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

241 个模型

按发布时间倒序
Alibaba

Qwen-AgentWorld-35B-A3B

Qwen-AgentWorld-35B-A3B 是面向智能体环境模拟的语言世界模型。官方 GitHub 公告列出的发布日期为 2026 年 6 月 24 日,同日发布 AgentWorldBench 评测基准。模型权重以 Apache-2.0 许可证开放。(github.com) 基于 Qwen3.5-35B-A3B-Base,采用混合专家架构,总参数约 350 亿,每次激活约 30 亿;上下文长…

了解模型简体中文
ByteDance

Doubao-Seed-2.1-Turbo

Doubao-Seed-2.1-Turbo 是 Seed 2.1 系列中面向规模化生产的低成本、低时延深度思考模型,适合成本、吞吐量和大量线上调用优先的场景。(docs.volcengine.com) 支持深度思考、文本生成、多模态理解、工具调用和结构化输出。(docs.volcengine.com) 适用于代码生成与工程交付、智能体多步骤任务,以及视觉和视频内容理解。Seed 2.1 系列公告还…

了解模型简体中文
ByteDance

Doubao-Seed-2.1-Pro

Doubao-Seed-2.1-Pro 是字节跳动面向编程与智能体任务的旗舰深度思考模型,侧重复杂任务探索和高价值生产场景。(docs.volcengine.com) 支持深度思考、文本生成、多模态理解、工具调用和结构化输出;官方建议结构化输出使用 json_schema 模式。(docs.volcengine.com) 面向复杂编程、长链路智能体任务和多步骤工程交付,可用于需求理解、长期规划、代…

了解模型简体中文
Baidu

Unlimited-OCR

Unlimited-OCR 是百度发布的开源端到端 OCR 与长文档解析模型,基于 DeepSeek-OCR 构建,采用约 30 亿总参数、5 亿激活参数的混合专家架构。模型代码和权重公开,模型卡标注为 MIT 许可证。(arxiv.org) 使用参考滑动窗口注意力(R-SWA),在解码过程中保持 KV 缓存大小恒定,以降低长输出的注意力计算和内存压力。 官方论文称,在标准 32K 最大长度设置下…

了解模型简体中文
ByteDance

Seed-2.1-Pro-Preview

Seed-2.1-Pro-Preview 是 ByteDance 发布的基础模型预览版。官方于 2026-06-19 宣布在 Arena AI 的 Code Arena 提供社区抢先体验。(seed.bytedance.com) 官方将该预览版放在 Code Arena 供用户体验,适合用于探索和评估编程相关任务。公告未详细说明其具体能力、支持的输入或输出模态、上下文长度及基准成绩,不能据此确认这…

了解模型简体中文
Alibaba

Fun-ASR-Flash

Fun-ASR-Flash 是面向录音文件转写的非实时语音识别模型,通过 HTTP API 将音频转换为文本。官方公告将本版本列为语音识别模型。(alibabacloud.com) 支持普通话、粤语、吴语、闽南语、客家话、赣语、湘语、晋语,以及英语、日语、韩语等多种语言和地区口音。 官方称模型针对古诗词的节奏、韵律和文言表达进行了优化,适用于文化传承、教育讲解和有声读物等内容的转写。 支持使用对话…

了解模型简体中文
Zhipu AI

GLM-5.2

GLM-5.2 是面向长程任务的旗舰模型,重点支持项目级编程和智能体工作流。官方公告发布日期为 2026 年 6 月 16 日。(z.ai) 支持 1M token 上下文,适用于大型代码库、长文档、复杂调试、系统优化和多阶段研究任务。 支持不同思考强度,以权衡任务表现、延迟和计算成本。官方公告称,其 IndexShare 架构在 1M 上下文下可降低每 token 计算量,并改进了推测解码。 官…

了解模型简体中文
Alibaba

HappyHorse-1.1-I2V

HappyHorse-1.1-I2V 是阿里云百炼提供的首帧图生视频模型:以输入图像为基础,可通过文本提示引导生成有声视频。官方称,相比此前版本,其画面质感、动作流畅度、跨片段人物一致性、文字渲染稳定性及音画同步有所改善。(alibabacloud.com) 输入图像和可选文本,输出视频;适合将人物、商品或创意图片扩展为动态短片、分镜素材等。 支持 480P、720P、1080P;视频时长为 3–…

了解模型简体中文
Alibaba

HappyHorse-1.1-R2V

HappyHorse-1.1-R2V 是阿里云百炼提供的参考图生视频模型。官方更新公告将其列于 2026 年 6 月 16 日。(alibabacloud.com) 输入文本提示词和 1–9 张参考图片,生成视频;支持有声视频。 旨在保持参考主体、场景、风格和画面的一致性,并增强人物、场景及镜头表现的可控性。可用于需要在不同场景中保持角色一致性的视频创作。 输出支持 480P、720P、1080P…

了解模型简体中文
Alibaba

HappyHorse-1.1-T2V

HappyHorse-1.1-T2V 是阿里云百炼提供的文生视频模型,以文本为输入、视频为输出。官方称其加强了文本语义理解、镜头调度和动态生成,在人物动作、场景氛围、物理运动及画面一致性方面有所提升。(alibabacloud.com) 支持生成有声视频,输出规格为 480P、720P 或 1080P,单片段 3–15 秒,24 fps,MP4…

了解模型简体中文
Alibaba

Qwen3.5-OCR

Qwen3.5-OCR 是基于 Qwen3.5 架构的光学字符识别(OCR)模型,由阿里云百炼提供推理服务。官方模型上架记录的日期为 2026-06-16。(alibabacloud.com) 支持文档解析、文本定位和关键信息提取,适用于扫描文档、表格、票据及身份证、驾驶证等证件的信息提取。 支持多轮交互;可通过 Response API 直接传入 PDF 进行文档解析,无需先拆成图片。 模型信息…

了解模型简体中文
Alibaba

Qwen-RobotWorld

Qwen-RobotWorld 是面向具身智能的语言条件视频世界模型,属于 Qwen-Robot Suite。它以当前视觉观测和自然语言动作描述为条件,预测未来视觉轨迹,而不是通用文本聊天模型。(alibabacloud.com) **视频世界建模:**根据语言指令生成场景后续变化,覆盖机器人操作、自动驾驶、室内导航和人类示范到机器人场景的迁移。(arxiv.org) **指令与视角:**官方展示…

了解模型简体中文
Alibaba

Qwen-RobotManip

Qwen-RobotManip 是面向机器人操作的通用视觉—语言—动作(VLA)基础模型,基于 Qwen3.5-4B 视觉语言骨干和流匹配 Diffusion Transformer 动作专家,将视觉感知和语言理解连接到连续动作生成。(github.com) 接收多视角观测、语言指令、机器人形态提示及执行上下文,生成连续动作片段,可用于抓取、放置、双臂协作和精细操作等任务。 官方展示了对新场景、未…

了解模型简体中文
Alibaba

Qwen-RobotNav

Qwen-RobotNav 是 Qwen-Robot Suite 中面向具身智能和智能体导航的可扩展视觉语言导航模型,基于 Qwen3-VL 构建。它通过统一的航点预测接口,将视觉理解和语言指令连接到移动导航任务。(github.com) **多任务导航:**覆盖视觉语言指令跟随、点目标和物体目标导航、目标追踪、自动驾驶及具身问答,可用于移动机器人导航和长程任务系统。(github.com) **…

了解模型简体中文
Tencent

Hy-Embodied-0.5-VLA-RoboTwin

Hy-Embodied-0.5-VLA-RoboTwin 是腾讯 Robotics X 与混元团队发布的视觉—语言—动作(VLA)模型检查点。它以 Hy-Embodied-0.5-VLA 为基础,在 RoboTwin 2.0 的 50 项双臂操作任务上进行了监督微调,主要面向机器人操作研究和仿真评测。(huggingface.co) 结合视觉观测、自然语言指令和历史帧,生成连续机器人动作块;架构使…

了解模型简体中文
Tencent

Hy-Embodied-0.5-VLA-UMI

Hy-Embodied-0.5-VLA-UMI 是腾讯 Hy-Embodied-0.5-VLA 具身智能系统的 UMI 预训练权重,面向机器人视觉—语言—动作(VLA)学习,作为适配目标机器人和任务时进一步微调的通用起点。它不是同系列针对 RoboTwin 2.0 任务后训练的 RoboTwin 权重。(huggingface.co) 结合视觉观测、自然语言任务指令和机器人状态,生成连续机器人动作…

了解模型简体中文
Moonshot AI

Kimi K2.7 Code

Kimi K2.7 Code 是面向编程和长程软件工程任务的智能体模型,模型权重已公开。官方于 2026 年 6 月 12 日发布。(kimi.com) 适用于代码库重构、跨文件功能开发、调试和多轮编程任务,也可通过 Kimi API 集成到开发工具和智能体工作流。 采用混合专家(MoE)架构,总参数量为 1T,每个 token 激活 32B 参数;上下文窗口为 262,144 tokens。官方…

了解模型简体中文
Baidu

PP-OCRv6_medium_rec

PP-OCRv6_medium_rec 是 PaddleOCR 的 PP-OCRv6 系列中等规模文本识别模型,主要面向服务端及较高精度需求的 OCR 场景。官方提供推理和训练模型,模型卡标注 Apache-2.0 许可证。(github.com) 单模型支持简体中文、繁体中文、英文、日文及 46 种拉丁语系语言,共 50 种语言;可用于文档、街景和工业字符等场景。(github.com) 基于…

了解模型简体中文
Baidu

PP-OCRv6_medium_det

PP-OCRv6_medium_det 是百度飞桨 PP-OCRv6 系列的中等规模文本检测模型,适合服务端部署。它以图像为输入,定位文字区域;采用 PPLCNetV4 骨干网络和 RepLKFPN 特征金字塔。官方模型列表标注的模型存储大小约为 60 MB。(paddlepaddle.github.io) 可作为 OCR 流水线的文字定位组件,适用于文档、截图、自然场景和工业图像等场景;检测结果…

了解模型简体中文
Baidu

PP-OCRv6_small_rec

PP-OCRv6_small_rec 是 PP-OCRv6 的 small 档文本识别模型,面向移动端和桌面端等轻量部署场景。它是 OCR 流程中的识别模块,而非完整的文本检测与识别系统。官方模型卡列出约 520 万参数;PaddleOCR 文档列出的模型存储大小为 20.4 MB。(paddleocr.ai) 接收文字图像并识别文本;可与文本检测等模块配合,用于多语言文档、场景文字和工业文字处理…

了解模型简体中文