微軟推出輕量級實時文本轉語音模型VibeVoice-Realtime-0.5B，支持流式輸入與長篇輸出，適用於代理應用和實時數據講述。該模型能在約300毫秒內開始輸出語音，配合語言模型生成回答。其框架通過連續語音標記實現下一個標記的擴散。
騰訊高管在電影節論壇上指出，生成式AI正深刻改變影視創作，未來一年將是AI長片涌現的關鍵期。AI不僅加速短視頻內容生產，更將重塑行業權力結構，推動影視進入新的“文藝復興”。
智譜AI推出清影2.0，基於自研CogVideoX模型，可直接生成1080P高清視頻，最長10秒。模型全面控制運動、鏡頭和風格，支持多視頻同時生成及鏡頭指定。實測畫質接近Sora，中文提示理解更準、生成更快。還集成CogSound音效模塊，實現文本到視頻的高效創作。
螞蟻集團開源百靈大模型Ring-flash-linear-2.0-128K，專攻超長文本編程。採用混合線性注意力與稀疏MoE架構，僅激活6.1B參數即可媲美40B密集模型，在代碼生成和智能代理領域達到最優表現，高效解決長上下文處理痛點。
Qwen Image是阿里巴巴的免費開源AI圖像生成器，擅長在圖像中進行文本渲染。
一款經過優化的大型語言模型，擅長文本生成和對話。
長文本問答增強型檢索生成模型
日常電腦可用的免費萬字長文寫作軟件
Google
$0.49
輸入tokens/百萬
$2.1
輸出tokens/百萬
1k
上下文長度
Openai
$2.8
$11.2
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$6
$24
256
$2
$20
$4
$16
Baidu
128
Bytedance
$1.2
$3.6
4
DavidAU
基於Qwen 3微調的12B參數大語言模型，具備256k超長上下文處理能力，專門針對長文本生成任務進行優化。該模型結合了VLTO 8B模型基礎、Brainstorm 20x調優和NEO Imatrix數據集量化技術，能夠生成高質量的長文本內容。
Tarka-AIR
Tarka-Embedding-350M-V1是一個擁有3.5億參數的文本嵌入模型，能夠生成1024維的密集文本表示。該模型針對語義相似性、搜索和檢索增強生成（RAG）等下游應用進行了優化，支持多種語言並具有長上下文處理能力。
unsloth
Qwen3-VL是通義系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力以及出色的智能體交互能力。
Qwen3-VL-32B-Thinking是Qwen系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文處理、空間和視頻動態理解能力，以及出色的智能體交互能力。
Qwen3-VL-8B-Thinking是通義千問系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及出色的智能體交互能力。
Qwen3-VL是通義系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及出色的智能體交互能力。
Qwen3-VL是通義系列中最強大的視覺語言模型，在文本理解與生成、視覺感知與推理、上下文長度、空間和視頻動態理解以及智能體交互能力等方面全面升級。該模型提供密集架構和混合專家架構，支持從邊緣設備到雲端的靈活部署。
Qwen3-VL是Qwen系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及出色的智能體交互能力。
Qwen3-VL是Qwen系列中最強大的視覺語言模型，實現了全方位的綜合升級，包括卓越的文本理解與生成能力、更深入的視覺感知與推理能力、更長的上下文長度、增強的空間和視頻動態理解能力，以及更強的智能體交互能力。
Qwen3-VL是Qwen系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及出色的智能體交互能力。該版本為2B參數的思考增強版，專門優化了推理能力。
Qwen
Qwen3-VL-30B-A3B-Thinking是通義系列中最強大的視覺語言模型，具備出色的文本理解和生成能力、深入的視覺感知和推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及智能體交互能力。
Qwen3-VL-30B-A3B-Instruct是通義系列中最強大的視覺語言模型，採用混合專家模型架構，具備出色的文本理解與生成能力、深入的視覺感知與推理能力，支持256K長上下文和視頻理解，可在多種設備上進行推理。
Qwen3-VL是通義系列中最強大的視覺語言模型，具備出色的文本理解和生成能力、深入的視覺感知和推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及智能體交互能力。本倉庫提供GGUF格式權重，支持在CPU、GPU等設備上高效推理。
Qwen3-VL-32B-Instruct是通義系列中最強大的視覺語言模型，具備出色的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及智能體交互能力。
Qwen3-VL-8B-Instruct是通義系列中最強大的視覺語言模型，具備卓越的文本理解和生成能力、深入的視覺感知和推理能力、長上下文支持以及強大的空間和視頻動態理解能力。
Qwen3-VL-32B-Thinking是Qwen系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及出色的智能體交互能力。
Qwen3-VL是迄今為止Qwen系列中最強大的視覺語言模型，在文本理解與生成、視覺感知與推理、上下文長度、空間和視頻動態理解以及智能體交互能力等方面都進行了全面升級。該模型採用混合專家（MoE）架構，提供卓越的多模態處理能力。
Qwen3-VL是通義大模型系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力以及出色的智能體交互能力。該模型採用混合專家（MoE）架構，是增強推理的思維版。
Loom是一個MCP服務器，支持用戶與基礎模型協作構建文本，通過短片段迭代生成和選擇來優化長文本創作質量。
ComfyUI_StoryDiffusion是一個基於ComfyUI的插件，支持StoryDiffusion和MS-Diffusion模型，用於生成連貫的長序列圖像和視頻。項目支持多種功能，包括雙角色同框、ControlNet控制、Lora加速、文本到圖像和圖像到圖像轉換等。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
