Gemini 3 Pro Image
Gemini 3 Pro Image,又稱 Nano Banana Pro,是基於 Gemini 3 Pro 的圖像生成與編輯模型,適合複雜構圖及多輪圖像編輯。(blog.google) **首次推出:**2025 年 11 月 20 日,Google 宣布推出 Nano Banana Pro。(blog.google) **此版本發布:**2026 年 5 月 28 日,Google Cloud…
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。
Gemini 3 Pro Image,又稱 Nano Banana Pro,是基於 Gemini 3 Pro 的圖像生成與編輯模型,適合複雜構圖及多輪圖像編輯。(blog.google) **首次推出:**2025 年 11 月 20 日,Google 宣布推出 Nano Banana Pro。(blog.google) **此版本發布:**2026 年 5 月 28 日,Google Cloud…
Gemini 3.1 Flash Image 又稱 Nano Banana 2,是 Google 的多模態圖片生成與編輯模型,著重低延遲、高吞吐量及價格效能平衡;相較 Gemini 3 Pro Image,更適合快速迭代與大量開發者工作流程。(ai.google.dev) 可依文字及參考圖片生成圖片,並透過對話指令反覆編輯;適用於行銷素材、產品視覺、社群內容與應用程式中的圖片工作流程。…
Qwen3.7-Max 是 Qwen3.7 系列中面向智慧代理任務的旗艦模型。阿里雲百鍊目前將 qwen3.7-max 標示為功能等同於 qwen3.7-max-2026-05-20 快照;該快照對外提供純文字能力。(alibabacloud.com) 支援文字生成、深度思考、函式呼叫、結構化輸出、聯網搜尋、前綴續寫及上下文快取。適用於程式設計、辦公與生產力工作,以及較長週期的自主代理任務。(he…
Qwen3.7 系列 Max 模型的預覽版,提供純文字能力供體驗,主要針對通用對話最佳化。官方更新紀錄同時列出快照 ID qwen3.7-max-2026-05-17。(help.aliyun.com) 支援文字生成、推理、函式呼叫、結構化輸出、連網搜尋及前綴續寫;適用於知識問答、遵循指令與創意寫作等場景。(help.aliyun.cn) 僅支援文字輸入與輸出,且僅支援思考模式;不支援上下文快取、…
Gemini Omni Flash 是 Google Gemini Omni 系列的首款多模態生成模型,以影片生成和對話式編輯為初始重點。Google 於 2026 年 5 月 19 日在 Google I/O 發布。(blog.google) 官方模型卡列出的輸入包括文字、圖片、音訊及影片,輸出為帶音訊的高解析度影片;實際支援的模態會因產品與版本而異。(deepmind.google) 可依指示…
Gemini 3.5 Flash 是 Google Gemini 3.5 系列的多模態推理模型,基於 Gemini 3 Flash,著重速度、程式設計與長流程 AI 代理任務。可透過思考層級調整品質、成本與延遲之間的取捨。(deepmind.google) 可輸入文字、圖片、音訊、影片及 PDF,輸出文字;Google Cloud 文件列出的上下文視窗為 1,048,576 tokens,最大輸出…
Qwen3.5-LiveTranslate-Flash 的即時版本,是基於 Qwen3.5-Omni 的多語言音訊與影音同步翻譯模型。穩定版 API ID 為 qwen3.5-livetranslate-flash-realtime;指定快照版為 qwen3.5-livetranslate-flash-realtime-2026-05-19。官方文件目前指出穩定版能力等同該快照。(alibabac…
GPT-Realtime-Whisper 是供開發者使用的串流語音轉文字模型,透過 Realtime API 在使用者說話時即時產生逐步更新的文字轉錄。它針對低延遲場景設計,開發者可在延遲與準確度之間進行調整。(openai.com) 接收音訊並輸出文字轉錄,支援串流;模型文件亦列出文字輸入與輸出。(developers.openai.com) 適合會議、課堂、廣播及活動的即時字幕,也可作為會議紀…
GPT-Realtime-Translate 是 OpenAI 的串流語音對語音即時翻譯模型,供開發者透過 API 建立多語言語音體驗;它的角色是翻譯人類說話內容,而非執行工具或管理對話的語音助理。(openai.com) 在來源語音持續輸入時,串流輸出翻譯後的語音與逐步產生的轉錄文字。官方發布公告稱,模型支援 70 多種輸入語言及 13 種輸出語言。(openai.com) 適用於即時口譯、多語…
GPT-Realtime-2 是 OpenAI 面向即時語音互動與語音代理工作流程的模型。官方發布公告稱,它是 OpenAI 首個具備 GPT-5 等級推理能力的語音模型,能在對話進行時推理、呼叫工具並處理更複雜的請求。(openai.com) 支援語音對語音互動、文字與音訊輸入及輸出,以及圖片輸入;支援函式呼叫。(developers.openai.com) 可處理對話中的修正或打斷、平行呼叫工…
GPT-5.5-Cyber 是 OpenAI 面向專業網路安全工作的模型。2026 年 5 月 7 日,OpenAI 宣布向負責保護關鍵基礎設施的防禦人員推出有限預覽。(openai.com) 模型針對安全相關任務採取較寬鬆的回應方式,適用於經授權的紅隊演練、滲透測試、漏洞利用驗證及受控環境中的漏洞研究。官方指出,初版預覽主要著重於降低安全任務上的拒絕程度,並非旨在大幅提升 GPT-5.5 原有的…
Gemini 3.1 Flash-Lite 是 Google 為低延遲、高流量及成本敏感型工作設計的模型。官方表示,它在主要能力方面的表現目標是與 Gemini 2.5 Flash 相當,並改善指令遵循與音訊輸入品質。(docs.cloud.google.com) 接收文字、圖片、音訊及影片輸入,產生文字輸出。 支援可調整的思考層級、結構化輸出、函式呼叫、程式碼執行、網址內容處理、搜尋接地、上下文…
GPT-5.5 Instant 於 2026 年 5 月 5 日發布,定位為 ChatGPT 的日常對話模型,當時開始取代 GPT-5.3 Instant,並透過 API 的 chat-latest 提供。(openai.com) 適合日常問答、分析上傳的照片與圖片、回答 STEM 問題,以及協助規劃與延續工作。官方表示,模型也改進了判斷何時使用網路搜尋的能力。 回答設計上更精簡自然,減少不必要的…
DeepSeek-V4-Flash-Base 是 DeepSeek V4 Flash 系列的基礎模型,與經後訓練、供對話使用的 DeepSeek-V4-Flash 分開列示。官方模型資料列出其採用混合專家(MoE)架構,總參數量 284B、每 token 啟用 13B,權重精度為 FP8 Mixed,上下文長度為 1M tokens。(huggingface.co) 官方基礎模型評測涵蓋知識、程式…
DeepSeek-V4-Pro-Base 是 DeepSeek-V4-Pro 系列的預訓練基礎語言模型,與後訓練的 DeepSeek-V4-Pro 分開提供。官方提供模型權重,可供研究與自行部署。(huggingface.co) 採用混合專家(MoE)架構,總參數約 1.6 兆,每個 token 約啟用 490 億參數;官方列示支援 100 萬 token 上下文,權重採混合 FP8…
**發布日期:**2026 年 4 月 24 日,作為 DeepSeek-V4 系列預覽版的一部分發布,並同步開放權重。 **定位:**偏重速度、效率與成本的文字語言模型;官方發布公告列出約 2,840 億總參數、每個 token 約啟用 130 億參數。(deepseek.com) 支援 1M token 上下文,以及思考和非思考模式;預覽版的思考模式可設定 high 或 max 強度。 適合一…
DeepSeek-V4-Pro 是 DeepSeek V4 系列的通用型大型語言模型,預覽版於 2026 年 4 月 24 日發布並同步開放模型權重。它採用混合專家(MoE)架構,總參數約 1.6 兆,每個 token 啟用約 490 億參數。官方預覽公告:DeepSeek-V4 預覽版。 (deepseek.com) 支援最長 1M token 上下文,以及思考與非思考模式。 適合問答、長文件處…
GPT-5.5 Pro 是 GPT-5.5 的高運算量版本,針對更困難的問題及需要更高準確度的工作設計。OpenAI 表示,兩者使用相同的基礎模型,Pro 採用平行測試時間運算設定。(openai.com) 支援文字輸入與輸出,以及圖片輸入;可用於複雜研究、資料分析、程式開發和專業知識工作。 API 上下文視窗為 1,050,000 個 token,最大輸出為 128,000 個 token;知識…
GPT-5.5 是 OpenAI 面向複雜專業工作與程式開發的旗艦推理模型。API 模型 ID 為 gpt-5.5;固定快照為 gpt-5.5-2026-04-23。(openai.com) 適用於程式撰寫與除錯、線上研究、資料分析、文件與試算表製作,以及需要跨工具持續執行的多步驟任務。(openai.com) 支援文字與圖片輸入、文字輸出、函式呼叫及結構化輸出。透過 Responses API…
Kimi K2.6 是 Moonshot AI 發布並開源的通用多模態模型,重點包括程式開發、長程任務執行和智能體協作。官方說明其發布日期為 2026 年 4 月 20 日。(kimi.com) 支援文字、圖片及影片輸入,可切換思考與非思考模式;適用於對話、程式碼生成、視覺理解及智能體任務。(kimi.com) 適合多步驟程式開發、前端介面生成、輕量全端工作流程、文件分析及研究等用途。(kimi.…