Gemini 3.8 Live Extended Thinking
Google 推出的即時語音對話模型,適合需要較深入背景推理、多步驟規劃及工具協作的複雜任務。模型可在持續語音互動時進行背景推理與非同步工具呼叫。(blog.google) 支援即時音訊生成、文字與音訊輸出,以及 Google 搜尋輔助回答。API 模型文件列出的輸入包括文字、圖片和音訊;Google 模型卡另列影片輸入,實際支援方式應以所用介面的文件為準。(aistudio.google.com…
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。
Google 推出的即時語音對話模型,適合需要較深入背景推理、多步驟規劃及工具協作的複雜任務。模型可在持續語音互動時進行背景推理與非同步工具呼叫。(blog.google) 支援即時音訊生成、文字與音訊輸出,以及 Google 搜尋輔助回答。API 模型文件列出的輸入包括文字、圖片和音訊;Google 模型卡另列影片輸入,實際支援方式應以所用介面的文件為準。(aistudio.google.com…
Gemini 3.8 Live 是 Google 面向低延遲即時對話與語音代理程式的模型,強調流暢對話、視覺情境理解、規模化與成本效率。它與針對更複雜多步推理的 Gemini 3.8 Live Extended Thinking 是不同模型。(blog.google) 接收文字、圖片、音訊與影片輸入;Gemini API 文件列出的輸出為文字與音訊。支援音訊串流、交錯推論、函式呼叫及 Google…
K2.8 Preview 是 Moonshot AI 在 Kimi Code 提供的編程與智能體預覽模型。官方於 2026 年 9 月 11 日宣布全面上線;沿用模型 ID kimi-for-coding,既有客戶端及第三方工具無須因這次升級而修改 ID。(kimi.com) 官方表示,其整體表現接近 K3,編程與智能體能力較前代提升,思考效率較 K2.7 Code 顯著改善;這是官方的定性比較。…
DeepSeek-V4.1-Flash 於 2026 年 9 月 10 日發布,是 DeepSeek 新架構系列中較小、著重推論效率與吞吐量的多模態模型。官方公告的 API 模型名稱為 deepseek-flash。(deepseek.com) 原生處理文字與圖片,產生文字;適合圖片理解、文字生成及需要長上下文的 Agent 工作流程。 採用專家混合(MoE)與非對稱 Causal Encoder…
AuK-Flash 是 AuK 語音生成與編輯基礎模型的蒸餾版本,提供開放權重,主打快速四步推論。AuK 基礎模型約有 15 億參數;官方模型卡標示採用 MIT 授權。(huggingface.co) 模型透過自然語言指令及視任務需要提供的參考音訊,支援零樣本和指令式文字轉語音、語音及歌詞內容編輯、音高/語速/音量調整、情緒與音色編輯、語音增強及音源分離。適合用於配音、語音內容修改和音訊清理等場景…
AuK 是開源的語音生成與編輯基礎模型,規模為 15 億參數,透過統一的自然語言指令介面執行多種音訊任務。本條目對應高品質生成的 AuK 基礎版;AuK-Flash 是另行提供的四步推論蒸餾版本。(huggingface.co) 支援零樣本文字轉語音:以參考音訊的聲音朗讀指定文字;也支援僅依聲音描述生成語音。 支援語音內容、音高、語速及副語言特徵編輯,以及語音增強和聲源分離。 可用於配音、語音內容…
GPT-Image-2.5 Sunburst 是 OpenAI 面向高精度視覺創作與圖像編輯的 API 模型。相較於同系列的 Flare,它更重視精細控制,但生成時間較長。(openai.com) 接收文字及圖像輸入,生成或編輯圖像;支援 low、medium、high、xhigh、max 和 auto 品質設定。(developers.openai.com) 可用於參考圖驅動的創作、局部修改和多…
GPT-Image-2.5 Flare 是 OpenAI 面向日常影像生成與編輯的快速模型,適合多數重視速度的應用。它接受文字與圖片輸入,輸出圖片;較注重高精度細節的工作流程可評估同系列的 Sunburst。(developers.openai.com) 可依文字提示生成圖片,也可使用參考圖片進行局部或多輪編輯,較好地保留主體、構圖和未要求變動的內容。 支援…
Qwen-Drive-1.0 是面向自動駕駛研究的視覺語言基礎模型。官方公開的 4B 版本以 Qwen3.5-4B 為基礎,在保留預訓練視覺語言模型架構的同時,加入獨立的感知與規劃模組。模型與程式碼採 Apache 2.0 授權。(huggingface.co) **視覺問答:**理解駕駛場景並回答自然語言問題,也保留通用視覺理解與指令遵循能力。 **3D 感知:**外接鳥瞰圖(BEV)感知頭支援…
GPT-6 Astra 是 OpenAI 面向高難度工作的旗艦模型,適合複雜推理、程式開發、電腦操作、研究及文件製作。(developers.openai.com) 支援文字輸入與輸出、圖片輸入,以及五種推理強度:low、medium、high、xhigh 和 max。 可用於網頁研究、資料分析、軟體測試,以及製作文件、試算表和簡報。 透過 Responses API 支援網頁搜尋、檔案搜尋、程式…
WeatherNext 3 是由 Google DeepMind 和 Google Research 開發的全球 AI 天氣預報模型,提供多解析度的集合預報,並直接納入即時衛星觀測資料。Google 於 2026 年 9 月 3 日發布官方公告;開發者版本紀錄則列出 2026 年 8 月 31 日推出。(blog.google) 每小時初始化並產生預報,使用靜止軌道衛星資料及地面氣象站觀測資料。(…
Gemini 3.8 Flash Cyber 是 Google 面向受信任防禦者的資安專用模型,著重自主漏洞發現與自動修補。它與 Gemini 3.8 Flash 共用基礎智慧,但服務對象與部署方式不同。(blog.google) **漏洞發現:**可協助分析程式碼並識別安全漏洞。Google 表示,在涵蓋 20 種程式語言的內部漏洞發現評測中,模型達到 71.0% 的結果;該結果反映特定測試條件…
Google 於 2026 年 9 月 2 日發布的通用 Flash 模型,著重長程軟體工程、自主代理、多步驟推理及複雜企業工作流程。它與專門用於資安的 Gemini 3.8 Flash Cyber 是不同版本。(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。(aistudio…
Qwen3.8-Max-0902 是 Qwen3.8-Max 旗艦模型的升級快照,別名為 qwen3.8-max-2026-09-02。官方公告將其標示為 2026 年 9 月 2 日的快照;千問 AI 平台則自北京時間 2026 年 9 月 5 日起,將 qwen3.8-max 自動指向此快照,計費項目及價格不變。(platform.qianwenai.com) 支援文字、圖片及影片輸入,輸出文…
Claude Mythos 5.1 是 Anthropic 面向程式開發、知識工作及科學研究的模型。它與 Claude Fable 5.1 使用相同的底層模型,但安全防護設定不同;Mythos 版本針對資訊安全及生命科學專業工作設計,存取受到限制。(anthropic.com) 支援文字與圖片輸入,輸出文字;可用於對話、分析、程式開發及創意任務。上下文視窗為 100 萬 token,最大輸出為 1…
Claude Fable 5.1 是 Anthropic 面向程式設計、知識工作及科學研究的前沿模型,適用於複雜推理、長時間運行的代理任務與企業工作流程。Anthropic 表示,Fable 5.1 與 Mythos 5.1 共用相同的底層模型,但採用不同的安全防護及存取方式。(anthropic.com) 支援文字和圖片輸入,輸出文字。 上下文視窗為 100 萬 token,最大輸出為 128,…
Qwen-MT-Image-2.0 是專注於圖片文字翻譯的模型服務,適用於多語言圖片在地化,例如電商商品圖片翻譯。阿里雲官方公告的發布日期為 2026 年 8 月 28 日。官方發布公告 (alibabacloud.com) 輸入與輸出皆為圖片;翻譯圖片中的文字時,力求保留原有排版與內容資訊。 官方公告與 API 文件列出 55 種語言,包括中文、英文和日文;2.0 版支援這些語言之間的翻譯,也支…
Tencent Hy4 preview 是騰訊混元面向程式開發、辦公和科研等生產力任務的大型語言模型預覽版。它採用混合專家(MoE)架構,總參數量為 770B,每個 token 啟用 49B 參數;模型權重以 Apache License 2.0 開放。(tencent.com) **軟體工程:**支援長程開發任務的理解、規劃、除錯與驗證,以及前端開發。 **辦公與分析:**可協助資料分析、跨文件…
Gemini Omni 1.1 Flash 是 Google 面向開發者推出的多模態影片生成與編輯模型,著重提升生成影片的創作控制能力,供專業影片工作流程使用。官方公告發布於 2026 年 8 月 27 日。 (blog.google) 模型卡涵蓋 Omni Flash 與 Omni 1.1 Flash,列出的輸入包括文字、圖片、音訊與影片,輸出包括帶音訊的高解析度影片;實際支援的模態可能因平台及…
Seed-Evolving 是面向智能體(Agent)與程式開發(Coding)的 Seed 系列深度思考模型。它採用持續迭代機制,透過統一的模型 ID 呼叫時,版本升級會自動生效。(console.volcengine.com) 支援複雜任務編排、長程規劃、程式碼生成與工具呼叫,可用於智能體工作流程及多步驟開發任務。 支援深度思考、文字生成、多模態理解、GUI 任務處理與結構化輸出。2026 年…