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

495 个模型

按发布时间倒序
Tencent

hunyuan-t1-vision-20250619

腾讯混元 T1-Vision 的多模态理解深度思考模型版本,支持多模态原生长思维链。腾讯在上线公告中称,该版本相较上一代默认版本全面提升。(cloud.tencent.com) 适用于图片理解与推理任务,包括结合图片分析问题、解答包含图形的理科题。腾讯对 T1-Vision 系列的介绍指出,其擅长处理图片推理场景。(cloud.tencent.com) 本次查阅的上线公告未明确该版本的上下文窗口、…

了解模型简体中文
MiniMax

MiniMax Hailuo 02

MiniMax Hailuo 02 是 MiniMax 发布的视频生成模型,面向创作者和开发者,支持通过文本或图片生成短视频。官方强调其复杂指令遵循、动态动作和物理场景表现,并支持原生 1080p 输出。(minimax.io) 支持文生视频和图生视频,可用于创意短片、动画片段、产品展示及营销素材制作。 发布时提供 768p、6 秒;768p、10 秒;以及 1080p、6 秒三种规格。后续官方定…

了解模型简体中文
Google

Gemini Live 2.5 Flash Preview

Google 面向 Gemini Live API 的实时交互预览模型,侧重低延迟的双向语音和视频交互。(aistudio.google.com) 该模型用于实时多模态交互,支持文本、音频和视频输入,以及文本或音频响应;适合构建实时语音助手、视频交互和低延迟对话应用。具体功能和配置应以所用 API 文档为准。(docs.cloud.google.com) **发布日期:**2025 年 6 月 1…

了解模型简体中文
Google

Gemini 2.5 Flash-Lite Preview

Gemini 2.5 Flash-Lite 的预览版,面向对成本、延迟和吞吐量敏感的任务。Google 在发布时将其定位为 Gemini 2.5 系列中成本最低、延迟最低的模型。(developers.googleblog.com) 支持多模态输入,拥有约 100 万 token 的上下文窗口。(blog.google) 支持通过 API…

了解模型简体中文
Google

Gemini 2.5 Flash

Gemini 2.5 Flash 是 Google 面向低延迟、高吞吐量任务的多模态推理模型,注重性能与成本的平衡,适合大规模处理和智能体应用。(aistudio.google.com) 接受文本、图像、音频和视频输入,生成文本;支持可配置的思考预算。(aistudio.google.com) 支持函数调用、结构化输出、代码执行、上下文缓存、文件搜索、Google 搜索和地图信息增强,以及 URL…

了解模型简体中文
Google

Gemini 2.5 Pro

Gemini 2.5 Pro 是 Google 的多模态思考模型,面向复杂推理、编程和智能体任务。Google 于 2025 年 6 月 17 日宣布其正式发布并进入稳定版;该稳定版与 2025 年 6 月 5 日的预览版无模型变更。(developers.googleblog.com) 接受文本、图像、音频、视频和 PDF 输入,输出文本;适合分析长文档、数据集和代码库,以及处理数学、科学和软件…

了解模型简体中文
MiniMax

MiniMax-M1-80k

MiniMax-M1-80k 是 MiniMax-M1 系列的长上下文推理模型,面向需要处理长输入和深度思考的复杂任务。模型采用混合专家(MoE)与包含 Lightning Attention 的混合注意力架构,总参数量为 4560 亿,每个 token 激活约 459 亿参数。官方模型卡将 80k 描述为其思考预算。(huggingface.co) 原生支持约 100 万 token 的上下文,…

了解模型简体中文
MiniMax

MiniMax-M1-40k

MiniMax-M1-40k 是 MiniMax M1 系列的大规模混合注意力推理模型,采用混合专家(MoE)与 Lightning Attention 架构,面向需要长上下文和深度推理的复杂任务。官方模型卡称,该版本以 40K token 的思考预算训练;M1 原生支持最高 100 万 token 上下文。(huggingface.co) 可用于长文本理解、数学推理、软件工程和智能体工具使用;模…

了解模型简体中文
Moonshot AI

Kimi-Dev-72B

Kimi-Dev-72B 是面向软件工程问题解决的开源代码大语言模型,以 Qwen2.5-72B 为基础,经过代码相关数据训练和强化学习优化。官方公告发布于 2025 年 6 月 16 日。(moonshotai.github.io) 根据问题描述定位需要修改的文件,生成代码修复,并编写复现问题的单元测试。 可用于辅助处理代码仓库中的软件缺陷、生成补丁和测试,以及软件工程研究。 官方报告其在…

了解模型简体中文
Baidu

Qianfan-QI-VL

Qianfan-QI-VL 是百度智能云千帆平台自研的图片质量检测视觉大模型,以预置服务形式上线,主要面向电商商品图片质检。(qianfan.cloud.baidu.com) 支持检测 AIGC 人体瑕疵、识别马赛克和水印,以及检测商标,可用于检查电商上传的商品图片。(qianfan.cloud.baidu.com) 官方公告主要介绍电商图片质检场景,未给出准确率、支持的图片格式与尺寸、上下文长度…

了解模型简体中文
Google

Imagen 4 Ultra Generate Preview

Imagen 4 Ultra 的文本生成图像预览版本,侧重生成与文字提示高度一致的图像。输入为文本提示,输出为图像。(docs.cloud.google.com) 可根据自然语言描述生成不同风格和内容的图像,适用于创意插画、漫画、明信片和视觉概念设计等场景。 Google 表示,Imagen 4 系列的图中文字呈现能力较此前模型有所改善;官方示例展示了 Ultra 生成带文字的漫画。 Google…

了解模型简体中文
Google

Imagen 4 Fast Generate Preview

Imagen 4 Fast Generate Preview 是 Google 在 Vertex AI 上提供的 Imagen 4 快速图像生成公开预览版本。Google 于 2025 年 6 月 11 日在版本说明中公布了该预览模型 ID。(docs.cloud.google.com) 根据文本提示生成图像,适用于创意构思、营销素材和其他视觉内容制作。 Imagen 4 系列模型卡介绍了写实构图…

了解模型简体中文
Google

Imagen 4 Generate Preview

Google Imagen 4 系列的标准版文本生成图像模型预览版本,输入文本提示词,输出图像;它不同于 Fast 和 Ultra 版本。(developers.googleblog.com) 根据文字描述生成不同风格的图像,包括写实和抽象风格;Google 称 Imagen 4 相比此前模型改进了图中文字的拼写与排版。(developers.googleblog.com) 可用于海报、贺卡、漫画…

了解模型简体中文
ByteDance

Doubao-Seed-1.6-flash

Doubao-Seed-1.6-flash 是豆包大模型 1.6 系列的极速版,定位于低延迟的多模态理解与推理。官方发布表称其支持文本和视觉理解,并具备深度思考能力;官方后续介绍提到代码、推理和数学能力的升级。(docs.volcengine.com) 可用于对响应速度和成本敏感的文本或图像理解任务,例如智能巡检、手机助手和智能硬件。模型输出仍需结合具体任务验证;能力和可用性可能因版本、平台而异。…

了解模型简体中文
ByteDance

Doubao-Seed-1.6-thinking

Doubao-Seed-1.6-thinking 是豆包 Seed 1.6 系列中强化深度思考与视觉理解的多模态模型。火山方舟官方发布表将 doubao-seed-1-6-thinking-250615 列为 2025 年 6 月新发布的视觉理解模型;该版本名称仅用于说明来源中的版本,不改变本记录的 model_id。(docs.volcengine.com) 相较于上一代 Doubao-1.5-…

了解模型简体中文
ByteDance

Seedance 1.0

Seedance 1.0 是字节跳动 Seed 团队的视频生成基础模型,于 2025-06-11 正式发布,同日公开技术报告。(seed.bytedance.com) 支持文本生成视频和图片生成视频,最高可生成 1080p 视频。 支持原生多镜头叙事;官方展示了在 10 秒视频中切换 2–3 个镜头的能力。 可用于影视、广告、动画及其他风格化视频创作。官方强调了运动稳定性、指令遵循和视觉表现的改进…

了解模型简体中文
OpenAI

OpenAI o3-pro

OpenAI o3-pro 是 o3 的推理版本,使用更多计算量进行更长时间的思考,面向复杂问题和重视回答可靠性的任务。它与 o3 使用相同的底层模型。(help.openai.com) 适合数学、科学、编程、教育、商业分析和写作辅助等需要深入推理的任务。 在 ChatGPT 中,发布公告所述能力包括搜索网页、分析文件、对视觉输入进行推理以及使用 Python。实际工具可用性取决于产品环境。…

了解模型简体中文
ByteDance

SeedEdit 3.0

SeedEdit 3.0 是字节跳动 Seed 团队发布的指令式图像编辑模型,基于文生图模型 Seedream 3.0,使用原始图片和文本指令生成编辑结果。官方公告发布日期为 2025-06-06。(seed.bytedance.com) 模型旨在遵循编辑指令的同时保留主体、背景和细节,适用于人像编辑、物体增删替换、背景调整、视角和光线转换、风格变化以及画面文字修改。官方公告称模型可处理和生成 4…

了解模型简体中文
Tencent

hunyuan-translation-lite

腾讯混元的翻译专项模型。本次版本基于混元 2B-Dense 模型,通过多语言监督微调数据优化翻译能力,采用 Dense 结构。(cloud.tencent.com) 支持自然语言对话式翻译和多语种互译,可用于多语言文本翻译及内容本地化。2025 年 6 月的公告列出简体中文、繁体中文、粤语、英语、日语、法语、葡萄牙语、西班牙语、土耳其语、俄语、阿拉伯语、韩语、意大利语、德语、越南语、马来语和印尼语…

了解模型简体中文
Google

Gemini 2.5 Pro Preview

Google 于 2025 年 6 月 5 日发布的 Gemini 2.5 Pro 升级预览版,是面向复杂推理和编程任务的多模态思考模型。(blog.google) 擅长代码生成、复杂编程和智能体任务,也可用于数学、科学及知识推理。(blog.google) Gemini 2.5 Pro 支持文本、图像、音频和视频输入,以及约 100 万 token 的上下文窗口;开发者可通过思考预算控制推理过程…

了解模型简体中文