TellWorldAI 世界档案
问档案English
动态
模型
机构
人物
论文与概念
产品与智能体
芯片与机器人
编年史
专题
问档案English

首页›模型

模型

模型

基础模型、生成模型、多模态和专用模型。

共 118 · 清除筛选

2026

2025

  • 2025 年 12 月 18 日 Seedance 1.5 pro 音视频生成模型

    火山引擎于 2025 年 12 月 18 日发布的音视频生成模型，画面、人声、音乐与环境声一起生成，并保持毫秒级同步。

    中国 AI多模态生成式模型

  • 2025 年 12 月 11 日 Runway GWM-1

    GWM-1 是 Runway 发布的首个「通用世界模型」，以自回归方式实时逐帧生成 720p 视频，并可由相机位姿、机器人指令或音频驱动。

    多模态机器人生成式模型

  • 2025 年 12 月 3 日 可灵 2.6

    可灵 2.6 是快手于 2025 年 12 月发布的视频生成模型，能在一次生成中同时产出画面、配音、音效与环境声，单条视频最长 10 秒。

    中国 AI多模态生成式模型

  • 2025 年 12 月 2 日 Ministral 3

    Mistral AI 于 2025 年 12 月发布的小型稠密模型系列，含 3B、8B、14B 三个规模，每个规模都有基础、指令和推理版本，均支持图像理解，以 Apache 2.0 许可发布。

    大语言模型开源多模态

  • 2025 年 12 月 1 日 可灵 O1

    可灵 O1（Kling O1）是快手于 2025 年 12 月 1 日发布的视频模型，被介绍为「全球首个统一多模态视频模型」：文本、图像、视频与主体输入进入同一引擎，生成与编辑共用一套模型。

    中国 AI多模态生成式模型

  • 2025 年 12 月 1 日 Runway Gen-4.5

    Runway Gen-4.5 是 2025 年 12 月发布的视频生成模型，发布时位居 Artificial Analysis 文生视频排行榜第一，后加入原生音频与多镜头编辑。

    多模态生成式模型创意工具

  • 2025 年 11 月 25 日 FLUX.2

    FLUX.2 是 Black Forest Labs 于 2025 年 11 月 25 日发布的图像生成与编辑模型系列，包含托管版本与开放权重版本，支持最高 4 百万像素输出和最多 10 张参考图。

    开源生成式模型创意工具

  • 2025 年 11 月 20 日 Nano Banana Pro（Gemini 3 Pro Image）

    Nano Banana Pro（Gemini 3 Pro Image）是 Google 2025 年 11 月 20 日发布的图像生成模型，能在图中排文字，输出最高 4K。

    企业软件生成式模型创意工具

  • 2025 年 11 月 13 日 文心大模型 5.0

    文心大模型 5.0（ERNIE 5.0）是百度于 2025 年 11 月发布的原生全模态基础模型，百度称其参数规模为 2.4 万亿，2026 年 1 月起向企业和个人开放，模型为非开源。

    大语言模型中国 AI基础模型

  • 2025 年 11 月 6 日 讯飞星火 X1.5

    讯飞星火 X1.5 是科大讯飞 2025 年 11 月发布的深度推理模型，运行在与华为共同构建的国产算力平台上，采用总参数 2930 亿的混合专家结构。

    大语言模型中国 AI推理

  • 2025 年 10 月 15 日 Veo 3.1

    Veo 3.1 是 Google 于 2025 年 10 月 15 日发布的 Veo 3 更新版本，为 Flow 带来音频能力和新的编辑功能；其 API 预览版已于 2026 年 10 月 22 日停止服务。

    多模态生成式模型创意工具

  • 2025 年 10 月 13 日 MAI-Image-1

    MAI-Image-1 是微软首个完全自研的图像生成模型，2025 年 10 月 13 日发布，同年 11 月 4 日起进入 Bing Image Creator 与 Copilot。

    消费级应用生成式模型创意工具

  • 2025 年 9 月 30 日 Sora 2

    Sora 2 是 OpenAI 于 2025 年 9 月 30 日发布的第二代视频与音频生成模型，并推出 iOS 社交应用。2026 年 OpenAI 宣布终止 Sora 服务。

    消费级应用生成式模型安全与治理

  • 2025 年 9 月 29 日 DeepSeek-V3.2-Exp 实验模型

    DeepSeek 于 2025 年 9 月 29 日发布的实验模型，首次引入 DeepSeek 稀疏注意力以降低长上下文的训练与推理成本，同时开放权重并大幅下调 API 价格。

    大语言模型开源中国 AI

  • 2025 年 9 月 28 日 混元图像 3.0

    腾讯 2025 年 9 月开源的图像生成模型：原生多模态，用自回归的混合专家结构把图像理解与生成放进同一个框架。

    开源中国 AI多模态

  • 2025 年 9 月 18 日 Luma Ray3

    Ray3 是 Luma AI 于 2025 年 9 月 18 日推出的视频生成模型，被其称为世界上第一个推理视频模型，支持 HDR 输出、原生 1080p 和 4K 神经放大。

    多模态推理生成式模型

  • 2025 年 9 月 GLM-4.6

    GLM-4.6 是智谱于 2025 年 9 月下旬发布的开源大语言模型，上下文窗口扩展到 200K tokens，检查点约 3570 亿参数，以 MIT 许可证发布，重点面向编码、推理与智能体任务。

    大语言模型开源中国 AI

  • 2025 年 9 月 可灵 2.5 Turbo

    可灵 2.5 Turbo 是快手于 2025 年 9 月底发布的视频生成模型，发布十天即被 Artificial Analysis 列为文生视频与图生视频全球第一，并把创作者单条视频的生成成本降低了近 30%。

    中国 AI多模态生成式模型

  • 2025 年 9 月 Seedream 4.0 图像生成模型

    Seedream 4.0 是字节跳动 Seed 团队于 2025 年 9 月发布的图像模型，把文生图、图像编辑和多图组合放进同一套架构，可输出 1K 至 4K 的原生高分辨率图像。

    中国 AI多模态生成式模型

  • 2025 年 8 月 28 日 MAI-Voice-1

    MAI-Voice-1 是微软 AI 的语音生成模型，2025 年 8 月公布，是 MAI 系列的第一个模型，主打快速生成富有表现力的高保真语音。

    消费级应用多模态生成式模型

  • 2025 年 8 月 26 日 Nano Banana（Gemini 2.5 Flash Image）

    Nano Banana 是谷歌 Gemini 2.5 Flash Image 的昵称，2025 年 8 月 26 日发布，能融合多张图片、在多次编辑中保持人物一致，并按自然语言指令做局部修改。

    消费级应用生成式模型创意工具

  • 2025 年 8 月 5 日 Genie 3

    Genie 3 是 Google DeepMind 的通用世界模型，于 2025 年 8 月 5 日公布。它用文字提示生成可实时导航的 720p 交互环境，帧率为每秒 24 帧，以有限研究预览的形式发布。

    智能体与工具调用生成式模型仿真

  • 2025 年 8 月 4 日 通义千问图像生成模型 Qwen-Image

    Qwen 系列的图像生成模型，200 亿参数，2025 年 8 月以 Apache 2.0 协议开源，以在图像中渲染文字（尤其是中文）见长。

    开源中国 AI生成式模型

  • 2025 年 7 月 28 日 通义万相 Wan2.2 视频生成模型

    2025 年 7 月以 Apache 2.0 许可开源的视频生成模型系列，把双专家的混合专家结构引入视频扩散，其中的 5B 版本可在单张消费级显卡上运行。

    开源中国 AI生成式模型

  • 2025 年 7 月 26 日 混元 3D 世界模型 1.0

    混元 3D 世界模型 1.0 是腾讯开源的 3D 世界生成模型，可从文字或图像生成可探索、可导出网格的三维场景。它于 2025 年 7 月发布，此后又推出了一系列更轻量、更快的版本。

    开源中国 AI生成式模型

  • 2025 年 7 月 25 日 Step 3

    Step 3 是阶跃星辰开源的多模态推理模型，总参数 3210 亿，每个 token 激活 380 亿参数。2025 年 7 月发布，采用 Apache 2.0 许可证。

    开源中国 AI多模态

  • 2025 年 7 月 25 日 Runway Aleph

    Runway Aleph 是 Runway 于 2025 年 7 月推出的视频模型，能对输入视频增删或改造物体、生成场景的新角度、更换风格与光线，覆盖多种视觉任务。

    多模态生成式模型创意工具

  • 2025 年 6 月 18 日 Midjourney V1 视频模型

    Midjourney 于 2025 年 6 月 18 日发布首个视频模型 V1，能把一张已有的图片变成约 5 秒的短片，被公司定位为通向实时开放世界模拟的第一步。

    消费级应用生成式模型创意工具

  • 2025 年 6 月 11 日 Seedance 1.0 视频生成模型

    Seedance 1.0 是字节跳动 Seed 于 2025 年 6 月发布的视频生成模型。同一个模型可做文生视频与图生视频，能生成 1080p 多镜头视频，并在 Artificial Analysis 两个榜单上排名第一。

    中国 AI多模态生成式模型

  • 2025 年 5 月 29 日 FLUX.1 Kontext

    FLUX.1 Kontext 是 Black Forest Labs 于 2025 年 5 月 29 日宣布的图像模型系列，可以同时以文字和图片为输入，进行生成与编辑。其开放权重的 dev 版本于 2025 年 6 月发布。

    开源生成式模型创意工具

  • 2025 年 5 月 20 日 Veo 3

    Veo 3 是 Google 于 2025 年 5 月 20 日在 Google I/O 上发布的视频生成模型，能生成带原生音频的视频，包括口型同步的角色对白；其输出带有 SynthID 水印。

    多模态生成式模型创意工具

  • 2025 年 5 月 20 日 Imagen 4

    Imagen 4 是 Google 于 2025 年 5 月 20 日发布的文生图模型，最高输出 2K 分辨率，细节与文字排版有所改进，接入 Gemini 应用等产品。

    生成式模型创意工具图像生成

  • 2025 年 5 月 可灵 2.1

    可灵 2.1 是快手 2025 年 5 月底推出的视频生成模型，分 720p、1080p 和大师版三档，同年 9 月底被可灵 2.5 Turbo 取代。[^1][^2][^3]

    中国 AI多模态生成式模型

  • 2025 年 4 月 25 日 Step1X-Edit 图像编辑模型

    Step1X-Edit 是 StepFun 开源的图像编辑模型：多模态语言模型读参考图与编辑指令，扩散解码器负责出图，发布时一并公开权重、推理代码和评测集 GEdit-Bench。

    开源中国 AI创意工具

  • 2025 年 4 月 22 日 π0.5

    π0.5 是 Physical Intelligence 于 2025 年 4 月发布的视觉-语言-动作模型，主打开放环境泛化，通过混合多种异构数据共同训练，能让移动机器人整理从未见过的房间。

    深度学习基础模型多模态

  • 2025 年 4 月 15 日 可灵 2.0

    可灵 2.0 是快手于 2025 年 4 月面向全球推出的 AI 视频生成模型，被公司称为「全球最强」，带来多模态编辑能力，并提出多模态视觉语言概念。

    中国 AI多模态生成式模型

  • 2025 年 4 月 15 日 Seedream 3.0 图像生成模型

    Seedream 3.0 是字节跳动 Seed 团队的中英双语图像生成基础模型，在提示对齐、复杂中文字渲染、美学与原生 2K 输出上较 2.0 版有所改进，2025 年 9 月被 Seedream 4.0 接替。

    中国 AI生成式模型创意工具

  • 2025 年 4 月 8 日 Amazon Nova Sonic

    Amazon Nova Sonic 是 Amazon Nova 系列中的语音到语音基础模型，2025 年 4 月 8 日发布，把语音识别、语言理解和语音生成放进同一个模型，而不是把多个模型串联起来。

    智能体与工具调用多模态生成式模型

  • 2025 年 4 月 4 日 Midjourney V7

    Midjourney V7 是 Midjourney 的图像生成模型，2025 年 4 月 4 日以 alpha 版本向社区开放，是该公司第一个默认开启个性化的模型，也是第一个加入低成本、高速度草稿模式的模型。

    消费级应用生成式模型创意工具

  • 2025 年 3 月 31 日 Runway Gen-4

    Runway Gen-4 是 Runway 于 2025 年 3 月 31 日发布的视频生成模型，能让角色、地点和物体在不同镜头间保持一致，依靠参考图和文本指令工作，无需针对每个项目单独训练。

    多模态生成式模型创意工具

  • 2025 年 3 月 25 日 GPT Image 1（GPT-4o 图像生成）

    OpenAI 于 2025 年 3 月 25 日在 ChatGPT 中发布的 GPT-4o 原生图像生成能力，取代 DALL·E 3，API 中名为 gpt-image-1，以准确渲染文字和精确遵循提示词为特点。

    消费级应用多模态创意工具