模型發布檔案

最新發布模型

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。

按發布時間倒序7 種語言
清除

421 個模型

按發布時間倒序
Google

EmbeddingGemma 2

EmbeddingGemma 2 是 Google DeepMind 推出的開放權重、輕量多模態嵌入模型,基於 Gemma 4 架構,針對手機、筆電等消費級裝置上的本地推論設計。它輸出語意向量,而非生成式文字;模型採 Apache 2.0 授權,可用於商業應用。(blog.google) **輸入與輸出:**支援文字、程式碼、圖片、影片、音訊及其混合輸入,映射到共同的 768 維向量空間;支援 1…

了解模型繁體中文
Alibaba

Qwen-Image-2.1-Pro

Qwen-Image-2.1-Pro 是通義千問系列的圖像生成與編輯模型,統一支援文生圖及圖生圖/圖像編輯,旨在兼顧生成品質、推理效率與成本。其視覺生成組件有 70 億個參數。(docs.modelstudio.console.alibabacloud.com) 接收文字及圖像輸入,輸出圖像;可依提示詞生成一般圖像或帶 Alpha 通道的透明圖像,亦可編輯透明圖層及從照片擷取主體。 圖像編輯最多可…

了解模型繁體中文
Google

Gemini 4 Argon

Google 的前沿推理模型,面向複雜、長期、多步驟工作流程;採用稀疏混合專家 Transformer 架構,原生支援文字、視覺與音訊輸入。Gemini API 提供約 100 萬 token 的輸入與輸出共用上限;長篇生成需依官方文件設定續傳機制。(storage.googleapis.com) 適用於軟體工程與大型程式碼庫處理、法律與金融知識工作、數學與科學研究、多步驟代理,以及網路安全漏洞的…

了解模型繁體中文
OpenAI

GPT-6.1 Sol

GPT-6.1 Sol 是 GPT-6 Sol 的升級版,旨在平衡複雜工作的能力與成本。OpenAI 表示,它在智慧體程式設計、電腦操作及專業工作中的部分評估表現接近 GPT-6 Astra,而標準 API 輸入與輸出價格為 Astra 的五分之一。(openai.com) 支援文字和圖片輸入、文字輸出;可用於程式編寫與除錯、文件理解、多步驟業務流程、電腦操作及科學研究工作流程。 API 上下文視…

了解模型繁體中文
Anthropic

Claude Sonnet 5.5

Claude Sonnet 5.5 是 Anthropic Claude 5.5 系列的模型,定位為兼顧速度與成本的混合推理模型,適合範圍明確的日常工作,是處理複雜、開放式任務的 Claude Opus 5.5 之較快速、低成本補充。Anthropic 表示,相較於 Sonnet 5,其執行速度提升逾 30%,多數工作的單次任務成本最多降低…

了解模型繁體中文
Alibaba

Decision-Model-Preview

面向高頻業務判斷的預覽版結構化決策模型。官方發布日期為 2026 年 9 月 24 日;公告列出的服務地區包括新加坡及中國華北 2(北京)。(docs.qwencloud.com) 模型根據文字或業務狀態,在一次前向運算中完成分類、是非判斷及評分,回傳決策結果及機率資訊;適用於工單分流、內容審核、代理路由與結果驗證。官方 API 將問題分為 choice、noul 和 score 三類。(help…

了解模型繁體中文
OpenAI

GPT-6 Luna

GPT-6 Luna 是 OpenAI GPT-6 系列中面向特定任務與高用量工作負載的高效率模型,著重成本效益;GPT-6 Astra 則是官方定位較高的綜合能力模型。(developers.openai.com) 接受文字及圖片輸入,產生文字輸出;可用於日常工作、程式開發、跨應用工作流程及電腦操作等任務。(developers.openai.com) 支援串流、函式呼叫和結構化輸出;使用…

了解模型繁體中文
OpenAI

GPT-6 Sol

GPT-6 Sol 是 OpenAI 的推理模型,針對複雜程式設計與代理式工作流程打造;相較於 GPT-6 Astra,著重在能力、速度與成本之間取得平衡。官方文件另指出,GPT-6.1 Sol 是較新的 Sol 模型,兩者的 API ID 不同。(developers.openai.com) 接受文字與圖片輸入,產生文字輸出;適合程式開發、專業工作流程及電腦操作等任務。(developers.o…

了解模型繁體中文
Anthropic

Claude Opus 5.5

Claude Opus 5.5 是 Anthropic 面向長時間代理式程式設計與知識工作的模型。官方發布日期為 2026 年 9 月 22 日。(anthropic.com) 接受文字與圖片輸入,產生文字輸出;上下文視窗為 100 萬 token,一般最大輸出為 12.8 萬 token。 適用於長時間自主程式設計、大規模程式碼重構、複雜系統工程、視覺密集型工作流程、電腦操作與知識工作。 支援自…

了解模型繁體中文
Google

Gemini 3.8 Flash-Lite TTS

Google 的文字轉語音(TTS)模型,以高處理量、低延遲及成本效益為重點,適合正式環境的大量語音生成;官方建議用它取代 gemini-3.1-flash-tts-preview。(aistudio.google.com) 輸入文字、輸出語音;支援單人與雙人對話,並可透過結構化語音中繼資料控制說話風格等表現。(aistudio.google.com) 支援預建語音、擴充語音庫、自訂語音設計及語音…

了解模型繁體中文
Google

Gemini 3.8 Flash TTS

Google 的旗艦創意文字轉語音(TTS)模型,著重錄音室等級的語音保真度、細膩演繹、區域口音,以及長篇、多輪語音的一致性。(aistudio.google.com) 將文字轉成單人或多人語音;可透過結構化中繼資料控制說話風格,並使用語音事件標記表達笑聲、嘆息或短暫停頓。(aistudio.google.com) 支援預設聲音、擴充聲音庫、自訂聲音設計、聲音複製及聲音重新混製;聲音複製設有同意驗…

了解模型繁體中文
Tencent

Hy Image3.5 preview

Tencent 混元推出的圖像生成與編輯預覽模型,透過 API 提供文字生圖、參考圖生圖及多輪編輯,適合專業視覺內容製作。(cloud.tencent.com) 支援文字與參考圖片混合輸入,並以 Chat/Messages 協定進行多輪圖像編輯;結果同步返回。 支援自訂尺寸、種子、水印文字及外部搜尋增強,可用於海報、介面設計和商品圖片編輯。(cloud.tencent.com) TokenHub…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Filetrans

端到端、非即時的語音辨識模型,以音訊為輸入、文字為輸出,適合長音訊檔案轉寫;推論服務由阿里雲百鍊提供。適用於會議逐字稿、內容製作及通話分析。(alibabacloud.com) 支援多語言及多地區中文方言辨識,包括普通話、粵語、吳語、閩南語、客家話,以及英語、日語和韓語等。(help.aliyun.cn) 支援熱詞與上下文增強、說話人分離、標點預測、文字正規化及多種方言的可控 ASR/AST 輸出…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-ASR-Flash

Qwen-Audio-3.1-ASR-Flash 是面向短語音的非即時語音辨識模型,輸入音訊並輸出文字,適合多語種及文化內容轉寫。(alibabacloud.com) 支援多語種及多地區中文方言辨識,並針對中文古詩詞的韻律、節奏和文言表達進行優化。 支援上下文增強、標點預測、文字規範化、原生轉寫潤飾及多人對話分角色轉寫;亦支援部分方言的可控 ASR/AST 輸出。 適合短錄音轉寫、多語言內容整理及…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Streaming

端到端即時語音辨識模型,以音訊為輸入、文字為輸出,適合即時會議、直播字幕及智慧互動等持續轉寫場景。串流期間可返回中間結果及最終結果。(alibabacloud.com) 支援多語言與多地區中文方言辨識、中英文切換、熱詞及上下文增強、標點預測和文字正規化。 支援多種方言的 ASR/AST 可控輸出;官方亦稱其具有抗雜訊能力。(alibabacloud.com) 可透過 WebSocket 或 AOQ…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-ASR-Flash-Message

生成式語音辨識模型,輸入音訊、輸出文字,針對語音訊息、輸入法及企業業務場景最佳化。官方上架日期為 2026-09-21。(alibabacloud.com) 支援中文、英文及其他語言,特別最佳化印尼語、日語、泰語、菲律賓語、越南語、韓語及馬來語;可自動辨識語言或指定目標語言。 支援串流轉寫、P0/P1 熱詞、文字正規化、利用前文轉寫和業務上下文輔助辨識,以及可開關的文字潤飾。 可將中文方言轉寫為方…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-TTS-Next

Qwen-Audio-3.1-TTS-Next 是統一音訊生成模型,不限於傳統文字轉語音。它可依據文字、時間資訊及參考音訊,一次生成包含人聲、音效與環境音的完整聲景;支援單人說話、多人對話、Podcast 和影視聲景等任務。適用於內容創作、短影片、播客、影視與遊戲音訊製作。(docs.modelstudio.console.alibabacloud.com) 輸入:文字及可選的參考音訊;官方列出的…

了解模型繁體中文
Alibaba

Qwen3.8-Omni-Flash-Realtime

Alibaba 的即時全模態模型,面向串流影音互動,由阿里雲百煉提供推論服務。阿里雲國際站的新加坡地域更新公告將此模型列於 2026-09-21。(alibabacloud.com) 支援文字、圖片、串流音訊與影片影格輸入,輸出文字及音訊;支援多聲道音訊、影片聚合、自訂工具呼叫、遠端 MCP 工具和聯網搜尋。(docs.qwencloud.com) 可透過 WebSocket、WebRTC 或…

了解模型繁體中文
Alibaba

Qwen-Audio-3.1-Realtime-Plus

Qwen-Audio-3.1-Realtime-Plus 是阿里雲百煉的即時雙工語音對話模型,適合建立即時語音互動應用。官方將其列為語音到語音模型,無須分別呼叫語音辨識與語音合成模型。(alibabacloud.com) 支援文字及音訊輸入、文字及音訊輸出,可用於即時語音助理等互動場景。 支援函式呼叫、聯網搜尋及聲音複刻;沿用 3.0 Plus 的接入協定,保留既有音色並新增 8 個系統音色。 支…

了解模型繁體中文
Alibaba

Qwen-Image-2.1

Qwen-Image-2.1 是通義千問的統一圖像生成與編輯模型,提供可下載的模型權重;其視覺生成部分有 70 億參數。原始模型於 2026 年 9 月 20 日發布;Turbo 權重及 Pro、Turbo 託管 API 於 2026 年 10 月 9 日推出。(github.com) 輸入文字或參考圖片,生成或編輯圖片;支援原生 RGBA 透明背景、透明圖層編輯與主體擷取。 支援最多 10 張參…

了解模型繁體中文