modelos

Lightweight base variant of Veo3.1 with lower computing overhead, meets basic video generation demands for low-cost bulk preview scenarios.

Accelerated variant of Seedance 2.0. Balances generation speed and visual quality, reduces inference latency for high-concurrency testing and mass rapid content production.

Doubao Seedance 2.0 Mini is ByteDance’s lightweight text-to-video model under the Seed series. Optimized for fast inference and low GPU overhead, it generates smooth, style-consistent short videos from text prompts. Designed for API integration, test environments and low-cost batch video production.

TEST GLM-5.1 (released April 2026), purpose-built for long-horizon autonomous tasks. Unlike traditional models optimized for short interactions, GLM-5.1 excels at maintaining goal alignment, reducing strategy drift, and delivering production-grade results over extended periods — up to 8 hours of continuous autonomous work on a single complex task. It represents a major leap in agentic engineering, shifting evaluation from single-turn intelligence to real-world sustained execution.

El modelo Gemini 3.1 Flash Lite Image es un experto en eficiencia dentro de la familia de generación de imágenes, diseñado para ofrecer latencia ultrabaja y rentabilidad en la generación y modificación de imágenes.

GPT-4.1 nano es un modelo de inteligencia artificial proporcionado por OpenAI. gpt-4.1-nano: Ofrece una ventana de contexto más amplia—admite hasta 1 millón de tokens de contexto y es capaz de aprovechar mejor ese contexto gracias a una comprensión de largo contexto mejorada. Tiene una fecha de corte de conocimiento actualizada a junio de 2024. Este modelo admite una longitud máxima de contexto de 1,047,576 tokens.

MiMo-V2.5 is Xiaomi's native full-modal model. It achieves professional-grade agent performance at about half the cost of inference, while outperforming MiMo-V2-Omni in multimodal perception in image and video understanding tasks.

seedance-2-0

HappyHorse 1.1 es un modelo multimodal de generación de video diseñado para la creación de contenido profesional, publicidad, cortometrajes, producción para redes sociales y narración. Amplía las capacidades de HappyHorse 1.0 —que recibió una atención considerable tras clasificarse en los primeros puestos en evaluaciones independientes de generación de video— con una mayor coherencia entre escenas y una fidelidad visual mejorada.

El modelo de generación de imágenes más avanzado de OpenAI, con un renderizado de texto casi perfecto en múltiples idiomas, resolución de hasta 4K y el Thinking Mode impulsado por razonamiento. Diseñado para flujos de trabajo de producción que exigen precisión, velocidad y resultados visuales coherentes con la marca.

DeepSeek V4 Flash is an efficiency-optimized Mixture-of-Experts model from DeepSeek with 284B total parameters and 13B activated parameters, supporting a 1M-token context window. It is designed for fast inference and high-throughput workloads, while maintaining strong reasoning and coding performance.

El modelo insignia más inteligente e intuitivo de OpenAI, diseñado para programación compleja, flujos de trabajo basados en agentes, uso de computadoras, análisis de datos e investigación en profundidad. Ofrece inteligencia de vanguardia con la misma baja latencia que GPT-5.4, al tiempo que completa tareas con mayor eficiencia en el uso de tokens. El modelo de referencia para cargas de trabajo profesionales y empresariales exigentes.

El modelo más capaz de OpenAI, diseñado para las tareas más difíciles y para flujos de trabajo de agentes de larga duración. GPT-5.5 Pro destaca en programación compleja, uso de la computadora, investigación en profundidad, análisis de datos y razonamiento científico — ofreciendo inteligencia de vanguardia con la latencia de GPT-5.4 y mayor eficiencia de tokens. Ideal para casos de uso empresariales y profesionales que exigen el nivel más alto de precisión y ejecución autónoma de tareas.

Claude Sonnet 4.6 is our most capable Sonnet model yet. It’s a full upgrade of the model’s skills across coding, computer use, long-context reasoning, agent planning, knowledge work, and design. Sonnet 4.6 also features a 1M token context window in beta.

El último modelo de imagen a video de xAI incorpora generación de audio nativa y sincronizada — el video y el audio se producen en un único paso de inferencia. Admite salida en 480p/720p, clips de hasta 15 segundos y ocupa el puesto #1 en la tabla de clasificación de Image-to-Video Arena.

Claude Opus 4.7 is a hybrid reasoning model designed specifically for frontier-level coding, AI agents, and complex multi-step professional work. Unlike lighter models (e.g., Sonnet or Haiku variants), Opus 4.7 prioritizes depth, consistency, and autonomy on the hardest tasks.

Happy Horse 1.0 — A high-quality audio-video generation model that supports text-to-video and image-to-video creation. It can generate synchronized visuals, audio, and lip movements, making it suitable for short films, advertising creatives, and product showcases.

Excels at agentic reasoning, knowledge work, and tool use.

GPT Image 2 is openai state-of-the-art image generation model for fast, high-quality image generation and editing. It supports flexible image sizes and high-fidelity image inputs.

Seedance 2.0 es el modelo fundacional multimodal de video de próxima generación de ByteDance, centrado en la generación de video narrativo cinematográfico de múltiples tomas. A diferencia de las demostraciones de texto a video de una sola toma, Seedance 2.0 enfatiza el control basado en referencias (imágenes, clips cortos, audio), la coherencia de personajes y estilo entre tomas, y la sincronización nativa de audio/video — con el objetivo de hacer que el video con IA sea útil para flujos de trabajo profesionales creativos y de previsualización.

Sora 2 Pro es nuestro modelo de generación multimedia más avanzado y potente, capaz de generar videos con audio sincronizado. Puede crear clips de video detallados y dinámicos a partir de lenguaje natural o imágenes.

Core Capabilities Overview: Resolution: Up to 4K (4096×4096), on par with Pro. Reference Image Consistency: Up to 14 reference images (10 objects + 4 characters), maintaining style/character consistency. Extreme Aspect Ratios: New 1:4, 4:1, 1:8, 8:1 ratios added, suitable for long images, posters, and banners. Text Rendering: Advanced text generation, suitable for infographics and marketing poster layouts. Search Enhancement: Integrated Google Search + Image Search. Grounding: Built-in thinking process; complex prompts are reasoned before generation.

gpt-5.2-pro is the highest-capability, production-oriented member of OpenAI’s GPT-5.2 family, exposed through the Responses API for workloads that demand maximal fidelity, multi-step reasoning, extensive tool use and the largest context/throughput budgets OpenAI offers.

DeepSeek V4 Pro is a large-scale Mixture-of-Experts model from DeepSeek with 1.6T total parameters and 49B activated parameters, supporting a 1M-token context window. It is designed for advanced reasoning, coding, and long-horizon agent workflows, with strong performance across knowledge, math, and software engineering benchmarks.

MiniMax-M2.7 offers the same top-tier intelligence as the standard version—including recursive self-evolution and expert-level office productivity—but is designed for applications requiring sub-second latency and high-speed token generation. Leveraging an enhanced inference backbone architecture, its output speed is 66% faster than the standard model (reaching 100 tps). It is the preferred choice for interactive programming assistants, real-time agent loop execution, and high-throughput enterprise pipelines with stringent completion time requirements.

GPT-5.4 nano is designed for tasks where speed and cost matter most like classification, data extraction, ranking, and sub-agents.

GPT-5.4 mini brings the strengths of GPT-5.4 to a faster, more efficient model designed for high-volume workloads.

Omni is the new model that can create anything from any input — starting with video. With Omni, you can combine images, audio, video and text as input and generate high-quality videos grounded in Gemini's real-world knowledge. You can also easily edit your videos through conversation.