模型

OpenAI 推出的 GPT Image 2 图像生成 API -- 最高 4K，具备原生推理能力，支持多语言文本渲染和参考图引导编辑。

OpenAI 推出的 GPT Image 1.5 图片生成 API —— 比 v1 快 4 倍，文字渲染更优，支持 3 种画面比例和 medium/high 质量模式。

OpenAI 推出的 GPT Image 1 图片生成 API —— OpenAI 首个 GPT-4o 原生图片模型，提示词遵循度强，支持最多 5 张参考图。

Google 推出的 Nano Banana 2 图像生成 API -- 基于 Gemini 3.1 Flash，支持 4K 输出、15 种宽高比，以及最多 5 个角色的角色一致性。

Google 推出的 Nano Banana Pro 图像生成 API -- 基于 Gemini 3 Pro，文本渲染最锐利，支持 4K 输出，家族中画质最高。

Google 推出的 Nano Banana 图像生成 API -- 基于 Gemini 2.5 Flash 的经济型模型，支持 11 种宽高比和最多 10 张参考图。

ByteDance 推出的 Seedream 5.0 Lite 图片生成 API —— 最新一代，兼顾速度与视觉一致性，支持 2K/3K 输出和 14 张参考图。

ByteDance 推出的 Seedream 4.5 图片生成 API —— 生成与编辑合一，最高 4K 输出，支持 14 张参考图。

ByteDance 推出的 Seedance 2.0 视频生成 API —— 最高 1080p，支持原生音频与对话、图生视频，片段时长 4 到 15 秒。

ByteDance 推出的 Seedance 2.0 Fast 视频生成 API —— 速度优化版本，支持音频生成、自适应画面比例，最长 15 秒片段。

ByteDance 推出的 Seedance 1.5 Pro 视频生成 API —— 电影级视频，支持同步音频、多语言对话，最高 1080p。

ByteDance 推出的 Seedance 1.0 Pro 视频生成 API —— 高画质电影级视频，支持多镜头转场，720p 和 1080p 分辨率。

ByteDance 推出的 Seedance 1.0 Lite 视频生成 API —— 经济实惠的入门之选，支持文生视频和图生视频，最高 1080p。

快手推出的 Kling 3.0 视频生成 API —— 原生 4K 60fps，支持多镜头分镜、5 种语言音频、3 档质量模式。

Veo 3.1 Fast —— Google DeepMind 的快速高性价比 Veo 3.1 视频模型，支持原生音频（对话和音效）、图生视频，最高 1080p。

MiniMax 推出的 Hailuo Pro 视频生成 API —— 快速文生视频和图生视频，运动质量出色，角色一致性强。

MiniMax H3（Hailuo 03）是一款统一的多模态视频生成模型，能将文本、图像、视频和音频参考转化为带原生立体声的 2K 高清视频。通过一个 MiniMax H3 API 即可创作原创场景、让静态画面动起来、编辑已有素材。

Qwen Image 3.0（Qwen-Image-3.0-Pro）是阿里巴巴推出的高级图像生成模型，擅长真实视觉、结构化排版、丰富细节与高质量文字。通过一个 Qwen Image 3.0 API 即可生成与编辑图像，支持精准小字、多语言渲染与复杂构图。

FLUX 3 是 Black Forest Labs 即将推出的统一多模态底座，将图像、视频、音频、语言与动作预测融于一个模型。Flux 3 API 将随各能力分阶段开放，覆盖带原生音频的文生视频、图像生成与编辑，以及物理 AI 能力。