MODELLVERZEICHNIS

Neueste KI-Modelle

Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.

Neueste zuerst7 Sprachen
Zurücksetzen

392 Modelle

Neueste zuerst
Alibaba

Qwen-Audio-3.0-ASR-Flash

Qwen-Audio-3.0-ASR-Flash ist ein Modell zur automatischen Spracherkennung für kurze Audioaufnahmen. Es nimmt Audio entgegen und gibt transkribierten Text aus. Alibaba Cloud führt es als nicht…

Alibaba

Qwen-Audio-3.0-ASR-Flash-Filetrans

Qwen-Audio-3.0-ASR-Flash-Filetrans ist ein Modell zur nicht-echtzeitfähigen Transkription vollständiger Audio- und Videodateien. Alibaba Cloud führt es ab 30. Juli 2026 als international verfügbares…

Alibaba

Qwen-Audio-3.0-ASR-Flash-Streaming

Ein Echtzeit-Spracherkennungsmodell von Tongyi Lab für latenzarme Streaming-Transkription und Anwendungen mit vielen gleichzeitigen Anfragen. Es verarbeitet Audio und gibt Text aus. (alibabacloud.com)…

Google

Lyria 3.5

Lyria 3.5 ist Googles Modell zur Musikgenerierung. Google kündigte es am 29. Juli 2026 an und begann an diesem Tag mit der Bereitstellung in Google Flow Music. (blog.google) Es erzeugt Musik in…

OpenAI

GPT-Live-Transcribe

GPT-Live-Transcribe ist ein Streaming-Spracherkennungsmodell für Echtzeittranskription mit geringer Latenz. Es gibt während der Spracheingabe fortlaufend Textfragmente und nach Abschluss eines…

OpenAI

GPT-Transcribe

GPT-Transcribe ist ein auf hochgenaue Spracherkennung spezialisiertes Speech-to-Text-Modell. OpenAI veröffentlichte es am 28. Juli 2026 für Dateitranskription und endgültige Transkripte…

Anthropic

Claude Opus 5

Claude Opus 5 ist ein leistungsfähiges Modell für den täglichen Einsatz, insbesondere für Programmierung und Wissensarbeit. Anthropic positionierte es bei der Veröffentlichung nahe an Claude Fable 5,…

Google

Gemini 3.5 Flash Cyber

Gemini 3.5 Flash Cyber ist ein leichtgewichtiges, auf Cybersicherheit spezialisiertes Modell. Es baut auf Gemini 3.5 Flash auf und wurde für das Auffinden, Validieren und Beheben von…

Google

Gemini 3.5 Flash-Lite

Gemini 3.5 Flash-Lite ist ein schnelles, kosteneffizientes multimodales Modell der Gemini-3-Familie. Es ist auf hohen Durchsatz, niedrige Latenz und agentische Workflows ausgelegt. Google…

Google

Gemini 3.6 Flash

Gemini 3.6 Flash ist ein multimodales Reasoning-Modell der Flash-Reihe, das auf effiziente agentische Arbeitsabläufe, Programmierung und Wissensarbeit ausgerichtet ist. Google veröffentlichte es am 21…

Alibaba

Qwen-Image-3.0

Qwen-Image-3.0 ist ein Bildgenerierungsmodell der dritten Generation aus Alibabas Qwen-Image-Reihe. Die offizielle Ankündigung erschien am 21. Juli 2026. Die hier beschriebene API-Version ist die…

Alibaba

Qwen3.7-Flash

Qwen3.7-Flash ist ein natives multimodales Vision-Language-Modell der Qwen3.7-Flash-Reihe für Textgenerierung, Schlussfolgern und visuelles Verständnis. Alibaba Cloud führt die Snapshot-Version am 21.…

Baidu

HPD-Parsing

HPD-Parsing ist ein leichtgewichtiges Vision-Language-Modell mit rund 1 Milliarde Parametern für die Dokumentanalyse mit hohem Durchsatz. Die Modellgewichte stehen unter der Apache-2.0-Lizenz bereit.…

ByteDance

Seed Audio 1.0

Seed Audio 1.0 ist ein Modell zur Erstellung vollständiger Audioszenen. Es generiert Sprache, Dialoge, Geräusche und Umgebungsatmosphäre in einem gemeinsamen Rahmen, statt diese Elemente nur als…

Alibaba

Qwen-Image-3.0-Pro

Qwen-Image-3.0-Pro ist Alibabas Flaggschiffmodell für Bildgenerierung und Bildbearbeitung in Model Studio. Alibaba führt die Veröffentlichung für den 20. Juli 2026 auf. (alibabacloud.com) Das Modell…

Alibaba

Qwen 3.8-Max-Preview

Qwen 3.8-Max-Preview ist eine Vorabversion eines Basismodells der Qwen-Reihe mit 2,4 Billionen Parametern. Alibaba veröffentlichte sie am 19. Juli 2026 über Token Plan, Qoder und QoderWork. Die…

MiniMax

Music-3.0

Music-3.0 ist ein Text-zu-Musik-Modell von MiniMax. Die offizielle Modellankündigung nennt den 16. Juli 2026 als Veröffentlichungsdatum. API-Modell-ID: music-3.0. (platform.minimax.io) Das Modell…

Moonshot AI

Kimi K3

Kimi K3 ist ein offenes multimodales Mixture-of-Experts-Modell für anspruchsvolle Programmier-, Wissens- und Reasoning-Aufgaben. Es wurde am 16. Juli 2026 veröffentlicht. Die Modellgewichte und der…

Tencent

Hy-Embodied-RxBrain-1.0

Hy-Embodied-RxBrain-1.0 („RxBrain“) ist ein multimodales Basismodell für verkörperte Kognition. Es wurde von Tencent Robotics X, dem Futian Laboratory und dem Tencent-Hunyuan-Team entwickelt und…

Tencent

Hy-Embodied-VLM-1.0

Veröffentlichung: 15. Juli 2026. (github.com) Hy-Embodied-VLM-1.0 ist ein Vision-Language-Grundlagenmodell für verkörperte Agenten in der physischen Welt. Es wurde von Tencent Robotics X, dem Hy…