GTE-Rerank-V2
GTE-Rerank-V2 是通义实验室研发的多语言文本重排序模型。它根据查询与候选文档的语义相关性,对文档重新排序,适用于语义搜索和检索增强生成(RAG)等场景。(help.aliyun.com) 支持中文、英文、日语、韩语、泰语等 50 多种语言。 可对初次检索召回的候选文档重新打分,返回相关性排名;可通过 top_n 限制返回结果数量。(help.aliyun.com) 输入为文本;单次请求…
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。
GTE-Rerank-V2 是通义实验室研发的多语言文本重排序模型。它根据查询与候选文档的语义相关性,对文档重新排序,适用于语义搜索和检索增强生成(RAG)等场景。(help.aliyun.com) 支持中文、英文、日语、韩语、泰语等 50 多种语言。 可对初次检索召回的候选文档重新打分,返回相关性排名;可通过 top_n 限制返回结果数量。(help.aliyun.com) 输入为文本;单次请求…
Qwen-Plus-Character 是千问系列的文本生成与角色扮演模型,面向拟人化对话。它是动态更新版本,官方表示模型更新会提前通知。(docs.bailian.console.aliyun.com) 模型针对限定人设指令遵循、角色还原、话题推进和倾听共情进行了优化。适用场景包括虚拟社交、游戏 NPC、IP 角色复刻以及玩具、车机等智能硬件交互。开发者可在系统消息中设定角色背景、关系、场景和语…
ERNIE X1 是百度发布的深度思考推理模型。百度称其具备多模态能力,并强化了理解、规划和反思能力。(prnewswire.com) 模型面向中文知识问答、文学创作、文稿写作、日常对话、逻辑推理和复杂计算等任务。百度的发布公告还介绍了搜索、文档问答、图像理解、代码解释和网页阅读等工具使用场景;具体能力取决于所用产品和接口。(prnewswire.com) 模型可能生成错误或不可靠的内容,重要结果…
百度文心 4.5 系列的预览版模型。百度将文心 4.5 定位为原生多模态基础大模型,面向开发者和企业提供千帆 API 服务。(qianfan.cloud.baidu.com) 支持对话、文本理解与生成,可用于问答、内容创作、逻辑推理和代码相关任务。 官方更新记录和调用示例显示,此版本支持图像理解,可用于结合图文进行问答和分析。文心 4.5 系列还具备音频、视频理解能力,但不能据此认定本 API 版…
腾讯混元 TurboS 旗舰大模型的 2025-03-13 版本,面向通用文本任务,侧重快速响应。(cloud.tencent.com) 官方称该版本升级了预训练底座的训练 token 数量,提升了数学、逻辑和代码相关能力,以及中英文文本创作、文本理解、知识问答和闲聊的体验。可用于文本创作、问答和对话等场景。(cloud.tencent.com) 模型输出可能出错,重要事实、计算及代码应由使用者核…
Gemini Robotics-ER 是 Google 基于 Gemini 2.0 推出的视觉语言模型,ER 指“具身推理”。它侧重机器人所需的空间理解,可与机器人现有的低层控制器配合使用;它不同于以物理动作作为输出、用于直接控制机器人的 Gemini Robotics。(deepmind.google) 支持物体检测、指向物体部位、多视角对应和三维物体检测等空间理解任务。 可用于感知、状态估计、…
Gemini Robotics 是基于 Gemini 2.0 构建的视觉-语言-动作(VLA)模型,以物理动作为输出模态,旨在直接控制机器人。它不同于同期发布、侧重具身推理的 Gemini Robotics-ER。(deepmind.google) **泛化与交互:**能够处理新物体、不同指令和新环境,理解多种语言的日常指令,并根据环境或指令的变化调整动作。 **灵巧操作:**官方展示了折纸、将零…
GPT-4o search preview 是面向 Chat Completions API 的联网搜索专用预览模型,经过训练以理解和执行网页搜索查询。其带日期的快照 ID 为 gpt-4o-search-preview-2025-03-11。(developers.openai.com) 支持文本输入和输出、流式输出及结构化输出;可用于需要网页信息的问答、资料检索和研究助手等场景。(develo…
Google 于 2025 年 3 月 7 日发布的实验性文本嵌入模型。它将文本转换为向量,用于表示语义,而非生成对话回答;发布时通过 Gemini API 的 embed_content 接口提供。(developers.googleblog.com) 支持 100 多种语言,可处理文本、代码等内容,适用于检索增强生成(RAG)、语义检索、推荐和文本分类等场景。 发布公告给出的输入上限为 8K…
QwQ-Plus 是通义千问 QwQ 的增强版推理模型,基于 Qwen2.5 训练,并通过强化学习提升推理能力。官方上架日期为 2025-03-05;本条对应的发布快照为 qwq-plus-2025-03-05。(docs.bailian.console.aliyun.com) 文本输入、文本输出,面向深度思考任务,可用于数学问题求解、逻辑推理、代码生成和分析等场景。 官方称其在 AIME 24/…
CogView4-6B 是智谱发布的文生图模型,采用约 60 亿参数的 CogView-4 Diffusers 版本,接收文本提示词并生成图像。官方于 2025 年 3 月 4 日宣布适配并开源该版本。(github.com) 支持中文和英文提示词,能在生成的图像中绘制中文文字;可用于插画、创意视觉素材和含文字的图像制作。 使用 GLM-4-9B 作为文本编码器;官方开源模型资料列出的提示词长度上…