模型索引

Lyria 3.5 是 Google DeepMind 的音乐生成系统，可根据文本提示合成高质量音乐音频，并生成歌词文本。

阿里云模型服务平台提供的原生视觉语言模型，支持文本、图片和视频输入，并输出文本。

Anthropic 的 Opus 5 是 Opus 4.8 的代际升级，重点提升深度推理、长周期智能体编码、视觉、专业知识工作与多智能体协作；支持 100 万 token 上下文、最高 128K 输出，并默认启用自适应思考。

Upstage 发布的开放权重大语言模型，面向工具调用、代码和办公等代理任务。

Gemini 3.6 Flash 是 Google 面向大规模 Agent 工作流推出的快速模型，重点提升编码、知识工作和多模态任务表现，并通过更少输出 token 与更低输出价格改善任务效率。

Gemini 3.5 Flash-Lite 是 Google 定位为 Gemini 3.5 系列中最快且最具成本效率的模型，面向高吞吐 Agent 搜索、文档处理和低延迟工作流。

Gemini 3.5 Flash Cyber 是 Google 面向代码安全场景的模型版本，基于 Gemini 3.5 Flash 微调并与 CodeMender 配合，用于发现、验证和修复漏洞。

阿里千问开放 Qwen3.8-Max-Preview 限量预览，现可通过 Token Plan、Qoder 与 QoderWork 试用；官方同时预告 Qwen3.8 将开放权重，但尚未发布权重、许可证、模型卡或完整基准。参数规模：2.4T；开放方式：闭源；主要架构：自回归 Transformer。

月之暗面于 2026 年 7 月 16 日发布 Kimi K3 旗舰多模态模型，采用 Kimi Delta Attention、Attention Residuals 与 Stable LatentMoE，原生支持视觉理解和 100 万 token 上下文，面向软件工程、知识工作与深度推理；完整模型权重于 7 月 27 日在 Hugging Face 公开，官方代码仓库与权重采用 Kimi K3 License。参数规模：2.8T；开放方式：开源；主要架构：Kimi Delta Attention、Attention Residuals 与 Stable LatentMoE。

xAI 正式发布面向编码、智能体任务与知识工作的 Grok 4.5，支持文本和图像输入、50 万 token 上下文；发布当日已在 Grok Build、Cursor 与 xAI API 上线。

GPT-Live 系列的小型全双工语音模型，面向自然连续的听说交互，并可把复杂工作委托给后端前沿模型。

OpenAI 的生产级全双工多模态语音模型，可持续接收文本、图像和音频，同时流式输出文本与音频，并在不中断聆听的情况下自然插话。

面向低延迟语音交互的蒸馏推理模型，支持文本、图像和音频输入，以及文本和音频输出；可经 WebRTC、WebSocket 或 SIP 使用。

OpenAI 面向实时语音与多模态交互发布的推理模型，支持文本与音频输入输出、图像输入、可配置推理强度和函数调用。

Claude Sonnet 5 是 Anthropic 面向高性价比智能体工作负载的 Sonnet 代际升级，重点提升规划、工具使用、编码、知识工作与长周期自主执行；支持 100 万 token 上下文和最高 128K 输出。

GPT-5.6 引入 Sol、Terra、Luna 三个能力层级。官方说明该系列先通过 API 和 Codex 向少量可信合作方开放，并计划随后扩大到 ChatGPT、Codex 与 API 用户。

GPT-5.6 Luna 是 OpenAI GPT-5.6 家族中低延迟、低成本的型号。

GPT-5.6 Terra 是 OpenAI GPT-5.6 家族的均衡型号，在能力、速度和成本之间取得平衡。

Grok Imagine Video 1.5 在 API 正式可用，改进运动、物理、音频与语音同步，并提供更快版本。

Z.ai 发布 GLM-5.2，面向长周期智能体任务，提供原生 100 万 token 上下文并以 MIT 许可证开放权重。 参数规模：未知；开放方式：开源；主要架构：自回归 Transformer。