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

305 个模型

按发布时间倒序
ByteDance

Seed2.0 Pro

Seed2.0 Pro 是 ByteDance Seed 2.0 系列的旗舰级通用模型,面向复杂推理、智能体和长链路任务。火山方舟将 doubao-seed-2-0-pro-260215 列为该系列的模型版本。(console.volcengine.com) 支持深度思考、文本生成、多模态理解、GUI 任务处理、工具调用和结构化输出。(docs.volcengine.com) 官方介绍的系列能力包…

了解模型简体中文
OpenAI

GPT-5.3-Codex-Spark

GPT-5.3-Codex-Spark 是 GPT-5.3-Codex 的轻量版本,是 OpenAI 为 Codex 实时编程设计的低延迟模型。它于 2026 年 2 月 12 日以研究预览版发布。(openai.com) 适合交互式编程和快速迭代,例如针对性代码修改、重构逻辑、优化界面、项目规划和文件转换。用户可以在模型工作时打断或调整方向。 发布公告称,模型在 Cerebras 超低延迟硬件上…

了解模型简体中文
MiniMax

M2.5-Lightning

M2.5-Lightning 是 MiniMax M2.5 面向真实世界生产力和智能体任务的高速版本。官方称其与 M2.5 标准版能力相同,但速度不同;Lightning 的输出吞吐量约为每秒 100 token。(minimax.io) **软件开发:**支持任务拆解、系统设计、编程、代码审查和测试,覆盖多种编程语言及全栈开发场景。 **智能体任务:**支持搜索、工具调用和复杂任务规划,可用于构…

了解模型简体中文
MiniMax

MiniMax-M2.5

MiniMax-M2.5 是面向真实生产力场景的语言模型,重点支持编程、智能体工具调用、搜索和办公任务。官方公告日期为 2026 年 2 月 12 日。(minimax.io) 软件开发:支持多语言编码、系统设计、功能迭代、代码审查和测试,可用于 Web、移动端及桌面端全栈项目。 智能体任务:可结合搜索和工具调用,拆解并执行复杂任务。 办公与研究:可用于文档、演示文稿、电子表格、金融建模和行业研究…

了解模型简体中文
Zhipu AI

GLM-5

GLM-5 是面向复杂系统工程和长程智能体任务的基础语言模型。官方公告发布于 2026 年 2 月 12 日。模型采用混合专家架构,总参数量为 744B,每次推理激活约 40B 参数;预训练数据量为 28.5T tokens,并采用 DeepSeek Sparse Attention。模型权重以 MIT 许可证发布。(z.ai) 输入与输出:文本输入、文本输出;官方 API 文档列出的上下文长度为…

了解模型简体中文
OpenAI

GPT-5.3-Codex

GPT-5.3-Codex 是面向 Codex 及类似环境的智能体式编程模型,结合软件工程能力、推理和专业知识,适合使用工具完成持续较长时间的复杂任务。(openai.com) 可用于代码编写、调试、测试、终端操作、网页和应用开发,以及涉及研究和工具调用的多步骤任务。用户可以在任务执行期间提供新指示。(openai.com) 支持文本输入与输出、图像输入,以及函数调用、结构化输出和流式输出;推理强…

了解模型简体中文
Anthropic

Claude Opus 4.6

Claude Opus 4.6 是 Anthropic 于 2026 年 2 月 5 日发布的 Opus 系列模型,面向复杂推理、编程、智能体任务和专业知识工作。API 模型 ID 为 claude-opus-4-6。(anthropic.com) 软件开发:相较 Opus 4.5,官方称其在任务规划、长时间智能体任务、大型代码库操作、代码审查和调试方面有所提升。 知识工作:可用于研究、财务分析,…

了解模型简体中文
Zhipu AI

GLM-OCR

GLM-OCR 是面向文档理解和图文解析的轻量级专业 OCR 模型,参数量为 0.9B。官方发布记录称,其采用 CogViT 与 GLM-0.5B 的编码器—解码器设计。(docs.bigmodel.cn) 可识别图片和 PDF 中的文本、手写体、公式、代码及印章,处理复杂版面与多语言内容。 可解析复杂表格并输出 HTML,提取票据、证件和表单等文档的关键信息,支持结构化 JSON 输出。 适用于…

了解模型简体中文
Moonshot AI

Kimi K2.5

Kimi K2.5 是原生多模态、面向智能体任务的开放权重模型,在 Kimi K2 基础上继续使用视觉与文本混合数据进行预训练。它采用混合专家(MoE)架构,官方模型卡列出总参数约 1 万亿、每 token 激活参数约 320 亿,上下文长度为 256K token。(huggingface.co) 支持文本和视觉理解,可根据图像或视频中的信息进行推理、生成代码和视觉调试;提供即时模式与思考模式。…

了解模型简体中文
DeepSeek

DeepSeek-OCR 2

DeepSeek-OCR 2 是面向文档图像识别与解析的视觉语言模型,代码和模型权重公开,采用 Apache-2.0 许可证。其 DeepEncoder V2 通过视觉因果流对视觉信息进行重排序,以改善复杂版面的阅读顺序。(arxiv.org) 可识别图像中的文字,并将文档转换为 Markdown;官方项目提供图片推理和 PDF 批量处理示例,可用于文档数字化及下游文本处理。(github.com…

了解模型简体中文
MiniMax

MiniMax Speech 2.8

MiniMax Speech 2.8 是面向文本转语音和语音智能体场景的语音生成模型,侧重自然表达、音色复刻和多语言交互。官方公告发布于 2026 年 1 月 23 日。(minimax.io) 支持原生声音标签,可在合成语音中加入笑声、呼吸、叹气等声音,并控制停顿;可调整音量、语速和音调。(platform.minimax.io) 官方称可使用约 10 秒的样本进行音色复刻;也强调降低背景噪声和…

了解模型简体中文
Alibaba

Qwen3-Max-Thinking

Qwen3-Max-Thinking 是通义千问的旗舰推理模型;官方将其 API 模型名列为 qwen3-max-2026-01-23。阿里云模型更新记录将该版本列于 2026 年 1 月 23 日,并说明它是当日的模型快照。(qwen.ai) 该版本融合思考与非思考模式,可用于文本生成和复杂推理。思考模式支持结合 Web 搜索、网页信息提取和代码解释器处理问题,适合需要检索信息、分析或编程的任务…

了解模型简体中文
Zhipu AI

GLM-4.7-Flash

GLM-4.7-Flash 是 GLM-4.7 系列的轻量免费文本模型,面向高频调用、编程和智能体任务,兼顾性能与效率。智谱官方发布记录所列上线日期为 2026 年 1 月 19 日。(docs.bigmodel.cn) 采用 30B-A3B 混合专家(MoE)架构,约 300 亿总参数、30 亿激活参数;官方开放模型权重,并在模型卡中标注 MIT 许可证。(huggingface.co) 支持文…

了解模型简体中文
Zhipu AI

GLM-Image

GLM-Image 是智谱的图像生成模型,2026 年 1 月 14 日上线。它采用自回归模型与扩散解码器相结合的架构,侧重指令理解、图像细节及文字密集场景;官方称其训练全程使用国产芯片。(docs.bigmodel.cn) 支持根据文本生成图像,尤其面向中文文字渲染、知识密集型图像和复杂版式。 可用于商业海报、科普插画、原理示意图、电商多格图、漫画及社交媒体配图。 官方开源仓库还介绍了图生图能力…

了解模型简体中文
Alibaba

Qwen-Image-Max

Qwen-Image-Max 是通义千问 Max 系列文生图模型;本模型 ID 对应 2025 年 12 月 30 日的快照版本。官方于 2025 年 12 月 30 日将该版本列入模型更新记录。(docs.modelstudio.console.alibabacloud.com) 接收文本描述,生成图像,适用于人像、自然纹理和带文字的图像创作。 官方称,相比 Plus 系列,该模型改善了生成图像…

了解模型简体中文
MiniMax

MiniMax-M2.1

MiniMax-M2.1 是面向智能体、软件开发和复杂办公任务的开放权重语言模型,是 MiniMax-M2 的升级版本。官方介绍其采用混合专家(MoE)架构,总参数约 2300 亿,每次推理激活约 100 亿参数。(minimax.io) **多语言编程:**针对 Rust、Java、Go、C++、Kotlin、Objective-C、TypeScript 和 JavaScript 等语言进行了增…

了解模型简体中文
Google

Gemini 3 Flash Preview

Gemini 3 Flash Preview 是 Google Gemini 3 系列的多模态预览模型,侧重以较低延迟和成本提供推理、编程及智能体能力。Google 于 2025 年 12 月 17 日公布该模型。(blog.google) 支持文本、图片、视频、音频和 PDF 输入,输出为文本;支持思考、函数调用、代码执行、结构化输出、上下文缓存、网址上下文和搜索接地等功能。(ai.google…

了解模型简体中文
Alibaba

Wan2.6-R2V

Wan2.6-R2V 是阿里巴巴万相 2.6 系列的参考生视频模型。用户可提供角色参考视频和文本提示词,生成以参考主体为主角的新场景;官方称其可用于人物、动物或物品,并支持多个主体共同出镜。(alibabacloud.com) 参考素材可用于提取主体形象及已有音色,以在生成内容中保持角色特征;支持单角色或多角色、有声视频及多镜头叙事。(help.aliyun.com) 可用于短剧、角色表演、故事短…

了解模型简体中文
MiniMax

VTP-Large-f16d64

VTP-Large-f16d64 是 VTP(Visual Tokenizer Pre-training)系列的视觉分词器模型,面向图像表征、重建和生成研究,而非通用文本对话模型。官方模型卡列出的模型规模约为 0.7B 参数。(github.com) **视觉表征与图文对齐:**联合使用图文对比学习、自监督学习和图像重建目标,可提取图像特征,也可计算图像与文本的特征相似度,用于零样本分类等任务。…

了解模型简体中文
MiniMax

VTP-Base-f16d64

VTP-Base-f16d64 是 MiniMax 发布的 Base 版视觉分词器预训练模型,主要用于图像特征提取和生成模型的视觉潜空间表示。VTP 框架联合训练图文对比、自监督和图像重建目标。官方模型页面提供可下载权重,标注模型规模约 0.3B 参数、许可证为 modified-mit。(huggingface.co) 将图像编码为视觉特征或潜变量,并用于图像重建;可结合文本特征进行图文相似度计…

了解模型简体中文