GPT-5.6 Series is now live on CometAPI →
Q

Modele Aliyun

Przeglądaj modele od Aliyun
Modele Qwen od Alibaba Cloud wykorzystują architekturę MoE i oferują wiodące możliwości wielojęzycznego rozumowania do złożonych zadań. Dostęp za pośrednictwem CometAPI.
Happy Horse 1.1
Q

Happy Horse 1.1

Na Sekundę:$0.112
HappyHorse 1.1 to multimodalny model generowania wideo przeznaczony do profesjonalnego tworzenia treści, reklamy, filmów krótkometrażowych, produkcji na potrzeby mediów społecznościowych oraz opowiadania historii. Rozszerza możliwości HappyHorse 1.0 — który zyskał duży rozgłos po zajęciu wysokich miejsc w niezależnych testach generowania wideo — oferując większą spójność scen i poprawioną wierność wizualną.
Happy Horse 1.0
Q

Happy Horse 1.0

Na Sekundę:$0.112
Happy Horse 1.0 — wysokiej jakości model generowania audio-wideo, który obsługuje tworzenie wideo z tekstu oraz z obrazu. Potrafi generować zsynchronizowany obraz, dźwięk oraz ruch warg, co czyni go odpowiednim do krótkich filmów, kreacji reklamowych i prezentacji produktów.
Qwen3.7 Plus
Q

Qwen3.7 Plus

Wejście:$0.32/M
Wyjście:$1.28/M
Qwen3.7 Plus to wysokowydajny duży model językowy opracowany przez Alibaba Cloud. Obsługuje rozumienie długiego kontekstu do 128K tokenów, wywoływanie funkcji oraz zadania wielojęzyczne. Zaprojektowany z myślą o scenariuszach obejmujących złożone rozumowanie, programowanie i wykonywanie poleceń.
Qwen3.7-Max
Q

Qwen3.7-Max

Wejście:$1.36/M
Wyjście:$4.08/M
Główną mocną stroną Qwen3.7‑Max jest szeroki zakres i głębia jego możliwości agentowych. W programowaniu obsługuje wszystko — od prototypowania front‑endu po złożone, wieloplikowe projekty inżynieryjne. W obszarze pracy biurowej i produktywności umożliwia automatyzację przepływów pracy dzięki integracji z MCP oraz współpracy wieloagentowej. W autonomicznym wykonywaniu zadań w długim horyzoncie utrzymywał spójne rozumowanie przez 35‑godzinny, w pełni autonomiczny eksperyment optymalizacji jądra, obejmujący ponad 1,000 wywołań narzędzi — przekonująco demonstrując trwałe, stabilne działanie. Ponadto zapewnia konsekwentnie wysoką zdolność uogólniania między frameworkami, działając niezawodnie niezależnie od tego, czy jest wdrożony w Claude Code, OpenClaw, Qwen Code, czy innych frameworkach.
Q

Wan2.7

Q

Wan2.7

Na Sekundę:$0.08
Wan2.7 to model generowania wideo zaprojektowany do wysokiej jakości syntezy wizualnej i poprawionej spójności ruchu. Nadaje się do tworzenia treści filmowych oraz profesjonalnych przepływów pracy w produkcji wideo.
Q

Wan2.6

Q

Wan2.6

Na Sekundę:$0.08
Wan2.6 to model generowania wideo zaprojektowany z myślą o stabilnej i wydajnej syntezie wideo. Zapewnia niezawodną jakość obrazu oraz płynne generowanie ruchu w ogólnych zadaniach tworzenia wideo.
Qwen3.6-Plus
Q

Qwen3.6-Plus

Wejście:$0.32/M
Wyjście:$1.92/M
Qwen 3.6-Plus jest już dostępny i oferuje ulepszone możliwości tworzenia kodu oraz wyższą wydajność w zakresie multimodalnego rozpoznawania i wnioskowania, dzięki czemu doświadczenie Vibe Coding jest jeszcze lepsze.
Q

Qwen 3.5 Flash

Q

Qwen 3.5 Flash

Wejście:$0.16/M
Wyjście:$0.96/M
Qwen-3.5 Flash Series to rodzina dużych modeli językowych (LLM) przeznaczona do zastosowań produkcyjnych, opracowana przez Alibaba Group w ramach inicjatywy Qwen. Stanowi warstwę wdrożeniową (hosted/API) szerszej rodziny modeli Qwen-3.5, zoptymalizowaną pod kątem wysokiej szybkości, przetwarzania długich kontekstów oraz aplikacji opartych na agentach. W uproszczeniu: Qwen-3.5 Flash = szybkie, skalowalne, obsługujące długie konteksty i korzystające z narzędzi wersje modeli Qwen-3.5, zaprojektowane do produkcyjnego użycia w realnych warunkach.
qwen3.5-plus
Q

qwen3.5-plus

Wejście:$0.32/M
Wyjście:$1.92/M
Modele Plus z natywnej serii wizualno-językowej Qwen3.5 są oparte na architekturze hybrydowej, która integruje mechanizmy liniowej uwagi z rzadkimi modelami typu mixture-of-experts, osiągając wyższą wydajność inferencji.
qwen3.5-397b-a17b
Q

qwen3.5-397b-a17b

Wejście:$0.48/M
Wyjście:$2.88/M
Natywny model wizyjno-językowy 397B-A17B z serii Qwen3.5 został zbudowany na hybrydowej architekturze, która integruje mechanizm liniowej uwagi z rzadką mieszanką ekspertów, osiągając wyższą efektywność wnioskowania.
qwen3 max
Q

qwen3 max

Wejście:$0.8/M
Wyjście:$3.2/M
- qwen3-max: najnowszy model Qwen3-Max zespołu Alibaba Tongyi Qianwen, pozycjonowany jako szczyt wydajności serii. - 🧠 Potężne możliwości multimodalne i wnioskowania: obsługuje ultradługi kontekst (do 128k tokenów) oraz wejście multimodalne, wyróżnia się w złożonym wnioskowaniu, generowaniu kodu, tłumaczeniu i tworzeniu treści kreatywnych. - ⚡️ Przełomowe usprawnienie: znacząca optymalizacja w wielu wskaźnikach technicznych, większa szybkość odpowiedzi, odcięcie wiedzy do 2025 r., odpowiedni do zastosowań AI o wysokiej precyzji na poziomie przedsiębiorstw.
Q

Qwen Image

Q

Qwen Image

Na żądanie:$0.028
Qwen-Image to rewolucyjny bazowy model generowania obrazów, wydany przez zespół Tongyi Qianwen firmy Alibaba w 2025 roku. Przy skali 20 miliardów parametrów jest oparty na architekturze MMDiT (Multimodal Diffusion Transformer). Model osiągnął znaczące przełomy w renderowaniu złożonego tekstu oraz precyzyjnej edycji obrazów, wykazując wyjątkową wydajność, zwłaszcza w renderowaniu chińskiego tekstu. Przetłumaczono za pomocą DeepL.com (wersja bezpłatna)
Q

qwen-image-2

Q

qwen-image-2

Wkrótce
Wejście:$60/M
Wyjście:$240/M
qwen-image-2 wkrótce
Q

qwen3-vl-30b-a3b

Q

qwen3-vl-30b-a3b

Kontekst:2M
Wejście:$0.12/M
Wyjście:$0.48/M
Qwen3-VL-30B-A3B to najnowocześniejszy wielomodalny model AI z rodziny Qwen3 AI, opracowany przez zespół Qwen firmy Alibaba. Został zaprojektowany, aby zintegrować rozumienie języka i percepcję wizualną — w tym tekst, obrazy i wideo — w jednym modelu bazowym.
Q

qwen3-vl-32b

Q

qwen3-vl-32b

Wejście:$0.24/M
Wyjście:$0.96/M
Qwen3-VL-32B to gęsty wariant z 32 miliardami parametrów w rodzinie modeli językowo-wizualnych Qwen3 firmy Alibaba. Jest to multimodalny (wizja + język + wideo) transformer zaprojektowany do ujednoliconej percepcji, rozumowania w długim kontekście, niezawodnego OCR i wizualnego przyporządkowania oraz agentowych/zintegrowanych z narzędziami przepływów pracy.
Q

qwen3-vl-235b-a22b

Q

qwen3-vl-235b-a22b

Kontekst:2M
Wejście:$0.24/M
Wyjście:$0.96/M
qwen3-vl-235b-a22b to model multimodalny, który łączy silne generowanie tekstu z rozumieniem wizualnym obrazów i wideo. Jego wariant Instruct optymalizuje wykonywanie poleceń w ogólnych zadaniach multimodalnych. Wyróżnia się rozpoznawaniem kategorii rzeczywistych i syntetycznych, osadzeniem przestrzennym w 2D/3D oraz rozumieniem treści wizualnych w dłuższej formie, osiągając konkurencyjne wyniki w multimodalnych benchmarkach.
Q

qwen3-30b-a3b

Q

qwen3-30b-a3b

Wejście:$0.12/M
Wyjście:$0.48/M
Ma 3 miliardy parametrów, równoważy wydajność i wymagania dotyczące zasobów, jest odpowiedni do zastosowań klasy enterprise. - Ten model może wykorzystywać MoE lub inne zoptymalizowane architektury, odpowiednie do scenariuszy wymagających wydajnego przetwarzania złożonych zadań, takich jak inteligentna obsługa klienta i generowanie treści.
Q

qwen3-coder-plus

Q

qwen3-coder-plus

Wejście:$0.52/M
Wyjście:$2.6/M
Q

qwen3-coder-480b-a35b-instruct

Q

qwen3-coder-480b-a35b-instruct

Wejście:$0.24/M
Wyjście:$0.96/M
Q

qwen3-coder

Q

qwen3-coder

Wejście:$0.24/M
Wyjście:$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

Wejście:$0.336/M
Wyjście:$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

Wkrótce
Wejście:$1.664/M
Wyjście:$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