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

471 個模型

按發布時間倒序
Zhipu AI

Glyph

Glyph 是以視覺文字壓縮擴展長上下文處理能力的研究框架與模型。它將長篇文字渲染成圖片,再交由視覺語言模型處理;模型以 GLM-4.1V-9B-Base 為骨幹。(huggingface.co) 可用於長文件理解、長上下文問答及相關多模態研究。 論文報告,在其實驗條件下達到約 3–4 倍 token 壓縮;極端壓縮下,128K 上下文視覺語言模型可處理百萬 token 級文字任務。這是研究結果,…

了解模型繁體中文
ByteDance

Seedance 1.0 Pro Fast

Seedance 1.0 Pro Fast 是 ByteDance 的影片生成模型,著重在生成品質、速度與成本之間取得平衡。官方表示,相較 Seedance 1.0 Pro,其生成速度最高提升約 3 倍;實際表現取決於任務與服務條件。(docs.volcengine.com) **輸入與輸出:**支援文字生成影片,以及以首張影像為首影格生成影片;輸出為影片。(docs.byteplus.com)…

了解模型繁體中文
ByteDance

Seed3D 1.0

Seed3D 1.0 是 ByteDance Seed 團隊發布的 3D 生成基礎模型,主要從單張影像生成適合物理模擬的高品質 3D 資產,採用基於 Diffusion Transformer(DiT)的架構。官方發布日期為 2025 年 10 月 23 日。(seed.bytedance.com) 可生成包含精細幾何形狀、寫實紋理及物理基礎渲染(PBR)材質的 3D 模型;技術報告指出紋理解析度…

了解模型繁體中文
Alibaba

Qwen2.5-VL-Embedding

Qwen2.5-VL-Embedding 是基於 Qwen2.5-VL 的統一多模態向量模型,將輸入轉換為表徵向量,而非一般文字生成模型。官方公告列示日期為 2025 年 10 月 21 日。(help.aliyun.com) 支援文字、圖片、影片的單一模態或混合模態輸入,產生融合向量;適用於跨模態檢索、圖片與影片搜尋、聚類和內容標記。(help.aliyun.com) 向量維度可選 512、76…

了解模型繁體中文
Alibaba

Qwen3-Rerank

Qwen3-Rerank 是基於 Qwen 大語言模型底座訓練的文字重排序模型,評估查詢與候選文件的相關性並重新排序。官方表示其效果對齊開源 Qwen3-Rerank 系列模型;這項描述本身不代表此 API 模型的權重發布狀態。(help.aliyun.com) 支援超過 100 種語言及長文字輸入。 適用於語意文字檢索、搜尋結果重排序及檢索增強生成(RAG)。(alibabacloud.com)…

了解模型繁體中文
DeepSeek

DeepSeek-OCR

DeepSeek-OCR 是以視覺方式壓縮文字上下文、探索視覺編碼器與大型語言模型關係的 OCR 模型。官方於 2025 年 10 月 20 日發布;此條目描述的是 DeepSeek-OCR,而非後續的 DeepSeek-OCR 2。(github.com) 接收文件或圖片及文字提示,可辨識文字、將文件轉為 Markdown、解析文件中的圖表、描述圖片或定位指定內容。 支援多種影像解析度模式,以及…

了解模型繁體中文
ByteDance

Doubao-Seed-1.6-lite

ByteDance 推出的輕量型深度思考對話模型。火山方舟的 2025 年 10 月發布表將本型號列為新發布,並表示其推理速度較 doubao-seed-1-6-250615 大幅提升;該表未提供具體速度數值。(docs.volcengine.com) 已由該發布表確認的能力為對話與深度思考。適用方向包括文字問答、資訊整理及需要推理的對話任務;實際效果應以目標任務測試為準。 本次查閱的官方發布表未…

了解模型繁體中文
ByteDance

Doubao-Seed-1.6

Doubao-Seed-1.6 是 ByteDance 的深度思考對話模型。火山方舟的 2025 年 10 月發布表列出此模型 ID,並標示為新發布。(docs.volcengine.com) 支援思考(thinking)及非思考(non-thinking)兩種模式,可依任務需求選擇。(docs.volcengine.com) 官方文件將 251015…

了解模型繁體中文
Anthropic

Claude Haiku 4.5

Claude Haiku 4.5 是 Anthropic 的小型模型,著重速度、低延遲與成本效率。官方表示,其程式設計表現與 Claude Sonnet 4 相近,成本約為後者三分之一,速度超過兩倍;實際表現取決於任務。(anthropic.com) 支援文字與圖片輸入、文字輸出,以及手動啟用的延伸思考。(platform.claude.com) 適用於即時聊天、客服助理、結對程式設計、電腦操作及…

了解模型繁體中文
Google

Veo 3.1 Fast Preview

Google 的 Veo 3.1 Fast Preview 是偏重生成速度的影片生成模型,於 2025 年 10 月 15 日在 Vertex AI 以預覽版發布。(docs.cloud.google.com) 可根據文字提示或圖片生成影片,並可產生與畫面同步的語音或音效;適合影片創意發想、廣告素材製作及在應用程式中整合影片生成功能。Veo 3.1 系列亦提供首尾影格等控制方式;各功能的可用性取決…

了解模型繁體中文
Google

Veo 3.1 Preview

Veo 3.1 Preview 是 Google 的影片生成模型預覽版,可依文字或圖像指示製作影片,並生成與畫面同步的聲音。它是標準版,與 Veo 3.1 Fast Preview 不同。(docs.cloud.google.com) 支援文字生成影片、由圖片生成影片,以及使用首尾影格控制轉場。 可用場景、角色、物件或風格參考圖輔助控制畫面;可生成對話和音效。 適合影片構思、故事片段、視覺風格探索…

了解模型繁體中文
Alibaba

Qwen3-VL-Flash

Qwen3-VL-Flash 是 Qwen3 系列的小尺寸視覺理解模型,兼顧回應速度、思考與非思考模式。它可理解圖片與影片,支援長影片、長文件、空間感知、物件辨識及視覺 2D/3D 定位,適合多模態理解與現實場景中的複雜感知任務。(help.aliyun.com) 2025-10-15 快照版接受文字、圖片及影片輸入,輸出文字;可用於圖片問答、影片內容分析、文件理解與視覺定位。(help.aliy…

了解模型繁體中文
Tencent

hunyuan-translation

Tencent 的混元翻譯專項模型,用於多語言文字翻譯。此版本於 2025 年 10 月 14 日更新;模型最初於 2024 年 10 月 25 日推出。(cloud.tencent.com) 官方表示,此版本支援 33 種語言及 5 種民族語言互譯,包括繁體中文、英文、日文、法文、阿拉伯文、藏文及粵語等,可用於多語內容翻譯。官方並稱其在 WMT25 比賽中有 30 種語言獲得第一,且在…

了解模型繁體中文
Google

Gemini 2.5 Computer Use

Google 於 2025 年 10 月 7 日發布的公開預覽模型,建立在 Gemini 2.5 Pro 的視覺理解與推理能力之上,專為能操作圖形使用者介面的代理程式設計,主要針對網頁瀏覽器使用情境最佳化。(blog.google) 接收文字與圖片,輸出文字及介面操作的函式呼叫;官方列出的輸入上限為 128,000 tokens,輸出上限為 64,000…

了解模型繁體中文
OpenAI

GPT Image 1 mini

GPT Image 1 mini 是 GPT Image 1 的低成本版本,定位於較具成本效益的圖片生成與編輯。OpenAI 於 2025 年 10 月 6 日發布此模型。(developers.openai.com) 原生多模態模型,可接收文字和圖片輸入,並輸出圖片;適合依文字提示產生圖片,或依照指示編輯既有圖片。(developers.openai.com) 可透過 Images API 的圖…

了解模型繁體中文
OpenAI

GPT-Audio mini

GPT-Audio mini 是 GPT Audio 的較低成本版本,定位於語音對語音應用。OpenAI 於 2025 年 10 月 6 日宣布推出。(developers.openai.com) 模型支援文字及音訊的輸入與輸出,可用於建構語音互動和音訊回應應用,並可透過 Chat Completions REST API 使用。官方模型頁列出 128,000 token 上下文視窗、最多 16,…

了解模型繁體中文
OpenAI

GPT-Realtime mini

GPT-Realtime mini 是 GPT-Realtime 的較低成本版本,定位於即時語音對話及多模態互動。OpenAI 於 2025 年 10 月 6 日宣布發布,首發快照為 gpt-realtime-mini-2025-10-06。(developers.openai.com) 可透過 WebRTC、WebSocket 或 SIP 進行即時文字與音訊互動;支援文字及音訊輸入與輸出,也支援…

了解模型繁體中文
Google

Gemini 2.5 Flash Image

Gemini 2.5 Flash Image,又稱 Nano Banana,是 Google 針對快速圖像理解、生成與編輯最佳化的原生多模態模型,適合高頻圖像創作及對話式編輯工作流程。(ai.google.dev) 接受文字與圖片輸入,可輸出文字與圖片;支援文字與圖片交錯輸出。 支援依文字描述生成圖片、參考多張圖片生成圖片、多輪圖片編輯、長寬比控制、僅輸出圖片,以及批次預測。可用於視覺概念創作、素…

了解模型繁體中文
OpenAI

Sora 2 Pro

Sora 2 Pro 是 OpenAI 的影片與音訊生成模型。OpenAI 於 2025 年 9 月 30 日的 Sora 2 公告中,將它定位為畫質更高的實驗性版本,當時提供 ChatGPT Pro 使用者透過 sora.com 使用。(openai.com) 可依自然語言或圖片產生動態影片,並輸出同步音訊,包括對白、音效與背景聲景。可用於敘事、創意表達及影片製作。(developers.ope…

了解模型繁體中文
OpenAI

Sora 2

Sora 2 是 OpenAI 的影片與音訊生成模型,於 2025 年 9 月 30 日發布。OpenAI 表示,相較先前系統,它在物理動態、畫面真實感和可控性方面有所改善。(openai.com) 可依自然語言或圖片生成動態影片,並產生同步音訊,包括對話、音效與背景聲。(developers.openai.com) 可用於視覺故事敘述、創意影片製作,以及寫實、電影感或動畫風格的場景創作。(ope…

了解模型繁體中文