GLM 5.3
Z.aiस्वामित्व वाला एंडपॉइंटनया
Coding and agentic model with a 1M token context, 128K output, always-on reasoning at low, high, or max effort, native web search, and tool calling.
टेक्स्ट, छवि, ऑडियो, वीडियो, 3डी और अन्य मॉडलों की पूरी सूची ब्राउज़ करें।
मॉडल कैटलॉग
pay-as-you-go मूल्य निर्धारण के साथ टेक्स्ट, छवि, वीडियो, ऑडियो, 3डी, खोज और एजेंट एंडपॉइंट ब्राउज़ करें। इंटरैक्टिव कैटलॉग EmpirioLabs से वर्तमान उपलब्धता को लोड करता है, और ये मॉडल डॉक्स क्लाइंट जावास्क्रिप्ट के बिना क्रॉल करने योग्य हैं।
xAI image-to-video प्रॉम्प्ट-गाइडेड मोशन, नेटिव ऑडियो, 480p या 720p आउटपुट और 15 सेकंड तक क्लिप के साथ।
पाठ, छवि, ऑडियो या वीडियो इनपुट से सिनेमाई क्लिप के लिए मल्टीमॉडल वीडियो जनरेशन।
उच्च-रिज़ॉल्यूशन रचनात्मक, ब्रांड और उत्पाद दृश्यों के लिए एकीकृत छवि निर्माण और संपादन।
पाठ, छवि, वीडियो, कोडिंग, उपकरण और 1M-संदर्भ वर्कफ़्लो के लिए लागत प्रभावी दृष्टि-भाषा मॉडल।
कोडिंग, उत्पादकता, लंबे समय तक चलने वाले एजेंटों, गहरी सोच और उपकरण उपयोग के लिए प्रमुख लंबा-संदर्भ मॉडल।
कोडिंग, एजेंटों, लंबे संदर्भ विश्लेषण, और पाठ, छवि और वीडियो इनपुट के लिए मल्टीमॉडल तर्क।
मजबूत कोडिंग समर्थन, 256K संदर्भ और छवि और वीडियो इनपुट के साथ मूनशॉट मल्टीमॉडल रीजनिंग।
टूल कॉलिंग, संरचित आउटपुट, कैश समर्थन और 128K आउटपुट के साथ लंबे संदर्भ वाले तर्क।
इमेज-टू-3डी पीढ़ी जो एक संदर्भ छवि को बनावट वाली जीएलबी संपत्ति में बदल देती है।
Z.aiCoding and agentic model with a 1M token context, 128K output, always-on reasoning at low, high, or max effort, native web search, and tool calling.
Alibaba CloudMultimodal reasoner with 256K context, image and video input, function tools, structured JSON, and thinking on by default.
MiniMaxGenerates complete stereo songs from lyrics and a style prompt, with duration, seed, and format controls up to 5 minutes.
DeepSeekOfficial 0813 Pro release with major gains across coding, repository work, tool use, and agent tasks, plus hybrid thinking and a 1M context window.
Text-to-image plus multi-reference editing with up to three source images, selectable quality tiers, and 1K or 2K output resolution.
Meta AIमेटा छवि समझ, 128K संदर्भ, टूल कॉलिंग, संरचित आउटपुट और नियंत्रणीय तर्क शक्ति के साथ 30B एजेंट मॉडल खोलें।
Z.aiCoding and agentic model with a 1M token context, 128K output, always-on reasoning at low, high, or max effort, native web search, and tool calling.
Z.aiएक 1M टोकन संदर्भ, 128K आउटपुट, समायोज्य तर्क प्रयास, मूल वेब खोज और टूल कॉल के साथ रीजनिंग और कोडिंग मॉडल।
Moonshot AIKimi K3 एक 1M टोकन संदर्भ, हमेशा सोच, मूल वेब खोज, और पाठ, छवि और वीडियो इनपुट के साथ Moonshot के फ्लैगशिप तर्क मॉडल है।
Meta AIमेटा का अद्यतन फ्रंटियर तर्क मॉडल 1,048,576-टोकन संदर्भ, छवि, वीडियो, ऑडियो और पीडीएफ समझ, वेब खोज और टूल कॉल के साथ।
Moonshot AIKimi K2.7 कोड 256K संदर्भ, हमेशा तर्क और पाठ, छवि और वीडियो इनपुट के साथ Moonshot के ट्रिलियन पैरामीटर एजेंटिक कोडिंग मॉडल है।
Meta AIएक 1,048,576-token संदर्भ प्लस छवि, वीडियो, ऑडियो और पीडीएफ समझ, वेब खोज और टूल कॉल के साथ मेटा फ्रंटियर तर्क मॉडल।
Black Forest Labsअपाचे लाइसेंस 4B FLUX.2 Klein छवि उत्पादन और संपादन मॉडल text-to-image, संदर्भ-छवि संपादन और रचनात्मक कार्यप्रवाह समर्थन के साथ।
Amazonछवि पीढ़ी और संपादन मॉडल बनाने और पाठ या छवि आदानों से छवियों को संशोधित करने के साथ, inpainting, आभासी कोशिश पर, और शैली नियंत्रण।
TencentOpen-source text-to-image मॉडल ऑन a multimodal mixture-of-Experts आर्किटेक्चर with photorealistic details and strong multilingual text rendering.
DeepSeekजनस प्रो 7 बी मॉडल पर ऑटोरिग्रेटिव फ्रेमवर्क जो एक आर्किटेक्चर में बहुमॉडल समझ और छवि पीढ़ी को एकीकृत करता है।
Alibaba Cloudक्लास-लीडिंग कॉम्प्लेक्स Chinese/English टेक्स्ट रेंडरिंग, यथार्थवादी बनावट और बहु-छवि फ्यूजन के साथ एकीकृत छवि पीढ़ी और संपादन मॉडल।
Alibaba CloudQwen छवि पीढ़ी और आधार और प्रो वेरिएंट, बहुभाषी टाइपोग्राफी, बहु-छवि संदर्भ और नियंत्रणीय 1K या 2K आउटपुट के साथ संपादन।
Kling AIटेक्स्ट-टू-वीडियो और image-to-video सिंक्रनाइज़ किए गए मूल ऑडियो के साथ, 3 से 15 सेकंड के लिए 720p या 1080p पर, पहलू अनुपात और शीघ्र नियंत्रण के साथ।
Amazonवीडियो जनरेशन मॉडल ने पाठ से 2-मिनट मल्टी-शॉट वीडियो का उत्पादन किया और बेहतर गुणवत्ता और स्थिरता के साथ वैकल्पिक छवि संकेत।
Alibaba Cloudवीडियो मॉडल टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो, रेफरेंस-टू-वीडियो और वीडियो एडिट मोड को उच्च-fidelity, मोशन-स्मूथ आउटपुट के साथ पेश करता है।
Tencentमूल 720p आउटपुट (1080p) के साथ 8.3B-parameter वीडियो मॉडल, मजबूत गति सुसंगतता, और 10s तक द्विभाषी शीघ्र समझ।
Kling AIटेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो, रेफरेंस-टू-वीडियो, संपादन, मूल ध्वनि और मल्टी-सीन संक्रमण के साथ मानक या प्रो मोड में वीडियो मॉडल।
Kling AIKling 3.0 मॉडल जो एक संदर्भ छवि से एक चरित्र पर एक संदर्भ वीडियो से गति को स्थानांतरित करता है, मानक 720p और प्रो 1080p स्तरों के साथ।
ACE-Steptext-to-song और lyric-guided ऑडियो के लिए ओपन सोर्स म्यूजिक जेनरेशन मॉडल, नियंत्रणीय गीत पुनरावृत्ति के लिए फास्ट 8-स्टेप एक्स्ट्रा लार्ज टर्बो inference के साथ।
Inworldसादे-अंग्रेजी आवाज दिशा के साथ रीयलटाइम वॉयस मॉडल, 100+ भाषाओं में एक आवाज की पहचान, और सब-200ms स्ट्रीमिंग time-to-first-audio।
Inworld15 भाषाओं में 271+ आवाजों के साथ उप-130ms TTFB आवाज संश्लेषण, अभिव्यक्त प्रोसोडी और निचले विलंबता आवाज एजेंटों के लिए वास्तविक समय SSE स्ट्रीमिंग।
Inworldअमीर अभिव्यंजक प्रोडोडी के साथ ब्रॉडकास्ट-गुणवत्ता वाली आवाज संश्लेषण, 15 भाषाओं में 271+ आवाजें, और वास्तविक समय में SSE प्रति-वर्ड टाइमस्टैम्प के साथ स्ट्रीमिंग।
MiniMaxGenerates complete stereo songs from lyrics and a style prompt, with duration, seed, and format controls up to 5 minutes.
Googleलो-लेटेंसी text-to-speech सिंगल- और मल्टी-स्पीकर वॉयस और कंट्रोलेबल स्टाइल, एक्सेंट और एक्स्प्रेसिव टोन के साथ उत्पादन ऐप के लिए।
Deepgramबहु भाषा समर्थन और उत्पादन कार्यभार के लिए उन्नत अनुकूलन सेटिंग्स के साथ Nova-3 मॉडल का उपयोग करते हुए भाषण से पाठ ट्रांसक्रिप्शन।
OpenAIWhisper-1 speech-to-text ट्रांसक्रिप्शन बहुभाषी निगरानी ऑडियो पर प्रशिक्षित किया गया है, जिसमें प्रति फ़ाइल 25 MB अपलोड की सीमा है।
OpenAIबहुभाषी एएसआर, अनुवाद, वीएडी, टाइमस्टैम्प, उपशीर्षक, हॉटवर्ड्स और डिकोडर नियंत्रण के साथ नियंत्रित कानाफूसी बड़े v3 टर्बो ट्रांसक्रिप्शन।
StepFunचीनी और अंग्रेजी ऑडियो ट्रांसक्रिप्शन के लिए StepFun स्ट्रीमिंग स्पीच रिकग्निशन मॉडल।
Exaत्वरित LLM-शैली एक प्राकृतिक भाषा के सवाल का जवाब, ताजा Exa वेब खोज परिणाम इनलाइन उद्धरण और स्रोत लिंक के साथ जमीन पर आधारित है।
Exaपृष्ठों को खोजने के लिए वेब सर्च इंजन, एआई एजेंटों के लिए खुले वेब पर समान पृष्ठों, क्रॉलिंग और समर्पित कोड खोज को पुनर्प्राप्त करना।
LinkupIterative AI खोज जो प्रारंभिक परिणाम अपर्याप्त होने पर क्वेरी रखता है, मानक मोड की तुलना में अधिक व्यापक उत्तर लौटाता है।
Linkupविस्तृत अवलोकन और उत्तरों के साथ AI-powered वेब खोज, डीप सर्च से तेज़। OpenAI SimpleQA बेंचमार्क पर #1 रैंक।
Perplexityक्लाउड ओपस 4.6 तर्क द्वारा संचालित संस्थागत ग्रेड अनुसंधान, अधिकतम गहराई, बढ़ाया उपकरण पहुंच और व्यापक स्रोत कवरेज के साथ।
Perplexityबहु-चरण पुनर्प्राप्ति, संश्लेषण और तर्क, स्वायत्त रूप से खोज, पढ़ने और जटिल विषयों में स्रोतों का मूल्यांकन करने के लिए अनुसंधान मॉडल।
MicrosoftTRELLIS.2 छवि-से-3D मॉडल जो रिज़ॉल्यूशन, बीज, जाल, बनावट और निर्यात नियंत्रण के साथ एक textured GLB परिसंपत्ति में एक संदर्भ छवि बदल जाता है।
DeemosRodin Gen-2 engine that turns a text prompt or up to five reference images into production 3D assets with PBR materials and quad or raw meshes.
Hitem3DProduction-focused image-to-3D with structure-aware textures, 1536 and 1536 Pro precision tiers, meshes up to two million faces, and five export formats.
Alibaba Cloudचयन करने योग्य आउटपुट आयाम (64-2048) के साथ बहुभाषी टेक्स्ट एम्बेडिंग। प्रति इनपुट 8,192 टोकन तक।
Alibaba CloudSpeed-optimised multimodal embedding, same shape as Vision-Plus, 3× cheaper image/video tokens.
Alibaba Cloudमल्टीमॉडल एम्बेडिंग पाठ, छवि और वीडियो इनपुट के लिए स्वतंत्र वेक्टर का उत्पादन करते हैं।
ByteDanceMultimodal embedding that fuses text, images, and video into one 1024 or 2048 dimension vector for cross-modal search and retrieval.
Alibaba CloudSemantic दस्तावेज़ reranker। प्रासंगिकता द्वारा प्रति क्वेरी 500 उम्मीदवारों को क्रमबद्ध करें, 100+ भाषाओं का समर्थन करता है, और एक कस्टम सॉर्टिंग निर्देश स्वीकार करता है।
GPTZeroडीप-लर्निंग डिटेक्टर जो एआई बनाम मानव, पूरी तरह से मानव, एआई, या मिश्रित रूप में वर्गीकृत सामग्री द्वारा उत्पन्न होने वाले पाठ के कुछ हिस्सों को ध्वजांकित करता है।
Manusस्वायत्त एआई एजेंट जो सबटास्क, कॉल टूल और एपीआई में एक उच्च स्तरीय संकेत बदलता है, और मैनुअल ऑर्केस्ट्रेशन के बिना end-to-end परिणाम वितरित करता है।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।
