LLM与多模态理解
用于对话问答、文本写作、代码辅助、内容分析和信息提取。具备相应能力的型号还可处理图像、文档或视频输入，为业务应用提供理解与推理能力。
AI / 模型生态编辑部
从语言理解，到图像与视频创作
面向开发者、企业应用与内容生产场景，光波互联围绕国内外模型生态，提供模型能力介绍与API接入咨询。按任务选择语言、图像或视频模型，将所需能力连接到自己的产品与工作流程。
TASK
FIRSTLLMIMAGEVIDEO
FIRSTLLMIMAGEVIDEO
02 / MODEL ECOSYSTEM
探索国内外模型生态
以下品牌与系列用于能力介绍，不表示所有分支都已开放；当前可调用型号、开放能力及价格以平台目录为准。
国内语言与多模态系列
DeepSeek、GLM、Kimi、MiniMax、Qwen、腾讯混元HY、MiMo、Doubao／Seed、ERNIE、讯飞星火、Step。
国际语言与多模态系列
OpenAI GPT、Anthropic Claude、Google Gemini，以及xAI Grok、Meta Llama、Mistral、Google Gemma、Cohere Command。
图像生成系列
Seedream、Qwen Image、Wan图像模型、混元图像模型、MiniMax图像模型，以及GPT Image、Gemini图像模型、FLUX、Stable Image／Stable Diffusion等。
视频生成系列
Seedance、Wan、可灵Kling、海螺Hailuo、HunyuanVideo、CogVideoX，以及Veo、Sora、Grok Imagine Video、Runway、Luma Ray等。
03 / WORKFLOW
从任务输入到业务复核
把模型输出放进可检查的流程，明确输入材料、生成目标与最终负责人。
准备输入
整理任务目标、背景资料与可使用的参考素材。
选择模型
根据输入类型、输出形式与业务限制验证候选型号。
生成与迭代
以业务样例对比输出，并调整提示、参数或参考内容。
业务复核
由业务负责人校对事实、版权、品牌表达与使用合规。
04 / SCENARIOS
把模型能力用在实际业务中
企业应用
为客服、知识查询、信息提取和业务流程增加语言理解能力。
开发与分析
为代码辅助、文档整理和结构化处理选择合适的模型与上下文配置。
营销与设计
将文字创意转为图片，围绕商品、活动和品牌内容组织视觉素材。
视频内容
将脚本与参考素材转为镜头片段，支撑产品展示、分镜预演和短视频制作。
05 / SELECTION
按业务目标比较模型
先确定输出目标，再用同一批业务样例比较候选模型。不同类型模型的参数和调用流程可能不同。
输出效果
检查准确性、风格与可编辑程度是否满足业务目标。
输入条件
核对文本长度、参考图片、文档或视频等支持范围。
处理速度
按交互响应或批量生产场景评估等待时间。
集成方式
确认调用方式、返回格式、错误处理与现有系统的适配。
使用成本
对照目录计费规则与预估用量，计算业务运行成本。
06 / INTEGRATION
从样例验证走向接口集成
在正式接入前，以实际业务样例检查输出质量和应用边界。
提交业务样例
准备典型输入、期望输出和不适用的边界情况。
验证候选型号
比较效果、速度、输入限制和使用成本。
连接业务应用
按所选型号的接口说明完成密钥管理、调用与错误处理。
观察运行用量
结合调用记录和费用变化调整模型及流程。
07 / GOVERNANCE
把使用边界写进工作流程
模型是业务流程中的一环。数据范围、密钥使用与结果复核需要由应用方明确。
密钥与权限
按岗位管理API密钥，不在前端代码或公开资料中暴露。
输入数据
提交资料前确认敏感信息、授权范围与业务数据使用要求。
人工复核
对对外发布或影响业务决策的结果保留人工校对。
合规责任
素材版权、内容审查与最终使用方式由业务方按场景确认。
08 / AVAILABILITY
查看具体型号，再决定接入
本页展示的是模型生态与选型方法。实际开放型号与价格以平台目录为准，输入输出能力按具体型号确认。