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…
MODELLVERZEICHNIS
Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.
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…
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…
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…
DiffusionGemma ist ein experimentelles multimodales Open-Weights-Modell von Google DeepMind für schnelle Textgenerierung, insbesondere bei lokaler Nutzung und geringer Parallelität. Die untersuchte,…
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…
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…
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)…
SCAIL-2 ist ein offen veröffentlichtes Modell zur kontrollierten, durchgängigen Charakteranimation. Modellgewichte und Inferenzcode wurden laut offiziellem Repository am 9. Juni 2026 veröffentlicht. (…
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…
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. (…
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…
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 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…
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…
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)…
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…
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…
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…
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…
Bernini 7+14B ist eine vollständige, offen verfügbare Pipeline zur Bild- und Videogenerierung sowie -bearbeitung. Sie kombiniert einen multimodalen semantischen Planer auf Basis von…