HyPDE
HyPDE 是用于二维偏微分方程(PDE)模拟的基础模型,采用融合历史帧的 Transformer 架构,参数量为 3.23 亿。模型从头训练,覆盖 The Well 和 FlowBench 的 13 个二维物理数据集。(github.com) 输入规则二维网格上最近 6 帧模拟物理场,一次预测接下来 4 帧;可将预测结果递归输入,以生成更长的轨迹。 一套权重覆盖声学、可压缩流体、活性物质、反应扩…
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。
HyPDE 是用于二维偏微分方程(PDE)模拟的基础模型,采用融合历史帧的 Transformer 架构,参数量为 3.23 亿。模型从头训练,覆盖 The Well 和 FlowBench 的 13 个二维物理数据集。(github.com) 输入规则二维网格上最近 6 帧模拟物理场,一次预测接下来 4 帧;可将预测结果递归输入,以生成更长的轨迹。 一套权重覆盖声学、可压缩流体、活性物质、反应扩…
Tencent Hy4 是腾讯于 2026 年 11 月 4 日发布的新一代大语言模型,面向办公、编程、分析及长程智能体任务。腾讯在发布公告中将其定位为开放模型,并表示计划随后发布模型权重和系统卡;该公告本身不能证明权重现已发布。(tencent.com) 支持视觉理解、推理和工具调用,可用于图像细节处理、复杂图表分析及视觉数学推理。 支持通过命令行和图形界面操作计算机;腾讯称其针对…
**发布日期:**2026-11-02。腾讯在 Hyra 成果仓库中发布了模型权重、代码和技术报告。(github.com) HyCell 是面向人类单细胞转录组的嵌入模型,参数量约 1,610 万。它将单个细胞的原始基因表达计数映射为 512 维嵌入,也可将嵌入解码为基因表达。模型在 CZ CELLxGENE Census 的 7,950 万个人类细胞上进行预训练,未使用细胞类型标签。(raw.…
腾讯混元推出的实时同声传译模型,面向中文与英文双向翻译。Interleave 版本在流式翻译时输出源语言文本和译文;同系列非 Interleave 版本只输出译文。模型权重采用 Apache-2.0 许可证。(huggingface.co) 持续接收语音,边听边译,适用于会议、演讲、访谈等实时交流场景。 配合语音合成服务,可输出译语语音并实现实时音色克隆。 腾讯报告,Hy-SimulMT 在…
腾讯混元发布的实时同声传译模型,面向中文与英文之间的双向语音翻译。模型权重以 Apache 2.0 许可证发布。(github.com) 持续接收说话人的音频,边听边生成译文;适用于会议、演讲、访谈等实时交流场景。 本模型版本仅输出译文文本。接入并配置独立的文本转语音(TTS)服务后,系统可输出译文语音并支持实时音色克隆;同系列的 Interleave 版本可同时输出源文本和译文。 腾讯在…
WeVisOne-VL-4B 是腾讯微信视觉团队开发的视觉语言模型,基于 Qwen3-VL,面向统一的目标级和像素级视觉感知。官方提供模型权重和推理工具;模型仓库标注为 Apache 2.0 许可,第三方组件仍须遵循各自许可。(huggingface.co) 支持开放词汇目标检测、指代定位、目标计数、指点、OCR 与文字定位,以及指代分割和提示式抠图。 可根据任务输出点、边界框、文本、二值掩码或连…
WeVisOne-VL-2B 是腾讯微信视觉团队开发的开放权重视觉语言模型,基于 Qwen3-VL,侧重统一目标级与像素级视觉感知。它通过结构化的下一 token 预测和约 960 万参数的像素解码器产生结果。(huggingface.co) 模型接受图像和文本查询,可用于开放词汇目标检测、指代定位、目标计数、指点、OCR 与文字定位,也可进行指代分割和提示式 Alpha 抠图。输出可包括文本、坐…
Hy-Nomas 是腾讯发布的自由形式交互式视频世界生成模型,使用约 80 亿参数的扩散模型骨干,支持多轮文本指令和连续摄像机控制。它生成的是视频形式的世界内容,不应等同于可编辑的三维场景资产。(arxiv.org) 通过逐段自回归生成视频,并利用缓存的历史信息维持跨片段一致性;可用文本描述物体、风格、场景和动作,也可结合摄像机轨迹控制画面。(github.com) 官方提供交互式网页演示、训练与…
Hy-Memory-30B-A3B 是腾讯混元开发的长期记忆写入专用模型,面向外部记忆系统中的信息提取与状态更新,而非单纯以通用聊天为目标。模型总参数约 30B,每次推理激活参数约 3B。(huggingface.co) 判断对话或任务中哪些信息值得保留,将其表示为记忆,并根据新证据更新持久记忆。 可替换 Mem0、MemOS 和 Hy-Memory 等框架中的通用记忆写入模型,应用于聊天、工作和…
腾讯混元的预览版图像生成模型,面向专业视觉内容创作。腾讯云 TokenHub 提供 API 接入。(cloud.tencent.com) 支持文生图、参考图生图和多轮图像编辑,可在消息中结合文本、参考图和历史上下文。(cloud.tencent.com) 支持外部搜索增强、自定义尺寸和生成种子等功能,可用于海报、UI 设计和商品图编辑。(cloud.tencent.com) 当前调用文档支持最高…
AuK-Flash 是腾讯 AuK 语音生成与编辑基础模型的蒸馏版本,面向快速推理。AuK 系列模型约为 15 亿参数;Flash 使用固定 4 步推理,不使用无分类器引导。官方技术报告称,在相同硬件、输出时长和批量条件下,相比 32 步的 AuK 基础模型,实测推理耗时加速约 4.5 倍;实际表现取决于部署条件。(github.com) 模型通过自然语言指令及按任务需要提供的音频,支持零样本文本…
AuK 是腾讯开源的语音生成与编辑基础模型,官方称模型规模为 1.5B 参数。此条目对应面向高质量生成的 AuK 基础模型,而非采用四步推理的蒸馏版本 AuK-Flash。代码与权重于 2026 年 9 月 9 日公开,采用 MIT 许可证。(huggingface.co) 模型通过统一的自然语言指令接口执行语音任务,可用于配音、音频内容修改和音频修复等场景: 语音生成:基于参考音频的零样本文本转…
Tencent Hy4 preview 是腾讯混元 Hy4 系列的早期预览版大语言模型,面向代码开发、办公和科研等生产力任务。腾讯于 2026 年 8 月 28 日发布并开源该模型。模型总参数量为 770B,激活参数量为 49B,上下文窗口超过 100 万 token。(tencent.com) 软件工程:支持长程开发任务的理解、规划、调试和验证,也可用于前端开发。 办公与分析:可辅助数据分析、跨…
WeMM-Embedding-9B 是腾讯微信视觉团队研发的通用多模态嵌入模型,约 90 亿参数,基于 Qwen3.5。它将不同模态的内容映射到统一向量空间,主要用于表示和检索,而非生成式对话。(huggingface.co) 支持文本、图像、视频、视觉文档及交错的多模态输入,输出经过 L2 归一化的嵌入向量。 完整向量为 4096 维;还支持 64、128、256、512、1024 和 2048…
WeMM-Embedding-4B 是腾讯微信视觉团队研发的通用多模态嵌入模型,基于 Qwen3.5,将不同模态的内容映射到统一的向量表示。它主要用于特征提取和相似度计算,而不是生成式对话。(huggingface.co) 支持文本、图像、视频、视觉文档以及交错排列的多模态输入。 默认输出 2,560 维、经过 L2 归一化的向量;支持 Matryoshka 嵌入维度 64、128、256、512…
WeMM-Embedding-2B 是腾讯微信视觉团队研发的通用多模态嵌入模型,基于 Qwen3.5,将不同模态映射到统一的向量表示空间;其主要输出是嵌入向量,而非对话文本。(huggingface.co) 支持文本、图像、视频、视觉文档及交错多模态输入,适用于跨模态检索、相似度匹配、搜索和推荐等场景。 完整输出为 2048 维、经 L2 归一化的向量;支持 64、128、256、512、1024…
Hunyuan3D-Buffalo 1.0 是腾讯混元提出的统一 3D 多模态研究框架,整合 3D 理解、生成、编辑和部件生成。它以 Hunyuan3D-VLM 连接语义与空间理解,并结合 Hunyuan3D DiT 进行 3D 合成。(tencent-hunyuan.github.io) 3D 理解:针对 3D 对象进行问答、语义及空间定位。 文生 3D:根据文字提示生成 3D 资产。 指令编辑…