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

475 個模型

按發布時間倒序
MiniMax

MiniMax Music 3.0

MiniMax Music 3.0 是開放權重的音樂生成模型。使用者提供創意描述及可選歌詞,模型可在一次生成中完成作曲、編曲、演唱與製作,產生最長 5 分鐘的完整歌曲。官方公告日期為 2026 年 8 月 13 日。(minimax.io) 可依描述控制曲風、情緒、節奏、配器及人聲表現;歌詞中的 [verse]、[chorus]、[bridge] 等標籤可用於指定歌曲結構。(minimax.io)…

了解模型繁體中文
DeepSeek

DeepSeek-V4-Pro

DeepSeek-V4-Pro 是 DeepSeek V4 系列的正式版模型,著重推理與 Agent 任務。版本 DeepSeek-V4-Pro-0813 於 2026 年 8 月 13 日發布,並在 App、網頁及 API 上線;App 與網頁可透過「專家模式」使用。API 模型 ID 為 deepseek-v4-pro。(api-docs.deepseek.com) 官方表示,正式版強化了…

了解模型繁體中文
Alibaba

Qwen3.8-2.4T-A95B

Qwen3.8-2.4T-A95B 是通義千問 Qwen-Max 級的開放權重文字生成模型,採用稀疏專家混合(MoE)與混合注意力架構,總參數約 2.4 兆,每個 token 約啟用 950 億參數。(huggingface.co) 模型面向程式開發、專業工作、研究及長流程智慧代理任務,適合複雜多步驟任務與工具整合。阿里雲百煉列出文字輸入與輸出、函式呼叫、結構化輸出、網路搜尋及上下文快取等服務能力…

了解模型繁體中文
OpenAI

GPT-5.6-Cyber

GPT-5.6-Cyber 是以 GPT-5.6 Sol 為基礎、針對進階資安工作訓練的專用模型,透過 OpenAI Daybreak Red 提供給獲核准的防禦者使用。官方 API 文件指出,gpt-5.6-cyber 是專用資安模型的別名。(openai.com) 支援經授權的漏洞研究、漏洞利用驗證、安全測試、滲透測試及紅隊工作,包括零時差漏洞研究與利用鏈驗證。(openai.com) 支援文…

了解模型繁體中文
OpenAI

GPT-5.6 Luna

GPT-5.6 Luna 是 GPT-5.6 系列中重視速度與成本效率的模型。本條目所指的 2026 年 8 月版本是針對 ChatGPT 日常對話更新的版本,於 2026 年 8 月 6 日公布;它不同於當時在 ChatGPT Work 與 Codex 使用的 7 月版本。(deploymentsafety.openai.com) 適合日常文字對話與問答;免費使用者可透過「Think」功能,讓模…

了解模型繁體中文
OpenAI

GPT-5.6 Sol

GPT-5.6 Sol 是 OpenAI GPT-5.6 系列的旗艦模型。此筆資料對應 GPT-5.6 Sol(August):2026 年 8 月 6 日公布、針對 ChatGPT 日常對話優化的更新版本;這不是 GPT-5.6 系列的首次發布。GPT-5.6 系列於 2026 年 7 月 9 日開始普遍提供。(deploymentsafety.openai.com) 8 月更新旨在提供更聚焦的…

了解模型繁體中文
Alibaba

Wan3.0-Video

Wan3.0-Video 是 Alibaba 的一體化多模態影片生成模型,以單一模型支援文字生影片、圖片生影片及參考素材生影片。(docs.qwencloud.com) 支援文字、圖片、影片、音訊、文件及公開網頁作為輸入或參考素材;支援首影格、首尾影格控制,以及影片編輯與延長。(docs.bailian.console.aliyun.com) 可原生產生畫面與音訊,包括對白、背景音樂和音效;支援音…

了解模型繁體中文
ByteDance

SeedRealtime

SeedRealtime 是原生音視訊全雙工大型模型,以統一架構融合音訊、視訊與文字,面向連續多模態資訊流中的即時互動。發布日期為 2026 年 8 月 5 日。(seed.bytedance.com) **音視訊聯合理解:**結合聲音、畫面及時間資訊理解場景、語意指涉和使用者意圖,可輔助跨語言交流及多人對話。 **主動互動:**持續感知環境變化,在適當時機提醒使用者,並可在互動中呼叫工具。 **…

了解模型繁體中文
Tencent

Hunyuan3D-Buffalo 1.0

Hunyuan3D-Buffalo 1.0 是騰訊混元提出的統一多模態 3D 研究框架,在單一架構中結合 3D 理解、生成與編輯。它以 Hunyuan3D-VLM 處理語義、結構與空間理解,並以 Hunyuan3D DiT 進行 3D 合成。(tencent-hunyuan.github.io) 3D 理解:針對 3D 物件進行問答、語義與空間定位。 文字生成 3D:根據文字提示生成 3D 資產。…

了解模型繁體中文
Alibaba

Qwen-Image-3.0

Qwen-Image-3.0 是千問圖像 3.0 系列的標準版,著重平衡圖像品質、生成速度與成本,適合日常創作及持續內容生產;不同於較重視複雜排版與細節表現的 Pro 版。(docs.qwencloud.com) 接收文字與圖像輸入,輸出圖像;支援文生圖、圖生圖及圖像編輯。(help.aliyun.com) 官方表示支援最長 4.5K token 的複雜圖文指令,並可渲染小字、12 種語言及多種字…

了解模型繁體中文
Alibaba

Qwen3.8-Max

Qwen3.8-Max 是 Alibaba 於 2026 年 8 月 3 日發布的 Qwen 旗艦多模態基礎模型,面向程式開發、實際工作、研究與長程任務。模型採用稀疏混合專家(MoE)架構與混合注意力機制,總參數量為 2.4 兆,每次啟用約 950 億參數。(alibabacloud.com) 支援文字、圖片與影片輸入,輸出為文字;可用於長文件與長影片理解、程式設計、研究、辦公及代理任務。 支援函…

了解模型繁體中文
ByteDance

Seed-Evolving

Seed-Evolving 是面向 AI 代理(Agent)與程式開發的 Seed 系列模型。它使用固定 Model ID 呼叫,但底層版本會自動升級,因此同一 ID 不代表永遠使用同一固定版本。(docs.volcengine.com) 支援複雜任務編排、長程規劃、程式碼生成及工具呼叫,適合軟體開發、深度研究與自動化工作流程。 支援文字、圖片、影片與文件理解,以及文字生成、深度思考、函式呼叫、結…

了解模型繁體中文
MiniMax

MiniMax H3

MiniMax H3 是通用全模態生成模型,主要面向能夠結合文字、圖片、影片與音訊參考素材的影片創作,生成含原生立體聲的影片。官方於 2026 年 7 月 31 日發布,並於 2026 年 8 月 3 日宣布開放權重。(minimax.io) 支援文字生影片、圖片生影片、首尾影格控制,以及使用圖片、影片和音訊進行多模態參考創作;可用於影片編輯、動作參考及片段延續。 輸出影片長度為 4–15 秒,2…

了解模型繁體中文
ByteDance

Seedance 2.5

Seedance 2.5 是以多模態影音聯合生成為基礎的影片創作模型,著重敘事、參考素材控制與影音編輯。官方公告發布日期為 2026 年 7 月 31 日。(seed.bytedance.com) 單次可生成最長 30 秒的影音片段,並可透過多輪延長製作更長的內容。 單次生成可使用最多 30 張圖片、10 段影片及 10 段音訊作為參考;支援白模、動作與創意參考。 支援以時間戳控制影音內容及局部編…

了解模型繁體中文
DeepSeek

DeepSeek-V4-Flash

DeepSeek-V4-Flash-0731 是 DeepSeek-V4-Flash 的正式版本,定位為注重速度與效率的文字模型,適合推理、程式開發及智能體任務。官方於 2026 年 7 月 31 日宣布其 API 正式版進入公開測試;該版本與預覽版保持相同模型結構與尺寸,重新進行了後訓練。(api-docs.deepseek.com) 強化程式開發與智能體能力,可用於程式碼生成、軟體工程、工具使…

了解模型繁體中文
Alibaba

Qwen3.7-Text-Embedding

Qwen3.7-Text-Embedding 是通義實驗室基於 Qwen3.7 訓練的多語言文字嵌入模型,將文字轉換為向量,適用於語意搜尋、檢索增強生成(RAG)、聚類與分類。(alibabacloud.com) 支援文字及程式碼處理;官方文件列出 201 種語言與方言,包括繁體中文。(alibabacloud.com) 支援自訂向量維度;官方嵌入文件列出 256、512、768、1,024(預設…

了解模型繁體中文
Google

Gemini Robotics On-Device 2

Gemini Robotics On-Device 2 是針對機器人本地運行最佳化的視覺-語言-動作(VLA)模型,旨在支援通用機器人操作。模型架構基於端側 Gemma 模型與 Gemini Robotics 1.5 技術。(deepmind.google) **輸入與輸出:**接收文字指令、影像和以數值表示的機器人本體感測資訊,輸出以數值表示的機器人動作。(deepmind.google) **…

了解模型繁體中文
Google

Gemini Robotics ER 2 Streaming Preview

Gemini Robotics ER 2 Streaming Preview 是面向機器人具身推理的視覺語言模型端點,針對透過 Gemini Live API 進行低延遲、即時文字串流而最佳化,屬於公開預覽版。(aistudio.google.com) 支援文字、圖片、影片和音訊輸入,輸出文字;支援雙向串流、函式呼叫、搜尋參照及思考。輸入上限為 131,072 個 token,輸出上限為 65,5…

了解模型繁體中文
Google

Gemini Robotics ER 2 Preview

Gemini Robotics ER 2 Preview 是面向機器人的具身推理視覺語言模型預覽版,基於 Gemini 3.5 Flash,旨在提供空間、時間與物理環境推理。Google 於 2026 年 7 月 30 日宣布公開預覽。(aistudio.google.com) 接受文字、圖片、影片及音訊輸入,輸出文字;輸入上限為 131,072 tokens,輸出上限為 65,536…

了解模型繁體中文
Google

Gemini Robotics 2

Gemini Robotics 2 是 Google DeepMind 開發的視覺-語言-動作(VLA)模型,將視覺與語言輸入轉換為機器人動作控制,支援雙臂機器人及人形機器人的全身控制。Google 於 2026 年 7 月 30 日公布。(deepmind.google) **全身操作:**可協調人形機器人行走、蹲下、伸展及搬運物品;官方示範包括從桌面取物後放入較低層的置物箱。(deepmind…

了解模型繁體中文