MODELLVERZEICHNIS

Neueste KI-Modelle

Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.

Neueste zuerst7 Sprachen
Zurücksetzen

135 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…

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-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)…

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.…

Tencent

Hy-Embodied-RxBrain-1.0

Hy-Embodied-RxBrain-1.0 („RxBrain“) ist ein multimodales Basismodell für verkörperte Kognition. Es wurde von Tencent Robotics X, dem Futian Laboratory und dem Tencent-Hunyuan-Team entwickelt und…

Tencent

Hy-Embodied-VLM-1.0

Veröffentlichung: 15. Juli 2026. (github.com) Hy-Embodied-VLM-1.0 ist ein Vision-Language-Grundlagenmodell für verkörperte Agenten in der physischen Welt. Es wurde von Tencent Robotics X, dem Hy…

Tencent

HunyuanOCR-1.5

HunyuanOCR-1.5 ist ein leichtgewichtiges, auf optische Zeichenerkennung spezialisiertes End-to-End-Vision-Language-Modell mit rund 1 Milliarde Parametern. Es baut auf der Architektur von HunyuanOCR-1.…

Tencent

Hy3

Veröffentlichung: 6. Juli 2026. Hy3 ist die reguläre Veröffentlichung nach Hy3 preview und auf praktische, kosteneffiziente Sprachmodell- und Agentenaufgaben ausgerichtet. (tencent.com) Hy3 kombiniert…