WeMM-Embedding-9B
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…
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。
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…
Wan3.0-Video-Prime 是万相 3.0 视频生成模型的高速版,能力与标准版 Wan3.0-Video 对齐,重点提升端到端生成速度。阿里云官方发布记录日期为 2026-08-20。(alibabacloud.com) 支持文本、图像、视频和音频等多模态输入,以及文件和公开网页链接参考;输出视频。 支持文生视频、首帧或首尾帧图生视频、多模态参考生视频,以及视频编辑和延长。可用于故事表达…
Qwen3.8-27B 是阿里巴巴千问团队的原生视觉语言稠密模型,语言模型参数量为 270 亿。官方发布了模型权重,模型卡标注 Apache 2.0 许可证,可用于自行部署;阿里云百炼也提供托管推理服务。(huggingface.co) 接受文本、图像和视频输入,输出文本;适用于文档及视觉内容理解、编程、办公任务和多步骤智能体工作流。(help.aliyun.com) 模型支持思考与非思考模式;百…
DeepSeek-V4-Pro 是 DeepSeek V4 系列的正式版模型;本条对应版本 DeepSeek-V4-Pro-0813,于 2026 年 8 月 13 日发布,提供 APP、网页端和 API 使用。APP 和网页端可通过“专家模式”使用;API 模型名为 deepseek-v4-pro。(api-docs.deepseek.com) 正式版重点增强 Agent 能力,适合工具调用、代…
Qwen3.8-2.4T-A95B 是通义千问旗舰系列的开放权重语言模型,采用稀疏混合专家(MoE)架构,总参数量约 2.4 万亿,每个 token 激活约 950 亿参数。官方 GitHub 公告显示,该模型于 2026 年 8 月 12 日发布。(github.com) 主要面向编程、专业工作、研究和长链路智能体任务,可用于代码辅助、文档分析、多步骤任务规划与工具调用。 开放权重模型原生上下文…
Wan3.0-Video 是阿里巴巴的全能型视频生成模型,通过同一模型支持文生视频、图生视频和参考生视频。(docs.qwencloud.com) 支持文本、图像、音频、视频、文件及网页链接等输入,可进行首帧或首尾帧生成、多模态参考生成、视频编辑和视频延长。(docs.qwencloud.com) 支持生成音画、声音开关、智能时长和自适应画幅;输出分辨率为 480P、720P 或 1080P,视频…
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…
Qwen-Image-3.0 是千问图像生成模型的标准版,侧重平衡生成质量、速度和成本;它不同于更侧重复杂布局与细节质量的 Pro 版。(docs.qwencloud.com) 接受文本和图像输入,输出图像,支持文生图、图生图和图像编辑。 官方称其支持最长约 4.5K token 的复杂提示词,可生成信息密集的排版、图中图和清晰文字,支持 12 种语言及多种字体。 适合海报、网页、UI 设计等日常…
Qwen3.8-Max 是 Alibaba 于 2026 年 8 月 3 日正式发布的通义千问旗舰多模态基础模型。它采用稀疏混合专家(MoE)架构和混合注意力机制,总参数量为 2.4 万亿,每次激活 950 亿参数。官方发布公告:Alibaba Cloud 公告。(alibabacloud.com) 模型支持文本、图像和视频输入,输出文本;支持原生视觉理解、函数调用、结构化输出和上下文缓存。适用场…