Модели

Grok Voice TTS 1.0 — это модель преобразования текста в речь от SpaceXAI. Она преобразует текст в озвученное аудио на более чем 20 языках с автоматическим определением языка и предлагает пять встроенных голосов (Eve, Ara, Rex, Sal, Leo), охватывающих различные тональности. Встроенные речевые теги позволяют управлять паузами, ударением, высотой тона и стилем голоса. Выходной аудиофайл доступен в форматах MP3, WAV, PCM, μ-law и A-law с частотой дискретизации от 8 kHz до 48 kHz, при этом до 15,000 символов на запрос.

Recraft V4.1 Pro Vector — это векторный (SVG) вариант Recraft V4.1 Pro, оптимизированный для высокой эстетики. Он поддерживает ввод текста и изображений и создаёт вывод изображений SVG более высокого разрешения для различных соотношений сторон, при этом типичная генерация занимает около 15 секунд. Вывод масштабируется без потерь, что делает его подходящим для иконок, логотипов и другой графики. V4.1 добавляет больше индивидуальности тексту и иллюстрациям, обеспечивает более плавные градиенты и более точное следование коротким промптам по сравнению с V4 Pro. Подходит для иллюстраций более высокого разрешения и производственной графики, где результат должен быть разработан, а не сфотографирован. Поддерживает следующие параметры image_config: strength (управляет степенью отклонения вывода от исходного изображения), rgb_colors (задаёт цветовую палитру) и background_rgb_color (задаёт цвет фона). Подробнее см. документацию по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V4.1 Vector — это векторный (SVG) вариант модели Recraft V4.1, оптимизированный для высокой эстетики. Он поддерживает текстовые запросы и изображения на входе и создаёт выходное изображение SVG с различными соотношениями сторон, при этом типичная генерация занимает около 10 секунд. Выходное изображение хорошо масштабируется, что делает его подходящим для иконок, логотипов и другой графики. V4.1 добавляет больше индивидуальности тексту и иллюстрациям, обеспечивает более плавные градиенты и лучшее следование коротким запросам по сравнению с V4. Подходит для повседневной иллюстрационной работы, где результат должен быть дизайном, а не фотографией. Поддерживает следующие параметры image_config: strength (управляет степенью отклонения результата от исходного изображения), rgb_colors (задаёт цветовую палитру) и background_rgb_color (задаёт цвет фона). Подробности см. в документации по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V4.1 Utility Pro — универсальная модель генерации изображений от Recraft. Она поддерживает текстовые и графические входные данные с выводом изображения в разрешении примерно 2K при нескольких соотношениях сторон — вдвое выше разрешения V4.1 Utility — при типичном времени генерации около 10 секунд. Как и V4.1 Utility, она спроектирована с расчётом на сдержанность как эстетический выбор — плоское освещение, фронтальная композиция и простые, контролируемые сцены — с более высокой точностью для производственных сценариев использования. Улучшения V4.1 по сравнению с V4 Pro включают более естественное понимание объектов, более чёткие мокапы, более аккуратные стандартные иконки и более точное следование промпту при более коротких промптах. Подходит для изображений товаров, электронной коммерции и структурированных визуальных материалов, где важна качество изображения, а линия V4.1 Pro с высокой эстетикой была бы слишком выразительной. Поддерживает следующие параметры image_config: strength (управляет тем, насколько результат отклоняется от исходного изображения), rgb_colors (задаёт цветовую палитру) и background_rgb_color (задаёт цвет фона). Подробнее см. в документации по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V4.1 Utility — это универсальная модель генерации изображений от Recraft. Она поддерживает текстовые и графические входные данные с выводом изображений разрешением около 1K при различных соотношениях сторон, при этом типичное время генерации составляет около 6 секунд. Линейка Utility ориентирована на сдержанность как эстетический выбор: ровное освещение, фронтальная композиция и простые контролируемые сцены — что делает её практичным решением для изображений товаров, макетов и структурированных визуалов, где слишком выразительная линейка V4.1 была бы излишней. Улучшения в V4.1 по сравнению с V4 включают более естественное понимание объектов, более чёткие макеты, более аккуратные иконки по умолчанию и более точное следование коротким промптам. Поддерживаются следующие параметры image_config: strength (управляет степенью отклонения выходного изображения от исходного), rgb_colors (задаёт цветовую палитру) и background_rgb_color (устанавливает цвет фона). Подробнее см. в документации по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V4.1 Pro — это модель генерации изображений от Recraft, настроенная на высокую эстетику. Она поддерживает ввод текста и изображений с выводом изображения с разрешением около ~2K при различных соотношениях сторон — вдвое больше разрешения, чем у V4.1 — при типичной генерации за около 10 секунд. Она разделяет визуальную чувствительность V4.1 при более высокой точности и плотности деталей, с более естественным фотореализмом, более плавным 3D-рендерингом и градиентами, а также более сильным следованием коротким промптам, чем V4 Pro. Подходит для продакшн-работы, где качество изображения является приоритетом, и идея выигрывает от большего разрешения, чтобы дышать. Поддерживает следующие параметры image_config: strength (контролирует, насколько выходное изображение отклоняется от исходного), rgb_colors (задает цветовую палитру) и background_rgb_color (задает цвет фона). Подробнее см. документацию по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V4.1 — это модель генерации изображений от Recraft, настроенная на высокую эстетику. Она поддерживает текстовые и графические входные данные с выводом изображений при разрешении примерно 1K в различных соотношениях сторон, с типичной генерацией около 6 секунд. По сравнению с V4, фотореализм ощущается более естественным с более спокойными фонами и целенаправленным освещением, 3D-рендеринг и мягкие градиенты становятся более плавными, а модель более надёжно следует более коротким подсказкам. Подходит для исследований, концептуальной работы и повседневной творческой работы, где важны скорость и стоимость. Поддерживает следующие параметры image_config: strength (контролирует, насколько выходное изображение отклоняется от исходного), rgb_colors (устанавливает цветовую палитру) и background_rgb_color (устанавливает цвет фона). Подробнее см. документацию по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V4 Pro Vector — это векторный (SVG) вариант VRecraft V4 Pro. Он поддерживает ввод текста и изображений и создает векторные изображения в различных соотношениях сторон на уровне более высокого качества Pro. Вывод предоставляется в формате SVG, подходящем для иконок, логотипов и другой графики, которую нужно масштабировать без потери качества. V4 Pro обеспечивает более высокое качество и плотность деталей, чем V4, с более сильным композиционным суждением, согласованностью цветов и читаемым встроенным текстом по сравнению с V3. Поддерживаются следующие параметры image_config: strength (контролирует степень отклонения вывода от исходного изображения), rgb_colors (задает цветовую палитру) и background_rgb_color (задает цвет фона). См. документацию по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V4 Vector — это векторный (SVG) вариант модели Recraft V4. Он поддерживает ввод текста и изображений и создает векторное изображение на выходе для различных соотношений сторон. По сравнению с растровой моделью V4, выходные данные предоставляются в виде SVG, подходящего для иконок, логотипов и другой графики, которую нужно масштабировать без потери качества. V4 обеспечивает более сильное чувство композиции, цветовую согласованность и читаемый встроенный текст по сравнению с V3. Поддерживаются следующие параметры image_config: strength (управляет степенью отклонения выходного изображения от исходного), rgb_colors (задает цветовую палитру) и background_rgb_color (задает цвет фона). Дополнительную информацию см. в документации по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Perceptron Mk1 (Mark One) — это зрение-языковая модель высочайшего качества от Perceptron для видео и воплощённого рассуждения.** Она принимает изображения и видео вместе с запросами на естественном языке и выдаёт подробные ответы с пониманием визуальной информации — либо в структурированной форме, либо на естественном языке. Она превосходно справляется с задачами понимания видео, такими как видео QA, суммаризация и обнаружение событий. Для изображений она развивает точечную привязку по примерам из мультимодальных подсказок, OCR и разбор документов на «зашумлённых» реальных входных данных, обнаружение и подсчёт объектов с открытым словарём, а также оценку позы рук. Рассуждение может быть включено по запросу, чтобы обменять задержку на более глубокий анализ более сложных задач. Структурированные аннотации выводятся в тексте только в том случае, если это явно запрошено через параметр annotation_format (передайте "point", "box" или "polygon" для пространственной локализации на изображениях, или "clip" (временные метки начала/конца) для временных сегментов в видео). Без annotation_format модель возвращает только текст на естественном языке.

Recraft V4 Pro — это модель генерации изображений от Recraft. Она поддерживает ввод текста и изображений с выводом изображения с разрешением ~2K при нескольких соотношениях сторон, что вдвое превышает разрешение V4. Она обеспечивает более высокую достоверность и плотность деталей, чем V4, и подходит для производственных сценариев, где качество изображения является приоритетом. Поддерживаются следующие параметры image_config: strength (управляет степенью отклонения вывода от исходного изображения), rgb_colors (задает цветовую палитру) и background_rgb_color (задает цвет фона). Подробнее см. в документации по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V4 — это модель генерации изображений от Recraft. Она поддерживает ввод текста и изображений с выводом изображения с разрешением около 1K при нескольких соотношениях сторон. По сравнению с V3 она обеспечивает более сильное композиционное суждение, согласованность цветов и читаемый встроенный текст, что делает её подходящей для инфографики, вывесок и упаковки. Поддерживает следующие параметры image_config: strength (контролирует степень отклонения вывода от исходного изображения), rgb_colors (задаёт цветовую палитру) и background_rgb_color (задаёт цвет фона). Подробности см. в документации по генерации изображений: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Recraft V3 — это модель генерации изображений от Recraft. Она поддерживает ввод текста и изображений с выводом изображения в разрешении ~1K при различных соотношениях сторон. Поддерживаются следующие параметры image_config: strength (управляет степенью отклонения выходного изображения от исходного), style (применяет художественный стиль), text_layout (размещает текст в определённых позициях), rgb_colors (задаёт цветовую палитру) и background_rgb_color (задаёт цвет фона). См. документацию по генерации изображений для подробностей: https://openrouter.ai/docs/features/multimodal/image-generation Примечание: поддерживается только одно входное изображение.

Gemini 3.1 Flash Lite — это GA высокоэффективная мультимодальная модель от Google, оптимизированная для низкой задержки и больших объёмов рабочих нагрузок. Она поддерживает ввод текста, изображений, видео, аудио и PDF и предназначена для лёгких агентных рабочих процессов, простого извлечения данных и приложений, где основными ограничениями являются отзывчивость и стоимость API. Поддерживает полные уровни мышления (минимальный, низкий, средний, высокий) для тонкой настройки компромиссов между стоимостью и производительностью. Цена составляет половину стоимости Gemini 3 Flash.

GPT Chat Latest указывает на стабильный псевдоним chat-latest модели API от OpenAI, который всегда разрешается в актуальную модель Instant-чата, используемую в ChatGPT. По мере того как OpenAI в будущем выпускает новые обновления модели Instant, они автоматически направляются через этот слаг. Дополнительная информация: https://developers.openai.com/api/docs/models/chat-latest

Chirp 3 — новейшая многоязычная модель распознавания речи от Google. Она обеспечивает повышенную точность транскрипции для 24 GA языков и 77+ языков в предварительном доступе, с поддержкой автоматического определения языка, автоматической пунктуации и встроенного шумоподавителя для более чистой обработки аудио.

GPT-4o Mini Transcribe — это меньшая и экономичная модель распознавания речи от OpenAI, построенная на аудиовозможностях GPT-4o Mini. Она тарифицируется за токен (вход и выход), что делает её подходящей для высокообъёмных процессов транскрипции, которым выгодна прозрачность оплаты на уровне токенов при более низкой стоимости.

Whisper Large V3 — это открытая модель автоматического распознавания речи от OpenAI, которая обеспечивает как транскрибацию аудио, так и перевод. Она поддерживает 99+ языков и принимает распространённые аудиоформаты, включая mp3, mp4, wav, webm, flac и ogg. С 1,550M параметрами модель достигает показателя ошибок в 10.3% слов и хорошо подходит для помехоустойчивой многоязычной транскрибации в сложных условиях. Поддерживается детализация временных меток на уровне слов и сегментов.

Whisper Large V3 Turbo — это оптимизированная версия модели распознавания речи OpenAI's Whisper Large V3, разработанная для скорости и экономической эффективности. Она поддерживает транскрипцию на 99+ языках с коэффициентом ошибок в словах 12% и принимает распространённые аудиоформаты, включая mp3, mp4, wav, webm, flac и ogg. Достигает коэффициентов реального времени до 216x, что делает её хорошо подходящей для задач транскрипции, чувствительных к задержке и с высокой пропускной способностью.

Grok 4.3 — это модель рассуждения от SpaceXAI. Она принимает текстовые и графические входные данные и выдает текст, подходит для агентских рабочих процессов, задач следования инструкциям и приложений, требующих высокой фактической точности. Уровень рассуждения можно настроить: отсутствует/низкий/средний/высокий (по умолчанию низкий). Поддерживается контекстное окно в 1 миллионов токенов без ограничения на выходные токены, что делает её хорошо подходящей для анализа длинных документов, глубоких исследований и многоэтапных агентских задач. Цены многоуровневые: запросы, превышающие 200k суммарных токенов, тарифицируются по более высокой ставке.

Mistral Medium 3.5 — это плотная модель 128B, следующая инструкциям, от Mistral AI. Она поддерживает текстовые и графические входные данные с текстовым выводом и предназначена для агентных сценариев, программирования и сложных многошаговых рассуждений. Модель особенно сильна в надёжных множественных вызовах инструментов и долгосрочных задачах, обладает контекстным окном на 256K, настраиваемой интенсивностью рассуждений для каждого запроса и собственным визуальным энкодером, который обрабатывает изображения переменного размера и с разным соотношением сторон. Разворачивается самостоятельно всего на четырёх GPUs и доступна с открытыми весами.

Kling v3.0 Pro — это премиальная модель генерации видео от Kuaishou, обеспечивающая более высокое визуальное качество по сравнению со стандартным уровнем. Она поддерживает рабочие процессы «текст в видео» и «изображение в видео», с контролем первого и последнего кадра для точной компоновки сцены. Длительность клипов варьируется от 3 до 15 секунд при соотношениях сторон 16:9, 9:16 или 1:1. Нативную генерацию аудио можно включить как опцию.

Kling v3.0 Standard — это модель генерации видео от Kuaishou. Она поддерживает рабочие процессы «текст в видео» и «изображение в видео», а также управление по первому и последнему кадру для направленной композиции сцен. Ролики могут длиться от 3 до 15 секунд при соотношениях сторон 16:9, 9:16 или 1:1. Опционально доступна генерация нативного аудио.

Whisper — это модель автоматического распознавания речи с открытым исходным кодом от OpenAI, доступная через API как whisper-1. Она поддерживает транскрипцию и перевод для 50+ языков из аудиофайлов размером до 25 MB. Принимает форматы, включая mp3, mp4, wav и webm. Цена рассчитывается за минуту аудиодлительности, с округлением до ближайшей секунды.

GPT-4o Transcribe — это высококачественная модель распознавания речи от OpenAI, построенная на аудио-возможностях GPT-4o. Она тарифицируется за токен (вход и выход), что делает её подходящей для рабочих процессов, которые выигрывают от прозрачности биллинга на уровне токенов.

Эта модель всегда перенаправляет на последнюю модель в семействе Claude Haiku.

Эта модель всегда перенаправляет на последнюю модель семейства GPT Mini.

Эта модель всегда перенаправляет на последнюю модель в семействе Gemini Pro.

Эта модель всегда перенаправляет на последнюю модель семейства Kimi.

Эта модель всегда перенаправляет на последнюю модель семейства Gemini Flash.