GPT-5-Codex
GPT-5-Codex 是 OpenAI 针对 Codex 及类似环境中的智能体编程任务优化的 GPT-5 版本,重点面向真实软件工程工作。(openai.com) 支持快速交互式代码修改,也可自主处理较长、复杂的软件工程任务,并辅助代码审查。发布时可在 Codex 云端任务、代码审查、CLI 和 IDE 扩展中使用。(openai.com) 支持文本输入和输出,以及图像输入;可结合截图处理前端或…
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。
GPT-5-Codex 是 OpenAI 针对 Codex 及类似环境中的智能体编程任务优化的 GPT-5 版本,重点面向真实软件工程工作。(openai.com) 支持快速交互式代码修改,也可自主处理较长、复杂的软件工程任务,并辅助代码审查。发布时可在 Codex 云端任务、代码审查、CLI 和 IDE 扩展中使用。(openai.com) 支持文本输入和输出,以及图像输入;可结合截图处理前端或…
Qwen-VL-OCR 是基于 Qwen-VL 训练的视觉理解与 OCR 模型,用于图文识别、解析和处理。该 API ID 对应 2025 年 8 月 28 日的模型快照。(help.aliyun.com) 官方称,此快照升级了文字定位能力,并提升了通用文字识别及卡证、票据信息抽取能力。可用于识别图中文字,以及提取卡证和票据信息。(help.aliyun.com) OCR 和信息抽取结果可能出错,…
万相 2.2 系列的首尾帧生视频模型,侧重较快生成:根据首帧、尾帧图片及可选文本提示词,生成两张图片之间的过渡视频。官方称其优化了动态稳定性、生成成功率和指令遵循能力。(docs.bailian.console.aliyun.com) **输入与输出:**输入图片和文本,输出无声视频;可用提示词描述主体运动或镜头变化。 **用途:**适合制作指定起止画面的短视频过渡、画面衔接和动态片段。 **输出…
MiniMax Music 1.5 是 MiniMax 的音乐生成模型,可根据自然语言描述创作最长 4 分钟的歌曲。官方公告发布于 2025 年 9 月 11 日。(minimax.io) 通过文本描述控制歌曲的风格、情绪、场景和人声特征;高级模式可为前奏、主歌、副歌等段落编排歌词。 生成不同音色与唱腔的人声,以及多层次器乐编曲,包括部分中国传统和小众乐器。 生成具有前奏、主歌、副歌、桥段和尾奏等…
Qwen-Plus 的 2025 年 9 月 11 日快照版本,面向文本生成和推理任务。官方发布记录日期为 2025-09-11。(help.aliyun.com) 支持文本输入和文本输出,以及思考和非思考模式。相较 2025-07-28 快照,官方称其思考模式的指令遵循能力有所提升、总结回复更精简;非思考模式的中文理解和逻辑推理能力有所增强。 可用于文本理解、总结、问答、推理和代码相关任务。官方…
文心大模型X1.1是百度于2025年9月9日发布的深度思考模型,发布时已上线百度智能云千帆平台,面向企业客户和开发者。X1.1主要采用迭代式混合强化学习训练框架。(cloud.baidu.com) 支持深度推理问答、指令遵循、逻辑推理、数学、代码任务、智能体规划和工具调用。(cloud.baidu.com) 百度称,与文心X1相比,X1.1的事实性、指令遵循和智能体能力分别提升34.8%、12.5…
Qwen3-ASR-Flash 是基于大语言模型的多语种语音识别模型。该版本是 2025 年 9 月 8 日的快照,输入音频并输出识别文本。阿里云模型上架公告将其列于 2025 年 9 月 8 日。(help.aliyun.com) 模型可自动判断语种并进行语音转写;官方发布公告称其可识别 11 种语言,并面向复杂音频环境进行识别。适用于短录音、语音消息和口述内容转写等场景。(help.aliyu…
Kimi K2 的指令模型更新版,面向通用对话和智能体任务,重点加强编程能力。采用混合专家(MoE)架构,总参数约 1 万亿,每个 token 激活约 320 亿参数。(kimi.com) 强化智能体编程、前端代码生成和工具调用,可用于软件开发、代码助手和多步骤任务。 上下文窗口从上一版本的 128K 扩展至 256K tokens,适合长文本和长期任务。 发布时的官方 API 支持自动上下文缓存…
Qwen3 系列 Max 模型的预览版本,面向文本生成和推理任务,融合思考模式与非思考模式。官方上架日期为 2025 年 9 月 5 日。(help.aliyun.com) 官方表示,思考模式在智能体编程、常识知识推理,以及数学、科学和通用推理方面有增强。可用于文本生成、编程辅助和复杂问题分析。(help.aliyun.com) 这是预览版本,不应与后续正式版或其他快照混同;输出仍需人工核验。 历…
CosyVoice-v3-plus 是通义实验室 CosyVoice 系列的语音合成与声音复刻模型,面向对音质、表现力和声音相似度要求较高的专业场景。阿里云百炼提供推理服务。(help.aliyun.com) 支持文本转语音及实时流式合成,输入为文本,输出为音频。 支持声音复刻;官方称提供 5–20 秒参考音频即可生成定制声音。 可用于专业语音合成、定制声音等场景。部分系统音色支持 SSML、时间…