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

412 个模型

按发布时间倒序
Alibaba

Qwen-Audio-3.0-Realtime-Flash

Qwen-Audio-3.0-Realtime-Flash 是面向实时语音对话的端到端双工模型,Flash 版本侧重响应速度。官方介绍称,其通过并行推理和全向流式处理降低端到端交互延迟。(help.aliyun.com) 支持文本、音频输入和文本、音频输出,以及 Function Calling。客户端与服务端可通过持久连接同时交换流式音频和响应。(help.aliyun.cn) 支持语音活动检测…

了解模型简体中文
Alibaba

Qwen-Audio-3.0-Realtime-Plus

千问实时语音对话模型 3.0 的 Plus 标准版,由阿里云百炼提供推理服务,侧重高质量回复和低延迟的实时双工语音交互。(help.aliyun.com) 支持音频、文本输入和输出,以及 Function Calling、联网搜索;可通过 WebSocket 接入实时对话。联网搜索默认关闭,启用后也不保证每轮触发。(help.aliyun.com) 官方列出的支持语种包括中文、英语、日语、韩语、德…

了解模型简体中文
Alibaba

Qwen-Audio-3.0-TTS-Flash

面向实时交互优化的文本转语音模型:输入文本,输出音频。官方公告称其侧重低延迟合成,首包延迟控制在 200 毫秒以内;实际延迟可能受使用条件影响。(alibabacloud.com) 支持多种语言和中文方言,并可通过自由形式指令及细粒度标签控制情绪、语气、角色、语速和音量等表达。(help.aliyun.com) 支持流式输出、自定义音色和指令控制,适用于语音助手、实时对话和智能客服等场景。(pla…

了解模型简体中文
Alibaba

Qwen-Audio-3.0-TTS-Plus

Qwen-Audio-3.0-TTS-Plus 是阿里云面向高质量语音生成的语音合成模型,输入文本、输出音频;Plus 版本侧重音质、自然度和细节表现。官方公告同时列出语音合成和实时语音合成能力。(alibabacloud.com) 支持自然语言指令和细粒度标签控制,可调整情绪、语气、角色、语速、音量和合成风格;官方称其较前一版本增强了小语种、中文方言及复杂声学条件下的表现。(alibabaclo…

了解模型简体中文
Alibaba

Wan-Dancer-14B

Wan-Dancer-14B 是阿里巴巴通义实验室发布的音乐生成舞蹈视频模型,面向具有长时结构和时序连贯性的舞蹈视频生成。官方于 2026 年 7 月 13 日宣布发布模型权重和推理代码。(huggingface.co) **输入与输出:**结合人物参考图、音乐和舞蹈风格文本提示,生成舞蹈视频。官方示例包括中国古典舞、K-pop、街舞、踢踏舞和拉丁舞。(huggingface.co) **生成方式…

了解模型简体中文
OpenAI

GPT-5.6 Luna

GPT-5.6 Luna 是 GPT-5.6 系列中面向成本敏感、大规模任务的高效模型,大致对应早期 GPT-5 系列的 nano 层级。(developers.openai.com) 支持文本和图像输入,以及文本输出;适合需要批量处理、可调推理强度和工具调用的工作流。(developers.openai.com) 支持流式输出、函数调用和结构化输出;在 Responses API 中支持网页搜索…

了解模型简体中文
OpenAI

GPT-5.6 Terra

GPT-5.6 Terra 是 OpenAI GPT-5.6 系列中平衡智能水平与成本的模型,适合日常工作和对成本敏感的应用。官方称其大致对应早期 GPT-5 系列的 mini 层级。(developers.openai.com) 支持文本输入和输出、图像输入,以及函数调用和结构化输出;可通过 Responses API 使用网页搜索、文件搜索、代码解释器和计算机操作等工具。 支持从 none 到…

了解模型简体中文
OpenAI

GPT-5.6 Sol

GPT-5.6 Sol 是 OpenAI GPT-5.6 系列的旗舰推理模型,面向复杂专业工作。OpenAI 于 2026 年 7 月 9 日宣布该系列正式开放;此前曾于 2026 年 6 月 26 日启动有限预览。(openai.com) 可用于编程、代码库分析、研究、科学、网络安全、设计及其他多步骤知识工作;支持不同推理强度。(openai.com) API 支持文本和图像输入、文本输出,以及…

了解模型简体中文
OpenAI

GPT-Live-1 mini

GPT-Live-1 mini 是 OpenAI 的 GPT-Live 系列语音模型,面向自然、实时的人机语音对话。OpenAI 于 2026 年 7 月 8 日公布该模型,并在发布时将其作为 ChatGPT Free 用户的默认语音模型。(openai.com) 采用全双工架构,能够在说话的同时持续聆听,处理停顿、插话和对话节奏变化。 可将需要更深入推理、搜索或工具操作的任务委派给后台模型;发布…

了解模型简体中文
OpenAI

GPT-Live-1

GPT-Live-1 是面向实时自然对话的全双工语音模型,可同时聆听和说话,并将较复杂的推理和工具调用委派给后台模型或智能体。(developers.openai.com) 支持连续对话、打断处理、实时翻译,以及根据停顿或背景声音调整交互;开发者可通过提示词调整语气、语速和风格。(openai.com) 支持文本和音频输入、输出,可用于语音助手、语言学习、电话客服、预约和其他语音业务流程。(dev…

了解模型简体中文
ByteDance

Seedream 5.0 Pro

Seedream 5.0 Pro 是字节跳动面向高精度、专业设计与图像创作场景的多模态图像生成和编辑模型。官方于 2026 年 7 月 8 日发布该模型。(seed.bytedance.com) 支持文生图、单张或多张参考图生图,以及多图融合。 可将数据、概念和密集文字组织为信息图或其他视觉版式,适用于海报、电商素材和产品原型等创作。 支持通过点位、框选、坐标、草图等方式指定编辑区域,并支持图层拆…

了解模型简体中文
Tencent

HunyuanOCR-1.5

HunyuanOCR-1.5 是轻量化、端到端的 OCR 专用视觉语言模型,沿用 HunyuanOCR-1.0 的模型主干,重点提升推理速度和文字视觉任务能力。官方于 2026 年 7 月 7 日宣布发布。(github.com) 将文档解析、文字检测与识别、信息抽取和图文翻译整合到单一模型中,可用于处理文档、表格和公式等文字密集型图像。 针对低资源语言 OCR、古文字 OCR 和多图文字问答等能…

了解模型简体中文
OpenAI

GPT-5.5 Instant Mini

GPT-5.5 Instant Mini 是 OpenAI 在 ChatGPT 中推出的备用模型。根据发布公告,当用户达到 GPT-5.5 Instant 或 Auto 的速率限制时,它会替代 GPT-5.3 Instant Mini 接续对话。(help.openai.com) 与 GPT-5.3 Instant Mini 相比,官方称该模型更善于跟踪不断变化的用户意图、调整语气,并减少重复或过…

了解模型简体中文
OpenAI

GPT-Realtime-2.1 mini

GPT-Realtime-2.1 mini 是 OpenAI 面向实时语音交互的蒸馏推理模型,定位于速度更快、成本更低的实时语音应用。官方更新日志于 2026 年 7 月 6 日宣布发布。(developers.openai.com) 支持文本和音频输入与输出,以及图像输入;可通过 WebRTC、WebSocket 或 SIP 连接进行实时交互。 支持推理 token 和函数调用;官方称其字母数字…

了解模型简体中文
OpenAI

GPT-Realtime-2.1

GPT-Realtime-2.1 是面向实时语音交互的推理模型,可使用工具,适合构建需要语音对话和复杂工作流的智能体。它在 GPT-Realtime-2 的基础上改进了字母数字识别、静音与噪声处理以及对话打断行为。(developers.openai.com) 支持语音到语音交互、指令遵循、函数调用和可配置推理强度;可用于实时语音助手等应用。(developers.openai.com) 支持文本…

了解模型简体中文
Tencent

Hy3

Hy3 是腾讯混元于 2026 年 7 月 6 日正式发布的语言模型,面向推理、编程和智能体等生产力任务。它采用融合快慢思考的混合专家(MoE)架构,总参数量 295B,每次激活 21B 参数,支持最高 256K 上下文。正式版建立在 Hy3 preview 基础上,与预览版相比强化了模型表现和稳定性。(tencent.com) 支持复杂推理、指令遵循、上下文学习、代码生成,以及智能体的任务规划和…

了解模型简体中文
Alibaba

万相2.7-参考生视频

万相2.7系列的参考生视频模型,由阿里云百炼提供推理服务。官方上架公告日期为 2026年7月1日;本模型ID对应 2026年6月12日的快照版本。(help.aliyun.com) 接收文本、图像、视频和音频参考,输出视频;最多支持5个图像或视频混合参考,并支持音频音色参考。 重点增强角色、道具与场景参考的一致性及视频表演能力,适合连续角色创作、依据参考素材生成新剧情等用途。(help.aliyu…

了解模型简体中文
Alibaba

万相2.7-文生视频

阿里云万相2.7文生视频模型的2026年6月12日快照版本,根据文本提示词生成视频。官方公告称该版本强化了人物表演、情感表达、动作场景和镜头切换。(help.aliyun.com) 支持多镜头叙事和音频同步;可在提示词中使用时间戳描述分镜。 可提供自定义音频;未提供时,模型会根据视频内容自动生成匹配的背景音乐或音效。 可用于短片分镜、故事场景、宣传视频等创作。(alibabacloud.com)…

了解模型简体中文
Anthropic

Claude Sonnet 5

Anthropic 于 2026 年 6 月 30 日发布的 Sonnet 系列模型,面向需要规划、工具调用和多步骤自主执行的智能体任务。官方称其推理、工具使用、编程和知识工作能力较 Sonnet 4.6 有明显提升;在部分任务上,高思考强度的表现可与 Opus 4.8 相当。以上比较为 Anthropic 的评估结论。(anthropic.com) 接受文本和图像输入,输出文本;支持自适应思考,…

了解模型简体中文
Google

Nano Banana 2 Lite

Nano Banana 2 Lite 是 Google 面向低延迟、高吞吐量和低成本场景的图像生成与编辑模型。Google 于 2026 年 6 月 30 日发布该模型,并宣布在 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 提供使用。(blog.google) 支持文本、图像、视频和 PDF 输入,输出图像和文本;支…

了解模型简体中文