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

654 个模型

按发布时间倒序
Alibaba

万相2.1-图生视频-Turbo

万相2.1系列图生视频Turbo模型,以较快生成速度将静态图片转为动态视频,通过阿里云百炼提供推理服务。(help.aliyun.com) 根据首帧图片生成视频,可结合提示词描述期望的运动和画面。官方介绍称模型支持大幅度复杂运动、物理规律遵循、多种艺术风格和影视级画面质感,并提升了指令遵循能力。(help.aliyun.com) 可用于静态图片动态化、视觉创意和短视频素材制作。 输出为无声视频;分…

了解模型简体中文
Google

Gemini 2.0 Flash-Lite

Gemini 2.0 Flash-Lite 是 Gemini 2.0 系列中针对速度、规模和成本效益优化的多模态模型。Google 于 2025 年 2 月 25 日宣布其正式上市,可用于生产环境。此前的公开预览版于 2025 年 2 月 5 日发布。(aistudio.google.com) 支持文本、图片、音频和视频输入,输出文本;输入上限为 1,048,576 token,输出上限为 8,1…

了解模型简体中文
Anthropic

Claude 3.7 Sonnet

Claude 3.7 Sonnet 是 Anthropic 于 2025 年 2 月 24 日发布的混合推理模型,在同一模型中提供标准回答和扩展思考两种模式。(anthropic.com) 支持文本和图像输入,输出文本;可用于对话、内容分析、创意任务和编程。(anthropic.com) 扩展思考模式会在回答前进行更深入的推理;API 用户可以设置思考 token 预算,在速度、成本和回答质量之间…

了解模型简体中文
Moonshot AI

Moonlight-16B-A3B-Instruct

Moonlight-16B-A3B-Instruct 是 Moonshot AI 发布的指令微调版文本生成模型,采用混合专家(MoE)架构,总参数约 160 亿、每 token 激活参数约 30 亿。Moonlight 使用 Muon 优化器,训练数据量为 5.7 万亿 token。(huggingface.co) 模型面向指令跟随和对话式文本生成,可用于问答、摘要、写作辅助及代码、数学任务实验。…

了解模型简体中文
Moonshot AI

Moonlight-16B-A3B

Moonlight-16B-A3B 是 Moonshot AI 发布的预训练基础语言模型,采用混合专家(MoE)架构,约有 160 亿总参数、每个 token 激活约 30 亿参数。它使用 Muon 优化器在 5.7 万亿 token 上训练。该基础模型与另行发布的指令微调版本 Moonlight-16B-A3B-Instruct 不同。(huggingface.co) 支持文本生成,官方标注上下…

了解模型简体中文
MiniMax

Image-01

Image-01 是 MiniMax 的图像生成模型,支持根据文本描述生成不同尺寸的图片;官方定价页将其列为历史模型。(platform.minimax.io) 支持文本描述和参考图片生成图片,可用于创意设计、社交媒体配图和商业视觉素材。(platform.minimax.cn) 官方发布文章介绍了对场景、光影、人物和物体细节的生成能力,并列出 16:9、4:3、3:2、2:3、3:4、9:16…

了解模型简体中文
Google

Document AI Custom Extractor v1.4

Google Cloud Document AI 的自定义文档信息抽取模型版本,由 Gemini 2.0 Flash 驱动。用户可定义需要抽取的字段,将文档内容转换为结构化实体。(docs.cloud.google.com) 根据自定义 schema 抽取文档字段,适用于处理不同格式和版式的业务文档。Custom Extractor 提供零样本、少样本和微调方式;零样本只需定义 schema,微调…

了解模型简体中文
Alibaba

Qwen-Omni-Turbo

Qwen-Omni-Turbo 是通义千问的多模态理解与生成模型。阿里云百炼的模型更新公告将其列于 2025-02-14。(help.aliyun.com) 支持文本、图像、音频和视频输入,也支持混合模态输入理解。 支持文本与语音同时流式输出,提供四种自然对话音色。 可用于多模态内容问答、音视频内容理解和语音交互等场景;图像和视频是输入模态,不应据此理解为支持图像或视频生成。(help.aliyu…

了解模型简体中文
MiniMax

I2V-01-Director

I2V-01-Director 是 MiniMax Video-01 系列的图生视频导演版模型,以镜头运动控制为重点。输入图片并结合文本描述,生成视频;它与文生视频模型 T2V-01-Director 同属 01-Director 系列。(minimaxi.com) 支持通过提示词中的运镜指令或自然语言描述控制镜头运动。官方介绍了推、拉、摇、移、晃动、跟随和固定镜头等效果,并提供可组合的运镜方式。…

了解模型简体中文
MiniMax

T2V-01-Director

T2V-01-Director 是 MiniMax 海螺视频模型家族中的文生视频模型,侧重镜头运动控制和电影式叙事。模型接收文本提示,生成视频;它不同于图生视频模型 I2V-01-Director。(minimax.io) 可通过自然语言或方括号指令控制运镜,例如 [Push in]、[Pan left] 和 [Tracking…

了解模型简体中文
Google

Gemini 2.0 Flash-Lite Preview

Google 于 2025 年 2 月 5 日发布的 Gemini 2.0 Flash-Lite 公开预览版,面向注重成本和速度的开发场景。Google 表示,它在多数基准测试中优于 Gemini 1.5 Flash,同时保持相同的速度和成本。(blog.google) 支持多模态输入,具有约 100 万 token 的上下文窗口。…

了解模型简体中文
Google

Gemini 2.0 Pro Experimental

Gemini 2.0 Pro 的实验性公开预览版本。Google 在发布时将其定位为当时最擅长编程和处理复杂提示词的 Gemini 模型。(blog.google) 支持多模态输入和文本输出,适合代码生成、复杂问题处理以及大量信息的分析和理解。 官方公布的上下文窗口为 200 万 token;实际可用额度可能随平台和服务配置变化。 官方介绍其具备调用 Google…

了解模型简体中文
Google

Gemini 2.0 Flash

Gemini 2.0 Flash 是 Google 面向高效率和生产应用的多模态模型。gemini-2.0-flash-001 于 2025 年 2 月 5 日作为正式可用版本发布。(aistudio.google.com) 接受文本、图片、音频和视频输入,生成文本输出;可用于多模态内容理解、摘要、信息提取及对话等任务。 支持函数调用、代码执行、结构化输出、搜索接地和上下文缓存。输入上限为 1,0…

了解模型简体中文
Google

Document AI Enterprise Document OCR v2.1.1

Google Cloud Document AI 的 Enterprise Document OCR 处理器版本,用于从文档中识别和提取文字及版面信息。官方于 2025 年 2 月 3 日公告该版本以候选发布版(Release Candidate)形式推出;当前处理器列表将其列为公开预览版,并说明它与 v2.1 相似。(docs.cloud.google.com) 识别文档中的印刷文字和手写文字,…

了解模型简体中文
Alibaba

Qwen-Plus

Qwen-Plus 的日期版文本生成模型,侧重能力与速度的平衡,适合中等复杂度任务。官方称其推理效果和速度介于 Qwen-Max 与 Qwen-Turbo 之间。(docs.bailian.console.aliyun.com) 支持文本输入和文本输出,可用于中英文及多语言问答、代码生成、逻辑推理、创意写作和角色扮演。 相比 2025-01-12 版本,官方称其中文和英文能力、代码、逻辑及多语言能…

了解模型简体中文
Baidu

ERNIE-iRAG-1.0

ERNIE-iRAG-1.0 是百度的图像生成模型,采用基于图像的检索增强生成(iRAG)技术,结合百度搜索图片资源与基础模型能力,根据文本生成图片。(ai.baidu.com) 主要用于文本生成图像,可用于创意配图和视觉内容制作。 百度后续文档称,ERNIE-iRAG 图像生成接口支持传入参考图;具体可用参数应以实际接入接口为准。(qianfan.cloud.baidu.com) 生成结果仍需人…

了解模型简体中文
Alibaba

Wanx2.0-T2I-Turbo

阿里云百炼提供的通义万相 2.0 极速版文生图模型:输入文本,输出图像,适合质感人像、创意设计画作及其他图像创作。(help.aliyun.com) 支持中英文提示词、反向提示词和智能提示词改写;正向提示词上限为 800 个字符,超出部分自动截断。(help.aliyun.com) 图像宽、高各支持 512–1440 像素,默认 1024×1024;官方将最大生成能力描述为约 200…

了解模型简体中文
Alibaba

Wanx2.1-I2V-Plus

通义万相 2.1 图生视频 Plus 模型,通过阿里云百炼提供推理服务,将输入图片转换为动态视频。 (help.aliyun.com) 支持结合图片和提示词生成视频,官方介绍其可表现复杂运动、物理规律和影视风格画面,适合制作图片动态展示及短视频素材。 (docs.bailian.console.aliyun.com) 国内 API 文档规定该型号输出为 720P、固定 5 秒,默认生成无声视频;相…

了解模型简体中文
Alibaba

Emoji-Detect

Emoji-Detect 是阿里云百炼用于辅助 Emoji 表情包视频生成的图像检测模型。它检测输入图片中的人物形象是否符合视频生成要求;检测通过时,可返回人脸区域及扩展表情区域的坐标,供后续视频生成使用。它本身不是视频生成模型。(alibabacloud.com) 输入为图像。官方 API 文档列出的格式包括 JPEG、JPG、PNG、BMP 和 WEBP;图片宽高各须为 400–7000 像素…

了解模型简体中文
Alibaba

Emoji

Emoji 是阿里云百炼提供的人脸动效视频生成模型。它以人脸图片和预设动态模板为输入,生成相应的人脸动效视频,可用于制作表情包和视频素材。输入模态为图像,输出模态为视频。(alibabacloud.com) 适合将人物肖像转换为预设表情动作视频;模板驱动并非任意动作控制。 官方模型卡列明不支持函数调用、结构化输出、联网搜索、上下文缓存、批量推理或模型调优。(alibabacloud.com) 配套…

了解模型简体中文