さまざまなタスクで優れたパフォーマンスを発揮します。"
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3は、685Bパラメータの専門的な混合モデルであり、DeepSeekチームのフラッグシップチャットモデルシリーズの最新のイテレーションです。\n\nこれは、[DeepSeek V3](/deepseek/deepseek-chat-v3)モデルを継承し、さまざまなタスクで優れたパフォーマンスを発揮します。"
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 は128Kの長いコンテキストと効率的なモード切替をサポートする大型ハイブリッド推論モデルで、ツール呼び出し、コード生成、複雑な推論タスクにおいて卓越した性能と速度を実現しています。"
|
||||
"description": "DeepSeek-V3.1 は DeepSeek の長文脈ハイブリッド推論モデルで、思考/非思考の混合モードとツール統合をサポートします。"
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek R1 モデルは小規模なバージョンアップを経て、現在のバージョンは DeepSeek-R1-0528 です。最新のアップデートでは、計算資源の増加とトレーニング後のアルゴリズム最適化を活用し、推論の深度と能力が大幅に向上しました。数学、プログラミング、一般論理など複数のベンチマークで優れた性能を示し、全体的な性能は O3 や Gemini 2.5 Pro といった先行モデルに近づいています。"
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1は極めて少ないラベル付きデータでモデルの推論能力を大幅に向上させました。最終回答を出力する前に、モデルは思考の連鎖を出力し、最終答えの正確性を高めます。"
|
||||
"description": "DeepSeek R1 0528 は DeepSeek のアップデート版で、オープンソース利用と推論の深さに重点を置いています。"
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1は極めて少ないラベル付きデータでモデルの推論能力を大幅に向上させました。最終回答を出力する前に、モデルは思考の連鎖を出力し、最終答えの正確性を高めます。"
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1は、わずかなラベル付きデータしかない状況で、モデルの推論能力を大幅に向上させました。最終的な回答を出力する前に、モデルは思考の連鎖を出力し、最終的な答えの正確性を向上させます。"
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking（reasoner）は DeepSeek の実験的推論モデルで、高度な推論タスクに適しています。"
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "強化された推論能力を持つ高速汎用大規模言語モデルです。"
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview は Google の最先端思考モデルで、コード、数学、STEM 分野の複雑な問題を推論し、長いコンテキストを用いて大規模なデータセット、コードベース、ドキュメントを分析できます。"
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image（Nano Banana Pro）は Google の画像生成モデルで、マルチモーダル対話にも対応しています。"
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image（Nano Banana Pro）は Google の画像生成モデルで、マルチモーダル対話にも対応しています。"
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro は、Google で最も高度なモデルであり、最先端の推論能力とマルチモーダルな理解力、さらに強力なエージェント機能とコンテキスト認識機能を備えています。"
|
||||
"description": "Gemini 3 Pro は世界最高水準のマルチモーダル理解モデルであり、Google 史上最も強力なエージェントおよび雰囲気プログラミングモデルです。豊かなビジュアル表現と深いインタラクションを提供し、最先端の推論能力に基づいて構築されています。"
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Gemini Flash の最新リリース"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Previewは、強力な複雑な推論能力を備え、論理推論、数学、プログラミングなどの分野で優れたパフォーマンスを発揮します。"
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash は次世代の機能と改良を提供し、卓越した速度、組み込みツールの使用、マルチモーダル生成、100万トークンのコンテキストウィンドウを備えています。"
|
||||
"description": "Gemini 2.0 Flash は Google の高性能推論モデルで、拡張されたマルチモーダルタスクに適しています。"
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flashは、卓越した速度、ネイティブツールの使用、マルチモーダル生成、1Mトークンのコンテキストウィンドウを含む次世代の機能と改善を提供します。"
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite は次世代の機能と改良を提供し、卓越した速度、組み込みツールの使用、マルチモーダル生成、100万トークンのコンテキストウィンドウを備えています。"
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite は Gemini ファミリーの軽量版で、デフォルトでは思考を無効にしてレイテンシとコストを最適化していますが、パラメータで有効化可能です。"
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash は思考モデルで、優れた包括的能力を提供します。価格と性能のバランスを目指し、マルチモーダルと100万トークンのコンテキストウィンドウをサポートします。"
|
||||
"description": "Gemini 2.5 Flash（Lite/Pro/Flash）シリーズは、Google の中低レイテンシから高性能推論モデル群です。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image（Nano Banana）は Google の画像生成モデルで、マルチモーダル対話にも対応しています。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gemini 2.5 Flash Image 無料版は、制限付きのマルチモーダル生成をサポートします。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash 実験モデル、画像生成に対応"
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite はバランスの取れた低遅延モデルで、思考予算とツール接続性（例：Google Search の根拠付けやコード実行）を設定可能です。マルチモーダル入力をサポートし、100万トークンのコンテキストウィンドウを提供します。"
|
||||
"description": "Gemini 2.5 Flash Lite は Gemini 2.5 の軽量版で、レイテンシとコストを最適化し、高スループットなシーンに適しています。"
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flashは、Googleの最先端の主力モデルであり、高度な推論、コーディング、数学、科学タスクのために設計されています。内蔵の「思考」能力を備えており、より高い精度と詳細なコンテキスト処理で応答を提供します。\n\n注意：このモデルには、思考と非思考の2つのバリアントがあります。出力の価格は、思考能力が有効かどうかによって大きく異なります。標準バリアント（「:thinking」サフィックスなし）を選択すると、モデルは明示的に思考トークンの生成を避けます。\n\n思考能力を利用して思考トークンを受け取るには、「:thinking」バリアントを選択する必要があり、これにより思考出力の価格が高くなります。\n\nさらに、Gemini 2.5 Flashは、「推論最大トークン数」パラメータを介して構成可能であり、文書に記載されています (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)。"
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flashは、Googleの最先端の主力モデルであり、高度な推論、コーディング、数学、科学タスクのために設計されています。内蔵の「思考」能力を備えており、より高い精度と詳細なコンテキスト処理で応答を提供します。\n\n注意：このモデルには、思考と非思考の2つのバリアントがあります。出力の価格は、思考能力が有効かどうかによって大きく異なります。標準バリアント（「:thinking」サフィックスなし）を選択すると、モデルは明示的に思考トークンの生成を避けます。\n\n思考能力を利用して思考トークンを受け取るには、「:thinking」バリアントを選択する必要があり、これにより思考出力の価格が高くなります。\n\nさらに、Gemini 2.5 Flashは、「推論最大トークン数」パラメータを介して構成可能であり、文書に記載されています (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)。"
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro は当社の最先端推論 Gemini モデルで、複雑な問題を解決可能です。200万トークンのコンテキストウィンドウを持ち、テキスト、画像、音声、動画、PDFドキュメントなどのマルチモーダル入力をサポートします。"
|
||||
"description": "Gemini 2.5 Pro は Google のフラッグシップ推論モデルで、長文脈と複雑なタスクに対応します。"
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gemini 2.5 Pro 無料版は、制限付きのマルチモーダル長文脈をサポートし、試用や軽量なワークフローに適しています。"
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview は、Google の最先端の思考モデルであり、コード、数学、STEM 分野の複雑な問題を推論し、長いコンテキストを用いて大規模なデータセット、コードベース、ドキュメントを分析することができます。"
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gemini 3 Pro Image 無料版は、制限付きのマルチモーダル生成をサポートします。"
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro は Gemini シリーズの次世代マルチモーダル推論モデルで、テキスト、音声、画像、動画など多様な入力を理解し、複雑なタスクや大規模コードベースの処理に対応します。"
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gemini 3 Pro 無料プレビュー版は、標準版と同等のマルチモーダル理解と推論能力を備えていますが、無料枠とレート制限の影響を受けるため、体験や低頻度利用に適しています。"
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "最先端の埋め込みモデルで、英語、多言語、コードタスクにおいて優れた性能を発揮します。"
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small はコード生成、デバッグ、リファクタリングタスクに最適で、最小遅延を実現します。"
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T は「Ling 2.0」シリーズ初のフラッグシップ non-thinking モデルで、総パラメータ数は1兆、トークンごとのアクティブパラメータは約500億。Ling 2.0 アーキテクチャに基づき、高効率な推論とスケーラブルな認知の限界に挑戦。Ling-1T-base は20兆以上の高品質かつ推論集約型トークンでトレーニングされています。"
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0は、Ant GroupのBailingチームがリリースしたLing 2.0アーキテクチャシリーズの第3弾モデルです。混合エキスパート（MoE）モデルで、総パラメータ数は1000億に達しますが、1トークンあたりの活性化パラメータは61億（非埋め込みは48億）に抑えられています。軽量構成のモデルとして、複数の権威ある評価で400億規模の密モデルやより大規模なMoEモデルに匹敵またはそれを超える性能を示しています。本モデルは「大きなモデル＝大きなパラメータ」という共通認識のもと、効率的な性能向上の道を探求するために極限のアーキテクチャ設計とトレーニング戦略を採用しています。"
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0はMoEアーキテクチャに基づく小型高性能大規模言語モデルです。総パラメータ数は16Bですが、1トークンあたりの活性化パラメータは1.4B（非埋め込みは789M）に抑えられており、非常に高速な生成を実現しています。効率的なMoE設計と大規模高品質トレーニングデータのおかげで、活性化パラメータが1.4Bに過ぎないにもかかわらず、下流タスクにおいて10B未満の密モデルやより大規模なMoEモデルに匹敵するトップクラスの性能を発揮します。"
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T は百灵（Bailing）チームが開発した、1兆パラメータ規模のオープンソース思考モデルです。Ling 2.0 アーキテクチャと Ling-1T-base を基盤に構築され、総パラメータ数は1兆、アクティブパラメータは500億。最大128Kのコンテキストウィンドウに対応し、大規模な検証可能報酬強化学習によって最適化されています。"
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0はLing-flash-2.0-baseを深く最適化した高性能思考モデルです。混合エキスパート（MoE）アーキテクチャを採用し、総パラメータ数は100Bですが、推論時には6.1Bパラメータのみを活性化します。独自のicepopアルゴリズムにより、MoE大規模モデルの強化学習（RL）トレーニングにおける不安定性問題を解決し、長期トレーニングでの複雑推論能力の持続的向上を実現しました。Ring-flash-2.0は数学コンテスト、コード生成、論理推論などの高難度ベンチマークで顕著な成果を挙げており、40Bパラメータ未満のトップ密モデルを凌駕し、より大規模なオープンソースMoEモデルやクローズドソースの高性能思考モデルに匹敵します。複雑推論に特化しつつも、創造的な文章作成タスクでも優れた性能を示します。さらに、高効率なアーキテクチャ設計により、強力な性能を提供しつつ高速推論を実現し、高負荷環境での思考モデルの展開コストを大幅に削減しています。"
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T は inclusionAI の 1T MoE 大規模モデルで、高度な推論タスクと大規模文脈に最適化されています。"
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 は inclusionAI の MoE モデルで、効率と推論性能を最適化し、中〜大規模タスクに適しています。"
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 は inclusionAI の軽量化 MoE モデルで、推論能力を維持しつつコストを大幅に削減しています。"
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview は inclusionAI のマルチモーダルモデルで、音声、画像、動画入力に対応し、画像レンダリングと音声認識能力を最適化しています。"
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T は inclusionAI のトリリオンパラメータ MoE 思考モデルで、大規模推論や研究タスクに適しています。"
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 は inclusionAI の高スループット向け Ring モデルの派生版で、速度とコスト効率を重視しています。"
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 は inclusionAI の高スループット軽量 MoE バージョンで、主に並列処理シーンに使用されます。"
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5は多様なシーンでのインテリジェントな対話ソリューションを提供します。"
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct、Kimi 公式の推論モデルで、長文コンテキスト、コード、QA など多様なシナリオに対応します。"
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 長期思考モデルは 256k の文脈をサポートし、マルチステップのツール呼び出しと思考に対応し、複雑な問題の解決に長けています。"
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "K2 長期思考モデルの高速版で、256k の文脈をサポートし、深い推論に優れ、出力速度は毎秒 60〜100 トークンに向上しています。"
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 は高度なコード処理能力とエージェント機能を備えた MoE（Mixture of Experts）アーキテクチャの基盤モデルで、総パラメータ数は1T、アクティブパラメータは32Bです。一般的な知識推論、プログラミング、数学、エージェントなどの主要カテゴリにおけるベンチマークで、K2モデルは他の主要なオープンソースモデルを上回る性能を示しています。"
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "kimi-thinking-preview モデルは月の裏側が提供するマルチモーダル推論能力と汎用推論能力を備えたマルチモーダル思考モデルで、深い推論に優れ、より多くの難しい課題の解決を支援します。"
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1（期間限定無料）は、コード理解と自動プログラミングに特化し、効率的なプログラミングエージェントタスクに使用されます。"
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLMは、学習科学の原則に従って訓練された実験的なタスク特化型言語モデルで、教育や学習のシーンでシステムの指示に従い、専門的なメンターとして機能します。"
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2は、コーディングおよびエージェントワークフローのために構築された高効率な大規模言語モデルです。"
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "効率的なコーディングとエージェントワークフローのために設計されたモデルです。"
|
||||
"description": "MiniMax-M2 は、コーディングとエージェントタスクにおいて優れた性能を発揮する高コストパフォーマンスモデルで、さまざまなエンジニアリングシーンに適しています。"
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 は、コンパクトで高速、かつコスト効率に優れた混合エキスパート（MoE）モデルで、総パラメータ数は2,300億、アクティブパラメータは100億です。コーディングやエージェントタスクにおいて最高の性能を発揮しながら、強力な汎用知能を維持します。複数ファイルの編集、コードの実行と修正のループ、テストによる検証と修復、複雑な長距離ツールチェーンの処理において優れた性能を示し、開発者のワークフローに最適なモデルです。"
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 は Moonshot AI による大規模混合エキスパート（MoE）言語モデルで、総パラメータ数1兆、1回のフォワードパスあたり320億の活性化パラメータを持ちます。高度なツール使用、推論、コード合成などのエージェント能力に最適化されています。"
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 は Kimi シリーズの Instruct バージョンで、高品質なコード生成とツール呼び出しシーンに適しています。"
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "kimi-k2-0905-previewモデルは256kのコンテキスト長を持ち、より強力なエージェントコーディング能力、より優れたフロントエンドコードの美観と実用性、そしてより良いコンテキスト理解能力を備えています。"
|
||||
"description": "Kimi K2 0905 は Kimi シリーズの 0905 アップデートで、文脈と推論性能を拡張し、コーディングシーンを最適化しています。"
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "kimi-k2-0905-previewモデルは256kのコンテキスト長を持ち、より強力なエージェントコーディング能力、より優れたフロントエンドコードの美観と実用性、そしてより良いコンテキスト理解能力を備えています。"
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking は Moonshot による深い推論タスク向けに最適化された思考モデルで、汎用エージェント能力を備えています。"
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo は Kimi K2 Thinking の高速版で、深い推論能力を維持しつつ、応答遅延を大幅に削減しています。"
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph は Claude や GPT-4o のような最先端モデルが提案するコード変更を既存のコードファイルに高速に適用する専用AIモデルを提供します。高速で4500+トークン/秒の処理速度を持ち、AIコーディングワークフローの最終段階を担います。16k入力トークンと16k出力トークンをサポートします。"
|
||||
},
|
||||
@@ -2702,30 +2777,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "OpenAI の gpt-4-turbo は広範な一般知識と専門知識を持ち、自然言語の複雑な指示に従い、難解な問題を正確に解決します。知識カットオフは2023年4月で、128,000トークンのコンテキストウィンドウを備えています。"
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 は OpenAI のフラッグシップモデルで、複雑なタスクに適しています。多分野にわたる問題解決に非常に優れています。"
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini は知能、速度、コストのバランスを取り、多くのユースケースに魅力的なモデルです。"
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano は最速かつ最もコスト効率の良い GPT 4.1 モデルです。"
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "OpenAI の GPT-4o は広範な一般知識と専門知識を持ち、自然言語の複雑な指示に従い、難解な問題を正確に解決します。より高速かつ低コストのAPIで GPT-4 Turbo と同等の性能を発揮します。"
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "OpenAI の GPT-4o mini は最先端かつコスト効率の高い小型モデルです。マルチモーダル対応（テキストまたは画像入力を受け付けテキスト出力）で、gpt-3.5-turbo より高い知能を持ちつつ同等の速度を実現しています。"
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 は OpenAI のフラッグシップ言語モデルで、複雑な推論、広範な現実世界知識、コード集約型および多段階エージェントタスクに優れた性能を示します。"
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini はコスト最適化されたモデルで、推論・チャットタスクに優れています。速度、コスト、能力の最適なバランスを提供します。"
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano は高スループットモデルで、単純な指示や分類タスクに優れています。"
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "非常に有能な汎用大規模言語モデルで、強力かつ制御可能な推論能力を持ちます。"
|
||||
},
|
||||
@@ -2750,9 +2809,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "o3-mini高推論レベル版は、o1-miniと同じコストと遅延目標で高い知性を提供します。"
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "OpenAI の o4-mini は高速かつコスト効率の良い推論を提供し、そのサイズにおいて卓越した性能を持ち、特に数学（AIMEベンチマークで最高評価）、コーディング、視覚タスクに優れています。"
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini高推論レベル版で、迅速かつ効果的な推論のために最適化されており、コーディングや視覚タスクで非常に高い効率と性能を発揮します。"
|
||||
},
|
||||
@@ -2954,9 +3011,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "強力な中型コードモデルで、32Kのコンテキスト長をサポートし、多言語プログラミングに優れています。"
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14BはQwen3シリーズの中で、148億パラメータの密な因果言語モデルであり、複雑な推論と効率的な対話のために設計されています。数学、プログラミング、論理推論などのタスクのための「思考」モードと一般的な対話のための「非思考」モードの間をシームレスに切り替えることができます。このモデルは微調整されており、指示の遵守、エージェントツールの使用、創造的な執筆、100以上の言語と方言にわたる多言語タスクに対応しています。32Kトークンのコンテキストをネイティブに処理し、YaRNベースの拡張を使用して131Kトークンに拡張可能です。"
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14BはQwen3シリーズの中で、148億パラメータの密な因果言語モデルであり、複雑な推論と効率的な対話のために設計されています。数学、プログラミング、論理推論などのタスクのための「思考」モードと一般的な対話のための「非思考」モードの間をシームレスに切り替えることができます。このモデルは微調整されており、指示の遵守、エージェントツールの使用、創造的な執筆、100以上の言語と方言にわたる多言語タスクに対応しています。32Kトークンのコンテキストをネイティブに処理し、YaRNベースの拡張を使用して131Kトークンに拡張可能です。"
|
||||
},
|
||||
@@ -3275,9 +3330,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "このモデルは強力な画像理解能力を持つ推論大モデルで、画像とテキスト情報を処理し、深い思考の後にテキストを生成します。このモデルは視覚推論分野で優れたパフォーマンスを発揮し、数学、コード、テキスト推論能力も第一級です。コンテキスト長は100kです。"
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 は JIEYUEXINGCHEN によって開発されたマルチモーダルモデルで、優れた視覚理解能力を備えています。"
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 は階跃星辰（StepFun）が公開した最先端のマルチモーダル推論モデルで、総パラメータ数321B、活性化パラメータ38Bを持つエキスパートミックス（MoE）アーキテクチャに基づいて構築されています。本モデルはエンドツーエンド設計を採用し、デコードコストの最小化を図りながら視覚言語推論においてトップクラスの性能を提供します。多行列分解注意（MFA）と注意-FFNのデカップリング（AFD）という協調設計により、Step3 はフラッグシップ級からローエンドのアクセラレータまで一貫して高い効率を維持します。事前学習段階では、Step3 は20Tを超えるテキストトークンと4Tの画像・テキスト混合トークンを処理し、十数言語をカバーしました。このモデルは数学、コード、多モーダルなど複数のベンチマークにおいてオープンソースモデルの中でトップレベルの成績を達成しています。"
|
||||
},
|
||||
@@ -3386,12 +3438,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2は、Microsoft AIが提供する言語モデルであり、複雑な対話、多言語、推論、インテリジェントアシスタントの分野で特に優れた性能を発揮します。"
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Grok 4 Fast をリリースできることを嬉しく思います。これは、コスト効率の高い推論モデルにおける最新の進展です。"
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "grok-code-fast-1 を発表できることを嬉しく思います。これは、高速かつ経済的な推論モデルであり、エージェントによるコーディングにおいて優れた性能を発揮します。"
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "Spark X1 モデルはさらにアップグレードされ、元の数学タスクで国内のリーダーシップを維持しつつ、推論、テキスト生成、言語理解などの一般的なタスクで OpenAI o1 および DeepSeek R1 に匹敵する効果を実現します。"
|
||||
},
|
||||
@@ -3452,9 +3500,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "複雑な視覚タスクモデルで、複数の画像に基づく高性能な理解と分析能力を提供します。"
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "智譜の最新フラッグシップモデル GLM-4.6 は、高度なコーディング、長文処理、推論およびエージェント能力において前世代を大きく上回る性能を実現しています。"
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5はエージェントアプリケーション向けに設計された基盤モデルで、混合専門家（Mixture-of-Experts）アーキテクチャを採用。ツール呼び出し、ウェブブラウジング、ソフトウェア工学、フロントエンドプログラミング分野で深く最適化され、Claude CodeやRoo Codeなどのコードエージェントへのシームレスな統合をサポートします。混合推論モードを採用し、複雑な推論や日常利用など多様なシナリオに適応可能です。"
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference（Xinference）は、様々なAIモデルの実行と統合を簡素化するためのオープンソースプラットフォームです。Xinferenceを利用することで、オープンソースのLLM、埋め込みモデル、マルチモーダルモデルをクラウドまたはオンプレミス環境で実行し、強力なAIアプリケーションを構築することができます。"
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux は、OpenAI、Anthropic、Google VertexAI などの主要な AI サービスインターフェースに対応した、統合型 AI サービス集約プラットフォームです。柔軟なルーティング機能を提供し、さまざまな AI モデルを簡単に切り替え・管理することができます。"
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AIは、AI 2.0時代の人工知能技術に特化し、「人+人工知能」の革新と応用を推進し、超強力なモデルと先進的なAI技術を用いて人類の生産性を向上させ、技術の力を実現します。"
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "표준"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "해상도",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "시드",
|
||||
"random": "무작위 시드"
|
||||
|
||||
+110
-64
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus는 Anthropic의 가장 지능적인 모델로, 매우 복잡한 작업에서 시장 선도적인 성능을 보입니다. 탁월한 유창성과 인간과 유사한 이해력을 바탕으로 개방형 프롬프트와 전례 없는 시나리오를 능숙하게 처리합니다."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku는 가장 빠른 모델의 차세대 버전입니다. Claude 3 Haiku와 유사한 속도를 유지하면서 모든 기술 영역에서 개선되었으며, 많은 지능 벤치마크에서 이전 세대 최대 모델인 Claude 3 Opus를 능가합니다."
|
||||
"description": "Claude 3.5 Haiku는 속도, 코딩 정확도 및 도구 사용 능력이 향상된 모델로, 빠른 응답과 도구 상호작용이 중요한 상황에 적합합니다."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet은 지능과 속도 사이의 이상적인 균형을 이룹니다—특히 기업 워크로드에 적합합니다. 동급 제품 대비 낮은 비용으로 강력한 성능을 제공하며, 대규모 AI 배포에서 높은 내구성을 위해 설계되었습니다."
|
||||
"description": "Claude 3.5 Sonnet은 Sonnet 계열의 빠르고 효율적인 모델로, 향상된 코딩 및 추론 성능을 제공합니다. 일부 버전은 Sonnet 3.7 등으로 점진적으로 대체될 예정입니다."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet은 최초의 혼합 추론 모델이자 Anthropic의 가장 지능적인 모델입니다. 코딩, 콘텐츠 생성, 데이터 분석 및 계획 작업에서 최첨단 성능을 제공하며, 이전 모델인 Claude 3.5 Sonnet의 소프트웨어 엔지니어링 및 컴퓨터 활용 능력을 기반으로 구축되었습니다."
|
||||
"description": "Claude 3.7 Sonnet은 Sonnet 시리즈의 업그레이드 버전으로, 더욱 강력한 추론 및 코딩 능력을 제공하며, 기업용 복잡한 작업에 적합합니다."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5는 높은 정확도를 유지하면서도 매우 낮은 지연 시간을 자랑하는 Anthropic의 고성능 고속 모델입니다."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4는 Anthropic의 가장 강력한 모델이자 세계 최고의 코딩 모델로, SWE-bench(72.5%) 및 Terminal-bench(43.2%)에서 선두를 달리고 있습니다. 수천 단계가 필요한 장기 작업에 지속적인 성능을 제공하며, 수시간 연속 작업이 가능해 AI 에이전트의 능력을 크게 확장합니다."
|
||||
"description": "Opus 4는 복잡한 작업과 기업용 애플리케이션을 위해 설계된 Anthropic의 플래그십 모델입니다."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1은 Opus 4의 플러그 앤 플레이 대체 모델로, 실제 코딩 및 에이전트 작업에서 뛰어난 성능과 정확도를 제공합니다. Opus 4.1은 SWE-bench Verified에서 74.5%의 최첨단 코딩 성능을 달성했으며, 복잡한 다단계 문제를 더 엄격하고 세밀하게 처리합니다."
|
||||
"description": "Opus 4.1은 프로그래밍, 복잡한 추론 및 지속적인 작업에 최적화된 Anthropic의 고급 모델입니다."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4는 Sonnet 3.7의 업계 선도 능력을 크게 향상시켰으며, 코딩에서 뛰어난 성능을 보이고 SWE-bench에서 최첨단 72.7%를 달성했습니다. 이 모델은 성능과 효율성 사이의 균형을 이루며, 내부 및 외부 사용 사례에 적합하고 향상된 제어성을 통해 구현에 대한 더 큰 통제를 제공합니다."
|
||||
"description": "Claude Sonnet 4는 사고 기반과 비사고 기반 기능을 결합한 Anthropic의 하이브리드 추론 모델입니다."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5는 Anthropic의 지금까지 가장 지능적인 모델입니다."
|
||||
"description": "Claude Sonnet 4.5는 복잡한 추론과 코딩에 최적화된 Anthropic의 최신 하이브리드 추론 모델입니다."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B는 720억 개의 파라미터와 160억 활성 파라미터를 가진 희소 대형 언어 모델로, 그룹 혼합 전문가(MoGE) 아키텍처를 기반으로 합니다. 전문가 선택 단계에서 전문가를 그룹화하고 각 그룹 내에서 토큰이 동일 수의 전문가를 활성화하도록 제한하여 전문가 부하 균형을 달성함으로써 Ascend 플랫폼에서의 모델 배포 효율성을 크게 향상시켰습니다."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B는 바이두에서 개발한 혼합 전문가(MoE) 아키텍처 기반의 대형 언어 모델입니다. 총 3천억 개의 파라미터를 보유하지만 추론 시 각 토큰당 470억 파라미터만 활성화하여 강력한 성능과 계산 효율성을 동시에 달성합니다. ERNIE 4.5 시리즈의 핵심 모델 중 하나로, 텍스트 이해, 생성, 추론 및 프로그래밍 작업에서 뛰어난 능력을 보여줍니다. 이 모델은 텍스트와 시각 모달리티의 공동 학습을 통한 혁신적인 다중 모달 이기종 MoE 사전학습 방식을 채택하여, 특히 명령 준수와 세계 지식 기억 측면에서 탁월한 성능을 발휘합니다."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview는 바이두의 차세대 멀티모달 원어 모델로, 멀티모달 이해, 명령 수행, 창작, 사실 기반 질의응답 및 도구 호출에 능숙합니다."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse는 지시 조정, 데이터 차익 거래, 선호 훈련 및 모델 통합의 혁신을 통해 단일 언어 모델의 성능에 도전하는 고성능 32B 다국어 모델입니다. 23개 언어를 지원합니다."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest는 o4-mini의 미세 조정 버전으로, Codex CLI 전용입니다. API를 통해 직접 사용하려면 gpt-4.1부터 시작하는 것을 권장합니다."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B는 미국에서 오픈소스로 제공되는 무료 상업용 대형 언어 모델로, 최고 수준의 성능, 높은 토큰 추론 효율, 128k 긴 문맥 처리 및 강력한 종합 능력을 갖추고 있습니다."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4는 지푸가 처음으로 한자 생성을 지원하는 오픈 소스 텍스트-이미지 생성 모델로, 의미 이해, 이미지 생성 품질, 중영 문자 생성 능력 등 여러 측면에서 전면적으로 향상되었으며, 임의 길이의 중영 이중 언어 입력을 지원하고 주어진 범위 내에서 임의 해상도의 이미지를 생성할 수 있습니다."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, 경량 멀티모달 버전으로, 자원이 제한되거나 고동시 환경에 적합합니다."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3는 DeepSeek 팀이 개발한 고성능 하이브리드 추론 모델로, 복잡한 작업 및 도구 통합에 적합합니다."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3는 685B 매개변수를 가진 전문가 혼합 모델로, DeepSeek 팀의 플래그십 채팅 모델 시리즈의 최신 반복입니다.\n\n이 모델은 [DeepSeek V3](/deepseek/deepseek-chat-v3) 모델을 계승하며 다양한 작업에서 뛰어난 성능을 보입니다."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3는 685B 매개변수를 가진 전문가 혼합 모델로, DeepSeek 팀의 플래그십 채팅 모델 시리즈의 최신 반복입니다.\n\n이 모델은 [DeepSeek V3](/deepseek/deepseek-chat-v3) 모델을 계승하며 다양한 작업에서 뛰어난 성능을 보입니다."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1은 128K 긴 컨텍스트와 효율적인 모드 전환을 지원하는 대형 하이브리드 추론 모델로, 도구 호출, 코드 생성 및 복잡한 추론 작업에서 탁월한 성능과 속도를 구현했습니다."
|
||||
"description": "DeepSeek-V3.1은 긴 문맥을 지원하는 DeepSeek의 하이브리드 추론 모델로, 사고/비사고 모드와 도구 통합을 지원합니다."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek R1 모델은 소규모 버전 업그레이드를 거쳐 현재 버전은 DeepSeek-R1-0528입니다. 최신 업데이트에서 DeepSeek R1은 증가된 계산 자원과 학습 후 도입된 알고리즘 최적화 메커니즘을 활용하여 추론 깊이와 능력을 크게 향상시켰습니다. 이 모델은 수학, 프로그래밍 및 일반 논리 등 여러 벤치마크에서 뛰어난 성능을 보이며, 전체 성능은 현재 O3 및 Gemini 2.5 Pro와 같은 선도 모델에 근접합니다."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1은 매우 적은 라벨 데이터만으로도 모델 추론 능력을 크게 향상시켰습니다. 최종 답변 출력 전에 모델이 사고 과정(chain-of-thought)을 먼저 출력하여 최종 답변의 정확도를 높입니다."
|
||||
"description": "DeepSeek R1 0528은 DeepSeek의 최신 변형 모델로, 오픈소스 활용성과 깊이 있는 추론에 중점을 두었습니다."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1은 매우 적은 라벨 데이터만으로도 모델 추론 능력을 크게 향상시켰습니다. 최종 답변 출력 전에 모델이 사고 과정(chain-of-thought)을 먼저 출력하여 최종 답변의 정확도를 높입니다."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1은 극히 적은 주석 데이터로 모델의 추론 능력을 크게 향상시킵니다. 최종 답변을 출력하기 전에 모델은 먼저 사고의 연쇄 내용을 출력하여 최종 답변의 정확성을 높입니다."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking(reasoner)는 DeepSeek의 실험적 추론 모델로, 고난이도 추론 작업에 적합합니다."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "향상된 추론 능력을 갖춘 빠르고 범용적인 대형 언어 모델입니다."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview는 구글의 최첨단 사고 모델로, 코드, 수학 및 STEM 분야의 복잡한 문제를 추론할 수 있으며, 긴 문맥을 활용해 대규모 데이터셋, 코드베이스 및 문서를 분석합니다."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image(Nano Banana Pro)는 Google의 이미지 생성 모델로, 멀티모달 대화를 지원합니다."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image(Nano Banana Pro)는 Google의 이미지 생성 모델로, 멀티모달 대화를 지원합니다."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro는 Google의 가장 지능적인 모델로, 최첨단 추론 및 멀티모달 이해 능력과 강력한 에이전트 기능 및 분위기 인코딩 기능을 갖추고 있습니다."
|
||||
"description": "Gemini 3 Pro는 세계 최고 수준의 멀티모달 이해 모델로, Google이 개발한 가장 강력한 에이전트 및 분위기 기반 프로그래밍 모델입니다. 풍부한 시각 효과와 깊이 있는 상호작용을 제공하며, 최첨단 추론 능력을 기반으로 합니다."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Gemini Flash 최신 버전"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview는 강력한 복잡한 추론 능력을 갖추고 있으며, 논리 추론, 수학, 프로그래밍 등 분야에서 우수한 성능을 발휘합니다."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash는 차세대 기능과 개선된 성능을 제공하며, 뛰어난 속도, 내장 도구 사용, 멀티모달 생성 및 100만 토큰의 컨텍스트 윈도우를 지원합니다."
|
||||
"description": "Gemini 2.0 Flash는 Google의 고성능 추론 모델로, 확장된 멀티모달 작업에 적합합니다."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash는 뛰어난 속도, 원주율 도구 사용, 다중 모달 생성 및 1M 토큰 문맥 창을 포함한 차세대 기능과 개선 사항을 제공합니다."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite는 차세대 기능과 개선된 성능을 제공하며, 뛰어난 속도, 내장 도구 사용, 멀티모달 생성 및 100만 토큰의 컨텍스트 윈도우를 지원합니다."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite는 Gemini 시리즈의 경량 버전으로, 기본적으로 사고 기능이 비활성화되어 지연 시간과 비용 효율이 향상되며, 매개변수를 통해 활성화할 수 있습니다."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash는 사고 모델로서 뛰어난 종합 능력을 제공합니다. 가격과 성능의 균형을 목표로 하며, 멀티모달 및 100만 토큰의 컨텍스트 윈도우를 지원합니다."
|
||||
"description": "Gemini 2.5 Flash(Lite/Pro/Flash) 시리즈는 Google의 중저지연부터 고성능까지 아우르는 추론 모델입니다."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image(Nano Banana)는 Google의 이미지 생성 모델로, 멀티모달 대화를 지원합니다."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gemini 2.5 Flash Image 무료 버전은 제한된 용량의 멀티모달 생성을 지원합니다."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash 실험 모델로, 이미지 생성을 지원합니다."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite는 균형 잡힌 저지연 모델로, 구성 가능한 사고 예산과 도구 연결성(예: Google 검색 기반 및 코드 실행)을 제공합니다. 멀티모달 입력을 지원하며 100만 토큰의 컨텍스트 윈도우를 제공합니다."
|
||||
"description": "Gemini 2.5 Flash Lite는 Gemini 2.5의 경량 버전으로, 지연 시간과 비용을 최적화하여 고처리량 환경에 적합합니다."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash는 Google의 최첨단 주력 모델로, 고급 추론, 코딩, 수학 및 과학 작업을 위해 설계되었습니다. 내장된 '사고' 능력을 포함하고 있어 더 높은 정확성과 세밀한 맥락 처리를 통해 응답을 제공합니다.\n\n주의: 이 모델에는 두 가지 변형이 있습니다: 사고 및 비사고. 출력 가격은 사고 능력이 활성화되었는지 여부에 따라 크게 다릅니다. 표준 변형(‘:thinking’ 접미사가 없는)을 선택하면 모델이 사고 토큰 생성을 명확히 피합니다.\n\n사고 능력을 활용하고 사고 토큰을 수신하려면 ‘:thinking’ 변형을 선택해야 하며, 이는 더 높은 사고 출력 가격을 발생시킵니다.\n\n또한, Gemini 2.5 Flash는 문서에 설명된 대로 '추론 최대 토큰 수' 매개변수를 통해 구성할 수 있습니다 (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash는 Google의 최첨단 주력 모델로, 고급 추론, 코딩, 수학 및 과학 작업을 위해 설계되었습니다. 내장된 '사고' 능력을 포함하고 있어 더 높은 정확성과 세밀한 맥락 처리를 통해 응답을 제공합니다.\n\n주의: 이 모델에는 두 가지 변형이 있습니다: 사고 및 비사고. 출력 가격은 사고 능력이 활성화되었는지 여부에 따라 크게 다릅니다. 표준 변형(‘:thinking’ 접미사가 없는)을 선택하면 모델이 사고 토큰 생성을 명확히 피합니다.\n\n사고 능력을 활용하고 사고 토큰을 수신하려면 ‘:thinking’ 변형을 선택해야 하며, 이는 더 높은 사고 출력 가격을 발생시킵니다.\n\n또한, Gemini 2.5 Flash는 문서에 설명된 대로 '추론 최대 토큰 수' 매개변수를 통해 구성할 수 있습니다 (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro는 가장 진보된 추론 Gemini 모델로, 복잡한 문제 해결이 가능합니다. 200만 토큰의 컨텍스트 윈도우를 가지며, 텍스트, 이미지, 오디오, 비디오 및 PDF 문서를 포함한 멀티모달 입력을 지원합니다."
|
||||
"description": "Gemini 2.5 Pro는 Google의 플래그십 추론 모델로, 긴 문맥과 복잡한 작업을 지원합니다."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gemini 2.5 Pro 무료 버전은 제한된 용량의 멀티모달 긴 문맥을 지원하며, 체험 및 경량 워크플로우에 적합합니다."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview는 Google의 최첨단 사고 모델로, 코드, 수학 및 STEM 분야의 복잡한 문제를 추론할 수 있으며, 긴 문맥을 사용하여 대규모 데이터 세트, 코드베이스 및 문서를 분석할 수 있습니다."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gemini 3 Pro Image 무료 버전은 제한된 용량의 멀티모달 생성을 지원합니다."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro는 Gemini 시리즈의 차세대 멀티모달 추론 모델로, 텍스트, 오디오, 이미지, 비디오 등 다양한 입력을 이해하고 복잡한 작업 및 대규모 코드베이스를 처리할 수 있습니다."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gemini 3 Pro 무료 프리뷰 버전은 표준 버전과 동일한 멀티모달 이해 및 추론 능력을 갖추고 있으나, 무료 용량 및 속도 제한이 있어 체험 및 저빈도 사용에 적합합니다."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "최첨단 임베딩 모델로, 영어, 다국어 및 코드 작업에서 뛰어난 성능을 보입니다."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small은 코드 생성, 디버깅 및 리팩토링 작업에 이상적이며, 최소 지연 시간을 자랑합니다."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T는 'Ling 2.0' 시리즈의 첫 번째 플래그십 non-thinking 모델로, 총 1조 개의 파라미터와 토큰당 약 500억 개의 활성 파라미터를 보유하고 있습니다. Ling 2.0 아키텍처를 기반으로 구축되었으며, 효율적인 추론과 확장 가능한 인지 능력의 한계를 돌파하는 것을 목표로 합니다. Ling-1T-base는 200조 개 이상의 고품질 추론 중심 토큰으로 학습되었습니다."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0은 앤트 그룹 백령 팀이 발표한 Ling 2.0 아키텍처 시리즈의 세 번째 모델입니다. 혼합 전문가(MoE) 모델로 총 파라미터 수는 1000억에 달하지만, 각 토큰당 61억 파라미터만 활성화(비임베딩 48억)됩니다. 경량 구성 모델로서 여러 권위 있는 평가에서 400억 규모의 밀집(Dense) 모델 및 더 큰 규모의 MoE 모델과 견줄 만한 성능을 보여줍니다. 이 모델은 '대형 모델 = 대형 파라미터'라는 공감대 하에 극대화된 아키텍처 설계와 학습 전략을 통해 고효율 경로를 탐색하는 것을 목표로 합니다."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0은 MoE 아키텍처 기반의 소형 고성능 대형 언어 모델입니다. 총 160억 파라미터를 보유하지만 각 토큰당 14억(비임베딩 7억 8천 9백만) 파라미터만 활성화하여 매우 빠른 생성 속도를 실현합니다. 효율적인 MoE 설계와 대규모 고품질 학습 데이터 덕분에, 활성화 파라미터가 14억에 불과함에도 불구하고 Ling-mini-2.0은 하위 작업에서 100억 이하의 밀집 LLM 및 더 큰 규모의 MoE 모델과 견줄 수 있는 최상위 성능을 보여줍니다."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T는 백링(Bailing) 팀이 공개한 1조 파라미터 규모의 오픈소스 사고 모델입니다. Ling 2.0 아키텍처와 Ling-1T-base 모델을 기반으로 학습되었으며, 총 파라미터 수는 1조, 활성 파라미터는 500억 개에 달합니다. 최대 128K의 컨텍스트 윈도우를 지원하며, 대규모 검증 가능한 보상 강화 학습을 통해 최적화되었습니다."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0은 Ling-flash-2.0-base를 기반으로 깊이 최적화된 고성능 사고 모델입니다. 혼합 전문가(MoE) 아키텍처를 채택하여 총 1000억 파라미터를 보유하지만, 추론 시에는 61억 파라미터만 활성화합니다. 독창적인 icepop 알고리즘을 통해 MoE 대형 모델의 강화 학습(RL) 훈련 중 불안정성 문제를 해결하여 복잡한 추론 능력을 장기 훈련 동안 지속적으로 향상시켰습니다. 수학 경시대회, 코드 생성, 논리 추론 등 여러 고난도 벤치마크에서 뛰어난 성과를 거두었으며, 400억 파라미터 이하의 최상위 밀집 모델을 능가하고 더 큰 규모의 오픈소스 MoE 모델 및 폐쇄형 고성능 사고 모델과 견줄 만한 성능을 자랑합니다. 복잡한 추론에 집중하면서도 창의적 글쓰기 작업에서도 우수한 성능을 보입니다. 또한 효율적인 아키텍처 설계 덕분에 강력한 성능과 함께 고속 추론을 실현하여 고부하 환경에서 사고 모델의 배포 비용을 크게 절감합니다."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T는 inclusionAI의 1T MoE 대형 모델로, 고강도 추론 작업과 대규모 문맥에 최적화되어 있습니다."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0은 inclusionAI의 MoE 모델로, 효율성과 추론 성능을 최적화하여 중대형 작업에 적합합니다."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0은 inclusionAI의 경량화된 MoE 모델로, 추론 능력을 유지하면서도 비용을 크게 절감합니다."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview는 inclusionAI의 멀티모달 모델로, 음성, 이미지, 비디오 입력을 지원하며 이미지 렌더링 및 음성 인식 능력을 최적화했습니다."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T는 inclusionAI의 조 단위 파라미터를 가진 MoE 사고 모델로, 대규모 추론 및 연구 중심 작업에 적합합니다."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0은 고처리량 환경을 위한 inclusionAI의 Ring 모델 변형으로, 속도와 비용 효율성을 강조합니다."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0은 inclusionAI의 고처리량 경량화 MoE 버전으로, 동시 처리 환경에 주로 사용됩니다."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5는 다양한 시나리오에서 스마트 대화 솔루션을 제공합니다."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, Kimi 공식 추론 모델로, 장기 컨텍스트, 코드, 질의응답 등 다양한 시나리오를 지원합니다."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 장기 사고 모델은 256k 문맥을 지원하며, 다단계 도구 호출과 사고를 통해 복잡한 문제 해결에 능숙합니다."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "K2 장기 사고 모델의 고속 버전으로, 256k 문맥을 지원하며, 심층 추론에 능하고 초당 60~100 토큰의 출력 속도를 자랑합니다."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2는 강력한 코드 처리 및 에이전트(Agent) 기능을 갖춘 MoE(혼합 전문가) 아키텍처 기반 모델로, 총 파라미터 수는 1T(1조), 활성화 파라미터는 32B(320억)입니다. 일반 지식 추론, 프로그래밍, 수학, 에이전트 등 주요 분야의 벤치마크 성능 테스트에서 K2 모델은 다른 주요 오픈 소스 모델들을 능가합니다."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "kimi-thinking-preview 모델은 월면의 어두운 면에서 제공하는 다중 모달 추론 능력과 범용 추론 능력을 갖춘 다중 모달 사고 모델로, 심층 추론에 능하며 더 어렵고 복잡한 문제 해결을 돕습니다."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1(한시적 무료)은 코드 이해 및 자동화 프로그래밍에 특화되어 있으며, 효율적인 프로그래밍 에이전트 작업에 사용됩니다."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM은 학습 과학 원칙에 맞춰 훈련된 실험적이고 특정 작업에 특화된 언어 모델로, 교육 및 학습 환경에서 시스템 지침을 따르며 전문가 멘토 역할을 수행합니다."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2는 코딩 및 에이전트 워크플로우를 위해 설계된 효율적인 대형 언어 모델입니다."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "효율적인 코딩과 에이전트 워크플로우를 위해 설계되었습니다."
|
||||
"description": "MiniMax-M2는 코딩 및 에이전트 작업에서 뛰어난 성능을 보이는 고성능 대비 가성비 모델로, 다양한 엔지니어링 환경에 적합합니다."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2는 2,300억 개의 총 파라미터와 100억 개의 활성 파라미터를 갖춘 컴팩트하고 빠르며 경제적인 혼합 전문가(MoE) 모델로, 코딩 및 에이전트 작업에서 최고의 성능을 발휘하도록 설계되었으며, 강력한 범용 인공지능을 유지합니다. 이 모델은 다중 파일 편집, 코드 실행-수정의 루프, 테스트 기반 검증 및 수정, 복잡한 장기 연결 툴체인 등에서 뛰어난 성능을 보여주며, 개발자 워크플로우에 이상적인 선택입니다."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2는 Moonshot AI가 개발한 대규모 혼합 전문가(MoE) 언어 모델로, 총 1조 매개변수와 한 번의 순전파당 320억 활성 매개변수를 갖추고 있습니다. 고급 도구 사용, 추론 및 코드 합성을 포함한 에이전트 능력에 최적화되어 있습니다."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711은 Kimi 시리즈의 Instruct 버전으로, 고품질 코드 및 도구 호출 환경에 적합합니다."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "kimi-k2-0905-preview 모델은 256k 문맥 길이를 가지며, 더욱 강력한 에이전틱 코딩(Agentic Coding) 능력, 뛰어난 프론트엔드 코드의 미적 감각과 실용성, 그리고 향상된 문맥 이해 능력을 갖추고 있습니다."
|
||||
"description": "Kimi K2 0905는 Kimi 시리즈의 0905 업데이트 버전으로, 문맥 길이와 추론 성능이 향상되었으며, 코딩 환경에 최적화되었습니다."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "kimi-k2-0905-preview 모델은 256k 문맥 길이를 가지며, 더욱 강력한 에이전틱 코딩(Agentic Coding) 능력, 뛰어난 프론트엔드 코드의 미적 감각과 실용성, 그리고 향상된 문맥 이해 능력을 갖추고 있습니다."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking은 Moonshot이 심층 추론 작업을 위해 최적화한 사고 모델로, 범용 에이전트 기능을 갖추고 있습니다."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo는 Kimi K2 Thinking의 고속 버전으로, 심층 추론 능력을 유지하면서 응답 지연을 크게 줄였습니다."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph는 Claude 또는 GPT-4o와 같은 최첨단 모델이 제안하는 코드 변경 사항을 기존 코드 파일에 빠르게 적용하는 전문 AI 모델입니다. 초당 4500+ 토큰 처리 속도를 자랑하며, AI 코딩 워크플로우의 마지막 단계를 담당합니다. 16k 입력 토큰과 16k 출력 토큰을 지원합니다."
|
||||
},
|
||||
@@ -2702,30 +2777,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "OpenAI의 gpt-4-turbo는 광범위한 일반 지식과 도메인 전문성을 갖추어 자연어의 복잡한 지시를 따르고 어려운 문제를 정확히 해결할 수 있습니다. 지식 컷오프는 2023년 4월이며, 컨텍스트 윈도우는 128,000 토큰입니다."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1은 OpenAI의 플래그십 모델로, 복잡한 작업에 적합하며 다분야 문제 해결에 뛰어납니다."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini는 지능, 속도 및 비용 사이의 균형을 이루어 다양한 사용 사례에 매력적인 모델입니다."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano는 가장 빠르고 비용 효율적인 GPT 4.1 모델입니다."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "OpenAI의 GPT-4o는 광범위한 일반 지식과 도메인 전문성을 갖추어 자연어의 복잡한 지시를 따르고 어려운 문제를 정확히 해결할 수 있습니다. GPT-4 Turbo와 동등한 성능을 더 빠르고 저렴한 API로 제공합니다."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "OpenAI의 GPT-4o mini는 가장 진보되고 비용 효율적인 소형 모델입니다. 멀티모달(텍스트 또는 이미지 입력을 받아 텍스트 출력)이며, gpt-3.5-turbo보다 더 높은 지능을 가지면서도 동일한 속도를 유지합니다."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5는 OpenAI의 플래그십 언어 모델로, 복잡한 추론, 광범위한 현실 세계 지식, 코드 집약적 및 다단계 에이전트 작업에서 뛰어난 성능을 보입니다."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini는 비용 최적화된 모델로, 추론 및 채팅 작업에서 우수한 성능을 보이며 속도, 비용 및 능력 사이에서 최적의 균형을 제공합니다."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano는 높은 처리량을 제공하는 모델로, 간단한 지시나 분류 작업에 적합합니다."
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "강력하고 제어 가능한 추론 능력을 갖춘 매우 유능한 범용 대형 언어 모델입니다."
|
||||
},
|
||||
@@ -2750,9 +2809,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "o3-mini 고급 추론 버전은 o1-mini와 동일한 비용 및 지연 목표에서 높은 지능을 제공합니다."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "OpenAI의 o4-mini는 빠르고 비용 효율적인 추론을 제공하며, 특히 수학(AIME 벤치마크 최고 성능), 코딩 및 시각 작업에서 뛰어난 성능을 보입니다."
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini 고급 추론 버전으로, 빠르고 효율적인 추론을 위해 최적화되어 있으며, 코딩 및 시각적 작업에서 매우 높은 효율성과 성능을 자랑합니다."
|
||||
},
|
||||
@@ -2954,9 +3011,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "32K 컨텍스트 길이를 지원하는 강력한 중형 코드 모델로, 다국어 프로그래밍에 능숙합니다."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B는 Qwen3 시리즈의 밀집형 148억 매개변수 인과 언어 모델로, 복잡한 추론과 효율적인 대화를 위해 설계되었습니다. 수학, 프로그래밍 및 논리 추론과 같은 작업을 위한 '사고' 모드와 일반 대화를 위한 '비사고' 모드 간의 원활한 전환을 지원합니다. 이 모델은 지침 준수, 에이전트 도구 사용, 창의적 글쓰기 및 100개 이상의 언어와 방언에서의 다국어 작업을 위해 미세 조정되었습니다. 기본적으로 32K 토큰 컨텍스트를 처리하며, YaRN 기반 확장을 통해 131K 토큰으로 확장할 수 있습니다."
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B는 Qwen3 시리즈의 밀집형 148억 매개변수 인과 언어 모델로, 복잡한 추론과 효율적인 대화를 위해 설계되었습니다. 수학, 프로그래밍 및 논리 추론과 같은 작업을 위한 '사고' 모드와 일반 대화를 위한 '비사고' 모드 간의 원활한 전환을 지원합니다. 이 모델은 지침 준수, 에이전트 도구 사용, 창의적 글쓰기 및 100개 이상의 언어와 방언에서의 다국어 작업을 위해 미세 조정되었습니다. 기본적으로 32K 토큰 컨텍스트를 처리하며, YaRN 기반 확장을 통해 131K 토큰으로 확장할 수 있습니다."
|
||||
},
|
||||
@@ -3275,9 +3330,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "이 모델은 강력한 이미지 이해 능력을 갖춘 추론 대모델로, 이미지와 텍스트 정보를 처리하며, 깊은 사고 후 텍스트를 생성합니다. 이 모델은 시각적 추론 분야에서 두드러진 성능을 보이며, 1차 대열의 수학, 코드, 텍스트 추론 능력을 갖추고 있습니다. 문맥 길이는 100k입니다."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3는 Jieyue Xingchen에서 출시한 멀티모달 모델로, 강력한 시각 이해 능력을 갖추고 있습니다."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3은 StepFun(중국명: 阶跃星辰)이 발표한 최첨단 멀티모달 추론 모델로, 총 321B의 파라미터와 38B의 활성화 파라미터를 가진 전문가 혼합(MoE) 아키텍처를 기반으로 합니다. 이 모델은 엔드투엔드 설계를 채택해 디코딩 비용을 최소화하는 동시에 시각-언어 추론에서 최상급 성능을 제공합니다. 다중 행렬 분해 어텐션(MFA)과 어텐션-FFN 디커플링(AFD)의 결합 설계를 통해 Step3은 플래그십급 및 저사양 가속기 모두에서 탁월한 효율을 유지합니다. 사전학습 단계에서 Step3은 20조개 이상의 텍스트 토큰(20T)과 4조개 이상의 이미지-텍스트 혼합 토큰(4T)을 처리했으며, 10여 개 언어를 포괄합니다. 이 모델은 수학, 코드 및 멀티모달을 포함한 여러 벤치마크에서 오픈소스 모델 중 선도적인 수준의 성능을 달성했습니다."
|
||||
},
|
||||
@@ -3386,12 +3438,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2는 Microsoft AI에서 제공하는 언어 모델로, 복잡한 대화, 다국어, 추론 및 스마트 어시스턴트 분야에서 특히 뛰어난 성능을 발휘합니다."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Grok 4 Fast를 출시하게 되어 매우 기쁩니다. 이는 비용 효율적인 추론 모델 분야에서 우리의 최신 성과입니다."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "grok-code-fast-1을 출시하게 되어 기쁩니다. 이 모델은 빠르고 경제적인 추론 성능을 제공하며, 에이전트 기반 코딩 작업에서 탁월한 성능을 보입니다."
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "Spark X1 모델은 추가 업그레이드를 통해 기존의 수학 과제에서 국내 선두를 유지하며, 추론, 텍스트 생성, 언어 이해 등 일반 과제에서 OpenAI o1 및 DeepSeek R1과 동등한 성과를 달성합니다."
|
||||
},
|
||||
@@ -3452,9 +3500,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "복잡한 시각적 작업 모델로, 여러 이미지를 기반으로 한 고성능 이해 및 분석 능력을 제공합니다."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "Zhipu의 최신 플래그십 모델 GLM-4.6은 고급 코딩, 장문 처리, 추론 및 에이전트 능력에서 전 세대를 뛰어넘는 성능을 자랑합니다."
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5는 에이전트 애플리케이션을 위해 설계된 기본 모델로, 혼합 전문가(Mixture-of-Experts) 아키텍처를 사용합니다. 도구 호출, 웹 브라우징, 소프트웨어 엔지니어링, 프론트엔드 프로그래밍 분야에서 깊이 최적화되었으며, Claude Code, Roo Code 등 코드 에이전트에 원활히 통합될 수 있습니다. GLM-4.5는 혼합 추론 모드를 채택하여 복잡한 추론과 일상 사용 등 다양한 응용 시나리오에 적응할 수 있습니다."
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits 추론(Xinference)은 다양한 AI 모델의 실행 및 통합을 단순화하기 위한 오픈소스 플랫폼입니다. Xinference를 사용하면 클라우드 또는 로컬 환경에서 오픈소스 LLM, 임베딩 모델 및 멀티모달 모델을 활용하여 추론을 실행하고 강력한 AI 애플리케이션을 구축할 수 있습니다."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux는 OpenAI, Anthropic, Google VertexAI 등 다양한 주요 AI 서비스 인터페이스를 지원하는 통합 AI 서비스 집약 플랫폼입니다. 유연한 라우팅 기능을 제공하여 다양한 AI 모델을 손쉽게 전환하고 관리할 수 있습니다."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI는 AI 2.0 시대의 인공지능 기술에 집중하며, '인간 + 인공지능'의 혁신과 응용을 적극적으로 추진하고, 초강력 모델과 고급 AI 기술을 활용하여 인간의 생산성을 향상시키고 기술의 힘을 실현합니다."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Standaard"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Resolutie",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Zaad",
|
||||
"random": "Willekeurige zaad"
|
||||
|
||||
+176
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus is het slimste model van Anthropic met marktleidende prestaties bij zeer complexe taken. Het kan open prompts en ongeziene scenario's met uitstekende vloeiendheid en mensachtige begrip hanteren."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku is de volgende generatie van ons snelste model. Met een vergelijkbare snelheid als Claude 3 Haiku, is Claude 3.5 Haiku verbeterd in elke vaardigheid en overtreft het in veel intelligentie benchmarks ons vorige grootste model Claude 3 Opus."
|
||||
"description": "Claude 3.5 Haiku biedt verbeterde snelheid, nauwkeurigheid in codering en gebruik van tools. Geschikt voor scenario's met hoge eisen aan snelheid en interactie met hulpmiddelen."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet bereikt een ideale balans tussen intelligentie en snelheid, vooral voor bedrijfsworkloads. Het levert krachtige prestaties tegen lagere kosten dan vergelijkbare producten en is ontworpen voor hoge duurzaamheid in grootschalige AI-implementaties."
|
||||
"description": "Claude 3.5 Sonnet is een snel en efficiënt model uit de Sonnet-familie, met verbeterde prestaties op het gebied van codering en redeneren. Sommige versies zullen geleidelijk worden vervangen door onder andere Sonnet 3.7."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet is het eerste hybride redeneermodel en het slimste model van Anthropic tot nu toe. Het biedt geavanceerde prestaties in codering, contentgeneratie, data-analyse en planningsopdrachten, voortbouwend op de software-engineering en computergebruikcapaciteiten van zijn voorganger Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet is een geüpgradede versie binnen de Sonnet-serie, met krachtigere redenerings- en coderingsmogelijkheden, geschikt voor complexe taken op ondernemingsniveau."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 is een krachtig en snel model van Anthropic, met extreem lage latentie en hoge nauwkeurigheid."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 is het krachtigste model van Anthropic tot nu toe en het beste codemodel ter wereld, leidend op SWE-bench (72,5%) en Terminal-bench (43,2%). Het levert consistente prestaties voor langdurige taken die focus en duizenden stappen vereisen, en kan urenlang onafgebroken werken – wat de capaciteiten van AI-agenten aanzienlijk uitbreidt."
|
||||
"description": "Opus 4 is het vlaggenschipmodel van Anthropic, ontworpen voor complexe taken en toepassingen op ondernemingsniveau."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 is een plug-and-play alternatief voor Opus 4, dat uitstekende prestaties en nauwkeurigheid biedt voor praktische codeer- en agenttaken. Opus 4.1 verhoogt de geavanceerde codeerprestaties tot 74,5% op SWE-bench Verified en behandelt complexe meerstapsproblemen met grotere nauwkeurigheid en aandacht voor detail."
|
||||
"description": "Opus 4.1 is een geavanceerd model van Anthropic, geoptimaliseerd voor programmeren, complexe redenering en langdurige taken."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 bouwt voort op de toonaangevende capaciteiten van Sonnet 3.7 en blinkt uit in codering met een geavanceerde score van 72,7% op SWE-bench. Het model balanceert prestaties en efficiëntie, geschikt voor interne en externe toepassingen, en biedt grotere controle via verbeterde beheersbaarheid."
|
||||
"description": "Claude Sonnet 4 is een hybride redeneermodel van Anthropic, dat zowel denkende als niet-denkende capaciteiten combineert."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 is het slimste model van Anthropic tot nu toe."
|
||||
"description": "Claude Sonnet 4.5 is het nieuwste hybride redeneermodel van Anthropic, geoptimaliseerd voor complexe redenering en codering."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B is een sparsely activated groot taalmodel met 72 miljard parameters en 16 miljard geactiveerde parameters. Het is gebaseerd op de Group Mixture of Experts (MoGE) architectuur, waarbij experts worden gegroepeerd tijdens de selectie en tokens binnen elke groep een gelijk aantal experts activeren, wat zorgt voor een gebalanceerde expertbelasting en de efficiëntie van modelimplementatie op het Ascend-platform aanzienlijk verbetert."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B is een groot taalmodel ontwikkeld door Baidu, gebaseerd op een hybride expert (MoE) architectuur. Het model heeft in totaal 300 miljard parameters, maar activeert slechts 47 miljard parameters per token tijdens inferentie, wat krachtige prestaties combineert met rekenefficiëntie. Als een kernmodel van de ERNIE 4.5-serie toont het uitstekende capaciteiten in tekstbegrip, generatie, redenering en programmeren. Het model gebruikt een innovatieve multimodale heterogene MoE pre-trainingsmethode, waarbij tekst- en visuele modaliteiten gezamenlijk worden getraind, wat de algehele prestaties verbetert, vooral in instructienaleving en wereldkennis."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview is het nieuwe generatie native multimodale Wenxin-model van Baidu, gespecialiseerd in multimodale interpretatie, instructieopvolging, creatie, feitelijke Q&A en toolgebruik."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse is een hoogwaardig 32B meertalig model, ontworpen om de prestaties van eentalige modellen uit te dagen door middel van instructietuning, data-arbitrage, voorkeurstraining en modelintegratie. Het ondersteunt 23 talen."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest is een fijn afgestemde versie van o4-mini, speciaal ontworpen voor Codex CLI. Voor direct gebruik via de API raden we aan te beginnen met gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B is een open-source groot taalmodel uit de VS dat gratis commercieel gebruikt mag worden. Het biedt prestaties vergelijkbaar met topmodellen, hogere token-redeneerefficiëntie, 128k context en sterke algemene capaciteiten."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 is het eerste open-source tekst-naar-beeldmodel van Zhipu dat Chinese karakters ondersteunt. Het biedt een algehele verbetering in semantisch begrip, beeldgeneratiekwaliteit en de mogelijkheid om zowel Chinese als Engelse teksten te genereren. Het ondersteunt tweetalige invoer van willekeurige lengte in het Chinees en Engels en kan afbeeldingen genereren met elke resolutie binnen het opgegeven bereik."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, een lichtgewicht multimodale versie, geschikt voor omgevingen met beperkte middelen en hoge gelijktijdigheid."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 is een krachtig hybride redeneermodel van het DeepSeek-team, geschikt voor complexe taken en toolintegratie."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 is een expert gemengd model met 685B parameters, de nieuwste iteratie van de vlaggenschip chatmodelreeks van het DeepSeek-team.\n\nHet is een opvolger van het [DeepSeek V3](/deepseek/deepseek-chat-v3) model en presteert uitstekend in verschillende taken."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 is een expert gemengd model met 685B parameters, de nieuwste iteratie van de vlaggenschip chatmodelreeks van het DeepSeek-team.\n\nHet is een opvolger van het [DeepSeek V3](/deepseek/deepseek-chat-v3) model en presteert uitstekend in verschillende taken."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 is een groot hybride redeneermodel dat 128K lange context ondersteunt en efficiënte moduswisselingen mogelijk maakt. Het levert uitstekende prestaties en snelheid bij toolaanroepen, codegeneratie en complexe redeneertaken."
|
||||
"description": "DeepSeek-V3.1 is een hybride redeneermodel met lange context van DeepSeek, dat denken/niet-denken modi en toolintegratie ondersteunt."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "Het DeepSeek R1-model heeft een kleine versie-upgrade ondergaan, momenteel DeepSeek-R1-0528. In de nieuwste update verbetert DeepSeek R1 aanzienlijk de diepte en capaciteit van redeneren door gebruik te maken van verhoogde rekenkracht en na training geïntroduceerde algoritmische optimalisaties. Het model presteert uitstekend op benchmarks voor wiskunde, programmeren en algemene logica, en nadert nu de prestaties van toonaangevende modellen zoals O3 en Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 verbetert de redeneercapaciteit van het model aanzienlijk, zelfs met zeer weinig gelabelde data. Voor het geven van het uiteindelijke antwoord genereert het model eerst een keten van gedachten om de nauwkeurigheid van het antwoord te verhogen."
|
||||
"description": "DeepSeek R1 0528 is een bijgewerkte variant van DeepSeek, met focus op open-source bruikbaarheid en diepgang in redenering."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 verbetert de redeneercapaciteit van het model aanzienlijk, zelfs met zeer weinig gelabelde data. Voor het geven van het uiteindelijke antwoord genereert het model eerst een keten van gedachten om de nauwkeurigheid van het antwoord te verhogen."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 heeft de redeneringscapaciteiten van het model aanzienlijk verbeterd, zelfs met zeer weinig gelabelde gegevens. Voordat het model het uiteindelijke antwoord geeft, genereert het eerst een denkproces om de nauwkeurigheid van het uiteindelijke antwoord te verbeteren."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) is een experimenteel redeneermodel van DeepSeek, geschikt voor zeer complexe redeneertaken."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Snel en universeel groot taalmodel met verbeterde redeneercapaciteiten."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview is Google's meest geavanceerde denkwijze-model, in staat om complexe problemen op het gebied van code, wiskunde en STEM te redeneren, en grote datasets, codebases en documenten te analyseren met lange context."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) is het beeldgeneratiemodel van Google, met ondersteuning voor multimodale interactie."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) is het beeldgeneratiemodel van Google, met ondersteuning voor multimodale interactie."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro is het meest geavanceerde model van Google, met state-of-the-art redeneringsvermogen en multimodale interpretatie, evenals krachtige agent- en contextcodering."
|
||||
"description": "Gemini 3 Pro is het beste multimodale interpretatiemodel ter wereld, en het krachtigste agent- en sfeerprogrammeerplatform van Google tot nu toe. Het biedt rijke visuele output en diepgaande interactie, gebaseerd op geavanceerde redeneercapaciteiten."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Laatste release van Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview heeft krachtige complexe redeneercapaciteiten en presteert uitstekend in logische redenering, wiskunde en programmeren."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash biedt next-generation functies en verbeteringen, waaronder uitstekende snelheid, ingebouwde toolintegratie, multimodale generatie en een contextvenster van 1 miljoen tokens."
|
||||
"description": "Gemini 2.0 Flash is een krachtig redeneermodel van Google, geschikt voor uitgebreide multimodale taken."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash biedt next-gen functies en verbeteringen, waaronder uitstekende snelheid, native toolgebruik, multimodale generatie en een contextvenster van 1M tokens."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite biedt next-generation functies en verbeteringen, waaronder uitstekende snelheid, ingebouwde toolintegratie, multimodale generatie en een contextvenster van 1 miljoen tokens."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite is een lichtgewicht versie binnen de Gemini-familie. Standaard is denken uitgeschakeld om latentie en kosten te optimaliseren, maar dit kan via parameters worden ingeschakeld."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash is een denkmodel met uitstekende allround capaciteiten. Het is ontworpen om een balans te vinden tussen prijs en prestaties, ondersteunt multimodale input en een contextvenster van 1 miljoen tokens."
|
||||
"description": "De Gemini 2.5 Flash-serie (Lite/Pro/Flash) omvat modellen van lage tot hoge prestaties met variërende latentie, ontwikkeld door Google."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) is het beeldgeneratiemodel van Google, met ondersteuning voor multimodale interactie."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gratis versie van Gemini 2.5 Flash Image, met beperkte capaciteit voor multimodale generatie."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash experimenteel model, ondersteunt beeldgeneratie"
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite is een gebalanceerd, laag-latentie model met configureerbaar denkbudget en toolconnectiviteit (zoals Google Search grounding en code-executie). Het ondersteunt multimodale input en biedt een contextvenster van 1 miljoen tokens."
|
||||
"description": "Gemini 2.5 Flash Lite is een lichtgewicht versie van Gemini 2.5, geoptimaliseerd voor lage latentie en kosten, geschikt voor scenario's met hoge doorvoer."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash is Google's meest geavanceerde hoofmodel, ontworpen voor geavanceerde redenering, codering, wiskunde en wetenschappelijke taken. Het bevat ingebouwde 'denkkracht', waardoor het in staat is om antwoorden te geven met een hogere nauwkeurigheid en gedetailleerde contextverwerking.\n\nLet op: dit model heeft twee varianten: denken en niet-denken. De outputprijs verschilt aanzienlijk afhankelijk van of de denkkracht is geactiveerd. Als u de standaardvariant kiest (zonder de ':thinking' suffix), zal het model expliciet vermijden om denk-tokens te genereren.\n\nOm gebruik te maken van de denkkracht en denk-tokens te ontvangen, moet u de ':thinking' variant kiezen, wat resulteert in hogere prijzen voor denk-output.\n\nBovendien kan Gemini 2.5 Flash worden geconfigureerd via de parameter 'max tokens for reasoning', zoals beschreven in de documentatie (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash is Google's meest geavanceerde hoofmodel, ontworpen voor geavanceerde redenering, codering, wiskunde en wetenschappelijke taken. Het bevat ingebouwde 'denkkracht', waardoor het in staat is om antwoorden te geven met een hogere nauwkeurigheid en gedetailleerde contextverwerking.\n\nLet op: dit model heeft twee varianten: denken en niet-denken. De outputprijs verschilt aanzienlijk afhankelijk van of de denkkracht is geactiveerd. Als u de standaardvariant kiest (zonder de ':thinking' suffix), zal het model expliciet vermijden om denk-tokens te genereren.\n\nOm gebruik te maken van de denkkracht en denk-tokens te ontvangen, moet u de ':thinking' variant kiezen, wat resulteert in hogere prijzen voor denk-output.\n\nBovendien kan Gemini 2.5 Flash worden geconfigureerd via de parameter 'max tokens for reasoning', zoals beschreven in de documentatie (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro is ons meest geavanceerde redeneermodel, in staat om complexe problemen op te lossen. Het heeft een contextvenster van 2 miljoen tokens en ondersteunt multimodale input, waaronder tekst, afbeeldingen, audio, video en PDF-documenten."
|
||||
"description": "Gemini 2.5 Pro is het vlaggenschip redeneermodel van Google, met ondersteuning voor lange context en complexe taken."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gratis versie van Gemini 2.5 Pro, met beperkte multimodale lange contextcapaciteit, geschikt voor testen en lichte workflows."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview is het meest geavanceerde denkkader van Google, dat in staat is om complexe problemen op het gebied van code, wiskunde en STEM te redeneren, en grote datasets, codebases en documenten te analyseren met behulp van lange context."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gratis versie van Gemini 3 Pro Image, met beperkte capaciteit voor multimodale generatie."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro is de volgende generatie multimodale redeneermodel binnen de Gemini-serie, met ondersteuning voor tekst, audio, beeld, video en complexe taken zoals grote codebases."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gratis preview van Gemini 3 Pro, met dezelfde multimodale interpretatie- en redeneercapaciteiten als de standaardversie, maar met beperkingen in gebruik en snelheid. Ideaal voor kennismaking en laagfrequent gebruik."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "State-of-the-art embed-model met uitstekende prestaties in Engels, meertalige en codeertaken."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small is ideaal voor codegeneratie, debugging en refactoring taken met minimale latentie."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T is het eerste vlaggenschipmodel uit de 'Ling 2.0'-serie zonder denkvermogen, met in totaal 1 biljoen parameters en ongeveer 50 miljard actieve parameters per token. Gebouwd op de Ling 2.0-architectuur, is Ling-1T ontworpen om de grenzen van efficiënte redenering en schaalbare cognitie te verleggen. Ling-1T-base is getraind op meer dan 20 biljoen hoogwaardige, redeneerintensieve tokens."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 is het derde model in de Ling 2.0 architectuurserie uitgebracht door het Bailing-team van Ant Group. Het is een Mixture of Experts (MoE) model met in totaal 100 miljard parameters, maar activeert slechts 6,1 miljard parameters per token (waarvan 4,8 miljard niet-embedding). Als een lichtgewicht configuratie toont Ling-flash-2.0 in meerdere gezaghebbende evaluaties prestaties die vergelijkbaar zijn met of beter dan 40 miljard dense modellen en grotere MoE modellen. Dit model is ontworpen om via ultieme architectuurontwerpen en trainingsstrategieën een efficiënte weg te verkennen binnen de consensus dat grote modellen gelijkstaan aan veel parameters."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 is een klein maar hoogpresterend groot taalmodel gebaseerd op de MoE-architectuur. Het heeft 16 miljard totale parameters, maar activeert slechts 1,4 miljard per token (789 miljoen niet-embedding), wat een zeer hoge generatie snelheid mogelijk maakt. Dankzij het efficiënte MoE-ontwerp en grootschalige hoogwaardige trainingsdata levert Ling-mini-2.0, ondanks de beperkte geactiveerde parameters, topprestaties die vergelijkbaar zijn met dense LLM's onder 10 miljard en grotere MoE modellen in downstream taken."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T is een open-source denkmodel op biljoenschaal, uitgebracht door het Bailing-team. Het is gebaseerd op de Ling 2.0-architectuur en het Ling-1T-base model, met in totaal 1 biljoen parameters en 50 miljard actieve parameters. Het ondersteunt contextvensters tot 128K en is geoptimaliseerd via grootschalige, verifieerbare beloningsversterkende training."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 is een diep geoptimaliseerd hoogpresterend denkmodel gebaseerd op Ling-flash-2.0-base. Het gebruikt een Mixture of Experts (MoE) architectuur met in totaal 100 miljard parameters, maar activeert slechts 6,1 miljard parameters per inferentie. Dit model lost met het unieke icepop-algoritme de instabiliteitsproblemen van grote MoE modellen tijdens reinforcement learning (RL) training op, waardoor de complexe redeneercapaciteit continu verbetert bij langdurige training. Ring-flash-2.0 behaalde significante doorbraken in uitdagende benchmarks zoals wiskundewedstrijden, codegeneratie en logische redenering. Het presteert niet alleen beter dan top dense modellen onder 40 miljard parameters, maar kan ook concurreren met grotere open-source MoE modellen en gesloten hoogpresterende denkmodellen. Hoewel het model zich richt op complexe redenering, presteert het ook uitstekend in creatieve schrijfopdrachten. Dankzij het efficiënte architectuurontwerp biedt Ring-flash-2.0 krachtige prestaties met hoge inferentiesnelheid, wat de implementatiekosten in scenario's met hoge gelijktijdigheid aanzienlijk verlaagt."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T is het 1T MoE-model van inclusionAI, geoptimaliseerd voor intensieve redeneertaken en grootschalige context."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 is een MoE-model van inclusionAI, geoptimaliseerd voor efficiëntie en redeneerprestaties, geschikt voor middelgrote tot grote taken."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 is een lichtgewicht MoE-model van inclusionAI, dat de kosten aanzienlijk verlaagt terwijl het redeneringsvermogen behouden blijft."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview is een multimodaal model van inclusionAI, met ondersteuning voor spraak-, beeld- en video-invoer, geoptimaliseerd voor beeldweergave en spraakherkenning."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T is het triljoen-parameter MoE-denkmodel van inclusionAI, geschikt voor grootschalige redeneer- en onderzoeksopdrachten."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 is een variant van het Ring-model van inclusionAI, gericht op scenario's met hoge doorvoer, met nadruk op snelheid en kostenefficiëntie."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 is een lichtgewicht MoE-versie van inclusionAI met hoge doorvoer, voornamelijk bedoeld voor gelijktijdige toepassingen."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 biedt intelligente gespreksoplossingen voor meerdere scenario's."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, het officiële redeneermodel van Kimi, ondersteunt lange context, code, Q&A en meer."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 Thinking-model met lange context, ondersteunt 256k context, meervoudige toolaanroepen en denkstappen, en blinkt uit in het oplossen van complexe problemen."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Snelle versie van het K2 Thinking-model, ondersteunt 256k context, geoptimaliseerd voor diepgaande redenering met een uitvoersnelheid van 60-100 tokens per seconde."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 is een basismodel met een MoE-architectuur dat beschikt over zeer sterke codeer- en agentcapaciteiten. Het heeft in totaal 1T parameters en 32B actieve parameters. In benchmarktests op belangrijke categorieën zoals algemene kennisredenering, programmeren, wiskunde en agenttaken overtreft het K2-model de prestaties van andere gangbare open-sourcemodellen."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "kimi-thinking-preview model is een multimodaal denkmodel met multimodale en algemene redeneervaardigheden, aangeboden door de donkere zijde van de maan. Het blinkt uit in diep redeneren en helpt bij het oplossen van complexere problemen."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (tijdelijk gratis) richt zich op codebegrip en geautomatiseerd programmeren, geschikt voor efficiënte programmeeragent-taken."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM is een experimenteel, taak-specifiek taalmodel dat is getraind volgens de principes van de leerwetenschap, en kan systeeminstructies volgen in onderwijs- en leeromgevingen, en fungeert als een expertmentor."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 is een efficiënt groot taalmodel dat speciaal is ontwikkeld voor programmeer- en agentworkflows."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Speciaal ontworpen voor efficiënte codering en agent-workflows."
|
||||
"description": "MiniMax-M2 is een kosteneffectief model met uitstekende prestaties in codering en agenttaken, geschikt voor diverse technische scenario's."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 is een compact, snel en kosteneffectief Mixture-of-Experts (MoE) model met 230 miljard totale parameters en 10 miljard actieve parameters. Het is ontworpen voor topprestaties bij codering en agenttaken, terwijl het een sterke algemene intelligentie behoudt. Het model blinkt uit in bewerkingen met meerdere bestanden, de code-run-fix-cyclus, testvalidatie en -correctie, en complexe langetermijn toolchains, waardoor het een ideale keuze is voor ontwikkelaarsworkflows."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 is een grootschalig hybride expert (MoE) taalmodel ontwikkeld door Moonshot AI, met in totaal 1 biljoen parameters en 32 miljard actieve parameters per voorwaartse pass. Het is geoptimaliseerd voor agentcapaciteiten, waaronder geavanceerd toolgebruik, redeneren en code-synthese."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 is de Instruct-versie van de Kimi-serie, geschikt voor hoogwaardige code- en toolgebruikscenario's."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "Het kimi-k2-0905-preview model heeft een contextlengte van 256k, beschikt over sterkere Agentic Coding-capaciteiten, een opvallender esthetiek en bruikbaarheid van frontend-code, en een beter contextbegrip."
|
||||
"description": "Kimi K2 0905 is de 0905-update van de Kimi-serie, met verbeterde contextcapaciteit en redeneervermogen, geoptimaliseerd voor coderingsscenario's."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "Het kimi-k2-0905-preview model heeft een contextlengte van 256k, beschikt over sterkere Agentic Coding-capaciteiten, een opvallender esthetiek en bruikbaarheid van frontend-code, en een beter contextbegrip."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking is een denkmodel van Moonshot, geoptimaliseerd voor diepgaande redeneertaken, met algemene agentcapaciteiten."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo is de snelle versie van Kimi K2 Thinking, met behoud van diepgaande redeneercapaciteiten en aanzienlijk lagere responstijd."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph biedt een gespecialiseerd AI-model dat codewijzigingen, voorgesteld door toonaangevende modellen zoals Claude of GPT-4o, snel toepast op uw bestaande codebestanden - FAST - meer dan 4500 tokens per seconde. Het fungeert als de laatste stap in AI-codeerworkflows. Ondersteunt 16k input tokens en 16k output tokens."
|
||||
},
|
||||
@@ -2703,28 +2778,49 @@
|
||||
"description": "OpenAI's gpt-4-turbo beschikt over uitgebreide algemene kennis en domeinspecialisatie, waardoor het complexe natuurlijke taalopdrachten kan volgen en moeilijke problemen nauwkeurig kan oplossen. De kennisdatum is april 2023 en het contextvenster is 128.000 tokens."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 is het vlaggenschipmodel van OpenAI, geschikt voor complexe taken. Het is uitstekend in het oplossen van problemen over verschillende domeinen heen."
|
||||
"description": "De GPT-4.1-serie biedt uitgebreidere context en sterkere technische en redeneercapaciteiten."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini balanceert intelligentie, snelheid en kosten, waardoor het een aantrekkelijk model is voor veel toepassingen."
|
||||
"description": "GPT-4.1 Mini biedt lagere latentie en betere kostenefficiëntie, geschikt voor middellange contextscenario's."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano is het snelste en meest kosteneffectieve GPT 4.1-model."
|
||||
"description": "GPT-4.1 Nano is een uiterst kosteneffectieve en snelle optie, geschikt voor korte, frequente gesprekken of classificatietaken."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o van OpenAI heeft uitgebreide algemene kennis en domeinspecialisatie, kan complexe natuurlijke taalopdrachten volgen en moeilijke problemen nauwkeurig oplossen. Het biedt prestaties vergelijkbaar met GPT-4 Turbo via een snellere en goedkopere API."
|
||||
"description": "De GPT-4o-serie is het Omni-model van OpenAI, met ondersteuning voor tekst- en beeldinvoer en tekstuitvoer."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini van OpenAI is hun meest geavanceerde en kosteneffectieve kleine model. Het is multimodaal (accepteert tekst- of beeldinvoer en genereert tekst) en intelligenter dan gpt-3.5-turbo, met vergelijkbare snelheid."
|
||||
"description": "GPT-4o-mini is de snelle, compacte versie van GPT-4o, geschikt voor scenario's met lage latentie en gemengde tekst-beeldinvoer."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 is het vlaggenschip taalmodel van OpenAI, uitmuntend in complex redeneren, uitgebreide wereldkennis, code-intensieve en meerstaps agenttaken."
|
||||
"description": "GPT-5 is het krachtige model van OpenAI, geschikt voor een breed scala aan productie- en onderzoekstoepassingen."
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat is een submodel van GPT-5, geoptimaliseerd voor conversaties met lagere latentie voor een betere interactie-ervaring."
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex is een variant van GPT-5, verder geoptimaliseerd voor coderingsscenario's en geschikt voor grootschalige codeworkflows."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini is een kosten-geoptimaliseerd model dat uitblinkt in redeneer- en chattaken. Het biedt de beste balans tussen snelheid, kosten en capaciteit."
|
||||
"description": "GPT-5 Mini is een compacte versie binnen de GPT-5-familie, geschikt voor scenario's met lage latentie en lage kosten."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano is een model met hoge doorvoer, uitstekend in eenvoudige instructies of classificatietaken."
|
||||
"description": "GPT-5 Nano is de ultracompacte versie binnen de familie, ideaal voor toepassingen met zeer strikte eisen op het gebied van kosten en latentie."
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro is het vlaggenschipmodel van OpenAI, met geavanceerde redeneercapaciteiten, codegeneratie en functies op ondernemingsniveau. Ondersteunt routering tijdens testen en strengere beveiligingsstrategieën."
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 is het nieuwste vlaggenschipmodel binnen de GPT-5-serie, met aanzienlijke verbeteringen in algemene redenering, instructieopvolging en natuurlijke conversatie. Geschikt voor uiteenlopende taken."
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat is een lichtgewicht lid van de GPT-5.1-familie, geoptimaliseerd voor gesprekken met lage latentie, met behoud van sterke redeneer- en instructiecapaciteiten."
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex is een variant van GPT-5.1, geoptimaliseerd voor softwareontwikkeling en coderingsworkflows, geschikt voor grootschalige refactoring, complexe debugging en langdurige autonome coderingstaken."
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini is een kleine, versnelde versie van GPT-5.1-Codex, beter geschikt voor coderingsscenario's met hoge eisen aan latentie en kosten."
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Een uiterst capabel universeel groot taalmodel met krachtige, controleerbare redeneercapaciteiten."
|
||||
@@ -2751,7 +2847,7 @@
|
||||
"description": "o3-mini high is een versie met een hoog redeneerniveau die hoge intelligentie biedt met dezelfde kosten- en vertragingdoelen als o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "OpenAI's o4-mini biedt snelle, kosteneffectieve redeneermogelijkheden met uitstekende prestaties voor zijn formaat, vooral in wiskunde (beste in AIME benchmark), codering en visuele taken."
|
||||
"description": "OpenAI o4-mini is een klein, efficiënt redeneermodel van OpenAI, geschikt voor toepassingen met lage latentie."
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini high inference level versie, geoptimaliseerd voor snelle en efficiënte inferentie, met hoge efficiëntie en prestaties in codering en visuele taken."
|
||||
@@ -2955,7 +3051,7 @@
|
||||
"description": "Krachtig middelgroot codeermodel, ondersteunt 32K contextlengte, gespecialiseerd in meertalige programmering."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B is een dichte causale taalmodel met 14 miljard parameters in de Qwen3 serie, speciaal ontworpen voor complexe redenering en efficiënte gesprekken. Het ondersteunt naadloze overgangen tussen de 'denk' modus voor wiskunde, programmeren en logische redenering en de 'niet-denk' modus voor algemene gesprekken. Dit model is fijn afgesteld voor het volgen van instructies, het gebruik van agenttools, creatieve schrijfopdrachten en meertalige taken in meer dan 100 talen en dialecten. Het verwerkt van nature 32K tokens context en kan worden uitgebreid tot 131K tokens met YaRN."
|
||||
"description": "Qwen3-14B is de 14B-versie binnen de Qwen-serie, geschikt voor algemene redeneer- en conversatiescenario's."
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B is een dichte causale taalmodel met 14 miljard parameters in de Qwen3 serie, speciaal ontworpen voor complexe redenering en efficiënte gesprekken. Het ondersteunt naadloze overgangen tussen de 'denk' modus voor wiskunde, programmeren en logische redenering en de 'niet-denk' modus voor algemene gesprekken. Dit model is fijn afgesteld voor het volgen van instructies, het gebruik van agenttools, creatieve schrijfopdrachten en meertalige taken in meer dan 100 talen en dialecten. Het verwerkt van nature 32K tokens context en kan worden uitgebreid tot 131K tokens met YaRN."
|
||||
@@ -2963,6 +3059,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B is een 235B parameters expert-meng (MoE) model ontwikkeld door Qwen, dat 22B parameters activeert bij elke voorwaartse doorgang. Het ondersteunt naadloze overgangen tussen de 'denk' modus voor complexe redenering, wiskunde en code taken en de 'niet-denk' modus voor algemene gespreks efficiëntie. Dit model toont krachtige redeneringscapaciteiten, meertalige ondersteuning (meer dan 100 talen en dialecten), geavanceerd volgen van instructies en het aanroepen van agenttools. Het verwerkt van nature een contextvenster van 32K tokens en kan worden uitgebreid tot 131K tokens met YaRN."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 is een instructiemodel binnen de Qwen3-serie, geschikt voor meertalige instructies en lange contextscenario's."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 is een Thinking-variant van Qwen3, versterkt voor complexe wiskundige en redeneertaken."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B is een 235B parameters expert-meng (MoE) model ontwikkeld door Qwen, dat 22B parameters activeert bij elke voorwaartse doorgang. Het ondersteunt naadloze overgangen tussen de 'denk' modus voor complexe redenering, wiskunde en code taken en de 'niet-denk' modus voor algemene gespreks efficiëntie. Dit model toont krachtige redeneringscapaciteiten, meertalige ondersteuning (meer dan 100 talen en dialecten), geavanceerd volgen van instructies en het aanroepen van agenttools. Het verwerkt van nature een contextvenster van 32K tokens en kan worden uitgebreid tot 131K tokens met YaRN."
|
||||
},
|
||||
@@ -2981,6 +3083,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B is een dichte causale taalmodel met 8 miljard parameters in de Qwen3 serie, speciaal ontworpen voor redeneringsintensieve taken en efficiënte gesprekken. Het ondersteunt naadloze overgangen tussen de 'denk' modus voor wiskunde, codering en logische redenering en de 'niet-denk' modus voor algemene gesprekken. Dit model is fijn afgesteld voor het volgen van instructies, agentintegratie, creatieve schrijfopdrachten en meertalig gebruik in meer dan 100 talen en dialecten. Het ondersteunt van nature een contextvenster van 32K tokens en kan worden uitgebreid tot 131K tokens via YaRN."
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder is een codegeneratiemodel binnen de Qwen3-serie, gespecialiseerd in codebegrip en -generatie binnen lange documenten."
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus is een speciaal geoptimaliseerd coderingsagentmodel binnen de Qwen-serie, met ondersteuning voor complexe toolaanroepen en langdurige sessies."
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max is het high-end redeneermodel binnen de Qwen3-serie, geschikt voor meertalige redenering en toolintegratie."
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max (preview) is de previewversie van het Max-model binnen de Qwen-serie, gericht op geavanceerde redenering en toolintegratie."
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus is de visueel verbeterde versie van Qwen3, met verbeterde multimodale redeneercapaciteiten en videobehandeling."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 is Alibaba's nieuwe generatie grootschalig taalmodel, ondersteunt diverse toepassingsbehoeften met uitstekende prestaties."
|
||||
},
|
||||
@@ -3275,9 +3392,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Dit model is een krachtig redeneringsmodel met sterke beeldbegripcapaciteiten, in staat om beeld- en tekstinformatie te verwerken en tekstinhoud te genereren na diep nadenken. Dit model presteert uitstekend in visuele redenering en heeft eersteklas wiskundige, code- en tekstredeneringscapaciteiten. De contextlengte is 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 is een multimodaal model ontwikkeld door StepStar, met krachtige visuele begripscapaciteiten."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 is een geavanceerd multimodaal redeneermodel uitgebracht door StepFun (阶跃星辰). Het is gebouwd op een Mixture-of-Experts (MoE)-architectuur met in totaal 321 miljard (321B) parameters en 38 miljard (38B) actieve parameters. Het model heeft een end-to-end ontwerp dat gericht is op het minimaliseren van decodeerkosten, terwijl het topniveau-prestaties levert bij vision-language redenering. Dankzij de synergie tussen Multi-Matrix Factorized Attention (MFA) en Attention-FFN Decoupling (AFD) behoudt Step3 uitstekende efficiëntie zowel op high-end als low-end accelerators. Tijdens de voortraining verwerkte Step3 meer dan 20 biljoen (20T) teksttokens en 4 biljoen (4T) gecombineerde beeld-tekst-tokens, en bestrijkt daarmee meer dan tien talen. Het model behaalt leidende resultaten onder open-sourcemodellen op verschillende benchmarks, waaronder wiskunde, code en multimodaal."
|
||||
},
|
||||
@@ -3359,6 +3473,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "Toegang tot het model achter v0 voor het genereren, repareren en optimaliseren van moderne webapplicaties, met framework-specifieke redenering en up-to-date kennis."
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code is een groot model van Byte Volcengine, geoptimaliseerd voor Agentic Programming, met uitstekende prestaties op meerdere programmeer- en agentbenchmarks. Ondersteunt 256K context."
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "Wanxiang 2.2 Flash-versie, het nieuwste model. Volledige upgrades in creativiteit, stabiliteit en realistische textuur, met snelle generatie en hoge kosteneffectiviteit."
|
||||
},
|
||||
@@ -3386,11 +3503,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 is een taalmodel van Microsoft AI dat uitblinkt in complexe gesprekken, meertaligheid, inferentie en intelligente assistentie."
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 is het vlaggenschip redeneermodel van xAI, met krachtige redeneer- en multimodale capaciteiten."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "We zijn verheugd om Grok 4 Fast te introduceren, onze nieuwste vooruitgang op het gebied van kostenefficiënte redeneermodellen."
|
||||
"description": "Grok 4 Fast is een model van xAI met hoge doorvoer en lage kosten (ondersteunt 2M contextvenster), geschikt voor toepassingen met hoge gelijktijdigheid en lange context."
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) is een multimodaal model van xAI met hoge doorvoer en lage kosten (ondersteunt 2M contextvenster), bedoeld voor scenario's die gevoelig zijn voor latentie en kosten, maar geen interne redenering vereisen. Redenering kan worden ingeschakeld via de API-parameter reasoning enable. Prompts en completions kunnen worden gebruikt door xAI of OpenRouter om toekomstige modellen te verbeteren."
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast is een model van xAI met hoge doorvoer en lage kosten (ondersteunt 2M contextvenster), geschikt voor toepassingen met hoge gelijktijdigheid en lange context."
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) is een multimodaal model van xAI met hoge doorvoer en lage kosten (ondersteunt 2M contextvenster), bedoeld voor scenario's die gevoelig zijn voor latentie en kosten, maar geen interne redenering vereisen. Redenering kan worden ingeschakeld via de API-parameter reasoning enable. Prompts en completions kunnen worden gebruikt door xAI of OpenRouter om toekomstige modellen te verbeteren."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "We zijn trots om grok-code-fast-1 te lanceren, een snel en kostenefficiënt redeneermodel dat uitblinkt in agentgebaseerde codering."
|
||||
"description": "Grok Code Fast 1 is het snelle codemodel van xAI, met output die goed leesbaar is en geschikt voor engineeringtoepassingen."
|
||||
},
|
||||
"x1": {
|
||||
"description": "Het Spark X1-model zal verder worden geüpgraded, met verbeterde prestaties in redenering, tekstgeneratie en taalbegrip, ter vergelijking met OpenAI o1 en DeepSeek R1."
|
||||
@@ -3452,8 +3581,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Complex visietakenmodel dat hoge prestaties biedt in begrip en analyse op basis van meerdere afbeeldingen."
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 is het vlaggenschipmodel van Z.AI, met ondersteuning voor hybride redeneermodi en geoptimaliseerd voor technische en lange contexttaken."
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air is de lichtgewicht versie van GLM 4.5, geschikt voor kostenbewuste scenario's met behoud van sterke redeneercapaciteiten."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6 is het nieuwste vlaggenschipmodel van Zhipu AI en overtreft zijn voorgangers op het gebied van geavanceerde codering, lange tekstverwerking, redeneren en agentcapaciteiten."
|
||||
"description": "GLM 4.6 is het vlaggenschipmodel van Z.AI, met uitgebreide contextlengte en verbeterde coderingscapaciteiten."
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 is een basis model speciaal ontworpen voor agenttoepassingen, gebruikmakend van een Mixture-of-Experts (MoE) architectuur. Het is diep geoptimaliseerd voor toolaanroepen, web browsing, software engineering en frontend programmeren, en ondersteunt naadloze integratie met code-agents zoals Claude Code en Roo Code. GLM-4.5 gebruikt een hybride redeneermodus en is geschikt voor complexe redenering en dagelijks gebruik."
|
||||
@@ -3475,5 +3610,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V is gebouwd op het GLM-4.5-Air basismodel, erft de bewezen technologie van GLM-4.1V-Thinking en realiseert efficiënte schaalvergroting via een krachtige MoE-architectuur met 106 miljard parameters."
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "De automatische routeringsfunctie van ZenMux kiest automatisch het best presterende en meest kosteneffectieve model op basis van je verzoekinhoud, uit de ondersteunde modellen."
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) is een open-source platform dat is ontworpen om de uitvoering en integratie van verschillende AI-modellen te vereenvoudigen. Met Xinference kunt u inferentie uitvoeren met behulp van elke open-source LLM, embeddingsmodel of multimodaal model in een cloud- of lokale omgeving, en krachtige AI-toepassingen creëren."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux is een geïntegreerd platform voor AI-diensten dat ondersteuning biedt voor diverse toonaangevende AI-serviceinterfaces zoals OpenAI, Anthropic en Google VertexAI. Het biedt flexibele routeringsmogelijkheden, zodat u eenvoudig kunt schakelen tussen en beheren van verschillende AI-modellen."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI richt zich op kunstmatige intelligentietechnologie in het tijdperk van AI 2.0, en bevordert sterk de innovatie en toepassing van 'mens + kunstmatige intelligentie', met behulp van krachtige modellen en geavanceerde AI-technologie om de productiviteit van de mens te verbeteren en technologische capaciteiten te realiseren."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Standardowa"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Rozdzielczość",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Ziarno",
|
||||
"random": "Losowy seed"
|
||||
|
||||
+110
-64
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus to najbardziej inteligentny model Anthropic, oferujący wiodącą na rynku wydajność w bardzo złożonych zadaniach. Potrafi płynnie i z ludzkim zrozumieniem radzić sobie z otwartymi podpowiedziami i nieznanymi wcześniej scenariuszami."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku to następna generacja naszego najszybszego modelu. Oferuje podobną szybkość jak Claude 3 Haiku, ale z ulepszeniami we wszystkich zestawach umiejętności i przewyższa w wielu testach inteligencji nasz poprzedni największy model Claude 3 Opus."
|
||||
"description": "Claude 3.5 Haiku oferuje ulepszone możliwości w zakresie szybkości, dokładności kodowania i obsługi narzędzi. Idealny do scenariuszy wymagających wysokiej wydajności i interakcji z narzędziami."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet osiąga idealną równowagę między inteligencją a szybkością — szczególnie dla obciążeń korporacyjnych. W porównaniu z konkurencją oferuje potężną wydajność przy niższych kosztach i jest zaprojektowany z myślą o wysokiej trwałości w dużych wdrożeniach AI."
|
||||
"description": "Claude 3.5 Sonnet to szybki i wydajny model z rodziny Sonnet, zapewniający lepszą wydajność kodowania i wnioskowania. Niektóre wersje będą stopniowo zastępowane przez Sonnet 3.7 i nowsze."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet to pierwszy model hybrydowego wnioskowania i najbardziej inteligentny model Anthropic do tej pory. Oferuje zaawansowaną wydajność w kodowaniu, generowaniu treści, analizie danych i planowaniu, budując na fundamentach inżynierii oprogramowania i umiejętności komputerowych poprzednika Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet to ulepszona wersja z serii Sonnet, oferująca zwiększoną moc wnioskowania i kodowania, przeznaczona do złożonych zadań na poziomie korporacyjnym."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 to wysokowydajny, szybki model firmy Anthropic, łączący wysoką dokładność z bardzo niskim opóźnieniem."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 to najsilniejszy model Anthropic i najlepszy na świecie model kodowania, prowadzący w benchmarkach SWE-bench (72,5%) i Terminal-bench (43,2%). Zapewnia ciągłą wydajność dla długotrwałych zadań wymagających skupienia i tysięcy kroków, mogąc pracować nieprzerwanie przez wiele godzin — znacznie rozszerzając możliwości agentów AI."
|
||||
"description": "Opus 4 to flagowy model firmy Anthropic, zaprojektowany z myślą o złożonych zadaniach i zastosowaniach korporacyjnych."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 to plug-and-play alternatywa dla Opus 4, oferująca doskonałą wydajność i precyzję w praktycznych zadaniach kodowania i agentów. Podnosi najnowocześniejszą wydajność kodowania do 74,5% w SWE-bench Verified i radzi sobie złożonymi, wieloetapowymi problemami z większą rygorystycznością i dbałością o szczegóły."
|
||||
"description": "Opus 4.1 to zaawansowany model firmy Anthropic, zoptymalizowany pod kątem programowania, złożonego wnioskowania i długotrwałych zadań."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 to znacząca poprawa w stosunku do Sonnet 3.7, oferująca doskonałą wydajność w kodowaniu z rekordowym wynikiem 72,7% w SWE-bench. Model osiąga równowagę między wydajnością a efektywnością, nadaje się do zastosowań wewnętrznych i zewnętrznych oraz zapewnia większą kontrolę dzięki ulepszonej sterowalności."
|
||||
"description": "Claude Sonnet 4 to hybrydowy model wnioskowania firmy Anthropic, łączący zdolności myślenia i działania bez myślenia."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 to jak dotąd najbardziej inteligentny model Anthropic."
|
||||
"description": "Claude Sonnet 4.5 to najnowszy hybrydowy model wnioskowania firmy Anthropic, zoptymalizowany pod kątem złożonego wnioskowania i kodowania."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B to rzadki, duży model językowy o 72 miliardach parametrów i 16 miliardach aktywowanych parametrów, oparty na architekturze grupowanych ekspertów (MoGE). W fazie wyboru ekspertów model grupuje ekspertów i ogranicza aktywację tokenów do równej liczby ekspertów w każdej grupie, co zapewnia równomierne obciążenie ekspertów i znacznie poprawia efektywność wdrożenia modelu na platformie Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B to duży model językowy opracowany przez firmę Baidu, oparty na hybrydowej architekturze ekspertów (MoE). Model ma 300 miliardów parametrów, ale podczas inferencji aktywuje tylko 47 miliardów parametrów na token, co zapewnia doskonałą wydajność przy efektywności obliczeniowej. Jako jeden z kluczowych modeli serii ERNIE 4.5, wykazuje znakomite zdolności w rozumieniu tekstu, generowaniu, wnioskowaniu i programowaniu. Model wykorzystuje innowacyjną metodę pretrenowania multimodalnego heterogenicznego MoE, łącząc trening tekstu i wizji, co skutecznie zwiększa jego zdolności, zwłaszcza w zakresie przestrzegania instrukcji i pamięci wiedzy o świecie."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview to nowej generacji natywny multimodalny model Wenxin firmy Baidu, specjalizujący się w rozumieniu multimodalnym, wykonywaniu poleceń, tworzeniu treści, odpowiadaniu na pytania faktograficzne i obsłudze narzędzi."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse to model wielojęzyczny o wysokiej wydajności 32B, zaprojektowany w celu wyzwania wydajności modeli jednolanguage poprzez innowacje w zakresie dostosowywania instrukcji, arbitrażu danych, treningu preferencji i łączenia modeli. Obsługuje 23 języki."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest to wersja dostrojona o4-mini, specjalnie zaprojektowana do Codex CLI. Do bezpośredniego użycia przez API zalecamy rozpoczęcie od gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B to amerykański otwartoźródłowy duży model językowy dostępny do bezpłatnego użytku komercyjnego. Oferuje wydajność porównywalną z czołowymi modelami, wyższą efektywność wnioskowania tokenów, kontekst długości 128k i silne możliwości ogólne."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 to pierwszy otwartoźródłowy model generowania obrazów tekstowych firmy Zhipu, który obsługuje generowanie znaków chińskich. Model oferuje kompleksowe ulepszenia w zakresie rozumienia semantycznego, jakości generowanych obrazów oraz zdolności generowania tekstu w języku chińskim i angielskim. Obsługuje dwujęzyczne wejście w dowolnej długości i potrafi generować obrazy o dowolnej rozdzielczości w określonym zakresie."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, lekka wersja multimodalna, odpowiednia do środowisk o ograniczonych zasobach i wysokiej równoczesności."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 to wysokowydajny model hybrydowego wnioskowania opracowany przez zespół DeepSeek, odpowiedni do złożonych zadań i integracji z narzędziami."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 to model mieszany z 685B parametrami, będący najnowszą iteracją flagowej serii modeli czatu zespołu DeepSeek.\n\nDziedziczy po modelu [DeepSeek V3](/deepseek/deepseek-chat-v3) i wykazuje doskonałe wyniki w różnych zadaniach."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 to model mieszany z 685B parametrami, będący najnowszą iteracją flagowej serii modeli czatu zespołu DeepSeek.\n\nDziedziczy po modelu [DeepSeek V3](/deepseek/deepseek-chat-v3) i wykazuje doskonałe wyniki w różnych zadaniach."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 to duży hybrydowy model wnioskowania obsługujący długi kontekst 128K i efektywne przełączanie trybów, osiągający doskonałą wydajność i szybkość w wywoływaniu narzędzi, generowaniu kodu oraz złożonych zadaniach wnioskowania."
|
||||
"description": "DeepSeek-V3.1 to model hybrydowego wnioskowania z długim kontekstem od DeepSeek, obsługujący tryby myślenia/niemyslenia oraz integrację z narzędziami."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "Model DeepSeek R1 przeszedł drobną aktualizację do wersji DeepSeek-R1-0528. W najnowszej aktualizacji DeepSeek R1 znacznie poprawił głębokość i zdolności wnioskowania dzięki zwiększonym zasobom obliczeniowym i wprowadzeniu optymalizacji algorytmicznych po treningu. Model osiąga znakomite wyniki w benchmarkach matematycznych, programistycznych i ogólnej logiki, zbliżając się do czołowych modeli, takich jak O3 i Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 znacząco poprawia zdolność wnioskowania modelu nawet przy minimalnej ilości oznaczonych danych. Przed wygenerowaniem ostatecznej odpowiedzi model najpierw generuje łańcuch myślowy, co zwiększa dokładność końcowej odpowiedzi."
|
||||
"description": "DeepSeek R1 0528 to zaktualizowany wariant modelu DeepSeek, skoncentrowany na otwartości i głębi wnioskowania."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 znacząco poprawia zdolność wnioskowania modelu nawet przy minimalnej ilości oznaczonych danych. Przed wygenerowaniem ostatecznej odpowiedzi model najpierw generuje łańcuch myślowy, co zwiększa dokładność końcowej odpowiedzi."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 znacznie poprawił zdolności wnioskowania modelu przy minimalnej ilości oznaczonych danych. Przed wygenerowaniem ostatecznej odpowiedzi, model najpierw wygeneruje fragment myślenia, aby zwiększyć dokładność końcowej odpowiedzi."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) to eksperymentalny model wnioskowania firmy DeepSeek, przeznaczony do zadań o wysokiej złożoności."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Szybki, uniwersalny duży model językowy z ulepszonymi zdolnościami wnioskowania."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview to najnowocześniejszy model myślowy Google, zdolny do rozumowania nad złożonymi problemami w dziedzinach kodowania, matematyki i STEM oraz do analizy dużych zbiorów danych, repozytoriów kodu i dokumentów z wykorzystaniem długich kontekstów."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) to model generowania obrazów firmy Google, obsługujący również dialogi multimodalne."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) to model generowania obrazów firmy Google, obsługujący również dialogi multimodalne."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro to najinteligentniejszy model Google, oferujący najnowocześniejsze wnioskowanie i rozumienie multimodalne, a także zaawansowane funkcje agenta i kodowania kontekstu."
|
||||
"description": "Gemini 3 Pro to najlepszy na świecie model rozumienia multimodalnego, a także najpotężniejszy agent i model programowania kontekstowego Google, oferujący bogatsze efekty wizualne i głębszą interaktywność, wszystko oparte na zaawansowanych możliwościach wnioskowania."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Najnowsze wydanie Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview posiada silne zdolności do złożonego wnioskowania, wyróżniając się w dziedzinach takich jak wnioskowanie logiczne, matematyka i programowanie."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash oferuje funkcje nowej generacji i ulepszenia, w tym doskonałą szybkość, wbudowane użycie narzędzi, generowanie multimodalne oraz okno kontekstu o rozmiarze 1 miliona tokenów."
|
||||
"description": "Gemini 2.0 Flash to wysokowydajny model wnioskowania firmy Google, odpowiedni do rozszerzonych zadań multimodalnych."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash oferuje funkcje i ulepszenia nowej generacji, w tym doskonałą prędkość, natywne korzystanie z narzędzi, generowanie multimodalne oraz okno kontekstowe o długości 1M tokenów."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite oferuje funkcje nowej generacji i ulepszenia, w tym doskonałą szybkość, wbudowane użycie narzędzi, generowanie multimodalne oraz okno kontekstu o rozmiarze 1 miliona tokenów."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite to lekka wersja z rodziny Gemini, domyślnie bez aktywnego myślenia w celu poprawy opóźnień i kosztów, z możliwością włączenia przez parametry."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash to model myślący, oferujący doskonałe, wszechstronne możliwości. Zaprojektowany, by znaleźć równowagę między ceną a wydajnością, obsługuje multimodalność i okno kontekstu o rozmiarze 1 miliona tokenów."
|
||||
"description": "Seria Gemini 2.5 Flash (Lite/Pro/Flash) to modele wnioskowania firmy Google o niskim opóźnieniu i wysokiej wydajności."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) to model generowania obrazów firmy Google, obsługujący również dialogi multimodalne."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gemini 2.5 Flash Image – wersja darmowa, obsługuje ograniczoną liczbę generacji multimodalnych."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Eksperymentalny model Gemini 2.5 Flash, wspierający generowanie obrazów."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite to zrównoważony, niskoopóźnieniowy model z konfigurowalnym budżetem myślenia i łącznością narzędzi (np. Google Search grounding i wykonywanie kodu). Obsługuje multimodalne wejścia i oferuje okno kontekstu o rozmiarze 1 miliona tokenów."
|
||||
"description": "Gemini 2.5 Flash Lite to lekka wersja Gemini 2.5, zoptymalizowana pod kątem opóźnień i kosztów, idealna do scenariuszy o wysokiej przepustowości."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash to najnowocześniejszy model główny Google, zaprojektowany z myślą o zaawansowanym wnioskowaniu, kodowaniu, matematyce i zadaniach naukowych. Zawiera wbudowaną zdolność 'myślenia', co pozwala mu na dostarczanie odpowiedzi z wyższą dokładnością i szczegółowym przetwarzaniem kontekstu.\n\nUwaga: ten model ma dwa warianty: myślenie i niemyslenie. Ceny wyjściowe różnią się znacznie w zależności od tego, czy zdolność myślenia jest aktywowana. Jeśli wybierzesz standardowy wariant (bez sufiksu ':thinking'), model wyraźnie unika generowania tokenów myślenia.\n\nAby skorzystać z zdolności myślenia i otrzymać tokeny myślenia, musisz wybrać wariant ':thinking', co spowoduje wyższe ceny wyjściowe za myślenie.\n\nPonadto Gemini 2.5 Flash można konfigurować za pomocą parametru 'maksymalna liczba tokenów do wnioskowania', jak opisano w dokumentacji (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash to najnowocześniejszy model główny Google, zaprojektowany z myślą o zaawansowanym wnioskowaniu, kodowaniu, matematyce i zadaniach naukowych. Zawiera wbudowaną zdolność 'myślenia', co pozwala mu na dostarczanie odpowiedzi z wyższą dokładnością i szczegółowym przetwarzaniem kontekstu.\n\nUwaga: ten model ma dwa warianty: myślenie i niemyslenie. Ceny wyjściowe różnią się znacznie w zależności od tego, czy zdolność myślenia jest aktywowana. Jeśli wybierzesz standardowy wariant (bez sufiksu ':thinking'), model wyraźnie unika generowania tokenów myślenia.\n\nAby skorzystać z zdolności myślenia i otrzymać tokeny myślenia, musisz wybrać wariant ':thinking', co spowoduje wyższe ceny wyjściowe za myślenie.\n\nPonadto Gemini 2.5 Flash można konfigurować za pomocą parametru 'maksymalna liczba tokenów do wnioskowania', jak opisano w dokumentacji (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro to nasz najbardziej zaawansowany model wnioskowania Gemini, zdolny do rozwiązywania złożonych problemów. Posiada okno kontekstu o rozmiarze 2 milionów tokenów i obsługuje multimodalne wejścia, w tym tekst, obrazy, dźwięk, wideo i dokumenty PDF."
|
||||
"description": "Gemini 2.5 Pro to flagowy model wnioskowania firmy Google, obsługujący długi kontekst i złożone zadania."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gemini 2.5 Pro – wersja darmowa, obsługuje ograniczoną liczbę multimodalnych zadań z długim kontekstem, idealna do testów i lekkich przepływów pracy."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview to najnowocześniejszy model myślowy Google, zdolny do rozumowania nad złożonymi problemami w dziedzinie kodowania, matematyki i STEM oraz do analizy dużych zbiorów danych, repozytoriów kodu i dokumentów przy użyciu długiego kontekstu."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gemini 3 Pro Image – wersja darmowa, obsługuje ograniczoną liczbę generacji multimodalnych."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro to nowej generacji model multimodalnego wnioskowania z serii Gemini, zdolny do rozumienia tekstu, dźwięku, obrazu, wideo i innych danych wejściowych, obsługujący złożone zadania i duże bazy kodu."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gemini 3 Pro – wersja darmowa, oferuje te same możliwości rozumienia i wnioskowania multimodalnego co wersja standardowa, ale z ograniczeniami dotyczącymi limitów i szybkości, idealna do testów i rzadkiego użytku."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Najnowocześniejszy model osadzeń, oferujący doskonałą wydajność w zadaniach anglojęzycznych, wielojęzycznych i kodowych."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small to idealny wybór do generowania, debugowania i refaktoryzacji kodu, oferujący minimalne opóźnienia."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T to flagowy model bez rozumowania (non-thinking) z serii „Ling 2.0”, posiadający 1 bilion parametrów ogólnych i około 50 miliardów aktywnych parametrów na token. Zbudowany na architekturze Ling 2.0, Ling-1T ma na celu przesunięcie granic efektywnego wnioskowania i skalowalnej kognicji. Ling-1T-base został wytrenowany na ponad 20 bilionach wysokiej jakości, intensywnie rozumujących tokenów."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 to trzeci model z serii architektury Ling 2.0 wydany przez zespół Bailing z Ant Group. Jest to model hybrydowy ekspertów (MoE) o łącznej liczbie parametrów 100 miliardów, z aktywacją jedynie 6,1 miliarda parametrów na token (48 miliardów bez uwzględnienia wektorów osadzeń). Jako lekka konfiguracja modelu, Ling-flash-2.0 wykazuje w wielu autorytatywnych testach wydajność porównywalną lub przewyższającą modele gęste (Dense) o wielkości 40 miliardów parametrów oraz większe modele MoE. Model ten ma na celu eksplorację efektywnych ścieżek w kontekście powszechnego przekonania, że „duży model to duża liczba parametrów”, poprzez zaawansowany projekt architektury i strategię treningową."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 to mały, wysokowydajny duży model językowy oparty na architekturze MoE. Posiada 16 miliardów parametrów, ale aktywuje tylko 1,4 miliarda na token (789 milionów bez osadzeń), co zapewnia bardzo wysoką szybkość generowania. Dzięki efektywnemu projektowi MoE i dużej, wysokiej jakości bazie treningowej, mimo niskiej liczby aktywowanych parametrów, Ling-mini-2.0 osiąga w zadaniach downstream wydajność porównywalną z najlepszymi modelami gęstymi poniżej 10 miliardów parametrów oraz większymi modelami MoE."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T to otwartoźródłowy model myślenia o skali biliona parametrów, opracowany przez zespół Bailing. Bazuje na architekturze Ling 2.0 i modelu bazowym Ling-1T-base, z 1 bilionem parametrów ogólnych i 50 miliardami aktywnych parametrów. Obsługuje kontekst do 128K i został zoptymalizowany za pomocą skalowalnego, weryfikowalnego uczenia przez wzmocnienie z nagrodą."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 to wysoko wydajny model myślenia głęboko zoptymalizowany na bazie Ling-flash-2.0-base. Wykorzystuje architekturę hybrydowych ekspertów (MoE) z łączną liczbą parametrów 100 miliardów, aktywując podczas inferencji tylko 6,1 miliarda parametrów. Model rozwiązuje problem niestabilności treningu MoE w uczeniu ze wzmocnieniem (RL) dzięki autorskiej metodzie icepop, co pozwala na ciągłe zwiększanie zdolności do złożonego wnioskowania podczas długotrwałego treningu. Ring-flash-2.0 osiągnął znaczące przełomy w trudnych benchmarkach, takich jak konkursy matematyczne, generowanie kodu i rozumowanie logiczne. Jego wydajność przewyższa najlepsze modele gęste poniżej 40 miliardów parametrów i jest porównywalna z większymi otwartoźródłowymi modelami MoE oraz zamkniętymi modelami myślenia o wysokiej wydajności. Choć skupiony na złożonym wnioskowaniu, model dobrze radzi sobie także z zadaniami kreatywnego pisania. Dzięki efektywnej architekturze Ring-flash-2.0 oferuje wysoką wydajność przy szybkim inferowaniu, co znacząco obniża koszty wdrożenia modeli myślenia w środowiskach o dużej równoczesności."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T to model MoE o parametrach 1T firmy inclusionAI, zoptymalizowany pod kątem intensywnych zadań wnioskowania i dużych kontekstów."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 to model MoE firmy inclusionAI, zoptymalizowany pod kątem wydajności i jakości wnioskowania, odpowiedni do średnich i dużych zadań."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 to lekki model MoE firmy inclusionAI, który znacząco obniża koszty przy zachowaniu zdolności wnioskowania."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview to multimodalny model firmy inclusionAI, obsługujący dane wejściowe w postaci głosu, obrazu i wideo, zoptymalizowany pod kątem renderowania obrazów i rozpoznawania mowy."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T to model MoE z bilionem parametrów firmy inclusionAI, przeznaczony do zadań wnioskowania na dużą skalę i badań naukowych."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 to wariant modelu Ring firmy inclusionAI, zaprojektowany z myślą o scenariuszach o wysokiej przepustowości, z naciskiem na szybkość i efektywność kosztową."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 to lekka wersja modelu MoE firmy inclusionAI o wysokiej przepustowości, przeznaczona głównie do scenariuszy równoległych."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 oferuje inteligentne rozwiązania dialogowe w różnych scenariuszach."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, oficjalny model wnioskowania Kimi, wspierający długi kontekst, kodowanie, pytania i inne scenariusze."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "Model długiego myślenia K2, obsługuje kontekst 256k, wieloetapowe wywoływanie narzędzi i myślenie, doskonały w rozwiązywaniu złożonych problemów."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Szybka wersja modelu długiego myślenia K2, obsługuje kontekst 256k, specjalizuje się w głębokim wnioskowaniu, z prędkością generowania 60–100 tokenów na sekundę."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 to bazowy model z architekturą MoE, dysponujący wyjątkowymi możliwościami w zakresie kodowania i agentów, z łączną liczbą parametrów 1T oraz 32B parametrów aktywacyjnych. W standardowych testach wydajności (benchmarkach) dla głównych kategorii takich jak wnioskowanie z wiedzy ogólnej, programowanie, matematyka i agenty, model K2 przewyższa inne popularne otwarte modele."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "Model kimi-thinking-preview dostarczany przez Moon’s Dark Side to multimodalny model myślenia z umiejętnościami ogólnego i głębokiego rozumowania, który pomaga rozwiązywać bardziej złożone i trudniejsze problemy."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (czasowo darmowy) koncentruje się na rozumieniu kodu i automatycznym programowaniu, przeznaczony do wydajnych zadań programistycznych."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM to eksperymentalny model językowy, specyficzny dla zadań, przeszkolony zgodnie z zasadami nauki o uczeniu się, który może przestrzegać systemowych instrukcji w scenariuszach nauczania i uczenia się, pełniąc rolę eksperta mentora."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 to wydajny duży model językowy stworzony z myślą o kodowaniu i zautomatyzowanych przepływach pracy."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Stworzony z myślą o wydajnym kodowaniu i przepływach pracy agentów."
|
||||
"description": "MiniMax-M2 to model o wysokim stosunku jakości do ceny, doskonały w zadaniach kodowania i agentowych, odpowiedni do różnych scenariuszy inżynieryjnych."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 to kompaktowy, szybki i ekonomiczny model MoE (Mixture of Experts) z 230 miliardami całkowitych parametrów i 10 miliardami aktywnych parametrów, zaprojektowany z myślą o najwyższej wydajności w zadaniach kodowania i agentowych, przy jednoczesnym zachowaniu silnej inteligencji ogólnej. Model ten doskonale sprawdza się w edycji wielu plików, zamkniętej pętli kodowanie-uruchamianie-naprawa, testowaniu i weryfikacji poprawek oraz w złożonych, długich łańcuchach narzędziowych, co czyni go idealnym wyborem dla przepływów pracy deweloperów."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 to duży model językowy hybrydowych ekspertów (MoE) opracowany przez Moonshot AI, z 1 bilionem parametrów łącznie i 32 miliardami aktywnych parametrów na pojedyncze przejście. Model jest zoptymalizowany pod kątem zdolności agentowych, w tym zaawansowanego użycia narzędzi, wnioskowania i syntezy kodu."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 to wersja Instruct z serii Kimi, odpowiednia do wysokiej jakości kodowania i wywoływania narzędzi."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "Model kimi-k2-0905-preview obsługuje długość kontekstu do 256k, oferując silniejsze zdolności Agentic Coding, bardziej estetyczny i praktyczny kod frontendowy oraz lepsze rozumienie kontekstu."
|
||||
"description": "Kimi K2 0905 to aktualizacja z serii Kimi, rozszerzająca kontekst i możliwości wnioskowania, zoptymalizowana pod kątem kodowania."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "Model kimi-k2-0905-preview obsługuje długość kontekstu do 256k, oferując silniejsze zdolności Agentic Coding, bardziej estetyczny i praktyczny kod frontendowy oraz lepsze rozumienie kontekstu."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking to model myślenia firmy Moonshot zoptymalizowany pod kątem głębokiego wnioskowania, posiadający ogólne zdolności agenta."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo to szybka wersja modelu Kimi K2 Thinking, zachowująca zdolności głębokiego wnioskowania przy znacznie niższym opóźnieniu odpowiedzi."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph oferuje specjalistyczny model AI, który szybko stosuje zmiany kodu sugerowane przez najnowocześniejsze modele, takie jak Claude czy GPT-4o, do istniejących plików kodu — SZYBKOŚĆ ponad 4500 tokenów/sekundę. Działa jako ostatni krok w przepływie pracy kodowania AI. Obsługuje 16k tokenów wejściowych i 16k tokenów wyjściowych."
|
||||
},
|
||||
@@ -2702,30 +2777,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "gpt-4-turbo od OpenAI posiada szeroką wiedzę ogólną i specjalistyczną, umożliwiającą wykonywanie złożonych instrukcji w języku naturalnym i precyzyjne rozwiązywanie trudnych problemów. Data zakończenia wiedzy to kwiecień 2023, a okno kontekstu wynosi 128 000 tokenów."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 to flagowy model OpenAI, przeznaczony do złożonych zadań. Doskonale nadaje się do rozwiązywania problemów międzydziedzinowych."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini osiąga równowagę między inteligencją, szybkością i kosztami, czyniąc go atrakcyjnym modelem dla wielu zastosowań."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano to najszybszy i najbardziej opłacalny model GPT 4.1."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o od OpenAI posiada szeroką wiedzę ogólną i specjalistyczną, umożliwiającą wykonywanie złożonych instrukcji w języku naturalnym i precyzyjne rozwiązywanie trudnych problemów. Oferuje wydajność porównywalną z GPT-4 Turbo, ale z szybszym i tańszym API."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini od OpenAI to ich najbardziej zaawansowany i opłacalny mały model. Jest multimodalny (przyjmuje tekst lub obrazy i generuje tekst) oraz inteligentniejszy niż gpt-3.5-turbo, zachowując podobną szybkość."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 to flagowy model językowy OpenAI, wyróżniający się w złożonym wnioskowaniu, szerokiej wiedzy o świecie, zadaniach intensywnie kodujących i wieloetapowych zadaniach agentowych."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini to model zoptymalizowany pod kątem kosztów, oferujący doskonałą wydajność w zadaniach wnioskowania i czatu. Zapewnia najlepszą równowagę między szybkością, kosztami i możliwościami."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano to model o wysokiej przepustowości, doskonały w prostych zadaniach instrukcyjnych lub klasyfikacyjnych."
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Niezwykle kompetentny, uniwersalny duży model językowy z potężnymi i kontrolowanymi zdolnościami wnioskowania."
|
||||
},
|
||||
@@ -2750,9 +2809,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "o3-mini w wersji o wysokim poziomie rozumowania, oferujący wysoką inteligencję przy tych samych kosztach i celach opóźnienia co o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini od OpenAI oferuje szybkie i opłacalne wnioskowanie z doskonałą wydajnością w swojej klasie, szczególnie w zadaniach matematycznych (najlepsze wyniki w benchmarku AIME), kodowaniu i zadaniach wizualnych."
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini w wersji o wysokim poziomie wnioskowania, zoptymalizowany do szybkiego i efektywnego wnioskowania, osiągający wysoką wydajność i efektywność w zadaniach kodowania i wizualnych."
|
||||
},
|
||||
@@ -2954,9 +3011,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Potężny średniej wielkości model kodu, wspierający długość kontekstu 32K, specjalizujący się w programowaniu wielojęzycznym."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B to gęsty model językowy o 14 miliardach parametrów w serii Qwen3, zaprojektowany z myślą o złożonym wnioskowaniu i efektywnych dialogach. Obsługuje płynne przełączanie między trybem 'myślenia' używanym do matematyki, programowania i wnioskowania logicznego a trybem 'nie-myślenia' stosowanym w ogólnych rozmowach. Model został dostosowany do przestrzegania instrukcji, użycia narzędzi agenta, twórczego pisania oraz wielojęzycznych zadań w ponad 100 językach i dialektach. Obsługuje natywnie 32K tokenów kontekstu i może być rozszerzany do 131K tokenów za pomocą YaRN."
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B to gęsty model językowy o 14 miliardach parametrów w serii Qwen3, zaprojektowany z myślą o złożonym wnioskowaniu i efektywnych dialogach. Obsługuje płynne przełączanie między trybem 'myślenia' używanym do matematyki, programowania i wnioskowania logicznego a trybem 'nie-myślenia' stosowanym w ogólnych rozmowach. Model został dostosowany do przestrzegania instrukcji, użycia narzędzi agenta, twórczego pisania oraz wielojęzycznych zadań w ponad 100 językach i dialektach. Obsługuje natywnie 32K tokenów kontekstu i może być rozszerzany do 131K tokenów za pomocą YaRN."
|
||||
},
|
||||
@@ -3275,9 +3330,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Model ten to potężny model wnioskowania z zdolnościami rozumienia obrazów, zdolny do przetwarzania informacji wizualnych i tekstowych, generując tekst po głębokim przemyśleniu. Model ten wyróżnia się w dziedzinie wnioskowania wizualnego, a także posiada pierwszorzędne zdolności wnioskowania matematycznego, kodowania i tekstu. Długość kontekstu wynosi 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 to multimodalny model opracowany przez StepStar, charakteryzujący się zaawansowanymi zdolnościami rozumienia obrazu."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 to zaawansowany multimodalny model wnioskowania wydany przez StepFun (阶跃星辰). Został zbudowany na architekturze Mixture of Experts (MoE) z łączną liczbą 321 mld parametrów i 38 mld parametrów aktywacji. Model ma konstrukcję end-to-end, zaprojektowaną tak, aby minimalizować koszty dekodowania, jednocześnie zapewniając najwyższą wydajność w zadaniach wnioskowania wizualno-językowego. Dzięki współdziałaniu mechanizmów Multi-Matrix Factorized Attention (MFA) i Attention-FFN Decoupling (AFD), Step3 zachowuje znakomitą efektywność zarówno na akceleratorach klasy flagowej, jak i na urządzeniach o niższej wydajności. W fazie pretrenowania Step3 przetworzył ponad 20 bilionów tokenów tekstowych oraz 4 biliony tokenów mieszanych tekstowo-obrazowych, obejmujących ponad dziesięć języków. Model osiągnął czołowe wyniki wśród modeli open-source na wielu benchmarkach, w tym w zadaniach z zakresu matematyki, programowania i multimodalu."
|
||||
},
|
||||
@@ -3386,12 +3438,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 to model językowy dostarczany przez Microsoft AI, który wyróżnia się w złożonych dialogach, wielojęzyczności, wnioskowaniu i inteligentnych asystentach."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Z radością przedstawiamy Grok 4 Fast — nasze najnowsze osiągnięcie w dziedzinie modeli wnioskowania zoptymalizowanych pod względem kosztów."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "Z dumą prezentujemy grok-code-fast-1 — szybki i ekonomiczny model wnioskowania, który doskonale sprawdza się w kodowaniu przez agentów."
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "Model Spark X1 zostanie dalej ulepszony, osiągając wyniki w zadaniach ogólnych, takich jak rozumowanie, generowanie tekstu i rozumienie języka, które będą porównywalne z OpenAI o1 i DeepSeek R1."
|
||||
},
|
||||
@@ -3452,9 +3500,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Model do złożonych zadań wizualnych, oferujący wysokowydajną zdolność rozumienia i analizy na podstawie wielu obrazów."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6 to najnowszy flagowy model od Zhipu AI, który znacząco przewyższa poprzednie wersje w zakresie zaawansowanego kodowania, przetwarzania długich tekstów, wnioskowania i zdolności agentowych."
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 to podstawowy model zaprojektowany specjalnie do zastosowań agentowych, wykorzystujący architekturę mieszanych ekspertów (Mixture-of-Experts). Model jest głęboko zoptymalizowany pod kątem wywoływania narzędzi, przeglądania stron internetowych, inżynierii oprogramowania i programowania frontendowego, wspierając bezproblemową integrację z inteligentnymi agentami kodu takimi jak Claude Code i Roo Code. GLM-4.5 stosuje hybrydowy tryb wnioskowania, dostosowując się do złożonych i codziennych scenariuszy użycia."
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) to otwarty platforma, która ułatwia uruchamianie i integrację różnych modeli AI. Dzięki Xinference możesz wykonywać wnioskowanie za pomocą dowolnego otwartego modelu LLM, modelu osadzania i modelu wielomodalnego w środowisku chmurowym lub lokalnym, tworząc przy tym potężne aplikacje AI."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux to zunifikowana platforma agregująca usługi AI, obsługująca interfejsy wielu wiodących dostawców, takich jak OpenAI, Anthropic, Google VertexAI i inne. Oferuje elastyczne możliwości routingu, umożliwiając łatwe przełączanie i zarządzanie różnymi modelami AI."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI koncentruje się na technologiach sztucznej inteligencji w erze AI 2.0, intensywnie promując innowacje i zastosowania „człowiek + sztuczna inteligencja”, wykorzystując potężne modele i zaawansowane technologie AI w celu zwiększenia wydajności ludzkiej produkcji i realizacji technologicznego wsparcia."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Padrão"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Resolução",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Semente",
|
||||
"random": "Semente aleatória"
|
||||
|
||||
+176
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus é o modelo mais inteligente da Anthropic, com desempenho líder de mercado em tarefas altamente complexas. Ele navega com fluidez excepcional e compreensão humana em prompts abertos e cenários inéditos."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku é a próxima geração do nosso modelo mais rápido. Com velocidade semelhante ao Claude 3 Haiku, o Claude 3.5 Haiku apresenta melhorias em todas as habilidades e supera nosso maior modelo da geração anterior, Claude 3 Opus, em muitos benchmarks de inteligência."
|
||||
"description": "Claude 3.5 Haiku oferece capacidades aprimoradas em velocidade, precisão de codificação e uso de ferramentas. Ideal para cenários com alta exigência de velocidade e interação com ferramentas."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet alcança um equilíbrio ideal entre inteligência e velocidade — especialmente para cargas de trabalho empresariais. Em comparação com produtos similares, oferece desempenho robusto a um custo menor e é projetado para alta durabilidade em implantações de IA em larga escala."
|
||||
"description": "Claude 3.5 Sonnet é um modelo rápido e eficiente da família Sonnet, com melhor desempenho em codificação e raciocínio. Algumas versões serão gradualmente substituídas por modelos como o Sonnet 3.7."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet é o primeiro modelo de raciocínio híbrido e o mais inteligente da Anthropic até hoje. Ele oferece desempenho de ponta em codificação, geração de conteúdo, análise de dados e tarefas de planejamento, construído sobre as capacidades de engenharia de software e computação do seu predecessor, Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet é uma versão aprimorada da série Sonnet, oferecendo capacidades superiores de raciocínio e codificação, ideal para tarefas empresariais complexas."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 é um modelo rápido e de alto desempenho da Anthropic, com latência extremamente baixa e alta precisão."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 é o modelo mais poderoso da Anthropic até hoje e o melhor modelo de codificação do mundo, liderando nos benchmarks SWE-bench (72,5%) e Terminal-bench (43,2%). Ele oferece desempenho sustentado para tarefas de longo prazo que exigem esforço concentrado e milhares de etapas, podendo trabalhar continuamente por horas — ampliando significativamente as capacidades dos agentes de IA."
|
||||
"description": "Opus 4 é o modelo carro-chefe da Anthropic, projetado para tarefas complexas e aplicações em nível empresarial."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 é uma alternativa plug-and-play ao Opus 4, oferecendo desempenho e precisão excepcionais para tarefas práticas de codificação e agentes. Ele eleva o desempenho de codificação de ponta para 74,5% no SWE-bench Verified e lida com problemas complexos de múltiplas etapas com maior rigor e atenção aos detalhes."
|
||||
"description": "Opus 4.1 é um modelo avançado da Anthropic, otimizado para programação, raciocínio complexo e tarefas contínuas."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 apresenta melhorias significativas sobre a capacidade líder do setor do Sonnet 3.7, destacando-se em codificação com um desempenho de ponta de 72,7% no SWE-bench. O modelo equilibra desempenho e eficiência, adequado para casos de uso internos e externos, e oferece maior controle sobre as implementações por meio de controlabilidade aprimorada."
|
||||
"description": "Claude Sonnet 4 é uma versão de raciocínio híbrido da Anthropic, oferecendo capacidades combinadas de pensamento e execução direta."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 é o modelo mais inteligente da Anthropic até agora."
|
||||
"description": "Claude Sonnet 4.5 é o mais recente modelo de raciocínio híbrido da Anthropic, otimizado para raciocínio complexo e codificação."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B é um modelo de linguagem grande esparso com 72 bilhões de parâmetros e 16 bilhões de parâmetros ativados, baseado na arquitetura Mixture of Experts em grupos (MoGE). Ele agrupa especialistas na fase de seleção e restringe a ativação de um número igual de especialistas dentro de cada grupo para cada token, alcançando equilíbrio na carga dos especialistas e melhorando significativamente a eficiência de implantação do modelo na plataforma Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B é um modelo de linguagem grande baseado na arquitetura Mixture of Experts (MoE), desenvolvido pela Baidu. Com um total de 300 bilhões de parâmetros, ativa apenas 47 bilhões por token durante a inferência, equilibrando desempenho robusto e eficiência computacional. Como um dos modelos centrais da série ERNIE 4.5, demonstra capacidades excepcionais em compreensão, geração, raciocínio textual e programação. O modelo utiliza um método inovador de pré-treinamento multimodal heterogêneo MoE, treinando conjuntamente texto e visão, o que melhora significativamente suas habilidades gerais, especialmente em seguir instruções e memória de conhecimento mundial."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview é o novo modelo multimodal nativo da Baidu, especializado em compreensão multimodal, seguimento de instruções, criação, perguntas factuais e uso de ferramentas."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse é um modelo multilíngue de alto desempenho com 32B, projetado para desafiar o desempenho de modelos monolíngues por meio de inovações em ajuste por instrução, arbitragem de dados, treinamento de preferências e fusão de modelos. Ele suporta 23 idiomas."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest é uma versão ajustada do o4-mini, especialmente para Codex CLI. Para uso direto via API, recomendamos começar pelo gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B é um modelo de linguagem de código aberto dos EUA com uso comercial gratuito, destacando-se por desempenho comparável aos melhores modelos, eficiência de raciocínio por token, contexto longo de 128k e capacidades abrangentes."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 é o primeiro modelo de geração de imagens a partir de texto open source da Zhipu que suporta a geração de caracteres chineses. Ele apresenta melhorias abrangentes em compreensão semântica, qualidade de geração de imagens e capacidade de geração de textos em chinês e inglês, suportando entradas bilíngues de qualquer comprimento e podendo gerar imagens em qualquer resolução dentro do intervalo especificado."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, versão multimodal leve, ideal para cenários com recursos limitados e alta concorrência."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 é um modelo de raciocínio híbrido de alto desempenho da equipe DeepSeek, adequado para tarefas complexas e integração com ferramentas."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "O DeepSeek V3 é um modelo misto especializado com 685B de parâmetros, sendo a mais recente iteração da série de modelos de chat da equipe DeepSeek.\n\nEle herda o modelo [DeepSeek V3](/deepseek/deepseek-chat-v3) e se destaca em várias tarefas."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "O DeepSeek V3 é um modelo misto especializado com 685B de parâmetros, sendo a mais recente iteração da série de modelos de chat da equipe DeepSeek.\n\nEle herda o modelo [DeepSeek V3](/deepseek/deepseek-chat-v3) e se destaca em várias tarefas."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 é um grande modelo híbrido de raciocínio que suporta contexto longo de 128K e troca eficiente de modos, alcançando desempenho e velocidade excepcionais em chamadas de ferramentas, geração de código e tarefas complexas de raciocínio."
|
||||
"description": "DeepSeek-V3.1 é um modelo de raciocínio híbrido com contexto longo da DeepSeek, compatível com modos de pensamento e execução direta, além de integração com ferramentas."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "O modelo DeepSeek R1 recebeu uma atualização menor, atualmente na versão DeepSeek-R1-0528. Na atualização mais recente, o DeepSeek R1 melhorou significativamente a profundidade e capacidade de raciocínio ao aproveitar recursos computacionais aumentados e introduzir mecanismos de otimização algorítmica pós-treinamento. O modelo apresenta desempenho excelente em benchmarks de matemática, programação e lógica geral, aproximando-se do desempenho de modelos líderes como O3 e Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 melhora significativamente a capacidade de raciocínio do modelo mesmo com poucos dados anotados. Antes de fornecer a resposta final, o modelo gera uma cadeia de pensamento para aumentar a precisão da resposta."
|
||||
"description": "DeepSeek R1 0528 é uma variante atualizada da DeepSeek, com foco em disponibilidade open-source e profundidade de raciocínio."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 melhora significativamente a capacidade de raciocínio do modelo mesmo com poucos dados anotados. Antes de fornecer a resposta final, o modelo gera uma cadeia de pensamento para aumentar a precisão da resposta."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 melhorou significativamente a capacidade de raciocínio do modelo com muito poucos dados rotulados. Antes de fornecer a resposta final, o modelo gera uma cadeia de pensamento para aumentar a precisão da resposta final."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) é um modelo experimental de raciocínio da DeepSeek, ideal para tarefas de alta complexidade."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Modelo grande de linguagem universal rápido com capacidades de raciocínio aprimoradas."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview é o modelo de pensamento mais avançado do Google, capaz de raciocinar sobre problemas complexos em código, matemática e áreas STEM, além de analisar grandes conjuntos de dados, bibliotecas de código e documentos usando contexto extenso."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) é o modelo de geração de imagens do Google, com suporte a diálogos multimodais."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) é o modelo de geração de imagens do Google, com suporte a diálogos multimodais."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "O Gemini 3 Pro é o modelo mais inteligente do Google, com raciocínio de última geração, compreensão multimodal e poderosos recursos de agente e codificação de contexto."
|
||||
"description": "Gemini 3 Pro é o modelo de compreensão multimodal mais avançado do mundo, sendo o agente e modelo de programação contextual mais poderoso do Google até hoje, com visualizações ricas e interações profundas baseadas em raciocínio de ponta."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Última versão do Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "O GLM-Zero-Preview possui uma poderosa capacidade de raciocínio complexo, destacando-se em áreas como raciocínio lógico, matemática e programação."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash oferece funcionalidades de próxima geração e melhorias, incluindo velocidade excepcional, uso integrado de ferramentas, geração multimodal e janela de contexto de 1 milhão de tokens."
|
||||
"description": "Gemini 2.0 Flash é o modelo de raciocínio de alto desempenho do Google, ideal para tarefas multimodais expandidas."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash oferece funcionalidades e melhorias de próxima geração, incluindo velocidade excepcional, uso nativo de ferramentas, geração multimodal e uma janela de contexto de 1M tokens."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite oferece funcionalidades de próxima geração e melhorias, incluindo velocidade excepcional, uso integrado de ferramentas, geração multimodal e janela de contexto de 1 milhão de tokens."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite é a versão leve da família Gemini, com raciocínio desativado por padrão para melhorar latência e custo, podendo ser ativado por parâmetro."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash é um modelo de raciocínio que oferece capacidades abrangentes excepcionais. Projetado para equilibrar preço e desempenho, suporta multimodalidade e janela de contexto de 1 milhão de tokens."
|
||||
"description": "A série Gemini 2.5 Flash (Lite/Pro/Flash) é composta por modelos de raciocínio do Google com latência de média a baixa e alto desempenho."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) é o modelo de geração de imagens do Google, com suporte a diálogos multimodais."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Versão gratuita do Gemini 2.5 Flash Image, com suporte limitado para geração multimodal."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Modelo experimental Gemini 2.5 Flash, com suporte para geração de imagens."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite é um modelo equilibrado e de baixa latência, com orçamento de raciocínio configurável e conectividade de ferramentas (por exemplo, pesquisa Google fundamentada e execução de código). Suporta entrada multimodal e oferece janela de contexto de 1 milhão de tokens."
|
||||
"description": "Gemini 2.5 Flash Lite é a versão leve do Gemini 2.5, otimizada para latência e custo, ideal para cenários de alto volume."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "O Gemini 2.5 Flash é o modelo principal mais avançado do Google, projetado para raciocínio avançado, codificação, matemática e tarefas científicas. Ele possui a capacidade de 'pensar' embutida, permitindo que forneça respostas com maior precisão e um tratamento de contexto mais detalhado.\n\nNota: Este modelo possui duas variantes: com e sem 'pensamento'. A precificação da saída varia significativamente dependendo da ativação da capacidade de pensamento. Se você escolher a variante padrão (sem o sufixo ':thinking'), o modelo evitará explicitamente gerar tokens de pensamento.\n\nPara aproveitar a capacidade de pensamento e receber tokens de pensamento, você deve escolher a variante ':thinking', que resultará em uma precificação de saída de pensamento mais alta.\n\nAlém disso, o Gemini 2.5 Flash pode ser configurado através do parâmetro 'número máximo de tokens para raciocínio', conforme descrito na documentação (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "O Gemini 2.5 Flash é o modelo principal mais avançado do Google, projetado para raciocínio avançado, codificação, matemática e tarefas científicas. Ele possui a capacidade de 'pensar' embutida, permitindo que forneça respostas com maior precisão e um tratamento de contexto mais detalhado.\n\nNota: Este modelo possui duas variantes: com e sem 'pensamento'. A precificação da saída varia significativamente dependendo da ativação da capacidade de pensamento. Se você escolher a variante padrão (sem o sufixo ':thinking'), o modelo evitará explicitamente gerar tokens de pensamento.\n\nPara aproveitar a capacidade de pensamento e receber tokens de pensamento, você deve escolher a variante ':thinking', que resultará em uma precificação de saída de pensamento mais alta.\n\nAlém disso, o Gemini 2.5 Flash pode ser configurado através do parâmetro 'número máximo de tokens para raciocínio', conforme descrito na documentação (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro é nosso modelo Gemini de raciocínio mais avançado, capaz de resolver problemas complexos. Possui janela de contexto de 2 milhões de tokens e suporta entrada multimodal, incluindo texto, imagem, áudio, vídeo e documentos PDF."
|
||||
"description": "Gemini 2.5 Pro é o modelo de raciocínio carro-chefe do Google, com suporte a contexto longo e tarefas complexas."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Versão gratuita do Gemini 2.5 Pro, com suporte limitado a contexto longo multimodal, ideal para testes e fluxos de trabalho leves."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview é o modelo de pensamento mais avançado do Google, capaz de raciocinar sobre problemas complexos em código, matemática e áreas STEM, além de analisar grandes conjuntos de dados, bases de código e documentos usando contexto extenso."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Versão gratuita do Gemini 3 Pro Image, com suporte limitado para geração multimodal."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro é a próxima geração de modelo de raciocínio multimodal da série Gemini, capaz de compreender texto, áudio, imagem, vídeo e lidar com tarefas complexas e grandes bases de código."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Versão gratuita de pré-visualização do Gemini 3 Pro, com as mesmas capacidades de compreensão e raciocínio multimodal da versão padrão, mas com limites de uso e taxa, ideal para testes e uso ocasional."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Modelo de embeddings de última geração com desempenho excelente em tarefas de inglês, multilíngue e código."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small é a escolha ideal para tarefas de geração, depuração e refatoração de código, com latência mínima."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T é o primeiro modelo emblemático da série \"Ling 2.0\" sem capacidade de raciocínio, com um total de 1 trilhão de parâmetros e cerca de 50 bilhões de parâmetros ativos por token. Construído com base na arquitetura Ling 2.0, o Ling-1T visa ultrapassar os limites do raciocínio eficiente e da cognição escalável. O Ling-1T-base foi treinado com mais de 20 trilhões de tokens de alta qualidade e intensivos em raciocínio."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 é o terceiro modelo da série Ling 2.0, lançado pela equipe Bailing do Ant Group. É um modelo de especialistas mistos (MoE) com 100 bilhões de parâmetros totais, mas ativa apenas 6,1 bilhões por token (4,8 bilhões excluindo embeddings). Como uma configuração leve, Ling-flash-2.0 demonstra desempenho comparável ou superior a modelos densos de 40 bilhões e modelos MoE de maior escala em várias avaliações autoritativas. O modelo busca explorar caminhos eficientes sob o consenso de que “modelos grandes equivalem a muitos parâmetros” por meio de design arquitetônico e estratégias de treinamento extremas."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 é um modelo de linguagem grande de alto desempenho e pequeno porte baseado na arquitetura MoE. Possui 16 bilhões de parâmetros totais, mas ativa apenas 1,4 bilhão por token (789 milhões excluindo embeddings), alcançando alta velocidade de geração. Graças ao design eficiente do MoE e a grandes volumes de dados de treinamento de alta qualidade, Ling-mini-2.0 apresenta desempenho de ponta em tarefas downstream, comparável a modelos densos abaixo de 10 bilhões e modelos MoE de maior escala."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T é um modelo de pensamento open-source com escala de trilhões de parâmetros, lançado pela equipe Bailing. Baseado na arquitetura Ling 2.0 e no modelo base Ling-1T, possui 1 trilhão de parâmetros totais e 50 bilhões de parâmetros ativos, com suporte para janelas de contexto de até 128K. O modelo foi otimizado por meio de aprendizado por reforço com recompensas verificáveis em larga escala."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 é um modelo de pensamento de alto desempenho profundamente otimizado a partir do Ling-flash-2.0-base. Utiliza arquitetura de especialistas mistos (MoE) com 100 bilhões de parâmetros totais, mas ativa apenas 6,1 bilhões por inferência. O modelo resolve a instabilidade do treinamento por reforço (RL) em grandes modelos MoE com o algoritmo inovador icepop, permitindo melhoria contínua do raciocínio complexo em treinamentos longos. Ring-flash-2.0 alcançou avanços significativos em competições matemáticas, geração de código e raciocínio lógico, superando modelos densos de até 40 bilhões de parâmetros e rivalizando com modelos MoE open source maiores e modelos de pensamento proprietários de alto desempenho. Embora focado em raciocínio complexo, também se destaca em tarefas criativas. Além disso, graças ao design eficiente, oferece alta velocidade de inferência e reduz significativamente o custo de implantação em cenários de alta concorrência."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T é o modelo MoE de 1 trilhão de parâmetros da inclusionAI, otimizado para tarefas intensivas de raciocínio e contexto em larga escala."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 é o modelo MoE da inclusionAI, otimizado para eficiência e desempenho de raciocínio, ideal para tarefas de médio a grande porte."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 é o modelo MoE leve da inclusionAI, que reduz significativamente os custos mantendo a capacidade de raciocínio."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview é o modelo multimodal da inclusionAI, com suporte a entrada de voz, imagem e vídeo, otimizado para renderização de imagem e reconhecimento de fala."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T é o modelo de raciocínio MoE com trilhões de parâmetros da inclusionAI, ideal para raciocínio em larga escala e tarefas de pesquisa."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 é uma variante do modelo Ring da inclusionAI voltada para cenários de alto volume, com foco em velocidade e eficiência de custo."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 é a versão leve e de alto volume do modelo MoE da inclusionAI, projetada para cenários com alta concorrência."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 oferece soluções de diálogo inteligente em múltiplos cenários."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, modelo oficial de inferência da Kimi, com suporte para contexto longo, código, perguntas e respostas e outros cenários."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "Modelo de pensamento K2 com suporte a 256k de contexto, múltiplas etapas de raciocínio e chamadas de ferramentas, ideal para resolução de problemas complexos."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Versão acelerada do modelo de pensamento K2, com suporte a 256k de contexto, raciocínio profundo e velocidade de saída de 60-100 tokens por segundo."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 é um modelo base com arquitetura MoE que oferece capacidades avançadas para programação e agentes, com 1T de parâmetros totais e 32B de parâmetros ativados. Em testes de benchmark nas principais categorias — raciocínio de conhecimento geral, programação, matemática e agentes — o desempenho do modelo K2 supera outros modelos de código aberto mais populares."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "O modelo kimi-thinking-preview, fornecido pela Face Oculta da Lua, é um modelo multimodal de pensamento com capacidades de raciocínio multimodal e geral, especializado em raciocínio profundo para ajudar a resolver problemas mais complexos."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (gratuito por tempo limitado) é focado em compreensão de código e programação automatizada, ideal para tarefas de agente de codificação eficiente."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM é um modelo de linguagem experimental e específico para tarefas, treinado para atender aos princípios da ciência da aprendizagem, podendo seguir instruções sistemáticas em cenários de ensino e aprendizagem, atuando como um mentor especialista, entre outros."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 é um modelo de linguagem de grande escala, eficiente e desenvolvido para fluxos de trabalho de codificação e agentes."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Projetado para codificação eficiente e fluxos de trabalho com agentes."
|
||||
"description": "MiniMax-M2 é um modelo de alto custo-benefício com excelente desempenho em codificação e tarefas de agente, adequado para diversos cenários de engenharia."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "O MiniMax-M2 é um modelo de especialistas mistos (MoE) compacto, rápido e econômico, com 230 bilhões de parâmetros totais e 10 bilhões de parâmetros ativos, projetado para oferecer desempenho de alto nível em tarefas de codificação e agentes, mantendo uma inteligência geral poderosa. O modelo se destaca em edição de múltiplos arquivos, ciclos de codificação-execução-correção, verificação e correção de testes, bem como em cadeias de ferramentas complexas e de longo alcance, sendo a escolha ideal para fluxos de trabalho de desenvolvedores."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 é um modelo de linguagem de especialistas mistos (MoE) em grande escala desenvolvido pela Moonshot AI, com 1 trilhão de parâmetros totais e 32 bilhões de parâmetros ativos por passagem. Otimizado para capacidades de agente, incluindo uso avançado de ferramentas, raciocínio e síntese de código."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 é a versão Instruct da série Kimi, ideal para cenários de código de alta qualidade e chamadas de ferramentas."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "O modelo kimi-k2-0905-preview possui comprimento de contexto de 256k, com capacidades aprimoradas de Agentic Coding, maior estética e praticidade do código front-end, além de melhor compreensão do contexto."
|
||||
"description": "Kimi K2 0905 é a atualização da série Kimi, com melhorias em contexto e raciocínio, otimizado para codificação."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "O modelo kimi-k2-0905-preview possui comprimento de contexto de 256k, com capacidades aprimoradas de Agentic Coding, maior estética e praticidade do código front-end, além de melhor compreensão do contexto."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking é o modelo de raciocínio da Moonshot otimizado para tarefas de raciocínio profundo, com capacidades de agente geral."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo é a versão acelerada do Kimi K2 Thinking, mantendo o raciocínio profundo com latência significativamente reduzida."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph oferece um modelo de IA especializado que aplica rapidamente as alterações de código sugeridas por modelos de ponta como Claude ou GPT-4o aos seus arquivos de código existentes — RÁPIDO - mais de 4500 tokens/segundo. Atua como a etapa final no fluxo de trabalho de codificação de IA. Suporta 16k tokens de entrada e 16k tokens de saída."
|
||||
},
|
||||
@@ -2703,28 +2778,49 @@
|
||||
"description": "O gpt-4-turbo da OpenAI possui amplo conhecimento geral e especialização em domínios, permitindo seguir instruções complexas em linguagem natural e resolver problemas difíceis com precisão. Sua data de corte de conhecimento é abril de 2023, com janela de contexto de 128.000 tokens."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 é o modelo principal da OpenAI, adequado para tarefas complexas. É excelente para resolver problemas interdisciplinares."
|
||||
"description": "A série GPT-4.1 oferece contexto expandido e capacidades aprimoradas de engenharia e raciocínio."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini equilibra inteligência, velocidade e custo, tornando-o um modelo atraente para muitos casos de uso."
|
||||
"description": "GPT-4.1 Mini oferece menor latência e melhor custo-benefício, ideal para contextos de média complexidade."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano é o modelo GPT 4.1 mais rápido e econômico."
|
||||
"description": "GPT-4.1 Nano é a opção de custo e latência extremamente baixos, ideal para diálogos curtos e frequentes ou tarefas de classificação."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o da OpenAI possui amplo conhecimento geral e especialização em domínios, capaz de seguir instruções complexas em linguagem natural e resolver problemas difíceis com precisão. Oferece desempenho equivalente ao GPT-4 Turbo com API mais rápida e barata."
|
||||
"description": "A série GPT-4o é o modelo Omni da OpenAI, com suporte a entrada de texto + imagem e saída em texto."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini da OpenAI é seu modelo pequeno mais avançado e econômico. É multimodal (aceita entrada de texto ou imagem e gera texto) e mais inteligente que o gpt-3.5-turbo, mantendo a mesma velocidade."
|
||||
"description": "GPT-4o-mini é a versão rápida e compacta do GPT-4o, ideal para cenários multimodais com baixa latência."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 é o modelo de linguagem principal da OpenAI, excelente em raciocínio complexo, amplo conhecimento do mundo real, tarefas intensivas em código e agentes de múltiplas etapas."
|
||||
"description": "GPT-5 é o modelo de alto desempenho da OpenAI, adequado para uma ampla gama de tarefas de produção e pesquisa."
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat é uma subversão do GPT-5 otimizada para diálogos, com menor latência e melhor experiência interativa."
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex é uma variante do GPT-5 otimizada para codificação, ideal para fluxos de trabalho com grandes volumes de código."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini é um modelo otimizado para custo, com bom desempenho em tarefas de raciocínio/chat. Oferece o melhor equilíbrio entre velocidade, custo e capacidade."
|
||||
"description": "GPT-5 Mini é a versão compacta da família GPT-5, ideal para cenários com baixa latência e custo reduzido."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano é um modelo de alto rendimento, excelente para tarefas simples de instrução ou classificação."
|
||||
"description": "GPT-5 Nano é a versão ultracompacta da família, ideal para cenários com exigências extremas de custo e latência."
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro é o modelo carro-chefe da OpenAI, com capacidades avançadas de raciocínio, geração de código e funcionalidades empresariais, incluindo roteamento de teste e políticas de segurança rigorosas."
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 é o mais novo modelo carro-chefe da série GPT-5, com melhorias significativas em raciocínio geral, seguimento de instruções e naturalidade de diálogo, ideal para uma ampla gama de tarefas."
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat é a versão leve da família GPT-5.1, otimizada para diálogos de baixa latência, mantendo forte capacidade de raciocínio e execução de instruções."
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex é uma variante do GPT-5.1 otimizada para engenharia de software e fluxos de trabalho de codificação, ideal para refatorações complexas, depuração e codificação autônoma de longo prazo."
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini é a versão compacta e acelerada do GPT-5.1-Codex, ideal para cenários de codificação sensíveis a latência e custo."
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Modelo grande de linguagem geral extremamente capaz, com forte capacidade de raciocínio controlável."
|
||||
@@ -2751,7 +2847,7 @@
|
||||
"description": "o3-mini de alta capacidade de raciocínio oferece alta inteligência com os mesmos objetivos de custo e latência que o o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "O o4-mini da OpenAI oferece raciocínio rápido e econômico, com desempenho excepcional para seu tamanho, especialmente em matemática (melhor desempenho no benchmark AIME), codificação e tarefas visuais."
|
||||
"description": "OpenAI o4-mini é um modelo de raciocínio compacto e eficiente da OpenAI, ideal para cenários de baixa latência."
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "Versão de alto nível de inferência do o4-mini, otimizada para inferência rápida e eficaz, apresentando alta eficiência e desempenho em tarefas de codificação e visuais."
|
||||
@@ -2955,7 +3051,7 @@
|
||||
"description": "Modelo de código de médio porte poderoso, suporta comprimento de contexto de 32K, especializado em programação multilíngue."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B é um modelo de linguagem causal denso de 14 bilhões de parâmetros da série Qwen3, projetado para raciocínio complexo e diálogos eficientes. Ele suporta a alternância sem costura entre o modo de 'pensamento' para tarefas de matemática, programação e raciocínio lógico e o modo 'não pensante' para diálogos gerais. Este modelo foi ajustado para seguir instruções, usar ferramentas de agentes, escrever criativamente e realizar tarefas multilíngues em mais de 100 idiomas e dialetos. Ele processa nativamente um contexto de 32K tokens e pode ser expandido para 131K tokens usando uma extensão baseada em YaRN."
|
||||
"description": "Qwen3-14B é a versão de 14B da série Qwen, ideal para raciocínio geral e cenários de diálogo."
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B é um modelo de linguagem causal denso de 14 bilhões de parâmetros da série Qwen3, projetado para raciocínio complexo e diálogos eficientes. Ele suporta a alternância sem costura entre o modo de 'pensamento' para tarefas de matemática, programação e raciocínio lógico e o modo 'não pensante' para diálogos gerais. Este modelo foi ajustado para seguir instruções, usar ferramentas de agentes, escrever criativamente e realizar tarefas multilíngues em mais de 100 idiomas e dialetos. Ele processa nativamente um contexto de 32K tokens e pode ser expandido para 131K tokens usando uma extensão baseada em YaRN."
|
||||
@@ -2963,6 +3059,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B é um modelo de mistura especializada (MoE) de 235 bilhões de parâmetros desenvolvido pela Qwen, ativando 22 bilhões de parâmetros a cada passagem para frente. Ele suporta a alternância sem costura entre o modo de 'pensamento' para raciocínio complexo, matemática e tarefas de código e o modo 'não pensante' para eficiência em diálogos gerais. Este modelo demonstra forte capacidade de raciocínio, suporte multilíngue (mais de 100 idiomas e dialetos), alta capacidade de seguir instruções e chamar ferramentas de agentes. Ele processa nativamente uma janela de contexto de 32K tokens e pode ser expandido para 131K tokens usando uma extensão baseada em YaRN."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 é a versão Instruct da série Qwen3, equilibrando instruções multilíngues e contexto longo."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 é a variante de raciocínio da Qwen3, reforçada para tarefas complexas de matemática e lógica."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B é um modelo de mistura especializada (MoE) de 235 bilhões de parâmetros desenvolvido pela Qwen, ativando 22 bilhões de parâmetros a cada passagem para frente. Ele suporta a alternância sem costura entre o modo de 'pensamento' para raciocínio complexo, matemática e tarefas de código e o modo 'não pensante' para eficiência em diálogos gerais. Este modelo demonstra forte capacidade de raciocínio, suporte multilíngue (mais de 100 idiomas e dialetos), alta capacidade de seguir instruções e chamar ferramentas de agentes. Ele processa nativamente uma janela de contexto de 32K tokens e pode ser expandido para 131K tokens usando uma extensão baseada em YaRN."
|
||||
},
|
||||
@@ -2981,6 +3083,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B é um modelo de linguagem causal denso de 8 bilhões de parâmetros da série Qwen3, projetado para tarefas intensivas em raciocínio e diálogos eficientes. Ele suporta a alternância sem costura entre o modo de 'pensamento' para matemática, codificação e raciocínio lógico e o modo 'não pensante' para diálogos gerais. Este modelo foi ajustado para seguir instruções, integrar agentes, escrever criativamente e usar em mais de 100 idiomas e dialetos. Ele suporta nativamente uma janela de contexto de 32K tokens e pode ser expandido para 131K tokens através do YaRN."
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder é a família de geradores de código da Qwen3, especializada em compreensão e geração de código em documentos longos."
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus é o modelo de agente de codificação da série Qwen, otimizado para chamadas de ferramentas complexas e sessões prolongadas."
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max é o modelo de raciocínio avançado da série Qwen3, ideal para raciocínio multilíngue e integração com ferramentas."
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max (preview) é a versão de pré-visualização do modelo Max da série Qwen, voltado para raciocínio avançado e integração com ferramentas."
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus é a versão com visão aprimorada da Qwen3, com capacidades expandidas de raciocínio multimodal e processamento de vídeo."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 é a nova geração de modelo de linguagem em larga escala da Alibaba, oferecendo desempenho excepcional para atender a diversas necessidades de aplicação."
|
||||
},
|
||||
@@ -3275,9 +3392,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Este modelo é um grande modelo de inferência com forte capacidade de compreensão de imagens, capaz de processar informações de imagem e texto, gerando conteúdo textual após um profundo raciocínio. O modelo se destaca no campo do raciocínio visual, além de possuir habilidades de raciocínio matemático, código e texto de primeira linha. O comprimento do contexto é de 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 é um modelo multimodal lançado pela StepStar, com poderosa capacidade de compreensão visual."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 é um modelo avançado de raciocínio multimodal lançado pela StepFun, construído sobre uma arquitetura de mistura de especialistas (Mixture of Experts, MoE) com 321B de parâmetros totais e 38B de parâmetros de ativação. O modelo adota um design ponta a ponta, visando minimizar o custo de decodificação enquanto oferece desempenho de primeira linha em raciocínio visão-linguagem. Por meio do design cooperativo de Atenção por Decomposição em Múltiplas Matrizes (MFA) e do Desacoplamento Atenção-FFN (AFD), o Step3 mantém excelente eficiência tanto em aceleradores de alto desempenho quanto em aceleradores de baixo custo. Na fase de pré-treinamento, o Step3 processou mais de 20T tokens de texto e 4T tokens multimodais de imagem e texto, cobrindo mais de dez idiomas. O modelo alcançou posições de liderança entre modelos open-source em vários benchmarks, incluindo matemática, código e tarefas multimodais."
|
||||
},
|
||||
@@ -3359,6 +3473,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "Acesso ao modelo por trás do v0 para gerar, corrigir e otimizar aplicações web modernas, com raciocínio específico para frameworks e conhecimento atualizado."
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code é o modelo da Volcengine otimizado para programação agentica, com excelente desempenho em benchmarks de codificação e agentes, suportando contexto de 256K."
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "Versão ultrarrápida Wanxiang 2.2, modelo mais recente. Atualizações abrangentes em criatividade, estabilidade e realismo, com alta velocidade de geração e excelente custo-benefício."
|
||||
},
|
||||
@@ -3386,11 +3503,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 é um modelo de linguagem fornecido pela Microsoft AI, destacando-se em diálogos complexos, multilíngue, raciocínio e assistentes inteligentes."
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 é o modelo carro-chefe de raciocínio da xAI, com poderosas capacidades de raciocínio e multimodalidade."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Temos o prazer de apresentar o Grok 4 Fast, nosso mais recente avanço em modelos de raciocínio com excelente custo-benefício."
|
||||
"description": "Grok 4 Fast é o modelo de alto volume e baixo custo da xAI (com suporte a janelas de contexto de 2M), ideal para uso com alta concorrência e contexto longo."
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) é o modelo multimodal de alto volume e baixo custo da xAI (com suporte a janelas de contexto de 2M), voltado para cenários sensíveis a latência e custo que não exigem raciocínio interno. Pode ser alternado para o modo de raciocínio via parâmetro de API. Prompts e respostas podem ser usados pela xAI ou OpenRouter para melhorar modelos futuros."
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast é o modelo de alto volume e baixo custo da xAI (com suporte a janelas de contexto de 2M), ideal para uso com alta concorrência e contexto longo."
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) é o modelo multimodal de alto volume e baixo custo da xAI (com suporte a janelas de contexto de 2M), voltado para cenários sensíveis a latência e custo que não exigem raciocínio interno. Pode ser alternado para o modo de raciocínio via parâmetro de API. Prompts e respostas podem ser usados pela xAI ou OpenRouter para melhorar modelos futuros."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "Temos o prazer de lançar o grok-code-fast-1, um modelo de raciocínio rápido e econômico, com desempenho excepcional em codificação assistida por agentes."
|
||||
"description": "Grok Code Fast 1 é o modelo de código rápido da xAI, com saída legível e adaptada à engenharia."
|
||||
},
|
||||
"x1": {
|
||||
"description": "O modelo Spark X1 será aprimorado ainda mais, mantendo a liderança em tarefas matemáticas no país, e alcançando resultados em tarefas gerais como raciocínio, geração de texto e compreensão de linguagem que se comparam ao OpenAI o1 e DeepSeek R1."
|
||||
@@ -3452,8 +3581,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Modelo para tarefas visuais complexas, oferecendo alta performance em compreensão e análise baseadas em múltiplas imagens."
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 é o modelo carro-chefe da Z.AI, com suporte a raciocínio híbrido e otimização para engenharia e tarefas com contexto longo."
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air é a versão leve do GLM 4.5, ideal para cenários sensíveis a custo, mantendo forte capacidade de raciocínio."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6, o mais novo modelo carro-chefe da Zhipu, supera amplamente a geração anterior em codificação avançada, processamento de textos longos, raciocínio e capacidades de agentes inteligentes."
|
||||
"description": "GLM 4.6 é o modelo carro-chefe da Z.AI, com contexto expandido e capacidades aprimoradas de codificação."
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 é um modelo base projetado para aplicações de agentes inteligentes, utilizando arquitetura Mixture-of-Experts (MoE). Otimizado para chamadas de ferramentas, navegação web, engenharia de software e programação front-end, suporta integração perfeita com agentes de código como Claude Code e Roo Code. Adota modo de raciocínio híbrido, adaptando-se a cenários de raciocínio complexo e uso cotidiano."
|
||||
@@ -3475,5 +3610,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V é construído sobre o modelo base GLM-4.5-Air, herdando a tecnologia comprovada do GLM-4.1V-Thinking, enquanto alcança escalabilidade eficiente por meio da poderosa arquitetura MoE de 106 bilhões de parâmetros."
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "A função de roteamento automático da ZenMux seleciona automaticamente o modelo com melhor desempenho e custo-benefício entre os suportados, com base no conteúdo da sua solicitação."
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) é uma plataforma de código aberto que simplifica a execução e integração de diversos modelos de IA. Com o Xinference, você pode utilizar qualquer LLM de código aberto, modelos de embedding e modelos multimodais para executar inferências em ambientes locais ou na nuvem, além de criar aplicações de IA poderosas."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux é uma plataforma unificada de agregação de serviços de IA, compatível com diversas interfaces de serviços de IA populares como OpenAI, Anthropic, Google VertexAI, entre outras. Oferece uma capacidade de roteamento flexível, permitindo que você alterne e gerencie facilmente diferentes modelos de IA."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI se concentra na tecnologia de inteligência artificial da era 2.0, promovendo fortemente a inovação e aplicação de 'humano + inteligência artificial', utilizando modelos poderosos e tecnologia de IA avançada para aumentar a produtividade humana e realizar a capacitação tecnológica."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Стандартное"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Разрешение",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Сид",
|
||||
"random": "Случайное начальное значение"
|
||||
|
||||
+98
-68
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus — самая интеллектуальная модель Anthropic с лидирующей на рынке производительностью в сложных задачах. Она демонстрирует выдающуюся плавность и человекоподобное понимание при работе с открытыми подсказками и новыми сценариями."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku — следующее поколение нашей самой быстрой модели. При скорости, сопоставимой с Claude 3 Haiku, она улучшена по всем навыкам и превосходит нашего предыдущего крупнейшего Claude 3 Opus во многих интеллектуальных тестах."
|
||||
"description": "Claude 3.5 Haiku обладает улучшенными возможностями в скорости, точности кодирования и использовании инструментов. Подходит для сценариев с высокими требованиями к скорости и взаимодействию с инструментами."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet достигает идеального баланса между интеллектом и скоростью, особенно для корпоративных нагрузок. По сравнению с аналогами, он обеспечивает мощную производительность при меньших затратах и разработан для высокой надежности в масштабных развертываниях ИИ."
|
||||
"description": "Claude 3.5 Sonnet — это быстрый и эффективный представитель семейства Sonnet, обеспечивающий улучшенную производительность в кодировании и рассуждении. Некоторые версии постепенно заменяются на Sonnet 3.7 и другие."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet — первая гибридная модель вывода и самая интеллектуальная модель Anthropic на сегодняшний день. Она обеспечивает передовые возможности в кодировании, генерации контента, анализе данных и планировании, построена на базе программных и вычислительных способностей предшественника Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet — усовершенствованная версия серии Sonnet с более мощными возможностями рассуждения и кодирования, предназначенная для сложных корпоративных задач."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 — это высокопроизводительная и быстрая модель от Anthropic с минимальной задержкой при сохранении высокой точности."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 — самая мощная модель Anthropic и лучший в мире кодовый модель, лидирующий в SWE-bench (72,5%) и Terminal-bench (43,2%). Обеспечивает устойчивую производительность для длительных задач, требующих сосредоточенности и тысяч шагов, способна работать непрерывно в течение нескольких часов, значительно расширяя возможности ИИ-агентов."
|
||||
"description": "Opus 4 — флагманская модель от Anthropic, разработанная для сложных задач и корпоративных приложений."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 — готовая к использованию альтернатива Opus 4, обеспечивающая выдающуюся производительность и точность для реальных задач кодирования и агентных операций. Opus 4.1 повышает передовые показатели кодирования до 74,5% в SWE-bench Verified и с большей тщательностью и вниманием к деталям решает сложные многошаговые задачи."
|
||||
"description": "Opus 4.1 — высококлассная модель от Anthropic, оптимизированная для программирования, сложного рассуждения и длительных задач."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 значительно улучшен по сравнению с Sonnet 3.7, демонстрируя выдающиеся результаты в кодировании с передовым показателем 72,7% в SWE-bench. Модель сбалансирована по производительности и эффективности, подходит для внутренних и внешних сценариев и обеспечивает большую управляемость благодаря расширенным возможностям контроля."
|
||||
"description": "Claude Sonnet 4 — гибридная модель рассуждения от Anthropic, сочетающая когнитивные и некогнитивные способности."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 — самая интеллектуальная модель Anthropic на сегодняшний день."
|
||||
"description": "Claude Sonnet 4.5 — новейшая гибридная модель рассуждения от Anthropic, оптимизированная для сложного анализа и кодирования."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B — это разреженная большая языковая модель с 72 миллиардами параметров и 16 миллиардами активных параметров, основанная на архитектуре группового смешанного эксперта (MoGE). В фазе выбора экспертов эксперты группируются, и токен активирует равное количество экспертов в каждой группе, что обеспечивает баланс нагрузки между экспертами и значительно повышает эффективность развертывания модели на платформе Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B — большая языковая модель, разработанная компанией Baidu на основе архитектуры смешанных экспертов (MoE). Общий объём параметров модели составляет 300 миллиардов, однако при выводе активируется только 47 миллиардов параметров на токен, что обеспечивает высокую производительность при оптимальной вычислительной эффективности. Как одна из ключевых моделей серии ERNIE 4.5, она демонстрирует выдающиеся способности в задачах понимания текста, генерации, рассуждения и программирования. Модель использует инновационный метод предварительного обучения с мультимодальным гетерогенным MoE, объединяющий текстовые и визуальные модальности, что значительно повышает её универсальные возможности, особенно в следовании инструкциям и запоминании знаний о мире."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview — это новое поколение мультимодальной модели Wenxin от Baidu, специализирующееся на понимании мультимодальных данных, следовании инструкциям, творчестве, фактических вопросах и вызове инструментов."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse — это высокопроизводительная многоязычная модель 32B, созданная для того, чтобы бросить вызов производительности одноязычных моделей с помощью инноваций в области настройки по инструкциям, арбитража данных, обучения предпочтениям и объединения моделей. Она поддерживает 23 языка."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest — это доработанная версия o4-mini, специально предназначенная для Codex CLI. Для прямого использования через API мы рекомендуем начинать с gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B — это американская открытая языковая модель, доступная для коммерческого использования, с производительностью, сопоставимой с ведущими моделями, высокой эффективностью обработки токенов, поддержкой 128k контекста и мощными универсальными возможностями."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 — это первая в истории Zhipu открытая модель текст-в-изображение, поддерживающая генерацию китайских иероглифов. Она значительно улучшена в понимании семантики, качестве генерации изображений и способности создавать тексты на китайском и английском языках. Модель поддерживает двуязычный ввод любой длины и может генерировать изображения с любым разрешением в заданных пределах."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small — облегчённая мультимодальная версия, подходящая для ограниченных по ресурсам и высоконагруженных сценариев."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 — высокопроизводительная гибридная модель рассуждения от команды DeepSeek, подходящая для сложных задач и интеграции с инструментами."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 — это экспертная смешанная модель с 685B параметрами, являющаяся последней итерацией флагманской серии чат-моделей команды DeepSeek.\n\nОна унаследовала модель [DeepSeek V3](/deepseek/deepseek-chat-v3) и демонстрирует отличные результаты в различных задачах."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 — это экспертная смешанная модель с 685B параметрами, являющаяся последней итерацией флагманской серии чат-моделей команды DeepSeek.\n\nОна унаследовала модель [DeepSeek V3](/deepseek/deepseek-chat-v3) и демонстрирует отличные результаты в различных задачах."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 — крупная гибридная модель рассуждений с поддержкой длинного контекста до 128K и эффективным переключением режимов, демонстрирующая выдающуюся производительность и скорость при вызове инструментов, генерации кода и выполнении сложных задач рассуждений."
|
||||
"description": "DeepSeek-V3.1 — гибридная модель рассуждения с поддержкой длинного контекста от DeepSeek, поддерживает смешанный режим мышления и интеграцию инструментов."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "Модель DeepSeek R1 получила небольшое обновление до версии DeepSeek-R1-0528. В последнем обновлении DeepSeek R1 значительно улучшила глубину и качество вывода за счет увеличения вычислительных ресурсов и внедрения алгоритмических оптимизаций после обучения. Модель демонстрирует отличные результаты в математике, программировании и общей логике, приближаясь по производительности к лидерам, таким как O3 и Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 значительно улучшил способность модели к рассуждению при минимальном количестве размеченных данных. Перед выводом окончательного ответа модель сначала генерирует цепочку рассуждений для повышения точности ответа."
|
||||
"description": "DeepSeek R1 0528 — обновлённый вариант от DeepSeek с акцентом на открытость и глубину рассуждения."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 значительно улучшил способность модели к рассуждению при минимальном количестве размеченных данных. Перед выводом окончательного ответа модель сначала генерирует цепочку рассуждений для повышения точности ответа."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 значительно улучшила способности модели к рассуждению при наличии лишь очень ограниченных размеченных данных. Перед тем как предоставить окончательный ответ, модель сначала выводит цепочку размышлений, чтобы повысить точность окончательного ответа."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) — экспериментальная модель рассуждения от DeepSeek, предназначенная для задач высокой сложности."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Быстрая универсальная крупномасштабная языковая модель с улучшенными возможностями вывода."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview — передовая модель мышления от Google, способная рассуждать над сложными задачами в области кода, математики и STEM, а также анализировать большие наборы данных, кодовые базы и документы с использованием длинного контекста."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) — модель генерации изображений от Google с поддержкой мультимодального диалога."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) — модель генерации изображений от Google с поддержкой мультимодального диалога."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro — самая интеллектуальная модель от Google с передовыми возможностями рассуждения, мультимодального понимания, а также мощными функциями агента и кодирования контекста."
|
||||
"description": "Gemini 3 Pro — лучшая в мире модель мультимодального понимания, а также самая мощная интеллектуальная и атмосферная программируемая модель от Google, обеспечивающая богатую визуализацию и глубокое взаимодействие на основе передовых возможностей рассуждения."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Последний релиз Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview обладает мощными способностями к сложному выводу, демонстрируя отличные результаты в области логического вывода, математики и программирования."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash предлагает функции следующего поколения и улучшенные возможности, включая выдающуюся скорость, встроенное использование инструментов, мультимодальную генерацию и контекстное окно на 1 миллион токенов."
|
||||
"description": "Gemini 2.0 Flash — высокопроизводительная модель рассуждения от Google, подходящая для расширенных мультимодальных задач."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash предлагает функции следующего поколения и улучшения, включая выдающуюся скорость, использование встроенных инструментов, многомодальную генерацию и контекстное окно на 1M токенов."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite предлагает функции следующего поколения и улучшенные возможности, включая выдающуюся скорость, встроенное использование инструментов, мультимодальную генерацию и контекстное окно на 1 миллион токенов."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite — облегчённая версия семейства Gemini, по умолчанию отключает мышление для повышения производительности и снижения затрат, но может быть активирована параметрами."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash — модель для размышлений с выдающимися всесторонними возможностями. Она сбалансирована по цене и производительности, поддерживает мультимодальность и контекстное окно на 1 миллион токенов."
|
||||
"description": "Серия Gemini 2.5 Flash (Lite/Pro/Flash) — это модели от Google с низкой задержкой до высокой производительности для задач рассуждения."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) — модель генерации изображений от Google с поддержкой мультимодального диалога."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Бесплатная версия Gemini 2.5 Flash Image с ограниченным объёмом мультимодальной генерации."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Экспериментальная модель Gemini 2.5 Flash, поддерживающая генерацию изображений."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite — сбалансированная модель с низкой задержкой, с настраиваемым бюджетом размышлений и подключением инструментов (например, Google Search и выполнение кода). Поддерживает мультимодальный ввод и контекстное окно на 1 миллион токенов."
|
||||
"description": "Gemini 2.5 Flash Lite — облегчённая версия Gemini 2.5, оптимизированная по задержке и стоимости, подходит для сценариев с высокой пропускной способностью."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash — это самая современная основная модель от Google, разработанная для сложного рассуждения, кодирования, математических и научных задач. Она включает встроенную способность \"думать\", что позволяет ей давать ответы с более высокой точностью и детализированной обработкой контекста.\n\nОбратите внимание: эта модель имеет два варианта: с \"думанием\" и без. Цены на вывод значительно различаются в зависимости от того, активирована ли способность думать. Если вы выберете стандартный вариант (без суффикса \":thinking\"), модель явно избегает генерации токенов для размышлений.\n\nЧтобы воспользоваться способностью думать и получать токены для размышлений, вы должны выбрать вариант \":thinking\", что приведет к более высокой цене на вывод размышлений.\n\nКроме того, Gemini 2.5 Flash можно настроить с помощью параметра \"максимальное количество токенов для рассуждения\", как указано в документации (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash — это самая современная основная модель от Google, разработанная для сложного рассуждения, кодирования, математических и научных задач. Она включает встроенную способность \"думать\", что позволяет ей давать ответы с более высокой точностью и детализированной обработкой контекста.\n\nОбратите внимание: эта модель имеет два варианта: с \"думанием\" и без. Цены на вывод значительно различаются в зависимости от того, активирована ли способность думать. Если вы выберете стандартный вариант (без суффикса \":thinking\"), модель явно избегает генерации токенов для размышлений.\n\nЧтобы воспользоваться способностью думать и получать токены для размышлений, вы должны выбрать вариант \":thinking\", что приведет к более высокой цене на вывод размышлений.\n\nКроме того, Gemini 2.5 Flash можно настроить с помощью параметра \"максимальное количество токенов для рассуждения\", как указано в документации (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro — наш самый продвинутый модель Gemini для вывода, способная решать сложные задачи. Имеет контекстное окно на 2 миллиона токенов и поддерживает мультимодальный ввод, включая текст, изображения, аудио, видео и PDF-документы."
|
||||
"description": "Gemini 2.5 Pro — флагманская модель рассуждения от Google с поддержкой длинного контекста и сложных задач."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Бесплатная версия Gemini 2.5 Pro с ограниченной мультимодальной генерацией и поддержкой длинного контекста, подходит для тестирования и лёгких рабочих процессов."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview — это самая передовая модель мышления от Google, способная рассуждать над сложными задачами в области кода, математики и STEM, а также анализировать большие наборы данных, кодовые базы и документы с использованием длинного контекста."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Бесплатная версия Gemini 3 Pro Image с ограниченным объёмом мультимодальной генерации."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro — следующее поколение мультимодальной модели рассуждения в серии Gemini, способное обрабатывать текст, аудио, изображения, видео и другие типы ввода, а также решать сложные задачи и работать с большими кодовыми базами."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Бесплатная предварительная версия Gemini 3 Pro с теми же возможностями мультимодального понимания и рассуждения, что и стандартная версия, но с ограничениями по объёму и скорости, лучше всего подходит для ознакомления и нерегулярного использования."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Передовая модель встраивания с отличной производительностью в задачах на английском, многоязычных и кодовых задачах."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small — идеальный выбор для задач генерации, отладки и рефакторинга кода с минимальной задержкой."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T — флагманская модель без рассуждения (non-thinking) из серии «Ling 2.0», обладающая общим числом параметров в 1 триллион и около 50 миллиардов активных параметров на каждый токен. Построена на архитектуре Ling 2.0, Ling-1T стремится преодолеть границы эффективного вывода и масштабируемого когнитивного понимания. Модель Ling-1T-base обучена на более чем 20 триллионах высококачественных токенов с интенсивным рассуждением."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 — третья модель серии Ling 2.0, выпущенная командой Ant Group Bailing. Это модель смешанных экспертов (MoE) с общим числом параметров 100 миллиардов, при этом для каждого токена активируется всего 6.1 миллиарда параметров (без учета эмбеддингов — 4.8 миллиарда). Как легковесная конфигурация, Ling-flash-2.0 демонстрирует в нескольких авторитетных тестах производительность, сопоставимую или превосходящую модели плотного типа (Dense) с 40 миллиардами параметров и более крупные MoE-модели. Модель направлена на исследование эффективных путей при концепции «большая модель равна большому числу параметров» через продуманный дизайн архитектуры и стратегии обучения."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 — компактная высокопроизводительная большая языковая модель на базе архитектуры MoE. Она содержит 16 миллиардов параметров, при этом для каждого токена активируется всего 1.4 миллиарда параметров (без эмбеддингов — 789 миллионов), что обеспечивает очень высокую скорость генерации. Благодаря эффективному дизайну MoE и масштабным качественным тренировочным данным, несмотря на низкое число активируемых параметров, Ling-mini-2.0 демонстрирует в downstream-задачах производительность, сопоставимую с плотными LLM менее 10 миллиардов параметров и более крупными MoE-моделями."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T — открытая модель мышления триллионного масштаба, выпущенная командой Bailing. Построена на архитектуре Ling 2.0 и базовой модели Ling-1T-base, содержит 1 триллион общих параметров и 50 миллиардов активных параметров, поддерживает контекстное окно до 128K. Оптимизирована с использованием масштабного обучения с подкреплением и проверяемыми наградами."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 — высокопроизводительная модель для рассуждений, глубоко оптимизированная на базе Ling-flash-2.0-base. Она использует архитектуру смешанных экспертов (MoE) с общим числом параметров 100 миллиардов, при этом при каждом выводе активируется только 6.1 миллиарда параметров. Модель решает проблему нестабильности MoE-моделей при обучении с подкреплением (RL) с помощью уникального алгоритма icepop, что позволяет постоянно улучшать сложные способности рассуждения в долгосрочном обучении. Ring-flash-2.0 достигла значительных прорывов в сложных бенчмарках, таких как математические соревнования, генерация кода и логическое рассуждение. Ее производительность превосходит лучшие плотные модели с числом параметров менее 40 миллиардов и сопоставима с более крупными открытыми MoE-моделями и закрытыми высокопроизводительными моделями для рассуждений. Несмотря на фокус на сложных рассуждениях, модель также отлично справляется с творческим письмом. Благодаря эффективному дизайну архитектуры Ring-flash-2.0 обеспечивает высокую скорость вывода и значительно снижает затраты на развертывание моделей рассуждений в условиях высокой нагрузки."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T — модель MoE с 1 триллионом параметров от inclusionAI, оптимизированная для интенсивных задач рассуждения и работы с большим контекстом."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 — модель MoE от inclusionAI, оптимизированная по эффективности и производительности рассуждения, подходит для средних и крупных задач."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 — облегчённая модель MoE от inclusionAI, значительно снижает затраты при сохранении способности к рассуждению."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview — мультимодальная модель от inclusionAI с поддержкой ввода речи, изображений и видео, оптимизированная для рендеринга изображений и распознавания речи."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T — модель MoE с триллионом параметров от inclusionAI, предназначенная для масштабного рассуждения и исследовательских задач."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 — вариант модели Ring от inclusionAI, ориентированный на высокую пропускную способность, с акцентом на скорость и эффективность затрат."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 — облегчённая версия модели MoE от inclusionAI с высокой пропускной способностью, предназначенная для параллельных сценариев."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 предлагает интеллектуальные решения для диалогов в различных сценариях."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct — официальная модель вывода Kimi, поддерживающая длинный контекст, программирование, вопросы-ответы и другие сценарии."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 — модель длительного рассуждения с поддержкой 256k контекста, многократного вызова инструментов и мышления, хорошо справляется с решением сложных задач."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Ускоренная версия модели длительного рассуждения K2 с поддержкой 256k контекста, оптимизирована для глубокого анализа и обеспечивает скорость вывода 60–100 токенов в секунду."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 — это базовая модель архитектуры MoE с выдающимися возможностями в области программирования и агентов. Общий объём параметров — 1 трлн, активируемые параметры — 32 млрд. В бенчмарках по основным категориям (общее знание и рассуждение, программирование, математика, агенты и пр.) модель K2 демонстрирует результаты выше, чем у других ведущих открытых моделей."
|
||||
},
|
||||
@@ -2465,9 +2528,7 @@
|
||||
"minimax-m2": {
|
||||
"description": "MiniMax M2 — это высокоэффективная крупная языковая модель, созданная специально для задач программирования и автоматизации рабочих процессов."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Создана для эффективного кодирования и рабочих процессов агентов."
|
||||
},
|
||||
"minimax/minimax-m2": {},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 — это компактная, быстрая и экономичная модель с архитектурой смешанных экспертов (MoE), обладающая 230 миллиардами общих параметров и 10 миллиардами активных параметров. Она разработана для достижения выдающейся производительности в задачах кодирования и работы агентов, при этом сохраняя мощную общую интеллектуальность. Модель демонстрирует отличные результаты в редактировании нескольких файлов, замкнутом цикле кодирования-запуска-исправления, проверке и исправлении тестов, а также в сложных цепочках инструментов с длинными связями, что делает её идеальным выбором для рабочих процессов разработчиков."
|
||||
},
|
||||
@@ -2615,9 +2676,7 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 — крупномасштабная смешанная экспертная (MoE) языковая модель с триллионом параметров и 32 миллиардами активных параметров на проход. Оптимизирована для агентных возможностей, включая продвинутое использование инструментов, рассуждения и синтез кода."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "Модель kimi-k2-0905-preview с длиной контекста 256k обладает более сильными возможностями агентного кодирования, улучшенной эстетикой и практичностью фронтенд-кода, а также лучшим пониманием контекста."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "Модель kimi-k2-0905-preview с длиной контекста 256k обладает более сильными возможностями агентного кодирования, улучшенной эстетикой и практичностью фронтенд-кода, а также лучшим пониманием контекста."
|
||||
},
|
||||
@@ -2702,30 +2761,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "gpt-4-turbo от OpenAI обладает обширными универсальными знаниями и экспертными областями, позволяя следовать сложным инструкциям на естественном языке и точно решать сложные задачи. Дата отсечения знаний — апрель 2023 года, окно контекста — 128 000 токенов."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 — флагманская модель OpenAI для сложных задач. Отлично подходит для междисциплинарного решения проблем."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini сбалансирована по интеллекту, скорости и стоимости, что делает её привлекательной моделью для многих сценариев."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano — самая быстрая и экономичная модель GPT 4.1."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o от OpenAI обладает обширными универсальными знаниями и экспертными областями, способен следовать сложным инструкциям на естественном языке и точно решать сложные задачи. Обеспечивает производительность, сопоставимую с GPT-4 Turbo, при более высокой скорости и меньшей стоимости API."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini от OpenAI — их самая передовая и экономичная компактная модель. Мультимодальная (принимает текст или изображения на вход и выдает текст), умнее, чем gpt-3.5-turbo, при такой же скорости."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 — флагманская языковая модель OpenAI, демонстрирующая выдающиеся способности в сложных рассуждениях, обширных знаниях о реальном мире, задачах с интенсивным кодированием и многошаговых агентных задачах."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini — оптимизированная по стоимости модель с отличной производительностью в задачах рассуждений и диалогов. Обеспечивает лучший баланс скорости, стоимости и возможностей."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano — высокопроизводительная модель, отлично справляющаяся с простыми инструкциями и задачами классификации."
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Чрезвычайно мощная универсальная крупномасштабная языковая модель с сильными и управляемыми возможностями рассуждения."
|
||||
},
|
||||
@@ -2750,9 +2793,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "o3-mini high — версия с высоким уровнем вывода, которая обеспечивает высокий интеллект при тех же целях по стоимости и задержке, что и o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini от OpenAI обеспечивает быстрый и экономичный вывод с выдающейся производительностью для своего размера, особенно в математике (лучшие результаты в тесте AIME), кодировании и визуальных задачах."
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini версия с высоким уровнем вывода, оптимизированная для быстрого и эффективного вывода, демонстрирующая высокую эффективность и производительность в задачах кодирования и визуализации."
|
||||
},
|
||||
@@ -2954,9 +2995,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Мощная средняя модель кода, поддерживающая контекст длиной 32K, специализирующаяся на многоязычном программировании."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B — это компактная языковая модель с 14 миллиардами параметров из серии Qwen3, специально разработанная для сложного вывода и эффективного диалога. Она поддерживает бесшовное переключение между режимом размышления для задач, таких как математика, программирование и логический вывод, и неразмышляющим режимом для общего диалога. Эта модель была дообучена для выполнения инструкций, использования инструментов агентов, креативного письма и многоязычных задач на более чем 100 языках и диалектах. Она изначально обрабатывает контекст в 32K токенов и может быть расширена до 131K токенов с помощью YaRN."
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B — это компактная языковая модель с 14 миллиардами параметров из серии Qwen3, специально разработанная для сложного вывода и эффективного диалога. Она поддерживает бесшовное переключение между режимом размышления для задач, таких как математика, программирование и логический вывод, и неразмышляющим режимом для общего диалога. Эта модель была дообучена для выполнения инструкций, использования инструментов агентов, креативного письма и многоязычных задач на более чем 100 языках и диалектах. Она изначально обрабатывает контекст в 32K токенов и может быть расширена до 131K токенов с помощью YaRN."
|
||||
},
|
||||
@@ -3275,9 +3314,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Эта модель является мощной моделью вывода с сильными способностями к пониманию изображений, способной обрабатывать информацию из изображений и текста, выводя текст после глубокого размышления. Эта модель демонстрирует выдающиеся результаты в области визуального вывода, а также обладает первоклассными способностями в математике, коде и текстовом выводе. Длина контекста составляет 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 — это мультимодальная модель от StepStar, обладающая мощными возможностями визуального восприятия."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 — передовая мультимодальная модель рассуждения, выпущенная компанией StepFun. Она построена на архитектуре mixture-of-experts (MoE) с общим числом параметров 321 млрд и 38 млрд активных параметров. Модель реализована по энд‑ту‑энд схеме и нацелена на минимизацию затрат на декодирование при обеспечении высочайшей производительности в задачах визуально‑языкового рассуждения. Благодаря совместному дизайну многоматричного разложения внимания (MFA) и декуплинга внимания и FFN (AFD), Step3 демонстрирует отличную эффективность как на флагманских, так и на бюджетных ускорителях. На этапе предобучения модель обработала более 20 трлн текстовых токенов и 4 трлн смешанных токенов «текст+изображение», охватив более десяти языков. Step3 показывает лидирующие результаты среди открытых моделей по множеству бенчмарков, включая задачи по математике, коду и мультимодальные задачи."
|
||||
},
|
||||
@@ -3386,12 +3422,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 — это языковая модель, предоставляемая Microsoft AI, которая особенно хорошо проявляет себя в сложных диалогах, многоязычных задачах, выводе и интеллектуальных помощниках."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Мы рады представить Grok 4 Fast — наш последний прорыв в области экономически эффективных моделей рассуждения."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "С радостью представляем grok-code-fast-1 — быструю и экономичную модель рассуждения, отлично подходящую для кодирования с помощью агентов."
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "Модель Spark X1 будет дополнительно обновлена, и на основе уже существующих лидерских позиций в математических задачах, достигнет сопоставимых результатов в общих задачах, таких как рассуждение, генерация текста и понимание языка, с OpenAI o1 и DeepSeek R1."
|
||||
},
|
||||
@@ -3452,9 +3484,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Модель для сложных визуальных задач, обеспечивающая высокопроизводительное понимание и анализ на основе нескольких изображений."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "Флагманская модель нового поколения от Zhipu — GLM-4.6, значительно превосходящая предыдущую версию в продвинутом кодировании, обработке длинных текстов, рассуждении и возможностях интеллектуальных агентов."
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 — базовая модель, специально созданная для приложений с агентами, использующая архитектуру смешанных экспертов (Mixture-of-Experts). Модель глубоко оптимизирована для вызова инструментов, веб-браузинга, программной инженерии и фронтенд-разработки, поддерживает бесшовную интеграцию с кодовыми агентами, такими как Claude Code и Roo Code. GLM-4.5 использует смешанный режим вывода, адаптируясь к сложным рассуждениям и повседневным задачам."
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) — это открытая платформа, предназначенная для упрощения запуска и интеграции различных моделей искусственного интеллекта. С помощью Xinference вы можете использовать любые открытые LLM, модели эмбеддингов и мультимодальные модели для выполнения логического вывода в облаке или локальной среде, а также создавать мощные приложения на основе ИИ."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux — это унифицированная платформа агрегации AI-сервисов, поддерживающая интерфейсы таких популярных AI-провайдеров, как OpenAI, Anthropic, Google VertexAI и других. Она предоставляет гибкие возможности маршрутизации, позволяя легко переключаться между различными AI-моделями и управлять ими."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI сосредоточен на технологиях искусственного интеллекта 2.0, активно продвигая инновации и применение \"человек + искусственный интеллект\", используя мощные модели и передовые AI-технологии для повышения производительности человека и реализации технологического потенциала."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Standart"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Çözünürlük",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Tohum",
|
||||
"random": "Rastgele Tohum"
|
||||
|
||||
+110
-64
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus, Anthropic'in en zeki modeli olup, yüksek karmaşıklıktaki görevlerde piyasa lideri performans sunar. Açık uçlu istemleri ve daha önce görülmemiş senaryoları üstün akıcılık ve insan benzeri anlayışla yönetebilir."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku, en hızlı modelimizin bir sonraki neslidir. Claude 3 Haiku ile benzer hızda olup, her beceri setinde geliştirilmiş ve birçok zeka kıyaslamasında önceki nesil en büyük modelimiz Claude 3 Opus'u geride bırakmıştır."
|
||||
"description": "Claude 3.5 Haiku, hız, kodlama doğruluğu ve araç kullanımı açısından geliştirilmiş yeteneklere sahiptir. Hız ve araç etkileşimi gerektiren senaryolar için uygundur."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet, zeka ve hız arasında ideal dengeyi sağlar—özellikle kurumsal iş yükleri için. Benzer ürünlere kıyasla daha düşük maliyetle güçlü performans sunar ve büyük ölçekli yapay zeka dağıtımlarında yüksek dayanıklılık için tasarlanmıştır."
|
||||
"description": "Claude 3.5 Sonnet, Sonnet ailesinin hızlı ve verimli bir modelidir; daha iyi kodlama ve akıl yürütme performansı sunar. Bazı sürümleri zamanla Sonnet 3.7 gibi modellerle değiştirilecektir."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet, ilk karma çıkarım modeli olup, Anthropic'in şimdiye kadarki en zeki modelidir. Kodlama, içerik oluşturma, veri analizi ve planlama görevlerinde en ileri performansı sunar ve selefi Claude 3.5 Sonnet'in yazılım mühendisliği ve bilgisayar kullanımı yetenekleri üzerine inşa edilmiştir."
|
||||
"description": "Claude 3.7 Sonnet, Sonnet serisinin yükseltilmiş versiyonudur; daha güçlü akıl yürütme ve kodlama yetenekleri sunar, kurumsal düzeyde karmaşık görevler için uygundur."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5, Anthropic’in yüksek performanslı hızlı modelidir; yüksek doğruluğu korurken son derece düşük gecikme süresi sunar."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4, Anthropic'in şimdiye kadarki en güçlü modeli ve dünyanın en iyi kodlama modeli olup, SWE-bench (%72.5) ve Terminal-bench (%43.2) testlerinde liderdir. Uzun süreli, binlerce adımlı görevlerde sürekli performans sağlar ve saatlerce kesintisiz çalışabilir—AI ajanlarının yeteneklerini önemli ölçüde genişletir."
|
||||
"description": "Opus 4, Anthropic’in amiral gemisi modelidir; karmaşık görevler ve kurumsal uygulamalar için özel olarak tasarlanmıştır."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1, Opus 4'ün tak-çalıştır alternatifi olup, gerçek kodlama ve ajan görevlerinde üstün performans ve doğruluk sunar. Opus 4.1, en ileri kodlama performansını SWE-bench Verified'de %74.5'e yükseltir ve karmaşık çok adımlı problemleri daha yüksek titizlik ve detay odaklılıkla ele alır."
|
||||
"description": "Opus 4.1, Anthropic’in üst düzey modelidir; programlama, karmaşık akıl yürütme ve sürekli görevler için optimize edilmiştir."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4, Sonnet 3.7'nin sektör lideri yetenekleri üzerine önemli geliştirmeler yapmış olup, kodlama alanında mükemmel performans sergiler ve SWE-bench'te en ileri %72.7 skoruna ulaşır. Model, performans ve verimlilik arasında denge sağlar, hem dahili hem de harici kullanım durumları için uygundur ve geliştirilmiş kontrol edilebilirlik ile uygulama üzerinde daha fazla hakimiyet sunar."
|
||||
"description": "Claude Sonnet 4, Anthropic’in hibrit akıl yürütme modelidir; düşünsel ve düşünsel olmayan yetenekleri bir arada sunar."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5, Anthropic'in şimdiye kadarki en akıllı modelidir."
|
||||
"description": "Claude Sonnet 4.5, Anthropic’in en yeni hibrit akıl yürütme modelidir; karmaşık akıl yürütme ve kodlama için optimize edilmiştir."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B, 72 milyar parametreli ve 16 milyar parametre aktive eden seyrek büyük bir dil modelidir. Bu model, grup tabanlı uzman karışımı (MoGE) mimarisine dayanır; uzman seçim aşamasında uzmanları gruplar halinde düzenler ve her grupta token başına eşit sayıda uzmanı aktive ederek uzman yük dengesini sağlar. Bu sayede Ascend platformunda modelin dağıtım verimliliği önemli ölçüde artırılmıştır."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B, Baidu tarafından geliştirilen, karma uzman (MoE) mimarisine dayanan büyük bir dil modelidir. Modelin toplam parametre sayısı 300 milyar olup, çıkarım sırasında her token için yalnızca 47 milyar parametre aktive edilir; böylece güçlü performans ile hesaplama verimliliği dengelenir. ERNIE 4.5 serisinin temel modellerinden biri olarak, metin anlama, üretme, akıl yürütme ve programlama gibi görevlerde üstün yetenekler sergiler. Model, metin ve görsel modların ortak eğitimiyle çok modlu heterojen MoE ön eğitim yöntemi kullanarak genel yeteneklerini artırmış, özellikle talimat takibi ve dünya bilgisi hafızasında etkileyici sonuçlar elde etmiştir."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview, Baidu’nun yeni nesil yerel çok modlu Wenxin modelidir; çok modlu anlama, komut takibi, yaratım, gerçeklere dayalı soru-cevap ve araç çağırma konularında uzmandır."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse, talimat ayarlama, veri arbitrajı, tercih eğitimi ve model birleştirme yenilikleri ile tek dilli modellerin performansını zorlamak için tasarlanmış yüksek performanslı bir 32B çok dilli modeldir. 23 dili desteklemektedir."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest, Codex CLI için özel olarak ince ayarlanmış o4-mini versiyonudur. API üzerinden doğrudan kullanım için, gpt-4.1'den başlamanızı öneririz."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B, ücretsiz ticari kullanım için sunulan ABD menşeli açık kaynak büyük dil modelidir; üstün performansı, yüksek token akıl yürütme verimliliği, 128k uzun bağlam desteği ve güçlü genel yetenekleriyle öne çıkar."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4, Zhipu'nun Çince karakter üretimini destekleyen ilk açık kaynaklı metinden görsele modelidir. Anlam anlayışı, görüntü üretim kalitesi ve Çince-İngilizce metin üretme yeteneklerinde kapsamlı iyileştirmeler sunar. Her uzunlukta Çince ve İngilizce çift dilli girişi destekler ve verilen aralıkta herhangi bir çözünürlükte görüntü oluşturabilir."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, hafif çok modlu sürüm, kaynak kısıtlı ve yüksek eşzamanlılık gerektiren senaryolar için uygundur."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3, DeepSeek ekibinin yüksek performanslı hibrit akıl yürütme modelidir; karmaşık görevler ve araç entegrasyonu için uygundur."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3, 685B parametreye sahip bir uzman karışık modeldir ve DeepSeek ekibinin amiral gemisi sohbet modeli serisinin en son iterasyonudur.\n\nÇeşitli görevlerde mükemmel performans sergileyen [DeepSeek V3](/deepseek/deepseek-chat-v3) modelini devralmıştır."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3, 685B parametreye sahip bir uzman karışık modeldir ve DeepSeek ekibinin amiral gemisi sohbet modeli serisinin en son iterasyonudur.\n\nÇeşitli görevlerde mükemmel performans sergileyen [DeepSeek V3](/deepseek/deepseek-chat-v3) modelini devralmıştır."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1, 128K uzun bağlam ve verimli mod geçişini destekleyen büyük hibrit çıkarım modelidir; araç çağrıları, kod üretimi ve karmaşık çıkarım görevlerinde üstün performans ve hız sağlar."
|
||||
"description": "DeepSeek-V3.1, DeepSeek’in uzun bağlam destekli hibrit akıl yürütme modelidir; düşünsel/düşünsel olmayan modlar ve araç entegrasyonunu destekler."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek R1 modeli küçük bir sürüm güncellemesi aldı, mevcut sürüm DeepSeek-R1-0528'dir. Son güncellemede, DeepSeek R1 artırılmış hesaplama kaynakları ve eğitim sonrası algoritma optimizasyon mekanizmaları kullanarak çıkarım derinliği ve yeteneğini önemli ölçüde artırdı. Model, matematik, programlama ve genel mantık gibi birçok kıyaslama testinde üstün performans gösterir ve genel performansı artık O3 ve Gemini 2.5 Pro gibi lider modellerle yakındır."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1, çok az etiketli veri ile modelin akıl yürütme yeteneğini büyük ölçüde artırır. Nihai yanıtı vermeden önce, model doğruluğu artırmak için bir düşünce zinciri çıktısı üretir."
|
||||
"description": "DeepSeek R1 0528, DeepSeek’in güncellenmiş varyantıdır; açık kaynak kullanılabilirliği ve derin akıl yürütmeye odaklanır."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1, çok az etiketli veri ile modelin akıl yürütme yeteneğini büyük ölçüde artırır. Nihai yanıtı vermeden önce, model doğruluğu artırmak için bir düşünce zinciri çıktısı üretir."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1, yalnızca çok az etiketli veri ile modelin akıl yürütme yeteneğini büyük ölçüde artırır. Model, nihai yanıtı vermeden önce bir düşünce zinciri içeriği sunarak nihai yanıtın doğruluğunu artırır."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner), DeepSeek’in deneysel akıl yürütme modelidir; yüksek karmaşıklıktaki akıl yürütme görevleri için uygundur."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Gelişmiş çıkarım yeteneklerine sahip hızlı, genel amaçlı büyük dil modeli."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Önizlemesi, Google'ın en gelişmiş düşünce modelidir; kodlama, matematik ve STEM alanlarındaki karmaşık problemleri çözebilir ve uzun bağlam kullanarak büyük veri setleri, kod kütüphaneleri ve belgeleri analiz edebilir."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro), Google’ın görüntü üretim modelidir; aynı zamanda çok modlu diyaloğu destekler."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro), Google’ın görüntü üretim modelidir; aynı zamanda çok modlu diyaloğu destekler."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro, Google'ın en akıllı modeli olup, en son teknoloji çıkarım ve çok modlu anlama yeteneklerinin yanı sıra güçlü aracı ve bağlam kodlama özelliklerine sahiptir."
|
||||
"description": "Gemini 3 Pro, dünyanın en iyi çok modlu anlama modeli olup, Google’ın şimdiye kadarki en güçlü yapay zekâsı ve ortam programlama modelidir; gelişmiş görsel efektler ve derin etkileşim sunar, tüm bunlar ileri düzey akıl yürütme yetenekleri üzerine inşa edilmiştir."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Gemini Flash'ın en son sürümü"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview, karmaşık akıl yürütme yeteneklerine sahip olup, mantıksal akıl yürütme, matematik, programlama gibi alanlarda mükemmel performans sergilemektedir."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash, üstün hız, yerleşik araç kullanımı, çok modlu üretim ve 1 milyon token bağlam penceresi dahil olmak üzere yeni nesil özellikler ve geliştirmeler sunar."
|
||||
"description": "Gemini 2.0 Flash, Google’ın yüksek performanslı akıl yürütme modelidir; genişletilmiş çok modlu görevler için uygundur."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash, mükemmel hız, yerel araç kullanımı, çok modlu üretim ve 1M token bağlam penceresi dahil olmak üzere bir sonraki nesil özellikler ve iyileştirmeler sunar."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite, üstün hız, yerleşik araç kullanımı, çok modlu üretim ve 1 milyon token bağlam penceresi dahil olmak üzere yeni nesil özellikler ve geliştirmeler sunar."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite, Gemini ailesinin hafif sürümüdür; gecikme ve maliyet performansını artırmak için varsayılan olarak düşünme devre dışı bırakılmıştır, ancak parametre ile etkinleştirilebilir."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash, kapsamlı yetenekler sunan düşünme modelidir. Fiyat ve performans arasında denge kurmayı amaçlar, çok modlu ve 1 milyon token bağlam penceresini destekler."
|
||||
"description": "Gemini 2.5 Flash (Lite/Pro/Flash) serisi, Google’ın düşük gecikmeden yüksek performansa kadar uzanan akıl yürütme modelleridir."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana), Google’ın görüntü üretim modelidir; aynı zamanda çok modlu diyaloğu destekler."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gemini 2.5 Flash Image ücretsiz sürümüdür; sınırlı çok modlu üretim kotasını destekler."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash deneysel modeli, görüntü oluşturmayı destekler."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite, dengeli, düşük gecikmeli bir model olup, yapılandırılabilir düşünme bütçesi ve araç bağlantısı (örneğin Google Arama temelli ve kod yürütme) sunar. Çok modlu girişi destekler ve 1 milyon token bağlam penceresi sağlar."
|
||||
"description": "Gemini 2.5 Flash Lite, Gemini 2.5’in hafif sürümüdür; gecikme ve maliyet açısından optimize edilmiştir, yüksek verimlilik gerektiren senaryolar için uygundur."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash, Google'ın en gelişmiş ana modelidir ve ileri düzey akıl yürütme, kodlama, matematik ve bilimsel görevler için tasarlanmıştır. Daha yüksek doğruluk ve ayrıntılı bağlam işleme ile yanıtlar sunabilen yerleşik 'düşünme' yeteneğine sahiptir.\n\nNot: Bu modelin iki varyantı vardır: düşünme ve düşünmeme. Çıktı fiyatlandırması, düşünme yeteneğinin etkin olup olmamasına göre önemli ölçüde farklılık gösterir. Standart varyantı (':thinking' eki olmadan) seçerseniz, model açıkça düşünme tokenleri üretmekten kaçınacaktır.\n\nDüşünme yeteneğinden yararlanmak ve düşünme tokenleri almak için, ':thinking' varyantını seçmelisiniz; bu, daha yüksek düşünme çıktı fiyatlandırması ile sonuçlanacaktır.\n\nAyrıca, Gemini 2.5 Flash, belgede belirtildiği gibi 'akıl yürütme maksimum token sayısı' parametresi ile yapılandırılabilir (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash, Google'ın en gelişmiş ana modelidir ve ileri düzey akıl yürütme, kodlama, matematik ve bilimsel görevler için tasarlanmıştır. Daha yüksek doğruluk ve ayrıntılı bağlam işleme ile yanıtlar sunabilen yerleşik 'düşünme' yeteneğine sahiptir.\n\nNot: Bu modelin iki varyantı vardır: düşünme ve düşünmeme. Çıktı fiyatlandırması, düşünme yeteneğinin etkin olup olmamasına göre önemli ölçüde farklılık gösterir. Standart varyantı (':thinking' eki olmadan) seçerseniz, model açıkça düşünme tokenleri üretmekten kaçınacaktır.\n\nDüşünme yeteneğinden yararlanmak ve düşünme tokenleri almak için, ':thinking' varyantını seçmelisiniz; bu, daha yüksek düşünme çıktı fiyatlandırması ile sonuçlanacaktır.\n\nAyrıca, Gemini 2.5 Flash, belgede belirtildiği gibi 'akıl yürütme maksimum token sayısı' parametresi ile yapılandırılabilir (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro, karmaşık problemleri çözebilen en gelişmiş çıkarım Gemini modelimizdir. 2 milyon token bağlam penceresine sahiptir ve metin, görüntü, ses, video ve PDF belgeleri dahil çok modlu girişleri destekler."
|
||||
"description": "Gemini 2.5 Pro, Google’ın amiral gemisi akıl yürütme modelidir; uzun bağlam ve karmaşık görevleri destekler."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gemini 2.5 Pro ücretsiz sürümüdür; sınırlı çok modlu uzun bağlam desteği sunar, deneme ve hafif iş akışları için uygundur."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Önizlemesi, Google'ın en gelişmiş düşünce modeli olup, kodlama, matematik ve STEM alanlarındaki karmaşık sorunları çözme yeteneğine sahiptir ve uzun bağlam kullanarak büyük veri setleri, kod tabanları ve belgeleri analiz edebilir."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gemini 3 Pro Image ücretsiz sürümüdür; sınırlı çok modlu üretim kotasını destekler."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro, Gemini serisinin yeni nesil çok modlu akıl yürütme modelidir; metin, ses, görüntü, video gibi çeşitli girdileri anlayabilir ve karmaşık görevler ile büyük kod tabanlarını işleyebilir."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gemini 3 Pro ücretsiz önizleme sürümüdür; standart sürümle aynı çok modlu anlama ve akıl yürütme yeteneklerine sahiptir, ancak ücretsiz kota ve hız sınırlamaları nedeniyle deneyim ve düşük frekanslı kullanım için daha uygundur."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "İngilizce, çok dilli ve kod görevlerinde üstün performans sunan en gelişmiş gömme modeli."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small, kod üretimi, hata ayıklama ve yeniden yapılandırma görevleri için ideal olup, minimum gecikme sunar."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T, \"Ling 2.0\" serisinin ilk amiral gemisi non-thinking modelidir. Toplamda 1 trilyon parametreye ve her token için yaklaşık 50 milyar aktif parametreye sahiptir. Ling 2.0 mimarisi üzerine inşa edilen Ling-1T, verimli akıl yürütme ve ölçeklenebilir bilişsel yeteneklerin sınırlarını zorlamak için tasarlanmıştır. Ling-1T-base, 200 trilyondan fazla yüksek kaliteli ve akıl yürütme yoğun token üzerinde eğitilmiştir."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0, Ant Group Bailing ekibi tarafından yayınlanan Ling 2.0 mimari serisinin üçüncü modelidir. Bu, hibrit uzman (MoE) modeli olup toplam parametre sayısı 100 milyara ulaşırken, her token için yalnızca 6.1 milyar parametre aktive eder (embedding dışı 4.8 milyar). Hafif yapılandırmaya sahip bu model, birçok otoriter değerlendirmede 40 milyar seviyesindeki yoğun (Dense) modeller ve daha büyük ölçekli MoE modelleriyle rekabet eden hatta onları aşan performans sergiler. Model, \"büyük model büyük parametre demektir\" anlayışı altında yüksek verimlilik yollarını keşfetmek için üstün mimari tasarım ve eğitim stratejileriyle geliştirilmiştir."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0, MoE mimarisi temelinde küçük boyutlu yüksek performanslı büyük dil modelidir. Toplam 16 milyar parametreye sahip olup, her token için yalnızca 1.4 milyar parametre aktive eder (embedding dışı 789 milyon), böylece çok yüksek üretim hızı sağlar. Verimli MoE tasarımı ve büyük ölçekli yüksek kaliteli eğitim verileri sayesinde, aktive edilen parametre sayısı sadece 1.4 milyar olmasına rağmen, Ling-mini-2.0 altındaki 10 milyar yoğun LLM ve daha büyük ölçekli MoE modelleriyle kıyaslanabilir üst düzey performans gösterir."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T, Bailing ekibi tarafından geliştirilen trilyon parametre ölçeğinde açık kaynaklı bir düşünce modelidir. Ling 2.0 mimarisi ve Ling-1T-base temel modeli üzerine inşa edilmiştir. Toplamda 1 trilyon parametreye ve 50 milyar aktif parametreye sahiptir. 128K'ya kadar bağlam penceresini destekler. Model, büyük ölçekli doğrulanabilir ödül takviyeli öğrenme ile optimize edilmiştir."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0, Ling-flash-2.0-base üzerine derinlemesine optimize edilmiş yüksek performanslı düşünme modelidir. Hibrit uzman (MoE) mimarisi kullanır, toplam parametre sayısı 100 milyardır ancak her çıkarımda yalnızca 6.1 milyar parametre aktive edilir. Model, özgün icepop algoritması ile MoE büyük modellerin pekiştirmeli öğrenme (RL) eğitimindeki kararsızlık sorununu çözerek karmaşık çıkarım yeteneğini uzun dönemli eğitimlerde sürekli artırır. Ring-flash-2.0, matematik yarışmaları, kod üretimi ve mantıksal çıkarım gibi zorlu kıyaslama testlerinde önemli atılımlar yapmış, performansı 40 milyar parametre altındaki en iyi yoğun modelleri aşmakla kalmayıp, daha büyük ölçekli açık kaynak MoE modelleri ve kapalı kaynak yüksek performanslı düşünme modelleriyle rekabet edebilir. Model karmaşık çıkarıma odaklanmasına rağmen yaratıcı yazma gibi görevlerde de başarılıdır. Ayrıca, yüksek verimli mimari tasarımı sayesinde güçlü performans sunarken yüksek hızda çıkarım yapar ve yüksek eşzamanlılık senaryolarında düşünme modeli dağıtım maliyetlerini önemli ölçüde azaltır."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T, inclusionAI’nin 1T MoE büyük modelidir; yüksek yoğunluklu akıl yürütme görevleri ve büyük ölçekli bağlamlar için optimize edilmiştir."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0, inclusionAI’nin MoE modelidir; verimlilik ve akıl yürütme performansı açısından optimize edilmiştir, orta ve büyük ölçekli görevler için uygundur."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0, inclusionAI’nin hafifletilmiş MoE modelidir; akıl yürütme yeteneğini korurken maliyeti önemli ölçüde azaltır."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview, inclusionAI’nin çok modlu modelidir; ses, görüntü ve video girişlerini destekler, görüntü işleme ve ses tanıma yetenekleri optimize edilmiştir."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T, inclusionAI’nin trilyon parametreli MoE düşünme modelidir; büyük ölçekli akıl yürütme ve araştırma görevleri için uygundur."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0, inclusionAI’nin yüksek verimlilikli senaryolar için geliştirdiği Ring model varyantıdır; hız ve maliyet verimliliğine odaklanır."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0, inclusionAI’nin yüksek verimlilikli hafif MoE sürümüdür; özellikle eşzamanlı kullanım senaryoları için tasarlanmıştır."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5, çoklu senaryolarda akıllı diyalog çözümleri sunar."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, Kimi'nin resmi çıkarım modeli, uzun bağlam, kodlama, soru-cevap gibi çoklu senaryoları destekler."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 Uzun Düşünme Modeli, 256k bağlamı destekler; çok adımlı araç çağırma ve düşünme yeteneğine sahiptir, daha karmaşık problemleri çözmede uzmandır."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "K2 Uzun Düşünme Modeli’nin yüksek hızlı sürümüdür; 256k bağlamı destekler, derin akıl yürütmede uzmandır ve saniyede 60-100 token üretim hızına ulaşır."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2, son derece güçlü kod yazma ve Agent yeteneklerine sahip MoE mimarisine dayanan bir temel modeldir; toplam parametre sayısı 1T, aktif (etkin) parametre sayısı 32B. Genel bilgi çıkarımı, programlama, matematik ve Agent gibi ana kategorilerde yapılan karşılaştırmalı performans testlerinde K2 modelinin performansı diğer önde gelen açık kaynak modellerinin üzerindedir."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "kimi-thinking-preview modeli, Ay'ın karanlık yüzü tarafından sunulan çok modlu akıl yürütme ve genel akıl yürütme yeteneklerine sahip çok modlu düşünme modelidir; derin akıl yürütmede uzmandır ve daha zor sorunların çözümüne yardımcı olur."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (sınırlı süreli ücretsiz), kod anlama ve otomatik programlama üzerine odaklanır; verimli programlama ajan görevleri için uygundur."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM, öğrenme bilimleri ilkelerine uygun olarak eğitilmiş, görev odaklı deneysel bir dil modelidir. Eğitim ve öğrenim senaryolarında sistem talimatlarını takip edebilir ve uzman bir mentor olarak görev alabilir."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2, kodlama ve yardımcı iş akışları için özel olarak geliştirilmiş, verimli bir büyük dil modelidir."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Verimli kodlama ve Agent iş akışları için özel olarak tasarlanmıştır."
|
||||
"description": "MiniMax-M2, kodlama ve ajan görevlerinde üstün performans gösteren, yüksek maliyet-performans oranına sahip bir modeldir; çeşitli mühendislik senaryoları için uygundur."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2, 230 milyar toplam parametreye ve 10 milyar etkin parametreye sahip kompakt, hızlı ve ekonomik bir Uzman Karışımı (MoE) modelidir. Kodlama ve yapay zekâ görevlerinde üstün performans sunmak üzere tasarlanmış olup, güçlü bir genel zekâ kapasitesini de korur. Çoklu dosya düzenleme, kodla-çalıştır-düzelt döngüsü, test doğrulama ve düzeltme ile karmaşık uzun zincirli araç zincirlerinde üstün performans göstererek geliştirici iş akışları için ideal bir seçimdir."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2, Moonshot AI tarafından geliştirilen büyük ölçekli karma uzman (MoE) dil modeli olup, toplamda 1 trilyon parametre ve her ileri geçişte 32 milyar aktif parametreye sahiptir. Ajan yetenekleri için optimize edilmiştir; gelişmiş araç kullanımı, çıkarım ve kod sentezi içerir."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711, Kimi serisinin Instruct sürümüdür; yüksek kaliteli kodlama ve araç çağırma senaryoları için uygundur."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "kimi-k2-0905-preview modelinin bağlam uzunluğu 256k’dır, daha güçlü Agentic Kodlama yeteneklerine, ön uç kodlarının estetik ve işlevselliğinde belirgin gelişmelere ve daha iyi bağlam anlama yeteneğine sahiptir."
|
||||
"description": "Kimi K2 0905, Kimi serisinin 0905 güncellemesidir; bağlam ve akıl yürütme performansını artırır, kodlama senaryoları için optimize edilmiştir."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "kimi-k2-0905-preview modelinin bağlam uzunluğu 256k’dır, daha güçlü Agentic Kodlama yeteneklerine, ön uç kodlarının estetik ve işlevselliğinde belirgin gelişmelere ve daha iyi bağlam anlama yeteneğine sahiptir."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking, Moonshot tarafından derin akıl yürütme görevleri için optimize edilmiş düşünme modelidir; genel ajan yeteneklerine sahiptir."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo, Kimi K2 Thinking’in yüksek hızlı sürümüdür; derin akıl yürütme yeteneğini korurken yanıt gecikmesini önemli ölçüde azaltır."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph, Claude veya GPT-4o gibi ileri modellerin önerdiği kod değişikliklerini mevcut kod dosyalarınıza UYGULAR - HIZLI - 4500+ token/saniye. AI kodlama iş akışında son adım olarak görev yapar. 16k giriş token ve 16k çıkış token destekler."
|
||||
},
|
||||
@@ -2702,30 +2777,14 @@
|
||||
"openai/gpt-4-turbo": {
|
||||
"description": "OpenAI'den gpt-4-turbo, geniş genel bilgi ve alan uzmanlığına sahip olup, karmaşık doğal dil talimatlarını takip edebilir ve zor problemleri doğru şekilde çözebilir. Bilgi kesim tarihi Nisan 2023'tür ve 128.000 token bağlam penceresine sahiptir."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1, OpenAI'nin amiral gemisi modeli olup, karmaşık görevler için uygundur. Alanlar arası problem çözmede mükemmeldir."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini, zeka, hız ve maliyet arasında denge kurar ve birçok kullanım durumu için çekici bir modeldir."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano, GPT 4.1 modelleri arasında en hızlı ve en maliyet etkin olanıdır."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "OpenAI'den GPT-4o, geniş genel bilgi ve alan uzmanlığına sahip olup, karmaşık doğal dil talimatlarını takip edebilir ve zor problemleri doğru şekilde çözebilir. GPT-4 Turbo performansını daha hızlı ve daha uygun maliyetli API ile eşler."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "OpenAI'nin en gelişmiş ve maliyet etkin küçük modeli olan GPT-4o mini, çok modludur (metin veya görüntü girişi alır ve metin çıktısı verir) ve gpt-3.5-turbo'dan daha zeki ancak aynı hızdadır."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5, OpenAI'nin amiral gemisi dil modeli olup, karmaşık çıkarım, geniş gerçek dünya bilgisi, kod yoğun ve çok adımlı ajan görevlerinde üstün performans gösterir."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini, maliyet optimize edilmiş bir model olup, çıkarım/sohbet görevlerinde üstün performans sunar. Hız, maliyet ve yetenek arasında en iyi dengeyi sağlar."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano, yüksek işlem hacmine sahip model olup, basit talimat veya sınıflandırma görevlerinde üstün performans gösterir."
|
||||
},
|
||||
"openai/gpt-4.1": {},
|
||||
"openai/gpt-4.1-mini": {},
|
||||
"openai/gpt-4.1-nano": {},
|
||||
"openai/gpt-4o": {},
|
||||
"openai/gpt-4o-mini": {},
|
||||
"openai/gpt-5": {},
|
||||
"openai/gpt-5-mini": {},
|
||||
"openai/gpt-5-nano": {},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Son derece yetenekli genel amaçlı büyük dil modeli olup, güçlü ve kontrol edilebilir çıkarım yeteneklerine sahiptir."
|
||||
},
|
||||
@@ -2750,9 +2809,7 @@
|
||||
"openai/o3-mini-high": {
|
||||
"description": "o3-mini yüksek akıl yürütme seviyesi, o1-mini ile aynı maliyet ve gecikme hedefleri altında yüksek zeka sunar."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "OpenAI'nin o4-mini modeli, hızlı ve maliyet etkin çıkarım sunar ve boyutuna göre özellikle matematik (AIME kıyaslamasında en iyi performans), kodlama ve görsel görevlerde üstün performans gösterir."
|
||||
},
|
||||
"openai/o4-mini": {},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini yüksek çıkarım seviyesinde, hızlı ve etkili çıkarım için optimize edilmiştir ve kodlama ile görsel görevlerde son derece yüksek verimlilik ve performans sergiler."
|
||||
},
|
||||
@@ -2954,9 +3011,7 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Güçlü orta ölçekli kod modeli, 32K bağlam uzunluğunu destekler, çok dilli programlama konusunda uzmandır."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B, Qwen3 serisindeki yoğun 14.8 milyar parametreli nedensel dil modelidir ve karmaşık akıl yürütme ve etkili diyalog için tasarlanmıştır. Matematik, programlama ve mantık akıl yürütme gibi görevler için 'düşünme' modu ile genel diyalog için 'düşünmeme' modu arasında sorunsuz geçiş yapmayı destekler. Bu model, talimat takibi, ajan araç kullanımı, yaratıcı yazım ve 100'den fazla dil ve lehçede çok dilli görevler için ince ayar yapılmıştır. 32K token bağlamını yerel olarak işler ve YaRN tabanlı genişletme ile 131K token'a kadar genişletilebilir."
|
||||
},
|
||||
"qwen/qwen3-14b": {},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B, Qwen3 serisindeki yoğun 14.8 milyar parametreli nedensel dil modelidir ve karmaşık akıl yürütme ve etkili diyalog için tasarlanmıştır. Matematik, programlama ve mantık akıl yürütme gibi görevler için 'düşünme' modu ile genel diyalog için 'düşünmeme' modu arasında sorunsuz geçiş yapmayı destekler. Bu model, talimat takibi, ajan araç kullanımı, yaratıcı yazım ve 100'den fazla dil ve lehçede çok dilli görevler için ince ayar yapılmıştır. 32K token bağlamını yerel olarak işler ve YaRN tabanlı genişletme ile 131K token'a kadar genişletilebilir."
|
||||
},
|
||||
@@ -3275,9 +3330,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Bu model, güçlü görüntü anlama yeteneğine sahip bir çıkarım büyük modelidir, görüntü ve metin bilgilerini işleyebilir, derin düşünme sonrası metin oluşturma çıktısı verebilir. Bu model, görsel çıkarım alanında öne çıkarken, birinci sınıf matematik, kod ve metin çıkarım yeteneklerine de sahiptir. Bağlam uzunluğu 100k'dır."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3, StepStar tarafından geliştirilen çok modlu bir modeldir ve güçlü görsel anlama yeteneklerine sahiptir."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3, StepFun tarafından yayımlanan öncü çok modlu çıkarım modelidir; 321 milyar toplam ve 38 milyar aktif parametreye sahip Uzman Karışımı (MoE) mimarisi üzerine inşa edilmiştir. Model uçtan uca bir tasarımla kod çözme maliyetlerini en aza indirmeyi hedeflerken görsel-dilsel çıkarımda üst düzey performans sunar. Çoklu matris faktorizasyonlu dikkat (MFA) ile dikkat-FFN ayrıştırmasının (AFD) uyumlu tasarımı sayesinde Step3, hem üst düzey hem de düşük kapasiteli hızlandırıcılarda yüksek verimliliğini korur. Ön eğitim aşamasında Step3, 20 trilyondan fazla metin tokeni ve 4 trilyon görsel-metin tokeni işlemiş olup on'dan fazla dili kapsar. Model, matematik, kodlama ve çok modlu görevler gibi çeşitli kıyaslama testlerinde açık kaynak modeller arasında lider düzeye ulaşmıştır."
|
||||
},
|
||||
@@ -3386,12 +3438,8 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2, Microsoft AI tarafından sunulan bir dil modelidir, karmaşık diyaloglar, çok dilli, akıl yürütme ve akıllı asistan alanlarında özellikle başarılıdır."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Grok 4 Fast'i sunmaktan mutluluk duyuyoruz; bu, maliyet etkin çıkarım modelleri konusundaki en son ilerlememizdir."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "Hızlı ve ekonomik bir çıkarım modeli olan grok-code-fast-1'i tanıtmaktan memnuniyet duyuyoruz; özellikle temsilci tabanlı kodlamada üstün performans sergiler."
|
||||
},
|
||||
"x-ai/grok-4-fast": {},
|
||||
"x-ai/grok-code-fast-1": {},
|
||||
"x1": {
|
||||
"description": "Spark X1 modeli daha da geliştirilecek; önceki matematik görevlerinde ulusal liderlik temelinde, akıl yürütme, metin üretimi, dil anlama gibi genel görevlerde OpenAI o1 ve DeepSeek R1 ile karşılaştırılabilir sonuçlar elde edilecektir."
|
||||
},
|
||||
@@ -3452,9 +3500,7 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Karmaşık görsel görevler için model, birden fazla resme dayalı yüksek performanslı anlama ve analiz yetenekleri sunar."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "Zhipu'nun en yeni amiral gemisi modeli GLM-4.6; ileri düzey kodlama, uzun metin işleme, çıkarım ve yapay zeka yeteneklerinde seleflerini tamamen geride bırakıyor."
|
||||
},
|
||||
"z-ai/glm-4.6": {},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5, akıllı ajan uygulamaları için tasarlanmış temel modeldir ve Mixture-of-Experts (MoE) mimarisi kullanır. Araç çağrısı, web tarama, yazılım mühendisliği ve ön uç programlama alanlarında derin optimizasyonlar içerir. Claude Code, Roo Code gibi kod ajanlarına sorunsuz entegrasyon destekler. GLM-4.5, karmaşık çıkarım ve günlük kullanım gibi çeşitli senaryolara uyum sağlayan hibrit çıkarım moduna sahiptir."
|
||||
},
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference), çeşitli yapay zeka modellerinin çalıştırılmasını ve entegrasyonunu kolaylaştıran açık kaynaklı bir platformdur. Xinference ile bulutta veya yerel ortamda herhangi bir açık kaynaklı LLM, gömme modeli ve çoklu modal modeli kullanarak çıkarım yapabilir ve güçlü yapay zeka uygulamaları oluşturabilirsiniz."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux, OpenAI, Anthropic, Google VertexAI gibi birçok popüler yapay zeka hizmeti arayüzünü destekleyen birleşik bir yapay zeka hizmetleri toplama platformudur. Esnek yönlendirme yetenekleri sayesinde farklı yapay zeka modelleri arasında kolayca geçiş yapabilir ve yönetebilirsiniz."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI, yapay zeka 2.0 çağının yapay zeka teknolojisine odaklanmakta ve 'insan + yapay zeka' yenilik ve uygulamalarını teşvik etmektedir. Son derece güçlü modeller ve gelişmiş yapay zeka teknolojileri kullanarak insan üretkenliğini artırmayı ve teknolojik güçlendirmeyi hedeflemektedir."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "Tiêu chuẩn"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "Độ phân giải",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "Hạt giống",
|
||||
"random": "Hạt giống ngẫu nhiên"
|
||||
|
||||
+176
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus là mô hình thông minh nhất của Anthropic, dẫn đầu thị trường trong các nhiệm vụ phức tạp cao. Nó có khả năng xử lý các lời nhắc mở và các tình huống chưa từng thấy với độ trôi chảy xuất sắc và hiểu biết gần như con người."
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku là thế hệ tiếp theo của mô hình nhanh nhất của chúng tôi. Với tốc độ tương đương Claude 3 Haiku, Claude 3.5 Haiku được cải thiện trên mọi kỹ năng và vượt qua mô hình lớn nhất thế hệ trước là Claude 3 Opus trong nhiều bài kiểm tra trí tuệ."
|
||||
"description": "Claude 3.5 Haiku có khả năng vượt trội về tốc độ, độ chính xác trong lập trình và sử dụng công cụ. Phù hợp với các tình huống yêu cầu cao về tốc độ và tương tác công cụ."
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet đạt sự cân bằng lý tưởng giữa trí tuệ và tốc độ — đặc biệt phù hợp cho khối lượng công việc doanh nghiệp. So với các sản phẩm cùng loại, nó cung cấp hiệu suất mạnh mẽ với chi phí thấp hơn và được thiết kế cho độ bền cao trong triển khai AI quy mô lớn."
|
||||
"description": "Claude 3.5 Sonnet là mô hình nhanh và hiệu quả trong dòng Sonnet, cung cấp hiệu suất tốt hơn về lập trình và suy luận, một số phiên bản sẽ dần được thay thế bởi Sonnet 3.7."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet là mô hình suy luận hỗn hợp đầu tiên và là mô hình thông minh nhất của Anthropic cho đến nay. Nó cung cấp hiệu suất tiên tiến trong mã hóa, tạo nội dung, phân tích dữ liệu và lập kế hoạch, xây dựng trên nền tảng khả năng kỹ thuật phần mềm và sử dụng máy tính của Claude 3.5 Sonnet."
|
||||
"description": "Claude 3.7 Sonnet là phiên bản nâng cấp của dòng Sonnet, mang lại khả năng suy luận và lập trình mạnh mẽ hơn, phù hợp với các tác vụ phức tạp cấp doanh nghiệp."
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 là mô hình tốc độ cao hiệu suất cao của Anthropic, duy trì độ chính xác cao với độ trễ cực thấp."
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 là mô hình mạnh mẽ nhất của Anthropic cho đến nay và là mô hình mã hóa tốt nhất thế giới, dẫn đầu trên các bảng đánh giá SWE-bench (72,5%) và Terminal-bench (43,2%). Nó cung cấp hiệu suất liên tục cho các nhiệm vụ dài hạn đòi hỏi sự tập trung cao và hàng nghìn bước, có thể làm việc liên tục trong nhiều giờ — mở rộng đáng kể khả năng của các đại lý AI."
|
||||
"description": "Opus 4 là mô hình hàng đầu của Anthropic, được thiết kế cho các tác vụ phức tạp và ứng dụng cấp doanh nghiệp."
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 là phiên bản thay thế plug-and-play của Opus 4, cung cấp hiệu suất và độ chính xác vượt trội cho các nhiệm vụ mã hóa và đại lý thực tế. Opus 4.1 nâng cao hiệu suất mã hóa tiên tiến lên 74,5% trên SWE-bench Verified và xử lý các vấn đề phức tạp nhiều bước với độ nghiêm ngặt và chú ý đến chi tiết cao hơn."
|
||||
"description": "Opus 4.1 là mô hình cao cấp của Anthropic, được tối ưu cho lập trình, suy luận phức tạp và các tác vụ liên tục."
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 cải tiến đáng kể dựa trên khả năng dẫn đầu ngành của Sonnet 3.7, thể hiện xuất sắc trong mã hóa với điểm số tiên tiến 72,7% trên SWE-bench. Mô hình cân bằng giữa hiệu suất và hiệu quả, phù hợp cho các trường hợp sử dụng nội bộ và bên ngoài, đồng thời cung cấp kiểm soát lớn hơn thông qua khả năng điều khiển nâng cao."
|
||||
"description": "Claude Sonnet 4 là phiên bản suy luận hỗn hợp của Anthropic, cung cấp khả năng kết hợp giữa tư duy và phản hồi trực tiếp."
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 là mô hình thông minh nhất của Anthropic cho đến nay."
|
||||
"description": "Claude Sonnet 4.5 là mô hình suy luận hỗn hợp mới nhất của Anthropic, được tối ưu cho suy luận phức tạp và lập trình."
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B là một mô hình ngôn ngữ lớn thưa thớt với 72 tỷ tham số và 16 tỷ tham số kích hoạt, dựa trên kiến trúc chuyên gia hỗn hợp theo nhóm (MoGE). Nó phân nhóm các chuyên gia trong giai đoạn lựa chọn chuyên gia và giới hạn token kích hoạt số lượng chuyên gia bằng nhau trong mỗi nhóm, từ đó đạt được cân bằng tải chuyên gia và cải thiện đáng kể hiệu quả triển khai mô hình trên nền tảng Ascend."
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B là một mô hình ngôn ngữ lớn dựa trên kiến trúc chuyên gia hỗn hợp (MoE) do công ty Baidu phát triển. Mô hình có tổng số 300 tỷ tham số, nhưng trong quá trình suy luận mỗi token chỉ kích hoạt 47 tỷ tham số, đảm bảo hiệu suất mạnh mẽ đồng thời tối ưu hóa hiệu quả tính toán. Là một trong những mô hình cốt lõi của dòng ERNIE 4.5, nó thể hiện khả năng xuất sắc trong các nhiệm vụ hiểu, tạo văn bản, suy luận và lập trình. Mô hình áp dụng phương pháp tiền huấn luyện MoE dị thể đa phương thức sáng tạo, thông qua huấn luyện kết hợp văn bản và hình ảnh, nâng cao hiệu quả tổng thể, đặc biệt nổi bật trong việc tuân thủ chỉ dẫn và ghi nhớ kiến thức thế giới."
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview là mô hình đa phương thức thế hệ mới của Baidu, xuất sắc trong hiểu đa phương thức, tuân thủ chỉ dẫn, sáng tạo, hỏi đáp thực tế và gọi công cụ."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse là một mô hình đa ngôn ngữ hiệu suất cao 32B, được thiết kế để thách thức hiệu suất của các mô hình đơn ngôn ngữ thông qua việc tinh chỉnh theo chỉ dẫn, khai thác dữ liệu, đào tạo theo sở thích và hợp nhất mô hình. Nó hỗ trợ 23 ngôn ngữ."
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest là phiên bản tinh chỉnh của o4-mini, được thiết kế đặc biệt cho Codex CLI. Đối với việc sử dụng trực tiếp qua API, chúng tôi khuyến nghị bắt đầu từ gpt-4.1."
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B là mô hình ngôn ngữ lớn mã nguồn mở của Mỹ có thể sử dụng thương mại miễn phí, nổi bật với hiệu suất ngang tầm các mô hình hàng đầu, hiệu quả suy luận token cao, hỗ trợ ngữ cảnh dài 128k và năng lực tổng hợp mạnh mẽ."
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 là mô hình tạo hình ảnh văn bản mã nguồn mở đầu tiên của Zhipu hỗ trợ tạo ký tự Trung Hoa, với sự cải tiến toàn diện về hiểu ngữ nghĩa, chất lượng tạo hình ảnh, khả năng tạo ký tự tiếng Trung và tiếng Anh, hỗ trợ đầu vào song ngữ Trung-Anh với độ dài tùy ý, có thể tạo hình ảnh với độ phân giải bất kỳ trong phạm vi cho phép."
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small, phiên bản đa phương thức nhẹ, phù hợp với môi trường tài nguyên hạn chế và yêu cầu đồng thời cao."
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 là mô hình suy luận hỗn hợp hiệu suất cao của nhóm DeepSeek, phù hợp với các tác vụ phức tạp và tích hợp công cụ."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 là một mô hình hỗn hợp chuyên gia với 685B tham số, là phiên bản mới nhất trong dòng mô hình trò chuyện flagship của đội ngũ DeepSeek.\n\nNó kế thừa mô hình [DeepSeek V3](/deepseek/deepseek-chat-v3) và thể hiện xuất sắc trong nhiều nhiệm vụ."
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 là một mô hình hỗn hợp chuyên gia với 685B tham số, là phiên bản mới nhất trong dòng mô hình trò chuyện flagship của đội ngũ DeepSeek.\n\nNó kế thừa mô hình [DeepSeek V3](/deepseek/deepseek-chat-v3) và thể hiện xuất sắc trong nhiều nhiệm vụ."
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 là mô hình suy luận hỗn hợp lớn hỗ trợ ngữ cảnh dài 128K và chuyển đổi chế độ hiệu quả, đạt hiệu suất và tốc độ xuất sắc trong việc gọi công cụ, tạo mã và các nhiệm vụ suy luận phức tạp."
|
||||
"description": "DeepSeek-V3.1 là mô hình suy luận hỗn hợp với ngữ cảnh dài của DeepSeek, hỗ trợ chế độ kết hợp tư duy/không tư duy và tích hợp công cụ."
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "Mô hình DeepSeek R1 đã được nâng cấp phiên bản nhỏ, hiện tại là DeepSeek-R1-0528. Trong bản cập nhật mới nhất, DeepSeek R1 đã cải thiện đáng kể độ sâu và khả năng suy luận bằng cách tận dụng tài nguyên tính toán tăng và cơ chế tối ưu thuật toán sau đào tạo. Mô hình thể hiện xuất sắc trong các bài đánh giá chuẩn về toán học, lập trình và logic chung, hiệu suất tổng thể hiện gần bằng các mô hình hàng đầu như O3 và Gemini 2.5 Pro."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 đã cải thiện đáng kể khả năng suy luận của mô hình ngay cả khi có rất ít dữ liệu gán nhãn. Trước khi đưa ra câu trả lời cuối cùng, mô hình sẽ xuất ra một chuỗi suy nghĩ nhằm nâng cao độ chính xác của câu trả lời cuối."
|
||||
"description": "DeepSeek R1 0528 là biến thể cập nhật của DeepSeek, tập trung vào khả năng mã nguồn mở và chiều sâu suy luận."
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 đã cải thiện đáng kể khả năng suy luận của mô hình ngay cả khi có rất ít dữ liệu gán nhãn. Trước khi đưa ra câu trả lời cuối cùng, mô hình sẽ xuất ra một chuỗi suy nghĩ nhằm nâng cao độ chính xác của câu trả lời cuối."
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 đã nâng cao khả năng suy luận của mô hình một cách đáng kể với rất ít dữ liệu được gán nhãn. Trước khi đưa ra câu trả lời cuối cùng, mô hình sẽ xuất ra một chuỗi suy nghĩ để nâng cao độ chính xác của câu trả lời cuối cùng."
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking (reasoner) là mô hình suy luận thử nghiệm của DeepSeek, phù hợp với các tác vụ suy luận có độ phức tạp cao."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "Mô hình ngôn ngữ lớn đa năng nhanh với khả năng suy luận nâng cao."
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview là mô hình tư duy tiên tiến nhất của Google, có khả năng suy luận các vấn đề phức tạp trong lĩnh vực mã nguồn, toán học và STEM, cũng như phân tích dữ liệu lớn, kho mã và tài liệu với ngữ cảnh dài."
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) là mô hình tạo hình ảnh của Google, đồng thời hỗ trợ hội thoại đa phương thức."
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image (Nano Banana Pro) là mô hình tạo hình ảnh của Google, đồng thời hỗ trợ hội thoại đa phương thức."
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro là mô hình thông minh nhất của Google, với khả năng suy luận tiên tiến hàng đầu và hiểu đa phương thức, cùng với các tính năng đại lý mạnh mẽ và mã hóa ngữ cảnh vượt trội."
|
||||
"description": "Gemini 3 Pro là mô hình hiểu đa phương thức hàng đầu thế giới, cũng là mô hình lập trình không gian và tác nhân mạnh mẽ nhất của Google cho đến nay, cung cấp hiệu ứng hình ảnh phong phú và khả năng tương tác sâu, tất cả dựa trên năng lực suy luận tiên tiến."
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Phiên bản mới nhất của Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview có khả năng suy luận phức tạp mạnh mẽ, thể hiện xuất sắc trong các lĩnh vực suy luận logic, toán học, lập trình."
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash cung cấp các tính năng thế hệ tiếp theo và cải tiến, bao gồm tốc độ vượt trội, sử dụng công cụ tích hợp, tạo đa phương thức và cửa sổ ngữ cảnh 1 triệu token."
|
||||
"description": "Gemini 2.0 Flash là mô hình suy luận hiệu suất cao của Google, phù hợp với các tác vụ đa phương thức mở rộng."
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash cung cấp các tính năng và cải tiến thế hệ tiếp theo, bao gồm tốc độ vượt trội, sử dụng công cụ bản địa, tạo đa phương tiện và cửa sổ ngữ cảnh 1M token."
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite cung cấp các tính năng thế hệ tiếp theo và cải tiến, bao gồm tốc độ vượt trội, sử dụng công cụ tích hợp, tạo đa phương thức và cửa sổ ngữ cảnh 1 triệu token."
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite là phiên bản nhẹ của dòng Gemini, mặc định không kích hoạt tư duy để cải thiện độ trễ và chi phí, nhưng có thể bật qua tham số."
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash là mô hình tư duy cung cấp khả năng toàn diện xuất sắc. Nó được thiết kế để cân bằng giữa giá cả và hiệu suất, hỗ trợ đa phương thức và cửa sổ ngữ cảnh 1 triệu token."
|
||||
"description": "Dòng Gemini 2.5 Flash (Lite/Pro/Flash) là các mô hình suy luận từ độ trễ thấp đến hiệu suất cao của Google."
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image (Nano Banana) là mô hình tạo hình ảnh của Google, đồng thời hỗ trợ hội thoại đa phương thức."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Phiên bản miễn phí của Gemini 2.5 Flash Image, hỗ trợ tạo đa phương thức với hạn mức giới hạn."
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Mô hình thử nghiệm Gemini 2.5 Flash, hỗ trợ tạo hình ảnh."
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite là mô hình cân bằng, độ trễ thấp với ngân sách tư duy và kết nối công cụ có thể cấu hình (ví dụ: Google Search có căn cứ và thực thi mã). Nó hỗ trợ đầu vào đa phương thức và cung cấp cửa sổ ngữ cảnh 1 triệu token."
|
||||
"description": "Gemini 2.5 Flash Lite là phiên bản nhẹ của Gemini 2.5, được tối ưu hóa về độ trễ và chi phí, phù hợp với các tình huống yêu cầu thông lượng cao."
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash là mô hình chủ lực tiên tiến nhất của Google, được thiết kế cho suy luận nâng cao, lập trình, toán học và các nhiệm vụ khoa học. Nó bao gồm khả năng 'suy nghĩ' tích hợp, cho phép nó cung cấp phản hồi với độ chính xác cao hơn và xử lý ngữ cảnh chi tiết hơn.\n\nLưu ý: Mô hình này có hai biến thể: suy nghĩ và không suy nghĩ. Giá đầu ra có sự khác biệt đáng kể tùy thuộc vào việc khả năng suy nghĩ có được kích hoạt hay không. Nếu bạn chọn biến thể tiêu chuẩn (không có hậu tố ':thinking'), mô hình sẽ rõ ràng tránh việc tạo ra các token suy nghĩ.\n\nĐể tận dụng khả năng suy nghĩ và nhận các token suy nghĩ, bạn phải chọn biến thể ':thinking', điều này sẽ tạo ra giá đầu ra suy nghĩ cao hơn.\n\nNgoài ra, Gemini 2.5 Flash có thể được cấu hình thông qua tham số 'số token tối đa cho suy luận', như đã mô tả trong tài liệu (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash là mô hình chủ lực tiên tiến nhất của Google, được thiết kế cho suy luận nâng cao, lập trình, toán học và các nhiệm vụ khoa học. Nó bao gồm khả năng 'suy nghĩ' tích hợp, cho phép nó cung cấp phản hồi với độ chính xác cao hơn và xử lý ngữ cảnh chi tiết hơn.\n\nLưu ý: Mô hình này có hai biến thể: suy nghĩ và không suy nghĩ. Giá đầu ra có sự khác biệt đáng kể tùy thuộc vào việc khả năng suy nghĩ có được kích hoạt hay không. Nếu bạn chọn biến thể tiêu chuẩn (không có hậu tố ':thinking'), mô hình sẽ rõ ràng tránh việc tạo ra các token suy nghĩ.\n\nĐể tận dụng khả năng suy nghĩ và nhận các token suy nghĩ, bạn phải chọn biến thể ':thinking', điều này sẽ tạo ra giá đầu ra suy nghĩ cao hơn.\n\nNgoài ra, Gemini 2.5 Flash có thể được cấu hình thông qua tham số 'số token tối đa cho suy luận', như đã mô tả trong tài liệu (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro là mô hình Gemini suy luận tiên tiến nhất của chúng tôi, có khả năng giải quyết các vấn đề phức tạp. Nó có cửa sổ ngữ cảnh 2 triệu token, hỗ trợ đầu vào đa phương thức bao gồm văn bản, hình ảnh, âm thanh, video và tài liệu PDF."
|
||||
"description": "Gemini 2.5 Pro là mô hình suy luận hàng đầu của Google, hỗ trợ ngữ cảnh dài và các tác vụ phức tạp."
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Phiên bản miễn phí của Gemini 2.5 Pro, hỗ trợ ngữ cảnh dài đa phương thức với hạn mức giới hạn, phù hợp để thử nghiệm và quy trình nhẹ."
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview là mô hình tư duy tiên tiến nhất của Google, có khả năng suy luận các vấn đề phức tạp trong lĩnh vực mã hóa, toán học và STEM, cũng như phân tích các bộ dữ liệu lớn, kho mã và tài liệu bằng ngữ cảnh dài."
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Phiên bản miễn phí của Gemini 3 Pro Image, hỗ trợ tạo đa phương thức với hạn mức giới hạn."
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro là mô hình suy luận đa phương thức thế hệ tiếp theo của dòng Gemini, có thể hiểu văn bản, âm thanh, hình ảnh, video và xử lý các tác vụ phức tạp cùng kho mã lớn."
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Phiên bản xem trước miễn phí của Gemini 3 Pro, có khả năng hiểu và suy luận đa phương thức như bản tiêu chuẩn, nhưng bị giới hạn bởi hạn mức và tốc độ, phù hợp để trải nghiệm và sử dụng không thường xuyên."
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "Mô hình nhúng tiên tiến, thể hiện hiệu suất xuất sắc trong các nhiệm vụ tiếng Anh, đa ngôn ngữ và mã hóa."
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small là lựa chọn lý tưởng cho các nhiệm vụ tạo mã, gỡ lỗi và tái cấu trúc với độ trễ tối thiểu."
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T là mô hình non-thinking hàng đầu đầu tiên trong dòng sản phẩm \"Linh 2.0\", sở hữu tổng cộng 1 nghìn tỷ tham số và khoảng 50 tỷ tham số hoạt động cho mỗi token. Được xây dựng trên kiến trúc Linh 2.0, Ling-1T hướng đến việc vượt qua giới hạn của suy luận hiệu quả và nhận thức có thể mở rộng. Ling-1T-base được huấn luyện trên hơn 20 nghìn tỷ token chất lượng cao, đòi hỏi suy luận chuyên sâu."
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 là mô hình thứ ba trong dòng kiến trúc Ling 2.0 do đội ngũ Bailing của Ant Group phát hành. Đây là mô hình chuyên gia hỗn hợp (MoE) với tổng số tham số lên đến 100 tỷ, nhưng mỗi token chỉ kích hoạt 6.1 tỷ tham số (không bao gồm embedding là 4.8 tỷ). Là mô hình cấu hình nhẹ, Ling-flash-2.0 thể hiện hiệu năng ngang hoặc vượt trội so với các mô hình dày đặc (Dense) 40 tỷ tham số và các mô hình MoE quy mô lớn hơn trong nhiều bài đánh giá uy tín. Mô hình này nhằm khám phá con đường hiệu quả trong bối cảnh quan niệm “mô hình lớn đồng nghĩa với tham số lớn” thông qua thiết kế kiến trúc và chiến lược huấn luyện tối ưu."
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 là mô hình ngôn ngữ lớn hiệu năng cao kích thước nhỏ dựa trên kiến trúc MoE. Nó có tổng số 16 tỷ tham số, nhưng mỗi token chỉ kích hoạt 1.4 tỷ tham số (không bao gồm embedding là 789 triệu), từ đó đạt tốc độ sinh nhanh vượt trội. Nhờ thiết kế MoE hiệu quả và dữ liệu huấn luyện quy mô lớn, chất lượng cao, mặc dù tham số kích hoạt chỉ 1.4 tỷ, Ling-mini-2.0 vẫn thể hiện hiệu năng hàng đầu trong các tác vụ hạ nguồn, có thể so sánh với các mô hình dense dưới 10 tỷ tham số và các mô hình MoE quy mô lớn hơn."
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T là mô hình tư duy mã nguồn mở quy mô nghìn tỷ tham số do nhóm Bailing phát triển. Dựa trên kiến trúc Linh 2.0 và mô hình nền tảng Ling-1T-base, mô hình này có tổng cộng 1 nghìn tỷ tham số và 50 tỷ tham số hoạt động, hỗ trợ cửa sổ ngữ cảnh lên đến 128K. Mô hình được tối ưu hóa thông qua học tăng cường với phần thưởng có thể xác minh ở quy mô lớn."
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 là mô hình tư duy hiệu năng cao được tối ưu sâu dựa trên Ling-flash-2.0-base. Nó sử dụng kiến trúc chuyên gia hỗn hợp (MoE) với tổng số 100 tỷ tham số, nhưng mỗi lần suy luận chỉ kích hoạt 6.1 tỷ tham số. Mô hình này áp dụng thuật toán độc quyền icepop, giải quyết vấn đề không ổn định trong huấn luyện tăng cường (RL) của các mô hình MoE lớn, giúp năng lực suy luận phức tạp được cải thiện liên tục trong quá trình huấn luyện dài hạn. Ring-flash-2.0 đạt bước đột phá đáng kể trong các bài kiểm tra chuẩn khó như thi toán, tạo mã và suy luận logic, hiệu năng không chỉ vượt các mô hình dense hàng đầu dưới 40 tỷ tham số mà còn có thể sánh ngang các mô hình MoE mã nguồn mở quy mô lớn và các mô hình tư duy hiệu năng cao đóng nguồn. Mặc dù tập trung vào suy luận phức tạp, mô hình cũng thể hiện tốt trong các tác vụ sáng tạo viết lách. Ngoài ra, nhờ thiết kế kiến trúc hiệu quả, Ring-flash-2.0 vừa cung cấp hiệu năng mạnh mẽ vừa đạt tốc độ suy luận cao, giảm đáng kể chi phí triển khai mô hình tư duy trong các kịch bản tải cao."
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T là mô hình MoE 1T của inclusionAI, được tối ưu cho các tác vụ suy luận cường độ cao và ngữ cảnh quy mô lớn."
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 là mô hình MoE của inclusionAI, được tối ưu về hiệu suất và khả năng suy luận, phù hợp với các tác vụ trung và lớn."
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 là mô hình MoE nhẹ của inclusionAI, giảm đáng kể chi phí trong khi vẫn duy trì khả năng suy luận."
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview là mô hình đa phương thức của inclusionAI, hỗ trợ đầu vào giọng nói, hình ảnh và video, được tối ưu hóa cho khả năng hiển thị hình ảnh và nhận dạng giọng nói."
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T là mô hình tư duy MoE với hàng nghìn tỷ tham số của inclusionAI, phù hợp với các tác vụ suy luận quy mô lớn và nghiên cứu."
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 là biến thể Ring của inclusionAI dành cho các tình huống yêu cầu thông lượng cao, nhấn mạnh vào tốc độ và hiệu quả chi phí."
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 là phiên bản MoE nhẹ và thông lượng cao của inclusionAI, chủ yếu dùng trong các tình huống đồng thời."
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 cung cấp giải pháp đối thoại thông minh cho nhiều tình huống."
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct, mô hình suy luận chính thức của Kimi, hỗ trợ ngữ cảnh dài, mã nguồn, hỏi đáp và nhiều tình huống khác."
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "Mô hình tư duy dài K2, hỗ trợ ngữ cảnh 256k, hỗ trợ gọi công cụ nhiều bước và tư duy, giỏi giải quyết các vấn đề phức tạp hơn."
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "Phiên bản tốc độ cao của mô hình tư duy dài K2, hỗ trợ ngữ cảnh 256k, giỏi suy luận sâu, tốc độ đầu ra đạt 60-100 tokens mỗi giây."
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 là một mô hình nền tảng kiến trúc MoE với khả năng xử lý mã và Agent rất mạnh, tổng số tham số 1T, tham số kích hoạt 32B. Trong các bài kiểm tra chuẩn về hiệu năng ở các hạng mục chính như suy luận kiến thức tổng quát, lập trình, toán học và Agent, mô hình K2 cho hiệu năng vượt trội so với các mô hình mã nguồn mở phổ biến khác."
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "Mô hình kimi-thinking-preview do Moon's Dark Side cung cấp, có khả năng suy luận đa phương thức và suy luận tổng quát, nổi bật với khả năng suy luận sâu, giúp giải quyết nhiều vấn đề khó khăn hơn."
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1 (miễn phí trong thời gian giới hạn) tập trung vào hiểu mã và lập trình tự động, dùng cho các tác vụ lập trình hiệu quả."
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM là một mô hình ngôn ngữ thử nghiệm, chuyên biệt cho các nhiệm vụ, được đào tạo để tuân theo các nguyên tắc khoa học học tập, có thể tuân theo các chỉ dẫn hệ thống trong các tình huống giảng dạy và học tập, đóng vai trò như một người hướng dẫn chuyên gia."
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 là một mô hình ngôn ngữ lớn hiệu quả, được xây dựng dành riêng cho quy trình làm việc liên quan đến lập trình và tác vụ đại lý."
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "Được sinh ra để phục vụ mã hóa hiệu quả và quy trình làm việc của Agent."
|
||||
"description": "MiniMax-M2 là mô hình hiệu suất cao với chi phí hợp lý, thể hiện xuất sắc trong các tác vụ lập trình và tác nhân, phù hợp với nhiều tình huống kỹ thuật."
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 là một mô hình chuyên gia hỗn hợp (MoE) nhỏ gọn, nhanh chóng và tiết kiệm chi phí, với tổng số 230 tỷ tham số và 10 tỷ tham số kích hoạt, được thiết kế để đạt hiệu suất hàng đầu trong các tác vụ mã hóa và tác nhân, đồng thời duy trì trí tuệ nhân tạo tổng quát mạnh mẽ. Mô hình này thể hiện xuất sắc trong chỉnh sửa nhiều tệp, vòng lặp mã hóa-chạy-sửa lỗi, kiểm thử và sửa lỗi, cũng như các chuỗi công cụ liên kết dài phức tạp, là lựa chọn lý tưởng cho quy trình làm việc của nhà phát triển."
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 là mô hình ngôn ngữ chuyên gia hỗn hợp (MoE) quy mô lớn do Moonshot AI phát triển, với tổng số tham số lên đến 1 nghìn tỷ và 32 tỷ tham số kích hoạt mỗi lần truyền tiến. Nó được tối ưu cho khả năng đại lý, bao gồm sử dụng công cụ nâng cao, suy luận và tổng hợp mã."
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 là phiên bản Instruct của dòng Kimi, phù hợp với các tình huống mã chất lượng cao và gọi công cụ."
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "Mô hình kimi-k2-0905-preview có độ dài ngữ cảnh 256k, sở hữu năng lực Agentic Coding mạnh mẽ hơn, mã front-end đẹp mắt và thực dụng hơn, cùng khả năng hiểu ngữ cảnh tốt hơn."
|
||||
"description": "Kimi K2 0905 là bản cập nhật 0905 của dòng Kimi, mở rộng ngữ cảnh và khả năng suy luận, tối ưu cho các tình huống lập trình."
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "Mô hình kimi-k2-0905-preview có độ dài ngữ cảnh 256k, sở hữu năng lực Agentic Coding mạnh mẽ hơn, mã front-end đẹp mắt và thực dụng hơn, cùng khả năng hiểu ngữ cảnh tốt hơn."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking là mô hình tư duy được Moonshot tối ưu cho các tác vụ suy luận sâu, có khả năng tác nhân tổng quát."
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo là phiên bản tốc độ cao của Kimi K2 Thinking, giảm đáng kể độ trễ phản hồi trong khi vẫn giữ khả năng suy luận sâu."
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph cung cấp mô hình AI chuyên biệt, áp dụng các thay đổi mã được đề xuất bởi các mô hình tiên tiến như Claude hoặc GPT-4o vào các tệp mã hiện có của bạn với tốc độ nhanh — hơn 4500 token/giây. Nó đóng vai trò là bước cuối cùng trong quy trình làm việc mã hóa AI. Hỗ trợ 16k token đầu vào và 16k token đầu ra."
|
||||
},
|
||||
@@ -2703,28 +2778,49 @@
|
||||
"description": "gpt-4-turbo của OpenAI có kiến thức tổng quát rộng và chuyên môn lĩnh vực, cho phép tuân theo các chỉ dẫn ngôn ngữ tự nhiên phức tạp và giải quyết chính xác các vấn đề khó. Kiến thức cập nhật đến tháng 4 năm 2023, cửa sổ ngữ cảnh 128.000 token."
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 là mô hình hàng đầu của OpenAI, phù hợp cho các nhiệm vụ phức tạp. Nó rất thích hợp để giải quyết vấn đề đa lĩnh vực."
|
||||
"description": "Dòng GPT-4.1 cung cấp ngữ cảnh lớn hơn và khả năng kỹ thuật và suy luận mạnh mẽ hơn."
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini cân bằng giữa trí tuệ, tốc độ và chi phí, là mô hình hấp dẫn cho nhiều trường hợp sử dụng."
|
||||
"description": "GPT-4.1 Mini cung cấp độ trễ thấp hơn và hiệu quả chi phí tốt hơn, phù hợp với các tình huống ngữ cảnh trung bình."
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano là mô hình GPT 4.1 nhanh nhất và tiết kiệm chi phí nhất."
|
||||
"description": "GPT-4.1 Nano là lựa chọn chi phí cực thấp và độ trễ thấp, phù hợp với hội thoại ngắn tần suất cao hoặc phân loại."
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o của OpenAI có kiến thức tổng quát rộng và chuyên môn lĩnh vực, có khả năng tuân theo các chỉ dẫn ngôn ngữ tự nhiên phức tạp và giải quyết chính xác các vấn đề khó. Nó cung cấp hiệu suất tương đương GPT-4 Turbo với API nhanh hơn và rẻ hơn."
|
||||
"description": "Dòng GPT-4o là mô hình Omni của OpenAI, hỗ trợ đầu vào văn bản + hình ảnh và đầu ra văn bản."
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini của OpenAI là mô hình nhỏ tiên tiến và tiết kiệm chi phí nhất của họ. Nó đa phương thức (chấp nhận đầu vào văn bản hoặc hình ảnh và xuất ra văn bản), thông minh hơn gpt-3.5-turbo nhưng tốc độ tương đương."
|
||||
"description": "GPT-4o-mini là phiên bản nhỏ và nhanh của GPT-4o, phù hợp với các tình huống kết hợp văn bản và hình ảnh có độ trễ thấp."
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 là mô hình ngôn ngữ hàng đầu của OpenAI, xuất sắc trong suy luận phức tạp, kiến thức thực tế rộng lớn, các nhiệm vụ mã hóa chuyên sâu và đại lý đa bước."
|
||||
"description": "GPT-5 là mô hình hiệu suất cao của OpenAI, phù hợp với nhiều tác vụ sản xuất và nghiên cứu."
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat là phiên bản con của GPT-5 được tối ưu cho hội thoại, giảm độ trễ để nâng cao trải nghiệm tương tác."
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex là biến thể GPT-5 được tối ưu thêm cho các tình huống lập trình, phù hợp với quy trình mã quy mô lớn."
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini là mô hình tối ưu chi phí, thể hiện tốt trong các nhiệm vụ suy luận/trò chuyện. Nó cung cấp sự cân bằng tốt nhất giữa tốc độ, chi phí và khả năng."
|
||||
"description": "GPT-5 Mini là phiên bản rút gọn của dòng GPT-5, phù hợp với các tình huống yêu cầu độ trễ thấp và chi phí thấp."
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano là mô hình có thông lượng cao, thể hiện tốt trong các nhiệm vụ chỉ dẫn đơn giản hoặc phân loại."
|
||||
"description": "GPT-5 Nano là phiên bản siêu nhỏ trong dòng, phù hợp với các tình huống yêu cầu cực cao về chi phí và độ trễ."
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro là mô hình hàng đầu của OpenAI, cung cấp khả năng suy luận, tạo mã và chức năng cấp doanh nghiệp mạnh mẽ, hỗ trợ định tuyến thử nghiệm và chính sách bảo mật nghiêm ngặt hơn."
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 là mô hình hàng đầu mới nhất trong dòng GPT-5, cải thiện đáng kể về suy luận tổng quát, tuân thủ chỉ dẫn và độ tự nhiên trong hội thoại, phù hợp với nhiều tình huống tác vụ."
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat là thành viên nhẹ của dòng GPT-5.1, được tối ưu cho hội thoại độ trễ thấp, đồng thời giữ khả năng suy luận và thực thi chỉ dẫn mạnh mẽ."
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex là biến thể GPT-5.1 được tối ưu cho kỹ thuật phần mềm và quy trình lập trình, phù hợp với tái cấu trúc quy mô lớn, gỡ lỗi phức tạp và lập trình tự động dài hạn."
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini là phiên bản nhỏ và nhanh của GPT-5.1-Codex, phù hợp hơn với các tình huống lập trình nhạy cảm với độ trễ và chi phí."
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "Mô hình ngôn ngữ lớn đa năng cực kỳ năng lực, với khả năng suy luận mạnh mẽ và có thể kiểm soát."
|
||||
@@ -2751,7 +2847,7 @@
|
||||
"description": "o3-mini phiên bản cao cấp về suy luận, cung cấp trí tuệ cao với cùng chi phí và mục tiêu độ trễ như o1-mini."
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "o4-mini của OpenAI cung cấp suy luận nhanh và tiết kiệm chi phí, với hiệu suất xuất sắc trong kích thước của nó, đặc biệt trong toán học (đạt điểm cao nhất trong bài kiểm tra chuẩn AIME), mã hóa và các nhiệm vụ thị giác."
|
||||
"description": "OpenAI o4-mini là mô hình suy luận nhỏ gọn và hiệu quả của OpenAI, phù hợp với các tình huống độ trễ thấp."
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini phiên bản cao cấp, được tối ưu hóa cho suy luận nhanh chóng và hiệu quả, thể hiện hiệu suất và hiệu quả cao trong các nhiệm vụ mã hóa và hình ảnh."
|
||||
@@ -2955,7 +3051,7 @@
|
||||
"description": "Mô hình mã mạnh mẽ cỡ trung, hỗ trợ độ dài ngữ cảnh 32K, xuất sắc trong lập trình đa ngôn ngữ."
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B là một mô hình ngôn ngữ nguyên nhân dày đặc với 14,8 tỷ tham số trong dòng Qwen3, được thiết kế cho suy luận phức tạp và đối thoại hiệu quả. Nó hỗ trợ chuyển đổi liền mạch giữa chế độ \"suy nghĩ\" cho các nhiệm vụ như toán học, lập trình và suy luận logic với chế độ \"không suy nghĩ\" cho đối thoại thông thường. Mô hình này đã được tinh chỉnh để sử dụng cho việc tuân theo chỉ dẫn, sử dụng công cụ đại lý, viết sáng tạo và các nhiệm vụ đa ngôn ngữ trên hơn 100 ngôn ngữ và phương ngữ. Nó xử lý ngữ cảnh 32K token một cách tự nhiên và có thể mở rộng lên 131K token bằng cách sử dụng mở rộng dựa trên YaRN."
|
||||
"description": "Qwen3-14B là phiên bản 14B của dòng Qwen, phù hợp với các tình huống suy luận và hội thoại thông thường."
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B là một mô hình ngôn ngữ nguyên nhân dày đặc với 14,8 tỷ tham số trong dòng Qwen3, được thiết kế cho suy luận phức tạp và đối thoại hiệu quả. Nó hỗ trợ chuyển đổi liền mạch giữa chế độ \"suy nghĩ\" cho các nhiệm vụ như toán học, lập trình và suy luận logic với chế độ \"không suy nghĩ\" cho đối thoại thông thường. Mô hình này đã được tinh chỉnh để sử dụng cho việc tuân theo chỉ dẫn, sử dụng công cụ đại lý, viết sáng tạo và các nhiệm vụ đa ngôn ngữ trên hơn 100 ngôn ngữ và phương ngữ. Nó xử lý ngữ cảnh 32K token một cách tự nhiên và có thể mở rộng lên 131K token bằng cách sử dụng mở rộng dựa trên YaRN."
|
||||
@@ -2963,6 +3059,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B là mô hình hỗn hợp chuyên gia (MoE) với 235B tham số được phát triển bởi Qwen, kích hoạt 22B tham số mỗi lần truyền tiến. Nó hỗ trợ chuyển đổi liền mạch giữa chế độ \"suy nghĩ\" cho suy luận phức tạp, toán học và các nhiệm vụ mã với chế độ \"không suy nghĩ\" cho hiệu suất đối thoại thông thường. Mô hình này thể hiện khả năng suy luận mạnh mẽ, hỗ trợ đa ngôn ngữ (hơn 100 ngôn ngữ và phương ngữ), tuân theo chỉ dẫn nâng cao và khả năng gọi công cụ đại lý. Nó xử lý cửa sổ ngữ cảnh 32K token một cách tự nhiên và có thể mở rộng lên 131K token bằng cách sử dụng mở rộng dựa trên YaRN."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 là phiên bản Instruct của dòng Qwen3, cân bằng giữa chỉ dẫn đa ngôn ngữ và ngữ cảnh dài."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 là biến thể Thinking của Qwen3, được tăng cường cho các tác vụ toán học và suy luận phức tạp."
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B là mô hình hỗn hợp chuyên gia (MoE) với 235B tham số được phát triển bởi Qwen, kích hoạt 22B tham số mỗi lần truyền tiến. Nó hỗ trợ chuyển đổi liền mạch giữa chế độ \"suy nghĩ\" cho suy luận phức tạp, toán học và các nhiệm vụ mã với chế độ \"không suy nghĩ\" cho hiệu suất đối thoại thông thường. Mô hình này thể hiện khả năng suy luận mạnh mẽ, hỗ trợ đa ngôn ngữ (hơn 100 ngôn ngữ và phương ngữ), tuân theo chỉ dẫn nâng cao và khả năng gọi công cụ đại lý. Nó xử lý cửa sổ ngữ cảnh 32K token một cách tự nhiên và có thể mở rộng lên 131K token bằng cách sử dụng mở rộng dựa trên YaRN."
|
||||
},
|
||||
@@ -2981,6 +3083,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B là một mô hình ngôn ngữ nguyên nhân dày đặc với 8,2 tỷ tham số trong dòng Qwen3, được thiết kế cho các nhiệm vụ yêu cầu suy luận dày đặc và đối thoại hiệu quả. Nó hỗ trợ chuyển đổi liền mạch giữa chế độ \"suy nghĩ\" cho toán học, lập trình và suy luận logic với chế độ \"không suy nghĩ\" cho đối thoại thông thường. Mô hình này đã được tinh chỉnh để sử dụng cho việc tuân theo chỉ dẫn, tích hợp đại lý, viết sáng tạo và sử dụng đa ngôn ngữ trên hơn 100 ngôn ngữ và phương ngữ. Nó hỗ trợ cửa sổ ngữ cảnh 32K token và có thể mở rộng lên 131K token thông qua YaRN."
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder là dòng tạo mã của Qwen3, xuất sắc trong hiểu và tạo mã trong tài liệu dài."
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus là mô hình lập trình đặc biệt được tối ưu trong dòng Qwen, hỗ trợ gọi công cụ phức tạp và hội thoại dài hạn."
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max là mô hình suy luận cao cấp của dòng Qwen3, phù hợp với suy luận đa ngôn ngữ và tích hợp công cụ."
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max (preview) là phiên bản Max của dòng Qwen dành cho suy luận nâng cao và tích hợp công cụ (bản xem trước)."
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus là phiên bản tăng cường thị giác của Qwen3, nâng cao khả năng suy luận đa phương thức và xử lý video."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 là mô hình ngôn ngữ quy mô lớn thế hệ mới của Alibaba, hỗ trợ các nhu cầu ứng dụng đa dạng với hiệu suất xuất sắc."
|
||||
},
|
||||
@@ -3275,9 +3392,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "Mô hình này là một mô hình suy luận lớn với khả năng hiểu hình ảnh mạnh mẽ, có thể xử lý thông tin hình ảnh và văn bản, và xuất ra nội dung văn bản sau khi suy nghĩ sâu. Mô hình này thể hiện xuất sắc trong lĩnh vực suy luận hình ảnh, đồng thời có khả năng toán học, mã và suy luận văn bản hàng đầu. Độ dài ngữ cảnh là 100k."
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 là mô hình đa phương thức do Jiexue Xingchen phát triển, có khả năng hiểu hình ảnh mạnh mẽ."
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 là mô hình suy luận đa mô thức tiên tiến được phát hành bởi 阶跃星辰 (StepFun). Mô hình này được xây dựng trên kiến trúc Mixture-of-Experts (MoE) với 321B tham số tổng và 38B tham số kích hoạt. Thiết kế đầu-cuối (end-to-end) nhằm tối thiểu hóa chi phí giải mã, đồng thời cung cấp hiệu năng hàng đầu trong suy luận thị giác-ngôn ngữ. Thông qua thiết kế phối hợp giữa Multi-Matrix Factorized Attention (MFA) và Attention-FFN Decoupling (AFD), Step3 duy trì hiệu suất vượt trội trên cả bộ tăng tốc cao cấp và các thiết bị tăng tốc cấp thấp. Trong giai đoạn tiền huấn luyện, Step3 đã xử lý hơn 20T token văn bản và 4T token hỗn hợp ảnh-văn bản, bao phủ hơn mười ngôn ngữ. Mô hình này đã đạt vị thế dẫn đầu trong các benchmark mã nguồn mở ở nhiều lĩnh vực, bao gồm toán học, mã (code) và các nhiệm vụ đa mô thức."
|
||||
},
|
||||
@@ -3359,6 +3473,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "Truy cập mô hình phía sau v0 để tạo, sửa lỗi và tối ưu hóa ứng dụng Web hiện đại, với suy luận theo khung cụ thể và kiến thức cập nhật."
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code là mô hình lớn của Volcengine được tối ưu cho Agentic Programming, thể hiện xuất sắc trong nhiều tiêu chuẩn lập trình và tác nhân, hỗ trợ ngữ cảnh 256K."
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "Phiên bản tốc độ cao Wanxiang 2.2, là mô hình mới nhất hiện nay. Nâng cấp toàn diện về sáng tạo, ổn định và cảm giác thực, tốc độ tạo nhanh, hiệu quả chi phí cao."
|
||||
},
|
||||
@@ -3386,11 +3503,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 là mô hình ngôn ngữ do Microsoft AI cung cấp, đặc biệt xuất sắc trong các lĩnh vực đối thoại phức tạp, đa ngôn ngữ, suy luận và trợ lý thông minh."
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 là mô hình suy luận hàng đầu của xAI, cung cấp khả năng suy luận và đa phương thức mạnh mẽ."
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "Chúng tôi rất vui mừng ra mắt Grok 4 Fast, bước tiến mới nhất của chúng tôi trong các mô hình suy luận hiệu quả về chi phí."
|
||||
"description": "Grok 4 Fast là mô hình thông lượng cao, chi phí thấp của xAI (hỗ trợ cửa sổ ngữ cảnh 2M), phù hợp với các tình huống yêu cầu đồng thời cao và ngữ cảnh dài."
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) là mô hình đa phương thức thông lượng cao, chi phí thấp của xAI (hỗ trợ cửa sổ ngữ cảnh 2M), dành cho các tình huống nhạy cảm với độ trễ và chi phí nhưng không cần suy luận nội bộ. Nó song song với phiên bản reasoning của Grok 4 Fast và có thể bật suy luận qua tham số reasoning enable trong API khi cần. Prompts và completions có thể được xAI hoặc OpenRouter sử dụng để cải thiện các mô hình tương lai."
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast là mô hình thông lượng cao, chi phí thấp của xAI (hỗ trợ cửa sổ ngữ cảnh 2M), phù hợp với các tình huống yêu cầu đồng thời cao và ngữ cảnh dài."
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast (Non-Reasoning) là mô hình đa phương thức thông lượng cao, chi phí thấp của xAI (hỗ trợ cửa sổ ngữ cảnh 2M), dành cho các tình huống nhạy cảm với độ trễ và chi phí nhưng không cần suy luận nội bộ. Nó song song với phiên bản reasoning của Grok 4 Fast và có thể bật suy luận qua tham số reasoning enable trong API khi cần. Prompts và completions có thể được xAI hoặc OpenRouter sử dụng để cải thiện các mô hình tương lai."
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "Chúng tôi rất vui mừng giới thiệu grok-code-fast-1, một mô hình suy luận nhanh và tiết kiệm chi phí, nổi bật trong mã hóa cho tác nhân."
|
||||
"description": "Grok Code Fast 1 là mô hình mã nhanh của xAI, đầu ra dễ đọc và phù hợp với kỹ thuật phần mềm."
|
||||
},
|
||||
"x1": {
|
||||
"description": "Mô hình Spark X1 sẽ được nâng cấp thêm, trên nền tảng dẫn đầu trong các nhiệm vụ toán học trong nước, đạt được hiệu quả trong các nhiệm vụ chung như suy luận, tạo văn bản, hiểu ngôn ngữ tương đương với OpenAI o1 và DeepSeek R1."
|
||||
@@ -3452,8 +3581,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "Mô hình nhiệm vụ thị giác phức tạp, cung cấp khả năng hiểu và phân tích hiệu suất cao dựa trên nhiều hình ảnh."
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 là mô hình hàng đầu của Z.AI, hỗ trợ chế độ suy luận hỗn hợp và được tối ưu cho kỹ thuật và tác vụ ngữ cảnh dài."
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air là phiên bản nhẹ của GLM 4.5, phù hợp với các tình huống nhạy cảm về chi phí nhưng vẫn giữ khả năng suy luận mạnh."
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "GLM-4.6, mô hình hàng đầu mới nhất của Zhipu AI, vượt trội hoàn toàn so với thế hệ trước về mã hóa nâng cao, xử lý văn bản dài, suy luận và năng lực tác nhân."
|
||||
"description": "GLM 4.6 là mô hình hàng đầu của Z.AI, mở rộng độ dài ngữ cảnh và khả năng lập trình."
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 là mô hình nền tảng dành cho ứng dụng tác nhân thông minh, sử dụng kiến trúc chuyên gia hỗn hợp (Mixture-of-Experts). Được tối ưu sâu trong các lĩnh vực gọi công cụ, duyệt web, kỹ thuật phần mềm và lập trình front-end, hỗ trợ tích hợp liền mạch vào các tác nhân mã như Claude Code, Roo Code. GLM-4.5 sử dụng chế độ suy luận hỗn hợp, thích ứng với nhiều kịch bản ứng dụng như suy luận phức tạp và sử dụng hàng ngày."
|
||||
@@ -3475,5 +3610,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V được xây dựng trên mô hình nền tảng GLM-4.5-Air, kế thừa công nghệ đã được xác minh của GLM-4.1V-Thinking, đồng thời mở rộng hiệu quả với kiến trúc MoE 106 tỷ tham số mạnh mẽ."
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "Chức năng định tuyến tự động của ZenMux sẽ tự động chọn mô hình có hiệu suất và chi phí tốt nhất hiện tại trong số các mô hình được hỗ trợ, dựa trên nội dung yêu cầu của bạn."
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) là một nền tảng mã nguồn mở, được thiết kế để đơn giản hóa việc chạy và tích hợp các mô hình AI khác nhau. Với Xinference, bạn có thể chạy suy luận trên bất kỳ mô hình LLM mã nguồn mở, mô hình nhúng và mô hình đa phương thức nào trong môi trường đám mây hoặc cục bộ, và tạo ra các ứng dụng AI mạnh mẽ."
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux là một nền tảng tổng hợp dịch vụ AI thống nhất, hỗ trợ nhiều giao diện dịch vụ AI phổ biến như OpenAI, Anthropic, Google VertexAI, v.v. Nền tảng cung cấp khả năng định tuyến linh hoạt, giúp bạn dễ dàng chuyển đổi và quản lý các mô hình AI khác nhau."
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI tập trung vào công nghệ trí tuệ nhân tạo trong kỷ nguyên AI 2.0, thúc đẩy mạnh mẽ sự đổi mới và ứng dụng của \"người + trí tuệ nhân tạo\", sử dụng các mô hình mạnh mẽ và công nghệ AI tiên tiến để nâng cao năng suất của con người và thực hiện sự trao quyền công nghệ."
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "标准"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "分辨率",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "种子",
|
||||
"random": "随机种子"
|
||||
|
||||
+179
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus 是 Anthropic 最智能的模型，在高度复杂的任务上具有市场领先的性能。它能够以卓越的流畅度和类人理解力驾驭开放式提示和前所未见的场景。"
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku 是我们最快模型的下一代。与 Claude 3 Haiku 的速度相似，Claude 3.5 Haiku 在每个技能集上都得到了改进，并在许多智能基准测试中超越了我们上一代最大的模型 Claude 3 Opus。"
|
||||
"description": "Claude 3.5 Haiku features enhanced capabilities in speed, coding accuracy, and tool use. 适用于对速度与工具交互有高要求的场景。"
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet 在智能和速度之间达到了理想的平衡——特别是对于企业工作负载。与同类产品相比，它以更低的成本提供了强大的性能，并专为大规模 AI 部署中的高耐久性而设计。"
|
||||
"description": "Claude 3.5 Sonnet 是 Sonnet 家族的快速高效模型，提供更好的编码与推理性能，部分版本将逐步被 Sonnet 3.7 等替代。"
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet 是第一个混合推理模型，也是 Anthropic 迄今为止最智能的模型。它在编码、内容生成、数据分析和规划任务方面提供了最先进的性能，在其前身 Claude 3.5 Sonnet 的软件工程和计算机使用能力基础上进行了构建。"
|
||||
"description": "Claude 3.7 Sonnet 是 Sonnet 系列的升级版，提供更强的推理与编码能力，适用于企业级复杂任务。"
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 是 Anthropic 的高性能快速模型，在保持较高准确性的同时具有极低延迟。"
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 是 Anthropic 迄今为止最强大的模型，也是世界上最好的编码模型，在 SWE-bench (72.5%) 和 Terminal-bench (43.2%) 上领先。它为需要专注努力和数千个步骤的长期任务提供持续性能，能够连续工作数小时——显著扩展了 AI 代理的能力。"
|
||||
"description": "Opus 4 是 Anthropic 的旗舰级模型，专为复杂任务和企业级应用设计。"
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 是 Opus 4 的即插即用替代品，为实际编码和代理任务提供卓越的性能和精度。Opus 4.1 将最先进的编码性能提升到 SWE-bench Verified 的 74.5%，并以更高的严谨性和对细节的关注处理复杂的多步问题。"
|
||||
"description": "Opus 4.1 是 Anthropic 的高端模型，优化于编程、复杂推理和持续任务。"
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 在 Sonnet 3.7 的行业领先能力基础上进行了显著改进，在编码方面表现出色，在 SWE-bench 上达到了最先进的 72.7%。该模型在性能和效率之间取得了平衡，适用于内部和外部用例，并通过增强的可控性实现对实现的更大控制。"
|
||||
"description": "Claude Sonnet 4 是 Anthropic 的混合推理版本，提供思维/非思维混合能力。"
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 是 Anthropic 迄今为止最智能的模型。"
|
||||
"description": "Claude Sonnet 4.5 是 Anthropic 最新的混合推理模型，优化于复杂推理和编码。"
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B 是一款 720 亿参数、激活 160 亿参的稀疏大语言模型，它基于分组混合专家（MoGE）架构，它在专家选择阶段对专家进行分组，并约束 token 在每个组内激活等量专家，从而实现专家负载均衡，显著提升模型在昇腾平台的部署效率。"
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B 是由百度公司开发的一款基于混合专家（MoE）架构的大语言模型。该模型总参数量为 3000 亿，但在推理时每个 token 仅激活 470 亿参数，从而在保证强大性能的同时兼顾了计算效率。作为 ERNIE 4.5 系列的核心模型之一，在文本理解、生成、推理和编程等任务上展现出卓越的能力。该模型采用了一种创新的多模态异构 MoE 预训练方法，通过文本与视觉模态的联合训练，有效提升了模型的综合能力，尤其在指令遵循和世界知识记忆方面效果突出。"
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview 是百度新一代原生多模态文心模型，擅长多模态理解、指令遵循、创作、事实问答与工具调用。"
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse 是一款高性能的 32B 多语言模型，旨在通过指令调优、数据套利、偏好训练和模型合并的创新，挑战单语言模型的表现。它支持 23 种语言。"
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest 是 o4-mini 的微调版本，专门用于 Codex CLI。对于直接通过 API 使用，我们推荐从 gpt-4.1 开始。"
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B 是一款可免费商用的美国开源大语言模型，它以媲美顶尖模型的性能、更高的 token 推理效率、128k 长上下文和强大的综合能力为核心优势。"
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 是智谱首个支持生成汉字的开源文生图模型，在语义理解、图像生成质量、中英文字生成能力等方面全面提升，支持任意长度的中英双语输入，能够生成在给定范围内的任意分辨率图像。"
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small，轻量多模态版本，适用于资源受限与高并发场景。"
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 是 DeepSeek 团队的一款高性能混合推理模型，适合复杂任务与工具集成。"
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 是一个 685B 参数的专家混合模型，是 DeepSeek 团队旗舰聊天模型系列的最新迭代。\n\n它继承了 [DeepSeek V3](/deepseek/deepseek-chat-v3) 模型，并在各种任务上表现出色。"
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 是一个 685B 参数的专家混合模型，是 DeepSeek 团队旗舰聊天模型系列的最新迭代。\n\n它继承了 [DeepSeek V3](/deepseek/deepseek-chat-v3) 模型，并在各种任务上表现出色。"
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1是一款支持128K长上下文和高效模式切换的大型混合推理模型，它在工具调用、代码生成和复杂推理任务上实现了卓越的性能与速度。"
|
||||
"description": "DeepSeek-V3.1 是 DeepSeek 的长上下文混合推理模型，支持思考/非思考混合模式与工具集成。"
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek R1 模型已经进行了小版本升级，当前版本为 DeepSeek-R1-0528。在最新更新中，DeepSeek R1 通过利用增加的计算资源和在训练后引入算法优化机制，显著提高了推理深度和推理能力。该模型在数学、编程和一般逻辑等多个基准评估中表现出色，其整体性能现在正接近领先模型，如 O3 和 Gemini 2.5 Pro。"
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 在仅有极少标注数据的情况下，极大提升了模型推理能力。在输出最终回答之前，模型会先输出一段思维链内容，以提升最终答案的准确性。"
|
||||
"description": "DeepSeek R1 0528 是 DeepSeek 的更新变体，注重开源可用与推理深度。"
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 在仅有极少标注数据的情况下，极大提升了模型推理能力。在输出最终回答之前，模型会先输出一段思维链内容，以提升最终答案的准确性。"
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 在仅有极少标注数据的情况下，极大提升了模型推理能力。在输出最终回答之前，模型会先输出一段思维链内容，以提升最终答案的准确性。"
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking（reasoner）是 DeepSeek 的实验 reasoning 模型，适合高复杂度推理任务。"
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "具有增强推理能力的快速通用大型语言模型"
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview 是 Google 最先进的思维模型，能够对代码、数学和STEM领域的复杂问题进行推理，以及使用长上下文分析大型数据集、代码库和文档。"
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image（Nano Banana Pro）是 Google 的图像生成模型，同时支持多模态对话。"
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image（Nano Banana Pro）是 Google 的图像生成模型，同时支持多模态对话。"
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro 是 Google 最智能的模型，具有 SOTA 推理和多模式理解，以及强大的代理和氛围编码功能。"
|
||||
"description": "Gemini 3 Pro 是 全球最佳的多模态理解模型，也是 Google 迄今为止最强大的智能体和氛围编程模型，提供更丰富的视觉效果和更深层次的交互性，所有这些都建立在最先进的推理能力基础之上。"
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Latest release of Gemini Flash"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview具备强大的复杂推理能力，在逻辑推理、数学、编程等领域表现优异。"
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash 提供下一代功能和改进的功能，包括卓越的速度、内置工具使用、多模态生成和 100 万 token 的上下文窗口。"
|
||||
"description": "Gemini 2.0 Flash 是 Google 的高性能推理模型，适用于延展的多模态任务。"
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash 提供下一代功能和改进，包括卓越的速度、原生工具使用、多模态生成和1M令牌上下文窗口。"
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite 提供下一代功能和改进的功能，包括卓越的速度、内置工具使用、多模态生成和 100 万 token 的上下文窗口。"
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite 是 Gemini 家族的轻量版本，默认不启用思考以提升延迟与成本表现，但可通过参数开启。"
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash 是一个思考模型，提供出色的全面能力。它旨在价格和性能之间取得平衡，支持多模态和 100 万 token 的上下文窗口。"
|
||||
"description": "Gemini 2.5 Flash（Lite/Pro/Flash）系列是 Google 的中低延迟到高性能推理模型。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image（Nano Banana）是 Google 的图像生成模型，同时支持多模态对话。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gemini 2.5 Flash Image 免费版，支持受限额度的多模态生成。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash 实验模型，支持图像生成"
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite 是一个平衡、低延迟的模型，具有可配置的思考预算和工具连接性（例如，Google Search 接地和代码执行）。它支持多模态输入，并提供 100 万 token 的上下文窗口。"
|
||||
"description": "Gemini 2.5 Flash Lite 是 Gemini 2.5 的轻量版本，优化了延迟与成本，适合高吞吐场景。"
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash 是 Google 最先进的主力模型，专为高级推理、编码、数学和科学任务而设计。它包含内置的“思考”能力，使其能够提供具有更高准确性和细致上下文处理的响应。\n\n注意：此模型有两个变体：思考和非思考。输出定价根据思考能力是否激活而有显著差异。如果您选择标准变体（不带“:thinking”后缀），模型将明确避免生成思考令牌。\n\n要利用思考能力并接收思考令牌，您必须选择“:thinking”变体，这将产生更高的思考输出定价。\n\n此外，Gemini 2.5 Flash 可通过“推理最大令牌数”参数进行配置，如文档中所述 (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)。"
|
||||
@@ -1677,11 +1707,26 @@
|
||||
"description": "Gemini 2.5 Flash 是 Google 最先进的主力模型，专为高级推理、编码、数学和科学任务而设计。它包含内置的“思考”能力，使其能够提供具有更高准确性和细致上下文处理的响应。\n\n注意：此模型有两个变体：思考和非思考。输出定价根据思考能力是否激活而有显著差异。如果您选择标准变体（不带“:thinking”后缀），模型将明确避免生成思考令牌。\n\n要利用思考能力并接收思考令牌，您必须选择“:thinking”变体，这将产生更高的思考输出定价。\n\n此外，Gemini 2.5 Flash 可通过“推理最大令牌数”参数进行配置，如文档中所述 (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)。"
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro 是我们最先进的推理 Gemini 模型，能够解决复杂问题。它具有 200 万 token 的上下文窗口，支持包括文本、图像、音频、视频和 PDF 文档在内的多模态输入。"
|
||||
"description": "Gemini 2.5 Pro 是 Google 的旗舰级推理模型，支持长上下文与复杂任务。"
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gemini 2.5 Pro 免费版，支持受限额度的多模态长上下文，适合试用与轻量工作流。"
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview 是 Google 最先进的思维模型，能够对代码、数学和STEM领域的复杂问题进行推理，以及使用长上下文分析大型数据集、代码库和文档。"
|
||||
},
|
||||
"google/gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image（Nano Banana Pro）是 Google 的图像生成模型，同时支持多模态对话。"
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gemini 3 Pro Image 免费版，支持受限额度的多模态生成。"
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro 是 Gemini 系列下一代多模态推理模型，可理解文本、音频、图像、视频等多种输入，并处理复杂任务与大型代码库。"
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gemini 3 Pro 免费预览版，具备与标准版相同的多模态理解与推理能力，但受免费额度与速率限制影响，更适合作为体验与低频使用。"
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "最先进的嵌入模型，在英语、多语言和代码任务中具有出色的性能。"
|
||||
},
|
||||
@@ -2057,21 +2102,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small 是代码生成、调试和重构任务的理想选择，具有最小延迟。"
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T 是\"灵 2.0\"系列的首款旗舰级 non-thinking 模型，拥有 1 万亿总参数和每 token 约 500 亿个活动参数。基于灵 2.0 架构构建，Ling-1T 旨在突破高效推理和可扩展认知的极限。Ling-1T-base 在超过 20 万亿个高质量、推理密集的 token 上进行训练。"
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 是由蚂蚁集团百灵团队发布的 Ling 2.0 架构系列的第三款模型。它是一款混合专家（MoE）模型，总参数规模达到 1000 亿，但每个 token 仅激活 61 亿参数（非词向量激活 48 亿）。 作为一个轻量级配置的模型，Ling-flash-2.0 在多个权威评测中展现出媲美甚至超越 400 亿级别稠密（Dense）模型及更大规模 MoE 模型的性能。该模型旨在通过极致的架构设计与训练策略，在“大模型等于大参数”的共识下探索高效能的路径。"
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 是一款基于 MoE 架构的小尺寸高性能大语言模型。它拥有 16B 总参数，但每个 token 仅激活 1.4B（non-embedding 789M），从而实现了极高的生成速度。得益于高效的 MoE 设计与大规模高质量训练数据，尽管激活参数仅为 1.4B，Ling-mini-2.0 依然在下游任务中展现出可媲美 10B 以下 dense LLM 及更大规模 MoE 模型的顶尖性能。"
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T 是一款由百灵（Bailing）团队发布的万亿参数规模的开源思想模型。它基于 Ling 2.0 架构和 Ling-1T-base 基础模型训练，总参数量达 1 万亿，激活参数量为 500 亿，并支持高达 128K 的上下文窗口。该模型通过大规模可验证奖励强化学习进行优化。"
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 是一个基于 Ling-flash-2.0-base 深度优化的高性能思考模型。它采用混合专家（MoE）架构，总参数量为 100B，但在每次推理中仅激活 6.1B 参数。该模型通过独创的 icepop 算法，解决了 MoE 大模型在强化学习（RL）训练中的不稳定性难题，使其复杂推理能力在长周期训练中得以持续提升。Ring-flash-2.0 在数学竞赛、代码生成和逻辑推理等多个高难度基准测试中取得了显著突破，其性能不仅超越了 40B 参数规模以下的顶尖稠密模型，还能媲美更大规模的开源 MoE 模型及闭源的高性能思考模型。尽管该模型专注于复杂推理，它在创意写作等任务上也表现出色。此外，得益于其高效的架构设计，Ring-flash-2.0 在提供强大性能的同时，也实现了高速推理，显著降低了思考模型在高并发场景下的部署成本。"
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T 是 inclusionAI 的 1T MoE 大模型，针对高强度推理任务与大规模上下文进行了优化。"
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 是 inclusionAI 的 MoE 模型，优化了效率与推理表现，适合中大型任务。"
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 是 inclusionAI 的轻量化 MoE 模型，在保持推理能力的同时显著降低成本。"
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview 是 inclusionAI 的多模态模型，支持语音、图像和视频输入，优化了图像渲染与语音识别能力。"
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T 是 inclusionAI 的 trillion-parameter MoE 思考模型，适合大规模推理与研究类任务。"
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 是 inclusionAI 面向高吞吐场景的 Ring 模型变体，强调速度与成本效率。"
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 是 inclusionAI 的高吞吐轻量化 MoE 版本，主要用于并发场景。"
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5-7B-Chat 是一个开源的对话模型，基于 InternLM2 架构开发。该 7B 参数规模的模型专注于对话生成任务，支持中英双语交互。模型采用了最新的训练技术，旨在提供流畅、智能的对话体验。InternLM2.5-7B-Chat 适用于各种对话应用场景，包括但不限于智能客服、个人助手等领域"
|
||||
},
|
||||
@@ -2123,6 +2183,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct，Kimi 官方推理模型，支持长上下文与代码、问答等多场景。"
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 长思考模型，支持 256k 上下文，支持多步工具调用与思考，擅长解决更复杂的问题。"
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "K2 长思考模型的高速版本，支持 256k 上下文，擅长深度推理，输出速度提升至每秒 60-100 tokens 。"
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 是一款具备超强代码和 Agent 能力的 MoE 架构基础模型，总参数 1T，激活参数 32B。在通用知识推理、编程、数学、Agent 等主要类别的基准性能测试中，K2 模型的性能超过其他主流开源模型。"
|
||||
},
|
||||
@@ -2135,6 +2201,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "kimi-thinking-preview 模型是月之暗面提供的具有多模态推理能力和通用推理能力的多模态思考模型，它擅长深度推理，帮助解决更多更难的事情"
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1（限时免费）专注于代码理解与自动化编程，用于高效的编程代理任务。"
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM 是一个实验性的、特定于任务的语言模型，经过训练以符合学习科学原则，可在教学和学习场景中遵循系统指令，充当专家导师等。"
|
||||
},
|
||||
@@ -2466,7 +2535,7 @@
|
||||
"description": "MiniMax M2 是专为编码和代理工作流程构建的高效大型语言模型。"
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "专为高效编码与 Agent 工作流而生"
|
||||
"description": "MiniMax-M2 是一款在编码与代理任务上表现出色的高性价比模型，适合多种工程场景。"
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 是一款紧凑、快速且经济高效的混合专家（MoE）模型，拥有 2300 亿总参数和 100 亿激活参数，专为编码和智能体任务的顶级性能而打造，同时保持强大的通用智能。该模型在多文件编辑、编码-运行-修复闭环、测试校验修复以及复杂的长链接工具链方面表现优异，是开发者工作流的理想选择。"
|
||||
@@ -2615,12 +2684,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 是由月之暗面 AI 开发的大规模混合专家 (MoE) 语言模型，具有 1 万亿总参数和每次前向传递 320 亿激活参数。它针对代理能力进行了优化，包括高级工具使用、推理和代码合成。"
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 是 Kimi 系列的 Instruct 版本，适合高质量代码与工具调用场景。"
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "kimi-k2-0905-preview 模型上下文长度为 256k，具备更强的 Agentic Coding 能力、更突出的前端代码的美观度和实用性、以及更好的上下文理解能力。"
|
||||
"description": "Kimi K2 0905 是 Kimi 系列的 0905 更新，扩充了上下文与推理性能，优化了编码场景。"
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "kimi-k2-0905-preview 模型上下文长度为 256k，具备更强的 Agentic Coding 能力、更突出的前端代码的美观度和实用性、以及更好的上下文理解能力。"
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking 是 Moonshot 针对深度推理任务优化的思考模型，具备通用 Agent 能力。"
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo 是 Kimi K2 Thinking 的高速版本，在保持深度推理能力的同时，显著降低响应延迟。"
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph 提供了一个专门的 AI 模型，将前沿模型（如 Claude 或 GPT-4o）建议的代码更改应用到您的现有代码文件中 FAST - 4500+ tokens/秒。它充当 AI 编码工作流程中的最后一步。支持 16k 输入 tokens 和 16k 输出 tokens。"
|
||||
},
|
||||
@@ -2703,28 +2781,49 @@
|
||||
"description": "来自 OpenAI 的 gpt-4-turbo 具有广泛的通用知识和领域专长，使其能够遵循自然语言的复杂指令并准确解决困难问题。它的知识截止日期为 2023 年 4 月，上下文窗口为 128,000 个 token。"
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 是 OpenAI 的旗舰模型，适用于复杂任务。它非常适合跨领域解决问题。"
|
||||
"description": "GPT-4.1 系列提供了更大上下文与更强的工程与推理能力。"
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini 在智能、速度和成本之间取得了平衡，使其成为许多用例的有吸引力的模型。"
|
||||
"description": "GPT-4.1 Mini 提供更低延迟与更佳性价比，适合中等上下文上下线路。"
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano 是最快、最具成本效益的 GPT 4.1 模型。"
|
||||
"description": "GPT-4.1 Nano 是极低成本低延迟选项，适合高频次短对话或分类场景。"
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o 来自 OpenAI，具有广泛的通用知识和领域专长，能够遵循自然语言的复杂指令并准确解决难题。它以更快、更便宜的 API 匹配 GPT-4 Turbo 的性能。"
|
||||
"description": "GPT-4o 系列是 OpenAI 的 Omni 模型，支持文本 + 图片输入与文本输出。"
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini 来自 OpenAI 是他们最先进且最具成本效益的小模型。它是多模态的（接受文本或图像输入并输出文本），并且比 gpt-3.5-turbo 具有更高的智能性，但速度同样快。"
|
||||
"description": "GPT-4o-mini 是 GPT-4o 的快速小模型版本，适合低延迟图文混合场景。"
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 是 OpenAI 的旗舰语言模型，在复杂推理、广泛的现实世界知识、代码密集型和多步代理任务方面表现出色。"
|
||||
"description": "GPT-5 是 OpenAI 的高性能模型，适用广泛的生产与研究任务。"
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat 是为对话场景优化的 GPT-5 子型号，降低延迟以提升交互体验。"
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex 是针对编码场景进一步优化的 GPT-5 变体，适合大规模代码工作流。"
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini 是一个成本优化的模型，在推理/聊天任务方面表现出色。它在速度、成本和能力之间提供了最佳平衡。"
|
||||
"description": "GPT-5 Mini 是 GPT-5 家族的精简版，适用于低延迟低成本场景。"
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano 是一个高吞吐量模型，在简单指令或分类任务方面表现出色。"
|
||||
"description": "GPT-5 Nano 是家族中的超小型版本，适合对成本和延迟要求非常高的场景。"
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro 是 OpenAI 的旗舰模型，提供更强的推理、代码生成与企业级功能，支持测试时路由与更严谨的安全策略。"
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 是 GPT-5 系列最新旗舰模型，相比 GPT-5 在通用推理、指令遵循和对话自然度上均有显著提升，适合广泛任务场景。"
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat 是 GPT-5.1 家族的轻量成员，针对低延迟对话进行优化，同时保留较强的推理与指令执行能力。"
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex 是针对软件工程和编码工作流优化的 GPT-5.1 变体，适合大型重构、复杂调试与长时间自主编码任务。"
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini 是 GPT-5.1-Codex 的小型加速版本，更适合对延迟和成本敏感的编码场景。"
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "极其能干的通用大型语言模型，具有强大、可控的推理能力"
|
||||
@@ -2751,7 +2850,7 @@
|
||||
"description": "o3-mini 高推理等级版，在与 o1-mini 相同的成本和延迟目标下提供高智能。"
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "OpenAI 的 o4-mini 提供快速、成本效益高的推理，在其尺寸上具有卓越性能，特别是在数学（AIME 基准测试中表现最佳）、编码和视觉任务方面。"
|
||||
"description": "OpenAI o4-mini 是 OpenAI 的小型高效推理模型，适合低延迟场景。"
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini 高推理等级版，专为快速有效的推理而优化，在编码和视觉任务中表现出极高的效率和性能。"
|
||||
@@ -2955,7 +3054,7 @@
|
||||
"description": "强大的中型代码模型，支持 32K 上下文长度，擅长多语言编程。"
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B 是 Qwen3 系列中一个密集的 148 亿参数因果语言模型，专为复杂推理和高效对话而设计。它支持在用于数学、编程和逻辑推理等任务的“思考”模式与用于通用对话的“非思考”模式之间无缝切换。该模型经过微调，可用于指令遵循、代理工具使用、创意写作以及跨 100 多种语言和方言的多语言任务。它原生处理 32K 令牌上下文，并可使用基于 YaRN 的扩展扩展到 131K 令牌。"
|
||||
"description": "Qwen3-14B 是 Qwen 系列的 14B 版本，适合常规推理与对话场景。"
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B 是 Qwen3 系列中一个密集的 148 亿参数因果语言模型，专为复杂推理和高效对话而设计。它支持在用于数学、编程和逻辑推理等任务的“思考”模式与用于通用对话的“非思考”模式之间无缝切换。该模型经过微调，可用于指令遵循、代理工具使用、创意写作以及跨 100 多种语言和方言的多语言任务。它原生处理 32K 令牌上下文，并可使用基于 YaRN 的扩展扩展到 131K 令牌。"
|
||||
@@ -2963,6 +3062,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B 是由 Qwen 开发的 235B 参数专家混合 (MoE) 模型，每次前向传递激活 22B 参数。它支持在用于复杂推理、数学和代码任务的“思考”模式与用于一般对话效率的“非思考”模式之间无缝切换。该模型展示了强大的推理能力、多语言支持（100 多种语言和方言）、高级指令遵循和代理工具调用能力。它原生处理 32K 令牌上下文窗口，并使用基于 YaRN 的扩展扩展到 131K 令牌。"
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 为 Qwen3 系列的 Instruct 版本，兼顾多语言指令与长上下文场景。"
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 为 Qwen3 的 Thinking 变体，针对复杂数学与推理任务进行了强化。"
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B 是由 Qwen 开发的 235B 参数专家混合 (MoE) 模型，每次前向传递激活 22B 参数。它支持在用于复杂推理、数学和代码任务的“思考”模式与用于一般对话效率的“非思考”模式之间无缝切换。该模型展示了强大的推理能力、多语言支持（100 多种语言和方言）、高级指令遵循和代理工具调用能力。它原生处理 32K 令牌上下文窗口，并使用基于 YaRN 的扩展扩展到 131K 令牌。"
|
||||
},
|
||||
@@ -2981,6 +3086,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B 是 Qwen3 系列中一个密集的 82 亿参数因果语言模型，专为推理密集型任务和高效对话而设计。它支持在用于数学、编码和逻辑推理的“思考”模式与用于一般对话的“非思考”模式之间无缝切换。该模型经过微调，可用于指令遵循、代理集成、创意写作以及跨 100 多种语言和方言的多语言使用。它原生支持 32K 令牌上下文窗口，并可通过 YaRN 扩展到 131K 令牌。"
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder 是 Qwen3 的代码生成器家族，擅长长文档内的代码理解与生成。"
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus 为 Qwen 系列特别优化的编码代理模型，支持更复杂的工具调用与长期会话。"
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max 是 Qwen3 系列的高端推理模型，适合多语言推理和工具集成。"
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max (preview) 是 Qwen 系列面向高级推理与工具集成的 Max 版本（预览）。"
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus 为 Qwen3 的视觉增强版本，提升了多模态推理与视频处理的能力。"
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 是阿里巴巴的新一代大规模语言模型，以优异的性能支持多元化的应用需求。"
|
||||
},
|
||||
@@ -3275,9 +3395,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "该模型是拥有强大的图像理解能力的推理大模型，能够处理图像和文字信息，经过深度思考后输出文本生成文本内容。该模型在视觉推理领域表现突出，同时拥有第一梯队的数学、代码、文本推理能力。上下文长度为100k。"
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 是阶跃星辰推出的多模态模型，具备强大的视觉理解能力。"
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 是由阶跃星辰（StepFun）发布的前沿多模态推理模型，它基于拥有 321B 总参数和 38B 激活参数的专家混合（MoE）架构构建。该模型采用端到端设计，旨在最小化解码成本，同时在视觉语言推理方面提供顶级性能。通过多矩阵分解注意力（MFA）和注意力-FFN 解耦（AFD）的协同设计，Step3 在旗舰级和低端加速器上都能保持卓越的效率。在预训练阶段，Step3 处理了超过 20T 的文本 token 和 4T 的图文混合 token，覆盖十多种语言。该模型在数学、代码及多模态等多个基准测试中均达到了开源模型的领先水平。"
|
||||
},
|
||||
@@ -3359,6 +3476,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "访问 v0 背后的模型以生成、修复和优化现代 Web 应用，具有特定框架的推理和最新知识。"
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code 是字节火山引擎面向 Agentic Programming 优化的大模型，在多项编程与代理基准上表现优异，支持 256K 上下文。"
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "万相2.2极速版，当前最新模型。在创意性、稳定性、写实质感上全面升级，生成速度快，性价比高。"
|
||||
},
|
||||
@@ -3386,11 +3506,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 是微软AI提供的语言模型，在复杂对话、多语言、推理和智能助手领域表现尤为出色。"
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 是 xAI 的旗舰推理模型，提供强大的推理与多模态能力。"
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "我们很高兴发布 Grok 4 Fast，这是我们在成本效益推理模型方面的最新进展。"
|
||||
"description": "Grok 4 Fast 是 xAI 的高吞吐、低成本模型（支持 2M 上下文窗口），适合需要高并发与长上下文的使用场景。"
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast（Non-Reasoning）是 xAI 的高吞吐、低成本多模态模型（支持 2M 上下文窗口），面向对延迟和成本敏感但不需要启用模型内推理的场景。它与 Grok 4 Fast 的 reasoning 版本并列，可通过 API 的 reasoning enable 参数在需要时开启推理功能。Prompts 和 completions 可能会被 xAI 或 OpenRouter 用于改进未来模型。"
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast 是 xAI 的高吞吐、低成本模型（支持 2M 上下文窗口），适合需要高并发与长上下文的使用场景。"
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast（Non-Reasoning）是 xAI 的高吞吐、低成本多模态模型（支持 2M 上下文窗口），面向对延迟和成本敏感但不需要启用模型内推理的场景。它与 Grok 4 Fast 的 reasoning 版本并列，可通过 API 的 reasoning enable 参数在需要时开启推理功能。Prompts 和 completions 可能会被 xAI 或 OpenRouter 用于改进未来模型。"
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "我们很高兴推出 grok-code-fast-1，这是一款快速且经济高效的推理模型，在代理编码方面表现出色。"
|
||||
"description": "Grok Code Fast 1 是 xAI 的快速代码模型，输出具可读性与工程化适配。"
|
||||
},
|
||||
"x1": {
|
||||
"description": "Spark X1 模型将进一步升级，在原来数学任务国内领先基础上，推理、文本生成、语言理解等通用任务实现效果对标 OpenAI o1 和 DeepSeek R1。"
|
||||
@@ -3452,8 +3584,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "复杂视觉任务模型，提供基于多张图片的高性能理解、分析能力。"
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 是 Z.AI 的旗舰模型，支持混合推理模式并优化于工程与长上下文任务。"
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air 是 GLM 4.5 的轻量化版本，适合成本敏感场景但保留强推理能力。"
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "智谱最新旗舰模型 GLM-4.6，在高级编码、长文本处理、推理与智能体能力上全面超越前代。"
|
||||
"description": "GLM 4.6 是 Z.AI 的旗舰模型，扩展了上下文长度和编码能力。"
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 是一款专为智能体应用打造的基础模型，使用了混合专家（Mixture-of-Experts）架构。在工具调用、网页浏览、软件工程、前端编程领域进行了深度优化，支持无缝接入 Claude Code、Roo Code 等代码智能体中使用。GLM-4.5 采用混合推理模式，可以适应复杂推理和日常使用等多种应用场景。"
|
||||
@@ -3475,5 +3613,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V 基于 GLM-4.5-Air 基础模型构建，继承了 GLM-4.1V-Thinking 的经过验证的技术，同时通过强大的 1060 亿参数 MoE 架构实现了有效的扩展。"
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "ZenMux 的自动路由功能会根据你的请求内容，在支持的模型中自动选择当前性价比最高、表现最好的模型。"
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits Inference (Xinference) 是一个开源平台，用于简化各种 AI 模型的运行和集成。借助 Xinference，您可以使用任何开源 LLM、嵌入模型和多模态模型在云端或本地环境中运行推理，并创建强大的 AI 应用。"
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux 是一个统一的 AI 服务聚合平台，支持 OpenAI、Anthropic、Google VertexAI 等多种主流 AI 服务接口。提供灵活的路由能力，让您可以轻松切换和管理不同的 AI 模型。"
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "零一万物致力于推动以人为本的AI 2.0技术革命，旨在通过大语言模型创造巨大的经济和社会价值，并开创新的AI生态与商业模式。"
|
||||
},
|
||||
|
||||
@@ -37,6 +37,14 @@
|
||||
"standard": "標準"
|
||||
}
|
||||
},
|
||||
"resolution": {
|
||||
"label": "解析度",
|
||||
"options": {
|
||||
"1K": "1K",
|
||||
"2K": "2K",
|
||||
"4K": "4K"
|
||||
}
|
||||
},
|
||||
"seed": {
|
||||
"label": "種子",
|
||||
"random": "隨機種子"
|
||||
|
||||
+176
-38
@@ -720,25 +720,28 @@
|
||||
"description": "Claude 3 Opus 是 Anthropic 最智能的模型，在高度複雜的任務上具有市場領先的性能。它能夠以卓越的流暢度和類人理解力駕馭開放式提示和前所未見的場景。"
|
||||
},
|
||||
"anthropic/claude-3.5-haiku": {
|
||||
"description": "Claude 3.5 Haiku 是我們最快模型的下一代。與 Claude 3 Haiku 的速度相似，Claude 3.5 Haiku 在每個技能集上都得到了改進，並在許多智能基準測試中超越了我們上一代最大的模型 Claude 3 Opus。"
|
||||
"description": "Claude 3.5 Haiku 提升了速度、程式碼準確性與工具使用能力。適用於對速度與工具互動有高度需求的情境。"
|
||||
},
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet 在智能和速度之間達到了理想的平衡——特別是對於企業工作負載。與同類產品相比，它以更低的成本提供了強大的性能，並專為大規模 AI 部署中的高耐久性而設計。"
|
||||
"description": "Claude 3.5 Sonnet 是 Sonnet 系列中快速且高效的模型，提供更佳的編碼與推理效能，部分版本將逐步由 Sonnet 3.7 等取代。"
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet 是第一個混合推理模型，也是 Anthropic 迄今為止最智能的模型。它在編碼、內容生成、資料分析和規劃任務方面提供了最先進的性能，在其前身 Claude 3.5 Sonnet 的軟體工程和電腦使用能力基礎上進行了構建。"
|
||||
"description": "Claude 3.7 Sonnet 是 Sonnet 系列的升級版本，具備更強的推理與編碼能力，適用於企業級複雜任務。"
|
||||
},
|
||||
"anthropic/claude-haiku-4.5": {
|
||||
"description": "Claude Haiku 4.5 是 Anthropic 的高效能快速模型，在維持高準確度的同時具備極低延遲。"
|
||||
},
|
||||
"anthropic/claude-opus-4": {
|
||||
"description": "Claude Opus 4 是 Anthropic 迄今為止最強大的模型，也是世界上最好的編碼模型，在 SWE-bench (72.5%) 和 Terminal-bench (43.2%) 上領先。它為需要專注努力和數千個步驟的長期任務提供持續性能，能夠連續工作數小時——顯著擴展了 AI 代理的能力。"
|
||||
"description": "Opus 4 是 Anthropic 的旗艦級模型，專為複雜任務與企業級應用設計。"
|
||||
},
|
||||
"anthropic/claude-opus-4.1": {
|
||||
"description": "Claude Opus 4.1 是 Opus 4 的即插即用替代品，為實際編碼和代理任務提供卓越的性能和精度。Opus 4.1 將最先進的編碼性能提升到 SWE-bench Verified 的 74.5%，並以更高的嚴謹性和對細節的關注處理複雜的多步問題。"
|
||||
"description": "Opus 4.1 是 Anthropic 的高階模型，針對程式設計、複雜推理與持續任務進行優化。"
|
||||
},
|
||||
"anthropic/claude-sonnet-4": {
|
||||
"description": "Claude Sonnet 4 在 Sonnet 3.7 的行業領先能力基礎上進行了顯著改進，在編碼方面表現出色，在 SWE-bench 上達到了最先進的 72.7%。該模型在性能和效率之間取得了平衡，適用於內部和外部用例，並透過增強的可控性實現對實現的更大控制。"
|
||||
"description": "Claude Sonnet 4 是 Anthropic 的混合推理版本，提供思考與非思考的混合能力。"
|
||||
},
|
||||
"anthropic/claude-sonnet-4.5": {
|
||||
"description": "Claude Sonnet 4.5 是 Anthropic 迄今為止最智能的模型。"
|
||||
"description": "Claude Sonnet 4.5 是 Anthropic 最新的混合推理模型，針對複雜推理與編碼進行優化。"
|
||||
},
|
||||
"ascend-tribe/pangu-pro-moe": {
|
||||
"description": "Pangu-Pro-MoE 72B-A16B 是一款 720 億參數、激活 160 億參的稀疏大型語言模型，它基於分組混合專家（MoGE）架構，它在專家選擇階段對專家進行分組，並約束 token 在每個組內激活等量專家，從而實現專家負載均衡，顯著提升模型在昇騰平台的部署效率。"
|
||||
@@ -761,6 +764,9 @@
|
||||
"baidu/ERNIE-4.5-300B-A47B": {
|
||||
"description": "ERNIE-4.5-300B-A47B 是由百度公司開發的一款基於混合專家（MoE）架構的大型語言模型。該模型總參數量為 3000 億，但在推理時每個 token 僅激活 470 億參數，從而在保證強大性能的同時兼顧了計算效率。作為 ERNIE 4.5 系列的核心模型之一，在文本理解、生成、推理和程式設計等任務上展現出卓越的能力。該模型採用了一種創新的多模態異構 MoE 預訓練方法，通過文本與視覺模態的聯合訓練，有效提升了模型的綜合能力，尤其在指令遵循和世界知識記憶方面效果突出。"
|
||||
},
|
||||
"baidu/ernie-5.0-thinking-preview": {
|
||||
"description": "ERNIE 5.0 Thinking Preview 是百度新一代原生多模態文心模型，擅長多模態理解、指令遵循、創作、事實問答與工具調用。"
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse 是一款高性能的 32B 多語言模型，旨在通過指令調優、數據套利、偏好訓練和模型合併的創新，挑戰單語言模型的表現。它支持 23 種語言。"
|
||||
},
|
||||
@@ -869,6 +875,9 @@
|
||||
"codex-mini-latest": {
|
||||
"description": "codex-mini-latest 是 o4-mini 的微調版本，專門用於 Codex CLI。對於直接透過 API 使用，我們推薦從 gpt-4.1 開始。"
|
||||
},
|
||||
"cogito-2.1:671b": {
|
||||
"description": "Cogito v2.1 671B 是一款可免費商用的美國開源大型語言模型，具備媲美頂尖模型的效能、更高的 token 推理效率、128k 長上下文與強大的綜合能力。"
|
||||
},
|
||||
"cogview-4": {
|
||||
"description": "CogView-4 是智譜首個支援生成漢字的開源文生圖模型，在語義理解、圖像生成質量、中英文字生成能力等方面全面提升，支援任意長度的中英雙語輸入，能夠生成在給定範圍內的任意解析度圖像。"
|
||||
},
|
||||
@@ -1139,6 +1148,9 @@
|
||||
"deepseek-vl2-small": {
|
||||
"description": "DeepSeek VL2 Small，輕量多模態版本，適用於資源受限與高併發場景。"
|
||||
},
|
||||
"deepseek/deepseek-chat": {
|
||||
"description": "DeepSeek-V3 是 DeepSeek 團隊推出的高效能混合推理模型，適合處理複雜任務與工具整合。"
|
||||
},
|
||||
"deepseek/deepseek-chat-v3-0324": {
|
||||
"description": "DeepSeek V3 是一個 685B 參數的專家混合模型，是 DeepSeek 團隊旗艦聊天模型系列的最新迭代。\n\n它繼承了 [DeepSeek V3](/deepseek/deepseek-chat-v3) 模型，並在各種任務上表現出色。"
|
||||
},
|
||||
@@ -1146,13 +1158,13 @@
|
||||
"description": "DeepSeek V3 是一個 685B 參數的專家混合模型，是 DeepSeek 團隊旗艦聊天模型系列的最新迭代。\n\n它繼承了 [DeepSeek V3](/deepseek/deepseek-chat-v3) 模型，並在各種任務上表現出色。"
|
||||
},
|
||||
"deepseek/deepseek-chat-v3.1": {
|
||||
"description": "DeepSeek-V3.1 是一款支援 128K 長上下文與高效模式切換的大型混合推理模型，它在工具調用、程式碼生成和複雜推理任務上實現了卓越的效能與速度。"
|
||||
"description": "DeepSeek-V3.1 是 DeepSeek 的長上下文混合推理模型，支援思考/非思考混合模式與工具整合。"
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek R1 模型已經進行了小版本升級，當前版本為 DeepSeek-R1-0528。在最新更新中，DeepSeek R1 透過利用增加的計算資源和在訓練後引入演算法優化機制，顯著提高了推理深度和推理能力。該模型在數學、程式設計和一般邏輯等多個基準評估中表現出色，其整體性能現在正接近領先模型，如 O3 和 Gemini 2.5 Pro。"
|
||||
},
|
||||
"deepseek/deepseek-r1-0528": {
|
||||
"description": "DeepSeek-R1 在僅有極少標註資料的情況下，極大提升了模型推理能力。在輸出最終回答之前，模型會先輸出一段思維鏈內容，以提升最終答案的準確性。"
|
||||
"description": "DeepSeek R1 0528 是 DeepSeek 的更新版本，強調開源可用性與推理深度。"
|
||||
},
|
||||
"deepseek/deepseek-r1-0528:free": {
|
||||
"description": "DeepSeek-R1 在僅有極少標註資料的情況下，極大提升了模型推理能力。在輸出最終回答之前，模型會先輸出一段思維鏈內容，以提升最終答案的準確性。"
|
||||
@@ -1175,6 +1187,9 @@
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 在僅有極少標註數據的情況下，極大提升了模型推理能力。在輸出最終回答之前，模型會先輸出一段思維鏈內容，以提升最終答案的準確性。"
|
||||
},
|
||||
"deepseek/deepseek-reasoner": {
|
||||
"description": "DeepSeek-V3 Thinking（reasoner）是 DeepSeek 的實驗性推理模型，適合高複雜度推理任務。"
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "具有增強推理能力的快速通用大型語言模型"
|
||||
},
|
||||
@@ -1523,8 +1538,14 @@
|
||||
"gemini-2.5-pro-preview-06-05": {
|
||||
"description": "Gemini 2.5 Pro Preview 是 Google 最先進的思維模型，能夠對程式碼、數學和STEM領域的複雜問題進行推理，以及使用長上下文分析大型資料集、程式碼庫和文件。"
|
||||
},
|
||||
"gemini-3-pro-image-preview": {
|
||||
"description": "Gemini 3 Pro Image（Nano Banana Pro）是 Google 的圖像生成模型，同時支援多模態對話。"
|
||||
},
|
||||
"gemini-3-pro-image-preview:image": {
|
||||
"description": "Gemini 3 Pro Image（Nano Banana Pro）是 Google 的圖像生成模型，同時支援多模態對話。"
|
||||
},
|
||||
"gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro 是 Google 最智慧的模型，具備最先進的推理與多模態理解能力，以及強大的代理與情境編碼功能。"
|
||||
"description": "Gemini 3 Pro 是全球最佳的多模態理解模型，也是 Google 迄今最強大的智慧體與氛圍編程模型，提供更豐富的視覺效果與更深層的互動性，這一切皆建立於最先進的推理能力之上。"
|
||||
},
|
||||
"gemini-flash-latest": {
|
||||
"description": "Gemini Flash 最新版本"
|
||||
@@ -1650,7 +1671,7 @@
|
||||
"description": "GLM-Zero-Preview具備強大的複雜推理能力，在邏輯推理、數學、程式設計等領域表現優異。"
|
||||
},
|
||||
"google/gemini-2.0-flash": {
|
||||
"description": "Gemini 2.0 Flash 提供下一代功能和改進的功能，包括卓越的速度、內建工具使用、多模態生成和 100 萬 token 的上下文視窗。"
|
||||
"description": "Gemini 2.0 Flash 是 Google 的高效能推理模型，適用於延展性多模態任務。"
|
||||
},
|
||||
"google/gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash 提供下一代功能和改進，包括卓越的速度、原生工具使用、多模態生成和1M令牌上下文窗口。"
|
||||
@@ -1661,14 +1682,23 @@
|
||||
"google/gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash Lite 提供下一代功能和改進的功能，包括卓越的速度、內建工具使用、多模態生成和 100 萬 token 的上下文視窗。"
|
||||
},
|
||||
"google/gemini-2.0-flash-lite-001": {
|
||||
"description": "Gemini 2.0 Flash Lite 是 Gemini 系列的輕量版本，預設不啟用思考以提升延遲與成本表現，但可透過參數開啟。"
|
||||
},
|
||||
"google/gemini-2.5-flash": {
|
||||
"description": "Gemini 2.5 Flash 是一個思考模型，提供出色的全面能力。它旨在價格和性能之間取得平衡，支援多模態和 100 萬 token 的上下文視窗。"
|
||||
"description": "Gemini 2.5 Flash（Lite/Pro/Flash）系列是 Google 的中低延遲至高效能推理模型。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image": {
|
||||
"description": "Gemini 2.5 Flash Image（Nano Banana）是 Google 的圖像生成模型，同時支援多模態對話。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image-free": {
|
||||
"description": "Gemini 2.5 Flash Image 免費版，支援有限額度的多模態生成。"
|
||||
},
|
||||
"google/gemini-2.5-flash-image-preview": {
|
||||
"description": "Gemini 2.5 Flash 實驗模型，支援圖像生成"
|
||||
},
|
||||
"google/gemini-2.5-flash-lite": {
|
||||
"description": "Gemini 2.5 Flash-Lite 是一個平衡、低延遲的模型，具有可配置的思考預算和工具連接性（例如，Google Search 接地和程式碼執行）。它支援多模態輸入，並提供 100 萬 token 的上下文視窗。"
|
||||
"description": "Gemini 2.5 Flash Lite 是 Gemini 2.5 的輕量版本，優化延遲與成本，適合高吞吐量場景。"
|
||||
},
|
||||
"google/gemini-2.5-flash-preview": {
|
||||
"description": "Gemini 2.5 Flash 是 Google 最先進的主力模型，專為高級推理、編碼、數學和科學任務而設計。它包含內建的「思考」能力，使其能夠提供具有更高準確性和細緻上下文處理的回應。\n\n注意：此模型有兩個變體：思考和非思考。輸出定價根據思考能力是否啟用而有顯著差異。如果您選擇標準變體（不帶「:thinking」後綴），模型將明確避免生成思考令牌。\n\n要利用思考能力並接收思考令牌，您必須選擇「:thinking」變體，這將產生更高的思考輸出定價。\n\n此外，Gemini 2.5 Flash 可通過「推理最大令牌數」參數進行配置，如文檔中所述 (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)。"
|
||||
@@ -1677,11 +1707,23 @@
|
||||
"description": "Gemini 2.5 Flash 是 Google 最先進的主力模型，專為高級推理、編碼、數學和科學任務而設計。它包含內建的「思考」能力，使其能夠提供具有更高準確性和細緻上下文處理的回應。\n\n注意：此模型有兩個變體：思考和非思考。輸出定價根據思考能力是否啟用而有顯著差異。如果您選擇標準變體（不帶「:thinking」後綴），模型將明確避免生成思考令牌。\n\n要利用思考能力並接收思考令牌，您必須選擇「:thinking」變體，這將產生更高的思考輸出定價。\n\n此外，Gemini 2.5 Flash 可通過「推理最大令牌數」參數進行配置，如文檔中所述 (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)。"
|
||||
},
|
||||
"google/gemini-2.5-pro": {
|
||||
"description": "Gemini 2.5 Pro 是我們最先進的推理 Gemini 模型，能夠解決複雜問題。它具有 200 萬 token 的上下文視窗，支援包括文字、影像、音訊、影片和 PDF 文件在內的多模態輸入。"
|
||||
"description": "Gemini 2.5 Pro 是 Google 的旗艦級推理模型，支援長上下文與複雜任務。"
|
||||
},
|
||||
"google/gemini-2.5-pro-free": {
|
||||
"description": "Gemini 2.5 Pro 免費版，支援有限額度的多模態長上下文，適合試用與輕量工作流程。"
|
||||
},
|
||||
"google/gemini-2.5-pro-preview": {
|
||||
"description": "Gemini 2.5 Pro Preview 是 Google 最先進的思維模型，能夠對程式碼、數學和 STEM 領域的複雜問題進行推理，以及使用長上下文分析大型資料集、程式碼庫和文件。"
|
||||
},
|
||||
"google/gemini-3-pro-image-preview-free": {
|
||||
"description": "Gemini 3 Pro Image 免費版，支援有限額度的多模態生成。"
|
||||
},
|
||||
"google/gemini-3-pro-preview": {
|
||||
"description": "Gemini 3 Pro 是 Gemini 系列的次世代多模態推理模型，能理解文字、音訊、圖像、影片等多種輸入，並處理複雜任務與大型程式碼庫。"
|
||||
},
|
||||
"google/gemini-3-pro-preview-free": {
|
||||
"description": "Gemini 3 Pro 免費預覽版，具備與標準版相同的多模態理解與推理能力，但受免費額度與速率限制影響，更適合體驗與低頻使用。"
|
||||
},
|
||||
"google/gemini-embedding-001": {
|
||||
"description": "最先進的嵌入模型，在英語、多語言和程式碼任務中具有出色的性能。"
|
||||
},
|
||||
@@ -2057,21 +2099,36 @@
|
||||
"inception/mercury-coder-small": {
|
||||
"description": "Mercury Coder Small 是程式碼生成、除錯和重構任務的理想選擇，具有最小延遲。"
|
||||
},
|
||||
"inclusionAI/Ling-1T": {
|
||||
"description": "Ling-1T 是「靈 2.0」系列的首款旗艦級 non-thinking 模型，擁有 1 兆總參數與每個 token 約 500 億個活躍參數。基於靈 2.0 架構打造，Ling-1T 旨在突破高效推理與可擴展認知的極限。Ling-1T-base 在超過 20 兆個高品質、推理密集的 token 上進行訓練。"
|
||||
},
|
||||
"inclusionAI/Ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 是由螞蟻集團百靈團隊發布的 Ling 2.0 架構系列的第三款模型。它是一款混合專家（MoE）模型，總參數規模達到 1000 億，但每個 token 僅啟動 61 億參數（非詞向量啟動 48 億）。作為一個輕量級配置的模型，Ling-flash-2.0 在多個權威評測中展現出媲美甚至超越 400 億級別稠密（Dense）模型及更大規模 MoE 模型的性能。該模型旨在透過極致的架構設計與訓練策略，在「大模型等於大參數」的共識下探索高效能的路徑。"
|
||||
},
|
||||
"inclusionAI/Ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 是一款基於 MoE 架構的小尺寸高性能大型語言模型。它擁有 16B 總參數，但每個 token 僅啟動 1.4B（non-embedding 789M），從而實現了極高的生成速度。得益於高效的 MoE 設計與大規模高品質訓練資料，儘管啟動參數僅為 1.4B，Ling-mini-2.0 依然在下游任務中展現出可媲美 10B 以下 dense LLM 及更大規模 MoE 模型的頂尖性能。"
|
||||
},
|
||||
"inclusionAI/Ring-1T": {
|
||||
"description": "Ring-1T 是由百靈（Bailing）團隊推出的萬億參數規模開源思想模型。該模型基於靈 2.0 架構與 Ling-1T-base 基礎模型訓練，總參數達 1 兆，活躍參數為 500 億，並支援高達 128K 的上下文視窗。透過大規模可驗證獎勵強化學習進行優化。"
|
||||
},
|
||||
"inclusionAI/Ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 是一個基於 Ling-flash-2.0-base 深度優化的高性能思考模型。它採用混合專家（MoE）架構，總參數量為 100B，但在每次推理中僅啟動 6.1B 參數。該模型透過獨創的 icepop 演算法，解決了 MoE 大模型在強化學習（RL）訓練中的不穩定性難題，使其複雜推理能力在長週期訓練中得以持續提升。Ring-flash-2.0 在數學競賽、程式碼生成和邏輯推理等多個高難度基準測試中取得了顯著突破，其性能不僅超越了 40B 參數規模以下的頂尖稠密模型，還能媲美更大規模的開源 MoE 模型及閉源的高性能思考模型。儘管該模型專注於複雜推理，它在創意寫作等任務上也表現出色。此外，得益於其高效的架構設計，Ring-flash-2.0 在提供強大性能的同時，也實現了高速推理，顯著降低了思考模型在高併發場景下的部署成本。"
|
||||
},
|
||||
"inclusionai/ling-1t": {
|
||||
"description": "Ling-1T 是 inclusionAI 的 1T MoE 大模型，針對高強度推理任務與大規模上下文進行優化。"
|
||||
},
|
||||
"inclusionai/ling-flash-2.0": {
|
||||
"description": "Ling-flash-2.0 是 inclusionAI 的 MoE 模型，優化效率與推理表現，適合中大型任務。"
|
||||
},
|
||||
"inclusionai/ling-mini-2.0": {
|
||||
"description": "Ling-mini-2.0 是 inclusionAI 的輕量化 MoE 模型，在保有推理能力的同時大幅降低成本。"
|
||||
},
|
||||
"inclusionai/ming-flash-omini-preview": {
|
||||
"description": "Ming-flash-omni Preview 是 inclusionAI 的多模態模型，支援語音、圖像與影片輸入，優化圖像渲染與語音辨識能力。"
|
||||
},
|
||||
"inclusionai/ring-1t": {
|
||||
"description": "Ring-1T 是 inclusionAI 的 trillion-parameter MoE 思考模型，適合大規模推理與研究型任務。"
|
||||
},
|
||||
"inclusionai/ring-flash-2.0": {
|
||||
"description": "Ring-flash-2.0 是 inclusionAI 面向高吞吐場景的 Ring 模型變體，強調速度與成本效率。"
|
||||
},
|
||||
"inclusionai/ring-mini-2.0": {
|
||||
"description": "Ring-mini-2.0 是 inclusionAI 的高吞吐輕量化 MoE 版本，主要用於高併發場景。"
|
||||
},
|
||||
"internlm/internlm2_5-7b-chat": {
|
||||
"description": "InternLM2.5 提供多場景下的智能對話解決方案。"
|
||||
},
|
||||
@@ -2123,6 +2180,12 @@
|
||||
"kimi-k2-instruct": {
|
||||
"description": "Kimi K2 Instruct，Kimi 官方推理模型，支援長上下文與程式碼、問答等多場景。"
|
||||
},
|
||||
"kimi-k2-thinking": {
|
||||
"description": "K2 長思考模型，支援 256k 上下文，支援多步工具調用與思考，擅長解決更複雜的問題。"
|
||||
},
|
||||
"kimi-k2-thinking-turbo": {
|
||||
"description": "K2 長思考模型的高速版本，支援 256k 上下文，擅長深度推理，輸出速度提升至每秒 60-100 tokens。"
|
||||
},
|
||||
"kimi-k2-turbo-preview": {
|
||||
"description": "kimi-k2 是一款具備超強程式碼與 Agent 能力的 MoE 架構的基礎模型，總參數 1T，激活參數 32B。在通用知識推理、程式設計、數學與 Agent 等主要類別的基準效能測試中，K2 模型的表現超越其他主流開源模型。"
|
||||
},
|
||||
@@ -2135,6 +2198,9 @@
|
||||
"kimi-thinking-preview": {
|
||||
"description": "kimi-thinking-preview 模型是月之暗面提供的具有多模態推理能力和通用推理能力的多模態思考模型，它擅長深度推理，幫助解決更多更難的事情"
|
||||
},
|
||||
"kuaishou/kat-coder-pro-v1": {
|
||||
"description": "KAT-Coder-Pro-V1（限時免費）專注於程式碼理解與自動化編程，適用於高效的程式代理任務。"
|
||||
},
|
||||
"learnlm-1.5-pro-experimental": {
|
||||
"description": "LearnLM 是一個實驗性的、特定於任務的語言模型，經過訓練以符合學習科學原則，可在教學和學習場景中遵循系統指令，充當專家導師等。"
|
||||
},
|
||||
@@ -2466,7 +2532,7 @@
|
||||
"description": "MiniMax M2 是專為編碼與代理工作流程打造的高效大型語言模型。"
|
||||
},
|
||||
"minimax/minimax-m2": {
|
||||
"description": "專為高效編碼與 Agent 工作流程而設計"
|
||||
"description": "MiniMax-M2 是一款在編碼與代理任務上表現優異的高性價比模型，適合多種工程場景。"
|
||||
},
|
||||
"minimaxai/minimax-m2": {
|
||||
"description": "MiniMax-M2 是一款緊湊、快速且具高性價比的混合專家（MoE）模型，擁有 2300 億總參數與 100 億啟用參數，專為編碼與智慧體任務的頂級效能而打造，同時保有強大的通用智慧。此模型在多檔案編輯、編碼-執行-修復閉環、測試驗證修復以及複雜的長鏈工具鏈方面表現優異，是開發者工作流程的理想選擇。"
|
||||
@@ -2615,12 +2681,21 @@
|
||||
"moonshotai/kimi-k2": {
|
||||
"description": "Kimi K2 是由月之暗面 AI 開發的大規模混合專家 (MoE) 語言模型，具有 1 兆總參數和每次前向傳遞 320 億激活參數。它針對代理能力進行了優化，包括高級工具使用、推理和程式碼合成。"
|
||||
},
|
||||
"moonshotai/kimi-k2-0711": {
|
||||
"description": "Kimi K2 0711 是 Kimi 系列的 Instruct 版本，適合高品質程式碼與工具調用場景。"
|
||||
},
|
||||
"moonshotai/kimi-k2-0905": {
|
||||
"description": "kimi-k2-0905-preview 模型上下文長度為 256k，具備更強的 Agentic Coding 能力、更突出的前端程式碼的美觀度和實用性、以及更好的上下文理解能力。"
|
||||
"description": "Kimi K2 0905 是 Kimi 系列的 0905 更新，擴充上下文與推理效能，優化編碼場景。"
|
||||
},
|
||||
"moonshotai/kimi-k2-instruct-0905": {
|
||||
"description": "kimi-k2-0905-preview 模型上下文長度為 256k，具備更強的 Agentic Coding 能力、更突出的前端程式碼的美觀度和實用性、以及更好的上下文理解能力。"
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking": {
|
||||
"description": "Kimi K2 Thinking 是 Moonshot 為深度推理任務優化的思考模型，具備通用 Agent 能力。"
|
||||
},
|
||||
"moonshotai/kimi-k2-thinking-turbo": {
|
||||
"description": "Kimi K2 Thinking Turbo 是 Kimi K2 Thinking 的高速版本，在保有深度推理能力的同時，顯著降低回應延遲。"
|
||||
},
|
||||
"morph/morph-v3-fast": {
|
||||
"description": "Morph 提供了一個專門的 AI 模型，將前沿模型（如 Claude 或 GPT-4o）建議的程式碼更改應用到您的現有程式碼檔案中 FAST - 4500+ tokens/秒。它充當 AI 編碼工作流程中的最後一步。支援 16k 輸入 tokens 和 16k 輸出 tokens。"
|
||||
},
|
||||
@@ -2703,28 +2778,49 @@
|
||||
"description": "來自 OpenAI 的 gpt-4-turbo 具有廣泛的通用知識和領域專長，使其能夠遵循自然語言的複雜指令並準確解決困難問題。它的知識截止日期為 2023 年 4 月，上下文視窗為 128,000 個 token。"
|
||||
},
|
||||
"openai/gpt-4.1": {
|
||||
"description": "GPT 4.1 是 OpenAI 的旗艦模型，適用於複雜任務。它非常適合跨領域解決問題。"
|
||||
"description": "GPT-4.1 系列提供更長上下文與更強的工程與推理能力。"
|
||||
},
|
||||
"openai/gpt-4.1-mini": {
|
||||
"description": "GPT 4.1 mini 在智能、速度和成本之間取得了平衡，使其成為許多用例的有吸引力的模型。"
|
||||
"description": "GPT-4.1 Mini 提供更低延遲與更佳性價比，適合中等上下文場景。"
|
||||
},
|
||||
"openai/gpt-4.1-nano": {
|
||||
"description": "GPT-4.1 nano 是最快、最具成本效益的 GPT 4.1 模型。"
|
||||
"description": "GPT-4.1 Nano 是極低成本與低延遲選項，適合高頻短對話或分類場景。"
|
||||
},
|
||||
"openai/gpt-4o": {
|
||||
"description": "GPT-4o 來自 OpenAI，具有廣泛的通用知識和領域專長，能夠遵循自然語言的複雜指令並準確解決難題。它以更快、更便宜的 API 匹配 GPT-4 Turbo 的性能。"
|
||||
"description": "GPT-4o 系列是 OpenAI 的 Omni 模型，支援文字 + 圖片輸入與文字輸出。"
|
||||
},
|
||||
"openai/gpt-4o-mini": {
|
||||
"description": "GPT-4o mini 來自 OpenAI 是他們最先進且最具成本效益的小模型。它是多模態的（接受文字或影像輸入並輸出文字），並且比 gpt-3.5-turbo 具有更高的智能性，但速度同樣快。"
|
||||
"description": "GPT-4o-mini 是 GPT-4o 的快速小型版本，適合低延遲圖文混合場景。"
|
||||
},
|
||||
"openai/gpt-5": {
|
||||
"description": "GPT-5 是 OpenAI 的旗艦語言模型，在複雜推理、廣泛的現實世界知識、程式碼密集型和多步代理任務方面表現出色。"
|
||||
"description": "GPT-5 是 OpenAI 的高效能模型，適用於各類生產與研究任務。"
|
||||
},
|
||||
"openai/gpt-5-chat": {
|
||||
"description": "GPT-5 Chat 是針對對話場景優化的 GPT-5 子型號，降低延遲以提升互動體驗。"
|
||||
},
|
||||
"openai/gpt-5-codex": {
|
||||
"description": "GPT-5-Codex 是針對編碼場景進一步優化的 GPT-5 變體，適合大規模程式碼工作流程。"
|
||||
},
|
||||
"openai/gpt-5-mini": {
|
||||
"description": "GPT-5 mini 是一個成本優化的模型，在推理/聊天任務方面表現出色。它在速度、成本和能力之間提供了最佳平衡。"
|
||||
"description": "GPT-5 Mini 是 GPT-5 系列的精簡版，適用於低延遲與低成本場景。"
|
||||
},
|
||||
"openai/gpt-5-nano": {
|
||||
"description": "GPT-5 nano 是一個高吞吐量模型，在簡單指令或分類任務方面表現出色。"
|
||||
"description": "GPT-5 Nano 是系列中超小型版本，適合對成本與延遲要求極高的場景。"
|
||||
},
|
||||
"openai/gpt-5-pro": {
|
||||
"description": "GPT-5 Pro 是 OpenAI 的旗艦模型，提供更強的推理、程式碼生成與企業級功能，支援測試時路由與更嚴謹的安全策略。"
|
||||
},
|
||||
"openai/gpt-5.1": {
|
||||
"description": "GPT-5.1 是 GPT-5 系列最新旗艦模型，相較 GPT-5 在通用推理、指令遵循與對話自然度上皆有顯著提升，適用於廣泛任務場景。"
|
||||
},
|
||||
"openai/gpt-5.1-chat": {
|
||||
"description": "GPT-5.1 Chat 是 GPT-5.1 系列的輕量成員，針對低延遲對話進行優化，同時保有強大的推理與指令執行能力。"
|
||||
},
|
||||
"openai/gpt-5.1-codex": {
|
||||
"description": "GPT-5.1-Codex 是針對軟體工程與編碼工作流程優化的 GPT-5.1 變體，適合大型重構、複雜除錯與長時間自主編碼任務。"
|
||||
},
|
||||
"openai/gpt-5.1-codex-mini": {
|
||||
"description": "GPT-5.1-Codex-Mini 是 GPT-5.1-Codex 的小型加速版本，更適合對延遲與成本敏感的編碼場景。"
|
||||
},
|
||||
"openai/gpt-oss-120b": {
|
||||
"description": "極其能幹的通用大型語言模型，具有強大、可控的推理能力"
|
||||
@@ -2751,7 +2847,7 @@
|
||||
"description": "o3-mini 高推理等級版，在與 o1-mini 相同的成本和延遲目標下提供高智能。"
|
||||
},
|
||||
"openai/o4-mini": {
|
||||
"description": "OpenAI 的 o4-mini 提供快速、成本效益高的推理，在其尺寸上具有卓越性能，特別是在數學（AIME 基準測試中表現最佳）、編碼和視覺任務方面。"
|
||||
"description": "OpenAI o4-mini 是 OpenAI 的小型高效推理模型，適合低延遲場景。"
|
||||
},
|
||||
"openai/o4-mini-high": {
|
||||
"description": "o4-mini 高推理等級版，專為快速有效的推理而優化，在編碼和視覺任務中表現出極高的效率和性能。"
|
||||
@@ -2955,7 +3051,7 @@
|
||||
"description": "強大的中型代碼模型，支持 32K 上下文長度，擅長多語言編程。"
|
||||
},
|
||||
"qwen/qwen3-14b": {
|
||||
"description": "Qwen3-14B 是 Qwen3 系列中一個密集的 148 億參數因果語言模型，專為複雜推理和高效對話而設計。它支持在用於數學、編程和邏輯推理等任務的「思考」模式與用於通用對話的「非思考」模式之間無縫切換。該模型經過微調，可用於指令遵循、代理工具使用、創意寫作以及跨 100 多種語言和方言的多語言任務。它原生處理 32K 令牌上下文，並可使用基於 YaRN 的擴展擴展到 131K 令牌。"
|
||||
"description": "Qwen3-14B 是 Qwen 系列的 14B 版本，適合常規推理與對話場景。"
|
||||
},
|
||||
"qwen/qwen3-14b:free": {
|
||||
"description": "Qwen3-14B 是 Qwen3 系列中一個密集的 148 億參數因果語言模型，專為複雜推理和高效對話而設計。它支持在用於數學、編程和邏輯推理等任務的「思考」模式與用於通用對話的「非思考」模式之間無縫切換。該模型經過微調，可用於指令遵循、代理工具使用、創意寫作以及跨 100 多種語言和方言的多語言任務。它原生處理 32K 令牌上下文，並可使用基於 YaRN 的擴展擴展到 131K 令牌。"
|
||||
@@ -2963,6 +3059,12 @@
|
||||
"qwen/qwen3-235b-a22b": {
|
||||
"description": "Qwen3-235B-A22B 是由 Qwen 開發的 235B 參數專家混合 (MoE) 模型，每次前向傳遞激活 22B 參數。它支持在用於複雜推理、數學和代碼任務的「思考」模式與用於一般對話效率的「非思考」模式之間無縫切換。該模型展示了強大的推理能力、多語言支持（100 多種語言和方言）、高級指令遵循和代理工具調用能力。它原生處理 32K 令牌上下文窗口，並使用基於 YaRN 的擴展擴展到 131K 令牌。"
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-2507": {
|
||||
"description": "Qwen3-235B-A22B-Instruct-2507 為 Qwen3 系列的 Instruct 版本，兼顧多語言指令與長上下文場景。"
|
||||
},
|
||||
"qwen/qwen3-235b-a22b-thinking-2507": {
|
||||
"description": "Qwen3-235B-A22B-Thinking-2507 為 Qwen3 的 Thinking 變體，針對複雜數學與推理任務進行強化。"
|
||||
},
|
||||
"qwen/qwen3-235b-a22b:free": {
|
||||
"description": "Qwen3-235B-A22B 是由 Qwen 開發的 235B 參數專家混合 (MoE) 模型，每次前向傳遞激活 22B 參數。它支持在用於複雜推理、數學和代碼任務的「思考」模式與用於一般對話效率的「非思考」模式之間無縫切換。該模型展示了強大的推理能力、多語言支持（100 多種語言和方言）、高級指令遵循和代理工具調用能力。它原生處理 32K 令牌上下文窗口，並使用基於 YaRN 的擴展擴展到 131K 令牌。"
|
||||
},
|
||||
@@ -2981,6 +3083,21 @@
|
||||
"qwen/qwen3-8b:free": {
|
||||
"description": "Qwen3-8B 是 Qwen3 系列中一個密集的 82 億參數因果語言模型，專為推理密集型任務和高效對話而設計。它支持在用於數學、編碼和邏輯推理的「思考」模式與用於一般對話的「非思考」模式之間無縫切換。該模型經過微調，可用於指令遵循、代理集成、創意寫作以及跨 100 多種語言和方言的多語言使用。它原生支持 32K 令牌上下文窗口，並可通過 YaRN 擴展到 131K 令牌。"
|
||||
},
|
||||
"qwen/qwen3-coder": {
|
||||
"description": "Qwen3-Coder 是 Qwen3 的程式碼生成器系列，擅長長文檔中的程式碼理解與生成。"
|
||||
},
|
||||
"qwen/qwen3-coder-plus": {
|
||||
"description": "Qwen3-Coder-Plus 為 Qwen 系列特別優化的編碼代理模型，支援更複雜的工具調用與長期對話。"
|
||||
},
|
||||
"qwen/qwen3-max": {
|
||||
"description": "Qwen3 Max 是 Qwen3 系列的高階推理模型，適合多語言推理與工具整合。"
|
||||
},
|
||||
"qwen/qwen3-max-preview": {
|
||||
"description": "Qwen3 Max（預覽）是 Qwen 系列面向高階推理與工具整合的 Max 版本。"
|
||||
},
|
||||
"qwen/qwen3-vl-plus": {
|
||||
"description": "Qwen3 VL-Plus 為 Qwen3 的視覺增強版本，提升多模態推理與影片處理能力。"
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 是阿里巴巴的新一代大規模語言模型，以優異的性能支持多元化的應用需求。"
|
||||
},
|
||||
@@ -3275,9 +3392,6 @@
|
||||
"step-r1-v-mini": {
|
||||
"description": "該模型是擁有強大的圖像理解能力的推理大模型，能夠處理圖像和文字信息，經過深度思考後輸出文本生成文本內容。該模型在視覺推理領域表現突出，同時擁有第一梯隊的數學、程式碼、文本推理能力。上下文長度為100k。"
|
||||
},
|
||||
"step3": {
|
||||
"description": "Step3 是階躍星辰推出的多模態模型，具備強大的視覺理解能力。"
|
||||
},
|
||||
"stepfun-ai/step3": {
|
||||
"description": "Step3 是由階躍星辰（StepFun）發布的前沿多模態推理模型，它基於擁有 321B 總參數和 38B 激活參數的專家混合（MoE）架構構建。該模型採用端到端設計，旨在將解碼成本降到最低，同時在視覺-語言推理方面提供頂級效能。透過多矩陣分解注意力（MFA）與注意力與 FFN 解耦（AFD）的協同設計，Step3 在旗艦級與較低階的加速器上仍能維持卓越效率。在預訓練階段，Step3 處理了超過 20T 的文字 token 與 4T 的圖文混合 token，涵蓋十多種語言。該模型在數學、程式碼及多模態等多項基準測試中，均達到開源模型的領先水準。"
|
||||
},
|
||||
@@ -3359,6 +3473,9 @@
|
||||
"vercel/v0-1.5-md": {
|
||||
"description": "訪問 v0 背後的模型以生成、修復和優化現代 Web 應用，具有特定框架的推理和最新知識。"
|
||||
},
|
||||
"volcengine/doubao-seed-code": {
|
||||
"description": "Doubao-Seed-Code 是字節火山引擎針對 Agentic Programming 優化的大模型，在多項編程與代理基準上表現優異，支援 256K 上下文。"
|
||||
},
|
||||
"wan2.2-t2i-flash": {
|
||||
"description": "萬相2.2極速版，當前最新模型。在創意性、穩定性、寫實質感上全面升級，生成速度快，性價比高。"
|
||||
},
|
||||
@@ -3386,11 +3503,23 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 是微軟 AI 提供的語言模型，在複雜對話、多語言、推理和智能助手領域表現尤為出色。"
|
||||
},
|
||||
"x-ai/grok-4": {
|
||||
"description": "Grok 4 是 xAI 的旗艦推理模型，提供強大的推理與多模態能力。"
|
||||
},
|
||||
"x-ai/grok-4-fast": {
|
||||
"description": "我們很高興推出 Grok 4 Fast，這是我們在成本效益推理模型方面的最新進展。"
|
||||
"description": "Grok 4 Fast 是 xAI 的高吞吐、低成本模型（支援 2M 上下文視窗），適合需要高併發與長上下文的使用場景。"
|
||||
},
|
||||
"x-ai/grok-4-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast（Non-Reasoning）是 xAI 的高吞吐、低成本多模態模型（支援 2M 上下文視窗），適用於對延遲與成本敏感但不需啟用模型內推理的場景。與 Grok 4 Fast 的 reasoning 版本並列，可透過 API 的 reasoning enable 參數在需要時啟用推理功能。Prompts 與 completions 可能會被 xAI 或 OpenRouter 用於改進未來模型。"
|
||||
},
|
||||
"x-ai/grok-4.1-fast": {
|
||||
"description": "Grok 4 Fast 是 xAI 的高吞吐、低成本模型（支援 2M 上下文視窗），適合需要高併發與長上下文的使用場景。"
|
||||
},
|
||||
"x-ai/grok-4.1-fast-non-reasoning": {
|
||||
"description": "Grok 4 Fast（Non-Reasoning）是 xAI 的高吞吐、低成本多模態模型（支援 2M 上下文視窗），適用於對延遲與成本敏感但不需啟用模型內推理的場景。與 Grok 4 Fast 的 reasoning 版本並列，可透過 API 的 reasoning enable 參數在需要時啟用推理功能。Prompts 與 completions 可能會被 xAI 或 OpenRouter 用於改進未來模型。"
|
||||
},
|
||||
"x-ai/grok-code-fast-1": {
|
||||
"description": "我們很高興推出 grok-code-fast-1，這是一款快速且具成本效益的推理模型，在代理編碼方面表現優異。"
|
||||
"description": "Grok Code Fast 1 是 xAI 的快速程式碼模型，輸出具可讀性與工程適配性。"
|
||||
},
|
||||
"x1": {
|
||||
"description": "Spark X1 模型將進一步升級，在原來數學任務國內領先的基礎上，推理、文本生成、語言理解等通用任務實現效果對標 OpenAI o1 和 DeepSeek R1。"
|
||||
@@ -3452,8 +3581,14 @@
|
||||
"yi-vision-v2": {
|
||||
"description": "複雜視覺任務模型，提供基於多張圖片的高性能理解、分析能力。"
|
||||
},
|
||||
"z-ai/glm-4.5": {
|
||||
"description": "GLM 4.5 是 Z.AI 的旗艦模型，支援混合推理模式並針對工程與長上下文任務進行優化。"
|
||||
},
|
||||
"z-ai/glm-4.5-air": {
|
||||
"description": "GLM 4.5 Air 是 GLM 4.5 的輕量化版本，適合成本敏感場景但保有強大推理能力。"
|
||||
},
|
||||
"z-ai/glm-4.6": {
|
||||
"description": "智譜最新旗艦模型 GLM-4.6，在高階編碼、長文本處理、推理與智慧體能力上全面超越前代。"
|
||||
"description": "GLM 4.6 是 Z.AI 的旗艦模型，擴展上下文長度與編碼能力。"
|
||||
},
|
||||
"zai-org/GLM-4.5": {
|
||||
"description": "GLM-4.5 是一款專為智能體應用打造的基礎模型，使用了混合專家（Mixture-of-Experts）架構。在工具調用、網頁瀏覽、軟體工程、前端程式設計領域進行了深度優化，支持無縫接入 Claude Code、Roo Code 等程式碼智能體中使用。GLM-4.5 採用混合推理模式，可以適應複雜推理和日常使用等多種應用場景。"
|
||||
@@ -3475,5 +3610,8 @@
|
||||
},
|
||||
"zai/glm-4.5v": {
|
||||
"description": "GLM-4.5V 基於 GLM-4.5-Air 基礎模型構建，繼承了 GLM-4.1V-Thinking 的經過驗證的技術，同時透過強大的 1060 億參數 MoE 架構實現了有效的擴展。"
|
||||
},
|
||||
"zenmux/auto": {
|
||||
"description": "ZenMux 的自動路由功能會根據你的請求內容，在支援的模型中自動選擇目前性價比最高、表現最佳的模型。"
|
||||
}
|
||||
}
|
||||
|
||||
@@ -191,6 +191,9 @@
|
||||
"xinference": {
|
||||
"description": "Xorbits推論（Xinference）是一個開源平台，用於簡化各種AI模型的運行與整合。透過Xinference，您可以在雲端或本地環境中使用任何開源LLM、嵌入模型和多模態模型進行推論，並創建強大的AI應用程式。"
|
||||
},
|
||||
"zenmux": {
|
||||
"description": "ZenMux 是一個統一的 AI 服務整合平台，支援 OpenAI、Anthropic、Google VertexAI 等多種主流 AI 服務介面。提供靈活的路由功能，讓您可以輕鬆切換與管理不同的 AI 模型。"
|
||||
},
|
||||
"zeroone": {
|
||||
"description": "01.AI 專注於 AI 2.0 時代的人工智慧技術，大力推動「人+人工智慧」的創新和應用，採用超強大模型和先進 AI 技術以提升人類生產力，實現技術賦能。"
|
||||
},
|
||||
|
||||
@@ -1,10 +1,13 @@
|
||||
import type { ChatModelCard } from '@lobechat/types';
|
||||
import { omit } from 'lodash-es';
|
||||
import { AiModelType, CHAT_MODEL_IMAGE_GENERATION_PARAMS } from 'model-bank';
|
||||
|
||||
// Whitelist for automatic image model generation
|
||||
export const IMAGE_GENERATION_MODEL_WHITELIST = [
|
||||
'gemini-2.5-flash-image-preview',
|
||||
'gemini-2.5-flash-image-preview:free',
|
||||
'gemini-3-pro-image-preview',
|
||||
'gemini-3-pro-image-preview:free',
|
||||
// More models can be added in the future
|
||||
] as const;
|
||||
|
||||
@@ -41,19 +44,18 @@ export async function postProcessModelList(
|
||||
const matchingModels = finalModels.filter((model) => model.id.endsWith(whitelistPattern));
|
||||
|
||||
for (const model of matchingModels) {
|
||||
// Blacklist: remove unnecessary properties, keep the rest
|
||||
const {
|
||||
files, // drop
|
||||
functionCall, // drop
|
||||
reasoning, // drop
|
||||
search, // drop
|
||||
imageOutput, // drop
|
||||
video, // drop
|
||||
vision, // drop
|
||||
type: _dropType, // will be overwritten
|
||||
parameters: _dropParams, // will be overwritten
|
||||
...rest
|
||||
} = model;
|
||||
// Remove unnecessary properties, keep the rest
|
||||
const rest = omit(model, [
|
||||
'files',
|
||||
'functionCall',
|
||||
'reasoning',
|
||||
'search',
|
||||
'imageOutput',
|
||||
'video',
|
||||
'vision',
|
||||
'type',
|
||||
'parameters',
|
||||
]);
|
||||
|
||||
imageModels.push({
|
||||
...rest, // Keep other fields (such as displayName, pricing, enabled, contextWindowTokens, etc.)
|
||||
|
||||
Reference in New Issue
Block a user