DISCOVER & COMPARE
探索 AI 模型 105
为你发现值得关注的模型 
Muse Wonder 是 Meta 推出的一款前沿推理模型，专为复杂的个人与专业代理任务而设计。它能够接受文本、图像、视频、音频以及 PDF 文档，并返回文本，同时……
输入 文本 · 图像 · 音频 · 视频→ 输出 文本
$4 / M 输入 TokenOpenRouter · meta/muse-wonder
查看详情 ↗Muse Spark Open 是一款针对编码优化的开放权重模型。它专为智能体驱动的编码工作流而训练，能够在开发者所使用的代码仓库中实现更高的首次尝试准确率、可靠的工具调用以及对代码库的深入理解……
输入 文本 · 图像 · 音频 · 视频→ 输出 文本
$1.25 / M 输入 TokenOpenRouter · meta/muse-spark-open
查看详情 ↗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。
输入 待核验→ 输出 待核验
专为编程和代码分析设计的Llama模型，具有高级代码理解能力。
输入 待核验→ 输出 待核验
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。
输入 待核验→ 输出 待核验
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。
输入 文本→ 输出 文本
高容量的Llama模型，适合复杂的分析和预测任务。
输入 文本→ 输出 文本
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。
输入 文本→ 输出 文本
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。
输入 文本→ 输出 文本
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。
输入 文本→ 输出 文本
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。
输入 文本→ 输出 文本
Meta 最新推出的模型系列（Llama 3.1）推出了多种规模与版本。这款经过指令微调的 8B 版本速度快、效率高，并且在与……的对比中展现出强劲的性能。
输入 文本→ 输出 文本
$0.05 / M 输入 TokenOpenRouter · meta-llama/llama-3.1-8b-instruct
查看详情 ↗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。
输入 文本 · 图像→ 输出 文本
Llama 3.2 1B 是一款拥有 10 亿参数的语言模型，专注于高效执行自然语言任务，如摘要生成、对话以及多语言文本分析。其较小的规模使其能够运行……
输入 文本→ 输出 文本
$0.027 / M 输入 TokenOpenRouter · meta-llama/llama-3.2-1b-instruct
查看详情 ↗Llama 3.2 3B 是一款拥有 30 亿参数的多语言大型语言模型，专为对话生成、推理和摘要等高级自然语言处理任务而优化。它采用最新的 Transformer 架构设计，……
输入 文本→ 输出 文本
$0.05 / M 输入 TokenOpenRouter · meta-llama/llama-3.2-3b-instruct
查看详情 ↗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。
输入 文本 · 图像→ 输出 文本
70 亿参数的 Meta Llama 3 模型，适用于多种对话应用。
分类待补充
输入 待核验→ 输出 待核验
7亿参数的最新Meta Llama 3模型。
分类待补充
输入 待核验→ 输出 待核验
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。
分类待补充
输入 待核验→ 输出 待核验
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。
分类待补充
输入 待核验→ 输出 待核验
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。
分类待补充
输入 待核验→ 输出 待核验
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。
分类待补充
输入 待核验→ 输出 待核验
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。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 文本
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。
输入 文本→ 输出 文本
暂未找到匹配模型
可以调整厂商、分类或输入输出条件；新模型正持续收录。
调整月度 Token 用量，直观比较不同模型的预估 API 开支。
使用已采集且单位可比的 USD / 百万 Token 渠道报价。报价为采集时快照；不计缓存优惠、阶梯价、推理额外输出与税费，请以来源的当前报价为准。
API 价格应该怎么比较？+
先区分输入、输出和缓存价格，再使用同一任务和用量估算总费用。图像、音频和视频可能按张、时长或分辨率计费，不能直接与 Token 单价比较。
开放权重，就代表可以免费商用吗？+
不一定。必须逐一核对具体模型版本的许可证、商用限制及使用政策。自己部署还需要考虑显存、推理资源和运维费用。
排行榜第一，就是最适合我的模型吗？+
榜单取决于测试任务、版本与评测方法。建议用实际业务样本比较准确性、时延、稳定性和成本，再选择模型。
