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…
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。
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…
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…
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…
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…
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…
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…
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,…
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…
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。…
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…
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…
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…
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…
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…
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…
VTP-Small-f16d64 是 VTP 系列的 Small 版视觉分词器和图像特征提取模型,由 MiniMax 与华中科技大学研究人员开展相关研究。模型权重已公开,可用于本地部署;官方模型页标示约 0.2B 参数。(github.com) 将图像编码为潜在表示,并支持图像重建;可提取图像特征,用于视觉表示学习和线性探测。 支持图文对比特征,可用于零样本图像分类;也可作为扩散模型的视觉分词器,…
GLM-TTS 是面向工业应用的文本转语音(TTS)合成系统。它采用两阶段架构:先由语言模型将文本转换为语音 token,再通过 Flow Matching 和声码器生成音频。官方公告称其训练使用了约 10 万小时数据。(zhipuai.cn) 支持流式语音生成、情感和韵律表达;主要支持中文,也支持中英混合文本。 支持零样本音色克隆,官方项目文档称可使用 3–10 秒提示音频;无需针对特定说话人微…
GLM-ASR-Nano-2512 是面向复杂真实场景的开源自动语音识别模型,输入语音并输出转录文本。官方公布的参数规模为 1.5B;作为特征提取模块的 Whisper V3 音频编码器参数未计入该数字。(zhipuai.cn) 支持普通话、英语、粤语及其他方言,并针对低音量、轻声或低语识别进行了优化。官方仓库称模型支持 17 种语言,相关可用性评价条件为 WER ≤…
DeepSeek-V3.2-Speciale 是 DeepSeek-V3.2 的长思考增强版本,面向高难度推理研究与社区评测,并结合了 DeepSeek-Math-V2 的定理证明能力。模型权重已发布,采用 MIT 许可证。(api-docs.deepseek.com) 适用于复杂数学推理、证明与逻辑验证、编程竞赛题及模型能力评测。DeepSeek 报告称,该模型在 IMO、CMO、ICPC…
DeepSeek-V3.2 是面向推理和智能体任务的通用文本模型,是 V3.2-Exp 的正式后继版本,目标是在推理能力与输出长度之间取得平衡。发布日期为 2025 年 12 月 1 日。(deepseek.com) 支持思考和非思考模式,两种模式均支持工具调用;思考模式可将多轮推理与工具调用结合。适用于日常问答、通用智能体和代码相关任务。(api-docs.deepseek.com) 输入和输出…