MODELLVERZEICHNIS

Neueste KI-Modelle

Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.

Neueste zuerst7 Sprachen
Zurücksetzen

151 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…

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

Gemini 3.5 Flash-Lite

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…

Google

Gemini 3.6 Flash

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…

Alibaba

Qwen-Image-3.0

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…

Alibaba

Qwen3.7-Flash

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.…

Baidu

HPD-Parsing

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.…

ByteDance

Seed Audio 1.0

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…