控制台

模型MOSS-VL-1.0

MOSS-VL-1.0

Beta多模态理解

MOSS-VL-1.0 支持文本指令与图片、视频或多图输入,可用于图片理解、视频理解、OCR、文档解析、视觉问答和跨媒体内容分析。当前每次请求最多支持 5 张图片或 1 个视频,不支持图片与视频混合输入。

ENDPOINT

POST /v1/responses

当前调用路径

输入

文本 + 图片 / 视频

请求可接受的内容

输出

文本

成功返回的内容

模型概览

多模态理解模型。默认使用稳定模型 ID moss-vl-1.0;如需复现固定版本,可在 model 中传 moss-vl-1.0-2026-07-08。

计费

限时免费。

0 积分 查看完整计费标准

模态支持

文文本输入与输出
音音频不支持
图图片仅输入
视视频仅输入

支持的 Endpoint

Chat Completions /v1/chat/completions不支持
Responses /v1/responses支持
Messages /v1/messages不支持
估算输入 Token /v1/messages/count_tokens不支持
单人语音生成 /v1/audio/speech不支持
多人对话语音生成 /v1/audio/speech/speakers不支持
音频转写 /v1/audio/transcriptions不支持
音色设计 /v1/audio/voice/generations不支持
实时交互 /v1/realtime不支持
图像生成 /v1/images/generations不支持

能力

性能高
推理速度中
流式 不支持
异步任务接口 不支持
  • 支持图片描述、OCR 与文档内容理解
  • 支持视频摘要、事件理解与问答
  • 单次最多 5 张图片或 1 个视频
  • 支持文件 ID 和 URL 输入

调用限额

限制项上限适用范围
每分钟请求数(RPM)70 次同一用户调用除 MOSS-Live-1.0 和 Nex-N2.6 外的所有模型接口时共享
每日请求数(RPD)30,000 次同一用户调用除 MOSS-Live-1.0 和 Nex-N2.6 外的所有模型接口时共享
并发数4 个每个用户在该模型下最多可同时处理 4 个推理请求。

查看完整请求限制

版本与快照

Model IDmoss-vl-1.0
快照moss-vl-1.0-2026-07-08最新版本