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

376 个模型

按发布时间倒序
Alibaba

Qwen3.8-LiveTranslate

Qwen3.8-LiveTranslate 是面向多语言实时音视频同声传译的模型。官方公告发表于 2026-09-18;对应的百炼实时 API 模型 ID 为 qwen3.8-livetranslate-flash-realtime。(qwen.ai) 接收音频和可选图像,输出翻译文本,并可生成翻译语音;音频输入为必需,图像可来自视频流,用于辅助消歧。(docs.bailian.console.a…

了解模型简体中文
Alibaba

HappyOyster Acting

HappyOyster Acting 是阿里云百炼提供的实时交互角色演绎模型,属于 HappyOyster 世界模型系列。官方上架记录日期为 2026 年 9 月 17 日;模型目前处于邀测阶段。(help.aliyun.com) 接收文本和图像,生成指定人设风格的角色与场景,并通过文本指令实时驱动角色互动;输出为实时视频流。 创建角色演绎世界时需提供提示词和首帧图。默认画幅为 9:16,也支持…

了解模型简体中文
Alibaba

HappyOyster Directing

HappyOyster Directing 是用于实时交互和沉浸式演绎的开放式世界模型。它根据文本和图像生成世界场景,并可在生成过程中通过文本指令驱动实时演绎;输出为视频。(help.aliyun.com) 实时导演模式使用 Prompt 或结构化剧本及横屏首帧图,可选参考图;支持文本指令、暂停、回溯和恢复。(help.aliyun.cn) 可流式生成最长 3 分钟的视频,并在生成过程中注入指令改…

了解模型简体中文
Alibaba

HappyOyster Adventure

HappyOyster Adventure 是阿里云百炼提供的实时交互、可探索开放式世界模型。它基于文本和图像生成世界场景,输出实时交互视频,支持用户通过移动、视角和动作指令探索场景。(alibabacloud.com) **输入与输出:**输入为文本和图像;Adventure 使用文本提示词与首帧图创建世界,输出实时交互视频流。 **交互:**支持第一人称或第三人称视角、实时位移和镜头控制;可根…

了解模型简体中文
Alibaba

Qwen3.8-Omni-Flash

Qwen3.8-Omni-Flash 是面向音视频理解、内容分析及智能体应用的多模态模型,由阿里云百炼提供推理服务。(alibabacloud.com) 支持文本、图片、音频和视频输入,输出文本;可用于音视频理解、会议纪要、字幕生成、文本问答及多模态内容分析。(help.aliyun.cn) 支持思考与非思考模式、函数调用、联网搜索和上下文缓存;思考模式默认开启,推理强度可调。支持 Chat…

了解模型简体中文
Baidu

端到端语音语言大模型(Flex)

百度面向灵活交互和任务型场景的端到端语音语言大模型。2026年9月16日官方公告宣布开启公测;官方API文档仍将接口标注为公测阶段。(cloud.baidu.com) 支持实时自然语音交互、可打断对话,以及服务端自动语音活动检测(VAD)和客户端手动提交音频。(cloud.baidu.com) 支持Function Call连接外部工具和业务系统、联网搜索,以及70余种预置音色。(cloud.ba…

了解模型简体中文
Google

Gemini 3.8 Live Extended Thinking

Google 面向实时语音交互和复杂多步骤任务的音频到音频 Live API 模型。它可在保持对话的同时进行后台推理和异步工具调用,适合构建语音智能体。(aistudio.google.com) 接收文本、图像和音频;模型卡也将视频列为输入。常规输出为文本和音频。输入上限为 131,072 tokens,输出上限为 65,536 tokens。(aistudio.google.com) 可配置低、…

了解模型简体中文
Google

Gemini 3.8 Live

Gemini 3.8 Live 是面向低延迟实时语音对话的音频到音频模型,侧重规模化部署和成本效率。它与面向更复杂多步推理任务的 Gemini 3.8 Live Extended Thinking 是不同版本。(blog.google) 支持实时语音交互、交错推理、同步和异步函数调用,以及结合视觉输入进行对话;官方称其可在对话中自动切换 97 种受支持语言。(blog.google) Gemini…

了解模型简体中文
Moonshot AI

K2.8 Preview

K2.8 Preview 是面向 Kimi Code 编程与智能体工作流的预览模型。官方于 2026 年 9 月 11 日宣布其在 Kimi Code 全量上线;原有模型 ID kimi-for-coding 保持不变。官方称其综合性能接近 K3,编码与智能体能力相较 K2.7 Code 提升,思考效率也有改善;这些对比属于官方定性描述。(kimi.com) **编程与智能体:**适合代码补全、常…

了解模型简体中文
DeepSeek

DeepSeek-V4.1-Flash

DeepSeek 于 2026 年 9 月 10 日发布 DeepSeek-V4.1-Flash,将其定位为新架构系列中尺寸最小、注重推理效率和吞吐量的多模态模型。(deepseek.com) 采用因果编码器—解码器(CED)混合专家架构,主干参数为 552B;输入预填充阶段每 token 激活 8B 参数,输出生成阶段激活 16B 参数。 原生处理文本和图像,生成文本;适用于图像理解、长上下文任…

了解模型简体中文
Tencent

AuK-Flash

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…

了解模型简体中文
Tencent

AuK

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…

了解模型简体中文
OpenAI

GPT-Image-2.5 Sunburst

GPT-Image-2.5 Sunburst 是 OpenAI 面向高精度图像生成和编辑工作流的 API 模型。相较于注重速度的 GPT-Image-2.5 Flare,Sunburst 为细致创作和多次编辑提供更精细的控制,但生成时间更长。(openai.com) 根据文本和图像输入生成或编辑图像;支持 low、medium、high、xhigh、max 和 auto…

了解模型简体中文
OpenAI

GPT-Image-2.5 Flare

GPT-Image-2.5 Flare 是 OpenAI 面向日常高质量、快速图像生成的 API 模型,适合作为多数应用的默认图像模型。OpenAI 称,相比 GPT-Image-2,它能生成质量更高的图像,延迟降低 50%。(openai.com) 接受文本和图像输入,输出图像;支持图像生成与编辑,以及 low、medium、high、xhigh、max 和 auto 质量设置。 可在…

了解模型简体中文
Alibaba

Qwen-Drive-1.0

Qwen-Drive-1.0 是面向自动驾驶研究的视觉语言基础模型,以 Qwen3.5-4B 为骨干,在统一框架中结合三维感知、视觉问答和运动规划。(alibabacloud.com) 三维感知:外接鸟瞰图(BEV)感知模块,用于三维目标检测、语义占用预测和鸟瞰地图分割。 视觉语言理解:支持驾驶场景视觉问答,并保留通用视觉理解和指令遵循能力。 运动规划:规划模块依据共享视觉语言表征生成自车未来轨迹…

了解模型简体中文
OpenAI

GPT-6 Astra

GPT-6 Astra 是 OpenAI 面向高难度任务的旗舰模型,适合复杂推理、编程、研究、计算机操作和文档创建。(openai.com) 支持文本输入和输出,以及图像输入;可用于分析图像、编写代码、开展研究及制作文档。(developers.openai.com) 上下文窗口为 1,050,000 token,最大输出为 128,000 token;知识截止日期为 2026 年 4 月 30…

了解模型简体中文
Google

WeatherNext 3

WeatherNext 3 是由 Google DeepMind 与 Google Research 开发的全球 AI 天气预报模型,面向天气预测和气象数据应用,而非通用对话模型。(developers.google.com) Google 官方公告发表于 2026 年 9 月 3 日;开发者发布记录将模型上线日期列为 2026 年 8 月 31…

了解模型简体中文
Google

Gemini 3.8 Flash Cyber

Gemini 3.8 Flash Cyber 是基于 Gemini 3.8 Flash 后训练、专门面向网络安全场景的模型,重点服务可信防御方。Google 于 2026 年 9 月 2 日发布公告;Google Cloud 文档所列正式版发布日期为 2026 年 9 月 16 日。(blog.google) 支持自主发现代码漏洞和生成漏洞修补方案,适用于安全审计、漏洞研究和代码修复。Google…

了解模型简体中文
Google

Gemini 3.8 Flash

Gemini 3.8 Flash 是 Google 基于 Gemini 3.7 Flash 构建的通用多模态模型,侧重长周期软件工程、自主智能体和复杂企业知识工作,兼顾速度与成本。它与同日发布、面向可信网络安全防御者的 Gemini 3.8 Flash Cyber 是不同型号。(blog.google) 支持文本、图片、音频、视频和 PDF 输入,输出文本;输入上限为 1,048,576…

了解模型简体中文
Alibaba

Qwen3.8-Max-0902

Qwen3.8-Max-0902 是 Qwen3.8-Max 的升级快照,快照日期为 2026 年 9 月 2 日,别名为 qwen3.8-max-2026-09-02。官方公告称,千问 AI 平台计划于北京时间 2026 年 9 月 5 日 10:00 起将 qwen3.8-max 自动更新为该快照,实际时间以变更为准;升级时计费项和价格不变。(platform.qianwenai.com) 支…

了解模型简体中文