API 参考文档
模型
查看 CheaperGen API 上所有可用的视频和图像模型及端点 ID、按单位计价和各模型 API 文档链接。
每个模型都为每种任务提供一个 端点。提交时请使用 POST /api/v1/run/{endpoint} 和下方的端点 ID。所有模型的请求结构都相同，只有输入字段不同。每个模型 API 页面都会列出字段、类型、默认值和允许值。
此列表由 API 使用的同一份目录生成。要通过程序获取列表，请调用 GET /api/v1/models（无需密钥），详情请见 列出模型。
视频模型#
按生成视频的每秒计价。 当前显示最低价格档位；各分辨率价格请见 定价。
Seedance 2.0#
ByteDance Seedance 2.0 可根据文本、图像或参考素材，生成 4–15 秒、480p 至 4K 的电影感视频，并同步生成音频。
参考视频转换最多支持 9 张图像、3 段视频（总计 15 秒）和 3 段音频；请使用 @Image1、@Video1、@Audio1 的格式引用。。参见 参考输入。
Seedance 2.5#
Seedance 2.5 是 ByteDance 最新的视频模型，在动作表现、提示词遵循度和多参考素材控制方面有所增强；可生成最长 30 秒、最高 1080p 且带音频的视频片段。
参考视频转换最多支持 30 张图像、10 段视频（总计 30 秒）和 10 段音频；请使用 @Image1、@Video1、@Audio1 的格式引用。。参见 参考输入。
Seedance 2.0 Fast#
Seedance 2.0 Fast 是针对速度优化的 Seedance 2.0，支持生成带音频的 480p 和 720p 视频，适合快速迭代和高用量流水线。
参考视频转换最多支持 9 张图像、3 段视频（总计 15 秒）和 3 段音频；请使用 @Image1、@Video1、@Audio1 的格式引用。。参见 参考输入。
Seedance 2.0 Mini#
Seedance 2.0 Mini 可以生成带音频的 480p 和 720p 视频，是 Seedance 系列中价格最低的模型，适合预览、A/B 测试和批量生成。
参考视频转换最多支持 9 张图像、3 段视频（总计 15 秒）和 3 段音频；请使用 @Image1、@Video1、@Audio1 的格式引用。。参见 参考输入。
Kling 3.0#
Kuaishou Kling 3.0 可根据文本或首尾帧生成 3–15 秒的电影感视频，支持 720p、1080p 或 4K，并可选择开启原生音频。
Kling 3.0 Omni#
Kling 3.0 Omni 可根据文本、首尾帧或最多 7 张参考图像，生成 3–15 秒的 720p、1080p 或 4K 视频；支持保持角色一致，并可选择开启原生音频。
Kling 3.0 Turbo#
Kling 3.0 Turbo 是 Kuaishou 针对速度优化的 Kling 3.0，可根据文本或首帧快速生成带原生音频的 3–15 秒 720p 或 1080p 视频。
Veo 3.1#
Google Veo 3.1 可根据文本或首尾帧生成 4–8 秒的电影级视频，分辨率支持 720p、1080p 或 4K，并同步生成对白、音乐和音效。
Veo 3.1 Fast#
Google Veo 3.1 Fast 可生成带原生音频的 4–8 秒视频，支持 720p、1080p 和 4K；速度更快，价格远低于 Veo 3.1，适合快速迭代和批量生成。
Veo 3.1 Lite#
Google Veo 3.1 Lite 可根据文本或首尾帧生成带原生音频的 4–8 秒 720p 视频，是 Veo 系列中价格最低的模型。
Gemini Omni Flash#
Google 默认的视频模型 Gemini Omni Flash 1.1，可根据文本、首尾帧或参考图像生成 4–10 秒的 720p 视频，并加入对白、音乐和音效。
Wan 3.0#
Alibaba Wan 3.0 可根据文本、图像或参考图像，生成带音频的 480p–1080p 连续视频，时长最长 30 秒。
参考视频转换最多支持 4 张图像、5 段视频（总计 15 秒）和 5 段音频；请使用 @Image1、@Video1、@Audio1 的格式引用。。参见 参考输入。
Wan 3.0 Prime#
Wan 3.0 Prime 是 Alibaba Wan 3.0 的高端档位，视觉保真度和运动质量更高，支持最长 30 秒的 1080p 视频并包含音频。
参考视频转换最多支持 4 张图像、5 段视频（总计 15 秒）和 5 段音频；请使用 @Image1、@Video1、@Audio1 的格式引用。。参见 参考输入。
MiniMax H3#
MiniMax H3（海螺 3）可根据文本、图像或参考素材生成富有表现力的 5–15 秒视频，擅长物理效果和人物动作，支持 768P 或 2K。
参考视频转换最多支持 5 张图像、3 段视频（总计 15 秒）和 3 段音频；请使用 @Image1、@Video1、@Audio1 的格式引用。。参见 参考输入。
MiniMax H3 Max#
MiniMax H3 Max 是经后训练、画质更高的 H3，细节更清晰，提示词遵循度更高，可生成 5–15 秒的 480P 和 768P 视频。
MiniMax H3 Fast#
MiniMax H3 Fast 是 MiniMax H3 开放权重的推理加速版本：支持相同的文本、首帧和参考素材输入方式，并可同步生成音轨，支持 480P 或 768P，生成速度快数倍，价格仅为 H3 的一小部分。
参考视频转换最多支持 9 张图像、3 段视频（总计 15 秒）和 3 段音频；请使用 @Image1、@Video1、@Audio1 的格式引用。。参见 参考输入。
Vidu Q3 Turbo#
Shengshu 的 Vidu Q3 Turbo 可根据文本或首尾帧，快速生成带同步音频的 1–16 秒 540p、720p 或 1080p 视频，是每秒价格最低的模型之一。
Vidu Q3 Pro#
Shengshu 的 Vidu Q3 Pro 可根据文本或首尾帧生成 1–16 秒、540p、720p 或 1080p 视频，并同步生成对白、音效和音乐；细节更丰富，运动更稳定、更具电影感，超过 Q3 Turbo。
Vidu Q4#
Vidu Q4（预览版）可为首帧制作动画，或合并最多 15 张参考图像和 3 段声音片段，生成带音频的 3–16 秒视频，分辨率从 540p 到 4K。
Grok Imagine Video 1.5#
xAI 的 Grok Imagine Video 1.5 可根据文本或参考图像，生成带原生音频的 1–15 秒视频，支持 480p、720p 和 1080p。
FLUX 3 Video#
Black Forest Labs 的 FLUX 3 Video 可根据文字描述或首尾帧生成 5–20 秒、720p 的视频，并同步生成音频，按输出秒数收取统一费用。
PixVerse V6#
PixVerse V6 可根据文本、单张图像或最多 7 张参考图像，生成 1–15 秒、360p–1080p 的视频，并可选择添加音频，是社交视频中每秒价格最低的模型之一。
LTX-2.5#
Lightricks 的 LTX-2.5 可根据文本或首帧，在数秒内生成带同步音轨的 1–8 秒 720p 或 1080p 视频，每秒价格远低于常规水平。
图像模型#
按生成图像的每张计价。 当前显示最低价格档位；各分辨率价格请见 定价。
Seedream 4.5#
ByteDance Seedream 4.5 可生成和编辑 2K 或 4K 图像，每张价格相同；支持一致的多图编辑和清晰可读的文字。
Seedream 5.0 Pro#
ByteDance Seedream 5.0 Pro 可生成和编辑最高 2K 的照片级品牌图像，支持精准多图编辑和文字渲染。
Seedream 5.0 Lite#
Seedream 5.0 Lite 以更低价格提供出色的 Seedream 5.0 图像生成和编辑能力，适合日常创作和应用工作负载。
Seedream 5.0 Flash#
Seedream 5.0 Flash 是最快、最实惠的 Seedream 5.0 模型，适合实时和高用量图像生成与编辑。
Nano Banana Pro#
Nano Banana Pro（Gemini 3 Pro Image）可生成并编辑最高 4K 图像，准确呈现文字、掌握丰富的世界知识，并可使用多达 14 张输入图像保持角色一致。
Nano Banana 2.1#
Nano Banana 2.1 (gemini-nano-banana-2.1) 是 Google 最新的图像模型：支持生成和编辑最高 4K 图像、准确渲染文字、最多输入 14 张图像并提供 14 种宽高比，每张仅需几美分。
GPT Image 2.5#
GPT Image 2.5（Sunburst）是 OpenAI 画质最高的图像模型：支持精准多图编辑、可靠文字渲染、5 种画质等级和最高 4K 输出。
GPT Image 2.5 Flare#
GPT Image 2.5 Flare 是 OpenAI GPT Image 2.5 的更快版本，Token 价格相同，支持最高 4K，适合社交内容、产品图像、原型和批量生成。
FLUX 3#
Black Forest Labs 的 FLUX 3 可生成和编辑最高 4K 图像，具备联网知识、布局控制和最多 10 张参考图像；各分辨率档位按张收取固定费用。
FLUX 3 Image Klein#
FLUX 3 Image Klein 是 Black Forest Labs 推出的紧凑型 5.6B 开放权重 FLUX 3 Image 模型：以 16 步快速文生图，支持 15 种画幅比例，最高 4K；也支持编辑，最多可使用 10 张参考图片。
FLUX.2 [klein] 4B#
FLUX.2 [klein] 4B 是 Black Forest Labs 推出的开放权重小型 FLUX.2 模型（Apache-2.0）：不到一秒即可文生图或编辑图片，最多支持 4 张参考图片，每张图片费用不到一美分。
FLUX.2 [pro]#
Black Forest Labs 的 FLUX.2 [pro] 可生成最高 4 百万像素的照片级图像，精准遵循提示词并清晰呈现文字，还支持使用最多 8 张参考图像进行编辑。
FLUX.2 [max]#
FLUX.2 [max] 是 Black Forest Labs 最高阶的 FLUX.2 模型，细节、纹理、文字呈现和提示词遵循度均达到最佳，最高支持 4 百万像素。
- 文生图
bfl/flux-2-max/text-to-image试用 →
FLUX.2 [flex]#
FLUX.2 [flex] 可调整采样步数和引导强度，以精准呈现文字和精细细节，最高支持 4 百万像素。
- 文生图
bfl/flux-2-flex/text-to-image试用 →
FLUX.1 Kontext [pro]#
FLUX.1 Kontext [pro] 可通过日常语言指令编辑图像，例如更换服装、场景、文字或风格，同时保持人物和物体一致，并按张收取固定价格。BFL 现已将 Kontext 列为旧版模型；FLUX.2 和 FLUX 3 是其后继产品。
FLUX.1 Kontext [max]#
FLUX.1 Kontext [max] 是高端 Kontext 编辑模型，提示词遵循度、文字呈现和一致性均优于 [pro]，按张收取固定价格。
Grok Imagine Image 2.0#
xAI 的 Grok Imagine Image 2.0 可生成并编辑 1K 或 2K 的照片级或风格化图像，编辑时最多支持 3 张输入图像。
Qwen-Image 3.0 Pro#
Qwen-Image 3.0 Pro 可生成和编辑 1K–2K 图像，中文和英文排版出色，能处理报纸、菜单、分镜和信息图等密集布局。
Qwen-Image 3.0#
Qwen-Image 3.0 可生成和编辑 1K–2K 图像，准确遵循指令，稳定呈现中英文文字；每张图像按低价固定收费。
Z-Image Turbo#
Alibaba 通义实验室的 Z-Image Turbo 只需 8 步即可生成逼真图像，并能清晰呈现中英文文字；每张图像不到 1.5 美分，低于 Alibaba 官方价格。
- 文生图
alibaba/z-image-turbo/text-to-image试用 →
Krea 2 Turbo#
Krea 2 Turbo 是快速蒸馏版 Krea 2：约一秒即可生成自然、写实的图像，拥有逼真的肤色、光线和质感，每张不到 1.5 美分，低于 Krea 官方价格。
- 文生图
krea/krea-2-turbo/text-to-image试用 →
MOSS Image#
OpenMOSS 的 MOSS Image 是一款开放权重 5B 文生图模型，可清晰呈现中英文文字，并根据 JSON 布局准确放置文字和物体；支持 1K、1.5K 或 2K。
- 文生图
openmoss/moss-image/text-to-image试用 →
文本模型#
DeepSeek、Qwen、GLM、Kimi 等大语言模型推理服务即将接入同一套 API 和余额体系。加入候补名单 订阅上线通知。
有不清楚或缺少的内容？发邮件至 support@cheapergen.com——我们会认真阅读每一封邮件。