> ## Documentation Index > Fetch the complete documentation index at: https://wand.tencentpoc.com/llms.txt > Use this file to discover all available pages before exploring further. # Model List > TokenHub에서 제공하는 언어 모델과 임베딩 모델의 목록, 지원 기능, 컨텍스트 길이를 정리합니다. TokenHub에서 호출 가능한 모델 목록입니다. API 호출 시 `model` 파라미터에는 Model (API Parameter) 값을 전달합니다. 실시간 목록과 상태는 `GET /v1/models` API로도 확인할 수 있습니다 ([API 사용 가이드](/tokenhub/api-usage) 참조). ## 언어 모델 | Model Name | Model (API Parameter) | 지원 기능 | Context Window | 최대 입력 | 최대 출력 | | --------------------------------- | -------------------------- | --------------------------------------------------------------------------------- | -------------- | ----- | ----- | | Hy3 | `hy3` | Deep Reasoning (Preserved Thinking), Structured Output, Function Calling, Caching | 256k | 192k | 128k | | DeepSeek-V4-Flash (Vendor Direct) | `deepseek-v4-flash-202605` | Deep Reasoning, Structured Output, Function Calling, Caching | 1M | 1M | 384k | | DeepSeek-V4-Pro (Vendor Direct) | `deepseek-v4-pro-202606` | Deep Reasoning, Structured Output, Function Calling, Caching | 1M | 1M | 384k | | DeepSeek-V4-Flash | `deepseek-v4-flash` | Deep Reasoning, Structured Output, Function Calling, Caching | 1M | 1M | 384k | | DeepSeek-V4-Pro | `deepseek-v4-pro` | Deep Reasoning, Structured Output, Function Calling, Caching | 1M | 1M | 384k | | Deepseek-v3.2 | `deepseek-v3.2` | Deep Reasoning, Structured Output, Function Calling | 128k | 96k | 32k | | GLM-5.3 | `glm-5.3` | Deep Reasoning, Structured Output, Function Calling, Caching | 1M | 1M | 128k | | GLM-5.2 | `glm-5.2` | Deep Reasoning, Structured Output, Function Calling, Caching | 1M | 1M | 128k | | GLM-5.1 | `glm-5.1` | Deep Reasoning, Structured Output, Function Calling, Caching | 200k | 200k | 128k | | GLM-5 | `glm-5` | Deep Reasoning, Function Calling, Caching | 200k | 200k | 128k | | GLM-5V-Turbo | `glm-5v-turbo` | Deep Reasoning, Structured Output, Function Calling, Caching | 200k | 200k | 128k | | GLM-5-Turbo | `glm-5-turbo` | Deep Reasoning, Structured Output, Function Calling, Caching | 200k | 200k | 128k | | Kimi K3 | `kimi-k3` | Deep Reasoning, Structured Output, Function Calling, Caching | 1M | 1M | 1M | | Kimi K2.7 Code HighSpeed | `kimi-k2.7-code-highspeed` | Deep Reasoning, Structured Output, Function Calling, Caching | 256k | 256k | 256k | | Kimi K2.7 Code | `kimi-k2.7-code` | Deep Reasoning, Structured Output, Function Calling, Caching | 256k | 256k | 256k | | Kimi-K2.6 | `kimi-k2.6` | Deep Reasoning, Structured Output, Function Calling, Caching | 256k | 256k | 256k | | Kimi-K2.5 | `kimi-k2.5` | Deep Reasoning, Structured Output, Function Calling, Caching | 256k | 224k | 16k | | MiniMax-M3 | `minimax-m3` | Deep Reasoning, Function Calling, Caching | 1M | 1M | - | | MiniMax-M2.7 | `minimax-m2.7` | Deep Reasoning, Function Calling, Caching | 200k | 200k | 128k | | MiniMax-M2.5 | `minimax-m2.5` | Deep Reasoning, Function Calling, Caching | 200k | 200k | 128k | | Hy-MT2-Plus | `hy-mt2-plus` | 번역 전용 모델. 우수한 번역 성능과 명령 수행 능력을 제공합니다. | 8k | 4k | 4k | | MiMo-V2.5-Pro | `mimo-v2.5-pro` | Deep Reasoning, Structured Output, Function Calling, Caching | 1M | 1M | 128k | ## 임베딩 모델 | Model Name | Model (API Parameter) | 설명 | 출력 차원 | Context Window | | -------------------------- | ---------------------------- | ---------------------------------------------------------------------------------- | ----- | -------------- | | Kinfra-Text-Embedding-0.6b | `kinfra-text-embedding-0.6b` | 경량 텍스트 임베딩 모델. 대규모 텍스트 검색, 지연 시간 민감, 비용 민감 시나리오에 적합합니다. | 1024 | 32k | | Kinfra-Text-Embedding-4b | `kinfra-text-embedding-4b` | 고품질 텍스트 임베딩 모델. 고품질 텍스트 검색과 심층 시맨틱 이해 시나리오에 적합합니다. | 2560 | 32k | | Kinfra-VL-Embedding-2b | `kinfra-vl-embedding-2b` | 경량 멀티모달 임베딩 모델. 텍스트, 이미지, 비디오 입력을 지원하며 멀티모달 온라인 검색, 비디오 검색 등 응답 속도 우선 시나리오에 적합합니다. | 2048 | 32k | | Kinfra-VL-Embedding-8b | `kinfra-vl-embedding-8b` | 고정밀 멀티모달 임베딩 모델. 텍스트, 이미지, 비디오 입력을 지원하며 고정밀 멀티모달 검색 등 정확도 우선 시나리오에 적합합니다. | 4096 | 32k | 위 모델들은 중국어, 영어, 일본어, 한국어, 프랑스어, 독일어, 러시아어, 포르투갈어, 스페인어를 포함한 30개 이상의 주요 언어를 지원합니다. ## 지원 기능 설명 | 기능 | 설명 | | ----------------- | ------------------------------------------------------------------------------------------------------ | | Deep Reasoning | 최종 응답을 생성하기 전에 먼저 Chain-of-Thought 방식으로 문제를 단계별로 분석하고 분해합니다. 수학, 논리 추론, 코드 생성 등 복잡한 작업의 응답 정확도를 높입니다. | | Structured Output | JSON Schema 등 지정된 형식의 구조화된 데이터를 출력합니다. 정보 추출, 데이터 채우기, API 응답 구성 등 다운스트림 프로그램이 바로 파싱해야 하는 시나리오에 적합합니다. | | Function Calling | 추론 과정에서 사용자 의도에 따라 사전 정의된 외부 도구나 API를 자동으로 식별하고 호출합니다. 데이터베이스 조회, 서드파티 서비스 호출 등의 확장 동작을 지원합니다. | | Caching | 이전 요청의 컨텍스트 계산 결과를 재사용해 중복 계산을 줄입니다. 응답 속도 향상과 호출 비용 절감 효과가 있습니다. | ## 주의사항 * 모델별 상세 요청 파라미터는 [Language Model API](https://www.tencentcloud.com/document/product/1300/80632)와 [Embedding Model](https://www.tencentcloud.com/document/product/1300/81297) 문서를 참조하세요. * `GET /v1/models` 응답에서 `status`가 `pre-offline`인 모델은 서비스 종료 예정입니다. 신규 연동에는 `online` 상태 모델을 사용하세요.