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

288 個模型

按發布時間倒序
MiniMax

VTP-Small-f16d64

VTP-Small-f16d64 是 VTP 視覺 tokenizer 預訓練框架的 Small 版本,主要用於影像特徵擷取、影像重建,以及為下游生成模型提供視覺潛在表示。該研究由華中科技大學與 MiniMax 的研究人員共同完成;官方模型頁標示模型規模約為 0.2B 參數。(github.com) 結合圖文對比、自監督與重建學習,訓練可用於視覺理解和生成的表示。(github.com) 可將影像…

了解模型繁體中文
Alibaba

Wan2.6-T2I

Wan2.6-T2I 是通義萬相 2.6 系列的文字生成圖像模型,透過文字提示產生圖片。官方公告稱其提升了視覺品質、美感與指令遵循能力,支援風格控制、寫實人像及長文字理解,可用於插畫、人物圖像和其他視覺創作。(docs.modelstudio.console.alibabacloud.com) 支援中英文提示詞、反向提示詞、尺寸設定和 PNG 圖像輸出。圖像總像素須介於 1280×1280 與 1…

了解模型繁體中文
Google

Gemini 2.5 Flash Native Audio Preview

Google 於 2025 年 12 月 12 日發布的 Live API 原生音訊預覽模型,面向低延遲的即時語音與視訊互動。官方表示,此版本改善了處理複雜工作流程的能力。(aistudio.google.com) 可接收連續的音訊、影片或文字輸入,並輸出音訊與文字,適合即時語音助理、對話介面及視訊互動應用。 支援音訊生成、函式呼叫、Google 搜尋 grounding、思考及 Live API…

了解模型繁體中文
Zhipu AI

GLM-TTS

GLM-TTS 是面向實際應用的文字轉語音系統:輸入文字,輸出語音。智譜已公開模型權重,亦提供 BigModel API。(zhipuai.cn) 可依文字內容表達情緒與語調;官方展示了不同情緒及中文口音的合成效果,並稱可使用約 3 秒參考音訊複製音色。(zhipuai.cn) 開源實作支援零樣本語音複製、中英文混合文字處理,以及透過混合音素與文字輸入控制特定字詞發音;API 文件提供串流呼叫範例…

了解模型繁體中文
Zhipu AI

GLM-ASR-Nano-2512

GLM-ASR-Nano-2512 是面向複雜真實場景的開源自動語音辨識模型,將音訊轉寫為文字。官方標示參數規模為 15 億;此數字不包括用作特徵擷取的 Whisper V3 音訊編碼器。模型卡標示採用 MIT 授權。(zhipuai.cn) 支援普通話、英語,並針對粵語及其他方言、低音量與輕聲語音進行最佳化;官方稱有 17 種語言達到其高可用性標準。(github.com) 適合語音轉文字、會議…

了解模型繁體中文
DeepSeek

DeepSeek-V3.2-Speciale

DeepSeek-V3.2-Speciale 是 DeepSeek-V3.2 的長思考增強版本,結合 DeepSeek-Math-V2 的定理證明能力,著重探索高難度推理的能力邊界,主要供研究與評測使用。模型權重以 MIT 授權釋出。(deepseek.com) 適合複雜數學問題、嚴謹證明、邏輯驗證及程式設計等深度推理任務。 官方表示,模型在推理基準測試上的表現可與 Gemini-3.0-Pro…

了解模型繁體中文
DeepSeek

DeepSeek-V3.2

DeepSeek-V3.2 是於 2025 年 12 月 1 日發布的通用大型語言模型,為 DeepSeek-V3.2-Exp 的正式後繼版本,著重平衡推理能力、運算效率與智慧代理任務表現。模型以文字為輸入與輸出;模型權重以 MIT 授權釋出。(deepseek.com) 支援思考與非思考模式,並可在兩種模式下使用工具;思考模式可將推理整合至工具使用流程。(deepseek.com) 採用…

了解模型繁體中文