GLM-4.6
GLM-4.6 是智譜於 2025 年 9 月 30 日發布的旗艦文字模型,著重程式開發、推理與智慧代理任務,是 GLM-4.5 的後續版本。(docs.z.ai) 文字輸入與輸出:官方文件標示上下文視窗為 200K tokens,最大輸出為 128K tokens。(docs.z.ai) 程式開發:可用於程式碼生成、前端開發、測試及與編碼代理協作。 推理與工具使用:支援推理過程中使用工具,適合多…
模型發布檔案
彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。
GLM-4.6 是智譜於 2025 年 9 月 30 日發布的旗艦文字模型,著重程式開發、推理與智慧代理任務,是 GLM-4.5 的後續版本。(docs.z.ai) 文字輸入與輸出:官方文件標示上下文視窗為 200K tokens,最大輸出為 128K tokens。(docs.z.ai) 程式開發:可用於程式碼生成、前端開發、測試及與編碼代理協作。 推理與工具使用:支援推理過程中使用工具,適合多…
Claude Sonnet 4.5 是 Anthropic 於 2025 年 9 月 29 日發布的 Sonnet 系列模型,著重程式開發、複雜代理任務、電腦操作及推理能力。官方發布公告描述了它相較前代在編碼、數學和電腦操作方面的進步;這些表現仍取決於任務與評測條件。(anthropic.com) 接受文字和圖片輸入,產生文字輸出;支援延伸思考。 適用於程式碼撰寫與理解、多步驟軟體工程、建立代理、…
DeepSeek-V3.2-Exp 於 2025 年 9 月 29 日發布,是以 DeepSeek-V3.1-Terminus 為基礎的實驗性大型語言模型,也是邁向新一代架構的中間步驟。它引入 DeepSeek Sparse Attention(DSA)稀疏注意力機制,以提升長文本訓練與推論效率。(deepseek.com) 適合文字問答、程式碼相關任務、長文本處理及智能體應用的實驗與評估。官方公…
Gemini Robotics-ER 1.5 是面向機器人的具身推理視覺語言模型(VLM),充當機器人的高階推理與規劃元件,而非直接產生馬達控制指令的視覺語言動作模型(VLA)。(developers.googleblog.com) 理解視覺場景、物件位置與狀態,進行空間推理、任務規劃及進度評估。 分析影片中的動作順序與時間關係;可輸出物件位置、邊界框或軌跡點等資訊。 將整理桌面等多步驟自然語言指…
Gemini Robotics 1.5 是 Google 的視覺—語言—動作(VLA)模型,將視覺資訊與指令轉換為機器人的動作指令,供實體環境中的多步驟任務使用。發布日期為 2025 年 9 月 25 日。(deepmind.google) 可在行動前進行自然語言推理,將較長任務拆分成較短的步驟;官方示例包括依顏色分類衣物。(deepmind.google)…
Gemini 2.5 Flash-Lite 的 2025 年 9 月預覽版本,著重效率與品質,適合需要快速處理大量輕量任務的應用。Google 表示,此版本改善了複雜指令遵循、回答精簡度、多模態理解與翻譯品質。(developers.googleblog.com) 支援文字、圖片、影片、音訊及 PDF 輸入,輸出為文字;可用於摘要、翻譯、圖片理解及音訊轉錄。 支援思考、函式呼叫、結構化輸出、程式碼…
Google 於 2025 年 9 月 25 日發布的 Gemini 2.5 Flash 更新預覽版,著重兼顧模型品質、速度與效率;發布時可透過 Google AI Studio 和 Vertex AI 使用。(developers.googleblog.com) 支援文字、圖片、音訊及影片輸入,產生文字輸出。Google 的 Gemini 2.5 Flash 模型卡列出約 100 萬 token…
騰訊混元的角色扮演模型,著重角色設定一致性、多輪對話與劇情互動。(cloud.tencent.com) 官方表示,模型透過角色對話資料強化訓練,改善角色設定的理解與維持,減少脫離角色的情況,並提升多輪對話的連貫性與沉浸感。適用場景包括 AI 數位分身、角色扮演及情感陪聊。這些改善不代表模型保證始終維持角色或內容正確。(cloud.tencent.com) 官方公告未提供此版本的上下文、最大輸入或最…
DeepSeek-V3.1-Terminus 是 DeepSeek-V3.1 的更新版本,於 2025 年 9 月 22 日發布,定位為支援思考與非思考模式、工具使用及智慧代理任務的通用大型語言模型。官方表示,此版本改善了中英文混雜與偶發異常字元,並提升 Code Agent 和 Search Agent 的表現與輸出穩定性。(deepseek.com) 適合文字對話、程式碼相關任務,以及需搭配工…
Wan2.5-T2V-Preview 是通義萬相 2.5 預覽版的文字生成影片模型,由阿里雲百鍊提供推論服務。官方模型更新頁將其列於 2025 年 9 月 19 日。(help.aliyun.com) 根據文字提示生成影片,支援與畫面同步的聲音;官方稱其指令遵循、動作表現和畫面質感有所提升。(help.aliyun.com) 適合製作短片、創意影片素材,以及需要聲畫同步的內容。 官方指南列出文字與…
Qwen3-Omni-Flash 是基於 Thinker–Talker 混合專家(MoE)架構的全模態模型。官方更新公告將此 API ID 列於 2025 年 9 月 17 日,並說明它是 2025 年 9 月 15 日的快照版本,與另列的 Realtime 版本不同。(help.aliyun.com) 模型可理解文字、圖片、音訊及影片,輸出文字與語音;官方描述支援 119 種語言的文字互動及 2…
Qwen3-Omni-Flash 的即時多模態版本,採用 Thinker–Talker 混合專家(MoE)架構。官方發布紀錄列出的日期為 2025-09-17;模型 ID 中的 2025-09-15 是此版本的快照日期。(help.aliyun.com) 接受文字、圖片、音訊及影片輸入,輸出文字與語音;透過 Realtime API 的 WebSocket 介面進行即時互動。 官方稱支援 119…
混元生3D 3.0 是騰訊的 3D 內容生成模型,供混元生3D 專業版選用,旨在生成較高精度、較高品質的 3D 資產。(cloud.tencent.com) 支援文字、圖片及多視角輸入生成 3D 模型,也支援白模、草圖生成及低面數模型等模式。 適用於遊戲、多媒體、動畫與工業設計等 3D 資產製作工作流程。 專業版 API 預設回傳 OBJ、GLB 檔案;也提供 STL、USDZ、FBX 等格式選項…
GPT-5-Codex 是針對 Codex 等環境中的代理式程式開發任務進一步最佳化的 GPT-5 版本,重點是實際軟體工程工作。(openai.com) 可協助快速互動式程式碼修改,也能自主處理較長、較複雜的任務;可用於程式碼審查、找出錯誤及反覆執行測試。(openai.com) 支援文字輸入與輸出,以及圖片輸入;例如可利用畫面截圖協助前端或介面開發。支援推理 token、串流、函式呼叫及結構化…
Wan2.2-KF2V-Flash 是萬相 2.2 的首尾影格影片生成模型。官方於 2025 年 9 月 12 日發布公告,稱其改善動態穩定性、生成成功率與指令遵循能力,可在兩張圖片之間生成平滑的過渡影片。(help.aliyun.com) 輸入首影格、尾影格圖片,並可使用文字提示描述主體動作或鏡頭運動;輸出影片。適合製作兩個指定畫面之間的過渡片段。(alibabacloud.com) 輸出為無聲…
MiniMax Music 1.5 是 MiniMax 的音樂生成模型,根據自然語言描述創作歌曲,可產生人聲與器樂編曲。官方公告日期為 2025 年 9 月 11 日。(minimax.io) 可生成最長 4 分鐘的音樂,並依文字描述控制風格、情緒與適用場景。 進階模式可為前奏、主歌、副歌等段落安排歌詞;模型可生成不同音色與演唱風格,並呈現多層次器樂編曲及歌曲段落結構。 適用於音樂創作靈感、影視與…
Qwen-Plus 的 2025 年 9 月 11 日快照版,是用於文字生成與推理的語言模型,支援思考與非思考模式。官方發布日期為 2025 年 9 月 11 日。(help.aliyun.com) 輸入與輸出均為文字;適合文字理解、生成、摘要及邏輯推理等任務。 相較 2025 年 7 月 28 日快照,官方表示本版在思考模式下更能遵循指令、摘要回覆更精簡;非思考模式下中文理解與邏輯推理能力有所改…
文心大模型 X1.1 是百度的深度思考模型,面向複雜推理與智慧代理任務。百度表示,X1 系列基於文心大模型 4.5 訓練,X1.1 採用迭代式混合強化學習及自蒸餾訓練。(cloud.baidu.com) 支援問答、指令遵循、邏輯推理、數學、程式碼、工具呼叫及智慧代理任務;可用於複雜問題求解、內容撰寫和代理應用開發。官方模型更新紀錄標示上下文長度為 64K tokens。(ai.baidu.com)…
Qwen3-ASR-Flash 的 2025 年 9 月 8 日快照版,是基於大型語言模型的多語種自動語音辨識模型,輸入音訊並輸出文字。官方表示,它可自動判斷語種,並針對複雜音訊環境進行轉寫;適合短錄音轉寫、語音訊息文字化等用途。(help.aliyun.com) 此版本為非即時辨識,使用 HTTP/OpenAI 相容介面;官方曾列出單次音訊上限為 5 分鐘、10…
Kimi K2 的指令模型更新版,採用混合專家(MoE)架構,總參數約 1 兆,每次前向運算啟用約 320 億參數。官方於 2025 年 9 月 5 日發布更新公告。(huggingface.co) 加強代理式程式設計、前端程式碼生成與工具呼叫,適合程式開發、前端介面製作及工具輔助工作流程。 上下文視窗由前版的 128K 擴增至 256K tokens,適合需要處理較長上下文的任務。 官方公告提及…