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