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

146 个模型

按发布时间倒序
Tencent

Hy-Embodied-VLM-1.0

Hy-Embodied-VLM-1.0 是面向现实物理世界具身智能体的视觉语言基础模型,由腾讯 Robotics X、混元视觉团队与福田实验室联合研发。它采用混合专家(MoE)架构,总参数约 300 亿,每个 token 激活约 30 亿参数。(github.com) 接收文本和图像,支持与动作相关的状态理解、动作与状态转变推理,以及多步骤、自适应推理,可用于机器人场景理解、空间推理和任务规划。(…

了解模型简体中文
Alibaba

Qwen-Audio-3.0-TTS-Flash

面向实时交互优化的文本转语音模型:输入文本,输出音频。官方公告称其侧重低延迟合成,首包延迟控制在 200 毫秒以内;实际延迟可能受使用条件影响。(alibabacloud.com) 支持多种语言和中文方言,并可通过自由形式指令及细粒度标签控制情绪、语气、角色、语速和音量等表达。(help.aliyun.com) 支持流式输出、自定义音色和指令控制,适用于语音助手、实时对话和智能客服等场景。(pla…

了解模型简体中文
Alibaba

Qwen-Audio-3.0-TTS-Plus

Qwen-Audio-3.0-TTS-Plus 是阿里云面向高质量语音生成的语音合成模型,输入文本、输出音频;Plus 版本侧重音质、自然度和细节表现。官方公告同时列出语音合成和实时语音合成能力。(alibabacloud.com) 支持自然语言指令和细粒度标签控制,可调整情绪、语气、角色、语速、音量和合成风格;官方称其较前一版本增强了小语种、中文方言及复杂声学条件下的表现。(alibabaclo…

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
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