Text Embedding V4
通義實驗室基於 Qwen3 訓練的多語言通用文字向量模型,屬於 Qwen3-Embedding 系列。它將文字轉換為數值向量,而非生成對話回答。(docs.bailian.console.aliyun.com) 支援中文、英語等 100 多種主流語言及多種程式語言;可選向量維度為 64、128、256、512、768、1024、1536、2048,預設 1024。(help.aliyun.com)…
模型發布檔案
彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。
通義實驗室基於 Qwen3 訓練的多語言通用文字向量模型,屬於 Qwen3-Embedding 系列。它將文字轉換為數值向量,而非生成對話回答。(docs.bailian.console.aliyun.com) 支援中文、英語等 100 多種主流語言及多種程式語言;可選向量維度為 64、128、256、512、768、1024、1536、2048,預設 1024。(help.aliyun.com)…
百度智能雲千帆平台自研的輿情分析視覺大模型,曾作為預設服務提供,主要處理圖片場景分類和敏感場景判斷。(qianfan.cloud.baidu.com) 根據圖片識別場景並判斷是否屬於敏感場景;官方舉例包括暴力事件、火災、交通事故和自然災害。 可用於圖片輿情場景識別。模型更新紀錄稱其以 JSON 格式輸出結果。(qianfan.cloud.baidu.com) 百度官方退役紀錄顯示,該預設模型服務於…
騰訊混元 TurboS 系列的固定版本,是面向文字生成與理解的通用大型語言模型。該版本於 2025 年 6 月 4 日上線。(cloud.tencent.com) 官方公告稱,此版本升級了預訓練底座,提升了寫作和閱讀理解能力,較大幅度提升了程式碼和理科能力,並持續改進複雜指令遵循能力。可用於文字創作、閱讀理解、程式碼輔助及理科問題處理等任務。(cloud.tencent.com) 公告未給出此固定…
GPT-4o Realtime 是面向即時語音與文字互動的預覽模型。OpenAI 於 2025 年 6 月 3 日公告了快照 gpt-4o-realtime-preview-2025-06-03,並在 Realtime API 中提供該版本。(community.openai.com) 支援文字和音訊輸入、輸出,可透過 WebRTC 或 WebSocket 進行即時互動,適合建構語音助理和即時對話…
GPT-4o Audio 是支援音訊輸入和輸出的 GPT-4o 預覽模型。本條對應固定版本 gpt-4o-audio-preview-2025-06-03,發布時透過 Chat Completions API 提供。(community.openai.com) 支援文字和音訊輸入、輸出,以及串流輸出和函式呼叫;可用於建構語音互動和語音智慧代理應用。 OpenAI 表示,此次語音到語音模型更新改善了…
SynLogic-7B 是面向邏輯推理的 7B 級文字生成模型,以 Qwen2.5-7B-Base 為基礎,使用 SynLogic 資料集進行強化學習訓練。官方模型卡標註語言為英語。(huggingface.co) 模型針對 27 類邏輯推理任務訓練,包括數獨、24 點和密碼等;訓練資料可自動驗證。官方稱其邏輯推理能力可遷移至數學問題求解,適合用於邏輯推理研究、數學問題實驗及模型評測。官方報告的…
DeepSeek-R1-0528-Qwen3-8B 是一款約 80 億參數的文字生成與推理模型。DeepSeek 使用 DeepSeek-R1-0528 的思維鏈資料對 Qwen3-8B Base 進行蒸餾後訓練。它不是完整的 DeepSeek-R1-0528 模型。(api-docs.deepseek.com) 模型適用於數學推理、程式設計和文字生成,也可用於推理模型研究及小模型應用開發。官方報…
騰訊混元 T1 系列的深度推理模型版本,官方於 2025 年 5 月 29 日公告上線。(cloud.tencent.cn) 官方表示,此版本優化了文字創作、作文寫作、前端程式碼、數學和邏輯推理能力,並提升了指令遵循能力。可用於寫作輔助、前端程式碼生成與理科推理等任務。(cloud.tencent.cn) 模型輸出可能存在錯誤,重要內容及程式碼應由使用者核驗。 本次核驗未找到針對該固定版本的可靠上…
DeepSeek-R1-0528 是 DeepSeek-R1 的小版本更新,定位於深度思考和複雜推理。它沿用 DeepSeek-V3 Base 基座,主要改進後訓練方法。發布日期為 2025 年 5 月 28 日。(deepseek.com) 面向數學、程式設計和通用邏輯推理,也可用於前端程式碼生成、角色扮演和需要工具呼叫的應用。 官方報告稱,相比舊版 R1,AIME 2025 準確率從 70%…
hunyuan-large-vision 是基於混元 Large 訓練的視覺語言大模型,面向圖文理解場景。(main.qcloudimg.com) 支援多張圖片與文字組合輸入,並產生文字內容。官方公告稱其支援任意解析度圖片輸入。 聚焦圖文理解任務;官方稱其多語言圖文理解能力有顯著提升,可用於需要結合圖片和文字進行理解的場景。(main.qcloudimg.com) 公告所述輸出為文字,未核實影像生…
騰訊混元基於 TurboS 的視覺語言旗艦模型版本,面向圖文理解任務。(main.qcloudimg.com) 官方稱,該版本改善了通用圖片理解效果,並在基於圖片的實體識別、知識問答、文案創作和拍照解題等方面,相比前一代模型有所提升。(main.qcloudimg.com) 本次更新將上下文視窗從 8K 擴展至 32K;公告未分別說明輸入和輸出的額度。(main.qcloudimg.com) 騰訊…
Claude Sonnet 4 是 Anthropic 於 2025 年 5 月 22 日發布的 Claude 4 系列模型,面向程式設計、推理和智慧代理任務,兼顧能力與回應速度。它提供快速回應和延伸思考兩種模式。(anthropic.com) 支援理解文字和影像輸入,並產生文字;可用於對話、分析、程式設計和創作。(anthropic.com) 可用於程式碼撰寫與修改、複雜問題分析,以及結合工具執…
Claude Opus 4 是 Anthropic 於 2025 年 5 月 22 日發布的 Claude 4 系列模型,發布時定位於複雜程式設計、深度推理和長時間執行的智慧代理任務。(anthropic.com) 支援快速回應和擴展思考兩種模式,可用於複雜問題求解、程式碼撰寫與修改、研究和寫作。 支援並行工具呼叫;開發者提供本機檔案存取權限時,模型可透過讀寫檔案儲存任務相關資訊。發布時,擴展思考…
騰訊混元 T1 系列的深度推理模型固定版本,發布於 2025 年 5 月 21 日。(main.qcloudimg.com) 官方稱,該版本增強了數學、程式碼、科學和知識問答能力,並透過最佳化文科資料提升文字創作與理解能力。適用於數學和科學問題求解、程式碼相關任務、知識問答和文字創作等場景。(main.qcloudimg.com) 輸出可能有誤,重要事實、推理結果和程式碼應由使用者核驗。 該固定版…
Veo 3 是 Google 發布的影片生成模型,能夠根據提示生成帶有同步音訊的影片,適用於影片創作和視覺敘事。(blog.google) 支援文字和圖片提示,可將提示中的短篇故事轉化為影片片段。 可生成環境聲、音效和人物對話;Google 還強調其物理表現和嘴型同步能力。 可用於構思影片內容、快速迭代創意和電影式敘事。(blog.google) 生成結果並非總是準確:Google 指出,Veo…
Google Imagen 4 系列的 Ultra 影像生成實驗版,定位於根據文字提示生成高品質影像。Google 於 2025 年 5 月 20 日在 Vertex AI 發布紀錄中公布該預覽模型,當時可透過 API 和 Vertex AI Studio 使用。(docs.cloud.google.com) 接收文字提示並生成影像;Imagen 4 系列採用潛在擴散架構,支援多種視覺風格,並改進…
Google Imagen 4 的文字轉圖像公開預覽版本,最初透過 Vertex AI 提供。它接收文字提示詞並產生圖像;官方公告中的程式碼範例明確使用了該模型 ID。(cloud.google.com) 官方介紹強調圖中文字的呈現、對提示詞的遵循、多種視覺風格的圖像品質,以及多語言提示詞支援。 可用於產生創意圖片、海報和其他視覺素材。例如,官方範例使用提示詞產生帶有文字的旅遊海報。(cloud.…
Google Gemini 2.5 Flash 系列的實驗性原生音訊對話模型,面向 Gemini Live API 的即時語音互動,並結合對話與推理能力。Google 於 2025 年 5 月 20 日發布了該模型,明確列出其原生音訊輸出能力。(aistudio.google.com) **原生音訊對話:**產生語音回應,適合建立即時語音助理和互動式語音應用。 **推理對話:**Google 對…
Google Gemini 2.5 Flash 系列的預覽模型,面向 Live API 即時對話,具備原生音訊輸出能力。它與單獨發布的 Thinking 變體及文字轉語音模型不是同一模型。(aistudio.google.com) 理解音訊並生成語音,可用於建構即時語音助理和對話應用;Live API 還提供音視訊輸入能力。(blog.google) 可按指示調整語音風格、語速和口音;支援工具使用…
Gemini 2.5 Flash Preview TTS 是 Google 的預覽版文字轉語音模型,側重低延遲、性價比和可控語音生成。其輸入為文字,輸出為音訊。(aistudio.google.com) 可生成單人或雙人語音,並透過指令調整語音風格、口音和語速。(aistudio.google.com) 可用於旁白、有聲書、Podcast、對話內容及語音助理等場景。(aistudio.google…