Gemini Omni Flash
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…
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。
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…
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-Whisper 是供開發者使用的串流語音轉文字模型,透過 Realtime API 在使用者說話時即時產生逐步更新的文字轉錄。它針對低延遲場景設計,開發者可在延遲與準確度之間進行調整。(openai.com) 接收音訊並輸出文字轉錄,支援串流;模型文件亦列出文字輸入與輸出。(developers.openai.com) 適合會議、課堂、廣播及活動的即時字幕,也可作為會議紀…
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…
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…