Skip to main content

Sorties et mises à jour des modèles

Consultez les versions et les mises à jour des modèles par région et portée de déploiement du service. Pour les règles et listes de retrait, consultez la Politique de mise hors service des modèles.

  • Singapour
  • US (Virginie)
  • China (Beijing)
  • Hong Kong (Chine)
  • Allemagne (Francfort)
  • Japan (Tokyo)

2026

2026-11-16

qwen4-max

Périmètre de déploiement du service : International
Qwen4-Max est le modèle multimodal phare de nouvelle génération de la famille Qwen. Il combine génération de texte, compréhension des images et des vidéos et raisonnement approfondi. Il est conçu pour la programmation, la bureautique, la conception frontend et les tâches complexes d’agents. Grâce à la recherche sur le Web, aux appels d’outils, aux sorties structurées et à la compatibilité avec les API OpenAI et Anthropic, il permet de créer des applications intelligentes capables de compréhension multimodale et d’exécution de tâches.Qwen4-Max

2026-11-16

mindlab/macaron

Périmètre de déploiement du service : InternationalGénération de texte
Les modèles de la série Macaron de MindLab sont désormais disponibles dans la région de Singapour (périmètre de déploiement du service : International). mindlab/macaron-v1.1-venti et mindlab/macaron-v1.1-coding-venti reposent sur l'architecture MoL avancée de MindLab avec une fenêtre de contexte de 1 million de tokens et offrent des capacités Chat, Agent, Coding et UI4A globalement améliorées. mindlab/macaron-v1-tall est un petit modèle plus rapide, plus léger et plus économique avec une fenêtre de contexte de 256K, entièrement optimisé pour les expériences Chat, Agent, Coding et UI4A. Les modèles prennent en charge les API compatibles OpenAI et Anthropic.mindlab/macaron-v1.1-venti | mindlab/macaron-v1.1-coding-venti | mindlab/macaron-v1-tall | Macaron-MindLab

2026-11-11

qwen4-max-preview

Token Plan
Qwen4-Max-Preview est le modèle multimodal phare de nouvelle génération de la famille Qwen. Il combine génération de texte, compréhension des images et des vidéos et raisonnement approfondi. Il est conçu pour la programmation, la bureautique, la conception frontend et les tâches complexes d’agents. Grâce à la recherche sur le Web, aux appels d’outils, aux sorties structurées et à la compatibilité avec les API OpenAI et Anthropic, il permet de créer des applications intelligentes capables de compréhension multimodale et d’exécution de tâches.Actuellement en préversion. Disponible uniquement via Token Plan. Consultez Qwen4-Max-Preview pour les détails et Token Plan pour les instructions d’accès.

22/10/2026

pixverse/pixverse-v6-t2v

Portée de déploiement du service : InternationalGénération vidéo

Modèle texte vers vidéo PixVerse V6. Il permet de contrôler précisément, par prompt, l'image et les mouvements de caméra (avant, arrière, panoramique, travelling et suivi), avec des changements de point de vue précis et contrôlables. Prend en charge les vidéos de 15 secondes, la sortie audio et vidéo synchronisée et le texte multilingue.


pixverse/pixverse-v6-it2v

Portée de déploiement du service : InternationalGénération vidéo

Modèle image vers vidéo PixVerse V6. En plus du contrôle par prompt, il restitue fidèlement les couleurs, la saturation, les scènes et les traits des personnages de l'image de référence, avec une expressivité accrue des émotions et des mouvements rapides. Prend en charge les vidéos de 15 secondes, la sortie audio et vidéo synchronisée et le texte multilingue. Adapté aux gros plans de produits e-commerce, aux vidéos promotionnelles et aux présentations de structure de produit simulant une modélisation C4D.


pixverse/pixverse-v6-kf2v

Portée de déploiement du service : InternationalGénération vidéo

Modèle première et dernière image vers vidéo PixVerse V6. Il relie deux images quelconques avec des transitions fluides et naturelles. Prend en charge les vidéos de 15 secondes, la sortie audio et vidéo synchronisée et le texte multilingue.


pixverse/pixverse-v6-r2v

Portée de déploiement du service : InternationalGénération vidéo

Modèle référence multi-sujets vers vidéo PixVerse V6. Il accepte de 2 à 7 images en entrée et fusionne intelligemment différents sujets, ce qui le rend adapté aux plans moyens et larges complexes. Il offre également le contrôle par prompt et la cohérence des sujets. Prend en charge les vidéos de 15 secondes, la sortie audio et vidéo synchronisée et le texte multilingue. Adapté aux gros plans de produits e-commerce, aux vidéos promotionnelles et aux présentations de structure de produit simulant une modélisation C4D.


qwen-audio-3.1-tts-next

Portée de déploiement du service : InternationalSynthèse vocale
Qwen-Audio-3.1-TTS-Next est un modèle AudioGen conçu pour la génération audio unifiée. Allant au-delà des systèmes TTS conventionnels qui se concentrent uniquement sur la synthèse vocale, il peut générer un contenu audio complet en une seule passe à partir d'entrées telles que du texte, des horodatages et de l'audio de référence, combinant de manière transparente la parole, les effets sonores, les sons ambiants, et plus encore. Le modèle prend en charge un large éventail de tâches, notamment le TTS multilingue, la parole à locuteur unique, le dialogue multi-locuteurs, les podcasts, les paysages sonores cinématographiques, l'audio ambiant et les effets sonores. Ses principaux atouts incluent une parole plus naturelle et expressive, une identité vocale cohérente, un contrôle flexible de la synchronisation et une génération de paysages sonores de haute qualité. Ces capacités le rendent particulièrement adapté à la création de contenu, aux vidéos courtes, aux podcasts, à la production cinématographique et télévisuelle, à l'audio de jeux vidéo et à d'autres scénarios de création audio professionnelle.

2026-10-21

qwen-audio-3.1-tts-plus

Portée de déploiement du service : InternationalSynthèse vocale
Qwen-Audio-3.1-TTS-Plus est un modèle professionnel de synthèse vocale de haute qualité destiné aux voix premium et à la création de contenu. Il prend en charge plusieurs langues et dialectes, la synthèse vocale en streaming, les instructions libres et des balises précises pour contrôler les émotions, le ton, le personnage, le débit et le volume. Pour le clonage vocal, il résiste mieux au bruit et à la réverbération de l’audio de référence, améliorant ainsi la qualité, la clarté et l’expressivité. La version Plus privilégie la qualité et la résolution audio pour les voix de marque, la création de contenu audio, le doublage audiovisuel et l’interprétation de personnages.

2026-10-17

deepseek-v4.1-flash-1017

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle
DeepSeek-V4.1-Flash-1017 est une itération de V4.1-Flash, entraînée par apprentissage par renforcement à partir de ses propres retours pour réaliser des progrès substantiels par rapport à son prédécesseur sur des benchmarks tels que Terminal-Bench 4.0, DeepSWE v1.1 et ProgramBench, tout en réduisant la durée d'exécution des tâches et la longueur des sorties pour atteindre un nouvel optimum de Pareto du compromis performances–coût dans plusieurs environnements d'évaluation. Sa capacité à créer des projets complets à partir de zéro est encore renforcée, permettant des tâches de programmation « par souhaits », telles que le développement de jeux et la modélisation 3D, tout en conservant la même architecture MoE à 552B paramètres, la compréhension visuelle multimodale native, la fenêtre de contexte de 1M tokens et la sortie maximale de 384K tokens.

2026-10-12

qwen-audio-3.1-tts-flash

Portée de déploiement du service : InternationalSynthèse vocale
Qwen-Audio-3.1-TTS-Flash est un modèle de synthèse vocale destiné aux interactions en temps réel. Il prend en charge la synthèse vocale en streaming et diverses voix système pour les assistants vocaux, les conversations en temps réel et le service client.

2026-09-21

qwen-audio-3.1-asr-flash-message

Portée de déploiement du service : InternationalReconnaissance vocale
Qwen-Audio-3.1-ASR-Flash-Message est un modèle de reconnaissance vocale générative optimisé pour les messages vocaux, la saisie vocale et les scénarios d'entreprise. Il prend en charge le chinois, l'anglais et d'autres langues, avec des optimisations pour l'indonésien, le japonais, le thaï, le philippin, le vietnamien, le coréen et le malais. Le modèle prend en charge la transcription en streaming incrémentiel, les mots chauds P0/P1, la normalisation du texte, la reconnaissance informée par les transcriptions précédentes et le contexte métier, ainsi qu'un polissage natif optionnel du texte. Il améliore la stabilité de la reconnaissance avec plusieurs locuteurs, des conversations en arrière-plan, de l'audio en champ lointain et du bruit environnemental. Il prend en charge la détection automatique de la langue ou la spécification de langues cibles, et peut transcrire les dialectes chinois tels qu'ils sont parlés ou les convertir en texte mandarin standard.

qwen-audio-3.1-asr-flash-streaming

Portée de déploiement du service : InternationalReconnaissance vocale
Qwen-Audio-3.1-ASR-Flash-Streaming est un modèle de reconnaissance vocale en temps réel de bout en bout conçu pour des scénarios tels que les conférences en temps réel, le sous-titrage en direct et l'interaction intelligente. Il se caractérise par une faible latence et une grande précision dans la transcription vocale en flux continu. Le modèle prend en charge la reconnaissance multilingue et multi-régionale des dialectes chinois, le basculement transparent entre le chinois et l'anglais, l'amélioration par mots-clés et contexte, la prédiction de la ponctuation et la normalisation du texte. Il présente également une forte robustesse au bruit et peut s'adapter à des environnements acoustiques complexes. En outre, cette version prend en charge une sortie ASR/AST contrôlable pour plusieurs dialectes.

qwen-audio-3.1-asr-flash

Portée de déploiement du service : InternationalReconnaissance vocale
Qwen-Audio-3.1-ASR-Flash est un modèle à grande échelle prenant en charge une reconnaissance vocale courte efficace, conçu pour des scénarios de transcription de contenu multilingue et culturel de haute qualité. Le modèle prend en charge la reconnaissance multilingue et multi-régionale des dialectes chinois, et est optimisé pour le rythme, la cadence et l'expression en chinois classique de la poésie chinoise ancienne. Il dispose de capacités d'amélioration du contexte, de prédiction de la ponctuation et de normalisation du texte. Cette version prend également en charge une sortie ASR/AST contrôlable pour plusieurs dialectes. Elle inclut des capacités natives de transcription et de reformulation, ainsi que des capacités de transcription basée sur les rôles pour des dialogues multi-personnes de niveau industriel.

qwen-audio-3.1-asr-flash-filetrans

Portée de déploiement du service : InternationalReconnaissance vocale
Qwen-Audio-3.1-ASR-Flash-Filetrans est un modèle de reconnaissance vocale hors ligne de bout en bout conçu pour des scénarios tels que la transcription de réunions, la production de contenu et l'analyse d'appels. Il prend en charge la reconnaissance multilingue et des dialectes chinois de plusieurs régions. Le modèle offre des capacités de transcription de haute précision, d'amélioration par mots chauds et contexte, de séparation des locuteurs, de prédiction de la ponctuation et de normalisation du texte. Il maintient des performances stables même dans des environnements bruyants complexes, ce qui en fait le choix privilégié pour la transcription audio longue. Cette version prend également en charge une sortie ASR/AST contrôlable pour plusieurs dialectes.

20/08/2026

wan3,0-video-prime

Portée de déploiement du service : InternationalGénération vidéo

Wan3,0-Video-Prime est la version haute vitesse du modèle de génération vidéo Wan3,0, offrant des capacités équivalentes à la version standard Wan3.0-Video. Il prend en charge l'entrée multimodale à quatre références et génère des vidéos allant jusqu'à 30 secondes, procurant une expérience audiovisuelle immersive avec une vitesse de bout en bout nettement améliorée.

19/08/2026

kimi-k3

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Kimi K3 est un modèle phare de Kimi, doté de 2,8 billions de paramètres. Reposant sur les technologies d'attention linéaire hybride KDA (Kimi Delta Attention) et de résidus d'attention, il prend en charge nativement la compréhension visuelle et dispose d'une fenêtre de contexte d'un million de tokens. C'est le premier modèle open source au monde de 3 billions de paramètres conçu pour la programmation à long terme, le travail intellectuel et le raisonnement avancé.

17/08/2026

qwen3,8-27b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Modèle Dense natif vision-langage de 27B appartenant à la série Qwen3.8. Par rapport au modèle 3.6-27B, il met l'accent sur l'amélioration des capacités de codage et des scénarios bureautiques dans les modalités textuelles et visuelles, afin d'exécuter plus fiablement des tâches complexes de bout en bout et de fournir des résultats dignes de confiance.


ZHIPU/GLM-5,3

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

GLM-5,3 est un modèle de codage de Zhipu, affichant une amélioration de 50 % par rapport à GLM-5.2 lors des évaluations perceptuelles internes. En cybersécurité, GLM-5,3 égale Mythos 5 en matière de revue de code en boîte blanche et de découverte de vulnérabilités, démontrant un fort potentiel pour les scénarios de défense en cybersécurité.

14/08/2026

deepseek-v4-pro-0813

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Grand modèle linguistique phare de type Mixture-of-Experts (MoE) comptant 1,6 billion de paramètres au total et 49 milliards de paramètres activés. Il prend en charge nativement des fenêtres de contexte allant jusqu'à 1 million de tokens. Entraîné sur un vaste ensemble de données de haute qualité, ce modèle offre d'excellentes performances en raisonnement mathématique et logique, en raisonnement complexe, en génération de code professionnel et en analyse approfondie de documents longs. Il convient aux scénarios exigeants tels que la recherche scientifique avancée, les workflows d'entreprise complexes et les applications agentiques sophistiquées.

12/08/2026

qwen3,8-2,4t-a95b

Portée de déploiement du service : InternationalGénération de texte

Qwen3,8-2,4T-A95B est la version open source de la série phare de Qwen, publiée en août 2026. Ce modèle adopte une architecture MoE creuse avec 2,4 billions de paramètres au total et environ 95 milliards activés par étape, combinée à un mécanisme d'attention hybride, prenant en charge un contexte d'un million de tokens. Principaux benchmarks : GPQA Diamond 92,6, PaperBench 93,0, OSWorld 86,1, BabyVision 82,0, CodeArena n°4 mondial.

10/08/2026

qwen-audio-3,0-realtime-plus

Portée de déploiement du service : InternationalChat en temps réel

Édition Standard du modèle vocal en temps réel Qwen 3.0 : un modèle vocal duplex de nouvelle génération classé n°1 mondial dans le benchmark Speech-to-Speech d'Artificial Analysis. Il équilibre l'intelligence du modèle et le rythme du dialogue duplex pour garantir une interaction naturelle et une meilleure qualité de réponse.


qwen-audio-3,0-realtime-flash

Portée de déploiement du service : InternationalChat en temps réel

Édition Flash du modèle de dialogue vocal en temps réel Qwen 3.0 : un modèle vocal duplex de nouvelle génération classé n°1 mondial dans le benchmark Speech-to-Speech d'Artificial Analysis. Il associe une intelligence élevée à un rythme duplex optimisé pour offrir une expérience de dialogue « rapide et intelligente » à faible latence (inférence parallèle, optimisation complète du streaming), privilégiant la vitesse de réponse.

07/08/2026

kimi/kimi-k3

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Kimi K3 est un modèle phare de Kimi, doté de 2,8 billions de paramètres et fondé sur le mécanisme d'attention linéaire hybride Kimi Delta Attention (KDA) ainsi que sur la technologie des résidus d'attention. Il prend en charge nativement la compréhension visuelle et offre une fenêtre de contexte allant jusqu'à 1 million de tokens. Premier modèle open source au monde à atteindre l'échelle de 3 billions de paramètres, il est spécifiquement conçu pour des applications intelligentes de pointe telles que la programmation à long terme, le travail intellectuel et le raisonnement.


ZHIPU/GLM-5,2

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Provenant directement de Zhipu AI, GLM-5,2 prend en charge une fenêtre de contexte d'un million de tokens véritablement exploitable et conserve sa position de leader dans les tâches à contexte long.

06/08/2026

wan3,0-video

Portée de déploiement du service : InternationalGénération vidéo

Wan3,0 est un modèle de génération vidéo tout-en-un qui prend en charge de manière uniforme plusieurs fonctions créatives, notamment la référence, le montage, la réplication et le pilotage. Il accepte les entrées multimodales à quatre références, permet de générer des vidéos allant jusqu'à 30 secondes et peut analyser des fichiers, des pages web et des images complexes. Grâce à une cohérence des personnages de niveau production et à un rendu audio-visuel réaliste, il offre un impact audiovisuel immersif.

04/08/2026

qwen-image-3,0

Portée de déploiement du service : InternationalGénération d'images

Compréhension claire des instructions : prend en charge jusqu'à 4,5k tokens en entrée, générant en une seule passe des instructions complexes mêlant image et texte. Rendu de texte stable : texte petit de 10px, 12 langues, plus de 20 polices clairement lisibles, prêt pour les infographies et les interfaces. Production par lots pratique : affiches, pages web, interfaces et autres tâches courantes peuvent être générées en masse à moindre coût, idéal pour une création continue. Qwen-Image-3,0 Standard vise non seulement la qualité de génération, mais aussi la commodité créative quotidienne, faisant de la génération d'images un outil durable de productivité de contenu.

02/08/2026

qwen3,8-max

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Modèle phare MoE de 2,4 billions de paramètres marquant un bond complet dans les capacités de codage et de bureautique, capable de coder de manière autonome pendant plusieurs jours pour livrer des projets complets. Il gère des centaines de tâches professionnelles telles que des travaux juridiques, financiers et de conception, fournissant des résultats de niveau production de bout en bout en une seule conversation. La compréhension visuelle native s'intègre à l'ensemble du pipeline de planification, d'exécution et de vérification, permettant une analyse sémantique approfondie de documents ultra-longs et de vidéos longues. Il assure une planification autonome et une itération en boucle fermée dans les tâches à long terme, évoluant en continu.

01/08/2026

deepseek-v4-flash-0731

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Modèle MoE léger et très efficace comptant 284 milliards de paramètres au total et 13 milliards de paramètres activés, prenant en charge nativement des fenêtres de contexte allant jusqu'à un million de tokens. Il offre une vitesse d'inférence rapide, une faible latence et une invocation économique, assurant des performances globales bien équilibrées. Conçu pour les charges de travail légères à forte concurrence, il est parfaitement adapté aux cas d'usage courants et essentiels tels que le dialogue quotidien, la création de contenu, les applications RAG de base et le traitement de texte par lots.

31/07/2026

qwen3,7-text-embedding

Portée de déploiement du service : InternationalEmbedding de texte

Qwen3-7-Text-Embedding est un modèle vectoriel de texte multilingue basé sur Qwen3,7, offrant des améliorations significatives en matière de recherche de texte, de clustering et de classification par rapport à text-embedding-v4. Il affiche des performances supérieures de 20 % dans les tâches MTEB multilingues, chinois-anglais et de recherche de code, et prend en charge des dimensions vectorielles personnalisables (256-2560).

30/07/2026

qwen-audio-3,0-asr-flash-streaming

qwen-audio-3,0-asr-flash-filetrans

qwen-audio-3,0-asr-flash

Portée de déploiement du service : InternationalReconnaissance vocale

Ajout des modèles Qwen-Audio-3,0-ASR-Flash-Streaming (temps réel), Qwen-Audio-3,0-ASR-Flash-Filetrans (non temps réel) et Qwen-Audio-3,0-ASR-Flash (non temps réel). Prise en charge des dialectes : couvre les sept grands groupes de dialectes chinois (mandarin, wu, xiang, gan, hakka, min et yue) ainsi que plus de 20 accents régionaux. Optimisation pour la poésie classique : améliore la précision de reconnaissance de la poésie chinoise classique, adapté aux scénarios éducatifs, culturels et aux livres audio. Optimisation du texte : renforce la prédiction de la ponctuation et la normalisation du texte, convertissant automatiquement les nombres, dates et montants monétaires aux formats standards. Extension multilingue : prend en charge 30 langues, dont le chinois, l'anglais, le japonais et le coréen. Mots-clés et contexte : accepte les mots-clés (précompilés ou à la volée) et l'entrée de contexte pour améliorer la précision de reconnaissance des termes spécifiques à un domaine.

21/07/2026

qwen3,7-flash

qwen3,7-flash-2026-07-15

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Les modèles Flash de la série native vision-langage Qwen3,7 améliorent globalement la compréhension multimodale et les capacités d'exécution Agent par rapport à 3.6-Flash. Les progrès clés incluent le renforcement des capacités multimodales fondamentales, une meilleure reconnaissance des objets, ainsi qu'une perception du monde réel et une intelligence spatiale accrues. Les scénarios d'Agent multimodal tels que Search Agent et CI Agent ont bénéficié de mises à niveau significatives, avec une exécution des tâches de bout en bout plus stable. Les capacités de codage multimodal sont optimisées, offrant une expérience de vibe coding plus fluide.

20/07/2026

qwen-image-3,0-pro

Portée de déploiement du service : InternationalGénération d'images

Contenu riche : prend en charge une entrée allant jusqu'à 4,5k tokens et une mise en page dense avec des images imbriquées, permettant de générer en une seule passe des mises en page complexes telles que journaux, storyboards, menus et sujets d'examen. Détails authentiques : permet un rendu précis de textes aussi petits que 10px et reproduit fidèlement des détails fins comme les micro-expressions, les pores de la peau et les cheveux individuels, approchant la qualité de la photographie réelle. Connaissances approfondies : prend en charge le rendu natif de 12 langues et de plus de 20 polices, simule de manière réaliste les interfaces courantes telles que les pages web, les jeux et les diffusions en direct, en intégrant pleinement les connaissances externes. Qwen-Image-3,0-Pro ne cherche pas seulement à produire de « belles images », mais vise avant tout l'« utilité », transformant la génération d'images en un véritable outil de productivité déployable.

14/07/2026

qwen-audio-3,0-tts-plus

Portée de déploiement du service : InternationalSynthèse vocale, Synthèse vocale en temps réel

Qwen-Audio-3,0-TTS-Plus est un modèle de synthèse vocale haute performance, conçu pour les scénarios de génération vocale de haute qualité. Par rapport à la version précédente, il prend en charge davantage de langues à faibles ressources et de dialectes chinois, améliore considérablement l'authenticité des dialectes et renforce le suivi des instructions de style libre ainsi que le contrôle granulaire par balises pour un réglage plus précis de l'émotion, du ton, du personnage, de la vitesse d'élocution, du volume et du style de synthèse. Il se montre également plus robuste dans des conditions acoustiques bruyantes et réverbérantes, avec des améliorations supplémentaires de la qualité audio, de la clarté, de la résolution et de l'expressivité globale. La version Plus privilégie la qualité de synthèse et l'expressivité détaillée, convenant aux scénarios professionnels aux exigences élevées en matière de qualité audio, de naturel et d'expressivité, tels que la création de contenu, les livres audio, le doublage cinématographique et vidéo, la conception de voix de marque et les services vocaux premium.


qwen-audio-3,0-tts-flash

Portée de déploiement du service : InternationalSynthèse vocale en temps réel

qwen-audio-3,0-tts-flash est un modèle de synthèse vocale haute performance, optimisé pour les scénarios interactifs en temps réel. Comparé à la version précédente, il prend en charge davantage de langues à faibles ressources et de dialectes chinois, améliore l'authenticité des dialectes et renforce le suivi des instructions de style libre ainsi que le contrôle granulaire par balises pour un réglage plus flexible de l'émotion, du ton, du personnage, de la vitesse d'élocution, du volume et du style expressif. Il est également plus robuste dans des conditions acoustiques bruyantes et réverbérantes, avec une meilleure qualité audio, clarté et expressivité globale. La version Flash se concentre sur la synthèse en temps réel, avec une latence du premier paquet maîtrisée sous les 200 ms, ce qui la rend adaptée aux assistants vocaux, au dialogue en temps réel, au service client intelligent et à d'autres applications interactives à faible latence.

10/07/2026

glm-5,2-fast-preview

Portée de déploiement du service : InternationalGénération de texte

GLM-5,2-Fast-Preview est la variante haute vitesse du modèle GLM-5,2 de Zhipu AI's, offrant un contexte d'un million de tokens et des capacités équivalentes à la version standard. Optimisé pour l'inférence afin de fournir un débit de sortie (TPS) 1,5 à 2 fois supérieur, il convient aux cas d'usage sensibles à la latence tels que le chat en temps réel, les agents multi-tours et la génération de code en streaming.

01/07/2026

wan2,7-t2v-2026-06-12

Portée de déploiement du service : InternationalGénération vidéo

Wan2,7 texte vers vidéo, des performances entièrement repensées. Offre une profondeur émotionnelle nuancée et organique dans les arcs narratifs ainsi qu'un impact viscéral percutant dans les séquences d'action. Sublimé par des coupes cinématographiques rythmées pour une puissance narrative inégalée. Cette version correspond à un snapshot daté du 12 juin 2026.


wan2,7-r2v-2026-06-12

Portée de déploiement du service : InternationalGénération vidéo

Wan2,7 référence vers vidéo, cohérence et performances améliorées. Assure une stabilité supérieure pour les personnages, les accessoires et les décors. Prend en charge le référencement hybride allant jusqu'à 5 entrées mixtes image/vidéo ainsi que le clonage de timbre audio. Associé aux mises à niveau du moteur principal, il atteint une puissance d'expression cinématographique sans précédent. Cette version correspond à un snapshot daté du 12 juin 2026.

2026-06-25

qwen-image-2,0-pro-2026-06-22

Portée de déploiement du service : InternationalGénération d'images

Le modèle complet de la série Qwen-Image-2,0 intègre la génération et l'édition d'images. Il offre des capacités de rendu de texte plus professionnelles avec la prise en charge de commandes de 1k token, des textures plus fines et réalistes, une représentation minutieuse de scènes photoréalistes et une meilleure adhérence sémantique. Cette version complète dispose des capacités de rendu de texte et de textures réalistes les plus avancées de la série 2,0.


kimi-k2,7-code

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

kimi-k2,7-code est un modèle de codage de Kimi. Il suit les instructions de manière plus fiable sur de longs contextes et accomplit les tâches de programmation avec des taux de réussite supérieurs. Il prend en charge les entrées textuelles, visuelles et vidéo, ainsi que le mode réflexion, la conversation et les tâches d'agent.


glm-5,2

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

GLM-5,2 est un modèle phare de Zhipu AI, conçu pour les tâches de longue durée avec une fenêtre de contexte ultra-longue de 1M. Il dispose de puissantes capacités de raisonnement logique, de compréhension de textes longs et de génération de code, tout en équilibrant performance et efficacité d'inférence. Ce modèle excelle dans divers benchmarks multi-tâches et convient parfaitement aux scénarios d'interaction intelligente, d'applications d'entreprise et d'assistance au développement.

2026-06-17

fun-asr-flash-2026-06-15

Portée de déploiement du service : InternationalReconnaissance vocale

La version Bailing ASR, mise à jour en juin 2026, prend entièrement en charge les sept grands systèmes dialectaux du chinois traditionnel (mandarin/wu/xiang/gan/hakka/min/yue) et est compatible avec plus de 20 accents régionaux du mandarin. Elle intègre des optimisations spécifiques pour le rythme, la métrique et l'expression littéraire de la poésie chinoise classique, améliorant ainsi la précision de la reconnaissance poétique pour le patrimoine culturel, les explications pédagogiques et les livres audio. L'amélioration de la prédiction de la ponctuation et de la normalisation du texte rend la sortie plus conforme aux habitudes de l'écrit ; les nombres, dates et montants sont automatiquement convertis dans des formats standard, ce qui renforce la lisibilité et le professionnalisme. La prise en charge linguistique couvre désormais 30 langues, dont l'anglais, le japonais, le coréen, le vietnamien, le thaï, l'indonésien, le malais, le filipino, l'hindi, l'arabe, le français, l'allemand, l'espagnol, le portugais, le russe, l'italien, le néerlandais, le suédois, le danois, le finnois, le norvégien, le grec, le polonais, le tchèque, le hongrois, le roumain, le bulgare, le croate et le slovaque. Le modèle gère également la contextualisation et permet de transcrire des fichiers audio d'une durée maximale de 5 minutes.

2026-06-16

happyhorse-1,1-t2v

Portée de déploiement du service : InternationalGénération de vidéos

HappyHorse-1,1-T2V assure la génération de vidéo à partir de texte grâce à une meilleure compréhension sémantique, un contrôle cinématographique des plans et un rendu dynamique des mouvements. Il capture l'intention créative avec plus de précision pour produire des vidéos de haute qualité, caractérisées par des mouvements plus fluides, des détails plus riches, une cohérence visuelle renforcée, ainsi que des actions de personnages, une atmosphère de scène et une dynamique physique plus naturelles.


happyhorse-1,1-r2v

Portée de déploiement du service : InternationalGénération de vidéos

HappyHorse-1,1-R2V permet la génération de vidéo à partir de références avec une stabilité nettement améliorée concernant le sujet, le style de scène et la cohérence visuelle. Pouvant traiter jusqu'à 9 images de référence, il comprend et préserve mieux l'intention créative, offrant ainsi une contrôlabilité et une expressivité accrues pour les personnages, les scènes, les styles et les mouvements cinématographiques.


happyhorse-1,1-i2v

Portée de déploiement du service : InternationalGénération de vidéos

HappyHorse-1,1-I2V réalise la génération de vidéo à partir d'image avec une qualité visuelle, une performance dynamique et une cohérence inter-séquences améliorées. Il interprète l'image d'entrée avec plus de précision tout en préservant l'intention créative, apportant des améliorations significatives au réalisme des textures de peau, à la cohérence de l'ID du personnage entre les séquences, à la fluidité des mouvements, à la stabilité du rendu de texte et à la synchronisation audiovisuelle. Les vidéos produites gagnent ainsi en réalisme, en richesse de détails et en cohérence globale.

2026-06-10

qwen3,7-max-2026-06-08

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Le modèle Max, le plus grand et le plus performant de la série Qwen3,7, a intégré la compréhension visuelle modale par rapport au snapshot du 20 mai. Il perçoit désormais les scènes du monde réel et prend en charge les capacités d'agent hybride interactif multimodal. Cette version repose sur un snapshot daté du 8 juin 2026.

2026-06-01

qwen3,7-plus

qwen3,7-plus-2026-05-26

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Au sein de la série Qwen3,7, le modèle Plus offre un excellent rapport coût-efficacité. Il s'appuie sur de solides capacités textuelles tout en bénéficiant d'une mise à niveau complète de ses aptitudes vision-langage, sans perdre son intelligence de niveau agent pour le codage, l'utilisation d'outils et les flux de travail de productivité. Sa principale distinction réside dans ses capacités d'agent hybride interactif multimodal : il perçoit les scènes réelles, lit les écrans, interagit avec les interfaces graphiques, génère du code à partir de références visuelles et exécute une navigation de bout en bout dans les applications mobiles.

2026-05-21

qwen3,7-max

qwen3,7-max-2026-05-20

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Modèle le plus vaste et le plus capable de la série Qwen3,7, le modèle Max propose actuellement une interface purement textuelle pour l'expérimentation publique. Qwen3,7 est un modèle phare de nouvelle génération conçu pour l'ère centrée sur les agents. Ses atouts majeurs résident dans l'étendue et la profondeur de ses capacités de niveau agent : il excelle dans la programmation, les tâches bureautiques et de productivité, ainsi que dans l'exécution autonome à long terme.

2026-05-20

qwen3,7-max-preview

qwen3,7-max-2026-05-17

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Disponible en version preview, le modèle Max est la variante la plus puissante de la série Qwen3,7. Il prend uniquement en charge le mode réflexion et offre une interface purement textuelle pour l'expérimentation. Ce modèle est principalement optimisé pour les cas d'usage conversationnels généraux tels que les questions-réponses basées sur les connaissances, le suivi d'instructions et la rédaction créative.

2026-05-19

qwen3,5-livetranslate-flash-realtime

qwen3,5-livetranslate-flash-realtime-2026-05-19

Portée de déploiement du service : InternationalTraduction vocale en temps réel

Version en temps réel de Qwen3,5-LiveTranslate-Flash, ce modèle d'interprétation simultanée audio et vidéo multilingue se distingue par sa haute précision, sa grande réactivité et sa robustesse. S'appuyant sur l'infrastructure puissante de Qwen3,5-Omni, ses données multimodales massives, ses technologies d'alignement interlangues et intermodales ainsi que d'amélioration visuelle, Qwen3,5-LiveTranslate-Flash offre des capacités de traduction audio et vidéo hors ligne et en temps réel. Il comprend 60 langues et peut s'exprimer dans 29 langues.

2026-05-11

deepseek-v4-pro

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Ce grand modèle MoE phare compte 1,6 billion de paramètres dont 49 milliards activés, et prend nativement en charge des contextes allant jusqu'à un million de tokens. Entraîné sur un vaste corpus de données de haute qualité, il excelle dans le raisonnement mathématique avancé, l'inférence logique complexe, le codage spécialisé et l'analyse approfondie de textes longs. Il convient parfaitement aux applications exigeantes telles que la recherche de pointe, les flux de travail bureautiques sophistiqués et les agents IA avancés.


deepseek-v4-flash

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Modèle MoE léger et très efficace totalisant 284 milliards de paramètres (dont 13 milliards activés), il gère nativement des fenêtres de contexte d'un million de tokens. Rapide en inférence, à faible latence et économique, il offre des performances globales équilibrées. Conçu pour les charges de travail légères à forte concurrence, il est idéal pour les cas d'usage essentiels comme le dialogue courant, la création de contenu, les applications RAG de base et le traitement de texte par lots.

2026-04-26

wan2,7-t2v-2026-04-25

Portée de déploiement du service : InternationalGénération de vidéos

Wan2,7 text-to-video offre des performances entièrement repensées. Il apporte une profondeur émotionnelle nuancée et organique aux arcs narratifs, ainsi qu'un impact viscéral et percutant aux séquences d'action. Des coupes cinématographiques rythmées renforcent sa puissance narrative inégalée. Cette version correspond au snapshot du 25 avril 2026.


wan2,7-i2v-2026-04-25

Portée de déploiement du service : InternationalGénération de vidéos

Wan2,7 image-to-video bénéficie de performances totalement revues. Il insuffle une profondeur émotionnelle nuancée et naturelle aux récits et confère un impact intense et réaliste aux scènes d'action. Son montage cinématographique rythmé lui confère une capacité narrative sans pareille. Il s'agit du snapshot daté du 25 avril 2026.


happyhorse-1,0-video-edit

Portée de déploiement du service : InternationalGénération de vidéos

HappyHorse-1.0-V2V permet l'édition vidéo avancée via des instructions en langage naturel. Il autorise la modification locale ou globale d'éléments vidéo à l'aide de 5 images de référence maximum, tout en préservant avec précision la dynamique de mouvement originale pour une expressivité supérieure.


happyhorse-1,0-r2v

Portée de déploiement du service : InternationalGénération de vidéos

HappyHorse-1,0-R2V assure la génération de vidéo à partir de références avec une stabilité accrue pour le sujet et le style de scène. Capable de traiter jusqu'à 9 images de référence, il préserve fidèlement l'intention créative afin d'offrir des performances optimales.

2026-04-23

qwen3,5-plus-2026-04-20

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Le modèle Plus de la série native vision-langage Qwen3,5 présente des capacités de codage agentique nettement améliorées par rapport au snapshot du 15 février. La vitesse d'inférence a également progressé de manière significative, tandis que la rétention des connaissances, le raisonnement et le traitement des contextes longs restent excellents, ce qui le rend adapté aux tâches complexes basées sur des agents. Recommandé pour les agents de codage, les flux de production et les scénarios à haut débit, ce modèle repose sur le snapshot du 20 avril 2026.


qwen-image-2,0-pro

qwen-image-2,0-pro-2026-04-22

Portée de déploiement du service : InternationalGénération d'images

Les modèles complets de la série Qwen-Image-2,0 combinent génération et édition d'images. Ils offrent un meilleur rendu du texte avec la prise en charge de prompts de 1 000 tokens, des textures réalistes plus raffinées, une représentation détaillée de scènes photoréalistes et une adhérence sémantique renforcée. La version complète fournit le meilleur rendu de texte et les textures les plus réalistes de la série 2,0.

2026-04-22

qwen3,6-27b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Le modèle dense natif vision-langage Qwen3,6 27B évolue par rapport à la version 3.5-27B avec des améliorations clés en matière de codage agentique, de raisonnement STEM et d'inférence. Sur le plan visuel, il progresse significativement en intelligence spatiale, localisation et détection d'objets. Parallèlement, la compréhension vidéo, l'OCR de documents et les capacités d'agent visuel continuent de s'améliorer régulièrement.


happyhorse-1,0-t2v

Portée de déploiement du service : InternationalGénération de vidéos

HappyHorse-1,0-T2V génère des vidéos à partir de texte avec un rendu dynamique hautement réaliste. Il comprend précisément la sémantique du texte pour produire des vidéos de haute qualité, fluides, naturelles et riches en détails.


happyhorse-1,0-i2v

Portée de déploiement du service : InternationalGénération de vidéos

HappyHorse-1,0-I2V transforme des images en vidéos grâce à un rendu dynamique très réaliste. Il analyse finement la sémantique du texte et de l'image pour créer des vidéos de haute qualité, à la fois fluides, naturelles et détaillées.

2026-04-17

qwen3,6-flash

qwen3,6-flash-2026-04-16

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

La série de modèles Flash natifs vision-langage Qwen3,6 offre un gain de performance significatif par rapport à la version 3.5-Flash. Ce modèle se distingue particulièrement par ses capacités de codage agentique, surpassant largement son prédécesseur sur plusieurs benchmarks d'agents de code, ainsi qu'en raisonnement mathématique et algorithmique. Visuellement, son intelligence spatiale est nettement supérieure, avec des progrès notables en localisation et détection d'objets.


qwen3,6-35b-a3b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Le modèle natif vision-langage Qwen3,6 35B-A3B repose sur une architecture hybride combinant des mécanismes d'attention linéaire et un cadre sparse mixture-of-experts pour une efficacité d'inférence accrue. Comparé au 3,5-35B-A3B, il affiche des capacités de codage agentique, de raisonnement mathématique et de code, d'intelligence spatiale ainsi que de localisation et détection d'objets considérablement améliorées.

2026-04-15

voice-enrollment

Portée de déploiement du service : InternationalSynthèse vocale

Service de clonage vocal par grand modèle, conçu pour fonctionner avec Cosyvoice-v3. Grâce aux technologies avancées d'extraction de caractéristiques des grands modèles, il permet de reproduire une voix sans phase d'entraînement. Un très court extrait audio suffit pour générer rapidement une voix personnalisée hautement fidèle et naturelle.

2026-04-14

qwen3,6-max-preview

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Le modèle Max, variante la plus puissante et la plus complète de la série Qwen3,6, est désormais disponible en version preview. Actuellement, seules ses capacités en texte brut sont ouvertes à l'expérimentation. Par rapport aux versions précédentes Qwen3-Max et Qwen3,6-Plus, ce modèle offre des compétences améliorées en vibe coding, une exécution plus efficace des agents de codage et des aptitudes nettement supérieures en développement front-end. De plus, sa rétention des connaissances de longue traîne a été renforcée.


glm-5,1

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Développé par Zhipu AI, GLM-5,1 est un modèle spécifiquement conçu pour les tâches de long terme. Doté de 744 milliards de paramètres, il prend en charge un contexte ultra-long de 200k tokens et peut générer jusqu'à 128k tokens en une seule réponse. Ce modèle excelle dans le raisonnement logique, la compréhension de textes longs et la génération de code, tout en conciliant performance et efficacité d'inférence. Il obtient d'excellents résultats sur plusieurs benchmarks multi-tâches et convient parfaitement aux applications telles que l'interaction homme-machine intelligente, les solutions d'entreprise et l'assistance aux développeurs.

2026-04-03

wan2,7-videoedit

Portée de déploiement du service : InternationalGénération vidéo

Wan2,7 video edit permet l'édition localisée et globale via prompt. Remplacez seamlessly des éléments à l'aide de références d'images et reproduisez des processus dynamiques complexes, incluant les mouvements, les effets spéciaux et les mouvements de caméra.


wan2,7-t2v

Portée de déploiement du service : InternationalGénération vidéo

Wan2,7 text to video offre des performances entièrement repensées. Il restitue une profondeur émotionnelle nuancée et organique dans les arcs narratifs, ainsi qu'un impact viscéral et percutant dans les séquences d'action. Des coupes cinématographiques rythmées renforcent sa puissance narrative inégalée.


wan2,7-r2v

Portée de déploiement du service : InternationalGénération vidéo

Wan2,7 reference to video améliore la cohérence et les performances. Il garantit une stabilité supérieure pour les personnages, les accessoires et les décors. Ce modèle prend en charge le référencement hybride de jusqu'à 5 entrées mixtes images/vidéo ainsi que le clonage du timbre vocal. Combiné aux mises à niveau du moteur principal, il atteint une puissance d'expression cinématographique sans précédent.


wan2,7-i2v

Portée de déploiement du service : InternationalGénération vidéo

Wan2,7 image to video propose des performances entièrement repensées. Il offre une profondeur émotionnelle nuancée et organique dans les arcs narratifs, ainsi qu'un impact viscéral et percutant dans les séquences d'action. Des coupes cinématographiques rythmées subliment sa puissance narrative inégalée.

2026-04-01

wan2,7-image-pro

Portée de déploiement du service : InternationalGénération d'images

Wan2,7–image-pro prend en charge la conversion texte vers image, texte/image vers images séquentielles, l'édition d'images, la génération par référence multi-images et l'édition interactive. Il offre des performances améliorées en rendu de texte, en cohérence du sujet et en suivi d'instructions complexes.


wan2,7-image

Portée de déploiement du service : InternationalGénération d'images

Wan2,7 – génération et édition d'images, prend en charge la conversion texte vers image, texte/image vers images séquentielles, l'édition d'images, la génération par référence multi-images et l'édition interactive. Ce modèle délivre des performances accrues en matière de rendu de texte, de cohérence du sujet et de respect des instructions complexes.


qwen3,6-plus

qwen3,6-plus-2026-04-02

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Les modèles natifs vision-langage de la série Plus Qwen3,6 affichent des performances exceptionnelles, au niveau des meilleurs modèles actuels, avec une amélioration significative des résultats globaux par rapport à la série 3.5. Leurs capacités liées au code (codage agentique, programmation front-end et vibe coding) ont été considérablement renforcées, tout comme la reconnaissance générale d'objets multimodale, l'OCR et la localisation d'objets.

2026-03-26

qwen3,5-omni-plus-realtime

Portée de déploiement du service : InternationalOmni-modal temps réel

Qwen 3.5-Omni constitue un grand modèle multimodal Qwen, prenant en charge la compréhension et l'interaction textuelles, visuelles, audio et audiovisuelles. Évolution complète de Qwen3-Omni, il accepte les entrées audio dans plus de 60 langues, produit une sortie vocale dans plus de 30 langues et permet un dialogue vocal contrôlable. Il intègre également WebSearch, l'invocation complexe de FunctionCall et des capacités d'interruption sémantique intelligente. Largement utilisé pour la création de texte, les assistants vocaux et l'analyse multimédia, il offre une expérience d'interaction multimodale naturelle et fluide.


qwen3,5-omni-plus

qwen3,5-omni-plus-2026-03-15

Portée de déploiement du service : InternationalOmni-modal

Qwen 3.5-Omni représente un grand modèle multimodal Qwen, assurant la compréhension et l'interaction textuelles, visuelles, audio et audiovisuelles. En tant qu'évolution complète de Qwen 3-Omni, il gère plus de 10 heures de compréhension audio et plus de 400 secondes de compréhension audiovisuelle et de dialogue en 720P (1 FPS). Sa couverture linguistique s'étend désormais à plus de 60 langues en entrée audio et plus de 30 langues en sortie vocale. Doté de puissantes capacités de compréhension audiovisuelle structurée, il est largement déployé pour la création de texte, les assistants vocaux et l'analyse multimédia, offrant ainsi une expérience de compréhension et d'interaction multimodale naturelle et fluide.


qwen3,5-omni-flash-realtime

qwen3,5-omni-flash-realtime-2026-03-15

Portée de déploiement du service : InternationalOmni-modal temps réel

Qwen 3.5-Omni est un grand modèle multimodal Qwen, conçu pour la compréhension et l'interaction textuelles, visuelles, audio et audiovisuelles. Version pleinement évoluée de Qwen3-Omni, il supporte les entrées audio dans plus de 60 langues, la synthèse vocale dans plus de 30 langues, ainsi que le dialogue vocal contrôlable. Il intègre aussi WebSearch, l'appel complexe de FunctionCall et des mécanismes d'interruption sémantique intelligents. Très répandu dans la création de texte, les assistants vocaux et l'analyse multimédia, il procure une expérience d'interaction multimodale naturelle et fluide.


qwen3,5-omni-flash

qwen3,5-omni-flash-2026-03-15

Portée de déploiement du service : InternationalOmni-modal

Qwen 3.5-Omni incarne un grand modèle multimodal Qwen, permettant la compréhension et l'interaction textuelles, visuelles, audio et audiovisuelles. Évolution majeure de Qwen 3-Omni, il traite plus de 10 heures d'audio et assure plus de 400 secondes de compréhension audiovisuelle et de dialogue en 720P (1 FPS). Son périmètre linguistique couvre désormais plus de 60 langues en entrée audio et plus de 30 langues en sortie vocale. Grâce à ses solides capacités de compréhension audiovisuelle structurée, il s'adapte parfaitement à la création de texte, aux assistants vocaux et à l'analyse multimédia, pour une expérience de compréhension et d'interaction multimodale naturelle et fluide.

2026-03-25

qwen3,5-omni-plus-realtime-2026-03-15

Portée de déploiement du service : InternationalOmni-modal temps réel

Qwen 3.5-Omni correspond à un grand modèle multimodal Qwen, facilitant la compréhension et l'interaction textuelles, visuelles, audio et audiovisuelles. En tant que version aboutie de Qwen3-Omni, il gère les entrées audio dans plus de 60 langues, la sortie vocale dans plus de 30 langues, le dialogue vocal contrôlable, WebSearch et l'invocation complexe de FunctionCall, tout en intégrant des capacités d'interruption sémantique intelligente. Il est couramment employé pour la création de texte, les assistants vocaux et l'analyse multimédia, garantissant une expérience d'interaction multimodale naturelle et fluide. Cette version correspond à un snapshot daté du 15 mars 2026.

2026-03-20

deepseek-v3.2

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

DeepSeek-V3.2 marque la sortie officielle d'un modèle intégrant DeepSeek Sparse Attention, un mécanisme d'attention éparse. C'est également le premier modèle lancé par DeepSeek qui incorpore le raisonnement dans l'utilisation des outils, prenant en charge à la fois les appels d'outils avec et sans raisonnement.

2026-03-03

qwen-image-2,0-pro-2026-03-03

Portée de déploiement du service : InternationalGénération d'images

Les modèles complets de la série Qwen-Image-2,0 fusionnent génération et édition d'images. Ils offrent un rendu de texte amélioré avec prise en charge de prompts de 1 000 tokens, des textures réalistes plus fines, une représentation détaillée de scènes photoréalistes et une meilleure adhérence sémantique. La version complète fournit le meilleur rendu de texte et les textures les plus réalistes de la série 2.0. Cette version est un snapshot daté du 3 mars 2026.


qwen-image-2.0

qwen-image-2,0-2026-03-03

Portée de déploiement du service : InternationalGénération d'images

La série de modèles accélérés Qwen-Image-2,0 combine génération et édition d'images. Elle propose des capacités de rendu de texte optimisées acceptant des prompts de 1 000 tokens, des textures plus réalistes, des scènes photoréalistes finement détaillées et une cohérence sémantique accrue. Cette version accélérée trouve l'équilibre optimal entre performances du modèle et qualité visuelle.

2026-03-02

qwen3-asr-flash-2026-02-10

Portée de déploiement du service : InternationalReconnaissance vocale

Qwen3-ASR-Flash est un modèle de reconnaissance vocale multilingue hautement précis, intelligent et robuste, fondé sur un grand modèle de langage. S'appuyant sur un modèle de base puissant, d'immenses volumes de données textuelles et multimodales, ainsi que des dizaines de millions d'heures de données audio, Qwen3-ASR-Flash assure une reconnaissance vocale extrêmement précise. Il détecte automatiquement la langue, identifie correctement la parole dans plusieurs langues et garantit une transcription fidèle même dans des environnements audio complexes. Cette version correspond à un snapshot du 10 février 2026.

2026-02-23

qwen3,5-flash

qwen3,5-flash-2026-02-23

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Les modèles Flash natifs vision-langage Qwen3,5 reposent sur une architecture hybride associant un mécanisme d'attention linéaire à un modèle sparse mixture-of-experts, afin d'accroître l'efficacité de l'inférence. Comparés à la série 3, ces modèles marquent un bond en avant significatif pour les tâches purement textuelles et multimodales. Ils offrent des temps de réponse rapides tout en maintenant un excellent compromis entre vitesse d'inférence et performances globales.


qwen3,5-35b-a3b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Le modèle Qwen3,5 Series 35B-A3B est un modèle natif vision-langage conçu avec une architecture hybride combinant des mécanismes d'attention linéaire et un modèle sparse mixture-of-experts, ce qui lui confère une efficacité d'inférence supérieure. Ses performances globales sont comparables à celles du Qwen3,5-27B.


qwen3,5-27b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Le modèle Dense natif vision-langage Qwen3,5 27B intègre un mécanisme d'attention linéaire, offrant des temps de réponse rapides tout en équilibrant vitesse d'inférence et performances. Ses capacités globales sont comparables à celles du Qwen3,5-122B-A10B.


qwen3,5-122b-a10b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Le modèle natif vision-langage Qwen3,5 122B-A10B s'appuie sur une architecture hybride alliant mécanisme d'attention linéaire et modèle sparse mixture-of-experts pour une efficacité d'inférence accrue. En termes de performances globales, ce modèle arrive juste derrière le Qwen3,5-397B-A17B. Ses capacités textuelles surpassent nettement celles du Qwen3-235B-2507, tandis que ses capacités visuelles dépassent celles du Qwen3-VL-235B.

2026-02-20

qwen3-coder-next

Portée de déploiement du service : InternationalGénération de texte

Ce modèle de génération de code de nouvelle génération de la série Qwen3 offre des performances proches de celles du Qwen3-Coder-Plus, avec des capacités encore supérieures. Optimisé pour la compréhension au niveau du dépôt, il prend en charge les interactions d'outils multi-tours et renforce sa compatibilité avec les outils de codage agentique.

2026-02-15

qwen3,5-plus

qwen3,5-plus-2026-02-15

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Les modèles Plus de la série native vision-langage Qwen3,5 reposent sur une architecture hybride combinant des mécanismes d'attention linéaire et des modèles sparse mixture-of-experts, garantissant une meilleure efficacité d'inférence. Lors de diverses évaluations, la série 3,5 affiche systématiquement des performances équivalentes aux meilleurs modèles de pointe. Par rapport à la série 3, ces modèles réalisent un véritable bond en avant tant sur le plan purement textuel que multimodal.


qwen3,5-397b-a17b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement, Compréhension visuelle

Le modèle natif vision-langage Qwen3,5 série 397B-A17B repose sur une architecture hybride combinant un mécanisme d'attention linéaire et un modèle sparse mixture-of-experts, ce qui garantit une efficacité d'inférence supérieure. Il offre des performances de pointe comparables aux meilleurs modèles du marché sur un large éventail de tâches : compréhension du langage, raisonnement logique, génération de code, tâches agentiques, compréhension d'images et de vidéos, ainsi que les interactions avec des interfaces graphiques (GUI). Grâce à ses capacités avancées en génération de code et en orchestration d'agents, ce modèle fait preuve d'une forte généralisation dans divers scénarios agentiques.

2026-02-13

qwen3-asr-flash-realtime-2026-02-10

Portée de déploiement du service : InternationalReconnaissance vocale

La version temps réel de Qwen3-ASR-Flash est un modèle de reconnaissance vocale multilingue précis, intelligent et robuste, fondé sur un grand modèle de langage. En s'appuyant sur un modèle foundational puissant, d'importants volumes de données textuelles et multimodales, ainsi que des dizaines de millions d'heures de données audio, Qwen3-ASR-Flash assure une reconnaissance vocale hautement précise. Il détecte automatiquement la langue, identifie correctement la parole dans plusieurs langues et garantit une transcription fidèle même dans des environnements sonores complexes. Cette version correspond au snapshot daté du 10 février 2026.

2026-02-10

qwen3-tts-vd-2026-01-26

Portée de déploiement du service : InternationalSynthèse vocale

Qwen3-TTS-VD est un modèle de synthèse vocale en temps réel de Tongyi. Il permet une synthèse vocale haute fidélité en temps réel à partir des voix conçues via le service qwen3-voice-design, et prend en charge la sortie vocale dans 11 langues avec la même voix. Entraîné sur d'importants volumes de données, ce modèle adapte automatiquement l'intonation de l'audio synthétisé selon le texte, démontrant ainsi de solides capacités de traitement pour la synthèse de textes complexes. Il s'agit d'une version snapshot datée du 26 janvier 2026.


qwen3-tts-vc-2026-01-22

Portée de déploiement du service : InternationalSynthèse vocale

Le modèle Qwen3-TTS-Flash constitue une solution de synthèse vocale en temps réel proposée par Tongyi. Il réalise une synthèse haute fidélité en temps réel sur des voix répliquées depuis le service qwen-voice-enrollment, tout en assurant une sortie vocale dans 11 langues avec le même timbre. Grâce à son entraînement sur des masses considérables de données, l'audio synthétisé ajuste dynamiquement son intonation en fonction du texte, offrant d'excellentes performances pour la synthèse de contenus textuels complexes. Cette version snapshot date du 22 janvier 2026.


qwen3-tts-instruct-flash

qwen3-tts-instruct-flash-2026-01-26

Portée de déploiement du service : InternationalSynthèse vocale

Qwen3-TTS-Flash représente une innovation de Tongyi en matière de synthèse vocale temps réel. La variante Instruct contrôle l'effet de synthèse via le langage naturel, garantissant une expressivité émotionnelle parfaitement adaptée à chaque contexte. Elle propose actuellement 25 timbres compatibles avec les ajustements Instruct en chinois et en anglais.


cosyvoice-v3-plus

Portée de déploiement du service : InternationalSynthèse vocale

Capacité de clonage : CosyVoice-v3-plus est un grand modèle de clonage vocal de la série CosyVoice développée par Tongyi Lab. Destiné aux usages professionnels, il offre une qualité sonore et une fidélité de clonage exceptionnelles. À partir de seulement 5 à 20 secondes d'audio de référence, il génère rapidement une voix personnalisée extrêmement ressemblante et naturelle. Capacité de synthèse : CosyVoice-v3-plus est également le modèle de synthèse vocale de cette même série. Conçu pour les scénarios exigeants, il se distingue par une qualité audio et une expressivité améliorées, tout en prenant en charge la synthèse texte-parole en streaming et en temps réel.

2026-02-09

cosyvoice-v3-flash

Portée de déploiement du service : InternationalSynthèse vocale

Capacités de synthèse : CosyVoice-v3-Flash est le modèle de synthèse vocale haute performance de la gamme CosyVoice de Tongyi Labs. Par rapport aux versions précédentes, il améliore significativement le naturel, le timbre, la prosodie et l'expressivité émotionnelle, tout en supportant la synthèse texte-parole en streaming temps réel. Capacités de clonage : Ce modèle constitue aussi une itération dédiée au clonage vocal chez Tongyi Labs. Outre une meilleure précision de prononciation et une similarité accrue du timbre, il étend la prise en charge à des langues moins répandues (allemand, espagnol, français, italien, russe, japonais). Quelques secondes d'audio de référence (5 à 20 s) suffisent pour produire une voix personnalisée très fidèle et naturelle.

2026-01-30

qwen-plus-character

Portée de déploiement du service : InternationalGénération de texte

Modèle de jeu de rôle de la série Qwen. Cette version bénéficie de mises à jour dynamiques ; toute modification future fera l'objet d'une notification préalable. Optimisé pour l'interaction anthropomorphique, il excelle dans le respect des consignes de personnage prédéfinies, la progression fluide des conversations, ainsi que l'écoute active et l'empathie. De plus, il permet une restitution approfondie de personnages personnalisés.

2026-01-29

wan2,6-r2v-flash

Portée de déploiement du service : InternationalGénération vidéo

Wan2,6 reference to video flash offre une génération plus rapide et économique. Il accepte comme référence une personne spécifique ou n'importe quel objet, en maintenant avec précision la cohérence de l'apparence et de la voix. Le modèle autorise également les références multi-personnages pour des scènes conjointes.

2026-01-27

qwen3-rerank

Portée de déploiement du service : InternationalEmbedding de texte

Entraîné sur la base du LLM Qwen, ce modèle de classement de texte évalue la pertinence entre des requêtes et des documents candidats. Compatible avec plus de 100 langues et les textes longs, il convient parfaitement à la recherche textuelle et aux applications RAG. Ses performances s'alignent sur celles des modèles open source de la série Qwen3-Rerank.

2026-01-23

qwen3-max-2026-01-23

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Par rapport au snapshot du 23 septembre 2025, le modèle Max de la série Qwen-3 intègre efficacement les modes réflexion et non-réflexion, ce qui entraîne une amélioration globale substantielle de ses performances. En mode réflexion, il combine recherche web, extraction d'informations en ligne et interpréteur de code. Cette combinaison lui permet de résoudre des problèmes complexes avec une précision accrue en s'appuyant sur des outils externes lors d'un raisonnement délibératif approfondi. Cette édition repose sur le snapshot du 23 janvier 2026.

2026-01-22

qwen3-vl-flash-2026-01-22

Portée de déploiement du service : InternationalCompréhension visuelle

Les modèles compacts de compréhension visuelle de la série Qwen3 fusionnent harmonieusement les modes réflexion et non-réflexion. Depuis le snapshot du 15 octobre 2025, leurs performances globales ont nettement progressé : la reconnaissance visuelle générale et le raisonnement sont renforcés, tandis que la précision s'améliore sensiblement dans divers cas d'usage métier tels que la sécurité, les inspections en magasin, la surveillance d'équipements ou la résolution de problèmes par photo. Version snapshot arrêtée au 22 janvier 2026.

2026-01-21

qwen3-tts-instruct-flash-realtime

qwen3-tts-instruct-flash-realtime-2026-01-22

Portée de déploiement du service : InternationalSynthèse vocale

Le modèle qwen3-TTS-Flash incarne un modèle de synthèse vocale temps réel signé Tongyi. Sa variante Instruct pilote le rendu synthétique au moyen d'instructions en langage naturel, assurant une expressivité et une tonalité émotionnelle toujours adaptées au contexte. Vingt-cinq timbres sont disponibles pour les ajustements Instruct en chinois et en anglais. Ce modèle correspond exactement au snapshot publié le 22 janvier 2026.

2026-01-15

wan2,6-i2v-flash

Portée de déploiement du service : InternationalGénération vidéo

Wan2,6 image to video flash accélère la génération vidéo tout en réduisant les coûts. Son ordonnancement intelligent des plans facilite la narration multi-caméras. Les dialogues multi-intervenants restent stables grâce à des timbres vocaux plus naturels et réalistes. La durée des clips générés peut atteindre 15 secondes.


qwen-image-edit-max

qwen-image-edit-max-2026-01-16

Portée de déploiement du service : InternationalGénération d'images

Les modèles d'édition d'images Max de la série Qwen offrent des capacités d'édition plus stables et polyvalentes : le raisonnement géométrique et le design industriel sont améliorés, la cohérence des personnages est renforcée et les problèmes de décalage sont réduits. L'intégration native des fonctionnalités LoRA élargit encore l'éventail des opérations d'édition possibles.

2026-01-14

qwen3-tts-vd-realtime-2026-01-15

Portée de déploiement du service : InternationalSynthèse vocale

Qwen3-TTS-VD est le modèle de synthèse vocale temps réel développé par Tongyi. Il produit une synthèse haute fidélité en temps réel à partir des voix créées via le service qwen3-voice-design, avec une prise en charge de 11 langues sous la même identité vocale. Fruit d'un entraînement massif, il module intelligemment l'intonation selon le contenu textuel, maîtrisant ainsi la synthèse de passages complexes. Version snapshot figée au 15 janvier 2026.


qwen3-tts-vc-realtime-2026-01-15

Portée de déploiement du service : InternationalSynthèse vocale

Qwen3-TTS-Flash est la nouvelle référence de Tongyi pour la synthèse vocale en temps réel. Il applique une synthèse haute fidélité aux voix dupliquées depuis le service qwen-voice-enrollment et gère 11 langues sans altérer le timbre d'origine. Son entraînement sur de vastes corpus lui permet d'adapter l'intonation au texte source, traitant avec brio les synthèses complexes. Il s'agit du snapshot du 15 janvier 2026.

2026-01-13

qwen-flash-character

Portée de déploiement du service : InternationalGénération de texte

Spécialement optimisée pour les interactions anthropomorphiques multilingues, la série de modèles de jeu de rôle Qwen affiche des performances remarquables. Elle maintient la cohérence du personnage, adapte le dialogue au contexte et fait preuve d'empathie pour une incarnation personnalisée précise. Cette mouture perfectionne notamment la localisation linguistique japonaise (dialectes et formules de politesse inclus), l'authenticité du jeu de rôle, la maîtrise de la narration et l'intelligence cognitive situationnelle.

2026-01-09

qwen-image-plus-2026-01-09

Portée de déploiement du service : InternationalGénération d'images

La série de modèles de génération d'images Qwen se distingue par d'excellentes capacités de rendu typographique, maîtrisant aussi bien les textes complexes que diverses tâches de génération et d'édition. Dérivée de Qwen-Image-Max par distillation et accélération, cette version snapshot du 9 janvier 2026 permet de générer des images de haute qualité beaucoup plus rapidement.

2025

2025-12-30

qwen-image-max

qwen-image-max-2025-12-30

Portée de déploiement du service : InternationalGénération d'images

Le modèle de génération d'images Max de la série Qwen excelle dans de multiples tâches de création. Comparé à la gamme Plus, il atténue considérablement l'aspect artificiel typique de l'IA pour un réalisme accru. Les sujets humains présentent des textures matérielles plus vraies que nature, les éléments naturels gagnent en finesse et le rendu typographique devient particulièrement esthétique.

2025-12-22

z-image-turbo

Portée de déploiement du service : InternationalGénération d'images

Z-Image-Turbo est un modèle de génération d'images ultra-efficace, classé premier mondial des modèles texte-image open source selon le benchmark Artificial Analysis. Malgré seulement 6 milliards de paramètres et un processus d'inférence en 8 étapes, il produit des images photoréalistes rivalisant avec les grands modèles commerciaux. Il brille également par son rendu typographique bilingue chinois-anglais, sa compréhension sémantique complexe et sa capacité à traiter des thématiques variées.

2025-12-18

qwen3-vl-plus-2025-12-19

Portée de déploiement du service : InternationalRaisonnement, Compréhension visuelle

Les modèles de compréhension visuelle de la série Qwen3 articulent efficacement les modes réflexion et non-réflexion. Face au snapshot du 23 septembre précédent, cette édition surpasse en raisonnement analytique et en contrôle stylistique, tout en diminuant la latence pour des réponses plus rapides. Elle s'appuie sur le snapshot arrêté au 19 décembre 2025.

2025-12-16

wan2,6-r2v

Portée de déploiement du service : InternationalGénération vidéo

Wan2,6 reference to video permet d'utiliser une personne désignée ou un objet quelconque comme référence visuelle et sonore. La cohérence de l'apparence et de la voix est rigoureusement préservée. Plusieurs personnages peuvent servir de références simultanément pour des mises en scène communes.

2025-12-15

wan2,6-t2i

Portée de déploiement du service : InternationalGénération d'images

Wan2,6 text to image rehausse la qualité visuelle, l'esthétique et le suivi des instructions. Il assure un contrôle stylistique précis, des portraits réalistes, la compréhension de textes longs et couvre un large spectre de propriétés intellectuelles historiques et culturelles. La génération visuelle obtenue est à la fois expressive et de grande qualité.


wan2,6-image

Portée de déploiement du service : InternationalGénération d'images

Wan2,6 Image est un modèle polyvalent de génération d'images. Il prend en charge le raisonnement conjoint texte-image, la fusion créative multi-images, une cohérence de niveau professionnel, le transfert de style esthétique ainsi que le contrôle précis du cadrage et de l'éclairage. Ces atouts renforcent considérablement la cohérence, la contrôlabilité et l'expressivité des images produites.


qwen-image-edit-plus-2025-12-15

Portée de déploiement du service : InternationalGénération d'images

La série de modèles Image Editing Plus Qianwen offre une meilleure cohérence des personnages, des capacités de conception industrielle et un raisonnement géométrique supérieur par rapport au snapshot du 30 octobre. Elle intègre également des fonctionnalités LoRA telles que les effets d'éclairage et atténue efficacement les problèmes de décalage. Cette version repose sur un snapshot réalisé le 15 décembre 2025.

2025-12-12

qwen3-tts-vd-realtime-2025-12-16

Portée de déploiement du service : InternationalSynthèse vocale

Le modèle Qwen 3-TTS-VD est un modèle de synthèse vocale en temps réel de Tongyi. Il permet une synthèse vocale haute fidélité en temps réel sur les voix conçues par le service qwen3-voice-design, et prend en charge la sortie vocale dans 11 langues avec la même voix. Entraîné sur des volumes massifs de données, ce modèle adapte automatiquement l'intonation de l'audio synthétisé en fonction du texte, démontrant ainsi de solides capacités de traitement pour la synthèse de textes complexes. Il s'agit d'une version snapshot datée du 16 décembre 2025.


qwen-voice-design

Portée de déploiement du service : InternationalSynthèse vocale

Le modèle Qwen Voice-Design appartient à une série de modèles de conception vocale issus du modèle vocal Qwen. Une simple description textuelle suffit pour concevoir rapidement une voix adaptée. Utilisé conjointement avec le modèle qwen3-tts-vd-realtime, il permet de concevoir et de produire de la parole dans 10 langues. De plus, l'audio synthétisé ajuste son intonation selon le contexte textuel et gère efficacement la synthèse de contenus complexes.

2025-12-04

qwen3-omni-flash-realtime

qwen3-omni-flash-realtime-2025-12-01

Portée de déploiement du service : InternationalOmni-modal en temps réel

Version en temps réel du grand modèle multimodal Qwen3-Omni-Flash, basée sur l'architecture Thinker–Talker Mixed Expert (MoE), prenant en charge la compréhension efficace et la génération vocale de texte, d'images, d'audio et de vidéo. Ce modèle interagit via le texte dans 119 langues et la parole dans 20 langues, générant une voix naturelle pour une communication translinguistique précise. Il dispose de puissantes capacités de suivi des instructions et de personnalisation des invites système, s'adaptant avec flexibilité aux styles conversationnels et aux paramètres de personnage. Largement utilisé pour la création de texte, les assistants vocaux et l'analyse multimédia, il offre une expérience d'interaction multimodale fluide et naturelle.


qwen3-omni-flash

qwen3-omni-flash-2025-12-01

Portée de déploiement du service : InternationalOmni-modal

Le grand modèle multimodal Qwen3-Omni-Flash repose sur l'architecture Thinker–Talker Mixed Expert (MoE) et assure une compréhension performante ainsi qu'une génération vocale couvrant le texte, les images, l'audio et la vidéo. Capable d'interagir textuellement dans 119 langues et oralement dans 20 langues, il produit une parole humaine pour des échanges translinguistiques précis. Grâce à ses fonctions avancées de respect des consignes et de configuration des invites système, il s'ajuste aisément aux différents styles de conversation et profils de personnages. Ses cas d'usage incluent la rédaction, l'assistance vocale et l'analyse multimédia, garantissant une interaction multimodale intuitive et fluide.


qwen3-livetranslate-flash

qwen3-livetranslate-flash-2025-12-01

Portée de déploiement du service : InternationalReconnaissance vocale en temps réel

Qwen3-LiveTranslate-Flash est un modèle d'interprétation audiovisuelle multilingue en temps réel, offrant haute précision, réactivité et robustesse. S'appuyant sur l'infrastructure puissante de Qwen3-Omni, ses vastes données multimodales, ses technologies d'alignement interlangues et intermodales ainsi que d'amélioration visuelle, il fournit des capacités de traduction audio et vidéo hors ligne et en temps réel. Il comprend 19 langues, en parle 10, et prend également en charge 8 dialectes chinois.

2025-12-03

wan2,6-t2v

Portée de déploiement du service : InternationalGénération vidéo

Wan2,6 text to video propose une planification intelligente des plans permettant une narration multi-plans. Il génère des vidéos narratives à plans multiples conservant la cohérence des sujets, des scènes et de l'atmosphère, pour une durée maximale de 15 secondes. Ce modèle offre un meilleur suivi des instructions et une fidélité visuelle accrue.


wan2,6-i2v

Portée de déploiement du service : InternationalGénération vidéo

Avec Wan2,6 image to video, la planification intelligente des plans facilite la narration multi-caméras. Le modèle produit une génération vocale de qualité supérieure, gère des dialogues stables entre plusieurs intervenants avec des timbres plus naturels et réalistes, et crée des séquences allant jusqu'à 15 secondes.

2025-12-01

qwen-plus-2025-12-01

Portée de déploiement du service : International—

Cette version correspond au snapshot du 1er décembre 2025 et présente des capacités de raisonnement améliorées par rapport au snapshot du 28 juillet. Les fonctionnalités d'agent et d'invocation d'outils multi-tours ont été renforcées, tandis que les performances sur les tâches créatives subjectives ont connu une amélioration significative. Elle prend en charge une longueur de contexte allant jusqu'à 1 million de tokens, avec une tarification échelonnée selon cette longueur.

2025-11-27

qwen3-tts-vc-realtime-2025-11-27

Portée de déploiement du service : InternationalSynthèse vocale

Le modèle Qwen3-TTS-Flash constitue une solution de synthèse vocale en temps réel de Tongyi. Il réalise une synthèse haute fidélité en temps réel à partir de voix clonées via le service qwen3-voice-enrollment, tout en conservant le même timbre vocal pour la sortie dans 11 langues. Grâce à son entraînement sur d'importants jeux de données, l'audio généré module son intonation suivant le contenu textuel et traite efficacement les synthèses complexes. Ce modèle est fourni sous forme de version snapshot.


qwen3-tts-flash-realtime

qwen3-tts-flash-realtime-2025-11-27

Portée de déploiement du service : InternationalSynthèse vocale

Modèle fondamental de synthèse vocale en temps réel de Tongyi, Qwen3-TTS-Flash-Realtime propose 17 voix expressives tout en assurant une synthèse audio stable et à faible latence. Il gère les sorties multilingues et les dialectes en maintenant une identité vocale constante. L'entraînement sur de vastes ensembles de données lui permet d'adapter autonomement les tonalités vocales à la sémantique du texte et de synthétiser des contenus complexes avec fiabilité.


qwen3-tts-flash

qwen3-tts-flash-2025-11-27

Portée de déploiement du service : InternationalSynthèse vocale

Modèle fondamental de synthèse vocale hors ligne de Tongyi, Qwen3-TTS-Flash offre 17 voix expressives combinées à une synthèse audio stable et rapide. Compatible avec plusieurs langues et dialectes, il préserve les caractéristiques vocales d'une langue à l'autre. Son apprentissage sur des bases de données massives permet d'ajuster automatiquement l'intonation selon le sens du texte et garantit une synthèse robuste des contenus élaborés.


qwen-voice-enrollment

Portée de déploiement du service : InternationalSynthèse vocale

Le modèle Qwen Voice-Enrollment fait partie d'une gamme de modèles de clonage vocal issus du modèle vocal Qwen. À partir d'un extrait audio de 5 secondes minimum, il reproduit rapidement une voix avec une grande similarité. Associé au modèle qwen3-tts-vc-realtime, il clone fidèlement la voix d'une personne pour générer de la parole dans 10 langues. L'audio résultant adapte son intonation au texte et maîtrise parfaitement la synthèse de passages complexes.

2025-11-21

qwen-vl-ocr-2025-11-20

Portée de déploiement du service : InternationalCompréhension visuelle

Basé sur l'architecture Qwen-VL3, ce modèle snapshot du 20 novembre 2025 bénéficie d'une mise à niveau complète. Il apporte des améliorations majeures au parsing de documents et à la localisation de texte, tout en réduisant considérablement la latence de bout en bout et les hallucinations.


fun-asr-2025-11-07

Portée de déploiement du service : InternationalReconnaissance vocale

Mise à jour en avril 2026, la version Fun ASR couvre intégralement les sept grands systèmes dialectaux du chinois traditionnel (mandarin/wu/xiang/gan/hakka/min/yue) et reste compatible avec plus de 20 accents régionaux mandarin. Des optimisations spécifiques ciblent le rythme, la métrique et les expressions littéraires de la poésie chinoise classique, accroissant la précision de reconnaissance pour la valorisation du patrimoine culturel, les explications pédagogiques et les livres audio. L'amélioration de la prédiction de la ponctuation et de la normalisation textuelle aligne la sortie sur les conventions écrites ; les nombres, dates et montants sont convertis automatiquement aux formats standards pour renforcer la lisibilité et le professionnalisme. La prise en charge linguistique englobe désormais 30 langues : anglais, japonais, coréen, vietnamien, thaï, indonésien, malais, filipino, hindi, arabe, français, allemand, espagnol, portugais, russe, italien, néerlandais, suédois, danois, finnois, norvégien, grec, polonais, tchèque, hongrois, roumain, bulgare, croate et slovaque. Ce snapshot a été publié le 7 novembre 2025.

2025-11-20

qwen-vl-ocr

Portée de déploiement du service : InternationalCompréhension visuelle

Qwen-VL_OCR est un modèle OCR entraîné sur la base de Qwen-VL. Il centralise diverses tâches de reconnaissance, de parsing et de traitement image-texte au sein d'une approche unifiée, offrant ainsi de puissantes capacités de reconnaissance image-texte.

2025-11-19

qwen-mt-lite

Portée de déploiement du service : InternationalGénération de texte

Spécialisé dans la traduction multilingue, Qwen-MT-Lite est un grand modèle de langage de la série Qwen. Il assure des traductions rapides et de haute qualité dans 32 langues à un tarif avantageux. Pour répondre aux besoins variés des applications, il inclut l'intervention terminologique, la préservation du formatage et la traduction spécialisée par domaine, conciliant ainsi efficacité et performance.

2025-11-18

qwen3-asr-flash-filetrans

qwen3-asr-flash-filetrans-2025-11-17

Portée de déploiement du service : InternationalReconnaissance vocale

Version dédiée à la transcription de fichiers volumineux de Qwen3-ASR-Flash. Ce modèle de reconnaissance vocale multilingue, précis, intelligent et robuste, s'appuie sur un grand modèle de langage. Fort d'un modèle fondamental puissant, de quantités massives de données textuelles et multimodales ainsi que de dizaines de millions d'heures d'enregistrements audio, Qwen3-ASR-Flash atteint une précision élevée. Il détecte automatiquement la langue et reconnaît la parole dans plusieurs idiomes, garantissant une transcription fiable même dans des environnements sonores complexes.

2025-11-17

fun-asr-realtime-2025-11-07

Portée de déploiement du service : InternationalReconnaissance vocale en temps réel

Il s'agit de la version en temps réel du modèle de reconnaissance vocale de bout en bout de nouvelle génération développé par Tongyi Lab. Reposant sur une technologie vocale propriétaire de pointe, elle excelle dans la compréhension contextuelle et la transcription haute précision. Fondé sur une architecture de bout en bout, Fun-ASR intègre la technologie RAG innovante et prend en charge des fonctionnalités multidimensionnelles telles que la personnalisation de mots-clés à grande échelle, le filtrage automatique des particules modales et sensibles, la normalisation ITN et la prédiction de la ponctuation, ce qui améliore significativement la précision globale et la pertinence contextuelle. Par ailleurs, Fun-ASR permet de basculer灵活ement entre le chinois et l'anglais, couvre de nombreux dialectes régionaux et offre une robustesse accrue au bruit, s'adaptant ainsi à des environnements divers et complexes. Ce snapshot date du 7 novembre 2025.

2025-11-11

qwen-mt-flash

Portée de déploiement du service : InternationalGénération de texte

Grand modèle de langage de la série Qwen, Qwen-MT-Flash a bénéficié d'une mise à niveau complète vers l'architecture Qwen 3, renforçant notablement ses performances et la qualité de traduction. Rapide et économique dans 92 langues, il supporte des fonctions avancées comme l'intervention terminologique, le maintien du formatage et l'adaptation sectorielle. C'est la solution idéale pour les applications exigeant un équilibre optimal entre vitesse, qualité et coût.

2025-11-10

wan2,2-animate-move

Portée de déploiement du service : InternationalGénération vidéo

wan2,2-animate-move est un modèle de génération d'animations de personnages. Il suffit de télécharger une photo du personnage et une vidéo de référence de jeu d'acteur ; le modèle transfère alors les expressions et mouvements de la vidéo sur le personnage de l'image pour produire une animation haute fidélité.


wan2,2-animate-mix

Portée de déploiement du service : InternationalGénération vidéo

Le produit wan2,2-animate-mix est un modèle de remplacement de personnages. En important une photo et une vidéo source, l'utilisateur remplace précisément le personnage original par celui de la photo, tout en préservant intégralement les détails environnementaux tels que le décor, l'éclairage et la colorimétrie de la vidéo initiale.

2025-10-31

tongyi-embedding-vision-plus

Portée de déploiement du service : InternationalEmbedding multimodal

Embedding-Vision est un modèle d'embedding multimodal axé sur la vision et propulsé par un LLM. Il se distingue par d'excellentes performances sectorielles et un rapport coût-efficacité élevé dans divers domaines (commerce électronique, galeries photos, sécurité, conduite autonome). Prenant en charge le texte, l'image et la vidéo, il s'applique aux tâches de récupération en aval, notamment texte-vers-image, image-vers-image, texte-vers-vidéo et vidéo-vers-vidéo.


tongyi-embedding-vision-flash

Portée de déploiement du service : InternationalEmbedding multimodal

Propulsé par un LLM, Embedding-Vision est un modèle d'embedding multimodal centré sur la vision qui offre des performances remarquables par domaine et une grande rentabilité dans de multiples secteurs (e-commerce, bibliothèques d'images, sécurité, véhicules autonomes). Compatible avec les entrées textuelles, visuelles et vidéo, il alimente les tâches de recherche en aval telles que texte-vers-image, image-vers-image, texte-vers-vidéo et vidéo-vers-vidéo.


qwen-image-edit-plus

qwen-image-edit-plus-2025-10-30

Portée de déploiement du service : InternationalGénération d'images

La série de modèles Plus d'édition d'images Qwen optimise les performances d'inférence et la stabilité du système par rapport au modèle Edit initial. Elle réduit considérablement le temps de réponse pour la génération et l'édition d'images, tout en permettant le retour de plusieurs images dans une seule requête afin d'améliorer l'expérience utilisateur.

2025-10-29

qwen3-asr-flash-realtime

qwen3-asr-flash-realtime-2025-10-27

Portée de déploiement du service : InternationalReconnaissance vocale en temps réel

Version temps réel de Qwen3-ASR-Flash, ce modèle multilingue de reconnaissance vocale repose sur un grand modèle de langage pour offrir précision, intelligence et robustesse. Grâce à un modèle fondationnel puissant, d'immenses volumes de données textuelles et multimodales ainsi que des dizaines de millions d'heures d'audio, il identifie automatiquement la langue et transcrit avec exactitude 11 langues, même dans des environnements sonores complexes.

2025-10-21

qwen3-vl-32b-thinking

Portée de déploiement du service : InternationalRaisonnement, compréhension visuelle

Plus grand modèle dense de la série Qwen3-VL, cette version dédiée au raisonnement offre des capacités multimodales juste derrière celles du Qwen3-VL-235B-Thinking. Il excelle dans la résolution de problèmes STEM et mathématiques ainsi que dans la compréhension générale d'images et de vidéos. Ses performances de pointe en matière d'agents multimodaux le rendent idéal pour les tâches de raisonnement complexes.


qwen3-vl-32b-instruct

Portée de déploiement du service : InternationalCompréhension visuelle

Ce modèle dense, le plus imposant de la gamme Qwen3-VL hors inférence, affiche des performances globales inférieures uniquement au Qwen3-VL-235B-Instruct. Il se distingue par la reconnaissance et la compréhension de documents, une forte perception spatiale et l'identification d'objets. Atteignant l'état de l'art en détection visuelle 2D et en raisonnement spatial, il convient parfaitement aux tâches de perception complexes dans divers scénarios généralistes.

2025-10-15

qwen3-vl-flash

qwen3-vl-flash-2025-10-15

Portée de déploiement du service : InternationalRaisonnement, compréhension visuelle

Les petits modèles de compréhension visuelle de la série Qwen3 intègrent efficacement les modes avec et sans réflexion, surpassant le modèle open source Qwen3-VL-30B-A3B tout en conservant une réactivité élevée. Cette mise à niveau majeure couvre la compréhension d'images et de vidéos, y compris les contextes ultra-longs (vidéos étendues, documents), la conscience spatiale et la reconnaissance d'objets multisectorielle. Doté de capacités de localisation visuelle 2D/3D, ce modèle est adapté aux tâches réelles complexes.

2025-10-03

qwen3-vl-30b-a3b-thinking

Portée de déploiement du service : InternationalRaisonnement, compréhension visuelle

Deuxième plus grand modèle MoE de la série Qwen3-VL, la version Thinking combine rapidité de réponse et capacités renforcées de compréhension et de raisonnement multimodal. Elle prend en charge les agents visuels ainsi que les contextes extrêmement longs (longues vidéos, documents). Avec ses fonctions améliorées de compréhension vidéo/image, de perception spatiale et de reconnaissance d'objets, elle répond aux exigences des tâches réelles complexes.


qwen3-vl-30b-a3b-instruct

Portée de déploiement du service : InternationalCompréhension visuelle

La variante Instruct du deuxième plus grand modèle MoE de la gamme Qwen3-VL assure une réponse rapide et gère des contextes très longs tels que des vidéos ou documents volumineux. Elle bénéficie d'une compréhension image/vidéo entièrement revue, d'une meilleure conscience spatiale, d'une reconnaissance d'objets avancée et d'une localisation visuelle 2D/3D pour relever des défis concrets et complexes.

2025-09-30

qwen3-vl-8b-thinking

Portée de déploiement du service : InternationalRaisonnement, compréhension visuelle

Conçue pour consommer moins de mémoire GPU, la version Thinking du modèle Dense 8B de la série Qwen3-VL exécute des tâches de compréhension et de raisonnement multimodal. Elle accepte les contextes extrêmement longs (vidéos et documents détaillés), assure la localisation visuelle 2D/3D et propose des capacités améliorées de compréhension image/vidéo, de perception spatiale et de reconnaissance d'objets.


qwen3-vl-8b-instruct

Portée de déploiement du service : InternationalCompréhension visuelle

Nécessitant moins de mémoire GPU, la version Instruct du modèle Dense 8B Qwen3-VL offre une compréhension globale améliorée des images et vidéos. Elle prend en charge les contextes très longs, la perception spatiale et la reconnaissance d'objets, ce qui la rend apte à traiter des tâches réelles complexes.

2025-09-25

fun-asr-mtl

fun-asr-mtl-2025-08-25

Portée de déploiement du service : InternationalReconnaissance vocale

Le modèle de reconnaissance vocale multilingue Fun couvre plus de 31 langues avec commutation libre, constituant ainsi le choix privilégié pour l'expansion internationale, notamment vers l'Asie du Sud-Est. Nous recommandons de passer à Fun-asr, qui représente la version améliorée de ce modèle.

2025-09-24

wan2,5-t2i-preview

Portée de déploiement du service : InternationalGénération d'images

Cette nouvelle architecture du modèle Wan2,5 Preview (texte vers image) améliore significativement l'esthétique visuelle, le sens du design et le réalisme des textures. Le modèle suit précisément les instructions, génère du texte en anglais, en chinois et dans des langues moins courantes, et produit des textes structurés complexes, des graphiques ainsi que des diagrammes architecturaux.


wan2,5-i2i-preview

Portée de déploiement du service : InternationalGénération d'images

L'architecture mise à jour du modèle d'édition d'images Wan2,5 Preview permet des opérations d'édition riches via le contrôle par instructions, avec un respect accru des consignes. Elle autorise également la génération à partir de références multi-images avec une haute cohérence et offre d'excellentes performances en génération de texte.


qwen3-max

qwen3-max-2025-09-23

Portée de déploiement du service : InternationalGénération de texte, raisonnement

Par rapport à la version préliminaire, le modèle Max de la série Qwen 3 a bénéficié de mises à niveau spécifiques concernant la programmation d'agents et l'appel d'outils. Cette version officielle atteint des performances de pointe (SOTA) dans son domaine et répond mieux aux exigences des agents évoluant dans des scénarios complexes.


qwen3-livetranslate-flash-realtime

Portée de déploiement du service : InternationalTraduction vocale en temps réel

Qwen3-LiveTranslate-Flash en version temps réel est un modèle d'interprétation audiovisuelle simultanée multilingue, précis, réactif et robuste. S'appuyant sur l'infrastructure puissante de Qwen3-Omni, des données multimodales massives, l'alignement interlangues et intermodaux ainsi que des technologies d'amélioration visuelle, il assure la traduction audio et vidéo hors ligne et en direct. Il comprend 19 langues et en parle 10, dont 8 dialectes chinois.


fun-asr

fun-asr-2025-08-25

Portée de déploiement du service : InternationalReconnaissance vocale

Mise à jour en avril 2026, cette version de Fun ASR prend en charge les sept grands systèmes dialectaux du chinois traditionnel (mandarin/wu/xiang/gan/hakka/min/yue) et reste compatible avec plus de 20 accents régionaux mandarin. Des optimisations spécifiques portent sur le rythme, la métrique et l'expression littéraire de la poésie chinoise classique, améliorant ainsi la reconnaissance poétique pour le patrimoine culturel, l'éducation et les livres audio. La prédiction de la ponctuation et la normalisation du texte alignent la sortie sur les conventions écrites ; nombres, dates et montants sont convertis automatiquement au format standard pour une meilleure lisibilité professionnelle. La prise en charge linguistique s'étend désormais à 30 langues : anglais, japonais, coréen, vietnamien, thaï, indonésien, malais, filipino, hindi, arabe, français, allemand, espagnol, portugais, russe, italien, néerlandais, suédois, danois, finnois, norvégien, grec, polonais, tchèque, hongrois, roumain, bulgare, croate et slovaque. Cette mouture correspond au snapshot publié le 7 novembre 2025.

2025-09-23

wan2,5-t2v-preview

Portée de déploiement du service : InternationalGénération vidéo

Grâce à sa nouvelle architecture, le modèle Wan2,5 Preview (texte vers vidéo) synchronise la génération audio avec le visuel et produit des vidéos allant jusqu'à 10 secondes. Il respecte mieux les instructions, améliore la fluidité des mouvements et offre une qualité d'image supérieure.


wan2,5-i2v-preview

Portée de déploiement du service : InternationalGénération vidéo

Le modèle Wan2,5 Preview (image vers vidéo) profite d'une architecture remaniée pour synchroniser l'audio et le visuel, générer des séquences de 10 secondes et renforcer le suivi des instructions. Les mouvements sont plus naturels et la qualité d'image est optimisée.


qwen3-vl-plus

qwen3-vl-plus-2025-09-23

Portée de déploiement du service : InternationalCompréhension visuelle

Intégrant efficacement les modes avec et sans réflexion, les modèles VL de la série Qwen3 atteignent des performances mondiales de premier plan en matière d'agents visuels sur des benchmarks publics comme OS World. Cette version apporte des améliorations complètes au codage visuel, à la perception spatiale et au raisonnement multimodal, renforçant ainsi la perception et la reconnaissance visuelles tout en permettant la compréhension de vidéos ultra-longues.


qwen3-vl-235b-a22b-thinking

Portée de déploiement du service : InternationalRaisonnement, compréhension visuelle

Les modèles VL de la série Qwen3 disposent de capacités de raisonnement multimodal nettement renforcées, avec une attention particulière portée à l'optimisation du raisonnement STEM et mathématique. La perception et la reconnaissance visuelles ont été globalement améliorées, tandis que les fonctionnalités OCR ont fait l'objet d'une mise à niveau majeure.


qwen3-vl-235b-a22b-instruct

Portée de déploiement du service : InternationalCompréhension visuelle

Une refonte complète du codage visuel et de la perception spatiale caractérise les modèles VL de la série Qwen3. Leurs capacités de perception et de reconnaissance visuelles progressent significativement, incluant la compréhension de vidéos ultra-longues et une fonctionnalité OCR considérablement enrichie.


qwen3-livetranslate-flash-realtime-2025-09-22

Portée de déploiement du service : InternationalTraduction vocale en temps réel

Modèle d'interprétation audiovisuelle simultanée multilingue de haute précision, réactif et robuste, la version temps réel de Qwen3-LiveTranslate-Flash exploite l'infrastructure de Qwen3-Omni, des données multimodales massives, l'alignement interlangues et intermodaux ainsi que l'amélioration visuelle. Il traduit l'audio et la vidéo hors ligne et en direct, comprend 19 langues et en parle 10, y compris 8 dialectes chinois. Cette édition correspond au snapshot du 22 septembre 2025.


qwen3-coder-plus-2025-09-23

Portée de déploiement du service : InternationalGénération de texte

Basé sur Qwen3, ce modèle de génération de code possède une forte capacité d'agent de codage, excelle dans l'appel d'outils et l'interaction environnementale, et programme de manière autonome avec d'excellentes compétences en code tout en conservant ses aptitudes générales. Ce snapshot du 23 septembre 2025 présente une robustesse accrue dans les tâches en aval et l'invocation d'outils par rapport à la version précédente (snapshot du 22 juillet), ainsi qu'une sécurité du code renforcée.


qwen-image-plus

Portée de déploiement du service : InternationalGénération d'images

Premier modèle fondationnel de génération d'images de la série Qwen, il réalise des avancées significatives dans le rendu de texte complexe et l'édition précise d'images. Les tests démontrent de solides capacités générales en génération et en édition, avec des performances exceptionnelles en rendu de texte, particulièrement pour le chinois.


fun-asr-realtime

Portée de déploiement du service : InternationalReconnaissance vocale en temps réel

Version temps réel du modèle de reconnaissance vocale de bout en bout de nouvelle génération développé par Tongyi Lab, ce système repose sur une technologie vocale propriétaire de pointe offrant une excellente conscience contextuelle et une transcription de haute précision. Basé sur une architecture de bout en bout, Fun-ASR intègre la technologie RAG innovante et prend en charge des fonctionnalités multidimensionnelles telles que la personnalisation de mots-clés à grande échelle, le filtrage automatique des particules modales et sensibles, la normalisation ITN et la prédiction de la ponctuation. Ces améliorations accroissent la précision globale et la pertinence contextuelle. De plus, Fun-ASR permet de basculer灵活 entre le chinois et l'anglais, couvre plusieurs dialectes régionaux et dispose d'une robustesse au bruit renforcée pour s'adapter à des environnements variés et complexes.

2025-09-19

qwen3-omni-30b-a3b-captioner

Portée de déploiement du service : InternationalReconnaissance vocale

Qwen3-Omni-30b-a3b-Captioner est un modèle puissant d'analyse audio fine, conçu pour générer des descriptions de contenu précises et complètes dans des scénarios audio complexes et changeants. Il analyse et décrit automatiquement divers contenus audio, allant de la parole complexe et des sons ambiants à la musique et aux effets sonores cinématographiques, tout en maintenant une sortie stable et fiable même dans des environnements multi-sources et mixtes.

2025-09-17

qwen3-omni-flash-realtime-2025-09-15

Portée de déploiement du service : InternationalOmni-modal en temps réel

Version temps réel du grand modèle multimodal Qwen3-Omni-Flash, basée sur l'architecture Thinker–Talker Mixed Expert (MoE), prenant en charge la compréhension efficace et la génération vocale de texte, d'images, d'audio et de vidéo. Ce modèle interagit via le texte dans 119 langues et la parole dans 20 langues, générant une voix naturelle pour une communication translinguistique précise. Il offre de puissantes capacités de suivi des instructions et de personnalisation des invites système, s'adaptant avec flexibilité aux styles conversationnels et aux paramètres de personnages. Largement utilisé pour la création de texte, les assistants vocaux et l'analyse multimédia, il fournit une expérience d'interaction multimodale naturelle et fluide.


qwen3-omni-flash-2025-09-15

Portée de déploiement du service : InternationalOmni-modal

Le grand modèle multimodal Qwen3-Omni-Flash repose sur l'architecture Thinker–Talker Mixed Expert (MoE) et permet une compréhension efficace ainsi que la génération vocale de texte, d'images, d'audio et de vidéo. Il gère les interactions textuelles dans 119 langues et vocales dans 20 langues, produisant une parole de type humain pour une communication translinguistique précise. Grâce à ses capacités avancées de suivi des instructions et de personnalisation des invites système, il s'adapte灵活 aux styles de conversation et aux configurations de personnages. Idéal pour la création de texte, les assistants vocaux et l'analyse multimédia, il garantit une interaction multimodale naturelle et fluide. Cette version correspond au snapshot du 15 septembre 2025.

2025-09-16

qwen3-tts-flash-realtime-2025-09-18

Portée de déploiement du service : InternationalSynthèse vocale

Le modèle Qwen3-TTS-Flash-Realtime-2025-09-18 est un modèle fondamental de synthèse vocale en temps réel de Tongyi. Il propose 17 voix expressives tout en assurant une synthèse audio à faible latence et haute stabilité. Prenant en charge plusieurs langues et dialectes, il conserve des caractéristiques vocales cohérentes d'une langue à l'autre. Entraîné sur de vastes jeux de données, le système ajuste autonomement les tonalités vocales selon la sémantique du texte et démontre des capacités robustes pour la synthèse de contenus complexes. Ce modèle est fourni en tant que version snapshot.


qwen3-tts-flash-2025-09-18

Portée de déploiement du service : InternationalSynthèse vocale

Qwen3-TTS-Flash-2025-09-18 constitue un modèle fondamental hors ligne de synthèse vocale de Tongyi. Doté de 17 voix expressives, il permet une synthèse audio à faible latence et haute stabilité. Compatible avec plusieurs langues et dialectes, il maintient une cohérence des caractéristiques vocales entre les langues. Grâce à son entraînement sur des jeux de données massifs, le système adapte automatiquement les intonations en fonction de la sémantique du texte et excelle dans la synthèse de contenus complexes. Il s'agit d'une version snapshot.


qwen3-asr-flash

qwen3-asr-flash-2025-09-08

Portée de déploiement du service : InternationalReconnaissance vocale

Qwen3-ASR-Flash est un modèle de reconnaissance vocale multilingue hautement précis, intelligent et robuste, basé sur un grand modèle de langage. En tirant parti d'un modèle fondamental puissant, de quantités massives de données textuelles et multimodales, ainsi que de dizaines de millions d'heures de données audio, Qwen3-ASR-Flash atteint une précision élevée. Il détecte automatiquement la langue et reconnaît avec exactitude la parole dans 11 langues, garantissant une transcription fidèle même dans des environnements audio complexes.


qwen-vl-plus

Portée de déploiement du service : InternationalCompréhension visuelle

Qwen-VL-Plus représente la version améliorée du grand modèle de langage visuel. Il améliore considérablement la reconnaissance des détails et du texte, prenant en charge des images dont la résolution dépasse un million de pixels, quel que soit leur rapport d'aspect. Ce modèle offre des performances exceptionnelles sur un large éventail de tâches visuelles.


qwen-vl-max

Portée de déploiement du service : InternationalCompréhension visuelle

Qwen-VL-Max est un grand modèle de langage visuel de la série Qwen. Par rapport à la version Plus, il renforce davantage les capacités de raisonnement visuel et de suivi des instructions, offrant des niveaux supérieurs de perception et de cognition visuelle. Il délivre des performances optimales sur les tâches les plus complexes.


qwen-plus

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Qwen-Plus est une version améliorée du très grand modèle de langage Qwen, prenant en charge plusieurs langues d'entrée telles que le chinois et l'anglais. Comparé aux versions précédentes, il présente des améliorations significatives en génération de code, en raisonnement logique et en capacités multilingues, tant en chinois qu'en anglais. Le style de réponse a été largement ajusté pour mieux correspondre aux préférences humaines, avec un niveau de détail et une clarté nettement accrus. Des optimisations spécifiques ont été apportées à l'écriture créative, au respect du formatage JSON et aux jeux de rôle.

2025-09-12

wan2,2-kf2v-flash

Portée de déploiement du service : InternationalCompréhension visuelle

Découvrez le tout nouveau modèle Wan2,2 de génération vidéo à partir de première et dernière image. La stabilité des mouvements et les taux de réussite ont été optimisés, l'adhérence aux invites a été renforcée et des transitions fluides entre deux images sont désormais possibles.

2025-09-11

qwen3-next-80b-a3b-thinking

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Nouvelle génération de modèles open source en mode réflexion basés sur Qwen3. Cette version offre un meilleur suivi des instructions et des réponses de résumé plus concises par rapport à l'itération précédente (Qwen3-235B-A22B-Thinking-2507).


qwen3-next-80b-a3b-instruct

Portée de déploiement du service : InternationalGénération de texte

Modèle open source de nouvelle génération sans mode réflexion, propulsé par Qwen3. Cette version démontre une compréhension supérieure du texte chinois, un raisonnement logique accru et des capacités améliorées dans les tâches de génération de texte par rapport à l'itération précédente (Qwen3-235B-A22B-Instruct-2507).


qwen-plus-2025-09-11

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Basé sur le snapshot du 11 septembre 2025, cette version propose un suivi des instructions amélioré et des réponses de résumé plus concises en mode réflexion. Le mode sans réflexion offre une compréhension supérieure du texte chinois et des capacités de raisonnement logique accrues. Le modèle prend en charge une longueur de contexte de 1 M avec une tarification échelonnée.

2025-09-05

qwen3-max-preview

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Version préliminaire du modèle Max de la série Qwen 3, réalisant une intégration efficace des modes réflexion et non-réflexion. En mode réflexion, on observe une amélioration significative des capacités telles que la programmation d'agents intelligents, le raisonnement de bon sens et le raisonnement appliqué aux mathématiques, aux sciences et aux domaines généraux.

2025-08-25

text-embedding-v4

Portée de déploiement du service : InternationalEmbedding de texte

La version V4 du vecteur de texte général est un modèle multilingue développé par Tongyi Lab sur la base de Qwen3. Comparée à la version V3, elle améliore considérablement les performances dans les tâches de recherche, de clustering et de classification de texte. Elle obtient une amélioration de 15 % à 40 % sur des évaluations telles que MTEB multilingue, chinois-anglais et la recherche de code. De plus, elle prend en charge des dimensions de vecteurs définies par l'utilisateur allant de 64 à 2048.

2025-08-18

qwen-image-edit

Portée de déploiement du service : InternationalGénération d'images

Premier modèle d'édition d'images Qwen, il étend le rendu de texte de Qwen-Image aux tâches d'édition. Il offre une édition de texte bilingue (chinois/anglais) précise, une édition à la fois visuelle et sémantique, ainsi que de solides performances inter-benchmarks.

2025-08-15

wan2,2-i2v-flash

Portée de déploiement du service : InternationalGénération vidéo

Le modèle Flash de conversion image-vers-vidéo Wan 2.2 mis à niveau offre une vitesse accrue avec une stabilité optimisée, un suivi des invites plus puissant, une meilleure cohérence pour le texte, les portraits et les produits, ainsi qu'un contrôle précis des plans.

2025-08-14

qwen-omni-turbo-realtime

qwen-omni-turbo-realtime-latest

qwen-omni-turbo-realtime-2025-05-08

Portée de déploiement du service : InternationalOmni-modal en temps réel

Version temps réel du nouveau grand modèle multimodal de compréhension et de génération Qwen, adaptée aux scénarios d'interaction audio en temps réel. Elle prend en charge la compréhension de l'audio accompagné d'entrées mixtes de texte, d'images et de vidéos, et peut générer simultanément de la parole et du texte en flux continu, proposant quatre tonalités naturelles.


qwen-image

Portée de déploiement du service : InternationalGénération d'images

Premier modèle fondamental de génération d'images de la série Qwen, il réalise des avancées significatives dans le rendu de texte complexe et l'édition précise d'images. Les expériences montrent de solides capacités générales tant en génération qu'en édition d'images, avec des performances exceptionnelles en rendu de texte, particulièrement pour le chinois.

2025-08-01

qwen-flash

qwen-flash-2025-07-28

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Le modèle Qwen3 Flash offre une fusion puissante des modes réflexion et non-réflexion avec commutation dynamique pendant la conversation. Il excelle dans le raisonnement complexe tout en affichant des gains significatifs en matière de suivi des instructions et de compréhension de texte. Il prend en charge une longueur de contexte de 1 M et fait l'objet d'une facturation échelonnée correspondant à l'utilisation du contexte.

2025-07-31

qwen3-coder-30b-a3b-instruct

Portée de déploiement du service : InternationalGénération de texte

Modèle de génération de code basé sur Qwen3 qui hérite des capacités d'agent de codage de Qwen3-Coder-480B-A35B-Instruct ; ses capacités en code atteignent l'état de l'art (SOTA) à la même échelle.


qwen-plus-latest

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Ce modèle de la série Qwen est optimisé pour des performances équilibrées, offrant une efficacité d'inférence située entre Qwen-Max et Qwen-Turbo, conçue pour traiter efficacement des tâches de complexité modérée. Cette version mise à jour dynamiquement implémente des modifications sans préavis.

2025-07-30

qwen3-30b-a3b-thinking-2507

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Modèle de réflexion open source Qwen3 ; comparé à la version précédente (Qwen3-30B-A3B), il excelle dans les tâches de réflexion complexes, notamment la logique, les mathématiques, les sciences, le code et d'autres scénarios exigeants. Les capacités de suivi des instructions, de compréhension de texte et de traduction multilingue ont été considérablement améliorées.

2025-07-29

qwen3-coder-flash

qwen3-coder-flash-2025-07-28

Portée de déploiement du service : InternationalGénération de texte

Basé sur Qwen3, ce modèle de génération de code hérite des capacités d'agent de codage de Qwen3-Coder-Plus et prend en charge l'interaction multi-tours avec des outils. Il comporte des optimisations ciblées sur la compréhension au niveau du dépôt et une stabilité accrue des appels d'outils.


qwen3-30b-a3b-instruct-2507

Portée de déploiement du service : InternationalGénération de texte

Modèle open source Qwen3 sans mode réflexion ; par rapport à la version précédente (Qwen3-30B-A3B), il présente des améliorations majeures en chinois, en anglais et dans les capacités générales multilingues. Optimisé pour les tâches subjectives ouvertes, il fournit des réponses nettement plus alignées sur les préférences des utilisateurs et plus utiles.


qwen-plus-2025-07-28

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Modèle Plus de la série Qwen3, intégrant les modes réflexion et non-réflexion avec possibilité de basculer de l'un à l'autre pendant le dialogue. Comparé à la version précédente, il ajoute des améliorations dédiées aux capacités en chinois et en anglais ainsi qu'aux appels d'outils. Il s'agit du snapshot du 28 juillet 2025 ; premier à prendre en charge une longueur de contexte de 1 M, avec une tarification échelonnée.

2025-07-28

wan2,2-t2v-plus

Portée de déploiement du service : InternationalGénération vidéo

Le modèle Plus de conversion texte-vers-vidéo Wan 2.2 mis à niveau offre des résultats de qualité supérieure avec des mouvements de balayage complexes stables, un contrôle de vision cinématographique, un suivi des invites plus puissant et une recréation réaliste de l'environnement.


wan2,2-t2i-plus

Portée de déploiement du service : InternationalGénération d'images

Le modèle texte vers image Wan 2.2 Plus, dans sa version améliorée, offre des détails d'image plus riches grâce à une créativité, une stabilité et un réalisme accrus. Il assure également un meilleur respect des prompts et prend en charge nativement plusieurs styles. La génération jusqu'à 2 millions de pixels ainsi que l'amélioration automatique des prompts sont aussi disponibles.


wan2,2-t2i-flash

Portée de déploiement du service : InternationalGénération d'images

La version mise à jour du modèle texte vers image Wan 2.2 Flash permet une génération plus rapide tout en renforçant la créativité, la stabilité et le réalisme. Ce modèle se distingue par un suivi des prompts optimisé et une prise en charge native de multiples styles. Il permet également la génération jusqu'à 2 millions de pixels et l'enrichissement automatique des prompts.


wan2,2-i2v-plus

Portée de déploiement du service : InternationalGénération vidéo

Le modèle image vers vidéo Wan 2.2 Plus a été amélioré pour fournir des résultats de qualité supérieure. Il offre une stabilité optimisée, un respect des instructions plus puissant, une meilleure cohérence pour le texte, les portraits et les produits, ainsi qu'un contrôle précis des plans.

2025-07-25

qwen3-235b-a22b-thinking-2507

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Modèle de raisonnement open source Qwen3 qui présente des améliorations majeures par rapport à la version précédente (Qwen3-235B-A22B) en matière de logique, de capacités générales, de connaissances et de créativité. Il est particulièrement adapté aux scénarios complexes exigeant un raisonnement approfondi.

2025-07-24

qwen-mt-turbo

Portée de déploiement du service : InternationalGénération de texte

Qwen-MT-Turbo est un grand modèle linguistique de la série Qwen spécialisé dans la traduction multilingue. Il fournit des services de traduction rapides et de haute qualité couvrant 92 langues, à un tarif compétitif. Pour répondre aux besoins variés des différentes applications, il intègre des fonctionnalités telles que l'intervention terminologique, la préservation du formatage et la traduction adaptée à des domaines spécifiques, garantissant ainsi efficacité et performance.


qwen-mt-plus

Portée de déploiement du service : InternationalGénération de texte

Qwen-MT-Plus, le modèle phare de traduction de la série Qwen, bénéficie désormais d'une mise à niveau complète vers l'architecture Qwen3. Prenant en charge 92 langues, il produit des traductions extrêmement précises et naturelles. Ses capacités avancées en compréhension contextuelle, gestion terminologique et conservation du formatage en font un choix supérieur aux modèles traditionnels, notamment pour les domaines spécialisés.

2025-07-23

qwen3-coder-plus

qwen3-coder-plus-2025-07-22

Portée de déploiement du service : InternationalGénération de texte

Basé sur Qwen3, ce modèle de génération de code dispose d'une forte capacité d'agent de programmation. Il excelle dans l'appel d'outils et l'interaction avec l'environnement, permettant une programmation autonome grâce à d'excellentes compétences en codage, tout en conservant des capacités générales étendues.


qwen3-coder-480b-a35b-instruct

Portée de déploiement du service : InternationalGénération de texte

Ce modèle de génération de code fondé sur Qwen3 offre une puissante capacité d'agent de codage ; ses performances en programmation atteignent l'état de l'art (SOTA) parmi les modèles open source.


qwen3-235b-a22b-instruct-2507

Portée de déploiement du service : InternationalGénération de texte

Modèle non raisonnant open source Qwen3 présentant de légères améliorations par rapport à la version précédente (Qwen3-235B-A22B) concernant la créativité subjective et la sécurité du modèle.


qwen-plus-2025-07-14

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Le modèle Plus de la série Qwen3 intègre efficacement les modes raisonnant et non raisonnant, autorisant le basculement entre ces modes au cours d'une conversation. Cette version correspond au snapshot du 14 juillet 2025. Comparée à la version précédente, elle affiche une amélioration significative des compétences en chinois et en anglais en mode non raisonnant, ainsi que des capacités renforcées d'appel d'outils.

2025-07-21

qwen-plus-character-ja

Portée de déploiement du service : InternationalGénération de texte

La série de modèles de jeu de rôle Qwen est spécifiquement optimisée pour les scénarios d'interaction anthropomorphique en japonais. Elle démontre des capacités avancées dans le maintien de la cohérence des personnages, la progression contextuelle des dialogues et l'engagement empathique, permettant une incarnation précise et personnalisée. Cette version améliore considérablement la localisation linguistique japonaise (y compris les dialectes et les formules de politesse), l'authenticité du jeu de rôle, la cohérence narrative et l'intelligence cognitive situationnelle.

2025-07-18

qwen-omni-turbo

qwen-omni-turbo-latest

qwen-omni-turbo-2025-03-26

Portée de déploiement du service : InternationalOmni-modal

Ce nouveau modèle de compréhension et de génération multimodale accepte en entrée du texte, des images, de la parole et des vidéos, y compris des entrées mixtes. Capable de diffuser simultanément du texte et de la parole en streaming, il offre une vitesse de compréhension du contenu multimodal nettement accrue. De plus, il propose quatre tonalités de dialogue naturelles.

2025-05-22

wan2,1-t2i-turbo

Portée de déploiement du service : InternationalGénération d'images

La version Turbo de Wan2.1 Texte vers Image offre une vitesse de génération accélérée. Elle apporte des améliorations notables en termes d'esthétique, de réalisme et de rendu artistique. Dotée d'une meilleure compréhension sémantique et d'une riche capacité de généralisation des styles, elle prend en charge la génération jusqu'à 2 millions de pixels ainsi que la réécriture intelligente des prompts.


wan2,1-t2i-plus

Portée de déploiement du service : InternationalGénération d'images

Conçue pour produire davantage de détails, la version Plus de Wan2.1 Texte vers Image améliore l'esthétique, le réalisme et la dimension artistique des images générées. Grâce à une compréhension sémantique renforcée et à une grande polyvalence stylistique, elle permet la génération jusqu'à 2 millions de pixels et inclut la réécriture intelligente des prompts.

2025-05-14

wan2,1-vace-plus

Portée de déploiement du service : InternationalGénération vidéo

Wan2,1-VACE-Plus est un modèle tout-en-un dédié à la création et au montage vidéo. Il prend en charge l'édition locale, la retouche vidéo, l'extension d'arrière-plan, l'allongement de la durée, la référence d'image, ainsi que d'autres tâches de génération et de montage. Il permet également un contrôle conditionnel multimodal via du texte, des images et des vidéos.

2025-05-12

qwen3-8b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Intégrant efficacement les modes raisonnant et non raisonnant, ce modèle permet de basculer de l'un à l'autre pendant les conversations. Ses capacités de raisonnement atteignent le niveau SOTA pour sa catégorie, tandis que ses performances générales surpassent largement celles de Qwen2,5-7B.


qwen3-32b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Ce modèle combine harmonieusement les modes raisonnant et non raisonnant, avec possibilité de bascule en cours de conversation. En matière de raisonnement, il dépasse significativement QwQ, et ses capacités générales excèdent nettement celles de Qwen2,5-32B-Instruct, atteignant ainsi le niveau SOTA de son segment industriel.


qwen3-30b-a3b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Offrant une intégration efficace des modes raisonnant et non raisonnant, il autorise le changement de mode durant les échanges. Malgré une taille de paramètres réduite, son raisonnement rivalise avec celui de QwQ-32B. Par ailleurs, ses aptitudes générales surpassent largement Qwen2,5-14B, se hissant au niveau SOTA pour les modèles de même échelle.


qwen3-235b-a22b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Assurant une fusion efficace des modes raisonnant et non raisonnant, ce modèle permet d'alterner entre eux lors des conversations. Ses performances en raisonnement dépassent largement celles de QwQ, et ses capacités générales excèdent notablement Qwen2,5-72B-Instruct, établissant un nouveau standard SOTA dans sa catégorie.


qwen3-14b

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Réunissant les modes raisonnant et non raisonnant, ce modèle offre la flexibilité de basculer entre eux au fil de la discussion. Il atteint le niveau SOTA de l'industrie pour sa gamme en termes de raisonnement, et ses compétences générales dépassent clairement celles de Qwen2,5-14B.

2025-04-29

qwen-plus-2025-04-28

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Modèle Plus de la série Qwen3, il intègre efficacement les modes raisonnant et non raisonnant avec basculement possible en cours de conversation. Ses capacités de raisonnement surpassent largement celles de QwQ, et ses aptitudes générales dépassent notablement Qwen2,5-Plus, atteignant le niveau SOTA pour les modèles de même échelle dans l'industrie. Ce modèle correspond au snapshot du 28 avril 2025.

2025-04-07

wan2,1-kf2v-plus

Portée de déploiement du service : InternationalGénération vidéo

La version Plus de Wan2.1 (frames clés vers vidéo) génère une vidéo de transition fluide à partir de deux images. Elle gère des mouvements amples et complexes, respecte les lois physiques, propose des styles artistiques variés et offre une qualité visuelle digne du cinéma. Le suivi des instructions étant encore amélioré, la vidéo générée présente des détails plus riches.

2025-03-26

qwen2,5-omni-7b

Portée de déploiement du service : InternationalOmni-modal

Nouveau modèle de compréhension et de génération multimodale entraîné sur la base de Qwen2,5. Il prend en charge la compréhension d'entrées textuelles, visuelles, vocales, vidéo et mixtes. Capable de générer simultanément des flux de texte et de parole, il accélère considérablement la compréhension du contenu multimodal et propose quatre tonalités naturelles.


qvq-max

Portée de déploiement du service : InternationalRaisonnement, Compréhension visuelle

Le modèle de raisonnement visuel Tongyi Qianwen QVQ accepte des entrées visuelles et produit un raisonnement en chaîne (chain-of-thought). Il démontre des capacités renforcées en mathématiques, programmation, analyse visuelle, création et tâches générales.

2025-03-05

qwq-plus

Portée de déploiement du service : InternationalRaisonnement

Version améliorée du modèle de raisonnement Qwen QwQ, entraînée sur la base de Qwen2,5, dont les capacités de raisonnement ont été considérablement accrues par apprentissage par renforcement. Les métriques principales du modèle en mathématiques et en codage (par exemple AIME 24/25, LiveCodeBench) ainsi que certaines métriques générales (comme IFEval, LiveBench) atteignent le niveau de la version complète de DeepSeek-R1.

2025-02-27

wan2,1-i2v-turbo

Portée de déploiement du service : InternationalGénération vidéo

La version Turbo de Wan2.1 Image vers Vidéo anime des images statiques pour créer des vidéos. Elle prend en charge des mouvements complexes et amples, respecte les lois physiques, offre divers styles artistiques et une qualité visuelle cinématographique. Le suivi des instructions est encore amélioré et la génération est plus rapide.

2025-01-30

qwen-turbo

Portée de déploiement du service : InternationalGénération de texte, Raisonnement

Le modèle Turbo de la série Qwen3 intègre efficacement les modes raisonnant et non raisonnant, permettant de basculer entre eux pendant les conversations. Avec une empreinte paramétrique réduite, ses capacités de raisonnement rivalisent avec celles de QwQ-32B, tandis que ses performances générales surpassent largement Qwen2,5-Turbo, atteignant le niveau SOTA pour les modèles de même échelle dans l'industrie.


qwen-plus-2025-01-25

Portée de déploiement du service : InternationalGénération de texte

Équilibrés en termes de capacités, les modèles de la série Qwen offrent des performances et une vitesse de raisonnement intermédiaires entre Qwen-Max et Qwen-Turbo, ce qui les rend adaptés aux tâches moyennement complexes. Par rapport aux versions précédentes, cette itération montre des progrès significatifs en génération de code (chinois et anglais), en raisonnement logique et en compétences multilingues. Le style de réponse a été largement ajusté pour mieux correspondre aux préférences humaines, avec une clarté et un niveau de détail nettement améliorés. Des optimisations spécifiques ont été apportées pour l'écriture créative, le respect du format JSON et les capacités de jeu de rôle.


qwen-max

Portée de déploiement du service : InternationalGénération de texte

Qwen-Max prend en charge une échelle de paramètres de plusieurs centaines de milliards ainsi que plusieurs langues d'entrée, dont le chinois et l'anglais. Ce modèle bénéficie de mises à jour progressives. Par rapport aux versions précédentes, il présente des améliorations significatives en génération de code (chinois et anglais), en raisonnement logique et en capacités multilingues. Le style de réponse a été considérablement ajusté pour mieux correspondre aux préférences humaines, avec un niveau de détail et une clarté nettement accrus. Des optimisations ciblées ont également été apportées à la rédaction créative, au respect du format JSON et aux capacités de jeu de rôle.

2025-01-20

wan2,1-i2v-plus

Portée de déploiement du service : InternationalGénération vidéo

La version Plus de Wan2.1 Image vers Vidéo permet de créer une vidéo animée à partir d'une image statique. Elle gère les mouvements amples et complexes, respecte les lois physiques et offre une qualité visuelle digne du cinéma, tout en intégrant divers styles artistiques. La capacité à suivre les instructions est encore améliorée, garantissant une meilleure qualité vidéo globale.

2025-01-09

wan2,1-t2v-turbo

Portée de déploiement du service : InternationalGénération vidéo

La version Turbo de Wan2.1 Texte vers Vidéo génère une vidéo complète à partir d'une simple phrase. Elle prend en charge les mouvements vastes et complexes, le respect des lois physiques, les styles artistiques et une qualité visuelle cinématographique. Outre une meilleure adhérence aux instructions, cette version se distingue par une vitesse de génération accrue.


wan2,1-t2v-plus

Portée de déploiement du service : InternationalGénération vidéo

La version Plus de Wan2.1 Texte vers Vidéo produit une vidéo à partir d'une seule phrase. Elle assure la prise en charge de mouvements complexes et étendus, le respect des contraintes physiques, l'intégration de styles artistiques et un rendu visuel de qualité cinématographique. L'aptitude à suivre les consignes y est renforcée, offrant ainsi une qualité vidéo supérieure.

2024

2024-07-12

text-embedding-v3

Portée de déploiement du service : InternationalEmbedding de texte

Développé par Tongyi Lab sur la base d'un grand modèle de langage (LLM), ce modèle général de vectorisation de texte unifié est conçu pour le multilingue. Il couvre les principales langues mondiales et fournit des services de vectorisation avancés, permettant aux développeurs de convertir leurs données textuelles en vecteurs de haute qualité.