Qwen3.7-Max
Qwen3.7-Max 是 Qwen3.7 系列中面向智慧代理任務的旗艦模型。阿里雲百鍊目前將 qwen3.7-max 標示為功能等同於 qwen3.7-max-2026-05-20 快照;該快照對外提供純文字能力。(alibabacloud.com) 支援文字生成、深度思考、函式呼叫、結構化輸出、聯網搜尋、前綴續寫及上下文快取。適用於程式設計、辦公與生產力工作,以及較長週期的自主代理任務。(he…
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。
Qwen3.7-Max 是 Qwen3.7 系列中面向智慧代理任務的旗艦模型。阿里雲百鍊目前將 qwen3.7-max 標示為功能等同於 qwen3.7-max-2026-05-20 快照;該快照對外提供純文字能力。(alibabacloud.com) 支援文字生成、深度思考、函式呼叫、結構化輸出、聯網搜尋、前綴續寫及上下文快取。適用於程式設計、辦公與生產力工作,以及較長週期的自主代理任務。(he…
Hy-MT2-30B-A3B 是騰訊混元 Hy-MT2 系列的開放權重多語言翻譯模型,採用混合專家(MoE)架構,總參數量約 300 億、啟用參數量約 30 億,面向複雜實際場景中的快速翻譯。模型以 Apache License 2.0 授權。(github.com) 支援 33 種語言互譯,並支援 5 種民漢翻譯或方言場景。 可依指令進行結構化、分隔符、上下文、術語表與風格翻譯,適用於一般文本、…
Hy-MT2-7B 是騰訊混元 Hy-MT2 系列的 7B 參數多語言文字翻譯模型,定位為面向複雜真實場景的「快思考」模型。官方於 2026 年 5 月 21 日開源發布。(github.com) 支援 33 種語言之間互譯,包括繁體中文,並支援多語言翻譯指令;官方語言清單另列藏語、哈薩克語、蒙古語、維吾爾語及粵語。(github.com) 適用於一般文字、真實業務與專業領域翻譯,也可透過指令提供…
Hy-MT2-1.8B 是騰訊混元 Hy-MT2 系列的輕量級多語言文字翻譯模型,約 18 億參數,適合對延遲或部署資源有要求的翻譯場景。模型權重已開放,模型卡標示授權為 Apache 2.0。(huggingface.co) 支援 33 種語言互譯與多語言翻譯指令,可用於一般文本、專業領域及實際業務翻譯。 官方提供術語參考、風格要求、背景資訊及結構化資料翻譯等指令範例;實際遵循程度仍需依任務驗證…
Qwen3.7 系列 Max 模型的預覽版,提供純文字能力供體驗,主要針對通用對話最佳化。官方更新紀錄同時列出快照 ID qwen3.7-max-2026-05-17。(help.aliyun.com) 支援文字生成、推理、函式呼叫、結構化輸出、連網搜尋及前綴續寫;適用於知識問答、遵循指令與創意寫作等場景。(help.aliyun.cn) 僅支援文字輸入與輸出,且僅支援思考模式;不支援上下文快取、…
Gemini Omni Flash 是 Google Gemini Omni 系列的首款多模態生成模型,以影片生成和對話式編輯為初始重點。Google 於 2026 年 5 月 19 日在 Google I/O 發布。(blog.google) 官方模型卡列出的輸入包括文字、圖片、音訊及影片,輸出為帶音訊的高解析度影片;實際支援的模態會因產品與版本而異。(deepmind.google) 可依指示…
Gemini 3.5 Flash 是 Google Gemini 3.5 系列的多模態推理模型,基於 Gemini 3 Flash,著重速度、程式設計與長流程 AI 代理任務。可透過思考層級調整品質、成本與延遲之間的取捨。(deepmind.google) 可輸入文字、圖片、音訊、影片及 PDF,輸出文字;Google Cloud 文件列出的上下文視窗為 1,048,576 tokens,最大輸出…
Qwen3.5-LiveTranslate-Flash 的即時版本,是基於 Qwen3.5-Omni 的多語言音訊與影音同步翻譯模型。穩定版 API ID 為 qwen3.5-livetranslate-flash-realtime;指定快照版為 qwen3.5-livetranslate-flash-realtime-2026-05-19。官方文件目前指出穩定版能力等同該快照。(alibabac…
Lance-3B 是 ByteDance 的原生統一多模態研究模型,具有約 30 億個活躍參數,在單一框架中處理圖片與影片的理解、生成及編輯。官方將其定位為研究成果,而非成熟的產品模型。(github.com) 支援文字生成圖片、文字生成影片、圖片生成影片、圖片編輯及影片編輯。 支援圖片與影片理解,可用於視覺內容分析及多模態研究。 官方提供模型權重、推論程式碼與微調程式碼;模型卡標示 Apache…
WorldStereo 2.0 是騰訊 HY-World 2.0 多模態世界模型框架中的世界擴展模型,約有 170 億個參數。它不是完整的 HY-World 2.0 系統,也不是一般文字對話模型。(github.com) 在世界生成流程中,WorldStereo 2.0 根據規劃的相機軌跡生成關鍵影格,並透過記憶機制維持多視角一致性。(github.com) 完整流程結合 HY-Pano 2.0、…
HY-Pano 2.0 是 HY-World 2.0 世界生成流程中的全景圖生成模型。官方模型庫將 HY-Pano-2 列為約 800 億參數的版本,另列出約 4.25 億參數的 HY-Pano-2-Qwen 輕量版本。(github.com) 可依文字提示或單張透視圖生成 360° 等距圓柱投影全景圖,適合全景場景創作。(github.com) 在 HY-World 2.0 中,全景圖是世界生成…
ERNIE 5.1 是百度文心系列的通用大型模型,繼承 ERNIE 5.0 的預訓練基礎,著重智能體、知識、推理、深度搜尋與創意寫作。官方公告日期為 2026 年 5 月 9 日。(ernie.baidu.com) 可用於文字生成、創意寫作、長篇敘事、知識問答、推理及智能體應用。官方也描述了指令遵循與工具呼叫相關的訓練。(ernie.baidu.com) 百度稱,相較 ERNIE 5.0,模型總參…
GPT-Realtime-Translate 是 OpenAI 的串流語音對語音即時翻譯模型,供開發者透過 API 建立多語言語音體驗;它的角色是翻譯人類說話內容,而非執行工具或管理對話的語音助理。(openai.com) 在來源語音持續輸入時,串流輸出翻譯後的語音與逐步產生的轉錄文字。官方發布公告稱,模型支援 70 多種輸入語言及 13 種輸出語言。(openai.com) 適用於即時口譯、多語…
GPT-Realtime-2 是 OpenAI 面向即時語音互動與語音代理工作流程的模型。官方發布公告稱,它是 OpenAI 首個具備 GPT-5 等級推理能力的語音模型,能在對話進行時推理、呼叫工具並處理更複雜的請求。(openai.com) 支援語音對語音互動、文字與音訊輸入及輸出,以及圖片輸入;支援函式呼叫。(developers.openai.com) 可處理對話中的修正或打斷、平行呼叫工…
GPT-5.5-Cyber 是 OpenAI 面向專業網路安全工作的模型。2026 年 5 月 7 日,OpenAI 宣布向負責保護關鍵基礎設施的防禦人員推出有限預覽。(openai.com) 模型針對安全相關任務採取較寬鬆的回應方式,適用於經授權的紅隊演練、滲透測試、漏洞利用驗證及受控環境中的漏洞研究。官方指出,初版預覽主要著重於降低安全任務上的拒絕程度,並非旨在大幅提升 GPT-5.5 原有的…
Gemini 3.1 Flash-Lite 是 Google 為低延遲、高流量及成本敏感型工作設計的模型。官方表示,它在主要能力方面的表現目標是與 Gemini 2.5 Flash 相當,並改善指令遵循與音訊輸入品質。(docs.cloud.google.com) 接收文字、圖片、音訊及影片輸入,產生文字輸出。 支援可調整的思考層級、結構化輸出、函式呼叫、程式碼執行、網址內容處理、搜尋接地、上下文…
Cola DLM 是 ByteDance Seed 等研究者提出的分層連續潛在空間擴散語言模型,主要面向研究與技術驗證。Cola-DLM-2000-EFLOPs 指論文擴展曲線中約 2000 EFLOPs 訓練計算量對應的開放權重檢查點;這是訓練計算量,並非推論速度。(arxiv.org) **文字生成:**使用 Text VAE 建立文字與連續潛在表示之間的映射,再以分塊因果 Diffusion…
GPT-5.5 Instant 於 2026 年 5 月 5 日發布,定位為 ChatGPT 的日常對話模型,當時開始取代 GPT-5.3 Instant,並透過 API 的 chat-latest 提供。(openai.com) 適合日常問答、分析上傳的照片與圖片、回答 STEM 問題,以及協助規劃與延續工作。官方表示,模型也改進了判斷何時使用網路搜尋的能力。 回答設計上更精簡自然,減少不必要的…
Gemma 4 31B IT Assistant 是搭配 Gemma 4 31B 指令微調目標模型使用的多權杖預測(MTP)草稿模型,目的是加速推論,而非取代目標模型獨立提供完整助理服務。其發布資源識別碼為 google/gemma-4-31B-it-assistant;對應的目標模型為 google/gemma-4-31B-it。(huggingface.co) 草稿模型先提出多個候選…
這是搭配指令微調目標模型 google/gemma-4-26B-A4B-it 使用的多詞元預測(MTP)草稿模型,並非獨立的 26B 對話模型。模型權重識別碼為 google/gemma-4-26B-A4B-it-assistant,採 Apache 2.0 授權。(huggingface.co) 在推測解碼流程中,草稿模型預測後續詞元,由目標模型並行驗證;草稿模型利用目標模型的啟用值並共用 KV…