混元生3D 3.0
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…
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。
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…
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…
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…
Qwen3-Max-Preview 是 Qwen3 系列 Max 模型的預覽版本,定位為文字生成與推理模型。官方列示的發布日期為 2025 年 9 月 5 日。(help.aliyun.com) 結合思考與非思考模式;官方指出,思考模式在智能體程式設計、常識推理,以及數學、科學與通用推理方面有所增強。 可用於文字生成、程式設計輔助和需要推理的文字任務。(help.aliyun.com) 官方先前的…
CosyVoice-v3-plus 是阿里巴巴通義實驗室的語音合成與聲音複製模型,由阿里雲百鍊提供推論服務,面向需要較高音質和表現力的專業應用。主要以文字為輸入、音訊為輸出。(help.aliyun.com) 支援即時串流文字轉語音;提供約 5–20 秒參考音訊,可建立相似的客製聲音。(help.aliyun.com) 可使用系統音色、複製音色或設計音色。系統音色的語言依音色而異;複製音色支援中文…