模型发布档案

最新发布模型

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。

按发布时间倒序7 种语言
清除

676 个模型

按发布时间倒序
OpenAI

Sora 2 Pro

Sora 2 Pro 是 OpenAI 的音视频生成模型。2025 年 9 月 30 日的官方公告将其介绍为 Sora 2 画质更高的实验性版本,当时首先面向 ChatGPT Pro 用户提供。该日期是公告日期,并非 API 上线日期。(openai.com) 接收自然语言或图像输入,生成带同步音频的视频片段;音频可包括对白、背景声和音效。(developers.openai.com) Sora…

了解模型简体中文
OpenAI

Sora 2

Sora 2 是 OpenAI 于 2025 年 9 月 30 日发布的通用视频与音频生成模型,API 模型 ID 为 sora-2。(openai.com) 可根据自然语言或图像生成动态视频,并生成与画面同步的对白、音效等音频。 相较早期系统,OpenAI 称其在物理表现、真实感、指令遵循和可控性方面有所提升,支持写实、电影和动画等风格。…

了解模型简体中文
Zhipu AI

GLM-4.6

GLM-4.6 是智谱于 2025 年 9 月 30 日发布的语言模型,面向编程、推理和智能体任务。官方国内文档列出的总参数量为 355B、激活参数量为 32B。(docs.z.ai) 支持文本输入和文本输出,上下文窗口为 200K tokens,最大输出为 128K tokens。 支持深度思考、流式输出、函数调用、结构化输出、上下文缓存及 MCP 工具集成。 适用于代码生成与修改、前端开发、工…

了解模型简体中文
Anthropic

Claude Sonnet 4.5

Claude Sonnet 4.5 是 Anthropic 的通用人工智能模型,重点面向编程、复杂智能体和计算机操作任务,于 2025 年 9 月 29 日发布。Claude API 别名为 claude-sonnet-4-5,对应的固定版本 ID 为 claude-sonnet-4-5-20250929。(anthropic.com) 支持文本和图像输入、文本输出,以及扩展思考;可用于代码编写与…

了解模型简体中文
DeepSeek

DeepSeek-V3.2-Exp

DeepSeek-V3.2-Exp 于 2025 年 9 月 29 日发布,是基于 DeepSeek-V3.1-Terminus 的实验性大语言模型,旨在探索长文本训练和推理的效率优化。(deepseek.com) 模型引入 DeepSeek Sparse Attention(DSA)细粒度稀疏注意力机制。官方称,其在几乎不影响输出质量的情况下提升了长文本训练和推理效率;在多个领域的公开基准测试中…

了解模型简体中文
Google

Gemini Robotics-ER 1.5

Gemini Robotics-ER 1.5 是面向机器人具身推理的预览版视觉语言模型(VLM),用于理解物理环境、规划任务并协调工具,可充当机器人系统的高层推理模块。它不同于直接输出机器人运动指令的 Gemini Robotics 1.5 视觉语言动作模型(VLA)。(deepmind.google) 理解自然语言指令和视觉场景,对物体位置、状态及可操作性进行推理,生成二维指向点;可结合机器人传…

了解模型简体中文
Google

Gemini Robotics 1.5

Gemini Robotics 1.5 是 Google DeepMind 面向机器人物理任务的视觉—语言—动作(VLA)模型,可将视觉信息和自然语言指令转化为机器人运动指令。它不同于同时发布的具身推理模型 Gemini Robotics-ER 1.5。(deepmind.google) **感知与动作执行:**结合视觉观察、文本指令和机器人本体感知信息生成动作,用于物体操作和多步骤任务。 **行…

了解模型简体中文
Google

Gemini 2.5 Flash-Lite Preview

Google 于 2025 年 9 月 25 日发布的 Gemini 2.5 Flash-Lite 预览版本,面向注重成本效率、速度和高吞吐量的多模态任务。发布公告称,这一预览版并不计划直接升级为新的稳定版本。(developers.googleblog.com) 接受文本、图像、视频、音频和 PDF 输入,输出文本;输入上限为 1,048,576 token,输出上限为 65,536 token…

了解模型简体中文
Google

Gemini 2.5 Flash Preview

Gemini 2.5 Flash 的 2025 年 9 月预览版本,面向兼顾响应速度、推理能力和成本效率的应用。Google 将其定位于大规模处理、低延迟高吞吐任务以及智能体场景。(web.archive.org) 支持处理文本、图像、视频和音频输入,并支持思考能力;可用于需要推理的批量任务。 官方称该版本改进了智能体工具使用,适合复杂、多步骤应用;在 SWE-bench Verified 上,官…

了解模型简体中文
Tencent

hunyuan-large-role-latest

腾讯混元面向角色扮演的文本对话模型,于 2025-09-24 上线。(cloud.tencent.com) 官方称,该模型针对角色对话数据进行了强化训练,旨在更稳定地维持角色设定、减少脱离角色的情况,并保持多轮对话的上下文连贯性。适用场景包括 AI 数字分身、角色扮演和情感陪聊。(cloud.tencent.com) 官方模型概述列出的最大输入为 28k tokens,最大输出为 4k…

了解模型简体中文
Alibaba

Fun-ASR-Realtime

Fun-ASR-Realtime 是面向实时语音转文字的端到端语音识别模型;该 ID 是其 2025-09-15 快照版本。官方模型更新记录将其列于 2025-09-23。(docs.modelstudio.console.alibabacloud.com) 通过 WebSocket 接收音频流并返回识别文本,适用于会议转写、直播字幕和客服通话等实时转写场景。 该快照支持中文普通话和英语;支持热词…

了解模型简体中文
Alibaba

Qwen3-LiveTranslate-Flash-Realtime

Qwen3-LiveTranslate-Flash 的实时版本,是基于 Qwen3-Omni 能力的多语言实时音视频同传模型。本条目为 2025 年 9 月 22 日快照。(alibabacloud.com) 支持图像、音频输入,以及文本、音频输出;官方称其能够听懂 19 种语言,并以 10 种语言及 8 种中文方言输出语音。(alibabacloud.com) 适用于实时跨语言语音和音视频翻译,…

了解模型简体中文
Alibaba

Qwen3-Coder-Plus

Qwen3-Coder-Plus 是基于 Qwen3 的代码生成模型,面向编程智能体和通用文本任务。该版本是 2025 年 9 月 23 日快照;官方模型更新记录将其列为文本生成模型。(alibabacloud.com) 模型擅长工具调用和环境交互,可用于自主编程及其他代码生成任务,同时具备通用能力。官方称,与 2025 年 7 月 22 日快照相比,本版本提升了下游任务和工具调用的鲁棒性,并增强…

了解模型简体中文
Alibaba

Qwen3-VL-Plus

Qwen3-VL-Plus 是 Qwen3 系列视觉理解模型;该 ID 指向 2025 年 9 月 23 日的快照版本。模型结合思考与非思考模式,面向视觉理解和多模态推理。(alibabacloud.com) 接收文本、图像和视频,输出文本;支持图像与视频理解、视觉感知和识别。 官方介绍强调视觉编程、空间感知、多模态推理和超长视频理解,可用于视觉问答、视频内容分析和视觉智能体任务。(alibaba…

了解模型简体中文
Alibaba

Qwen3-Max

Qwen3-Max 是通义千问 Qwen3 系列的 Max 级文本生成模型。qwen3-max-2025-09-23 是 2025 年 9 月 23 日的快照版本。(help.aliyun.com) 相较于预览版,正式版针对智能体编程和工具调用进行了专项升级,适用于文本生成、编程辅助及较复杂的智能体任务。(alibabacloud.com) 针对该快照的官方历史定价资料标注为仅非思考模式;不能将其…

了解模型简体中文
Alibaba

Wan2.5-I2I-Preview

Wan2.5-I2I-Preview 是通义万相 2.5 的图像编辑预览模型,通过阿里云百炼提供推理服务。它根据文本指令编辑输入图片,而不是独立的文生图模型。(help.aliyun.com) 支持单图编辑和多图融合,最多输入 3 张参考图片;官方称其具备较强的指令遵循、多图参考一致性和文字生成能力。(docs.bailian.console.aliyun.com) 可用于商品图或创意素材修改、对…

了解模型简体中文
DeepSeek

DeepSeek-V3.1-Terminus

DeepSeek-V3.1-Terminus 是 DeepSeek-V3.1 的更新版本,于 2025 年 9 月 22 日发布,面向通用文本生成及智能体任务。发布时官方 App、网页、小程序和 API 均更新至该版本。(deepseek.com) 支持思考和非思考两种模式;发布时 deepseek-chat 对应非思考模式,deepseek-reasoner 对应思考模式,API 上下文长度为…

了解模型简体中文
Alibaba

Wan2.2-Animate-Mix

Wan2.2-Animate-Mix 是通义万相的视频角色替换模型。输入一张角色图片和一段参考视频,输出将视频主角替换为图片中角色的视频。官方说明,该模型旨在保留原视频中的动作、表情、场景、光照和色调。(help.aliyun.com) 支持标准模式 wan-std 和专业模式 wan-pro;官方称前者生成较快,后者画质和动作流畅度更高,但处理时间和费用也更高。 可用于视频二次创作、影视后期等角…

了解模型简体中文
Alibaba

Wan2.2-Animate-Move

Wan2.2-Animate-Move 是阿里云百炼提供的角色动画生成模型,面向“图生动作”任务。官方发布记录将该模型列于 2025 年 9 月 19 日;同一记录还在 2025 年 11 月 10 日列出了国际部署范围的服务。(docs.modelstudio.console.alibabacloud.com) 输入一张人物图像和一段参考视频,模型将视频中的动作和表情迁移到图像人物上,输出视频,…

了解模型简体中文
Alibaba

Wan2.5-I2V-Preview

万相 2.5 图生视频预览模型,通过阿里云百炼提供推理服务,以图像首帧生成视频。官方称其相较此前版本提升了指令遵循、运动表现和画面质感。(help.aliyun.com) 支持生成与画面同步的声音;视频规格包括 480P、720P、1080P,时长为 5 秒或 10 秒,帧率为 30 fps,格式为 MP4。(help.aliyun.com) 可用于将静态图片制作成短视频,例如创意内容、产品展示或…

了解模型简体中文