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

417 個模型

按發布時間倒序
Alibaba

Qwen3-Omni-Flash

Qwen3-Omni-Flash 是基於 Thinker–Talker 混合專家(MoE)架構的全模態模型。官方更新公告將此 API ID 列於 2025 年 9 月 17 日,並說明它是 2025 年 9 月 15 日的快照版本,與另列的 Realtime 版本不同。(help.aliyun.com) 模型可理解文字、圖片、音訊及影片,輸出文字與語音;官方描述支援 119 種語言的文字互動及 2…

了解模型繁體中文
Alibaba

Qwen3-Omni-Flash-Realtime

Qwen3-Omni-Flash 的即時多模態版本,採用 Thinker–Talker 混合專家(MoE)架構。官方發布紀錄列出的日期為 2025-09-17;模型 ID 中的 2025-09-15 是此版本的快照日期。(help.aliyun.com) 接受文字、圖片、音訊及影片輸入,輸出文字與語音;透過 Realtime API 的 WebSocket 介面進行即時互動。 官方稱支援 119…

了解模型繁體中文
Tencent

混元生3D 3.0

混元生3D 3.0 是騰訊的 3D 內容生成模型,供混元生3D 專業版選用,旨在生成較高精度、較高品質的 3D 資產。(cloud.tencent.com) 支援文字、圖片及多視角輸入生成 3D 模型,也支援白模、草圖生成及低面數模型等模式。 適用於遊戲、多媒體、動畫與工業設計等 3D 資產製作工作流程。 專業版 API 預設回傳 OBJ、GLB 檔案;也提供 STL、USDZ、FBX 等格式選項…

了解模型繁體中文
OpenAI

GPT-5-Codex

GPT-5-Codex 是針對 Codex 等環境中的代理式程式開發任務進一步最佳化的 GPT-5 版本,重點是實際軟體工程工作。(openai.com) 可協助快速互動式程式碼修改,也能自主處理較長、較複雜的任務;可用於程式碼審查、找出錯誤及反覆執行測試。(openai.com) 支援文字輸入與輸出,以及圖片輸入;例如可利用畫面截圖協助前端或介面開發。支援推理 token、串流、函式呼叫及結構化…

了解模型繁體中文
Alibaba

Qwen-VL-OCR

Qwen-VL-OCR 是基於 Qwen-VL 訓練的光學文字辨識(OCR)模型,將圖文辨識、解析與處理任務整合於同一模型。本模型 ID 指向 2025 年 8 月 28 日的快照版本。(help.aliyun.com) 此快照著重文字定位、通用文字辨識,以及從證件和票據中抽取資訊;可用於影像文字數位化及相關資料擷取。官方指出,這些能力相較先前版本有所提升。(help.aliyun.com) 此快…

了解模型繁體中文
Alibaba

Wan2.2-KF2V-Flash

Wan2.2-KF2V-Flash 是萬相 2.2 的首尾影格影片生成模型。官方於 2025 年 9 月 12 日發布公告,稱其改善動態穩定性、生成成功率與指令遵循能力,可在兩張圖片之間生成平滑的過渡影片。(help.aliyun.com) 輸入首影格、尾影格圖片,並可使用文字提示描述主體動作或鏡頭運動;輸出影片。適合製作兩個指定畫面之間的過渡片段。(alibabacloud.com) 輸出為無聲…

了解模型繁體中文
MiniMax

MiniMax Music 1.5

MiniMax Music 1.5 是 MiniMax 的音樂生成模型,根據自然語言描述創作歌曲,可產生人聲與器樂編曲。官方公告日期為 2025 年 9 月 11 日。(minimax.io) 可生成最長 4 分鐘的音樂,並依文字描述控制風格、情緒與適用場景。 進階模式可為前奏、主歌、副歌等段落安排歌詞;模型可生成不同音色與演唱風格,並呈現多層次器樂編曲及歌曲段落結構。 適用於音樂創作靈感、影視與…

了解模型繁體中文
Alibaba

Qwen-Plus

Qwen-Plus 的 2025 年 9 月 11 日快照版,是用於文字生成與推理的語言模型,支援思考與非思考模式。官方發布日期為 2025 年 9 月 11 日。(help.aliyun.com) 輸入與輸出均為文字;適合文字理解、生成、摘要及邏輯推理等任務。 相較 2025 年 7 月 28 日快照,官方表示本版在思考模式下更能遵循指令、摘要回覆更精簡;非思考模式下中文理解與邏輯推理能力有所改…

了解模型繁體中文
Baidu

文心大模型X1.1

文心大模型 X1.1 是百度的深度思考模型,面向複雜推理與智慧代理任務。百度表示,X1 系列基於文心大模型 4.5 訓練,X1.1 採用迭代式混合強化學習及自蒸餾訓練。(cloud.baidu.com) 支援問答、指令遵循、邏輯推理、數學、程式碼、工具呼叫及智慧代理任務;可用於複雜問題求解、內容撰寫和代理應用開發。官方模型更新紀錄標示上下文長度為 64K tokens。(ai.baidu.com)…

了解模型繁體中文
Alibaba

Qwen3-ASR-Flash

Qwen3-ASR-Flash 的 2025 年 9 月 8 日快照版,是基於大型語言模型的多語種自動語音辨識模型,輸入音訊並輸出文字。官方表示,它可自動判斷語種,並針對複雜音訊環境進行轉寫;適合短錄音轉寫、語音訊息文字化等用途。(help.aliyun.com) 此版本為非即時辨識,使用 HTTP/OpenAI 相容介面;官方曾列出單次音訊上限為 5 分鐘、10…

了解模型繁體中文
Moonshot AI

Kimi-K2-Instruct-0905

Kimi K2 的指令模型更新版,採用混合專家(MoE)架構,總參數約 1 兆,每次前向運算啟用約 320 億參數。官方於 2025 年 9 月 5 日發布更新公告。(huggingface.co) 加強代理式程式設計、前端程式碼生成與工具呼叫,適合程式開發、前端介面製作及工具輔助工作流程。 上下文視窗由前版的 128K 擴增至 256K tokens,適合需要處理較長上下文的任務。 官方公告提及…

了解模型繁體中文
Alibaba

Qwen3-Max-Preview

Qwen3-Max-Preview 是 Qwen3 系列 Max 模型的預覽版本,定位為文字生成與推理模型。官方列示的發布日期為 2025 年 9 月 5 日。(help.aliyun.com) 結合思考與非思考模式;官方指出,思考模式在智能體程式設計、常識推理,以及數學、科學與通用推理方面有所增強。 可用於文字生成、程式設計輔助和需要推理的文字任務。(help.aliyun.com) 官方先前的…

了解模型繁體中文
Alibaba

CosyVoice-v3-plus

CosyVoice-v3-plus 是阿里巴巴通義實驗室的語音合成與聲音複製模型,由阿里雲百鍊提供推論服務,面向需要較高音質和表現力的專業應用。主要以文字為輸入、音訊為輸出。(help.aliyun.com) 支援即時串流文字轉語音;提供約 5–20 秒參考音訊,可建立相似的客製聲音。(help.aliyun.com) 可使用系統音色、複製音色或設計音色。系統音色的語言依音色而異;複製音色支援中文…

了解模型繁體中文
Baidu

Qianfan-EngCard-VL

Qianfan-EngCard-VL 是百度面向教育場景的垂直領域專精圖像理解模型。百度千帆將其列為推理服務 API V2 的圖像理解模型。(cloud.baidu.com) 針對已經完成區域切割的英文答題卡填空部分,模型可按題目原有順序自動辨識答案,適用於輔助教學評閱。(qianfan.cloud.baidu.com) 官方描述的適用輸入是已完成區域切割的英文答題填空部分;不能據此推斷模型支援整…

了解模型繁體中文
Baidu

Qianfan-SinglePicOCR

百度千帆的垂直領域專精影像理解模型,面向單張圖片的資訊識別與擷取;官方社群將其列為教育垂直領域模型。(cloud.baidu.com) 識別並擷取單張圖片中的資訊,輸出便於工程處理的 YAML 格式。 可用於教育場景中的圖片內容擷取及後續結構化處理。(qianfan.cloud.baidu.com) 官方說明聚焦單張圖片輸入,不能據此推定支援多圖輸入。 官方公告未說明該模型的準確率、支援語言、圖片…

了解模型繁體中文
Google

Gemini 2.5 Flash Image

Google 的原生圖像生成與編輯模型,別名 Nano Banana。此條對應 2025 年發布時的預覽版 API ID,而非後來推出的正式版 ID。(developers.googleblog.com) 根據自然語言生成圖像,並對現有圖像進行局部修改,例如更換背景、移除物件或調整姿態。 理解並融合多張輸入圖像,在多次生成或編輯中保持人物或物件的外觀一致性。 利用 Gemini 的世界知識理解視覺…

了解模型繁體中文
Alibaba

Wan2.2-S2V-Detect

Wan2.2-S2V-Detect 是萬相數位人影片模型 wan2.2-s2v 的輔助影像檢測模型,用於在生成影片前檢查人物肖像是否符合該模型的輸入規範。它本身不生成影片;通過檢測的圖片可與人聲音訊一起交給 wan2.2-s2v 生成說話、唱歌或表演影片。(docs.bailian.console.aliyun.com)…

了解模型繁體中文
Alibaba

Qwen-Deep-Research

Qwen-Deep-Research(千問深入研究)是面向複雜研究任務的高級智慧體系統。官方上架公告日期為 2025-08-22。qwen-deep-research 是持續更新的主線模型,並非固定快照。(docs.bailian.console.aliyun.com) 支援釐清研究問題、制定研究計畫、拆解任務,並透過多輪網際網路搜尋、閱讀與分析產生可追溯來源的研究報告。 可用於需要綜合多方資料的…

了解模型繁體中文
Alibaba

Qwen-MT-Image

Qwen-MT-Image 是阿里雲百鍊提供的圖片翻譯模型服務,輸入圖片並輸出翻譯後的圖片,面向圖像在地化場景。官方於 2025 年 8 月 22 日將其列入模型上架公告。(docs.bailian.console.aliyun.com) 官方公告稱模型支援包括中文、英文和日文在內的 11 種語言,可將圖片內容翻譯為指定語言,並盡量還原原圖排版和內容。(docs.bailian.console.a…

了解模型繁體中文
Tencent

Hunyuan-T1

Hunyuan-T1 是騰訊混元的深度推理模型,採用 Hybrid-Transformer-Mamba 混合架構,面向需要多步思考的文字任務。騰訊雲歷史模型文件將 hunyuan-t1-latest 列為推理模型。(tencent.github.io) 2025 年 8 月 22 日的版本更新公告稱,模型提升了高難度數學、複雜推理、高難度程式碼、指令遵循和文字創作品質。適用場景包括數學與科學問題分…

了解模型繁體中文