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

551 个模型

按发布时间倒序
Zhipu AI

GLM-ASR

GLM-ASR 是智谱的语音识别模型,以音频为输入、文本为输出,用于语音转写。官方模型文档中的调用示例使用 API 模型 ID glm-asr。(docs.bigmodel.cn) 利用上下文改善转录文本的流畅性和可读性;官方称其在噪声环境下具有较强的抗干扰能力。 支持中文、英语及八种中国地方方言:东北官话、胶辽官话、北京官话、冀鲁官话、中原官话、江淮官话、兰银官话和西南官话。 可用于客服记录、会…

了解模型简体中文
Alibaba

Qwen-VL-OCR

基于 Qwen-VL 训练的视觉理解与 OCR 模型,使用统一模型处理图文识别、解析和处理任务。该版本是 2025 年 4 月 13 日的快照。(docs.bailian.console.aliyun.com) 内置六类任务:通用识别、文档解析、表格解析、信息抽取、多语言识别和公式识别。可用于从文档、表格及其他图片中提取和整理文字信息。(docs.bailian.console.aliyun.co…

了解模型简体中文
Tencent

混元3D v2.5

腾讯发布的 3D 内容生成模型,面向需要创建高精度、带纹理三维资产的创作者和开发者。技术报告将其描述为采用形状生成和纹理生成两阶段流程的 3D 扩散模型体系。(arxiv.org) 支持通过文字提示或图片生成 3D 模型,并支持使用多个视角图片生成模型及 PBR 材质。(cloud.tencent.com) 官方称模型总参数量由前代的 1B 提升至 10B,有效面片数增加超过 10 倍,有效几何分…

了解模型简体中文
Alibaba

Qwen-TTS

Qwen-TTS 是通义千问系列的语音合成模型,将文本转换为音频。该版本是 2025 年 4 月 10 日的模型快照;支持中文、英文及中英混合文本输入,可根据文本自适应调整输出语气,并支持流式音频输出。(docs.bailian.console.aliyun.com) 可用于中文、英文或中英混合内容的语音播报,以及需要流式输出的文本转语音应用。(docs.bailian.console.aliyu…

了解模型简体中文
ByteDance

豆包·1.5·Pro·深度思考·128K

字节跳动的深度思考对话模型。扣子所列版本为 Doubao-1.5-thinking-pro/250415;火山方舟发布表对应的模型标识为 doubao-1-5-thinking-pro-250415。二者是官方平台对该版本的标识,不改变本记录中未提供的 API ID。(docs.coze.cn) 面向数学、编程、科学推理和创意写作等任务。官方称其在 AIME…

了解模型简体中文
Google

Gemini 2.5 Flash

Gemini 2.5 Flash 的 04-17 版本是 Google 于 2025 年 4 月 17 日发布的早期预览模型,定位为兼顾推理能力、速度与成本的多模态模型。发布时可通过 Gemini API、Google AI Studio 和 Vertex AI 使用。(developers.googleblog.com) 支持文本、图片、音频和视频输入,输出文本;官方模型卡列出约 100 万…

了解模型简体中文
Baidu

ERNIE-iRAG-Edit

ERNIE-iRAG-Edit 是百度自研的图像编辑模型。官方更新记录列出的版本为 ERNIE-iRAG-Edit-1.0,于 2025年4月17日在千帆推理服务 API V2 图像编辑类别上新。(cloud.baidu.com) 消除对象(erase):消除遮罩选中的局部、主体或背景。 重绘对象(repaint):根据文本提示重绘选中区域,可用于调整样式、丰富细节或替换主体、背景。…

了解模型简体中文
ByteDance

Seedream 3.0

Seedream 3.0 是字节跳动 Seed 团队开发的中英文双语文生图基础模型,以文本提示词生成图像。(seed.bytedance.com) 支持不同宽高比的原生最高 2K 图像输出,无需后处理放大。 相较 Seedream 2.0,官方报告称其在图文对齐、多对象属性关系、人体及物体结构、文字生成和排版、美感与真实感方面有所改进。 适用于海报、创意视觉内容、插画及需要中英文文字排版的图像设计…

了解模型简体中文
OpenAI

OpenAI o4-mini

OpenAI o4-mini 是 o 系列中的小型推理模型,针对快速、经济的推理进行了优化,尤其适合数学、编程和视觉任务。(openai.com) 支持文本和图像输入、文本输出,可用于图表与图片分析、数学解题、代码编写和数据分析。 支持函数调用和结构化输出;发布时可结合工具完成多步骤任务,例如检索信息或运行代码。 模型文档列出的上下文窗口为 200,000 token,最大输出为 100,000…

了解模型简体中文
OpenAI

OpenAI o3

OpenAI o3 是面向复杂任务的推理模型,擅长数学、科学、编程和视觉推理,也可用于技术写作及遵循指令的多步骤分析。(openai.com) 接受文本和图像输入,输出文本;可结合图像与文字进行推理,适用于分析图表、代码和复杂问题。 在 ChatGPT 中可使用工具;在 API 中支持函数调用,可用于构建多步骤工作流。API 还支持结构化输出和流式输出。 上下文窗口为 200,000 token,…

了解模型简体中文
Baidu

ERNIE X1

ERNIE X1 是百度的深度思考与推理模型。输入所指版本为 ERNIE-X1-32K;百度模型更新记录将其描述为该版本的主版本,提供对话 API。(cloud.baidu.com) 百度介绍,该模型侧重理解、规划、反思及推理,适用于中文知识问答、文学创作、文稿写作、日常对话、逻辑推理、复杂计算和工具调用等任务。企业可将其用于构建问答、检索增强生成、智能体和工作流应用。(cloud.baidu.c…

了解模型简体中文
OpenAI

GPT-4.1 nano

GPT-4.1 nano 是 GPT-4.1 系列中强调低延迟和低成本的模型。其固定版本 ID 为 gpt-4.1-nano-2025-04-14。(developers.openai.com) 支持文本和图像输入、文本输出,擅长指令遵循和工具调用;支持函数调用、结构化输出和流式输出。(developers.openai.com) 上下文窗口为 1,047,576 token,最大输出为 32,7…

了解模型简体中文
OpenAI

GPT-4.1 mini

GPT-4.1 mini 是 GPT-4.1 系列中较小、较快的模型,面向低延迟的通用 API 应用,侧重指令遵循、工具调用、编码和长上下文理解,不使用单独的推理步骤。(developers.openai.com) 支持文本输入和输出,以及图像输入;支持函数调用、结构化输出和流式输出。(developers.openai.com) 上下文窗口为 1,047,576 tokens,最大输出为 32,…

了解模型简体中文
OpenAI

GPT-4.1

GPT-4.1 是 OpenAI 于 2025 年 4 月 14 日发布的 API 模型,侧重编程、指令遵循和长上下文理解。API 模型 ID 为 gpt-4.1,对应发布快照为 gpt-4.1-2025-04-14。(openai.com) 支持文本输入和输出、图像输入;支持函数调用、结构化输出和流式输出。适合代码生成与修改、长文档分析、图像理解和工具调用等应用。(openai.com) 上下文…

了解模型简体中文
Zhipu AI

GLM-Z1-9B-0414

GLM-Z1-9B-0414 是智谱推出的约 90 亿参数小尺寸推理模型,面向资源受限环境和轻量化部署。官方将其列为推理模型,并开放模型权重;官方模型页标注 MIT 许可。(github.com) 官方介绍其擅长数学推理和通用任务,可用于相关文本推理和问答场景。 模型页标注中文、英文及文本生成;可通过 Transformers、vLLM 等工具进行部署和使用。(github.com) 官方列出的序…

了解模型简体中文
Zhipu AI

GLM-4-9B-0414

GLM-4-9B-0414 是 GLM-4-0414 系列中的 9B 参数对话模型,主要针对翻译等需要大批量调用的场景优化。官方提供模型权重,模型仓库标注 MIT 许可证,可用于本地部署。(github.com) 支持文本生成和对话,可用于翻译及其他批量文本处理任务。 原生训练上下文长度为 32K token;官方列出的上下文扩展范围为 32K 至 128K。当输入与输出的总长度可能超过 32K…

了解模型简体中文
Zhipu AI

GLM-Z1-Rumination-32B-0414

GLM-Z1-Rumination-32B-0414 是智谱 GLM-4-32B-0414 系列中的 320 亿参数深度推理模型,面向需要较长时间思考的开放式复杂任务。模型卡标注支持中文、英文文本生成,并以 MIT 许可证发布模型权重。(huggingface.co) 可在推理过程中结合搜索工具,处理复杂检索和研究式写作任务。 适用于比较分析、资料调研和研究报告撰写等场景;官方举例包括比较两座城市…

了解模型简体中文
Zhipu AI

GLM-Z1-32B-0414

GLM-Z1-32B-0414 是 GLM-4-0414 系列的 320 亿参数文本推理模型,面向需要深度思考的任务。官方于 2025 年 4 月 14 日发布该系列。(github.com) 模型基于 GLM-4-32B-0414,经冷启动、扩展强化学习以及数学、代码和逻辑任务训练而成,适合数学推理、代码问题和复杂问题求解。官方称其相对于基础模型提升了数理能力和复杂任务处理能力。它不同于同系列的…

了解模型简体中文
Zhipu AI

GLM-4-32B-0414

GLM-4-32B-0414 是智谱 GLM-4-0414 系列中的 320 亿参数对话模型,适合本地部署。官方将其与同系列的基础模型和 GLM-Z1 推理模型区分列出,并提供模型权重下载。(github.com) 模型针对指令遵循、工程代码、函数调用等能力进行了后训练,可用于对话、代码编写、网页或 SVG 内容生成、智能体工具调用,以及结合外部搜索工具进行问答和报告撰写。搜索问答等应用的实际效果…

了解模型简体中文
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