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…
MODELLVERZEICHNIS
Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.
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…
Qwen-Image-3.0-Pro ist Alibabas Flaggschiffmodell für Bildgenerierung und Bildbearbeitung in Model Studio. Alibaba führt die Veröffentlichung für den 20. Juli 2026 auf. (alibabacloud.com) Das Modell…
Qwen 3.8-Max-Preview ist eine Vorabversion eines Basismodells der Qwen-Reihe mit 2,4 Billionen Parametern. Alibaba veröffentlichte sie am 19. Juli 2026 über Token Plan, Qoder und QoderWork. Die…
Music-3.0 ist ein Text-zu-Musik-Modell von MiniMax. Die offizielle Modellankündigung nennt den 16. Juli 2026 als Veröffentlichungsdatum. API-Modell-ID: music-3.0. (platform.minimax.io) Das Modell…
Kimi K3 ist ein offenes multimodales Mixture-of-Experts-Modell für anspruchsvolle Programmier-, Wissens- und Reasoning-Aufgaben. Es wurde am 16. Juli 2026 veröffentlicht. Die Modellgewichte und der…
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…
Eine Einführung in dieser Sprache ist in Vorbereitung.
Qwen-Audio-3.0-TTS-Plus ist ein Text-zu-Sprache-Modell für hochwertige, ausdrucksstarke Sprachsynthese. Es unterstützt sowohl Sprachsynthese als auch Echtzeit-Sprachsynthese. Alibaba führt es in…
Seedream 5.0 Pro ist ein multimodales Modell für die professionelle Bilderstellung und -bearbeitung. ByteDance veröffentlichte es am 8. Juli 2026. (seed.bytedance.com) Erstellt Bilder aus Text sowie…
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.…
Eine Einführung in dieser Sprache ist in Vorbereitung.
GPT-Realtime-2.1 mini ist ein destilliertes Reasoning-Modell für schnellere, kostengünstigere Sprachinteraktionen in Echtzeit. OpenAI veröffentlichte es am 6. Juli 2026. (developers.openai.com)…
GPT-Realtime-2.1 ist ein Echtzeit-Reasoning-Modell für sprachbasierte Agenten. OpenAI veröffentlichte es am 6. Juli 2026 für die Realtime API. Gegenüber GPT-Realtime-2 verbessert es laut OpenAI die…
Veröffentlichung: 6. Juli 2026. Hy3 ist die reguläre Veröffentlichung nach Hy3 preview und auf praktische, kosteneffiziente Sprachmodell- und Agentenaufgaben ausgerichtet. (tencent.com) Hy3 kombiniert…