A flagship long-context model for demanding, long-running knowledge work, coding projects, and multi-step agentic tasks. It accepts text, images, and PDFs, making it a strong fit for cross-file analysis, complex research, and sustained tool use. It prioritizes reasoning depth and long-horizon execution over speed and cost, so it is best reserved for tasks where reliable completion matters.

An efficient multimodal workhorse in the Qwen family, with a native million-token context window and strong support for coding assistance, agentic workflows, and visual understanding such as charts. It fits long documents, codebases, high-concurrency applications, and tool-assisted tasks.

The efficiency-focused Flash model in the GLM-5 family, with native multimodal support and a design aimed at long-context, high-frequency execution. It is a strong fit for coding, agentic workflows, and complex tasks that require image-and-text understanding, especially when production cost matters.

An experimental multimodal variant of DeepSeek-V4-Flash for image understanding alongside text. A practical choice for visual Q&A, screenshot and document analysis, while its experimental status makes it better suited to evaluation and flexible workflows than strict production-critical paths.

Free models are for learning and trial purposes only and may be removed at any time. Premium models have limited quotas with 5 requests per minute, and their availability is not guaranteed.

A flagship workhorse for complex software engineering and long-horizon agent tasks. It uses the same base model as GLM-5.2, with improvements driven by post-training, delivering a 50% gain on Z.ai Code Bench alongside stronger terminal-operation and vulnerability-discovery capabilities. It offers a 1M-token context window, up to 128K output, always-on reasoning with low, high, and max effort levels, function calling, and structured outputs. It currently accepts text only and is not intended for tasks requiring visual understanding.

Free models are for learning and trial purposes only and may be removed at any time. Premium models have limited quotas with 5 requests per minute, and their availability is not guaranteed.

A new fast multimodal model in the Gemini 3 family, released in August 2026, built for low-cost, high-throughput multimodal understanding. It accepts text, image, video, audio and document inputs with a 1M-token context, suited to large-scale processing, batch workloads and real-time interactions.

A flagship general-purpose model for high-quality coding, agentic execution, and knowledge work. It fits tasks that need sustained planning, tool collaboration, and complex problem solving; for simple calls where latency or cost matters most, choose a lighter model.

Qwen's most capable flagship multimodal reasoning model, built for long-horizon coding, professional work, and multi-stage agent tasks. It accepts text, images, and video, offers a 1M-token context window with up to 128K output, and supports function calling, structured outputs, web search, and a code interpreter. It is best used as a high-quality workhorse for complex tasks rather than for the lowest-cost, lowest-latency batch workloads.

An omni-modal video generation model that can combine text with image, video, and audio references to create video assets with synchronized audio. It is suited to short-form video, advertising, and reference-driven character or camera work; it is not a general chat model, so prioritize visual consistency, motion, and audio-visual quality.

A premium model for complex agentic coding and enterprise knowledge work, emphasizing long-horizon planning, sustained execution, self-checking, and reliable delivery. With a million-token context window, it is suited to large codebases, complex documents, and multi-step projects that need limited human oversight.

The workhorse of the Gemini Flash line, balancing efficiency with coding, knowledge work, and multimodal understanding. Compared with 3.5 Flash, it is designed to complete multi-step tasks with fewer output tokens, reasoning steps, and tool calls, making it a good fit for production agents, document and chart analysis, and frequent complex workflows.

The fastest and most cost-effective model in the Gemini 3.5 line, built for high-throughput, low-latency work such as translation, classification, document processing, and lightweight agentic workflows. It supports multimodal inputs and up to a 1M-token context, while demanding reasoning, long-horizon planning, or high-quality code changes are better handled by a higher-tier Flash model.

Modèle phare Moonshot avec vision native et fenêtre contextuelle jusqu'à 1 million de jetons. Il fonctionne actuellement avec un effort de raisonnement maximal et convient au codage à long terme, au travail de connaissances et aux tâches complexes qui coordonnent les outils des terminaux. Pour une utilisation stable, conservez l'historique complet du raisonnement et démarrez une nouvelle session dans un harnais d'agent compatible.

Free models are for learning and trial purposes only and may be removed at any time. Premium models have limited quotas with 5 requests per minute, and their availability is not guaranteed.

The balanced workhorse tier of GPT-5.6, combining capability and cost. Well suited to production work involving image understanding, tool use, and large source material; choose Sol for the hardest quality-first work or Luna for cost-controlled high volume.

The flagship GPT-5.6 tier for complex professional work and quality-first delivery. It supports image input, function calling, structured outputs, and an exceptionally large context window; consider Terra or Luna when latency or unit cost is the primary constraint.

Un modèle de génération d'images multimodal pour la création visuelle professionnelle. Il peut générer des images à partir de texte et effectuer des modifications précises avec des images de référence et des annotations spatiales, avec des atouts en matière d'infographie dense, de typographie, d'éclairage réaliste et de rendu de texte multilingue.

Un modèle de raisonnement frontalier pour le codage, le travail de connaissances et les tâches STEM. Il prend en charge l'entrée d'image, l'appel de fonction et les sorties structurées ; son contexte de 500 000 jetons convient à l'analyse multi-fichiers et aux sources longues. Préférez un modèle à moindre coût lorsque le raisonnement frontalier n’est pas nécessaire.

Le modèle Anthropic le plus performant et largement diffusé, conçu pour le raisonnement les plus exigeants et le travail agent à long terme. Offre une fenêtre contextuelle de 1 million de jetons avec une sortie maximale de 128 000 et une pensée adaptative permanente, excellant dans l'exploration autonome de tâches sous-spécifiées, la planification et la poursuite du codage de longue durée et de l'orchestration multi-agents avant de nécessiter une intervention humaine.

A high-efficiency image generation and editing model for frequent visual drafts, social assets, posters, and iterative revisions. It supports multimodal inputs and a million-token context, favoring speed and scaled usage; choose Pro Image when complex creative control is the priority.

Un modèle de niveau Sonnet à pilote quotidien visant à apporter des capacités d'agent, de codage et de travail de connaissances proches des frontières à un coût d'exploitation inférieur. Son contexte de jeton 1M par défaut et sa pensée adaptative s'adaptent aux longs documents, aux bases de code et aux flux de travail d'outils en plusieurs étapes ; pour le raisonnement le plus approfondi ou les travaux de sécurité restreints à haut risque, évaluez des modèles de niveau supérieur ou spécialisés.

A next-generation Seedance model for long-form storytelling and complex creative workflows, with more flexible multimodal references, video extension, and precise editing. It is well suited to advertising, short films, and production work that must preserve character, scene, and audio-visual continuity.

Conçu pour le codage, les agents et les tâches de productivité complexes, dépassant Doubao Seed 2.0 dans un contexte long, une sortie longue et des flux de travail orientés outils. Comparé aux pairs de Qwen, GLM et DeepSeek, il s'agit d'une option rentable pour le travail de bureau chinois, le codage et l'automatisation en plusieurs étapes.

Conçu pour la conversion texte-vidéo, avec un flux de travail audio natif plus puissant que HappyHorse 1.0, générant des dialogues, des effets sonores et une musique de fond en un seul passage. Par rapport à Veo, Kling et Runway, son différenciateur réside dans la génération audiovisuelle synchronisée et les flux de travail cohérents avec les personnages pour les courts métrages, les publicités, le commerce électronique et le marketing de marque.

Conçu pour la référence à la vidéo, avec un flux de travail audio natif plus puissant que HappyHorse 1.0, générant des dialogues, des effets sonores et une musique de fond en un seul passage. Par rapport à Veo, Kling et Runway, son différenciateur réside dans la génération audiovisuelle synchronisée et les flux de travail cohérents avec les personnages pour les courts métrages, les publicités, le commerce électronique et le marketing de marque.

Conçu pour la conversion d'image en vidéo, avec un flux de travail audio natif plus puissant que HappyHorse 1.0, générant des dialogues, des effets sonores et une musique de fond en un seul passage. Par rapport à Veo, Kling et Runway, son différenciateur réside dans la génération audiovisuelle synchronisée et les flux de travail cohérents avec les personnages pour les courts métrages, les publicités, le commerce électronique et le marketing de marque.

Conçu pour la génération vidéo et la création vidéo multi-actifs, améliorant Seedance 1.x avec une stabilité de mouvement, une génération audiovisuelle et des entrées de référence plus complètes. Comparé à Veo, Kling et Runway, il est mieux adapté aux flux de travail créatifs chinois pilotés par des entrées mixtes de texte, d'image, d'audio et de vidéo. Cette variante sans filtre conserve le même niveau de capacité de génération que Seedance 2.0 standard tout en appliquant un filtrage de contenu plus souple. Utile pour les courts métrages dramatiques, les publicités, le commerce électronique et les ressources sociales.

Conçu pour le raisonnement, le codage et les tâches d'agent à contexte long, améliorant par rapport à GLM-5.1 en termes de longueur de contexte, d'utilisation des outils et de flux de travail complexes en plusieurs étapes. Comparé à ses homologues chinois phares tels que Qwen, DeepSeek et Kimi, il s'adapte à l'automatisation d'entreprise, à l'analyse de code au niveau du projet et au travail de connaissances en chinois.

A lightweight Seedance 2.0 variant that retains reference-driven video generation with text, images, and video. It is better suited to rapid iteration, batch drafts, and cost-sensitive workflows; choose the standard model when complex motion control, camera work, or final quality matters more.

Conçu pour une utilisation d'outils en plusieurs étapes et dans un contexte long, ainsi que pour les flux de travail de code/document, avec une stabilité des tâches d'ingénierie et une capacité de contexte plus élevées que Kimi K2.6. Comparé à Qwen, GLM et DeepSeek, il est bien adapté à l'analyse de documents longs en chinois, aux questions et réponses sur les projets et à la programmation agent quotidienne.

Conçu pour une utilisation d'outils en plusieurs étapes et dans un contexte long, ainsi que pour les flux de travail de code/document, avec une stabilité des tâches d'ingénierie et une capacité de contexte plus élevées que Kimi K2.6. Comparé à Qwen, GLM et DeepSeek, il est bien adapté à l'analyse de documents longs en chinois, aux questions et réponses sur les projets et à la programmation agent quotidienne.

Conçu pour la génération, l'édition et l'extension d'images/vidéos, avec une cohérence de mouvement plus forte et une production rapide de contenu social que Grok Imagine 1.0. Comparé à Veo, Kling et Runway, il s'adapte aux vidéos courtes, aux concepts publicitaires et aux actifs axés sur les tendances dans l'écosystème xAI.

Conçu pour les charges de travail agents, le codage et la productivité bureautique, avec un accent combiné plus fort sur le contexte long, les appels d'outils et la sortie structurée que Qwen3.6. Comparé aux modèles phares tels que GPT, Claude et Gemini, il s'agit d'une alternative rentable pour les flux de travail en chinois, en codage et en outils en plusieurs étapes.

Free models are for learning and trial purposes only and may be removed at any time. Premium models have limited quotas with 5 requests per minute, and their availability is not guaranteed.

Conçu pour le codage à long terme, l'utilisation d'outils et la collaboration de production multi-tours, s'étendant au-delà de MiniMax M2.7 avec des entrées multimodales tout en conservant une fenêtre contextuelle de 1 million de jetons. Par rapport aux modèles d'agents à contexte long Claude, Gemini et GLM-5.2, il est préférable de regrouper du texte, des images et des vidéos dans un seul flux de travail.

Pour le raisonnement phare et les tâches complexes des agents, il va plus loin que Claude Opus 4.7 en termes de contexte long, de code, d'utilisation des outils et de planification complexe ; par rapport aux modèles phares tels que GPT, Gemini et Qwen, il est plus adapté aux agents de haute fiabilité, à la maintenance de la base de code et aux flux de travail de recherche approfondis.

Conçu pour la création multimodale de n'importe quelle entrée dans la vidéo, en mettant davantage l'accent que les flux de travail vidéo Gemini précédents sur l'orchestration unifiée du texte, de l'image, de l'audio et du matériel vidéo. Par rapport à Veo, Kling et Runway, il est préférable d'intégrer des actifs multimodaux complexes dans un seul flux de travail créatif.

Conçu pour la compréhension multimodale, le codage et les tâches à contexte long, améliorant par rapport à Gemini 3.1 en termes de débit, de contexte et de capacités d'outils. Comparé aux modèles GPT, Claude et Qwen, il est puissant pour les flux de travail d'analyse unifiés du texte, des images, de l'audio, de la vidéo et des documents.

Conçu pour les charges de travail agents, le codage et la productivité bureautique, avec un accent combiné plus fort sur le contexte long, les appels d'outils et la sortie structurée que Qwen3.6. Comparé aux modèles phares tels que GPT, Claude et Gemini, il s'agit d'une alternative rentable pour les flux de travail en chinois, en codage et en outils en plusieurs étapes.

Pour le montage vidéo, par rapport aux premiers modèles vidéo, il met davantage l'accent sur la génération audio native, complétant les dialogues, les effets sonores et la musique de fond en une seule fois ; par rapport à Veo, Kling et Runway, ses avantages différenciés résident dans la synchronisation sono-visuelle et dans le flux de travail de cohérence des personnages. Convient aux courtes dramatiques, aux publicités, aux vidéos de commerce électronique et de marketing de marque.

Pour les vidéos Wensheng, par rapport aux premiers modèles vidéo, l'accent est mis davantage sur la génération audio native, complétant simultanément les dialogues, les effets sonores et la musique de fond ; par rapport à Veo, Kling et Runway, ses avantages différenciés résident dans la synchronisation sono-visuelle et dans le flux de travail de cohérence des personnages. Convient aux courtes dramatiques, aux publicités, aux vidéos de commerce électronique et de marketing de marque.

La génération de vidéos à titre de référence, par rapport aux premiers modèles vidéo, est plus importante dans la génération audio native et complète les dialogues, les effets sonores et la musique de fond en une seule fois ; par rapport à Veo, Kling et Runway, ses avantages différenciés résident dans la synchronisation sono-visuelle et dans le flux de travail de cohérence des personnages. Convient aux courtes dramatiques, aux publicités, aux vidéos de commerce électronique et de marketing de marque.

Pour les vidéos Tusheng, par rapport aux premiers modèles vidéo, l'accent est mis davantage sur la génération audio native, complétant simultanément les dialogues, les effets sonores et la musique de fond ; par rapport à Veo, Kling et Runway, ses avantages différenciés résident dans la synchronisation sono-visuelle et dans le flux de travail de cohérence des personnages. Convient aux courtes dramatiques, aux publicités, aux vidéos de commerce électronique et de marketing de marque.

Conçu pour le raisonnement, le codage et l'utilisation d'outils agentiques, avec une exécution de contexte long, de mode de réflexion et de tâches complexes plus puissante que DeepSeek V3.2. Comparé à ses pairs chinois tels que Qwen, GLM et Kimi, il est particulièrement compétitif pour les tâches de mathématiques, de programmation et de raisonnement logique.

Conçu pour le raisonnement, le codage et l'utilisation d'outils agentiques, avec une exécution de contexte long, de mode de réflexion et de tâches complexes plus puissante que DeepSeek V3.2. Comparé à ses pairs chinois tels que Qwen, GLM et Kimi, il est particulièrement compétitif pour les tâches de mathématiques, de programmation et de raisonnement logique.

Conçu pour le raisonnement, le codage, la compréhension visuelle et les tâches d'agent, avec un contexte long, une utilisation des outils et une sortie fiable et évolutive plus forts que GPT-5.4. Comparé aux modèles phares Claude, Gemini et Qwen, il s'agit d'une base polyvalente solide pour une automatisation fiable et des flux de connaissances complexes.

Conçu pour la conception vocale d'une phrase et la synthèse vocale, avec une création vocale en langage naturel de la série V2.5 plus puissante, un contrôle plus fin du rythme/des émotions/de la tonalité et une production vocale à faible friction que le MiMo V2 TTS. Comparé à ElevenLabs, OpenAI TTS et Azure Speech, il est utile pour la conception de voix de personnages sans référence, les voix off publicitaires, la narration vidéo courte et l'exploration vocale multistyle.

Conçu pour le clonage de voix de quelques échantillons, avec une reproduction du timbre haute fidélité de la série V2.5 plus forte, une cohérence des caractères vocaux et une généralisation du texte croisé que le MiMo V2 TTS. Comparé à ElevenLabs, OpenAI TTS et Azure Speech, il est bien adapté au doublage de caractères chinois, à la narration de courtes vidéos, à la réplication vocale de podcast et à la production vocale multilingue qui doit préserver une voix cible.

Conçu pour la synthèse vocale, la conception vocale et le clonage vocal, avec une synthèse vocale naturelle de la série V2.5 plus puissante, un contrôle précis du rythme/des émotions/de la tonalité et une création vocale à faible friction que le MiMo V2 TTS. Comparé à ElevenLabs, OpenAI TTS et Azure Speech, il est bien adapté à la narration chinoise, au doublage de personnages, à l'audio de courtes vidéos et à la production vocale multilingue.

Conçu pour les agents, le codage et les tâches à long contexte, offrant une compréhension multimodale plus complète, une fenêtre contextuelle d'un million de jetons et un raisonnement à long terme que MiMo V2. Par rapport à ses pairs chinois tels que Qwen, GLM et DeepSeek, ses atouts résident dans l'adéquation à l'écosystème Xiaomi et les scénarios d'automatisation de l'ingénierie.

Conçu pour les agents, le codage et les tâches à long contexte, offrant une compréhension multimodale plus complète, une fenêtre contextuelle d'un million de jetons et un raisonnement à long terme que MiMo V2. Par rapport à ses pairs chinois tels que Qwen, GLM et DeepSeek, ses atouts résident dans l'adéquation à l'écosystème Xiaomi et les scénarios d'automatisation de l'ingénierie.

Il s'agit d'un itinéraire d'essai à prix réduit. La génération peut prendre plus de temps et a environ 10 % de chances d’échouer. Il est préférable de réaliser des essais de génération d'images sensibles aux coûts, où les files d'attente et les échecs occasionnels sont acceptables ; pour une utilisation en production plus stable, choisissez un itinéraire régulier.

Il s'agit d'un itinéraire d'essai à prix réduit. La génération peut prendre plus de temps et a environ 10 % de chances d’échouer. Il est préférable de réaliser des essais de génération d'images sensibles aux coûts, où les files d'attente et les échecs occasionnels sont acceptables ; pour une utilisation en production plus stable, choisissez un itinéraire régulier.

Conçu pour la génération et l'édition d'images de haute qualité, améliorant par rapport à GPT Image 1.x le rendu du texte, l'édition locale et la cohérence multi-tours. Comparé aux modèles d'image Gemini, Qwen Image et Seedream, il est bien adapté aux visuels de marque, à la conception publicitaire, à l'imagerie de produits et aux flux de travail créatifs étroitement contrôlés.

Pour le raisonnement phare et les tâches complexes des agents, il va plus loin que Claude Opus 4.6 en termes de contexte long, de code, d'utilisation des outils et de planification complexe ; par rapport aux modèles phares tels que GPT, Gemini et Qwen, il est plus adapté aux agents de haute fiabilité, à la maintenance de la base de code et aux flux de travail de recherche approfondis.

Conçu pour la génération de texte, le raisonnement et l'utilisation d'outils, avec une stabilité de flux de travail agent et en contexte long de 200 Ko plus forte que les versions précédentes de MiniMax M2.x. Comparé à ses homologues chinois tels que Kimi, GLM et Qwen, il s'adapte à la productivité, à l'assistance au codage et au traitement de documents longs.

Conçu pour la génération de texte, le raisonnement et l'utilisation d'outils, avec une stabilité de flux de travail agent et en contexte long de 200 Ko plus forte que les versions précédentes de MiniMax M2.x. Comparé à ses homologues chinois tels que Kimi, GLM et Qwen, il s'adapte à la productivité, à l'assistance au codage et au traitement de documents longs.

Conçu pour le raisonnement, le codage, la compréhension visuelle et les tâches d'agent, avec un contexte long, une utilisation des outils et une sortie fiable et évolutive plus forts que GPT-5.3. Comparé aux modèles phares Claude, Gemini et Qwen, il s'agit d'une base polyvalente solide pour une automatisation fiable et des flux de connaissances complexes.

Conçu pour le raisonnement, le codage, la compréhension visuelle et les tâches d'agent, avec un contexte long, une utilisation des outils et une sortie fiable et évolutive plus forts que GPT-5.3. Comparé aux modèles phares Claude, Gemini et Qwen, il s'agit d'une base polyvalente solide pour une automatisation fiable et des flux de connaissances complexes.

Conçu pour la génération et l'édition d'images, améliorant par rapport à Qwen Image 1.x le rendu du texte chinois, le suivi des instructions et les mises en page complexes. Comparé à GPT Image, aux modèles d'images Gemini et à Seedream, il est bien adapté aux affiches chinoises, aux images de commerce électronique, aux infographies et à la création visuelle itérative.

Conçu pour la génération et l'édition d'images, améliorant par rapport à Qwen Image 1.x le rendu du texte chinois, le suivi des instructions et les mises en page complexes. Comparé à GPT Image, aux modèles d'images Gemini et à Seedream, il est bien adapté aux affiches chinoises, aux images de commerce électronique, aux infographies et à la création visuelle itérative.

Conçu pour la génération et l'édition d'images, avec une compréhension multimodale, des modifications conversationnelles et un prototypage visuel plus rapides que les fonctionnalités d'image Gemini antérieures. Comparé à GPT Image, Qwen Image et Seedream, il est utile pour combiner des documents, des images et des invites dans un seul flux de travail visuel.

An efficient Gemini image tier that balances quality and speed for text-to-image generation, image editing, multi-image composition, and workflows that need fast, scalable output. It offers flexible composition and text rendering, while complex professional design may be better served by Gemini 3 Pro Image.

Conçu pour la compréhension multimodale, le codage et les tâches à contexte long, améliorant par rapport à Gemini 3.0/2.5 en termes de débit, de contexte et de capacités d'outils. Comparé aux modèles GPT, Claude et Qwen, il est puissant pour les flux de travail d'analyse unifiés du texte, des images, de l'audio, de la vidéo et des documents.

Pour des tâches de codage et d'agent efficaces, il va plus loin que la version précommande de Claude 4.5/4.6 en termes de contexte long, de code, d'utilisation des outils et de planification complexe ; par rapport aux modèles phares tels que GPT, Gemini et Qwen, il est plus adapté aux agents de haute fiabilité, à la maintenance de la base de code et aux flux de travail de recherche approfondis.

Conçu pour le codage, les agents et les tâches de productivité complexes, dépassant Doubao Seed 2.0 dans un contexte long, une sortie longue et des flux de travail orientés outils. Comparé aux pairs de Qwen, GLM et DeepSeek, il s'agit d'une option rentable pour le travail de bureau chinois, le codage et l'automatisation en plusieurs étapes.

Conçu pour la génération et l'édition d'images, avec un suivi des instructions en chinois, un raisonnement visuel et une production créative à haute fréquence plus solides que Seedream 4.x. Comparé à GPT Image, aux modèles d'image Gemini et à Qwen Image, il est bien adapté à la conception publicitaire de l'écosystème ByteDance, aux actifs de commerce électronique et à la production visuelle multi-scénarios.

Un modèle rentable pour les vrais agents de productivité, les plus performants en matière de codage, d'utilisation d'outils, de recherche et de livrables de type bureautique plutôt que de simple conversation informelle. Il convient aux agents qui planifient et exécutent les modifications inter-fichiers, la récupération de recherche et les flux de travail de documents/feuilles de calcul/présentations ; Par rapport aux produits phares plus chers, le principal compromis est un coût inférieur pour une efficacité d'exécution proche des frontières.

Conçu pour la génération vidéo et la création vidéo multi-actifs, améliorant Seedance 1.x avec une stabilité de mouvement, une génération audiovisuelle et des entrées de référence plus complètes. Comparé à Veo, Kling et Runway, il est mieux adapté aux flux de travail créatifs chinois pilotés par des entrées mixtes de texte, d'image, d'audio et de vidéo. Cette variante sans filtre conserve le même niveau de capacité de génération que Seedance 2.0 standard tout en appliquant un filtrage de contenu plus souple. Utile pour les courts métrages dramatiques, les publicités, le commerce électronique et les ressources sociales.

Conçu pour la génération vidéo et la création vidéo multi-actifs, améliorant Seedance 1.x avec une stabilité de mouvement, une génération audiovisuelle et des entrées de référence plus complètes. Comparé à Veo, Kling et Runway, il est mieux adapté aux flux de travail créatifs chinois pilotés par des entrées mixtes de texte, d'image, d'audio et de vidéo. Cette variante sans filtre conserve le même niveau de capacité de génération que Seedance 2.0 standard tout en appliquant un filtrage de contenu plus souple. Utile pour les courts métrages dramatiques, les publicités, le commerce électronique et les ressources sociales.

Pour le raisonnement phare et les tâches complexes des agents, il va plus loin que la version précommande de Claude 4.5/4.6 en termes de contexte long, de code, d'utilisation des outils et de planification complexe ; par rapport aux modèles phares tels que GPT, Gemini et Qwen, il est plus adapté aux agents de haute fiabilité, à la maintenance de la base de code et aux flux de travail de recherche approfondis.

Conçu pour la création de texte/image en vidéo et de prises de vue multiples, améliorant par rapport à Kling 2.x la stabilité du mouvement, le langage de la caméra et la cohérence des références. Comparé à Veo, Runway et Seedance, il est bien adapté aux courts métrages dramatiques chinois, aux ressources publicitaires et à la production de vidéos sociales de haute qualité.

Conçu pour la création de texte/image en vidéo et de prises de vue multiples, améliorant par rapport à Kling 2.x la stabilité du mouvement, le langage de la caméra et la cohérence des références. Comparé à Veo, Runway et Seedance, il est bien adapté aux courts métrages dramatiques chinois, aux ressources publicitaires et à la production de vidéos sociales de haute qualité.

The speed-prioritized Seedance 2.0 variant for low-latency generation and rapid iteration. It fits batch look development, creative exploration, and workflows that need usable video drafts quickly; choose the standard model when complex reference fusion, motion stability, and final polish are the priority.

The standard Seedance 2.0 model for controllable video creation from combined text, image, audio, and video references. It balances complex motion, multi-subject interaction, camera control, and joint audio-video generation, making it a solid default for ads, short films, and high-quality production assets.

Modèle de réflexion rapide de Google conçu pour les flux de travail agents, le chat multi-tours et l'assistance au codage. Prend en charge la saisie de texte, d'image, d'audio, de vidéo et de PDF avec une fenêtre contextuelle de jeton de 1 M. Comprend des niveaux de réflexion configurables, l’utilisation d’outils et une sortie structurée. Améliorations apportées à la qualité par rapport à Gemini 2.5 Flash en termes de raisonnement, de compréhension multimodale et de fiabilité.

Conçu pour la génération et l'édition d'images, avec une compréhension multimodale, des modifications conversationnelles et un prototypage visuel plus rapides que les fonctionnalités d'image Gemini antérieures. Comparé à GPT Image, Qwen Image et Seedream, il est utile pour combiner des documents, des images et des invites dans un seul flux de travail visuel.

A reasoning-driven image generation and editing model for professional creative work, including complex graphic design, high-fidelity product mockups, infographics, and visuals that require accurate text rendering. Compared with the faster Flash Image tier, it prioritizes fine control, grounded content, and polished output.

Destiné au raisonnement phare et aux tâches complexes des agents, il va plus loin que les versions en précommande de la série Claude 4 en termes de contexte long, de code, d'utilisation des outils et de planification complexe ; par rapport aux modèles phares tels que GPT, Gemini et Qwen, il est plus adapté aux agents de haute fiabilité, à la maintenance de la base de code et aux flux de travail de recherche approfondis.

Conçu pour la génération vidéo haute fidélité, avec un flux de travail d'audio natif, de contrôle de caméra et d'entrée de référence plus mature que celui du Veo 2/3. Comparé à Kling, Runway et Seedance, il est mieux adapté aux courts métrages cinématographiques, aux storyboards publicitaires et aux vidéos nécessitant un mouvement physique stable. Le niveau Lite privilégie les brouillons à haut débit et à moindre coût par rapport au niveau standard.

Conçu pour la génération vidéo haute fidélité, avec un flux de travail d'audio natif, de contrôle de caméra et d'entrée de référence plus mature que celui du Veo 2/3. Comparé à Kling, Runway et Seedance, il est mieux adapté aux courts métrages cinématographiques, aux storyboards publicitaires et aux vidéos nécessitant un mouvement physique stable. Le niveau Rapide est meilleur pour une validation rapide du concept que le niveau standard.

Conçu pour la génération vidéo haute fidélité, avec un flux de travail d'audio natif, de contrôle de caméra et d'entrée de référence plus mature que celui du Veo 2/3. Comparé à Kling, Runway et Seedance, il est mieux adapté aux courts métrages cinématographiques, aux storyboards publicitaires et aux vidéos nécessitant un mouvement physique stable.

Conçu pour la génération et l'édition d'images, avec une compréhension multimodale, des modifications conversationnelles et un prototypage visuel plus rapides que les fonctionnalités d'image Gemini antérieures. Comparé à GPT Image, Qwen Image et Seedream, il est utile pour combiner des documents, des images et des invites dans un seul flux de travail visuel.

Pour des tâches de codage et d'agent efficaces, il va plus loin que Claude Haiku 3.5 en termes de contexte long, de code, d'utilisation d'outils et de planification complexe ; par rapport aux modèles phares tels que GPT, Gemini et Qwen, il est plus adapté aux agents de haute fiabilité, à la maintenance de la base de code et aux flux de travail de recherche approfondis.

The speed-first variant of Alibaba's Wan 3.0 line (early access). It shortens generation latency while retaining high-quality video output, making it a good fit for low-latency previews, batch drafts and fast-iterating short-video workflows. If ultimate visual control matters more than speed, the standard version is a better choice.

The standard video generation model of Alibaba's Wan 3.0 line (early access). It supports text-to-video, image-to-video and multi-modal reference inputs, generating clips up to roughly 30 seconds with synchronized audio in a single pass — suitable for ads, short drama and narrative content. Official release date not yet announced.

Conçu pour la génération et l'édition d'images, avec une concentration plus forte que les capacités de vision GLM antérieures sur les invites chinoises, la compréhension du texte image et la génération contrôlable. Comparé à GPT Image, aux modèles d'image Gemini et à Qwen Image, il s'adapte aux actifs marketing chinois, aux visuels explicatifs et aux modifications visuelles itératives.