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

580 個模型

按發布時間倒序
Zhipu AI

GLM-4-32B-Base-0414

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…

了解模型繁體中文
Zhipu AI

GLM-Z1-Flash

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…

了解模型繁體中文
Zhipu AI

GLM-Z1-Air

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…

了解模型繁體中文
Zhipu AI

GLM-Z1-AirX

GLM-Z1-AirX 是 GLM-Z1-Air 的高速版,定位為極速推理模型。官方於 2025 年 4 月 14 日發布,發布標識為 GLM-Z1-AirX-0414。(docs.bigmodel.cn) 模型採用文字輸入和文字輸出,面向邏輯推理、數學和程式設計等複雜任務;適用於即時資料分析、智慧客服等需要快速回應的高頻呼叫場景。官方發布時稱其速度最高可達 200 tokens/秒;這是最高速度…

了解模型繁體中文
Zhipu AI

GLM-4-Flash-250414

GLM-4 系列的免費文字基座模型,面向通用任務和輕量化應用。智譜於 2025 年 4 月 14 日發布該版本。(docs.bigmodel.cn) 以文字為輸入和輸出,適合輕量級對話、問答、摘要和文字處理等場景。 官方模型概覽列出的上下文視窗為 128K tokens,最大輸出為 16K tokens。(docs.bigmodel.cn) 官方 GLM-4 文件提到該版本具備長文字處理和多語言能…

了解模型繁體中文
Zhipu AI

GLM-4-Air-250414

GLM-4-Air-250414 是智譜於 2025 年 4 月 14 日發布的高性價比基座語言模型,面向複雜任務與智慧代理應用。(docs.bigmodel.cn) 模型接受文字輸入並生成文字。官方重點介紹了其指令遵循、工程程式碼生成和函式呼叫能力,也將 Artifacts 生成、搜尋問答與報告撰寫列為應用場景。連網搜尋依賴相應工具或服務,不能將其理解為模型自動存取網際網路。(docs.bigm…

了解模型繁體中文
Google

Chirp 3: Transcription

Chirp 3: Transcription 是 Google 面向多語言自動語音辨識(ASR)的生成式模型,將音訊轉錄為文字。它透過 Google Cloud Speech-to-Text API V2 提供,模型識別碼為 chirp_3。(docs.cloud.google.com) 支援串流辨識、同步辨識和批次辨識,可用於即時轉錄、短音訊辨識及長音訊處理。 支援自動語言偵測、自動標點、說話者…

了解模型繁體中文
Moonshot AI

Kimi-VL-A3B-Thinking

Kimi-VL-A3B-Thinking 是 Kimi-VL 系列的視覺語言推理模型,側重複雜文字與多模態推理。它採用混合專家(MoE)架構,官方列出的總參數量約為 160 億、啟用參數量約為 30 億,上下文視窗為 128K token。(huggingface.co) 接收圖像和文字並生成文字,可用於多圖理解、視覺問答和數學推理。 Kimi-VL 系列還支援文件、影片內容理解及代理相關任務;具…

了解模型繁體中文
Moonshot AI

Kimi-VL-A3B-Instruct

Kimi-VL-A3B-Instruct 是面向高效推論的視覺語言指令模型,採用混合專家(MoE)語言模型、原生解析度視覺編碼器 MoonViT 和投影層。官方列出的總參數量約為 160 億,啟用參數量約為 30 億,上下文視窗為 128K。(huggingface.co) 模型可結合文字和視覺資訊完成多模態理解,適用於影像問答、多圖理解、OCR、長文件和影片內容理解,以及作業系統介面等智慧代理場…

了解模型繁體中文
Alibaba

Wan 2.1 KF2V Plus

萬相 2.1 首尾影格生成影片 Plus 版,是面向國際影片生成服務的模型:根據首影格和尾影格兩張圖片生成過渡影片,也可結合文字提示詞控制內容。官方公告將其列於 2025 年 4 月 7 日。(docs.bailian.console.aliyun.com) 官方稱模型支援大幅度複雜運動、多種藝術風格和較豐富的影片細節,並增強了指令遵循能力。可用於兩張關鍵畫面之間的轉場及短影片創作。(docs.b…

了解模型繁體中文
MiniMax

Speech-02-Turbo

Speech-02-Turbo 是 MiniMax Speech-02 系列中的文字轉語音模型,針對即時互動場景最佳化,側重低延遲與語音品質的平衡。Speech-02 系列於 2025 年 4 月 2 日發布。(minimax.io) 將輸入文字合成為語音,支援串流輸出;可調整語速、音量和音調,並控制停頓及情緒。(platform.minimaxi.com) 支援使用系統音色和複刻音色。系列發布公…

了解模型繁體中文
MiniMax

Speech-02-HD

Speech-02-HD 是 MiniMax Speech-02 系列中面向高保真語音生成的文字轉語音模型,適用於配音、有聲書等重視音質的場景。該系列於 2025 年 4 月 2 日發布。(minimax.io) 輸入文字並生成語音;支援多語言、不同口音和情緒表達。官方後續技術介紹稱 Speech 02 支援 32 種語言。(minimax.io) 支援聲音複刻,以及音高、語速、音量和情緒等控制;…

了解模型繁體中文
OpenAI

GPT-4o

GPT-4o 是 OpenAI 的多模態模型。此條目對應 2025 年 3 月 27 日更新:發布時,該更新已在 ChatGPT 中提供,並成為 API 別名 chatgpt-4o-latest 指向的最新快照。該別名並非固定日期的版本識別,所指向的快照可能變更。(help.openai.com) 更新改善了複雜 STEM 和程式設計問題的處理,包括產生更精簡的前端程式碼、分析現有程式碼並確定修改…

了解模型繁體中文
Alibaba

Qwen-Omni-Turbo

Qwen-Omni-Turbo 是千問系列多模態理解與生成模型。該版本是 2025 年 3 月 26 日的快照,阿里雲百煉在 2025 年 3 月 27 日的更新紀錄中列出了它;官方稱其視覺能力較 2025 年 1 月 19 日快照有大幅提升。(docs.bailian.console.aliyun.com) 支援文字、影像、音訊和影片輸入,也支援混合模態輸入理解。 支援同時串流生成文字和語音,提…

了解模型繁體中文
Alibaba

QVQ-Max

QVQ-Max 是通義千問 QVQ 系列視覺推理模型,面向視覺理解和深度思考任務。阿里雲百煉的模型上架記錄將 qvq-max 列於 2025 年 3 月 26 日。官方模型資料稱,qvq-max 的功能等同於快照 qvq-max-2025-03-25;後者名稱中的日期是快照版本標識。(docs.bailian.console.aliyun.com) 支援文字、影像和影片輸入,輸出文字及思維鏈;可結…

了解模型繁體中文
OpenAI

GPT-4o image generation

GPT-4o image generation 是原生嵌入 GPT-4o 的多模態圖像生成能力,可根據文字和圖像輸入生成或轉換圖像。OpenAI 於 2025 年 3 月 25 日發布該能力。(openai.com) 根據自然語言生成照片寫實或其他風格的圖像,並在圖像中呈現文字。 結合對話上下文多輪修改圖像,利用上傳圖片作為編輯對象或視覺參考。 遵循包含多個物件和限制條件的指令,適用於資訊圖、標誌…

了解模型繁體中文
Google

Gemini 2.5 Pro Experimental

Google 於 2025 年 3 月 25 日發布的 Gemini 2.5 Pro 公開實驗版本,是面向複雜任務的多模態思考模型。官方發布紀錄稱,該版本預設始終開啟思考模式。(blog.google) **推理與程式設計:**面向數學、科學和複雜問題推理,也可用於程式碼生成、轉換和編輯,以及開發網頁應用程式和程式碼代理。(blog.google) **多模態與長上下文:**發布時支援處理文字、音…

了解模型繁體中文
Alibaba

Wanx2.1-ImageEdit

Wanx2.1-ImageEdit 是萬相通義圖像編輯模型,面向既有圖像的局部或全圖編輯。它支援預設編輯任務和指令式編輯,輸入和輸出均包含圖像。(docs.bailian.console.aliyun.com) 支援圖像風格化、線稿生圖、局部重繪、參考圖生成、圖像外擴和圖像超解析度等,可用於圖片修飾、內容修改和創意圖像製作。(docs.bailian.console.aliyun.com) 官方模…

了解模型繁體中文
Tencent

hunyuan-turbos-longtext-128k-20250325

騰訊混元 TurboS 的長文本版本,基於 TurboS 底座進一步增訓,採用混合專家(MoE)架構。騰訊雲產品動態記錄的發布日期為 2025年3月25日。(cloud.tencent.com) 官方稱該模型擅長文件摘要、文件問答等長文本任務,也可用於通用文本生成及複雜長文內容的分析與生成。(cloud.tencent.com) 名稱包含 128k,但所查發布公告未明確輸入與輸出各自的 token…

了解模型繁體中文
Zhipu AI

CogView4-6B-Control

CogView4-6B-Control 是 CogView4 系列的可控影像生成模型。官方展示使用文字提示詞和控制影像生成新影像,可用於需要參考畫面結構進行視覺創作的場景。其基礎模型 CogView4-6B 支援中英文提示詞和中文文字繪畫。(huggingface.co) 結合文字描述和控制影像生成影像,可用於插畫、設計素材及受參考圖約束的創作。 官方提供 Control 模型訓練指南;指南以姿態…

了解模型繁體中文