GLM-5.2
GLM-5.2 ist ein am 16. Juni 2026 vorgestelltes Flaggschiffmodell für langfristige Aufgaben und agentische Softwareentwicklung. Die Modellgewichte sind unter der MIT-Lizenz verfügbar. (z.ai) Langer…
MODELLVERZEICHNIS
Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.
GLM-5.2 ist ein am 16. Juni 2026 vorgestelltes Flaggschiffmodell für langfristige Aufgaben und agentische Softwareentwicklung. Die Modellgewichte sind unter der MIT-Lizenz verfügbar. (z.ai) Langer…
HappyHorse-1.1-I2V ist ein Bild-zu-Video-Modell von Alibaba, das über Alibaba Cloud Model Studio angeboten wird. Die offizielle Modellankündigung führt es unter dem 16. Juni 2026. (alibabacloud.com)…
HappyHorse-1.1-R2V ist ein Referenzbild-zu-Video-Modell auf Alibaba Cloud Model Studio. Alibaba führt es in der offiziellen Modellankündigung unter dem 16. Juni 2026. (alibabacloud.com) Das Modell…
HappyHorse-1.1-T2V ist ein Text-zu-Video-Modell, das über Alibaba Cloud Model Studio bereitgestellt wird. Die offizielle Modellankündigung führt es unter dem 16. Juni 2026 auf. (alibabacloud.com) Das…
Qwen3.5-OCR ist ein auf der Qwen3.5-Architektur basierendes Modell zur optischen Zeichenerkennung und Dokumentverarbeitung. Alibaba führt es unter dem 16. Juni 2026 auf. (alibabacloud.com) Das Modell…
Hy-Embodied-0.5-VLA-RoboTwin ist ein offen verfügbarer Vision-Language-Action-Checkpoint für die zweihändige Robotermanipulation. Er wurde aus dem UMI-vortrainierten Hy-VLA-Modell auf den 50 Aufgaben…
Hy-Embodied-0.5-VLA-UMI ist ein vortrainierter Vision-Language-Action-Checkpoint für die Robotermanipulation. Er dient als allgemeiner Ausgangspunkt für die Feinabstimmung auf konkrete Roboter und…
Kimi K2.7 Code ist ein auf Programmierung und agentische Aufgaben spezialisiertes Modell mit veröffentlichten Modellgewichten. Moonshot AI kündigte es am 12. Juni 2026 an. (kimi.com) Für länger…
PP-OCRv6_medium_rec ist das Texterkennungsmodell der Medium-Stufe von PaddleOCRs PP-OCRv6-Familie und für serverseitige OCR-Anwendungen ausgelegt. Es verarbeitet Textbildausschnitte und gibt erkannten…
PP-OCRv6_medium_det ist das mittelgroße Texterkennungs-Detektionsmodell der PaddleOCR-Reihe PP-OCRv6. Es lokalisiert Textbereiche in Bildern und ist laut offizieller Dokumentation für den…
PP-OCRv6_small_rec ist das kleine Texterkennungsmodell der PP-OCRv6-Reihe für die Erkennung von Text in Bildern. Es ist unter anderem für mobile Anwendungen geeignet. Die Architektur kombiniert…
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…
Eine Einführung in dieser Sprache ist in Vorbereitung.
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. (…
Eine Einführung in dieser Sprache ist in Vorbereitung.
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…
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…