# 功能特性
> 支持哪些能力、各自的边界在哪里
> 按模态分组，每条都标明实际可用的范围
## 文本
| 能力 | 状态 | 说明 |
|---|---|---|
| 流式输出 | 支持 | 默认开启，SSE 格式 |
| 工具调用 | 支持 | 是否可用取决于具体模型 |
| 结构化输出 | 支持 | `response_format: json_object` |
| 多模态输入 | 部分模型 | 以 `GET /api/pricing` 返回的 `tags` 是否含 `Vision` 为准 |
| 推理模式 | 部分模型 | 开启后返回思考过程，计入输出 token |
| 上下文缓存 | 支持 | OpenAI 自动、Claude 需标记、Gemini 可分隐式与显式 |
## 图像
| 能力 | 状态 | 说明 |
|---|---|---|
| 文生图 | 支持 | |
| 图生图 | 支持 | 传参考图即可 |
| 多图融合 | 支持 | 最多 10 张参考图 |
| 局部编辑 | 支持 | 可传蒙版，或按坐标框选 |
| 透明背景 | 部分模型 | 仅图生图，且输出须为 PNG |
| 图层拆分 | 部分模型 | 底图加最多 16 层 |
| 批量出图 | 受限 | 多数模型单次只出 1 张 |
## 视频
| 能力 | 状态 | 说明 |
|---|---|---|
| 文生视频 | 支持 | |
| 图生视频 | 支持 | 首帧、首尾帧两种模式 |
| 全模态参考 | 部分模型 | 可混用图像、视频、音频 |
| 视频编辑 | 部分模型 | 需要声明 `omni_reference_task_type` |
| 视频延长 | 部分模型 | 在已有视频后续写 |
| 音频同步生成 | 部分模型 | 通过 `generate_audio` 控制 |
| 首尾帧约束 | 支持 | 指定首末画面，中间由模型补全 |
## 音频
| 能力 | 状态 | 说明 |
|---|---|---|
| 语音转文字 | 支持 | 多语种，可输出字幕与时间轴 |
| 文字转语音 | 支持 | 多音色，多格式 |
| 音乐生成 | 支持 | 见音频系列各页 |
| 分轨与母带 | 支持 | 视具体模型 |
## 审核
| 能力 | 状态 | 说明 |
|---|---|---|
| 文本审核 | 支持 | 按类别给分 |
| 图片审核 | 支持 | 与文本同一接口 |
| 自定义阈值 | 支持 | 用评分自行判定 |
## 明确的边界
这些是能力之外的限制，提前知道能少走弯路：
**异步接口不能即时返回结果。** 图像、视频、大部分音频都要提交任务再轮询，最短也要几秒。
**上下文长度是硬上限。** 超出会直接报错，不会自动截断。超长文档要自己切分。
**单次请求有文件大小限制。** 音频转录单文件 25MB，图片单张 30MB，超出先切分或压缩。
**结果 URL 会过期。** 平台不提供长期存储，拿到结果要立即转存。
**部分能力按模型有差异。** 同一个接口，不同模型支持的字段不一样。以模型列表返回的能力标记为准，不要假设所有模型行为一致。