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

180 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
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
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
Baidu

PP-OCRv6_small_det

PP-OCRv6_small_det 是百度飞桨 PaddleOCR 团队开发的 PP-OCRv6 小型文本检测模型,适合移动端部署。模型约有 248 万参数,采用 LCNetV4 骨干和 RepLKFPN 特征金字塔;官方文档列出的模型存储大小为 9.6 MB。模型卡标注采用 Apache-2.0 许可证。(huggingface.co) 输入图像,定位并输出包含文字的区域框,可作为 OCR 流…

了解模型简体中文
Baidu

PP-OCRv6_tiny_rec

PP-OCRv6_tiny_rec 是 PaddleOCR PP-OCRv6 系列中最轻量的文本识别模型,面向端侧等资源受限环境。官方模型卡标注约 110 万参数,模型文件约 4.4 MB,采用 Apache-2.0 许可。(huggingface.co) 将图像中的文字区域转换为可编辑、可搜索的文本;可与文本检测模块组合构建 OCR 流程。 单模型支持 49 种语言,可用于多语言文档、图片文字提…

了解模型简体中文
Baidu

PP-OCRv6_tiny_det

PP-OCRv6_tiny_det 是 PaddleOCR 团队开发的 PP-OCRv6 系列超轻量文本检测模型,约有 43 万参数,面向端侧和物联网等资源受限场景。其骨干网络为 LCNetV4,检测特征金字塔采用 RepLKFPN。(huggingface.co) 输入图像,定位其中的文本区域,可用于印刷、手写、旋转、弯曲及艺术文字等场景。 可作为 OCR 流水线的检测模块,配合文本识别模型,用…

了解模型简体中文
Tencent

Universal Audio Tokenizer

Universal Audio Tokenizer 是腾讯微信 AI 发布的紧凑型单码本音频分词器,旨在结合语言对齐与通用音频感知,为音频大语言模型提供统一的音频输入和输出表示。它不是独立的聊天模型或完整的文本转语音服务。(github.com) 将语音、声音和音乐等音频编码为离散 token,并可从 token 重建波形;官方提供预训练权重、推理示例和训练代码。(huggingface.co)…

了解模型简体中文