它能做什么
- 文本、语音、视觉在同一模型内端到端处理
- 响应速度快,可支撑实时语音与图像交互
- 一个模型统一承接多种输入形式,接入成本低
适合谁
- 适合要做实时语音对话应用的开发者
- 需要同时理解图片与文字内容的分析场景
- 希望用单一模型统一多模态能力的团队
详细介绍
全方位多模态全能大模型,输入单价每百万 Token $2.5,输出单价每百万 Token $10。
关联工具:模型 Token 成本估算按输入/输出 Token 与每百万单价估算单次及合计费用,公式透明。
打开模型 Token 成本估算 →全方位多模态全能大模型,输入单价每百万 Token $2.5,输出单价每百万 Token $10。