Text Embedding V4
通义实验室基于 Qwen3 训练的多语言通用文本向量模型,属于 Qwen3-Embedding 系列。它将文本转换为数值向量,而非生成对话回答。(docs.bailian.console.aliyun.com) 支持中文、英语等 100 多种主流语言及多种编程语言;可选向量维度为 64、128、256、512、768、1024、1536、2048,默认 1024。(help.aliyun.com)…
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。
通义实验室基于 Qwen3 训练的多语言通用文本向量模型,属于 Qwen3-Embedding 系列。它将文本转换为数值向量,而非生成对话回答。(docs.bailian.console.aliyun.com) 支持中文、英语等 100 多种主流语言及多种编程语言;可选向量维度为 64、128、256、512、768、1024、1536、2048,默认 1024。(help.aliyun.com)…
百度智能云千帆平台自研的舆情分析视觉大模型,曾作为预置服务提供,主要处理图片场景分类和敏感场景判断。(qianfan.cloud.baidu.com) 根据图片识别场景并判断是否属于敏感场景;官方举例包括暴力事件、火灾、交通事故和自然灾害。 可用于图片舆情场景识别。模型更新记录称其以 JSON 格式输出结果。(qianfan.cloud.baidu.com) 百度官方退役记录显示,该预置模型服务于…
腾讯混元 TurboS 系列的固定版本,是面向文本生成与理解的通用大语言模型。该版本于 2025 年 6 月 4 日上线。(cloud.tencent.com) 官方公告称,此版本升级了预训练底座,提升了写作和阅读理解能力,较大幅度提升了代码和理科能力,并持续改进复杂指令遵循能力。可用于文本创作、阅读理解、代码辅助及理科问题处理等任务。(cloud.tencent.com) 公告未给出此固定版本的…
GPT-4o Realtime 是面向实时语音与文本交互的预览模型。OpenAI 于 2025 年 6 月 3 日公告了快照 gpt-4o-realtime-preview-2025-06-03,并在 Realtime API 中提供该版本。(community.openai.com) 支持文本和音频输入、输出,可通过 WebRTC 或 WebSocket 进行实时交互,适合构建语音助手和实时对话…
GPT-4o Audio 是支持音频输入和输出的 GPT-4o 预览模型。本条对应固定版本 gpt-4o-audio-preview-2025-06-03,发布时通过 Chat Completions API 提供。(community.openai.com) 支持文本和音频输入、输出,以及流式输出和函数调用;可用于构建语音交互和语音智能体应用。 OpenAI 表示,此次语音到语音模型更新改善了指…
SynLogic-7B 是面向逻辑推理的 7B 级文本生成模型,以 Qwen2.5-7B-Base 为基础,使用 SynLogic 数据集进行强化学习训练。官方模型卡标注语言为英语。(huggingface.co) 模型针对 27 类逻辑推理任务训练,包括数独、24 点和密码等;训练数据可自动验证。官方称其逻辑推理能力可迁移至数学问题求解,适合用于逻辑推理研究、数学问题实验及模型评测。官方报告的…
腾讯混元 T1 系列的深度推理模型版本,官方于 2025 年 5 月 29 日公告上线。(cloud.tencent.cn) 官方表示,此版本优化了文本创作、作文写作、前端代码、数学和逻辑推理能力,并提升了指令遵循能力。可用于写作辅助、前端代码生成与理科推理等任务。(cloud.tencent.cn) 模型输出可能存在错误,重要内容及代码应由用户核验。 本次核验未找到针对该固定版本的可靠上下文窗口…
hunyuan-large-vision 是基于混元 Large 训练的视觉语言大模型,面向图文理解场景。(main.qcloudimg.com) 支持多张图片与文本组合输入,并生成文本内容。官方公告称其支持任意分辨率图片输入。 聚焦图文理解任务;官方称其多语言图文理解能力有显著提升,可用于需要结合图片和文字进行理解的场景。(main.qcloudimg.com) 公告所述输出为文本,未核实图像生…
腾讯混元基于 TurboS 的视觉语言旗舰模型版本,面向图文理解任务。(main.qcloudimg.com) 官方称,该版本改善了通用图片理解效果,并在基于图片的实体识别、知识问答、文案创作和拍照解题等方面,相比前一代模型有所提升。(main.qcloudimg.com) 本次更新将上下文窗口从 8K 扩展至 32K;公告未分别说明输入和输出的额度。(main.qcloudimg.com) 腾讯…
腾讯混元 T1 系列的深度推理模型固定版本,发布于 2025 年 5 月 21 日。(main.qcloudimg.com) 官方称,该版本增强了数学、代码、科学和知识问答能力,并通过优化文科数据提升文本创作与理解能力。适用于数学和科学问题求解、代码相关任务、知识问答和文本创作等场景。(main.qcloudimg.com) 输出可能有误,重要事实、推理结果和代码应由用户核验。 该固定版本的上下文…
腾讯混元 TurboS 系列的大语言模型版本,面向通用文本与推理任务。该版本自适应融合长短思维链。(cloud.tencent.com) 官方称,相较此前版本,本版本提升了数学、代码、逻辑和科学等理科能力,文科效果维持。可用于数学与逻辑问题分析、代码相关任务及科学问题解答。官方公布的测试结果包括:数学 OOD 测试集提升 7%、逻辑难题提升 5%、代码能力及体验提升 5%、科学提升 8%;这些是官…
hunyuan-t1-vision 是腾讯混元的多模态理解深度思考模型。腾讯云产品动态记载,其正式版于 2025 年 5 月 16 日发布。(cloud.tencent.com) 模型支持多模态原生长思维链,擅长图片推理;官方称其在理科难题上的表现相较快思考模型有所提升。它可用于图文理解和基于图片的推理任务。(cloud.tencent.com) 发布公告未给出该正式版的上下文窗口、图片数量或分辨…
Qianfan-Sug 是百度千帆平台自研的对话预测垂直模型,面向多轮对话中的下一轮问题推荐。百度将其列为推理服务 API V2 的文本生成模型。(ai.baidu.com) 模型根据已有对话上下文识别用户意图,推测用户接下来可能提出的问题,可用于智能客服、电商等场景,为用户提供后续问题建议。(ai.baidu.com) 该模型的定位是对话预测和问题推荐;预测结果并不保证与用户的实际下一次提问一致…
Wan2.1-VACE-Plus 是万相 2.1 的视频创作与编辑统一模型,接受文本、图像和视频等条件输入,输出视频。官方公告将其列为视频生成模型。(help.aliyun.com) 支持视频局部编辑、视频重绘、画面扩展、视频时长延展和图片参考生成。 可用于修改或替换视频中的局部元素、扩展画面边界,以及参考图像或视频的内容与动态特征生成视频。(help.aliyun.com) 2.1 版 API…
千问实时全模态理解与生成模型的 2025 年 5 月 8 日快照版本,面向实时音频交互。(docs.modelstudio.console.alibabacloud.com) 支持文本、图像、视频和音频输入,可理解音频伴随其他模态的混合输入。 支持同时流式生成文本和语音,提供 4 种自然对话音色。 适用于实时语音助手、多模态对话等交互场景。(help.aliyun.com) 官方此前的模型资料列示…