模型发布档案

最新发布模型

聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。

按发布时间倒序7 种语言
清除

579 个模型

按发布时间倒序
Zhipu AI

GLM-4-32B-Base-0414

GLM-4-32B-Base-0414 是 GLM-4-0414 系列中的约 320 亿参数基础语言模型,面向文本生成、后续训练与本地部署。官方称其使用约 15T 的高质量数据预训练,其中包括大量推理类合成数据,为后续强化学习扩展奠定基础。(huggingface.co) 可作为文本生成、模型研究、微调及后续强化学习的基础模型。 官方将其与同系列的对话模型 GLM-4-32B-0414 分开列示;…

了解模型简体中文
Zhipu AI

GLM-Z1-Flash

GLM-Z1-Flash 是 GLM-Z1 系列的免费推理模型,旨在降低推理模型的使用门槛。官方发布记录日期为 2025-04-14。(docs.bigmodel.cn) 默认启用深度思考,面向数学逻辑推理、长文档分析和代码生成等任务。 官方文档列出流式输出、Function Calling、JSON 等结构化输出及 MCP 工具调用支持。 官方展示的应用包括数据推理、人岗匹配、剧本生成和专业报告…

了解模型简体中文
Zhipu AI

GLM-Z1-Air

GLM-Z1-Air 是智谱推出的高性价比深度思考推理模型,面向高频调用场景。官方于 2025 年 4 月 14 日公布该模型;本条对应版本标识为 GLM-Z1-Air-0414。(docs.bigmodel.cn) 以 GLM-4-Air-250414 为基础,针对数学、代码和逻辑等任务进行优化,侧重数理推理与复杂问题解决。(docs.bigmodel.cn) 输入和输出模态均为文本;官方文档列…

了解模型简体中文
Zhipu AI

GLM-Z1-AirX

GLM-Z1-AirX 是 GLM-Z1-Air 的高速版,定位为极速推理模型。官方于 2025 年 4 月 14 日发布,发布标识为 GLM-Z1-AirX-0414。(docs.bigmodel.cn) 模型采用文本输入和文本输出,面向逻辑推理、数学和编程等复杂任务;适用于实时数据分析、智能客服等需要快速响应的高频调用场景。官方发布时称其速度最高可达 200 tokens/秒;这是最高速度,并…

了解模型简体中文
Zhipu AI

GLM-4-Flash-250414

GLM-4 系列的免费文本基座模型,面向通用任务和轻量化应用。智谱于 2025 年 4 月 14 日发布该版本。(docs.bigmodel.cn) 以文本为输入和输出,适合轻量级对话、问答、摘要和文本处理等场景。 官方模型概览列出的上下文窗口为 128K tokens,最大输出为 16K tokens。(docs.bigmodel.cn) 官方 GLM-4 文档提到该版本具备长文本处理和多语言能…

了解模型简体中文
Zhipu AI

GLM-4-Air-250414

GLM-4-Air-250414 是智谱于 2025 年 4 月 14 日发布的高性价比基座语言模型,面向复杂任务与智能体应用。(docs.bigmodel.cn) 模型接受文本输入并生成文本。官方重点介绍了其指令遵循、工程代码生成和函数调用能力,也将 Artifacts 生成、搜索问答与报告撰写列为应用场景。联网搜索依赖相应工具或服务,不能将其理解为模型自动访问互联网。(docs.bigmode…

了解模型简体中文
Google

Chirp 3: Transcription

Chirp 3: Transcription 是 Google 面向多语言自动语音识别(ASR)的生成式模型,将音频转写为文本。它通过 Google Cloud Speech-to-Text API V2 提供,模型标识符为 chirp_3。(docs.cloud.google.com) 支持流式识别、同步识别和批量识别,可用于实时转写、短音频识别及长音频处理。 支持自动语言检测、自动标点、讲话人…

了解模型简体中文
Moonshot AI

Kimi-VL-A3B-Thinking

Kimi-VL-A3B-Thinking 是 Kimi-VL 系列的视觉语言推理模型,侧重复杂文本与多模态推理。它采用混合专家(MoE)架构,官方列出的总参数量约为 160 亿、激活参数量约为 30 亿,上下文窗口为 128K token。(huggingface.co) 接收图像和文本并生成文本,可用于多图理解、视觉问答和数学推理。 Kimi-VL 系列还支持文档、视频内容理解及智能体相关任务;…

了解模型简体中文
Moonshot AI

Kimi-VL-A3B-Instruct

Kimi-VL-A3B-Instruct 是面向高效推理的视觉语言指令模型,采用混合专家(MoE)语言模型、原生分辨率视觉编码器 MoonViT 和投影层。官方列出的总参数量约为 160 亿,激活参数量约为 30 亿,上下文窗口为 128K。(huggingface.co) 模型可结合文本和视觉信息完成多模态理解,适用于图像问答、多图理解、OCR、长文档和视频内容理解,以及操作系统界面等智能体场景…

了解模型简体中文
Alibaba

Wan 2.1 KF2V Plus

万相 2.1 首尾帧生视频 Plus 版,是面向国际视频生成服务的模型:根据首帧和尾帧两张图片生成过渡视频,也可结合文本提示词控制内容。官方公告将其列于 2025 年 4 月 7 日。(docs.bailian.console.aliyun.com) 官方称模型支持大幅度复杂运动、多种艺术风格和较丰富的视频细节,并增强了指令遵循能力。可用于两张关键画面之间的转场及短视频创作。(docs.baili…

了解模型简体中文
MiniMax

Speech-02-Turbo

Speech-02-Turbo 是 MiniMax Speech-02 系列中的文本转语音模型,针对实时交互场景优化,侧重低延迟与语音质量的平衡。Speech-02 系列于 2025 年 4 月 2 日发布。(minimax.io) 将输入文本合成为语音,支持流式输出;可调整语速、音量和音调,并控制停顿及情绪。(platform.minimaxi.com) 支持使用系统音色和复刻音色。系列发布公告…

了解模型简体中文
MiniMax

Speech-02-HD

Speech-02-HD 是 MiniMax Speech-02 系列中面向高保真语音生成的文本转语音模型,适用于配音、有声书等重视音质的场景。该系列于 2025 年 4 月 2 日发布。(minimax.io) 输入文本并生成语音;支持多语言、不同口音和情绪表达。官方后续技术介绍称 Speech 02 支持 32 种语言。(minimax.io) 支持声音复刻,以及音高、语速、音量和情绪等控制;…

了解模型简体中文
OpenAI

GPT-4o

GPT-4o 是 OpenAI 的多模态模型。此条目对应 2025 年 3 月 27 日更新:发布时,该更新已在 ChatGPT 中提供,并成为 API 别名 chatgpt-4o-latest 指向的最新快照。该别名并非固定日期的版本标识,其指向的快照可能变化。(help.openai.com) 更新改善了复杂 STEM 和编程问题处理,包括生成更简洁的前端代码、分析现有代码并确定修改内容。 对…

了解模型简体中文
Alibaba

Qwen-Omni-Turbo

Qwen-Omni-Turbo 是千问系列多模态理解与生成模型。该版本是 2025 年 3 月 26 日的快照,阿里云百炼在 2025 年 3 月 27 日的更新记录中列出了它;官方称其视觉能力较 2025 年 1 月 19 日快照有大幅提升。(docs.bailian.console.aliyun.com) 支持文本、图像、音频和视频输入,也支持混合模态输入理解。 支持同时流式生成文本和语音,提…

了解模型简体中文
Alibaba

QVQ-Max

QVQ-Max 是通义千问 QVQ 系列视觉推理模型,面向视觉理解和深度思考任务。阿里云百炼的模型上架记录将 qvq-max 列于 2025 年 3 月 26 日。官方模型资料称,qvq-max 的功能等同于快照 qvq-max-2025-03-25;后者名称中的日期是快照版本标识。(docs.bailian.console.aliyun.com) 支持文本、图像和视频输入,输出文本及思维链;可结…

了解模型简体中文
OpenAI

GPT-4o image generation

GPT-4o image generation 是原生嵌入 GPT-4o 的多模态图像生成能力,可根据文字和图像输入生成或变换图像。OpenAI 于 2025 年 3 月 25 日发布该能力。(openai.com) 根据自然语言生成照片写实或其他风格的图像,并在图像中呈现文字。 结合对话上下文多轮修改图像,利用上传图片作为编辑对象或视觉参考。 遵循包含多个对象和约束的指令,适用于信息图、标志、图…

了解模型简体中文
Google

Gemini 2.5 Pro Experimental

Google 于 2025 年 3 月 25 日发布的 Gemini 2.5 Pro 公开实验版本,是面向复杂任务的多模态思考模型。官方发布记录称,该版本默认始终开启思考模式。(blog.google) **推理与编程:**面向数学、科学和复杂问题推理,也可用于代码生成、转换和编辑,以及开发网页应用和代码代理。(blog.google) **多模态与长上下文:**发布时支持处理文本、音频、图像、视…

了解模型简体中文
Alibaba

Wanx2.1-ImageEdit

Wanx2.1-ImageEdit 是万相通义图像编辑模型,面向已有图像的局部或全图编辑。它支持预设编辑任务和指令式编辑,输入和输出均包含图像。(docs.bailian.console.aliyun.com) 支持图像风格化、线稿生图、局部重绘、参考图生成、图像外扩和图像超分辨率等,可用于图片修饰、内容修改和创意图像制作。(docs.bailian.console.aliyun.com) 官方模…

了解模型简体中文
Tencent

hunyuan-turbos-longtext-128k-20250325

腾讯混元 TurboS 的长文本版本,基于 TurboS 底座进一步增训,采用混合专家(MoE)架构。腾讯云产品动态记录的发布日期为 2025年3月25日。(cloud.tencent.com) 官方称该模型擅长文档摘要、文档问答等长文本任务,也可用于通用文本生成及复杂长文内容的分析与生成。(cloud.tencent.com) 名称包含 128k,但所查发布公告未明确输入与输出各自的 token…

了解模型简体中文
Zhipu AI

CogView4-6B-Control

CogView4-6B-Control 是 CogView4 系列的可控图像生成模型。官方演示使用文本提示词和控制图像生成新图像,可用于需要参考画面结构进行视觉创作的场景。其基础模型 CogView4-6B 支持中英文提示词和中文文字绘画。(huggingface.co) 结合文本描述和控制图像生成图像,可用于插画、设计素材及受参考图约束的创作。 官方提供 Control 模型训练指南;指南以姿态…

了解模型简体中文