MiniMax H3
MiniMax H3 是面向多模态内容创作的通用生成模型,于 2026 年 7 月 31 日发布。它统一理解由文本、图像、视频和音频组成的上下文,主要输出带原生双声道音频的视频。(minimax.io) 支持文生视频、图生视频、首尾帧生成,以及使用图片、视频和音频作为参考素材的视频生成。 输出视频时长为 4–15 秒,最高支持 2K 分辨率,并支持多种画幅。 官方列举的用途包括广告、品牌内容、电商…
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
MiniMax H3 是面向多模态内容创作的通用生成模型,于 2026 年 7 月 31 日发布。它统一理解由文本、图像、视频和音频组成的上下文,主要输出带原生双声道音频的视频。(minimax.io) 支持文生视频、图生视频、首尾帧生成,以及使用图片、视频和音频作为参考素材的视频生成。 输出视频时长为 4–15 秒,最高支持 2K 分辨率,并支持多种画幅。 官方列举的用途包括广告、品牌内容、电商…
Seedance 2.5 是字节跳动推出的新一代音视频生成模型,基于音视频联合生成架构,重点提升长叙事、多模态参考和视频编辑能力。官方公告发布日期为 2026-07-31。(seed.bytedance.com) 支持文生视频、首帧及首尾帧生视频、有声视频生成、视频编辑和延长。国内 API 文档所列单次输出时长为 4–30 秒,并支持多轮延长。(docs.volcengine.com) 单次最多参…
DeepSeek-V4-Flash-0731 是 DeepSeek-V4-Flash 的正式版本,重点增强智能体能力。官方于 2026 年 7 月 31 日宣布其 API 上线公测。该版本与预览版的模型结构和尺寸相同,重新进行了后训练。(api-docs.deepseek.com) 面向文本生成、推理、编程和智能体任务,适合代码开发、工具调用及自动化工作流。 原生支持 Responses API…
Qwen3.7-Text-Embedding 是基于 Qwen3.7 的多语言文本向量模型,由阿里云百炼提供推理服务,将文本转换为向量,供检索等下游任务使用。(help.aliyun.com) 支持多语言文本及代码处理,可用于语义搜索、检索增强生成(RAG)、推荐、聚类和分类。 可选向量维度为 256、512、768、1024、1536、2048 和 2560,默认 1024。 支持任务指令及稠密…