Hunyuan-T1
Hunyuan-T1 是騰訊發布的深度推理大模型。該版本於 2025 年 3 月 21 日發布;T1 正式版基於採用 Hybrid-Transformer-Mamba MoE 架構的混元 TurboS 底座,經過後訓練擴展推理能力。(cloud.tencent.com) 支援數學、邏輯推理、科學和程式碼問題的推理解答。 具備長文本資訊捕捉能力,可用於長文理解、摘要及複雜文本推理。 可用於知識問答、…
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。
Hunyuan-T1 是騰訊發布的深度推理大模型。該版本於 2025 年 3 月 21 日發布;T1 正式版基於採用 Hybrid-Transformer-Mamba MoE 架構的混元 TurboS 底座,經過後訓練擴展推理能力。(cloud.tencent.com) 支援數學、邏輯推理、科學和程式碼問題的推理解答。 具備長文本資訊捕捉能力,可用於長文理解、摘要及複雜文本推理。 可用於知識問答、…
GPT-4o Mini TTS 是基於 GPT-4o mini 的文字轉語音模型,可將輸入文字轉換為自然語音。OpenAI 於 2025 年 3 月 20 日發布該模型;對應的固定版本快照為 gpt-4o-mini-tts-2025-03-20。模型別名與固定快照並非同一概念:官方後來將別名指向了更新的快照。(openai.com) 可透過文字指令調整語音的口音、情緒、語調、語速和語氣等表達方式,…
GPT-4o Mini Transcribe 是基於 GPT-4o mini 的語音轉文字模型,用於將音訊轉寫為文字。OpenAI 表示,與原始 Whisper 模型相比,它改善了詞錯誤率、語言識別和轉寫準確性。(developers.openai.com) 接收音訊,輸出轉寫文字;可用於錄音轉寫、字幕草稿和語音應用中的文字記錄。 可透過 OpenAI 音訊轉寫 API 接入;官方文件也列出了即時…
GPT-4o Transcribe 是基於 GPT-4o 的語音轉文字模型,透過 OpenAI API 將音訊轉錄為文字。OpenAI 於 2025 年 3 月 20 日發布該模型。(openai.com) 支援多語言語音辨識。官方稱,與原始 Whisper 模型相比,該模型在語言辨識和準確性方面有所改進,在多個基準測試上的詞錯誤率更低;對口音、背景噪音和語速變化等情況的處理也有所改善。(open…
GTE-Rerank-V2 是通義實驗室研發的多語言文字重排序模型。它根據查詢與候選文件的語意相關性,對文件重新排序,適用於語意搜尋和檢索增強生成(RAG)等場景。(help.aliyun.com) 支援中文、英文、日語、韓語、泰語等 50 多種語言。 可對初次檢索召回的候選文件重新評分,返回相關性排名;可透過 top_n 限制返回結果數量。(help.aliyun.com) 輸入為文字;單次請求…
Qwen-Plus-Character 是千問系列的文字生成與角色扮演模型,面向擬人化對話。它是動態更新版本,官方表示模型更新會提前通知。(docs.bailian.console.aliyun.com) 模型針對限定人設指令遵循、角色還原、話題推進和傾聽共情進行了最佳化。適用情境包括虛擬社交、遊戲 NPC、IP 角色復刻以及玩具、車機等智慧硬體互動。開發者可在系統訊息中設定角色背景、關係、情境和…
o1-pro 是 OpenAI o1 系列的推理模型,透過使用更多運算資源處理困難問題,以改善推理和回答的一致性。OpenAI API 更新日誌記載的發布日期為 2025 年 3 月 19 日;對應快照為 o1-pro-2025-03-19。(developers.openai.com) 模型支援文字和影像輸入、文字輸出,以及函式呼叫和結構化輸出;上下文視窗為 200,000 token,最大輸出…
ERNIE X1 是百度發布的深度思考推理模型。百度稱其具備多模態能力,並強化了理解、規劃和反思能力。(prnewswire.com) 模型面向中文知識問答、文學創作、文稿寫作、日常對話、邏輯推理和複雜計算等任務。百度的發布公告還介紹了搜尋、文件問答、影像理解、程式碼解釋和網頁閱讀等工具使用情境;具體能力取決於所用產品和介面。(prnewswire.com) 模型可能生成錯誤或不可靠的內容,重要結…
百度文心 4.5 系列的預覽版模型。百度將文心 4.5 定位為原生多模態基礎大模型,面向開發者和企業提供千帆 API 服務。(qianfan.cloud.baidu.com) 支援對話、文字理解與生成,可用於問答、內容創作、邏輯推理和程式碼相關任務。 官方更新紀錄和呼叫範例顯示,此版本支援影像理解,可用於結合圖文進行問答和分析。文心 4.5 系列還具備音訊、影片理解能力,但不能據此認定本 API…
騰訊混元 TurboS 旗艦大模型的 2025-03-13 版本,面向通用文字任務,側重快速回應。(cloud.tencent.com) 官方稱該版本升級了預訓練底座的訓練 token 數量,提升了數學、邏輯和程式碼相關能力,以及中英文文字創作、文字理解、知識問答和閒聊的體驗。可用於文字創作、問答和對話等情境。(cloud.tencent.com) 模型輸出可能出錯,重要事實、計算及程式碼應由使用…
Gemini Robotics-ER 是 Google 基於 Gemini 2.0 推出的視覺語言模型,ER 指「具身推理」。它側重機器人所需的空間理解,可與機器人現有的低層控制器配合使用;它不同於以物理動作作為輸出、用於直接控制機器人的 Gemini Robotics。(deepmind.google) 支援物件偵測、指向物件部位、多視角對應和三維物件偵測等空間理解任務。 可用於感知、狀態估計、…
Gemini Robotics 是基於 Gemini 2.0 建構的視覺-語言-動作(VLA)模型,以物理動作為輸出模態,旨在直接控制機器人。它不同於同期發布、側重具身推理的 Gemini Robotics-ER。(deepmind.google) **泛化與互動:**能夠處理新物體、不同指令和新環境,理解多種語言的日常指令,並根據環境或指令的變化調整動作。 **靈巧操作:**官方展示了摺紙、將零…
computer-use-preview 是 OpenAI 面向電腦操作工具的專用研究預覽模型,基於用於 Operator 的 Computer-Using Agent(CUA)模型。OpenAI 於 2025 年 3 月 11 日宣布該模型;對應快照為 computer-use-preview-2025-03-11。(developers.openai.com) 模型經過理解和執行電腦任務的訓練…
GPT-4o mini search preview 是面向網頁搜尋的快速、低成本小型預覽模型,經過專門訓練,能在 Chat Completions API 中理解並執行網頁搜尋查詢。其固定版本為 gpt-4o-mini-search-preview-2025-03-11。(developers.openai.com) 支援文字輸入和輸出,可用於基於網頁資訊的問答與資訊檢索;OpenAI…
GPT-4o search preview 是面向 Chat Completions API 的網路搜尋專用預覽模型,經過訓練以理解和執行網頁搜尋查詢。其帶日期的快照 ID 為 gpt-4o-search-preview-2025-03-11。(developers.openai.com) 支援文字輸入和輸出、串流輸出及結構化輸出;可用於需要網頁資訊的問答、資料檢索和研究助手等情境。(develo…
Google 於 2025 年 3 月 7 日發布的實驗性文字嵌入模型。它將文字轉換為向量,用於表示語意,而非產生對話回答;發布時透過 Gemini API 的 embed_content 介面提供。(developers.googleblog.com) 支援 100 多種語言,可處理文字、程式碼等內容,適用於檢索增強生成(RAG)、語意檢索、推薦和文字分類等情境。 發布公告給出的輸入上限為 8K…
QwQ-Plus 是通義千問 QwQ 的增強版推理模型,基於 Qwen2.5 訓練,並透過強化學習提升推理能力。官方上架日期為 2025-03-05;本條對應的發布快照為 qwq-plus-2025-03-05。(docs.bailian.console.aliyun.com) 文字輸入、文字輸出,面向深度思考任務,可用於數學問題求解、邏輯推理、程式碼生成和分析等場景。 官方稱其在 AIME 24…
CogView4-6B 是智譜發布的文生圖模型,採用約 60 億參數的 CogView-4 Diffusers 版本,接收文字提示詞並生成圖像。官方於 2025 年 3 月 4 日宣布適配並開源該版本。(github.com) 支援中文和英文提示詞,能在生成的圖像中繪製中文字;可用於插畫、創意視覺素材和含文字的圖像製作。 使用 GLM-4-9B 作為文字編碼器;官方開源模型資料列出的提示詞長度上限…