MODELLVERZEICHNIS

Neueste KI-Modelle

Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.

Neueste zuerst7 Sprachen
Zurücksetzen

169 Modelle

Neueste zuerst
Alibaba

Wan3.0-Video

Wan3.0-Video ist Alibabas multimodales All-in-One-Modell zur Videogenerierung. Es wurde am 6. August 2026 zunächst für Tests auf Einladung veröffentlicht und ist inzwischen allgemein verfügbar.…

ByteDance

SeedRealtime

Veröffentlichung: 5. August 2026. SeedRealtime ist ein natives audiovisuelles Voll-Duplex-Sprachmodell für die Echtzeitinteraktion. Es vereint Audio, Video und Text in einer End-to-End-Architektur und…

Tencent

Hunyuan3D-Buffalo 1.0

Hunyuan3D-Buffalo 1.0 ist ein einheitliches multimodales Forschungsmodell für die Generierung, das Verständnis und die Bearbeitung von 3D-Inhalten. Es verbindet Hunyuan3D-VLM für semantisches und…

Alibaba

Qwen-Image-3.0

Qwen-Image-3.0 ist das Standardmodell der Qwen-Image-3.0-Reihe für Bildgenerierung und -bearbeitung. Es ist auf ein Gleichgewicht zwischen Qualität und Geschwindigkeit ausgelegt. QwenCloud führt es im…

Alibaba

Qwen3.8-Max

Qwen3.8-Max ist ein multimodales Flaggschiffmodell der Qwen-Familie. Alibaba kündigte es am 3. August 2026 an. Es verwendet eine Sparse-Mixture-of-Experts-Architektur mit hybrider Attention: Von…

ByteDance

Seed-Evolving

Seed-Evolving ist ein kontinuierlich aktualisiertes Seed-Modell für Coding- und Agent-Anwendungen. Es unterstützt die Orchestrierung komplexer Aufgaben, langfristige Planung, Codegenerierung und…

MiniMax

MiniMax H3

MiniMax H3 ist ein allgemeines multimodales Generierungsmodell für die Erstellung von Videos mit nativem Stereoton. MiniMax veröffentlichte es am 31. Juli 2026; die Basisgewichte wurden am 3. August 2…

ByteDance

Seedance 2.5

Seedance 2.5 ist ein multimodales Videogenerierungsmodell zur gemeinsamen Erzeugung von Bild und Ton. ByteDance kündigte es am 31. Juli 2026 an. Die Ankündigung nennt die Nutzung über Jimeng AI und…

DeepSeek

DeepSeek-V4-Flash

DeepSeek-V4-Flash-0731 ist die offizielle, gegenüber der Vorschau nachtrainierte Version von DeepSeek-V4-Flash. Ihre API wurde am 31. Juli 2026 als öffentliche Beta veröffentlicht. Architektur und…

Alibaba

Qwen3.7-Text-Embedding

Qwen3.7-Text-Embedding ist ein mehrsprachiges Text-Embedding-Modell auf Basis von Qwen3.7. Es wandelt Texte und Code in numerische Vektoren um. Alibaba führte es am 31. Juli 2026 für den…

Google

Gemini Robotics On-Device 2

Gemini Robotics On-Device 2 wurde am 30. Juli 2026 vorgestellt. Es ist ein effizientes Vision-Language-Action-Modell (VLA) für die lokale Ausführung auf Robotern. Es basiert laut Modellkarte auf…

Google

Gemini Robotics ER 2 Streaming Preview

Gemini Robotics ER 2 Streaming Preview ist ein öffentlich verfügbares Vorschau-Vision-Language-Modell für verkörpertes Schlussfolgern in der Robotik. Der Endpunkt ist für latenzarmes, bidirektionales…

Google

Gemini Robotics ER 2 Preview

Gemini Robotics ER 2 Preview ist ein Vision-Language-Modell für verkörpertes Schlussfolgern in der Robotik. Es basiert auf Gemini 3.5 Flash und dient als übergeordnete Planungsebene; die motorische…

Google

Gemini Robotics 2

Gemini Robotics 2 ist ein Vision-Language-Action-Modell (VLA) von Google DeepMind. Es wandelt visuelle und sprachliche Eingaben in motorische Steuerung um und ist für humanoide sowie zweiarmige…

Alibaba

Qwen-Audio-3.0-ASR-Flash

Qwen-Audio-3.0-ASR-Flash ist ein Modell zur automatischen Spracherkennung für kurze Audioaufnahmen. Es nimmt Audio entgegen und gibt transkribierten Text aus. Alibaba Cloud führt es als nicht…

Alibaba

Qwen-Audio-3.0-ASR-Flash-Filetrans

Qwen-Audio-3.0-ASR-Flash-Filetrans ist ein Modell zur nicht-echtzeitfähigen Transkription vollständiger Audio- und Videodateien. Alibaba Cloud führt es ab 30. Juli 2026 als international verfügbares…

Alibaba

Qwen-Audio-3.0-ASR-Flash-Streaming

Ein Echtzeit-Spracherkennungsmodell von Tongyi Lab für latenzarme Streaming-Transkription und Anwendungen mit vielen gleichzeitigen Anfragen. Es verarbeitet Audio und gibt Text aus. (alibabacloud.com)…

Google

Lyria 3.5

Lyria 3.5 ist Googles Modell zur Musikgenerierung. Google kündigte es am 29. Juli 2026 an und begann an diesem Tag mit der Bereitstellung in Google Flow Music. (blog.google) Es erzeugt Musik in…

OpenAI

GPT-Live-Transcribe

GPT-Live-Transcribe ist ein Streaming-Spracherkennungsmodell für Echtzeittranskription mit geringer Latenz. Es gibt während der Spracheingabe fortlaufend Textfragmente und nach Abschluss eines…

OpenAI

GPT-Transcribe

GPT-Transcribe ist ein auf hochgenaue Spracherkennung spezialisiertes Speech-to-Text-Modell. OpenAI veröffentlichte es am 28. Juli 2026 für Dateitranskription und endgültige Transkripte…