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、…
模型发布档案
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。
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、…
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…
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,…
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…
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…
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…
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。…
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-…
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…
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…
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…
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…
通义实验室基于 Qwen3 训练的多语言通用文本向量模型,属于 Qwen3-Embedding 系列。它将文本转换为数值向量,而非生成对话回答。(docs.bailian.console.aliyun.com) 支持中文、英语等 100 多种主流语言及多种编程语言;可选向量维度为 64、128、256、512、768、1024、1536、2048,默认 1024。(help.aliyun.com)…
百度智能云千帆平台自研的舆情分析视觉大模型,曾作为预置服务提供,主要处理图片场景分类和敏感场景判断。(qianfan.cloud.baidu.com) 根据图片识别场景并判断是否属于敏感场景;官方举例包括暴力事件、火灾、交通事故和自然灾害。 可用于图片舆情场景识别。模型更新记录称其以 JSON 格式输出结果。(qianfan.cloud.baidu.com) 百度官方退役记录显示,该预置模型服务于…
腾讯混元 TurboS 系列的固定版本,是面向文本生成与理解的通用大语言模型。该版本于 2025 年 6 月 4 日上线。(cloud.tencent.com) 官方公告称,此版本升级了预训练底座,提升了写作和阅读理解能力,较大幅度提升了代码和理科能力,并持续改进复杂指令遵循能力。可用于文本创作、阅读理解、代码辅助及理科问题处理等任务。(cloud.tencent.com) 公告未给出此固定版本的…
SynLogic-7B 是面向逻辑推理的 7B 级文本生成模型,以 Qwen2.5-7B-Base 为基础,使用 SynLogic 数据集进行强化学习训练。官方模型卡标注语言为英语。(huggingface.co) 模型针对 27 类逻辑推理任务训练,包括数独、24 点和密码等;训练数据可自动验证。官方称其逻辑推理能力可迁移至数学问题求解,适合用于逻辑推理研究、数学问题实验及模型评测。官方报告的…