Aller au contenu
Alpha
  • Modèles
  • Classements
  • Ori
Contacter l’équipe commerciale

Pied de page

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

Produit

  • Chat
  • Classements
  • Évaluations comparatives
  • Applications
  • Découvrir
  • Modèles
  • Ori
  • Collections
  • Fournisseurs
  • Outils
  • Tarifs
  • Business
  • Enterprise
  • Laboratoire

Entreprise

  • À propos
  • Blog
  • Clients
  • Carrières
    Recrutement
  • Confidentialité
  • Conditions d’utilisation
  • Centre de confiance
  • Assistance
  • Compatible avec OR
  • Données
  • Marque

Développeur

  • Documentation
  • Référence de l’API
  • Plateforme pour développeurs
  • Statut
  • Plan du site pour l’IA

Connecter

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
Collections/Modèles de vision

Modèles d’IA avec vision : LLM multimodaux pour la compréhension d’images

Classement des modèles mis à jour novembre 2026 à partir de données d’utilisation réelles.

Les modèles sont classés selon le nombre total de jetons de prompt et de réponse traités via l’API OpenRouter au cours des 7 derniers jours. Affichage des 10 meilleurs modèles. Les classements mesurent l’utilisation sur OpenRouter et reflètent l’adoption, et non la qualité des modèles ou leurs performances aux tests de référence.

Les modèles de vision sont des LLM multimodaux qui analysent des images, lisent des documents, interprètent des graphiques et répondent à des questions sur du contenu visuel en complément du texte. Cette collection classe les modèles dotés de capacités de vision selon leur utilisation sur OpenRouter au cours de la semaine écoulée. Les meilleurs modèles actuels sont DeepSeek V4.1 Flash 1017, GLM 5.3 Flash et DeepSeek V4.1 Flash. Accédez aux modèles d’Anthropic, de Google, d’OpenAI et d’autres fournisseurs via une seule API, et comparez la longueur de contexte, les tarifs et les capacités.

Parcourir tous les modèlesComparer les modèles

Meilleurs modèles de vision sur OpenRouter

Favicon de deepseek

DeepSeek: DeepSeek V4.1 Flash 1017

51,8T jetons
Milieu universitaire (#1)
Finance (#1)
Santé (#4)
Juridique (#2)
Marketing (#3)

DeepSeek V4.1 Flash 1017 is the October 17, 2026 snapshot of DeepSeek V4.1 Flash, served by DeepSeek under the deepseek-flash API model name. V4.1 Flash is a sparse mixture-of-experts model from DeepSeek, and the first built on the company's Causal Encoder-Decoder (CED) architecture. It activates 8B parameters on input and 16B on output from a 552B-parameter backbone, an asymmetric split that keeps per-token compute low relative to the model's total size. Image understanding is native to the architecture, with visual and text embeddings trained jointly from the start of pre-training rather than added afterward as in the earlier experimental V4 Flash Vision Exp.

It is suited for coding, terminal, and computer-use agents, along with long-horizon tasks that must run to completion across many steps and long-context analysis. Compressed KV caching cuts cache memory to roughly a quarter of the previous Flash generation, significantly reducing costs on agentic workloads. DeepSeek positions it as the cost-efficient tier of the V4.1 family and reports that it exceeds V4 Pro on performance, speed, and task completion time.

par deepseek1,05M de contexte0,035 $US/M entrée jetons0,50 $US/M sortie jetons
Favicon de z-ai

Z.ai: GLM 5.3 Flash

15,8T jetons
Milieu universitaire (#5)
Finance (#3)
Santé (#1)
Juridique (#6)
Marketing (#4)

GLM-5.3-Flash is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while reducing compute overhead.

par z-ai1,05M de contexte0,0285 $US/M entrée jetons0,0923 $US/M sortie jetons
Favicon de deepseek

DeepSeek: DeepSeek V4.1 Flash

15,4T jetons
Milieu universitaire (#6)
Finance (#2)
Santé (#8)
Juridique (#4)
Marketing (#1)

DeepSeek V4.1 Flash is a sparse mixture-of-experts model from DeepSeek, and the first built on the company's Causal Encoder-Decoder (CED) architecture. It activates 8B parameters on input and 16B on output from a 552B-parameter backbone, an asymmetric split that keeps per-token compute low relative to the model's total size. Image understanding is native to the architecture, with visual and text embeddings trained jointly from the start of pre-training rather than added afterward as in the earlier experimental V4 Flash Vision Exp.

It is suited for coding, terminal, and computer-use agents, along with long-horizon tasks that must run to completion across many steps and long-context analysis. Compressed KV caching cuts cache memory to roughly a quarter of the previous Flash generation, significantly reducing costs on agentic workloads. DeepSeek positions it as the cost-efficient tier of the V4.1 family and reports that it exceeds V4 Pro on performance, speed, and task completion time.

par deepseek1,05M de contexte0,035 $US/M entrée jetons0,50 $US/M sortie jetons
Favicon de openai

OpenAI: GPT-6 Luna

9,36T jetons
Milieu universitaire (#4)
Finance (#11)
Santé (#2)
Juridique (#3)
Marketing (#2)

GPT-6 Luna is the fast, cost-efficient model in OpenAI's GPT-6 series, positioned below GPT-6 Sol. It is suited for high-volume and latency-sensitive workloads such as chat, classification, and lightweight agentic tasks, and at higher reasoning effort it can take on complex software engineering and computer-use tasks that previously called for a Sol-tier model. It shares the GPT-6 family's gains in factual reliability and its clearer, more concise communication style.

par openai1,05M de contexte0,10 $US/M entrée jetons0,50 $US/M sortie jetons
Favicon de anthropic

Anthropic: Claude Opus 5.5

6,82T jetons
Milieu universitaire (#24)
Finance (#4)
Santé (#39)
Juridique (#41)
Marketing (#13)

Claude Opus 5.5 is Anthropic's flagship model for demanding reasoning, coding, and long-horizon agentic work, succeeding Claude Opus 5. It is particularly strong at multi-step changes in large codebases, code review and bug finding, financial and scientific analysis, and reading dense charts, diagrams, and screenshots, and it is more careful than its predecessor about only stating figures and citing sources it can back up.

The model completes comparable tasks in fewer steps and with fewer tokens than Opus 5, and reports on its work in plainer language, with clear updates on what it did, what it found, and what it needs from the user. Thinking is always adaptive, so effort is the main lever for trading off depth, latency, and cost, and lower effort settings remain effective for latency-sensitive workloads.

par anthropic1M de contexte4 $US/M entrée jetons20 $US/M sortie jetons
Favicon de stepfun

StepFun: Step 5 Preview

6,6T jetons
Programmation (#4)

Step 5 Preview is StepFun's flagship model for agentic work, built on a sparse Mixture-of-Experts architecture (27B active / 600B total parameters). It performs strongly in software engineering and professional knowledge work, with particular strength in finance.

It is designed for extended tasks that span large codebases and documents, using tools and refining results over multiple steps.

par stepfun1,05M de contexte1 $US/M entrée jetons2,70 $US/M sortie jetons
Favicon de minimax

MiniMax: MiniMax M3.1 Flash

6,58T jetons
Milieu universitaire (#13)
Finance (#7)
Santé (#31)
Juridique (#12)
Marketing (#17)

MiniMax-M3.1-Flash is a multimodal model from MiniMax. Compared with M3, it delivers significant improvements across multiple benchmarks, particularly in complex agentic tasks, coding, and cybersecurity. It is built for complex, multi-step co-work automation, understanding real codebases, fixing bugs, and building features, and visual understanding and creation, including frontend and presentation creation. It is an open-weight mixture-of-experts model with 23B active / 428B total parameters.

par minimax1,05M de contexte0,05 $US/M entrée jetons0,20 $US/M sortie jetons
Favicon de openai

OpenAI: GPT-5.6 Luna

5,46T jetons
Milieu universitaire (#2)
Finance (#6)
Santé (#9)
Juridique (#1)
Marketing (#8)

GPT-5.6 Luna is a fast, cost-efficient model in OpenAI's GPT-5.6 series. It is suited for high-volume, latency-sensitive tasks such as chat, classification, and lightweight agentic workflows, providing capable reasoning for its price tier.

par openai1,05M de contexte0,20 $US/M entrée jetons1,20 $US/M sortie jetons
Favicon de openai

OpenAI: GPT-6.1 Sol

4T jetons
Milieu universitaire (#7)
Finance (#16)
Santé (#15)
Juridique (#19)
Marketing (#7)

GPT-6.1 Sol is an upgrade to GPT-6 Sol from OpenAI, positioned below the flagship GPT-6 Astra in the GPT-6 series. It is suited for agentic coding, computer use, document-heavy professional work, and multi-step business workflow automation, and approaches Astra-level results on these tasks at a much lower cost. Compared with GPT-6 Sol, it makes fewer factual errors and is more reliable at respecting explicit restrictions and user intent during agentic tasks.

par openai1,05M de contexte2 $US/M entrée jetons10 $US/M sortie jetons
Favicon de typesafe

TypeSafe: Jev 1.13

3,26T jetons
Milieu universitaire (#10)
Finance (#10)
Santé (#6)
Juridique (#8)
Marketing (#9)

Jev is a structured decision model from TypeSafe, and the first of its System One models. System One models make fast, structured decisions for software, returning a typed choice rather than free-form text. It is suited for routing, classification, and other decision points inside an application where a fast, predictable answer matters more than generated prose.

Learn more in TypeSafe's docs: https://docs.typesafe.ai/concepts/system-one

par typesafe0,042 $US/M entrée jetons0 $US/M sortie jetons

Questions fréquentes

Ajoutez une partie de contenu input_image dont image_url est une URL HTTP(S) ou une URL de données en base64 à une requête POST /api/v1/responses, ou une partie de contenu image_url à POST /api/v1/chat/completions. Placez d’abord le prompt textuel, puis les images. Le guide des entrées image présente les deux formats de requête.

Oui. Ajoutez chaque image comme une partie de contenu distincte dans le même message utilisateur. Le nombre d’images acceptées par requête varie selon le fournisseur et le modèle, et les messages système doivent contenir uniquement du texte.

Oui. Envoyez un PDF en entrée sous forme de file_url ou de file_data en base64 sur POST /api/v1/responses, ou comme partie de contenu de type fichier dans Chat Completions ; le guide des entrées PDF explique les moteurs d’analyse et leur coût.

Oui. Une seule clé API OpenRouter fonctionne pour tous les modèles de vision de cette page et pour tous les autres modèles sur OpenRouter. Créez une clé sur votre page des clés API.

Explorer d’autres collections

  • Modèles gratuits
  • Modèles à prix réduit
  • Programmation
  • Jeu de rôle
  • Appel d’outils
  • OpenClaw
  • Modèles d’image
  • Modèles vidéo
  • Modèles audio
  • Synthèse vocale
  • Reconnaissance vocale
  • Modèles de plongement vectoriel
  • Modèles de reclassement
  • Modèles distillables
  • Toutes les collections