Skip to main content

Lançamentos e atualizações de modelos

Consulte os lançamentos e as atualizações de modelos por região e escopo de implantação do serviço. Para regras e listas de descontinuação, consulte a política de descontinuação de modelos.

  • Singapore
  • US (Virginia)
  • China (Beijing)
  • Hong Kong (China)
  • Germany (Frankfurt)
  • Japan (Tokyo)

2026

2026-11-16

qwen4-max

Escopo de implantação do serviço: Internacional
O Qwen4-Max é o modelo multimodal de ponta da nova geração da família Qwen, que combina geração de texto, compreensão de imagens e vídeos e raciocínio profundo. Ele foi projetado para programação, produtividade de escritório, design de frontend e tarefas complexas de agentes. Com suporte a pesquisa na web, chamadas de ferramentas e saídas estruturadas, além de compatibilidade com as APIs OpenAI e Anthropic, ele permite criar aplicações inteligentes com compreensão multimodal e execução de tarefas.Qwen4-Max

2026-11-16

mindlab/macaron

Escopo de implantação do serviço: InternacionalGeração de texto
Os modelos da série Macaron da MindLab já estão disponíveis na região Singapore (escopo de implantação de serviço Internacional). O mindlab/macaron-v1.1-venti e o mindlab/macaron-v1.1-coding-venti são desenvolvidos com a arquitetura MoL avançada da MindLab com uma janela de contexto de 1M, oferecendo melhorias abrangentes nos recursos de Chat, Agent, Coding e UI4A. O mindlab/macaron-v1-tall é um modelo pequeno mais rápido, mais leve e mais econômico com uma janela de contexto de 256K, totalmente otimizado para experiências de Chat, Agent, Coding e UI4A. Os modelos suportam as APIs compatíveis com OpenAI e 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
O Qwen4-Max-Preview é o modelo multimodal de ponta da nova geração da família Qwen, que combina geração de texto, compreensão de imagens e vídeos e raciocínio profundo. Ele foi projetado para programação, produtividade de escritório, design de frontend e tarefas complexas de agentes. Com suporte a pesquisa na web, chamadas de ferramentas e saídas estruturadas, além de compatibilidade com as APIs OpenAI e Anthropic, ele permite criar aplicações inteligentes com compreensão multimodal e execução de tarefas.Atualmente em prévia. Disponível apenas pelo Token Plan. Consulte Qwen4-Max-Preview para detalhes e Token Plan para instruções de acesso.

2026-10-22

qwen-audio-3.1-tts-next

Escopo de implantação do serviço: InternacionalSíntese de fala
Qwen-Audio-3.1-TTS-Next é um modelo AudioGen projetado para geração unificada de áudio. Indo além dos sistemas TTS convencionais que focam apenas na síntese de fala, ele pode gerar conteúdo de áudio completo em uma única passagem a partir de entradas como texto, timestamps e áudio de referência, combinando perfeitamente fala, efeitos sonoros, sons ambientes e muito mais. O modelo suporta uma ampla gama de tarefas, incluindo TTS multilíngue, fala de um único orador, diálogo com múltiplos oradores, podcasts, paisagens sonoras cinematográficas, áudio ambiente e efeitos sonoros. Seus principais pontos fortes incluem fala mais natural e expressiva, identidade de voz consistente, controle flexível de tempo e geração de paisagem sonora de alta qualidade. Essas capacidades o tornam adequado para criação de conteúdo, vídeos curtos, podcasts, produção de cinema e televisão, áudio de jogos e outros cenários profissionais de criação de áudio.

2026-10-21

qwen-audio-3.1-tts-plus

Escopo de implantação do serviço: InternacionalSíntese de fala
O Qwen-Audio-3.1-TTS-Plus é um modelo profissional de conversão de texto em fala de alta qualidade para vozes premium e criação de conteúdo. Ele oferece suporte a vários idiomas e dialetos, síntese de fala em streaming, instruções livres e tags detalhadas para controlar emoção, tom, personagem, velocidade de fala e volume. Na clonagem de voz, apresenta maior robustez a ruído e reverberação no áudio de referência, melhorando a qualidade, a clareza e a expressividade. A versão Plus prioriza a qualidade e a resolução do áudio em cenários profissionais, como vozes de marcas, criação de conteúdo de áudio, dublagem de filmes e televisão e interpretação de personagens.

2026-10-17

deepseek-v4.1-flash-1017

Escopo de implantação do serviço: InternationalGeração de texto, Raciocínio, Compreensão visual
DeepSeek-V4.1-Flash-1017 é a iteração do V4.1-Flash, treinada com aprendizado por reforço baseado em autofeedback para oferecer ganhos substanciais em relação à versão anterior em benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 e ProgramBench. Ao mesmo tempo, reduz o tempo de execução das tarefas e o comprimento da saída para alcançar um novo ótimo de Pareto entre desempenho e custo em vários harnesses de avaliação. Sua capacidade de construir projetos completos do zero foi ainda mais fortalecida, permitindo tarefas de programação "baseadas em desejos", como desenvolvimento de jogos e modelagem 3D, mantendo o mesmo MoE com 552B parâmetros, compreensão visual multimodal nativa, janela de contexto de 1M tokens e saída máxima de 384K tokens.

2026-10-12

qwen-audio-3.1-tts-flash

Escopo de implantação do serviço: InternacionalSíntese de fala
Qwen-Audio-3.1-TTS-Flash é um modelo de síntese de fala para interações em tempo real. Oferece síntese de fala em streaming e diversas vozes do sistema para assistentes de voz, conversas em tempo real e atendimento ao cliente.

2026-09-21

qwen-audio-3.1-asr-flash-message

Escopo de implantação do serviço: InternacionalReconhecimento de fala
Qwen-Audio-3.1-ASR-Flash-Message é um modelo generativo de reconhecimento de fala otimizado para mensagens de voz, entrada de voz e cenários empresariais. Ele suporta chinês, inglês e outros idiomas, com otimizações para indonésio, japonês, tailandês, filipino, vietnamita, coreano e malaio. O modelo suporta transcrição incremental em streaming, palavras-chave P0/P1, normalização de texto, reconhecimento informado por transcrições anteriores e contexto de negócios, e polimento opcional de texto nativo. Ele melhora a estabilidade do reconhecimento com múltiplos falantes, conversas de fundo, áudio de campo distante e ruído ambiental. Ele suporta detecção automática de idioma ou idiomas alvo especificados, e pode transcrever dialetos chineses conforme falados ou convertê-los para texto em mandarim padrão.

qwen-audio-3.1-asr-flash-streaming

Escopo de implantação do serviço: InternacionalReconhecimento de fala
Qwen-Audio-3.1-ASR-Flash-Streaming é um modelo de reconhecimento de fala em tempo real de ponta a ponta projetado para cenários como conferências em tempo real, legendas ao vivo e interação inteligente. Ele apresenta baixa latência e alta precisão na transcrição de fala em streaming. O modelo suporta reconhecimento multilíngue e de dialetos chineses de várias regiões, alternância perfeita entre chinês e inglês, aprimoramento por palavras-chave e contexto, previsão de pontuação e normalização de texto. Ele também exibe forte robustez a ruídos e pode se adaptar a ambientes acústicos complexos. Além disso, esta versão suporta saída ASR/AST controlável para múltiplos dialetos.

qwen-audio-3.1-asr-flash

Escopo de implantação do serviço: InternacionalReconhecimento de fala
Qwen-Audio-3.1-ASR-Flash é um modelo de grande escala que suporta reconhecimento eficiente de fala curta, projetado para cenários de transcrição de conteúdo cultural, multilíngue e de alta qualidade. O modelo suporta reconhecimento multilíngue e de dialetos chineses de várias regiões, e é otimizado para o ritmo, cadência e expressão clássica da poesia chinesa antiga. Ele possui recursos de aprimoramento de contexto, previsão de pontuação e normalização de texto. Esta versão também suporta saída ASR/AST controlável para múltiplos dialetos. Inclui capacidades nativas de transcrição e refinamento, bem como capacidades de transcrição baseada em papéis para diálogos com múltiplas pessoas de nível industrial.

qwen-audio-3.1-asr-flash-filetrans

Escopo de implantação do serviço: InternacionalReconhecimento de fala
Qwen-Audio-3.1-ASR-Flash-Filetrans é um modelo de reconhecimento de fala offline ponta a ponta projetado para cenários como transcrição de reuniões, produção de conteúdo e análise de chamadas. Ele suporta reconhecimento multilíngue e de dialetos chineses de várias regiões. O modelo possui recursos de transcrição de alta precisão, aprimoramento de palavras-chave e contexto, separação de falantes, previsão de pontuação e normalização de texto. Ele mantém um desempenho estável mesmo em ambientes ruidosos complexos, tornando-o a escolha preferida para transcrição de áudios longos. Esta versão também suporta saída ASR/AST controlável para múltiplos dialetos.