模型索引

Anthropic 将 Fable 5 描述为可面向公众使用的 Mythos 级模型。发布时 API 与按量计费企业方案可用，订阅方案分阶段开放。

NVIDIA 的 600M 多语言缓存感知流式 ASR，支持 80–1120ms 可配置块大小和自动语言检测。语音能力：streaming=true；localDeploy=true；speakerDiarization=external（可接 Sortformer）；speakerIdentification=none；overlappingSpeech=limited；timestamps=segment。

阿里云 Model Studio 提供的 Qwen3.7 Plus 系列商业多模态推理模型，支持文本、图像和视频输入，并输出文本。

MiniMax 的原生多模态模型，支持文本、图像和视频输入，并以文本生成方式提供输出；官方披露其支持最长100万 token 上下文。

Anthropic 正式发布 Claude Opus 4.8，继续提升编码、智能体、视觉与专业知识工作表现，并降低长任务中的无依据结论；发布当日即在 Claude 产品、API 与云平台公开可用。

Google 发布 Gemini 3.5 Flash，作为 Gemini 3.5 系列首个公开型号，面向智能体、编码和工具调用工作流。 参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

面向实时多语言语音翻译的流式语音到语音模型。模型在输入音频仍持续到达时返回译音频和文本转写增量，支持 70 多种输入语言到 13 种输出语言。

OpenAI 发布的实时多模态模型，支持文本输入与输出、图像输入及音频输入与输出，面向实时语音交互和工具调用工作流。

Grok Imagine Image Quality 是 xAI 面向图像生成与编辑推出的高质量模式，API 型号为 grok-imagine-image-quality。它接受文本提示和参考图像，输出 1K 或 2K 图像，重点改善写实细节、文字渲染、提示词遵循和场景控制。xAI 未公开参数规模和模型架构。

DeepSeek V4-Pro 与 V4-Flash 同时支持 OpenAI ChatCompletions 与 Anthropic 接口；旧模型名在过渡期映射到 V4-Flash。

小米发布 V2.5 Pro，继续面向复杂 Agent 与编程任务并支持 100 万 token 上下文；模型权重于 6 月 29 日按 MIT 许可证开放。 参数规模：1T MoE（42B 激活）；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

小米发布原生支持文本、图像、视频与音频理解的全模态 Agent 模型；模型权重于 6 月 29 日按 MIT 许可证开放。 参数规模：未公开；开放方式：开源；主要架构：自回归 Transformer。

OpenAI 发布面向智能体编码、知识工作和科学研究的 GPT-5.5；模型先在 ChatGPT 与 Codex 上线，并于次日进入 API，支持超过 100 万 token 上下文。

GPT Image 2 面向高质量图像生成与编辑，强化文字渲染、多语言支持、样式控制和真实世界知识表达。

Anthropic 正式发布 Claude Opus 4.7，重点提升高级软件工程、长周期智能体任务、高分辨率视觉理解与专业内容创作，并同步上线 Claude 全系产品和 API。

字节跳动 Seed 推出的原生全双工语音大模型，可在输出语音时持续接收和理解输入，并结合声学与语义信息控制对话节奏。

xAI 发布 Grok 4.20 并公开系统卡；原整理稿中的“Grok 4.2（2026-02-17）”没有可核验的官方发布记录，现按官方记录纠正。 参数规模：未公开；开放方式：闭源；主要架构：自回归 Transformer。

Claude Mythos Preview 被定位为通用前沿模型，重点展示识别、复现和修复关键软件漏洞的能力。

Gemma 4 是面向本地推理、复杂推理和 Agent 工作流的开放模型家族，采用 Apache 2.0 许可证。

Google 面向实时对话与 voice-first 应用推出的低延迟 audio-to-audio 模型，强调声学细节检测、数字精度、多模态感知和实时工具调用。