Model Center

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。

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。

Qwen3.8-Flash 是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。

Claude Haiku 4.5 为各种用例提供​​近乎前沿的性能，并脱颖而出，成为最佳编码和代理模型之一——其速度和成本恰到好处，能够为免费产品和海量用户体验提供支持。用例：为免费层级用户体验提供支持：Claude Haiku 4.5 以合理的成本和速度提供近乎前沿的性能，使为免费代理产品和代理用例提供支持在经济上可行。

Claude Haiku 4.5 为各种用例提供​​近乎前沿的性能，并脱颖而出，成为最佳编码和代理模型之一——其速度和成本恰到好处，能够为免费产品和海量用户体验提供支持。用例：为免费层级用户体验提供支持：Claude Haiku 4.5 以合理的成本和速度提供近乎前沿的性能，使为免费代理产品和代理用例提供支持在经济上可行。

Veo 3.1 是 Google 最先进的模型，可生成高保真度的 8 秒 720p 或 1080p 视频，这些视频具有惊人的逼真效果和原生生成的音频。

Sora2 是OpenAI 于2025 年9 月30 日发布的AI 视频生成模型升级版。 它在物理模拟、真实感和可控性方面大幅提升，能够生成高度逼真的视频，包括复杂动作如奥运体操或滑水后空翻等场景，并首次支持与画面匹配的AI 音频生成。

DeepSeek V4 Flash Vision Exp是DeepSeek推出的DeepSeek V4 Flash 0731实验版视觉能力版本，新增图像理解能力，同时在智能代理、推理以及世界知识等文本能力方面与基础模型保持同等水平。该模型为稀疏混合专家模型，总参数量2840亿，激活参数量130亿。适用于文档与图表理解、视觉问答，以及文本与图像交替处理的多模态智能代理工作流。

GLM-5.3 是智谱最新旗舰模型，复杂软件工程与 Agent 任务能力全面进阶。它使用与 GLM-5.2 相同的基础模型——所有提升均来自后训练。与 GLM-5.2 相比，它在复杂编程和长程任务方面表现更加出色。

Qwen3.8 27B是通义千问推出的一款开放权重稠密多模态视觉语言模型。该模型适用于代码编写、专业工作流程、科研、多模态交互以及长时间运行的智能体任务，可开启或关闭灵活思考能力。

M2.7 在真实的软件工程中有优异的表现，包括端到端的完整项目交付，分析日志排查 Bug、代码安全，机器学习等。 在专业办公领域，我们提升了模型在各领域的专业知识和任务交付能力，在 GDPval-AA 的ELO得分是1495，为开源最高。M2.7 对 Office 三件套 Excel/PPT/Word 的复杂编辑能力显著提升，能更好地完成多轮修改和高保真的编辑。 M2.7具备与复杂环境交互的能力，M2.7 在 40 个复杂 skills (> 2000 Token) 的 case 上，仍能保持 97% 的 skills 遵循率。在OpenClaw的使用中，M2.7相比于M2.5也有了显著的提升，在MMClaw的评测中接近最新的Sonnet 4.6。 M2.7具备优秀的身份保持能力和情商，除了生产力使用外，给互动娱乐场景的创新也准备了空间。

KAT-Coder 系列模型中的轻量化版本。专为 Agentic Coding 设计，全面覆盖编程任务与场景，通过大规模智能体强化学习，实现智能行为涌现，在代码编写性能上显著超越同类模型。

DeepSeek V4 Pro 是 DeepSeek 推出的大型专家混合模型，它专为高级推理、编码和长远视野代理工作流设计，在知识、数学和软件工程基准测试中表现出色。它基于与 DeepSeek V4 Flash 相同的架构，引入了混合注意力系统，实现高效的长上下文处理，并支持多种推理模式，根据任务平衡速度和深度。它非常适合复杂工作负载，如全代码库分析、多步自动化和大规模信息综合，这些工作在能力和效率上都至关重要。

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。

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。

MiniMax H3 是开放通用的多模态视频模型，可以统一理解文本、图片、视频和音频输入，完成视频生成、参考创作与视频编辑。

专为 Agentic Coding 设计，全面覆盖编程任务与场景，通过大规模智能体强化学习，实现智能行为涌现，在代码编写性能上显著超越同类模型。

Qwen3.5-4B 是通义千问团队推出的原生多模态大语言模型，拥有 4B 参数，是 Qwen3.5 系列中最轻量的 Dense 模型。该模型采用门控 Delta 网络与门控注意力相结合的高效混合架构，原生支持 256K 上下文长度，并可扩展至约 100 万 tokens。模型通过早期融合训练实现了统一的视觉语言基础能力，支持文本、图像和视频理解，在同规模模型中表现优异，多项指标超越 GPT-5-Nano 和 Gemini-2.5-Flash-Lite。模型默认启用思考模式（Thinking Mode），支持工具调用，并覆盖 201 种语言和方言

Qwen3.5-9B 是通义千问团队推出的原生多模态大语言模型，拥有 9B 参数。作为 Qwen3.5 系列的轻量级 Dense 模型，它采用门控 Delta 网络与门控注意力相结合的高效混合架构，原生支持 256K 上下文长度，并可扩展至约 100 万 tokens。模型通过早期融合训练实现了统一的视觉语言基础能力，支持文本、图像和视频理解。模型默认启用思考模式（Thinking Mode），支持工具调用，并覆盖 201 种语言和方言

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。

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。

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。

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。

GPT-5.1 是 GPT-5 系列的最新前沿模型，与 GPT-5 相比，它拥有更强大的通用推理能力、更高的指令遵循度以及更自然的对话风格。它采用自适应推理技术动态分配计算资源，能够快速响应简单查询，同时在处理复杂任务时投入更多精力。该模型能够生成更清晰、更贴近实际的解释，减少专业术语的使用，即使是技术性或多步骤问题也更容易理解。 GPT-5.1 旨在覆盖广泛的任务，在数学、编程和结构化分析等工作负载方面均取得了持续的提升，能够提供更连贯的长篇答案，并提高工具使用的可靠性。它还改进了对话对齐方式，能够在不牺牲准确性的前提下，提供更亲切、更直观的回答。GPT-5.1 是 GPT-5 的主要全功能继任者。