Wan3.0-Video
Wan3.0-Video est un modèle multimodal tout-en-un de génération vidéo. Il accepte du texte, des images, des vidéos, de l’audio, des fichiers et des liens de pages Web publiques. Il produit des vidéos à…
RÉPERTOIRE DES MODÈLES
Découvrez les nouveaux modèles, classés par date de publication.
Wan3.0-Video est un modèle multimodal tout-en-un de génération vidéo. Il accepte du texte, des images, des vidéos, de l’audio, des fichiers et des liens de pages Web publiques. Il produit des vidéos à…
SeedRealtime est un grand modèle audiovisuel natif full-duplex, annoncé le 5 août 2026. Il réunit audio, vidéo et texte dans une architecture de bout en bout pour interagir en temps réel avec des flux…
Hunyuan3D-Buffalo 1.0 est un cadre multimodal unifié de Tencent consacré à la compréhension, à la génération et à l’édition d’objets 3D. Il associe Hunyuan3D-VLM, pour la compréhension sémantique et…
Qwen-Image-3.0 est la variante standard de la famille Qwen-Image-3.0, conçue pour équilibrer qualité et vitesse de génération. Elle accepte du texte et des images en entrée et produit des images.…
Qwen3.8-Max est un modèle de fondation multimodal haut de gamme annoncé par Alibaba le 3 août 2026. Il utilise une architecture MoE clairsemée à attention hybride : il compte 2 400 milliards de paramè…
Seed-Evolving est un modèle de raisonnement de la famille Seed, conçu pour les agents et le développement logiciel. Son identifiant API unique donne accès à une version évolutive, mise à niveau…
Modèle multilingue de vectorisation de texte fondé sur Qwen3.7. Il transforme du texte en représentations vectorielles utilisables notamment pour la recherche sémantique, la recherche pour RAG, le…
La présentation dans cette langue sera bientôt disponible.
Modèle de reconnaissance vocale destiné à la transcription non temps réel de fichiers audio ou vidéo complets. Il reçoit de l’audio et produit du texte. (help.aliyun.com) Reconnaissance multilingue,…
Modèle de reconnaissance vocale en flux, conçu pour les interactions en temps réel à faible latence. Il reçoit de l’audio et produit du texte. (help.aliyun.com) Transcription au fil de la parole, avec…
HPD-Parsing est un modèle vision-langage léger d’environ 1 milliard de paramètres, spécialisé dans l’analyse structurée de documents à haut débit. Ses poids sont publiés sous licence Apache 2.0.…
Hy-Embodied-RxBrain-1.0, ou RxBrain, est un modèle de fondation multimodal destiné à la cognition incarnée. Développé par Tencent Robotics X, le laboratoire Futian et l’équipe Tencent Hy, il associe…
Publié le 15 juillet 2026, Hy-Embodied-VLM-1.0 est un modèle de base vision-langage destiné aux agents incarnés évoluant dans le monde physique. Il a été développé par Tencent Robotics X, l’équipe Hy…
HunyuanOCR-1.5 est un modèle vision-langage léger, spécialisé dans la reconnaissance optique de caractères (OCR) de bout en bout. Tencent annonce sa publication le 7 juillet 2026. (github.com) Analyse…
Hy3 est un grand modèle de langage de Tencent, publié officiellement le 6 juillet 2026 à la suite de Hy3 preview. Il vise les tâches de productivité et les agents capables de planifier des actions et…