Zero Data Retention

该模型隶属 TrustedRouter 的产品线，与同门的 Cheap、Fast、Synth、Synth Code、End-to-End Encrypted 共享 1M 上下文规格，差异主要落在用途与策略取向，而非参数规模。它要解决的是「材料太长、格式太杂、结果要能用」的问题：输入支持文本、图片与 PDF，输出为纯文本，配合推理、工具调用与结构化输出，可以把整份合同、报告或图文材料直接转成字段化结果，省掉预先切分与人工摘录。单次最大输出 131072 tokens，意味着长清单、整章改写这类任务不必分段拼接。官方未公开权重与价格，公开跑分也缺失，实际表现需要自行验证。

选型建议需要超长上下文、附件理解与结构化输出，且对数据留存有明确要求的场景值得评估；若重点在压低成本或需要公开跑分背书，应先在 TrustedRouter 同门型号间比较或暂缓选型。

• 把上百页 PDF 合同一次性读入，提取条款要点并输出结构化字段
• 对图文混排的调研材料做跨文件比对，生成统一口径的摘要表
• 在 Agent 流程中挂载工具调用，读取附件后按固定结构回填结果
• 处理需要长输出的任务，例如整章改写或长清单批量生成
• 在数据留存敏感的业务中跑推理任务，先与厂商确认留存条款

官方未公开权重、参数量与网络结构，以下判断基于命名取向与本站可确认的能力清单。

• 结构采用闭源权重，未披露参数规模与训练细节；与同门 Cheap、Fast、Synth 等同属 1M 上下文规格的产品线，差异集中在用途与策略而非结构披露。
• 能力具备推理、工具调用、结构化输出、附件输入与温度调节，输入覆盖文本、图片、PDF，输出为纯文本，便于把附件内容转成可解析结果。
• 披露可确认的规格为 1000000 tokens 上下文与 131072 tokens 单次最大输出，训练数据来源、模型体量等信息公开资料较少。

开源权重

否

本站未收录该模型的公开跑分，第三方评测数据缺失，只能依据规格与能力清单做定性判断。

• 强项百万级上下文配合较大的单次输出上限，整篇长文档理解、跨附件比对与长结构化结果生成是主要发挥空间。
• 短板输出仅限纯文本，无法直接产出图像或音频；缺少公开跑分，推理深度与工具调用的稳定性难以在选型前得到量化验证。
• 适合适合把成批 PDF 与图片一次性送入并索取字段化结果的流程；以极低延迟为目标的轻量问答，未必需要这一档规格。

官方价格未公开，同门对比型号的输入输出价同样缺失，成本判断只能给出方法与边界，无法给出具体单价。

• 定位官方价格未公开，本站无法给出单价区间；采购前需向 TrustedRouter 直接询价，并确认长上下文与附件输入的计费口径。
• 横向对比同门 Cheap、Fast、Synth、Synth Code 的输入输出价均未公开，价差无法计算，无法据此判断它相对同门的性价比位置。
• 平台差价本站仅收录 1 家平台，缺少跨平台比价空间；单一渠道意味着议价余地与后续迁移灵活性都相对有限。
• 省钱可先用小模型打磨提示词，把附件裁剪到必要范围再切到该模型，减少按 token 计费时的无效消耗。

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

• 口径价格与跑分均为空白项，不做估算；能力描述来自规格清单，属定性判断，不代表实测结论。
• 边界闭源权重且仅 1 家平台可获取，存在供应商锁定；零留存取向需以合同或合规文档确认，不能只凭模型名称推断。

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。