模型列表

Download

聚焦模式

字号

最后更新时间： 2026-07-07 17:48:01

语言模型
模型名称
model（调用参数）
能力支持
上下文窗口
（Token）
最大输入
（Token）
最大输出
（Token）
DeepSeek-V4-Flash 原厂直供
deepseek-v4-flash-202605
深度思考
结构化输出
Function Calling
Cache 缓存
1M
1M
384k
DeepSeek-V4-Pro 原厂直供
deepseek-v4-pro-202606
深度思考
结构化输出
Function Calling
Cache 缓存
1M
1M
384k
DeepSeek-V4-Flash
deepseek-v4-flash
深度思考
结构化输出
Function Calling
Cache 缓存
1M
1M
384k
DeepSeek-V4-Pro
deepseek-v4-pro
深度思考
结构化输出
Function Calling
Cache 缓存
1M
1M
384k
Deepseek-v3.2
deepseek-v3.2
深度思考
结构化输出
Function Calling
128k
96k
32k
GLM-5.2
glm-5.2
深度思考
结构化输出
Function Calling
Cache 缓存
1M
1M
128k
GLM-5
glm-5
深度思考
Function Calling
Cache 缓存
200k
200k
128k
GLM-5-Turbo
glm-5-turbo
深度思考
结构化输出
Function Calling
Cache 缓存
200k
200k
128k
GLM-5V-Turbo
glm-5v-turbo
深度思考
结构化输出
Function Calling
Cache 缓存
200k
200k
128k
GLM-5.1
glm-5.1
深度思考
结构化输出
Function Calling
Cache 缓存
200k
200k
128k
Kimi K2.7 Code HighSpeed
kimi-k2.7-code-highspeed
深度思考
结构化输出
Function Calling
Cache 缓存
256k
256k
256k
Kimi K2.7 Code
kimi-k2.7-code
深度思考
结构化输出
Function Calling
Cache 缓存
256k
256k
256k
Kimi-K2.6
kimi-k2.6
深度思考
结构化输出
Function Calling
Cache 缓存
256k
256k
256k
Kimi-K2.5
kimi-k2.5
深度思考
结构化输出
Function Calling
Cache 缓存
256k
224k
16k
MiniMax-M3
minimax-m3
深度思考
Function Calling
Cache 缓存
1M
1M
-
MiniMax-M2.5
minimax-m2.5
深度思考
Function Calling
Cache 缓存
200k
200k
128k
MiniMax-M2.7
minimax-m2.7
深度思考
Function Calling
Cache 缓存
200k
200k
128k
Hy-MT2-Plus
hy-mt2-plus
翻译模型
翻译效果领先，有优秀的指令遵循能力
8k
4k
4k
向量模型
模型名称
model（调用参数）
模型介绍
输出维度
上下文窗口（Token）
Kinfra-Text-Embedding-0.6b
kinfra-text-embedding-0.6b
轻量文本向量模型，适合大规模文本召回、延迟敏感、成本敏感场景。
1024
32k
Kinfra-Text-Embedding-4b
kinfra-text-embedding-4b
高质量文本向量模型，适合高质量文本检索、深层语义理解场景。
2560
32k
Kinfra-VL-Embedding-2b
kinfra-vl-embedding-2b
轻量多模态向量模型，支持文本、图片、视频输入，适合多模态在线检索、视频检索、响应速度优先场景。
2048
32k
Kinfra-VL-Embedding-8b
kinfra-vl-embedding-8b
高精度多模态向量模型，支持文本、图片、视频输入，适合高精度多模态检索、精度优先场景。
4096
32k
说明：
以上模型均支持 30 余种主流语言，包括中文、英语、日语、韩语、法语、德语、俄语、葡萄牙语、西班牙语等。
能力说明
深度思考
模型在生成最终回答前，先进行内部思维链（Chain-of-Thought）推理，通过逐步分析和拆解问题，提升复杂任务（如数学、逻辑推理、代码生成等）的回答准确性。
结构化输出
模型支持按照指定的格式（如 JSON Schema）输出结构化数据，便于下游程序直接解析和使用，适用于信息抽取、数据填充、API 响应构建等场景。
Function Calling
模型支持函数调用能力，可在推理过程中根据用户意图自动识别并触发预定义的外部工具或 API，实现查询数据库、调用第三方服务等扩展操作。
Cache 缓存
模型 Cache 缓存能力可复用历史请求中的上下文计算结果，减少重复计算开销，从而提升响应速度并降低调用成本。
﻿
﻿

帮助和支持

本页内容是否解决了您的问题？

您也可以联系销售或提交工单以寻求帮助。

填写满意度调查问卷，共创更好文档体验。

文档反馈

tencent cloud

大模型服务平台 TokenHub

模型列表

语言模型

向量模型

能力说明

深度思考

结构化输出

Function Calling

Cache 缓存

帮助和支持

模型名称	model（调用参数）	能力支持	上下文窗口（Token）	最大输入（Token）	最大输出（Token）
DeepSeek-V4-Flash 原厂直供	deepseek-v4-flash-202605	深度思考结构化输出 Function Calling Cache 缓存	1M	1M	384k
DeepSeek-V4-Pro 原厂直供	deepseek-v4-pro-202606	深度思考结构化输出 Function Calling Cache 缓存	1M	1M	384k
DeepSeek-V4-Flash	deepseek-v4-flash	深度思考结构化输出 Function Calling Cache 缓存	1M	1M	384k
DeepSeek-V4-Pro	deepseek-v4-pro	深度思考结构化输出 Function Calling Cache 缓存	1M	1M	384k
Deepseek-v3.2	deepseek-v3.2	深度思考结构化输出 Function Calling	128k	96k	32k
GLM-5.2	glm-5.2	深度思考结构化输出 Function Calling Cache 缓存	1M	1M	128k
GLM-5	glm-5	深度思考 Function Calling Cache 缓存	200k	200k	128k
GLM-5-Turbo	glm-5-turbo	深度思考结构化输出 Function Calling Cache 缓存	200k	200k	128k
GLM-5V-Turbo	glm-5v-turbo	深度思考结构化输出 Function Calling Cache 缓存	200k	200k	128k
GLM-5.1	glm-5.1	深度思考结构化输出 Function Calling Cache 缓存	200k	200k	128k
Kimi K2.7 Code HighSpeed	kimi-k2.7-code-highspeed	深度思考结构化输出 Function Calling Cache 缓存	256k	256k	256k
Kimi K2.7 Code	kimi-k2.7-code	深度思考结构化输出 Function Calling Cache 缓存	256k	256k	256k
Kimi-K2.6	kimi-k2.6	深度思考结构化输出 Function Calling Cache 缓存	256k	256k	256k
Kimi-K2.5	kimi-k2.5	深度思考结构化输出 Function Calling Cache 缓存	256k	224k	16k
MiniMax-M3	minimax-m3	深度思考 Function Calling Cache 缓存	1M	1M	-
MiniMax-M2.5	minimax-m2.5	深度思考 Function Calling Cache 缓存	200k	200k	128k
MiniMax-M2.7	minimax-m2.7	深度思考 Function Calling Cache 缓存	200k	200k	128k
Hy-MT2-Plus	hy-mt2-plus	翻译模型翻译效果领先，有优秀的指令遵循能力	8k	4k	4k

模型名称	model（调用参数）	模型介绍	输出维度	上下文窗口（Token）
Kinfra-Text-Embedding-0.6b	kinfra-text-embedding-0.6b	轻量文本向量模型，适合大规模文本召回、延迟敏感、成本敏感场景。	1024	32k
Kinfra-Text-Embedding-4b	kinfra-text-embedding-4b	高质量文本向量模型，适合高质量文本检索、深层语义理解场景。	2560	32k
Kinfra-VL-Embedding-2b	kinfra-vl-embedding-2b	轻量多模态向量模型，支持文本、图片、视频输入，适合多模态在线检索、视频检索、响应速度优先场景。	2048	32k
Kinfra-VL-Embedding-8b	kinfra-vl-embedding-8b	高精度多模态向量模型，支持文本、图片、视频输入，适合高精度多模态检索、精度优先场景。	4096	32k