标签: 多模态
nemotron-page-elements-v3 — NVIDIA BuildNVIDIA免费nemotron开源
nemotron-page-elements-v3是NVIDIA Build平台提供的AI模型，提供高质量AI推理能力。免费使用（有速率限制）。
文本 图片视觉理解免费视觉
nemotron-graphic-elements-v1 — NVIDIA BuildNVIDIA免费nemotron开源
nemotron-graphic-elements-v1是NVIDIA Build平台提供的AI模型，提供高质量AI推理能力。免费使用（有速率限制）。
文本 图片视觉理解免费视觉
llama-nemotron-embed-vl-1b-v2 — NVIDIA BuildNVIDIAVision免费llama开源
llama-nemotron-embed-vl-1b-v2是NVIDIA Build平台提供的AI模型，提供高质量AI推理能力。免费使用（有速率限制）。
文本 图片视觉理解免费视觉
nemoretriever-page-elements-v3 — NVIDIA BuildNVIDIA免费nemoretriever开源
nemoretriever-page-elements-v3是NVIDIA Build平台提供的AI模型，提供高质量AI推理能力。免费使用（有速率限制）。
文本 图片视觉理解免费视觉
DeepSeek-OCR — 高性能文字识别深度求索ocr免费DeepSeek
DeepSeek-OCR是深度求索提供的AI模型，提供高质量AI推理能力。
8K文本 图片视觉理解免费国产
Kimi-K2.5 — 多模态智能体月之暗面k2.5低成本Kimi-K2
Kimi-K2.5是月之暗面提供的AI模型，提供高质量AI推理能力。
128K文本 图片视觉理解低成本国产
Qwen3.5-397B-A17B — 多模态智能体旗舰通义千问397b-a17b低成本Qwen3.5开源
Qwen3.5-397B-A17B是通义千问提供的AI模型，MoE混合专家架构。
256K 397B(17B激活)文本 图片视觉理解低成本国产
Qwen3.5-35B-A3B — 高效MoE多模态通义千问35b-a3b低成本Qwen3.5开源
Qwen3.5-35B-A3B是通义千问提供的AI模型，MoE混合专家架构。
128K 35B(3B激活)文本 图片视觉理解低成本国产
HunyuanOCR — 混元文字识别腾讯混元ocr免费Hunyuan开源
HunyuanOCR是腾讯混元提供的AI模型，提供高质量AI推理能力。
32K文本 图片视觉理解免费国产
ERNIE-4.5-VL-28B-A3B — 轻量视觉MoE百度文心vl-28b-a3b低成本ERNIE-4.5 思考
百度文心4.5轻量视觉MoE模型，28B参数仅激活3B，支持图像理解和思考模式，性价比极高
32K 28B(3B激活)文本 图片视觉理解低成本国产
Qianfan-VL-70B — 千帆视觉大模型百度文心中等Qianfan-VL
百度千帆自研70B视觉理解大模型，支持图像理解和多模态推理
32K文本 图片视觉理解标准国产
Qianfan-VL-8B — 千帆视觉轻量百度文心8b低成本Qianfan-VL
百度千帆自研8B视觉理解轻量模型，性价比高
32K文本 图片视觉理解低成本国产
Qianfan-VL-1.5-Flash — 千帆视觉快速百度文心1.5-flash低成本Qianfan-VL
百度千帆VL 1.5 Flash视觉快速模型，极低价格适合大批量图像理解
32K文本 图片视觉理解低成本国产
Qianfan-Check-VL — 质检视觉百度文心check-vl低成本Qianfan
百度千帆质检视觉模型，专为工业质检和图像检测场景设计
32K文本 图片视觉理解低成本国产
PaddleOCR-VL — 文档解析OCR百度文心免费PaddleOCR
百度飞桨PaddleOCR视觉语言模型，先进高效的文档解析模型，专为文档元素识别设计，按页计费¥0.09/页（限时5折）
文本 图片视觉理解免费国产
QVQ-Plus — 视觉推理轻量通义千问Plus低成本QVQ 思考
通义千问QVQ-Plus视觉推理轻量模型，¥2/¥5，适合大批量视觉推理任务
文本 图片视觉理解低成本国产
Qwen-VL-Max — 视觉理解旗舰通义千问max低成本Qwen-VL
通义千问VL-Max视觉理解旗舰模型，支持Batch调用和上下文缓存
文本 图片视觉理解低成本国产
Qwen-VL-OCR — 文字识别专用通义千问ocr低成本Qwen-VL
通义千问VL-OCR文字识别专用模型，极低价格¥0.3/¥0.5，支持Batch调用半价
文本 图片视觉理解低成本国产
Qwen3-Omni-Flash — 全模态Flash通义千问Flash低成本Qwen3-Omni 思考
通义千问3全模态Flash模型，支持文本/图片/视频/音频输入，支持思考模式
文本 图片 视频 音频低成本国产推理
Hunyuan-TurboS-Vision — 视觉快速版腾讯混元Turbo低成本Hunyuan
腾讯混元视觉快速版模型，支持图像理解和多模态对话，推理速度快，适合实时视觉交互。
32K文本 图片视觉理解低成本国产
OpenClaw 技能定制 / 插件定制 / 私有工作流定制
免费技能或插件可能存在安全风险，如需更匹配、更安全的方案，建议联系付费定制