Janus-Pro-1B
Janus-Pro-1B 是 DeepSeek Janus-Pro 系列的統一多模態理解與生成模型。它採用自迴歸架構,將視覺理解和影像生成的編碼路徑分開,並使用統一 Transformer 處理。官方列出的序列長度為 4096。(huggingface.co) 影像理解:結合影像和文字進行影像描述、視覺問答等任務。 文字生成影像:根據文字提示生成影像,可用於創意原型和多模態研究。 部署:官方提供模…
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。
Janus-Pro-1B 是 DeepSeek Janus-Pro 系列的統一多模態理解與生成模型。它採用自迴歸架構,將視覺理解和影像生成的編碼路徑分開,並使用統一 Transformer 處理。官方列出的序列長度為 4096。(huggingface.co) 影像理解:結合影像和文字進行影像描述、視覺問答等任務。 文字生成影像:根據文字提示生成影像,可用於創意原型和多模態研究。 部署:官方提供模…
ERNIE-iRAG-1.0 是百度的影像生成模型,採用基於影像的檢索增強生成(iRAG)技術,結合百度搜尋圖片資源與基礎模型能力,根據文字生成圖片。(ai.baidu.com) 主要用於文字生成影像,可用於創意配圖和視覺內容製作。 百度後續文件稱,ERNIE-iRAG 影像生成介面支援傳入參考圖;具體可用參數應以實際接入介面為準。(qianfan.cloud.baidu.com) 生成結果仍需人…
DeepSeek-R1-Distill-Llama-70B 是 DeepSeek 發布的約 70B 參數稠密推理模型。它以 Llama-3.3-70B-Instruct 為基礎,使用 DeepSeek-R1 生成的樣本進行微調,是 R1 蒸餾模型系列的一員,而非完整的 DeepSeek-R1 模型。(github.com) 模型面向文字生成和推理任務,可用於數學問題求解、程式碼相關任務及推理研究。…
DeepSeek-R1-Distill-Qwen-32B 是 DeepSeek 發布的約 320 億參數稠密推理模型,以 Qwen2.5-32B 為基礎,使用 DeepSeek-R1 產生的樣本進行微調。官方開放了模型權重,模型卡標註授權條款為 MIT。(github.com) 模型適用於文字生成和推理,可用於數學問題求解、程式碼生成與分析、問答及研究實驗。官方評測報告了數學、科學問答和程式設計基…
DeepSeek-R1-Distill-Qwen-14B 是 DeepSeek 發布的推理型文字生成模型,以 Qwen2.5-14B 為基礎,使用 DeepSeek-R1 生成的樣本進行蒸餾和微調。官方開放了模型權重,模型卡標註 MIT 授權條款。(github.com) 模型面向數學、程式設計和其他需要多步推理的文字任務,可用於推理研究、問答和本機部署。官方報告中,該型號在 AIME 2024、…
DeepSeek-R1-Distill-Llama-8B 是 DeepSeek 發布的約 80 億參數推理蒸餾模型。它以 Llama 3.1 8B 為基礎,使用 DeepSeek-R1 生成的樣本進行微調;它不是完整的 DeepSeek-R1 大模型。(github.com) 模型面向文字推理,可用於數學解題、程式碼相關任務及推理研究。官方報告中,該型號的 AIME 2024 pass@1 為 5…
DeepSeek-R1-Distill-Qwen-7B 是 DeepSeek 發布的約 70 億參數級稠密推理模型,基於 Qwen2.5-Math-7B,使用 DeepSeek-R1 生成的樣本進行微調。它是 R1 蒸餾系列的一個獨立模型,並非完整的 DeepSeek-R1。(github.com) 模型面向數學、程式碼和自然語言推理等文字任務,可用於解題、程式設計輔助及推理研究。官方評測中,該模…
DeepSeek-R1-Distill-Qwen-1.5B 是 DeepSeek 發布的約 15 億參數級推理蒸餾模型,以 Qwen2.5-Math-1.5B 為基礎,使用 DeepSeek-R1 產生的樣本進行微調。模型權重已公開,模型卡標註 MIT 授權條款。(github.com) 模型面向文字生成和推理,可用於數學問題求解、程式設計輔助及推理實驗,也可下載權重進行本機部署和研究。官方評測中…
DeepSeek-R1-Zero 是 DeepSeek 的推理型大型語言模型,基於 DeepSeek-V3-Base,在未先進行監督式微調的情況下,透過大規模強化學習訓練。它與後續的 DeepSeek-R1 是不同版本。(huggingface.co) 模型面向複雜推理,可用於數學問題、程式碼和推理方法研究。官方模型卡列出其總參數量為 671B、每次啟用參數量為 37B、上下文長度為 128K;模…
DeepSeek-R1 是 DeepSeek 發布的第一代推理模型,面向數學、程式設計和自然語言推理等任務。官方於 2025 年 1 月 20 日正式發布該模型,同步開放模型權重並推出 API;這裡記錄的是官方首發日,而非月底佔位日期。(api-docs.deepseek.com) 後訓練階段使用大規模強化學習,可用於複雜問題求解、程式碼輔助和研究;首發 API 提供思維鏈輸出。官方稱其在數學、程…
阿里雲百煉提供的通義萬相 2.0 極速版文生圖模型:輸入文字,輸出影像,適合質感人像、創意設計畫作及其他影像創作。(help.aliyun.com) 支援中英文提示詞、反向提示詞和智慧提示詞改寫;正向提示詞上限為 800 個字元,超出部分自動截斷。(help.aliyun.com) 影像寬、高各支援 512–1440 像素,預設 1024×1024;官方將最大生成能力描述為約 200…
通義萬相 2.1 圖生影片 Plus 模型,透過阿里雲百煉提供推論服務,將輸入圖片轉換為動態影片。 (help.aliyun.com) 支援結合圖片和提示詞生成影片,官方介紹其可表現複雜運動、物理規律和影視風格畫面,適合製作圖片動態展示及短影片素材。 (docs.bailian.console.aliyun.com) 國內 API 文件規定該型號輸出為 720P、固定 5 秒,預設生成無聲影片;相…
Emoji-Detect 是阿里雲百煉用於輔助 Emoji 表情包影片生成的影像偵測模型。它偵測輸入圖片中的人物形象是否符合影片生成要求;偵測通過時,可回傳人臉區域及擴展表情區域的座標,供後續影片生成使用。它本身不是影片生成模型。(alibabacloud.com) 輸入為影像。官方 API 文件列出的格式包括 JPEG、JPG、PNG、BMP 和 WEBP;圖片寬高各須為 400–7000 像素…
Emoji 是阿里雲百煉提供的人臉動效影片生成模型。它以人臉圖片和預設動態模板為輸入,生成相應的人臉動效影片,可用於製作表情包和影片素材。輸入模態為影像,輸出模態為影片。(alibabacloud.com) 適合將人物肖像轉換為預設表情動作影片;模板驅動並非任意動作控制。 官方模型卡列明不支援函式呼叫、結構化輸出、連網搜尋、上下文快取、批次推論或模型調校。(alibabacloud.com) 配套…
aitryon-parsing-v1 是阿里雲百煉 AI 試衣 OutfitAnyone 的圖片分割輔助模型,可分割模特兒圖和服飾圖,用於試衣圖片的前處理或後處理。(help.aliyun.com) 該模型面向圖片分割,不能將其等同於完整的虛擬試衣生成模型。阿里雲國際站於 2026 年 7 月 10 日發布公告,將該型號列入計畫於 2026 年 10 月 10 日下線的模型清單,並註明以實際變更時…
Qwen-Plus 的 qwen-plus-0112 是阿里雲百煉提供的文字生成快照模型,亦稱 qwen-plus-2025-01-12。它支援中文、英文等語言,可用於文字生成、問答和閱讀理解等任務。阿里雲百煉產品月刊稱,相較於上一快照,該版本在中英文常識、閱讀理解、語言與風格切換以及中文指令遵循方面有所提升。(docs.bailian.console.aliyun.com) 月刊列出的上下文長度…
騰訊混元 Turbo 的固定版本,對應版本號 pv2.0.6,屬於通用大型語言模型。Turbo 系列採用混合專家(MoE)架構。(cloud.tencent.com) 官方稱該版本提升了通用泛化、數學、程式碼和邏輯推理能力,並優化了字詞及文字理解和文字創作品質。可用於文字理解、內容創作、數學問題分析和程式碼輔助等任務;實際效果應透過具體任務驗證。(cloud.tencent.com) 官方上架日:…
Wanx2.1-T2I-Plus 是由阿里雲百煉提供推論服務的通義萬相 2.1 文生圖專業版模型,以文字為輸入、圖像為輸出。(docs.bailian.console.aliyun.com) 模型支援多種藝術風格和寫實效果,官方介紹其具有較強的語意理解和風格泛化能力,可生成較豐富的畫面細節,支援智慧提示詞改寫及最高約 200 萬像素的圖像生成。可用於創意設計、人物或場景圖片生成等用途。(docs.…
Wanx2.1-T2I-Turbo 是阿里巴巴通義萬相 2.1 系列的極速文生圖模型,透過阿里雲百煉提供推論服務。它接收文字提示詞並產生圖片,適合創意插畫、視覺概念設計等用途。官方介紹其具備較快的生成速度、語意理解和多種風格生成能力,並支援智慧提示詞改寫。(docs.bailian.console.aliyun.com) 支援中文和英文提示詞、反向提示詞及智慧提示詞改寫。2.1 系列提示詞長度不超…
Wanx2.1-T2V-Plus 是阿里巴巴通義萬相 2.1 系列的文生影片模型,透過文字提示詞生成影片。官方介紹稱其支援複雜運動、物理規律還原、多種藝術風格和影視級畫面,並增強了指令遵循能力。可用於創意短影片、概念展示等場景。(docs.bailian.console.aliyun.com) 官方呼叫指南列出的該型號輸出規格為 720P、5 秒、30 fps、MP4(H.264 編碼),且為無聲…