Bee Swarm 1.0

Bee Swarm 1.0 是该系列的首个版本，走闭源权重、API 调用的路线，官方给出的能力标签是推理与附件输入。它要解决的核心问题是素材形态与长度：100 万 tokens 的上下文窗口让整本手册、整套会议转写不必切段，输入侧同时接受文本、图像、音频，意味着录音与截图可以直接进入同一次请求，而不必先转成文字再拼接。输出端限定为文本，单次最多 6.4 万 tokens，适合生成结构化纪要、审阅意见或长篇报告，不适合直接产出图像或语音。定价处于高位，输入 25 美元、输出 150 美元每百万 tokens，缓存读为 2.5 美元每百万 tokens，说明它假设的使用方式是长而稳定的前缀加上较重的输出。目前可获取渠道较少，第三方跑分缺失，选型时应以自家样本的实测结果为准，而非依赖外部榜单。

选型建议任务横跨长文档与音频图像、预算宽松且接受闭源 API 的团队可以试用；对成本敏感、需要可验证跑分或自部署的，建议优先看其他选项。

• 把整场会议录音与相关图文材料一次性输入，输出结构化纪要与待办清单
• 审阅上百页合同或技术文档，跨章节比对条款差异并生成审阅意见
• 将界面截图与文字需求合并提交，产出统一格式的需求说明文档
• 批量处理客服对话记录，按统一模板输出问题分类与摘要报告
• 在高价值复杂任务上先用小样本验证效果，再决定是否扩大调用量

官方未发布技术报告，参数规模与训练细节均未公开，能确认的只有输入输出形态与上下文配置。

• 结构闭源权重，经 API 调用；输入侧接受文本、图像、音频，输出统一为纯文本，适合素材混杂但只取文字结果的流程。
• 能力100 万 tokens 上下文与 6.4 万 tokens 单次输出，可把长篇报告或会议录音转写一次性放入同一请求，减少分段拼接。
• 披露参数规模、训练数据构成、是否采用混合专家结构均未说明，公开资料较少，架构判断只能停留在输入输出层面。

开源权重

否

没有第三方跑分可引用，以下判断基于可确认的规格与同价位模型的常见取舍，落地前建议自行对比测试。

• 强项超长上下文叠加图像、音频输入，在需要把录音与图文材料合并处理的场景里，省去多段串联与人工对齐的成本。
• 短板缺少公开评测，实际推理质量与超长文本下的稳定性无从外部验证，与同价位竞品的强弱目前难有公论。
• 适合文档审阅、会议纪要与多模态资料汇总；对延迟极敏感或追求极低单价的批量任务并不划算。
• 验证官方标注推理与附件输入两项能力，建议先用自家样本做小规模对照，再决定是否放量。

按输入 25 美元、输出 150 美元每百万 tokens 计价，处在明显偏高的一档，缓存读是唯一显著的低价项。

• 定位输入与输出价差达六倍，定价鼓励短输入、重输出的用法；长输出任务的实际账单会远高于输入侧估算。
• 横向对比与同为 1M 上下文的 Claude 系列相比，输入价高出 60% 至 92%，属于同规格里偏贵的选择。
• 平台差价目前只在 models.dev 上线，标准条目与 bee 条目的三项报价完全一致，暂无跨平台比价与议价空间。
• 省钱把固定系统提示与知识库放进缓存读、压缩输出长度、把简单分类任务分流到低价模型，是控制成本的主要手段。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $25/M / $150/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径无第三方跑分与公开基准，能力描述只能依据官方规格，任何效果结论都应视为未经外部验证。
• 边界闭源权重不可自部署，输出仅限文本，图像与音频只作输入；可获取渠道单一，供应与合规风险需自行评估。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。