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

195 个模型

按发布时间倒序
OpenAI

GPT-5.6 Terra

GPT-5.6 Terra 是 OpenAI GPT-5.6 系列中平衡智能水平与成本的模型,适合日常工作和对成本敏感的应用。官方称其大致对应早期 GPT-5 系列的 mini 层级。(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、代码解释器和计算机操作等工具。 支持从 none 到…

了解模型简体中文
OpenAI

GPT-5.6 Sol

GPT-5.6 Sol 是 OpenAI GPT-5.6 系列的旗舰推理模型,面向复杂专业工作。OpenAI 于 2026 年 7 月 9 日宣布该系列正式开放;此前曾于 2026 年 6 月 26 日启动有限预览。(openai.com) 可用于编程、代码库分析、研究、科学、网络安全、设计及其他多步骤知识工作;支持不同推理强度。(openai.com) API 支持文本和图像输入、文本输出,以及…

了解模型简体中文
OpenAI

GPT-Live-1 mini

GPT-Live-1 mini 是 OpenAI 的 GPT-Live 系列语音模型,面向自然、实时的人机语音对话。OpenAI 于 2026 年 7 月 8 日公布该模型,并在发布时将其作为 ChatGPT Free 用户的默认语音模型。(openai.com) 采用全双工架构,能够在说话的同时持续聆听,处理停顿、插话和对话节奏变化。 可将需要更深入推理、搜索或工具操作的任务委派给后台模型;发布…

了解模型简体中文
OpenAI

GPT-Live-1

GPT-Live-1 是面向实时自然对话的全双工语音模型,可同时聆听和说话,并将较复杂的推理和工具调用委派给后台模型或智能体。(developers.openai.com) 支持连续对话、打断处理、实时翻译,以及根据停顿或背景声音调整交互;开发者可通过提示词调整语气、语速和风格。(openai.com) 支持文本和音频输入、输出,可用于语音助手、语言学习、电话客服、预约和其他语音业务流程。(dev…

了解模型简体中文
ByteDance

Seedream 5.0 Pro

Seedream 5.0 Pro 是字节跳动面向高精度、专业设计与图像创作场景的多模态图像生成和编辑模型。官方于 2026 年 7 月 8 日发布该模型。(seed.bytedance.com) 支持文生图、单张或多张参考图生图,以及多图融合。 可将数据、概念和密集文字组织为信息图或其他视觉版式,适用于海报、电商素材和产品原型等创作。 支持通过点位、框选、坐标、草图等方式指定编辑区域,并支持图层拆…

了解模型简体中文
Tencent

HunyuanOCR-1.5

HunyuanOCR-1.5 是轻量化、端到端的 OCR 专用视觉语言模型,沿用 HunyuanOCR-1.0 的模型主干,重点提升推理速度和文字视觉任务能力。官方于 2026 年 7 月 7 日宣布发布。(github.com) 将文档解析、文字检测与识别、信息抽取和图文翻译整合到单一模型中,可用于处理文档、表格和公式等文字密集型图像。 针对低资源语言 OCR、古文字 OCR 和多图文字问答等能…

了解模型简体中文
OpenAI

GPT-5.5 Instant Mini

GPT-5.5 Instant Mini 是 OpenAI 在 ChatGPT 中推出的备用模型。根据发布公告,当用户达到 GPT-5.5 Instant 或 Auto 的速率限制时,它会替代 GPT-5.3 Instant Mini 接续对话。(help.openai.com) 与 GPT-5.3 Instant Mini 相比,官方称该模型更善于跟踪不断变化的用户意图、调整语气,并减少重复或过…

了解模型简体中文
OpenAI

GPT-Realtime-2.1 mini

GPT-Realtime-2.1 mini 是 OpenAI 面向实时语音交互的蒸馏推理模型,定位于速度更快、成本更低的实时语音应用。官方更新日志于 2026 年 7 月 6 日宣布发布。(developers.openai.com) 支持文本和音频输入与输出,以及图像输入;可通过 WebRTC、WebSocket 或 SIP 连接进行实时交互。 支持推理 token 和函数调用;官方称其字母数字…

了解模型简体中文
OpenAI

GPT-Realtime-2.1

GPT-Realtime-2.1 是面向实时语音交互的推理模型,可使用工具,适合构建需要语音对话和复杂工作流的智能体。它在 GPT-Realtime-2 的基础上改进了字母数字识别、静音与噪声处理以及对话打断行为。(developers.openai.com) 支持语音到语音交互、指令遵循、函数调用和可配置推理强度;可用于实时语音助手等应用。(developers.openai.com) 支持文本…

了解模型简体中文
Tencent

Hy3

Hy3 是腾讯混元于 2026 年 7 月 6 日正式发布的语言模型,面向推理、编程和智能体等生产力任务。它采用融合快慢思考的混合专家(MoE)架构,总参数量 295B,每次激活 21B 参数,支持最高 256K 上下文。正式版建立在 Hy3 preview 基础上,与预览版相比强化了模型表现和稳定性。(tencent.com) 支持复杂推理、指令遵循、上下文学习、代码生成,以及智能体的任务规划和…

了解模型简体中文
Alibaba

万相2.7-参考生视频

万相2.7系列的参考生视频模型,由阿里云百炼提供推理服务。官方上架公告日期为 2026年7月1日;本模型ID对应 2026年6月12日的快照版本。(help.aliyun.com) 接收文本、图像、视频和音频参考,输出视频;最多支持5个图像或视频混合参考,并支持音频音色参考。 重点增强角色、道具与场景参考的一致性及视频表演能力,适合连续角色创作、依据参考素材生成新剧情等用途。(help.aliyu…

了解模型简体中文
Alibaba

万相2.7-文生视频

阿里云万相2.7文生视频模型的2026年6月12日快照版本,根据文本提示词生成视频。官方公告称该版本强化了人物表演、情感表达、动作场景和镜头切换。(help.aliyun.com) 支持多镜头叙事和音频同步;可在提示词中使用时间戳描述分镜。 可提供自定义音频;未提供时,模型会根据视频内容自动生成匹配的背景音乐或音效。 可用于短片分镜、故事场景、宣传视频等创作。(alibabacloud.com)…

了解模型简体中文
Alibaba

Qwen3-Rerank

Qwen3-Rerank 是基于 Qwen LLM 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对文档重新排序,支持长文本和 100 多种语言;官方称其效果对齐开源 Qwen3-Rerank 系列。适用于语义文本检索、搜索结果重排和检索增强生成(RAG)。(alibabacloud.com) 输入为查询文本和候选文档,返回排序结果及相关性得分;可用 top_n 限制返回数量,也可通过…

了解模型简体中文
Alibaba

Qwen-Image-2.0-Pro

Qwen-Image-2.0 系列满血版图像模型的指定快照版本,融合图像生成与编辑,由阿里云百炼提供推理服务。(help.aliyun.com) 接受文本和图像输入,输出图像;支持文生图、图生图及图像编辑,可用于制作或修改包含文字的视觉素材。(help.aliyun.com) 官方强调其图中文字渲染、写实场景与材质表现,以及对语义指令的遵循能力;支持约 1k token…

了解模型简体中文
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