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…
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。
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…
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…
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…
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…
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…
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,…
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…
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…
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…
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。…
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…