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 179 · 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 15 日 NVIDIA Nemotron 3（Nano、Super、Ultra）

    NVIDIA Nemotron 3 是 2025 年 12 月宣布的开放混合专家语言模型系列，分 Nano、Super、Ultra 三种规格，最长支持 100 万标记上下文。

    大语言模型开源智能体与工具调用

  • 2025 年 12 月 11 日 Molmo 2

    Molmo 2 是 Ai2 开放视觉语言模型家族的第二代，2025 年 12 月 11 日发布，把 Molmo 从图像扩展到视频，支持指点、目标跟踪和带时间戳的问答。

    开源多模态计算机视觉

  • 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 20 日 Olmo 3

    Olmo 3 是艾伦人工智能研究所（Ai2）完全开放语言模型的第三代，2025 年 11 月 20 日宣布，提供 7B 和 32B 稠密 Transformer 规模，上下文 65,536 词元，数据全部公开。

    大语言模型开源推理

  • 2025 年 11 月 19 日 SAM 3（分割一切模型第三代）

    SAM 3 是 Meta 于 2025 年 11 月发布的分割一切模型第三代，可依据简短文字或示例图像，找出并分割某一概念的全部实例。Meta 报告称，它在这项任务上的准确率是现有系统的两倍。

    开源基础模型数据与数据集

  • 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 11 月 文心 ERNIE-4.5-VL-28B-A3B-Thinking

    百度 2025 年 11 月发布的开源多模态推理模型，总参数 280 亿、每个 token 激活 30 亿，支持「边看图边想」的放大与工具调用，权重按 Apache 2.0 开放。

    开源中国 AI多模态

  • 2025 年 10 月 20 日 DeepSeek-OCR 光学压缩模型

    DeepSeek-OCR 是一个约 3B 参数的开源文字识别模型，它把长文本渲染成图像、用很少的视觉词元把文字读回来，用来检验「光学压缩」能否代替超长文本上下文。

    开源中国 AI多模态

  • 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 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 4 日 UI-TARS-2

    UI-TARS-2 是 UI-TARS 系列的新一代 GUI 智能体，采用多轮强化学习训练，2025 年 9 月发布技术报告，并在网页、桌面、安卓、游戏与软件工程等基准上给出成绩。

    中国 AI智能体与工具调用计算机视觉

  • 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 通义千问 Qwen3-VL 视觉语言模型

    Qwen3-VL 是阿里巴巴通义千问团队2025年9月发布的开放视觉语言模型系列，以 Apache 2.0 许可证发布，旗舰版本为 2350 亿参数，支持长视频、界面操作与空间定位。

    开源中国 AI智能体与工具调用

  • 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 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 20 日 NVIDIA Nemotron Nano 2

    NVIDIA Nemotron Nano 2 是一款 9B 参数的小型推理模型，采用 Mamba 与 Transformer 混合架构，主打长上下文推理下的高吞吐，并开放了权重与大部分训练数据。

    大语言模型开源推理

  • 2025 年 8 月 11 日 GLM-4.5V 视觉语言模型

    智谱于 2025 年 8 月 11 日发布的视觉语言模型，基于 GLM-4.5-Air 微调，可处理图像推理、视频理解、长文档解析与 GUI 任务；智谱称其在 42 个公开基准上取得同规模模型中的最优成绩。

    开源中国 AI多模态

  • 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 31 日 Command A Vision

    Command A Vision 是 Cohere 2025 年 7 月发布的首个 Command 视觉语言模型，由 1120 亿参数语言模型与 SigLIP2 图像编码器组成。

    大语言模型企业软件多模态

  • 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 7 月 8 日 SmolLM3

    SmolLM3 是 Hugging Face 于 2025 年 7 月 8 日发布的 30 亿参数开放模型，支持六种语言与最长 128K 令牌的上下文，可切换推理模式。

    大语言模型开源推理

  • 2025 年 7 月 Skild Brain

    Skild Brain 是 Skild AI 开发的通用机器人基础模型，在包含 10 万台不同机器人的虚拟环境中训练，可装配到现有机器人硬件上，而不是为单一任务专门设计。

    企业软件深度学习基础模型