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

378 个模型

按发布时间倒序
Zhipu AI

Glyph

Glyph 是面向长上下文理解的视觉文本压缩框架及模型,基于 GLM-4.1V-9B-Base 构建。它将长文本渲染为图像,再交由视觉语言模型处理,而不是单纯扩大文本 token 上下文窗口。(huggingface.co) 支持图像与文本输入并生成文本,适用于长文档理解、长文本问答和信息提取等场景。 研究论文报告,在所测试的长上下文任务中,视觉文本压缩可达到约 3–4 倍,并取得与对照模型相近的…

了解模型简体中文
ByteDance

Seedance 1.0 Pro Fast

字节跳动的视频生成模型,侧重在生成质量、速度和成本之间取得平衡。官方称,相较 Seedance 1.0 Pro,其生成速度最高提升约 3 倍;这一数字是厂商的比较结果,不代表所有任务都能达到相同速度。(docs.volcengine.com) 输入与输出:支持中文或英文文本提示词,也支持以图片作为首帧生成视频;输出视频为 MP4。(docs.volcengine.com) 视频规格:支持 480p…

了解模型简体中文
ByteDance

Seed3D 1.0

Seed3D 1.0 是面向具身智能和物理仿真的图生 3D 基础模型,可从单张图片生成高保真、适合仿真的 3D 资产。官方公告发布日期为 2025-10-23。(seed.bytedance.com) 生成包含几何形状、纹理和基于物理的渲染(PBR)材质的 3D 资产;技术报告描述的纹理分辨率最高可达 4K。(seed3d.github.io) 技术方案包括几何生成、多视图合成、材质分解和 UV…

了解模型简体中文
Alibaba

Qwen2.5-VL-Embedding

Qwen2.5-VL-Embedding 是基于 Qwen2.5-VL 训练的统一多模态向量模型,由阿里云百炼提供推理服务。官方模型上架公告将其列于 2025 年 10 月 21 日。(help.aliyun.com) 支持文本、图片、视频的单模态或混合模态输入,输出统一表征向量;适用于跨模态检索、图片和视频搜索、图像聚类及内容打标。(help.aliyun.com) 向量维度可选 512、768…

了解模型简体中文
Alibaba

Qwen3-Rerank

Qwen3-Rerank 是基于 Qwen 大语言模型底座训练的文本重排序模型。它根据查询与候选文档的相关性进行排序,支持超过 100 种语言和长文本,适用于语义文本检索、搜索结果重排序和检索增强生成(RAG)。官方称其效果对齐开源 Qwen3-Rerank 系列模型,但这不等同于确认该 API 服务所用权重的开放状态。(help.aliyun.com) API 可通过 top_n 返回排名靠前的…

了解模型简体中文
DeepSeek

DeepSeek-OCR

DeepSeek-OCR 是面向光学字符识别与视觉文本压缩的模型,用于从大语言模型视角探索视觉编码器的作用。官方于 2025 年 10 月 20 日发布该模型。(github.com) 识别图像中的文字,并可按提示将文档转换为 Markdown。 官方示例还展示了文档图表解析、图像描述和图中文字区域定位等用途。 支持多种图像分辨率模式,包括动态分辨率模式,适用于文档数字化和图像转文字等场景。(gi…

了解模型简体中文
ByteDance

Doubao-Seed-1.6-lite

Doubao-Seed-1.6-lite 是字节跳动的小尺寸深度思考对话模型。火山方舟 2025 年 10 月发布表将该版本列为新发布模型,并称其相较 doubao-seed-1-6-250615 推理速度大幅提升。(docs.volcengine.com) 可用于对话问答、文本生成及需要推理的轻量任务。具体效果和延迟应结合实际提示词、任务与部署条件评测。 发布月份:2025 年 10 月,见官方…

了解模型简体中文
ByteDance

Doubao-Seed-1.6

Doubao-Seed-1.6 是字节跳动的对话模型。火山方舟 2025 年 10 月发布表将此型号列为新发布的深度思考模型。(docs.volcengine.com) 支持思考(thinking)和非思考(non-thinking)两种模式,可按任务需要选择。(docs.volcengine.com) 火山引擎的图像理解接口文档将 251015 列为 Doubao-Seed-1-6 的可选版本;…

了解模型简体中文
Anthropic

Claude Haiku 4.5

Claude Haiku 4.5 是 Anthropic 于 2025 年 10 月 15 日发布的小型模型,重点面向低延迟和成本敏感的应用。官方发布时称,其编码表现与 Claude Sonnet 4 相近,成本约为后者的三分之一,速度超过两倍;这些是官方在发布时的比较,并不代表所有任务均有相同性能。(anthropic.com) 接受文本和图像输入,生成文本;支持手动启用的扩展思考,但不支持自适…

了解模型简体中文
Google

Veo 3.1 Fast Preview

Google Veo 3.1 系列的快速视频生成预览模型,面向需要较快生成视频的工作流程。Google 于 2025 年 10 月 15 日在 Vertex AI 发布公告中宣布 Veo 3.1 Preview 和 Veo 3.1 Fast Preview。(docs.cloud.google.com) 可根据文字提示或图像生成视频,并生成与画面同步的声音;支持以首尾帧或参考图像辅助控制生成。可用…

了解模型简体中文
Google

Veo 3.1 Preview

Veo 3.1 Preview 是 Google 的视频生成模型预览版,面向创意叙事和视频制作。它接收文本及图像输入,生成带原生同步音频的视频,可用于短片、产品展示和创意内容制作。(aistudio.google.com) 支持文本生成视频、图像生成视频、首尾帧控制和参考图像引导;Veo 3.1 也支持视频延长。具体功能和参数可能随平台及版本而异。(docs.cloud.google.com) 可…

了解模型简体中文
Alibaba

Qwen3-VL-Flash

Qwen3-VL-Flash 是 Qwen3 系列小尺寸视觉理解模型,面向兼顾响应速度与多模态理解的任务,支持思考和非思考模式。官方公告称,其效果优于开源版 Qwen3-VL-30B-A3B;这是官方对比结论。(help.aliyun.com) 接收文本、图像和视频输入,生成文本输出,可用于图像问答、视频内容理解和长文档分析。 支持空间感知、对象识别及视觉 2D/3D 定位,适合需要视觉理解与推理…

了解模型简体中文
Tencent

hunyuan-translation

腾讯混元的多语言文本翻译模型,API 调用名为 hunyuan-translation。本条对应官方于 2025-10-14 公告的模型版本更新;该模型此前已于 2024-10-25 推出。(cloud.tencent.com) 官方称支持 33 种语言互译和 5 种民族语言互译,覆盖简体中文、繁体中文、粤语、英语、日语、法语、德语、阿拉伯语、藏语、维吾尔语等。完整语种及代码见翻译 API 文档。…

了解模型简体中文
Google

Gemini 2.5 Computer Use

Gemini 2.5 Computer Use 是基于 Gemini 2.5 Pro 的视觉理解和推理能力构建的专用智能体模型,主要面向浏览器图形界面操作。Google 于 2025 年 10 月 7 日宣布公开预览,最初通过 Gemini API 和 Vertex AI 提供。(blog.google) 接收文本和图像输入,输出文本及界面操作的函数调用;官方模型文档列出输入上限为 128,000…

了解模型简体中文
OpenAI

GPT Image 1 mini

GPT Image 1 mini 是 GPT Image 1 的经济型版本,是原生多模态模型,面向成本敏感的图像生成和编辑任务。(developers.openai.com) 接收文本和图像输入,输出图像;可根据文本提示生成图片,也可结合输入图片进行编辑。 可通过图像生成和编辑 API 使用,适用于需要在应用中创建或修改图片的场景。(developers.openai.com) 文本仅支持输入,不…

了解模型简体中文
OpenAI

GPT-Audio mini

GPT-Audio mini 是 GPT Audio 的低成本版本,面向语音输入和输出。OpenAI 于 2025 年 10 月 6 日宣布发布该模型,以提供更具成本效益的语音到语音能力。(developers.openai.com) 支持文本和音频输入、输出,可用于构建语音交互和语音助手应用;模型文档列出 Chat Completions REST API 的使用方式。 模型文档列出的上下文窗口…

了解模型简体中文
OpenAI

GPT-Realtime mini

GPT-Realtime mini 是 GPT-Realtime 的成本效率版本,面向实时语音到语音交互。OpenAI 于 2025 年 10 月 6 日公布该模型。(developers.openai.com) 支持文本和音频输入与输出,也支持图像输入;可通过 WebRTC、WebSocket 或 SIP 连接进行实时交互。…

了解模型简体中文
Google

Gemini 2.5 Flash Image

Gemini 2.5 Flash Image(也称 Nano Banana)是 Google 面向图像理解、生成和编辑的多模态模型,侧重速度、灵活性与成本效率。(docs.cloud.google.com) 支持文本和图像输入、文本和图像输出,以及文图交错输出;可按文本指令生成或编辑图像。(docs.cloud.google.com) 支持多张参考图生成、图像宽高比控制、仅图像响应和多轮图像编辑,…

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
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