Gemini 3.1 Flash Image
Gemini 3.1 Flash Image,亦称 Nano Banana 2,是面向低延迟、高吞吐量场景的原生多模态图片生成与编辑模型。Google 将其定位为 Gemini 3 Pro Image 的高效率互补版本。(ai.google.dev) 接收文本、图片、视频和 PDF 输入,输出图片和文本;支持根据文本生成图片、多轮对话式编辑、图片中的文字呈现,以及通过 Google 搜索获取信息辅…
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。
Gemini 3.1 Flash Image,亦称 Nano Banana 2,是面向低延迟、高吞吐量场景的原生多模态图片生成与编辑模型。Google 将其定位为 Gemini 3 Pro Image 的高效率互补版本。(ai.google.dev) 接收文本、图片、视频和 PDF 输入,输出图片和文本;支持根据文本生成图片、多轮对话式编辑、图片中的文字呈现,以及通过 Google 搜索获取信息辅…
Qwen3.7-Max 是阿里巴巴通义千问面向智能体应用的旗舰模型,为专有模型。官方模型信息称,API ID qwen3.7-max 当前在功能上等同于快照 qwen3.7-max-2026-05-20;以下快照能力和价格以该快照为准。(qwen.ai) 该快照支持文本输入和文本输出、深度思考、函数调用、结构化输出、联网搜索、前缀续写和上下文缓存。适用于编程、办公和生产力工作流,以及需要多步骤工具…
Qwen3.7-Max-Preview 是 Qwen3.7 系列 Max 模型的预览版,面向通用对话,开放纯文本能力供体验。阿里云百炼公告列出的上架日期为 2026 年 5 月 20 日;相关快照 qwen3.7-max-2026-05-17 的快照日期为 2026 年 5 月 17 日,二者日期含义不同。官方国际站定价页称预览版当前能力等同于该快照。(help.aliyun.com) 模型支持文…
Gemini Omni Flash 是 Google Gemini Omni 系列的首个模型,面向多模态视频生成和对话式视频编辑。Google 于 2026 年 5 月 19 日在 Google I/O 上发布该模型。(blog.google) Google 的模型卡描述其可接收文本、图像、音频和视频,并生成带音频的高分辨率视频;可通过自然语言进行多轮编辑,适用于视频创作、风格转换和素材迭代。(d…
Google 于 2026 年 5 月 19 日发布 Gemini 3.5 Flash。它是 Gemini 3.5 系列首发模型,面向高速推理、编程和多步骤智能体工作流。(blog.google) 原生多模态推理模型,基于 Gemini 3 Flash;支持文本、图像、音频和视频输入,输出文本。模型卡列出的上下文窗口最大为 100 万 token,最大输出为 64K token。可通过思考级别调节…
Qwen3.5-LiveTranslate-Flash 的实时版本,基于 Qwen3.5-Omni,面向多语言实时语音及音视频同声翻译。稳定版 API ID 为 qwen3.5-livetranslate-flash-realtime;官方文档称其当前能力等同于快照版 qwen3.5-livetranslate-flash-realtime-2026-05-19。(help.aliyun.com)…
GPT-Realtime-Whisper 是面向实时转录的流式语音转文字模型,可通过 Realtime API 使用。OpenAI 于 2026 年 5 月 7 日发布该模型。(openai.com) 模型可在用户说话时持续输出低延迟的转录文本,开发者可权衡延迟与准确性。适用场景包括会议、课堂、直播和活动字幕,以及为会议笔记、语音助手和客户服务等工作流提供实时转录内容。(developers.op…
GPT-Realtime-Translate 是面向实时多语言场景的流式语音到语音翻译模型,侧重口译,而非回答问题或执行任务的通用语音助手。(developers.openai.com) 接收流式语音,自动识别源语言,在输入音频仍在到达时输出翻译语音及目标语言转录文本增量。官方公告称支持 70 多种输入语言和 13 种输出语言。(openai.com) 13 种目标语言为西班牙语、葡萄牙语、法语、…
GPT-Realtime-2 是面向实时语音交互和复杂语音智能体工作流的 API 模型。OpenAI 将其描述为首款具备 GPT-5 级推理能力的语音模型,支持语音到语音交互。发布日期为 2026 年 5 月 7 日。(openai.com) 支持文本和音频输入、输出,以及图像输入;可通过 Realtime API 构建实时语音应用。(developers.openai.com) 支持函数调用、并…
OpenAI 面向专业网络安全工作的专用预览模型。2026 年 5 月 7 日,OpenAI 宣布向负责保护关键基础设施的防御人员推出有限预览。(openai.com) 为经授权的红队测试、渗透测试、漏洞研究和受控验证等专业工作流提供更宽松的安全任务响应。 可辅助合作伙伴在授权环境中验证漏洞可利用性、开发概念验证,以及支持协调披露和修复工作。 官方表示,首个预览版本主要针对安全任务的响应宽容度进行…
Gemini 3.1 Flash-Lite 是 Gemini 3 系列中面向高吞吐、低延迟和成本敏感型任务的多模态模型。Google 于 2026 年 5 月 7 日宣布该正式版在 Gemini Enterprise Agent Platform 正式推出;此前的预览版于 2026 年 3 月 3 日发布。(cloud.google.com) **输入和输出:**支持文本、图像、音频和视频输入,输…
GPT-5.5 Instant 是 OpenAI 面向日常对话的 Instant 模型。官方于 2026 年 5 月 5 日宣布推出,逐步取代 GPT-5.3 Instant,成为当时 ChatGPT 的默认模型,并通过 API 标识 chat-latest 提供。(openai.com) 改进日常问题回答、照片和图像分析、STEM…
DeepSeek-V4-Flash-Base 是 DeepSeek-V4 Flash 的基础模型,与面向对话的 DeepSeek-V4-Flash 后训练模型有所区别。官方发布了模型权重,采用 MIT 许可证。(huggingface.co) 采用混合专家(MoE)架构,官方列出的总参数量为 284B、激活参数量为 13B;支持 1M token 上下文,权重精度为 FP8…
DeepSeek-V4-Pro-Base 是 DeepSeek-V4-Pro 系列的基础模型权重,与经过后训练的对话模型及官方 API 当前提供的版本应予区分。官方模型资料将其列为 MoE 模型,总参数量 1.6T、每次激活参数量 49B,上下文长度 1M token,权重精度为 FP8 Mixed。(huggingface.co) 官方基础模型评测涵盖世界知识、语言与推理、代码、数学和长上下文任…
DeepSeek-V4-Flash 是 DeepSeek V4 系列中注重速度和成本效率的通用语言模型。预览版 DeepSeek-V4-Flash-Preview 于 2026 年 4 月 24 日发布并开放权重。官方英文发布公告称其总参数约 2840 亿、每个 token 激活约 130 亿;官方模型卡将总参数写作约 2850 亿,两份资料存在取整差异。(deepseek.com) 预览版以文本…
DeepSeek-V4-Pro 是 DeepSeek V4 系列中侧重复杂推理和 Agent 任务的模型。预览版于 2026 年 4 月 24 日发布,并同步开放模型权重;本条输入中的发布标识为 DeepSeek-V4-Pro-Preview。(deepseek.com) 采用混合专家(MoE)架构,总参数量约 1.6 万亿,每个 token 激活约 490 亿参数;支持 1M token 上下文…
GPT-5.5 Pro 是 GPT-5.5 的高计算量推理版本,面向更困难的问题和对准确性要求较高的工作。官方表示,它通过使用更多计算资源进行更深入的推理。(developers.openai.com) 支持文本输入和输出、图像输入,以及函数调用和结构化输出;可通过 Responses API 使用网页搜索、文件搜索、代码解释器和 MCP 等工具。(developers.openai.com) 可…
GPT-5.5 是 OpenAI 面向复杂专业工作和编程的旗舰模型,重点支持跨步骤推理、工具使用和智能体式任务执行。官方公告发布于 2026 年 4 月 23 日;公告于 4 月 24 日更新,确认 GPT-5.5 已在 API 中提供。API 别名为 gpt-5.5,对应的版本快照为 gpt-5.5-2026-04-23。(openai.com) 可用于代码编写、调试、重构和测试,以及在线研究、…
Kimi K2.6 是 Moonshot AI 发布的开放权重、原生多模态智能体模型,重点面向长程编程、视觉理解和复杂任务执行。模型采用混合专家架构,总参数约 1 万亿,每次激活约 320 亿参数;代码和权重采用 Modified MIT 许可。(kimi.com) 支持文本、图像和视频输入,以及思考和非思考模式;可用于对话、代码生成与修改、工具调用和智能体任务。(linkedin.com) 支持…
Qwen3.6-Max-Preview 是通义千问 Qwen3.6 系列 Max 模型的早期预览版,属于由阿里云托管的专有模型。官方公告称,相较 Qwen3.6-Plus,它在智能体编程、世界知识和指令遵循方面有所提升。(qwen.ai) 官方模型资料显示,该版本开放文本输入与文本输出,支持函数调用、结构化输出、联网搜索、前缀续写和上下文缓存。 适用于代码生成与修改、前端开发、编程智能体、知识问答…