Alibaba AI 模型與 API

查看目前模型價格和 API 接入詳情。

通义 Text Embedding V4 将多语言文本编码为向量，用于语义搜索、知识库召回、内容聚类和相似文本识别，可按需求选择向量维度。

Qwen3.7 Plus 适合日常办公与开发协作，能整理长文档、撰写内容、分析代码和理解图片，并通过思考模式、工具调用及结构化输出完成更完整的任务。

Qwen3.8 Flash 能结合文字、图片和视频完成分析与推理，适合高频问答、图表解读、长文档整理、代码辅助及需要调用工具的业务助手。

Qwen3.8 Max 面向复杂推理与多步分析，适合架构规划、大型代码库处理和需要综合多份材料的智能体任务。

HappyHorse 1.0 视频编辑以已有视频为基础，通过文字和可选参考图调整画面，适合场景改造、视觉风格尝试与素材再创作，支持 720p/1080p 输出。

HappyHorse 1.1 参考图生视频可结合 1–9 张图片组织新场景，适合延续人物、商品和视觉风格，制作系列短片与有明确主体的分镜。

HappyHorse 1.1 文生视频可以直接把场景、动作和运镜描述变成短片，支持多种画幅、720p/1080p 与 3–15 秒时长，适合分镜探索和创意素材。

HappyHorse 1.1 图生视频将首帧图片延展为动态镜头，适合商品、人物和概念画面的动作设计，提供 720p/1080p 与 3–15 秒短片创作。

Qwen Image 2.0 适合日常图片创作与改图，能处理中文标题、商品场景和图文布局，帮助运营快速制作活动配图、封面与宣传素材。

Qwen Image 2.0 Pro 面向高要求的图像生成与编辑，重视中英文文字、画面布局和参考主体，适合中文品牌海报、产品说明图与营销视觉。

万相 3.0 Prime 面向需要反复试镜头的创作者，把商品图、人像和概念画面变成动态短片，并提供首尾帧、画幅与声音控制。

万相 3.0 能把商品图、人物照片和场景设定延展成有动作、有运镜的短片，支持首尾帧引导、灵活画幅和音频生成，适合广告镜头、短视频素材与创意预演。

Qwen3 Omni Flash 支持文字、图片、音频和视频理解，可生成文字或语音答复，适合短音视频分析、语音助手与跨语言交流。

Qwen3 Omni Flash 实时版支持持续接收语音与画面并流式回答，适合看图对话、口语练习和带视觉信息的语音助手。

Qwen3 TTS Instruct Flash 实时版将正文合成为语音，可用独立指令调整情绪、语气与节奏，适合流式播报、角色旁白和客服语音。

把文字、图片和视频转换为同一语义空间的向量，支持以文搜图、以图搜视频，以及商品图文融合检索。

对文字、图片和视频搜索候选进行相关性精排，支持文字或图片查询，帮助把更符合具体条件的内容排到前面。

支持文字、图片和视频理解的千问通用模型，适合截图分析、信息提取、内容整理和工具辅助任务，可按请求切换思考模式。

通过实时音视频对话理解用户正在说和看的内容，流式输出文字与语音，支持语义打断、函数调用及可启用的联网搜索。

融合文字、图片与视频理解的千问通用模型，适合长资料分析、视觉问答、代码协作和多步工具任务，支持切换思考模式。

面向代码协作与智能体任务的千问开放权重模型，支持文字、图片和视频理解，适合结合界面画面、仓库代码与工具结果推进开发。

支持文字、图片和视频的千问视觉语言模型，适合目标位置分析、界面理解、代码推理和工具辅助流程，可切换思考模式。

Qwen3.6 Plus 支持文字、图片和视频理解，适合前端开发、交互原型、代码库问题分析及多步工具协作，也可用于长资料整理和内容生成。

面向编程、办公与长流程智能体任务的千问 Max 文本模型，支持长资料分析、工具协作和结构化输出，适合跨多个步骤推进复杂工作。

千问 Qwen3.7 Max 的思考型文本预览模型，面向知识问答、复杂指令与创意写作，适合先梳理条件再给出完整答案。

万相 2.6 图生视频把静态图片延伸为带动作和声音的片段，适合商品展示、人物动态与多镜头创意，让既有视觉素材继续讲故事。

万相 2.6 Flash 图生视频适合快速让图片动起来，用动作、运镜与声音试出短片方向，方便制作商品展示草案和社交视频素材。

万相 2.7 图生视频能让商品图、人物照片和概念画面继续运动，支持首尾帧引导、720p/1080p 与可选音频，适合短片素材和镜头预演。