$0.180 輸入 / $0.450 輸出
- 上下文: 2M
- 服務商: 7
- 工具呼叫
- 推理
- 視覺
AI 模型推薦 · 2026-06-29
2026 年最佳視覺語言模型 (VLM)
支援 image input + text output 的視覺語言模型推薦。涵蓋 OCR、UI 截圖分析、圖表理解、產品照片分析等多模態場景。
我們的篩選邏輯
- 影像輸入是硬性門檻 —— 純文字模型一律排除。
- 必須公開定價 —— 沒有公開價的模型生產可用性較弱。
- 評分 = 上下文視窗減去價格 —— 在大視窗與低價之間尋求最佳平衡。
Top 10 推薦
$0.180 輸入 / $0.450 輸出
- 上下文: 2M
- 服務商: 6
- 工具呼叫
- 視覺
$0.170 輸入 / $0.660 輸出
- 上下文: 3.50M
- 服務商: 1
- 工具呼叫
- 視覺
- 開放權重
$0.170 輸入 / $0.660 輸出
- 上下文: 3.50M
- 服務商: 1
- 工具呼叫
- 視覺
- 開放權重
$1.25 輸入 / $2.50 輸出
- 上下文: 2M
- 服務商: 6
- 結構化輸出
- 推理
- 視覺
$1.25 輸入 / $2.50 輸出
- 上下文: 2M
- 服務商: 4
- 工具呼叫
- 結構化輸出
- 推理
- 視覺
$0.075 輸入 / $0.300 輸出
- 上下文: 1.05M
- 服務商: 4
- 工具呼叫
- 結構化輸出
- 視覺
$0.090 輸入 / $0.360 輸出
- 上下文: 1.05M
- 服務商: 6
- 工具呼叫
- 結構化輸出
- 推理
- 視覺
$0.080 輸入 / $0.400 輸出
- 上下文: 1.05M
- 服務商: 1
- 工具呼叫
- 推理
- 視覺
- 開放權重
$0.100 輸入 / $0.400 輸出
- 上下文: 1.05M
- 服務商: 17
- 工具呼叫
- 結構化輸出
- 推理
- 視覺
Recommended stack by tier
Same shortlist sliced four ways — pick the tier that matches your budget and constraints.
Budget
Google$0.075 in / $0.300 out · 1.05M ctx
Lowest total per-1M-token cost in this list ($0.38).
Lowest-cost option that still meets the use case. Pick this when you have high volume or strict unit-economics.
Balanced
xAI$0.180 in / $0.450 out · 2M ctx
Median price ($0.63) — typically the safest default.
Good-enough quality at a mid-tier price. The default choice for most production apps.
Premium
xAI$1.25 in / $2.50 out · 2M ctx
Highest-priced pick in the list ($3.75) — usually the flagship.
Highest-capability model in this list. Pick when accuracy or reasoning matters more than cost.
Open-weight
aihubmix$0.080 in / $0.400 out · 1.05M ctx
Open weights and the cheapest in that subset ($0.48).
Open weights — self-host on your own GPUs, fine-tune on private data, run offline. Pricing here reflects the cheapest API host.
Frequently asked questions
2026 年最適合做圖像理解的 AI 模型是哪個？
目前我們把 xAI 的 Grok 4 Fast (Reasoning) 排在第一，主要原因是它支援圖像輸入、定價公開，且在視覺模型中擁有最佳的上下文 / 成本比。排名根據實時模型 metadata 自動重算 —— 詳細規則見上方「我們的篩選邏輯」。
這份榜單裡最便宜的是哪個？
Gemini 2.0 Flash-Lite（Google）是榜單中價格最低的，輸入每百萬 token $0.075，輸出每百萬 token $0.300。其它入選項的價格依次往上遞增。
排名是怎麼產生的？
每一項都來自我們 use-case-rules 設定中的一條程式化規則：先用硬過濾條件（例如工具呼叫必選、上下文 ≥ 100K）篩選，再用一組結合能力、上下文視窗與價格的數值打分。我們從不手動調整排序，但會手動迭代規則。底層模型資料每日從我們歸一化後的 canonical 目錄同步。
這個頁面多久更新一次？
底層模型資料每天刷新一次，資料有變更時靜態頁面會重新建置。下方「最近更新」標註的就是最近一次建置日期。
Explore more
Top picks · model details
- Grok 4 Fast (Reasoning)$0.18 in / $0.45 out
- X-Ai/Grok-4-Fast-Non-Reasoning$0.18 in / $0.45 out
- Llama 4 Scout 17B Instruct (US)$0.17 in / $0.66 out
- Llama 4 Scout 17B Instruct$0.17 in / $0.66 out
- Grok 4.20 Multi-Agent$1.25 in / $2.50 out
Other best-of lists
Browse by capability
最近更新：
Prices in USD per 1M tokens. Unknown means the provider does not publish per-token pricing.
Pricing and capabilities are refreshed daily and reconciled against each provider's official documentation. Always verify critical production decisions with the provider directly.