Каталог ИИ-моделей — генерация видео, изображений и аудио
Просматривайте и пробуйте 131 моделей от 16 провайдеров. Откройте любую карточку, чтобы попробовать модель в Playground.
Цены для каждого подмоделя — на странице цен.
Тип(5)
Провайдер(16)
Возможности(12)
Coming soon: the fast Kling 4.0 model. 3-20s at 720p, text-to-video, image-to-video, Omni Reference.
Подробнее
Kling 4.0 Flash
Kling
Coming soon: the fast Kling 4.0 model. 3-20s at 720p, text-to-video, image-to-video, Omni Reference.
- Текст в видео
- Изображение в видео
- Референс в видео
Coming soon: 5-20s video with native audio, up to 10 keyframes, video continuation, draft mode.
Подробнее
FLUX 3 Video
Black Forest Labs
Coming soon: 5-20s video with native audio, up to 10 keyframes, video continuation, draft mode.
- Текст в видео
- Изображение в видео
- Видео в видео
Bounding-box layouts and edits, up to 10 references, 15 aspect ratios plus auto, 768sq to 4K.
Попробовать модельFLUX 3 Image
Black Forest Labs
Bounding-box layouts and edits, up to 10 references, 15 aspect ratios plus auto, 768sq to 4K.
- Текст в изображение
- Изображение в изображение
5.6B open weights, text-to-image, editing, up to 4 references, 7 aspect ratios to 4 MP, 16 steps.
Попробовать модельFLUX 3 Image Klein
Black Forest Labs
5.6B open weights, text-to-image, editing, up to 4 references, 7 aspect ratios to 4 MP, 16 steps.
- Текст в изображение
- Изображение в изображение
Undistilled 5.6B FLUX 3 Klein, 50 steps, CFG guidance, negative prompt, 4 refs, 7 ratios to 4 MP.
Попробовать модельFLUX 3 Image Klein Base
Black Forest Labs
Undistilled 5.6B FLUX 3 Klein, 50 steps, CFG guidance, negative prompt, 4 refs, 7 ratios to 4 MP.
- Текст в изображение
- Изображение в изображение
T2V, I2V or 14 references, end frame, voices, 1–15s at native 1080p.
Попробовать модель
Grok Imagine 1.5 Video
xAI
T2V, I2V or 14 references, end frame, voices, 1–15s at native 1080p.
- Текст в видео
- Изображение в видео
- Референс в видео
Cheapest Grok video: T2V or I2V, 1–15s, 480p to 1080p, with sound.
Попробовать модельGrok Imagine 1.5 Lite Video
xAI
Cheapest Grok video: T2V or I2V, 1–15s, 480p to 1080p, with sound.
- Текст в видео
- Изображение в видео
Add 2–10 seconds to any 2–15 second clip from its URL, 1.0 model, up to 720p.
Попробовать модельGrok Imagine 1.0 Video Extend
xAI
Add 2–10 seconds to any 2–15 second clip from its URL, 1.0 model, up to 720p.
- Видео в видео
Prompt-driven edit of any clip by URL, 1.0 model, same length and ratio, up to 720p.
Попробовать модельGrok Imagine 1.0 Video Edit
xAI
Prompt-driven edit of any clip by URL, 1.0 model, same length and ratio, up to 720p.
- Видео в видео
xAI TTS: preset voices, 20 languages, speed control, mp3, wav, or pcm.
Попробовать модельGrok Text to Speech
xAI
xAI TTS: preset voices, 20 languages, speed control, mp3, wav, or pcm.
- Текст в речь
xAI transcription: word timestamps, language detection, speaker diarization.
Попробовать модельGrok Speech to Text
xAI
xAI transcription: word timestamps, language detection, speaker diarization.
- Речь в текст
3-30s video with stereo audio, up to 10 reference images, keyframes, 21:9, multi-shot. 10% launch sale.
Попробовать модельKling 4.0
Kling
3-30s video with stereo audio, up to 10 reference images, keyframes, 21:9, multi-shot. 10% launch sale.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
#1 on the Vals Index (68.9%), 77.9% DeepSWE v1.1, 91.7% LVBench, 1M context.
Попробовать модель
Gemini 4 Argon
#1 on the Vals Index (68.9%), 77.9% DeepSWE v1.1, 91.7% LVBench, 1M context.
- Текст в текст
Up to 15 reference images and 3 voice references, 540p to 4K, 1-16s, native audio.
Попробовать модель
Vidu Q4
Vidu
Up to 15 reference images and 3 voice references, 540p to 4K, 1-16s, native audio.
- Изображение в видео
- Референс в видео
#2 on Artificial Analysis TTS arena, audio tags, multi-speaker dialogue, per-request voice cloning.
Попробовать модель
Eleven v4
ElevenLabs
#2 on Artificial Analysis TTS arena, audio tags, multi-speaker dialogue, per-request voice cloning.
- Текст в речь
#1 on Artificial Analysis TTS arena, ~100 ms median inference, audio tags, dialogue, voice cloning.
Попробовать модельEleven v4 Turbo
ElevenLabs
#1 on Artificial Analysis TTS arena, ~100 ms median inference, audio tags, dialogue, voice cloning.
- Текст в речь
Eleven v4 and v4 Turbo TTS, multi-voice dialogue, sound effects, vocal isolation, speech-to-text.
Попробовать модельElevenLabs
ElevenLabs
Eleven v4 and v4 Turbo TTS, multi-voice dialogue, sound effects, vocal isolation, speech-to-text.
- Текст в речь
- Звуковые эффекты
- Речь в текст
Up to 9 image/video/audio references, T2V or first/last frame, 4–15s, up to 4K on Pro.
Попробовать модель
SeeDance 2.0
ByteDance
Up to 9 image/video/audio references, T2V or first/last frame, 4–15s, up to 4K on Pro.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
- Редактирование видео
Up to 9 references, T2V or first/last frame, 4–15s, 480p or 720p, cost-optimized.
Попробовать модельSeeDance 2.0 Mini
ByteDance
Up to 9 references, T2V or first/last frame, 4–15s, 480p or 720p, cost-optimized.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
- Редактирование видео
Up to 9 references, T2V or first/last frame, 4–15s at 480p or 720p, faster turnaround.
Попробовать модельSeeDance 2.0 Fast
ByteDance
Up to 9 references, T2V or first/last frame, 4–15s at 480p or 720p, faster turnaround.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
- Редактирование видео
Generate music, extend songs, add vocals, isolate stems, and write lyrics.
Попробовать модель
Suno
Suno
Generate music, extend songs, add vocals, isolate stems, and write lyrics.
- Музыка
- Звуковые эффекты
1M context, 128k output, 72.4% OSWorld 2.1, the first Haiku with adaptive thinking.
Попробовать модель
Claude Haiku 5.5
Anthropic
1M context, 128k output, 72.4% OSWorld 2.1, the first Haiku with adaptive thinking.
- Текст в текст
Nano Banana 2.1: 1K, 2K, or 4K output, 5 aspect ratios plus auto, up to 10 references.
Попробовать модельNano Banana 2.1
Nano Banana 2.1: 1K, 2K, or 4K output, 5 aspect ratios plus auto, up to 10 references.
- Текст в изображение
- Изображение в изображение
Elo 1267 on Artificial Analysis TTS, vocal bursts, two-speaker dialogue, 130+ languages.
Попробовать модельGemini 3.8 Flash TTS
Elo 1267 on Artificial Analysis TTS, vocal bursts, two-speaker dialogue, 130+ languages.
- Текст в речь
The high-volume Gemini 3.8 voice, Elo 1241 on Artificial Analysis TTS, 100+ languages.
Попробовать модельGemini 3.8 Flash Lite TTS
The high-volume Gemini 3.8 voice, Elo 1241 on Artificial Analysis TTS, 100+ languages.
- Текст в речь
Near-Astra coding and computer use at a fifth of Astra's price, 75.2% DeepSWE, 1M context, cached input at half GPT 6 Sol's rate.
Попробовать модель
GPT 6.1 Sol
OpenAI
Near-Astra coding and computer use at a fifth of Astra's price, 75.2% DeepSWE, 1M context, cached input at half GPT 6 Sol's rate.
- Текст в текст
1M context, 128k output, 70.6% Terminal-Bench 4.0, 30%+ faster than Sonnet 5.
Попробовать модельClaude Sonnet 5.5
Anthropic
1M context, 128k output, 70.6% Terminal-Bench 4.0, 30%+ faster than Sonnet 5.
- Текст в текст
1M context, image input, 56.4% Agents' Last Exam at 60% less per task than Opus 5, half the price of GPT 5.6 Sol.
Попробовать модельGPT 6 Sol
OpenAI
1M context, image input, 56.4% Agents' Last Exam at 60% less per task than Opus 5, half the price of GPT 5.6 Sol.
- Текст в текст
OpenAI's cheapest GPT-6, 1M context, 66.6% DeepSWE for $0.22 a task, 93% less than Opus 5.
Попробовать модельGPT 6 Luna
OpenAI
OpenAI's cheapest GPT-6, 1M context, 66.6% DeepSWE for $0.22 a task, 93% less than Opus 5.
- Текст в текст
1M context, 384K max output, 552B MoE with 16B active, 74.2% DeepSWE v1.1.
Попробовать модель
DeepSeek V4.1 Flash
DeepSeek
1M context, 384K max output, 552B MoE with 16B active, 74.2% DeepSWE v1.1.
- Текст в текст
1.6T MoE with 49B active, 1M context, 384K max output, thinking on by default.
Попробовать модельDeepSeek V4 Pro
DeepSeek
1.6T MoE with 49B active, 1M context, 384K max output, thinking on by default.
- Текст в текст
Versioned V4 Flash ID, now answered by V4.1 Flash. 1M context, 384K max output.
Попробовать модельDeepSeek V4 Flash
DeepSeek
Versioned V4 Flash ID, now answered by V4.1 Flash. 1M context, 384K max output.
- Текст в текст
1M context, 128k output, 66.4% Terminal-Bench 4.0.
Попробовать модельClaude Opus 5.5
Anthropic
1M context, 128k output, 66.4% Terminal-Bench 4.0.
- Текст в текст
500k context, image input, four reasoning efforts, 46.3% CursorBench 4.0, #5 Harvey Legal Agent.
Попробовать модельGrok 4.7
xAI
500k context, image input, four reasoning efforts, 46.3% CursorBench 4.0, #5 Harvey Legal Agent.
- Текст в текст
Flare for speed, Sunburst for edit precision: 1K/2K/4K, 15 aspect ratios, 16 reference images, transparent output.
Попробовать модельGPT Image 2.5
OpenAI
Flare for speed, Sunburst for edit precision: 1K/2K/4K, 15 aspect ratios, 16 reference images, transparent output.
- Текст в изображение
- Изображение в изображение
1M context, image input, effort up to max, 58.2% Terminal-Bench 4.0, 59.3% Agents' Last Exam.
Попробовать модельGPT 6 Astra
OpenAI
1M context, image input, effort up to max, 58.2% Terminal-Bench 4.0, 59.3% Agents' Last Exam.
- Текст в текст
1M context, 5 reasoning efforts incl. minimal, 83.6% MCP Atlas, 57.9% Finance Agent v2, 189 tok/s.
Попробовать модельGemini 3.5 Flash
1M context, 5 reasoning efforts incl. minimal, 83.6% MCP Atlas, 57.9% Finance Agent v2, 189 tok/s.
- Текст в текст
1M context, four reasoning efforts, 73.7% DeepSWE v1.1, 89.4% Terminal-Bench 2.1, 305 tok/s.
Попробовать модельGemini 3.8 Flash
1M context, four reasoning efforts, 73.7% DeepSWE v1.1, 89.4% Terminal-Bench 2.1, 305 tok/s.
- Текст в текст
1M context, 128k output, 55.8% Terminal-Bench 4.0, 90.0% ARC-AGI-2.
Попробовать модельClaude Fable 5.1
Anthropic
1M context, 128k output, 55.8% Terminal-Bench 4.0, 90.0% ARC-AGI-2.
- Текст в текст
500k context, image input, three reasoning efforts, 79.3% Terminal-Bench 2.1, trained with Cursor.
Попробовать модельGrok 4.5
xAI
500k context, image input, three reasoning efforts, 79.3% Terminal-Bench 2.1, trained with Cursor.
- Текст в текст
1M context, image input, four reasoning efforts incl. none, 115.8 tok/s, 98% Tau2-Bench Telecom.
Попробовать модельGrok 4.3
xAI
1M context, image input, four reasoning efforts incl. none, 115.8 tok/s, 98% Tau2-Bench Telecom.
- Текст в текст
256k context, image input, agentic coding with function calling and MCP, 0.53s first token.
Попробовать модельGrok Build 0.1
xAI
256k context, image input, agentic coding with function calling and MCP, 0.53s first token.
- Текст в текст
1M context, image input, thinking on, agentic tool calling, 98.9 tok/s, 72.2% SWE-bench Verified.
Попробовать модельGrok 4.20 Reasoning
xAI
1M context, image input, thinking on, agentic tool calling, 98.9 tok/s, 72.2% SWE-bench Verified.
- Текст в текст
1M context, image input, no thinking phase, 0.64s first token, 95.8 tok/s, agentic tool calling.
Попробовать модельGrok 4.20 Non-Reasoning
xAI
1M context, image input, no thinking phase, 0.64s first token, 95.8 tok/s, agentic tool calling.
- Текст в текст
Leader agent plus 4 or 16 sub-agents in parallel, 1M context, image input, Responses API only.
Попробовать модельGrok 4.20 Multi-Agent
xAI
Leader agent plus 4 or 16 sub-agents in parallel, 1M context, image input, Responses API only.
- Текст в текст
Text, image, and character references with voice presets; 4-10s videos plus conversational editing.
Попробовать модельGemini Omni Flash 1.1
Text, image, and character references with voice presets; 4-10s videos plus conversational editing.
- Текст в видео
- Изображение в видео
- Референс в видео
- Редактирование видео
Fast Wan 3.0: same 2–30s videos with audio and T2V/I2V/R2V modes, much shorter generation times.
Попробовать модель
Wan 3.0 Prime
Alibaba
Fast Wan 3.0: same 2–30s videos with audio and T2V/I2V/R2V modes, much shorter generation times.
- Текст в видео
- Изображение в видео
- Референс в видео
Inline audio tags, two-speaker dialogue, 30 voices, 70+ languages.
Попробовать модельGemini 3.1 Flash TTS
Inline audio tags, two-speaker dialogue, 30 voices, 70+ languages.
- Текст в речь
High-quality narration with 30 voices, dialogue mode, and 70+ languages.
Попробовать модельGemini 2.5 Pro TTS
High-quality narration with 30 voices, dialogue mode, and 70+ languages.
- Текст в речь
Fastest, lowest cost per second, with 30 voices and dialogue mode.
Попробовать модельGemini 2.5 Flash TTS
Fastest, lowest cost per second, with 30 voices and dialogue mode.
- Текст в речь
2–30s videos with audio, T2V/I2V/R2V, document and webpage inputs, up to 20 references, 480P–1080P.
Попробовать модельWan 3.0
Alibaba
2–30s videos with audio, T2V/I2V/R2V, document and webpage inputs, up to 20 references, 480P–1080P.
- Текст в видео
- Изображение в видео
- Референс в видео
500k context, image input, four reasoning efforts, 95.6% SWE-bench Verified, #1 CursorBench 3.2.
Попробовать модельGrok 4.6
xAI
500k context, image input, four reasoning efforts, 95.6% SWE-bench Verified, #1 CursorBench 3.2.
- Текст в текст
1M context, 64k output, text/image/audio/video input, ~340 tok/s, 97% MRCR long-context recall.
Попробовать модельGemini 3.7 Flash
1M context, 64k output, text/image/audio/video input, ~340 tok/s, 97% MRCR long-context recall.
- Текст в текст
Quality-focused xAI text-to-image and reference editing with up to 5 input images.
Попробовать модельGrok Imagine 2.0 Image
xAI
Quality-focused xAI text-to-image and reference editing with up to 5 input images.
- Текст в изображение
- Изображение в изображение
1M context, 65k output, multimodal input, 83% OSWorld-Verified, 234 tok/s output speed.
Попробовать модельGemini 3.6 Flash
1M context, 65k output, multimodal input, 83% OSWorld-Verified, 234 tok/s output speed.
- Текст в текст
4-30s, 480p to 1080p, native audio, first/last frames, and up to 50 multimodal references.
Попробовать модельSeeDance 2.5
ByteDance
4-30s, 480p to 1080p, native audio, first/last frames, and up to 50 multimodal references.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
- Редактирование видео
2K at 24 fps with native audio, 4-15s, six aspect ratios, start/end frames, and reference-to-video.
Попробовать модель
MiniMax Hailuo H3
MiniMax
2K at 24 fps with native audio, 4-15s, six aspect ratios, start/end frames, and reference-to-video.
- Текст в видео
- Изображение в видео
- Референс в видео
1M context, 128k output, image input, 43.3% Frontier-Bench v0.1, 30.2% ARC-AGI 3.
Попробовать модельClaude Opus 5
Anthropic
1M context, 128k output, image input, 43.3% Frontier-Bench v0.1, 30.2% ARC-AGI 3.
- Текст в текст
2.8T parameters, open weights, 1M context, 131k default output, always-on thinking.
Попробовать модель
Kimi K3
Moonshot AI
2.8T parameters, open weights, 1M context, 131k default output, always-on thinking.
- Текст в текст
1M context, 128k output, 88.8% Terminal-Bench 2.1, 80 Coding Agent Index, ultra subagent mode.
Попробовать модельGPT 5.6 Sol
OpenAI
1M context, 128k output, 88.8% Terminal-Bench 2.1, 80 Coding Agent Index, ultra subagent mode.
- Текст в текст
1M context, 128k output, 77.4 Coding Agent Index, beats Fable 5 on Agents' Last Exam.
Попробовать модельGPT 5.6 Terra
OpenAI
1M context, 128k output, 77.4 Coding Agent Index, beats Fable 5 on Agents' Last Exam.
- Текст в текст
Fastest GPT 5.6, 1M context, beats Fable 5 on Agents' Last Exam, ahead of Opus 4.8 on coding.
Попробовать модельGPT 5.6 Luna
OpenAI
Fastest GPT 5.6, 1M context, beats Fable 5 on Agents' Last Exam, ahead of Opus 4.8 on coding.
- Текст в текст
Up to 10 reference images, 8 aspect ratios, 1K/1.5K/2K output, one image per call.
Попробовать модельSeeDream 5.0 Pro
ByteDance
Up to 10 reference images, 8 aspect ratios, 1K/1.5K/2K output, one image per call.
- Текст в изображение
- Изображение в изображение
1M context, 128k output, text and image input, adaptive thinking, top Arena Text and Vision rank.
Попробовать модельClaude Fable 5
Anthropic
1M context, 128k output, text and image input, adaptive thinking, top Arena Text and Vision rank.
- Текст в текст
200k context, 64k output, 77.2% SWE-bench Verified, 61.4% OSWorld, extended thinking.
Попробовать модельClaude Sonnet 4.5
Anthropic
200k context, 64k output, 77.2% SWE-bench Verified, 61.4% OSWorld, extended thinking.
- Текст в текст
200k context, 64k output, 80.9% SWE-bench Verified, effort controls from low to high.
Попробовать модельClaude Opus 4.5
Anthropic
200k context, 64k output, 80.9% SWE-bench Verified, effort controls from low to high.
- Текст в текст
200k context, 64k output, 73.3% SWE-bench Verified, 50.7% OSWorld, extended thinking.
Попробовать модельClaude Haiku 4.5
Anthropic
200k context, 64k output, 73.3% SWE-bench Verified, 50.7% OSWorld, extended thinking.
- Текст в текст
Agentic coding, 1M context, 128k output, image input, 85.2% SWE-bench Verified.
Попробовать модельClaude Sonnet 5
Anthropic
Agentic coding, 1M context, 128k output, image input, 85.2% SWE-bench Verified.
- Текст в текст
Sub-2s generation, 14 aspect ratios, 1K output, up to 14 reference images.
Попробовать модельNano Banana 2 Lite
Sub-2s generation, 14 aspect ratios, 1K output, up to 14 reference images.
- Текст в изображение
- Изображение в изображение
Up to 9 ref images, 720p or 1080p, 3–15s, native audio and lip-sync in one pass.
Попробовать модель
HappyHorse 1.1
Alibaba
Up to 9 ref images, 720p or 1080p, 3–15s, native audio and lip-sync in one pass.
- Текст в видео
- Изображение в видео
- Референс в видео
T2V or I2V, 3–15s at 720p Standard or 1080p Pro, no multi-shot or native audio.
Попробовать модельKling 3.0 Turbo
Kling
T2V or I2V, 3–15s at 720p Standard or 1080p Pro, no multi-shot or native audio.
- Текст в видео
- Изображение в видео
1M context, 128k output, 88.6% SWE-bench Verified, 83.4% OSWorld, adaptive thinking.
Попробовать модельClaude Opus 4.8
Anthropic
1M context, 128k output, 88.6% SWE-bench Verified, 83.4% OSWorld, adaptive thinking.
- Текст в текст
Agentic coding, 79.8% SWE-Bench Multilingual, 69.3% Terminal-Bench 2.0, tuned for long agent runs.
Попробовать модель
Composer 2.5
Cursor
Agentic coding, 79.8% SWE-Bench Multilingual, 69.3% Terminal-Bench 2.0, tuned for long agent runs.
- Текст в текст
Low-latency default variant of Composer 2.5, same intelligence, 79.8% SWE-bench Multilingual.
Попробовать модельComposer 2.5 Fast
Cursor
Low-latency default variant of Composer 2.5, same intelligence, 79.8% SWE-bench Multilingual.
- Текст в текст
T2V, I2V, or R2V up to 9 reference images, 720P or 1080P, 3–15s videos with joint audio-video.
Попробовать модельHappyHorse 1.0
Alibaba
T2V, I2V, or R2V up to 9 reference images, 720P or 1080P, 3–15s videos with joint audio-video.
- Текст в видео
- Изображение в видео
- Референс в видео
1M context, 128k output, 82.7% Terminal-Bench 2.0, 78.7% OSWorld, 85% ARC-AGI-2.
Попробовать модельGPT 5.5
OpenAI
1M context, 128k output, 82.7% Terminal-Bench 2.0, 78.7% OSWorld, 85% ARC-AGI-2.
- Текст в текст
T2I or reference editing, 5 aspect ratios, 1K, 2K, or 4K resolution control.
Попробовать модельGPT Image 2
OpenAI
T2I or reference editing, 5 aspect ratios, 1K, 2K, or 4K resolution control.
- Текст в изображение
- Изображение в изображение
1M context, 128k output, 87.6% SWE-bench Verified, 78% OSWorld, 2576px image input.
Попробовать модельClaude Opus 4.7
Anthropic
1M context, 128k output, 87.6% SWE-bench Verified, 78% OSWorld, 2576px image input.
- Текст в текст
T2I or editing up to 2K, thinking mode for better quality, up to 9 reference images.
Попробовать модельWan 2.7 Image
Alibaba
T2I or editing up to 2K, thinking mode for better quality, up to 9 reference images.
- Текст в изображение
- Изображение в изображение
T2I or editing up to 4K, thinking mode for better quality, up to 9 reference images.
Попробовать модельWan 2.7 Image Pro
Alibaba
T2I or editing up to 4K, thinking mode for better quality, up to 9 reference images.
- Текст в изображение
- Изображение в изображение
T2V, I2V, or R2V with first/last frame, video continuation, lip-sync, 2–15s at 720P or 1080P.
Попробовать модельWan 2.7
Alibaba
T2V, I2V, or R2V with first/last frame, video continuation, lip-sync, 2–15s at 720P or 1080P.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
Edit 2–10s videos with up to 4 reference images at 720P or 1080P, plus audio passthrough.
Попробовать модельWan 2.7 Video Edit
Alibaba
Edit 2–10s videos with up to 4 reference images at 720P or 1080P, plus audio passthrough.
- Редактирование видео
400k context, 128k output, 54.4% SWE-Bench Pro, 72.1% OSWorld, over 2x faster than GPT-5 mini.
Попробовать модельGPT 5.4 Mini
OpenAI
400k context, 128k output, 54.4% SWE-Bench Pro, 72.1% OSWorld, over 2x faster than GPT-5 mini.
- Текст в текст
400k context, 128k output, 52.4% SWE-Bench Pro, 82.8% GPQA Diamond, effort levels none to xhigh.
Попробовать модельGPT 5.4 Nano
OpenAI
400k context, 128k output, 52.4% SWE-Bench Pro, 82.8% GPQA Diamond, effort levels none to xhigh.
- Текст в текст
Native computer use, 75% OSWorld-Verified, up to 1M context, 128k output, tool search for agents.
Попробовать модельGPT 5.4
OpenAI
Native computer use, 75% OSWorld-Verified, up to 1M context, 128k output, tool search for agents.
- Текст в текст
1M context, 128k output, 79.6% SWE-bench Verified, 72.5% OSWorld, adaptive thinking.
Попробовать модельClaude Sonnet 4.6
Anthropic
1M context, 128k output, 79.6% SWE-bench Verified, 72.5% OSWorld, adaptive thinking.
- Текст в текст
Edit a 3–60s video by prompt, swap objects from up to 5 reference images, keep the original audio.
Попробовать модельHappyHorse 1.0 Video Edit
Alibaba
Edit a 3–60s video by prompt, swap objects from up to 5 reference images, keep the original audio.
- Редактирование видео
1M context, 128k output, effort controls, top Arena Document and Search rank.
Попробовать модельClaude Opus 4.6
Anthropic
1M context, 128k output, effort controls, top Arena Document and Search rank.
- Текст в текст
Multi-shot 2–6 scenes per call, 3–15s single-shot, 4K mode, with Audio 2.0 lip-sync.
Попробовать модельKling 3.0
Kling
Multi-shot 2–6 scenes per call, 3–15s single-shot, 4K mode, with Audio 2.0 lip-sync.
- Текст в видео
- Изображение в видео
- Референс в видео
Motion transfer onto a character with high facial consistency, 720p Std or 1080p Pro.
Попробовать модельKling 3.0 Motion Control
Kling
Motion transfer onto a character with high facial consistency, 720p Std or 1080p Pro.
- Изображение в видео
- Референс в видео
- Видео в видео
T2I or editing with up to 10 reference images, 9 aspect ratios incl. auto, and 1K to 4K.
Попробовать модельKling 3.0 Omni Image
Kling
T2I or editing with up to 10 reference images, 9 aspect ratios incl. auto, and 1K to 4K.
- Текст в изображение
- Изображение в изображение
Up to 7 references plus elements, video reference/transform, multi-shot 2–6, 4K mode.
Попробовать модельKling 3.0 Omni
Kling
Up to 7 references plus elements, video reference/transform, multi-shot 2–6, 4K mode.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
Edit videos with reference (style guide) or transform mode, plus image and video elements.
Попробовать модельKling 3.0 Omni Edit
Kling
Edit videos with reference (style guide) or transform mode, plus image and video elements.
- Редактирование видео
Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.
Попробовать модельSeeDream 5.0 Lite
ByteDance
Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.
- Текст в изображение
- Изображение в изображение
T2I with Chinese and English text rendering, 7 aspect ratios. No editing.
Попробовать модельZ-Image Turbo
Alibaba
T2I with Chinese and English text rendering, 7 aspect ratios. No editing.
- Текст в изображение
T2V, I2V, or R2V up to 5 references, 720p or 1080p, 2–15s, with auto audio and multi-shot.
Попробовать модельWan 2.6
Alibaba
T2V, I2V, or R2V up to 5 references, 720p or 1080p, 2–15s, with auto audio and multi-shot.
- Текст в видео
- Изображение в видео
- Референс в видео
Faster Wan 2.6 with T2V/I2V/R2V, multi-shot, and auto-audio up to 1080p.
Попробовать модельWan 2.6 Flash
Alibaba
Faster Wan 2.6 with T2V/I2V/R2V, multi-shot, and auto-audio up to 1080p.
- Текст в видео
- Изображение в видео
- Референс в видео
T2I, editing, or style transfer with 1–4 reference images and 7 aspect ratios.
Попробовать модельWan 2.6 Image
Alibaba
T2I, editing, or style transfer with 1–4 reference images and 7 aspect ratios.
- Текст в изображение
- Изображение в изображение
Transfer motion from a reference video onto a character image, 720p Std or 1080p Pro.
Попробовать модельKling 2.6 Контроль Движения
Kling
Transfer motion from a reference video onto a character image, 720p Std or 1080p Pro.
- Изображение в видео
- Референс в видео
- Видео в видео
T2V or I2V at 720p Standard or 1080p Pro, 5 or 10s, with optional end frame and audio.
Попробовать модельKling 2.6
Kling
T2V or I2V at 720p Standard or 1080p Pro, 5 or 10s, with optional end frame and audio.
- Текст в видео
- Изображение в видео
Balanced production runs, 7 aspect ratios, 0.6-4 MP, up to 10 reference images.
Попробовать модельFlux.2 Pro
Black Forest Labs
Balanced production runs, 7 aspect ratios, 0.6-4 MP, up to 10 reference images.
- Текст в изображение
- Изображение в изображение
9B Flux.2 Klein, 7 aspect ratios up to 4MP, reference image support.
Попробовать модельFlux.2 Klein 9B
Black Forest Labs
9B Flux.2 Klein, 7 aspect ratios up to 4MP, reference image support.
- Текст в изображение
- Изображение в изображение
4B Flux.2 Klein, smallest in the line, 7 aspect ratios up to 4MP, reference image support.
Попробовать модельFlux.2 Klein 4B
Black Forest Labs
4B Flux.2 Klein, smallest in the line, 7 aspect ratios up to 4MP, reference image support.
- Текст в изображение
- Изображение в изображение
T2I plus multi-image fusion editing, 5 aspect ratios, smart prompt rewriting on by default.
Попробовать модель
Qwen Image 2.0
Alibaba
T2I plus multi-image fusion editing, 5 aspect ratios, smart prompt rewriting on by default.
- Текст в изображение
- Изображение в изображение
Text rendering, multi-image fusion editing, 5 aspect ratios, highest output in the line.
Попробовать модельQwen Image 2.0 Pro
Alibaba
Text rendering, multi-image fusion editing, 5 aspect ratios, highest output in the line.
- Текст в изображение
- Изображение в изображение
Reasoning video gen with up to 7 references, image-only elements, single-shot 3–10s, 720p/1080p.
Попробовать модельKling O1
Kling
Reasoning video gen with up to 7 references, image-only elements, single-shot 3–10s, 720p/1080p.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
Reasoning image gen with up to 10 reference images, 9 aspect ratios, and 1K or 2K output.
Попробовать модельKling O1 Image
Kling
Reasoning image gen with up to 10 reference images, 9 aspect ratios, and 1K or 2K output.
- Текст в изображение
- Изображение в изображение
Reasoning video editing with reference or transform mode, up to 4 reference images.
Попробовать модельKling O1 Edit
Kling
Reasoning video editing with reference or transform mode, up to 4 reference images.
- Редактирование видео
Gemini 3 image gen with 1K, 2K, or 4K, 10 aspect ratios, and reference image support.
Попробовать модельNano Banana Pro
Gemini 3 image gen with 1K, 2K, or 4K, 10 aspect ratios, and reference image support.
- Текст в изображение
- Изображение в изображение
T2V or I2V with optional end frame, 5 or 10s at 720p Standard or 1080p Pro.
Попробовать модельKling 2.5 Turbo
Kling
T2V or I2V with optional end frame, 5 or 10s at 720p Standard or 1080p Pro.
- Текст в видео
- Изображение в видео
Animates a start frame from your prompt, 768p or 1080p, 6 or 10 seconds.
Попробовать модельMiniMax Hailuo 2.3
MiniMax
Animates a start frame from your prompt, 768p or 1080p, 6 or 10 seconds.
- Изображение в видео
Image-led speed variant, start image required, 768p or 1080p, 6 or 10 seconds.
Попробовать модельMiniMax Hailuo 2.3 Fast
MiniMax
Image-led speed variant, start image required, 768p or 1080p, 6 or 10 seconds.
- Изображение в видео
Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.
Попробовать модельSeeDream 4.5
ByteDance
Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.
- Текст в изображение
- Изображение в изображение
4 model variants, 720p–4K, lip-synced dialogue and SFX in one call.
Попробовать модельVeo 3.1
4 model variants, 720p–4K, lip-synced dialogue and SFX in one call.
- Текст в видео
- Изображение в видео
- Референс в видео
- Видео в видео
Gemini image gen with 1K, 2K, or 4K resolution control and 10 aspect ratios.
Попробовать модельNano Banana 2
Gemini image gen with 1K, 2K, or 4K resolution control and 10 aspect ratios.
- Текст в изображение
- Изображение в изображение
T2I or editing with 1–3 reference images, 7 aspect ratios, prompt extend on by default.
Попробовать модельWan 2.5 Image
Alibaba
T2I or editing with 1–3 reference images, 7 aspect ratios, prompt extend on by default.
- Текст в изображение
- Изображение в изображение
T2V or I2V at 480p, 720p, or 1080p, 5 or 10s, with auto audio or custom audio sync.
Попробовать модельWan 2.5
Alibaba
T2V or I2V at 480p, 720p, or 1080p, 5 or 10s, with auto audio or custom audio sync.
- Текст в видео
- Изображение в видео
T2I plus reference editing, 5 aspect ratios, smart prompt rewriting, negative prompts.
Попробовать модельQwen Image
Alibaba
T2I plus reference editing, 5 aspect ratios, smart prompt rewriting, negative prompts.
- Текст в изображение
- Изображение в изображение
Photoreal T2I plus reference editing, 5 aspect ratios, fewest synthetic artifacts in line.
Попробовать модельQwen Image Max
Alibaba
Photoreal T2I plus reference editing, 5 aspect ratios, fewest synthetic artifacts in line.
- Текст в изображение
- Изображение в изображение
Stylistic T2I plus reference editing, 5 aspect ratios, fast sampling for design exploration.
Попробовать модельQwen Image Plus
Alibaba
Stylistic T2I plus reference editing, 5 aspect ratios, fast sampling for design exploration.
- Текст в изображение
- Изображение в изображение
Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.
Попробовать модельSeeDream 4.0
ByteDance
Up to 6 reference images, 8 aspect ratios, 2K or 4K, returns 4 images per call.
- Текст в изображение
- Изображение в изображение
T2V or first/last frame at 720p or 1080p, with 5, 10, or 12s videos.
Попробовать модельSeeDance 1.5 Pro
ByteDance
T2V or first/last frame at 720p or 1080p, with 5, 10, or 12s videos.
- Текст в видео
- Изображение в видео
Start frame, end frame, or both, 512p, 768p or 1080p, 6 or 10 seconds.
Попробовать модельMiniMax Hailuo 2.0
MiniMax
Start frame, end frame, or both, 512p, 768p or 1080p, 6 or 10 seconds.
- Изображение в видео
Text-to-image only, 5 aspect ratios, negative prompts and seeds for reproducible output.
Попробовать модельWan 2.2 Image
Alibaba
Text-to-image only, 5 aspect ratios, negative prompts and seeds for reproducible output.
- Текст в изображение
Cheapest T2I in the Wan line, 5 aspect ratios, negative prompts and seeds. No editing.
Попробовать модельWan 2.2 Image Flash
Alibaba
Cheapest T2I in the Wan line, 5 aspect ratios, negative prompts and seeds. No editing.
- Текст в изображение
Silent T2V or I2V, fixed 5s videos at 480p or 1080p, with negative prompts and seeds.
Попробовать модельWan 2.2
Alibaba
Silent T2V or I2V, fixed 5s videos at 480p or 1080p, with negative prompts and seeds.
- Текст в видео
- Изображение в видео
Fastest Wan 2.2 silent T2V/I2V, fixed 5s videos, with I2V at 720p in addition to 480p/1080p.
Попробовать модельWan 2.2 Fast
Alibaba
Fastest Wan 2.2 silent T2V/I2V, fixed 5s videos, with I2V at 720p in addition to 480p/1080p.
- Текст в видео
- Изображение в видео
Deprecated original Nano Banana (Gemini 2.5 Flash Image). Use Nano Banana 2.1 for new work.
Попробовать модельNano Banana
Deprecated original Nano Banana (Gemini 2.5 Flash Image). Use Nano Banana 2.1 for new work.
- Текст в изображение
- Изображение в изображение
Upscale to 480p–8K with 21 Topaz model presets, optional frame interpolation, source FPS preserved by default.
Попробовать модель
Topaz Video Upscale
Topaz Labs
Upscale to 480p–8K with 21 Topaz model presets, optional frame interpolation, source FPS preserved by default.
- Видео в видео
AI image upscale 1x–16x with denoise, sharpen, and face enhancement controls.
Попробовать модельTopaz Image Upscale
Topaz Labs
AI image upscale 1x–16x with denoise, sharpen, and face enhancement controls.
- Изображение в изображение
T2V or I2V at Pro 1080p only, 5 or 10s, with optional sound effects and music.
Попробовать модельKling 2.1 Master
Kling
T2V or I2V at Pro 1080p only, 5 or 10s, with optional sound effects and music.
- Текст в видео
- Изображение в видео
Extend a finished Fast video by 6 or 10 seconds, preset or custom mode.
Попробовать модельGrok Imagine 1.5 Fast Video Extend
xAI
Extend a finished Fast video by 6 or 10 seconds, preset or custom mode.
- Видео в видео
Upscale a finished Grok Imagine video to HD from its task ID.
Попробовать модельGrok Imagine Upscale
xAI
Upscale a finished Grok Imagine video to HD from its task ID.
- Видео в видео
I2V with optional end frame, 5 or 10s, Standard 720p or Pro 1080p, optional sound effects.
Попробовать модельKling 2.1
Kling
I2V with optional end frame, 5 or 10s, Standard 720p or Pro 1080p, optional sound effects.
- Изображение в видео
T2V or I2V at 480p/720p, 5 or 10 second clips.
Попробовать модельSeeDance 1.0
ByteDance
T2V or I2V at 480p/720p, 5 or 10 second clips.
- Текст в видео
- Изображение в видео
First- and last-frame video generation at 480p, 720p, or 1080p for 4–12 seconds.
Попробовать модельSeeDance 1.0 Pro
ByteDance
First- and last-frame video generation at 480p, 720p, or 1080p for 4–12 seconds.
- Изображение в видео
Fast text-to-video and first-frame image-to-video at up to 1080p for 4–12 seconds.
Попробовать модельSeeDance 1.0 Pro Fast
ByteDance
Fast text-to-video and first-frame image-to-video at up to 1080p for 4–12 seconds.
- Текст в видео
- Изображение в видео
Steps, guidance, seed, and prompt upsampling controls, 7 aspect ratios up to 4 MP.
Попробовать модельFlux.2 Flex
Black Forest Labs
Steps, guidance, seed, and prompt upsampling controls, 7 aspect ratios up to 4 MP.
- Текст в изображение
- Изображение в изображение
Maximum quality Flux.2 output, 7 aspect ratios, 0.6-4 MP, up to 10 reference images.
Попробовать модельFlux.2 Max
Black Forest Labs
Maximum quality Flux.2 output, 7 aspect ratios, 0.6-4 MP, up to 10 reference images.
- Текст в изображение
- Изображение в изображение
T2V, I2V, or reference images with style presets, faster results at 480p, 720p, or 1080p.
Попробовать модельGrok Imagine 1.5 Fast Video
xAI
T2V, I2V, or reference images with style presets, faster results at 480p, 720p, or 1080p.
- Текст в видео
- Изображение в видео
- Референс в видео
Fast xAI text-to-image and reference editing with up to 5 images.
Попробовать модельGrok Imagine 1.0 Image
xAI
Fast xAI text-to-image and reference editing with up to 5 images.
- Текст в изображение
- Изображение в изображение
Browse model families
API по задачам
All models A–Z
Every model and variant on the platform, including the specialised routes that sit inside a family page.