MODELLVERZEICHNIS

Neueste KI-Modelle

Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.

Neueste zuerst7 Sprachen
Zurücksetzen

241 Modelle

Neueste zuerst
Baidu

PP-OCRv6_small_det

PP-OCRv6_small_det ist das kleine Texterkennungs-Lokalisierungsmodell der PP-OCRv6-Reihe. Es ist auf ein Gleichgewicht zwischen Genauigkeit und Effizienz ausgelegt und für den mobilen Einsatz…

Baidu

PP-OCRv6_tiny_rec

PP-OCRv6_tiny_rec ist das leichteste Texterkennungsmodell der PP-OCRv6-Reihe. Es besitzt laut offizieller Modellkarte rund 1,1 Millionen Parameter und verwendet LCNetV4 sowie einen…

Baidu

PP-OCRv6_tiny_det

PP-OCRv6_tiny_det ist ein ultraleichtes Texterkennungs-Detektionsmodell der PaddleOCR-Reihe von Baidu. Es ist für die Lokalisierung von Text in Bildern und insbesondere für Edge- und IoT-Geräte…

Google

DiffusionGemma

DiffusionGemma ist ein experimentelles multimodales Open-Weights-Modell von Google DeepMind für schnelle Textgenerierung, insbesondere bei lokaler Nutzung und geringer Parallelität. Die untersuchte,…

Anthropic

Claude Mythos 5

Claude Mythos 5 wurde am 9. Juni 2026 als Nachfolger von Claude Mythos Preview veröffentlicht. Es ist ein leistungsfähiges Modell für Cybersicherheit und biologische Forschung. Es nutzt dasselbe…

Anthropic

Claude Fable 5

Claude Fable 5 ist ein allgemein zugängliches KI-Modell für anspruchsvolle Wissensarbeit und Softwareentwicklung. Es basiert auf demselben Grundmodell wie Claude Mythos 5, besitzt aber zusätzliche…

Google

Gemini 3.5 Live Translate

Gemini 3.5 Live Translate ist Googles Audio-Modell für die nahezu simultane Übersetzung gesprochener Sprache. Google veröffentlichte es am 9. Juni 2026; die API-Version ist eine Preview. (blog.google)…

Zhipu AI

SCAIL-2

SCAIL-2 ist ein offen veröffentlichtes Modell zur kontrollierten, durchgängigen Charakteranimation. Modellgewichte und Inferenzcode wurden laut offiziellem Repository am 9. Juni 2026 veröffentlicht. (…

Alibaba

Qwen3.7-Max

Qwen3.7-Max ist laut Alibaba das größte und leistungsfähigste Modell der Qwen3.7-Reihe. Der Snapshot qwen3.7-max-2026-06-08 ergänzt gegenüber dem Snapshot vom 20. Mai 2026 visuelles Verständnis und…

OpenAI

GPT-Rosalind-5.5

GPT-Rosalind-5.5 ist ein auf GPT-5.5 aufbauendes Reasoning-Modell für Forschung in Biologie, Arzneimittelentwicklung und translationaler Medizin. Die offizielle Ankündigung erschien am 3. Juni 2026. (…

Google

Gemma 4 12B

Gemma 4 12B Unified ist ein dichtes, multimodales Open-Weight-Modell mit rund 12 Milliarden Parametern. Es ist für lokale, agentische Anwendungen auf Laptops ausgelegt und wurde unter Apache 2.0…

Alibaba

Qwen3.7-Plus

Qwen3.7-Plus ist das auf ein günstiges Preis-Leistungs-Verhältnis ausgerichtete Plus-Modell der Qwen3.7-Reihe. Alibaba Cloud Model Studio führt diese Version als Snapshot vom 26. Mai 2026; die…

MiniMax

MiniMax M3

MiniMax M3 ist ein nativ multimodales Modell für Programmierung, komplexe Schlussfolgerungen und agentische Aufgaben. Es wurde am 1. Juni 2026 veröffentlicht. Die Modellgewichte sind unter der MiniMax…

Tencent

Universal Audio Tokenizer

Universal Audio Tokenizer ist ein von Tencent WeChat AI veröffentlichter Audio-Tokenizer mit einem einzelnen Codebuch. Er verbindet allgemeine Audiowahrnehmung mit sprachlicher Ausrichtung und ist als…

Anthropic

Claude Opus 4.8

Veröffentlicht: 28. Mai 2026. Claude Opus 4.8 ist ein leistungsstarkes Modell der Opus-Reihe und baut auf Claude Opus 4.7 auf. Anthropic führt es inzwischen als aktives Legacy-Modell. (anthropic.com)…

Google

Gemini 3 Pro Image

Gemini 3 Pro Image, auch Nano Banana Pro genannt, ist Googles multimodales Modell für anspruchsvolle Bilderzeugung und -bearbeitung. Die hier bezeichnete Version gemini-3-pro-image wurde am 28. Mai 20…

Google

Gemini 3.1 Flash Image

Gemini 3.1 Flash Image, auch Nano Banana 2 genannt, ist Googles auf Geschwindigkeit und hohen Durchsatz optimiertes Modell für Bildverständnis, Bildgenerierung und Bildbearbeitung. Es eignet sich…

Baidu

NAVA

NAVA ist ein Forschungsmodell des ERNIE-Teams von Baidu zur gemeinsamen Erzeugung von Video und synchronisiertem Audio. Das zugrunde liegende audiovisuelle Modell hat 6,3 Milliarden Parameter und…

Baidu

PaddleOCR-VL-1.6

PaddleOCR-VL-1.6 ist ein kompaktes Vision-Language-Modell mit 0,9 Milliarden Parametern zur strukturierten Analyse komplexer Dokumente. Es baut auf PaddleOCR-VL-1.5 auf und wurde am 28. Mai 2026 mit…

ByteDance

Bernini

Bernini 7+14B ist eine vollständige, offen verfügbare Pipeline zur Bild- und Videogenerierung sowie -bearbeitung. Sie kombiniert einen multimodalen semantischen Planer auf Basis von…