Зрение перестало быть платной надстройкой. В каталоге октября 2026 это признак бюджетного уровня: пять моделей дешевле $0.16/M входа читают изображения нативно, один из лучших омни-модальных вариантов вообще бесплатен, и даже премиальные западные выборы упали до доли прошлогодних цен на зрение. Если ваша нагрузка касается скриншотов, документов, проверки UI или фото товаров — цена «видеть» обрушилась.
Это рейтинг на основе каталога — все цены и теги из живого каталога MeshTok на 2026-10-26 (проверяется на странице цен). Группируем по ценовым уровням и отмечаем, кто добавляет аудио или видео к изображениям.
Поле зрения одним взглядом
Все модели ниже несут тег vision (нативный ввод изображений) и вызываются через один OpenAI-совместимый эндпоинт https://meshtok.com/v1:
| Model id | Контекст | Вход $/M | Выход $/M | Бонусы |
|---|---|---|---|---|
agnes/agnes-2.0-flash | 512K | бесплатно | бесплатно | агентность, tools |
bigmodel/glm-5.3-flash | 1M | $0.12 | $0.42 | tools, fast |
xiaomi/mimo-v2.6-flash | 1M | $0.15 | $0.30 | ввод аудио |
ali/qwen3.8-flash | 1M | $0.15 | $0.45 | tools, fast |
deepseek/deepseek-v4.1-flash | 1M | $0.15 | $0.60 | reasoning |
deepseek/deepseek-v4-flash-vision-exp | 1M | $0.15 | $0.60 | экспериментальная vision-линия |
ali/qwen3.5-omni-flash | 256K | $0.33 | $1.98 | ввод аудио + видео |
google/gemini-3.8-flash | 1M | $0.75 | $3.75 | coding, reasoning, tools |
ali/qwen3.5-omni-plus | 256K | $1.04 | $5.95 | аудио + видео, омни-флагман |
stepfun/step-5-preview | 256K | $1.04 | $2.98 | ввод видео, кодинг-флагман |
anthropic/claude-sonnet-5.5 | 1M | $2.00 | $10.00 | reasoning, tools |
anthropic/claude-opus-5.5 | 1M | $4.00 | $20.00 | flagship, reasoning, tools |
openai/gpt-6-astra | 400K | $10.00 | $50.00 | флагман OpenAI |
Бюджетный уровень: зрение за $0.12–$0.15/M
Этого уровня не было год назад, и именно здесь должна жить большая часть объёмов по изображениям:
- GLM-5.3-Flash ($0.12/$0.42) — самая дешёвая модель с vision в каталоге. Первая нативно мультимодальная GLM-5 от Zhipu (320B общих / 18B активных) читает изображения по цене, на которой в прошлом году сидели текстовые модели. Для классификации скриншотов, разбора чеков и модерации в масштабе — это ценовой пол.
- MiMo V2.6 Flash ($0.15/$0.30) — единственная бюджетная модель с тегом
audio: изображения и звук при самой дешёвой цене выхода каталога. Транскрипция голосовых заметок плюс понимание скриншотов в одной модели — реально полезная комбинация для саппорт-инструментов. - Qwen3.8 Flash ($0.15/$0.45) — сбалансированный flash от Alibaba: изображения плюс вызов инструментов, окно 1M. Выбор, когда вызовы зрения должны ещё и запускать function calls.
- DeepSeek V4.1 Flash ($0.15/$0.60) — добавляет тег
reasoningк зрению: выбор, когда изображениям нужно думать (чтение графиков, вопросы по диаграммам, математика с фото). - Agnes 2.0 Flash (бесплатно) — ноль долларов, окно 512K, понимание изображений в комплекте. Для прототипов vision-пайплайнов, CI-смоуков и прогонов бесплатное бьёт дешёвое.
Средний уровень: шаг к омни ($0.33–$1.04/M)
- Qwen3.5 Omni Flash ($0.33/$1.98) — самая дешёвая настоящая омни-модель: текст, изображение, аудио и аудио-видео на входе, создана для взаимодействия в реальном времени. Голосовые ассистенты и пайплайны понимания медиа начинаются здесь.
- Gemini 3.8 Flash ($0.75/$3.75) — сильнейший Flash от Google: зрение плюс теги
codingиreasoningна окне 1M. Выбор для смешанных нагрузок, где одна модель должна и читать скриншоты, и писать по ним код. - Qwen3.5 Omni Plus ($1.04/$5.95) — омни-флагман: аудио-видео понимание максимального качества, когда Flash-варианта мало.
- Step 5 Preview ($1.04/$2.98) — нативно принимает видео вместе с текстом и изображениями, с тегом кодинг-флагмана — узкое, но реальное преимущество для video-to-code и медиа-воркфлоу.
Премиум: зрение при флагманах ($2.00–$10.00/M)
Claude Sonnet 5.5 ($2.00/$10.00) — чемпион по скриншот-отладке: vision плюс reasoning плюс tools на окне 1M и самый дешёвый способ получить зрение внутри топового агентного стека. Claude Opus 5.5 ($4.00/$20.00) и GPT-6 Astra ($10.00/$50.00) — для тяжёлого конца: длинные агентные прогоны, где модель должна читать экран, планировать и действовать часами. Для чистого понимания изображений оба избыточны; их vision — бонус, а не причина платить.
Сколько стоит месяц vision-трафика
Эталонная нагрузка: 1M входа + 0.25M выхода ежедневно, 30 дней (токены изображений считаются как вход — именно там концентрируется стоимость зрения):
| Модель | В месяц | Уровень |
|---|---|---|
| Agnes 2.0 Flash | $0 | бесплатно |
| GLM-5.3-Flash | $6.75 | бюджет |
| MiMo V2.6 Flash | $6.75 | бюджет + аудио |
| Qwen3.8 Flash | $7.88 | бюджет + tools |
| DeepSeek V4.1 Flash | $9.00 | бюджет + reasoning |
| Qwen3.5 Omni Flash | $24.75 | омни |
| Gemini 3.8 Flash | $50.63 | средний + coding |
| Step 5 Preview | $53.55 | средний + видео |
| Claude Sonnet 5.5 | $135.00 | премиум |
| Claude Opus 5.5 | $270.00 | премиум-флагман |
| GPT-6 Astra | $675.00 | флагман OpenAI |
Разброс резок: полный месяц тяжёлого по изображениям трафика стоит $6.75 на бюджетном полу или $675 на вершине рынка — 100× за одну и ту же фундаментальную работу.
Выбор под задачу
- Классификация скриншотов, чеки, модерация в масштабе → GLM-5.3-Flash (пол входа $0.12)
- Изображения + голосовые заметки (саппорт) → MiMo V2.6 Flash
- Графики, диаграммы, математика с фото → DeepSeek V4.1 Flash (vision + reasoning)
- Голосовые ассистенты, аудио-видео понимание → Qwen3.5 Omni Flash → Omni Plus за качеством
- Прочитать экран, затем написать код → Gemini 3.8 Flash или Step 5 Preview
- Агентные циклы со скриншотами → Claude Sonnet 5.5 (дальше Opus 5.5 для тяжёлого конца)
- Прототипы без бюджета → Agnes 2.0 Flash
Попробуйте одним запросом
import base64
from openai import OpenAI
client = OpenAI(
base_url="https://meshtok.com/v1",
api_key="sk-your-MeshTok-key",
)
img = base64.b64encode(open("screenshot.png", "rb").read()).decode()
resp = client.chat.completions.create(
model="bigmodel/glm-5.3-flash", # или mimo-v2.6-flash, gemini-3.8-flash, claude-sonnet-5.5
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "Опиши все элементы интерфейса на этом скриншоте."},
{"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img}"}},
],
}],
)Цены отражают каталог MeshTok на 2026-10-26; живые цифры на странице цен, детали по моделям на страницах моделей. Текстовый бюджетный уровень — в материале Самые дешёвые AI API до $0.20/M.