2026 AI模型指南文本 • 图像 • 语音 • 视频
对比截至2026年8月的主流AI模型。快速查看Claude Fable 5、GPT-5.6 Sol、Gemini 3.6 Flash等模型的ID、价格边界与适用任务。
2026年AI模型分类
文本生成AI
面向复杂推理、编程和智能体任务的当前LLM，对比官方模型ID、上下文窗口、工具能力、API阶段与价格。
Claude Fable 5
Anthropic 当前能力最强的广泛开放模型，适合高难度推理、长周期智能体和复杂专业工作。
核心特性
定价
$10/百万输入 + $50/百万输出
更新
2026-07
OpenAI GPT-5.6 Sol
GPT-5.6 系列旗舰模型，面向复杂专业任务、编程、计算机操作和长时间运行的智能体工作流。
核心特性
定价
$5/百万输入 + $30/百万输出
更新
2026-07
Google Gemini 3.6 Flash
Google 最新稳定版 Flash，面向智能体与多模态任务，在速度、能力和 token 效率之间做平衡。
核心特性
定价
$1.50/百万输入 + $7.50/百万输出
更新
2026-07
图像生成AI
当前图像生成与编辑模型，覆盖复杂指令、文字排版、多参考图和生产级素材工作流。
GPT Image 2
OpenAI当前图像生成与编辑模型，官方快照为gpt-image-2-2026-04-21，强调高质量生成、编辑、灵活尺寸和高保真输入。
核心特性
定价
以OpenAI图片API价格为准
更新
2026-04
FLUX.2 Pro
Black Forest Labs 面向生产的图像生成与编辑模型，适合快速交付和使用多张参考图的工作流。
核心特性
定价
生成最低 $0.03/图
更新
2026-04
Gemini 3 Pro Image
谷歌当前适合复杂图像任务的模型，擅长多轮生成与编辑，对复杂视觉指令和文字细节的还原更强。
核心特性
定价
~$0.13/图（1-2K）
更新
2026-05
语音合成AI
当前实时语音与TTS模型，覆盖推理、工具调用、多模态上下文、打断处理和富有表现力的语音合成。
GPT-Realtime-2.1
OpenAI 推理型实时语音模型，改进了噪声、静音和打断处理，更适合复杂语音智能体。
核心特性
定价
$32/百万音频输入 + $64/百万输出
更新
2026-07
Gemini 3.1 Flash Live
Gemini Live 低延迟音频对话模型，支持声学细节、数字识别、多模态上下文与工具调用。
核心特性
定价
$3/百万音频输入 + $12/百万输出
更新
2026-07
Eleven v3
ElevenLabs当前主力TTS模型，更强调情绪提示、表达力控制和更自然的对话式语音生成。
核心特性
定价
从$5/月（30K字符）
更新
2026-02
视频生成AI
当前视频生成与编辑模型，覆盖带音频短片、对话式修改、多模态参考和API工作流。
Gemini Omni Flash
Google 当前建议优先使用的高速视频生成与对话式编辑模型，可在多轮对话中持续修改短视频。
核心特性
定价
以 Gemini API 预览价格为准
更新
2026-06
OpenAI Sora 2
OpenAI视频+音频模型，支持API访问。720p-1792p分辨率，对话同步，Cameos功能可将自己融入场景
核心特性
定价
$0.10/秒 (720p) API
更新
2026-02
Seedance 2.0
ByteDance Seed最新视频模型，支持音视频联合生成，可结合文本、图片、音频、视频参考做导演级控制和电影级输出。
核心特性
定价
联系销售
更新
2026-03
这份指南帮你确认什么
先按任务筛选，再在接入前核对当前API合同与价格
当前模型ID
区分产品名与API实际调用ID
价格边界
展示公开API价格或官方价格入口
可用阶段
区分GA、预览与限量开放
任务匹配
按文本、图像、语音和视频任务对比