厂商: openrouter · 标签: 多模态
OpenAI: GPT-5.4 Mini — 多模态视觉模型OpenRouterMini低成本OpenAI: 思考
OpenAI: GPT-5.4 Mini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$0.75/百万tokens。
400K图片 文本视觉理解低成本推理
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
Amazon: Nova Pro 1.0 — 多模态视觉模型OpenRouterPro低成本Amazon:
Amazon: Nova Pro 1.0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300K tokens，最大输出5K tokens，输入价格$0.80/百万tokens。
300K文本 图片视觉理解低成本视觉
Anthropic: Claude 3.5 Haiku — 多模态视觉模型OpenRouter低成本Anthropic:
Anthropic: Claude 3.5 Haiku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200K tokens，最大输出8K tokens，输入价格$0.80/百万tokens。
200K文本 图片视觉理解低成本视觉
Anthropic: Claude Haiku 4.5 — 多模态视觉模型OpenRouter中等Anthropic: 思考
Anthropic: Claude Haiku 4.5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200K tokens，最大输出64K tokens，输入价格$1.00/百万tokens。
200K图片 文本视觉理解标准推理
Perplexity: Sonar — 多模态视觉模型OpenRouter中等Perplexity:
Perplexity: Sonar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127K tokens，输入价格$1.00/百万tokens。
127.1K文本 图片视觉理解标准视觉
Qwen: Qwen3.6 Plus — 多模态视觉模型OpenRouterPlus低成本Qwen: 思考
Qwen: Qwen3.6 Plus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$0.33/百万tokens。
1M文本 图片 视频视觉理解低成本推理
Mistral: Mistral Small 3.1 24B — 多模态视觉模型OpenRouter低成本Mistral 思考开源
Mistral: Mistral Small 3.1 24B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、开源能力，上下文窗口128K tokens，输入价格$0.35/百万tokens。
128K文本 图片视觉理解低成本推理
MoonshotAI: Kimi K2.5 — 多模态视觉模型OpenRouter低成本MoonshotAI: 思考开源
MoonshotAI: Kimi K2.5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、开源能力，上下文窗口262K tokens，最大输出66K tokens，输入价格$0.38/百万tokens。
262.1K文本 图片视觉理解低成本推理
Qwen: Qwen3.5 397B A17B — 多模态视觉模型OpenRouter低成本Qwen: 思考开源
Qwen: Qwen3.5 397B A17B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、开源能力，上下文窗口262K tokens，最大输出66K tokens，输入价格$0.39/百万tokens。
262.1K文本 图片 视频视觉理解低成本推理
Xiaomi: MiMo-V2-Omni — 多模态视觉模型OpenRouter低成本Xiaomi: 思考
Xiaomi: MiMo-V2-Omni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262K tokens，最大输出66K tokens，输入价格$0.40/百万tokens。
262.1K文本 音频 图片 视频视觉理解低成本推理
Mistral: Mistral Medium 3.1 — 多模态视觉模型OpenRouter低成本Mistral
Mistral: Mistral Medium 3.1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，具备函数调用、视觉理解能力，上下文窗口131K tokens，输入价格$0.40/百万tokens。
131.1K文本 图片视觉理解低成本视觉
Mistral: Mistral Medium 3 — 多模态视觉模型OpenRouter低成本Mistral 思考
Mistral: Mistral Medium 3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131K tokens，输入价格$0.40/百万tokens。
131.1K文本 图片视觉理解低成本推理
OpenAI: GPT-4.1 Mini — 多模态视觉模型OpenRouterMini低成本OpenAI:
OpenAI: GPT-4.1 Mini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1.0M tokens，最大输出33K tokens，输入价格$0.40/百万tokens。
1.0M图片 文本视觉理解低成本视觉
Baidu: ERNIE 4.5 VL 424B A47B — 多模态视觉模型OpenRouter低成本Baidu: 思考开源
Baidu: ERNIE 4.5 VL 424B A47B 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、开源能力，上下文窗口123K tokens，最大输出16K tokens，输入价格$0.42/百万tokens。
123K图片 文本视觉理解低成本推理
Google: Nano Banana 2 (Gemini 3.1 Flash Image Preview) — 多模态视觉模型OpenRouterFlash低成本Google: 思考
Google: Nano Banana 2 (Gemini 3.1 Flash 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66K tokens，输入价格$0.50/百万
65.5K图片 文本视觉理解低成本推理
Google: Gemini 3 Flash Preview — 多模态视觉模型OpenRouterFlash低成本Google: 思考
Google: Gemini 3 Flash 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$0.50/百万tokens。
1.0M文本 图片 音频 视频视觉理解低成本推理
Mistral: Mistral Large 3 2512 — 多模态视觉模型OpenRouter低成本Mistral
Mistral: Mistral Large 3 2512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262K tokens，输入价格$0.50/百万tokens。
262.1K文本 图片视觉理解低成本视觉
Qwen: Qwen VL Max — 多模态视觉模型OpenRouter低成本Qwen:
Qwen: Qwen VL Max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131K tokens，最大输出33K tokens，输入价格$0.52/百万tokens。
131.1K文本 图片视觉理解低成本视觉
MiniMax: MiniMax-01 — 多模态视觉模型OpenRouterMini低成本MiniMax:开源
MiniMax: MiniMax-01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1.0M tokens，最大输出1000K tokens，输入价格$0.20/百万tokens。
1.0M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