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

142 個模型

按發布時間倒序
OpenAI

GPT-6 Luna

GPT-6 Luna 是 OpenAI GPT-6 系列中面向特定任務與高用量工作負載的高效率模型,著重成本效益;GPT-6 Astra 則是官方定位較高的綜合能力模型。(developers.openai.com) 接受文字及圖片輸入,產生文字輸出;可用於日常工作、程式開發、跨應用工作流程及電腦操作等任務。(developers.openai.com) 支援串流、函式呼叫和結構化輸出;使用…

了解模型繁體中文
OpenAI

GPT-6 Sol

GPT-6 Sol 是 OpenAI 的推理模型,針對複雜程式設計與代理式工作流程打造;相較於 GPT-6 Astra,著重在能力、速度與成本之間取得平衡。官方文件另指出,GPT-6.1 Sol 是較新的 Sol 模型,兩者的 API ID 不同。(developers.openai.com) 接受文字與圖片輸入,產生文字輸出;適合程式開發、專業工作流程及電腦操作等任務。(developers.o…

了解模型繁體中文
Anthropic

Claude Opus 5.5

Claude Opus 5.5 是 Anthropic 面向長時間代理式程式設計與知識工作的模型。官方發布日期為 2026 年 9 月 22 日。(anthropic.com) 接受文字與圖片輸入,產生文字輸出;上下文視窗為 100 萬 token,一般最大輸出為 12.8 萬 token。 適用於長時間自主程式設計、大規模程式碼重構、複雜系統工程、視覺密集型工作流程、電腦操作與知識工作。 支援自…

了解模型繁體中文
Google

Gemini 3.8 Flash-Lite TTS

Google 的文字轉語音(TTS)模型,以高處理量、低延遲及成本效益為重點,適合正式環境的大量語音生成;官方建議用它取代 gemini-3.1-flash-tts-preview。(aistudio.google.com) 輸入文字、輸出語音;支援單人與雙人對話,並可透過結構化語音中繼資料控制說話風格等表現。(aistudio.google.com) 支援預建語音、擴充語音庫、自訂語音設計及語音…

了解模型繁體中文
Google

Gemini 3.8 Flash TTS

Google 的旗艦創意文字轉語音(TTS)模型,著重錄音室等級的語音保真度、細膩演繹、區域口音,以及長篇、多輪語音的一致性。(aistudio.google.com) 將文字轉成單人或多人語音;可透過結構化中繼資料控制說話風格,並使用語音事件標記表達笑聲、嘆息或短暫停頓。(aistudio.google.com) 支援預設聲音、擴充聲音庫、自訂聲音設計、聲音複製及聲音重新混製;聲音複製設有同意驗…

了解模型繁體中文
Tencent

Hy Image3.5 preview

Tencent 混元推出的圖像生成與編輯預覽模型,透過 API 提供文字生圖、參考圖生圖及多輪編輯,適合專業視覺內容製作。(cloud.tencent.com) 支援文字與參考圖片混合輸入,並以 Chat/Messages 協定進行多輪圖像編輯;結果同步返回。 支援自訂尺寸、種子、水印文字及外部搜尋增強,可用於海報、介面設計和商品圖片編輯。(cloud.tencent.com) TokenHub…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Filetrans

端到端、非即時的語音辨識模型,以音訊為輸入、文字為輸出,適合長音訊檔案轉寫;推論服務由阿里雲百鍊提供。適用於會議逐字稿、內容製作及通話分析。(alibabacloud.com) 支援多語言及多地區中文方言辨識,包括普通話、粵語、吳語、閩南語、客家話,以及英語、日語和韓語等。(help.aliyun.cn) 支援熱詞與上下文增強、說話人分離、標點預測、文字正規化及多種方言的可控 ASR/AST 輸出…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-ASR-Flash

Qwen-Audio-3.1-ASR-Flash 是面向短語音的非即時語音辨識模型,輸入音訊並輸出文字,適合多語種及文化內容轉寫。(alibabacloud.com) 支援多語種及多地區中文方言辨識,並針對中文古詩詞的韻律、節奏和文言表達進行優化。 支援上下文增強、標點預測、文字規範化、原生轉寫潤飾及多人對話分角色轉寫;亦支援部分方言的可控 ASR/AST 輸出。 適合短錄音轉寫、多語言內容整理及…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Streaming

端到端即時語音辨識模型,以音訊為輸入、文字為輸出,適合即時會議、直播字幕及智慧互動等持續轉寫場景。串流期間可返回中間結果及最終結果。(alibabacloud.com) 支援多語言與多地區中文方言辨識、中英文切換、熱詞及上下文增強、標點預測和文字正規化。 支援多種方言的 ASR/AST 可控輸出;官方亦稱其具有抗雜訊能力。(alibabacloud.com) 可透過 WebSocket 或 AOQ…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Message

生成式語音辨識模型,輸入音訊、輸出文字,針對語音訊息、輸入法及企業業務場景最佳化。官方上架日期為 2026-09-21。(alibabacloud.com) 支援中文、英文及其他語言,特別最佳化印尼語、日語、泰語、菲律賓語、越南語、韓語及馬來語;可自動辨識語言或指定目標語言。 支援串流轉寫、P0/P1 熱詞、文字正規化、利用前文轉寫和業務上下文輔助辨識,以及可開關的文字潤飾。 可將中文方言轉寫為方…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-TTS-Next

Qwen-Audio-3.1-TTS-Next 是統一音訊生成模型,不限於傳統文字轉語音。它可依據文字、時間資訊及參考音訊,一次生成包含人聲、音效與環境音的完整聲景;支援單人說話、多人對話、Podcast 和影視聲景等任務。適用於內容創作、短影片、播客、影視與遊戲音訊製作。(docs.modelstudio.console.alibabacloud.com) 輸入:文字及可選的參考音訊;官方列出的…

了解模型繁體中文
Alibaba

Qwen3.8-Omni-Flash-Realtime

Alibaba 的即時全模態模型,面向串流影音互動,由阿里雲百煉提供推論服務。阿里雲國際站的新加坡地域更新公告將此模型列於 2026-09-21。(alibabacloud.com) 支援文字、圖片、串流音訊與影片影格輸入,輸出文字及音訊;支援多聲道音訊、影片聚合、自訂工具呼叫、遠端 MCP 工具和聯網搜尋。(docs.qwencloud.com) 可透過 WebSocket、WebRTC 或…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-Realtime-Plus

Qwen-Audio-3.1-Realtime-Plus 是阿里雲百煉的即時雙工語音對話模型,適合建立即時語音互動應用。官方將其列為語音到語音模型,無須分別呼叫語音辨識與語音合成模型。(alibabacloud.com) 支援文字及音訊輸入、文字及音訊輸出,可用於即時語音助理等互動場景。 支援函式呼叫、聯網搜尋及聲音複刻;沿用 3.0 Plus 的接入協定,保留既有音色並新增 8 個系統音色。 支…

了解模型繁體中文
Alibaba

Qwen-Image-2.1

Qwen-Image-2.1 是通義千問的統一圖像生成與編輯模型,提供可下載的模型權重;其視覺生成部分有 70 億參數。原始模型於 2026 年 9 月 20 日發布;Turbo 權重及 Pro、Turbo 託管 API 於 2026 年 10 月 9 日推出。(github.com) 輸入文字或參考圖片,生成或編輯圖片;支援原生 RGBA 透明背景、透明圖層編輯與主體擷取。 支援最多 10 張參…

了解模型繁體中文
Alibaba

Qwen3.8-LiveTranslate

Qwen3.8-LiveTranslate 是面向即時同聲傳譯的模型,提供串流語音翻譯、文字譯文與語音譯文;API 模型 ID 為 qwen3.8-livetranslate-flash-realtime。官方公告發布日期為 2026 年 9 月 18 日。(qwen.ai) 多語言翻譯:官方公告列出 60 種音訊輸入與文字輸出語言,其中 29 種支援語音輸出。 多人對話:即時區分說話者及其發言,…

了解模型繁體中文
Alibaba

HappyOyster Acting

HappyOyster Acting 是即時互動的角色演繹世界模型。阿里雲模型上架公告於 2026 年 9 月 17 日列出此模型,服務部署範圍包括新加坡國際部署及美國全球部署。(alibabacloud.com) 模型以文字和影像為輸入,生成符合指定人設風格的角色與場景,並可透過文字指令即時驅動角色演繹及互動;輸出模態為影片。官方列出的適用場景包括視訊通話與直式陪伴。支援暫停及恢復互動。(ali…

了解模型繁體中文
Alibaba

HappyOyster Directing

HappyOyster Directing 是即時互動、可供沉浸式演繹的開放式世界模型,透過文字或影像輸入生成世界場景,並可在過程中以文字驅動即時演繹。阿里雲國際站的上架公告日期為 2026 年 9 月 17 日。(alibabacloud.com) 輸入模態為文字、影像;輸出為影片。可使用自然語言提示詞或結構化劇本,並在生成過程中注入文字指令,改變動作、鏡頭或場景;支援暫停、恢復及回溯。(ali…

了解模型繁體中文
Alibaba

HappyOyster Adventure

HappyOyster Adventure 是可即時互動與探索的開放式世界模型,可根據文字及影像輸入生成世界場景,並以影片形式呈現。使用者可透過移動、鏡頭及動作指令探索場景。(alibabacloud.com) 輸入為文字與影像;Adventure 模式建立世界時需要首幀影像,影片畫面比例跟隨該影像。輸出為影片及即時體驗。(docs.bailian.console.aliyun.com) 可用於互…

了解模型繁體中文
Alibaba

Qwen3.8-Omni-Flash

Qwen3.8-Omni-Flash 是面向影音理解、多模態內容分析與智慧代理任務的全模態模型。官方 Model Studio 更新紀錄列出的日期為 2026 年 9 月 17 日。(alibabacloud.com) 接受文字、圖片、音訊及影片輸入,輸出文字;可用於影音摘要、多媒體分析、文字生成及代理工作流程。 支援思考與非思考模式、函式呼叫、網路搜尋及上下文快取;思考模式預設啟用,推理強度可調…

了解模型繁體中文
Baidu

端到端语音语言大模型(Flex)

百度於 2026 年 9 月 16 日公告推出 Flex 公測版,定位為注重靈活性與任務執行的端到端語音語言大模型,提供自然語音互動與語音合成。(ai.baidu.com) 支援伺服器自動語音活動偵測(VAD)與手動提交音訊兩種互動模式。 支援 Function Call,可連接外部工具與業務系統執行任務。 支援 70 種以上預設音色及音色切換,並提供搜尋與指令遵循能力。 發布公告稱知識庫檢索增強…

了解模型繁體中文