# OpenRouter [Vision] API

> ਕੈਪਸ਼ਨਿੰਗ, OCR ਜਾਂ ਵਿਜ਼ੂਅਲ Q&A ਲਈ ਚਿੱਤਰਾਂ ਜਾਂ PDFs ਵਾਲੇ ਪ੍ਰੌਂਪਟ ਨੂੰ ਚੁਣੇ ਜਾ ਸਕਣ ਵਾਲੇ ਮਲਟੀਮੋਡਲ LLM ਕੋਲ ਭੇਜਦਾ ਹੈ

ਇੱਕ `prompt` ਅਤੇ `model` ਵਿੱਚ ਵਿਜ਼ਨ-ਸਮਰੱਥ ਭਾਸ਼ਾ ਮਾਡਲ ਦਾ ਨਾਮ ਲੈਂਦਾ ਹੈ, ਫਿਰ ਟੈਕਸਟ ਜਵਾਬ ਦਿੰਦਾ ਹੈ। `image_urls` ਰਾਹੀਂ ਤਸਵੀਰਾਂ ਅਤੇ `pdf_urls` ਰਾਹੀਂ ਦਸਤਾਵੇਜ਼ ਜੋੜੋ; `pdf_urls` ਸਿਰਫ਼ PDF ਫ਼ਾਈਲਾਂ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। `system_prompt`, 0 ਤੋਂ 2 ਤੱਕ `temperature`, `max_tokens`, ਵਿਕਲਪਿਕ ਰੀਜ਼ਨਿੰਗ ਆਉਟਪੁੱਟ ਅਤੇ ਵੈੱਬ ਖੋਜ ਦਾ ਵੀ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।

- Model id: `openrouter/router/vision`
- Made by: OpenRouter
- Category: LLM
- Output: text
- Charged by usage (up to $14.34 per run, typical $0.026; the rest of the hold is refunded): $0.01 / usage unit (cheapest run $0.026 (26 API credits))
- Run: `POST https://api.doitong.com/v1/run/openrouter/router/vision`
- Quote: `POST https://api.doitong.com/v1/quote/openrouter/router/vision`
- Docs page: https://doitong.com/pa/developers/models/openrouter/router/vision

## Pricing

Price: **$0.01 / usage unit**. Charged by actual usage at $0.01 / usage unit: up to $14.34 per run (the quote gives the maximum for your input), the rest is refunded automatically after the run. A typical run costs $0.026.

The full example input below holds up to $14.34 = 14340 API credits (up to 1434 units × $0.01) when it starts; a typical run costs $0.026 (26 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). This model is charged by usage: `POST https://api.doitong.com/v1/quote/openrouter/router/vision` with the same JSON body returns the most the run can cost for that input (`credits`, debited when the run starts); after the run you pay the usage the model reports and the rest is refunded automatically. An input whose maximum would exceed the per-run limit is refused with 422. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `image_urls` | `images` | array of image URL \| null | no |  |  | ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਚਿੱਤਰਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਵਾਲੇ URLs। |
| `pdf_urls` |  | array of string \| null | no |  |  | ਦਸਤਾਵੇਜ਼ ਟਿਕਾਣੇ ਸਿਰਫ਼ PDFs ਵਾਲੀ ਸੂਚੀ ਵਜੋਂ ਦਿਓ: .pdf ਫ਼ਾਈਲਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲੇ http(s) URLs ਜਾਂ data:application/pdf;base64,... ਰੂਪ ਵਾਲੇ data URIs। OpenRouter ਦਾ ਦਸਤਾਵੇਜ਼ ਪਾਰਸਰ ਉਨ੍ਹਾਂ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ ਜਦੋਂ ਮਾਡਲ PDFs ਨੂੰ ਮੂਲ ਰੂਪ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਨਹੀਂ ਕਰ ਸਕਦਾ। |
| `prompt` |  | string | yes |  |  | ਚਿੱਤਰ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਪ੍ਰੌਂਪਟ। |
| `system_prompt` |  | string \| null | no |  |  | ਮਾਡਲ ਨੂੰ ਹਦਾਇਤਾਂ ਜਾਂ ਸੰਦਰਭ ਦੇਣ ਵਾਲਾ ਸਿਸਟਮ ਪ੍ਰੌਂਪਟ। |
| `model` |  | string | yes |  |  | ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਮਾਡਲ ਦੀ ਪਛਾਣ ਕਰਨ ਵਾਲਾ ਨਾਮ। |
| `reasoning` |  | boolean | no | `false` |  | ਕੀ ਅੰਤਿਮ ਜਵਾਬ ਵਿੱਚ ਰੀਜ਼ਨਿੰਗ ਸ਼ਾਮਲ ਕਰਨੀ ਹੈ। |
| `temperature` |  | number | no | `1` | 0 – 2 | ਜਵਾਬ ਦੀ ਵੈਰੀਏਬਿਲਟੀ ਕੰਟਰੋਲ; 0 ਇਨਪੁੱਟ ਨਾ ਬਦਲਣ 'ਤੇ ਇਕੋ ਜਿਹਾ ਜਵਾਬ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ। ਕਦਰ ਵਧਾਉਣ ਨਾਲ ਜਵਾਬ ਅਨੁਮਾਨਯੋਗ, ਆਮ ਜਵਾਬਾਂ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਵਧੇਰੇ ਵਿਭਿੰਨ ਅਤੇ ਘੱਟ ਆਮ ਜਵਾਬਾਂ ਵੱਲ ਜਾਂਦੇ ਹਨ। |
| `max_tokens` |  | integer \| null | no |  | ≥ 1 | ਜਵਾਬ ਦੇ ਸਿਰਜੇ ਟੋਕਨ ਗਿਣਤੀ ਨੂੰ ਅਜਿਹੀ ਕਦਰ 'ਤੇ ਸੀਮਿਤ ਕਰੋ ਜੋ ਸੰਦਰਭ ਲੰਬਾਈ ਵਿੱਚੋਂ ਪ੍ਰੌਂਪਟ ਲੰਬਾਈ ਘਟਾਉਣ ਤੋਂ ਵੱਧ ਨਾ ਹੋਵੇ। ਸਿਰਜਣਾ ਨਿਰਧਾਰਤ ਸੀਮਾ ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋ ਸਕਦੀ। |
| `enable_web_search` |  | boolean | no | `false` |  | ਵੈੱਬ ਪਹੁੰਚ ਟੌਗਲ, ਜੋ ਮਾਡਲ ਨੂੰ ਇਹ ਚੁਣਨ ਦਿੰਦਾ ਹੈ ਕਿ ਖੋਜ ਕਰਨੀ ਹੈ ਜਾਂ ਨਹੀਂ ਅਤੇ ਕਦੋਂ ਕਰਨੀ ਹੈ, ਇੱਕ ਬੇਨਤੀ ਵਿੱਚ ਕਈ ਖੋਜਾਂ ਸਮੇਤ। ਖੋਜਾਂ ਰੀਅਲ-ਟਾਈਮ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ OpenRouter ਦੇ ਸਰਵਰ-ਸਾਈਡ ਵੈੱਬ ਖੋਜ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ। |
| `web_search_options` |  | object {engine, max_results, max_uses, max_total_results, search_context_size, max_characters, allowed_domains, excluded_domains, user_location} \| null | no |  |  | ਵੈੱਬ ਖੋਜ ਕੌਂਫਿਗਰੇਸ਼ਨ, ਜਿਸ ਵਿੱਚ ਇੰਜਣ ਚੋਣ, ਨਤੀਜਾ ਸੀਮਾਵਾਂ ਅਤੇ ਡੋਮੇਨ ਫ਼ਿਲਟਰਿੰਗ ਸ਼ਾਮਲ ਹਨ। ਸਿਰਫ਼ ਜਦੋਂ enable_web_search true ਹੋਵੇ, ਤਦ ਵਰਤੀ ਜਾਂਦੀ ਹੈ। |
| `web_search_options.engine` |  | enum (string) | no | `auto` | `auto`, `native`, `exa` | ਖੋਜ ਇੰਜਣ ਚੋਣ: 'auto' ਅਤੇ 'native' ਦੋਵੇਂ native ਖੋਜ ਉਪਲਬਧ ਨਾ ਹੋਣ 'ਤੇ Exa 'ਤੇ ਵਾਪਸ ਜਾਂਦੇ ਹਨ। 'auto' ਉਪਲਬਧ provider-native ਖੋਜ ਵਰਤਦਾ ਹੈ; 'native' OpenAI, Anthropic, Google, xAI ਜਾਂ Perplexity ਦੀ ਬਿਲਟ-ਇਨ ਖੋਜ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ। ਸਿਰਫ਼ Exa ਦੀ ਖੋਜ API ਵਰਤਣ ਲਈ 'exa' ਚੁਣੋ। |
| `web_search_options.max_results` |  | integer \| null | no |  | 1 – 25 | ਹਰੇਕ Exa ਖੋਜ ਕਾਲ ਲਈ ਨਤੀਜਾ ਸੀਮਾ, 1 ਤੋਂ 25 ਤੱਕ, ਪੂਰਵ-ਨਿਰਧਾਰਤ 5 ਨਾਲ। Native provider ਖੋਜ ਇਸ ਸੈਟਿੰਗ ਨੂੰ ਅਣਡਿੱਠਾ ਕਰਦੀ ਹੈ। |
| `web_search_options.max_uses` |  | integer \| null | no |  | ≥ 1 | ਹਰੇਕ ਬੇਨਤੀ ਲਈ ਖੋਜ ਸੀਮਾ, native ਖੋਜ ਲਈ Anthropic ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਪਰ ਹੋਰ native providers ਵੱਲੋਂ ਅਣਡਿੱਠੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸੀਮਾ ਤੋਂ ਵੱਧ ਕਾਲਾਂ ਨੂੰ ਗਲਤੀ ਨਤੀਜਾ ਮਿਲਦਾ ਹੈ ਅਤੇ ਉਹ ਚੱਲਦੀਆਂ ਨਹੀਂ। |
| `web_search_options.max_total_results` |  | integer \| null | no |  | ≥ 1 | ਇੱਕ ਬੇਨਤੀ ਅੰਦਰ ਸਾਰੀਆਂ ਖੋਜਾਂ ਲਈ ਸਾਂਝੀ ਨਤੀਜਾ ਸੀਮਾ। |
| `web_search_options.search_context_size` |  | enum (string) \| null | no |  | `low`, `medium`, `high` | Exa ਲਈ ਹਰੇਕ ਨਤੀਜੇ ਦੀ ਪ੍ਰਾਪਤੀ ਮਾਤਰਾ; ਦੋਵੇਂ ਦਿੱਤੇ ਹੋਣ 'ਤੇ max_characters ਇਸਨੂੰ ਬਦਲ ਦਿੰਦਾ ਹੈ ਅਤੇ native provider ਖੋਜ ਲਈ ਅਣਡਿੱਠੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। 5K ਅੱਖਰਾਂ ਲਈ low, 15K ਲਈ medium ਜਾਂ 30K ਲਈ high ਚੁਣੋ; ਨਾ ਦੇਣ 'ਤੇ Exa ਮਾਤਰਾ ਨੂੰ ਹਰੇਕ ਨਤੀਜੇ ਲਈ ਲਗਭਗ 2–4K ਅੱਖਰਾਂ ਤੱਕ ਢਾਲਦਾ ਹੈ। |
| `web_search_options.max_characters` |  | integer \| null | no |  | 1 – 100,000 | Exa ਲਈ ਹਰੇਕ ਨਤੀਜੇ ਦੀ ਸਮੱਗਰੀ ਅੱਖਰ ਸੀਮਾ, ਦੋਵੇਂ ਸੈਟਿੰਗਾਂ ਦਿੱਤੀਆਂ ਹੋਣ 'ਤੇ search_context_size ਨੂੰ ਓਵਰਰਾਈਡ ਕਰਦੀ ਹੈ। 1 ਤੋਂ 100,000 ਅੱਖਰਾਂ ਤੱਕ ਸਹੀ ਅਧਿਕਤਮ ਕਦਰ ਸੈੱਟ ਕਰੋ; native provider ਖੋਜ ਇਸ ਸੈਟਿੰਗ ਨੂੰ ਅਣਡਿੱਠਾ ਕਰਦੀ ਹੈ। |
| `web_search_options.allowed_domains` |  | array of string \| null | no |  |  | Exa ਅਤੇ ਜ਼ਿਆਦਾਤਰ native search providers ਲਈ ਡੋਮੇਨ allowlist, ਜੋ ਨਤੀਜਿਆਂ ਨੂੰ ਸੂਚੀਬੱਧ ਡੋਮੇਨਾਂ ਤੱਕ ਸੀਮਿਤ ਕਰਦੀ ਹੈ। Google native search ਇਸਨੂੰ ਸਮਰਥਨ ਨਹੀਂ ਦਿੰਦੀ। |
| `web_search_options.excluded_domains` |  | array of string \| null | no |  |  | Exa ਖੋਜਾਂ ਅਤੇ ਅਨੁਕੂਲ ਨੇਟਿਵ ਪ੍ਰਦਾਤਾਵਾਂ ਲਈ ਡੋਮੇਨ ਬਾਹਰਕਰਨ ਸੂਚੀ; Google ਅਤੇ OpenAI ਨੇਟਿਵ ਖੋਜਾਂ ਇਸ ਸੂਚੀ ਨੂੰ ਲਾਗੂ ਨਹੀਂ ਕਰ ਸਕਦੀਆਂ। ਸੂਚੀਬੱਧ ਡੋਮੇਨਾਂ ਤੋਂ ਆਉਣ ਵਾਲੇ ਨਤੀਜੇ ਬਾਹਰ ਕਰ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ। |
| `web_search_options.user_location` |  | object {type, city, region, country, timezone} \| null | no |  |  | ਉਪਭੋਗਤਾ ਦਾ ਲਗਭਗ ਟਿਕਾਣਾ, ਜੋ ਨੇਟਿਵ ਖੋਜ ਨਤੀਜਿਆਂ ਨੂੰ ਭੂਗੋਲਿਕ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ; Exa ਇਹ ਜਾਣਕਾਰੀ ਨਹੀਂ ਵਰਤਦਾ। |
| `web_search_options.user_location.type` |  | string | no | `approximate` |  | ਟਿਕਾਣੇ ਦੀ ਸ਼੍ਰੇਣੀ; ਸਮਰਥਿਤ ਇਕੱਲਾ ਮੁੱਲ 'approximate' ਹੈ। |
| `web_search_options.user_location.city` |  | string \| null | no |  |  | ਸ਼ਹਿਰ ਦਾ ਨਾਮ, ਜਿਵੇਂ 'San Francisco'। |
| `web_search_options.user_location.region` |  | string \| null | no |  |  | ਰਾਜ ਜਾਂ ਖੇਤਰ ਦਾ ਨਾਮ, ਜਿਵੇਂ 'California'। |
| `web_search_options.user_location.country` |  | string \| null | no |  |  | ਦੋ ਅੱਖਰਾਂ ਵਿੱਚ ਦਰਸਾਇਆ ਦੇਸ਼ ਪਛਾਣਕਰਤਾ, ਜਿਵੇਂ 'US'। |
| `web_search_options.user_location.timezone` |  | string \| null | no |  |  | IANA ਨੋਟੇਸ਼ਨ ਵਿੱਚ ਸਮਾਂ ਖੇਤਰ ਪਛਾਣਕਰਤਾ, ਜਿਵੇਂ 'America/Los_Angeles'। |

File parameters (`images`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "model": "openai/gpt-6-sol"
}
```

A fuller example:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "model": "openai/gpt-6-sol"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/openrouter/router/vision?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "model": "openai/gpt-6-sol"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/openrouter/router/vision?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "model": "openai/gpt-6-sol"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "model": "openai/gpt-6-sol",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/openrouter/router/vision", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "openrouter/router/vision",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "model": "openai/gpt-6-sol"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "openrouter/router/vision",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 14340,
    "usd": "14.34",
    "charged": 14340,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "model": "openai/gpt-6-sol"
  },
  "output": {
    "output": "A close-up of a tiger's face focusing on its bright orange iris and the area around its eye, with white fur eyebrows and a contrasting black and rich orange striped fur pattern. The word \"FLUX\" is overlaid in bold, white, brush-stroke styled text across the tiger's face.",
    "usage": {
      "prompt_tokens": 1,
      "completion_tokens": 1,
      "total_tokens": 0,
      "cost": 1.0,
      "prompt_tokens_details": {
        "cached_tokens": 0,
        "cache_write_tokens": 0
      }
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `output` | string | ਮਾਡਲ ਵੱਲੋਂ ਤਿਆਰ ਕੀਤਾ ਨਤੀਜਾ। |
| `usage` | object {prompt_tokens, completion_tokens, total_tokens, cost, prompt_tokens_details} \| null | ਟੋਕਨ ਖਪਤ ਦੇ ਵੇਰਵੇ। |

## Related models

- [OpenRouter](https://doitong.com/developers/models/openrouter/router.md) (`openrouter/router`): $0.01 / usage unit
- [OpenRouter \[Audio\]](https://doitong.com/developers/models/openrouter/router/audio.md) (`openrouter/router/audio`): $0.01 / usage unit
- [OpenRouter \[Enterprise\]](https://doitong.com/developers/models/openrouter/router/enterprise.md) (`openrouter/router/enterprise`): $0.01 / usage unit
- [OpenRouter \[Video\]](https://doitong.com/developers/models/openrouter/router/video.md) (`openrouter/router/video`): $0.01 / usage unit
- [OpenRouter \[Video\]\[Enterprise\]](https://doitong.com/developers/models/openrouter/router/video/enterprise.md) (`openrouter/router/video/enterprise`): $0.01 / usage unit
- [Bytedance Seed V2 Mini](https://doitong.com/developers/models/bytedance/seed/v2/mini.md) (`bytedance/seed/v2/mini`): $0.0001 / 1000 tokens
- [Fibo Edit \[Structured Instruction\]](https://doitong.com/developers/models/bria/fibo-edit/edit/structured_instruction.md) (`bria/fibo-edit/edit/structured_instruction`): $0.01 / request
- [Fibo Lite · Structured Prompt](https://doitong.com/developers/models/bria/fibo-lite/generate/structured_prompt.md) (`bria/fibo-lite/generate/structured_prompt`): $0.008 / request

## Links

- HTML page: https://doitong.com/developers/models/openrouter/router/vision
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=openrouter/router/vision
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/openrouter/router/vision