厂商: openrouter · 类型: vision
OpenAI: GPT-5 Codex — 多模态视觉模型OpenRouterCode中等OpenAI: 思考
OpenAI: GPT-5 Codex是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口400K tokens，最大输出128K tokens，输入价格$1.25/百万tokens。
400K文本 图片视觉理解标准推理
OpenAI: GPT-5 Chat — 多模态视觉模型OpenRouter中等OpenAI:
OpenAI: GPT-5 Chat是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备视觉理解能力，上下文窗口128K tokens，最大输出16K tokens，输入价格$1.25/百万tokens。
128K图片 文本视觉理解标准视觉
OpenAI: GPT-5 — 多模态视觉模型OpenRouter中等OpenAI: 思考
OpenAI: GPT-5是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口400K tokens，最大输出128K tokens，输入价格$1.25/百万tokens。
400K文本 图片视觉理解标准推理
Google: Gemini 2.5 Pro — 多模态视觉模型OpenRouterPro中等Google: 思考
Google: Gemini 2.5 Pro是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口1.0M tokens，最大输出66K tokens，输入价格$1.25/百万tokens。
1.0M文本 图片 音频 视频视觉理解标准推理
Google: Gemini 2.5 Pro Preview 06-05 — 多模态视觉模型OpenRouterPro中等Google: 思考
Google: Gemini 2.5 Pro Preview 06-05是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口1.0M tokens，最大输出66K tokens，输入价格$1.25/百万tokens。
1.0M图片 文本 音频视觉理解标准推理
Google: Gemini 2.5 Pro Preview 05-06 — 多模态视觉模型OpenRouterPro中等Google: 思考
Google: Gemini 2.5 Pro Preview 05-06是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口1.0M tokens，最大输出66K tokens，输入价格$1.25/百万tokens。
1.0M文本 图片 音频 视频视觉理解标准推理
OpenAI: GPT-5.3-Codex — 多模态视觉模型OpenRouterCode中等OpenAI: 思考
OpenAI: GPT-5.3-Codex是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口400K tokens，最大输出128K tokens，输入价格$1.75/百万tokens。
400K文本 图片视觉理解标准推理
Perplexity: Sonar Reasoning Pro — 多模态视觉模型OpenRouterPro中等Perplexity: 思考
Perplexity: Sonar Reasoning Pro是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、视觉理解能力，上下文窗口128K tokens，输入价格$2.00/百万tokens。
128K文本 图片视觉理解标准推理
OpenAI: GPT-4.1 — 多模态视觉模型OpenRouter中等OpenAI: 思考
OpenAI: GPT-4.1是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口1.0M tokens，输入价格$2.00/百万tokens。
1.0M图片 文本视觉理解标准推理
OpenAI: o4 Mini Deep Research — 多模态视觉模型OpenRouterMini中等OpenAI: 思考
OpenAI: o4 Mini Deep Research是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口200K tokens，最大输出100K tokens，输入价格$2.00/百万tokens。
200K图片 文本视觉理解标准推理
Google: Nano Banana Pro (Gemini 3 Pro Image Preview) — 多模态视觉模型OpenRouterPro中等Google: 思考
Google: Nano Banana Pro (Gemini 3 Pro Image Preview)是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、视觉理解能力，上下文窗口66K tokens，最大输出33K tokens，输入价格$2.00/百万to
65.5K图片 文本视觉理解标准推理
Google: Gemini 3.1 Pro Preview — 多模态视觉模型OpenRouterPro中等Google: 思考
Google: Gemini 3.1 Pro Preview是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口1.0M tokens，最大输出66K tokens，输入价格$2.00/百万tokens。
1.0M音频 图片 文本 视频视觉理解标准推理
Google: Gemini 3.1 Pro Preview Custom Tools — 多模态视觉模型OpenRouterPro中等Google: 思考
Google: Gemini 3.1 Pro Preview Custom Tools是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口1.0M tokens，最大输出66K tokens，输入价格$2.00/百万token
1.0M文本 音频 图片 视频视觉理解标准推理
OpenAI: GPT-5.2-Codex — 多模态视觉模型OpenRouterCode中等OpenAI: 思考
OpenAI: GPT-5.2-Codex是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口400K tokens，最大输出128K tokens，输入价格$1.75/百万tokens。
400K文本 图片视觉理解标准推理
xAI: Grok 4.20 — 多模态视觉模型OpenRouter中等xAI: 思考
xAI: Grok 4.20是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口2.0M tokens，输入价格$2.00/百万tokens。
2M文本 图片视觉理解标准推理
OpenAI: GPT-5.3 Chat — 多模态视觉模型OpenRouter中等OpenAI:
OpenAI: GPT-5.3 Chat是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备函数调用、视觉理解能力，上下文窗口128K tokens，最大输出16K tokens，输入价格$1.75/百万tokens。
128K文本 图片视觉理解标准视觉
OpenAI: GPT-5.2 — 多模态视觉模型OpenRouter中等OpenAI: 思考
OpenAI: GPT-5.2是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口400K tokens，最大输出128K tokens，输入价格$1.75/百万tokens。
400K图片 文本视觉理解标准推理
xAI: Grok 4.20 Multi-Agent — 多模态视觉模型OpenRouter中等xAI: 思考
xAI: Grok 4.20 Multi-Agent是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口2.0M tokens，输入价格$2.00/百万tokens。
2M文本 图片视觉理解标准推理
OpenAI: GPT-5.2 Chat — 多模态视觉模型OpenRouter中等OpenAI: 思考
OpenAI: GPT-5.2 Chat是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备深度推理、函数调用、视觉理解能力，上下文窗口128K tokens，最大输出32K tokens，输入价格$1.75/百万tokens。
128K图片 文本视觉理解标准推理
Qwen: Qwen2.5 VL 72B Instruct — 多模态视觉模型OpenRouter低成本Qwen:开源
Qwen: Qwen2.5 VL 72B Instruct是通过OpenRouter平台提供的AI模型，支持文本和图像输入的多模态模型，具备视觉理解、开源能力，上下文窗口33K tokens，最大输出33K tokens，输入价格$0.80/百万tokens。
32.8K文本 图片视觉理解低成本视觉
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