Nano Banana Pro (Gemini 3 Pro Image)
Eine Einführung in dieser Sprache ist in Vorbereitung.
MODELLVERZEICHNIS
Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.
Eine Einführung in dieser Sprache ist in Vorbereitung.
Qwen-VL-OCR ist ein auf optische Zeichenerkennung und Dokumentverarbeitung spezialisiertes Vision-Language-Modell. Die Version qwen-vl-ocr-2025-11-20 ist ein Snapshot vom 20. November 2025 auf Basis…
Qwen-MT-Lite ist ein auf Qwen3 basierendes Sprachmodell für schnelle, kostengünstige Textübersetzung. Alibaba Cloud führt es in der offiziellen Veröffentlichungsübersicht unter dem 19. November 2025.…
Gemini 3 Pro ist Googles multimodales Reasoning-Modell für anspruchsvolle Aufgaben und agentische Arbeitsabläufe. Die Preview-Version gemini-3-pro-preview wurde am 18. November 2025 veröffentlicht.…
Veo 3.1 Fast ist Googles auf schnellere Videogenerierung ausgelegte Variante der Veo-3.1-Familie. Sie eignet sich unter anderem für reguläre Produktionsabläufe und die Erstellung kurzer Videoentwürfe.…
Veo 3.1 ist Googles Modellfamilie zur Videogenerierung. Die Standardversion veo-3.1-generate-001 wurde am 17. November 2025 allgemein verfügbar. (docs.cloud.google.com) Generierung von Videos aus Text…
CosyVoice-v3-Flash ist ein leistungsorientiertes Sprachsynthese- und Stimmenklonmodell der CosyVoice-Reihe von Tongyi Labs. Alibaba führt es für den chinesischen Dienst unter dem 17. November 2025;…
Qwen3-ASR-Flash-Filetrans ist die auf lange Audiodateien ausgerichtete Version des mehrsprachigen Spracherkennungsmodells Qwen3-ASR-Flash. Der Snapshot ist auf den 17. November 2025 datiert. Alibabas…
Baidu stellte ERNIE 5.0 am 13. November 2025 auf der Baidu World 2025 vor. Die Preview war laut Ankündigung über ERNIE Bot für die Öffentlichkeit und über die MaaS-Plattform Qianfan für Unternehmen…
WebVIA-Agent ist ein auf GLM-4.1V-9B-Base aufbauendes Vision-Language-Modell zur Erkundung von Weboberflächen. Es ist die Erkundungskomponente des WebVIA-Frameworks für die interaktive und…
GUI-Plus ist ein multimodales Basismodell zur visuellen Erkennung und Interaktion mit grafischen Benutzeroberflächen auf Mobilgeräten und Computern. Alibaba führt gui-plus in der Modellankündigung…
UI2Code^N ist ein visuelles Sprachmodell für die interaktive Umsetzung von Benutzeroberflächen in Code. Es basiert auf GLM-4.1V-9B-Base und wurde durch mehrstufiges Vortraining, Feinabstimmung und…
Eine Einführung in dieser Sprache ist in Vorbereitung.
Kimi K2 Thinking ist ein auf mehrstufiges Schlussfolgern und agentische Aufgaben ausgerichtetes Modell. Moonshot AI veröffentlichte es am 6. November 2025 mit offenen Modellgewichten. Die Modellkarte…