GLM-ASR
GLM-ASR 是智譜的語音辨識模型,以音訊為輸入、文字為輸出,用於語音轉寫。官方模型文件中的呼叫範例使用 API 模型 ID glm-asr。(docs.bigmodel.cn) 利用上下文改善轉錄文字的流暢性和可讀性;官方稱其在噪音環境下具有較強的抗干擾能力。 支援中文、英語及八種中國地方方言:東北官話、膠遼官話、北京官話、冀魯官話、中原官話、江淮官話、蘭銀官話和西南官話。 可用於客服記錄、會…
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。
GLM-ASR 是智譜的語音辨識模型,以音訊為輸入、文字為輸出,用於語音轉寫。官方模型文件中的呼叫範例使用 API 模型 ID glm-asr。(docs.bigmodel.cn) 利用上下文改善轉錄文字的流暢性和可讀性;官方稱其在噪音環境下具有較強的抗干擾能力。 支援中文、英語及八種中國地方方言:東北官話、膠遼官話、北京官話、冀魯官話、中原官話、江淮官話、蘭銀官話和西南官話。 可用於客服記錄、會…
基於 Qwen-VL 訓練的視覺理解與 OCR 模型,使用統一模型處理圖文識別、解析和處理任務。此版本是 2025 年 4 月 13 日的快照。(docs.bailian.console.aliyun.com) 內建六類任務:通用識別、文件解析、表格解析、資訊擷取、多語言識別和公式識別。可用於從文件、表格及其他圖片中擷取和整理文字資訊。(docs.bailian.console.aliyun.co…
騰訊發布的 3D 內容生成模型,面向需要建立高精度、帶有紋理的三維資產的創作者和開發者。技術報告將其描述為採用形狀生成和紋理生成兩階段流程的 3D 擴散模型體系。(arxiv.org) 支援透過文字提示或圖片生成 3D 模型,並支援使用多個視角的圖片生成模型及 PBR 材質。(cloud.tencent.com) 官方稱模型總參數量由前代的 1B 提升至 10B,有效面片數增加超過 10 倍,有效…
Qwen-TTS 是通義千問系列的語音合成模型,將文字轉換為音訊。此版本是 2025 年 4 月 10 日的模型快照;支援中文、英文及中英混合文字輸入,可根據文字自適應調整輸出語氣,並支援串流音訊輸出。(docs.bailian.console.aliyun.com) 可用於中文、英文或中英混合內容的語音播報,以及需要串流輸出的文字轉語音應用。(docs.bailian.console.aliyu…
Gemini 2.5 Flash 的 04-17 版本是 Google 於 2025 年 4 月 17 日發布的早期預覽模型,定位為兼顧推理能力、速度與成本的多模態模型。發布時可透過 Gemini API、Google AI Studio 和 Vertex AI 使用。(developers.googleblog.com) 支援文字、圖片、音訊和影片輸入,輸出文字;官方模型卡列出約 100 萬…
ERNIE-iRAG-Edit 是百度自研的影像編輯模型。官方更新紀錄列出的版本為 ERNIE-iRAG-Edit-1.0,於 2025年4月17日在千帆推理服務 API V2 影像編輯類別上新。(cloud.baidu.com) 消除物件(erase):消除遮罩選取的局部、主體或背景。 重繪物件(repaint):根據文字提示重繪選取區域,可用於調整樣式、豐富細節或替換主體、背景。…
OpenAI o4-mini 是 o 系列中的小型推理模型,針對快速、經濟的推理進行了最佳化,尤其適合數學、程式設計和視覺任務。(openai.com) 支援文字和影像輸入、文字輸出,可用於圖表與圖片分析、數學解題、程式碼編寫和資料分析。 支援函式呼叫和結構化輸出;發布時可結合工具完成多步驟任務,例如搜尋資訊或執行程式碼。 模型文件列出的上下文視窗為 200,000 token,最大輸出為 100…
OpenAI o3 是面向複雜任務的推理模型,擅長數學、科學、程式設計和視覺推理,也可用於技術寫作及遵循指令的多步驟分析。(openai.com) 接受文字和影像輸入,輸出文字;可結合影像與文字進行推理,適用於分析圖表、程式碼和複雜問題。 在 ChatGPT 中可使用工具;在 API 中支援函式呼叫,可用於建構多步驟工作流程。API 還支援結構化輸出和串流輸出。 上下文視窗為 200,000…
ERNIE X1 是百度的深度思考與推理模型。輸入所指版本為 ERNIE-X1-32K;百度模型更新紀錄將其描述為該版本的主版本,提供對話 API。(cloud.baidu.com) 百度介紹,該模型側重理解、規劃、反思及推理,適用於中文知識問答、文學創作、文稿寫作、日常對話、邏輯推理、複雜計算和工具呼叫等任務。企業可將其用於建構問答、檢索增強生成、智慧代理和工作流程應用。(cloud.baidu…
GPT-4.1 nano 是 GPT-4.1 系列中強調低延遲和低成本的模型。其固定版本 ID 為 gpt-4.1-nano-2025-04-14。(developers.openai.com) 支援文字和影像輸入、文字輸出,擅長指令遵循和工具呼叫;支援函式呼叫、結構化輸出和串流輸出。(developers.openai.com) 上下文視窗為 1,047,576 token,最大輸出為 32,7…
GPT-4.1 mini 是 GPT-4.1 系列中較小、較快的模型,面向低延遲的通用 API 應用,側重指令遵循、工具呼叫、程式編寫和長上下文理解,不使用獨立的推理步驟。(developers.openai.com) 支援文字輸入和輸出,以及影像輸入;支援函式呼叫、結構化輸出和串流輸出。(developers.openai.com) 上下文視窗為 1,047,576 tokens,最大輸出為 3…
GPT-4.1 是 OpenAI 於 2025 年 4 月 14 日發布的 API 模型,側重程式設計、指令遵循和長上下文理解。API 模型 ID 為 gpt-4.1,對應發布快照為 gpt-4.1-2025-04-14。(openai.com) 支援文字輸入和輸出、影像輸入;支援函式呼叫、結構化輸出和串流輸出。適合程式碼生成與修改、長文件分析、影像理解和工具呼叫等應用。(openai.com)…
GLM-Z1-9B-0414 是智譜推出的約 90 億參數小尺寸推理模型,面向資源受限環境和輕量化部署。官方將其列為推理模型,並開放模型權重;官方模型頁標註 MIT 授權。(github.com) 官方介紹其擅長數學推理和通用任務,可用於相關文字推理和問答場景。 模型頁標註中文、英文及文字生成;可透過 Transformers、vLLM 等工具進行部署和使用。(github.com) 官方列出的序…
GLM-4-9B-0414 是 GLM-4-0414 系列中的 9B 參數對話模型,主要針對翻譯等需要大量呼叫的場景進行最佳化。官方提供模型權重,模型儲存庫標註 MIT 授權,可用於本機部署。(github.com) 支援文字生成和對話,可用於翻譯及其他批次文字處理任務。 原生訓練上下文長度為 32K token;官方列出的上下文擴展範圍為 32K 至 128K。當輸入與輸出的總長度可能超過 32…
GLM-Z1-Rumination-32B-0414 是智譜 GLM-4-32B-0414 系列中的 320 億參數深度推理模型,面向需要較長時間思考的開放式複雜任務。模型卡標註支援中文、英文文字生成,並以 MIT 授權條款發布模型權重。(huggingface.co) 可在推理過程中結合搜尋工具,處理複雜檢索和研究式寫作任務。 適用於比較分析、資料調研和研究報告撰寫等場景;官方舉例包括比較兩座城…
GLM-Z1-32B-0414 是 GLM-4-0414 系列的 320 億參數文字推理模型,面向需要深度思考的任務。官方於 2025 年 4 月 14 日發布該系列。(github.com) 模型基於 GLM-4-32B-0414,經冷啟動、擴展強化學習以及數學、程式碼和邏輯任務訓練而成,適合數學推理、程式碼問題和複雜問題求解。官方稱其相較於基礎模型提升了數理能力和複雜任務處理能力。它不同於同系…
GLM-4-32B-0414 是智譜 GLM-4-0414 系列中的 320 億參數對話模型,適合本機部署。官方將其與同系列的基礎模型和 GLM-Z1 推理模型分別列出,並提供模型權重下載。(github.com) 模型針對指令遵循、工程程式碼、函式呼叫等能力進行了後訓練,可用於對話、程式碼編寫、網頁或 SVG 內容生成、智慧體工具呼叫,以及結合外部搜尋工具進行問答和報告撰寫。搜尋問答等應用的實際…
GLM-4-32B-Base-0414 是 GLM-4-0414 系列中約 320 億參數的基礎語言模型,適用於文字生成、後續訓練與本地部署。官方稱其使用約 15T 的高品質資料進行預訓練,其中包括大量推理類合成資料,為後續強化學習擴展奠定基礎。(huggingface.co) 可作為文字生成、模型研究、微調及後續強化學習的基礎模型。 官方將其與同系列的對話模型 GLM-4-32B-0414 分開…
GLM-Z1-Flash 是 GLM-Z1 系列的免費推理模型,旨在降低推理模型的使用門檻。官方發布記錄日期為 2025-04-14。(docs.bigmodel.cn) 預設啟用深度思考,面向數學邏輯推理、長文件分析和程式碼生成等任務。 官方文件列出串流輸出、Function Calling、JSON 等結構化輸出及 MCP 工具呼叫支援。 官方展示的應用包括資料推理、人崗匹配、劇本生成和專業報…
GLM-Z1-Air 是智譜推出的高性價比深度思考推理模型,面向高頻呼叫場景。官方於 2025 年 4 月 14 日公布該模型;本條對應版本標識為 GLM-Z1-Air-0414。(docs.bigmodel.cn) 以 GLM-4-Air-250414 為基礎,針對數學、程式碼和邏輯等任務進行最佳化,側重數理推理與複雜問題解決。(docs.bigmodel.cn) 輸入和輸出模態均為文字;官方文…