基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 84991
GLM 4.5V
智谱 AIGLM-4.5V is a vision-language foundation model for multimodal agent applications. Built on a Mixture-of-Experts (MoE) architecture with 106B parameters and 12B activated parameters, it achieves state-of-the-art results in video understanding,...
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
$0.6 / 백만 입력 토큰OpenRouter · z-ai/glm-4.5v
자세히 보기 ↗GLM 4.6V
智谱 AIGLM-4.6V is a large multimodal model designed for high-fidelity visual understanding and long-context reasoning across images, documents, and mixed media. It supports up to 128K tokens, processes complex page layouts...
번역 대기 중 · 원문 표시
입력 이미지 · 텍스트 · 영상→ 출력 텍스트
$0.3 / 백만 입력 토큰OpenRouter · z-ai/glm-4.6v
자세히 보기 ↗GLM 4.7 Flash
智谱 AIAs a 30B-class SOTA model, GLM-4.7-Flash offers a new option that balances performance and efficiency. It is further optimized for agentic coding use cases, strengthening coding capabilities, long-horizon task planning,...
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
$0.0605 / 백만 입력 토큰OpenRouter · z-ai/glm-4.7-flash
자세히 보기 ↗GLM 5.3 (batch)
智谱 AIGLM-5.3 is a large-scale reasoning model from Z.ai, built for complex software engineering and long-horizon agent tasks. It supports text input and output with a 1M-token context window, and improves...
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
$0.45 / 백만 입력 토큰OpenRouter · z-ai/glm-5.3:batch
자세히 보기 ↗GLM 5.3 FlashX
智谱 AIGLM-5.3-FlashX is the high-speed variant of Z.ai's GLM-5.3-Flash, a native multimodal model delivering inference speeds of up to 200 tokens/s. Built on the same hybrid sparse and linear attention architecture...
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지 · 영상→ 출력 텍스트
$0.37 / 백만 입력 토큰OpenRouter · z-ai/glm-5.3-flashx
자세히 보기 ↗GLM 5.3 FlashX Legal
智谱 AIGLM-5.3-FlashX-Legal (GLM-Legal) is Z.ai's legal-domain variant of GLM-5.3-FlashX, a native multimodal model that accepts text, image, and video input and produces text. It adds legal-domain mid-training and post-training with reinforcement...
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지 · 영상→ 출력 텍스트
$0.37 / 백만 입력 토큰OpenRouter · z-ai/glm-5.3-flashx-legal
자세히 보기 ↗GLM 5.3 Prime
智谱 AIGLM-5.3-Prime is the high-speed variant of Z.ai's GLM-5.3, inheriting its full capabilities while delivering 1.5–2× the output throughput through inference acceleration. It supports text input and output with a 1M-token...
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
$2.8 / 백만 입력 토큰OpenRouter · z-ai/glm-5.3-prime
자세히 보기 ↗GLM 5V Turbo
智谱 AIGLM-5V-Turbo is Z.ai’s first native multimodal agent foundation model, built for vision-based coding and agent-driven tasks. It natively handles image, video, and text inputs, excels at long-horizon planning, complex coding,...
번역 대기 중 · 원문 표시
입력 이미지 · 텍스트 · 영상→ 출력 텍스트
$1.2 / 백만 입력 토큰OpenRouter · z-ai/glm-5v-turbo
자세히 보기 ↗PatentSBERTa
AI-Growth-LabThis is a sentence-transformers model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search. Using this model becomes easy when you have sentence-transformers installed: Without sentence-transformers, you can use the model like this: First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DUSK-target
AI-ISL基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗CaseLawModernBERT-large
ai-law-society-lab基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ai_music_detection_large_60s
AI-Music-Detection基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗anime-desire-illustrious
AI-PornModel for generating beautiful anime and hentai in various styles. Excellent for adult content, understands many characters, settings and titles. Make the image and feel free to share your creations with the PornWorks community!
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 이미지
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 이미지
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗somo-olmo-7b-sdf-sft
ai-safety-institute基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Giga-Embeddings-instruct
ai-sage- Base Decoder-only LLM: GigaChat-3b - Pooling Type: Latent-Attention - Embedding Dimension: 2048 Для получения более подробной информации о технических деталях, пожалуйста, обратитесь к нашей статье. Для достижения более точных результатов при работе с эмбеддингами, особенно в задачах поиска и извлечения информации (retrieval), рекомендуется добавлять инструкцию на естественном языке перед текстовым запросом (query). Это помогает модели лучше понять контекст и цель запроса, что положительно сказывается на качестве результатов. Важно отметить, что инструкцию нужно добавлять только перед запросом, а не перед документом.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Следующая итерация серии Giga-Embeddings. Модель текстовых эмбеддингов на основе архитектуры Qwen3, адаптированная под **двунаправленное (encoder-style) внимание** и обученная с контрастивной функцией потерь (InfoNCE). Модель строит плотные эмбеддинги предложений/абзацев для задач поиска (retrieval), семантического сравнения, классификации и кластеризации, показывая высокое качество на русском и английском языках. Модель обучалась с **mean pooling + L2-нормализацией**. Использование CLS/last-token пулинга даст неверные результаты. Если вы используете `transformers` напрямую, необходимо самостоятельно усреднить (mean-pool) по не-паддинговым токенам и затем применить L2-нормализацию (см. пример ниже). В примерах для `sentence-transformers` и vLLM это делается автоматически. Сравнивайте эмбеддинги через косинусную близость (скалярное произведение нормированных векторов). Модель обучалась в **инструктивном стиле**: для retrieval и других асимметричных задач необходимо добавлять инструкцию к **запросу** (query), а документы кодируются как есть, без инструкции. Формат:
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Следующая итерация серии Giga-Embeddings. Модель текстовых эмбеддингов на основе архитектуры Qwen3, адаптированная под **двунаправленное (encoder-style) внимание** и обученная с контрастивной функцией потерь (InfoNCE). Модель строит плотные эмбеддинги предложений/абзацев для задач поиска (retrieval), семантического сравнения, классификации и кластеризации, показывая высокое качество на русском и английском языках. Модель обучалась с **mean pooling + L2-нормализацией**. Использование CLS/last-token пулинга даст неверные результаты. Если вы используете `transformers` напрямую, необходимо самостоятельно усреднить (mean-pool) по не-паддинговым токенам и затем применить L2-нормализацию (см. пример ниже). В примерах для `sentence-transformers` и vLLM это делается автоматически. Сравнивайте эмбеддинги через косинусную близость (скалярное произведение нормированных векторов). Модель обучалась в **инструктивном стиле**: для retrieval и других асимметричных задач необходимо добавлять инструкцию к **запросу** (query), а документы кодируются как есть, без инструкции. Формат:
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗GigaAM-Multilingual
ai-sageGigaAM Multilingual is a family of Conformer-based foundation models (220M / 600M parameters) pre-trained with a HuBERT-style objective on **2M hours** of speech across **70+ languages** and fine-tuned for speech recognition with character-wise CTC decoders on 50K hours. The models provide best-in-class open-source quality on Russian, Kazakh, Kyrgyz, and Uzbek, and moderate quality on English. GigaAM Multilingual includes the following model variants: - `ssl` — 220M self-supervised encoder - `ctc` — 220M ASR model with a character-wise CTC decoder - `large_ssl` — 600M self-supervised encoder - `large_ctc` — 600M ASR model with a character-wise CTC decoder
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗GigaAM-v3
ai-sageGigaAM-v3 is a Conformer-based foundation model with 220–240M parameters, pretrained on diverse Russian speech data using the HuBERT-CTC objective. It is the third generation of the GigaAM family and provides state-of-the-art performance on Russian ASR across a wide range of domains. GigaAM-v3 includes the following model variants: - `ssl` — self-supervised HuBERT–CTC encoder pre-trained on 700,000 hours of Russian speech - `ctc` — ASR model fine-tuned with a CTC decoder - `rnnt` — ASR model fine-tuned with an RNN-T decoder - `e2e_ctc` — end-to-end CTC model with punctuation and text normalization - `e2e_rnnt` — end-to-end RNN-T model with punctuation and text normalization `GigaAM-v3` training incorporates new internal datasets: callcenter conversations, speech with background music, natural speech, and speech with atypical characteristics. the models perform on average **30%** better on these new domains, while maintaining the same quality as previous GigaAM generations on public benchmarks.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.