GPT-5.6 series is now on CometAPI — Sol for advanced reasoning and coding, Terra for balanced cost, and Luna from $0.80/M input and $4.80/M output. Supports Chat and Responses APIs. Try it now
Happy Horse 1.1
Q

Happy Horse 1.1

Setiap Saat:$0.112
HappyHorse 1.1 ialah model penjanaan video multimodal yang direka untuk penciptaan kandungan profesional, pengiklanan, filem pendek, penerbitan untuk media sosial dan penceritaan. Ia memperluaskan keupayaan HappyHorse 1.0—yang mendapat perhatian ketara selepas menduduki kedudukan tinggi dalam penilaian penjanaan video bebas—dengan kesepaduan adegan yang lebih kukuh serta kesetiaan visual yang dipertingkat.
Happy Horse 1.0
Q

Happy Horse 1.0

Setiap Saat:$0.112
Happy Horse 1.0 — model penjanaan audio-video berkualiti tinggi yang menyokong penciptaan teks-ke-video dan imej-ke-video. Ia boleh menjana visual, audio dan pergerakan bibir yang diselaraskan, menjadikannya sesuai untuk filem pendek, bahan kreatif pengiklanan dan paparan produk.
Qwen3.7 Plus
Q

Qwen3.7 Plus

Masukan:$0.32/M
Keluaran:$1.28/M
Qwen3.7 Plus ialah model bahasa besar berprestasi tinggi yang dibangunkan oleh Alibaba Cloud. Ia menyokong pemahaman konteks panjang sehingga 128K tokens, pemanggilan fungsi dan tugasan pelbagai bahasa. Direka untuk senario penaakulan kompleks, pengekodan dan pematuhan arahan.
Qwen3.7-Max
Q

Qwen3.7-Max

Masukan:$1.36/M
Keluaran:$4.08/M
Kekuatan teras Qwen3.7-Max terletak pada keluasan dan kedalaman keupayaan berasaskan ejen. Dalam pengaturcaraan, ia mengendalikan segala-galanya daripada pembuatan prototaip front-end hinggalah projek kejuruteraan berbilang fail yang kompleks. Untuk kerja pejabat dan produktiviti, ia membolehkan automasi aliran kerja melalui integrasi MCP dan kerjasama berbilang ejen. Dalam pelaksanaan autonomi jangka panjang, ia mengekalkan penaakulan yang koheren sepanjang eksperimen pengoptimuman kernel selama 35 jam yang sepenuhnya autonomi, melibatkan lebih 1,000 panggilan alat — sekali gus membuktikan secara meyakinkan keupayaan pelaksanaan yang berterusan dan stabil. Selain itu, ia memperlihatkan generalisasi merentas rangka kerja yang kukuh secara konsisten, berfungsi dengan boleh dipercayai sama ada digunakan dalam Claude Code, OpenClaw, Qwen Code atau rangka kerja lain.
Q

Wan2.7

Q

Wan2.7

Setiap Saat:$0.08
Wan2.7 ialah model penjanaan video yang direka untuk sintesis visual berkualiti tinggi dan konsistensi pergerakan yang dipertingkatkan. Ia sesuai untuk penciptaan kandungan sinematik dan aliran kerja penerbitan video profesional.
Q

Wan2.6

Q

Wan2.6

Setiap Saat:$0.08
Wan2.6 ialah model penjanaan video yang direka untuk sintesis video yang stabil dan cekap. Ia menawarkan kualiti visual yang boleh dipercayai serta penjanaan pergerakan yang lancar bagi tugas penghasilan video umum.
Qwen3.6-Plus
Q

Qwen3.6-Plus

Masukan:$0.32/M
Keluaran:$1.92/M
Qwen 3.6-Plus kini tersedia, menampilkan keupayaan pembangunan kod yang dipertingkat dan kecekapan yang dipertingkat dalam pengecaman serta penaakulan multimodal, menjadikan pengalaman Vibe Coding lebih baik lagi.
Q

Qwen 3.5 Flash

Q

Qwen 3.5 Flash

Masukan:$0.16/M
Keluaran:$0.96/M
Qwen-3.5 Flash Series ialah keluarga model bahasa besar (LLM) berorientasikan pengeluaran yang dibangunkan oleh Alibaba Group di bawah inisiatif Qwen. Ia mewakili lapisan penyebaran (dihoskan/API) bagi keluarga model Qwen-3.5 yang lebih luas, dioptimumkan untuk kelajuan tinggi, pemprosesan konteks panjang, dan aplikasi berasaskan ejen. Ringkasnya: Qwen-3.5 Flash = versi pantas, boleh diskala, berkonteks panjang, menggunakan alat bagi model Qwen-3.5 yang direka untuk penggunaan dalam persekitaran pengeluaran dunia sebenar.
qwen3.5-plus
Q

qwen3.5-plus

Masukan:$0.32/M
Keluaran:$1.92/M
Model siri Plus vision-language natif Qwen3.5 dibina berasaskan seni bina hibrid yang mengintegrasikan mekanisme perhatian linear dengan model campuran pakar jarang, sekali gus mencapai kecekapan inferens yang lebih tinggi.
qwen3.5-397b-a17b
Q

qwen3.5-397b-a17b

Masukan:$0.48/M
Keluaran:$2.88/M
Model penglihatan-bahasa asli siri Qwen3.5 397B-A17B dibina berasaskan seni bina hibrid yang mengintegrasikan mekanisme perhatian linear dengan model campuran pakar jarang, sekaligus mencapai kecekapan inferens yang lebih tinggi.
qwen3 max
Q

qwen3 max

Masukan:$0.8/M
Keluaran:$3.2/M
- qwen3-max: model Qwen3-Max terkini daripada pasukan Alibaba Tongyi Qianwen, diposisikan sebagai puncak prestasi siri. - 🧠 Multimodal dan inferens yang berkuasa: Menyokong konteks ultra-panjang (sehingga 128k token) dan input multimodal, cemerlang dalam inferens kompleks, penjanaan kod, terjemahan, dan kandungan kreatif. - ⚡️ Peningkatan terobosan: Dioptimumkan dengan ketara merentas pelbagai penunjuk teknikal, kelajuan respons yang lebih pantas, batas pengetahuan sehingga 2025, sesuai untuk aplikasi AI berketepatan tinggi tahap perusahaan.
Q

Qwen Image

Q

Qwen Image

Setiap Permintaan:$0.028
Qwen-Image ialah model asas penjanaan imej yang revolusioner yang dikeluarkan oleh pasukan Tongyi Qianwen Alibaba pada tahun 2025. Dengan skala parameter sebanyak 20 bilion, ia berasaskan seni bina MMDiT (Multimodal Diffusion Transformer). Model ini telah mencapai kemajuan yang ketara dalam pemaparan teks kompleks dan penyuntingan imej yang tepat, menunjukkan prestasi yang luar biasa khususnya dalam pemaparan teks bahasa Cina. Diterjemahkan dengan DeepL.com (versi percuma)
Q

qwen-image-2

Q

qwen-image-2

Akan datang
Masukan:$60/M
Keluaran:$240/M
qwen-image-2 akan datang
Q

qwen3-vl-30b-a3b

Q

qwen3-vl-30b-a3b

Konteks:2M
Masukan:$0.12/M
Keluaran:$0.48/M
Qwen3-VL-30B-A3B ialah model AI multimodal termaju dalam keluarga Qwen3 AI, dibangunkan oleh pasukan Qwen Alibaba. Ia direka untuk menyatukan pemahaman bahasa dan pemahaman visual — termasuk teks, imej dan video — dalam satu model asas.
Q

qwen3-vl-32b

Q

qwen3-vl-32b

Masukan:$0.24/M
Keluaran:$0.96/M
Qwen3-VL-32B ialah varian padat dengan 32 bilion parameter dalam keluarga model visi-bahasa Qwen3 daripada Alibaba. Ia ialah Transformer multimodal (visi + bahasa + video) yang direka untuk persepsi bersepadu, penaakulan konteks panjang, OCR yang mantap dan pengaitan visual, serta aliran kerja berasaskan agen/alat.
Q

qwen3-vl-235b-a22b

Q

qwen3-vl-235b-a22b

Konteks:2M
Masukan:$0.24/M
Keluaran:$0.96/M
qwen3-vl-235b-a22b ialah model multimodal yang menyatukan penjanaan teks yang mantap dengan pemahaman visual untuk imej dan video. Varian Instructnya mengoptimumkan mengikuti arahan bagi tugasan multimodal umum. Ia unggul dalam persepsi kategori dunia nyata/sintetik, pendasaran ruang 2D/3D, serta pemahaman visual berformat panjang, sekali gus mencapai keputusan penanda aras multimodal yang berdaya saing.
Q

qwen3-30b-a3b

Q

qwen3-30b-a3b

Masukan:$0.12/M
Keluaran:$0.48/M
Mempunyai 3 bilion parameter, mengimbangi prestasi dan keperluan sumber, sesuai untuk aplikasi bertaraf perusahaan. - Model ini mungkin menggunakan MoE atau seni bina lain yang dioptimumkan, sesuai untuk senario yang memerlukan pemprosesan yang cekap bagi tugas kompleks, seperti perkhidmatan pelanggan pintar dan penjanaan kandungan.
Q

qwen3-coder-plus

Q

qwen3-coder-plus

Masukan:$0.52/M
Keluaran:$2.6/M
Q

qwen3-coder-480b-a35b-instruct

Q

qwen3-coder-480b-a35b-instruct

Masukan:$0.24/M
Keluaran:$0.96/M
Q

qwen3-coder

Q

qwen3-coder

Masukan:$0.24/M
Keluaran:$0.96/M
CometAPI’s qwen3-coder is an affordable, OpenAI-compatible coding model API for Qwen3 Coder, optimized for code generation, debugging, and repository-level engineering workflows with ~20% lower pricing.
Q

qwen3-235b-a22b

Q

qwen3-235b-a22b

Masukan:$0.336/M
Keluaran:$1.344/M
Qwen3-235B-A22B is the flagship model of the Qwen3 series, with 23.5 billion parameters, using a Mixture of Experts (MoE) architecture. - Particularly suitable for complex tasks requiring high-performance Inference, such as coding, mathematics, and Multimodal applications.
Q

Qwen3.6-Max-Preview

Q

Qwen3.6-Max-Preview

Akan datang
Masukan:$1.664/M
Keluaran:$9.984/M
Qwen3.6-Max-Preview Compared with Qwen3.6-Plus, this preview version brings stronger world knowledge and instruction compliance capabilities, as well as significantly improved agent programming performance on multiple benchmarks