跳到正文

模型发布

新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。

101条精选相关主题产品更新论文研究开源生态

最新精选

第 21–40 条 · 共 101 条
9月24日周四
9月23日周三
  1. Google DeepMind：Blog（RSS）74

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零设计声音、30 秒样本复刻声音，并提供逐行表演指导、长时音频生成和双说话人场景编排，覆盖 100 多种语言。

    推荐理由：官方介绍了两款 TTS 模型的能力细节、评测名次和开放入口，开发者可以据此评估语音生成工作流的选型。

  2. Qwen67

    Qwen 发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime 全面升级，并新增音频创作模型 TTS-Next 和音频理解模型 ASR-Next，共五个模型覆盖理解、生成、交互与创作。全线降价，TTS 约 70% off、Realtime 约 85% off、ASR 最高 95% off；Realtime 可边说边听、随时打断，检测到低落情绪时会放慢语速并共情回应。

    推荐理由：官方一次性给出五个音频模型的能力细节和三档降价幅度，读者可对照自身场景评估替换成本。

  6. OpenAI：官网动态（RSS · 排除企业/客户案例）82

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 降 50%

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，将 GPT-6 Astra 的训练方法用于更快更便宜的模型，API 价格较 GPT-5.6 促销价下调 50%（Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50，每百万 token）。

    推荐理由：官方发布给出各档模型的具体基准分数、API 价格降幅和缓存改进数据，可以用来对比 GPT-6 家族在成本与能力之间的取舍。

  7. Anthropic：Newsroom（网页）91

    Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%

    Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。

    推荐理由：官方公告同时给出基准分数、完整定价表和防护措施细节，读者可以据此比较它相对 Opus 5 的成本与能力变化。

9月22日周二
  2. 腾讯混元：Research（API）60

    腾讯混元发布 Hy Image3.5 preview 图像生成模型

    腾讯混元发布 Hy Image3.5 preview，支持文生图与图生图、最多 5 张参考图、多轮编辑和最高 2K 分辨率输出，经上百名专业设计师 GSB 盲测对上一代胜率综合提升 30% 以上。

    推荐理由：原文给出了文本渲染、编辑一致性与定价等具体能力细节，以及多家腾讯内部产品的实测反馈，便于评估适用场景。

  3. Xiaomi MiMo73

    小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两个全模态模型，通过规模化强化学习训练。Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis Intelligence Index 得分 46，为开源模型中最高；能力覆盖编码、computer use、3D 推理和创作。

    推荐理由：官方发布全模态模型并开放权重、技术报告和训练代码，附与 Claude Opus 5、GPT-5.6 Sol 的 Agent 基准对比数据。

9月21日周一
  1. xAI：News（网页）74

    xAI 发布 Grok 4.7，主打编码与知识工作

    xAI 发布 Grok 4.7，定位为其最强编码与知识工作模型，定价 $2/百万输入 token、$6/百万输出 token，与 Grok 4.6 同价同速，另有速度和价格加倍的快速变体。

    推荐理由：官方给出了完整定价、速度和多项基准对比，读者可以据此把 Grok 4.7 放进现有模型选型里横向比较。

9月20日周日
  1. Qwen：Blog Retrieval（API）72

    Qwen 开源 Qwen-Image-2.1：7B 统一生成与编辑并原生支持透明图像

    Qwen 团队开源 Qwen-Image-2.1，将文生图与图像编辑统一到一个模型中，视觉生成组件仅 7B 参数，并原生支持生成和编辑透明图像。模型支持最多 10 张参考图、圆形/涂鸦/独立蒙版指定局部编辑，通过混合粒度注意力架构和 KV cache 复用提升推理效率，同时改进文字渲染、人像光照与人物产品保真度，并覆盖全景图、信息图和分镜等任务。

    推荐理由：官方详解了 7B 统一图像模型的透明图像生成、10 图参考编辑与推理优化，读者可据此评估在设计等场景的可用性。

  2. 公众号：阶跃星辰（Step）66

    阶跃星辰发布旗舰模型 Step 5 Preview，10 月 15 日开源权重

    阶跃星辰发布旗舰基座模型 Step 5 Preview，采用稀疏 MoE 架构，总参数量 600B、激活 27B，支持 100 万 Token 上下文和文本与视觉输入，在 Artificial Analysis Intelligence Index 得 44 分，居全球开源模型前三，单任务成本为 Claude Opus 5 的 1/8。

    推荐理由：官方完整公布架构参数、基准成绩和权重开放时间，读者可据此评估其在开源主力模型中的成本能力位置。

9月18日周五
  1. Qwen：Blog Retrieval（API）69

    Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型，LAAL 降至 2.3 秒

    Qwen 发布 Qwen3.8-LiveTranslate，采用 Interleave 架构与 Hybrid-MoE Thinker–Talker 设计重构实时同声传译，平均滞后（LAAL）从上一代的 2.8 秒降至 2.3 秒。

    推荐理由：官方给出了架构设计、LAAL 从 2.8 秒到 2.3 秒的数字和多语言评测结果，读者可以据此评估其实时翻译能力的实际变化。

  2. HuggingFace Daily Papers（社区热门论文）85

    DeepSeek-V4.1-Flash 发布：552B MoE 多模态模型主打 KV cache 压缩

    DeepSeek 发布 DeepSeek-V4.1-Flash，一个 552B 参数的多模态 MoE 模型，支持最长 100 万 token 上下文，模型权重已在 Hugging Face 开放。

    推荐理由：论文给出了每 token KV cache 字节数等具体压缩指标，并与上一代模型直接对比，可评估长上下文 Agent 部署成本变化。

  3. Qwen：Blog Retrieval（API）78

    Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付

    Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。

    推荐理由：官方发布同时开放 API 和开源插件与运行时，读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。

9月16日周三
9月15日周二
  1. 公众号：生数科技（Vidu·视频）67

    生数科技发布 Vidu S2：含 Avatar 与 Editing 双模型，探索空间视频

    生数科技正式发布 Vidu S2，包含面向数字角色实时交互的 Vidu S2-Avatar 和面向视频流实时编辑的 Vidu S2-Editing，并探索面向 VR 头显的实时空间视频生成与编辑。

    推荐理由：官方发布 Vidu S2 双模型，给出实时交互、编辑与空间视频的技术路线和评测数字，读者可对照判断其流式生成思路。