模型中心

GLM-4.5-AirX为GLM-4.5-Air的极速版，响应速度更快，专为大规模高速度需求打造。

Qwen3-VL-Reranker 是 Qwen3 多模态重排序模型系列的最新专有模型，专为视觉-语言相关性建模与精排决策任务设计。该模型基于 Qwen3 系列高性能视觉语言密集基础模型构建，具备强大的跨模态语义对齐与细粒度理解能力，可对文本、图像及其组合进行高精度相关性打分与排序判断。模型支持长上下文输入，能够处理复杂查询、多候选内容与多轮语义条件，在多模态检索增强生成（RAG）、跨模态搜索、内容推荐与审核等场景中显著提升最终结果质量。继承 Qwen3 系列卓越的多语言与视觉推理能力，Qwen3-VL-Reranker 在跨语言与复杂语义匹配任务中表现稳定可靠，并支持指令感知与任务自适应优化，帮助开发者针对不同业务目标实现更高相关性与转化效率。

百度自研的旗舰级超大规模⼤语⾔模型，综合效果表现出色，广泛适用于各领域复杂任务场景；支持自动对接百度搜索插件，保障问答信息时效。相较于ERNIE 4.0在性能表现上更优秀

Agnes 2.0 Flash 是 Agnes AI 的快速高效语言模型，适合智能体工作流、工具调用、编码、多轮对话、推理和图像理解等高频生产场景。

我们最新发布的 35B-A3B 科学多模态推理模型，支持 256K 上下文窗口；通过任务 scaling 与架构优化，重点提升科学发现和通用智能体能力。

Qwen3-Reranker-0.6B 是一款来自 Qwen3 系列的文本重排模型。 它专为优化初始检索系统的结果而设计，其核心功能是根据给定查询对文档的相关性进行重新排序。 该模型拥有 6 亿参数和 32k 的上下文长度，并继承了其 Qwen3 基础模型强大的多语言（支持超过 100 种语言）、长文本理解及推理能力。评测结果显示，Qwen3-Reranker-0.6B 在 MTEB-R、CMTEB-R 和 MLDR 等多个文本检索基准测试中均取得了优异的性能

最新的发布的通用多模态大模型系列，拥有卓越的图文推理能力。

先进开源多模态推理模型，综合性能优秀，支持内置联网搜索能力

融合了专业科学能力的多模态大模型

Qwen3-Embedding-8B是Qwen家族专为文本嵌入和排序设计的8B参数模型，支持100+语言和32K长文本，在MTEB多语言榜单以70.58分排名第一‌。 其双塔结构生成高维向量，结合指令感知技术，显著提升检索、分类等任务性能‌。 开源版本提供0.6B至8B全尺寸选择，支持自定义向量维度与微调‌。

Qwen3-Embedding-4B是通义千问团队推出的文本嵌入模型，旨在将文本转换为高质量的向量表示，广泛用于检索、分类、聚类等任务。它拥有40亿参数，支持长达32K的上下文。 该模型具备三大优势：一是支持超过100种语言的多语言能力；二是支持灵活的向量维度自定义（32至2560），便于平衡性能与成本；三是具备指令感知能力，能通过提示词适配特定任务。在权威的MTEB多语言榜单上，其8B版本更是取得了第一名的成绩，展现了卓越的性能

Qwen3-Reranker-4B 是一款功能强大的文本重排模型，源自 Qwen3 系列，拥有 40 亿参数。 该模型旨在通过根据查询对初始文档列表进行重新排序，从而显著提升搜索结果的相关性。 它继承了其 Qwen3 基础模型的核心优势，包括对长文本（上下文长度高达 32k）的卓越理解能力以及对超过 100 种语言的强大支持。 基准测试结果表明，Qwen3-Reranker-4B 模型在各种文本和代码检索评测中表现出色

Qwen-Plus 基于 Qwen2.5 基础模型构建，是一款支持 131K 上下文长度的大模型，在性能、速度与成本之间实现了良好平衡。

Qwen-Turbo基于Qwen2.5开发，具有速度快、成本低的特点，适用于处理简单任务。

Qwen-Turbo基于Qwen2.5开发，是一款支持100万token上下文长度的大模型，具有速度快、成本低的特点，适用于处理简单任务。

Text to Audio

模型能力全面提升，更好满足多轮长历史对话处理、长文档理解问答任务。

Sound Effect

DeepSeek-V3是DeepSeek公司发布的一款大型语言模型，以其在数学、编码和中文等任务上的卓越性能而闻名。该模型采用了MoE架构，拥有6710亿参数，每个token激活的参数量为370亿，并且支持128K token的超长上下文窗口。DeepSeek-V3不仅在性能上对标GPT-4o等主流模型，还在推理速度和效率上取得了显著提升。

Grok 3是Grok的第三代版本，在数据提取、编码和文本摘要等企业用例中表现出色。

模型能力全面提升，更好满足多轮长历史对话处理、长文档理解问答任务。

GPT OSS 20B是OpenAI发布的开放权重210亿参数模型，它采用MoE架构，每次前向传递有36亿个有效参数，并针对低延迟推理和在消费级或单GPU硬件上的部署进行了优化。该模型采用OpenAI的Harmony响应格式进行训练，并支持推理级别配置、微调和代理功能，包括函数调用、工具使用和结构化输出。

GPT OSS 120B是OpenAI推出的开放权重、包含1170亿个参数的MoE语言模型，专为高推理、代理和通用生产用例而设计。它每次前向传递可激活51亿个参数，并经过优化，可在具有原生MXFP4量化的单个H100 GPU上运行。

文本创作、知识问答等能力提升显著。输出长度及整句时延相较ERNIE 4.5有所增加。