AI惊叹号 | 阿里云百炼平台150+模型：分类与用途一览

00平台概览

百炼是什么，怎么接入，怎么计费。

阿里云百炼（Model Studio）是阿里云的大模型服务平台，聚合通义千问（Qwen）系列与第三方模型共150余款，覆盖文本生成、图像生成与编辑、视频生成与编辑、音频语音及基础能力五大类。

接入方式有四种：OpenAI兼容API（改API Key、base_url、模型名即可迁移现有代码）、SDK、命令行工具与控制台可视化界面。部署地域包括北京、新加坡、法兰克福、东京、香港。计费支持按量付费与Token Plan订阅两种；新用户开通后每个模型各获100万Token免费额度（90天内有效）。

文中价格均为中国内地按量付费原价，不含限时优惠；Batch调用、上下文缓存与订阅套餐另有折扣，以官方计费页为准。

01文本生成

千问系列、第三方模型与领域模型。价格为输入/输出，元/百万Token。

千问系列在售主力为3.8与3.7两代：稀疏MoE架构，100万Token上下文，支持深度思考、Function Calling、结构化输出、联网搜索与上下文缓存，多数模型原生接受文本、图像、视频输入。

模型	定位	输入	价格（输入/输出）	典型用途
qwen3.8-max	旗舰	文本/图像/视频	12 / 36 元	复杂推理、全栈代码工程、长周期智能体任务
qwen3.8-flash	轻量多模态	文本/图像/视频	0.8 / 2.7 元	高并发日常任务、代码辅助、成本敏感场景
qwen3.8-27B	开源版	文本/图像/视频	开源自部署	自行部署与二次开发
qwen3.7-max	纯文本旗舰	文本	12 / 36 元	纯文本深度推理、长逻辑推演
qwen3.7-plus	多模态智能体	文本/图像/视频	1.6 / 6.4 元	GUI界面操作、智能体工作流、视觉问答
qwen3.7-flash	高速轻量	文本/图像/视频	0.2 / 0.8 元	实时对话、高并发轻量任务

第三方模型：DeepSeek-V4-Pro、DeepSeek-V4-Flash、Kimi-K3、GLM-5.2、GLM-5.3、MiniMax-M3、MiMo等，调用格式与千问一致，切换只需改模型名。

领域模型：代码、数学、翻译、法律、数据挖掘、Deep Research、意图理解、角色扮演、对话分析等垂类模型。

02图像生成与编辑

千问图像、万相、Z-Image三个系列。价格为生成费用，元/张。

图像模型分三个系列：千问图像（Qwen-Image）主打复杂版面与文字渲染，万相（Wan）主打高分辨率与多图参考，Z-Image主打快速生成。除Z-Image仅支持文生图外，其余同时支持文生图与图像编辑；编辑时每张输入图片另计0.02元。

模型	能力	最大分辨率	价格	功能特点与适用场景
qwen-image-3.0-pro	文生图 + 编辑	2048×2048	1K 0.25 / 2K 0.5 元	4.5k Token长指令、10px小字渲染、12国语言、图中图密集排版；海报、分镜、试卷、UI界面
qwen-image-3.0	文生图 + 编辑	2048×2048	0.18 元	标准版，生成速度更快
wan2.7-image-pro	文生图 + 编辑	4096×4096	0.5 元	品牌色控制、最多9张参考图、角色一致性、边界框交互式编辑
wan2.7-image	文生图 + 编辑	2048×2048	0.2 元	速度版，支持连续生成4张（最多12张）
z-image-turbo	文生图	2048×2048	0.1 元起	6B参数轻量模型，速度快，适合写实人像与产品图；思考模式0.2元

迁移参考（官方文档提供）

高质量档位对应qwen-image-3.0-pro或wan2.7-image-pro；均衡档位对应qwen-image-3.0或wan2.7-image；快速低成本档位对应z-image-turbo。

03视频生成与编辑

万相与欢乐马两个系列。价格为元/秒。

视频模型分两个系列：万相3.0采用"全能参考"设计，参考素材可以是图片、音频、视频，也可以是docx、ppt、pdf文件和网页链接；欢乐马（HappyHorse）1.1生成原生带音频的视频。另有编辑与动作迁移专项模型。

模型	类型	规格	价格	功能特点
wan3.0-video	全能参考	480P–1080P，2–30秒	0.3 / 0.6 / 1.2 元/秒	文生视频、首帧/首尾帧、参考生视频；价格按480P/720P/1080P分档，失败不计费
wan3.0-video-prime	全能参考（优速）	480P–1080P，2–30秒	以官网为准	能力同上，生成速度更快
happyhorse-1.1 系列	文生/首帧/参考生视频	480P–1080P，3–15秒	720P 0.9 / 1080P 1.2 元/秒	原生音频一次成片；r2v支持9张角色参考图保持一致性
happyhorse-1.0-video-edit	视频编辑	720P/1080P，3–15秒	以官网为准	按文本指令做风格转换、元素替换
wan2.7-videoedit	视频编辑	720P/1080P，2–10秒	以官网为准	特效复刻、运镜复刻
wan2.2-animate-move	动作迁移	720P，2–30秒	以官网为准	把参考视频动作迁移到静态图片人物上
wan2.2-animate-mix	人物替换	720P，2–30秒	以官网为准	把视频中人物替换为图片人物

迁移参考（官方文档提供）

文生视频、图生视频场景对应happyhorse-1.1系列或wan3.0系列；参考生视频场景对应happyhorse-1.1-r2v或wan3.0系列。

04音频与语音

合成、识别、翻译、端到端对话、音乐五类。

语音合成（TTS）：qwen-audio-3.0-tts-plus（1.4元/万字符）、qwen-audio-3.0-tts-flash（1元/万字符）、MiniMax speech-2.8-hd、CosyVoice、Sambert——用于有声读物、语音播报、虚拟人、车载导航。
语音识别（ASR）：qwen-audio-3.0-asr-flash-streaming（实时转写）、qwen-audio-3.0-asr-flash-filetrans（录音文件转写）、Fun-ASR、Paraformer、SenseVoice——用于会议记录、直播字幕、电话客服。
语音翻译：Gummy系列，转写同时输出译文。
端到端语音对话：qwen-audio-3.0-realtime-plus、qwen3.5-omni-plus（及realtime版）——语音进语音出，无需分别调用识别和合成。
音乐生成：fun-music-v1，根据提示词或歌词生成音乐。

05基础能力模型

不直接对话，是构建应用时的配套层。

全模态模型：qwen3.5-omni-plus、qwen3.5-omni-plus-realtime——融合文本、图像、音频、视频的多模态理解与生成。
向量化（Embedding）：text-embedding-v4、qwen3.7-text-embedding（文本）、tongyi-embedding-vision-plus（图文）——把内容转成向量，用于检索和知识库。
重排序（Rerank）：qwen3-rerank——与向量检索配合，对召回结果重新排序。
3D生成：Tripo-H3.1、Tripo-P1.0——文生3D或图生3D，输出三维资产。

06场景速查表

我要做X，用哪个模型。

需求场景	对应模型
复杂代码工程、长周期智能体任务	qwen3.8-max
高并发客服、日常问答、成本敏感	qwen3.8-flash / qwen3.7-flash
纯文本深度推理	qwen3.7-max
GUI操作、智能体工作流	qwen3.7-plus
海报、分镜等含文字的复杂版面	qwen-image-3.0-pro
品牌视觉、高分辨率、多图参考	wan2.7-image-pro
批量快速出图	z-image-turbo
生成带声音的短视频	happyhorse-1.1 系列
长视频、以文档或网页为素材	wan3.0-video
有声读物、语音播报	TTS 系列（qwen-audio-3.0-tts-plus 等）
实时语音助手	qwen3.5-omni-plus-realtime
知识库问答（RAG）	text-embedding-v4 + qwen3-rerank
生成3D资产	Tripo 系列

以上为截至2026年9月的模型分类与价格情况。百炼控制台的模型广场按能力维度列出全部在售模型，每个模型详情页附带说明文档与在线体验入口；模型清单持续更新，最新状态以官方帮助文档为准。