模型發布檔案

最新發布模型

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。

按發布時間倒序7 種語言
清除

237 個模型

按發布時間倒序
Alibaba

Qwen-AgentWorld-35B-A3B

Qwen-AgentWorld-35B-A3B 是用於模擬 AI 代理互動環境的原生語言世界模型。它根據代理的動作與互動歷史,預測環境的下一個狀態,而非直接操作真實環境。模型基於 Qwen3.5-35B-A3B-Base,採混合專家架構(MoE),總參數約 350 億,每次啟用約 30 億;上下文長度為 262,144 tokens。(huggingface.co)…

了解模型繁體中文
ByteDance

Doubao-Seed-2.1-Turbo

Doubao-Seed-2.1-Turbo 是 Seed2.1 系列中面向規模化生產的低成本、低延遲深度思考模型,適合重視吞吐量與批量呼叫的企業部署。(console.volcengine.com) 支援深度思考、文字生成、多模態理解、工具呼叫與結構化輸出。火山方舟列出的上下文視窗、最大輸入與最大回答長度均為 256K tokens;預設最大回答長度為 4K…

了解模型繁體中文
ByteDance

Doubao-Seed-2.1-Pro

Doubao-Seed-2.1-Pro 是 Seed 2.1 系列中面向複雜程式開發、長鏈路 Agent 和多步驟工程交付的旗艦深度思考模型。火山方舟發布記錄明確列出本條目的模型 ID。(docs.volcengine.com) Agent 任務:規劃多步驟工作、處理文件、使用工具並整合結果,適用於辦公、資料分析和專業工作流程。 程式工程:協助理解需求、實作功能、修復錯誤、建立執行環境及驗證結果,…

了解模型繁體中文
Baidu

Unlimited-OCR

Unlimited-OCR 是百度發布的開源光學字元辨識(OCR)與長文件解析模型,本文所述為 2026 年 6 月 22 日發布的初代版本,不是後續的 Unlimited-OCR 2。模型權重採 MIT 授權。(github.com) 可解析單張文件圖片及連續多頁文件;官方範例會先將 PDF 頁面轉為圖片,再進行多頁解析。(huggingface.co) 採用參考滑動視窗注意力機制(R-SWA)…

了解模型繁體中文
ByteDance

Seed-2.1-Pro-Preview

Seed-2.1-Pro-Preview 是 ByteDance Seed 團隊提供社群搶先體驗的預覽模型,於 Arena AI 的 Code Arena 發布。(seed.bytedance.com) 可透過 Code Arena 體驗,適合試用程式設計相關任務。 Seed 團隊後續表示,Seed2.1 Preview 參與前端場景的人類偏好評測,在 Code Arena: Frontend 榜…

了解模型繁體中文
Alibaba

Fun-ASR-Flash

Fun-ASR-Flash 是阿里雲百鍊提供的非即時自動語音辨識(ASR)模型,輸入音訊、輸出文字,透過 HTTP 處理錄音檔案。(alibabacloud.com) 官方稱支援 30 種語言,包括中文、英語、日語、韓語、越南語及法語等;支援官話、吳、湘、贛、客、閩、粵等漢語方言,以及 20 多種地方官話口音。 針對中文古詩詞辨識進行最佳化,並支援標點預測、數字與日期等文字正規化,以及提示上下文。…

了解模型繁體中文
Zhipu AI

GLM-5.2

GLM-5.2 是 Zhipu AI 面向長程任務的旗艦模型,於 2026 年 6 月 16 日發布,重點強化長上下文、程式開發與智慧代理工作流程。模型權重公開,官方公告標示採用 MIT 授權。(z.ai) 長上下文:官方表示支援 1M token 上下文,適合處理大型程式碼庫及持續多步驟的工程任務。 程式開發與推理:支援調整思考強度,以權衡能力、延遲與計算成本;適用於大型實作、除錯、效能最佳化及…

了解模型繁體中文
Alibaba

HappyHorse-1.1-I2V

HappyHorse-1.1-I2V 是 Alibaba 的首幀圖生影片模型,透過阿里雲百鍊提供推論服務。官方新加坡區域發布紀錄列出的日期為 2026-06-16。(alibabacloud.com) 以一張圖片作為首幀,可搭配文字提示詞生成有聲影片,適合將靜態素材轉成動態短片。 官方表示,相較前代,模型改善了皮膚質感、跨片段角色一致性、動作流暢度、文字呈現穩定性及影音同步;這些是能力描述,並非對…

了解模型繁體中文
Alibaba

HappyHorse-1.1-R2V

HappyHorse-1.1-R2V 是 Alibaba 於阿里雲百鍊提供的參考圖生影片模型。官方發布紀錄日期為 2026 年 6 月 16 日。(alibabacloud.com) 接收文字與最多 9 張參考圖片,產生影片;官方表示此版本改善了主體、場景風格及畫面一致性,並提升人物、場景、風格與鏡頭動態的可控性。(alibabacloud.com) 支援音訊;輸出規格為 480P、720P 或…

了解模型繁體中文
Alibaba

HappyHorse-1.1-T2V

HappyHorse-1.1-T2V 是透過阿里雲百煉提供的文字生成影片模型:輸入文字提示,產生帶音訊的影片。官方表示,此版本加強了文字語意理解、鏡頭調度及動態生成表現。可用於依創作描述製作短片和影片素材。(alibabacloud.com) 支援 480P、720P、1080P;影片長度為 3–15 秒,格式為 MP4,畫面更新率為 24 fps。(alibabacloud.com) 此 API…

了解模型繁體中文
Alibaba

Qwen3.5-OCR

Qwen3.5-OCR 是基於 Qwen3.5 的光學文字辨識(OCR)模型,由阿里雲百煉提供推理服務,專為文件解析、文字定位與關鍵資訊擷取而設計。(help.aliyun.com) 支援圖片文字擷取、多輪對話和文件解析;適用於身分證、駕照等證件資訊擷取,以及文件、表格、試卷和手寫內容辨識。(docs.bailian.console.aliyun.com) 可透過 Responses API 直接…

了解模型繁體中文
Alibaba

Qwen-RobotWorld

Qwen-RobotWorld 是面向具身智慧的語言條件式影片世界模型,也是 Qwen-Robot Suite 的一員。它根據目前的視覺觀察與自然語言動作指令,生成對未來場景變化的視覺預測,而非直接輸出機器人控制訊號。(arxiv.org) 以自然語言作為共通動作介面,涵蓋機器人操作、自動駕駛、室內導航及人類示範向機器人遷移等場景。 可生成 2–4 個同步視角的影片;Scene2Robot 可將人…

了解模型繁體中文
Alibaba

Qwen-RobotManip

Qwen-RobotManip 是 Qwen-Robot Suite 中面向機器人物理操作的視覺-語言-動作(VLA)基礎模型,旨在將視覺觀察與自然語言指令轉化為機器人動作。它基於 Qwen3.5-4B VL,並採用 flow-matching DiT 動作頭。(alibabacloud.com) 使用統一的 80 維狀態-動作表示及相機座標系下的末端執行器位姿增量,以支援不同機器人形態之間的訓練…

了解模型繁體中文
Alibaba

Qwen-RobotNav

Qwen-RobotNav 是 Qwen-Robot Suite 中面向具身智慧與代理式導航系統的可擴展視覺-語言導航模型,以 Qwen3-VL 為基礎。(alibabacloud.com) 以共用的航路點預測介面處理語言指令導航、點目標與物件目標導航、目標追蹤及自動駕駛等任務;亦可結合上層規劃器執行具身問答。模型輸出 8 個包含位置與朝向的航路點。(alibabacloud.com) 推論時可調…

了解模型繁體中文
Tencent

Hy-Embodied-0.5-VLA-RoboTwin

Hy-Embodied-0.5-VLA-RoboTwin 是騰訊 Hy-Embodied-0.5-VLA 的視覺—語言—動作(VLA)模型檢查點,基於 UMI 預訓練版本,針對 RoboTwin 2.0 的 50 項雙臂操作任務進行監督式微調。模型權重依 Apache-2.0 授權發布。(huggingface.co) 接收多視角影像、機器人狀態及自然語言任務指令,產生連續動作片段,可用於模擬雙臂…

了解模型繁體中文
Tencent

Hy-Embodied-0.5-VLA-UMI

Hy-Embodied-0.5-VLA-UMI 是騰訊 Robotics X 與 Hy 團隊發布的視覺—語言—動作(VLA)預訓練模型權重,定位為適配不同機器人本體與任務的通用微調起點,而非一般文字聊天模型。官方於 2026 年 6 月 15 日發布此模型、相關程式碼及資料集。(github.com) 結合視覺觀察、自然語言任務指令及機器人狀態,產生連續的機器人動作片段,可用於雙臂操作等具身智慧研…

了解模型繁體中文
Moonshot AI

Kimi K2.7 Code

Kimi K2.7 Code 是 Moonshot AI 的開放權重模型,專為程式設計、程式碼智能代理及長時間、多步驟的軟體工程任務設計。官方於 2026 年 6 月 12 日公告發布。(kimi.com) 支援文字、圖片和影片輸入,適合程式碼理解、開發工作流程及智能代理任務。(kimi.com) 上下文視窗為 262,144 tokens,可用於較大型程式碼庫及多輪編程工作。(kimi.com)…

了解模型繁體中文
Baidu

PP-OCRv6_medium_rec

PP-OCRv6_medium_rec 是 PP-OCRv6 的 medium 級文字辨識模型,主要面向伺服器部署;它是 OCR 流程中的文字辨識元件,而非完整的文字偵測與辨識流程。模型採用 PPLCNetV4、LightSVTR 與 CTC/NRTR 多頭解碼架構,官方列出的模型儲存大小為 73.3 MB。(github.com) 單一模型支援 50 種語言,包括簡體中文、繁體中文、英文、日文及…

了解模型繁體中文
Baidu

PP-OCRv6_medium_det

PP-OCRv6_medium_det 是百度 PaddleOCR 的中等規模文字偵測模型,適合伺服器端部署;其架構為 PPLCNetV4 + RepLKFPN,官方列出的模型儲存大小為 59.4 MB。(paddleocr.ai) 模型接收影像,定位含文字的區域並輸出邊界框,可作為 OCR 流程的前段,供後續文字辨識模型使用。PP-OCRv6 整體方案適用於文件、街景、證件及工業零組件等場景;官…

了解模型繁體中文
Baidu

PP-OCRv6_small_rec

PP-OCRv6_small_rec 是 PP-OCRv6 系列的輕量化文字辨識模型,適合行動端等注重效率的部署場景。它是 OCR 流程中的文字辨識模組,而非完整的文字偵測與辨識流程;模型約有 520 萬個參數。(huggingface.co) 接收文字影像,輸出辨識文字;單一模型支援 50 種語言,包括簡體中文、繁體中文、英文、日文及 46 種拉丁語系語言。 可用於文件數位化、影像文字擷取,以及…

了解模型繁體中文