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.…
MODELLVERZEICHNIS
Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.
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.…
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…
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…
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…
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…
Seed-Evolving ist ein kontinuierlich aktualisiertes Seed-Modell für Coding- und Agent-Anwendungen. Es unterstützt die Orchestrierung komplexer Aufgaben, langfristige Planung, Codegenerierung und…
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…
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-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…
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…
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…
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…
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)…
Eine Einführung in dieser Sprache ist in Vorbereitung.
Gemini 3.5 Flash-Lite ist ein schnelles, kosteneffizientes multimodales Modell der Gemini-3-Familie. Es ist auf hohen Durchsatz, niedrige Latenz und agentische Workflows ausgelegt. Google…
Gemini 3.6 Flash ist ein multimodales Reasoning-Modell der Flash-Reihe, das auf effiziente agentische Arbeitsabläufe, Programmierung und Wissensarbeit ausgerichtet ist. Google veröffentlichte es am 21…
Qwen-Image-3.0 ist ein Bildgenerierungsmodell der dritten Generation aus Alibabas Qwen-Image-Reihe. Die offizielle Ankündigung erschien am 21. Juli 2026. Die hier beschriebene API-Version ist die…
Qwen3.7-Flash ist ein natives multimodales Vision-Language-Modell der Qwen3.7-Flash-Reihe für Textgenerierung, Schlussfolgern und visuelles Verständnis. Alibaba Cloud führt die Snapshot-Version am 21.…
HPD-Parsing ist ein leichtgewichtiges Vision-Language-Modell mit rund 1 Milliarde Parametern für die Dokumentanalyse mit hohem Durchsatz. Die Modellgewichte stehen unter der Apache-2.0-Lizenz bereit.…
Seed Audio 1.0 ist ein Modell zur Erstellung vollständiger Audioszenen. Es generiert Sprache, Dialoge, Geräusche und Umgebungsatmosphäre in einem gemeinsamen Rahmen, statt diese Elemente nur als…