模型

OpenAI 的 GPT Image 2 圖片產生 API - 最高 4K，原生推理、多語言文字渲染、參考圖引導編輯。

OpenAI 的 GPT Image 1.5 圖片產生 API — 速度比 v1 快 4 倍，文字渲染更優，3 種比例，medium/high 品質模式。

OpenAI 的 GPT Image 1 圖片產生 API — OpenAI 首款 GPT-4o 原生圖片模型，出色的提示詞遵循度，最多 5 張參考圖片。

Google 的 Nano Banana 2 圖片產生 API - 基於 Gemini 3.1 Flash，4K 輸出、15 種寬高比，最多 5 個角色的角色一致性。

Google 的 Nano Banana Pro 圖片產生 API - 基於 Gemini 3 Pro，最銳利的文字渲染、4K 輸出，系列中最高保真度。

Google 的 Nano Banana 圖片產生 API - 基於 Gemini 2.5 Flash 的平價模型，11 種寬高比，最多 10 張參考圖。

ByteDance 的 Seedream 5.0 Lite 圖片產生 API — 最新一代的速度與視覺連貫性，2K/3K 輸出，支援 14 張參考圖片。

ByteDance 的 Seedream 4.5 圖片產生 API — 單一模型統一產圖與編輯，最高 4K 輸出，支援 14 張參考圖片。

ByteDance 的 Seedance 2.0 影片產生 API — 最高 1080p，原生音訊與對白、圖片轉影片，片段 4 至 15 秒。

ByteDance 的 Seedance 2.0 Fast 影片產生 API — 速度優化版本，支援音訊產生、自適應比例，片段最長 15 秒。

ByteDance 的 Seedance 1.5 Pro 影片產生 API — 電影級影片，支援同步音訊、多語言對白，最高 1080p。

ByteDance 的 Seedance 1.0 Pro 影片產生 API — 高保真電影級影片，支援多鏡頭轉場，720p 與 1080p 解析度。

ByteDance 的 Seedance 1.0 Lite 影片產生 API — 經濟實惠的入門選擇，支援最高 1080p 的文字轉影片與圖片轉影片。

快手的 Kling 3.0 影片產生 API — 原生 4K 60fps，多鏡頭分鏡、5 種語言音訊、3 種品質模式。

Veo 3.1 Fast — Google DeepMind 的快速、高效能 Veo 3.1 影片模型，原生音訊（對白和音效）、圖片轉影片，最高 1080p。

MiniMax 的 Hailuo Pro 影片產生 API — 快速文字轉影片和圖片轉影片，出色的動態品質與角色一致性。

MiniMax H3（Hailuo 03）是一款統一的多模態影片生成模型，能將文字、圖像、影片和音訊參考轉化為附帶原生立體聲的 2K 高畫質影片。透過一個 MiniMax H3 API 即可創作原創場景、讓靜態畫面動起來、編輯已有素材。

Qwen Image 3.0（Qwen-Image-3.0-Pro）是阿里巴巴推出的進階圖像生成模型，擅長真實視覺、結構化排版、豐富細節與高品質文字。透過一個 Qwen Image 3.0 API 即可生成與編輯圖像，支援精準小字、多語言算繪與複雜構圖。

FLUX 3 是 Black Forest Labs 即將推出的統一多模態底座，將圖像、影片、音訊、語言與動作預測融於一個模型。Flux 3 API 將隨各能力分階段開放，覆蓋附帶原生音訊的文生影片、圖像生成與編輯，以及物理 AI 能力。