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

471 个模型

按发布时间倒序
OpenAI

GPT-6.2 Sol

GPT-6.2 Sol 是 OpenAI 面向日常工作的高效通用模型,适用于技术和非技术任务,以及大规模智能体工作流。(openai.com) 接受文本和图像输入,生成文本;支持推理、流式输出、函数调用和结构化输出。通过 Responses API 可使用网页搜索、计算机操作等工具,也可在 Multi-agent 测试版中将工作委派给子智能体。(developers.openai.com) 可用于…

了解模型简体中文
OpenAI

GPT-6.2 Astra

GPT-6.2 Astra 是 OpenAI 面向复杂编程和专业工作的前沿推理模型,适合需要多步骤规划、工具调用和较长工作流程的任务。(developers.openai.com) 接收文本和图像输入,输出文本;可用于软件开发与修改、计算机操作、文档处理及多智能体任务委派。(developers.openai.com) 官方展示的用途包括制作符合模板的幻灯片、电子表格和文档,开发网站及交互式体验,…

了解模型简体中文
OpenAI

OpenAI CSAM Image Classifier

OpenAI CSAM Image Classifier 是面向获批准机构的儿童安全图像分类模型,用于辅助识别可能涉及儿童性虐待材料(CSAM)的图片,包括可能由 AI 生成的材料,并帮助审核人员安排复核优先级。OpenAI 于 2026 年 11 月 16 日发布该模型。(openai.com) 接收单张静态图片,分别返回潜在 CSAM 和潜在 AI 生成 CSAM 的分类标记及风险分数,对应…

了解模型简体中文
Alibaba

Qwen4-Max

Qwen4-Max 是通义千问新一代旗舰多模态模型,于 2026 年 11 月 16 日发布。官方称其采用稀疏混合专家(MoE)架构,总参数量为 2.4 万亿,每个 Token 激活 710 亿参数。(alibabacloud.com) 接收文本、图像和视频输入,输出文本;支持深度思考、联网搜索、工具调用、结构化输出及流式输出。 适用于编程、办公、前端设计和复杂智能体任务,也可用于科研及专业工作流…

了解模型简体中文
Baidu

ERNIE-Wizshot-ME

ERNIE-Wizshot-ME,即文心一镜微表情大模型,是百度面向人物表现的视频生成应用模型,通过百度智能云千帆提供 API。百度于 2026-11-12 发布该模型。(prnewswire.com) 使用人物形象图、文本和参考音频驱动视频生成,让图片中的人物开口演绎;重点表现近景或特写中的眉眼、嘴角和视线等微表情。(cloud.baidu.com) 百度产品页列出的输出规格为 4–15 秒、1…

了解模型简体中文
Baidu

ERNIE-Light-DT-1.0

ERNIE-Light-DT-1.0 是百度千帆提供的轻量级、长上下文文本生成模型,输入和输出均为文本。百度官方公告将 ERNIE Light Deep Thinking 描述为面向复杂请求和工具调用的应用模型。(cloud.baidu.com) 采用百度稀疏注意力机制 BSA 和反馈式历史压缩,以降低历史信息的存储及计算开销,支持较长上下文。 支持开启或关闭思考模式,最大输出为 128K…

了解模型简体中文
Google

Gemini 4 Hydrogen

Gemini 4 Hydrogen 是 Google 面向日常编程和智能体工作流的多模态模型,侧重快速、高效执行任务,既可独立使用,也可与侧重深度推理的 Gemini 4 Carbon、Gemini 4 Argon 配合。模型由 Gemini 4 Carbon 改造而来。(blog.google) 接受文本、图像、音频和视频输入,输出文本;支持代码执行、函数调用、结构化输出和计算机使用等能力。(d…

了解模型简体中文
Baidu

ERNIE 5.5 Flash Preview

ERNIE 5.5 Flash Preview 是基于 ERNIE 5.5 Flash Base 的后训练基础模型预览版,面向编程、智能体、知识工作和内容创作。发布日期为 2026-11-11。(ernie.baidu.com) 规格:总参数量 280B,每个 token 激活 14B;支持 1M tokens 上下文。百度千帆将其列为文本输入、文本输出模型,并标示默认输出 64K tokens。…

了解模型简体中文
Alibaba

Qwen4-Max-Preview

Qwen4-Max-Preview 是通义千问新一代旗舰多模态模型的预览版,面向较高要求的推理、视觉理解和任务执行。发布日期为 2026-11-11。(alibabacloud.com) 接收文本、图片和视频输入,以文本回答;支持文本生成、深度思考、图片和视频理解。 支持函数调用、联网搜索、内置工具,以及 JSON Object 和 JSON Schema 结构化输出;兼容 OpenAI Chat…

了解模型简体中文
Google

Gemini 4 Carbon

Gemini 4 Carbon 是基于 Gemini 4 Argon 的前沿模型,面向复杂知识工作、工程、网络安全和科学推理中的长期、多步骤智能体任务。(deepmind.google) 支持文本、图像、音频和视频输入,输出文本;输入与输出共享最多 1,048,576 个 token 的上下文窗口。(deepmind.google) 可用于复杂编程与调试、文档和数据分析、报表及演示文稿生成、科学研…

了解模型简体中文
Google

Gemini Decision 1

Gemini Decision 1 是为 Gemini Decisions API 提供支持的多模态决策模型,针对预先限定的选项进行快速判断,而非逐 token 生成自由文本。它通过一次前向计算对候选项评分,返回概率和置信度。(blog.google) 接受文本、图像、音频、视频和 PDF,可在同一输入中组合多种模态;共享输入最多 256K token,一次请求最多包含 1,000 个独立问题。…

了解模型简体中文
Google

AlphaGenome 2

AlphaGenome 2 是 Google DeepMind 的条件化 DNA 序列模型,用于预测 DNA 序列及遗传变异在特定人类细胞类型或状态中的作用,连接单细胞生物学与人类遗传学研究。官方公告发布于 2026 年 11 月 11 日。(deepmind.google) 细胞条件预测:以约 100 万个碱基的 DNA 序列和指定的组织、细胞类型或细胞状态为输入,每次针对一个生物条件预测…

了解模型简体中文
MiniMax

MiniMax-H3-Image-PE

MiniMax-H3-Image-PE 是面向 MiniMax-H3-Image 的提示词扩展模型,而非直接生成图片的模型。它将简短的文生图请求扩展为详细的图像描述,并给出画面宽高比建议。官方仓库提供了基于 Qwen3.8-27B 微调的 FP4 文生图提示词扩展权重、提示词和客户端示例。(huggingface.co) 可在图像生成流程中先扩展用户描述,再将结果交给图像生成模型。 图片编辑提示词…

了解模型简体中文
MiniMax

MiniMax H3 Image Highspeed

MiniMax H3-Image 图像生成模型的高速版本,通过 API 提供文生图和图片编辑能力。官方称 Highspeed 模式速度可达到主流工具的 3–4 倍;这是官方比较,不代表每次请求都有固定耗时。(minimax.cn) 接受文本提示词生成图片,也可结合 1–16 张参考图进行编辑或参考生成,适合视觉创作、插画、产品素材制作和现有图片修改。 支持 1K、2K、4K 面积档位或自定义宽高;…

了解模型简体中文
MiniMax

MiniMax H3 Image

MiniMax H3 Image 是开放权重的静态图像生成与编辑模型。官方发布记录显示,发布日期为 2026 年 11 月 10 日。(platform.minimax.io) 支持根据文本生成图像,也支持结合参考图进行图像编辑;最多可使用 16 张参考图。(platform.minimax.io) 官方模型仓库称,模型可直接生成约 1600 万像素图像,无需额外超分;支持多种宽高比。官方列举的尺…

了解模型简体中文
Anthropic

Claude Mythos 5.2

Claude Mythos 5.2 是 Anthropic 面向高难度技术任务的模型,重点适用于网络安全和生命科学研究。它与 Claude Fable 5.2 使用相同的底层模型,但面向经过验证的组织,在网络安全和生物领域的防护配置有所不同。(anthropic.com) 支持文本和图像输入,生成文本;上下文窗口为 100 万 token,最大输出为 128K token。 自适应思考始终开启,默…

了解模型简体中文
Anthropic

Claude Fable 5.2

Claude Fable 5.2 是 Anthropic 面向高难度推理、编程和长周期智能体任务的模型。官方公告及模型文档所列发布日期均为 2026 年 11 月 9 日;输入数据中的 2026 年 11 月 10 日与官方日期不一致。(anthropic.com) 支持文本和图像输入、文本输出;上下文窗口为 100 万 token,最大输出为 128K token。官方列出的知识和训练数据截止时…

了解模型简体中文
Google

Gemini Robotics 2.5

Gemini Robotics 2.5 是 Google DeepMind 发布的视觉-语言-动作(VLA)模型,将视觉和语言输入转换为机器人运动控制,旨在提升机器人在非结构化现实环境中的灵巧性、可靠性和安全性。(deepmind.google) **灵巧操作:**支持工具使用、柔性和精细物体操作。官方评测涵盖 200 多项不同任务,包括用夹子取放食物、给礼盒系蝴蝶结和移取液体。(deepmind…

了解模型简体中文
ByteDance

Seedream 5.5

Seedream 5.5 是面向专业视觉创作的多模态图像生成与编辑模型。官方发布于 2026-11-09;火山方舟文档确认其 API 模型 ID 为 doubao-seedream-5-5-261028。(seed.bytedance.com) 支持文生图、单图编辑和多参考图生成,最多输入 10 张参考图。 支持连续多轮编辑,增强主体、构图及未编辑区域的一致性。官方展示了以前一轮结果作为下一轮输入…

了解模型简体中文
Google

Gemini Omni 1.2 Flash

Google 的多模态视频生成与编辑模型,面向快速、较低成本的视频创作及批量生产。官方宣布其已通过 Gemini API 和 Gemini for business 正式提供。(blog.google) 根据文本、图像或视频参考生成和编辑视频,支持多轮对话式修改、视频延长和独立视频升分辨率;可生成带同步音频的视频。(docs.cloud.google.cn) Google Cloud 文档列出的生…

了解模型简体中文