Catálogo de Modelos de IA

Seedance 2.5 text-to-video with 4-30s output, 480p/720p/1080p, synchronized audio, and optional web search.

Text-to-video generation with optional web search. 4-15s duration, 480p/720p/1080p, native audio sync.

Lightweight text-to-video generation. 4-15s duration, 480p/720p, native audio sync.

Modelo avanzado de generación de imágenes de OpenAI optimizado para precisión de color real, tareas estructuradas y salidas visuales analíticas. Basado en tecnología DALL-E 3.

Tongyi Wanxiang 3.0 video generation with text-to-video, image-to-video, and all-in-one reference-to-video. 480p/720p/1080p output, 2-30s or smart duration, per-second billing.

Generación y edición de imágenes xAI mediante una ruta API unificada de EvoLink, con 1–3 referencias, salida 1K/2K, 13 proporciones y hasta 10 imágenes por solicitud.

API de MiniMax H3 con texto a vídeo, imagen a vídeo (primer/último fotograma) y referencia a vídeo. Salida 2K / 768p, 4-15s, facturado por segundo de salida.

Native multimodal model: text and image input with 1M context window. Same pricing as V4 Flash.

El modelo más reciente de razonamiento y herramientas de xAI: contexto de 500.000 tokens, Chat Completions y Responses, entrada en caché y cinco herramientas de servidor medidas por llamada.

Advanced reasoning model with thinking mode and 1M context window. Strongest DeepSeek tier.

Fast general-purpose model with 1M context window. Optional thinking mode.

El buque insignia de gama Opus más reciente de Anthropic para programación a escala de repositorio, agentes de larga duración y revisiones de alto riesgo. Contexto de 1M, salida máxima de 128K.

xAI Grok Imagine Video 1.5 Preview: text-to-video, image-to-video, and reference-to-video in one route — the number of input images (0, 1, or 2-7) selects the mode. 1-15s duration, 480p/720p/1080p.

Advanced Seedream 5.0 Pro image generation and editing with 1K/1.5K/2K output tiers, up to 10 reference images, and unified asynchronous task responses.

Tongyi Wanxiang image generation & editing 3.0 (DashScope). Text-to-image and image-to-image editing with up to 3 reference images, 1-6 outputs, flexible output sizes (auto, 1K/2K, aspect ratio, or custom pixels up to ~4.19MP), and smart prompt rewriting. Output billed per generated image with 1K and 2K priced the same; reference images billed separately.

Lite variant of Nano Banana 2 (Gemini 3.1 Flash-Lite Image): ~4s generation (2.7× faster than Nano Banana 2), native 1K output, and 14 aspect ratios. The fastest, lowest-cost tier for high-volume image generation and editing.

Modelo de razonamiento y herramientas de xAI con contexto de 500.000 tokens, Chat Completions, Responses, entrada en caché y herramientas del servidor.

Modelo de razonamiento de próxima generación de Moonshot con contexto de 1.048.576 tokens y compatibilidad con Chat Completions y Messages.

El caballo de batalla de gama Flash de Google para código y agentes: contexto de 1M tokens, mejor generación de código y ejecución en terminal que 3.6 Flash, caché de prompts y entrada de texto, imagen, vídeo y audio.

Google's fast multimodal Flash model with a 1M context window, built-in reasoning, prompt caching, and unified text/image/video/audio input pricing.

Google's lowest-cost Flash Lite model with a 1M context window and multimodal input, built for high-volume, latency-sensitive, and batch workloads.

Gemini Omni Flash para generación y edición de vídeo con texto a vídeo, imagen a vídeo, referencias a vídeo y edición de vídeo desde un único endpoint de vídeo.

Modelo Nano Banana de nueva generación que ofrece generación de imágenes superior con más detalle y excelente adhesión al prompt. Optimizado para velocidad y eficiencia de costos, representa un gran salto para profesionales creativos.

Familia de razonamiento de OpenAI con Sol, Terra y Luna, contexto de 1,05M, salida máxima de 128K y caché de prompts.

Prompt-based AI audio generation for voice, dialogue, sound effects, music, and ambience, with optional reference audio guidance. Per-second billing.

El Sonnet más capaz de Anthropic para codificación y tareas agénticas. Contexto de 1M, salida máxima de 128K y pensamiento adaptativo activado por defecto.

Midjourney V8.1 generates 4 images per request with HD/2K output options, reference-image workflows, and Draft/Fast speed tiers. Supports text-to-image and image-to-image through EvoLink.

Modelo Nano Banana rentable con imágenes de entrada gratuitas. Ideal para generación de alto volumen con una gran relación calidad-precio.

Premium text-to-image model with selectable 1K and 2K output. Built for crisp typography, cinematic lighting, and high-fidelity poster-grade compositions.

Kling 3.0 Turbo text-to-video — faster generation at 720P/1080P. Supports 3-15 second videos with per-second billing.

Z.ai's GLM-5.2 flagship text model for coding agents and agentic workflows, with a ~1M context window, deep thinking, tool calling, and prompt caching. Served over an OpenAI-compatible /v1/chat/completions endpoint.

Text-to-video generation. 3-15s duration, 720p/1080p, 9 aspect ratios, per-second billing.

Anthropic's most powerful and most intelligent Claude model — a new tier above Opus, with state-of-the-art reasoning, coding, and agentic capabilities. 1M context window.

Tongyi Wanxiang 2.7 video generation model with text-to-video, image-to-video, reference video, and video editing variants.

Text-to-video generation. 3-15s duration, 720p/1080p, per-second billing.

MiniMax's flagship multimodal text model with ~1M context, deep thinking, image/video/PDF input, and prompt caching. Available on both OpenAI-compatible (/v1/chat/completions) and Anthropic Messages (/v1/messages) endpoints.

Anthropic's most powerful Claude model with exceptional reasoning, coding, and agentic capabilities. 1M context window.

Google's next-gen Flash model with multimodal input (text/image/video/audio) at unified price and built-in reasoning output

El modelo Max insignia de Alibaba, con contexto de 1M de tokens, razonamiento controlable y caché de prompts en tres protocolos de API.

Último modelo insignia de OpenAI con razonamiento avanzado, contexto de 1M, salida máxima 128K y Tool Search.

Midjourney V7 generates 4 stunning images per request with native MJ prompt syntax. Supports text-to-image and image-to-image with three speed tiers (Draft/Fast/Turbo).

Multimodal content safety classifier for text and images. Detects 13 categories of harmful content (harassment, hate, sexual, violence, self-harm, illicit). OpenAI-compatible /v1/moderations endpoint.

AI-powered video super resolution. Enhance video quality with 1x, 2x, or 4x upscaling. Supports MP4 up to 50MB.

Generación de imágenes con IA de nueva generación con calidad 2K/3K, integración de búsqueda web y opciones de tamaño flexibles, incluidas dimensiones de píxeles personalizadas. Admite generación en lote (1-15 imágenes).

Generación de texto-a-video e imagen-a-video con audio opcional. Duración 4-12 s, calidad 480p/720p/1080p.

Google's most cost-efficient model for high-volume agentic tasks, translation, classification, and data processing

Transfer human motion from a reference video onto a character in a reference image. Supports std/pro quality with per-second billing.

Kling O3 (V3 Omni) next-generation video model with text-to-video, image-to-video, reference-to-video, and video editing. Supports 3-15 second videos with per-second billing.

Kling 3.0 video model with text-to-video and image-to-video. Supports 3-15 second videos with per-second billing.

Modelo de generación de video Tongyi Wanxiang 2.6 con variantes de texto-a-video, imagen-a-video y video de referencia.

Modelo de video de próxima generación de Google DeepMind con variantes Fast y Pro. Soporta generación de video de 8 s con calidad mejorada.

El último modelo de generación de video de 10~15 segundos de OpenAI con audio. Soporta eliminación de marca de agua (precio 1.65x).

Modelo de generación de imágenes ultrarrápido con una relación calidad-velocidad excepcional. Ideal para generación de alto volumen con excelente adhesión al prompt.

Generación avanzada de imágenes con soporte de calidad 2K/4K. Admite generación en lote (1-15 imágenes), imágenes de referencia y opciones de tamaño flexibles.

API de generación de vídeo xAI Grok Imagine compatible con texto a vídeo e imagen a vídeo. Duración de 6-30 s con modos de estilo fun/normal/spicy.

Generación de música con IA con voces, letras e instrumentales. Crea canciones de calidad profesional desde prompts de texto con múltiples versiones de modelo.

Anthropic's most powerful Claude model with exceptional reasoning, coding, and agentic capabilities. 1M context window.

Google's advanced model optimized for custom tool calling and function execution with full reasoning capabilities

MiniMax's latest text model deployed on Alibaba Cloud, excelling at coding, office tasks, and text summarization with fast output speed. 204K context window with built-in reasoning capabilities.

Último modelo insignia de OpenAI para tareas de código y agentes con ventana de contexto de 1.05M, salida máxima 128K y capacidades avanzadas de razonamiento.

Google's latest iteration of Gemini 3 Pro with advanced multimodal capabilities and extended context support

El mejor equilibrio entre velocidad, inteligencia y coste para codificación y tareas agénticas. 200K de contexto, 128K de salida máxima y extended thinking.

BytePlus's latest LLM series with 256K context, tiered pricing by prompt length (32K/128K/256K), and cache billing. Available in Pro, Lite, Mini, and Code variants.

High-performance general-purpose chat model (DeepSeek-V3) with 128K context window and competitive pricing for everyday AI tasks

Advanced reasoning model (DeepSeek-R1) with chain-of-thought capabilities, 128K context window, optimized for complex problem-solving tasks

Anthropic's most powerful Claude model with exceptional reasoning, coding, and agentic capabilities. 1M context window.

Google's most cost-efficient model for high-volume tasks like translation, classification, and data processing

Modelo de generación de imágenes Tongyi Wanxiang (Wan 2.5 Image) con variantes de texto-a-imagen e imagen-a-imagen.

Modelo de generación de video Tongyi Wanxiang (Wan 2.5 Video) con variantes de imagen-a-video y texto-a-video.

Modelo avanzado de generación de imágenes de OpenAI optimizado para precisión de color real, tareas estructuradas y salidas visuales analíticas. Basado en tecnología DALL-E 3.

Modelo frontier más rápido de Google con 3x de velocidad, multimodal con entrada de audio y precios rentables.

API MiniMax Hailuo 2.3 con variantes Fast y Standard. Soporta T2V/I2V con salida 768p/1080p.

MiniMax Hailuo 02 - completo con modos T2V, I2V y FLF. Soporta resolución 512p/768p/1080p.

Modelo insignia de OpenAI para tareas de código y agentes con ventana de contexto de 400K, salida máxima 128K y capacidades avanzadas de razonamiento.

El último modelo insignia de OpenAI con razonamiento avanzado, caché de prompts y ventana de contexto de 400K para tareas complejas.

El modelo Claude más potente de Anthropic con capacidades excepcionales de razonamiento, codificación y agentes. Ventana de contexto de 200K.

Modelo de generación de video Kling O1 con variantes de imagen-a-video, edición de video y edición rápida. Soporta videos de 3-20 segundos con imágenes de referencia para generación guiada por estilo.

Modelo de lenguaje de próxima generación de Google con capacidades multimodales avanzadas y soporte de contexto extendido.

Asistente de codificación rápido y rentable con ventana de contexto de 200K y soporte de caché de prompts para un rendimiento óptimo.

El modelo más inteligente para construir agentes y programar. Incluye contexto de 200K, pensamiento extendido y capacidades avanzadas de razonamiento.

Modelo de lenguaje rápido y eficiente de Google con soporte de caché de prompts para optimización de costos.

Modelo avanzado de generación de video con capacidades de texto-a-video e imagen-a-video. Soporta duración de 2-12 s con opciones de calidad 720p/1080p.

El modelo de lenguaje más potente de Google con contexto extendido y capacidades avanzadas de razonamiento.

Generación de video de humano digital con IA y lip-sync impulsado por audio. Transforma imágenes estáticas en avatares hablantes con expresiones y movimientos naturales.

Modelo de edición de imágenes Tongyi Qianwen con comprensión inteligente y capacidades de edición colaborativa multiimagen.

Gemini 2.5 Flash Image Preview es un modelo de IA avanzado que destaca en generación y edición de imágenes impulsadas por lenguaje natural.

Generación de imágenes basada en historias con calidad 4K: crea 9+ visuales consistentes con fusión de múltiples referencias y edición en tiempo real.

OpenAI named Astra as its next major model but has not linked it to GPT-6 or published an API. Track verified model IDs, pricing, limits, and EvoLink route readiness.

Seguimiento del nombre Claude Fable 5.1, aún no anunciado. Consulta la identidad oficial, el acceso API, los precios, los controles y la validación de la ruta de EvoLink.

El último modelo insignia de Z.ai para programación y tareas de agentes de larga duración. Sigue el ID oficial glm-5.3, las especificaciones confirmadas y la disponibilidad verificada de la API EvoLink.

Sigue el lanzamiento reportado, la disponibilidad verificada de la API EvoLink, el ID del modelo, los precios y la preparación de la evaluación de agentes de código.

Gemini 3.5 Pro is testing with partners, but no public API route, model ID, pricing, or input specification is available yet.