Poyo.ai 2026 年 8 月更新：8 个图像、视频、聊天和音乐新模型

2026 年 8 月， Poyo.ai 新增了八个生产模型，一个月内覆盖图像、视频和聊天。同月，Suno Music 升级为统一工作区，Grok Imagine Video 1.5 也扩展了更多工作流和 1080p 输出。

本月度更新仅涵盖目前已在 Poyo.ai 上线的模型。下列价格与 2026 年 9 月 2 日 时公开模型页面一致。部署生产工作流前，请在模型页面确认当前价格。

如何选择

先从任务出发，再打开相应的模型页面。

视频：8 月变化最大

Seedance 2.5

Seedance 2.5 于 8 月 8 日 上线，适合较长、需要大量参考的视频。当片段所需的不只是提示词时可使用它：首尾帧、图像、视频和音频都能在一次请求中传入。

• 模型 ID：seedance-2.5
• 时长：4–30 秒
• 输出：480p、720p 或 1080p
• 参考素材：最多 30 张图像、10 个视频和 10 个音频文件，每次请求最多 50 个文件
• 可通过 generate_audio 选择同步音频

存在参考视频时，计费时长等于输出时长加参考视频时长。请求字段请参阅 Seedance 2.5 API 文档。如需与 MiniMax H3 并排比较，请阅读 MiniMax H3 vs Seedance 2.5。

Wan 3.0 和 Wan 3.0 Video Prime

Wan 3.0 和 Wan 3.0 Video Prime 于 8 月 25 日 上线。二者都支持文生视频、图生视频和多模态参考生视频。成本更重要时选择标准 Wan 3.0；生成时间更重要时选择 Prime。

共有能力：

• 480p、720p 或 1080p 的 2–30 秒输出
• 一张或两张图像作为首帧，以及可选的尾帧
• 最多 10 张参考图像、5 个参考视频、5 段参考音频，以及一个文档或公开网页
• 所有三个工作流均可选生成音频

模型 ID：

• Wan 3.0：wan3.0-text-to-video, wan3.0-image-to-video, wan3.0-reference-to-video
• Wan 3.0 Video Prime：wan3.0-prime-text-to-video, wan3.0-prime-image-to-video, wan3.0-prime-reference-to-video

FLUX 3

FLUX 3 于 8 月 6 日 成为生产级视频系列，提供五个工作流，而非单一文生视频端点。

• flux-3/text-to-video
• flux-3/image-to-video
• flux-3/first-last-frame-to-video
• flux-3/extend-video
• flux-3/keyframes-to-video

标准工作流在 720p 时为 34 credits / $0.17 per second，在 1080p 时为 58 credits / $0.29 per second。视频延长在 720p 时为 82 credits / $0.41 per second，在 1080p 时为 106 credits / $0.53 per second。该系列包含原生音频。

如果需要镜头控制、延续或放置关键帧，而非一次性生成，请使用 FLUX 3。深入说明请参阅：FLUX 3: Everything You Need to Know 和 FLUX 3 vs FLUX 2。

Grok Imagine Video 1.5 升级

这是一次升级，而非新的目录条目。Grok Imagine Video 1.5 现在涵盖文生视频、单帧图生视频，以及使用 1–7 张图像的参考生视频。输出包括 480p、720p 和 1080p。

图像：两个互补选项

Qwen Image 3 和 Qwen Image 3 Pro

Qwen Image 3 于 8 月 6 日 从预览页面转为在线生成器。它更适合长提示词、信息密度高的版式、小文字和多语言图形。

• 模型 ID：qwen-image-3, qwen-image-3-pro
• 输出：1K 或 2K
• 任务：文生图和图生图

每张输入图像增加 0.5 credits / $0.0025。完整背景介绍：Qwen Image 3.0: Everything You Need to Know。

Grok Imagine Image 2.0

Grok Imagine Image 2.0 于 8 月 15 日 上线。一个模型 ID 即可处理文生图以及最多使用三张输入图像的编辑。

• 模型 ID：grok-imagine-image-2.0
• 分辨率：1K 或 2K
• 质量：低或中
• 每次请求最多 4 张图像
• 输出：JPEG、PNG 或 WebP

聊天：两个新的生产模型

Grok 4.6

Grok 4.6 于 8 月 15 日 上线，面向长时间运行的智能体、编程、工程和知识工作。可通过兼容 OpenAI 的 Chat Completions API 调用。

• 模型 ID：grok-4.6
• 输入：320 credits / $1.60 per 1M tokens (official $2.00)
• 输出（包括推理 token）：960 credits / $4.80 per 1M tokens (official $6.00)

这比官方 token 费率低 20%。文档：OpenAI-compatible chat。

Gemini 3.7 Flash

Gemini 3.7 Flash 也于 8 月 15 日 上线。当您需要 Google 的 GA Flash 模型而非更大的旗舰模型时，可将其用于智能体编程、多模态推理、工具使用和长上下文工作。

• 模型 ID：gemini-3.7-flash
• 输入：120 credits / $0.60 per 1M tokens (official $0.75)
• 缓存输入：12 credits / $0.06 per 1M tokens (official $0.075)
• 输出（包括思考 token）：600 credits / $3.00 per 1M tokens (official $3.75)

文档：Gemini native format。

音乐：Suno 工作区升级

8 月 28 日，Suno Music 成为一个包含 24 个工具的工作区。无需离开页面，您即可在生成、编辑、混音、可复用声音、音轨拆分和格式转换之间切换。每个工具都显示其模型 ID、价格和 API 文档。

新增和升级的能力包括：

• 生成混音： 通过风格、人声、模型版本和时长控制混合两条音轨。12 credits / $0.06 per generation。
• 生成声音： 具备循环、节奏和调性控制的音效和氛围声。2.5 credits / $0.0125 per generation。
• Suno Voice： 验证声音、创建可复用的 Voice ID、重新生成验证短语并检查可用性。声音操作免费。
• 生成 MIDI： 1 credit / $0.005 per generation。
• 音乐生成和延长现已支持 V5、V5.5、Style Persona、Voice Persona，以及最长 360 秒的时长。
• 编辑功能涵盖翻唱、延长、片段替换、添加人声、添加器乐、人声分离和 12 音轨拆分。

API 文档：Generate Music。

现在即可使用的平台变化

以下是影响您在 Poyo.ai 上工作方式的 8 月产品变化：

• 将历史记录和用量集中在一处的仪表板概览。
• 再次显示结果预览的生成历史记录。
• 更清晰的模型市场，促销期间模型卡会显示实时折扣价格。
• 新的开发者入口：MCP、CLI、Skill，以及 n8n 和 ComfyUI 指南。
• 越南语和印尼语站点语言版本。

2026 年 8 月模型速查表

8 月的升级（未计入八个新品发布）：Grok Imagine Video 1.5 和 Suno Music。

如何开始

1. 打开模型页面，使用在线工具运行一次测试生成。
2. 将模型 ID 复制到现有的 Poyo 工作流：媒体使用异步提交和状态轮询，聊天使用 Chat Completions / Gemini native format。
3. 如果要将其接入内部工具，可从 MCP、CLI、n8n 或 ComfyUI 开始。

8 月之后：9 月初上线

8 月更新覆盖期刚结束后，又有两个模型上线：

• Gemini Omni 1.1 Flash 于 9 月 1 日 上线，适用于从 360p 到 4K 的文生视频、首尾帧、参考图像和参考视频工作流。指南：Gemini Omni 1.1 Flash API。
• Claude Fable 5.1 于 9 月 2 日 上线，面向拥有 1M 上下文窗口的长周期编程和知识工作。

它们不属于 8 月的八个模型。如果您已经在评估最新的视频和聊天选项，请使用上方链接。