模型上架 详见下表， 模型下线 规则及清单请参考 模型下线机制说明 。
- 新加坡
- 美国（弗吉尼亚）
- 华北2（北京）
- 中国香港
- 德国（法兰克福）
- 日本（东京）
模型类型 | 时间 | 服务部署范围 | 模型ID | 功能说明 |
|---|---|---|---|---|
文本生成、深度思考、视觉理解 | 2026-09-02 | 国际 |
| Qwen3.8-Max-0902（别名qwen3.8-max-2026-09-02）是qwen3.8-max的快照版本。编码深度再突破，可驾驭更复杂的工程级项目与长程自主开发；协作智能体能力显著增强，在多工具调度与端到端交付中表现更从容；视觉理解全面精进，图表推理、文档解析与多模态感知更敏锐准确。延续 100 万上下文、思考模式与完整工具生态，在更高智能水平上持续进化。 |
图像翻译 | 2026-08-28 | 国际 |
| 专注做图片翻译的模型服务，能将中、英、日等55个语言的图片翻译到指定的语言，精准还原图片排版和内容信息，支持术语定义、敏感词过滤、商品主体检测等自定义功能，提供灵活、准确、高效的图像本地化服务。 |
文本生成、深度思考、视觉理解 | 2026-08-26 | 国际 |
| Qwen3.8-Flash 是通义千问最新推出的多模态大模型，兼具强大的理解与生成能力和出色的响应速度。模型原生支持百万级上下文窗口，能够一次性处理超长文档、代码仓库和复杂对话。在编程辅助、智能体协作、图文理解等场景中表现尤为出色——无论是自动修复代码、操作桌面应用，还是分析图表与长视频，都能给出准确、高质量的结果。同时兼容 OpenAI 与 Anthropic 主流接口协议，可无缝接入 Claude Code、Codex 等开发者工具，轻松构建高并发应用与智能工作流。凭借优异的性能与极具竞争力的推理成本，Qwen3.8-Flash 是开发者和企业在 AI 应用中兼顾效果与效率的理想选择。 |
视频生成 | 2026-08-20 | 国际 |
| Wan3.0-Video-Prime 是万相3.0 的高速版视频生成模型，能力对齐 Wan3.0-Video 标准版，支持四模态全能参考，最长可生成30秒视频，带来沉浸式视听体验的同时端到端速度显著提升。 |
文本生成、深度思考、视觉理解 | 2026-08-19 | 国际 |
| Kimi-K3 是 Kimi 迄今能力最强的旗舰模型，拥有 2.8 万亿参数，基于 KDA 混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）技术构建，原生支持视觉理解，并拥有 100 万 token 上下文窗口。它是全球首个开源的 3 万亿级别模型，面向长程编程、知识工作和推理等前沿智能场景而设计。 |
文本生成、深度思考、视觉理解 | 2026-08-17 | 国际 |
| Qwen3.8系列27B原生视觉语言Dense模型，模型效果相较3.6-27B重点提升了文本和视觉模态下的编程和办公场景能力，能更可靠地端到端完成复杂任务，输出值得信赖的成果。 |
文本生成、深度思考 | 2026-08-17 | 国际 |
| GLM-5.3是智谱迄今编程能力最强的模型，在内部自建体感评测中较GLM-5.2提升50%；网络安全能力：在白盒代码审查与漏洞发现等安全任务中，GLM-5.3的表现持平Mythos 5，展现出面向网络安全防御场景的强大潜力。 |
文本生成、深度思考 | 2026-08-14 | 国际 |
| 旗舰级 MoE 大模型，总参1.6T、激活 49B，原生支持百万级超长上下文。依托海量高质量训练数据，具备顶尖数学逻辑、复杂推理、专业代码与长文本深度解析能力，适配高阶科研、复杂办公、深度智能代理等高难度场景。 |
文本生成 | 2026-08-12 | 国际 |
| Qwen3.8-2.4T-A95B 是通义千问最新旗舰系列的开源版本，2026 年 8 月发布。采用稀疏 MoE 架构，总参数 2.4 万亿，每步激活约 950 亿，配合混合注意力机制，支持 100 万 Token 上下文。核心基准：GPQA Diamond 92.6、PaperBench 93.0、OSWorld 86.1、BabyVision 82.0，CodeArena 全球第 4。 |
实时语音对话 | 2026-08-10 | 国际 |
| 千问实时语音大模型 是一款登顶全球权威评测的下一代实时双工语音大模型，它在全球权威第三方评测平台 Artificial Analysis Speech-to-Speech子项中取得综合排名第一。千问实时语音大模型 兼顾了模型智商与双工对话节奏,在保持流畅、自然的实时交互体验的同时,语音推理能力不打折扣;并通过并行推理和全向流式等工程优化,将端到端响应时延控制在低水平,实现"又快又聪明"的对话体验。标准版更注重高质量的回复结果。 |
实时语音对话 | 2026-08-10 | 国际 |
| 千问实时语音对话大模型3.0 是一款登顶全球权威评测的下一代实时双工语音大模型，它在全球权威第三方评测平台 Artificial Analysis Speech-to-Speech子项中取得综合排名第一。千问实时语音对话大模型3.0兼顾了模型智商与双工对话节奏,在保持流畅、自然的实时交互体验的同时,语音推理能力不打折扣;并通过并行推理和全向流式等工程优化,将端到端响应时延控制在低水平,实现"又快又聪明"的对话体验。极速版更注重极致的响应速度 |
文本生成、深度思考、视觉理解 | 2026-08-07 | 国际 |
| Kimi K3 是 Kimi 迄今能力最强的旗舰模型，拥有 2.8 万亿参数，基于 KDA 混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）技术构建，原生支持视觉理解，并拥有 100 万 token 上下文窗口。它是全球首个开源的 3 万亿级别模型，面向长程编程、知识工作和推理等前沿智能场景而设计。 |
文本生成、深度思考 | 2026-08-07 | 国际 |
| 智谱原厂直供。GLM-5.2 支持真正可用的 1M 上下文，并在长程任务中继续保持领先。 |
视频生成 | 2026-08-06 | 国际 |
| 万相3.0是 all-in-one 视频生成模型，统一支持参考、编辑、复刻、驱动等多种创作功能，四模态全能参考，最长支持30秒视频生成，可解析文件、网页及复杂图片。生产级角色一致性保持，音画真实，带来身临其境的视听冲击力。 |
图片生成 | 2026-08-04 | 国际 |
| 指令理解清晰：支持最大 4.5k token 输入，复杂图文指令一次生成到位。 文字渲染稳定：10px 小字、12 国语言、20+ 字体清晰可辨，信息图和界面直接可用。 批量产出趁手：海报、网页、界面等日常任务可批量生成，成本更优，适合持续创作。 Qwen-Image-3.0 Standard 不只在追求生成效果，更在追求日常创作里的顺手与省心——让图像生成成为可持续的内容生产力。 |
文本生成、深度思考、视觉理解 | 2026-08-02 | 国际 |
| 2.4万亿参数MoE旗舰，编程与办公能力全面跃升，可自主编程十数天交付完整项目。胜任法律、金融、设计等数百种专业任务，一次对话端到端交付生产级成果。原生视觉理解贯穿规划、执行与验证全流程，支持超长文档与长视频的深度语义解析。长程任务中自主规划与闭环迭代，持续进化。 |
文本生成、深度思考 | 2026-08-01 | 国际 |
| 高效轻量化MoE模型，总参284B，激活13B，原生支持百万超长上下文能力。推理速度快、延迟低、调用成本低廉，综合能力均衡，主打高并发、轻量化任务，适合日常对话、内容创作、基础 RAG、批量文案处理等普惠刚需场景。 |
文本向量 | 2026-07-31 | 国际 |
| 是通义实验室基于Qwen3.7训练的多语言文本统一向量模型，相较text-embedding-v4版本在文本检索、聚类、分类性能大幅提升；在MTEB多语言、中英、Code检索等评测任务上效果提升20%；支持256~2560维用户自定义向量维度。 |
语音识别 | 2026-07-30 | 国际 |
| 新增Qwen-Audio-3.0-ASR-Flash-Streaming（实时）、Qwen-Audio-3.0-ASR-Flash-Filetrans（非实时）和Qwen-Audio-3.0-ASR-Flash（非实时）系列模型：方言支持：支持汉语七大方言（官话/吴/湘/赣/客/闽/粤）及 20+ 地区口音；古诗词优化：提升古诗词识别准确率，适用于文化教育、有声读物等场景；文本优化：标点预测与文本归一化增强，数字/日期/金额自动转标准格式；多语种扩展：支持中、英、日、韩等共 30 个语种；热词和上下文能力：支持热词（预编译热词和即时热词） context 上下文，提升特定词汇识别准确率。 |
文本生成、深度思考、视觉理解 | 2026-07-21 | 国际 |
| Qwen3.7原生视觉语言系列Flash模型，相较3.6-Flash全面提升多模态理解与Agent执行能力。重点强化多模态基础能力、万物识别能力更强，真实世界感知与空间智能进一步提升，Search Agent、CI Agent等多模态Agent场景能力显著升级、端到端任务执行更稳定，多模态Coding能力优化、vibe coding 体验更加流畅。 |
图片生成 | 2026-07-20 | 国际 |
| 内容丰实：支持最大 4.5k token 输入，支持图中图密集信息排版，让报纸、分镜、菜单、试卷等复杂版面一次生成。 细节真实：支持 10px 小字精准渲染，微表情、毛孔、发丝等细节生动还原，逼近真实摄影的质感。 知识厚实：支持 12 国语言、多种字体原生渲染，主流网页、游戏、直播等界面仿真，外部知识全纳入。 Qwen-Image-3.0-Pro 不只是在追求"好看"，更在追求“好用”——让图像生成真正成为可落地的生产力工具。 |
语音合成、实时语音合成 | 2026-07-14 | 国际 |
| Qwen-Audio-3.0-TTS-Plus是面向高质量语音生成场景打造的高性能语音合成大模型。相比前一版本，模型支持更多小语种和中文方言，显著提升方言发音的正宗程度，并增强了 free-style 指令遵循能力和细粒度标签控制能力，可更准确地控制情绪、语气、角色、语速、音量和合成风格。同时，模型在噪声、混响等复杂声学条件下具备更强鲁棒性，进一步提升了音质、清晰度、分辨率和整体表现力。Plus 版本更强调合成效果和细节表现，适用于有更高音质、自然度和表现力要求的专业场景，如内容创作、有声书、影视配音、品牌声音设计和高品质语音服务。 |
实时语音合成 | 2026-07-14 | 国际 |
| Qwen-Audio-3.0-TTS-Flash是面向实时交互场景优化的高性能语音合成大模型。相比前一版本，模型支持更多小语种和中文方言，提升了方言发音的正宗程度，并增强了 free-style 指令遵循能力和细粒度标签控制能力，可更灵活地控制情绪、语气、角色、语速、音量等表达方式。同时，模型在噪声、混响等复杂声学条件下具备更强鲁棒性，提升了音质、清晰度和整体表现力。Flash 版本重点优化实时合成体验，适用于语音助手、实时对话、智能客服等低延迟交互场景。 |
文本生成 | 2026-07-10 | 国际 |
| GLM-5.2-Fast-Preview 是智谱 AI 旗舰模型 GLM-5.2 的高速版本，支持 1M 超长上下文，模型能力对齐 GLM-5.2 标准版，具备逻辑推理、长文本理解与代码生成能力。通过推理加速优化，输出 TPS 可达 GLM-5.2 标准版的 1.5～2 倍，显著提升输出速度，适用于实时对话、Agent 多轮调用、流式代码生成等对输出速度敏感的场景。 |
视频生成 | 2026-07-01 | 国际 |
| 万相2.7-文生视频，演绎能力全面升级，文戏情感细腻自然，动作戏激烈拳拳到肉，搭配更富有戏剧性和节奏感的镜头切换，实现更强表演能力。该版本为2026年6月12日快照。 |
视频生成 | 2026-07-01 | 国际 |
| 万相2.7-参考生视频，更加稳定的角色、道具与场景参考，支持最大5个图/视频混合参考，支持音频音色参考，搭配基础能力升级实现更强表演能力。该版本为2026年6月12日快照。 |
图片生成 | 2026-06-25 | 国际 |
| Qwen-Image-2.0系列满血版模型，实现了图片生成和图片编辑的融合；具备更专业的文字渲染1k token指令支持能力、更细腻的真实质感，细腻刻画写实场景、更强的语义遵循能力。满血版具备2.0系列最强的文字渲染能力和真实质感。 |
文本生成、深度思考、视觉理解 | 2026-06-25 | 国际 |
| kimi-k2.7-code是 kimi 迄今最智能的coding模型，在长上下文中更可靠地遵循指令，能以更高的成功率完成编程任务，同时支持文本、图片与视频输入，思考模式，对话与 Agent 任务。 |
文本生成、深度思考 | 2026-06-25 | 国际 |
| GLM-5.2是智谱AI推出的面向长程任务（Long Horizon Task）设计的最新旗舰模型，支持1M超长上下文。拥有强大逻辑推理、长文本理解与代码生成能力、兼顾性能与推理效率；在多任务基准中表现优异，适用于智能交互、企业应用、开发辅助等场景。 |
语音识别 | 2026-06-17 | 国际 |
| 百聆2026年6月更新的大模型ASR版本，全面支持汉语传统七大方言体系（官话/吴/湘/赣/客/闽/粤），并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化，提升对古诗词内容的识别准确率，适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力，使输出文本更符合书面表达习惯，数字、日期、金额等信息自动转换为标准格式，增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等，共计30个语种。支持context上下文能力，可转写5分钟以内的音频。 |
视频生成 | 2026-06-16 | 国际 |
| HappyHorse-1.1-T2V支持文生视频，进一步提升文本语义理解、镜头调度与动态生成表现。模型能够更精准地还原创作意图，在人物动作、场景氛围、视觉美感和物理运动上生成更流畅自然、细节丰富且一致性更高的高质量视频。 |
视频生成 | 2026-06-16 | 国际 |
| HappyHorse-1.1-R2V支持参考生视频，进一步提升主体、场景风格与画面一致性的稳定保持。模型最多支持9张参考图片输入，能够更精准理解并延续创作意图，在人物、场景、风格和镜头表现上带来更强的可控性与表现力。 |
视频生成 | 2026-06-16 | 国际 |
| HappyHorse-1.1-I2V支持图生视频，进一步提升画面质感、动态表现与跨片段一致性。模型能够更精准地理解输入图像并延续创作意图，在人物皮肤质感、ID跨片段保持、动作流畅度、文字渲染稳定性以及音画同步上带来显著改善，输出更真实自然、细节丰富且一致性更高的高质量视频。 |
文本生成、深度思考、视觉理解 | 2026-06-10 | 国际 |
| Qwen3.7系列中规模最大、综合能力最强的Max模型，相较于5月20日快照增加了视觉模态理解能力，能够感知真实世界场景，具备多模态交互混合智能体能力。该版本为2026年6月8日快照。 |
文本生成、深度思考、视觉理解 | 2026-06-01 | 国际 |
| Qwen3.7系列中高性价比Plus模型，在强大文本能力的基础上全面升级了视觉-语言能力，同时保持了在编码、工具使用和生产力工作流方面的完整智能体能力。其核心特色为多模态交互混合智能体能力，能够感知真实世界场景、读取屏幕并操作 GUI、基于视觉参考生成代码、端到端导航移动应用。 |
文本生成、深度思考 | 2026-05-21 | 国际 |
| Qwen3.7系列中规模最大、综合能力最强的Max模型，当前开放纯文本模型能力供体验。Qwen3.7是面向智能体时代的新一代旗舰模型，核心优势在于智能体能力的广度与深度：在编程、办公与生产力、长周期自主执行方面均能出色胜任各项任务。 |
文本生成、深度思考 | 2026-05-20 | 国际 |
| Qwen3.7系列中规模最大、综合能力最强的Max模型预览版，仅支持思考模式，开放纯文本模型能力供体验。主要优化面向用户的通用对话场景，例如知识问答、指令跟随、创意写作等。 |
实时语音翻译 | 2026-05-19 | 国际 |
| Qwen3.5-LiveTranslate-Flash的实时版本，一款高精度、高响应、高鲁棒性的多语言实时音视频同传大模型。依托Qwen3.5-Omni强大的基座能力、海量多模态数据、跨语言跨模态对齐和视觉增强等技术，通义千问3.5-LiveTranslate-Flash 实现了离线和实时两种音视频翻译能力，能听懂60种语言，会说29种语言。 |
文本生成、深度思考 | 2026-05-11 | 国际 |
| 旗舰级 MoE 大模型，总参1.6T、激活 49B，原生支持百万级超长上下文。依托海量高质量训练数据，具备顶尖数学逻辑、复杂推理、专业代码与长文本深度解析能力，适配高阶科研、复杂办公、深度智能代理等高难度场景。 |
文本生成、深度思考 | 2026-05-11 | 国际 |
| 高效轻量化MoE模型，总参284B，激活13B，原生支持百万超长上下文能力。推理速度快、延迟低、调用成本低廉，综合能力均衡，主打高并发、轻量化任务，适合日常对话、内容创作、基础 RAG、批量文案处理等普惠刚需场景。 |
视频生成 | 2026-04-26 | 国际 |
| 万相2.7-文生视频，演绎能力全面升级，文戏情感细腻自然，动作戏激烈拳拳到肉，搭配更富有戏剧性和节奏感的镜头切换，实现更强表演能力。该版本为2026年4月25日快照。 |
视频生成 | 2026-04-26 | 国际 |
| 万相2.7-图生视频，演绎能力全面升级，文戏情感细腻自然，动作戏激烈拳拳到肉，搭配更富有戏剧性和节奏感的镜头切换，实现更强表演能力。该版本为2026年4月25日快照。 |
视频生成 | 2026-04-26 | 国际 |
| HappyHorse-1.0-Video-Edit支持视频编辑，自然语言指令编辑视频，可参考最多5张图片局部或全局编辑视频元素，能够精准复刻视频动态过程，实现更强表现能力。 |
视频生成 | 2026-04-26 | 国际 |
| HappyHorse-1.0-R2V支持参考生视频，更加稳定的主体与场景参考，支持最多9张图片参考，能够精准保持创作意图，实现更强表现能力。 |
文本生成、深度思考、视觉理解 | 2026-04-23 | 国际 |
| Qwen3.5原生视觉语言系列Plus模型，相较于2月15日快照，本模型在Agentic coding能力上大幅提升；推理速度显著提升；知识、推理与长上下文能力保持较高水准，满足复杂Agent任务的需求，适合应用于编码智能体、生产工作流和高吞吐场景。该版本为2026年4月20日快照。 |
图片生成 | 2026-04-23 | 国际 |
| Qwen-Image-2.0系列满血版模型，实现了图片生成和图片编辑的融合；具备更专业的文字渲染1k token指令支持能力、更细腻的真实质感，细腻刻画写实场景、更强的语义遵循能力。满血版具备2.0系列最强的文字渲染能力和真实质感。 |
文本生成、深度思考、视觉理解 | 2026-04-22 | 国际 |
| Qwen3.6系列27B原生视觉语言Dense模型，模型效果相较3.5-27B重点提升了Agentic coding能力、模型STEM与推理能力进一步增强；视觉模态方面在空间智能、物体定位与检测能力上显著增强，视频理解、文档OCR及视觉Agent能力稳步提升。 |
视频生成 | 2026-04-22 | 国际 |
| HappyHorse-1.0-T2V支持文生视频，具备高度还原的动态画面生成能力，能够精准理解文本语义，输出流畅自然、细节丰富的高质量视频。 |
视频生成 | 2026-04-22 | 国际 |
| HappyHorse-1.0-I2V支持图生视频，具备高度还原的动态画面生成能力，能够精准理解文本语义，输出流畅自然、细节丰富的高质量视频。 |
文本生成、深度思考、视觉理解 | 2026-04-17 | 国际 |
| Qwen3.6原生视觉语言系列Flash模型，模型效果相较3.5-Flash显著提升。本模型重点提升agentic coding能力（在多项代码智能体基准上大幅超越前代）、数学推理和代码推理能力；视觉方面在空间智能能力上显著增强，物体定位与目标检测提升尤为突出。 |
文本生成、深度思考、视觉理解 | 2026-04-17 | 国际 |
| Qwen3.6系列35B-A3B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。模型效果相较3.5-35B-A3B显著提升了agentic coding能力、数学推理和代码推理能力、空间智能能力、物体定位与目标检测能力。 |
语音合成 | 2026-04-15 | 国际 |
| 大模型声音复刻服务依托先进的大模型技术进行特征提取，无需训练过程就可以完成声音的复刻。仅需提供极短的音频，即可迅速生成高度相似且听感自然的定制声音。 大模型声音设计使用FunAudioGen-VD模型，支持通过文本Prompt描述，创造声音。无需受限任何音频质量，根据目标场景对音色、语气、语调、语速、情绪等各方面表现力的需求描述，即可生成高质量语音。高度还原专业配音演员的演出水准。 |
文本生成、深度思考 | 2026-04-14 | 国际 |
| Qwen3.6系列中规模最大、综合能力最强的Max模型Preview版本，当前开放纯文本模型能力供体验。相较于此前发布的Qwen3-Max和Qwen3.6-Plus，本模型在vibe coding能力上进一步提升、coding agent执行更加高效、前端编程开发能力显著提升；长尾知识能力进一步升级。 |
文本生成、深度思考 | 2026-04-14 | 国际 |
| GLM-5.1是智谱AI推出的面向长程任务（Long Horizon Task）设计的模型，总参数744B，支持200K超长上下文，最大输出 128K tokens。拥有强大逻辑推理、长文本理解与代码生成能力、兼顾性能与推理效率；在多任务基准中表现优异，适用于智能交互、企业应用、开发辅助等场景。 |
视频生成 | 2026-04-03 | 国际 |
| Wan2.7-VideoEdit，自然语言指令编辑视频，支持局部或全局编辑，可参考图像替换视频元素，支持复刻视频动作、特效、运镜等动态过程。 |
视频生成 | 2026-04-03 | 国际 |
| Wan2.7-T2V，演绎能力全面升级，文戏情感细腻自然，动作戏激烈拳拳到肉，搭配更富有戏剧性和节奏感的镜头切换，实现更强表演能力。 |
视频生成 | 2026-04-03 | 国际 |
| Wan2.7-R2V，更加稳定的角色、道具与场景参考，支持最大5个图/视频混合参考，支持音频音色参考，搭配基础能力升级实现更强表演能力。 |
视频生成 | 2026-04-03 | 国际 |
| 万相2.7-图生视频，演绎能力全面升级，文戏情感细腻自然，动作戏激烈拳拳到肉，搭配更富有戏剧性和节奏感的镜头切换，实现更强表演能力。 |
图片生成 | 2026-04-01 | 国际 |
| 万相2.7-图像生成与编辑旗舰版模型，支持文生图、文生组图、图生组图、图像编辑、多图参考生成、交互式编辑，在文字渲染、主体一致性、复杂指令遵循上都有更强表现。 |
图片生成 | 2026-04-01 | 国际 |
| 万相2.7-图像生成与编辑，支持文生图、文生组图、图生组图、图像编辑、多图参考生成、交互式编辑，在文字渲染、主体一致性、复杂指令遵循上都有更强表现 |
文本生成、深度思考、视觉理解 | 2026-04-01 | 国际 |
| Qwen3.6原生视觉语言系列Plus模型，展现出与当前顶尖前沿模型相媲美的卓越性能，模型效果相较3.5系列显著提升。模型在Agentic coding、前端编程、Vibe coding等代码能力、多模态万物识别、OCR、物体定位等能力上显著增强。 |
实时全模态 | 2026-03-26 | 国际 |
| Qwen3.5-Omni是Qwen最新一代全模态大模型，支持文本，图片，音频，音视频理解与交互。作为 Qwen3-Omni 的全面进化版本，支持60+种语言音频输入，30+语言语音输出以及可控语音对话，WebSearch和复杂FunctionCall的调用，并且具备智能语义打断的交互能力，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。 |
全模态 | 2026-03-26 | 国际 |
| Qwen3.5-Omni是Qwen最新一代全模态大模型，支持文本，图片，音频，音视频理解与交互。作为 Qwen3-Omni 的全面进化版本， 支持超过 10 小时的音频理解及超过 400 秒的 720P（1 FPS）音视频理解与对话，并进一步拓展语言范围，支持60+种语言音频输入，30+语言语音输出，并且具备强大的结构化音视频理解能力，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态理解与交互体验。 |
实时全模态 | 2026-03-26 | 国际 |
| Qwen3.5-Omni是Qwen最新一代全模态大模型，支持文本，图片，音频，音视频理解与交互。作为 Qwen3-Omni 的全面进化版本，支持60+种语言音频输入，30+语言语音输出以及可控语音对话，WebSearch和复杂FunctionCall的调用，并且具备智能语义打断的交互能力，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。 |
全模态 | 2026-03-26 | 国际 |
| Qwen3.5-Omni是Qwen最新一代全模态大模型，支持文本，图片，音频，音视频理解与交互。作为 Qwen3-Omni 的全面进化版本， 支持超过 10 小时的音频理解及超过 400 秒的 720P（1 FPS）音视频理解与对话，并进一步拓展语言范围，支持60+种语言音频输入，30+语言语音输出，并且具备强大的结构化音视频理解能力，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态理解与交互体验。 |
实时全模态 | 2026-03-25 | 国际 |
| Qwen3.5-Omni是Qwen最新一代全模态大模型，支持文本，图片，音频，音视频理解与交互。作为 Qwen3-Omni 的全面进化版本，支持60+种语言音频输入，30+语言语音输出以及可控语音对话，WebSearch和复杂FunctionCall的调用，并且具备智能语义打断的交互能力，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。该版本为2026年3月15日快照。 |
文本生成、深度思考 | 2026-03-20 | 国际 |
| DeepSeek-V3.2是引入DeepSeek Sparse Attention（一种稀疏注意力机制）的正式版模型，也是DeepSeek推出的首个将思考融入工具使用的模型，同时支持思考模式与非思考模式的工具调用。 |
图片生成 | 2026-03-03 | 国际 |
| Qwen-Image-2.0系列满血版模型，实现了图片生成和图片编辑的融合；具备更专业的文字渲染1k token指令支持能力、更细腻的真实质感，细腻刻画写实场景、更强的语义遵循能力。满血版具备2.0系列最强的文字渲染能力和真实质感。该版本为2026年3月3日快照。 |
图片生成 | 2026-03-03 | 国际 |
| Qwen-Image-2.0系列加速版模型，实现了图片生成和图片编辑的融合；具备更专业的文字渲染1k token指令支持能力、更细腻的真实质感，细腻刻画写实场景、更强的语义遵循能力。加速版有效实现了模型效果和性能的最佳平衡。 |
语音识别 | 2026-03-02 | 国际 |
| 通义千问3-ASR-Flash，一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据，通义千问3-ASR-Flash实现了高精度的语音识别功能，能够自动判断语种并准确识别 多个语种的语音，在复杂的音频环境下能够保证精确转录。此版本为2026年2月10日的快照版本。 |
文本生成、深度思考、视觉理解 | 2026-02-23 | 国际 |
| Qwen3.5原生视觉语言系列Flash模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。模型效果在纯文本与多模态方面相较3系列均实现飞跃式进步；响应速度快，兼具推理速度和性能。 |
文本生成、深度思考、视觉理解 | 2026-02-23 | 国际 |
| Qwen3.5系列35B-A3B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。该模型的综合表现接近于Qwen3.5-27B。 |
文本生成、深度思考、视觉理解 | 2026-02-23 | 国际 |
| Qwen3.5系列27B原生视觉语言Dense模型，融合了线性注意力机制；响应速度快，兼具推理速度和性能。该模型的综合能力接近于Qwen3.5-122B-A10B。 |
文本生成、深度思考、视觉理解 | 2026-02-23 | 国际 |
| Qwen3.5系列122B-A10B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。该模型的综合表现仅次于Qwen3.5-397B-A17B，文本能力显著优于Qwen3-235B-2507，视觉能力优于Qwen3-VL-235B。 |
文本生成 | 2026-02-20 | 国际 |
| Qwen3系列新一代代码生成模型，效果接近Qwen3-Coder-Plus兼具更优性能。模型重点优化仓库级别理解、支持多轮工具交互、提升对于agentic coding类工具的适配能力。 |
文本生成、深度思考、视觉理解 | 2026-02-15 | 国际 |
| Qwen3.5原生视觉语言系列Plus模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。在多项任务评测中，3.5系列均展现出与当前顶尖前沿模型相媲美的卓越性能，模型效果在纯文本与多模态方面相较3系列均实现飞跃式进步。 |
文本生成、深度思考、视觉理解 | 2026-02-15 | 国际 |
| Qwen3.5系列397B-A17B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。在语言理解、逻辑推理、代码生成、智能体任务、图像理解、视频理解、图形用户界面（GUI）等多种任务中，均展现出与当前顶尖前沿模型相媲美的卓越性能。具备强大的代码生成与智能体能力，对于各类智能体场景具有良好的泛化性。 |
语音识别 | 2026-02-13 | 国际 |
| Qwen3-ASR-Flash的实时版，一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据，Qwen3-ASR-Flash实现了高精度的语音识别功能，能够自动判断语种并准确识别 多个语种的语音，在复杂的音频环境下能够保证精确转录。此版本为2026年2月10日的快照版本。 |
语音合成 | 2026-02-10 | 国际 |
| Qwen3-TTS-VD模型是通义最新推出的实时语音合成大模型，可对qwen3-voice-design服务设计的声音进行高保真实时语音合成，且同一音色支持11个语种的语音输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2026年01月26日快照版本模型。 |
语音合成 | 2026-02-10 | 国际 |
| Qwen3-TTS-Flash模型是通义最新推出的实时语音合成大模型，可对qwen-voice-enrollment服务复刻的声音进行高保真实时语音合成，且同一音色支持11个语种的语音输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2026年01月22日快照版本模型。 |
语音合成 | 2026-02-10 | 国际 |
| Qwen3-TTS-Flash模型是通义实验室最新推出的实时语音合成大模型，Instruct模型可通过自然语言进行合成效果的处理，确保在不同语境下，合成情感、表达高度贴合的语音。目前支持25个音色的中英文Instruct调节。 |
语音合成 | 2026-02-10 | 国际 |
| 克隆能力：CosyVoice-v3-plus是通义实验室CosyVoice系列最新版的语音克隆大模型，具有更好的音质和复刻相似度，适用于更专业的场景。仅需提供5-20s的参考音频，即可迅速生成高度相似且听感自然的定制声音。合成能力：CosyVoice-v3-plus是通义实验室CosyVoice系列最新版的语音合成大模型，具有更好的音质和表现力，适用于更专业的场景。该模型支持文本至语音的实时流式合成。 |
语音合成 | 2026-02-09 | 国际 |
| 合成能力：CosyVoice-v3-Flash是通义实验室CosyVoice系列最新版高性能的语音合成大模型，较之前版本在自然度、音质、韵律、情感表现力上有更好的表现。该模型支持文本至语音的实时流式合成。克隆能力：CosyVoice-v3-Flash也是通义实验室CosyVoice系列最新版的语音克隆大模型，较之前版本提升了发音准确性、音色相似度，并且增加了更多小语种支持（德、西、法、意、俄）。仅需提供5-20s的参考音频，即可迅速生成高度相似且听感自然的定制声音。 |
文本生成 | 2026-01-30 | 国际 |
| 千问系列角色扮演模型，本模型是动态更新版本，模型更新会提前通知，适合拟人化的角色扮演，同时优化了限定人设指令遵循、话题推进、倾听共情等能力，支持个性化角色的深度还原。 |
视频生成 | 2026-01-29 | 国际 |
| 万相2.6-参考生视频-Flash，生成更快性价比更高。支持指定人物或任意物品进行参考，精准保持形象和声音的一致性，支持多角色参考合拍 |
排序模型 | 2026-01-27 | 国际 |
| 基于Qwen LLM底座训练的文本排序模型，对输入的Query和候选Docs进行相关性排序，支持100+语种和长文本输入，适用于文本检索、RAG等场景，效果对齐开源Qwen3-Rerank系列模型 |
文本生成、深度思考 | 2026-01-23 | 国际 |
| 千问3系列Max模型，相较2025年9月23日快照，此版本实现思考模式和非思考模式的有效融合，模型整体效果得到全方位的大幅度提升。在思考模式下，同时发布Web搜索、Web信息提取和代码解释器工具能力，使得模型在慢思考的同时，能够通过引入外部工具，以更高的准确性解决更有难度的问题。此版本为2026年1月23日快照。 |
视觉理解 | 2026-01-22 | 国际 |
| Qwen3系列小尺寸视觉理解模型，实现思考模式和非思考模式的有效融合，相较于2025年10月15日快照，模型整体效果有大幅提升：在通用视觉识别与推理方面有增强；在安防、巡店、巡检、拍照解题等业务场景识别效果上提升显著。此版本为2026年1月22日快照版本。 |
语音合成 | 2026-01-21 | 国际 |
| 千问3-TTS-Flash模型是通义实验室最新推出的实时语音合成大模型，Instruct模型可通过自然语言进行合成效果的处理，确保在不同语境下，合成情感、表达高度贴合的语音。目前支持25个音色的中英文Instruct调节。该模型等同于2026年01月22日快照版本模型。 |
视频生成 | 2026-01-15 | 国际 |
| 万相2.6-图生视频-Flash，生成更快更高性价比。智能分镜调度支持多镜头叙事，多人稳定对话，更自然真实音色，最高支持15秒时长生成 |
图片生成 | 2026-01-15 | 国际 |
| 千问图像编辑模型Max系列，提供更稳定、更丰富的编辑能力：提升工业设计与几何推理能力；提升角色一致性；减轻偏移问题；集成Lora能力，可以进行更多功能的图像编辑。 |
语音合成 | 2026-01-14 | 国际 |
| 千问3-TTS-VD模型是通义实验室最新推出的实时语音合成大模型，可对qwen3-voice-design服务设计的声音进行高保真实时语音合成，且同一音色支持11个语种的语音输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2026年01月15日快照版本模型。 |
语音合成 | 2026-01-14 | 国际 |
| 千问3-TTS-Flash模型是通义最新推出的实时语音合成大模型，可对qwen-voice-enrollment服务复刻的声音进行高保真实时语音合成，且同一音色支持11个语种的语音输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2026年01月15日快照版本模型。 |
文本生成 | 2026-01-13 | 国际 |
| 千问系列多语言角色扮演模型，本模型是动态更新版本，模型更新会提前通知，适合拟人化的角色扮演，同时优化了限定人设指令遵循、话题推进、倾听共情等能力，支持个性化角色的深度还原。 |
图片生成 | 2026-01-09 | 国际 |
| 千问系列图像生成模型，具备卓越的文本渲染能力，在复杂文本渲染、各类生成与编辑任务重表现出色。此版本为2026年1月9日快照，为Qwen-Image-Max的蒸馏加速版，可以更快速地生成高质量图片。 |
图片生成 | 2025-12-30 | 国际 |
| 千问图像生成模型Max系列，在各类生成任务中表现出色，相较Plus系列大幅度降低生成图片的AI感，提升图像真实性；具备更真实的人物质感、更细腻的自然纹理、更美观的文字渲染。 |
图片生成 | 2025-12-22 | 国际 |
| Z-Image-Turbo是在Artificial Analysis评测中荣登文生图开源模型世界第一的高效图像生成模型,仅用60亿参数和8步推理就能生成媲美大规模商业模型的照片级真实感图像,并在中英双语文本渲染、复杂语义理解和多样化主题生成上表现卓越。 |
深度思考、视觉理解 | 2025-12-18 | 国际 |
| Qwen3系列视觉理解模型，实现思考模式和非思考模式的有效融合。相较于9月23日快照，在推理及分析任务、风格控制上表现更优；同时拥有更低的延时和更快的响应速度。此版本为2025年12月19日快照版本。 |
视频生成 | 2025-12-16 | 国际 |
| 万相2.6-参考生视频，支持指定人物或任意物品进行参考，精准保持形象和声音的一致性，支持多角色参考合拍。提醒：当使用视频进行参考时，输入视频也会计入费用，详见模型计费文档。 |
图片生成 | 2025-12-15 | 国际 |
| 万相2.6-文生图，画面质感、美学表现、指令遵循升级，在艺术风格精准控制、真实感人像、长文本生图及广泛历史文化IP覆盖上均表现出卓越能力，可生成高质量且富有表现力的视觉内容。 |
图片生成 | 2025-12-15 | 国际 |
| 万相2.6-图像生成，全能图像生成模型，支持图文一体化推理生成，具备多图创意融合、商用级一致性、美学要素迁移与镜头光影精确控制，全面提升图像生成的一致性、可控性和表现力。 |
图片生成 | 2025-12-15 | 国际 |
| 千问系列图像编辑Plus模型，相较10月30日快照提升角色一致性、工业设计能力、几何推理能力；同时集成例如打光等Lora能力、减轻偏移问题。此版本为2025年12月15日快照。 |
语音合成 | 2025-12-12 | 国际 |
| 千问3-TTS-VD模型是通义实验室最新推出的实时语音合成大模型，可对qwen3-voice-design服务设计的声音进行高保真实时语音合成，且同一音色支持11个语种的语音输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2025年12月16日快照版本模型。 |
语音合成 | 2025-12-12 | 国际 |
| 千问voice-design模型是千问语音模型的声音设计系列模型，仅需输入简单的文字描述，即可迅速设计出符合要求的相关声音。结合qwen3-tts-vd-realtime模型使用，可设计输出10个语种的语音。且合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。 |
实时全模态 | 2025-12-04 | 国际 |
| 千问3-Omni-Flash多模态大模型的实时版，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。 |
全模态 | 2025-12-04 | 国际 |
| 千问3-Omni-Flash多模态大模型，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。 |
实时语音识别 | 2025-12-04 | 国际 |
| Qwen3-LiveTranslate-Flash，一款高精度、高响应、高鲁棒性的多语言实时音视频同传大模型。依托Qwen3-Omni强大的基座能力、海量多模态数据、跨语言跨模态对齐和视觉增强等技术，Qwen3-LiveTranslate-Flash 实现了离线和实时两种音视频翻译能力，能听懂19种语言，会说10种语言以及8种中文方言。 |
视频生成 | 2025-12-03 | 国际 |
| 万相2.6-文生视频，智能分镜调度支持多镜头叙事，能够生成主体、场景和氛围一致的多镜头叙事视频，最高支持15秒时长，更高品质的声音生成，更好的指令遵循和视觉质量 |
视频生成 | 2025-12-03 | 国际 |
| 万相2.6-图生视频，智能分镜调度支持多镜头叙事，更高品质的声音生成，多人稳定对话，更自然真实音色，最高支持15秒时长生成 |
— | 2025-12-01 | 国际 |
| 本版本为2025年12月1日快照，相较7月28日快照在推理能力上有提升；智能体能力、多轮工具调用能力进一步增强；主观创作类任务表现更优。支持1M上下文长度，按照上下文长度进行阶梯计费。 |
语音合成 | 2025-11-27 | 国际 |
| 千问3-TTS-Flash模型是通义实验室最新推出的实时语音合成大模型，可对qwen3-voice-enrollment服务复刻的声音进行高保真实时语音合成，且同一音色支持11个语种的语音输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2025年11月27日快照版本模型。 |
语音合成 | 2025-11-27 | 国际 |
| 千问3-TTS-Flash-Realtime模型是通义实验室最新的实时语音合成大模型，不仅拥有17种高表现力的拟人音色，且能低延迟高稳定地实时合成音频；同时支持多种语言，方言，支持同一音色多语言输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。 |
语音合成 | 2025-11-27 | 国际 |
| Qwen3-TTS-Flash模型是通义实验室最新推出的离线语音合成大模型，不仅拥有17种高表现力的拟人音色，且能低延迟高稳定地合成音频；同时支持多种语言，方言，支持同一音色多语言输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。 |
语音合成 | 2025-11-27 | 国际 |
| 千问voice-enrollment模型是千问语音模型的声音复刻系列模型，仅需5s以上的音频，即可迅速复刻高相似度声音。结合qwen3-tts-vc-realtime模型使用，可将一个人的声音高保真复刻，输出10个语种的语音。且合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。 |
视觉理解 | 2025-11-21 | 国际 |
| 本模型为2025年11月20日的快照版本，基于最新Qwen-VL3架构全面升级，在文档解析，文字定位能力全面升级，端到端时延，幻觉大幅降低。 |
语音识别 | 2025-11-21 | 国际 |
| 百聆2026年4月更新的大模型ASR版本，全面支持汉语传统七大方言体系（官话/吴/湘/赣/客/闽/粤），并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化，提升对古诗词内容的识别准确率，适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力，使输出文本更符合书面表达习惯，数字、日期、金额等信息自动转换为标准格式，增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等，共计30个语种。此版本为2025年11月7日的快照版本。 |
视觉理解 | 2025-11-20 | 国际 |
| 千问VL-OCR（qwen-vl-ocr），即基于Qwen-VL训练的OCR识别大模型。通过统一模型的方式聚合多种图文识别、解析、处理类任务，提供强大的图文识别能力。 |
文本生成 | 2025-11-19 | 国际 |
| 基于Qwen3全面升级的基础级文本翻译大模型，支持32个语种互译，模型性能和翻译效果全面升级，并提供更稳定的术语定制、格式还原度、领域提示能力，让译文更精准、自然。 |
语音识别 | 2025-11-18 | 国际 |
| 千问3-ASR-Flash的大文件转录版本，千问3-ASR-Flash是一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据，千问3-ASR-Flash实现了高精度的语音识别功能，能够自动判断语种并准确识别多个语种的语音，在复杂的音频环境下能够保证精确转录。 |
实时语音识别 | 2025-11-17 | 国际 |
| 通义实验室新一代端到端语音识别大模型的实时版，基于领先的自研语音技术，具备卓越的上下文感知和高精度语音转写能力。基于端到端架构，Fun-ASR 集成了创新的 RAG 技术，支持大规模热词自定义、敏感/语气词自动过滤、ITN 规范化、标点预测等多维功能，显著提升了整体识别准确率和语境贴合度。同时，Fun-ASR 支持中英文自由切换，多地区方言覆盖，具备更强的噪声鲁棒性，适应多样复杂环境。此版本为2025年11月7日的快照版本。 |
文本生成 | 2025-11-11 | 国际 |
| 基于Qwen3全面升级的轻量级文本翻译大模型，支持92个语种互译，模型性能和翻译效果全面升级，并提供更稳定的术语定制、格式还原度、领域提示能力，让译文更精准、自然。 |
视频生成 | 2025-11-10 | 国际 |
| wan2.2-animate-move图生动作是一款角色动画生成模型，用户只需上传一张角色照片和一段参考表演视频，即可将视频中的表情和动作迁移到图片角色上，生成高保真的动画视频。 |
视频生成 | 2025-11-10 | 国际 |
| wan2.2-animate-mix视频换人是一款角色替换的模型产品，上传一张角色照片与一段表演视频，即可将原视频中的角色精准替换为照片中的角色，完整保留原始视频的场景、光照和色调等环境细节。 |
多模态向量 | 2025-10-31 | 国际 |
| Embedding-Vision是基于LLM底座的视觉多模态表征模型，具有以视觉为中心、领域性能优异（电商、 安防、相册/图库、自驾等）、高性价比的特点。兼容文本、图像、视频3种模态，可应用于以图搜图、以文搜图、以文搜视频，以视频搜视频等下游任务场景。 |
多模态向量 | 2025-10-31 | 国际 |
| Embedding-Vision是基于LLM底座的视觉多模态表征模型，具有以视觉为中心、领域性能优异（电商、 安防、相册/图库、自驾等）、高性价比的特点。兼容文本、图像、视频3种模态，可应用于以图搜图、以文搜图、以文搜视频，以视频搜视频等下游任务场景。本模型（tongyi-embedding-vision-flash）是轻量化版本，在视觉向量化上具备极高性价比。 |
图片生成 | 2025-10-31 | 国际 |
| 千问系列图像编辑Plus模型，在首版Edit模型基础上进一步优化了推理性能与系统稳定性，大幅缩短图像生成与编辑的响应时间；支持单次请求返回多张图片，显著提升用户体验。 |
实时语音识别 | 2025-10-29 | 国际 |
| 千问3-ASR-Flash的实时版，一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据，通义千问3-ASR-Flash实现了高精度的语音识别功能，能够自动判断语种并准确识别多个语种的语音，在复杂的音频环境下能够保证精确转录。 |
深度思考、视觉理解 | 2025-10-21 | 国际 |
| Qwen3-VL系列最大尺寸Dense模型的推理版本，多模态推理能力仅次于Qwen3-VL-235B-Thinking，STEM&数学类解题能力、通用图像和视频理解能力出众，多模态Agent能力达到SOTA，适合做复杂多模态推理任务。 |
视觉理解 | 2025-10-21 | 国际 |
| Qwen3-VL系列最大尺寸Dense模型的非推理版本，综合表现仅次于Qwen3-VL-235B-Instruct，文档识别和理解能力出色，空间感知与万物识别能力强，视觉2D检测/空间推理能力达到SOTA，适合通用场景下的复杂感知任务。 |
深度思考、视觉理解 | 2025-10-15 | 国际 |
| Qwen3系列小尺寸视觉理解模型，实现思考模式和非思考模式的有效融合，效果优于开源版Qwen3-VL-30B-A3B，响应速度快。全面升级图像/视频理解，支持长视频长文档等超长上下文、空间感知与万物识别；具备视觉2D/3D定位能力，胜任复杂现实任务。 |
深度思考、视觉理解 | 2025-10-03 | 国际 |
| Qwen3-VL系列第二大MoE模型的Thinking版本，响应速度快，具备更强多模态理解与推理、视觉智能体、长视频长文档等超长上下文支持能力；全面升级图像/视频理解、空间感知与万物识别能力，胜任复杂现实任务。 |
视觉理解 | 2025-10-03 | 国际 |
| Qwen3-VL系列第二大MoE模型的Instruct版本，响应速度快，支持长视频长文档等超长上下文；全面升级图像/视频理解、空间感知与万物识别能力；具备视觉2D/3D定位能力，胜任复杂现实任务。 |
深度思考、视觉理解 | 2025-09-30 | 国际 |
| Qwen3-VL系列8B Dense模型的Thinking版本，占用显存更低，能够完成多模态理解与推理；支持长视频长文档等超长上下文、视觉2D/3D定位；全面升级图像/视频理解、空间感知与万物识别能力。 |
视觉理解 | 2025-09-30 | 国际 |
| Qwen3-VL系列8B Dense模型的Instruct版本，占用显存更低，全面升级图像/视频理解、长视频长文档等超长上下文支持、空间感知与万物识别能力，胜任复杂现实任务。 |
语音识别 | 2025-09-25 | 国际 |
| 百聆多语言语音识别大模型，支持超过31种语言，支持语种自由切换，出海用户首推，尤其东南亚出海。fun-asr为该模型的升级版本，建议切换使用fun-asr。 |
图片生成 | 2025-09-24 | 国际 |
| 万相2.5-文生图-Preview，全新升级模型架构。画面美学、设计感、真实质感显著提升，精准指令遵循，擅长中英文和小语种文字生成，支持复杂结构化长文本和图表、架构图等内容生成。 |
图片生成 | 2025-09-24 | 国际 |
| 万相2.5-图像编辑-Preview，全新升级模型架构。支持指令控制实现丰富的图像编辑能力，指令遵循能力进一步提升，支持高一致性保持的多图参考生成，文字生成表现优异。 |
文本生成、深度思考 | 2025-09-24 | 国际 |
| 千问3系列Max模型，相较preview版本在智能体编程与工具调用方向进行了专项升级。本次发布的正式版模型达到领域SOTA水平，适配场景更加复杂的智能体需求。 |
实时语音翻译 | 2025-09-24 | 国际 |
| Qwen3-LiveTranslate-Flash的实时版本，一款高精度、高响应、高鲁棒性的多语言实时音视频同传大模型。依托Qwen3-Omni强大的基座能力、海量多模态数据、跨语言跨模态对齐和视觉增强等技术，通义千问3-LiveTranslate-Flash 实现了离线和实时两种音视频翻译能力，能听懂19种语言，会说10种语言以及8种中文方言。 |
语音识别 | 2025-09-24 | 国际 |
| 百聆2026年4月更新的大模型ASR版本，全面支持汉语传统七大方言体系（官话/吴/湘/赣/客/闽/粤），并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化，提升对古诗词内容的识别准确率，适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力，使输出文本更符合书面表达习惯，数字、日期、金额等信息自动转换为标准格式，增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等，共计30个语种。此版本等同于2025年11月7日的快照版本。 |
视频生成 | 2025-09-23 | 国际 |
| 万相2.5-文生视频-Preview，全新升级模型架构，支持与画面同步的声音生成，支持10秒长视频生成，更强的指令遵循能力，运动能力、画面质感进一步提升。 |
视频生成 | 2025-09-23 | 国际 |
| 万相2.5-图生视频-Preview，全新升级技术架构，支持与画面同步的声音生成，支持10秒长视频生成，更强的指令遵循能力，运动能力、画面质感进一步提升。 |
视觉理解 | 2025-09-23 | 国际 |
| Qwen3系列视觉理解模型，实现思考模式和非思考模式的有效融合，视觉智能体能力在OS World等公开测试集上达到世界顶尖水平。此版本在视觉coding、空间感知、多模态思考等方向全面升级；视觉感知与识别能力大幅提升，支持超长视频理解。 |
深度思考、视觉理解 | 2025-09-23 | 国际 |
| Qwen3系列视觉理解模型，多模态思考能力显著增强，模型在STEM与数学推理方面进行了重点优化；视觉感知与识别能力全面提升、OCR能力迎来重大升级。 |
视觉理解 | 2025-09-23 | 国际 |
| Qwen3系列视觉理解模型，在视觉coding、空间感知等方向全面升级；视觉感知与识别能力大幅提升，支持超长视频理解，OCR能力迎来重大升级。 |
实时语音翻译 | 2025-09-23 | 国际 |
| 千问3-LiveTranslate-Flash的实时版本，一款高精度、高响应、高鲁棒性的多语言实时音视频同传大模型。依托Qwen3-Omni强大的基座能力、海量多模态数据、跨语言跨模态对齐和视觉增强等技术，千问3-LiveTranslate-Flash 实现了离线和实时两种音视频翻译能力，能听懂19种语言，会说10种语言以及8种中文方言。此版本为2025年9月22日的快照版本。 |
文本生成 | 2025-09-23 | 国际 |
| 基于Qwen3的代码生成模型，具有强大的Coding Agent能力，擅长工具调用和环境交互，能够实现自主编程、代码能力卓越的同时兼具通用能力。本版本为2025年9月23日快照，相较上一版本（7月22日快照）在下游任务效果和工具调用方面鲁棒性有所提升；代码安全性增强。 |
图片生成 | 2025-09-23 | 国际 |
| 千问系列图像生成模型，参数规模200亿。具备卓越的文本渲染能力，在复杂文本渲染、各类生成与编辑任务重表现出色，在多个公开基准测试中获得SOTA，模型性能大幅提升。 |
实时语音识别 | 2025-09-23 | 国际 |
| 通义实验室新一代端到端语音识别大模型的实时版，基于领先的自研语音技术，具备卓越的上下文感知和高精度语音转写能力。基于端到端架构，Fun-ASR 集成了创新的 RAG 技术，支持大规模热词自定义、敏感/语气词自动过滤、ITN 规范化、标点预测等多维功能，显著提升了整体识别准确率和语境贴合度。同时，Fun-ASR 支持中英文自由切换，多地区方言覆盖，具备更强的噪声鲁棒性，适应多样复杂环境。 |
语音识别 | 2025-09-19 | 国际 |
| 千问3-Omni-30b-a3b-Captioner是一款强大的音频细粒度分析模型，专为在复杂多变的音频场景中生成精准、全面的内容描述而设计，可自动解析并描述从复杂语音、环境声到音乐、影视声效等各类音频内容，能够在多声源、混合化的环境中亦保持稳定而可信的输出。 |
实时全模态 | 2025-09-17 | 国际 |
| 千问3-Omni-Flash多模态大模型的实时版，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。此版本为2025年9月15日的快照版本。 |
全模态 | 2025-09-17 | 国际 |
| Qwen3-Omni-Flash多模态大模型，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。此版本为2025年9月15日的快照版本。 |
语音合成 | 2025-09-16 | 国际 |
| Qwen3-TTS-Flash-Realtime-2025-09-18模型是通义实验室最新的实时语音合成大模型，不仅拥有17种高表现力的拟人音色，且能低延迟高稳定地实时合成音频；同时支持多种语言，方言，支持同一音色多语言输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2025年9月18日快照版本模型。 |
语音合成 | 2025-09-16 | 国际 |
| 千问3-TTS-Flash-2025-09-18模型是通义实验室最新推出的离线语音合成大模型，不仅拥有17种高表现力的拟人音色，且能低延迟高稳定地合成音频；同时支持多种语言，方言，支持同一音色多语言输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型为2025年9月18日快照版本模型。 |
语音识别 | 2025-09-16 | 国际 |
| 千问3-ASR-Flash是一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据，千问3-ASR-Flash实现了高精度的语音识别功能，能够自动判断语种并准确识别多个语种的语音，在复杂的音频环境下能够保证精确转录。 |
视觉理解 | 2025-09-16 | 国际 |
| 千问VL-Plus（qwen-vl-plus），即千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能。 |
视觉理解 | 2025-09-16 | 国际 |
| 千问VL-Max（qwen-vl-max），即千问超大规模视觉语言模型。相比增强版，再次提升视觉推理能力和指令遵循能力，提供更高的视觉感知和认知水平。在更多复杂任务上提供最佳的性能。 |
文本生成、深度思考 | 2025-09-16 | 国际 |
| Qwen3系列Plus模型，实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力显著超过QwQ、通用能力显著超过Qwen2.5-Plus，达到同规模业界SOTA水平。 |
视觉理解 | 2025-09-12 | 国际 |
| 全新升级的万相2.2-首尾帧生视频，生成速度更快。优化视频动态稳定性与成功率，更强大的指令遵循能力，两张图片生成丝滑过度视频。 |
文本生成、深度思考 | 2025-09-11 | 国际 |
| 基于Qwen3的新一代思考模式开源模型，相较上一版本（千问3-235B-A22B-Thinking-2507指令遵循能力有提升、模型总结回复更加精简。 |
文本生成 | 2025-09-11 | 国际 |
| 基于Qwen3的新一代非思考模式开源模型，相较上一版本（千问3-235B-A22B-Instruct-2507）中文文本理解能力更佳、逻辑推理能力有增强、文本生成类任务表现更好。 |
文本生成、深度思考 | 2025-09-11 | 国际 |
| 本版本为2025年9月11日快照，相较7月28日快照在思考模式下指令遵循能力有提升、模型总结回复更加精简；在非思考模式下中文文本理解能力更佳、逻辑推理能力有增强。支持1M上下文长度，按照上下文长度进行阶梯计费。 |
文本生成、深度思考 | 2025-09-05 | 国际 |
| Qwen3系列Max模型Preview版本，实现思考模式和非思考模式的有效融合。思考模式下在智能体编程能力、常识知识推理能力、数学/科学/通用类推理等能力上均有显著增强。 |
文本向量 | 2025-08-25 | 国际 |
| 通用文本向量V4版本，是通义实验室基于Qwen3训练的多语言文本统一向量模型，相较V3版本在文本检索、聚类、分类性能大幅提升；在MTEB多语言、中英、Code检索等评测任务上效果提升15%~40%；支持64~2048维用户自定义向量维度。 |
图片生成 | 2025-08-18 | 国际 |
| 千问系列首个图像编辑模型，成功将Qwen-Image的文本渲染能力拓展到编辑任务上。支持精准的中英双语文字编辑、视觉外观与语义双重编辑、具备强大的跨基准性能表现。 |
视频生成 | 2025-08-15 | 国际 |
| 全新升级的万相2.2图生视频，生成速度更快。优化视频生成稳定性与成功率，更强大的指令遵循能力，稳定保持图片文字、人像和商品一致性，精准运镜控制。 |
实时全模态 | 2025-08-14 | 国际 |
| 千问全新多模态理解生成大模型实时版，适合实时音频交互场景。支持音频伴随文本、图像、视频混合输入理解，具备语音和文本同时流式生成能力，提供了4种自然对话音色。 |
图片生成 | 2025-08-14 | 国际 |
| 千问系列首个图像生成模型，参数规模200亿。具备卓越的文本渲染能力，在复杂文本渲染、各类生成与编辑任务重表现出色，在多个公开基准测试中获得SOTA。 |
文本生成、深度思考 | 2025-08-01 | 国际 |
| Qwen3系列Flash模型，实现思考模式和非思考模式的有效融合，可在对话中切换模式。复杂推理类任务性能优秀，指令遵循、文本理解等能力显著提高。支持1M上下文长度，按照上下文长度进行阶梯计费。 |
文本生成 | 2025-07-31 | 国际 |
| 基于Qwen3的代码生成模型，继承Qwen3-Coder-480B-A35B-Instruct的coding agent能力，代码能力达到同尺寸规模模型SOTA。 |
文本生成、深度思考 | 2025-07-31 | 国际 |
| 千问系列能力均衡的模型，推理效果和速度介于千问-Max和千问-Turbo之间，适合中等复杂任务。本模型是动态更新版本，模型更新不会提前通知。 |
文本生成、深度思考 | 2025-07-30 | 国际 |
| 基于Qwen3的思考模式开源模型，相较上一版本（千问3-30B-A3B）复杂推理类任务性能优秀，包括逻辑推理、数学、科学、代码类等具有一定难度的任务场景，指令遵循、文本理解、多语言翻译等能力显著提高。 |
文本生成 | 2025-07-29 | 国际 |
| 基于Qwen3的代码生成模型，继承Qwen3-Coder-Plus的coding agent能力，支持多轮工具交互，重点优化仓库级别理解能力并增加工具调用稳定性。 |
文本生成 | 2025-07-29 | 国际 |
| 基于Qwen3的非思考模式开源模型，相较上一版本（千问3-30B-A3B）中英文和多语言整体通用能力有大幅提升。主观开放类任务专项优化，显著更加符合用户偏好，能够提供更有帮助性的回复。 |
文本生成、深度思考 | 2025-07-29 | 国际 |
| Qwen3系列Plus模型，实现思考模式和非思考模式的有效融合，可在对话中切换模式。相较上个版本在中英文能力、工具调用上进行了专用增强。本版本为2025年7月28日快照，首次支持1M上下文长度，按照上下文长度进行阶梯计费。 |
视频生成 | 2025-07-28 | 国际 |
| 全新升级的万相2.2文生视频，视频品质更高。可稳定生成大幅度复杂运动，支持影视级画面表现与控制，更强大的指令遵循能力，实现物理世界还原。 |
图片生成 | 2025-07-28 | 国际 |
| 全新升级的万相2.2文生图，更丰富的画面细节。在生成图像创意性、稳定性、写实质感方面全面升级，指令遵循更强，原生支持多种风格。支持最大200万像素生成，支持智能提示词改写等。 |
图片生成 | 2025-07-28 | 国际 |
| 全新升级的万相2.2文生图，更快的生成速度。在生成图像创意性、稳定性、写实质感方面全面升级，指令遵循更强，原生支持多种风格。支持最大200万像素生成，支持智能提示词改写等。 |
视频生成 | 2025-07-28 | 国际 |
| 全新升级的万相2.2图生视频，视频品质更高。优化视频生成稳定性与成功率，更强大的指令遵循能力，稳定保持图片文字、人像和商品一致性，精准运镜控制。 |
文本生成、深度思考 | 2025-07-25 | 国际 |
| 基于Qwen3的思考模式开源模型，相较上一版本（千问3-235B-A22B）逻辑能力、通用能力、知识增强及创作能力均有大幅提升，适用于高难度强推理场景。 |
文本生成 | 2025-07-24 | 国际 |
| 基于Qwen3全面升级的轻量级文本翻译大模型，支持92个语种互译，模型性能和翻译效果全面升级，提供更稳定的术语定制、格式还原度、领域提示能力，让译文更精准、自然。 |
文本生成 | 2025-07-24 | 国际 |
| 基于Qwen3全面升级的旗舰级翻译大模型，支持92个语种互译，模型性能和翻译效果全面升级，并提供更稳定的术语定制、格式还原度、领域提示能力，让译文更精准、自然。 |
文本生成 | 2025-07-23 | 国际 |
| 基于Qwen3的代码生成模型，具有强大的Coding Agent能力，擅长工具调用和环境交互，能够实现自主编程、代码能力卓越的同时兼具通用能力。 |
文本生成 | 2025-07-23 | 国际 |
| 基于Qwen3的代码生成模型，具有强大的Coding Agent能力，代码能力达到开源模型 SOTA。 |
文本生成 | 2025-07-23 | 国际 |
| 基于Qwen3的非思考模式开源模型，相较上一版本（千问3-235B-A22B）主观创作能力与模型安全性均有小幅度提升。 |
文本生成、深度思考 | 2025-07-23 | 国际 |
| Qwen3系列Plus模型，实现思考模式和非思考模式的有效融合，可在对话中切换模式。此版本为2025年7月14日快照模型，相较上个版本在非thinking模式下中英文能力均有大幅提升，工具调用能力专项增强。 |
文本生成 | 2025-07-21 | 国际 |
| 千问系列角色扮演模型，针对日语拟人化交互场景专项优化。在角色一致性保持、上下文感知的话题推进、倾听共情等方面表现出色，可精准还原个性化角色。本版本显著增强了日语本地化表达（含方言与敬语）、拟人化角色扮演真实度、叙事连贯性控制以及场景化认知能力。 |
全模态 | 2025-07-18 | 国际 |
| 千问全新多模态理解生成大模型，支持文本, 图像，语音，视频输入理解和混合输入理解，具备文本和语音同时流式生成能力，多模态内容理解速度显著提升，提供了4种自然对话音色。 |
图片生成 | 2025-05-22 | 国际 |
| 万相2.1-文生图Turbo版，生成速度更快。在图像美感、真实感与艺术性上全面升级，语义理解能力更强，风格泛化能力丰富，支持最高200万像素生成，支持智能改写提示词。 |
图片生成 | 2025-05-22 | 国际 |
| 万相2.1-文生图Plus版，生成图像细节更丰富。在图像美感、真实感与艺术性上全面升级，语义理解能力更强，风格泛化能力丰富，支持最高200万像素生成，支持智能改写提示词。 |
视频生成 | 2025-05-14 | 国际 |
| 万相2.1-VACE-Plus 视频创作与编辑一体化模型。支持局部编辑、视频重绘、背景扩展、时长延展、图像参考等视频编辑与生成任务，并支持通过文本、图像、视频进行多模态条件控制。 |
文本生成、深度思考 | 2025-05-12 | 国际 |
| 实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力达到同规模业界SOTA水平、通用能力显著超过Qwen2.5-7B。 |
文本生成、深度思考 | 2025-05-12 | 国际 |
| 实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力显著超过QwQ、通用能力显著超过Qwen2.5-32B-Instruct，达到同规模业界SOTA水平。 |
文本生成、深度思考 | 2025-05-12 | 国际 |
| 实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力以更小参数规模比肩QwQ-32B、通用能力显著超过Qwen2.5-14B，达到同规模业界SOTA水平。 |
文本生成、深度思考 | 2025-05-12 | 国际 |
| 实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力显著超过QwQ、通用能力显著超过Qwen2.5-72B-Instruct，达到同规模业界SOTA水平。 |
文本生成、深度思考 | 2025-05-12 | 国际 |
| 实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力达到同规模业界SOTA水平、通用能力显著超过Qwen2.5-14B。 |
文本生成、深度思考 | 2025-04-29 | 国际 |
| Qwen3系列Plus模型，实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力显著超过QwQ、通用能力显著超过Qwen2.5-Plus，达到同规模业界SOTA水平。此版本为2025年4月28日快照模型。 |
视频生成 | 2025-04-07 | 国际 |
| 万相2.1-首尾帧生视频Plus版，为两张图片生成流畅的过渡视频。支持大幅度复杂运动、遵循物理规律、丰富的艺术风格与影视级画面质感，指令遵循能力进一步增强，生成视频细节更丰富。 |
全模态 | 2025-03-26 | 国际 |
| 基于Qwen2.5训练的全新多模态理解生成大模型，支持文本, 图像，语音，视频输入理解和混合输入理解，具备文本和语音同时流式生成能力，多模态内容理解速度显著提升，提供了4种自然对话音色。 |
深度思考、视觉理解 | 2025-03-26 | 国际 |
| 千问QVQ视觉推理模型，支持视觉输入及思维链输出，在数学、编程、视觉分析、创作以及通用任务上都表现了更强的能力。 |
深度思考 | 2025-03-05 | 国际 |
| 千问QwQ推理模型增强版，基于Qwen2.5模型训练的QwQ推理模型，通过强化学习大幅度提升了模型推理能力。模型数学代码等核心指标（AIME 24/25、livecodebench）以及部分通用指标（IFEval、LiveBench等）达到DeepSeek-R1 满血版水平。 |
视频生成 | 2025-02-27 | 国际 |
| 万相2.1-图生视频Turbo版，让静态图片生成视频。支持大幅度复杂运动、遵循物理规律、电影级艺术风格与画面质感，指令遵循能力进一步提升，生成速度更快。 |
文本生成、深度思考 | 2025-01-30 | 国际 |
| Qwen3系列Turbo模型，实现思考模式和非思考模式的有效融合，可在对话中切换模式。推理能力以更小参数规模比肩QwQ-32B、通用能力显著超过Qwen2.5-Turbo，达到同规模业界SOTA水平。 |
文本生成 | 2025-01-30 | 国际 |
| 千问系列能力均衡的模型，推理效果和速度介于千问-Max和千问-Turbo之间，适合中等复杂任务。相对于通义千问-Plus-2025-0112版本，整体中英文能力都有综合能力升级，中英文code能力、逻辑能力、多语言能力显著提升，回复风格面向人类偏好进行大幅调整，尤其是数学、逻辑推理、知识问答等客观类query，模型回复详实程度和格式清晰度明显改善，创作类专项、json格式遵循专项、角色扮演专项能力均定向提升，预计维护至下一个快照上线前一个月。 |
文本生成 | 2025-01-30 | 国际 |
| 千问2.5系列千亿级别超大规模语言模型，支持中文、英文等不同语言输入。随着模型的升级，qwen-max将滚动更新升级。如果希望使用固定版本，请使用历史快照版本。 |
视频生成 | 2025-01-20 | 国际 |
| 万相2.1-图生视频Plus版，让静态图片生成视频。支持大幅度复杂运动、遵循物理规律、电影级艺术风格与画面质感，指令遵循能力进一步提升，视频质量更佳。 |
视频生成 | 2025-01-09 | 国际 |
| 万相2.1-文生视频Turbo版，一句话生成视频。支持大幅度复杂运动、遵循物理规律、电影级艺术风格与画面质感，指令遵循能力进一步提升，生成速度更快。 |
视频生成 | 2025-01-09 | 国际 |
| 万相2.1-文生视频Plus版，一句话生成视频。支持大幅度复杂运动、遵循物理规律、电影级艺术风格与画面质感，指令遵循能力进一步提升，视频质量更佳。 |
文本向量 | 2024-07-12 | 国际 |
| 通用文本向量，是通义实验室基于LLM底座的多语言文本统一向量模型，面向全球多个主流语种，提供高水准的向量服务，帮助开发者将文本数据快速转换为高质量的向量数据。 |