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

340 个模型

按发布时间倒序
Alibaba

Qwen3-TTS-VC-Realtime

Qwen3-TTS-VC-Realtime 是通义千问面向声音复刻场景的实时文本转语音模型;该版本是 2025 年 11 月 27 日发布的快照版本。输入为文本,输出为音频。(help.aliyun.com) 可使用 qwen3-voice-enrollment 服务复刻的音色进行实时语音合成,并依据文本自适应调整语气;官方称其具有处理复杂文本合成的能力。(help.aliyun.com) 官方发…

了解模型简体中文
Anthropic

Claude Opus 4.5

Claude Opus 4.5 是 Anthropic 的 Opus 系列通用模型,发布时重点面向编程、智能体和计算机操作,也适用于深度研究和办公任务。官方现将其列为仍在使用的旧版模型。(anthropic.com) 支持文本和图像输入,输出文本;支持扩展思考,并可通过 effort 参数调整能力、时间和成本之间的取舍。 可用于软件开发、多步骤智能体任务、研究,以及处理演示文稿和电子表格等工作。官…

了解模型简体中文
Google

Nano Banana Pro (Gemini 3 Pro Image)

Nano Banana Pro 是 Google 发布的 Gemini 3 Pro Image 图像生成与编辑模型,面向需要复杂指令理解、文字渲染和高质量视觉素材的任务。官方公告发布日期为 2025 年 11 月 20 日。(blog.google) 根据文本和参考图片生成或编辑图像,可用于信息图、示意图、营销素材、产品概念图和视觉设计。 支持在图片中渲染多语言文字,以及通过指令调整视觉效果;可使…

了解模型简体中文
Alibaba

Qwen-VL-OCR

Qwen-VL-OCR 是面向图文识别、解析和处理的视觉语言 OCR 模型。qwen-vl-ocr-2025-11-20 是基于 Qwen-VL3 架构的固定快照版本;官方称其文档解析和文字定位能力得到提升,端到端延迟和幻觉有所降低。模型接受文本和图像输入,输出文本。(help.aliyun.com) 支持通用文字识别、多语言识别、文档解析、文字定位、信息抽取、表格解析和公式识别,也支持图像旋转校…

了解模型简体中文
OpenAI

GPT-5.1-Codex-Max

GPT-5.1-Codex-Max 是 OpenAI 面向长时间、复杂软件工程任务的智能体编程模型,基于升级后的推理模型构建,适合在 Codex 或类似环境中执行智能体编程任务。(openai.com) 可用于项目级代码重构、深入调试、前端开发、创建拉取请求和代码审查等任务。 通过上下文压缩跨多个上下文窗口处理长任务;官方称单个任务可处理数百万 token,但这不意味着单次上下文窗口有数百万…

了解模型简体中文
OpenAI

GPT-5.1 Pro

GPT-5.1 Pro 是 OpenAI 面向复杂工作的 ChatGPT 模型,于 2025 年 11 月 19 日宣布推出,用于更新 GPT-5 Pro。发布时开始向 ChatGPT Pro 用户开放,可在模型选择器中选用。(help.openai.com) OpenAI 称,在早期测试中,用户总体上更偏好 GPT-5.1 Pro,尤其对其写作协助、数据科学和商业问题的表现评价较高;测试者认为其…

了解模型简体中文
Alibaba

Qwen-MT-Lite

Qwen-MT-Lite 是基于 Qwen3 的基础级多语言文本翻译模型,侧重低延迟和低成本。阿里云官方上架公告日期为 2025-11-19。(help.aliyun.com) 输入和输出均为文本;支持术语定制、格式保留和领域提示,适合实时聊天、弹幕等延迟敏感的翻译场景。(platform.qianwenai.com) 上架公告称支持 32 个语种互译;另一份翻译文档列出 31 种语言,两份官方资…

了解模型简体中文
Google

Gemini 3 Pro

Gemini 3 Pro 是 Google 于 2025 年 11 月 18 日发布的预览版多模态推理模型,面向复杂推理、编程和智能体工作流。(blog.google) 支持文本、图像、视频、音频和 PDF 输入,输出为文本;输入上限为 1,048,576 tokens,输出上限为 65,536 tokens。 支持思考、函数调用、代码执行、结构化输出、文件搜索、Google 搜索增强、URL 上…

了解模型简体中文
Google

Veo 3.1 Fast

Veo 3.1 Fast 是 Google Veo 3.1 系列中侧重较快生成速度的视频生成模型,适合标准视频制作流程和快速迭代。(cloud.google.com) 支持根据文本或图片生成视频,也支持使用首尾帧、参考图片和视频延长功能。 支持生成声音,可用于制作带同步语音或音效的视频;支持 Content Credentials(C2PA)。…

了解模型简体中文
Google

Veo 3.1

Veo 3.1 是 Google 的视频生成模型。veo-3.1-generate-001 是其标准生成版本,而非 Fast 版本。Google Cloud 官方文档将该版本标为正式版(GA)。(docs.cloud.google.com) 支持根据文本或图片生成视频,也支持使用首尾帧、参考图片及视频延长功能。 支持生成声音,可用于制作带同步语音或音效的视频。 可用于短视频创作、视觉概念展示和视频…

了解模型简体中文
Alibaba

CosyVoice-v3-Flash

CosyVoice-v3-Flash 是阿里巴巴通义实验室 CosyVoice 系列的语音合成与声音复刻模型,通过阿里云百炼提供推理服务。其主要输入为文本,输出为音频。(help.aliyun.com) 支持文本转语音及实时流式合成;官方称其相较前代改善了自然度、音质、韵律和情感表现力。 支持通过参考录音复刻声音;官方公告称可使用 5–20 秒参考音频生成定制声音。当前接入指南建议录音时长为 10…

了解模型简体中文
Alibaba

Qwen3-ASR-Flash-Filetrans

Qwen3-ASR-Flash 的大文件转录版本,本模型 ID 是 2025 年 11 月 17 日的快照版本。输入为音频,输出为文本,面向非实时、多语种语音识别。(help.aliyun.com) 可自动判断语种并转录多语种语音,包括中文普通话、部分中文方言、英语、日语等;官方称其可应对复杂音频环境。(help.aliyun.com) 适合长录音转写,例如会议、访谈或音视频内容整理。 非实时…

了解模型简体中文
OpenAI

GPT-5.1-Codex-Mini

GPT-5.1-Codex-Mini 是 GPT-5.1-Codex 的小型版本,成本更低,但能力也较弱,面向 Codex 等环境中的智能体式编程任务。(developers.openai.com) 适用于代码生成和智能体式编程工作流,支持推理 token、函数调用、结构化输出和流式输出。 支持文本输入和输出,以及图像输入;上下文窗口为 400,000 token,最大输出为 128,000…

了解模型简体中文
OpenAI

GPT-5.1-Codex

GPT-5.1-Codex 是 GPT-5.1 的编程优化版本,面向 Codex 或类似环境中的长时间、智能体式编程任务。(developers.openai.com) 可用于代码生成、修复和重构,以及需要多步骤工具调用的编程工作流。(community.openai.com) 支持文本输入和输出、图像输入、推理 token、流式输出、函数调用和结构化输出。 上下文窗口为 400,000…

了解模型简体中文
Baidu

ERNIE 5.0 Preview

ERNIE 5.0 Preview 是百度 ERNIE 5.0 原生全模态基础模型的预览版本。百度于 2025 年 11 月 13 日在 Baidu World 2025 公布该模型及预览版。(prnewswire.com) 百度称,ERNIE 5.0 统一建模文本、图像、音频和视频,面向多模态理解与生成;其能力包括指令遵循、创意写作、事实性推理、智能体规划和工具使用。可用于多模态内容理解、内容创…

了解模型简体中文
OpenAI

GPT-5.1 Thinking

GPT-5.1 Thinking 是 OpenAI 面向复杂问题的推理模型。它会根据问题难度调整思考时间:简单任务通常更快,复杂任务则投入更多推理。官方称其回答比上一代 Thinking 模型更易理解。(openai.com) 适用于数学问题、编程、技术概念解释及需要多步推理的工作任务。 API 模型 gpt-5.1 支持文本和图像输入、文本输出,以及函数调用和结构化输出;推理强度可设为 none…

了解模型简体中文
OpenAI

GPT-5.1 Instant

GPT-5.1 Instant 是 OpenAI 面向 ChatGPT 日常对话的快速模型,强调自然、友好的交流和指令遵循。官方公告将其对应的 API 模型 ID 列为 gpt-5.1-chat-latest。(openai.com) 可用于问答、写作辅助、内容总结、编程及数学问题等任务;面对较复杂问题时,可使用自适应推理决定是否在回答前进行思考。(openai.com) API 模型文档列出文本…

了解模型简体中文
Zhipu AI

WebVIA-Agent

WebVIA-Agent 是 WebVIA 框架中的网页探索视觉语言模型,基于 GLM-4.1V-9B-Base,面向可交互、可验证的 UI 转代码流程。(huggingface.co) 结合网页截图和 DOM 树识别需要交互的组件,辅助网站导航和多状态 UI 截图采集。 可用于为网页界面重建与交互测试准备素材。完整流程中,交互式 HTML/CSS/JavaScript 的生成由独立的…

了解模型简体中文
Alibaba

GUI-Plus

GUI-Plus 是面向手机和电脑图形界面理解与交互的 GUI 系列基础模型。阿里云官方发布记录将其列为视觉理解模型,发布日期为 2025 年 11 月 12 日。(help.aliyun.com) 接收文本和图像输入,输出文本;可根据屏幕截图和自然语言指令生成点击、输入、滚动等界面操作指令,由外部系统决策或执行。(help.aliyun.com) 支持跨平台界面理解、多步任务规划、跨应用复杂任务…

了解模型简体中文
ByteDance

Doubao-Seed-Code

Doubao-Seed-Code 是面向智能体编程(Agentic Coding)任务优化的豆包编程模型。火山引擎于 2025 年 11 月 11 日发布该模型。(developer.volcengine.com) 支持代码生成和编程任务,可用于辅助开发、调试及多轮迭代。 具备视觉理解能力,可辅助将界面设计稿转化为前端代码;支持最长 256K token 上下文,适合处理较长代码文件和跨模块依赖。…

了解模型简体中文