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

184 個模型

按發布時間倒序
OpenAI

GPT-5.6 Terra

GPT-5.6 Terra 是 GPT-5.6 系列中兼顧能力與成本的模型,面向日常工作;OpenAI 將其定位為成本較低、效能與 GPT-5.5 相近的選擇,約對應先前 GPT-5 系列的 mini 層級。(openai.com) 支援文字輸入及輸出、圖片輸入,以及可調整的推理強度;適用於文件分析、分類、程式開發及需要工具協作的工作。(developers.openai.com) 支援串流、函式…

了解模型繁體中文
OpenAI

GPT-5.6 Sol

GPT-5.6 Sol 是 OpenAI GPT-5.6 系列中面向複雜專業工作的旗艦模型。官方於 2026 年 7 月 9 日宣布在有限預覽後正式推出,並開始透過 ChatGPT、Codex 和 OpenAI API 逐步提供。(openai.com) 支援文字輸入與輸出、圖片輸入,以及可調整的推理強度;可用於程式開發、知識工作、科學研究與網路安全等任務。(developers.openai.c…

了解模型繁體中文
OpenAI

GPT-Live-1 mini

GPT-Live-1 mini 是 OpenAI 的即時語音模型,屬於 GPT-Live 系列,用於提供更自然的 ChatGPT 語音互動。2026 年 7 月 8 日發布,並開始向全球 ChatGPT 使用者逐步推出。(openai.com) **全雙工對話:**可同時聆聽與說話,依據停頓、插話和語速變化調整回應,適合自然的即時問答、討論與腦力激盪。(deploymentsafety.opena…

了解模型繁體中文
OpenAI

GPT-Live-1

GPT-Live-1 是 OpenAI 的全雙工即時語音對話模型,旨在提供自然、流暢且能處理打斷的語音互動。(developers.openai.com) 可同時聆聽與說話,依對話情況回應、暫停或繼續聆聽,也可用於即時翻譯。(openai.com) 可將較深入的推理與工具呼叫委派給後端模型或代理,同時維持語音對話;開發者可透過系統提示調整語氣、速度與對話風格。(openai.com) 適用於語音助…

了解模型繁體中文
ByteDance

Seedream 5.0 Pro

Seedream 5.0 Pro 是 ByteDance 的多模態圖像創作模型,面向高品質圖像生成、資訊視覺化及可控制的設計編輯。官方發布日期為 2026 年 7 月 8 日。(seed.bytedance.com) 支援文字生成圖片、單張或多張參考圖生成圖片,以及多圖融合。 可透過點選、框選、箭頭、座標或手繪標記指定區域,進行局部生成、元素替換、色彩與材質修改。 可將單張圖片拆分為一張底圖及最多…

了解模型繁體中文
Tencent

HunyuanOCR-1.5

HunyuanOCR-1.5 是輕量化、端到端的 OCR 專用視覺語言模型,沿用 1.0 的骨幹架構,將多種以文字為中心的視覺任務整合至單一模型。官方模型頁標示規模約為 10 億參數。(github.com) 支援文件解析、文字偵測與辨識、資訊擷取及圖文翻譯,可用於文件數位化與結構化資料擷取。 強化低資源語言 OCR、古文字 OCR 和多圖文字問答等能力;官方表示訓練時最大影像解析度擴展至 4K,…

了解模型繁體中文
OpenAI

GPT-5.5 Instant Mini

GPT-5.5 Instant Mini 是 ChatGPT 的備援模型。OpenAI 於 2026 年 7 月 6 日公告開始推出:當使用者達到 GPT-5.5 Instant 或 Auto 的使用速率上限時,可切換至此模型繼續對話,取代原先的 GPT-5.3 Instant Mini。這是發布時的安排。(help.openai.com) 根據 OpenAI 的比較,此模型較 GPT-5.3…

了解模型繁體中文
OpenAI

GPT-Realtime-2.1 mini

GPT-Realtime-2.1 mini 是用於即時語音互動的蒸餾推理模型,定位為速度較快、成本較低的選擇。OpenAI 於 2026 年 7 月 6 日發布此模型,並在公告中列出 Realtime API。(developers.openai.com) 支援文字與音訊輸入、輸出,以及僅供輸入的圖片;可透過 WebRTC、WebSocket 或 SIP 進行即時互動。 支援函式呼叫與推理…

了解模型繁體中文
OpenAI

GPT-Realtime-2.1

GPT-Realtime-2.1 是 OpenAI 的即時推理模型,適合建構低延遲語音互動及需要工具呼叫的語音代理工作流程。相較於 GPT-Realtime-2,官方指出其英數字辨識、靜音與噪音處理,以及對話中斷處理有所改善。(community.openai.com) 支援語音對語音互動、指令遵循、函式呼叫及可調整的推理程度;可用於即時語音助理與複雜語音代理。(developers.openai…

了解模型繁體中文
Tencent

Hy3

Hy3 是騰訊混元的正式版語言模型,面向實際生產力與 AI 智慧體應用;它建立在 Hy3 preview 的基礎上,採用融合快慢思考的混合專家(MoE)架構,總參數量為 295B,每次啟用 21B 參數,支援最長 256K 上下文。騰訊表示,正式版相較預覽版提升了效能、穩定性與成本效益。(tencent.com) 模型支援複雜推理、指令遵循、上下文學習、程式碼生成,以及智慧體的任務規劃與工具協作。…

了解模型繁體中文
Alibaba

万相2.7-参考生视频

萬相 2.7 參考生影片模型,以文字及多模態參考素材生成影片。官方上架公告日期為 2026 年 7 月 1 日;此 API ID 對應 2026 年 6 月 12 日快照,兩者並非同一日期。(help.aliyun.com) 可結合文字、圖片、影片及音訊參考,生成影片;著重保持角色、道具、場景及聲音音色的一致性,支援最多 5 個圖片與影片混合參考素材。(help.aliyun.com) 適合單角色…

了解模型繁體中文
Alibaba

万相2.7-文生视频

萬相 2.7 文生影片模型的 2026 年 6 月 12 日快照版本,依文字提示產生影片。官方公告將此版本列於 2026 年 7 月 1 日;公告日期與快照日期不同。(help.aliyun.com) 支援文字提示及選用音訊,產生有聲影片,具備多鏡頭敘事與聲畫同步能力;可用於劇情、動作場景及短影片創作。(docs.modelstudio.console.alibabacloud.com) 輸出支援…

了解模型繁體中文
Alibaba

Qwen3-Rerank

Qwen3-Rerank 是基於 Qwen 大語言模型底座訓練的文字重排序模型。它依查詢與候選文件的相關性重新排序,支援超過 100 種語言及長文字輸入;官方表示其效果與開源 Qwen3-Rerank 系列對齊。適用於語意文字搜尋、檢索結果排序及檢索增強生成(RAG)。(alibabacloud.com) 輸入為文字,主要輸出為排序結果,不是一般文字生成模型;可透過 top_n 指定返回前幾個結果…

了解模型繁體中文
Alibaba

Qwen-Image-2.0-Pro

Qwen-Image-2.0 系列的 Pro 滿血版影像模型,整合圖像生成與編輯;此 API ID 指向 2026-06-22 版本。官方模型更新清單將其列於 2026 年 6 月 25 日。(alibabacloud.com) 接受文字與圖片輸入,輸出圖片;支援文字生成圖片及圖片編輯。(help.aliyun.com) 官方指出其支援約 1,000 token 的指令,並強調文字渲染、寫實紋理、…

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
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
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