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

163 個模型

按發布時間倒序
Google

Gemini 3.5 Flash-Lite

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…

了解模型繁體中文
Google

Gemini 3.6 Flash

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…

了解模型繁體中文
Alibaba

Qwen-Image-3.0

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…

了解模型繁體中文
Alibaba

Qwen3.7-Flash

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…

了解模型繁體中文
Baidu

HPD-Parsing

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…

了解模型繁體中文
ByteDance

Seed Audio 1.0

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…

了解模型繁體中文
Alibaba

Qwen-Image-3.0-Pro

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…

了解模型繁體中文
Alibaba

Qwen 3.8-Max-Preview

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…

了解模型繁體中文
MiniMax

Music-3.0

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]…

了解模型繁體中文
Moonshot AI

Kimi K3

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…

了解模型繁體中文
Tencent

Hy-Embodied-RxBrain-1.0

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…

了解模型繁體中文
Tencent

Hy-Embodied-VLM-1.0

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…

了解模型繁體中文
Alibaba

Qwen-Audio-3.0-TTS-Plus

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…

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