模型索引

MiniMax 新一代底层模型，优化了文本特征与多模态视觉特征的统一表示。 参数规模：456B MoE（45.9B 激活）；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

字节跳动进一步更新其内部的闭源基础模型，支撑其企业内应用矩阵生态。 参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

Mistral 闭源 API 中的中型主干模型，加强了逻辑推演与多工具的调用执行。 参数规模：约45B；开放方式：闭源；主要架构：自回归 Transformer。

结合系统性深度思考与高精度文本生成能力的高级商业版本组合模型。 参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

小红书结合自身平台图文社区的特定高质数据训练出的 MoE 大模型。 参数规模：142B MoE；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

Mistral 为强调精细化指令控制而单设的一个轻量级实验分支版本。 参数规模：24B；开放方式：开源；主要架构：自回归 Transformer。

Google 发布 gemini-2.5-pro-preview-06-05 预览版本，作为 2.5 Pro 稳定版前的开发者更新。 参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

小米开源 MiMo VL 7B 视觉语言模型的 SFT 与 RL 版本，面向通用视觉理解和多模态推理。 参数规模：7B；开放方式：开源；主要架构：自回归 Transformer。

Claude 4 系列的中型参数版本，在响应速度和推理能力之间寻求更好的平衡。 参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

Anthropic 推出的第四代顶级旗舰版本，提升了多模态理解与逻辑任务的上限。 参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

Mistral 专为开发者生态定制，优化了针对长篇编程及代码上下文解析的任务表现。 参数规模：24B；开放方式：开源；主要架构：自回归 Transformer。

Veo 3 提升文本与图像提示、真实世界物理、画面质量和口型同步，并可原生生成背景噪声、音效与人物对白。模型同时进入 Gemini 与面向创作者的 Flow 电影制作工具。

Google 面向 Live API 推出的 Gemini 2.5 Flash 原生音频对话模型，支持实时自然语音、主动音频判断与情感语调响应，并可处理多模态上下文。

Gemini 2.5 系列的轻量化版本，着重优化了首字节生成延迟（TTFT）。 参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

TII 采用新型网络层级与实验性路由结构设计的开源基础模型序列。 参数规模：0.5B–34B；开放方式：开源；主要架构：自回归 Transformer。

小米开源面向数学、代码与通用推理的 MiMo 7B 系列，覆盖 Base、SFT、RL-Zero 与 RL 四个版本。 参数规模：7B；开放方式：开源；主要架构：自回归 Transformer。

Mistral 推出的中等参数量规模的第三代模型，性能指标接近第一梯队闭源模型。 参数规模：未知；开放方式：开源；主要架构：自回归 Transformer。

NVIDIA 的 600M 英语 ASR 模型，支持标点、大小写和词级时间戳，可一次处理最长约 24 分钟音频。语音能力：streaming=false；localDeploy=true；speakerDiarization=none；speakerIdentification=none；overlappingSpeech=unknown；timestamps=word。

阿里通义千问第三代基座，增强了跨模态融合与全局复杂推理机制。 参数规模：235B (MoE)；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

智谱多模态模型升级版，提升了视觉感知能力与图文联合理解的准确度。 参数规模：32B；开放方式：开源；主要架构：自回归 Transformer。