测试messages协议

内部业务专业定制模型

MiniMax-M3 是 MiniMax 推出的多模态基础模型。它支持文本、图像和视频输入，并输出文本，拥有 1M 的上下文窗口，适用于长时间的智能体工作、编码和工具使用。该模型基于 MiniMax 稀疏注意力机制 (MSA) 构建，MSA 用键值块选择取代了完整的注意力机制，从而在长时间上下文中大幅降低每个词元的计算量——在 1M 个token的情况下，其计算成本约为上一代模型的 1/20，同时显著加快了预填充和解码速度，并在大多数任务中保持了质量。 该模型在交错数据上作为原生多模态模型进行训练，并通过交互式用户模拟器框架针对多轮次、类似生产环境的协作进行了调优，因此更适合持续的多步骤任务，而非单轮执行。

Qwen3.7系列中规模最大、综合能力最强的Max模型，当前开放纯文本模型能力供体验。Qwen3.7是面向智能体时代的新一代旗舰模型，核心优势在于智能体能力的广度与深度：在编程、办公与生产力、长周期自主执行方面均能出色胜任各项任务。

Doubao-Seed-2.0-pro 是一款旗舰级通用大模型，专为 Agent 时代的复杂推理和长链任务执行场景而设计。它强调多模态理解、长上下文推理、结构化生成和工具增强执行。其在执行复杂指令和多重约束方面的能力非常出色，能够稳定处理诸如多步复杂规划、复杂图文推理、视频内容理解和高难度分析等场景。

DeepSeek-V4 拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。 相比前代模型，DeepSeek-V4-Pro 的 Agent 能力显著增强。在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。

DeepSeek-V4 拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。 相比 DeepSeek-V4-Pro，DeepSeek-V4-Flash 在世界知识储备方面稍逊一筹，但展现出了接近的推理能力。而由于模型参数和激活更小，相较之下 V4-Flash 能够提供更加快捷、经济的 API 服务。

万亿参数，高效架构 — 1T 总参数 | 42B 激活 | 1M 超长上下文。 极致 Agent 性能 — 在高强度智能体场景下，表现媲美 Claude Opus4.6。

原生全模态感知 + 1M 上下文 — 支持图像、视频、音频、文本的原生理解，实现跨模态精准感知与长程推理，综合感知能力跻身行业前沿。 强大的全模态 Agent 能力 — 具备原生 Agent 执行能力，可高效完成浏览、理解、推理与操作等复杂任务，日常任务表现比肩 MiMo V2.5 Pro。 性能与效率兼备 — 在保持领先能力的同时，实现更优的 token 效率，位于性能与效率的 Pareto 前沿。

Qwen3.5原生视觉语言系列Plus模型，相较于2月15日快照，本模型在Agentic coding能力上大幅提升；推理速度显著提升；知识、推理与长上下文能力保持较高水准，满足复杂Agent任务的需求，适合应用于编码智能体、生产工作流和高吞吐场景。该版本为2026年4月20日快照。

Kimi K2.6 是 Kimi 最新最智能的模型，Kimi K2.6 的通用 Agent、代码、视觉理解等综合能力得到全面提升，其中在博士级难度的完整版人类最后的考试（Humanity’s Last Exam）、在考察模型真实软件工程能力的 SWE-Bench Pro、评估 Agent 深度检索能力的 DeepSearchQA 等基准测试中均取得行业领先的成绩，同时支持文本、图片与视频输入，思考与非思考模式，对话与 Agent 任务。

GLM-5.1 是智谱最新旗舰模型，代码能力大大增强，长程任务显著提升，能够在单次任务中持续、自主地工作长达 8 小时，完成从规划、执行到迭代优化的完整闭环，交付工程级成果。 在综合能力与 Coding 能力上，GLM-5.1 整体表现对齐 Claude Opus 4.6，并在长程自主执行、复杂工程优化与真实开发场景中展现出更强的持续工作能力，是构建 Autonomous Agent 与长程 Coding Agent 的理想基座。

Qwen3.6原生视觉语言系列Plus模型，展现出与当前顶尖前沿模型相媲美的卓越性能，模型效果相较3.5系列显著提升。模型在Agentic coding、前端编程、Vibe coding等代码能力、多模态万物识别、OCR、物体定位等能力上显著增强。

GLM-5V-Turbo 是智谱首个多模态 Agent 基座模型，面向视觉编程与复杂任务场景深度优化，支持图像、视频、文本与文件等多模态输入，强化视觉理解、长程规划与动作执行能力。相比通用多模态模型，它更适合融入 Agent 工作流，完成「环境感知 → 任务规划 → 执行落地」的完整闭环，让多模态能力从“能看懂”走向“能行动”。

Agentic指令遵循：在包含 50+ skills、60–150 个 feature list 的复杂环境中，M2.7 仍能保持稳定的技能调用与指令遵循能力，有效缓解大规模 skill library 场景下常见的遵从能力下降问题；针对需要 几十个技能协同的复杂任务进行优化，能够在长流程、多步骤的 Agent 场景中稳定完成复杂任务拆解与执行。 领先的 Agent Harness 能力，支持 Agent Teams、多工具检索（Tool Search）、多种 Agent 脚手架功能，便于构建复杂的多 Agent 系统。 强工程与 Coding 能力：在真实工程场景中具备优秀表现，包括 日志分析与 Bug 定位、代码重构、代码安全（生成无漏洞代码）、机器学习、Android 开发 等能力。 复杂 Office 自动化能力：支持复杂 Excel / Word / PPT 办公任务及多轮编辑。

Agentic指令遵循：在包含 50+ skills、60–150 个 feature list 的复杂环境中，M2.7 仍能保持稳定的技能调用与指令遵循能力，有效缓解大规模 skill library 场景下常见的遵从能力下降问题；针对需要 几十个技能协同的复杂任务进行优化，能够在长流程、多步骤的 Agent 场景中稳定完成复杂任务拆解与执行。 领先的 Agent Harness 能力，支持 Agent Teams、多工具检索（Tool Search）、多种 Agent 脚手架功能，便于构建复杂的多 Agent 系统。 强工程与 Coding 能力：在真实工程场景中具备优秀表现，包括 日志分析与 Bug 定位、代码重构、代码安全（生成无漏洞代码）、机器学习、Android 开发 等能力。 复杂 Office 自动化能力：支持复杂 Excel / Word / PPT 办公任务及多轮编辑。

GLM-5-Turbo 是面向真实 Agent 长链路任务深度优化的模型，重点提升了复杂指令拆解、工具调用、定时持续执行与长任务稳定性。相比通用对话模型，它更适合进入真实业务流程，让龙虾从“能聊”走向“能做”。

Seed-2.0-Lite 是一款功能全面且极具成本效益的企业级主力模型。它不仅具备强大的多模态与智能体（Agent）能力，还实现了显著降低的延迟，使其成为涵盖文本、视觉及工具应用等各类生产级工作负载的理想默认之选。该模型专为高频视觉理解及智能体驱动型工作流而精心打造，是实现大规模部署并确保极低延迟的绝佳方案。