Répertoire de modèles IA

Capture de performance par IA. Téléchargez une image de personnage + votre vidéo de performance pour transférer votre mouvement au personnage.

Runway's current video-to-video model. Edit existing footage with text prompts; accepts 2-30 second inputs.

Synthèse vocale ultra-rapide en temps réel optimisée pour les applications à faible latence

Async's latency-optimised streaming model for real-time apps and voice agents: English, Spanish, French, German, Italian and Portuguese, with built-in normalisation of dates, currencies, numbers and abbreviations.

Async's highest-quality English model for content production and audiobooks, with built-in text normalisation; twice the price of Flash.

Modèle de synthèse vocale original de Deepgram — 12 voix anglaises à moitié prix d'Aura 2. Rapide et fiable.

Dernier modèle de synthèse vocale de Deepgram — plus de 90 voix naturelles dans 8 langues (EN, FR, DE, ES, IT, NL, JA), latence inférieure à 200 ms. Noms de voix inspirés de la mythologie grecque.

Blur the background behind the subject

Modèle de synthèse vocale stable de Sarvam pour les langues indiennes et l'anglais. Retourne de l'audio WAV encodé en base64. Qualité constante en production.

Dernier modèle de synthèse vocale de Sarvam — plus de 30 voix dans les langues indiennes et l'anglais. Prosodie naturelle avec intonation culturelle. Actuellement en bêta.

ByteDance Seed 1.8, multimodal agent model (text, image & video in → text), strong tool use + reasoning, 256K context. Native via BytePlus (Ark).

ByteDance Seed 2.0 Code (preview), coding-specialized agent (text & image in → text), strong tool use + reasoning. Native via BytePlus (Ark).

ByteDance Seed 2.0 Lite, efficient multimodal agent (text, image & video in → text), tool use + reasoning, 256K context. Native via BytePlus (Ark).

ByteDance Seed 2.0 Mini, fast lightweight multimodal agent (text, image & video in → text), tool use. Native via BytePlus (Ark).

ByteDance Seed 2.0 Pro, flagship multimodal agent (text, image & video in → text), strong tool use + reasoning, 256K context. Native via BytePlus (Ark).

ByteDance Seed 2.1 Turbo, fast multimodal reasoning agent (text & image in → text), strong tool use + thinking, 256K context. Native via BytePlus (Ark).

English TTS with emotion control and zero-shot voice cloning

Multilingual TTS supporting 23 languages with natural prosody

Modèle spécialisé pour la génération, la complétion et la compréhension de code.

Génération vidéo 10 secondes, 4K, 60 ips avec physique réaliste.

Modèle d'image open source SOTA. Support natif du texte chinois, 6B paramètres.

Bring black-and-white photos to natural color

Remove the background and crop tightly around the subject

Traduction automatique neuronale de haute qualité prenant en charge 33 langues

DeepSeek flagship V4. 512K context, advanced reasoning + tool use.

DeepSeek V4.1 Flash, the fast daily driver that replaced V4 Flash on 2026-09-10. 1M context, thinking (default) and non-thinking modes.

Modèle TTS le plus expressif avec balises audio, mode dialogue, émulation d'accent et plus de 70 langues. Idéal pour le contenu long.

Low-latency v3 tuned for realtime conversation (~280 ms), high-quality expressive delivery with custom audio tags, 70+ languages.

ElevenLabs' most expressive model (September 2026): tone, pacing and emotion read from the text, speaker identity held across long-form, audio tags, 85 languages, up to 10,000 characters per request.

Low-latency Eleven v4 for realtime voice (~100 ms median inference), audio tags, 85 languages, up to 10,000 characters per request.

Amélioration de la qualité d'image par IA

Remove the main subject and fill in the background

Paint over an object to remove it from the image

Extension de l'image au-delà de ses bords par outpainting IA

Fable 5 by Anthropic.

Fable 5.1 by Anthropic: the most capable generally available Claude, for demanding reasoning and long-horizon agentic work. 1M context, 128K output, adaptive thinking always on.

TTS à latence ultra-faible pour l'IA conversationnelle en temps réel. ~75 ms de latence.

Le meilleur de FLUX, offrant une génération d'images à la pointe de la technologie à une vitesse fulgurante

Modes Ultra / Raw. Ultra rapide, plus de pixels

FLUX 3 image generation: text-to-image, multi-reference editing with up to ten references, and bounding-box placement.

FLUX 3 multimodal video: text-to-video, image-to-video with up to 10 keyframes, and video continuation — up to 20 s in HD or FHD with native synchronized audio. Draft mode gives a fast, cheaper preview.

Un modèle premium offrant des performances maximales sur tous les aspects — qualité, cohérence et vitesse grandement améliorées

Un modèle unifié offrant édition locale, modifications génératives et génération texte-vers-image

Directement distillé de FLUX.1 [pro], un modèle à poids ouverts distillé par guidance pour un usage non commercial

Spécialisé dans la typographie et le rendu de texte avec guidance et étapes de génération ajustables

Modèle FLUX open source ultra-rapide optimisé pour la génération en temps réel au moindre coût. Licence Apache 2.0.

Modèle FLUX le plus rapide avec inférence en moins d'une seconde. 9B paramètres avec encodeur de texte Qwen3 pour une compréhension supérieure des prompts.

FLUX 2.0 de la plus haute qualité avec capacité de recherche ancrée pour des images photoréalistes jusqu'à 4 mégapixels

FLUX 2.0 de qualité production avec édition multi-référence et contrôle précis des couleurs, poses et composition

Sakana's multi-agent conductor, orchestrates a pool of frontier models for complex reasoning. Billed per token, orchestration included.

Modèle rapide et efficace avec réflexion adaptative pour les tâches complexes

Synthèse vocale à faible latence de Google avec prosodie naturelle et style contrôlable. Prend en charge 24 langues.

Modèle haut débit économique pour les applications soucieuses du budget

Réflexion et raisonnement améliorés pour les problèmes complexes

Synthèse vocale premium avec expressivité améliorée, tonalité plus riche et rythme précis. Idéal pour une sortie de haute qualité.

Le modèle de pointe le plus rapide de Google. Surpasse le 2.5 Pro à 1/4 du coût avec un contexte de 1M

Latest price-performant, low-latency controllable speech generation. 30 voices, 24 languages.

Cost-efficient high-throughput model for budget-conscious applications.

Modèle agentique le plus performant de Google avec contexte de 1M de tokens, 77,1 % ARC-AGI-2 en raisonnement et utilisation native d'outils.

Cost-efficient GA Flash model for high-throughput multimodal tasks.

Google's latest GA Flash model for fast multimodal reasoning and agentic workloads.

High-throughput, low-latency conversational speech generation. 30 curated voices, 24 languages.

Studio-grade speech generation with expressive acting and long-form stability. 30 prebuilt voices, 24 languages.

Google's flagship reasoning model: a 1M-token context, text, image, video and audio in, text out, with native tool use and three thinking levels.

Cost-efficient text embeddings — 3072-dim vectors for search, clustering, and RAG.

Google's latest embedding model — 3072-dim vectors for retrieval and semantic search (multimodal upstream; text wired).

Google's omni-modal Flash, GA — fast conversational generation with native video output. Served via the Interactions API like its preview parent, text-in today (multimodal input is a follow-on there); thinking control on that path is unprobed, so no ladder is declared yet (#544).

Google's open-weight mixture-of-experts model, 26B total, 4B active parameters for fast inference

Google's open-weight dense model with 262K context and strong multilingual reasoning

Transformez des images de référence avec des prompts textuels. Préserve l'identité tout en modifiant la pose, l'éclairage et l'arrière-plan.

Génération d'images rapide basée sur référence. 2,5 fois plus rapide, préserve l'identité et le style.

Modèle phare image-vers-vidéo de Runway. Fidélité, stabilité et contrôlabilité exceptionnelles. Nécessite une image en entrée.

Modèle vidéo le plus performant de Runway. N°1 sur le benchmark texte-vers-vidéo d'Artificial Analysis. Texte-vers-vidéo ou image-vers-vidéo avec physique et mouvement humain exceptionnels.

Paint a mask and fill the area with AI-generated content

Précédent modèle phare avec mode de réflexion. Architecture MoE, contexte 128K.

Modèle léger optimisé pour l'efficacité. Contexte 128K.

Modèle de niveau gratuit. Idéal pour les tests et les charges de travail légères.

Vision-language model for image understanding and analysis.

Modèle phare avec raisonnement, code et capacités agentiques. Contexte 128K.

Modèle avec vision pour la compréhension et l'analyse d'images.

Modèle de vision gratuit. Idéal pour tester la compréhension d'images.

Modèle de vision léger. Rapide et économique pour les tâches d'image.

Dernier modèle phare. 358B paramètres, contexte 204K, sortie 131K. N°1 sur LiveCodeBench.

Lightweight, completely free GLM-4.7 variant with 200K context.

Lightweight, high-speed and affordable GLM-4.7 variant with 200K context.

Modèle Zhipu le plus performant. 744B paramètres (40B actifs MoE), 28,5T tokens d'entraînement. Conçu pour l'ingénierie de systèmes complexes et les tâches agentiques.

Variante rapide de GLM-5 avec vitesse optimisée et qualité compétitive.

Z.ai's current flagship for agentic and coding tasks.

Z.ai's latest flagship for agentic and coding tasks.

Z.ai's newest flagship for agentic and coding tasks. Always reasons; text-only input.

Z.ai's fast, low-cost GLM-5.3 variant: 1M context, tools, always reasons; text and image input.

Native multimodal coding model. 744B MoE (40B active), 203K context. Optimized for design-to-code, GUI automation, and vision-grounded agentic tasks.

Z.ai's image generation model with strong prompt adherence and text rendering.

Specialized OCR model for extracting text from images and documents.

OpenAI's latest image generation model (high-quality tier).

OpenAI's ChatGPT Images 2.5, fast variant: everyday generation at about half the latency of GPT Image 2.

OpenAI's ChatGPT Images 2.5, precision variant: detailed creative work and editing fidelity, slower than Flare.

OpenAI GPT-3.5 Turbo (chat completions endpoint).

OpenAI GPT-3.5 Turbo 16K (chat completions endpoint).

OpenAI GPT-4 (chat completions endpoint).

OpenAI GPT-4.1 (chat completions endpoint).

OpenAI GPT-4.1 Mini (chat completions endpoint).

OpenAI GPT-4o (chat completions endpoint).

OpenAI GPT-4o Mini (chat completions endpoint).

OpenAI GPT-5 (chat completions endpoint).

OpenAI GPT-5 Mini (chat completions endpoint).

OpenAI GPT-5 Nano (chat completions endpoint).

OpenAI GPT-5 Pro (chat completions endpoint).

OpenAI GPT-5 Search API (chat completions endpoint).

OpenAI GPT-5.1 (chat completions endpoint).

OpenAI GPT-5.2 (chat completions endpoint).

OpenAI GPT-5.2 Pro (chat completions endpoint).

OpenAI GPT-5.3 Codex (chat completions endpoint).

OpenAI mid-tier flagship (March 2026).

OpenAI fast/cheap chat model.

OpenAI cheapest tier, very fast.

OpenAI GPT-5.4 Pro (chat completions endpoint).

OpenAI flagship chat model (April 2026 release).

OpenAI premium tier with deep reasoning. April 2026.

OpenAI GPT-5.6 Luna — high-volume streaming tasks, fast + economical 5.6 tier.

OpenAI GPT-5.6 Sol — frontier logic + deep reasoning, the flagship 5.6 tier.

OpenAI GPT-5.6 Terra — balanced business logic, mid 5.6 tier.

OpenAI GPT-6 Astra — frontier reasoning over a 1M-token context window.

OpenAI GPT-6 Luna: the fast, low-cost GPT-6 tier for high-volume chat and light agentic work, 1M-token context window.

OpenAI GPT-6 Sol: GPT-6 reasoning at a fifth of Astra's price, over a 1M-token context window.

Non-reasoning variant of Grok 4.20. Fastest 4.20 path for chat and high-throughput tasks.

Reasoning-mode variant of Grok 4.20. Slower but stronger on multi-step problems.

xAI's flagship general-purpose model. 1M context, balanced reasoning and chat.

xAI's newest flagship, launched July 2026. 500K context, strongest reasoning + coding, trained alongside Cursor.

xAI's newest flagship. 500K context, accepts text and images, strongest reasoning + coding.

xAI's newest flagship (2026-09-21). 500K context, accepts text and images, function calling, structured outputs, reasoning.

Compact model tuned for code generation and structured output. 256K context.

Fast text-to-image generation from xAI. Standard quality, lowest cost.

xAI's current image model. Higher fidelity than Grok Imagine, with stronger prompt adherence.

Higher-fidelity Grok Imagine. Better prompt adherence and detail, 2.5x the cost.

Text-to-video generation from xAI. ~8s clips, async render.

xAI Grok Imagine 1.5 — image-to-video: animates a starting frame from your prompt. Up to 1080p, 1-15s clips, async render.

xAI's expressive text-to-speech — 26 multilingual voices with inline speech tags for tone, pauses, whispers and laughter. 20+ languages with auto-detection.

Le modèle Haiku le plus rapide et intelligent de Claude

Haiku 5.5 by Anthropic (2026-10-07): the fastest Claude, for high-volume, latency-sensitive work such as classification, extraction and routing. 1M context, 128K output, adaptive thinking.

Résolution supérieure (1080p), durée plus longue (10 s), meilleure adhérence au prompt

Avancées en mouvement corporel, expressions faciales et réalisme physique

Modèle image-vers-vidéo optimisé pour la rentabilité et l'efficacité (nécessite le téléchargement d'une image)

Arabic-first speech-to-text with dialect-aware recognition and broad multilingual coverage.

Arabic-first text-to-speech, low-latency tier, with 50 voices spanning Arabic dialects and 20+ languages.

Alibaba HappyHorse image-to-video. Animates a still image into a coherent motion sequence guided by text.

Alibaba HappyHorse reference-to-video. Generates video conditioned on a reference image plus text prompt.

Alibaba HappyHorse text-to-video. Generates short cinematic clips from text prompts.

Alibaba HappyHorse 1.1 image-to-video. Animates a still image into coherent motion guided by text (native DashScope, US-Virginia).

Alibaba HappyHorse 1.1 reference-to-video. Generates video that preserves the subject and scene from one or more reference images (native DashScope, US-Virginia).

Alibaba HappyHorse 1.1 text-to-video. Generates short cinematic clips from text prompts (native DashScope, US-Virginia).

Alibaba HappyHorse video editing. Edits a source video from natural-language instructions, optionally guided by reference images (native DashScope, US-Virginia).

Modèle de génération précédente. Toujours excellent pour le rendu de texte à moindre coût.

Génération d'images à la pointe avec un rendu de texte exceptionnel. Meilleur équilibre qualité-vitesse.

Ideogram 3.0 de la plus haute qualité. Détail et fidélité maximaux pour les rendus finaux.

Variante turbo d'Ideogram 3.0. Génération rapide pour les flux de travail itératifs.

Ideogram 4.0 text-to-image generation with the best text rendering. The rendering speed is the priced tier: Turbo, Default or Quality.

Precise image editing on Ideogram 4.5: the first uploaded image is edited from the prompt (a mask marks what to change), up to four reference images steer the result, and unedited pixels are kept from the original.

Génération texte-vers-image de qualité cinématique avec haute fidélité au prompt

Modèle CLIP de Jina AI — embeddings cross-modaux texte-image prenant en charge 89 langues avec représentations Matryoshka. 865M paramètres.

Modèle d'embedding spécialisé code de Jina AI — 1,5B paramètres optimisés pour la recherche et la récupération de code. Contexte 32K.

Modèle ColBERT à interaction tardive de Jina AI — embeddings multi-vecteurs pour une recherche fine, 89 langues, tailles d'embedding contrôlables par l'utilisateur.

Modèle d'embedding textuel multilingue 570M de Jina AI — champion du benchmark MTEB, contexte 8K, 89 langues.

Dernier modèle d'embedding multimodal de Jina AI — intègre texte et images dans un espace vectoriel partagé avec contexte 32K. Qualité de recherche à la pointe.

Reranker multimodal de Jina AI — reclasse les résultats contenant texte et images pour les pipelines de recherche cross-modale.

Dernier reranker de Jina AI — architecture listwise inédite, SOTA en recherche multilingue, fenêtre de contexte massive de 131K. 0,6B paramètres.

Latest Kimi K2 reasoning model. Replaces K2 thinking variants (k2-thinking and k2-thinking-turbo) being retired 2026-05-25.

Coding-specialized Kimi K2 model (k2.7). 256K context, agentic tool use and function calling, tuned for software engineering.

High-speed variant of Kimi K2.7 Code for low-latency agentic software engineering.

Moonshot's open-weight 2.8T-parameter multimodal reasoning model with a 1M-token context window.

High-quality text-to-image generation with multiple aspect ratios

Latest turbo model with fast text-to-video and image-to-video generation

First model with simultaneous audio-visual generation. Creates video with native speech, dialogue, sound effects, and ambient audio in Chinese/English. No post-production dubbing needed.

Cost-effective audio-visual generation with native speech, dialogue, and sound effects. Standard tier for balanced quality and cost.

Kling 3 image generation, text-to-image and image-to-image.

Kling 3 Omni unified image model, text-to-image, image-to-image, and image editing.

Kling 3 Omni, audio-visual generation with native sound, multi-shot, start/end frame & reference video. Standard tier.

Kling 3.0 Turbo, 720p, native audio included. Text-to-video and image-to-video, 3 to 15 seconds.

Kling 3.0 Turbo Pro, 1080p, native audio included. Text-to-video and image-to-video, 3 to 15 seconds.

Unified image model for text-to-image, image-to-image, and detail editing. Accepts up to 10 reference images for guided generation. Part of the O1 multimodal family.

Unified multimodal video model combining generation, editing, and transformation. Supports text, image, and video inputs with natural language control. Cost-effective tier.

Modèle haute vitesse orienté anime excelling dans une gamme de styles anime.

Modèle principal Leonardo avec des rendus époustouflants et une large gamme de styles.

Modèle orienté cinéma excelling dans les compositions et éclairages de type film.

Modèle de génération d'images généraliste haute vitesse pour une itération rapide.

Modèle polyvalent excelling dans le réalisme et la photographie.

Generate sound effects for longer videos (SFX 1.6), up to 60 seconds of audio from a video URL.

Modèle Leonardo pour une imagerie vibrante et diversifiée en sortie HD.

Modèle Leonardo haute vitesse conçu pour des rendus photoréalistes.

Google DeepMind's latest music generation — 30-second compositions from text prompts with SynthID watermarking.

Full-song generation from Google DeepMind's Lyria 3 — complete compositions from text prompts with SynthID watermarking.

Google DeepMind's Lyria 3.5 — full-length songs with verses, choruses and bridges, vocals and timed lyrics, 44.1 kHz stereo, SynthID watermarking.

Capacités agentiques avec raisonnement avancé et visibilité du processus de réflexion

Optimisé pour la haute concurrence et l'usage commercial avec raisonnement avancé

Modèle de raisonnement de pointe avec code SOTA, utilisation agentique d'outils et performance sur des tâches complexes

Variante rapide de M2.5 optimisée pour la vitesse à environ 100 tokens par seconde

Autonomous real-world productivity with agentic collaboration, live debugging, and professional document generation

Fast variant of M2.7 for latency-sensitive work. 200K context, text only.

MiniMax flagship LLM, 1M context.

Modèle de raisonnement efficace pour les tâches logiques quotidiennes.

Transform images into detailed 3D models with textures and PBR maps

Generate detailed 3D models from text descriptions with PBR textures

Transform images into detailed 3D models with the highest image alignment Meshy has shipped, textures and PBR maps

Combine two to four views of the same subject into one aligned, textured 3D model with PBR maps

Transform images into detailed 3D models with Meshy's sharpest geometry yet, textures and PBR maps

Combine two to four views of the same subject into one aligned, textured 3D model with Meshy's sharpest geometry yet

Generate detailed 3D models from text descriptions with Meshy's sharpest geometry yet, textured with PBR maps

Xiaomi's fast, low-cost MiMo model (V2.6, 2026-09). 1M context, accepts text and images, function calling and structured output, reasons before it answers.

Xiaomi's flagship MiMo model (V2.6, 2026-09). 1M context, accepts text and images, function calling and structured output, reasons before it answers.

MiMo V2.6 Pro on Xiaomi's high-speed tier, at a premium price. 1M context, accepts text and images, function calling and structured output.

Modèle edge haute performance avec vision. Meilleur Ministral pour les tâches complexes.

Modèle edge ultra-léger avec vision. 3B paramètres, fonctionne sur téléphones/ordinateurs portables.

Modèle edge compact avec vision. 8B paramètres pour le déploiement local.

Modèle d'embedding textuel de Mistral pour la recherche sémantique, la récupération et la classification.

Modèle phare à poids ouverts. MoE 675B (41B actifs), multimodal avec vision. Licence Apache 2.0.

Mistral's open-weight flagship (public preview, 2026-10-06). 1.05T MoE (52B active) with a vision encoder; reasoning on demand, tools. 1M context.

Modèle multimodal de première classe. Excellent équilibre entre Large et Small.

Modèle de modération de contenu de Mistral pour détecter les contenus nuisibles, dangereux ou contraires aux politiques.

Modèle IA documentaire pour l'OCR haute précision. Extrait le texte d'images, PDF, contenus manuscrits, formulaires et tableaux complexes.

Modèle rapide et efficace pour les tâches simples. Excellent rapport performance-coût.

Modèle Mistral optimisé pour les flux de travail de code en ligne de commande et terminal.

Synthèse vocale la plus avancée avec conscience émotionnelle et expression riche dans 29 langues

ElevenLabs' value-tier music generation: songs up to 10 minutes from a prompt, instrumental on request. Billed per generated minute upstream.

ElevenLabs' studio-grade music generation: songs up to 10 minutes from a prompt, instrumental on request. Billed per generated minute upstream.

Gemini 2.5 Flash Image — optimisé pour la vitesse et l'efficacité, génération d'images haut volume à faible latence.

High-efficiency image generation, optimized for speed and high-volume use.

Efficiency specialist of the Nano Banana family — ultra-low-latency, cost-effective image generation and editing.

Google's high-efficiency image generation and editing model — improved visual quality, typography, and multi-turn consistency; 1K/2K/4K. The unit rate is the 1K price, as with the rest of the family (#544).

Google's native image generation with text rendering and multimodal understanding.

OpenAI o3 (chat completions endpoint).

Modèle premium combinant intelligence maximale et performance pratique

Modèle Claude le plus performant avec raisonnement et code améliorés

Highly capable Claude Opus for complex reasoning and coding (1M context)

Anthropic's most capable model for complex reasoning and agentic coding (1M context)

Anthropic's flagship Opus — deep reasoning, agentic coding and long-horizon work (1M context)

Opus 5.5 by Anthropic (2026-09-21): the next Opus, for long-running agentic coding and knowledge work. 1M context, 128K output, adaptive thinking always on.

Premium multimodal model with vision and tool use, strong bilingual EN/FR. Augure sovereign Canadian AI.

Newest reasoning model: the fastest of the Augure menu, strong at code, 256K context. Augure sovereign Canadian AI.

Aperçu du modèle fondamental Leonardo avec adhérence extrême au prompt et polyvalence.

Modèle phare fondamental de Leonardo avec une adhérence exceptionnelle au prompt et un rendu de texte de qualité.

PixVerse C1, cinematic-quality video generation tuned for action scenes and reference-based work, clips from 1 to 15 seconds with optional generated audio.

PixVerse C1 image-to-video: cinematic animation of a source image into a 1–15 second clip with optional generated audio.

PixVerse C1 fusion: cinematic video from 1–3 reference images (subjects or scenes) guided by a prompt, with optional generated audio.

PixVerse V6, general-purpose video generation with clips from 1 to 15 seconds, optional generated audio, and multi-clip support.

PixVerse V6 image-to-video: animate a source image into a 1–15 second clip with optional generated audio.

PixVerse V6 fusion: generate a video from 1–3 reference images (subjects or scenes) guided by a prompt, with optional generated audio.

Modèle d'embedding léger de Perplexity. Vecteurs INT8 1024D, contexte 32K, réduction dimensionnelle Matryoshka.

Modèle d'embedding le plus performant de Perplexity. Vecteurs INT8 2560D, contexte 32K, réduction dimensionnelle Matryoshka.

Pruna's optimized text-to-image: fast, high-quality generation.

Pruna's optimized image editing: transform an input image with a prompt.

Pruna's premium video generation: text-to-video and image-to-video, up to 1080p. Draft mode gives fast, cheap previews.

Modèle ultra-rapide avec contexte de 1M. Meilleure latence et rentabilité pour les tâches simples.

Alibaba's flagship text-to-image model — successor to the whole Qwen-Image family, with strong prompt following and text rendering (native DashScope, Singapore).

The higher-fidelity "pro" tier of Alibaba's Qwen Image 2.0 — stronger prompt following and text rendering (native DashScope, Singapore).

Alibaba's Qwen Image 3.0 — the next generation of the Qwen text-to-image family: denser layouts, images within images, sharper small text, native rendering in 12 languages (native DashScope, Singapore).

The higher-fidelity pro tier of Alibaba's Qwen Image 3.0 — prompts up to 4.5k tokens, dense information layouts, precise text down to 10 px (native DashScope, Singapore).

Modèle phare équilibré avec contexte de 1M. Meilleur rapport performance-coût pour la plupart des tâches.

Modèle de code économique optimisé pour la vitesse. Génération et complétion de code rapides à moindre coût.

Modèle avancé vision-langage avec contexte 262K. Excelle en codage visuel, perception spatiale et raisonnement multimodal.

Flagship 1T+ parameter model. State-of-the-art reasoning, coding, and agent capabilities.

Alibaba Qwen3.5 Omni Flash, fast multimodal (text & image input, text output). Singapore deployment; native voice/audio coming.

Alibaba Qwen3.5 Omni, multimodal (text & image input, text output). Singapore deployment; native voice/audio coming.

Modèle MoE 397B avec 17B paramètres actifs, contexte de 1M de tokens, multimodal (texte/image/vidéo)

Flagship 1T+ parameter model. State-of-the-art reasoning, coding, and agent capabilities.

Qwen3.6 Plus, next-gen frontier LLM (Agentic Coding, vision/OCR, fine-grained localization). Replaces Qwen3.5 Plus.

Alibaba's Agent Frontier flagship.

Multimodal frontier (vision/video); cheaper than Max.

Alibaba's 2.4T-parameter multimodal MoE flagship. 1M context, accepts text and images.

Fast multimodal Qwen (text & image in, text out) on the Singapore tenant. Thinking on by default. Context measured served: 1,006,592 tokens.

Advanced AI video generation model by Luma AI

Advanced AI video generation model by Luma AI

Advanced AI video generation model by Luma AI

Advanced AI video generation model by Luma AI

Advanced AI video generation model by Luma AI

Advanced AI video generation model by Luma AI

Génération de pixel art classique avec 15 styles. Idéal pour les assets de jeux, personnages, textures et visuels rétro. 16-512 px.

Pixel art avancé avec le modèle Flux. Mêmes 15 styles que Classic avec qualité et détail améliorés. 16-512 px.

Recraft V3 (Red Panda) — texte-vers-image, image-vers-image, inpainting et remplacement d'arrière-plan. 1024×1024.

Recraft V3 pour graphiques vectoriels — sortie SVG avec image-vers-image, inpainting et remplacement d'arrière-plan.

Dernier modèle de génération d'images de Recraft — styles photoréalistes et illustration, rendu de texte, 1024×1024, ~10 s de génération.

Modèle d'image de la plus haute qualité de Recraft — sortie 2048×2048, anatomie et détail supérieurs, idéal pour les assets prêts à imprimer. ~30 s de génération.

Modèle vectoriel de la plus haute qualité de Recraft — sortie SVG haute résolution avec détails fins, idéal pour les logos et assets de marque.

Recraft V4 pour graphiques vectoriels — génère des SVG de qualité production avec régions de couleur discrètes et géométrie nette.

Suppression de l'arrière-plan d'une image avec transparence

Remplacement de l'arrière-plan d'une image par une scène générée par IA

Dernier modèle de reclassement de Voyage AI — réévalue les résultats de recherche pour une pertinence maximale. Meilleure qualité. 200M de tokens gratuits.

Modèle de reclassement rapide de Voyage AI — réévaluation économique pour les pipelines de recherche à haut volume. 200M de tokens gratuits.

Voyage AI's next-generation reranker, strongest on long documents and code. 32K-token context.

Voyage AI's fast next-generation reranker, cost-efficient re-scoring for high-volume retrieval. 32K-token context.

Repair and revive old or damaged photos

Rime's flagship voice model, 269 voices across 9 languages with rich emotional range.

Stylized voices in 4 categories (Professional / Formal / Casual / Energetic). 184 voices, 8 languages.

Original Mist model, 117 English voices, fast.

Mist generation 2, 141 voices across 4 languages.

Latest Mist generation, 83 voices, 4 languages. Improved expressiveness.

Premium model for complex, multi-step work. Augure sovereign Canadian AI.

Sarvam's 24B multilingual LLM, fluent in all 22 official Indian languages + English. OpenAI-compatible API. Free tier with no per-token charges. Supports wiki grounding, reasoning effort control, and tool calls.

Reconnaissance vocale par lots avec horodatage au mot et détection de langue dans 99 langues.

Batch state-of-the-art speech recognition: 98%+ accuracy, keyterm prompting, 90+ languages.

Speech recognition fine-tuned for clinical audio: 35% fewer clinical errors than Scribe v2.

Reconnaissance vocale en temps réel à latence ultra-faible (<150 ms). 93,5 % de précision dans plus de 90 langues. Streaming WebSocket avec DAV.

Équilibre vitesse et qualité pour la création d'assets numériques à haut volume

Génération d'images photoréalistes de la plus haute qualité, parfaite pour les médias imprimés professionnels

Modèle MMDiT de 8B paramètres. Qualité supérieure, typographie et adhérence au prompt. Le plus puissant de la famille SD.

SD3.5 Large distillé optimisé pour une inférence plus rapide avec moins d'étapes.

Modèle SD3.5 équilibré. Bonne qualité avec moins de ressources que la version Large.

SDXL 1.0 pour la génération d'images haute résolution 1024×1024

Génération conjointe audio-vidéo. Vidéos cinématiques 1080p avec audio natif, narration multi-plans et personnages cohérents.

ByteDance Seedance 2.0, text & image to video, native via BytePlus (Ark). Billed per output token.

ByteDance Seedance 2.0 Fast — speed-optimized text & image to video, native via BytePlus (Ark). Billed per output token.

ByteDance Seedance 2.0 Mini — cost-optimized text & image to video, native via BytePlus (Ark). Billed per output token.

ByteDance Seedance 2.5, text & image to video, native via BytePlus (Ark). Billed per output token.

ByteDance Seedream 5.0 Lite, text-to-image (2K+), native via BytePlus (Ark).

ByteDance Seedream 5.0 Pro, flagship text-to-image (2K+), highest quality + consistency. Native via BytePlus (Ark).

Speechify's streaming-native multilingual model: English plus German, Spanish (Spain and Mexico), French, Italian and Brazilian Portuguese, and it accepts every Speechify voice whatever its locale.

Speechify's recommended streaming-native English model: lowest time-to-first-byte in the Simba family, fine-grained emotional control and SSML prosody. English voices only.

Upstage compact agentic MoE (35B total, 3B active). 524,288-token context (API-confirmed), tool calling and opt-in reasoning, English/Korean/Japanese.

Version nightly d'Upstage Solar Pro 2 avec les dernières améliorations.

Upstage flagship agentic model. 512K context (API-confirmed family), tool calling, structured outputs and opt-in reasoning. English/Korean/Japanese.

Modèle léger de Perplexity avec recherche web — recherche en temps réel avec citations, réponses rapides, contexte 128K.

Modèle de recherche le plus approfondi de Perplexity — investigation web multi-étapes avec citations complètes et raisonnement.

Modèle de recherche avancé de Perplexity — recherche web approfondie, raisonnement multi-étapes avec citations, contexte 200K.

Modèle de raisonnement de Perplexity — réflexion approfondie avec recherche web en temps réel, idéal pour la recherche et l'analyse complexes.

Cartesia's most natural streaming text-to-speech (2026-08-27): pacing and intonation from context, 60+ emotions, speed and volume controls, 44 languages including Odia and Urdu, sub-100 ms first audio.

Le meilleur modèle Claude pour les agents complexes et le code

Claude Sonnet 4.6 — dernier modèle équilibré d'Anthropic avec raisonnement, code et suivi d'instructions améliorés.

Anthropic's most capable Sonnet — closes the gap with Opus for complex agents and coding (1M context)

Sonnet 5.5 by Anthropic (2026-09-28): the best combination of speed and intelligence, for everyday coding, documents and agents. 1M context, 128K output, adaptive thinking.

Sound effects from a text description: automatic length or a set length up to 22 seconds, with adjustable prompt influence.

Axé sur le rythme, la stabilité et la réplication vocale de haute qualité

Capacités multilingues améliorées à vitesse turbo

Dernière variante HD mettant l'accent sur la prosodie et la qualité du clonage vocal

Performance turbo avec prise en charge de 40 langues et faible latence

Current HD voice model. Highest fidelity prosody and voice cloning.

Current Turbo voice model. Low latency, broad language coverage.

Générez musique et effets sonores jusqu'à 3 minutes à partir de prompts textuels. Produit des compositions structurées avec intros, développements et outros en stéréo 44,1 kHz.

Génération musicale et sonore de qualité entreprise. Compositions structurées avec intros, développements et outros en stéréo 44,1 kHz. Inférence en 8 étapes pour une génération rapide.

Séparez l'audio en pistes individuelles (voix, batterie, basse, etc.). Modes 2 ou 6 pistes.

Dernier modèle de raisonnement de StepFun — MoE 196B (11B actifs), contexte 256K, open source Apache 2.0. Intelligence agentique rapide avec code et maths solides.

StepFun's multimodal flagship reasoning model.

Meilleure organisation des chansons avec des structures couplet/refrain claires

Qualité vocale améliorée et traitement audio affiné pour la génération musicale

Excellente compréhension des prompts avec des vitesses de génération plus rapides, pistes jusqu'à 8 minutes

Modèle avancé avec variation tonale améliorée et excellente compréhension des prompts

Modèle de pointe avec qualité et capacités améliorées pour la génération musicale par IA

Modèle avancé de raisonnement synthétique d'Upstage avec contexte 64K.

Synchronisation labiale de qualité studio. Synchronise les mouvements des lèvres avec n'importe quel audio en préservant le style naturel du locuteur.

Synchronisation labiale premium avec préservation détaillée des barbes, dents et traits fins grâce à la super-résolution par diffusion.

Light tier: fast, thinking off, 256K context, served in Canada with no failover outside Canada. Replaces Tofino 2.5, retired by Augure on 2026-09-19.

Tripo's P1 model for image-to-3D, converts a single image into a game-ready low-poly mesh (50 to 20k faces) with clean topology and PBR textures.

Tripo's P1 model for multiview reconstruction, builds a game-ready low-poly mesh with clean topology from up to 4 view images (front required).

Tripo's P1 model for text-to-3D, generates game-ready low-poly meshes (50 to 20k faces) with clean topology and PBR textures. Exports GLB, FBX, OBJ, USD, STL.

Tripo's next-gen P2.0 Preview model for image-to-3D, converts a single image into a native quad mesh (48 to 25k four-sided faces) ready for editing and subdivision, with PBR textures.

Tripo's next-gen P2.0 Preview model for image-to-3D, converts a single image into a low-poly mesh (48 to 50k faces) with cleaner topology and PBR textures.

Tripo's next-gen P2.0 Preview model for multiview reconstruction, builds a native quad mesh (48 to 25k four-sided faces) ready for editing and subdivision from up to 4 view images (front required).

Tripo's next-gen P2.0 Preview model for multiview reconstruction, builds a low-poly mesh (48 to 50k faces) with cleaner topology from up to 4 view images (front required).

Tripo's next-gen P2.0 Preview model for text-to-3D, generates native quad meshes (48 to 25k four-sided faces) ready for editing and subdivision, with PBR textures. Exports GLB, FBX, OBJ, USD, STL.

Tripo's next-gen P2.0 Preview model for text-to-3D, generates low-poly meshes (48 to 50k faces) with cleaner topology and PBR textures. Exports GLB, FBX, OBJ, USD, STL.

Splits an existing 3D model into separately editable parts, textures and PBR materials preserved. A practical level of separation for most assets.

Splits an existing 3D model into many separately editable parts, textures and PBR materials preserved. Maximum component separation for deep editing and production.

Splits an existing 3D model into a few separately editable parts, textures and PBR materials preserved. Quick separation for review and lightweight prep.

Dernier modèle de Tripo pour convertir une image en maillage 3D — extrait géométrie, texture et matériaux à partir d'une photo ou illustration.

Génération 3D la plus fidèle de Tripo — reconstruit des maillages détaillés à partir de multiples perspectives d'images pour une précision maximale.

Dernier modèle de Tripo pour générer des maillages 3D à partir de texte — produit une géométrie détaillée avec matériaux PBR en secondes. Export GLB, FBX, OBJ, USD, STL.

Tripo's stable v3.0 model for image-to-3D, reconstructs clean geometry, textures, and PBR materials from a single image, up to 2M polygons in Ultra mode.

Tripo v3.0 multiview generation, reconstructs detailed meshes from up to 4 view images (front required) with stable, production-proven quality.

Tripo's stable v3.0 model for text-to-3D, crisp edges and coherent structure with PBR materials, up to 2M polygons in Ultra mode. Exports GLB, FBX, OBJ, USD, STL.

Tripo's flagship v3.1 model for image-to-3D, reconstructs high-fidelity geometry, textures, and PBR materials from a single image, up to 2M polygons in Ultra mode.

Tripo's flagship v3.1 image-to-3D with 8K Ultra textures, reconstructs maximum-fidelity geometry and materials from a single image for hero assets.

Tripo v3.1 image-to-3D in part-segmentation mode, converts a single image into an untextured mesh split into separately editable parts.

Tripo's highest-fidelity 3D generation, v3.1 reconstructs detailed meshes from up to 4 view images (front required) for maximum accuracy.

Tripo's highest-fidelity pipeline, v3.1 multiview reconstruction with 8K Ultra textures from up to 4 view images (front required).

Tripo v3.1 multiview reconstruction in part-segmentation mode, builds an untextured segmented mesh from up to 4 view images (front required).

Tripo's flagship v3.1 model for text-to-3D, sculpture-level geometry with crisp edges and PBR materials, up to 2M polygons in Ultra mode. Exports GLB, FBX, OBJ, USD, STL.

Tripo's flagship v3.1 text-to-3D with 8K Ultra textures, maximum-fidelity materials and fine surface detail for hero assets and close-ups. Exports GLB, FBX, OBJ, USD, STL.

Tripo v3.1 text-to-3D in part-segmentation mode, generates an untextured mesh split into separately editable parts for editing, rigging prep, and 3D printing. Exports GLB, FBX, OBJ, USD, STL.

Turns a single image into a photorealistic 3D Gaussian Splat in under a minute. Ideal for AR/VR, web scenes and visualization — a view-ready format, not an editable or printable mesh. Exports SPLAT.

Génération vocale à faible latence dans 32 langues, optimisée pour l'IA conversationnelle en temps réel

The most creative, intelligent and personalizable image generation models built on a new groundbreaking architecture that delivers ultra high quality and 10x higher cost efficiency.

The most creative, intelligent and personalizable image generation models built on a new groundbreaking architecture that delivers ultra high quality and 10x higher cost efficiency.

Doublement de la résolution de l'image

Quadruplement de la résolution de l'image

Dernier Veo avec capacité d'extension vidéo. Créez et prolongez des vidéos générées par IA avec une cohérence améliorée.

Variante rapide de Veo 3.1. Génération et extension vidéo rapides avec bonne qualité.

Cost-efficient Veo 3.1 tier — video with audio at a fraction of the price (720p/1080p, no 4K).

Generate and edit sound effects from video (SFX 1.6). Provide a video URL and optional text prompt; adds seamless extension, looping ambiences, and AI inpainting to erase/replace moments.

Image-to-video generation. 4-second 720p output.

Reference-based video generation using multiple images for visual consistency. 4-second 720p output.

Start- and end-frame video generation. 5-second 720p output.

Créez un avatar parlant à partir d'une image ou vidéo avec voix générée par IA à partir de texte

Synchronisation labiale vidéo avec un fichier audio pour un doublage réaliste et le remplacement de voix

Texte-vers-vidéo haute qualité avec support du style anime. Sortie 1080p de 5 secondes.

Image-to-video generation. 5-second 1080p output.

Start- and end-frame video generation. 5-second 1080p output.

Générez des images à partir de 1 à 7 images de référence. Téléchargez des images de référence pour commencer.

Générez des images à partir de texte ou d'images de référence. Prend en charge les résolutions 1080p, 2K et 4K.

Ultra-fast video from text or image. Upload an image for image-to-video mode.

Synthèse vocale naturelle avec vitesse, volume et hauteur ajustables.

Transform a recording into another voice, keeping the words, timing and emotion. English only.

Transform a recording into another voice, keeping the words, timing and emotion. Multilingual.

Design a synthetic voice from a text description; the chosen preview becomes a voice you can use in TTS. Multilingual.

Design a synthetic voice from a text description; the chosen preview becomes a voice you can use in TTS.

Modèle d'embedding polyvalent et équilibré de Voyage AI — bonne qualité à coût modéré. 200M de tokens gratuits.

Modèle d'embedding polyvalent le plus performant de Voyage AI — meilleure qualité pour la recherche et la similarité sémantique. 200M de tokens gratuits.

Modèle d'embedding le plus rapide et économique de Voyage AI — idéal pour les cas à haut volume et faible latence. 200M de tokens gratuits.

Modèle d'embedding optimisé pour le code de Voyage AI — meilleur de sa catégorie pour la recherche et la similarité de code. 200M de tokens gratuits.

Modèle d'embedding long contexte de Voyage AI — optimisé pour les documents volumineux et le RAG avec fenêtres de contexte étendues. 200M de tokens gratuits.

Modèle d'embedding multimodal de Voyage AI — intègre texte et images dans un espace vectoriel partagé pour la recherche cross-modale.

Alibaba Wan 2.2 Animate Mix, composite a character into a reference video (native DashScope, Singapore).

Alibaba Wan 2.2 Animate Move, animate a character image with a reference video's motion (native DashScope, Singapore).

Alibaba Wan 2.6 image editing. Edits 1-4 input images from a natural-language instruction (native DashScope, US-Virginia).

Alibaba Wan 2.6 image-to-video. Animates a still image into video while preserving subject, style and detail (native DashScope, US-Virginia).

Alibaba Wan 2.6 text-to-image. Photorealistic generation with accurate text rendering and flexible artistic styles (native DashScope, US-Virginia).

Alibaba Wan 2.6 reference-to-video. Generates video preserving the look (and voice) of subjects from a reference video and/or reference images (native DashScope, US-Virginia).

Alibaba Wan 2.6 text-to-video. Cinematic motion generation from text with strong instruction following (native DashScope, US-Virginia).

Alibaba Wan 2.7 image-to-video. Animates a still image into video with first-frame fidelity, clips up to 15 seconds (native DashScope, US-Virginia).

Alibaba Wan 2.7 text-to-image and editing. Served from Singapore — the US tenant returns AccessDenied.

Alibaba Wan 2.7 pro tier, up to 4K output for print and large-format work. Served from Singapore.

Alibaba Wan 2.7 text-to-video. First and last frame control, clips up to 15 seconds, sharper motion and instruction following (native DashScope, US-Virginia).