对视觉内容提问
将图片或短视频与具体问题一起提交。
MOSS VLBeta
MOSS VL AI 图像与视频理解
使用 MOSS VL 理解图片与短视频，询问画面细节、总结场景、提取图像中的信息。Beta 服务的可用性由上游决定。
每次请求 2 积分起上游暂不可用
生成结果
一点灵感，一种全新可能。
生成的声音、图片或文字将在这里呈现。
01 / 深入了解模型
看得更细，问得更深。
MOSS VL 是结合图像、视频和文字进行理解的视觉语言模型。官方项目介绍了中英文文档阅读、OCR、多图推理与视频时序理解。此页面预览本站的上传提问流程。由于当前上游 API 对此集成不可用，生成按钮暂时禁用，不会扣除积分。
读懂画面中的文字
官方模型覆盖文字识别与文档理解。
理解时间关系
模型家族也探索视频帧之间的事件与关系。
02 / 示例与试听空间
探索官方模型看看，听听，感受它的表达。
官方示例注明 OpenMOSS 来源；工作室示例由我们使用标注的 API 模型生成。它们是已保存的预览，不是按你当前设置生成的结果，研究能力与本站操作范围可能不同。
观察、推理与回答
MOSS-VL 家族官方视频 · 保留原始多语言内容03 / 使用场景
找到适合它的位置。
文档探索
服务可用后，可询问图表、截图和页面布局。
场景理解
探索画面中可见物体、动作及其关系。
04 / 常见问题
开始前，你可能想了解。
现在可以使用 MOSS VL 吗？
暂时不能，上游模型对当前集成不可用，表单已禁用且不会扣费。
预设积分费率是多少？
服务恢复后，预设为图片每次 2 积分，60 秒内视频每次 6 积分。
视觉理解和图像生成相同吗？
不同。VL 分析视觉输入并回答问题，Image Base 和 SFT 根据文字生成新图片。
为你的下一个灵感而生
选择模型，输入内容，确认积分消耗后开始创作。成功结果保留在账户记录中；AI 输出可能存在错误，请自行核实。
文本按实际字符计费，不足 1 积分向上取整；音频按开始的分钟数计费；实时语音每开始 6 秒扣 1 积分。