Claude Opus 5
Claude Opus 5 是 Anthropic 於 2026 年 7 月 24 日發布的通用模型,定位為兼顧能力與成本的日常工作模型。官方表示,其智慧表現接近 Claude Fable 5,價格為後者的一半;這是發布時的比較,不代表目前的排名。(anthropic.com) 支援文字與圖片輸入、文字輸出;具備自適應思考能力,可調整推理投入程度,預設為 high。 可用於軟體開發、除錯、知識工作…
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。
Claude Opus 5 是 Anthropic 於 2026 年 7 月 24 日發布的通用模型,定位為兼顧能力與成本的日常工作模型。官方表示,其智慧表現接近 Claude Fable 5,價格為後者的一半;這是發布時的比較,不代表目前的排名。(anthropic.com) 支援文字與圖片輸入、文字輸出;具備自適應思考能力,可調整推理投入程度,預設為 high。 可用於軟體開發、除錯、知識工作…
Gemini 3.5 Flash Cyber 是以 Gemini 3.5 Flash 為基礎、針對資訊安全任務微調的輕量模型,重點是快速尋找、驗證及修補軟體漏洞。(deepmind.google) 可協助分析大型程式碼庫及多條程式執行路徑,尋找並驗證漏洞。 可搭配 CodeMender 進行定期掃描、版本發布前檢查及程式碼提交掃描;多個代理可分工分析並彙整報告。 Google 表示,在…
Gemini 3.5 Flash-Lite 是 Google 的低延遲、低成本多模態模型,針對高吞吐量任務與輕量代理工作流程最佳化。穩定版於 2026 年 7 月 21 日發布。(blog.google) 支援文字、圖片、影片、音訊及 PDF 輸入,輸出為文字;輸入上限為 1,048,576 tokens,輸出上限為 65,536 tokens。 支援思考、結構化輸出、函式呼叫、程式碼執行、搜尋與…
Gemini 3.6 Flash 是以 Gemini 3.5 Flash 為基礎的原生多模態推理模型,定位為兼顧品質、速度與 token 效率的通用工作模型,適合建構大規模代理工作流程。Google 表示,相較於 3.5 Flash,其程式編寫、知識工作及多模態表現有所提升。(blog.google) 接收文字、圖片、音訊和影片,輸出文字;模型卡列出的上下文視窗最高約 100 萬 token,輸出…
Qwen-Image-3.0 是通義千問第三代圖像生成基礎模型;API ID qwen-image-3.0 對應 Standard 版本,側重日常創作的品質、速度與成本平衡,與 qwen-image-3.0-pro 不同。(qwen.ai) 支援文字與圖片輸入,以及文生圖、圖生圖和圖片編輯;輸出為圖片。(modelstudio.console.alibabacloud.com) 官方稱可處理最長約…
Qwen3.7 系列的原生視覺語言 Flash 模型,由阿里雲百煉提供推論服務;此 API ID 指向 2026 年 7 月 15 日的快照版本。官方稱其相較 Qwen3.6-Flash 加強多模態理解與 Agent 執行能力。(help.aliyun.com) 支援文字、圖片及影片輸入,輸出文字;可用於文字生成、推理及視覺理解。 支援函式呼叫、結構化輸出、前綴續寫及上下文快取。 適用於多模態內容…
HPD-Parsing 是約 10 億參數的輕量級視覺語言模型,專為高吞吐量文件解析設計。模型權重以 Apache 2.0 授權發布。(huggingface.co) 解析文件頁面影像,識別文字、版面結構與閱讀順序,並處理公式及表格等內容,適合文件數位化與批次解析。(arxiv.org) 使用階層式平行解碼:主版面分支協調整體結構,並動態啟動局部內容分支;漸進式多 token 預測(P-MTP)進…
Seed Audio 1.0 是面向完整聲音場景的音訊創作模型,在統一框架中生成並協調人聲、音效和環境聲,而不只是文字轉語音。官方公告日期為 2026 年 7 月 20 日。(seed.bytedance.com) 可依提示詞安排角色對白、情緒、背景氛圍及音效;角色對白的進場時間可按 100 毫秒間隔指定。 支援文字描述和參考音訊控制聲音,並可基於參考音訊延展生成;同一音色可呈現不同情緒與表達方式…
Qwen-Image-3.0-Pro 是阿里巴巴千問系列的旗艦影像生成與編輯模型,透過阿里雲百鍊提供推論服務。它接收文字及影像輸入,輸出影像。(alibabacloud.com) 支援文字生成影像,以及結合文字指令與 1–3 張參考圖進行影像編輯。(alibabacloud.com) 官方稱支援最多 4.5k token 輸入、密集資訊及圖中圖版面、小至 10px 的文字,以及 12 種語言和 2…
Qwen 3.8-Max-Preview 是通義千問的新一代基礎模型預覽版,參數量為 2.4 兆。阿里巴巴表示,初步測試中其表現僅次於 Fable 5;這是官方測試說法,非獨立驗證結果。(alibabagroup.com) 官方指出,相較於 Qwen3.7-Max,本模型加強了程式碼工程與專業辦公能力,可用於全端開發、資料分析及 Office 辦公工作流程等複雜長程任務。發布時可透過 Token…
Music-3.0 是 MiniMax 的文字轉音樂生成模型,API 模型 ID 為 music-3.0。官方模型發布紀錄標示的發布日期為 2026 年 7 月 16 日。(platform.minimax.io) 可依文字提示指定曲風、情緒與場景,搭配使用者提供的歌詞生成歌曲;也可啟用歌詞優化,依提示自動產生歌詞。支援純音樂模式,以及 [Verse]、[Chorus]…
Kimi K3 是 Moonshot AI 的開放權重多模態模型,面向長程程式開發、知識工作與深度推理。它採用混合專家(MoE)架構,總參數量為 2.8 兆,使用 Kimi Delta Attention、Attention Residuals 和 Stable LatentMoE;每個 token 從 896 個路由專家中啟用 16 個。(kimi.com) 支援文字、原生視覺理解及影片理解;K…
Hy-Embodied-RxBrain-1.0(RxBrain)是由騰訊 Robotics X 實驗室、福田實驗室與騰訊混元團隊打造的開源具身世界認知基礎模型。它結合語言推理與視覺想像,為機器人的高層認知、規劃及下游動作模型提供支援。模型約有 62 億個參數,基於 Hy-Embodied-VLM 系列開發。(developer.cloud.tencent.cn) **具身理解與推理:**根據圖像或…
Hy-Embodied-VLM-1.0 是為真實物理世界中的具身智慧代理設計的視覺語言基礎模型,由 Tencent Robotics X、Hy Vision Team 與福田實驗室共同打造。採用混合專家(MoE)架構,總參數約 30B,每個 token 啟用約 3B 參數;語言骨幹為 Hy3-A3B,視覺編碼器為 Hy-ViT2。(github.com) 接收文字與圖片輸入並產生文字;官方模型卡標…
Qwen-Audio-3.0-TTS-Flash 是針對低延遲即時互動最佳化的文字轉語音模型:輸入文字,輸出音訊。官方公告稱其首個音訊封包延遲控制在 200 毫秒以內;實際延遲仍可能受使用條件影響。(alibabacloud.com) 支援多種語言及中文方言,並可透過自然語言指令和細粒度標籤控制情緒、語氣、角色、語速及音量等表達方式。 支援串流輸出及自訂音色;適用於語音助理、即時對話和智能客服等場…
Qwen-Audio-3.0-TTS-Plus 是阿里雲百鍊提供的高品質文字轉語音模型,Plus 版本側重音質、自然度和細節表現。官方公告記載的發布日期為 2026 年 7 月 14 日。(alibabacloud.com) 輸入文字、輸出音訊;支援語音合成與即時語音合成。(alibabacloud.com) 支援自然語言指令及細粒度標籤控制,可調整情緒、語氣、角色、語速、音量和合成風格;也支援聲…
GPT-5.6 Luna 是 OpenAI GPT-5.6 系列中著重速度與成本效益的模型,適合成本敏感、請求量大的工作負載;官方將其定位為大致對應先前 GPT-5 系列的 nano 層級。(openai.com) 支援文字與圖片輸入、文字輸出,可用於程式設計、知識工作及需要處理大量請求的應用。 支援串流、函式呼叫與結構化輸出;透過 Responses API 可使用網頁搜尋、檔案搜尋、程式碼執行…
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…