视觉语言模型的左右从何而来:位置编码反事实
视觉语言模型判断左右方向,可能来自图像内容在各图像块中的朝向、其视觉 Transformer(ViT)的位置编码,或语言模型(LLM)中 Token…
生图、生视频与世界模型的在售型号、规格与公开价格:国内按人民币刊例价,海外按当日汇率折算。
接口新型号 10 分钟同步 · 核价逐行标注来源与日期 · 海外按当日汇率折算
| 模型 / 厂商 | 价格(人民币) | 关键规格 | 状态 | 发布 |
|---|---|---|---|---|
| 生视频 · 8 款 | ||||
| Gemini Omni 1.2 FlashNEW Google · 美国 | ¥0.468/秒 $0.07 × 6.6808 · 720P;1080P $0.104 | 3–15 秒 · 原生音画 · 可编辑并延长至 30 秒 | 商用 | 2026-11-05 |
| 可灵 4.0 快手 · 中国 | ¥1.00/秒 720P;1080P ¥1.50 | 30 秒直出 · 1080P/10bit HDR · 15 项全能参考 | 商用 | 2026-10-15 |
| Wan 3.0 阿里云 · 中国 | ¥0.60/秒 720P;1080P ¥1.20 | 2–30 秒 · 1080P · 音画同步 · 文档/网页输入 | 商用 | 2026-08-24 |
| 可灵 3.0 Omni 快手 · 中国 | ¥0.80/秒 1080P 无声;4K ¥3.00 | 3–15 秒 · 720P/1080P/4K · 原生音画 · 多模态参考 | 商用 | 2026-07-31 |
| MiniMax H3 MiniMax · 中国 | ¥0.50/秒 768P;2K ¥0.80 | 4–15 秒 · 768P/2K · 原生立体声 · 开放权重 | 商用 | 2026-07-31 |
| Seedance 2.5 字节跳动 · 中国 | ¥1.51/秒 720P;1080P ¥3.74 | 30 秒直出 · 原生 1080P · 50 项全模态参考 | 商用 | 2026-06-23 |
| Runway Gen-4.5 Runway · 美国 | ¥0.802/秒 $0.12 × 6.6808 · 12 credits/秒 | 2–10 秒 · 720P · 文生/图生视频 · 平台化工具链 | 商用 | 2026-06 |
| Veo 3.1 Google · 美国 | ¥2.672/秒 $0.4 × 6.6808 · 含音频;4K $0.60 | 4/6/8 秒 · 720P/1080P/4K · 原生音频 | 商用 | 2025-10 |
| 生图 · 10 款 | ||||
| MiniMax H3-ImageNEW MiniMax · 中国 | ¥0.143/张 1K;2K ¥0.1531;4K 首周五折 ¥0.2261(原价 ¥0.4522) | 1K–4K(16MP)· 文生图/编辑 · 16 张参考 · 开放权重 | 商用 | 2026-11-10 |
| Seedream 5.5NEW 字节跳动 · 中国 | ¥0.13/张 1.5K;2K ¥0.23;输入图 ¥0.05 | 1K/1.5K/2K · 文生图/图生图 · 10 张参考 · 透明 PNG + 图层拆分 | 商用 | 2026-11-09 |
| Nano Banana 2.1 Google · 美国 | ¥0.224/张 $0.0336 × 6.6808 · 1K;4K $0.113 | 1K/2K/4K · 参考图编辑 · 文字渲染 | 商用 | 2026-10-06 |
| Seedream 5.0 Pro 字节跳动 · 中国 | ¥0.30/张 1K;2K ¥0.60 | 1K/2K · 文生图/图生图/多图参考 | 商用 | 2026-09 |
| Qwen-Image 3.0 阿里云 · 中国 | ¥0.18/张 1K/2K;输入图 ¥0.02 | 1K/2K · 文生图/图像编辑 · 中文排版 | 商用 | 2026-08-04 |
| Qwen-Image 3.0 Pro 阿里云 · 中国 | ¥0.25/张 1K;2K ¥0.50;输入图 ¥0.02 | 1K/2K · 复杂版式与精准文字 · 商用 API | 商用 | 2026-08-04 |
| 可灵 Image 3.0 快手 · 中国 | ¥0.20/张 8 积分/张 | 1K/2K · 文生图/图生图 · 多图参考 | 商用 | 2026-07 |
| Nano Banana 2 Lite接口价 Google · 美国 | ¥10/百万 Token $1.50 × 6.6808 · 输入 $0.25/1M · 输出 $1.50/1M | 图文输入 · 图文输出 | 开放 | 2026-07-01 |
| Nano Banana Pro Google · 美国 | ¥0.895/张 $0.134 × 6.6808 · 1K/2K;4K $0.24 | 1K/2K/4K · 高质量排版与文字 | 商用 | 2026-05-28 |
| GPT-5.4 Image 2接口价 OpenAI · 美国 | ¥100/百万 Token $15.00 × 6.6808 · 输入 $8.00/1M · 输出 $15.00/1M | 图文文件输入 · 图文输出 | 开放 | 2026-04-22 |
| 世界模型 · 3 款 | ||||
| 混元 HY-World 2.0 腾讯 · 中国 | ¥0/自建 权重开放 · 自建算力 | 3D 资产 · Unity/UE/Isaac Sim 导出 · 开源权重 | 开源 | 2026-04-16 |
| Marble 1.1 World Labs · 美国 | ¥134/月 $20.00 × 6.6808 · Standard;Max $95 | 持久 3D 场景 · 3DGS/网格导出 · 可进 Unity/UE | 商用 | 2026-04-02 |
| Genie 3 Google DeepMind · 美国 | ¥1,336/月 $199.99 × 6.6808 · Google AI Ultra 顶级档 | 720P/24fps · 约 60 秒交互记忆 · 实时世界模拟 | 开放 | 2026-01-29 |
口径:国内型号取厂商人民币刊例价,海外型号取官方美元价并按当日汇率折算,仅作成本参考。 「接口价」为 OpenRouter 自动发现的在售型号,按输出百万 Token 计价,与按张 / 秒 / 月计价的型号不可直接横比。 价格随分辨率、时长与输入素材变化,表中为主档价。开源权重标「¥0 · 自建算力」,成本为自有 GPU 折旧与电费。 Sora 2 已于 2026-09-24 从 OpenAI API 下线,不再列入在售表。
当前 21 款在售(人工核价 19 · 接口发现 2); 面板每 10 分钟同步一次,新上架型号下一轮即入表并标 NEW。 按 1 美元 ≈ 6.68 元折算(汇率更新于 2026-11-19 09:43)。最近同步 2026-11-19 13:58, 价格最近变更 2026-11-19 13:58;逐行核验日期见各行来源。
视觉语言模型判断左右方向,可能来自图像内容在各图像块中的朝向、其视觉 Transformer(ViT)的位置编码,或语言模型(LLM)中 Token…
目的:通过统一的深度学习框架,对重建后的速度矢量场进行采集后超分辨(SR),以提升主动脉 4D flow MRI 的空间与时间分辨率。方法:我们提…
对抗训练常受「伪攻击」困扰——这类扰动会显著提高损失值,却未能真正改变模型的置信度结构。为解决这一问题,我们提出两种互补…
实时机器人感知需要在有限资源下获得准确的 LiDAR 语义。鸟瞰图(BEV)聚合效率高,但会把同一柱内标注不同的表面混在一起。我们提出 HiPFus…
我们提出 Alania-2,一个土耳其语文本转语音(TTS)系统,内置两个音色,支持根据文本描述设计音色,以及两种声音克隆方式。Alania-2 是…
音乐编辑在改变现有录音的同时保留其原有属性。近期的方法通过条件控制,将预训练的文本到音乐模型适配到音频修补、事件插入或修复等任务……
Antalia-2 Mini 是一款单一音色的土耳其语文本转语音模型,拥有 7,620,931 个参数。它以字符为输入,在 Apple M5 笔记本…
我们提出 FAME-QP,一种面向线性模型预测控制中稠密二次规划的 GPU 加速求解器。FAME-QP 将依赖约束的算子表示与融合的单核与双核迭代……
布料等可变形材料表面的外观源自其在形变下重构的细尺度几何结构。即便粗粒度仿真模型能高效还原这种微观结构,显式实例化……
生成长篇语音要求模型在时间推移中保持内容、说话人身份、话轮转换和表达风格的一致性。然而,大多数公开训练语料中的样本仅持续几十秒,且公开……
速度提了,API价格降了
要闻提示 1.41年爱妻人设崩塌!黄仁勋一夜损失3万亿,或被英伟达免职 2.曝一汽大众取消两年“年终奖”,有工程师称合计约20万元 3.李佳琦被曝入…