一、语言模型
| 模型名称 | model（调用参数） | 能力支持 | 上下文窗口（Token） | 最大输入（Token） | 最大输出（Token） |
| Hy4 | hy4 | 深度思考（保留式思考）结构化输出Function CallingCache 缓存图片理解 | 1M | 960k | 64k |
| Hy4 preview | hy4-preview | 深度思考（保留式思考）结构化输出Function CallingCache 缓存 | 1M | 960k | 64k |
| Hy3 | hy3 | 深度思考（保留式思考）结构化输出Function CallingCache 缓存 | 256k | 192k | 128k |
| Hy-MT2-Pro | hy-mt2-pro | 混元翻译旗舰模型，适合专业领域等对译文质量要求高的场景 | 8k | 4k | 4k |
| Hy-MT2-Plus | hy-mt2-plus | 混元翻译模型，有优秀的指令遵循能力 | 8k | 4k | 4k |
| Hy-MT2-Lite | hy-mt2-lite | 混元翻译轻量级模型，适合对耗时有高要求的场景 | 8k | 4k | 4k |
| Hy-Role-Latest | hunyuan-role-latest | 角色扮演模型深度优化聊天体验与剧情互动 | 32k | 28k | 4k |
| Hy-Role | hy-role | 角色扮演模型贴合各种人设、剧情演绎 | 32k | 28k | 4k |
| DeepSeek-V4.1-Flash-1017 原厂直供 | deepseek/deepseek-flash | 深度思考结构化输出Function CallingCache 缓存图片理解 | 1M | 1M | 384k |
| DeepSeek-V4-Flash 0731 正式版 原厂直供 | deepseek-v4-flash-202605deepseek/deepseek-v4-flash-0731deepseek/deepseek-v4-flash | 深度思考结构化输出Function CallingCache 缓存图片理解 | 1M | 1M | 384k |
| DeepSeek-V4-Pro 0813 正式版 原厂直供 | deepseek-v4-pro-202606deepseek/deepseek-v4-pro-0813deepseek/deepseek-v4-pro | 深度思考结构化输出Function CallingCache 缓存 | 1M | 1M | 384k |
| DeepSeek-V4-Flash-Vision-Exp 原厂直供 | deepseek/deepseek-v4-flash-vision-exp | 深度思考结构化输出Function CallingCache 缓存图片理解 | 1M | 1M | 384k |
| DeepSeek-V4.1-Flash-1017 | deepseek-v4.1-flash-1017 | 深度思考结构化输出Function CallingCache 缓存图片理解 | 1M | 1M | 384k |
| DeepSeek-V4.1-Flash | deepseek-v4.1-flash | 深度思考结构化输出Function CallingCache 缓存图片理解 | 1M | 1M | 384k |
| DeepSeek-V4-Pro 0813 正式版 | deepseek-v4-pro-0813 | 深度思考结构化输出Function CallingCache 缓存 | 1M | 1M | 384k |
| DeepSeek-V4-Pro | deepseek-v4-pro | 深度思考结构化输出Function CallingCache 缓存 | 1M | 1M | 384k |
| GLM-5.3-Flash | glm-5.3-flash | 深度思考结构化输出Function CallingCache 缓存多模态理解 | 1M | 1M | 128k |
| GLM-5.3-FlashX | glm-5.3-flashx | 深度思考结构化输出Function CallingCache 缓存多模态理解 | 1M | 1M | 128k |
| GLM-5.3 | glm-5.3 | 深度思考结构化输出Function CallingCache 缓存 | 1M | 1M | 128k |
| GLM-5.2 | glm-5.2 | 深度思考结构化输出Function CallingCache 缓存 | 1M | 1M | 128k |
| GLM-5V-Turbo（2026-10-30下线） | glm-5v-turbo | 深度思考结构化输出Function CallingCache 缓存图片、视频理解 | 200k | 200k | 128k |
| Kimi K2.7 Code HighSpeed | kimi-k2.7-code-highspeed | 深度思考结构化输出Function CallingCache 缓存图片、视频理解 | 256k | 256k | 256k |
| Kimi K3.1 Pro HighSpeed | kimi-k3.1-pro-highspeed | 深度思考结构化输出Function CallingCache 缓存图片、视频理解 | 1M | 1M | 1M |
| Kimi K3.1 Pro | kimi-k3.1-pro | 深度思考结构化输出Function CallingCache 缓存图片、视频理解 | 1M | 1M | 1M |
| Kimi K3 | kimi-k3 | 深度思考结构化输出Function CallingCache 缓存图片、视频理解 | 1M | 1M | 1M |
| Kimi K2.8 Preview | kimi-k2.8-preview | 深度思考结构化输出Function CallingCache 缓存图片、视频理解 | 1M | 1M | 1M |
| Kimi K2.7 Code | kimi-k2.7-code | 深度思考结构化输出Function CallingCache 缓存图片、视频理解 | 256k | 256k | 256k |
| Kimi-K2.6 | kimi-k2.6 | 深度思考结构化输出Function CallingCache 缓存图片、视频理解 | 256k | 256k | 256k |
| MiniMax-M3.1-Flash | minimax-m3.1-flash | 深度思考Function CallingCache 缓存多模态理解 | 1M | 1M | 512k |
| MiniMax-M3 | minimax-m3 | 深度思考Function CallingCache 缓存图片、视频理解 | 1M | 1M | – |
| MiniMax-M2.7 (2026-11-17下线) | minimax-m2.7 | 深度思考Function CallingCache 缓存 | 200k | 200k | 128k |
| MiMo-V2.6-Pro | mimo-v2.6-pro | 深度思考结构化输出Function CallingCache 缓存多模态理解 | 1M | 1M | 128k |
| MiMo-V2.6-Flash | mimo-v2.6-flash | 深度思考结构化输出Function CallingCache 缓存多模态理解 | 1M | 1M | 128k |
| MiMo-V2.5-Pro | mimo-v2.5-pro | 深度思考结构化输出Function CallingCache 缓存 | 1M | 1M | 128k |
| Step 5 Preview | step-5-preview | 深度思考结构化输出Function CallingCache 缓存多模态理解 | 1M | 1M | 64k |
二、图像生成
| 模型名称 | model（调用参数） | 模型介绍 | 任务类型 | 默认并发数 |
| Hy-Image-3.5-preview | hy-image-v3.5-preview | 混元 Image-3.5 生图模型，腾讯混元新一代图像生成模型，从意图理解到视觉表达，全面提升内容交付能力。 | 文生图图生图 | 5 |
| Hy-Image-3.0（2026-11-12 下线） | hy-image-v3 | 混元 Image-3.0 生图模型，能够去思考图像的布局、构图、笔触，利用世界知识去推理常识性的画面。同时可以解析千字级别的复杂语义，生成长文这篇字、复杂漫画、表情包，还能生成生动有趣的科普插画。 | 文生图图生图 | 5 |
| WAND-Vega-Image-1.0-Lite | wand-vega-image-lite | WAND-Vega-Image-1.0-Lite 生图模型，成本更低、生成速度更快，适合电商商品图、批量素材等大规模生成场景，在可控预算下快速产出可用图像。 | 文生图图生图 | 5 |
| WAND-Vega-Image-1.0-Flash | wand-vega-image-flash | WAND-Vega-Image-1.0-Flash 生图模型，生成速度与画面质量均衡，适合短视频封面、社交媒体配图、营销物料等日常创作场景，兼顾效率与效果。 | 文生图图生图 | 5 |
| WAND-Vega-Image-1.0-Pro | wand-vega-image-pro | WAND-Vega-Image-1.0-Pro 生图模型，画质优先、细节表现更精，适合品牌视觉、精修主图、高质量设计素材等专业创作场景，稳定产出精细图像。 | 文生图图生图 | 5 |
| HiDream-O1-Image-1.5 | hidream-image-o1-1.5 | 商用级文生图，字准版稳，原生 2K 直出 | 文生图 | 5 |
| HiDream-O1-Image-Edit-1.5 | hidream-image-o1-1.5-edit | 一句话改图，无需蒙版，多图锁定主体 | 图生图 | 5 |
| Kling-Image-v3 | kling-image-v3 | 利用参考图片对单张图像进行精确编辑与修改，兼具高画质与通用创作能力。 | 文生图图生图 | 5 |
| Kling-Image-o1 | kling-image-o1 | 仅通过提示词即可实现文生图和图生图等多种基础能力，侧重于对基础文本逻辑的理解与快速生成。 | 文生图图生图 | 5 |
| Kling-Image-v3-omni | kling-image-v3-omni | AI 图像叙事和跨模态融合上表现更优，能够深度优化图文生成逻辑，非常适合电影级或复杂视觉场景的图像创作。 | 文生图图生图 | 5 |
| Vidu-Image-q2 | vidu-image-q2 | 支持参考生图、文生图、图片编辑，对中英文字的精准渲染、UI/图表等设计细节的像素级还原，适合制作海报、信息图等。 | 文生图图生图 | 5 |
| Seedream-Image-v5.0-flash | seedream-image-v5.0-flash | Seedream 5.0 Flash，能力与 5.0 Pro 同源：支持文生图、最多 10 张参考图的图文生图与多图融合；可通过框选、点位、箭头、坐标等标记精准指定编辑区域（交互编辑）；输出 1K/1.5K/2K 分辨率，生图速度更快、价格更低，适合对时延与成本敏感的场景。 | 文生图图生图 | 5 |
| Seedream-Image-v5.0-pro | seedream-image-v5.0-pro | Seedream-5.0-pro 模型将图像创作推进到可控生产的新阶段，主要亮点是编辑更可控、生产更落地、效果更自然。 | 文生图图生图 | 5 |
| Seedream-Image-v5.0-lite（2026-11-24 下线） | seedream-image-v5.0-lite | 轻量快速的 Seedream 5.0 入门版，首次搭载联网实时检索，兼具精准编辑与逻辑推理能力，适合热点时效内容、复杂指令和高并发低成本的生产场景。 | 文生图图生图 | 5 |
| HY-Image-V3.0（2026-09-15下线） | hy-image-v3.0 | 基于混元大模型，能够思考图像的布局、构图、笔触，利用世界知识去推理常识性的画面。同时可以解析千字级别的复杂语义，支持生成长文这篇字、漫画、表情包等内容。 | 文生图图生图 | 1 |
| HY-Image-Lite（2026-09-15下线） | hy-image-lite | 采用超高压缩编解码器，实现图像生成快速响应与高品质输出。适用于电商、设计、游戏等场景。 | 文生图 | 1 |
三、视频生成
| 模型名称 | model（调用参数） | 模型介绍 | 任务类型 | 默认并发数 |
| WAND-Vega-Video-1.0-Lite | wand-vega-video-1.0-lite | WAND-Vega-Video-1.0-Lite 视频生成模型，成本更低、生成速度更快，支持多模态参考输入与内容精准编辑，适合电商产品展示、批量短视频素材等规模化生产场景，在可控预算下快速产出可用视频内容。 | 文生视频图生视频参考生视频 | 5 |
| MiniMax-Video-H3-Max | minimax-video-h3-max | MiniMax H3 Max，多模态视频生成模型，音频与画面单次生成，支持首尾帧控制与角色一致性保持，5 秒片段秒级出片。 | 文生视频图生视频 | 5 |
| MiniMax-Video-H3 | minimax-video-h3 | 原生多模态理解与生成：支持文字、图片、音频、视频多种输入输出，完成一体化内容创作；多模态精准编辑与控制：支持替换、参考等细节修改，让内容调整更可控；商用级多场景内容生成：覆盖影视、广告、游戏、品牌、电商等高频场景，支持内容生产交付。 | 文生视频图生视频参考生视频 | 5 |
| MiniMax-Video-v2.3 | minimax-video-v2.3 | Minimax-v2.3生视频模型，在肢体动作自然度、风格化表现力与角色微表情刻画上大幅提升，物理运动表现较好、复杂指令遵循能力强，适用于广告营销、创意短片与数字人内容制作。 | 文生视频图生视频 | 5 |
| MiniMax-Video-v2.3-fast | minimax-video-v2.3-fast | Minimax-v2.3-fast 生视频模型，通过推理优化在保持核心画质表现的同时提升生成速度、降低调用成本，适用于对时效要求高的营销素材批量生产与快速迭代场景。 | 文生视频图生视频 | 5 |
| Kling-Video-v4 | kling-video-v4 | 支持大幅度动态与复杂运镜场景的视频生成，包括高速运动、跟拍、环绕等镜头，实际生成效果因输入素材、提示词及参数设置等因素而有所差异；单次原生生成 3–30 秒。关键帧模式支持首帧、首尾帧及时间轴任意位置的中间帧，最多 10 张；全能参考单任务可组合最多 15 项素材（图片、视频、主体、音色）。音画同出，双声道立体声，多语种口型同步； | 文生视频图生视频参考生视频 | 5 |
| Kling-Video-v4-flash | kling-video-v4-flash | 快手可灵 Kling 4.0 系列的轻量版视频生成模型，面向高频创作场景，主打生成速度与性价比。 | 文生视频图生视频参考生视频 | 5 |
| Kling-Video-motion-control-v3.0 | kling-video-motion-control-v3.0 | 可灵 v3.0精准动作控制与姿态迁移模型，显著增强了复杂、多角度以及长达数秒动作中的面部特征稳定性与表情自然度。 | 动作控制 | 5 |
| Kling-Video-motion-control-v2.6 | kling-video-motion-control-v2.6 | 可灵 v2.6精准动作控制与姿态迁移模型，将参考视频中的动作、手势或面部表情精确迁移到静态的角色图像上。 | 动作控制 | 5 |
| Kling-Video-V3 | kling-video-v3 | 可灵 V3 生视频模型，支持智能分镜与15秒长视频生成，最高4K Ultra 画质输出，可实现场景切换与连续叙事，适用于企业广告营销与专业影视创作。 | 文生视频图生视频 | 5 |
| Kling-Video-V3-omni | kling-video-v3-omni | Kling 3.0 Omni 是可灵 3.0 系列的全能多模态视频模型，支持文本、图片、视频等输入，具备角色语音驱动、原生音频输出和分镜叙事能力，适合复杂故事化视频、多主体一致性和音画同步创作。 | 文生视频图生视频参考生视频 | 5 |
| Kling-Video-V3-turbo | kling-video-v3-turbo | 可灵 3.0 系列的高性价比快速版本，支持文本和图片输入，在保持稳定生成效果的同时提升生成效率，适合快速出片、营销短片、创意预览和成本敏感的视频生产场景。 | 文生视频图生视频 | 5 |
| Kling-Video-V2.6 | kling-video-v2.6 | 可灵 V2.6 生视频模型，支持画面与语音、音效、环境音同步生成，运动控制能力增强，适用于有声广告、短视频与多媒体内容创作。 | 文生视频图生视频 | 5 |
| Kling-Video-V2.5-turbo | kling-video-v2.5-turbo | 最新可灵 V2.5-turbo 生视频模型。支持文本与图像输入，在生成稳定性与创意想象力上全面升级，兼顾高性能与高性价比，适用于大批量视频生成与企业级内容生产。 | 文生视频图生视频 | 5 |
| Kling-Video-O1 | kling-video-o1 | 可灵统一视频模型，支持文本、图片等多模态输入，能够通过自然语言统一理解复杂创作指令，适合多模态参考、主体一致性、复杂场景生成和高一致性视频创作。 | 文生视频图生视频参考生视频 | 5 |
| Kling-Video-v3（2026-09-15下线） | kl-video-v3 | 支持智能分镜与15秒长视频生成，可实现场景切换与连续叙事，适用于企业广告营销与影视创作。 | 文生视频图生视频 | 5 |
| Kling-Video-v2.6（2026-09-15下线） | kl-video-v2-6 | 支持画面与语音、音效、环境音同步生成，适用于有声广告、短视频与多媒体内容创作。 | 文生视频图生视频 | 5 |
| Kling-Video-v2.5-turbo（2026-09-15下线） | kl-video-v2-5-turbo | 支持文本与图像输入，兼顾性能与性价比，适用于大批量视频生成。 | 文生视频图生视频 | 5 |
| Kling-Video-v2.1-master（2026-09-15下线） | kl-video-v2-1-master | 支持文本与图像输入，面向专业创作场景深度优化，1080P 适用于影视短片与精品内容制作。 | 文生视频图生视频 | 5 |
| Kling-Video-v2.1（2026-09-15下线） | kl-video-v2-1 | 支持图像输入，提供标准/高质量/大师三档质量模式，适用于大规模图生视频业务场景。 | 文生视频图生视频 | 5 |
| Kling-Video-v2-master（2026-09-15下线） | kl-video-v2-master | 支持文本与图像输入，适用于品牌广告与创意内容制作。 | 文生视频图生视频 | 5 |
| Kling-Video-v1.6（2026-09-15下线） | kl-video-v1-6 | 支持文本、图像及多图参考输入，提供标准与高品质双模式，适用于多角色交互与复杂场景的视频创作。 | 文生视频图生视频 | 5 |
| Kling-Video-v1.5（2026-09-15下线） | kl-video-v1-5 | 支持图像输入生成1080P 视频，适用于产品展示与创意内容场景。 | 文生视频图生视频 | 5 |
| Kling-Video-v1（2026-09-15下线） | kl-video-v1 | 支持文本与图像输入生成最高1080P 视频，覆盖通用视频生成基础能力，适用于内容创作与营销素材生产。 | 文生视频图生视频 | 5 |
| Vidu-Video-q4-preview | vidu-video-q4-preview | 面部表情、情绪、肢体动作与声音协同呈现，人物表演更细腻自然；支持最多 15 张图片参考与 3 段音频参考，在多机位切换间保持角色、服装、道具与产品的一致性，参考音频可锁定角色音色与情绪表达；镜头运动、剪辑与动作衔接更协调，爆炸、烟花、粒子等特效与画面融合更自然；原生音画同出（台词与音效）并支持智能自动切镜，输出 540p 至 4K、单条 3～16 秒，适用于漫剧、广告营销、社交内容与影视级创作场景。 | 文生视频图生视频参考生视频 | 5 |
| Vidu-Video-q3.0-pro | vidu-video-q3-pro | Vidu-q3.0-pro 生视频模型，在音视频一体生成基础上全面强化，画面保真度、音画同步精度与多角色叙事连贯性均达到更高水准，可一次生成16秒1080P 音视频直出成片，适用于对画质与声音表现有要求的短剧、广告与专业影视内容制作。 | 文生视频图生视频 | 5 |
| Vidu-Video-q3.0-turbo | vidu-video-q3-turbo | Vidu-q3.0-turbo 生视频模型，以更快生成速度和更低调用成本实现16秒音视频直出，适用于规模化内容生产与高频迭代场景。 | 文生视频图生视频参考生视频 | 5 |
| Vidu-Video-q3.0 | vidu-video-q3 | 支持参考生视频能力，可基于多张参考图和提示词生成主体一致的视频，支持智能切镜和音画同出，多机位一致性更好，适合多图参考、主体保持和复杂场景视频创作。 | 文生视频图生视频参考生视频 | 5 |
| Vidu-Video-q2.0 | vidu-video-q2 | Vidu-q2.0生视频模型，以细腻人物表情生成为核心能力，支持图像与首尾帧输入，可实现微表情与演技级动态刻画，时长2-8秒可选，适用于数字人、人物特写与情感表达类内容创作。 | 文生视频图生视频参考生视频 | 5 |
| Vidu-Video-q2.0-pro | vidu-video-q2-pro | Vidu-q2.0-pro 生视频模型，支持文本、图像、参考图等多模态输入，在表情还原度、运镜流畅性与语义理解深度上全面增强，可呈现电影级短片效果，适用于高品质广告与专业内容创作。 | 文生视频图生视频参考生视频 | 5 |
| Vidu-Video-q2.0-turbo | vidu-video-q2-turbo | Vidu-q2.0-turbo 生视频模型，以生成速度与最低调用成本为核心优势，适用于大规模批量生产与快速原型验证场景。 | 文生视频图生视频 | 5 |
| Vidu-Video-q3-pro（2026-09-15下线） | vd-video-q3-pro | 画面保真度、音画同步精度与多角色叙事连贯性提升，可一次生成16秒1080P 音视频直出成片，适用于对画质与声音表现要求高的专业创作。 | 文生视频图生视频 | 5 |
| Vidu-Video-q3-turbo（2026-09-15下线） | vd-video-q3-turbo | 支持16秒音视频直出，适用于规模化内容生产与高频迭代场景。 | 文生视频图生视频 | 5 |
| Vidu-Video-q2-pro（2026-09-15下线） | vd-video-q2-pro | 支持文本、图像、参考图等多模态输入，可用于高质量短片、专业内容创作。 | 文生视频图生视频 | 5 |
| Vidu-Video-q2-pro-fast（2026-09-15下线） | vd-video-q2-pro-fast | 通过优化的推理架构，在保持高画质输出的同时提升生成速度，适用于对出片效率有要求的营销素材与快速迭代场景。 | 文生视频图生视频 | 5 |
| Vidu-Video-q2-turbo（2026-09-15下线） | vd-video-q2-turbo | 生成成本低，速度快，适用于大规模批量生产与快速原型验证场景。 | 文生视频图生视频 | 5 |
| Vidu-Video-q2（2026-09-15下线） | vd-video-q2 | 支持图像与首尾帧输入，可实现微表情动态刻画，时长2-8秒可选，适用于数字人、人物特写与情感表达类内容创作。 | 文生视频图生视频 | 5 |
| PixVerse-Video-v6 | pixverse-video-v6.0 | 支持电影级摄像机控制、原生音频生成与多镜头连续输出，适用于专业影视创作与高品质广告制作。 | 文生视频图生视频 | 5 |
| PixVerse-Video-v5.6 | pixverse-video-v5.6 | 在电影级画面美学与人声表现力上进一步增强，动态控制更加精细，适用于对画面质感与人声效果有高要求的专业内容制作。 | 文生视频图生视频 | 5 |
| PixVerse-Video-c1 | pixverse-video-c1 | 面向影视行业深度优化，支持文本、图像、首尾帧及多宫格分镜参考等多模态输入，可直出15秒1080P 音画同步视频，具备工业级动作表现与影视级特效渲染能力，适用于短剧、动漫、仙侠特效与影视前期分镜制作场景。 | 文生视频图生视频 | 5 |
| HY-Video-1.5 | hy-video-1.5 | 支持文本、图像多模态输入生成高清视频，可实现场景切换与多角色交互，简化制作流程、降低成本，应用于企业广告营销与个人创意落地场景。 | 文生视频图生视频 | 5 |
| YT-Video-2.0 | yt-video-2.0 | 支持生成动态连贯性高、画面过渡自然的视频，适用于对质量要求较高的广告创意、影视片段和产品展示等场景。 | 图生视频 | 5 |
| YT-Video-HumanActor | yt-video-humanactor | 单张参考照片即可驱动生成动态人像视频，精准还原表情、姿态，支持写实、二次元等多风格切换。 | 图生视频 | 5 |
| YT-Video-FX | yt-video-fx | 通过上传图片和选择特效模板，生成一段特效视频，将静态图像转化为充满活力、动感、有趣的视频画面。 | 图生视频 | 5 |
四、3D 生成
| 模型名称 | model（调用参数） | 模型介绍 | 任务类型 | 默认并发数 |
| Hy-World-2.1-panorama | hy-world2-panorama | 混元世界模型 360 度全景图生成。输入一段文字或一张图片，模型即可合成高保真的 360 °全景图。 | 文生全景图图生全景图 | 1 |
| Hy-World-2.1-scene | hy-world2-scene | 混元世界模型3D 场景生成，输入一段文字或一张图片，模型即可合成高保真、可漫游的 3DGS/Mesh 场景。生成的世界支持自由行走与物理碰撞，可无缝对接创作引擎。 | 文生3D 场景图生3D 场景 | 1 |
| HY-3D-3.0 | hy-3d-3.0 | 采用混元生3D 3.0模型，可生成更高精度以及更高质量的3D 模型，支持文生3D、图生3D、多视图生3D、单几何生成（白模），草图生3D、智能拓扑生3D 功能。 | 文生3D图生3D | 3 |
| HY-3D-3.1 | hy-3d-3.1 | 采用混元生3D 3.1模型，可生成更高精度以及更高质量的3D 模型，支持文生3D、图生3D、八视图生3D、单几何生成（白模）功能。 | 文生3D图生3D | 3 |
| HY-3D-Express | hy-3d-express | 采用混元生3D 极速版模型，可将生成模型时间缩短至1分30秒内，可在较短时间内生成3D 模型文件。 | 文生3D图生3D | 1 |
| HY-3D-Component | hy-3d-component | 输入3D 模型后，可自动识别模型结构，生成对应模型的3D 组件。 | 组件拆分 | 1 |
| HY-3D-Format | hy-3d-format | 输入3D 模型文件后，可进行3D 模型文件格式转换。 | 格式转换 | 1 |
| HY-3D-Motion | hy-3d-motion | 输入文本后，可根据文本描述生成对应的 3D 人物动作数据，输出带动画数据的 FBX 文件。 | 文生3D | 1 |
| HY-3D-Retopology | hy-3d-retopology | 采用 Polygon 1.5模型，输入3D 高模后，可生成布线规整，较低面数的3D 模型。 | 拓扑重构 | 1 |
| HY-3D-Rigging | hy-3d-rigging | 3D 模型绑骨蒙皮接口，基于混元大模型，根据输入的人物或动物模型进行绑骨蒙皮，输出带骨骼信息的3D 模型。 | 绑骨蒙皮 | 1 |
| HY-3D-Texture | hy-3d-texture | 输入单几何模型和参考图或文字描述后，可生成对应的纹理贴图。 | 纹理生成 | 1 |
| HY-3D-UV | hy-3d-uv | 输入3D 模型后，可自动化生成高质量 UV 切线模型。 | UV 展开 | 1 |
| HY-3d-polygen-mesh | hy-3d-polygen-mesh | 基于输入的 3D 模型，通过大模型算法进行减面，生成低面片且布线更规整的 3D 模型。 | 智能减面 | 1 |
| HY-3d-polygen-image | hy-3d-polygen-image | 基于输入的图片，通过大模型算法，生成低面片且布线更规整的 3D 模型。 | 图生3D智能减面 | 1 |
| Tripo-3D-3.1 | tripo-3d-3.1 | 可实现高保真 3D 生成，支持最高 200 万面数（2M polygons）。 | 文生3D图生3D | 1 |
| Tripo-3D-P1 | tripo-3d-p1 | 即使在面数较低的情况下，它依然能提供极其精细且精准的几何体。 | 文生3D图生3D | 1 |
| Tripo-3D-P2 | tripo-3d-p2 | 面向高质量 3D 资产生成的模型，支持原生四边面拓扑及更高面数生成，网格结构更规整、细节表现更丰富，适用于角色、机械、车辆等复杂资产的后续编辑与生产使用。 | 文生3D图生3D | 1 |
| Tripo-3D-Rigging-Check | tripo-3d-rigging-check | 检查模型是否可以绑骨，并返回推荐的骨骼类型。 | 绑骨前检查 | 1 |
| Tripo-3D-Rigging | tripo-3d-rigging | 可为任意 3D 模型自动添加骨骼绑定。 | 自动绑骨 | 1 |
| Tripo-3D-Animation | tripo-3d-animation | 将预设动画应用到已绑骨的 3D 模型上。 | 动画重定向 | 1 |
| Tripo-3D-Format | tripo-3d-format | 将 3D 模型转换为其他格式，支持可选的网格处理、贴图烘焙和导出设置。 | 格式转换 | 1 |
| Hi3D-2.1 | hi3d-2.1 | Hi3D 是一站式 AI 3D 创作平台，由自研高精度 AI 3D 模型驱动，搭配全流程创作与生产工具，覆盖从生成到可用 3D 资产的完整链路。 | 图生3D | 1 |
| Hi3D-3.0 | hi3d-3.0 | Hi3D 是一站式 AI 3D 创作平台，由自研高精度 AI 3D 模型驱动，搭配全流程创作与生产工具，覆盖从生成到可用 3D 资产的完整链路。 | 图生3D | 1 |
| Rodin-Gen-3D-2.5 | rodin-gen-3d-2.5 | 全球首个千万面级 3D 生成模型，首次将 Thinking Effort 机制引入 3D 生成领域。 | 文生3D图生3D | 1 |
五、语音模型
| 模型类型 | 模型名称 | model（调用参数） | 模型介绍 | 默认并发数 |
| 音乐生成 | MiniMax-Music-v2.6 | minimax-music-v2.6 | MiniMax Music 2.6 高质量音乐生成模型 | 5 |
| | Mureka-Music-v9 | mureka-music-v9 | 昆仑万维音乐生成模型，对曲风、情绪、人声及乐器编配拥有较高的控制率和还原度。 | 5 |
| 语音合成 | Tenlai-TTS-v1 | tenlai-tts-v1.0 | Tenlai 系列语音合成大模型服务 | 5 |
| | IndexTTS-2 | indextts-2 | IndexTTS 系列语音模型服务 | 5 |
| | MiniMax-Speech-2.8-HD | minimax-speech-2.8-hd | MiniMax-Speech 系列语音模型服务 | 5 |
| | MiniMax-Speech-2.8-Turbo | minimax-speech-2.8-turbo | | 5 |
| | MiniMax-Speech-2.6-HD | minimax-speech-2.6-hd | | 5 |
| | MiniMax-Speech-2.6-Turbo | minimax-speech-2.6-turbo | | 5 |
| | MiniMax-Speech-02-HD | minimax-speech-02-hd | | 5 |
| | MiniMax-Speech-02-Turbo | minimax-speech-02-turbo | | 5 |
| | MiniMax-Voice-Clone | minimax-voice-clone | MiniMax 音色复刻能力(请注意合法使用、尊重他人知识产权) | 5 |
| | MiniMax-Voice-Design | minimax-voice-design | MiniMax 音色设计能力 | 5 |
| AI 配音 | WAND-Dubbing-Clone-v1 | wand-dubbing-clone-v1 | 腾讯云 WAND AI 配音 V1，视频翻译克隆配音模型，将原音替换为目标语言音色，一键生成多语种配音成片。 | 5 |
| | WAND-Dubbing-Clone-v2 | wand-dubbing-clone-v2 | WAND AI 配音 V2，视频翻译克隆配音升级模型，情绪表现、音色相似度与长视频稳定性全面增强。 | 5 |
| | WAND-Dubbing-STS-v1 | wand-dubbing-sts-v1 | WAND-Dubbing-STS-v1 是一款语音音色转换模型，它在完整保留原始语音内容的前提下，把说话人的音色换成指定声线：不改对白内容，替换音色后保留原始语速、停顿与情绪表演。 | 5 |
| 语音识别 | Tenlai-ASR-v1 | tenlai-asr-v1.0 | Tenlai 系列语音识别大模型服务。 | 5 |
| | WAND-ASR-v1 | wand-asr-v1 | 腾讯云 WAND ASR 模型，音视频转写文本并输出字幕与时间戳。 | 5 |
| | Hy-ASR-3.0-Preview | hy-asr-3.0-preview | Hy-ASR-3.0-Preview：中文普通话+英语＋多方言混合引擎，除中英外，支持多种方言，包括粤语、东北话、河南话、陕西话、成都话、重庆话、武汉话、贵阳话、青岛话、济南话、长沙话、合肥话等。 | 5 |
六、多模态理解模型
| 模型名称 | model（调用参数） | 模型介绍 | 上下文窗口（Token） | 最大输入（Token） | 最大输出（Token） |
| YT-VITA | youtu-vita | VITA 是一款多模态理解模型，支持对视频和图片内容进行分析，可用于视频结构解析、图像目标检测等场景。 | 128k | 100k | 15k |
| HY-Vision-2.0-Instruct | hy-vision-2.0-instruct | 快思考模型，适用通用图生文场景。相比上代模型在基础感知、内容识别、知识、OCR、STEM、推理、图表理解等维度有明显提升。 | 44k | 24k | 16k |
| HY-Vision-1.5-Thinking | hunyuan-t1-vision-20250916 | 深度思考模型，适用通用图文问答、视觉定位、OCR、图表、拍题解题、看图创作等任务，且优化了英文及小语种能力。 | 40k | 16k | 24k |
| HY-Vision-Video | hunyuan-turbos-vision-video-20250728 | 视频理解模型，支持视频描述、视频内容问答等基本的视频理解能力。 | 32k | 24k | 8k |
七、向量模型
| 模型名称 | model（调用参数） | 模型介绍 | 输出维度 | 上下文窗口（Token） |
| Kinfra-Text-Embedding-0.6b | kinfra-text-embedding-0.6b | 轻量文本向量模型，适合大规模文本召回、延迟敏感、成本敏感场景。 | 1024 | 32k |
| Kinfra-Text-Embedding-4b | kinfra-text-embedding-4b | 高质量文本向量模型，适合高质量文本检索、深层语义理解场景。 | 2560 | 32k |
| Kinfra-VL-Embedding-2b | kinfra-vl-embedding-2b | 轻量多模态向量模型，支持文本、图片、视频输入，适合多模态在线检索、视频检索、响应速度优先场景。 | 2048 | 32k |
| Kinfra-VL-Embedding-8b | kinfra-vl-embedding-8b | 高精度多模态向量模型，支持文本、图片、视频输入，适合高精度多模态检索、精度优先场景。 | 4096 | 32k |
注意：说明：
注意：以上模型均支持 30 余种主流语言，包括中文、英语、日语、韩语、法语、德语、俄语、葡萄牙语、西班牙语等。
八、深度思考
模型在生成最终回答前，先进行内部思维链（Chain-of-Thought）推理，通过逐步分析和拆解问题，提升复杂任务（如数学、逻辑推理、代码生成等）的回答准确性。
九、结构化输出
模型支持按照指定的格式（如 JSON Schema）输出结构化数据，便于下游程序直接解析和使用，适用于信息抽取、数据填充、API 响应构建等场景。
十、Function Calling
模型支持函数调用能力，可在推理过程中根据用户意图自动识别并触发预定义的外部工具或 API，实现查询数据库、调用第三方服务等扩展操作。
十一、Cache 缓存
模型 Cache 缓存能力可复用历史请求中的上下文计算结果，减少重复计算开销，从而提升响应速度并降低调用成本。
十二、图片、视频理解
支持图文、视频多模态输入，模型可同时理解文本与视觉内容，实现跨模态的语义理解与推理。