Las siguientes tablas enumeran los lanzamientos de modelos. Para conocer las reglas y listas de obsolescencia de modelos, consulte Política de desmantelamiento de modelos.
Singapore
Tipo de modelo | Fecha | Ámbito del servicio | ID de modelo | Descripción |
|---|---|---|---|---|
Generación de video | 2026-10-22 | Internacional |
| Modelo de texto a video PixVerse V6. Permite controlar con precisión, mediante prompts, la imagen y los movimientos de cámara (acercamiento, alejamiento, paneo, desplazamiento y seguimiento), con cambios de perspectiva precisos y controlables. Admite videos de 15 segundos, salida sincronizada de audio y video, y texto en varios idiomas. |
Generación de video | 2026-10-22 | Internacional |
| Modelo de imagen a video PixVerse V6. Además del control mediante prompts, reproduce fielmente los colores, la saturación, las escenas y los rasgos de los personajes de la imagen de referencia, con mayor expresividad en las emociones de los personajes y en el movimiento a alta velocidad. Admite videos de 15 segundos, salida sincronizada de audio y video, y texto en varios idiomas. Adecuado para escenarios como primeros planos de productos de comercio electrónico, videos promocionales y simulaciones de modelado C4D que muestran la estructura de productos. |
Generación de video | 2026-10-22 | Internacional |
| Modelo de primer y último fotograma a video PixVerse V6. Conecta dos imágenes cualesquiera con transiciones fluidas y naturales. Admite videos de 15 segundos, salida sincronizada de audio y video, y texto en varios idiomas. |
Generación de video | 2026-10-22 | Internacional |
| Modelo de referencia multisujeto a video PixVerse V6. Recibe de 2 a 7 imágenes y fusiona de forma inteligente distintos sujetos, por lo que es adecuado para planos medios y generales complejos. También ofrece control mediante prompts y coherencia de los sujetos. Admite videos de 15 segundos, salida sincronizada de audio y video, y texto en varios idiomas. Adecuado para escenarios como primeros planos de productos de comercio electrónico, videos promocionales y simulaciones de modelado C4D que muestran la estructura de productos. |
Generación de texto, Razonamiento, Comprensión visual | 2026-10-17 | Internacional |
| DeepSeek-V4.1-Flash-1017 es la iteración más reciente de V4.1-Flash, entrenada mediante aprendizaje por refuerzo basado en autorretroalimentación para ofrecer mejoras sustanciales con respecto a su predecesor en benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 y ProgramBench. Al mismo tiempo, reduce el tiempo de ejecución de las tareas y la longitud de la salida para alcanzar un nuevo óptimo de Pareto entre rendimiento y costo en múltiples entornos de evaluación. Su capacidad para construir proyectos completos desde cero se ha reforzado aún más, lo que permite realizar tareas de programación "basadas en deseos", como el desarrollo de juegos y el modelado 3D, manteniendo el mismo MoE de 552B parámetros, la comprensión visual multimodal nativa, la ventana de contexto de 1M tokens y la salida máxima de 384K tokens. |
Generación de imágenes | 2026-10-09 | Internacional |
| Qwen-Image-2.1-Turbo es el modelo de generación de imágenes de código abierto más equilibrado y rentable disponible actualmente en la serie Qwen-Image. Qwen-Image-2.1 ofrece cuatro fortalezas clave: Modelo Compacto, Alto Rendimiento, Valor Excepcional. Transparencia Nativa, Generación y Edición Unificadas. Edición Versátil: Múltiples Referencias, Control Local, Fidelidad y Capacidades Integrales. Texturas Realistas, Tipografía Elegante y Hermosos Retratos. |
Generación de imágenes | 2026-10-02 | Internacional |
| Qwen-Image-2.1-Pro es un modelo de imágenes de la familia Qwen que equilibra la calidad de generación, la eficiencia de inferencia y el costo. Qwen-Image-2.1 unifica la generación de texto a imagen y la edición de imágenes en un solo modelo, con solo 7B parámetros en su componente de generación visual y soporte nativo para generar y editar imágenes transparentes. Esta actualización introduce cuatro mejoras clave: Compacto y eficiente: Una arquitectura ligera y optimizaciones de inferencia equilibran la calidad de la imagen y el costo computacional. Transparencia nativa, creación y edición unificadas: Genere imágenes regulares o transparentes a partir de indicaciones, edite capas transparentes y extraiga sujetos de fotos. Edición versátil: Utilice hasta 10 imágenes de referencia, especifique ediciones locales, preserve personas y productos, y maneje una amplia gama de tareas. Texturas realistas y estética refinada: La tipografía mejorada, la iluminación de retratos y los detalles finos hacen que las imágenes generadas sean visualmente más atractivas. |
Modelo de decisión | 2026-09-24 | Internacional |
| Un modelo de decisión estructurado diseñado para decisiones empresariales de alta frecuencia. Realiza clasificación, decisiones sí/no y puntuación en paralelo basándose en texto o contexto empresarial, devolviendo distribuciones de probabilidad y puntuaciones de confianza para escenarios como el enrutamiento de tickets, la moderación de contenido, el enrutamiento de agentes y la validación de resultados. |
Multimodal en tiempo real | 2026-09-21 | Internacional |
| Admite interacción de audio y video en tiempo real con salida de texto y audio, incorporando audio multicanal, agregación de video y herramientas MCP remotas. Admite acceso mediante WebSocket, WebRTC y AOQ. |
Chat en tiempo real | 2026-09-20 | Internacional |
| Admite conversaciones de voz dúplex en tiempo real utilizando el mismo protocolo de integración que 3.0 Plus. Conserva las voces existentes y añade ocho voces del sistema, con una ventana de contexto de 262,144 tokens, llamada a funciones, búsqueda web y clonación de voz. |
Modelos mundiales | 2026-09-17 | Internacional |
| HappyOyster Adventure es un modelo de mundo abierto explorable e interactivo en tiempo real. Genera escenas del mundo a partir de entradas multimodales (texto/imagen), permitiendo una exploración inmersiva y sin límites mediante interacción, movimiento y control de cámara en tiempo real. |
Modelos mundiales | 2026-09-17 | Internacional |
| HappyOyster Directing es un modelo de mundo abierto inmersivo, interactivo y ejecutable en tiempo real. Genera escenas del mundo a partir de entradas multimodales (texto/imagen) e impulsa la ejecución del mundo en tiempo real a partir de texto en cualquier momento. |
Modelos mundiales | 2026-09-17 | Internacional |
| HappyOyster Acting es un modelo de juego de roles interactivo en tiempo real. Genera personajes y escenas en un estilo de persona específico a partir de entradas multimodales (texto/imagen), e impulsa la actuación e interacción de personajes en tiempo real a partir de texto en cualquier momento. |
Omni-modal | 2026-09-17 | Internacional |
| Qwen3.8-Omni-Flash admite entradas de texto, imagen, audio y video con salida de texto. Admite modos de pensamiento y no pensamiento, llamada a funciones, búsqueda web y almacenamiento en caché de contexto para comprensión de audio y video, análisis multimodal y aplicaciones de agentes. |
Generación de video | 2026-09-14 | Internacional |
| Un modelo de referencia a video de propósito general Vidu con calidad visual y efectos dinámicos equilibrados. Proporcione imágenes de referencia e indicaciones de texto para integrar los sujetos de las imágenes en la escena descrita por la indicación, generando contenido de video fluido. |
Generación de video | 2026-09-14 | Internacional |
| Un modelo de referencia a video de Vidu diseñado para publicidad. Admite cortes de escena inteligentes de nivel de marketing, movimientos de cámara y salida directa de audio. Suba imágenes de productos para generar videos publicitarios. |
Generación de video | 2026-09-14 | Internacional |
| Un modelo de referencia a video de Vidu diseñado para la producción de dramas y series de cómics con IA. Ofrece gran consistencia de personajes, efectos de movimiento refinados y expresiones emocionales auténticas, ideal para la creación de contenido narrativo. |
Generación de video | 2026-09-14 | Internacional |
| Un modelo de imagen a video de Vidu. Proporcione una imagen y un indicador de texto para generar contenido de video fluido utilizando la imagen como fotograma inicial. Admite resoluciones de 720P y 1080P. |
Generación de imágenes | 2026-09-14 | Internacional |
| Un modelo de generación de imágenes de referencia Vidu que admite referencia a imagen, texto a imagen y edición de imágenes. Ofrece renderizado preciso de texto en chino e inglés, restauración a nivel de píxel de UI/gráficos y detalles de diseño, ideal para pósters e infografías. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-13 | Internacional |
| DeepSeek-V4.1-Flash es el modelo insignia ligero de la nueva familia de arquitectura de DeepSeek, que integra 552B parámetros MoE totales para ofrecer una inteligencia superior a la de los modelos insignia en benchmarks clave, superando incluso a DeepSeek-V4-Pro. Adopta un diseño asimétrico Causal Encoder-Decoder con 8B parámetros activos para la entrada y 16B para la salida, y ofrece comprensión visual multimodal nativa. El uso de KV Cache se reduce a una cuarta parte de la HBM y a un octavo del almacenamiento SSD de la generación anterior, lo que disminuye drásticamente los costos para cargas de trabajo de contexto largo y agentes. Con una ventana de contexto de 1M tokens y una salida máxima de hasta 384K tokens, equilibra un alto rendimiento, baja latencia y una eficiencia de costos excepcional. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-02 | Internacional |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) es una instantánea mejorada de qwen3.8-max. La capacidad de codificación alcanza nuevos niveles, manejando proyectos a escala de ingeniería más complejos y desarrollo autónomo de largo alcance. El rendimiento del agente colaborativo mejora significativamente, con mayor compostura en la orquestación de múltiples herramientas y la entrega de tareas de extremo a extremo. La comprensión visual nativa se perfecciona en el razonamiento de gráficos, el análisis de documentos y la percepción multimodal, volviéndose más nítida y confiable. Conserva la ventana de contexto de 1M, el modo de pensamiento y el ecosistema completo de herramientas, evolucionando hacia un nivel superior de inteligencia. |
Traducción de imágenes | 2026-08-28 | Internacional |
| Un motor avanzado de traducción de imágenes que admite 55 idiomas de origen. Ofrece una réplica perfecta a nivel de píxel del diseño y la tipografía originales. Obtenga control total sobre el contenido profesional con terminología personalizada y filtrado de palabras sensibles, garantizando un servicio de localización de imágenes flexible, preciso y de alto rendimiento. |
Generación de texto, Pensamiento profundo | 2026-08-28 | Internacional |
| GLM-5.3 es el último modelo de lenguaje grande insignia de Z.ai, que ofrece un rendimiento de codificación y de agentes de última generación entre los modelos de código abierto, con una mejora del 50% respecto a su predecesor en Z.ai Code Bench y entrega integral de resultados de nivel de producción. Demuestra capacidad emergente en ciberseguridad, logrando el mejor resultado hasta la fecha en el benchmark de descubrimiento de vulnerabilidades CyberGym. Con una ventana de contexto de 1M tokens, una salida máxima de 128K tokens y tres niveles de esfuerzo de razonamiento, GLM-5.3 destaca en tareas complejas de horizonte largo. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-08-26 | Internacional |
| Qwen3.8-Flash es el modelo multimodal más reciente de la familia Qwen, que combina un potente razonamiento y capacidad de generación con una velocidad notable. Admite de forma nativa una ventana de contexto de un millón de tokens, lo que le permite procesar documentos extensos, bases de código completas y conversaciones complejas en una sola pasada. Destaca en asistencia para codificación, flujos de trabajo con agentes y comprensión visual, ya sea corrigiendo código de forma autónoma, operando aplicaciones de escritorio o analizando gráficos y videos largos. Totalmente compatible con los protocolos de API de OpenAI y Anthropic, se integra sin problemas con herramientas populares para desarrolladores como Claude Code y Codex, lo que facilita la creación de aplicaciones de alta concurrencia y flujos de trabajo inteligentes. Con un alto rendimiento y costos de inferencia muy competitivos, Qwen3.8-Flash es una opción ideal para desarrolladores y empresas que buscan lo mejor de ambos mundos en aplicaciones de IA. |
Generación de video | 2026-08-20 | Internacional |
| Wan3.0-Video-Prime es la versión de alta velocidad del modelo de generación de video Wan3.0, con capacidades alineadas con la versión estándar Wan3.0-Video. Admite entrada de referencia completa cuatrimodal y puede generar videos de hasta 30 segundos de duración, ofreciendo una experiencia audiovisual inmersiva con una velocidad de extremo a extremo significativamente mejorada. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-19 | Internacional |
| Kimi K3 es el modelo insignia más potente de Kimi, con 2.8 billones de parámetros. Construido sobre las tecnologías de atención lineal híbrida KDA (Kimi Delta Attention) y residuos de atención, admite de forma nativa la comprensión visual y cuenta con una ventana de contexto de 1 millón de tokens. Es el primer modelo de código abierto del mundo con 3 billones de parámetros diseñado para programación de contexto largo, trabajo de conocimiento y razonamiento avanzado. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-17 | Internacional |
| Un modelo Dense nativo de visión-lenguaje 27B de la serie Qwen3.8. En comparación con 3.6-27B, se centra en mejorar las capacidades de codificación y escenarios de oficina bajo modalidades de texto y visión, capaz de completar tareas complejas de extremo a extremo de manera más confiable y ofrecer resultados fiables. |
Generación de texto, Razonamiento | 2026-08-17 | Internacional |
| GLM-5.3 es el modelo de codificación más potente de Zhipu hasta la fecha, con una mejora de 50% sobre GLM-5.2 en evaluaciones perceptuales internas. En ciberseguridad, GLM-5.3 iguala a Mythos 5 en revisión de código de caja blanca y descubrimiento de vulnerabilidades, lo que demuestra un gran potencial para escenarios de defensa en ciberseguridad. |
Generación de texto, Razonamiento | 2026-08-14 | Internacional |
| Un modelo de lenguaje grande insignia de mezcla de expertos (MoE) con 1.6 billones de parámetros totales y 49 mil millones de parámetros activados. Admite de forma nativa ventanas de contexto de hasta 1 millón de tokens. Entrenado con datos extensos de alta calidad, el modelo ofrece un sólido rendimiento en razonamiento matemático y lógico, razonamiento complejo, generación de código profesional y análisis profundo de documentos largos, y es adecuado para escenarios exigentes como investigación científica avanzada, flujos de trabajo empresariales complejos y aplicaciones agénticas sofisticadas. |
Generación de texto | 2026-08-12 | Internacional |
| Qwen3.8-2.4T-A95B es la versión de código abierto de la última serie insignia de Qwen, lanzada en agosto de 2026. Adopta una arquitectura MoE dispersa con 2.4 billones de parámetros en total y aproximadamente 95 mil millones activados por paso, combinada con un mecanismo de atención híbrida, admitiendo un contexto de 1 millón de tokens. Puntos de referencia clave: GPQA Diamond 92.6, PaperBench 93.0, OSWorld 86.1, BabyVision 82.0, CodeArena global n.º 4. |
Chat en tiempo real | 2026-08-10 | Internacional |
| Qwen 3.0 Edición estándar del modelo de voz en tiempo real: modelo de voz dúplex de próxima generación clasificado como número 1 a nivel mundial en el benchmark Speech-to-Speech de Artificial Analysis. Equilibra la inteligencia del modelo con el ritmo del diálogo dúplex para una interacción natural y una mayor calidad de respuesta. |
Chat en tiempo real | 2026-08-10 | Internacional |
| Modelo de Diálogo de Voz en Tiempo Real Qwen 3.0 Edición Flash: un modelo de voz dúplex de próxima generación clasificado como número 1 a nivel mundial en el benchmark Speech-to-Speech de Artificial Analysis. Combina alta inteligencia con un ritmo dúplex optimizado para ofrecer una experiencia de diálogo «rápida e inteligente» de baja latencia (inferencia paralela, optimización de flujo completo) centrada en la velocidad de respuesta. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-07 | Internacional |
| Kimi K3 es el modelo insignia más capaz de Kimi hasta la fecha, con 2.8 billones de parámetros y construido sobre el mecanismo de atención lineal híbrida Kimi Delta Attention (KDA) y la tecnología Attention Residuals. Admite de forma nativa la comprensión visual y ofrece una ventana de contexto de hasta 1 millón de tokens. Como primer modelo de código abierto del mundo a escala de 3 billones de parámetros, está diseñado específicamente para aplicaciones inteligentes de vanguardia como programación de largo alcance, trabajo de conocimiento y razonamiento. |
Generación de texto, Razonamiento | 2026-08-07 | Internacional |
| Directamente de Zhipu AI. GLM-5.2 admite una ventana de contexto de 1M verdaderamente utilizable y mantiene su posición de liderazgo en tareas de contexto largo. |
Generación de video | 2026-08-06 | Internacional |
| Wan3.0 es un modelo de generación de video todo en uno que admite uniformemente múltiples funciones creativas, incluyendo referencia, edición, replicación y conducción. Admite entrada de referencia completa cuatrimodal, generación de video de hasta 30 segundos, y puede analizar archivos, páginas web e imágenes complejas. Con consistencia de personajes de grado de producción y audio y visuales realistas, ofrece un impacto audiovisual inmersivo. |
Generación de imágenes | 2026-08-04 | Internacional |
| Comprensión clara de instrucciones: admite hasta 4.5k tokens de entrada, generando instrucciones complejas de imagen-texto en una sola pasada. Renderizado de texto estable: texto pequeño de 10px, 12 idiomas, más de 20 fuentes claramente legibles, listo para infografías e interfaces. Salida por lotes práctica: pósters, páginas web, interfaces y otras tareas diarias se pueden generar en masa a menor costo, ideal para la creación continua. Qwen-Image-3.0 Standard persigue no solo la calidad de generación, sino también la conveniencia creativa cotidiana, convirtiendo la generación de imágenes en una herramienta sostenible de productividad de contenido. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-02 | Internacional |
| Un modelo insignia MoE de 2.4 billones de parámetros con un salto integral en capacidades de codificación y ofimática, capaz de programar de forma autónoma durante días para entregar proyectos completos. Maneja cientos de tareas profesionales como trabajos legales, financieros y de diseño, entregando resultados de grado de producción de extremo a extremo en una sola conversación. La comprensión visual nativa recorre todo el flujo de planificación, ejecución y verificación, admitiendo el análisis semántico profundo de documentos ultra largos y videos largos. Realiza planificación autónoma e iteración de ciclo cerrado en tareas de horizonte largo, evolucionando continuamente. |
Generación de texto, Razonamiento | 2026-08-01 | Internacional |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Embedding de texto | 2026-07-31 | Internacional |
| Qwen3-7-Text-Embedding es un modelo vectorial de texto multilingüe basado en Qwen3.7, que ofrece mejoras significativas en recuperación de texto, agrupamiento y clasificación respecto a text-embedding-v4. Logra un 20% mejor rendimiento en tareas de recuperación multilingüe MTEB, chino-inglés y de código, y admite dimensiones vectoriales personalizables (256-2560). |
Reconocimiento de voz | 2026-07-30 | Internacional |
| Se agregaron los modelos Qwen-Audio-3.0-ASR-Flash-Streaming (tiempo real), Qwen-Audio-3.0-ASR-Flash-Filetrans (no tiempo real) y Qwen-Audio-3.0-ASR-Flash (no tiempo real): Soporte de dialectos: Admite los siete principales grupos dialectales chinos (mandarín, wu, xiang, gan, hakka, min y yue) y más de 20 acentos regionales; Optimización de poesía clásica: Mejora la precisión de reconocimiento de la poesía clásica china, haciéndola adecuada para escenarios educativos, culturales y de audiolibros; Optimización de texto: Mejora la predicción de puntuación y la normalización de texto, convirtiendo automáticamente números, fechas y cantidades monetarias a formatos estándar; Expansión multilingüe: Admite 30 idiomas, incluidos chino, inglés, japonés y coreano; Palabras clave y contexto: Admite palabras clave (precompiladas y en tiempo real) y entrada de contexto para mejorar la precisión de reconocimiento de términos específicos del dominio. |
Generación de texto, Razonamiento, Comprensión visual | 2026-07-21 | Internacional |
| Los modelos Flash de la serie nativa de visión-lenguaje Qwen3.7 mejoran exhaustivamente la comprensión multimodal y las capacidades de ejecución de agentes en comparación con 3.6-Flash. Las mejoras clave incluyen capacidades multimodales fundamentales reforzadas, reconocimiento de objetos mejorado, y una percepción del mundo real e inteligencia espacial optimizadas. Los escenarios de agentes multimodales como Search Agent y CI Agent han recibido actualizaciones significativas, con una ejecución de tareas de extremo a extremo más estable. Las capacidades de codificación multimodal están optimizadas, ofreciendo una experiencia de codificación por intuición más fluida. |
Generación de imágenes | 2026-07-20 | Internacional |
| Contenido rico: Admite la entrada de hasta 4.5k tokens y un diseño de información densa con imágenes dentro de imágenes, permitiendo generar diseños complejos como periódicos, guiones gráficos, menús y exámenes en una sola pasada. Detalle auténtico: Admite la renderización precisa de texto tan pequeño como 10px, y reproduce vívidamente detalles finos como microexpresiones, poros y mechones de cabello individuales, acercándose a la calidad de la fotografía real. Conocimiento profundo: Admite la renderización nativa de 12 idiomas y más de 20 fuentes, simulación realista de interfaces principales como páginas web, juegos y transmisiones en vivo, incorporando completamente conocimiento externo. Qwen-Image-3.0-Pro no solo busca la "buena apariencia", sino la "utilidad", convirtiendo la generación de imágenes en una herramienta de productividad verdaderamente desplegable. |
Síntesis de voz, Síntesis de voz en tiempo real | 2026-07-14 | Internacional |
| Qwen-Audio-3.0-TTS-Plus es un modelo de síntesis de voz de alto rendimiento, diseñado para escenarios de generación de voz de alta calidad. En comparación con la versión anterior, admite más idiomas con pocos recursos y dialectos chinos, mejora significativamente la autenticidad de los dialectos y potencia el seguimiento de instrucciones de estilo libre y el control de etiquetas de grano fino para un control más preciso sobre la emoción, el tono, el personaje, la velocidad de habla, el volumen y el estilo de síntesis. También es más robusto en condiciones acústicas con ruido y reverberación, con mejoras adicionales en la calidad del audio, claridad, resolución y expresividad general. La versión Plus se centra más en la calidad de la síntesis y la expresividad detallada, lo que la hace adecuada para escenarios profesionales con mayores exigencias de calidad de audio, naturalidad y expresividad, como creación de contenido, audiolibros, doblaje de cine y video, diseño de voz de marca y servicios de voz premium. |
Síntesis de voz en tiempo real | 2026-07-14 | Internacional |
| qwen-audio-3.0-tts-flash es un modelo de síntesis de voz de alto rendimiento, optimizado para escenarios de interacción en tiempo real. En comparación con la versión anterior, admite más idiomas de bajos recursos y dialectos chinos, mejora la autenticidad de los dialectos y potencia el seguimiento de instrucciones de estilo libre y el control de etiquetas de grano fino para un control más flexible sobre la emoción, el tono, el personaje, la velocidad de habla, el volumen y el estilo expresivo. También es más robusto bajo condiciones acústicas de ruido y reverberación, con una calidad de audio, claridad y expresividad general mejoradas. La versión Flash se centra en la síntesis en tiempo real, con una latencia del primer paquete controlada dentro de 200 ms, lo que la hace adecuada para asistentes de voz, diálogos en tiempo real, servicio al cliente inteligente y otras aplicaciones interactivas de baja latencia. |
Generación de texto | 2026-07-10 | Internacional |
| GLM-5.2-Fast-Preview es la variante de alta velocidad de GLM-5.2 de Zhipu AI', con un contexto de 1M y capacidades equivalentes a las de la versión estándar. Optimizado para inferencia, ofrece entre 1.5 y 2 veces más TPS de salida, lo que lo hace adecuado para casos de uso sensibles a la latencia, como chat en tiempo real, agentes de múltiples turnos y generación de código en streaming. |
Generación de video | 2026-07-01 | Internacional |
| Wan2.7 text to video, con un rendimiento totalmente renovado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para lograr una potencia narrativa sin precedentes. Esta versión es una instantánea del 12 de junio de 2026. |
Generación de video | 2026-07-01 | Internacional |
| Referencia de Wan2.7 a video, con consistencia y rendimiento mejorados. Ofrece una estabilidad superior para personajes, utilería y escenas. Admite referencias híbridas de hasta 5 entradas mixtas de imagen y video, así como clonación de timbre de audio. Junto con las actualizaciones del motor principal, logra una capacidad expresiva cinematográfica sin precedentes. Esta versión es una instantánea del 12 de junio de 2026. |
Generación de imágenes | 2026-06-25 | Internacional |
| El modelo completo de la serie Qwen-Image-2.0 integra la generación y edición de imágenes; cuenta con capacidades de representación de texto más profesionales con soporte para comandos de 1k tokens, texturas más delicadas y realistas, una representación meticulosa de escenas realistas y una mayor adherencia semántica. La versión completa posee las capacidades de representación de texto más potentes y las texturas más realistas de la serie 2.0. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-25 | Internacional |
| kimi-k2.7-code es el modelo de codificación más inteligente de Kimi hasta la fecha. Sigue instrucciones de manera más confiable en contextos largos y completa tareas de programación con mayores tasas de éxito. Admite entradas de texto, imagen y video, junto con modo de pensamiento, conversación y tareas de agente. |
Generación de texto, Razonamiento | 2026-06-25 | Internacional |
| GLM-5.2 es el último modelo insignia de Zhipu AI, diseñado para tareas de horizonte largo con soporte para una ventana de contexto ultra larga de 1M. Cuenta con potentes capacidades de razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Destaca en múltiples benchmarks multitarea y es adecuado para interacción inteligente, aplicaciones empresariales y escenarios de asistencia al desarrollo. |
Reconocimiento de voz | 2026-06-17 | Internacional |
| La versión Bailing ASR, actualizada en junio de 2026, admite completamente los siete principales sistemas dialectales del chino tradicional (Mandarín/Wu/Xiang/Gan/Hakka/Min/Yue) y es compatible con más de 20 acentos regionales de mandarín. Cuenta con optimizaciones específicas para el ritmo, la métrica y las características de expresión literaria de la poesía clásica china, mejorando la precisión del reconocimiento poético y haciéndola adecuada para el patrimonio cultural, explicaciones educativas y audiolibros. Las capacidades mejoradas de predicción de puntuación y normalización de texto hacen que el texto de salida sea más consistente con los hábitos de expresión escrita; los números, fechas y cantidades se convierten automáticamente a formatos estándar, mejorando la legibilidad y el profesionalismo. El soporte de idiomas se ha ampliado para incluir inglés, japonés, coreano, vietnamita, tailandés, indonesio, malayo, filipino, hindi, árabe, francés, alemán, español, portugués, ruso, italiano, neerlandés, sueco, danés, finés, noruego, griego, polaco, checo, húngaro, rumano, búlgaro, croata y eslovaco, totalizando 30 idiomas. Admite capacidades de contextualización y puede transcribir audio de hasta 5 minutos de duración. |
Generación de video | 2026-06-16 | Internacional |
| HappyHorse-1.1-T2V admite la generación de texto a video con una comprensión semántica mejorada, control de tomas cinematográficas y renderización dinámica de movimientos. Captura con mayor precisión la intención creativa, produciendo videos de alta calidad con movimientos más fluidos, detalles más ricos, mayor consistencia visual y acciones de personajes, atmósfera de escena y dinámica física más naturales. |
Generación de video | 2026-06-16 | Internacional |
| HappyHorse-1.1-R2V admite la generación de referencia a video con una estabilidad significativamente mejorada en el sujeto, el estilo de escena y la consistencia visual. Con soporte para hasta 9 imágenes de referencia, puede comprender y preservar con mayor precisión la intención creativa, ofreciendo una mayor capacidad de control y expresividad en personajes, escenas, estilos y movimientos cinematográficos. |
Generación de video | 2026-06-16 | Internacional |
| HappyHorse-1.1-I2V admite la generación de imagen a video con una calidad visual mejorada, rendimiento dinámico y consistencia entre clips. Comprende con mayor precisión la imagen de entrada y preserva la intención creativa, ofreciendo mejoras significativas en el realismo de la textura de la piel, la consistencia de la identidad del personaje entre clips, la suavidad del movimiento, la estabilidad de la renderización de texto y la sincronización audiovisual, produciendo videos de alta calidad con mayor realismo, detalles más ricos y una consistencia general más sólida. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-10 | Internacional |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, ha incorporado comprensión modal visual en comparación con la instantánea del 20 de mayo, lo que le permite percibir escenas del mundo real y admite capacidades de agentes híbridos interactivos multimodales. Esta versión se basa en una instantánea tomada el 8 de junio de 2026. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-01 | Internacional |
| Dentro de la serie Qwen3.7, el modelo Plus rentable se basa en sus sólidas capacidades de texto al tiempo que ofrece una actualización integral de sus habilidades de visión-lenguaje, todo ello preservando su inteligencia de nivel de agente de pila completa para codificación, uso de herramientas y flujos de trabajo de productividad. Su característica distintiva clave son las capacidades de agente híbrido interactivo multimodal, que le permiten percibir escenas del mundo real, leer pantallas e interactuar con interfaces gráficas de usuario, generar código basado en referencias visuales y realizar navegación de extremo a extremo dentro de aplicaciones móviles. |
Generación de texto, Razonamiento | 2026-05-21 | Internacional |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, actualmente ofrece una interfaz exclusiva de texto puro para experimentación pública. Qwen3.7 es un modelo insignia de próxima generación diseñado para la era centrada en agentes, cuyas fortalezas principales radican en la amplitud y profundidad de sus capacidades a nivel de agente: destaca en programación, tareas de oficina y productividad, y ejecución autónoma a largo plazo. |
Generación de texto, Razonamiento | 2026-05-20 | Internacional |
| El modelo Max, la variante más grande y capaz de la serie Qwen3.7, está disponible como versión preliminar y solo admite el modo de pensamiento, ofreciendo una interfaz puramente textual para experimentación. Está optimizado principalmente para casos de uso conversacional de propósito general, como preguntas y respuestas basadas en conocimiento, seguimiento de instrucciones y escritura creativa. |
Traducción de voz en tiempo real | 2026-05-19 | Internacional |
| La versión en tiempo real de Qwen3.5-LiveTranslate-Flash es un modelo de interpretación simultánea de audio y video multilingüe de alta precisión, gran capacidad de respuesta y robustez. Aprovechando la potente infraestructura de Qwen3.5-Omni, grandes volúmenes de datos multimodales, alineación entre idiomas y modalidades, y tecnologías de mejora visual, Qwen3.5-LiveTranslate-Flash ofrece capacidades de traducción de audio y video tanto sin conexión como en tiempo real. Puede comprender 60 idiomas y hablar 29 idiomas. |
Generación de texto, Razonamiento | 2026-05-11 | Internacional |
| Un modelo grande MoE insignia con 1.6 billones de parámetros y 49 mil millones de parámetros activados, que admite de forma nativa longitudes de contexto de hasta un millón de tokens. Entrenado con un vasto corpus de datos de alta calidad, destaca en razonamiento matemático avanzado, inferencia lógica compleja, codificación especializada y análisis profundo de textos largos, lo que lo hace idóneo para aplicaciones exigentes como investigación de vanguardia, flujos de trabajo de oficina sofisticados y agentes de IA avanzados. |
Generación de texto, Razonamiento | 2026-05-11 | Internacional |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de video | 2026-04-26 | Internacional |
| Wan2.7 text to video, con un rendimiento totalmente renovado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para lograr una potencia narrativa sin precedentes. Esta versión es una instantánea del 25 de abril de 2026. |
Generación de video | 2026-04-26 | Internacional |
| Wan2.7 image to video, con un rendimiento totalmente renovado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para lograr una potencia narrativa sin precedentes. Esta versión es una instantánea del 25 de abril de 2026. |
Generación de video | 2026-04-26 | Internacional |
| HappyHorse-1.0-V2V admite la edición avanzada de video mediante instrucciones en lenguaje natural. Permite la edición local o global de elementos de video utilizando hasta 5 imágenes de referencia, preservando con precisión la dinámica de movimiento original para lograr una expresividad superior. |
Generación de video | 2026-04-26 | Internacional |
| HappyHorse-1.0-R2V admite la generación de referencia a video, ofreciendo una mayor estabilidad en la referencia de sujetos y escenas. Capaz de procesar hasta 9 imágenes de referencia, preserva con precisión la intención creativa para ofrecer un rendimiento superior. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-23 | Internacional |
| El modelo Plus de la serie nativa de visión-lenguaje Qwen3.5 ha experimentado una mejora sustancial en las capacidades de codificación agéntica en comparación con la instantánea del 15 de febrero. La velocidad de inferencia también se ha mejorado significativamente, mientras que su retención de conocimientos, capacidad de razonamiento y procesamiento de contexto largo se mantienen en un alto nivel, lo que lo hace muy adecuado para tareas complejas basadas en agentes. Es ideal para aplicaciones como agentes de codificación, flujos de trabajo de producción y escenarios de alto rendimiento. Esta versión se basa en una instantánea tomada el 20 de abril de 2026. |
Generación de imágenes | 2026-04-23 | Internacional |
| Los modelos completos de la serie Qwen-Image-2.0 integran la generación y la edición de imágenes, ofreciendo una representación de texto mejorada con soporte para indicaciones de 1,000 tokens, texturas realistas más refinadas, una representación detallada de escenas fotorrealistas y una mayor adherencia semántica. La versión completa ofrece la representación de texto más potente y las texturas más realistas de la serie 2.0. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-22 | Internacional |
| El modelo denso nativo de visión-lenguaje Qwen3.6 27B se basa en la versión 3.5-27B, con mejoras clave en las capacidades de codificación agéntica y habilidades mejoradas de razonamiento e inferencia en STEM. En la modalidad visual, demuestra avances significativos en inteligencia espacial, localización y detección de objetos, mientras que la comprensión de video, el OCR de documentos y las capacidades de agente visual continúan mejorando de manera constante. |
Generación de video | 2026-04-22 | Internacional |
| HappyHorse-1.0-T2V admite la generación de texto a video, con una renderización dinámica altamente realista. Comprende con precisión la semántica del texto para producir videos de alta calidad que son fluidos, naturales y ricos en detalles. |
Generación de video | 2026-04-22 | Internacional |
| HappyHorse-1.0-I2V permite la generación de imagen a video, con una renderización dinámica altamente realista. Comprende con precisión tanto la semántica del texto como de la imagen para producir videos de alta calidad que son fluidos, naturales y ricos en detalles. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-17 | Internacional |
| La serie de modelos Flash nativos de visión-lenguaje Qwen3.6 ofrece una mejora significativa de rendimiento respecto a la versión 3.5-Flash. Este modelo destaca especialmente en capacidades de codificación agéntica, superando sustancialmente a su predecesor en múltiples benchmarks de agentes de código, así como en razonamiento matemático y de código. En cuanto a visión, presenta una inteligencia espacial notablemente mejorada, con mejoras especialmente significativas en la localización y detección de objetos. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-17 | Internacional |
| El modelo nativo de visión-lenguaje Qwen3.6 35B-A3B está construido sobre una arquitectura híbrida que integra mecanismos de atención lineal con un marco disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con el 3.5-35B-A3B, este modelo demuestra capacidades de codificación agéntica, habilidades de razonamiento matemático y de código, inteligencia espacial, así como rendimiento en localización y detección de objetos significativamente mejorados. |
Síntesis de voz | 2026-04-15 | Internacional |
| Un servicio de clonación de voz basado en modelos grandes que se utiliza junto con Cosyvoice-v3. Al utilizar tecnología avanzada de modelos grandes para la extracción de características, puede clonar voces sin necesidad de un proceso de entrenamiento. Solo se requiere un clip de audio muy corto para generar rápidamente una voz personalizada altamente similar y de sonido natural. |
Generación de texto, Razonamiento | 2026-04-14 | Internacional |
| El modelo Max, la variante más grande y capaz de la serie Qwen3.6, ya está disponible en versión preliminar. Por el momento, solo sus capacidades de texto sin formato están abiertas para experimentación. En comparación con los modelos Qwen3-Max y Qwen3.6-Plus lanzados anteriormente, este modelo cuenta con habilidades mejoradas de vibe coding, una ejecución más eficiente de agentes de codificación y habilidades de desarrollo front-end significativamente mejoradas. Además, su retención de conocimiento de cola larga ha sido mejorada aún más. |
Generación de texto, Razonamiento | 2026-04-14 | Internacional |
| GLM-5.1 es un modelo desarrollado por Zhipu AI, diseñado específicamente para tareas de horizonte largo. Cuenta con 744 mil millones de parámetros, admite un contexto ultra largo de 200k tokens y puede generar hasta 128k tokens en una sola respuesta. GLM-5.1 destaca en razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Ofrece resultados sobresalientes en múltiples benchmarks multitarea y es adecuado para aplicaciones como interacción inteligente persona-computadora, soluciones empresariales y asistencia para desarrolladores. |
Generación de video | 2026-04-03 | Internacional |
| Edición de video de Wan2.7, admite tanto edición localizada como global mediante indicadores. Reemplace elementos sin problemas utilizando referencias de imagen y replique procesos dinámicos complejos, incluyendo movimiento, efectos especiales y movimientos de cámara. |
Generación de video | 2026-04-03 | Internacional |
| Wan2.7 texto a video, rendimiento totalmente reinventado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para una capacidad narrativa sin precedentes. |
Generación de video | 2026-04-03 | Internacional |
| Referencia de Wan2.7 a video, con consistencia y rendimiento mejorados. Ofrece una estabilidad superior para personajes, utilería y escenas. Admite referencias híbridas de hasta 5 entradas mixtas de imagen y video, así como clonación de timbre de audio. Junto con las actualizaciones del motor principal, logra una capacidad expresiva cinematográfica sin precedentes. |
Generación de video | 2026-04-03 | Internacional |
| Wan2.7 imagen a video, rendimiento totalmente reinventado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para una capacidad narrativa sin precedentes. |
Generación de imágenes | 2026-04-01 | Internacional |
| Wan2.7–image-pro, admite texto a imagen, texto/imagen a imágenes secuenciales, edición de imágenes, generación de referencia de múltiples imágenes y edición interactiva. Ofrece un rendimiento mejorado en renderizado de texto, consistencia del sujeto y seguimiento de instrucciones complejas. |
Generación de imágenes | 2026-04-01 | Internacional |
| Wan2.7: generación y edición de imágenes; admite texto a imagen, texto/imagen a secuencias de imágenes, edición de imágenes, generación con referencia a múltiples imágenes y edición interactiva. Ofrece un rendimiento mejorado en la representación de texto, la coherencia del sujeto y el seguimiento de instrucciones complejas. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-01 | Internacional |
| Los modelos de la serie Plus nativos de visión-lenguaje Qwen3.6 demuestran un rendimiento excepcional a la par de los modelos más avanzados actuales, con una mejora significativa en los resultados generales en comparación con la serie 3.5. Los modelos han sido notablemente mejorados en capacidades relacionadas con código, como codificación agéntica, programación front-end y Vibe coding, así como en reconocimiento general de objetos multimodal, OCR y localización de objetos. |
Omni-modal en tiempo real | 2026-03-26 | Internacional |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una versión completamente evolucionada de Qwen3-Omni, admite entrada de audio en más de 60 idiomas, salida de voz en más de 30 idiomas, diálogo de voz controlable, WebSearch e invocación compleja de FunctionCall, y cuenta con capacidades inteligentes de interacción por interrupción semántica. Se utiliza ampliamente en escenarios como creación de textos, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Omni-modal | 2026-03-26 | Internacional |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una evolución integral de Qwen 3-Omni, admite más de 10 horas de comprensión de audio y más de 400 segundos de comprensión y diálogo audiovisual de 720P (1 FPS). Amplía aún más el rango de idiomas, admitiendo entrada de audio en más de 60 idiomas y salida de voz en más de 30 idiomas. También posee potentes capacidades de comprensión audiovisual estructurada y se utiliza ampliamente en creación de texto, asistentes de voz, análisis multimedia y otros escenarios, proporcionando una experiencia de comprensión e interacción multimodal natural y fluida. |
Omni-modal en tiempo real | 2026-03-26 | Internacional |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una versión completamente evolucionada de Qwen3-Omni, admite entrada de audio en más de 60 idiomas, salida de voz en más de 30 idiomas, diálogo de voz controlable, WebSearch e invocación compleja de FunctionCall, y cuenta con capacidades inteligentes de interacción por interrupción semántica. Se utiliza ampliamente en escenarios como creación de textos, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Omni-modal | 2026-03-26 | Internacional |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una evolución integral de Qwen 3-Omni, admite más de 10 horas de comprensión de audio y más de 400 segundos de comprensión y diálogo audiovisual de 720P (1 FPS). Amplía aún más el rango de idiomas, admitiendo entrada de audio en más de 60 idiomas y salida de voz en más de 30 idiomas. También posee potentes capacidades de comprensión audiovisual estructurada y se utiliza ampliamente en creación de texto, asistentes de voz, análisis multimedia y otros escenarios, proporcionando una experiencia de comprensión e interacción multimodal natural y fluida. |
Omni-modal en tiempo real | 2026-03-25 | Internacional |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una versión totalmente evolucionada de Qwen3-Omni, admite entrada de audio en más de 60 idiomas, salida de voz en más de 30 idiomas, diálogo de voz controlable, WebSearch e invocación compleja de FunctionCall, y cuenta con capacidades inteligentes de interacción por interrupción semántica. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. Esta versión es una instantánea del 15 de marzo de 2026. |
Generación de texto, Razonamiento | 2026-03-20 | Internacional |
| DeepSeek-V3.2 es el lanzamiento oficial de un modelo que incorpora DeepSeek Sparse Attention, un mecanismo de atención dispersa. También es el primer modelo lanzado por DeepSeek que integra el razonamiento en el uso de herramientas, admitiendo tanto llamadas a herramientas con razonamiento como sin razonamiento. |
Generación de imágenes | 2026-03-03 | Internacional |
| Los modelos completos de la serie Qwen-Image-2.0 integran la generación y edición de imágenes, ofreciendo una renderización de texto mejorada con soporte para indicaciones de 1,000 tokens, texturas realistas más refinadas, representación detallada de escenas fotorrealistas y una mayor adherencia semántica. La versión completa ofrece la renderización de texto más potente y las texturas más realistas de la serie 2.0. Esta versión es una instantánea del 3 de marzo de 2026. |
Generación de imágenes | 2026-03-03 | Internacional |
| La serie de modelos acelerados Qwen-Image-2.0 integra la generación y la edición de imágenes, ofreciendo capacidades mejoradas de representación de texto con soporte para indicaciones de 1,000 tokens, texturas más realistas, escenas fotorrealistas finamente detalladas y una mayor consistencia semántica. La versión acelerada logra de manera efectiva un equilibrio óptimo entre el rendimiento y la calidad del modelo. |
Reconocimiento de voz | 2026-03-02 | Internacional |
| Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes cantidades de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz altamente preciso, determinando automáticamente el idioma e identificando con exactitud el habla en múltiples idiomas, al tiempo que garantiza una transcripción precisa incluso en entornos de audio complejos. Esta versión es una instantánea fechada el 10 de febrero de 2026. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Internacional |
| Los modelos Flash nativos de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con la serie 3, estos modelos ofrecen un salto adelante en el rendimiento tanto para tareas de texto puro como multimodales, ofreciendo tiempos de respuesta rápidos mientras equilibran la velocidad de inferencia y el rendimiento general. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Internacional |
| La serie Qwen3.5 35B-A3B es un modelo nativo de visión-lenguaje diseñado con una arquitectura híbrida que integra mecanismos de atención lineal y un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. Su rendimiento general es comparable al de Qwen3.5-27B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Internacional |
| El modelo Dense nativo de visión-lenguaje Qwen3.5 27B incorpora un mecanismo de atención lineal, ofreciendo tiempos de respuesta rápidos mientras equilibra la velocidad de inferencia y el rendimiento. Sus capacidades generales son comparables a las del Qwen3.5-122B-A10B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Internacional |
| El modelo nativo de visión-lenguaje Qwen3.5 122B-A10B está construido sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En términos de rendimiento general, este modelo solo es superado por Qwen3.5-397B-A17B. Sus capacidades de texto superan significativamente a las de Qwen3-235B-2507, y sus capacidades visuales sobrepasan a las de Qwen3-VL-235B. |
Generación de texto | 2026-02-20 | Internacional |
| El modelo de generación de código de nueva generación de la serie Qwen3 ofrece un rendimiento cercano al de Qwen3-Coder-Plus, a la vez que proporciona capacidades aún superiores. El modelo se ha optimizado con enfoque en la comprensión a nivel de repositorio, admite interacciones de herramientas en múltiples turnos y mejora su compatibilidad con herramientas de codificación basadas en agentes. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-15 | Internacional |
| Los modelos Plus de la serie nativa de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra mecanismos de atención lineal con modelos dispersos de mezcla de expertos, logrando una mayor eficiencia de inferencia. En una variedad de evaluaciones de tareas, la serie 3.5 demuestra consistentemente un rendimiento a la par de los modelos líderes más avanzados. En comparación con la serie 3, estos modelos muestran un gran avance tanto en capacidades de texto puro como multimodales. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-15 | Internacional |
| El modelo nativo de visión y lenguaje 397B-A17B de la serie Qwen3.5 está construido sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. Ofrece un rendimiento de vanguardia comparable a los modelos más avanzados en una amplia gama de tareas, incluyendo comprensión del lenguaje, razonamiento lógico, generación de código, tareas basadas en agentes, comprensión de imágenes, comprensión de video e interacciones con interfaces gráficas de usuario (GUI). Con sus sólidas capacidades de generación de código y de agente, el modelo exhibe una fuerte generalización en diversos agentes. |
Reconocimiento de voz | 2026-02-13 | Internacional |
| La versión en tiempo real de Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes cantidades de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz altamente preciso, determinando automáticamente el idioma e identificando con exactitud el habla en múltiples idiomas, al tiempo que garantiza una transcripción precisa incluso en entornos de audio complejos. Esta versión es una instantánea fechada el 10 de febrero de 2026. |
Síntesis de voz | 2026-02-10 | Internacional |
| El modelo Qwen3-TTS-VD es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre las voces diseñadas por el servicio qwen3-voice-design, y admite salida de voz en 11 idiomas utilizando la misma voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente su tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 26 de enero de 2026. |
Síntesis de voz | 2026-02-10 | Internacional |
| El modelo Qwen3-TTS-Flash es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre voces replicadas del servicio qwen-voice-enrollment, y admite salida de voz en 11 idiomas utilizando el mismo timbre de voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente el tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 22 de enero de 2026. |
Síntesis de voz | 2026-02-10 | Internacional |
| El modelo Qwen3-TTS-Flash es el modelo más reciente de síntesis de voz en tiempo real de Tongyi. El modelo Instruct procesa el efecto de síntesis mediante lenguaje natural, garantizando un habla emocional y expresiva altamente adecuada en diferentes contextos. Actualmente, admite 25 timbres para ajustes Instruct tanto en chino como en inglés. |
Síntesis de voz | 2026-02-10 | Internacional |
| Capacidad de clonación: CosyVoice-v3-plus es el modelo de clonación de voz grande más reciente de la serie CosyVoice de Tongyi Lab. Ofrece una calidad de sonido y fidelidad de clonación superiores, ideal para escenarios profesionales. Con solo 5-20 segundos de audio de referencia, puede generar rápidamente una voz personalizada altamente similar y de sonido natural. Capacidad de síntesis: CosyVoice-v3-plus es el modelo de síntesis de voz grande más reciente de la serie CosyVoice de Tongyi Lab. Cuenta con una calidad de sonido y expresividad mejoradas, ideal para escenarios profesionales. El modelo admite la síntesis de texto a voz por streaming en tiempo real. |
Síntesis de voz | 2026-02-09 | Internacional |
| Capacidades de síntesis: CosyVoice-v3-Flash es el modelo de síntesis de voz de alto rendimiento más reciente de la serie CosyVoice de Tongyi Labs, ofreciendo una mayor naturalidad, timbre, prosodia y expresividad emocional en comparación con versiones anteriores. Este modelo admite síntesis de texto a voz en streaming en tiempo real. Capacidades de clonación: CosyVoice-v3-Flash también es el modelo de clonación de voz más reciente de la serie CosyVoice de Tongyi Labs. En comparación con versiones anteriores, mejora la precisión de pronunciación y la similitud del timbre, y añade soporte para más idiomas menos hablados (alemán, español, francés, italiano, ruso, japonés). Puede generar rápidamente voces personalizadas altamente similares y de sonido natural a partir de solo 5-20 segundos de audio de referencia. |
Generación de texto | 2026-01-30 | Internacional |
| El modelo de juego de roles de la serie Qwen. Esta es una versión actualizada dinámicamente, y se proporcionarán notificaciones con antelación para cualquier actualización del modelo. Es adecuado para juegos de roles antropomórficos y cuenta con capacidades optimizadas para seguir instrucciones de personajes predefinidos, avanzar conversaciones y demostrar escucha activa y empatía. Adicionalmente, soporta la restauración profunda de personajes personalizados. |
Generación de video | 2026-01-29 | Internacional |
| Wan2.6 referencia a video flash, generación más rápida y rentable. Admite el uso de una persona específica o cualquier objeto como referencia, manteniendo con precisión la consistencia de apariencia y voz, y permite referencia de múltiples personajes para actuaciones conjuntas. |
Reordenamiento | 2026-01-27 | Internacional |
| Un modelo de clasificación de texto entrenado sobre la base LLM de Qwen realiza clasificación por relevancia para consultas de entrada y documentos candidatos. Admite más de 100 idiomas y entradas de texto largo, y es adecuado para aplicaciones como recuperación de texto y RAG. Su rendimiento está alineado con los modelos de código abierto de la serie Qwen3-Rerank. |
Generación de texto, Razonamiento | 2026-01-23 | Internacional |
| En comparación con la instantánea del 23 de septiembre de 2025, el modelo Max de la serie Qwen-3 en esta versión logra una integración efectiva de los modos de pensamiento y no pensamiento, lo que resulta en una mejora integral y sustancial del rendimiento general del modelo. En el modo de pensamiento, el modelo admite simultáneamente la búsqueda web, la extracción de información web y una herramienta de intérprete de código, lo que le permite abordar problemas más complejos y desafiantes con mayor precisión al aprovechar herramientas externas mientras participa en un razonamiento lento y deliberativo. Esta versión se basa en una instantánea tomada el 23 de enero de 2026. |
Comprensión visual | 2026-01-22 | Internacional |
| La serie Qwen3 de modelos de comprensión visual de tamaño pequeño integra eficazmente los modos de pensamiento y no pensamiento. En comparación con la instantánea tomada el 15 de octubre de 2025, el rendimiento general del modelo ha mejorado significativamente: ofrece capacidades mejoradas en reconocimiento visual general y razonamiento, y muestra mejoras notables en la precisión de reconocimiento en diversos escenarios empresariales como seguridad, inspecciones en tiendas, monitoreo de equipos y resolución de problemas basada en fotografías. Esta versión es una instantánea al 22 de enero de 2026. |
Síntesis de voz | 2026-01-21 | Internacional |
| El modelo qwen3-TTS-Flash es el modelo de síntesis de voz en tiempo real más reciente de Tongyi. El modelo Instruct procesa el efecto de síntesis a través del lenguaje natural, garantizando un habla emocional y expresiva altamente adecuada en diferentes contextos. Actualmente, admite 25 timbres para ajustes Instruct tanto en chino como en inglés. Este modelo equivale a la versión instantánea publicada el 22 de enero de 2026. |
Generación de video | 2026-01-15 | Internacional |
| Wan2.6 image to video flash ofrece una generación más rápida y rentable. La programación inteligente de tomas permite narrativas multicámara, admite diálogos estables con varios hablantes con timbres vocales más naturales y realistas, y permite generar clips de hasta 15 segundos de duración. |
Generación de imágenes | 2026-01-15 | Internacional |
| Los modelos de edición de imágenes de la serie Max de Qwen ofrecen capacidades de edición más estables y versátiles: diseño industrial y razonamiento geométrico mejorados, mayor coherencia de personajes, reducción de problemas de desalineación y capacidades LoRA integradas para una gama más amplia de funciones de edición de imágenes. |
Síntesis de voz | 2026-01-14 | Internacional |
| El modelo Qwen3-TTS-VD es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre las voces diseñadas por el servicio qwen3-voice-design, y admite salida de voz en 11 idiomas utilizando la misma voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente su tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 15 de enero de 2026. |
Síntesis de voz | 2026-01-14 | Internacional |
| El modelo Qwen 3-TTS-Flash es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre voces replicadas del servicio qwen-voice-enrollment, y admite salida de voz en 11 idiomas utilizando la misma voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente el tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 15 de enero de 2026. |
Generación de texto | 2026-01-13 | Internacional |
| La serie de modelos de juego de roles Qwen está optimizada específicamente para escenarios de interacción antropomórfica multilingüe. Demuestra capacidades avanzadas en el mantenimiento de la consistencia del personaje, la progresión del diálogo con conocimiento del contexto y la participación empática, lo que permite una personificación precisa y personalizada del personaje. Esta versión mejora significativamente la localización lingüística al japonés (incluidos dialectos y honoríficos), la autenticidad del juego de roles similar al humano, el control de la coherencia narrativa y la inteligencia cognitiva basada en escenarios. |
Generación de imágenes | 2026-01-09 | Internacional |
| La serie Qwen de modelos de generación de imágenes cuenta con excepcionales capacidades de renderizado de texto y destaca tanto en el renderizado de texto complejo como en una amplia variedad de tareas de generación y edición. Esta versión, una instantánea tomada el 9 de enero de 2026, es una variante destilada y acelerada de Qwen-Image-Max, que permite una generación más rápida de imágenes de alta calidad. |
Generación de imágenes | 2025-12-30 | Internacional |
| La serie Max del modelo de generación de imágenes de qwen destaca en una amplia variedad de tareas de generación. En comparación con la serie Plus, reduce significativamente la apariencia artificial en las imágenes generadas, mejorando su realismo. Ofrece texturas de materiales más realistas para sujetos humanos, texturas naturales más finas y detalladas, y una representación de texto visualmente más atractiva. |
Generación de imágenes | 2025-12-22 | Internacional |
| Z-Image-Turbo es un modelo de generación de imágenes altamente eficiente que ha encabezado el benchmark de Artificial Analysis como el modelo de texto a imagen de código abierto No. 1 del mundo. Con solo 6 mil millones de parámetros y un proceso de inferencia de 8 pasos, genera imágenes fotorrealistas comparables a las producidas por modelos comerciales a gran escala, destacando además en la renderización de texto bilingüe chino-inglés, comprensión semántica compleja y generación temática diversa. |
Razonamiento, Comprensión visual | 2025-12-18 | Internacional |
| La serie de modelos de comprensión visual Qwen3 integra eficazmente los modos de pensamiento y sin pensamiento. En comparación con la instantánea publicada el 23 de septiembre, esta versión ofrece un rendimiento superior en tareas de razonamiento y análisis, así como en el control de estilo, al tiempo que proporciona una menor latencia y velocidades de respuesta más rápidas. Esta versión se basa en una instantánea tomada el 19 de diciembre de 2025. |
Generación de video | 2025-12-16 | Internacional |
| Referencia a video de Wan2.6, admite el uso de una persona específica o cualquier objeto como referencia, manteniendo con precisión la consistencia de apariencia y voz, y permite referencias de múltiples personajes para actuaciones conjuntas. |
Generación de imágenes | 2025-12-15 | Internacional |
| Wan2.6 texto a imagen, calidad visual, estética y seguimiento de instrucciones mejorados ofrecen un control de estilo preciso, retratos realistas, comprensión de textos largos y una amplia cobertura de propiedad intelectual histórica/cultural, permitiendo una generación visual de alta calidad y gran expresividad. |
Generación de imágenes | 2025-12-15 | Internacional |
| Wan2.6 Image, un modelo integral de generación de imágenes que admite razonamiento conjunto de texto e imagen, fusión creativa de múltiples imágenes, consistencia de grado comercial, transferencia de estilo estético y control preciso del encuadre y la iluminación, mejorando significativamente la consistencia, la controlabilidad y la expresividad en la generación de imágenes. |
Generación de imágenes | 2025-12-15 | Internacional |
| La serie Qianwen de modelos Image Editing Plus presenta una mayor consistencia de personajes, capacidades de diseño industrial y habilidades de razonamiento geométrico en comparación con la instantánea del 30 de octubre. Además, integra capacidades de LoRA, como efectos de iluminación, y mitiga eficazmente los problemas de desplazamiento. Esta versión se basa en una instantánea tomada el 15 de diciembre de 2025. |
Síntesis de voz | 2025-12-12 | Internacional |
| El modelo Qwen 3-TTS-VD es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre las voces diseñadas por el servicio qwen3-voice-design, y admite salida de voz en 11 idiomas utilizando la misma voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente su tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 16 de diciembre de 2025. |
Síntesis de voz | 2025-12-12 | Internacional |
| El modelo Qwen Voice-Design es una serie de modelos de diseño de voz de Qwen Speech Model. Solo requiere una descripción de texto simple para diseñar rápidamente una voz adecuada. Cuando se utiliza en conjunto con el modelo qwen3-tts-vd-realtime, puede diseñar y generar habla en 10 idiomas. Además, el audio sintetizado puede ajustar adaptativamente su tono basándose en el texto y posee buenas capacidades de procesamiento para la síntesis de texto complejo. |
Omni-modal en tiempo real | 2025-12-04 | Internacional |
| La versión en tiempo real del modelo grande multimodal Qwen3-Omni-Flash, basada en la arquitectura Thinker–Talker Mixed Expert (MoE), admite la comprensión eficiente y la generación de voz de texto, imágenes, audio y video. Puede interactuar con texto en 119 idiomas y voz en 20 idiomas, generando voz similar a la humana para una comunicación precisa entre idiomas. El modelo cuenta con potentes capacidades de seguimiento de instrucciones y personalización de prompts del sistema, adaptándose flexiblemente a estilos conversacionales y configuraciones de personajes. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Omni-modal | 2025-12-04 | Internacional |
| El modelo grande multimodal Qwen3-Omni-Flash, basado en la arquitectura Thinker–Talker Mixed Expert (MoE), admite la comprensión eficiente y la generación de voz de texto, imágenes, audio y video. Puede interactuar con texto en 119 idiomas y voz en 20 idiomas, generando voz similar a la humana para una comunicación precisa entre idiomas. El modelo cuenta con potentes capacidades de seguimiento de instrucciones y personalización de prompts del sistema, adaptándose flexiblemente a estilos conversacionales y configuraciones de personajes. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Reconocimiento de voz en tiempo real | 2025-12-04 | Internacional |
| Qwen3-LiveTranslate-Flash es un modelo de interpretación simultánea de audio y video multilingüe en tiempo real, de alta precisión, gran capacidad de respuesta y robustez. Aprovechando la potente infraestructura de Qwen3-Omni, grandes volúmenes de datos multimodales, alineación entre idiomas y modalidades, y tecnologías de mejora visual, Qwen3-LiveTranslate-Flash ofrece capacidades de traducción de audio y video tanto sin conexión como en tiempo real. Puede comprender 19 idiomas y hablar 10 idiomas, y también admite 8 dialectos chinos. |
Generación de video | 2025-12-03 | Internacional |
| Wan2.6 text to video: la programación inteligente de tomas admite narrativas de múltiples tomas, generando videos narrativos con sujetos, escenas y atmósfera coherentes, con una duración máxima de 15 segundos. Ofrece un mejor seguimiento de instrucciones y una fidelidad visual mejorada. |
Generación de video | 2025-12-03 | Internacional |
| Wan2.6 imagen a video, la programación inteligente de tomas permite narrativas multicámara, ofrece generación de voz de mayor calidad, admite diálogos estables de múltiples hablantes con timbres vocales más naturales y realistas, y soporta la generación de clips de hasta 15 segundos de duración. |
— | 2025-12-01 | Internacional |
| Esta versión es una instantánea del 1 de diciembre de 2025 y presenta capacidades de razonamiento mejoradas en comparación con la instantánea del 28 de julio. Las capacidades de agente y las habilidades de invocación de herramientas en múltiples turnos se han mejorado aún más, y el rendimiento en tareas creativas subjetivas ha mejorado significativamente. Admite una longitud de contexto de hasta 1 millón de tokens, con precios escalonados según la longitud del contexto. |
Síntesis de voz | 2025-11-27 | Internacional |
| El modelo Qwen3-TTS-Flash es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre voces replicadas por el servicio qwen3-voice-enrollment, y admite salida de voz en 11 idiomas con el mismo timbre de voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente el tono según el texto, además de poseer buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo se proporciona como una versión de instantánea. |
Síntesis de voz | 2025-11-27 | Internacional |
| El modelo Qwen3-TTS-Flash-Realtime es el modelo base más reciente de síntesis de voz en tiempo real de Tongyi, que cuenta con 17 voces expresivas a la vez que ofrece una síntesis de audio de baja latencia y alta estabilidad. Soporta salidas en múltiples idiomas y dialectos con características de voz consistentes entre idiomas. Entrenado con extensos conjuntos de datos, el sistema ajusta autónomamente los tonos vocales basándose en la semántica del texto y demuestra capacidades robustas para la síntesis de contenido complejo. |
Síntesis de voz | 2025-11-27 | Internacional |
| El Qwen3-TTS-Flash es el modelo base más reciente de texto a voz sin conexión de Tongyi, que cuenta con 17 voces expresivas a la vez que permite una síntesis de audio de baja latencia y alta estabilidad. Soporta salidas en múltiples idiomas y dialectos con características de voz consistentes entre idiomas. Entrenado con conjuntos de datos masivos, el sistema ajusta automáticamente los tonos vocales basándose en la semántica del texto y demuestra capacidades robustas para sintetizar contenido complejo. |
Síntesis de voz | 2025-11-27 | Internacional |
| El modelo Voice-Enrollment de Qwen es una serie de modelos de replicación de voz del modelo de voz qwen. Puede replicar rápidamente voces muy similares utilizando audio de tan solo 5 segundos o más. Cuando se utiliza junto con el modelo qwen3-tts-vc-realtime, puede replicar la voz de una persona con alta fidelidad y generar habla en 10 idiomas. Además, el audio sintetizado puede ajustar adaptativamente su tono según el texto y posee buenas capacidades de procesamiento para la síntesis de texto complejo. |
Comprensión visual | 2025-11-21 | Internacional |
| Este modelo es una versión instantánea del 20 de noviembre de 2025, y se basa en la arquitectura más reciente de Qwen-VL3 con una actualización integral. Presenta mejoras significativas en el análisis de documentos y las capacidades de localización de texto, así como reducciones sustanciales en la latencia de extremo a extremo y las alucinaciones. |
Reconocimiento de voz | 2025-11-21 | Internacional |
| La versión de Fun ASR, actualizada en abril de 2026, es totalmente compatible con los siete principales sistemas dialectales del chino tradicional (mandarín/wu/xiang/gan/hakka/min/yue) y admite más de 20 acentos regionales del mandarín. Incluye optimizaciones específicas para el ritmo, la métrica y las características de expresión literaria de la poesía clásica china, lo que mejora la precisión del reconocimiento poético y la hace adecuada para el patrimonio cultural, explicaciones educativas y audiolibros. Las capacidades mejoradas de predicción de puntuación y normalización de texto hacen que el texto generado se ajuste mejor a los hábitos de expresión escrita; los números, fechas y cantidades se convierten automáticamente a formatos estándar, lo que mejora la legibilidad y el profesionalismo. La compatibilidad de idiomas se ha ampliado para incluir inglés, japonés, coreano, vietnamita, tailandés, indonesio, malayo, filipino, hindi, árabe, francés, alemán, español, portugués, ruso, italiano, neerlandés, sueco, danés, finés, noruego, griego, polaco, checo, húngaro, rumano, búlgaro, croata y eslovaco, con un total de 30 idiomas. Esta es una instantánea publicada el 7 de noviembre de 2025. |
Comprensión visual | 2025-11-20 | Internacional |
| Qwen-VL_OCR es un modelo OCR entrenado sobre la base de Qwen-VL. Agrega diversas tareas de reconocimiento, análisis y procesamiento de imagen-texto mediante un enfoque de modelo unificado, ofreciendo potentes capacidades de reconocimiento de imagen-texto. |
Generación de texto | 2025-11-19 | Internacional |
| Qwen-MT-Lite es un modelo de lenguaje grande de la serie de modelos Qwen especializado en traducción multilingüe. Proporciona servicios de traducción rápidos y de alta calidad en 32 idiomas a un precio rentable. Ofrece funciones como intervención de terminología, preservación de formato y traducción específica por dominio para satisfacer las diversas necesidades de distintas aplicaciones, garantizando tanto eficiencia como rendimiento. |
Reconocimiento de voz | 2025-11-18 | Internacional |
| La versión de transcripción de archivos grandes de Qwen3-ASR-Flash. Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes cantidades de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz de alta precisión. Puede determinar automáticamente el idioma y reconocer con exactitud el habla en múltiples idiomas, garantizando una transcripción precisa incluso en entornos de audio complejos. |
Reconocimiento de voz en tiempo real | 2025-11-17 | Internacional |
| Esta es la versión en tiempo real del modelo de reconocimiento de voz de extremo a extremo de próxima generación de Tongyi Lab, basado en tecnología de voz propietaria líder, y cuenta con una conciencia contextual excepcional y capacidades de transcripción de voz de alta precisión. Basado en una arquitectura de extremo a extremo, Fun-ASR integra tecnología RAG innovadora, admitiendo características multidimensionales como personalización de palabras clave a gran escala, filtrado automático de partículas modales y sensibles, normalización ITN y predicción de puntuación, mejorando significativamente la precisión general de reconocimiento y la relevancia contextual. Además, Fun-ASR admite el cambio flexible entre chino e inglés, cubre múltiples dialectos regionales y cuenta con una mayor robustez al ruido, adaptándose a entornos diversos y complejos. Esta es una instantánea publicada el 7 de noviembre de 2025. |
Generación de texto | 2025-11-11 | Internacional |
| Qwen-MT-Flash, un modelo de lenguaje grande de la serie Qwen, ha sido completamente actualizado con la arquitectura Qwen 3 para mejorar significativamente el rendimiento y la calidad de traducción. Proporciona traducción rápida y rentable en 92 idiomas, a la vez que soporta funciones avanzadas como intervención de terminología, preservación de formato y adaptación específica por dominio. Es la opción ideal para aplicaciones que requieren un potente equilibrio entre velocidad, calidad y costo. |
Generación de video | 2025-11-10 | Internacional |
| wan2.2-animate-move es un modelo de generación de animación de personajes. Los usuarios simplemente suben una foto del personaje y un video de actuación de referencia, y el modelo transfiere las expresiones y acciones del video al personaje en la imagen, produciendo un video animado de alta fidelidad. |
Generación de video | 2025-11-10 | Internacional |
| wan2.2-animate-mix es un producto de modelo de reemplazo de personajes. Al cargar una foto de un personaje y un video de actuación, los usuarios pueden reemplazar con precisión al personaje del video original por el personaje de la foto, preservando completamente los detalles ambientales como la escena, la iluminación y el tono de color del video original. |
Embedding multimodal | 2025-10-31 | Internacional |
| Embedding-Vision es un modelo de incrustación multimodal centrado en la visión impulsado por un LLM, que presenta un rendimiento sobresaliente específico por dominio y una alta rentabilidad en varios dominios (por ejemplo, comercio electrónico, galerías de fotos, seguridad, conducción autónoma). Con soporte para texto, imagen y video, es aplicable a tareas de recuperación posteriores, incluyendo texto a imagen, imagen a imagen, texto a video y video a video. |
Embedding multimodal | 2025-10-31 | Internacional |
| Embedding-Vision es un modelo de incrustación multimodal centrado en la visión impulsado por un LLM, que presenta un rendimiento sobresaliente específico por dominio y una alta rentabilidad en varios dominios (por ejemplo, comercio electrónico, galerías de fotos, seguridad, conducción autónoma). Con soporte para texto, imagen y video, es aplicable a tareas de recuperación posteriores, incluyendo texto a imagen, imagen a imagen, texto a video y video a video. |
Generación de imágenes | 2025-10-31 | Internacional |
| La serie qwen de modelos Plus de edición de imágenes optimiza aún más el rendimiento de inferencia y la estabilidad del sistema con respecto al modelo Edit inicial, lo que reduce significativamente el tiempo de respuesta para la generación y edición de imágenes. También admite la devolución de múltiples imágenes en una sola solicitud, mejorando considerablemente la experiencia del usuario. |
Reconocimiento de voz en tiempo real | 2025-10-29 | Internacional |
| La versión en tiempo real de Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto, basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes volúmenes de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz de alta precisión, determinando automáticamente el idioma e identificando con precisión el habla en 11 idiomas, garantizando al mismo tiempo una transcripción precisa incluso en entornos de audio complejos. |
Razonamiento, Comprensión visual | 2025-10-21 | Internacional |
| El modelo denso más grande de la serie Qwen3-VL, cuya versión de razonamiento posee capacidades de razonamiento multimodal solo superadas por Qwen3-VL-235B-Thinking. Destaca en resolución de problemas de STEM y matemáticas, comprensión general de imágenes y video, y alcanza un rendimiento de vanguardia en capacidades de agentes multimodales, lo que lo hace ideal para tareas complejas de razonamiento multimodal. |
Comprensión visual | 2025-10-21 | Internacional |
| El modelo denso más grande de la serie Qwen3-VL, en su versión sin inferencia, ofrece un rendimiento general solo superado por Qwen3-VL-235B-Instruct. Destaca en reconocimiento y comprensión de documentos, demuestra una fuerte conciencia espacial y capacidades de identificación de objetos, y logra un rendimiento de vanguardia en detección visual 2D y razonamiento espacial. Es idóneo para tareas de percepción complejas en una amplia gama de escenarios de propósito general. |
Razonamiento, Comprensión visual | 2025-10-15 | Internacional |
| La serie Qwen3 de modelos de comprensión visual a pequeña escala integra eficazmente los modos de pensamiento y no pensamiento, ofreciendo un rendimiento superior en comparación con el modelo de código abierto Qwen3-VL-30B-A3B, manteniendo al mismo tiempo velocidades de respuesta rápidas. Cuenta con una actualización integral en la comprensión de imágenes y videos, admitiendo contextos ultra largos como videos extendidos y documentos, conciencia espacial y reconocimiento de objetos en diversos dominios. Equipado con capacidades de localización visual 2D/3D, es muy adecuado para abordar tareas complejas del mundo real. |
Razonamiento, Comprensión visual | 2025-10-03 | Internacional |
| La versión Thinking del segundo modelo MoE más grande de la serie Qwen3-VL presenta velocidades de respuesta rápidas y capacidades mejoradas de comprensión y razonamiento multimodal, agentes visuales y soporte para contextos extremadamente largos, como videos y documentos extensos. También cuenta con habilidades de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos integralmente mejoradas, lo que lo hace idóneo para tareas complejas del mundo real. |
Comprensión visual | 2025-10-03 | Internacional |
| La versión Instruct del segundo modelo MoE más grande de la serie Qwen3-VL ofrece velocidades de respuesta rápidas y admite contextos extremadamente largos, como videos y documentos extensos. Incluye capacidades totalmente mejoradas de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos, así como localización visual 2D/3D, lo que le permite manejar desafíos complejos del mundo real. |
Razonamiento, Comprensión visual | 2025-09-30 | Internacional |
| La versión Thinking del modelo Dense de 8B en la serie Qwen3-VL consume menos memoria GPU y es capaz de realizar comprensión y razonamiento multimodal. Admite contextos extremadamente largos, como videos y documentos extensos, localización visual 2D/3D, y cuenta con capacidades de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos totalmente mejoradas. |
Comprensión visual | 2025-09-30 | Internacional |
| La versión Instruct del modelo Dense de 8B en la serie Qwen3-VL requiere menos memoria GPU y proporciona una comprensión de imagen y video integralmente mejorada, soporte para contextos extremadamente largos como videos y documentos extensos, conciencia espacial y capacidades de reconocimiento de objetos, lo que lo hace adecuado para abordar tareas complejas del mundo real. |
Reconocimiento de voz | 2025-09-25 | Internacional |
| El modelo de reconocimiento de voz multilingüe de Fun admite más de 31 idiomas y permite cambiar libremente entre ellos, lo que lo convierte en la mejor opción para usuarios que se expanden al extranjero, especialmente al sudeste asiático. Fun-asr es una versión actualizada de este modelo; se recomienda cambiar a Fun-asr. |
Generación de imágenes | 2025-09-24 | Internacional |
| El modelo de texto a imagen Preview de Wan2.5 actualizado cuenta con una arquitectura de modelo recién mejorada que aumenta significativamente la estética visual, la sensibilidad al diseño y la textura realista. Destaca en la adhesión precisa a instrucciones, genera texto con destreza en inglés, chino e idiomas menos comunes, y admite la generación de textos largos estructurados complejos, gráficos y diagramas arquitectónicos. |
Generación de imágenes | 2025-09-24 | Internacional |
| El modelo actualizado de edición de imágenes Wan2.5 Preview cuenta con una arquitectura de modelo recientemente mejorada que admite amplias capacidades de edición de imágenes mediante control por instrucciones, con un mayor cumplimiento de estas. También permite la generación con referencia a múltiples imágenes con alta coherencia y demuestra un excelente rendimiento en la generación de texto. |
Generación de texto, Razonamiento | 2025-09-24 | Internacional |
| El modelo Max de la serie Qwen 3 ha recibido actualizaciones especializadas en programación de agentes e invocación de herramientas en comparación con la versión preliminar. El modelo lanzado oficialmente en esta ocasión ha alcanzado un rendimiento de vanguardia (SOTA) en su campo y se adapta mejor a las demandas de agentes que operan en escenarios más complejos. |
Traducción de voz en tiempo real | 2025-09-24 | Internacional |
| La versión en tiempo real de Qwen3-LiveTranslate-Flash es un modelo de interpretación simultánea de audio y video multilingüe de alta precisión, gran capacidad de respuesta y robustez. Aprovechando la potente infraestructura de Qwen3-Omni, grandes volúmenes de datos multimodales, alineación entre idiomas y modalidades, y tecnologías de mejora visual, Qwen3-LiveTranslate-Flash ofrece capacidades de traducción de audio y video tanto sin conexión como en tiempo real. Puede comprender 19 idiomas y hablar 10 idiomas, incluidos 8 dialectos chinos. |
Reconocimiento de voz | 2025-09-24 | Internacional |
| La versión Fun ASR, actualizada en abril de 2026, admite completamente los siete principales sistemas dialectales del chino tradicional (Mandarín/Wu/Xiang/Gan/Hakka/Min/Yue) y es compatible con más de 20 acentos regionales de mandarín. Cuenta con optimizaciones específicas para el ritmo, la métrica y las características de expresión literaria de la poesía clásica china, mejorando la precisión del reconocimiento poético y haciéndola adecuada para el patrimonio cultural, explicaciones educativas y audiolibros. Las capacidades mejoradas de predicción de puntuación y normalización de texto hacen que el texto de salida sea más coherente con los hábitos de expresión escrita; los números, fechas y cantidades se convierten automáticamente a formatos estándar, mejorando la legibilidad y el profesionalismo. El soporte de idiomas se ha ampliado para incluir inglés, japonés, coreano, vietnamita, tailandés, indonesio, malayo, filipino, hindi, árabe, francés, alemán, español, portugués, ruso, italiano, neerlandés, sueco, danés, finés, noruego, griego, polaco, checo, húngaro, rumano, búlgaro, croata y eslovaco, totalizando 30 idiomas. Esta versión equivale a la instantánea publicada el 7 de noviembre de 2025. |
Generación de video | 2025-09-23 | Internacional |
| El modelo de texto a video Wan2.5 Preview mejorado, con una arquitectura de modelo recién actualizada que admite generación de audio sincronizada con visuales, permite la generación de videos de 10 segundos de duración y ofrece un mayor cumplimiento de instrucciones, capacidades de movimiento mejoradas y calidad de imagen superior. |
Generación de video | 2025-09-23 | Internacional |
| El modelo actualizado de imagen a video Wan2.5 Preview cuenta con una arquitectura de modelo recientemente mejorada que admite la generación de audio sincronizado con las imágenes, permite generar videos de 10 segundos de duración y ofrece un mayor cumplimiento de instrucciones, capacidades de movimiento mejoradas y una calidad de imagen superior. |
Comprensión visual | 2025-09-23 | Internacional |
| Los modelos VL de la serie Qwen3 integran eficazmente los modos de pensamiento y no pensamiento, logrando un rendimiento líder mundial en capacidades de agentes visuales en conjuntos de datos de referencia públicos como OS World. Esta versión presenta mejoras integrales en áreas como codificación visual, percepción espacial y razonamiento multimodal, mejorando significativamente las habilidades de percepción y reconocimiento visual, y soportando la comprensión de videos ultralargos. |
Razonamiento, Comprensión visual | 2025-09-23 | Internacional |
| Los modelos VL de la serie Qwen3 cuentan con capacidades de razonamiento multimodal significativamente mejoradas, con un enfoque particular en la optimización del modelo para razonamiento STEM y matemático. Las habilidades de percepción y reconocimiento visual se han mejorado de manera integral, y las capacidades de OCR han recibido una actualización importante. |
Comprensión visual | 2025-09-23 | Internacional |
| Los modelos VL de la serie Qwen3 han sido actualizados integralmente en áreas como la codificación visual y la percepción espacial. Sus capacidades de percepción y reconocimiento visual han mejorado significativamente, admitiendo la comprensión de videos ultralargos, y su funcionalidad de OCR ha recibido una mejora importante. |
Traducción de voz en tiempo real | 2025-09-23 | Internacional |
| La versión en tiempo real de Qwen3-LiveTranslate-Flash, que es un modelo de interpretación simultánea de audio y video multilingüe de alta precisión, alta capacidad de respuesta y robustez. Aprovechando la potente infraestructura de Qwen3-Omni, datos multimodales masivos, alineación entre idiomas y modalidades, y tecnologías de mejora visual, Qwen3-LiveTranslate-Flash ofrece capacidades de traducción de audio y video tanto sin conexión como en tiempo real. Puede comprender 19 idiomas y hablar 10 idiomas, incluidos 8 dialectos chinos. Esta versión es una instantánea de septiembre de 22, 2025. |
Generación de texto | 2025-09-23 | Internacional |
| Modelo de generación de código basado en Qwen3-based con una potente capacidad de agente de codificación, destaca en la invocación de herramientas y la interacción con el entorno, capaz de realizar programación autónoma con una excelente capacidad de código manteniendo su habilidad general. Esta es una instantánea del 23 de septiembre de 2025. En comparación con la versión anterior (instantánea del 22 de julio), demuestra una mayor robustez en el rendimiento de tareas posteriores y en la invocación de herramientas, junto con una seguridad de código mejorada. |
Generación de imágenes | 2025-09-23 | Internacional |
| El primer modelo base de generación de imágenes de la serie Qwen que logra avances significativos en la representación compleja de texto y la edición precisa de imágenes. Los experimentos muestran sólidas capacidades generales tanto en generación como en edición de imágenes, con un rendimiento excepcional en la representación de texto, especialmente en chino. |
Reconocimiento de voz en tiempo real | 2025-09-23 | Internacional |
| Esta es la versión en tiempo real del modelo de reconocimiento de voz de extremo a extremo de próxima generación de Tongyi Lab, basado en tecnología de voz propietaria líder, y cuenta con una conciencia contextual excepcional y capacidades de transcripción de voz de alta precisión. Basado en una arquitectura de extremo a extremo, Fun-ASR integra tecnología RAG innovadora, admitiendo características multidimensionales como la personalización de palabras clave a gran escala, el filtrado automático de partículas sensibles y modales, la normalización ITN y la predicción de puntuación, mejorando significativamente la precisión general del reconocimiento y la relevancia contextual. Además, Fun-ASR admite el cambio flexible entre chino e inglés, cubre múltiples dialectos regionales y cuenta con una mayor robustez ante el ruido, adaptándose a entornos diversos y complejos. |
Reconocimiento de voz | 2025-09-19 | Internacional |
| Qwen3-Omni-30b-a3b-Captioner es un potente modelo de análisis de audio de grano fino diseñado para generar descripciones de contenido precisas y exhaustivas en escenarios de audio complejos y cambiantes. Puede analizar y describir automáticamente diversos contenidos de audio, desde habla compleja y sonidos ambientales hasta música y efectos de sonido de cine y televisión, y puede mantener una salida estable y fiable incluso en entornos de múltiples fuentes y mixtos. |
Omni-modal en tiempo real | 2025-09-17 | Internacional |
| La versión en tiempo real del modelo grande multimodal Qwen3-Omni-Flash, basada en la arquitectura Thinker–Talker Mixed Expert (MoE), admite la comprensión eficiente y la generación de voz de texto, imágenes, audio y video. Puede interactuar con texto en 119 idiomas y voz en 20 idiomas, generando voz similar a la humana para una comunicación precisa entre idiomas. El modelo cuenta con potentes capacidades de seguimiento de instrucciones y personalización de prompts del sistema, adaptándose flexiblemente a estilos conversacionales y configuraciones de personajes. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Omni-modal | 2025-09-17 | Internacional |
| El modelo grande multimodal Qwen3-Omni-Flash, basado en la arquitectura Thinker–Talker Mixed Expert (MoE), admite la comprensión eficiente y la generación de voz de texto, imágenes, audio y video. Puede interactuar con texto en 119 idiomas y voz en 20 idiomas, generando voz similar a la humana para una comunicación precisa entre idiomas. El modelo cuenta con potentes capacidades de seguimiento de instrucciones y personalización de prompts del sistema, adaptándose flexiblemente a estilos conversacionales y configuraciones de personajes. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. Esta versión es una instantánea del 15 de septiembre de 2025. |
Síntesis de voz | 2025-09-16 | Internacional |
| El modelo Qwen3-TTS-Flash-Realtime-2025-09-18 es el último modelo fundamental de síntesis de voz en tiempo real de Tongyi, que cuenta con 17 voces expresivas y ofrece una síntesis de audio de baja latencia y alta estabilidad. Admite salidas multilingües y de dialectos con características de voz consistentes en todos los idiomas. Entrenado con extensos conjuntos de datos, el sistema ajusta autónomamente los tonos vocales según la semántica del texto y demuestra capacidades robustas para la síntesis de contenido complejo. Este modelo se proporciona como una versión de instantánea. |
Síntesis de voz | 2025-09-16 | Internacional |
| El modelo Qwen 3-TTS-Flash-2025-09-18 es el último modelo fundamental de conversión de texto a voz sin conexión de Tongyi, que cuenta con 17 voces expresivas y permite una síntesis de audio de baja latencia y alta estabilidad. Admite salidas multilingües y de dialectos con características de voz consistentes en todos los idiomas. Entrenado con grandes conjuntos de datos, el sistema ajusta automáticamente los tonos vocales según la semántica del texto y demuestra capacidades robustas para sintetizar contenido complejo. Este modelo se proporciona como una versión de instantánea. |
Reconocimiento de voz | 2025-09-16 | Internacional |
| Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto, basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes volúmenes de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz de alta precisión. Puede determinar automáticamente el idioma y reconocer con precisión el habla en 11 idiomas, garantizando una transcripción precisa incluso en entornos de audio complejos. |
Comprensión visual | 2025-09-16 | Internacional |
| Qwen-VL-Plus es la versión mejorada del modelo grande de lenguaje visual. Mejora significativamente las capacidades de reconocimiento de detalles y de texto, admitiendo imágenes con resoluciones superiores a un millón de píxeles y cualquier especificación de relación de aspecto. El modelo ofrece un rendimiento excepcional en una amplia gama de tareas visuales. |
Comprensión visual | 2025-09-16 | Internacional |
| Qwen-VL-Max es un modelo de lenguaje visual a gran escala de la serie Qwen. En comparación con la versión Plus, mejora aún más las capacidades de razonamiento visual y el seguimiento de instrucciones, ofreciendo niveles superiores de percepción y cognición visual. Ofrece un rendimiento óptimo en tareas más complejas. |
Generación de texto, Razonamiento | 2025-09-16 | Internacional |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Comprensión visual | 2025-09-12 | Internacional |
| Ya está disponible el nuevo modelo de primer y último fotograma a video de Wan2.2. Hemos optimizado la estabilidad del movimiento y las tasas de éxito, mejorado la adherencia a los indicadores y habilitado transiciones fluidas entre dos imágenes. |
Generación de texto, Razonamiento | 2025-09-11 | Internacional |
| Una nueva generación de modelos de modo de pensamiento de código abierto basados en Qwen3-based. Esta versión ofrece un mejor seguimiento de instrucciones y respuestas resumidas más concisas en comparación con la iteración anterior (Qwen3-235B-A22B-Thinking-2507). |
Generación de texto | 2025-09-11 | Internacional |
| Una nueva generación de modelos de código abierto en modo sin razonamiento impulsada por Qwen3. Esta versión demuestra una comprensión superior del texto en chino, un razonamiento lógico reforzado y capacidades mejoradas en tareas de generación de texto respecto a la iteración anterior (Qwen3-235B-A22B-Instruct-2507). |
Generación de texto, Razonamiento | 2025-09-11 | Internacional |
| A partir de la instantánea del 11 de septiembre de 2025, esta versión presenta un seguimiento de instrucciones mejorado y respuestas de resumen simplificadas en modo de pensamiento. El modo sin pensamiento ofrece una comprensión superior del texto en chino y capacidades reforzadas de razonamiento lógico. El modelo admite una longitud de contexto de 1M con precios escalonados. |
Generación de texto, Razonamiento | 2025-09-05 | Internacional |
| Una versión preliminar del modelo Max de la serie Qwen 3, que logra una integración efectiva de los modos de pensamiento y sin pensamiento. En modo de pensamiento, se produce una mejora significativa en capacidades como programación de agentes inteligentes, razonamiento de sentido común y razonamiento en matemáticas, ciencias y dominios generales. |
Embedding de texto | 2025-08-25 | Internacional |
| La versión V4 de General Text Vector es un modelo de vectores de texto multilingüe desarrollado por Tongyi Lab basado en Qwen3. En comparación con la versión V3, mejora significativamente el rendimiento en tareas de recuperación de texto, agrupamiento y clasificación. Logra una mejora del 15% al 40% en tareas de evaluación como MTEB multilingüe, chino-inglés y recuperación de código. Adicionalmente, soporta dimensiones de vectores definidas por el usuario que van desde 64 hasta 2048. |
Generación de imágenes | 2025-08-18 | Internacional |
| El primer modelo de edición de imágenes de Qwen extiende la renderización de texto de Qwen-Image a tareas de edición. Ofrece edición precisa de texto bilingüe (chino/inglés), edición dual visual y semántica, y un sólido rendimiento entre benchmarks. |
Generación de video | 2025-08-15 | Internacional |
| El modelo Flash mejorado de imagen a video de Wan 2.2 ofrece mayor velocidad con estabilidad optimizada, seguimiento de indicadores más potente, consistencia mejorada para texto, retratos y productos, y control preciso de tomas. |
Omni-modal en tiempo real | 2025-08-14 | Internacional |
| La versión en tiempo real del nuevo modelo grande multimodal de comprensión y generación de Qwen, adecuado para escenarios de interacción de audio en tiempo real. Admite la comprensión de audio acompañado de entradas mixtas de texto, imágenes y video, y puede generar simultáneamente voz y texto en flujo, proporcionando cuatro tonos naturales. |
Generación de imágenes | 2025-08-14 | Internacional |
| El primer modelo base de generación de imágenes de la serie Qwen que logra avances significativos en la representación compleja de texto y la edición precisa de imágenes. Los experimentos muestran sólidas capacidades generales tanto en generación como en edición de imágenes, con un rendimiento excepcional en la representación de texto, especialmente en chino. |
Generación de texto, Razonamiento | 2025-08-01 | Internacional |
| El modelo Flash de Qwen3 ofrece una potente fusión de modos de pensamiento y sin pensamiento con cambio dinámico durante la conversación, destacando en razonamiento complejo y mostrando mejoras significativas en el seguimiento de instrucciones y la comprensión de texto. Admite una longitud de contexto de 1M y se factura según un modelo escalonado correspondiente al uso de contexto. |
Generación de texto | 2025-07-31 | Internacional |
| Modelo de generación de código basado en Qwen3-based que hereda la capacidad de agente de codificación de Qwen3-Coder-480B-A35B-Instruct; su capacidad de código alcanza el estado del arte (SOTA) en su misma escala. |
Generación de texto, Razonamiento | 2025-07-31 | Internacional |
| El modelo de la serie Qwen optimizado para un rendimiento equilibrado, que ofrece una eficiencia de inferencia entre Qwen-Max y Qwen-Turbo, está diseñado para manejar tareas de complejidad moderada de manera efectiva. Esta versión actualizada dinámicamente implementa cambios sin previo aviso. |
Generación de texto, Razonamiento | 2025-07-30 | Internacional |
| Modelo de razonamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-30B-A3B), destaca en tareas complejas de razonamiento, incluidas lógica, matemáticas, ciencias, código y otros escenarios desafiantes; el seguimiento de instrucciones, la comprensión de textos y las capacidades de traducción multilingüe han mejorado significativamente. |
Generación de texto | 2025-07-29 | Internacional |
| Basado en Qwen3, este modelo de generación de código hereda las capacidades de agente de codificación de Qwen3-Coder-Plus y admite interacción de herramientas en múltiples turnos. Cuenta con optimizaciones enfocadas en la comprensión a nivel de repositorio y una mayor estabilidad en la llamada a herramientas. |
Generación de texto | 2025-07-29 | Internacional |
| Modelo sin razonamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-30B-A3B), muestra mejoras importantes en las capacidades generales multilingües, incluyendo chino, inglés y otros idiomas. Optimizado para tareas subjetivas abiertas, ofrece respuestas significativamente más alineadas con las preferencias del usuario y más útiles. |
Generación de texto, Razonamiento | 2025-07-29 | Internacional |
| Modelo Plus de la serie Qwen3, integra modos de pensamiento y sin pensamiento, y permite cambiar entre ellos durante el diálogo. En comparación con la versión anterior, añade mejoras específicas para las capacidades en chino e inglés y para la llamada a herramientas. Esta es una instantánea del 28 de julio de 2025; es la primera en admitir una longitud de contexto de 1 M y utiliza precios escalonados. |
Generación de video | 2025-07-28 | Internacional |
| El modelo mejorado de texto a video Plus de Wan 2.2 ofrece resultados de mayor calidad con movimientos complejos y estables, control visual cinematográfico, seguimiento de indicadores más potente y recreación realista del mundo. |
Generación de imágenes | 2025-07-28 | Internacional |
| El modelo actualizado de texto a imagen Wan 2.2 Plus ofrece detalles de imagen más ricos con creatividad, estabilidad y realismo mejorados. También presenta un seguimiento de prompts más sólido y soporte nativo para múltiples estilos. Asimismo, se admite la generación de hasta 2 millones de píxeles y la mejora de prompts. |
Generación de imágenes | 2025-07-28 | Internacional |
| El modelo actualizado de texto a imagen Wan 2.2 Flash ofrece mayor velocidad con creatividad, estabilidad y realismo mejorados. También presenta un seguimiento de prompts más sólido y soporte nativo para múltiples estilos. Asimismo, se admite la generación de hasta 2 millones de píxeles y la mejora de prompts. |
Generación de video | 2025-07-28 | Internacional |
| El modelo Plus mejorado de imagen a video de Wan 2.2 ofrece resultados de mayor calidad con estabilidad optimizada, seguimiento de indicadores más potente, consistencia mejorada para texto, retratos y productos, y control preciso de tomas. |
Generación de texto, Razonamiento | 2025-07-25 | Internacional |
| Modelo de pensamiento Qwen3 de código abierto; en comparación con la versión anterior (Qwen3-235B-A22B), muestra mejoras importantes en capacidad lógica, capacidades generales, ampliación de conocimientos y creatividad, adecuado para escenarios de alta dificultad y pensamiento profundo. |
Generación de texto | 2025-07-24 | Internacional |
| Qwen-MT-Turbo es un modelo de lenguaje grande dentro de la serie de modelos Qwen que se especializa en traducción multilingüe. Proporciona servicios de traducción rápidos y de alta calidad en 92 idiomas a un precio rentable. También ofrece funciones como intervención de terminología, preservación de formato y traducción específica por dominio para satisfacer las diversas necesidades de distintas aplicaciones, garantizando tanto eficiencia como rendimiento. |
Generación de texto | 2025-07-24 | Internacional |
| Qwen-MT-Plus, el modelo de traducción insignia de nuestra serie Qwen, ahora está completamente actualizado con la arquitectura Qwen3. Admite 92 idiomas y ofrece traducciones excepcionalmente precisas y de sonido natural. Sus capacidades avanzadas en comprensión contextual, control de terminología y preservación de formato lo convierten en una opción superior frente a los modelos tradicionales, especialmente para dominios especializados. |
Generación de texto | 2025-07-23 | Internacional |
| Modelo de generación de código basado en Qwen3-based con potente capacidad de agente de codificación, destaca en la llamada de herramientas y la interacción con el entorno, capaz de programación autónoma con una capacidad de código sobresaliente manteniendo su capacidad general. |
Generación de texto | 2025-07-23 | Internacional |
| Modelo de generación de código basado en Qwen3-based con potente capacidad de agente de codificación; su capacidad de código alcanza el estado del arte (SOTA) en modelos de código abierto. |
Generación de texto | 2025-07-23 | Internacional |
| Modelo de no pensamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-235B-A22B), muestra ligeras mejoras en creatividad subjetiva y seguridad del modelo. |
Generación de texto, Razonamiento | 2025-07-23 | Internacional |
| El modelo Plus de la serie Qwen3, que logra una integración efectiva del modo de pensamiento y el modo sin pensamiento, permite cambiar entre modos durante las conversaciones. Esta es una instantánea del 14 de julio de 2025. En comparación con la versión anterior, se ha producido una mejora significativa en las capacidades tanto en chino como en inglés bajo el modo sin pensamiento, con habilidades mejoradas para la invocación de herramientas. |
Generación de texto | 2025-07-21 | Internacional |
| La serie de modelos de juego de roles Qwen está optimizada específicamente para escenarios de interacción antropomórfica en japonés. Demuestra capacidades avanzadas en el mantenimiento de la consistencia del personaje, la progresión del diálogo consciente del contexto y la participación empática, permitiendo una personificación personalizada y precisa del personaje. Esta versión mejora significativamente la localización lingüística japonesa (incluidos dialectos y honoríficos), la autenticidad del juego de roles similar al humano, el control de la coherencia narrativa y la inteligencia cognitiva basada en escenarios. |
Omni-modal | 2025-07-18 | Internacional |
| El nuevo modelo de comprensión y generación multimodal, que admite entradas de texto, imagen, voz y video, así como la comprensión de entradas mixtas. Puede transmitir simultáneamente texto y voz, con una velocidad significativamente mejorada para la comprensión de contenido multimodal. Además, ofrece cuatro tonos de diálogo naturales. |
Generación de imágenes | 2025-05-22 | Internacional |
| Versión Turbo de texto a imagen Wan2.1, velocidad de generación más rápida. Mejorado en belleza de imagen, realismo y artisticidad. Mayor capacidad de comprensión semántica, rica capacidad de generalización de estilos, admite generación de hasta 2 millones de píxeles, soporta reescritura inteligente de indicaciones. |
Generación de imágenes | 2025-05-22 | Internacional |
| Versión Plus de texto a imagen Wan2.1, genera más detalles en la imagen. Mejorado en belleza de imagen, realismo y artisticidad. Mayor capacidad de comprensión semántica, rica capacidad de generalización de estilos, admite generación de hasta 2 millones de píxeles, soporta reescritura inteligente de indicaciones. |
Generación de video | 2025-05-14 | Internacional |
| Modelo todo en uno de creación y edición de video Wan2.1-VACE-Plus. Admite edición local, repintado de video, expansión de fondo, extensión de duración, referencia de imágenes y otras tareas de edición y generación de video, y permite el control condicional multimodal mediante texto, imágenes y videos. |
Generación de texto, Razonamiento | 2025-05-12 | Internacional |
| Logra una integración efectiva de los modos de pensamiento y no pensamiento, permitiendo el cambio de modo durante las conversaciones. Su capacidad de razonamiento alcanza el nivel SOTA en la industria de la misma escala, y su capacidad general supera significativamente a Qwen2.5-7B. |
Generación de texto, Razonamiento | 2025-05-12 | Internacional |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento supera significativamente a la de QwQ, y su capacidad general excede notablemente a la de Qwen2.5-32B-Instruct, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-05-12 | Internacional |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento rivaliza con la de QwQ-32B con un tamaño de parámetros menor, y su capacidad general supera significativamente a la de Qwen2.5-14B, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-05-12 | Internacional |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento supera significativamente a la de QwQ, y su capacidad general excede notablemente a la de Qwen2.5-72B-Instruct, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-05-12 | Internacional |
| Logra una integración efectiva de los modos de pensamiento y no pensamiento, permitiendo el cambio de modo durante las conversaciones. Su capacidad de razonamiento alcanza el nivel SOTA en la industria de la misma escala, y su capacidad general supera significativamente a Qwen2.5-14B. |
Generación de texto, Razonamiento | 2025-04-29 | Internacional |
| El modelo Plus de la serie Qwen3 integra eficazmente el modo de pensamiento y el modo sin pensamiento, lo que permite cambiar de modo durante las conversaciones. Sus capacidades de razonamiento superan significativamente a las de QwQ, y sus capacidades generales exceden notablemente a las de Qwen2.5-Plus, alcanzando el nivel SOTA en la misma escala dentro de la industria. Este modelo corresponde a la instantánea del 28 de abril de 2025. |
Generación de video | 2025-04-07 | Internacional |
| Versión Plus de fotogramas inicial y final de Wan2.1 a video, genera un video de transición suave entre dos imágenes. Soporta movimientos amplios y complejos, cumplimiento de leyes físicas, estilos artísticos variados y calidad visual de nivel cinematográfico. La capacidad de seguir instrucciones se ha mejorado aún más, resultando en detalles más ricos en el video generado. |
Omni-modal | 2025-03-26 | Internacional |
| El nuevo modelo multimodal de comprensión y generación entrenado con base en Qwen2.5. Admite la comprensión de entradas de texto, imagen, voz, video y mixtas, y puede generar simultáneamente flujos de texto y voz, lo que mejora significativamente la velocidad de comprensión de contenido multimodal. Proporciona cuatro tonos naturales. |
Razonamiento, Comprensión visual | 2025-03-26 | Internacional |
| El modelo de razonamiento visual QVQ de Tongyi Qianwen admite entrada visual y salida de cadena de pensamiento, demostrando capacidades más sólidas en matemáticas, programación, análisis visual, creación y tareas generales. |
Razonamiento | 2025-03-05 | Internacional |
| La versión mejorada del modelo de razonamiento QwQ de Qwen, entrenada sobre el modelo Qwen2.5, ha mejorado significativamente sus capacidades de razonamiento mediante aprendizaje por refuerzo. Las métricas principales del modelo en matemáticas y programación (por ejemplo, AIME 24/25, LiveCodeBench), así como algunas métricas generales (por ejemplo, IFEval, LiveBench), han alcanzado el nivel de la versión completa de DeepSeek-R1. |
Generación de video | 2025-02-27 | Internacional |
| Versión Turbo de imagen a video Wan2.1, convierte la imagen estática en video generado. Soporte para movimientos grandes y complejos, cumplimiento de leyes físicas, estilos artísticos y calidad visual cinematográfica. La capacidad de seguir instrucciones ha mejorado aún más, y la generación es más rápida. |
Generación de texto, Razonamiento | 2025-01-30 | Internacional |
| El modelo Turbo de la serie Qwen3. Integra eficazmente el modo de pensamiento y el modo sin pensamiento, lo que permite cambiar de modo durante las conversaciones. Sus capacidades de razonamiento rivalizan con las de QwQ-32B con un tamaño de parámetros menor, mientras que sus capacidades generales superan significativamente a las de Qwen2.5-Turbo, alcanzando el nivel SOTA en la misma escala dentro de la industria. |
Generación de texto | 2025-01-30 | Internacional |
| La serie de modelos Qwen, bien equilibrada en capacidades, ofrece un rendimiento y una velocidad de razonamiento que se sitúan entre Qwen-Max y Qwen-Turbo, lo que los hace adecuados para tareas de complejidad moderada. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés como en el razonamiento lógico y las habilidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento de formato JSON y habilidades de juego de roles. |
Generación de texto | 2025-01-30 | Internacional |
| Qwen-Max admite una escala de parámetros de cientos de miles de millones y múltiples idiomas de entrada, como chino e inglés. Qwen-Max se actualiza de manera continua. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Generación de video | 2025-01-20 | Internacional |
| Versión Plus de imagen a video Wan2.1, convierte la imagen estática en video generado. Soporte para movimientos grandes y complejos, cumplimiento de leyes físicas, estilos artísticos y calidad visual cinematográfica. La capacidad de seguir instrucciones ha mejorado aún más, así como la calidad del video. |
Generación de video | 2025-01-09 | Internacional |
| Versión Turbo de texto a video Wan2.1, video generado con una sola frase. Soporte para movimientos grandes y complejos, cumplimiento de leyes físicas, estilos artísticos y calidad visual cinematográfica. La capacidad de seguir instrucciones ha mejorado aún más, y la velocidad de generación es más rápida. |
Generación de video | 2025-01-09 | Internacional |
| Versión Plus de texto a video Wan2.1, video generado con una sola frase. Soporte para movimientos grandes y complejos, cumplimiento de leyes físicas, estilos artísticos y calidad visual cinematográfica. La capacidad de seguir instrucciones ha mejorado aún más, así como la calidad del video. |
Embedding de texto | 2024-07-12 | Internacional |
| El modelo general de vectorización de texto es un modelo unificado y multilingüe de vectorización de texto desarrollado por Tongyi Lab con base en los fundamentos de modelos grandes de lenguaje (LLM). Este modelo está diseñado para múltiples idiomas principales a nivel mundial y proporciona servicios avanzados de vectorización para ayudar a los desarrolladores a convertir datos de texto en datos vectoriales de alta calidad. |
EE. UU. (Virginia)
Tipo de modelo | Fecha | Ámbito del servicio | ID de modelo | Descripción |
|---|---|---|---|---|
Generación de texto, Razonamiento, Comprensión visual | 2026-10-17 | Global |
| DeepSeek-V4.1-Flash-1017 es la iteración más reciente de V4.1-Flash, entrenada mediante aprendizaje por refuerzo basado en autorretroalimentación para ofrecer mejoras sustanciales con respecto a su predecesor en benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 y ProgramBench. Al mismo tiempo, reduce el tiempo de ejecución de las tareas y la longitud de la salida para alcanzar un nuevo óptimo de Pareto entre rendimiento y costo en múltiples entornos de evaluación. Su capacidad para construir proyectos completos desde cero se ha reforzado aún más, lo que permite realizar tareas de programación "basadas en deseos", como el desarrollo de juegos y el modelado 3D, manteniendo el mismo MoE de 552B parámetros, la comprensión visual multimodal nativa, la ventana de contexto de 1M tokens y la salida máxima de 384K tokens. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-10-08 | US |
| qwen3.8-max ya está disponible con el ámbito de implementación de EE. UU. en la región de EE. UU. (Virginia), admitiendo generación de texto, pensamiento profundo, comprensión visual, Function Calling, salida estructurada y almacenamiento en caché de contexto, con una ventana de contexto nativa de 1M tokens. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-10-08 | US |
| qwen3.7-flash ya está disponible con alcance de implementación en EE. UU. en la región de EE. UU. (Virginia), admitiendo generación de texto, pensamiento profundo, comprensión visual, Function Calling, salida estructurada y almacenamiento en caché de contexto. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-10-03 | US |
| qwen3.8-flash ya está disponible con el ámbito de implementación de EE. UU. en la región de EE. UU. (Virginia), y admite generación de texto, razonamiento profundo, comprensión visual, Function Calling, salida estructurada y almacenamiento en caché de contexto, con una ventana de contexto nativa de 1M tokens y compatibilidad con las API de OpenAI y Anthropic. |
Modelos mundiales | 2026-09-17 | Global |
| HappyOyster Adventure es un modelo de mundo abierto explorable e interactivo en tiempo real. Genera escenas del mundo a partir de entradas multimodales (texto/imagen), permitiendo una exploración inmersiva y sin límites mediante interacción, movimiento y control de cámara en tiempo real. |
Modelos mundiales | 2026-09-17 | Global |
| HappyOyster Directing es un modelo de mundo abierto inmersivo, interactivo y ejecutable en tiempo real. Genera escenas del mundo a partir de entradas multimodales (texto/imagen) e impulsa la ejecución del mundo en tiempo real a partir de texto en cualquier momento. |
Modelos mundiales | 2026-09-17 | Global |
| HappyOyster Acting es un modelo de juego de roles interactivo en tiempo real. Genera personajes y escenas en un estilo de persona específico a partir de entradas multimodales (texto/imagen), e impulsa la actuación e interacción de personajes en tiempo real a partir de texto en cualquier momento. |
Omni-modal | 2026-09-17 | Global |
| Qwen3.8-Omni-Flash admite entradas de texto, imagen, audio y video con salida de texto. Admite modos de pensamiento y no pensamiento, llamada a funciones, búsqueda web y almacenamiento en caché de contexto para comprensión de audio y video, análisis multimodal y aplicaciones de agentes. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-13 | Global |
| DeepSeek-V4.1-Flash es el modelo insignia ligero de la nueva familia de arquitectura de DeepSeek, que integra 552B parámetros MoE totales para ofrecer una inteligencia superior a la de los modelos insignia en benchmarks clave, superando incluso a DeepSeek-V4-Pro. Adopta un diseño asimétrico Causal Encoder-Decoder con 8B parámetros activos para la entrada y 16B para la salida, y ofrece comprensión visual multimodal nativa. El uso de KV Cache se reduce a una cuarta parte de la HBM y a un octavo del almacenamiento SSD de la generación anterior, lo que disminuye drásticamente los costos para cargas de trabajo de contexto largo y agentes. Con una ventana de contexto de 1M tokens y una salida máxima de hasta 384K tokens, equilibra un alto rendimiento, baja latencia y una eficiencia de costos excepcional. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-02 | Global |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) es una instantánea mejorada de qwen3.8-max. La capacidad de codificación alcanza nuevos niveles, manejando proyectos a escala de ingeniería más complejos y desarrollo autónomo de largo alcance. El rendimiento del agente colaborativo mejora significativamente, con mayor compostura en la orquestación de múltiples herramientas y la entrega de tareas de extremo a extremo. La comprensión visual nativa se perfecciona en el razonamiento de gráficos, el análisis de documentos y la percepción multimodal, volviéndose más nítida y confiable. Conserva la ventana de contexto de 1M, el modo de pensamiento y el ecosistema completo de herramientas, evolucionando hacia un nivel superior de inteligencia. |
Juego de roles | 2026-08-30 | Global |
| La serie de modelos de juego de roles de Qwen está específicamente optimizada para escenarios de interacción antropomórfica multilingüe. Demuestra capacidades avanzadas en el mantenimiento de la coherencia del personaje, la progresión del diálogo consciente del contexto y la conexión empática, permitiendo una personificación precisa y personalizada del personaje. |
Generación de texto, Pensamiento profundo | 2026-08-28 | Global |
| GLM-5.3 es el último modelo de lenguaje grande insignia de Z.ai, que ofrece un rendimiento de codificación y de agentes de última generación entre los modelos de código abierto, con una mejora del 50% respecto a su predecesor en Z.ai Code Bench y entrega integral de resultados de nivel de producción. Demuestra capacidad emergente en ciberseguridad, logrando el mejor resultado hasta la fecha en el benchmark de descubrimiento de vulnerabilidades CyberGym. Con una ventana de contexto de 1M tokens, una salida máxima de 128K tokens y tres niveles de esfuerzo de razonamiento, GLM-5.3 destaca en tareas complejas de horizonte largo. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-08-26 | Global |
| Qwen3.8-Flash es el modelo multimodal más reciente de la familia Qwen, que combina un potente razonamiento y capacidad de generación con una velocidad notable. Admite de forma nativa una ventana de contexto de un millón de tokens, lo que le permite procesar documentos extensos, bases de código completas y conversaciones complejas en una sola pasada. Destaca en asistencia para codificación, flujos de trabajo con agentes y comprensión visual, ya sea corrigiendo código de forma autónoma, operando aplicaciones de escritorio o analizando gráficos y videos largos. Totalmente compatible con los protocolos de API de OpenAI y Anthropic, se integra sin problemas con herramientas populares para desarrolladores como Claude Code y Codex, lo que facilita la creación de aplicaciones de alta concurrencia y flujos de trabajo inteligentes. Con un alto rendimiento y costos de inferencia muy competitivos, Qwen3.8-Flash es una opción ideal para desarrolladores y empresas que buscan lo mejor de ambos mundos en aplicaciones de IA. |
Generación de video | 2026-08-20 | Global |
| Wan3.0-Video-Prime es la versión de alta velocidad del modelo de generación de video Wan3.0, con capacidades alineadas con la versión estándar Wan3.0-Video. Admite entrada de referencia completa cuatrimodal y puede generar videos de hasta 30 segundos de duración, ofreciendo una experiencia audiovisual inmersiva con una velocidad de extremo a extremo significativamente mejorada. |
Generación de texto, Razonamiento | 2026-08-19 | US |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de texto, Razonamiento | 2026-08-14 | Global |
| Un modelo de lenguaje grande insignia de mezcla de expertos (MoE) con 1.6 billones de parámetros totales y 49 mil millones de parámetros activados. Admite de forma nativa ventanas de contexto de hasta 1 millón de tokens. Entrenado con datos extensos de alta calidad, el modelo ofrece un sólido rendimiento en razonamiento matemático y lógico, razonamiento complejo, generación de código profesional y análisis profundo de documentos largos, y es adecuado para escenarios exigentes como investigación científica avanzada, flujos de trabajo empresariales complejos y aplicaciones agénticas sofisticadas. |
Generación de video | 2026-08-06 | Global |
| Wan3.0 es un modelo de generación de video todo en uno que admite uniformemente múltiples funciones creativas, incluyendo referencia, edición, replicación y conducción. Admite entrada de referencia completa cuatrimodal, generación de video de hasta 30 segundos, y puede analizar archivos, páginas web e imágenes complejas. Con consistencia de personajes de grado de producción y audio y visuales realistas, ofrece un impacto audiovisual inmersivo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-02 | Global |
| Un modelo insignia MoE de 2.4 billones de parámetros con un salto integral en capacidades de codificación y ofimática, capaz de programar de forma autónoma durante días para entregar proyectos completos. Maneja cientos de tareas profesionales como trabajos legales, financieros y de diseño, entregando resultados de grado de producción de extremo a extremo en una sola conversación. La comprensión visual nativa recorre todo el flujo de planificación, ejecución y verificación, admitiendo el análisis semántico profundo de documentos ultra largos y videos largos. Realiza planificación autónoma e iteración de ciclo cerrado en tareas de horizonte largo, evolucionando continuamente. |
Generación de texto, Razonamiento | 2026-08-01 | Global |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de texto, Razonamiento, Comprensión visual | 2026-07-21 | Global |
| Los modelos Flash de la serie nativa de visión-lenguaje Qwen3.7 mejoran exhaustivamente la comprensión multimodal y las capacidades de ejecución de agentes en comparación con 3.6-Flash. Las mejoras clave incluyen capacidades multimodales fundamentales reforzadas, reconocimiento de objetos mejorado, y una percepción del mundo real e inteligencia espacial optimizadas. Los escenarios de agentes multimodales como Search Agent y CI Agent han recibido actualizaciones significativas, con una ejecución de tareas de extremo a extremo más estable. Las capacidades de codificación multimodal están optimizadas, ofreciendo una experiencia de codificación por intuición más fluida. |
Generación de texto, Razonamiento | 2026-07-07 | US |
| GLM-5.2 es el último modelo insignia de Zhipu AI, diseñado para tareas de horizonte largo con soporte para una ventana de contexto ultra larga de 1M. Cuenta con potentes capacidades de razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Destaca en múltiples benchmarks multitarea y es adecuado para interacción inteligente, aplicaciones empresariales y escenarios de asistencia al desarrollo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-07-03 | US |
| La serie de modelos Flash nativos de visión-lenguaje Qwen3.6 ofrece una mejora significativa de rendimiento respecto a la versión 3.5-Flash. Este modelo destaca especialmente en capacidades de codificación agéntica, superando sustancialmente a su predecesor en múltiples benchmarks de agentes de código, así como en razonamiento matemático y de código. En cuanto a visión, presenta una inteligencia espacial notablemente mejorada, con mejoras especialmente significativas en la localización y detección de objetos. |
Generación de texto | 2026-07-02 | Global |
| El modelo de juego de roles de la serie Qwen. Esta es una versión actualizada dinámicamente, y se proporcionarán notificaciones con antelación para cualquier actualización del modelo. Es adecuado para juegos de roles antropomórficos y cuenta con capacidades optimizadas para seguir instrucciones de personajes predefinidos, avanzar conversaciones y demostrar escucha activa y empatía. Adicionalmente, soporta la restauración profunda de personajes personalizados. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-26 | US |
| Dentro de la serie Qwen3.7, el modelo Plus rentable se basa en sus sólidas capacidades de texto al tiempo que ofrece una actualización integral de sus habilidades de visión-lenguaje, todo ello preservando su inteligencia de nivel de agente de pila completa para codificación, uso de herramientas y flujos de trabajo de productividad. Su característica distintiva clave son las capacidades de agente híbrido interactivo multimodal, que le permiten percibir escenas del mundo real, leer pantallas e interactuar con interfaces gráficas de usuario, generar código basado en referencias visuales y realizar navegación de extremo a extremo dentro de aplicaciones móviles. |
Generación de texto, Razonamiento | 2026-06-26 | US |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, actualmente ofrece una interfaz exclusiva de texto puro para experimentación pública. Qwen3.7 es un modelo insignia de próxima generación diseñado para la era centrada en agentes, cuyas fortalezas principales radican en la amplitud y profundidad de sus capacidades a nivel de agente: destaca en programación, tareas de oficina y productividad, y ejecución autónoma a largo plazo. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-T2V admite la generación de texto a video con una comprensión semántica mejorada, control de tomas cinematográficas y renderización dinámica de movimientos. Captura con mayor precisión la intención creativa, produciendo videos de alta calidad con movimientos más fluidos, detalles más ricos, mayor consistencia visual y acciones de personajes, atmósfera de escena y dinámica física más naturales. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-R2V admite la generación de referencia a video con una estabilidad significativamente mejorada en el sujeto, el estilo de escena y la consistencia visual. Con soporte para hasta 9 imágenes de referencia, puede comprender y preservar con mayor precisión la intención creativa, ofreciendo una mayor capacidad de control y expresividad en personajes, escenas, estilos y movimientos cinematográficos. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-I2V admite la generación de imagen a video con una calidad visual mejorada, rendimiento dinámico y consistencia entre clips. Comprende con mayor precisión la imagen de entrada y preserva la intención creativa, ofreciendo mejoras significativas en el realismo de la textura de la piel, la consistencia de la identidad del personaje entre clips, la suavidad del movimiento, la estabilidad de la renderización de texto y la sincronización audiovisual, produciendo videos de alta calidad con mayor realismo, detalles más ricos y una consistencia general más sólida. |
Generación de texto, Razonamiento | 2026-06-16 | Global |
| GLM-5.2 es el último modelo insignia de Zhipu AI, diseñado para tareas de horizonte largo con soporte para una ventana de contexto ultra larga de 1M. Cuenta con potentes capacidades de razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Destaca en múltiples benchmarks multitarea y es adecuado para interacción inteligente, aplicaciones empresariales y escenarios de asistencia al desarrollo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-15 | Global |
| kimi-k2.7-code es el modelo de codificación más inteligente de Kimi hasta la fecha. Sigue instrucciones de manera más confiable en contextos largos y completa tareas de programación con mayores tasas de éxito. Admite entradas de texto, imagen y video, junto con modo de pensamiento, conversación y tareas de agente. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-09 | Global |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, ha incorporado comprensión modal visual en comparación con la instantánea del 20 de mayo, lo que le permite percibir escenas del mundo real y admite capacidades de agentes híbridos interactivos multimodales. Esta versión se basa en una instantánea tomada el 8 de junio de 2026. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-01 | Global |
| Dentro de la serie Qwen3.7, el modelo Plus rentable se basa en sus sólidas capacidades de texto al tiempo que ofrece una actualización integral de sus habilidades de visión-lenguaje, todo ello preservando su inteligencia de nivel de agente de pila completa para codificación, uso de herramientas y flujos de trabajo de productividad. Su característica distintiva clave son las capacidades de agente híbrido interactivo multimodal, que le permiten percibir escenas del mundo real, leer pantallas e interactuar con interfaces gráficas de usuario, generar código basado en referencias visuales y realizar navegación de extremo a extremo dentro de aplicaciones móviles. |
Generación de texto, Razonamiento | 2026-05-20 | Global |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, actualmente ofrece una interfaz exclusiva de texto puro para experimentación pública. Qwen3.7 es un modelo insignia de próxima generación diseñado para la era centrada en agentes, cuyas fortalezas principales radican en la amplitud y profundidad de sus capacidades a nivel de agente: destaca en programación, tareas de oficina y productividad, y ejecución autónoma a largo plazo. |
Generación de texto, Razonamiento | 2026-05-11 | US |
| Un modelo grande MoE insignia con 1.6 billones de parámetros y 49 mil millones de parámetros activados, que admite de forma nativa longitudes de contexto de hasta un millón de tokens. Entrenado con un vasto corpus de datos de alta calidad, destaca en razonamiento matemático avanzado, inferencia lógica compleja, codificación especializada y análisis profundo de textos largos, lo que lo hace idóneo para aplicaciones exigentes como investigación de vanguardia, flujos de trabajo de oficina sofisticados y agentes de IA avanzados. |
Generación de texto, Razonamiento | 2026-05-11 | US |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-29 | Global |
| Kimi-k2.5 es el modelo más versátil de Moonshot AI con arquitectura multimodal nativa, que admite entradas visuales/de texto, modos de pensamiento/sin pensamiento, y tareas tanto de diálogo como de agente. |
Generación de video | 2026-04-26 | Global |
| HappyHorse-1.0-V2V admite la edición avanzada de video mediante instrucciones en lenguaje natural. Permite la edición local o global de elementos de video utilizando hasta 5 imágenes de referencia, preservando con precisión la dinámica de movimiento original para lograr una expresividad superior. |
Generación de video | 2026-04-26 | Global |
| HappyHorse-1.0-R2V admite la generación de referencia a video, ofreciendo una mayor estabilidad en la referencia de sujetos y escenas. Capaz de procesar hasta 9 imágenes de referencia, preserva con precisión la intención creativa para ofrecer un rendimiento superior. |
Generación de texto, Razonamiento | 2026-04-24 | Global |
| Un modelo grande MoE insignia con 1.6 billones de parámetros y 49 mil millones de parámetros activados, que admite de forma nativa longitudes de contexto de hasta un millón de tokens. Entrenado con un vasto corpus de datos de alta calidad, destaca en razonamiento matemático avanzado, inferencia lógica compleja, codificación especializada y análisis profundo de textos largos, lo que lo hace idóneo para aplicaciones exigentes como investigación de vanguardia, flujos de trabajo de oficina sofisticados y agentes de IA avanzados. |
Generación de texto, Razonamiento | 2026-04-24 | Global |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de video | 2026-04-22 | Global |
| HappyHorse-1.0-T2V admite la generación de texto a video, con una renderización dinámica altamente realista. Comprende con precisión la semántica del texto para producir videos de alta calidad que son fluidos, naturales y ricos en detalles. |
Generación de video | 2026-04-22 | Global |
| HappyHorse-1.0-I2V permite la generación de imagen a video, con una renderización dinámica altamente realista. Comprende con precisión tanto la semántica del texto como de la imagen para producir videos de alta calidad que son fluidos, naturales y ricos en detalles. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-17 | Global |
| La serie de modelos Flash nativos de visión-lenguaje Qwen3.6 ofrece una mejora significativa de rendimiento respecto a la versión 3.5-Flash. Este modelo destaca especialmente en capacidades de codificación agéntica, superando sustancialmente a su predecesor en múltiples benchmarks de agentes de código, así como en razonamiento matemático y de código. En cuanto a visión, presenta una inteligencia espacial notablemente mejorada, con mejoras especialmente significativas en la localización y detección de objetos. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-17 | Global |
| El modelo nativo de visión-lenguaje Qwen3.6 35B-A3B está construido sobre una arquitectura híbrida que integra mecanismos de atención lineal con un marco disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con el 3.5-35B-A3B, este modelo demuestra capacidades de codificación agéntica, habilidades de razonamiento matemático y de código, inteligencia espacial, así como rendimiento en localización y detección de objetos significativamente mejorados. |
Generación de texto, Razonamiento | 2026-04-14 | Global |
| GLM-5.1 es un modelo desarrollado por Zhipu AI, diseñado específicamente para tareas de horizonte largo. Cuenta con 744 mil millones de parámetros, admite un contexto ultra largo de 200k tokens y puede generar hasta 128k tokens en una sola respuesta. GLM-5.1 destaca en razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Ofrece resultados sobresalientes en múltiples benchmarks multitarea y es adecuado para aplicaciones como interacción inteligente persona-computadora, soluciones empresariales y asistencia para desarrolladores. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-01 | Global |
| Los modelos de la serie Plus nativos de visión-lenguaje Qwen3.6 demuestran un rendimiento excepcional a la par de los modelos más avanzados actuales, con una mejora significativa en los resultados generales en comparación con la serie 3.5. Los modelos han sido notablemente mejorados en capacidades relacionadas con código, como codificación agéntica, programación front-end y Vibe coding, así como en reconocimiento general de objetos multimodal, OCR y localización de objetos. |
Generación de texto | 2026-03-30 | US |
| Qwen-MT-Lite es un modelo de lenguaje grande de la serie de modelos Qwen especializado en traducción multilingüe. Proporciona servicios de traducción rápidos y de alta calidad en 32 idiomas a un precio rentable. Ofrece funciones como intervención de terminología, preservación de formato y traducción específica por dominio para satisfacer las diversas necesidades de distintas aplicaciones, garantizando tanto eficiencia como rendimiento. |
Comprensión visual | 2026-03-14 | US |
| La serie Qwen3 de modelos de comprensión visual de tamaño pequeño integra eficazmente los modos de pensamiento y no pensamiento. En comparación con la instantánea tomada el 15 de octubre de 2025, el rendimiento general del modelo ha mejorado significativamente: ofrece capacidades mejoradas en reconocimiento visual general y razonamiento, y muestra mejoras notables en la precisión de reconocimiento en diversos escenarios empresariales como seguridad, inspecciones en tiendas, monitoreo de equipos y resolución de problemas basada en fotografías. Esta versión es una instantánea al 22 de enero de 2026. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Global |
| Los modelos Flash nativos de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con la serie 3, estos modelos ofrecen un salto adelante en el rendimiento tanto para tareas de texto puro como multimodales, ofreciendo tiempos de respuesta rápidos mientras equilibran la velocidad de inferencia y el rendimiento general. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Global |
| La serie Qwen3.5 35B-A3B es un modelo nativo de visión-lenguaje diseñado con una arquitectura híbrida que integra mecanismos de atención lineal y un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. Su rendimiento general es comparable al de Qwen3.5-27B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Global |
| El modelo Dense nativo de visión-lenguaje Qwen3.5 27B incorpora un mecanismo de atención lineal, ofreciendo tiempos de respuesta rápidos mientras equilibra la velocidad de inferencia y el rendimiento. Sus capacidades generales son comparables a las del Qwen3.5-122B-A10B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Global |
| El modelo nativo de visión-lenguaje Qwen3.5 122B-A10B está construido sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En términos de rendimiento general, este modelo solo es superado por Qwen3.5-397B-A17B. Sus capacidades de texto superan significativamente a las de Qwen3-235B-2507, y sus capacidades visuales sobrepasan a las de Qwen3-VL-235B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-15 | Global |
| Los modelos Plus de la serie nativa de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra mecanismos de atención lineal con modelos dispersos de mezcla de expertos, logrando una mayor eficiencia de inferencia. En una variedad de evaluaciones de tareas, la serie 3.5 demuestra consistentemente un rendimiento a la par de los modelos líderes más avanzados. En comparación con la serie 3, estos modelos muestran un gran avance tanto en capacidades de texto puro como multimodales. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-15 | Global |
| El modelo nativo de visión y lenguaje 397B-A17B de la serie Qwen3.5 está construido sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. Ofrece un rendimiento de vanguardia comparable a los modelos más avanzados en una amplia gama de tareas, incluyendo comprensión del lenguaje, razonamiento lógico, generación de código, tareas basadas en agentes, comprensión de imágenes, comprensión de video e interacciones con interfaces gráficas de usuario (GUI). Con sus sólidas capacidades de generación de código y de agente, el modelo exhibe una fuerte generalización en diversos agentes. |
Generación de video | 2025-12-16 | Global |
| Referencia a video de Wan2.6, admite el uso de una persona específica o cualquier objeto como referencia, manteniendo con precisión la consistencia de apariencia y voz, y permite referencias de múltiples personajes para actuaciones conjuntas. |
Generación de imágenes | 2025-12-15 | Global |
| Wan2.6 texto a imagen, calidad visual, estética y seguimiento de instrucciones mejorados ofrecen un control de estilo preciso, retratos realistas, comprensión de textos largos y una amplia cobertura de propiedad intelectual histórica/cultural, permitiendo una generación visual de alta calidad y gran expresividad. |
Generación de imágenes | 2025-12-15 | Global |
| Wan2.6 Image, un modelo integral de generación de imágenes que admite razonamiento conjunto de texto e imagen, fusión creativa de múltiples imágenes, consistencia de grado comercial, transferencia de estilo estético y control preciso del encuadre y la iluminación, mejorando significativamente la consistencia, la controlabilidad y la expresividad en la generación de imágenes. |
Generación de video | 2025-12-03 | US |
| Wan2.6 text to video: la programación inteligente de tomas admite narrativas de múltiples tomas, generando videos narrativos con sujetos, escenas y atmósfera coherentes, con una duración máxima de 15 segundos. Ofrece un mejor seguimiento de instrucciones y una fidelidad visual mejorada. |
Generación de video | 2025-12-03 | Global |
| Wan2.6 text to video: la programación inteligente de tomas admite narrativas de múltiples tomas, generando videos narrativos con sujetos, escenas y atmósfera coherentes, con una duración máxima de 15 segundos. Ofrece un mejor seguimiento de instrucciones y una fidelidad visual mejorada. |
Generación de video | 2025-12-03 | US |
| Wan2.6 imagen a video, la programación inteligente de tomas permite narrativas multicámara, ofrece generación de voz de mayor calidad, admite diálogos estables de múltiples hablantes con timbres vocales más naturales y realistas, y soporta la generación de clips de hasta 15 segundos de duración. |
Generación de video | 2025-12-03 | Global |
| Wan2.6 imagen a video, la programación inteligente de tomas permite narrativas multicámara, ofrece generación de voz de mayor calidad, admite diálogos estables de múltiples hablantes con timbres vocales más naturales y realistas, y soporta la generación de clips de hasta 15 segundos de duración. |
Generación de texto, Razonamiento | 2025-12-01 | US |
| Esta versión es una instantánea del 1 de diciembre de 2025 y presenta capacidades de razonamiento mejoradas en comparación con la instantánea del 28 de julio. Las capacidades de agente y las habilidades de invocación de herramientas en múltiples turnos se han mejorado aún más, y el rendimiento en tareas creativas subjetivas ha mejorado significativamente. Admite una longitud de contexto de hasta 1 millón de tokens, con precios escalonados según la longitud del contexto. |
Generación de texto, Razonamiento | 2025-12-01 | Global |
| Esta versión es una instantánea del 1 de diciembre de 2025 y presenta capacidades de razonamiento mejoradas en comparación con la instantánea del 28 de julio. Las capacidades de agente y las habilidades de invocación de herramientas en múltiples turnos se han mejorado aún más, y el rendimiento en tareas creativas subjetivas ha mejorado significativamente. Admite una longitud de contexto de hasta 1 millón de tokens, con precios escalonados según la longitud del contexto. |
Comprensión visual | 2025-11-21 | Global |
| Este modelo es una versión instantánea del 20 de noviembre de 2025, y se basa en la arquitectura más reciente de Qwen-VL3 con una actualización integral. Presenta mejoras significativas en el análisis de documentos y las capacidades de localización de texto, así como reducciones sustanciales en la latencia de extremo a extremo y las alucinaciones. |
Generación de texto | 2025-11-19 | Global |
| Qwen-MT-Lite es un modelo de lenguaje grande de la serie de modelos Qwen especializado en traducción multilingüe. Proporciona servicios de traducción rápidos y de alta calidad en 32 idiomas a un precio rentable. Ofrece funciones como intervención de terminología, preservación de formato y traducción específica por dominio para satisfacer las diversas necesidades de distintas aplicaciones, garantizando tanto eficiencia como rendimiento. |
Generación de texto | 2025-11-11 | Global |
| Qwen-MT-Flash, un modelo de lenguaje grande de la serie Qwen, ha sido completamente actualizado con la arquitectura Qwen 3 para mejorar significativamente el rendimiento y la calidad de traducción. Proporciona traducción rápida y rentable en 92 idiomas, a la vez que soporta funciones avanzadas como intervención de terminología, preservación de formato y adaptación específica por dominio. Es la opción ideal para aplicaciones que requieren un potente equilibrio entre velocidad, calidad y costo. |
Razonamiento, Comprensión visual | 2025-10-21 | Global |
| El modelo denso más grande de la serie Qwen3-VL, cuya versión de razonamiento posee capacidades de razonamiento multimodal solo superadas por Qwen3-VL-235B-Thinking. Destaca en resolución de problemas de STEM y matemáticas, comprensión general de imágenes y video, y alcanza un rendimiento de vanguardia en capacidades de agentes multimodales, lo que lo hace ideal para tareas complejas de razonamiento multimodal. |
Comprensión visual | 2025-10-21 | Global |
| El modelo denso más grande de la serie Qwen3-VL, en su versión sin inferencia, ofrece un rendimiento general solo superado por Qwen3-VL-235B-Instruct. Destaca en reconocimiento y comprensión de documentos, demuestra una fuerte conciencia espacial y capacidades de identificación de objetos, y logra un rendimiento de vanguardia en detección visual 2D y razonamiento espacial. Es idóneo para tareas de percepción complejas en una amplia gama de escenarios de propósito general. |
Comprensión visual | 2025-10-15 | US |
| La serie Qwen3 de modelos de comprensión visual a pequeña escala integra eficazmente los modos de pensamiento y no pensamiento, ofreciendo un rendimiento superior en comparación con el modelo de código abierto Qwen3-VL-30B-A3B, manteniendo al mismo tiempo velocidades de respuesta rápidas. Cuenta con una actualización integral en la comprensión de imágenes y videos, admitiendo contextos ultra largos como videos extendidos y documentos, conciencia espacial y reconocimiento de objetos en diversos dominios. Equipado con capacidades de localización visual 2D/3D, es muy adecuado para abordar tareas complejas del mundo real. |
Razonamiento, Comprensión visual | 2025-10-15 | Global |
| La serie Qwen3 de modelos de comprensión visual a pequeña escala integra eficazmente los modos de pensamiento y no pensamiento, ofreciendo un rendimiento superior en comparación con el modelo de código abierto Qwen3-VL-30B-A3B, manteniendo al mismo tiempo velocidades de respuesta rápidas. Cuenta con una actualización integral en la comprensión de imágenes y videos, admitiendo contextos ultra largos como videos extendidos y documentos, conciencia espacial y reconocimiento de objetos en diversos dominios. Equipado con capacidades de localización visual 2D/3D, es muy adecuado para abordar tareas complejas del mundo real. |
Razonamiento, Comprensión visual | 2025-10-03 | Global |
| La versión Thinking del segundo modelo MoE más grande de la serie Qwen3-VL presenta velocidades de respuesta rápidas y capacidades mejoradas de comprensión y razonamiento multimodal, agentes visuales y soporte para contextos extremadamente largos, como videos y documentos extensos. También cuenta con habilidades de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos integralmente mejoradas, lo que lo hace idóneo para tareas complejas del mundo real. |
Comprensión visual | 2025-10-03 | Global |
| La versión Instruct del segundo modelo MoE más grande de la serie Qwen3-VL ofrece velocidades de respuesta rápidas y admite contextos extremadamente largos, como videos y documentos extensos. Incluye capacidades totalmente mejoradas de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos, así como localización visual 2D/3D, lo que le permite manejar desafíos complejos del mundo real. |
Razonamiento, Comprensión visual | 2025-09-30 | Global |
| La versión Thinking del modelo Dense de 8B en la serie Qwen3-VL consume menos memoria GPU y es capaz de realizar comprensión y razonamiento multimodal. Admite contextos extremadamente largos, como videos y documentos extensos, localización visual 2D/3D, y cuenta con capacidades de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos totalmente mejoradas. |
Comprensión visual | 2025-09-30 | Global |
| La versión Instruct del modelo Dense de 8B en la serie Qwen3-VL requiere menos memoria GPU y proporciona una comprensión de imagen y video integralmente mejorada, soporte para contextos extremadamente largos como videos y documentos extensos, conciencia espacial y capacidades de reconocimiento de objetos, lo que lo hace adecuado para abordar tareas complejas del mundo real. |
Generación de texto, Razonamiento | 2025-09-24 | Global |
| El modelo Max de la serie Qwen 3 ha recibido actualizaciones especializadas en programación de agentes e invocación de herramientas en comparación con la versión preliminar. El modelo lanzado oficialmente en esta ocasión ha alcanzado un rendimiento de vanguardia (SOTA) en su campo y se adapta mejor a las demandas de agentes que operan en escenarios más complejos. |
Comprensión visual | 2025-09-23 | Global |
| Los modelos VL de la serie Qwen3 integran eficazmente los modos de pensamiento y no pensamiento, logrando un rendimiento líder mundial en capacidades de agentes visuales en conjuntos de datos de referencia públicos como OS World. Esta versión presenta mejoras integrales en áreas como codificación visual, percepción espacial y razonamiento multimodal, mejorando significativamente las habilidades de percepción y reconocimiento visual, y soportando la comprensión de videos ultralargos. |
Razonamiento, Comprensión visual | 2025-09-23 | Global |
| Los modelos VL de la serie Qwen3 cuentan con capacidades de razonamiento multimodal significativamente mejoradas, con un enfoque particular en la optimización del modelo para razonamiento STEM y matemático. Las habilidades de percepción y reconocimiento visual se han mejorado de manera integral, y las capacidades de OCR han recibido una actualización importante. |
Comprensión visual | 2025-09-23 | Global |
| Los modelos VL de la serie Qwen3 han sido actualizados integralmente en áreas como la codificación visual y la percepción espacial. Sus capacidades de percepción y reconocimiento visual han mejorado significativamente, admitiendo la comprensión de videos ultralargos, y su funcionalidad de OCR ha recibido una mejora importante. |
Generación de texto | 2025-09-23 | Global |
| Modelo de generación de código basado en Qwen3-based con una potente capacidad de agente de codificación, destaca en la invocación de herramientas y la interacción con el entorno, capaz de realizar programación autónoma con una excelente capacidad de código manteniendo su habilidad general. Esta es una instantánea del 23 de septiembre de 2025. En comparación con la versión anterior (instantánea del 22 de julio), demuestra una mayor robustez en el rendimiento de tareas posteriores y en la invocación de herramientas, junto con una seguridad de código mejorada. |
Reconocimiento de voz | 2025-09-16 | US |
| Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto, basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes volúmenes de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz de alta precisión. Puede determinar automáticamente el idioma y reconocer con precisión el habla en 11 idiomas, garantizando una transcripción precisa incluso en entornos de audio complejos. |
Generación de texto, Razonamiento | 2025-09-16 | US |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Generación de texto, Razonamiento | 2025-09-16 | Global |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Generación de texto, Razonamiento | 2025-09-11 | Global |
| Una nueva generación de modelos de modo de pensamiento de código abierto basados en Qwen3-based. Esta versión ofrece un mejor seguimiento de instrucciones y respuestas resumidas más concisas en comparación con la iteración anterior (Qwen3-235B-A22B-Thinking-2507). |
Generación de texto | 2025-09-11 | Global |
| Una nueva generación de modelos de código abierto en modo sin razonamiento impulsada por Qwen3. Esta versión demuestra una comprensión superior del texto en chino, un razonamiento lógico reforzado y capacidades mejoradas en tareas de generación de texto respecto a la iteración anterior (Qwen3-235B-A22B-Instruct-2507). |
Generación de texto, Razonamiento | 2025-09-11 | Global |
| A partir de la instantánea del 11 de septiembre de 2025, esta versión presenta un seguimiento de instrucciones mejorado y respuestas de resumen simplificadas en modo de pensamiento. El modo sin pensamiento ofrece una comprensión superior del texto en chino y capacidades reforzadas de razonamiento lógico. El modelo admite una longitud de contexto de 1M con precios escalonados. |
Generación de texto, Razonamiento | 2025-09-05 | Global |
| Una versión preliminar del modelo Max de la serie Qwen 3, que logra una integración efectiva de los modos de pensamiento y sin pensamiento. En modo de pensamiento, se produce una mejora significativa en capacidades como programación de agentes inteligentes, razonamiento de sentido común y razonamiento en matemáticas, ciencias y dominios generales. |
Generación de texto, Razonamiento | 2025-08-01 | US |
| El modelo Flash de Qwen3 ofrece una potente fusión de modos de pensamiento y sin pensamiento con cambio dinámico durante la conversación, destacando en razonamiento complejo y mostrando mejoras significativas en el seguimiento de instrucciones y la comprensión de texto. Admite una longitud de contexto de 1M y se factura según un modelo escalonado correspondiente al uso de contexto. |
Generación de texto, Razonamiento | 2025-08-01 | Global |
| El modelo Flash de Qwen3 ofrece una potente fusión de modos de pensamiento y sin pensamiento con cambio dinámico durante la conversación, destacando en razonamiento complejo y mostrando mejoras significativas en el seguimiento de instrucciones y la comprensión de texto. Admite una longitud de contexto de 1M y se factura según un modelo escalonado correspondiente al uso de contexto. |
Generación de texto | 2025-07-31 | Global |
| Modelo de generación de código basado en Qwen3-based que hereda la capacidad de agente de codificación de Qwen3-Coder-480B-A35B-Instruct; su capacidad de código alcanza el estado del arte (SOTA) en su misma escala. |
Generación de texto, Razonamiento | 2025-07-30 | Global |
| Modelo de razonamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-30B-A3B), destaca en tareas complejas de razonamiento, incluidas lógica, matemáticas, ciencias, código y otros escenarios desafiantes; el seguimiento de instrucciones, la comprensión de textos y las capacidades de traducción multilingüe han mejorado significativamente. |
Generación de texto | 2025-07-29 | Global |
| Basado en Qwen3, este modelo de generación de código hereda las capacidades de agente de codificación de Qwen3-Coder-Plus y admite interacción de herramientas en múltiples turnos. Cuenta con optimizaciones enfocadas en la comprensión a nivel de repositorio y una mayor estabilidad en la llamada a herramientas. |
Generación de texto | 2025-07-29 | Global |
| Modelo sin razonamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-30B-A3B), muestra mejoras importantes en las capacidades generales multilingües, incluyendo chino, inglés y otros idiomas. Optimizado para tareas subjetivas abiertas, ofrece respuestas significativamente más alineadas con las preferencias del usuario y más útiles. |
Generación de texto, Razonamiento | 2025-07-29 | Global |
| Modelo Plus de la serie Qwen3, integra modos de pensamiento y sin pensamiento, y permite cambiar entre ellos durante el diálogo. En comparación con la versión anterior, añade mejoras específicas para las capacidades en chino e inglés y para la llamada a herramientas. Esta es una instantánea del 28 de julio de 2025; es la primera en admitir una longitud de contexto de 1 M y utiliza precios escalonados. |
Generación de texto, Razonamiento | 2025-07-25 | Global |
| Modelo de pensamiento Qwen3 de código abierto; en comparación con la versión anterior (Qwen3-235B-A22B), muestra mejoras importantes en capacidad lógica, capacidades generales, ampliación de conocimientos y creatividad, adecuado para escenarios de alta dificultad y pensamiento profundo. |
Generación de texto | 2025-07-24 | Global |
| Qwen-MT-Plus, el modelo de traducción insignia de nuestra serie Qwen, ahora está completamente actualizado con la arquitectura Qwen3. Admite 92 idiomas y ofrece traducciones excepcionalmente precisas y de sonido natural. Sus capacidades avanzadas en comprensión contextual, control de terminología y preservación de formato lo convierten en una opción superior frente a los modelos tradicionales, especialmente para dominios especializados. |
Generación de texto | 2025-07-23 | Global |
| Modelo de generación de código basado en Qwen3-based con potente capacidad de agente de codificación, destaca en la llamada de herramientas y la interacción con el entorno, capaz de programación autónoma con una capacidad de código sobresaliente manteniendo su capacidad general. |
Generación de texto | 2025-07-23 | Global |
| Modelo de generación de código basado en Qwen3-based con potente capacidad de agente de codificación; su capacidad de código alcanza el estado del arte (SOTA) en modelos de código abierto. |
Generación de texto | 2025-07-23 | Global |
| Modelo de no pensamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-235B-A22B), muestra ligeras mejoras en creatividad subjetiva y seguridad del modelo. |
Comprensión visual | 2025-07-07 | Global |
| Qwen-VL_OCR es un modelo OCR entrenado sobre la base de Qwen-VL. Agrega diversas tareas de reconocimiento, análisis y procesamiento de imagen-texto mediante un enfoque de modelo unificado, ofreciendo potentes capacidades de reconocimiento de imagen-texto. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración efectiva de los modos de pensamiento y no pensamiento, permitiendo el cambio de modo durante las conversaciones. Su capacidad de razonamiento alcanza el nivel SOTA en la industria de la misma escala, y su capacidad general supera significativamente a Qwen2.5-7B. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento supera significativamente a la de QwQ, y su capacidad general excede notablemente a la de Qwen2.5-32B-Instruct, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento rivaliza con la de QwQ-32B con un tamaño de parámetros menor, y su capacidad general supera significativamente a la de Qwen2.5-14B, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento supera significativamente a la de QwQ, y su capacidad general excede notablemente a la de Qwen2.5-72B-Instruct, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración efectiva de los modos de pensamiento y no pensamiento, permitiendo el cambio de modo durante las conversaciones. Su capacidad de razonamiento alcanza el nivel SOTA en la industria de la misma escala, y su capacidad general supera significativamente a Qwen2.5-14B. |
China (Beijing)
Tipo de modelo | Fecha | ID de modelo | Descripción |
|---|---|---|---|
Generación de texto, Razonamiento, Comprensión visual | 2026-10-17 |
| DeepSeek-V4.1-Flash-1017 es la iteración más reciente de V4.1-Flash, entrenada mediante aprendizaje por refuerzo basado en autorretroalimentación para ofrecer mejoras sustanciales con respecto a su predecesor en benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 y ProgramBench. Al mismo tiempo, reduce el tiempo de ejecución de las tareas y la longitud de la salida para alcanzar un nuevo óptimo de Pareto entre rendimiento y costo en múltiples entornos de evaluación. Su capacidad para construir proyectos completos desde cero se ha reforzado aún más, lo que permite realizar tareas de programación "basadas en deseos", como el desarrollo de juegos y el modelado 3D, manteniendo el mismo MoE de 552B parámetros, la comprensión visual multimodal nativa, la ventana de contexto de 1M tokens y la salida máxima de 384K tokens. |
Modelo de decisión | 2026-09-24 |
| Ámbito del servicio: Internacional Un modelo de decisión estructurado diseñado para decisiones empresariales de alta frecuencia. Realiza clasificación, decisiones sí/no y puntuación en paralelo basándose en texto o contexto empresarial, devolviendo distribuciones de probabilidad y puntuaciones de confianza para escenarios como el enrutamiento de tickets, la moderación de contenido, el enrutamiento de agentes y la validación de resultados. |
Multimodal en tiempo real | 2026-09-21 |
| Admite interacción de audio y video en tiempo real con salida de texto y audio, incorporando audio multicanal, agregación de video y herramientas MCP remotas. Admite acceso mediante WebSocket, WebRTC y AOQ. |
Chat en tiempo real | 2026-09-20 |
| Admite conversaciones de voz dúplex en tiempo real utilizando el mismo protocolo de integración que 3.0 Plus. Conserva las voces existentes y añade ocho voces del sistema, con una ventana de contexto de 262,144 tokens, llamada a funciones, búsqueda web y clonación de voz. |
Modelos mundiales | 2026-09-17 |
| HappyOyster Adventure es un modelo de mundo abierto explorable e interactivo en tiempo real. Genera escenas del mundo a partir de entradas multimodales (texto/imagen), permitiendo una exploración inmersiva y sin límites mediante interacción, movimiento y control de cámara en tiempo real. |
Omni-modal | 2026-09-17 |
| Qwen3.8-Omni-Flash admite entradas de texto, imagen, audio y video con salida de texto. Admite modos de pensamiento y no pensamiento, llamada a funciones, búsqueda web y almacenamiento en caché de contexto para comprensión de audio y video, análisis multimodal y aplicaciones de agentes. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-13 |
| DeepSeek-V4.1-Flash es el modelo insignia ligero de la nueva familia de arquitectura de DeepSeek, que integra 552B parámetros MoE totales para ofrecer una inteligencia superior a la de los modelos insignia en benchmarks clave, superando incluso a DeepSeek-V4-Pro. Adopta un diseño asimétrico Causal Encoder-Decoder con 8B parámetros activos para la entrada y 16B para la salida, y ofrece comprensión visual multimodal nativa. El uso de KV Cache se reduce a una cuarta parte de la HBM y a un octavo del almacenamiento SSD de la generación anterior, lo que disminuye drásticamente los costos para cargas de trabajo de contexto largo y agentes. Con una ventana de contexto de 1M tokens y una salida máxima de hasta 384K tokens, equilibra un alto rendimiento, baja latencia y una eficiencia de costos excepcional. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-02 |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) es una instantánea mejorada de qwen3.8-max. La capacidad de codificación alcanza nuevos niveles, manejando proyectos a escala de ingeniería más complejos y desarrollo autónomo de largo alcance. El rendimiento del agente colaborativo mejora significativamente, con mayor compostura en la orquestación de múltiples herramientas y la entrega de tareas de extremo a extremo. La comprensión visual nativa se perfecciona en el razonamiento de gráficos, el análisis de documentos y la percepción multimodal, volviéndose más nítida y confiable. Conserva la ventana de contexto de 1M, el modo de pensamiento y el ecosistema completo de herramientas, evolucionando hacia un nivel superior de inteligencia. |
Traducción de imágenes | 2026-08-28 |
| Un motor avanzado de traducción de imágenes que admite 55 idiomas de origen. Ofrece una réplica perfecta a nivel de píxel del diseño y la tipografía originales. Obtenga control total sobre el contenido profesional con terminología personalizada y filtrado de palabras sensibles, garantizando un servicio de localización de imágenes flexible, preciso y de alto rendimiento. |
Generación de texto, Pensamiento profundo | 2026-08-28 |
| GLM-5.3 es el último modelo de lenguaje grande insignia de Z.ai, que ofrece un rendimiento de codificación y de agentes de última generación entre los modelos de código abierto, con una mejora del 50% respecto a su predecesor en Z.ai Code Bench y entrega integral de resultados de nivel de producción. Demuestra capacidad emergente en ciberseguridad, logrando el mejor resultado hasta la fecha en el benchmark de descubrimiento de vulnerabilidades CyberGym. Con una ventana de contexto de 1M tokens, una salida máxima de 128K tokens y tres niveles de esfuerzo de razonamiento, GLM-5.3 destaca en tareas complejas de horizonte largo. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-08-26 |
| Qwen3.8-Flash es el modelo multimodal más reciente de la familia Qwen, que combina un potente razonamiento y capacidad de generación con una velocidad notable. Admite de forma nativa una ventana de contexto de un millón de tokens, lo que le permite procesar documentos extensos, bases de código completas y conversaciones complejas en una sola pasada. Destaca en asistencia para codificación, flujos de trabajo con agentes y comprensión visual, ya sea corrigiendo código de forma autónoma, operando aplicaciones de escritorio o analizando gráficos y videos largos. Totalmente compatible con los protocolos de API de OpenAI y Anthropic, se integra sin problemas con herramientas populares para desarrolladores como Claude Code y Codex, lo que facilita la creación de aplicaciones de alta concurrencia y flujos de trabajo inteligentes. Con un alto rendimiento y costos de inferencia muy competitivos, Qwen3.8-Flash es una opción ideal para desarrolladores y empresas que buscan lo mejor de ambos mundos en aplicaciones de IA. |
Generación de video | 2026-08-20 |
| Wan3.0-Video-Prime es la versión de alta velocidad del modelo de generación de video Wan3.0, con capacidades alineadas con la versión estándar Wan3.0-Video. Admite entrada de referencia completa cuatrimodal y puede generar videos de hasta 30 segundos de duración, ofreciendo una experiencia audiovisual inmersiva con una velocidad de extremo a extremo significativamente mejorada. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-19 |
| Kimi K3 es el modelo insignia más potente de Kimi, con 2.8 billones de parámetros. Construido sobre las tecnologías de atención lineal híbrida KDA (Kimi Delta Attention) y residuos de atención, admite de forma nativa la comprensión visual y cuenta con una ventana de contexto de 1 millón de tokens. Es el primer modelo de código abierto del mundo con 3 billones de parámetros diseñado para programación de contexto largo, trabajo de conocimiento y razonamiento avanzado. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-17 |
| Un modelo Dense nativo de visión-lenguaje 27B de la serie Qwen3.8. En comparación con 3.6-27B, se centra en mejorar las capacidades de codificación y escenarios de oficina bajo modalidades de texto y visión, capaz de completar tareas complejas de extremo a extremo de manera más confiable y ofrecer resultados fiables. |
Generación de texto, Razonamiento | 2026-08-14 |
| Un modelo de lenguaje grande insignia de mezcla de expertos (MoE) con 1.6 billones de parámetros totales y 49 mil millones de parámetros activados. Admite de forma nativa ventanas de contexto de hasta 1 millón de tokens. Entrenado con datos extensos de alta calidad, el modelo ofrece un sólido rendimiento en razonamiento matemático y lógico, razonamiento complejo, generación de código profesional y análisis profundo de documentos largos, y es adecuado para escenarios exigentes como investigación científica avanzada, flujos de trabajo empresariales complejos y aplicaciones agénticas sofisticadas. |
Generación de texto | 2026-08-12 |
| Qwen3.8-2.4T-A95B es la versión de código abierto de la última serie insignia de Qwen, lanzada en agosto de 2026. Adopta una arquitectura MoE dispersa con 2.4 billones de parámetros en total y aproximadamente 95 mil millones activados por paso, combinada con un mecanismo de atención híbrida, admitiendo un contexto de 1 millón de tokens. Puntos de referencia clave: GPQA Diamond 92.6, PaperBench 93.0, OSWorld 86.1, BabyVision 82.0, CodeArena global n.º 4. |
Generación de video | 2026-08-06 |
| Wan3.0 es un modelo de generación de video todo en uno que admite uniformemente múltiples funciones creativas, incluyendo referencia, edición, replicación y conducción. Admite entrada de referencia completa cuatrimodal, generación de video de hasta 30 segundos, y puede analizar archivos, páginas web e imágenes complejas. Con consistencia de personajes de grado de producción y audio y visuales realistas, ofrece un impacto audiovisual inmersivo. |
Generación de imágenes | 2026-08-04 |
| Comprensión clara de instrucciones: admite hasta 4.5k tokens de entrada, generando instrucciones complejas de imagen-texto en una sola pasada. Renderizado de texto estable: texto pequeño de 10px, 12 idiomas, más de 20 fuentes claramente legibles, listo para infografías e interfaces. Salida por lotes práctica: pósters, páginas web, interfaces y otras tareas diarias se pueden generar en masa a menor costo, ideal para la creación continua. Qwen-Image-3.0 Standard persigue no solo la calidad de generación, sino también la conveniencia creativa cotidiana, convirtiendo la generación de imágenes en una herramienta sostenible de productividad de contenido. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-02 |
| Un modelo insignia MoE de 2.4 billones de parámetros con un salto integral en capacidades de codificación y ofimática, capaz de programar de forma autónoma durante días para entregar proyectos completos. Maneja cientos de tareas profesionales como trabajos legales, financieros y de diseño, entregando resultados de grado de producción de extremo a extremo en una sola conversación. La comprensión visual nativa recorre todo el flujo de planificación, ejecución y verificación, admitiendo el análisis semántico profundo de documentos ultra largos y videos largos. Realiza planificación autónoma e iteración de ciclo cerrado en tareas de horizonte largo, evolucionando continuamente. |
Generación de texto, Razonamiento | 2026-08-01 |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Reconocimiento de voz | 2026-07-30 |
| Se agregaron los modelos Qwen-Audio-3.0-ASR-Flash-Streaming (tiempo real), Qwen-Audio-3.0-ASR-Flash-Filetrans (no tiempo real) y Qwen-Audio-3.0-ASR-Flash (no tiempo real): Soporte de dialectos: Admite los siete principales grupos dialectales chinos (mandarín, wu, xiang, gan, hakka, min y yue) y más de 20 acentos regionales; Optimización de poesía clásica: Mejora la precisión de reconocimiento de la poesía clásica china, haciéndola adecuada para escenarios educativos, culturales y de audiolibros; Optimización de texto: Mejora la predicción de puntuación y la normalización de texto, convirtiendo automáticamente números, fechas y cantidades monetarias a formatos estándar; Expansión multilingüe: Admite 30 idiomas, incluidos chino, inglés, japonés y coreano; Palabras clave y contexto: Admite palabras clave (precompiladas y en tiempo real) y entrada de contexto para mejorar la precisión de reconocimiento de términos específicos del dominio. |
Generación de texto, Razonamiento, Comprensión visual | 2026-07-21 |
| Los modelos Flash de la serie nativa de visión-lenguaje Qwen3.7 mejoran exhaustivamente la comprensión multimodal y las capacidades de ejecución de agentes en comparación con 3.6-Flash. Las mejoras clave incluyen capacidades multimodales fundamentales reforzadas, reconocimiento de objetos mejorado, y una percepción del mundo real e inteligencia espacial optimizadas. Los escenarios de agentes multimodales como Search Agent y CI Agent han recibido actualizaciones significativas, con una ejecución de tareas de extremo a extremo más estable. Las capacidades de codificación multimodal están optimizadas, ofreciendo una experiencia de codificación por intuición más fluida. |
Generación de imágenes | 2026-07-20 |
| Contenido rico: Admite la entrada de hasta 4.5k tokens y un diseño de información densa con imágenes dentro de imágenes, permitiendo generar diseños complejos como periódicos, guiones gráficos, menús y exámenes en una sola pasada. Detalle auténtico: Admite la renderización precisa de texto tan pequeño como 10px, y reproduce vívidamente detalles finos como microexpresiones, poros y mechones de cabello individuales, acercándose a la calidad de la fotografía real. Conocimiento profundo: Admite la renderización nativa de 12 idiomas y más de 20 fuentes, simulación realista de interfaces principales como páginas web, juegos y transmisiones en vivo, incorporando completamente conocimiento externo. Qwen-Image-3.0-Pro no solo busca la "buena apariencia", sino la "utilidad", convirtiendo la generación de imágenes en una herramienta de productividad verdaderamente desplegable. |
Síntesis de voz, Síntesis de voz en tiempo real | 2026-07-14 |
| Qwen-Audio-3.0-TTS-Plus es un modelo de síntesis de voz de alto rendimiento, diseñado para escenarios de generación de voz de alta calidad. En comparación con la versión anterior, admite más idiomas con pocos recursos y dialectos chinos, mejora significativamente la autenticidad de los dialectos y potencia el seguimiento de instrucciones de estilo libre y el control de etiquetas de grano fino para un control más preciso sobre la emoción, el tono, el personaje, la velocidad de habla, el volumen y el estilo de síntesis. También es más robusto en condiciones acústicas con ruido y reverberación, con mejoras adicionales en la calidad del audio, claridad, resolución y expresividad general. La versión Plus se centra más en la calidad de la síntesis y la expresividad detallada, lo que la hace adecuada para escenarios profesionales con mayores exigencias de calidad de audio, naturalidad y expresividad, como creación de contenido, audiolibros, doblaje de cine y video, diseño de voz de marca y servicios de voz premium. |
Síntesis de voz en tiempo real | 2026-07-14 |
| qwen-audio-3.0-tts-flash es un modelo de síntesis de voz de alto rendimiento, optimizado para escenarios de interacción en tiempo real. En comparación con la versión anterior, admite más idiomas de bajos recursos y dialectos chinos, mejora la autenticidad de los dialectos y potencia el seguimiento de instrucciones de estilo libre y el control de etiquetas de grano fino para un control más flexible sobre la emoción, el tono, el personaje, la velocidad de habla, el volumen y el estilo expresivo. También es más robusto bajo condiciones acústicas de ruido y reverberación, con una calidad de audio, claridad y expresividad general mejoradas. La versión Flash se centra en la síntesis en tiempo real, con una latencia del primer paquete controlada dentro de 200 ms, lo que la hace adecuada para asistentes de voz, diálogos en tiempo real, servicio al cliente inteligente y otras aplicaciones interactivas de baja latencia. |
Chat en tiempo real | 2026-07-14 |
| Qwen 3.0 Edición estándar del modelo de voz en tiempo real: modelo de voz dúplex de próxima generación clasificado como número 1 a nivel mundial en el benchmark Speech-to-Speech de Artificial Analysis. Equilibra la inteligencia del modelo con el ritmo del diálogo dúplex para una interacción natural y una mayor calidad de respuesta. |
Chat en tiempo real | 2026-07-14 |
| Modelo de Diálogo de Voz en Tiempo Real Qwen 3.0 Edición Flash: un modelo de voz dúplex de próxima generación clasificado como número 1 a nivel mundial en el benchmark Speech-to-Speech de Artificial Analysis. Combina alta inteligencia con un ritmo dúplex optimizado para ofrecer una experiencia de diálogo «rápida e inteligente» de baja latencia (inferencia paralela, optimización de flujo completo) centrada en la velocidad de respuesta. |
Generación de texto | 2026-07-09 |
| GLM-5.2-Fast-Preview es la variante de alta velocidad de GLM-5.2 de Zhipu AI', con un contexto de 1M y capacidades equivalentes a las de la versión estándar. Optimizado para inferencia, ofrece entre 1.5 y 2 veces más TPS de salida, lo que lo hace adecuado para casos de uso sensibles a la latencia, como chat en tiempo real, agentes de múltiples turnos y generación de código en streaming. |
Generación de video | 2026-07-01 |
| Wan2.7 text to video, con un rendimiento totalmente renovado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para lograr una potencia narrativa sin precedentes. Esta versión es una instantánea del 12 de junio de 2026. |
Generación de video | 2026-07-01 |
| Referencia de Wan2.7 a video, con consistencia y rendimiento mejorados. Ofrece una estabilidad superior para personajes, utilería y escenas. Admite referencias híbridas de hasta 5 entradas mixtas de imagen y video, así como clonación de timbre de audio. Junto con las actualizaciones del motor principal, logra una capacidad expresiva cinematográfica sin precedentes. Esta versión es una instantánea del 12 de junio de 2026. |
Reordenamiento | 2026-06-30 |
| Un modelo de clasificación de texto entrenado sobre la base LLM de Qwen realiza clasificación por relevancia para consultas de entrada y documentos candidatos. Admite más de 100 idiomas y entradas de texto largo, y es adecuado para aplicaciones como recuperación de texto y RAG. Su rendimiento está alineado con los modelos de código abierto de la serie Qwen3-Rerank. |
Generación de imágenes | 2026-06-25 |
| El modelo completo de la serie Qwen-Image-2.0 integra la generación y edición de imágenes; cuenta con capacidades de representación de texto más profesionales con soporte para comandos de 1k tokens, texturas más delicadas y realistas, una representación meticulosa de escenas realistas y una mayor adherencia semántica. La versión completa posee las capacidades de representación de texto más potentes y las texturas más realistas de la serie 2.0. |
Reconocimiento de voz | 2026-06-17 |
| La versión Bailing ASR, actualizada en junio de 2026, admite completamente los siete principales sistemas dialectales del chino tradicional (Mandarín/Wu/Xiang/Gan/Hakka/Min/Yue) y es compatible con más de 20 acentos regionales de mandarín. Cuenta con optimizaciones específicas para el ritmo, la métrica y las características de expresión literaria de la poesía clásica china, mejorando la precisión del reconocimiento poético y haciéndola adecuada para el patrimonio cultural, explicaciones educativas y audiolibros. Las capacidades mejoradas de predicción de puntuación y normalización de texto hacen que el texto de salida sea más consistente con los hábitos de expresión escrita; los números, fechas y cantidades se convierten automáticamente a formatos estándar, mejorando la legibilidad y el profesionalismo. El soporte de idiomas se ha ampliado para incluir inglés, japonés, coreano, vietnamita, tailandés, indonesio, malayo, filipino, hindi, árabe, francés, alemán, español, portugués, ruso, italiano, neerlandés, sueco, danés, finés, noruego, griego, polaco, checo, húngaro, rumano, búlgaro, croata y eslovaco, totalizando 30 idiomas. Admite capacidades de contextualización y puede transcribir audio de hasta 5 minutos de duración. |
Comprensión visual | 2026-06-16 |
| Qwen3.5-OCR es un modelo OCR mejorado con capacidades avanzadas de análisis de documentos, localización de texto y extracción de información clave. Mejora significativamente el rendimiento de extracción en documentos del mundo real (por ejemplo, tarjetas de identificación, licencias de conducir). |
Generación de video | 2026-06-16 |
| HappyHorse-1.1-T2V admite la generación de texto a video con una comprensión semántica mejorada, control de tomas cinematográficas y renderización dinámica de movimientos. Captura con mayor precisión la intención creativa, produciendo videos de alta calidad con movimientos más fluidos, detalles más ricos, mayor consistencia visual y acciones de personajes, atmósfera de escena y dinámica física más naturales. |
Generación de video | 2026-06-16 |
| HappyHorse-1.1-R2V admite la generación de referencia a video con una estabilidad significativamente mejorada en el sujeto, el estilo de escena y la consistencia visual. Con soporte para hasta 9 imágenes de referencia, puede comprender y preservar con mayor precisión la intención creativa, ofreciendo una mayor capacidad de control y expresividad en personajes, escenas, estilos y movimientos cinematográficos. |
Generación de video | 2026-06-16 |
| HappyHorse-1.1-I2V admite la generación de imagen a video con una calidad visual mejorada, rendimiento dinámico y consistencia entre clips. Comprende con mayor precisión la imagen de entrada y preserva la intención creativa, ofreciendo mejoras significativas en el realismo de la textura de la piel, la consistencia de la identidad del personaje entre clips, la suavidad del movimiento, la estabilidad de la renderización de texto y la sincronización audiovisual, produciendo videos de alta calidad con mayor realismo, detalles más ricos y una consistencia general más sólida. |
Generación de texto, Razonamiento | 2026-06-16 |
| GLM-5.2 es el último modelo insignia de Zhipu AI, diseñado para tareas de horizonte largo con soporte para una ventana de contexto ultra larga de 1M. Cuenta con potentes capacidades de razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Destaca en múltiples benchmarks multitarea y es adecuado para interacción inteligente, aplicaciones empresariales y escenarios de asistencia al desarrollo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-15 |
| kimi-k2.7-code es el modelo de codificación más inteligente de Kimi hasta la fecha. Sigue instrucciones de manera más confiable en contextos largos y completa tareas de programación con mayores tasas de éxito. Admite entradas de texto, imagen y video, junto con modo de pensamiento, conversación y tareas de agente. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-09 |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, ha incorporado comprensión modal visual en comparación con la instantánea del 20 de mayo, lo que le permite percibir escenas del mundo real y admite capacidades de agentes híbridos interactivos multimodales. Esta versión se basa en una instantánea tomada el 8 de junio de 2026. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-01 |
| Dentro de la serie Qwen3.7, el modelo Plus rentable se basa en sus sólidas capacidades de texto al tiempo que ofrece una actualización integral de sus habilidades de visión-lenguaje, todo ello preservando su inteligencia de nivel de agente de pila completa para codificación, uso de herramientas y flujos de trabajo de productividad. Su característica distintiva clave son las capacidades de agente híbrido interactivo multimodal, que le permiten percibir escenas del mundo real, leer pantallas e interactuar con interfaces gráficas de usuario, generar código basado en referencias visuales y realizar navegación de extremo a extremo dentro de aplicaciones móviles. |
Síntesis de voz | 2026-06-01 |
| El modelo grande Fun Music admite la creación de canciones basadas en letras abiertas o requisitos de composición, generando canciones completas en chino/inglés con voces masculinas/femeninas. Las canciones son accesibles y tienen una progresión emocional, representando una fusión perfecta de inspiración humana y capacidades LLM. |
Generación de texto, Razonamiento | 2026-05-21 |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, actualmente ofrece una interfaz exclusiva de texto puro para experimentación pública. Qwen3.7 es un modelo insignia de próxima generación diseñado para la era centrada en agentes, cuyas fortalezas principales radican en la amplitud y profundidad de sus capacidades a nivel de agente: destaca en programación, tareas de oficina y productividad, y ejecución autónoma a largo plazo. |
Traducción de voz en tiempo real | 2026-05-19 |
| La versión en tiempo real de Qwen3.5-LiveTranslate-Flash es un modelo de interpretación simultánea de audio y video multilingüe de alta precisión, gran capacidad de respuesta y robustez. Aprovechando la potente infraestructura de Qwen3.5-Omni, grandes volúmenes de datos multimodales, alineación entre idiomas y modalidades, y tecnologías de mejora visual, Qwen3.5-LiveTranslate-Flash ofrece capacidades de traducción de audio y video tanto sin conexión como en tiempo real. Puede comprender 60 idiomas y hablar 29 idiomas. |
Síntesis de voz | 2026-05-06 |
| Un modelo de generación de música que crea canciones completas en chino e inglés (voces masculinas/femeninas) a partir de letras o requisitos creativos, combinando la inspiración humana con las capacidades de la IA. |
Generación de video | 2026-04-26 |
| Wan2.7 text to video, con un rendimiento totalmente renovado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para lograr una potencia narrativa sin precedentes. Esta versión es una instantánea del 25 de abril de 2026. |
Generación de video | 2026-04-26 |
| Wan2.7 image to video, con un rendimiento totalmente renovado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para lograr una potencia narrativa sin precedentes. Esta versión es una instantánea del 25 de abril de 2026. |
Generación de video | 2026-04-26 |
| HappyHorse-1.0-V2V admite la edición avanzada de video mediante instrucciones en lenguaje natural. Permite la edición local o global de elementos de video utilizando hasta 5 imágenes de referencia, preservando con precisión la dinámica de movimiento original para lograr una expresividad superior. |
Generación de video | 2026-04-26 |
| HappyHorse-1.0-R2V admite la generación de referencia a video, ofreciendo una mayor estabilidad en la referencia de sujetos y escenas. Capaz de procesar hasta 9 imágenes de referencia, preserva con precisión la intención creativa para ofrecer un rendimiento superior. |
Generación de texto, Razonamiento | 2026-04-24 |
| Un modelo grande MoE insignia con 1.6 billones de parámetros y 49 mil millones de parámetros activados, que admite de forma nativa longitudes de contexto de hasta un millón de tokens. Entrenado con un vasto corpus de datos de alta calidad, destaca en razonamiento matemático avanzado, inferencia lógica compleja, codificación especializada y análisis profundo de textos largos, lo que lo hace idóneo para aplicaciones exigentes como investigación de vanguardia, flujos de trabajo de oficina sofisticados y agentes de IA avanzados. |
Generación de texto, Razonamiento | 2026-04-24 |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-23 |
| El modelo Plus de la serie nativa de visión-lenguaje Qwen3.5 ha experimentado una mejora sustancial en las capacidades de codificación agéntica en comparación con la instantánea del 15 de febrero. La velocidad de inferencia también se ha mejorado significativamente, mientras que su retención de conocimientos, capacidad de razonamiento y procesamiento de contexto largo se mantienen en un alto nivel, lo que lo hace muy adecuado para tareas complejas basadas en agentes. Es ideal para aplicaciones como agentes de codificación, flujos de trabajo de producción y escenarios de alto rendimiento. Esta versión se basa en una instantánea tomada el 20 de abril de 2026. |
Generación de imágenes | 2026-04-23 |
| Los modelos completos de la serie Qwen-Image-2.0 integran la generación y la edición de imágenes, ofreciendo una representación de texto mejorada con soporte para indicaciones de 1,000 tokens, texturas realistas más refinadas, una representación detallada de escenas fotorrealistas y una mayor adherencia semántica. La versión completa ofrece la representación de texto más potente y las texturas más realistas de la serie 2.0. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-22 |
| El modelo denso nativo de visión-lenguaje Qwen3.6 27B se basa en la versión 3.5-27B, con mejoras clave en las capacidades de codificación agéntica y habilidades mejoradas de razonamiento e inferencia en STEM. En la modalidad visual, demuestra avances significativos en inteligencia espacial, localización y detección de objetos, mientras que la comprensión de video, el OCR de documentos y las capacidades de agente visual continúan mejorando de manera constante. |
Generación de video | 2026-04-22 |
| HappyHorse-1.0-I2V permite la generación de imagen a video, con una renderización dinámica altamente realista. Comprende con precisión tanto la semántica del texto como de la imagen para producir videos de alta calidad que son fluidos, naturales y ricos en detalles. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-21 |
| Kimi-k2.6 es el modelo inteligente más reciente de la serie Kimi, que cuenta con generación de código de contexto largo mejorada, capacidades mejoradas de seguimiento de instrucciones y autocorrección, y soporte para entradas de texto/imagen/video y múltiples modos operativos. |
Generación de video | 2026-04-21 |
| HappyHorse-1.0-T2V admite la generación de texto a video, con una renderización dinámica altamente realista. Comprende con precisión la semántica del texto para producir videos de alta calidad que son fluidos, naturales y ricos en detalles. |
Generación de texto, Razonamiento | 2026-04-20 |
| El modelo Max, la variante más grande y capaz de la serie Qwen3.6, ya está disponible en versión preliminar. Por el momento, solo sus capacidades de texto sin formato están abiertas para experimentación. En comparación con los modelos Qwen3-Max y Qwen3.6-Plus lanzados anteriormente, este modelo cuenta con habilidades mejoradas de vibe coding, una ejecución más eficiente de agentes de codificación y habilidades de desarrollo front-end significativamente mejoradas. Además, su retención de conocimiento de cola larga ha sido mejorada aún más. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-16 |
| La serie de modelos Flash nativos de visión-lenguaje Qwen3.6 ofrece una mejora significativa de rendimiento respecto a la versión 3.5-Flash. Este modelo destaca especialmente en capacidades de codificación agéntica, superando sustancialmente a su predecesor en múltiples benchmarks de agentes de código, así como en razonamiento matemático y de código. En cuanto a visión, presenta una inteligencia espacial notablemente mejorada, con mejoras especialmente significativas en la localización y detección de objetos. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-16 |
| El modelo nativo de visión-lenguaje Qwen3.6 35B-A3B está construido sobre una arquitectura híbrida que integra mecanismos de atención lineal con un marco disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con el 3.5-35B-A3B, este modelo demuestra capacidades de codificación agéntica, habilidades de razonamiento matemático y de código, inteligencia espacial, así como rendimiento en localización y detección de objetos significativamente mejorados. |
Generación de texto, Razonamiento | 2026-04-14 |
| GLM-5.1 es un modelo desarrollado por Zhipu AI, diseñado específicamente para tareas de horizonte largo. Cuenta con 744 mil millones de parámetros, admite un contexto ultra largo de 200k tokens y puede generar hasta 128k tokens en una sola respuesta. GLM-5.1 destaca en razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Ofrece resultados sobresalientes en múltiples benchmarks multitarea y es adecuado para aplicaciones como interacción inteligente persona-computadora, soluciones empresariales y asistencia para desarrolladores. |
Generación de video | 2026-04-03 |
| Edición de video de Wan2.7, admite tanto edición localizada como global mediante indicadores. Reemplace elementos sin problemas utilizando referencias de imagen y replique procesos dinámicos complejos, incluyendo movimiento, efectos especiales y movimientos de cámara. |
Generación de video | 2026-04-03 |
| Wan2.7 texto a video, rendimiento totalmente reinventado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para una capacidad narrativa sin precedentes. |
Generación de video | 2026-04-03 |
| Referencia de Wan2.7 a video, con consistencia y rendimiento mejorados. Ofrece una estabilidad superior para personajes, utilería y escenas. Admite referencias híbridas de hasta 5 entradas mixtas de imagen y video, así como clonación de timbre de audio. Junto con las actualizaciones del motor principal, logra una capacidad expresiva cinematográfica sin precedentes. |
Generación de video | 2026-04-03 |
| Wan2.7 imagen a video, rendimiento totalmente reinventado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para una capacidad narrativa sin precedentes. |
Generación de imágenes | 2026-04-01 |
| Wan2.7–image-pro, admite texto a imagen, texto/imagen a imágenes secuenciales, edición de imágenes, generación de referencia de múltiples imágenes y edición interactiva. Ofrece un rendimiento mejorado en renderizado de texto, consistencia del sujeto y seguimiento de instrucciones complejas. |
Generación de imágenes | 2026-04-01 |
| Wan2.7: generación y edición de imágenes; admite texto a imagen, texto/imagen a secuencias de imágenes, edición de imágenes, generación con referencia a múltiples imágenes y edición interactiva. Ofrece un rendimiento mejorado en la representación de texto, la coherencia del sujeto y el seguimiento de instrucciones complejas. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-01 |
| Los modelos de la serie Plus nativos de visión-lenguaje Qwen3.6 demuestran un rendimiento excepcional a la par de los modelos más avanzados actuales, con una mejora significativa en los resultados generales en comparación con la serie 3.5. Los modelos han sido notablemente mejorados en capacidades relacionadas con código, como codificación agéntica, programación front-end y Vibe coding, así como en reconocimiento general de objetos multimodal, OCR y localización de objetos. |
Omni-modal en tiempo real | 2026-03-30 |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una versión completamente evolucionada de Qwen3-Omni, admite entrada de audio en más de 60 idiomas, salida de voz en más de 30 idiomas, diálogo de voz controlable, WebSearch e invocación compleja de FunctionCall, y cuenta con capacidades inteligentes de interacción por interrupción semántica. Se utiliza ampliamente en escenarios como creación de textos, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Omni-modal | 2026-03-30 |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una evolución integral de Qwen 3-Omni, admite más de 10 horas de comprensión de audio y más de 400 segundos de comprensión y diálogo audiovisual de 720P (1 FPS). Amplía aún más el rango de idiomas, admitiendo entrada de audio en más de 60 idiomas y salida de voz en más de 30 idiomas. También posee potentes capacidades de comprensión audiovisual estructurada y se utiliza ampliamente en creación de texto, asistentes de voz, análisis multimedia y otros escenarios, proporcionando una experiencia de comprensión e interacción multimodal natural y fluida. |
Omni-modal en tiempo real | 2026-03-30 |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una versión completamente evolucionada de Qwen3-Omni, admite entrada de audio en más de 60 idiomas, salida de voz en más de 30 idiomas, diálogo de voz controlable, WebSearch e invocación compleja de FunctionCall, y cuenta con capacidades inteligentes de interacción por interrupción semántica. Se utiliza ampliamente en escenarios como creación de textos, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Omni-modal | 2026-03-30 |
| Qwen 3.5-Omni es la última generación del modelo grande multimodal de Qwen, que admite la comprensión e interacción de texto, imagen, audio y audiovisual. Como una evolución integral de Qwen 3-Omni, admite más de 10 horas de comprensión de audio y más de 400 segundos de comprensión y diálogo audiovisual de 720P (1 FPS). Amplía aún más el rango de idiomas, admitiendo entrada de audio en más de 60 idiomas y salida de voz en más de 30 idiomas. También posee potentes capacidades de comprensión audiovisual estructurada y se utiliza ampliamente en creación de texto, asistentes de voz, análisis multimedia y otros escenarios, proporcionando una experiencia de comprensión e interacción multimodal natural y fluida. |
Reconocimiento de voz | 2026-03-05 |
| Esta es la versión en tiempo real del modelo de reconocimiento de voz de extremo a extremo de próxima generación de Tongyi Lab, basado en tecnología de voz propietaria líder, y cuenta con una conciencia contextual excepcional y capacidades de transcripción de voz de alta precisión. Basado en una arquitectura de extremo a extremo, Fun-ASR integra tecnología RAG innovadora, admitiendo características multidimensionales como la personalización de palabras clave a gran escala, el filtrado automático de partículas sensibles y modales, la normalización ITN y la predicción de puntuación, mejorando significativamente la precisión general del reconocimiento y la relevancia contextual. Además, Fun-ASR admite el cambio flexible entre chino e inglés, cubre múltiples dialectos regionales y cuenta con una mayor robustez ante el ruido, adaptándose a entornos diversos y complejos. |
Reconocimiento de voz | 2026-03-03 |
| Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes cantidades de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz altamente preciso, determinando automáticamente el idioma e identificando con exactitud el habla en múltiples idiomas, al tiempo que garantiza una transcripción precisa incluso en entornos de audio complejos. Esta versión es una instantánea fechada el 10 de febrero de 2026. |
Generación de imágenes | 2026-03-03 |
| Los modelos completos de la serie Qwen-Image-2.0 integran la generación y edición de imágenes, ofreciendo una renderización de texto mejorada con soporte para indicaciones de 1,000 tokens, texturas realistas más refinadas, representación detallada de escenas fotorrealistas y una mayor adherencia semántica. La versión completa ofrece la renderización de texto más potente y las texturas más realistas de la serie 2.0. Esta versión es una instantánea del 3 de marzo de 2026. |
Generación de imágenes | 2026-03-03 |
| La serie de modelos acelerados Qwen-Image-2.0 integra la generación y la edición de imágenes, ofreciendo capacidades mejoradas de representación de texto con soporte para indicaciones de 1,000 tokens, texturas más realistas, escenas fotorrealistas finamente detalladas y una mayor consistencia semántica. La versión acelerada logra de manera efectiva un equilibrio óptimo entre el rendimiento y la calidad del modelo. |
Síntesis de voz | 2026-02-27 |
| Un modelo de síntesis de voz de alta expresividad de la serie CosyVoice con capacidades mejoradas de clonación y diseño de voz. Admite control de instrucciones de estilo libre manteniendo la similitud del hablante, ofreciendo estilos de síntesis variados. Reduce la latencia de la primera sílaba, mejora la precisión de la pronunciación y realza la prosodia y la calidad del sonido. Permite una síntesis de voz en tiempo real ultranatural y multilingüe (chino, inglés, alemán, francés, ruso, japonés, coreano, portugués, tailandés, indonesio, vietnamita). |
Síntesis de voz | 2026-02-27 |
| Un modelo de síntesis de voz de alto rendimiento de la serie CosyVoice con capacidades mejoradas de clonación y diseño de voz. Admite control de instrucciones de estilo libre manteniendo la similitud del hablante, ofreciendo estilos de síntesis variados. Reduce la latencia de la primera sílaba, mejora la precisión de la pronunciación y realza la prosodia y la calidad del sonido. Permite una síntesis de voz en tiempo real ultranatural y multilingüe (chino, inglés, alemán, francés, ruso, japonés, coreano, portugués, tailandés, indonesio, vietnamita). |
Generación de texto, Razonamiento | 2026-02-24 |
| MiniMax-M2.5 es el gran modelo de código abierto insignia de MiniMax, entrenado en cientos de miles de escenarios complejos del mundo real mediante aprendizaje por refuerzo a gran escala, logrando o superando el estado del arte (SOTA) de la industria en escenarios de productividad como programación, llamadas a herramientas, búsqueda y tareas de oficina. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 |
| Los modelos Flash nativos de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con la serie 3, estos modelos ofrecen un salto adelante en el rendimiento tanto para tareas de texto puro como multimodales, ofreciendo tiempos de respuesta rápidos mientras equilibran la velocidad de inferencia y el rendimiento general. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 |
| La serie Qwen3.5 35B-A3B es un modelo nativo de visión-lenguaje diseñado con una arquitectura híbrida que integra mecanismos de atención lineal y un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. Su rendimiento general es comparable al de Qwen3.5-27B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 |
| El modelo Dense nativo de visión-lenguaje Qwen3.5 27B incorpora un mecanismo de atención lineal, ofreciendo tiempos de respuesta rápidos mientras equilibra la velocidad de inferencia y el rendimiento. Sus capacidades generales son comparables a las del Qwen3.5-122B-A10B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 |
| El modelo nativo de visión-lenguaje Qwen3.5 122B-A10B está construido sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En términos de rendimiento general, este modelo solo es superado por Qwen3.5-397B-A17B. Sus capacidades de texto superan significativamente a las de Qwen3-235B-2507, y sus capacidades visuales sobrepasan a las de Qwen3-VL-235B. |
Generación de texto | 2026-02-19 |
| El modelo de generación de código de nueva generación de la serie Qwen3 ofrece un rendimiento cercano al de Qwen3-Coder-Plus, a la vez que proporciona capacidades aún superiores. El modelo se ha optimizado con enfoque en la comprensión a nivel de repositorio, admite interacciones de herramientas en múltiples turnos y mejora su compatibilidad con herramientas de codificación basadas en agentes. |
Generación de texto, Razonamiento | 2026-02-18 |
| GLM-5 está orientado a escenarios de codificación y agentes, logrando un estado del arte (SOTA) de código abierto en ingeniería de sistemas complejos con capacidades cercanas a Claude Opus, basado en una base de 744B con aprendizaje por refuerzo asíncrono y atención dispersa. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-15 |
| Los modelos Plus de la serie nativa de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra mecanismos de atención lineal con modelos dispersos de mezcla de expertos, logrando una mayor eficiencia de inferencia. En una variedad de evaluaciones de tareas, la serie 3.5 demuestra consistentemente un rendimiento a la par de los modelos líderes más avanzados. En comparación con la serie 3, estos modelos muestran un gran avance tanto en capacidades de texto puro como multimodales. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-15 |
| El modelo nativo de visión y lenguaje 397B-A17B de la serie Qwen3.5 está construido sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. Ofrece un rendimiento de vanguardia comparable a los modelos más avanzados en una amplia gama de tareas, incluyendo comprensión del lenguaje, razonamiento lógico, generación de código, tareas basadas en agentes, comprensión de imágenes, comprensión de video e interacciones con interfaces gráficas de usuario (GUI). Con sus sólidas capacidades de generación de código y de agente, el modelo exhibe una fuerte generalización en diversos agentes. |
Reconocimiento de voz | 2026-02-13 |
| La versión en tiempo real de Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes cantidades de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz altamente preciso, determinando automáticamente el idioma e identificando con exactitud el habla en múltiples idiomas, al tiempo que garantiza una transcripción precisa incluso en entornos de audio complejos. Esta versión es una instantánea fechada el 10 de febrero de 2026. |
Reconocimiento de voz en tiempo real | 2026-02-12 |
| Un modelo ligero de reconocimiento de voz en mandarín en tiempo real optimizado para escenarios de centros de llamadas chinos, que admite acentos multidialectales y logra una transcripción de baja latencia y alta precisión en entornos de baja frecuencia de muestreo/baja relación señal-ruido. |
Síntesis de voz | 2026-02-10 |
| El modelo Qwen3-TTS-VD es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre las voces diseñadas por el servicio qwen3-voice-design, y admite salida de voz en 11 idiomas utilizando la misma voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente su tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 26 de enero de 2026. |
Síntesis de voz | 2026-02-10 |
| El modelo Qwen3-TTS-Flash es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre voces replicadas del servicio qwen-voice-enrollment, y admite salida de voz en 11 idiomas utilizando el mismo timbre de voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente el tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 22 de enero de 2026. |
Síntesis de voz | 2026-02-10 |
| El modelo Qwen3-TTS-Flash es el modelo más reciente de síntesis de voz en tiempo real de Tongyi. El modelo Instruct procesa el efecto de síntesis mediante lenguaje natural, garantizando un habla emocional y expresiva altamente adecuada en diferentes contextos. Actualmente, admite 25 timbres para ajustes Instruct tanto en chino como en inglés. |
Generación de texto, Razonamiento, Comprensión visual | 2026-01-30 |
| Kimi-k2.5 es el modelo más versátil de Moonshot AI con arquitectura multimodal nativa, que admite entradas visuales/de texto, modos de pensamiento/sin pensamiento, y tareas tanto de diálogo como de agente. |
Generación de video | 2026-01-29 |
| Wan2.6 referencia a video flash, generación más rápida y rentable. Admite el uso de una persona específica o cualquier objeto como referencia, manteniendo con precisión la consistencia de apariencia y voz, y permite referencia de múltiples personajes para actuaciones conjuntas. |
Reordenamiento | 2026-01-29 |
| Qwen3-VL-Rerank es un modelo de reordenamiento que comprende profundamente información multimodal rica (texto, imágenes, video). Después de la recuperación inicial, aplica correlación cruzada modal avanzada para reordenar inteligentemente los candidatos, priorizando los resultados más relevantes. Mejora la precisión de búsqueda cruzada modal, optimiza la precisión en la recuperación de imágenes/videos, mejora la calidad del agrupamiento de imágenes y permite una recuperación y etiquetado multimodal complejo eficiente. |
Razonamiento, Comprensión visual | 2026-01-26 |
| Los modelos VL de la serie Qwen3 integran eficazmente los modos de pensamiento y no pensamiento, logrando un rendimiento líder mundial en capacidades de agentes visuales en conjuntos de datos de referencia públicos como OS World. Esta versión presenta mejoras integrales en áreas como codificación visual, percepción espacial y razonamiento multimodal, mejorando significativamente las habilidades de percepción y reconocimiento visual, y soportando la comprensión de videos ultralargos. |
Generación de texto, Razonamiento | 2026-01-23 |
| En comparación con la instantánea del 23 de septiembre de 2025, el modelo Max de la serie Qwen-3 en esta versión logra una integración efectiva de los modos de pensamiento y no pensamiento, lo que resulta en una mejora integral y sustancial del rendimiento general del modelo. En el modo de pensamiento, el modelo admite simultáneamente la búsqueda web, la extracción de información web y una herramienta de intérprete de código, lo que le permite abordar problemas más complejos y desafiantes con mayor precisión al aprovechar herramientas externas mientras participa en un razonamiento lento y deliberativo. Esta versión se basa en una instantánea tomada el 23 de enero de 2026. |
Comprensión visual | 2026-01-22 |
| La serie Qwen3 de modelos de comprensión visual de tamaño pequeño integra eficazmente los modos de pensamiento y no pensamiento. En comparación con la instantánea tomada el 15 de octubre de 2025, el rendimiento general del modelo ha mejorado significativamente: ofrece capacidades mejoradas en reconocimiento visual general y razonamiento, y muestra mejoras notables en la precisión de reconocimiento en diversos escenarios empresariales como seguridad, inspecciones en tiendas, monitoreo de equipos y resolución de problemas basada en fotografías. Esta versión es una instantánea al 22 de enero de 2026. |
Embedding multimodal | 2026-01-21 |
| Qwen3-VL-Embedding es un modelo vectorial multimodal unificado basado en Qwen3-VL, que admite entradas de texto, imagen y video (modalidad única o mixta). Genera vectores de representación unificados, adecuados para recuperación cruzada entre modalidades, búsqueda de imágenes/videos, agrupamiento, recuperación multimodal compleja y etiquetado. |
Síntesis de voz | 2026-01-21 |
| El modelo qwen3-TTS-Flash es el modelo de síntesis de voz en tiempo real más reciente de Tongyi. El modelo Instruct procesa el efecto de síntesis a través del lenguaje natural, garantizando un habla emocional y expresiva altamente adecuada en diferentes contextos. Actualmente, admite 25 timbres para ajustes Instruct tanto en chino como en inglés. Este modelo equivale a la versión instantánea publicada el 22 de enero de 2026. |
Generación de video | 2026-01-15 |
| Wan2.6 image to video flash ofrece una generación más rápida y rentable. La programación inteligente de tomas permite narrativas multicámara, admite diálogos estables con varios hablantes con timbres vocales más naturales y realistas, y permite generar clips de hasta 15 segundos de duración. |
Generación de imágenes | 2026-01-15 |
| Los modelos de edición de imágenes de la serie Max de Qwen ofrecen capacidades de edición más estables y versátiles: diseño industrial y razonamiento geométrico mejorados, mayor coherencia de personajes, reducción de problemas de desalineación y capacidades LoRA integradas para una gama más amplia de funciones de edición de imágenes. |
Síntesis de voz | 2026-01-14 |
| El modelo Qwen3-TTS-VD es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre las voces diseñadas por el servicio qwen3-voice-design, y admite salida de voz en 11 idiomas utilizando la misma voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente su tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 15 de enero de 2026. |
Síntesis de voz | 2026-01-14 |
| El modelo Qwen 3-TTS-Flash es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre voces replicadas del servicio qwen-voice-enrollment, y admite salida de voz en 11 idiomas utilizando la misma voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente el tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 15 de enero de 2026. |
Generación de texto | 2026-01-13 |
| La serie de modelos de juego de roles Qwen está optimizada específicamente para escenarios de interacción antropomórfica multilingüe. Demuestra capacidades avanzadas en el mantenimiento de la consistencia del personaje, la progresión del diálogo con conocimiento del contexto y la participación empática, lo que permite una personificación precisa y personalizada del personaje. Esta versión mejora significativamente la localización lingüística al japonés (incluidos dialectos y honoríficos), la autenticidad del juego de roles similar al humano, el control de la coherencia narrativa y la inteligencia cognitiva basada en escenarios. |
Generación de imágenes | 2026-01-09 |
| La serie Qwen de modelos de generación de imágenes cuenta con excepcionales capacidades de renderizado de texto y destaca tanto en el renderizado de texto complejo como en una amplia variedad de tareas de generación y edición. Esta versión, una instantánea tomada el 9 de enero de 2026, es una variante destilada y acelerada de Qwen-Image-Max, que permite una generación más rápida de imágenes de alta calidad. |
Generación de imágenes | 2025-12-30 |
| La serie Max del modelo de generación de imágenes de qwen destaca en una amplia variedad de tareas de generación. En comparación con la serie Plus, reduce significativamente la apariencia artificial en las imágenes generadas, mejorando su realismo. Ofrece texturas de materiales más realistas para sujetos humanos, texturas naturales más finas y detalladas, y una representación de texto visualmente más atractiva. |
Generación de texto, Razonamiento | 2025-12-25 |
| El modelo insignia más reciente de Zhipu con capacidades mejoradas de codificación y razonamiento de múltiples pasos, que admite planificación de tareas a largo plazo, colaboración de herramientas y escritura inmersiva/juego de roles. |
Generación de imágenes | 2025-12-18 |
| Z-Image-Turbo es un modelo de generación de imágenes altamente eficiente que ha encabezado el benchmark de Artificial Analysis como el modelo de texto a imagen de código abierto No. 1 del mundo. Con solo 6 mil millones de parámetros y un proceso de inferencia de 8 pasos, genera imágenes fotorrealistas comparables a las producidas por modelos comerciales a gran escala, destacando además en la renderización de texto bilingüe chino-inglés, comprensión semántica compleja y generación temática diversa. |
Razonamiento, Comprensión visual | 2025-12-18 |
| La serie de modelos de comprensión visual Qwen3 integra eficazmente los modos de pensamiento y sin pensamiento. En comparación con la instantánea publicada el 23 de septiembre, esta versión ofrece un rendimiento superior en tareas de razonamiento y análisis, así como en el control de estilo, al tiempo que proporciona una menor latencia y velocidades de respuesta más rápidas. Esta versión se basa en una instantánea tomada el 19 de diciembre de 2025. |
Generación de video | 2025-12-16 |
| Referencia a video de Wan2.6, admite el uso de una persona específica o cualquier objeto como referencia, manteniendo con precisión la consistencia de apariencia y voz, y permite referencias de múltiples personajes para actuaciones conjuntas. |
Generación de imágenes | 2025-12-15 |
| Wan2.6 texto a imagen, calidad visual, estética y seguimiento de instrucciones mejorados ofrecen un control de estilo preciso, retratos realistas, comprensión de textos largos y una amplia cobertura de propiedad intelectual histórica/cultural, permitiendo una generación visual de alta calidad y gran expresividad. |
Generación de imágenes | 2025-12-15 |
| Wan2.6 Image, un modelo integral de generación de imágenes que admite razonamiento conjunto de texto e imagen, fusión creativa de múltiples imágenes, consistencia de grado comercial, transferencia de estilo estético y control preciso del encuadre y la iluminación, mejorando significativamente la consistencia, la controlabilidad y la expresividad en la generación de imágenes. |
Generación de imágenes | 2025-12-15 |
| La serie Qianwen de modelos Image Editing Plus presenta una mayor consistencia de personajes, capacidades de diseño industrial y habilidades de razonamiento geométrico en comparación con la instantánea del 30 de octubre. Además, integra capacidades de LoRA, como efectos de iluminación, y mitiga eficazmente los problemas de desplazamiento. Esta versión se basa en una instantánea tomada el 15 de diciembre de 2025. |
Síntesis de voz | 2025-12-12 |
| El modelo Qwen 3-TTS-VD es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre las voces diseñadas por el servicio qwen3-voice-design, y admite salida de voz en 11 idiomas utilizando la misma voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente su tono según el texto, demostrando buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo es una versión de instantánea del 16 de diciembre de 2025. |
Síntesis de voz | 2025-12-12 |
| El modelo Qwen Voice-Design es una serie de modelos de diseño de voz de Qwen Speech Model. Solo requiere una descripción de texto simple para diseñar rápidamente una voz adecuada. Cuando se utiliza en conjunto con el modelo qwen3-tts-vd-realtime, puede diseñar y generar habla en 10 idiomas. Además, el audio sintetizado puede ajustar adaptativamente su tono basándose en el texto y posee buenas capacidades de procesamiento para la síntesis de texto complejo. |
Omni-modal en tiempo real | 2025-12-04 |
| La versión en tiempo real del modelo grande multimodal Qwen3-Omni-Flash, basada en la arquitectura Thinker–Talker Mixed Expert (MoE), admite la comprensión eficiente y la generación de voz de texto, imágenes, audio y video. Puede interactuar con texto en 119 idiomas y voz en 20 idiomas, generando voz similar a la humana para una comunicación precisa entre idiomas. El modelo cuenta con potentes capacidades de seguimiento de instrucciones y personalización de prompts del sistema, adaptándose flexiblemente a estilos conversacionales y configuraciones de personajes. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Omni-modal | 2025-12-04 |
| El modelo grande multimodal Qwen3-Omni-Flash, basado en la arquitectura Thinker–Talker Mixed Expert (MoE), admite la comprensión eficiente y la generación de voz de texto, imágenes, audio y video. Puede interactuar con texto en 119 idiomas y voz en 20 idiomas, generando voz similar a la humana para una comunicación precisa entre idiomas. El modelo cuenta con potentes capacidades de seguimiento de instrucciones y personalización de prompts del sistema, adaptándose flexiblemente a estilos conversacionales y configuraciones de personajes. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Reconocimiento de voz en tiempo real | 2025-12-04 |
| Qwen3-LiveTranslate-Flash es un modelo de interpretación simultánea de audio y video multilingüe en tiempo real, de alta precisión, gran capacidad de respuesta y robustez. Aprovechando la potente infraestructura de Qwen3-Omni, grandes volúmenes de datos multimodales, alineación entre idiomas y modalidades, y tecnologías de mejora visual, Qwen3-LiveTranslate-Flash ofrece capacidades de traducción de audio y video tanto sin conexión como en tiempo real. Puede comprender 19 idiomas y hablar 10 idiomas, y también admite 8 dialectos chinos. |
Generación de video | 2025-12-03 |
| Wan2.6 text to video: la programación inteligente de tomas admite narrativas de múltiples tomas, generando videos narrativos con sujetos, escenas y atmósfera coherentes, con una duración máxima de 15 segundos. Ofrece un mejor seguimiento de instrucciones y una fidelidad visual mejorada. |
Generación de video | 2025-12-03 |
| Wan2.6 imagen a video, la programación inteligente de tomas permite narrativas multicámara, ofrece generación de voz de mayor calidad, admite diálogos estables de múltiples hablantes con timbres vocales más naturales y realistas, y soporta la generación de clips de hasta 15 segundos de duración. |
Generación de texto, Razonamiento | 2025-12-02 |
| DeepSeek-V3.2 es el lanzamiento oficial de un modelo que incorpora DeepSeek Sparse Attention, un mecanismo de atención dispersa. También es el primer modelo lanzado por DeepSeek que integra el razonamiento en el uso de herramientas, admitiendo tanto llamadas a herramientas con razonamiento como sin razonamiento. |
Generación de texto, Razonamiento | 2025-12-01 |
| Esta versión es una instantánea del 1 de diciembre de 2025 y presenta capacidades de razonamiento mejoradas en comparación con la instantánea del 28 de julio. Las capacidades de agente y las habilidades de invocación de herramientas en múltiples turnos se han mejorado aún más, y el rendimiento en tareas creativas subjetivas ha mejorado significativamente. Admite una longitud de contexto de hasta 1 millón de tokens, con precios escalonados según la longitud del contexto. |
Síntesis de voz | 2025-11-27 |
| El modelo Qwen3-TTS-Flash es el último modelo de síntesis de voz en tiempo real de Tongyi. Puede realizar síntesis de voz en tiempo real de alta fidelidad sobre voces replicadas por el servicio qwen3-voice-enrollment, y admite salida de voz en 11 idiomas con el mismo timbre de voz. Este modelo ha sido entrenado con grandes cantidades de datos, y el audio sintetizado puede ajustar adaptativamente el tono según el texto, además de poseer buenas capacidades de procesamiento para la síntesis de texto complejo. Este modelo se proporciona como una versión de instantánea. |
Síntesis de voz | 2025-11-27 |
| El modelo Qwen3-TTS-Flash-Realtime es el modelo base más reciente de síntesis de voz en tiempo real de Tongyi, que cuenta con 17 voces expresivas a la vez que ofrece una síntesis de audio de baja latencia y alta estabilidad. Soporta salidas en múltiples idiomas y dialectos con características de voz consistentes entre idiomas. Entrenado con extensos conjuntos de datos, el sistema ajusta autónomamente los tonos vocales basándose en la semántica del texto y demuestra capacidades robustas para la síntesis de contenido complejo. |
Síntesis de voz | 2025-11-27 |
| El Qwen3-TTS-Flash es el modelo base más reciente de texto a voz sin conexión de Tongyi, que cuenta con 17 voces expresivas a la vez que permite una síntesis de audio de baja latencia y alta estabilidad. Soporta salidas en múltiples idiomas y dialectos con características de voz consistentes entre idiomas. Entrenado con conjuntos de datos masivos, el sistema ajusta automáticamente los tonos vocales basándose en la semántica del texto y demuestra capacidades robustas para sintetizar contenido complejo. |
Síntesis de voz | 2025-11-27 |
| El modelo Voice-Enrollment de Qwen es una serie de modelos de replicación de voz del modelo de voz qwen. Puede replicar rápidamente voces muy similares utilizando audio de tan solo 5 segundos o más. Cuando se utiliza junto con el modelo qwen3-tts-vc-realtime, puede replicar la voz de una persona con alta fidelidad y generar habla en 10 idiomas. Además, el audio sintetizado puede ajustar adaptativamente su tono según el texto y posee buenas capacidades de procesamiento para la síntesis de texto complejo. |
Reconocimiento de voz | 2025-11-21 |
| La versión Fun ASR, actualizada en abril de 2026, admite completamente los siete principales sistemas dialectales del chino tradicional (Mandarín/Wu/Xiang/Gan/Hakka/Min/Yue) y es compatible con más de 20 acentos regionales de mandarín. Cuenta con optimizaciones específicas para el ritmo, la métrica y las características de expresión literaria de la poesía clásica china, mejorando la precisión del reconocimiento poético y haciéndola adecuada para el patrimonio cultural, explicaciones educativas y audiolibros. Las capacidades mejoradas de predicción de puntuación y normalización de texto hacen que el texto de salida sea más coherente con los hábitos de expresión escrita; los números, fechas y cantidades se convierten automáticamente a formatos estándar, mejorando la legibilidad y el profesionalismo. El soporte de idiomas se ha ampliado para incluir inglés, japonés, coreano, vietnamita, tailandés, indonesio, malayo, filipino, hindi, árabe, francés, alemán, español, portugués, ruso, italiano, neerlandés, sueco, danés, finés, noruego, griego, polaco, checo, húngaro, rumano, búlgaro, croata y eslovaco, totalizando 30 idiomas. Esta versión equivale a la instantánea publicada el 7 de noviembre de 2025. |
Comprensión visual | 2025-11-20 |
| Qwen-VL_OCR es un modelo OCR entrenado sobre la base de Qwen-VL. Agrega diversas tareas de reconocimiento, análisis y procesamiento de imagen-texto mediante un enfoque de modelo unificado, ofreciendo potentes capacidades de reconocimiento de imagen-texto. |
Generación de texto | 2025-11-19 |
| Qwen-MT-Lite es un modelo de lenguaje grande de la serie de modelos Qwen especializado en traducción multilingüe. Proporciona servicios de traducción rápidos y de alta calidad en 32 idiomas a un precio rentable. Ofrece funciones como intervención de terminología, preservación de formato y traducción específica por dominio para satisfacer las diversas necesidades de distintas aplicaciones, garantizando tanto eficiencia como rendimiento. |
Reconocimiento de voz | 2025-11-17 |
| La versión de transcripción de archivos grandes de Qwen3-ASR-Flash. Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes cantidades de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz de alta precisión. Puede determinar automáticamente el idioma y reconocer con exactitud el habla en múltiples idiomas, garantizando una transcripción precisa incluso en entornos de audio complejos. |
Reconocimiento de voz en tiempo real | 2025-11-17 |
| Esta es la versión en tiempo real del modelo de reconocimiento de voz de extremo a extremo de próxima generación de Tongyi Lab, basado en tecnología de voz propietaria líder, y cuenta con una conciencia contextual excepcional y capacidades de transcripción de voz de alta precisión. Basado en una arquitectura de extremo a extremo, Fun-ASR integra tecnología RAG innovadora, admitiendo características multidimensionales como personalización de palabras clave a gran escala, filtrado automático de partículas modales y sensibles, normalización ITN y predicción de puntuación, mejorando significativamente la precisión general de reconocimiento y la relevancia contextual. Además, Fun-ASR admite el cambio flexible entre chino e inglés, cubre múltiples dialectos regionales y cuenta con una mayor robustez al ruido, adaptándose a entornos diversos y complejos. Esta es una instantánea publicada el 7 de noviembre de 2025. |
Reconocimiento de voz | 2025-11-17 |
| La versión de Fun ASR, actualizada en abril de 2026, es totalmente compatible con los siete principales sistemas dialectales del chino tradicional (mandarín/wu/xiang/gan/hakka/min/yue) y admite más de 20 acentos regionales del mandarín. Incluye optimizaciones específicas para el ritmo, la métrica y las características de expresión literaria de la poesía clásica china, lo que mejora la precisión del reconocimiento poético y la hace adecuada para el patrimonio cultural, explicaciones educativas y audiolibros. Las capacidades mejoradas de predicción de puntuación y normalización de texto hacen que el texto generado se ajuste mejor a los hábitos de expresión escrita; los números, fechas y cantidades se convierten automáticamente a formatos estándar, lo que mejora la legibilidad y el profesionalismo. La compatibilidad de idiomas se ha ampliado para incluir inglés, japonés, coreano, vietnamita, tailandés, indonesio, malayo, filipino, hindi, árabe, francés, alemán, español, portugués, ruso, italiano, neerlandés, sueco, danés, finés, noruego, griego, polaco, checo, húngaro, rumano, búlgaro, croata y eslovaco, con un total de 30 idiomas. Esta es una instantánea publicada el 7 de noviembre de 2025. |
Síntesis de voz | 2025-11-17 |
| Capacidades de síntesis: CosyVoice-v3-Flash es el modelo de síntesis de voz de alto rendimiento más reciente de la serie CosyVoice de Tongyi Labs, ofreciendo una mayor naturalidad, timbre, prosodia y expresividad emocional en comparación con versiones anteriores. Este modelo admite síntesis de texto a voz en streaming en tiempo real. Capacidades de clonación: CosyVoice-v3-Flash también es el modelo de clonación de voz más reciente de la serie CosyVoice de Tongyi Labs. En comparación con versiones anteriores, mejora la precisión de pronunciación y la similitud del timbre, y añade soporte para más idiomas menos hablados (alemán, español, francés, italiano, ruso, japonés). Puede generar rápidamente voces personalizadas altamente similares y de sonido natural a partir de solo 5-20 segundos de audio de referencia. |
Generación de texto, Razonamiento | 2025-11-10 |
| Kimi-k2-thinking es un modelo de razonamiento agéntico general desarrollado por Moonshot AI, especializado en razonamiento profundo e integración de herramientas de múltiples pasos para resolver problemas complejos. |
Generación de texto | 2025-11-06 |
| Qwen-MT-Flash, un modelo de lenguaje grande de la serie Qwen, ha sido completamente actualizado con la arquitectura Qwen 3 para mejorar significativamente el rendimiento y la calidad de traducción. Proporciona traducción rápida y rentable en 92 idiomas, a la vez que soporta funciones avanzadas como intervención de terminología, preservación de formato y adaptación específica por dominio. Es la opción ideal para aplicaciones que requieren un potente equilibrio entre velocidad, calidad y costo. |
Generación de imágenes | 2025-10-30 |
| La serie qwen de modelos Plus de edición de imágenes optimiza aún más el rendimiento de inferencia y la estabilidad del sistema con respecto al modelo Edit inicial, lo que reduce significativamente el tiempo de respuesta para la generación y edición de imágenes. También admite la devolución de múltiples imágenes en una sola solicitud, mejorando considerablemente la experiencia del usuario. |
Reconocimiento de voz en tiempo real | 2025-10-27 |
| La versión en tiempo real de Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto, basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes volúmenes de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz de alta precisión, determinando automáticamente el idioma e identificando con precisión el habla en 11 idiomas, garantizando al mismo tiempo una transcripción precisa incluso en entornos de audio complejos. |
Razonamiento, Comprensión visual | 2025-10-21 |
| El modelo denso más grande de la serie Qwen3-VL, cuya versión de razonamiento posee capacidades de razonamiento multimodal solo superadas por Qwen3-VL-235B-Thinking. Destaca en resolución de problemas de STEM y matemáticas, comprensión general de imágenes y video, y alcanza un rendimiento de vanguardia en capacidades de agentes multimodales, lo que lo hace ideal para tareas complejas de razonamiento multimodal. |
Comprensión visual | 2025-10-21 |
| El modelo denso más grande de la serie Qwen3-VL, en su versión sin inferencia, ofrece un rendimiento general solo superado por Qwen3-VL-235B-Instruct. Destaca en reconocimiento y comprensión de documentos, demuestra una fuerte conciencia espacial y capacidades de identificación de objetos, y logra un rendimiento de vanguardia en detección visual 2D y razonamiento espacial. Es idóneo para tareas de percepción complejas en una amplia gama de escenarios de propósito general. |
Generación de texto, Razonamiento | 2025-10-21 |
| El nuevo modelo insignia de GLM con mejoras integrales de capacidad respecto a 4.5, que cuenta con una ventana de contexto de 200K. |
Razonamiento, Comprensión visual | 2025-10-14 |
| La serie Qwen3 de modelos de comprensión visual a pequeña escala integra eficazmente los modos de pensamiento y no pensamiento, ofreciendo un rendimiento superior en comparación con el modelo de código abierto Qwen3-VL-30B-A3B, manteniendo al mismo tiempo velocidades de respuesta rápidas. Cuenta con una actualización integral en la comprensión de imágenes y videos, admitiendo contextos ultra largos como videos extendidos y documentos, conciencia espacial y reconocimiento de objetos en diversos dominios. Equipado con capacidades de localización visual 2D/3D, es muy adecuado para abordar tareas complejas del mundo real. |
Razonamiento, Comprensión visual | 2025-09-30 |
| La versión Thinking del modelo Dense de 8B en la serie Qwen3-VL consume menos memoria GPU y es capaz de realizar comprensión y razonamiento multimodal. Admite contextos extremadamente largos, como videos y documentos extensos, localización visual 2D/3D, y cuenta con capacidades de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos totalmente mejoradas. |
Comprensión visual | 2025-09-30 |
| La versión Instruct del modelo Dense de 8B en la serie Qwen3-VL requiere menos memoria GPU y proporciona una comprensión de imagen y video integralmente mejorada, soporte para contextos extremadamente largos como videos y documentos extensos, conciencia espacial y capacidades de reconocimiento de objetos, lo que lo hace adecuado para abordar tareas complejas del mundo real. |
Razonamiento, Comprensión visual | 2025-09-30 |
| La versión Thinking del segundo modelo MoE más grande de la serie Qwen3-VL presenta velocidades de respuesta rápidas y capacidades mejoradas de comprensión y razonamiento multimodal, agentes visuales y soporte para contextos extremadamente largos, como videos y documentos extensos. También cuenta con habilidades de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos integralmente mejoradas, lo que lo hace idóneo para tareas complejas del mundo real. |
Comprensión visual | 2025-09-30 |
| La versión Instruct del segundo modelo MoE más grande de la serie Qwen3-VL ofrece velocidades de respuesta rápidas y admite contextos extremadamente largos, como videos y documentos extensos. Incluye capacidades totalmente mejoradas de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos, así como localización visual 2D/3D, lo que le permite manejar desafíos complejos del mundo real. |
Generación de texto, Razonamiento | 2025-09-30 |
| Versión experimental que introduce la Atención Dispersa de DeepSeek (un mecanismo de atención dispersa), explorando la optimización y validación para la eficiencia de entrenamiento e inferencia en textos largos. |
Reconocimiento de voz | 2025-09-25 |
| El modelo de reconocimiento de voz multilingüe de Fun admite más de 31 idiomas y permite cambiar libremente entre ellos, lo que lo convierte en la mejor opción para usuarios que se expanden al extranjero, especialmente al sudeste asiático. Fun-asr es una versión actualizada de este modelo; se recomienda cambiar a Fun-asr. |
Generación de imágenes | 2025-09-23 |
| El modelo actualizado de edición de imágenes Wan2.5 Preview cuenta con una arquitectura de modelo recientemente mejorada que admite amplias capacidades de edición de imágenes mediante control por instrucciones, con un mayor cumplimiento de estas. También permite la generación con referencia a múltiples imágenes con alta coherencia y demuestra un excelente rendimiento en la generación de texto. |
Razonamiento, Comprensión visual | 2025-09-23 |
| Los modelos VL de la serie Qwen3 integran eficazmente los modos de pensamiento y no pensamiento, logrando un rendimiento líder a nivel mundial en capacidades de agentes visuales en conjuntos de datos de benchmark públicos como OS World. Esta versión incluye actualizaciones integrales en áreas como codificación visual, percepción espacial y razonamiento multimodal, mejorando significativamente las habilidades de percepción y reconocimiento visual, y admitiendo la comprensión de videos ultralargos. Esta versión es una instantánea del 23 de septiembre de 2025. |
Razonamiento, Comprensión visual | 2025-09-23 |
| Los modelos VL de la serie Qwen3 cuentan con capacidades de razonamiento multimodal significativamente mejoradas, con un enfoque particular en la optimización del modelo para razonamiento STEM y matemático. Las habilidades de percepción y reconocimiento visual se han mejorado de manera integral, y las capacidades de OCR han recibido una actualización importante. |
Comprensión visual | 2025-09-23 |
| Los modelos VL de la serie Qwen3 han sido actualizados integralmente en áreas como la codificación visual y la percepción espacial. Sus capacidades de percepción y reconocimiento visual han mejorado significativamente, admitiendo la comprensión de videos ultralargos, y su funcionalidad de OCR ha recibido una mejora importante. |
Generación de texto, Razonamiento | 2025-09-23 |
| El modelo Max de la serie Qwen 3 ha recibido actualizaciones especializadas en programación de agentes e invocación de herramientas en comparación con la versión preliminar. El modelo lanzado oficialmente en esta ocasión ha alcanzado un rendimiento de vanguardia (SOTA) en su campo y se adapta mejor a las demandas de agentes que operan en escenarios más complejos. |
Traducción de voz en tiempo real | 2025-09-23 |
| La versión en tiempo real de Qwen3-LiveTranslate-Flash es un modelo de interpretación simultánea de audio y video multilingüe de alta precisión, gran capacidad de respuesta y robustez. Aprovechando la potente infraestructura de Qwen3-Omni, grandes volúmenes de datos multimodales, alineación entre idiomas y modalidades, y tecnologías de mejora visual, Qwen3-LiveTranslate-Flash ofrece capacidades de traducción de audio y video tanto sin conexión como en tiempo real. Puede comprender 19 idiomas y hablar 10 idiomas, incluidos 8 dialectos chinos. |
Generación de texto | 2025-09-23 |
| Modelo de generación de código basado en Qwen3-based con una potente capacidad de agente de codificación, destaca en la invocación de herramientas y la interacción con el entorno, capaz de realizar programación autónoma con una excelente capacidad de código manteniendo su habilidad general. Esta es una instantánea del 23 de septiembre de 2025. En comparación con la versión anterior (instantánea del 22 de julio), demuestra una mayor robustez en el rendimiento de tareas posteriores y en la invocación de herramientas, junto con una seguridad de código mejorada. |
Comprensión visual | 2025-09-23 |
| Qwen-VL_OCR es un modelo OCR entrenado sobre la base de Qwen-VL. Agrega diversas tareas de reconocimiento, análisis y procesamiento de imagen-texto mediante un enfoque de modelo unificado, ofreciendo potentes capacidades de reconocimiento de imagen-texto. |
Generación de imágenes | 2025-09-23 |
| El primer modelo base de generación de imágenes de la serie Qwen que logra avances significativos en la representación compleja de texto y la edición precisa de imágenes. Los experimentos muestran sólidas capacidades generales tanto en generación como en edición de imágenes, con un rendimiento excepcional en la representación de texto, especialmente en chino. |
Reconocimiento de voz en tiempo real | 2025-09-23 |
| Esta es la versión en tiempo real del modelo de reconocimiento de voz de extremo a extremo de próxima generación de Tongyi Lab, basado en tecnología de voz propietaria líder, y cuenta con una conciencia contextual excepcional y capacidades de transcripción de voz de alta precisión. Basado en una arquitectura de extremo a extremo, Fun-ASR integra tecnología RAG innovadora, admitiendo características multidimensionales como la personalización de palabras clave a gran escala, el filtrado automático de partículas sensibles y modales, la normalización ITN y la predicción de puntuación, mejorando significativamente la precisión general del reconocimiento y la relevancia contextual. Además, Fun-ASR admite el cambio flexible entre chino e inglés, cubre múltiples dialectos regionales y cuenta con una mayor robustez ante el ruido, adaptándose a entornos diversos y complejos. |
Generación de imágenes | 2025-09-22 |
| El primer modelo de edición de imágenes de Qwen extiende la renderización de texto de Qwen-Image a tareas de edición. Ofrece edición precisa de texto bilingüe (chino/inglés), edición dual visual y semántica, y un sólido rendimiento entre benchmarks. |
Generación de video | 2025-09-19 |
| El modelo de texto a video Wan2.5 Preview mejorado, con una arquitectura de modelo recién actualizada que admite generación de audio sincronizada con visuales, permite la generación de videos de 10 segundos de duración y ofrece un mayor cumplimiento de instrucciones, capacidades de movimiento mejoradas y calidad de imagen superior. |
Generación de imágenes | 2025-09-19 |
| El modelo de texto a imagen Preview de Wan2.5 actualizado cuenta con una arquitectura de modelo recién mejorada que aumenta significativamente la estética visual, la sensibilidad al diseño y la textura realista. Destaca en la adhesión precisa a instrucciones, genera texto con destreza en inglés, chino e idiomas menos comunes, y admite la generación de textos largos estructurados complejos, gráficos y diagramas arquitectónicos. |
Generación de video | 2025-09-19 |
| El modelo actualizado de imagen a video Wan2.5 Preview cuenta con una arquitectura de modelo recientemente mejorada que admite la generación de audio sincronizado con las imágenes, permite generar videos de 10 segundos de duración y ofrece un mayor cumplimiento de instrucciones, capacidades de movimiento mejoradas y una calidad de imagen superior. |
Generación de video | 2025-09-19 |
| wan2.2-animate-move es un modelo de generación de animación de personajes. Los usuarios simplemente suben una foto del personaje y un video de actuación de referencia, y el modelo transfiere las expresiones y acciones del video al personaje en la imagen, produciendo un video animado de alta fidelidad. |
Generación de video | 2025-09-19 |
| wan2.2-animate-mix es un producto de modelo de reemplazo de personajes. Al cargar una foto de un personaje y un video de actuación, los usuarios pueden reemplazar con precisión al personaje del video original por el personaje de la foto, preservando completamente los detalles ambientales como la escena, la iluminación y el tono de color del video original. |
Omni-modal en tiempo real | 2025-09-17 |
| La versión en tiempo real del modelo grande multimodal Qwen3-Omni-Flash, basada en la arquitectura Thinker–Talker Mixed Expert (MoE), admite la comprensión eficiente y la generación de voz de texto, imágenes, audio y video. Puede interactuar con texto en 119 idiomas y voz en 20 idiomas, generando voz similar a la humana para una comunicación precisa entre idiomas. El modelo cuenta con potentes capacidades de seguimiento de instrucciones y personalización de prompts del sistema, adaptándose flexiblemente a estilos conversacionales y configuraciones de personajes. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. |
Omni-modal | 2025-09-17 |
| El modelo grande multimodal Qwen3-Omni-Flash, basado en la arquitectura Thinker–Talker Mixed Expert (MoE), admite la comprensión eficiente y la generación de voz de texto, imágenes, audio y video. Puede interactuar con texto en 119 idiomas y voz en 20 idiomas, generando voz similar a la humana para una comunicación precisa entre idiomas. El modelo cuenta con potentes capacidades de seguimiento de instrucciones y personalización de prompts del sistema, adaptándose flexiblemente a estilos conversacionales y configuraciones de personajes. Se utiliza ampliamente en escenarios como creación de texto, asistentes de voz y análisis multimedia, proporcionando una experiencia de interacción multimodal natural y fluida. Esta versión es una instantánea del 15 de septiembre de 2025. |
Reconocimiento de voz | 2025-09-17 |
| Qwen3-Omni-30b-a3b-Captioner es un potente modelo de análisis de audio de grano fino diseñado para generar descripciones de contenido precisas y exhaustivas en escenarios de audio complejos y cambiantes. Puede analizar y describir automáticamente diversos contenidos de audio, desde habla compleja y sonidos ambientales hasta música y efectos de sonido de cine y televisión, y puede mantener una salida estable y fiable incluso en entornos de múltiples fuentes y mixtos. |
Síntesis de voz | 2025-09-16 |
| El modelo Qwen3-TTS-Flash-Realtime-2025-09-18 es el último modelo fundamental de síntesis de voz en tiempo real de Tongyi, que cuenta con 17 voces expresivas y ofrece una síntesis de audio de baja latencia y alta estabilidad. Admite salidas multilingües y de dialectos con características de voz consistentes en todos los idiomas. Entrenado con extensos conjuntos de datos, el sistema ajusta autónomamente los tonos vocales según la semántica del texto y demuestra capacidades robustas para la síntesis de contenido complejo. Este modelo se proporciona como una versión de instantánea. |
Síntesis de voz | 2025-09-16 |
| El modelo Qwen 3-TTS-Flash-2025-09-18 es el último modelo fundamental de conversión de texto a voz sin conexión de Tongyi, que cuenta con 17 voces expresivas y permite una síntesis de audio de baja latencia y alta estabilidad. Admite salidas multilingües y de dialectos con características de voz consistentes en todos los idiomas. Entrenado con grandes conjuntos de datos, el sistema ajusta automáticamente los tonos vocales según la semántica del texto y demuestra capacidades robustas para sintetizar contenido complejo. Este modelo se proporciona como una versión de instantánea. |
Generación de texto, Razonamiento | 2025-09-11 |
| Una nueva generación de modelos de modo de pensamiento de código abierto basados en Qwen3-based. Esta versión ofrece un mejor seguimiento de instrucciones y respuestas resumidas más concisas en comparación con la iteración anterior (Qwen3-235B-A22B-Thinking-2507). |
Generación de texto | 2025-09-11 |
| Una nueva generación de modelos de código abierto en modo sin razonamiento impulsada por Qwen3. Esta versión demuestra una comprensión superior del texto en chino, un razonamiento lógico reforzado y capacidades mejoradas en tareas de generación de texto respecto a la iteración anterior (Qwen3-235B-A22B-Instruct-2507). |
Generación de texto, Razonamiento | 2025-09-11 |
| A partir de la instantánea del 11 de septiembre de 2025, esta versión presenta un seguimiento de instrucciones mejorado y respuestas de resumen simplificadas en modo de pensamiento. El modo sin pensamiento ofrece una comprensión superior del texto en chino y capacidades reforzadas de razonamiento lógico. El modelo admite una longitud de contexto de 1M con precios escalonados. |
Reconocimiento de voz | 2025-09-08 |
| Qwen3-ASR-Flash es un modelo de reconocimiento de voz multilingüe altamente preciso, inteligente y robusto, basado en un modelo de lenguaje grande. Aprovechando un potente modelo fundamental, grandes volúmenes de datos textuales y multimodales, y decenas de millones de horas de datos de audio, Qwen3-ASR-Flash logra un reconocimiento de voz de alta precisión. Puede determinar automáticamente el idioma y reconocer con precisión el habla en 11 idiomas, garantizando una transcripción precisa incluso en entornos de audio complejos. |
Generación de texto, Razonamiento | 2025-09-05 |
| Una versión preliminar del modelo Max de la serie Qwen 3, que logra una integración efectiva de los modos de pensamiento y sin pensamiento. En modo de pensamiento, se produce una mejora significativa en capacidades como programación de agentes inteligentes, razonamiento de sentido común y razonamiento en matemáticas, ciencias y dominios generales. |
Síntesis de voz | 2025-09-03 |
| Capacidad de clonación: CosyVoice-v3-plus es el modelo de clonación de voz grande más reciente de la serie CosyVoice de Tongyi Lab. Ofrece una calidad de sonido y fidelidad de clonación superiores, ideal para escenarios profesionales. Con solo 5-20 segundos de audio de referencia, puede generar rápidamente una voz personalizada altamente similar y de sonido natural. Capacidad de síntesis: CosyVoice-v3-plus es el modelo de síntesis de voz grande más reciente de la serie CosyVoice de Tongyi Lab. Cuenta con una calidad de sonido y expresividad mejoradas, ideal para escenarios profesionales. El modelo admite la síntesis de texto a voz por streaming en tiempo real. |
Generación de video | 2025-08-25 |
| Modelo auxiliar para wan2.2-s2v que valida que las imágenes de retrato de entrada cumplan con las especificaciones requeridas, asegurando la compatibilidad con la generación de video mediante wan2.2-s2v. |
Generación de video | 2025-08-25 |
| Modelo de generación de video de alta calidad que crea videos dinámicos de personajes (hablando/cantando/actuando) a partir de imágenes de personajes de entrada y archivos de audio de voz. |
Generación de texto, Razonamiento | 2025-08-23 |
| Un modelo de arquitectura de inferencia híbrida que admite tanto el modo de pensamiento como el modo de no pensamiento, ofreciendo mayor eficiencia de razonamiento y capacidades de agente más robustas. |
Generación de imágenes | 2025-08-22 |
| Qwen-MT-Image se especializa en traducción de imágenes, convirtiendo imágenes en 11 idiomas (chino, inglés, japonés, etc.) a idiomas objetivo. Preserva con precisión el diseño y el contenido, admitiendo funciones personalizadas como definiciones de terminología, filtrado de palabras sensibles y detección de productos para una localización de imágenes flexible y precisa. |
Generación de texto | 2025-08-22 |
| Qwen-Deep-Research es un sistema de agentes avanzado para tareas de investigación complejas, equipado con capacidades de razonamiento multipaso y planificación global. Aprovecha herramientas como la búsqueda en Internet para realizar una descomposición detallada de tareas, razonamiento y análisis, generando finalmente informes de investigación trazables y lógicamente rigurosos. |
Reconocimiento de voz | 2025-08-22 |
| Este es un modelo grande de reconocimiento de voz de nueva generación enfocado en chino mandarín, inglés y japonés. Admite una amplia gama de dialectos regionales, ofrece una mayor robustez ante el ruido y se adapta a entornos diversos y complejos, siendo la recomendación principal para usuarios en China. Esta es una instantánea publicada el 25 de agosto de 2025. |
Generación de imágenes | 2025-08-13 |
| El primer modelo base de generación de imágenes de la serie Qwen que logra avances significativos en la representación compleja de texto y la edición precisa de imágenes. Los experimentos muestran sólidas capacidades generales tanto en generación como en edición de imágenes, con un rendimiento excepcional en la representación de texto, especialmente en chino. |
Generación de texto | 2025-08-05 |
| Basado en Qwen3, este modelo de generación de código hereda las capacidades de agente de codificación de Qwen3-Coder-Plus y admite interacción de herramientas en múltiples turnos. Cuenta con optimizaciones enfocadas en la comprensión a nivel de repositorio y una mayor estabilidad en la llamada a herramientas. |
Generación de texto, Razonamiento | 2025-08-05 |
| El modelo Flash de Qwen3 ofrece una potente fusión de modos de pensamiento y sin pensamiento con cambio dinámico durante la conversación, destacando en razonamiento complejo y mostrando mejoras significativas en el seguimiento de instrucciones y la comprensión de texto. Admite una longitud de contexto de 1M y se factura según un modelo escalonado correspondiente al uso de contexto. |
Generación de texto | 2025-07-31 |
| Modelo de generación de código basado en Qwen3-based que hereda la capacidad de agente de codificación de Qwen3-Coder-480B-A35B-Instruct; su capacidad de código alcanza el estado del arte (SOTA) en su misma escala. |
Generación de texto, Razonamiento | 2025-07-31 |
| El modelo de la serie Qwen optimizado para un rendimiento equilibrado, que ofrece una eficiencia de inferencia entre Qwen-Max y Qwen-Turbo, está diseñado para manejar tareas de complejidad moderada de manera efectiva. Esta versión actualizada dinámicamente implementa cambios sin previo aviso. |
Generación de texto, Razonamiento | 2025-07-30 |
| Modelo de razonamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-30B-A3B), destaca en tareas complejas de razonamiento, incluidas lógica, matemáticas, ciencias, código y otros escenarios desafiantes; el seguimiento de instrucciones, la comprensión de textos y las capacidades de traducción multilingüe han mejorado significativamente. |
Generación de texto, Razonamiento | 2025-07-30 |
| Modelo Plus de la serie Qwen3, integra modos de pensamiento y sin pensamiento, y permite cambiar entre ellos durante el diálogo. En comparación con la versión anterior, añade mejoras específicas para las capacidades en chino e inglés y para la llamada a herramientas. Esta es una instantánea del 28 de julio de 2025; es la primera en admitir una longitud de contexto de 1 M y utiliza precios escalonados. |
Generación de texto | 2025-07-29 |
| Modelo sin razonamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-30B-A3B), muestra mejoras importantes en las capacidades generales multilingües, incluyendo chino, inglés y otros idiomas. Optimizado para tareas subjetivas abiertas, ofrece respuestas significativamente más alineadas con las preferencias del usuario y más útiles. |
Generación de video | 2025-07-28 |
| El modelo mejorado de texto a video Plus de Wan 2.2 ofrece resultados de mayor calidad con movimientos complejos y estables, control visual cinematográfico, seguimiento de indicadores más potente y recreación realista del mundo. |
Generación de imágenes | 2025-07-28 |
| El modelo actualizado de texto a imagen Wan 2.2 Plus ofrece detalles de imagen más ricos con creatividad, estabilidad y realismo mejorados. También presenta un seguimiento de prompts más sólido y soporte nativo para múltiples estilos. Asimismo, se admite la generación de hasta 2 millones de píxeles y la mejora de prompts. |
Generación de imágenes | 2025-07-28 |
| El modelo actualizado de texto a imagen Wan 2.2 Flash ofrece mayor velocidad con creatividad, estabilidad y realismo mejorados. También presenta un seguimiento de prompts más sólido y soporte nativo para múltiples estilos. Asimismo, se admite la generación de hasta 2 millones de píxeles y la mejora de prompts. |
Generación de video | 2025-07-28 |
| El modelo Plus mejorado de imagen a video de Wan 2.2 ofrece resultados de mayor calidad con estabilidad optimizada, seguimiento de indicadores más potente, consistencia mejorada para texto, retratos y productos, y control preciso de tomas. |
Generación de texto, Razonamiento | 2025-07-25 |
| Modelo de pensamiento Qwen3 de código abierto; en comparación con la versión anterior (Qwen3-235B-A22B), muestra mejoras importantes en capacidad lógica, capacidades generales, ampliación de conocimientos y creatividad, adecuado para escenarios de alta dificultad y pensamiento profundo. |
Generación de texto | 2025-07-23 |
| Qwen-Doc-Turbo extrae rápidamente información precisa de documentos, admitiendo etiquetado, clasificación, moderación de contenido y resúmenes. |
Generación de texto | 2025-07-22 |
| Modelo de generación de código basado en Qwen3-based con potente capacidad de agente de codificación, destaca en la llamada de herramientas y la interacción con el entorno, capaz de programación autónoma con una capacidad de código sobresaliente manteniendo su capacidad general. |
Generación de texto | 2025-07-22 |
| Modelo de generación de código basado en Qwen3-based con potente capacidad de agente de codificación; su capacidad de código alcanza el estado del arte (SOTA) en modelos de código abierto. |
Generación de texto | 2025-07-22 |
| Modelo de no pensamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-235B-A22B), muestra ligeras mejoras en creatividad subjetiva y seguridad del modelo. |
Generación de texto | 2025-07-22 |
| Qwen-MT-Turbo es un modelo de lenguaje grande dentro de la serie de modelos Qwen que se especializa en traducción multilingüe. Proporciona servicios de traducción rápidos y de alta calidad en 92 idiomas a un precio rentable. También ofrece funciones como intervención de terminología, preservación de formato y traducción específica por dominio para satisfacer las diversas necesidades de distintas aplicaciones, garantizando tanto eficiencia como rendimiento. |
Generación de texto | 2025-07-22 |
| Qwen-MT-Plus, el modelo de traducción insignia de nuestra serie Qwen, ahora está completamente actualizado con la arquitectura Qwen3. Admite 92 idiomas y ofrece traducciones excepcionalmente precisas y de sonido natural. Sus capacidades avanzadas en comprensión contextual, control de terminología y preservación de formato lo convierten en una opción superior frente a los modelos tradicionales, especialmente para dominios especializados. |
Síntesis de voz en tiempo real | 2025-07-16 |
| Qwen-TTS-Realtime es un modelo de síntesis de voz de la serie Qwen con conciencia contextual bidireccional. Permite la generación de baja latencia y alta fidelidad de streaming bidireccional de múltiples voces, dialectos y textos largos. |
Generación de texto, Razonamiento | 2025-07-16 |
| El modelo Plus de la serie Qwen3, que logra una integración efectiva del modo de pensamiento y el modo sin pensamiento, permite cambiar entre modos durante las conversaciones. Esta es una instantánea del 14 de julio de 2025. En comparación con la versión anterior, se ha producido una mejora significativa en las capacidades tanto en chino como en inglés bajo el modo sin pensamiento, con habilidades mejoradas para la invocación de herramientas. |
Generación de texto | 2025-07-16 |
| Kimi-K2 es el primer modelo MoE de billones de parámetros de código abierto de Moonshot en China, que cuenta con 32B parámetros activados y posee capacidades excepcionales de codificación y llamada de herramientas. |
Síntesis de voz | 2025-06-26 |
| Qwen-TTS es el primer modelo de síntesis de voz de la serie Qwen, que admite entradas en chino, inglés y mixtas. Ajusta adaptativamente el tono de salida según el texto, ofrece calidad de voz natural y admite salida en streaming. |
Generación de texto, Razonamiento | 2025-06-24 |
| El modelo Turbo de la serie Qwen3. Integra eficazmente el modo de pensamiento y el modo sin pensamiento, lo que permite cambiar de modo durante las conversaciones. Sus capacidades de razonamiento rivalizan con las de QwQ-32B con un tamaño de parámetros menor, mientras que sus capacidades generales superan significativamente a las de Qwen2.5-Turbo, alcanzando el nivel SOTA en la misma escala dentro de la industria. |
Generación de texto, Razonamiento | 2025-06-24 |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Razonamiento | 2025-06-18 |
| Un modelo de lenguaje grande mejorado mediante aprendizaje por refuerzo extensivo durante el post-entrenamiento, logrando sólidas capacidades de razonamiento con datos etiquetados mínimos. Tiene un buen desempeño en tareas de matemáticas, programación y razonamiento en lenguaje natural. |
Comprensión visual | 2025-06-13 |
| Qwen-VL-Plus es la versión mejorada del modelo grande de lenguaje visual. Mejora significativamente las capacidades de reconocimiento de detalles y de texto, admitiendo imágenes con resoluciones superiores a un millón de píxeles y cualquier especificación de relación de aspecto. El modelo ofrece un rendimiento excepcional en una amplia gama de tareas visuales. |
Embedding de texto | 2025-06-05 |
| La versión V4 de General Text Vector es un modelo de vectores de texto multilingüe desarrollado por Tongyi Lab basado en Qwen3. En comparación con la versión V3, mejora significativamente el rendimiento en tareas de recuperación de texto, agrupamiento y clasificación. Logra una mejora del 15% al 40% en tareas de evaluación como MTEB multilingüe, chino-inglés y recuperación de código. Adicionalmente, soporta dimensiones de vectores definidas por el usuario que van desde 64 hasta 2048. |
Razonamiento | 2025-06-04 |
| Un modelo de lenguaje grande mejorado mediante aprendizaje por refuerzo extensivo durante el post-entrenamiento, logrando sólidas capacidades de razonamiento con datos etiquetados mínimos. Tiene un buen desempeño en tareas de matemáticas, programación y razonamiento en lenguaje natural. |
Razonamiento, Comprensión visual | 2025-06-03 |
| Versión Plus del Modelo de Razonamiento Visual QVQ de Qwen que admite entrada visual y salida de cadena de pensamiento con capacidades mejoradas en matemáticas, programación, análisis visual, creación y tareas generales. |
Síntesis de voz | 2025-05-27 |
| Un modelo generativo de síntesis de voz que combina la comprensión de texto y la generación de voz mediante modelos de lenguaje preentrenados a gran escala, compatible con la síntesis de texto a voz por streaming en tiempo real. |
Comprensión visual | 2025-05-26 |
| Qwen-VL-Max es un modelo de lenguaje visual a gran escala de la serie Qwen. En comparación con la versión Plus, mejora aún más las capacidades de razonamiento visual y el seguimiento de instrucciones, ofreciendo niveles superiores de percepción y cognición visual. Ofrece un rendimiento óptimo en tareas más complejas. |
Generación de video | 2025-05-14 |
| Wanxiang 2.1 - Modelo unificado de edición de video - Plus. Admite edición localizada, redibujado de video, expansión de fondo, extensión de duración y generación basada en referencias. Permite el control multimodal mediante texto, imágenes o videos. |
Omni-modal en tiempo real | 2025-05-08 |
| La versión en tiempo real del nuevo modelo grande multimodal de comprensión y generación de Qwen, adecuado para escenarios de interacción de audio en tiempo real. Admite la comprensión de audio acompañado de entradas mixtas de texto, imágenes y video, y puede generar simultáneamente voz y texto en flujo, proporcionando cuatro tonos naturales. |
Generación de texto, Razonamiento | 2025-04-29 |
| Logra una integración efectiva de los modos de pensamiento y no pensamiento, permitiendo el cambio de modo durante las conversaciones. Su capacidad de razonamiento alcanza el nivel SOTA en la industria de la misma escala, y su capacidad general supera significativamente a Qwen2.5-7B. |
Generación de texto, Razonamiento | 2025-04-29 |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento supera significativamente a la de QwQ, y su capacidad general excede notablemente a la de Qwen2.5-32B-Instruct, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-04-29 |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento rivaliza con la de QwQ-32B con un tamaño de parámetros menor, y su capacidad general supera significativamente a la de Qwen2.5-14B, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-04-29 |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento supera significativamente a la de QwQ, y su capacidad general excede notablemente a la de Qwen2.5-72B-Instruct, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-04-29 |
| El modelo Plus de la serie Qwen3 integra eficazmente el modo de pensamiento y el modo sin pensamiento, lo que permite cambiar de modo durante las conversaciones. Sus capacidades de razonamiento superan significativamente a las de QwQ, y sus capacidades generales exceden notablemente a las de Qwen2.5-Plus, alcanzando el nivel SOTA en la misma escala dentro de la industria. Este modelo corresponde a la instantánea del 28 de abril de 2025. |
Generación de texto, Razonamiento | 2025-04-28 |
| Logra una integración efectiva de los modos de pensamiento y no pensamiento, permitiendo el cambio de modo durante las conversaciones. Su capacidad de razonamiento alcanza el nivel SOTA en la industria de la misma escala, y su capacidad general supera significativamente a Qwen2.5-14B. |
Generación de imágenes | 2025-04-28 |
| Un modelo de generación de imágenes de prueba virtual de alta calidad que produce efectos de prueba con mayor claridad de imagen, detalles de textura de prendas y reconstrucción de logotipos en comparación con aitryon. Requiere un tiempo de generación más largo, adecuado para escenarios no críticos en tiempo. |
Comprensión visual | 2025-04-23 |
| Qwen-VL_OCR es un modelo OCR entrenado sobre la base de Qwen-VL. Agrega diversas tareas de reconocimiento, análisis y procesamiento de imagen-texto mediante un enfoque de modelo unificado, ofreciendo potentes capacidades de reconocimiento de imagen-texto. |
Generación de video | 2025-04-21 |
| Wanxiang 2.1 - Keyframe-to-Video - Plus. Genera videos de transición fluida a partir de dos imágenes de entrada. Admite movimientos complejos a gran escala, respeto a las leyes físicas, diversos estilos artísticos y calidad visual de nivel cinematográfico. Capacidad mejorada de seguimiento de instrucciones y detalles visuales más ricos. |
Síntesis de voz | 2025-04-20 |
| Qwen-TTS es el primer modelo de síntesis de voz de la serie Qwen, que admite entradas en chino, inglés y mixtas. Ajusta adaptativamente el tono de salida según el texto, ofrece calidad de voz natural y admite salida en streaming. |
Omni-modal | 2025-03-27 |
| El nuevo modelo de comprensión y generación multimodal, que soporta entrada de texto, imagen, voz y video, así como comprensión de entrada mixta. Puede transmitir simultáneamente texto y voz, con una velocidad significativamente mejorada para la comprensión de contenido multimodal. Adicionalmente, ofrece cuatro tonos de diálogo naturales. Este modelo es la instantánea del 26 de marzo de 2025, con mejoras significativas en capacidades visuales respecto a la instantánea del 19 de enero de 2025. |
Omni-modal | 2025-03-26 |
| El nuevo modelo multimodal de comprensión y generación entrenado con base en Qwen2.5. Admite la comprensión de entradas de texto, imagen, voz, video y mixtas, y puede generar simultáneamente flujos de texto y voz, lo que mejora significativamente la velocidad de comprensión de contenido multimodal. Proporciona cuatro tonos naturales. |
Razonamiento, Comprensión visual | 2025-03-26 |
| El modelo de razonamiento visual QVQ de Tongyi Qianwen admite entrada visual y salida de cadena de pensamiento, demostrando capacidades más sólidas en matemáticas, programación, análisis visual, creación y tareas generales. |
Generación de imágenes | 2025-03-25 |
| Modelo de edición de imágenes que admite tareas predefinidas y basadas en comandos, incluyendo edición global/local (transferencia de estilo, inpainting, expansión, superresolución) y generación basada en referencias. |
Generación de texto | 2025-03-20 |
| El modelo de juego de roles de la serie Qwen. Esta es una versión actualizada dinámicamente, y se proporcionarán notificaciones con antelación para cualquier actualización del modelo. Es adecuado para juegos de roles antropomórficos y cuenta con capacidades optimizadas para seguir instrucciones de personajes predefinidos, avanzar conversaciones y demostrar escucha activa y empatía. Adicionalmente, soporta la restauración profunda de personajes personalizados. |
Reordenamiento | 2025-03-20 |
| Un modelo multilingüe de reordenamiento de texto para recuperación semántica y RAG, que clasifica los documentos candidatos según su relevancia respecto a las consultas. |
Generación de texto | 2025-03-19 |
| Qwen-Long es un modelo de lenguaje grande diseñado para el procesamiento de contextos ultra largos, compatible con chino, inglés y otros idiomas. Maneja hasta 10 millones de tokens (aproximadamente 15 millones de caracteres o 15,000 páginas de documentos) en diálogos. Integrado con servicios de documentos, admite el análisis y el diálogo para archivos de texto (TXT, DOCX, PDF, XLSX, EPUB, MOBI, MD, CSV) y archivos de imagen (BMP, PNG, JPG/JPEG, GIF, escaneos PDF). Notas: las solicitudes HTTP admiten hasta 1M tokens; se recomienda el envío de archivos para contenido más extenso. |
Omni-modal | 2025-03-17 |
| El nuevo modelo de comprensión y generación multimodal, que admite entradas de texto, imagen, voz y video, así como la comprensión de entradas mixtas. Puede transmitir simultáneamente texto y voz, con una velocidad significativamente mejorada para la comprensión de contenido multimodal. Además, ofrece cuatro tonos de diálogo naturales. |
Razonamiento | 2025-03-05 |
| La versión mejorada del modelo de razonamiento QwQ de Qwen, entrenada sobre el modelo Qwen2.5, ha mejorado significativamente sus capacidades de razonamiento mediante aprendizaje por refuerzo. Las métricas principales del modelo en matemáticas y programación (por ejemplo, AIME 24/25, LiveCodeBench), así como algunas métricas generales (por ejemplo, IFEval, LiveBench), han alcanzado el nivel de la versión completa de DeepSeek-R1. |
Traducción de voz en tiempo real | 2025-03-04 |
| Un modelo multilingüe de voz a texto y traducción que proporciona transcripción en tiempo real de alta precisión para 10 idiomas (incluyendo chino/inglés/japonés/coreano) con traducción entre idiomas. |
Generación de video | 2025-02-27 |
| Modelo Image-to-Video Generation-Turbo que transforma imágenes en videos dinámicos con movimientos complejos y estética cinematográfica, ofreciendo mayor velocidad de generación y mejor cumplimiento de instrucciones. |
Omni-modal | 2025-02-14 |
| El nuevo modelo de comprensión y generación multimodal, que admite entradas de texto, imagen, voz y video, así como la comprensión de entradas mixtas. Puede transmitir simultáneamente texto y voz, con una velocidad significativamente mejorada para la comprensión de contenido multimodal. Además, ofrece cuatro tonos de diálogo naturales. |
Generación de texto | 2025-02-05 |
| Un modelo de lenguaje grande destilado basado en Qwen2.5-Math-7B, entrenado utilizando las salidas de DeepSeek R1 de DeepSeek. |
Generación de texto | 2025-02-05 |
| Un modelo de lenguaje grande destilado basado en Qwen2.5-32B, entrenado utilizando las salidas de DeepSeek R1 de DeepSeek. |
Generación de texto | 2025-02-05 |
| Un modelo de lenguaje grande destilado basado en Qwen2.5-14B, entrenado utilizando las salidas de DeepSeek R1 de DeepSeek. |
Generación de texto | 2025-02-05 |
| Un modelo de lenguaje grande destilado basado en Qwen2.5-Math-1.5B, entrenado utilizando las salidas de DeepSeek R1 de DeepSeek. |
Generación de texto | 2025-02-05 |
| Un modelo de lenguaje grande destilado basado en Llama-3.1-70B, entrenado utilizando las salidas de DeepSeek R1 de DeepSeek. |
Generación de texto | 2025-02-03 |
| La serie de modelos Qwen, bien equilibrada en capacidades, ofrece un rendimiento y una velocidad de razonamiento que se sitúan entre Qwen-Max y Qwen-Turbo, lo que los hace adecuados para tareas de complejidad moderada. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés como en el razonamiento lógico y las habilidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento de formato JSON y habilidades de juego de roles. |
Generación de texto, Razonamiento | 2025-01-27 |
| Un modelo de mezcla de expertos (MoE) desarrollado internamente con 671B parámetros (activando 37B), preentrenado con 14.8T tokens. Demuestra excelentes capacidades en procesamiento de textos largos, codificación, matemáticas, conocimiento enciclopédico y tareas en idioma chino. |
Generación de video | 2025-01-20 |
| Modelo Image-to-Video Generation-Plus que convierte imágenes en videos dinámicos con movimientos complejos, realismo físico, calidad cinematográfica y mayor adherencia a instrucciones para una mayor fidelidad de video. |
Generación de imágenes | 2025-01-20 |
| Modelo mejorado de texto a imagen especializado en retratos realistas y diseños creativos, actualizado en estética, realismo y calidad artística con resolución de hasta 2MP y soporte para reescritura inteligente de indicadores. |
Generación de video | 2025-01-16 |
| Emoji es un modelo de generación de video de animación facial que crea videos de animación facial utilizando imágenes de rostros y plantillas dinámicas predefinidas. |
Generación de video | 2025-01-16 |
| Emoji-Detect es un modelo de detección de imágenes que asiste en la generación de emojis, utilizado para detectar si las imágenes de personajes cumplen con los requisitos de generación de video. |
Generación de texto | 2025-01-15 |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Generación de imágenes | 2025-01-15 |
| Un modelo de segmentación de imágenes que sirve como módulo de apoyo para la prueba virtual de ropa con IA OutfitAnyone, capaz de segmentar imágenes de modelos y prendas para el pre/post-procesamiento de imágenes de prueba virtual. |
Generación de video | 2025-01-09 |
| Wanxiang 2.1 - Texto a Video - Turbo. Generación de video de alta velocidad con soporte para movimiento complejo, simulación física, estilos artísticos y calidad cinematográfica. Capacidad mejorada de seguimiento de instrucciones. |
Generación de video | 2025-01-09 |
| Wanxiang 2.1 - Texto a video - Plus. Genera videos de alta calidad a partir de indicaciones de texto. Admite movimientos complejos, simulación física realista, diversos estilos artísticos y visuales cinematográficos. Rendimiento mejorado en el seguimiento de instrucciones. |
Generación de imágenes | 2025-01-09 |
| Wanxiang 2.1 - Texto a imagen - Turbo. Velocidad de generación acelerada con estética, realismo y artisticidad mejorados. Mantiene una sólida comprensión semántica, diversidad de estilos y soporte de resolución de 2MP. Incluye funcionalidad inteligente de reescritura de indicaciones. |
Generación de imágenes | 2025-01-09 |
| Wanxiang 2.1 - Texto a imagen - Plus. Generación de imágenes mejorada con estética, realismo y artisticidad potenciados. Comprensión semántica y generalización de estilos mejoradas, y soporte para resoluciones de hasta 2MP. Incluye reescritura inteligente de indicaciones y detalles visuales más ricos. |
Reconocimiento de voz en tiempo real | 2024-12-31 |
| Modelo recomendado de reconocimiento de voz en tiempo real Paraformer que admite cambio multilingüe para transmisiones en vivo y reuniones. Permite la selección de idioma mediante el parámetro language_hints para mejorar la precisión en escenarios de atención al cliente de 8kHz. Admite: mandarín (incluidos dialectos), inglés, japonés y coreano. |
Generación de texto | 2024-12-26 |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Embedding multimodal | 2024-12-23 |
| Modelo vectorial multimodal desarrollado por Tongyi Lab basado en modelos base multimodales preentrenados. Genera vectores continuos de alta dimensión a partir de entradas de texto, imagen o video para tareas posteriores que incluyen búsqueda, clasificación y moderación de contenido. |
Reconocimiento de voz | 2024-12-19 |
| El modelo más reciente de reconocimiento de voz en mandarín Paraformer con arquitectura mejorada, mayor precisión de reconocimiento y soporte para voz telefónica de 8kHz (solo palabras clave en chino). |
Generación de texto | 2024-12-12 |
| Modelo de detección de intenciones y llenado de slots para sistemas de diálogo, que permite la predicción conjunta de intenciones basadas en API y parámetros de slots en una sola salida, devolviendo resultados JSON estandarizados con múltiples comandos de API y slots completados. |
Generación de video | 2024-12-10 |
| Modelo de generación de video de personajes que sintetiza videos con sincronización labial basándose en videos de personajes de entrada y audio de voz, haciendo coincidir los movimientos de la boca con el contenido de audio. |
Generación de video | 2024-12-10 |
| Un modelo de generación de plantillas de movimiento que asiste a AnimateAnyone, capaz de extraer movimientos humanos de videos y crear plantillas. |
Generación de video | 2024-12-10 |
| Un modelo de generación de video que crea videos con movimiento de cuerpo completo a partir de retratos humanos y plantillas de movimiento. |
Generación de video | 2024-12-10 |
| Un modelo de detección de imágenes que asiste a AnimateAnyone, utilizado para verificar si las figuras humanas en las imágenes cumplen con los requisitos de generación de video. |
Comprensión visual | 2024-11-14 |
| Qwen-VL_OCR es un modelo OCR entrenado sobre la base de Qwen-VL. Agrega diversas tareas de reconocimiento, análisis y procesamiento de imagen-texto mediante un enfoque de modelo unificado, ofreciendo potentes capacidades de reconocimiento de imagen-texto. |
Generación de texto | 2024-11-12 |
| Qwen-Coder-Plus es un modelo de lenguaje especializado en programación y generación de código, que ofrece un rendimiento excelente y resultados sobresalientes. |
Generación de video | 2024-11-07 |
| LivePortrait-detect es un modelo auxiliar de detección de imágenes para evaluar si las figuras humanas en las imágenes cumplen con los requisitos de generación de video. |
Generación de video | 2024-11-07 |
| LivePortrait es un modelo de generación de video que crea videos dinámicos ligeros de retratos a partir de imágenes estáticas. |
Generación de video | 2024-11-07 |
| EMO es un modelo de generación de video que genera videos dinámicos de retratos de alta calidad basados en imágenes de personajes. |
Generación de video | 2024-11-07 |
| EMO-Detect es un modelo de detección de imágenes que asiste a EMO, utilizado para detectar si las imágenes de personajes cumplen con los requisitos de generación de video. |
Generación de texto | 2024-10-15 |
| Qwen-Max admite una escala de parámetros de cientos de miles de millones y múltiples idiomas de entrada, como chino e inglés. Qwen-Max se actualiza de manera continua. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Generación de texto | 2024-09-19 |
| Qwen-Math-Turbo es un modelo de lenguaje especializado en la resolución de problemas matemáticos, que ofrece alta velocidad de inferencia y bajo costo. |
Generación de texto | 2024-09-19 |
| Qwen-Math-Plus es un potente modelo de resolución de problemas matemáticos que destaca en tareas matemáticas en chino e inglés, incluyendo ecuaciones, cálculos y demostraciones. |
Generación de texto | 2024-09-19 |
| Qwen-Coder-Turbo es un modelo de lenguaje especializado en programación y generación de código, que ofrece alta velocidad de inferencia y bajo costo. |
Síntesis de voz | 2024-09-13 |
| Un servicio de clonación de voz basado en modelos grandes que se utiliza junto con Cosyvoice-v3. Al utilizar tecnología avanzada de modelos grandes para la extracción de características, puede clonar voces sin necesidad de un proceso de entrenamiento. Solo se requiere un clip de audio muy corto para generar rápidamente una voz personalizada altamente similar y de sonido natural. |
Generación de video | 2024-09-13 |
| Modelo de repintado de estilo de video que aplica estilos artísticos (por ejemplo, cómic japonés, caricatura 3D) a los fotogramas de video de entrada preservando las apariencias originales, generando videos estilizados con diversos efectos visuales. |
Generación de texto | 2024-09-13 |
| Qwen-Math-Plus es un potente modelo de resolución de problemas matemáticos que destaca en tareas matemáticas en chino e inglés, incluyendo ecuaciones, cálculos y demostraciones. |
Síntesis de voz | 2024-09-13 |
| Un modelo de clonación de voz que aprovecha tecnología avanzada de modelos grandes para la extracción de características sin necesidad de entrenamiento. Genera voces personalizadas muy similares y de sonido natural a partir de muestras cortas de audio. |
Reconocimiento de voz | 2024-09-06 |
| Modelo de reconocimiento de voz Paraformer recomendado que admite reconocimiento multilingüe con el parámetro language_hints. Admite todas las tasas de muestreo y palabras clave en: mandarín (incluidos dialectos), inglés, japonés y coreano. |
Reconocimiento de voz en tiempo real | 2024-09-06 |
| Modelo de reconocimiento de voz en tiempo real Paraformer recomendado que admite cambio multilingüe con el parámetro language_hints. Admite todas las tasas de muestreo y palabras clave en: mandarín (incluidos dialectos), inglés, japonés y coreano. |
Generación de imágenes | 2024-08-19 |
| La segmentación de instancias de personas emplea técnicas de detección y segmentación para identificar objetos en imágenes y generar máscaras a nivel de píxel para una delimitación precisa de los límites de los objetos. |
Generación de imágenes | 2024-08-19 |
| Herramienta de borrado y completado de imágenes que elimina elementos especificados (personas, objetos, texto, marcas de agua) mientras conserva los fondos mediante técnicas de visión por computadora y restauración AIGC. |
Hong Kong (China)
Tipo de modelo | Fecha | Ámbito del servicio | ID de modelo | Descripción |
|---|---|---|---|---|
Generación de texto, Razonamiento, Comprensión visual | 2026-10-17 | Global |
| DeepSeek-V4.1-Flash-1017 es la iteración más reciente de V4.1-Flash, entrenada mediante aprendizaje por refuerzo basado en autorretroalimentación para ofrecer mejoras sustanciales con respecto a su predecesor en benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 y ProgramBench. Al mismo tiempo, reduce el tiempo de ejecución de las tareas y la longitud de la salida para alcanzar un nuevo óptimo de Pareto entre rendimiento y costo en múltiples entornos de evaluación. Su capacidad para construir proyectos completos desde cero se ha reforzado aún más, lo que permite realizar tareas de programación "basadas en deseos", como el desarrollo de juegos y el modelado 3D, manteniendo el mismo MoE de 552B parámetros, la comprensión visual multimodal nativa, la ventana de contexto de 1M tokens y la salida máxima de 384K tokens. |
Omni-modal | 2026-09-17 | Global |
| Qwen3.8-Omni-Flash admite entradas de texto, imagen, audio y video con salida de texto. Admite modos de pensamiento y no pensamiento, llamada a funciones, búsqueda web y almacenamiento en caché de contexto para comprensión de audio y video, análisis multimodal y aplicaciones de agentes. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-13 | Global |
| DeepSeek-V4.1-Flash es el modelo insignia ligero de la nueva familia de arquitectura de DeepSeek, que integra 552B parámetros MoE totales para ofrecer una inteligencia superior a la de los modelos insignia en benchmarks clave, superando incluso a DeepSeek-V4-Pro. Adopta un diseño asimétrico Causal Encoder-Decoder con 8B parámetros activos para la entrada y 16B para la salida, y ofrece comprensión visual multimodal nativa. El uso de KV Cache se reduce a una cuarta parte de la HBM y a un octavo del almacenamiento SSD de la generación anterior, lo que disminuye drásticamente los costos para cargas de trabajo de contexto largo y agentes. Con una ventana de contexto de 1M tokens y una salida máxima de hasta 384K tokens, equilibra un alto rendimiento, baja latencia y una eficiencia de costos excepcional. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-02 | Global |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) es una instantánea mejorada de qwen3.8-max. La capacidad de codificación alcanza nuevos niveles, manejando proyectos a escala de ingeniería más complejos y desarrollo autónomo de largo alcance. El rendimiento del agente colaborativo mejora significativamente, con mayor compostura en la orquestación de múltiples herramientas y la entrega de tareas de extremo a extremo. La comprensión visual nativa se perfecciona en el razonamiento de gráficos, el análisis de documentos y la percepción multimodal, volviéndose más nítida y confiable. Conserva la ventana de contexto de 1M, el modo de pensamiento y el ecosistema completo de herramientas, evolucionando hacia un nivel superior de inteligencia. |
Generación de texto, Pensamiento profundo | 2026-08-28 | Global |
| GLM-5.3 es el último modelo de lenguaje grande insignia de Z.ai, que ofrece un rendimiento de codificación y de agentes de última generación entre los modelos de código abierto, con una mejora del 50% respecto a su predecesor en Z.ai Code Bench y entrega integral de resultados de nivel de producción. Demuestra capacidad emergente en ciberseguridad, logrando el mejor resultado hasta la fecha en el benchmark de descubrimiento de vulnerabilidades CyberGym. Con una ventana de contexto de 1M tokens, una salida máxima de 128K tokens y tres niveles de esfuerzo de razonamiento, GLM-5.3 destaca en tareas complejas de horizonte largo. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-08-26 | Global |
| Qwen3.8-Flash es el modelo multimodal más reciente de la familia Qwen, que combina un potente razonamiento y capacidad de generación con una velocidad notable. Admite de forma nativa una ventana de contexto de un millón de tokens, lo que le permite procesar documentos extensos, bases de código completas y conversaciones complejas en una sola pasada. Destaca en asistencia para codificación, flujos de trabajo con agentes y comprensión visual, ya sea corrigiendo código de forma autónoma, operando aplicaciones de escritorio o analizando gráficos y videos largos. Totalmente compatible con los protocolos de API de OpenAI y Anthropic, se integra sin problemas con herramientas populares para desarrolladores como Claude Code y Codex, lo que facilita la creación de aplicaciones de alta concurrencia y flujos de trabajo inteligentes. Con un alto rendimiento y costos de inferencia muy competitivos, Qwen3.8-Flash es una opción ideal para desarrolladores y empresas que buscan lo mejor de ambos mundos en aplicaciones de IA. |
Generación de video | 2026-08-20 | Global |
| Wan3.0-Video-Prime es la versión de alta velocidad del modelo de generación de video Wan3.0, con capacidades alineadas con la versión estándar Wan3.0-Video. Admite entrada de referencia completa cuatrimodal y puede generar videos de hasta 30 segundos de duración, ofreciendo una experiencia audiovisual inmersiva con una velocidad de extremo a extremo significativamente mejorada. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-19 | Global |
| Kimi K3 es el modelo insignia más potente de Kimi, con 2.8 billones de parámetros. Construido sobre las tecnologías de atención lineal híbrida KDA (Kimi Delta Attention) y residuos de atención, admite de forma nativa la comprensión visual y cuenta con una ventana de contexto de 1 millón de tokens. Es el primer modelo de código abierto del mundo con 3 billones de parámetros diseñado para programación de contexto largo, trabajo de conocimiento y razonamiento avanzado. |
Generación de texto, Razonamiento | 2026-08-14 | Global |
| Un modelo de lenguaje grande insignia de mezcla de expertos (MoE) con 1.6 billones de parámetros totales y 49 mil millones de parámetros activados. Admite de forma nativa ventanas de contexto de hasta 1 millón de tokens. Entrenado con datos extensos de alta calidad, el modelo ofrece un sólido rendimiento en razonamiento matemático y lógico, razonamiento complejo, generación de código profesional y análisis profundo de documentos largos, y es adecuado para escenarios exigentes como investigación científica avanzada, flujos de trabajo empresariales complejos y aplicaciones agénticas sofisticadas. |
Generación de imágenes | 2026-08-06 | Global |
| Contenido rico: Admite la entrada de hasta 4.5k tokens y un diseño de información densa con imágenes dentro de imágenes, permitiendo generar diseños complejos como periódicos, guiones gráficos, menús y exámenes en una sola pasada. Detalle auténtico: Admite la renderización precisa de texto tan pequeño como 10px, y reproduce vívidamente detalles finos como microexpresiones, poros y mechones de cabello individuales, acercándose a la calidad de la fotografía real. Conocimiento profundo: Admite la renderización nativa de 12 idiomas y más de 20 fuentes, simulación realista de interfaces principales como páginas web, juegos y transmisiones en vivo, incorporando completamente conocimiento externo. Qwen-Image-3.0-Pro no solo busca la "buena apariencia", sino la "utilidad", convirtiendo la generación de imágenes en una herramienta de productividad verdaderamente desplegable. |
Generación de imágenes | 2026-08-04 | Global |
| Comprensión clara de instrucciones: admite hasta 4.5k tokens de entrada, generando instrucciones complejas de imagen-texto en una sola pasada. Renderizado de texto estable: texto pequeño de 10px, 12 idiomas, más de 20 fuentes claramente legibles, listo para infografías e interfaces. Salida por lotes práctica: pósters, páginas web, interfaces y otras tareas diarias se pueden generar en masa a menor costo, ideal para la creación continua. Qwen-Image-3.0 Standard persigue no solo la calidad de generación, sino también la conveniencia creativa cotidiana, convirtiendo la generación de imágenes en una herramienta sostenible de productividad de contenido. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-02 | Global |
| Un modelo insignia MoE de 2.4 billones de parámetros con un salto integral en capacidades de codificación y ofimática, capaz de programar de forma autónoma durante días para entregar proyectos completos. Maneja cientos de tareas profesionales como trabajos legales, financieros y de diseño, entregando resultados de grado de producción de extremo a extremo en una sola conversación. La comprensión visual nativa recorre todo el flujo de planificación, ejecución y verificación, admitiendo el análisis semántico profundo de documentos ultra largos y videos largos. Realiza planificación autónoma e iteración de ciclo cerrado en tareas de horizonte largo, evolucionando continuamente. |
Generación de texto, Razonamiento | 2026-08-01 | Global |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de texto, Razonamiento, Comprensión visual | 2026-07-21 | Global |
| Los modelos Flash de la serie nativa de visión-lenguaje Qwen3.7 mejoran exhaustivamente la comprensión multimodal y las capacidades de ejecución de agentes en comparación con 3.6-Flash. Las mejoras clave incluyen capacidades multimodales fundamentales reforzadas, reconocimiento de objetos mejorado, y una percepción del mundo real e inteligencia espacial optimizadas. Los escenarios de agentes multimodales como Search Agent y CI Agent han recibido actualizaciones significativas, con una ejecución de tareas de extremo a extremo más estable. Las capacidades de codificación multimodal están optimizadas, ofreciendo una experiencia de codificación por intuición más fluida. |
Generación de texto | 2026-07-02 | Global |
| El modelo de juego de roles de la serie Qwen. Esta es una versión actualizada dinámicamente, y se proporcionarán notificaciones con antelación para cualquier actualización del modelo. Es adecuado para juegos de roles antropomórficos y cuenta con capacidades optimizadas para seguir instrucciones de personajes predefinidos, avanzar conversaciones y demostrar escucha activa y empatía. Adicionalmente, soporta la restauración profunda de personajes personalizados. |
Generación de texto, Razonamiento | 2026-06-16 | Global |
| GLM-5.2 es el último modelo insignia de Zhipu AI, diseñado para tareas de horizonte largo con soporte para una ventana de contexto ultra larga de 1M. Cuenta con potentes capacidades de razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Destaca en múltiples benchmarks multitarea y es adecuado para interacción inteligente, aplicaciones empresariales y escenarios de asistencia al desarrollo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-15 | Global |
| kimi-k2.7-code es el modelo de codificación más inteligente de Kimi hasta la fecha. Sigue instrucciones de manera más confiable en contextos largos y completa tareas de programación con mayores tasas de éxito. Admite entradas de texto, imagen y video, junto con modo de pensamiento, conversación y tareas de agente. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-09 | Global |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, ha incorporado comprensión modal visual en comparación con la instantánea del 20 de mayo, lo que le permite percibir escenas del mundo real y admite capacidades de agentes híbridos interactivos multimodales. Esta versión se basa en una instantánea tomada el 8 de junio de 2026. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-01 | Global |
| Dentro de la serie Qwen3.7, el modelo Plus rentable se basa en sus sólidas capacidades de texto al tiempo que ofrece una actualización integral de sus habilidades de visión-lenguaje, todo ello preservando su inteligencia de nivel de agente de pila completa para codificación, uso de herramientas y flujos de trabajo de productividad. Su característica distintiva clave son las capacidades de agente híbrido interactivo multimodal, que le permiten percibir escenas del mundo real, leer pantallas e interactuar con interfaces gráficas de usuario, generar código basado en referencias visuales y realizar navegación de extremo a extremo dentro de aplicaciones móviles. |
Generación de texto, Razonamiento | 2026-05-20 | Global |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, actualmente ofrece una interfaz exclusiva de texto puro para experimentación pública. Qwen3.7 es un modelo insignia de próxima generación diseñado para la era centrada en agentes, cuyas fortalezas principales radican en la amplitud y profundidad de sus capacidades a nivel de agente: destaca en programación, tareas de oficina y productividad, y ejecución autónoma a largo plazo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-17 | Global |
| La serie de modelos Flash nativos de visión-lenguaje Qwen3.6 ofrece una mejora significativa de rendimiento respecto a la versión 3.5-Flash. Este modelo destaca especialmente en capacidades de codificación agéntica, superando sustancialmente a su predecesor en múltiples benchmarks de agentes de código, así como en razonamiento matemático y de código. En cuanto a visión, presenta una inteligencia espacial notablemente mejorada, con mejoras especialmente significativas en la localización y detección de objetos. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-01 | Global |
| Los modelos de la serie Plus nativos de visión-lenguaje Qwen3.6 demuestran un rendimiento excepcional a la par de los modelos más avanzados actuales, con una mejora significativa en los resultados generales en comparación con la serie 3.5. Los modelos han sido notablemente mejorados en capacidades relacionadas con código, como codificación agéntica, programación front-end y Vibe coding, así como en reconocimiento general de objetos multimodal, OCR y localización de objetos. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Hong Kong |
| Los modelos Flash nativos de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con la serie 3, estos modelos ofrecen un salto adelante en el rendimiento tanto para tareas de texto puro como multimodales, ofreciendo tiempos de respuesta rápidos mientras equilibran la velocidad de inferencia y el rendimiento general. |
Generación de texto, Razonamiento | 2026-01-23 | Hong Kong |
| En comparación con la instantánea del 23 de septiembre de 2025, el modelo Max de la serie Qwen-3 en esta versión logra una integración efectiva de los modos de pensamiento y no pensamiento, lo que resulta en una mejora integral y sustancial del rendimiento general del modelo. En el modo de pensamiento, el modelo admite simultáneamente la búsqueda web, la extracción de información web y una herramienta de intérprete de código, lo que le permite abordar problemas más complejos y desafiantes con mayor precisión al aprovechar herramientas externas mientras participa en un razonamiento lento y deliberativo. Esta versión se basa en una instantánea tomada el 23 de enero de 2026. |
Razonamiento, Comprensión visual | 2025-12-18 | Hong Kong |
| La serie de modelos de comprensión visual Qwen3 integra eficazmente los modos de pensamiento y sin pensamiento. En comparación con la instantánea publicada el 23 de septiembre, esta versión ofrece un rendimiento superior en tareas de razonamiento y análisis, así como en el control de estilo, al tiempo que proporciona una menor latencia y velocidades de respuesta más rápidas. Esta versión se basa en una instantánea tomada el 19 de diciembre de 2025. |
— | 2025-12-01 | Hong Kong |
| Esta versión es una instantánea del 1 de diciembre de 2025 y presenta capacidades de razonamiento mejoradas en comparación con la instantánea del 28 de julio. Las capacidades de agente y las habilidades de invocación de herramientas en múltiples turnos se han mejorado aún más, y el rendimiento en tareas creativas subjetivas ha mejorado significativamente. Admite una longitud de contexto de hasta 1 millón de tokens, con precios escalonados según la longitud del contexto. |
Generación de texto, Razonamiento | 2025-09-24 | Hong Kong |
| El modelo Max de la serie Qwen 3 ha recibido actualizaciones especializadas en programación de agentes e invocación de herramientas en comparación con la versión preliminar. El modelo lanzado oficialmente en esta ocasión ha alcanzado un rendimiento de vanguardia (SOTA) en su campo y se adapta mejor a las demandas de agentes que operan en escenarios más complejos. |
Comprensión visual | 2025-09-23 | Hong Kong |
| Los modelos VL de la serie Qwen3 integran eficazmente los modos de pensamiento y no pensamiento, logrando un rendimiento líder mundial en capacidades de agentes visuales en conjuntos de datos de referencia públicos como OS World. Esta versión presenta mejoras integrales en áreas como codificación visual, percepción espacial y razonamiento multimodal, mejorando significativamente las habilidades de percepción y reconocimiento visual, y soportando la comprensión de videos ultralargos. |
Generación de texto, Razonamiento | 2025-09-16 | Hong Kong |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Embedding de texto | 2025-08-25 | Hong Kong |
| La versión V4 de General Text Vector es un modelo de vectores de texto multilingüe desarrollado por Tongyi Lab basado en Qwen3. En comparación con la versión V3, mejora significativamente el rendimiento en tareas de recuperación de texto, agrupamiento y clasificación. Logra una mejora del 15% al 40% en tareas de evaluación como MTEB multilingüe, chino-inglés y recuperación de código. Adicionalmente, soporta dimensiones de vectores definidas por el usuario que van desde 64 hasta 2048. |
Germany (Frankfurt)
Tipo de modelo | Fecha | Ámbito del servicio | ID de modelo | Descripción |
|---|---|---|---|---|
Generación de texto, Razonamiento, Comprensión visual | 2026-10-17 | Global |
| DeepSeek-V4.1-Flash-1017 es la iteración más reciente de V4.1-Flash, entrenada mediante aprendizaje por refuerzo basado en autorretroalimentación para ofrecer mejoras sustanciales con respecto a su predecesor en benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 y ProgramBench. Al mismo tiempo, reduce el tiempo de ejecución de las tareas y la longitud de la salida para alcanzar un nuevo óptimo de Pareto entre rendimiento y costo en múltiples entornos de evaluación. Su capacidad para construir proyectos completos desde cero se ha reforzado aún más, lo que permite realizar tareas de programación "basadas en deseos", como el desarrollo de juegos y el modelado 3D, manteniendo el mismo MoE de 552B parámetros, la comprensión visual multimodal nativa, la ventana de contexto de 1M tokens y la salida máxima de 384K tokens. |
Omni-modal | 2026-09-17 | Global |
| Qwen3.8-Omni-Flash admite entradas de texto, imagen, audio y video con salida de texto. Admite modos de pensamiento y no pensamiento, llamada a funciones, búsqueda web y almacenamiento en caché de contexto para comprensión de audio y video, análisis multimodal y aplicaciones de agentes. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-13 | Global |
| DeepSeek-V4.1-Flash es el modelo insignia ligero de la nueva familia de arquitectura de DeepSeek, que integra 552B parámetros MoE totales para ofrecer una inteligencia superior a la de los modelos insignia en benchmarks clave, superando incluso a DeepSeek-V4-Pro. Adopta un diseño asimétrico Causal Encoder-Decoder con 8B parámetros activos para la entrada y 16B para la salida, y ofrece comprensión visual multimodal nativa. El uso de KV Cache se reduce a una cuarta parte de la HBM y a un octavo del almacenamiento SSD de la generación anterior, lo que disminuye drásticamente los costos para cargas de trabajo de contexto largo y agentes. Con una ventana de contexto de 1M tokens y una salida máxima de hasta 384K tokens, equilibra un alto rendimiento, baja latencia y una eficiencia de costos excepcional. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-02 | Global |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) es una instantánea mejorada de qwen3.8-max. La capacidad de codificación alcanza nuevos niveles, manejando proyectos a escala de ingeniería más complejos y desarrollo autónomo de largo alcance. El rendimiento del agente colaborativo mejora significativamente, con mayor compostura en la orquestación de múltiples herramientas y la entrega de tareas de extremo a extremo. La comprensión visual nativa se perfecciona en el razonamiento de gráficos, el análisis de documentos y la percepción multimodal, volviéndose más nítida y confiable. Conserva la ventana de contexto de 1M, el modo de pensamiento y el ecosistema completo de herramientas, evolucionando hacia un nivel superior de inteligencia. |
Generación de texto, Pensamiento profundo | 2026-08-28 | Global |
| GLM-5.3 es el último modelo de lenguaje grande insignia de Z.ai, que ofrece un rendimiento de codificación y de agentes de última generación entre los modelos de código abierto, con una mejora del 50% respecto a su predecesor en Z.ai Code Bench y entrega integral de resultados de nivel de producción. Demuestra capacidad emergente en ciberseguridad, logrando el mejor resultado hasta la fecha en el benchmark de descubrimiento de vulnerabilidades CyberGym. Con una ventana de contexto de 1M tokens, una salida máxima de 128K tokens y tres niveles de esfuerzo de razonamiento, GLM-5.3 destaca en tareas complejas de horizonte largo. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-08-26 | Global |
| Qwen3.8-Flash es el modelo multimodal más reciente de la familia Qwen, que combina un potente razonamiento y capacidad de generación con una velocidad notable. Admite de forma nativa una ventana de contexto de un millón de tokens, lo que le permite procesar documentos extensos, bases de código completas y conversaciones complejas en una sola pasada. Destaca en asistencia para codificación, flujos de trabajo con agentes y comprensión visual, ya sea corrigiendo código de forma autónoma, operando aplicaciones de escritorio o analizando gráficos y videos largos. Totalmente compatible con los protocolos de API de OpenAI y Anthropic, se integra sin problemas con herramientas populares para desarrolladores como Claude Code y Codex, lo que facilita la creación de aplicaciones de alta concurrencia y flujos de trabajo inteligentes. Con un alto rendimiento y costos de inferencia muy competitivos, Qwen3.8-Flash es una opción ideal para desarrolladores y empresas que buscan lo mejor de ambos mundos en aplicaciones de IA. |
Generación de video | 2026-08-20 | Global |
| Wan3.0-Video-Prime es la versión de alta velocidad del modelo de generación de video Wan3.0, con capacidades alineadas con la versión estándar Wan3.0-Video. Admite entrada de referencia completa cuatrimodal y puede generar videos de hasta 30 segundos de duración, ofreciendo una experiencia audiovisual inmersiva con una velocidad de extremo a extremo significativamente mejorada. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-19 | Global |
| Kimi K3 es el modelo insignia más potente de Kimi, con 2.8 billones de parámetros. Construido sobre las tecnologías de atención lineal híbrida KDA (Kimi Delta Attention) y residuos de atención, admite de forma nativa la comprensión visual y cuenta con una ventana de contexto de 1 millón de tokens. Es el primer modelo de código abierto del mundo con 3 billones de parámetros diseñado para programación de contexto largo, trabajo de conocimiento y razonamiento avanzado. |
Generación de texto, Razonamiento | 2026-08-14 | Global |
| Un modelo de lenguaje grande insignia de mezcla de expertos (MoE) con 1.6 billones de parámetros totales y 49 mil millones de parámetros activados. Admite de forma nativa ventanas de contexto de hasta 1 millón de tokens. Entrenado con datos extensos de alta calidad, el modelo ofrece un sólido rendimiento en razonamiento matemático y lógico, razonamiento complejo, generación de código profesional y análisis profundo de documentos largos, y es adecuado para escenarios exigentes como investigación científica avanzada, flujos de trabajo empresariales complejos y aplicaciones agénticas sofisticadas. |
Generación de video | 2026-08-06 | Global |
| Wan3.0 es un modelo de generación de video todo en uno que admite uniformemente múltiples funciones creativas, incluyendo referencia, edición, replicación y conducción. Admite entrada de referencia completa cuatrimodal, generación de video de hasta 30 segundos, y puede analizar archivos, páginas web e imágenes complejas. Con consistencia de personajes de grado de producción y audio y visuales realistas, ofrece un impacto audiovisual inmersivo. |
Generación de imágenes | 2026-08-06 | Global |
| Contenido rico: Admite la entrada de hasta 4.5k tokens y un diseño de información densa con imágenes dentro de imágenes, permitiendo generar diseños complejos como periódicos, guiones gráficos, menús y exámenes en una sola pasada. Detalle auténtico: Admite la renderización precisa de texto tan pequeño como 10px, y reproduce vívidamente detalles finos como microexpresiones, poros y mechones de cabello individuales, acercándose a la calidad de la fotografía real. Conocimiento profundo: Admite la renderización nativa de 12 idiomas y más de 20 fuentes, simulación realista de interfaces principales como páginas web, juegos y transmisiones en vivo, incorporando completamente conocimiento externo. Qwen-Image-3.0-Pro no solo busca la "buena apariencia", sino la "utilidad", convirtiendo la generación de imágenes en una herramienta de productividad verdaderamente desplegable. |
Generación de imágenes | 2026-08-04 | Global |
| Comprensión clara de instrucciones: admite hasta 4.5k tokens de entrada, generando instrucciones complejas de imagen-texto en una sola pasada. Renderizado de texto estable: texto pequeño de 10px, 12 idiomas, más de 20 fuentes claramente legibles, listo para infografías e interfaces. Salida por lotes práctica: pósters, páginas web, interfaces y otras tareas diarias se pueden generar en masa a menor costo, ideal para la creación continua. Qwen-Image-3.0 Standard persigue no solo la calidad de generación, sino también la conveniencia creativa cotidiana, convirtiendo la generación de imágenes en una herramienta sostenible de productividad de contenido. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-02 | Global |
| Un modelo insignia MoE de 2.4 billones de parámetros con un salto integral en capacidades de codificación y ofimática, capaz de programar de forma autónoma durante días para entregar proyectos completos. Maneja cientos de tareas profesionales como trabajos legales, financieros y de diseño, entregando resultados de grado de producción de extremo a extremo en una sola conversación. La comprensión visual nativa recorre todo el flujo de planificación, ejecución y verificación, admitiendo el análisis semántico profundo de documentos ultra largos y videos largos. Realiza planificación autónoma e iteración de ciclo cerrado en tareas de horizonte largo, evolucionando continuamente. |
Generación de texto, Razonamiento | 2026-08-01 | Global |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de texto, Razonamiento, Comprensión visual | 2026-07-21 | Global |
| Los modelos Flash de la serie nativa de visión-lenguaje Qwen3.7 mejoran exhaustivamente la comprensión multimodal y las capacidades de ejecución de agentes en comparación con 3.6-Flash. Las mejoras clave incluyen capacidades multimodales fundamentales reforzadas, reconocimiento de objetos mejorado, y una percepción del mundo real e inteligencia espacial optimizadas. Los escenarios de agentes multimodales como Search Agent y CI Agent han recibido actualizaciones significativas, con una ejecución de tareas de extremo a extremo más estable. Las capacidades de codificación multimodal están optimizadas, ofreciendo una experiencia de codificación por intuición más fluida. |
Generación de texto | 2026-07-02 | Global |
| El modelo de juego de roles de la serie Qwen. Esta es una versión actualizada dinámicamente, y se proporcionarán notificaciones con antelación para cualquier actualización del modelo. Es adecuado para juegos de roles antropomórficos y cuenta con capacidades optimizadas para seguir instrucciones de personajes predefinidos, avanzar conversaciones y demostrar escucha activa y empatía. Adicionalmente, soporta la restauración profunda de personajes personalizados. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-T2V admite la generación de texto a video con una comprensión semántica mejorada, control de tomas cinematográficas y renderización dinámica de movimientos. Captura con mayor precisión la intención creativa, produciendo videos de alta calidad con movimientos más fluidos, detalles más ricos, mayor consistencia visual y acciones de personajes, atmósfera de escena y dinámica física más naturales. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-R2V admite la generación de referencia a video con una estabilidad significativamente mejorada en el sujeto, el estilo de escena y la consistencia visual. Con soporte para hasta 9 imágenes de referencia, puede comprender y preservar con mayor precisión la intención creativa, ofreciendo una mayor capacidad de control y expresividad en personajes, escenas, estilos y movimientos cinematográficos. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-I2V admite la generación de imagen a video con una calidad visual mejorada, rendimiento dinámico y consistencia entre clips. Comprende con mayor precisión la imagen de entrada y preserva la intención creativa, ofreciendo mejoras significativas en el realismo de la textura de la piel, la consistencia de la identidad del personaje entre clips, la suavidad del movimiento, la estabilidad de la renderización de texto y la sincronización audiovisual, produciendo videos de alta calidad con mayor realismo, detalles más ricos y una consistencia general más sólida. |
Generación de texto, Razonamiento | 2026-06-16 | Global |
| GLM-5.2 es el último modelo insignia de Zhipu AI, diseñado para tareas de horizonte largo con soporte para una ventana de contexto ultra larga de 1M. Cuenta con potentes capacidades de razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Destaca en múltiples benchmarks multitarea y es adecuado para interacción inteligente, aplicaciones empresariales y escenarios de asistencia al desarrollo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-15 | Global |
| kimi-k2.7-code es el modelo de codificación más inteligente de Kimi hasta la fecha. Sigue instrucciones de manera más confiable en contextos largos y completa tareas de programación con mayores tasas de éxito. Admite entradas de texto, imagen y video, junto con modo de pensamiento, conversación y tareas de agente. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-09 | Global |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, ha incorporado comprensión modal visual en comparación con la instantánea del 20 de mayo, lo que le permite percibir escenas del mundo real y admite capacidades de agentes híbridos interactivos multimodales. Esta versión se basa en una instantánea tomada el 8 de junio de 2026. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-01 | Global |
| Dentro de la serie Qwen3.7, el modelo Plus rentable se basa en sus sólidas capacidades de texto al tiempo que ofrece una actualización integral de sus habilidades de visión-lenguaje, todo ello preservando su inteligencia de nivel de agente de pila completa para codificación, uso de herramientas y flujos de trabajo de productividad. Su característica distintiva clave son las capacidades de agente híbrido interactivo multimodal, que le permiten percibir escenas del mundo real, leer pantallas e interactuar con interfaces gráficas de usuario, generar código basado en referencias visuales y realizar navegación de extremo a extremo dentro de aplicaciones móviles. |
Generación de texto, Razonamiento | 2026-05-20 | Global |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, actualmente ofrece una interfaz exclusiva de texto puro para experimentación pública. Qwen3.7 es un modelo insignia de próxima generación diseñado para la era centrada en agentes, cuyas fortalezas principales radican en la amplitud y profundidad de sus capacidades a nivel de agente: destaca en programación, tareas de oficina y productividad, y ejecución autónoma a largo plazo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-29 | Global |
| Kimi-k2.5 es el modelo más versátil de Moonshot AI con arquitectura multimodal nativa, que admite entradas visuales/de texto, modos de pensamiento/sin pensamiento, y tareas tanto de diálogo como de agente. |
Generación de video | 2026-04-26 | Global |
| HappyHorse-1.0-V2V admite la edición avanzada de video mediante instrucciones en lenguaje natural. Permite la edición local o global de elementos de video utilizando hasta 5 imágenes de referencia, preservando con precisión la dinámica de movimiento original para lograr una expresividad superior. |
Generación de video | 2026-04-26 | Global |
| HappyHorse-1.0-R2V admite la generación de referencia a video, ofreciendo una mayor estabilidad en la referencia de sujetos y escenas. Capaz de procesar hasta 9 imágenes de referencia, preserva con precisión la intención creativa para ofrecer un rendimiento superior. |
Generación de texto, Razonamiento | 2026-04-24 | Global |
| Un modelo grande MoE insignia con 1.6 billones de parámetros y 49 mil millones de parámetros activados, que admite de forma nativa longitudes de contexto de hasta un millón de tokens. Entrenado con un vasto corpus de datos de alta calidad, destaca en razonamiento matemático avanzado, inferencia lógica compleja, codificación especializada y análisis profundo de textos largos, lo que lo hace idóneo para aplicaciones exigentes como investigación de vanguardia, flujos de trabajo de oficina sofisticados y agentes de IA avanzados. |
Generación de texto, Razonamiento | 2026-04-24 | Global |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de video | 2026-04-22 | Global |
| HappyHorse-1.0-T2V admite la generación de texto a video, con una renderización dinámica altamente realista. Comprende con precisión la semántica del texto para producir videos de alta calidad que son fluidos, naturales y ricos en detalles. |
Generación de video | 2026-04-22 | Global |
| HappyHorse-1.0-I2V permite la generación de imagen a video, con una renderización dinámica altamente realista. Comprende con precisión tanto la semántica del texto como de la imagen para producir videos de alta calidad que son fluidos, naturales y ricos en detalles. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-17 | Global |
| La serie de modelos Flash nativos de visión-lenguaje Qwen3.6 ofrece una mejora significativa de rendimiento respecto a la versión 3.5-Flash. Este modelo destaca especialmente en capacidades de codificación agéntica, superando sustancialmente a su predecesor en múltiples benchmarks de agentes de código, así como en razonamiento matemático y de código. En cuanto a visión, presenta una inteligencia espacial notablemente mejorada, con mejoras especialmente significativas en la localización y detección de objetos. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-17 | Global |
| El modelo nativo de visión-lenguaje Qwen3.6 35B-A3B está construido sobre una arquitectura híbrida que integra mecanismos de atención lineal con un marco disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con el 3.5-35B-A3B, este modelo demuestra capacidades de codificación agéntica, habilidades de razonamiento matemático y de código, inteligencia espacial, así como rendimiento en localización y detección de objetos significativamente mejorados. |
Generación de texto, Razonamiento | 2026-04-14 | Global |
| GLM-5.1 es un modelo desarrollado por Zhipu AI, diseñado específicamente para tareas de horizonte largo. Cuenta con 744 mil millones de parámetros, admite un contexto ultra largo de 200k tokens y puede generar hasta 128k tokens en una sola respuesta. GLM-5.1 destaca en razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Ofrece resultados sobresalientes en múltiples benchmarks multitarea y es adecuado para aplicaciones como interacción inteligente persona-computadora, soluciones empresariales y asistencia para desarrolladores. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-01 | Global |
| Los modelos de la serie Plus nativos de visión-lenguaje Qwen3.6 demuestran un rendimiento excepcional a la par de los modelos más avanzados actuales, con una mejora significativa en los resultados generales en comparación con la serie 3.5. Los modelos han sido notablemente mejorados en capacidades relacionadas con código, como codificación agéntica, programación front-end y Vibe coding, así como en reconocimiento general de objetos multimodal, OCR y localización de objetos. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | EU |
| Los modelos Flash nativos de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con la serie 3, estos modelos ofrecen un salto adelante en el rendimiento tanto para tareas de texto puro como multimodales, ofreciendo tiempos de respuesta rápidos mientras equilibran la velocidad de inferencia y el rendimiento general. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Global |
| Los modelos Flash nativos de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En comparación con la serie 3, estos modelos ofrecen un salto adelante en el rendimiento tanto para tareas de texto puro como multimodales, ofreciendo tiempos de respuesta rápidos mientras equilibran la velocidad de inferencia y el rendimiento general. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Global |
| La serie Qwen3.5 35B-A3B es un modelo nativo de visión-lenguaje diseñado con una arquitectura híbrida que integra mecanismos de atención lineal y un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. Su rendimiento general es comparable al de Qwen3.5-27B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Global |
| El modelo Dense nativo de visión-lenguaje Qwen3.5 27B incorpora un mecanismo de atención lineal, ofreciendo tiempos de respuesta rápidos mientras equilibra la velocidad de inferencia y el rendimiento. Sus capacidades generales son comparables a las del Qwen3.5-122B-A10B. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-23 | Global |
| El modelo nativo de visión-lenguaje Qwen3.5 122B-A10B está construido sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. En términos de rendimiento general, este modelo solo es superado por Qwen3.5-397B-A17B. Sus capacidades de texto superan significativamente a las de Qwen3-235B-2507, y sus capacidades visuales sobrepasan a las de Qwen3-VL-235B. |
Generación de texto | 2026-02-20 | EU |
| El modelo de generación de código de nueva generación de la serie Qwen3 ofrece un rendimiento cercano al de Qwen3-Coder-Plus, a la vez que proporciona capacidades aún superiores. El modelo se ha optimizado con enfoque en la comprensión a nivel de repositorio, admite interacciones de herramientas en múltiples turnos y mejora su compatibilidad con herramientas de codificación basadas en agentes. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-15 | Global |
| Los modelos Plus de la serie nativa de visión-lenguaje Qwen3.5 están construidos sobre una arquitectura híbrida que integra mecanismos de atención lineal con modelos dispersos de mezcla de expertos, logrando una mayor eficiencia de inferencia. En una variedad de evaluaciones de tareas, la serie 3.5 demuestra consistentemente un rendimiento a la par de los modelos líderes más avanzados. En comparación con la serie 3, estos modelos muestran un gran avance tanto en capacidades de texto puro como multimodales. |
Generación de texto, Razonamiento, Comprensión visual | 2026-02-15 | Global |
| El modelo nativo de visión y lenguaje 397B-A17B de la serie Qwen3.5 está construido sobre una arquitectura híbrida que integra un mecanismo de atención lineal con un modelo disperso de mezcla de expertos, logrando una mayor eficiencia de inferencia. Ofrece un rendimiento de vanguardia comparable a los modelos más avanzados en una amplia gama de tareas, incluyendo comprensión del lenguaje, razonamiento lógico, generación de código, tareas basadas en agentes, comprensión de imágenes, comprensión de video e interacciones con interfaces gráficas de usuario (GUI). Con sus sólidas capacidades de generación de código y de agente, el modelo exhibe una fuerte generalización en diversos agentes. |
Generación de texto, Razonamiento | 2026-01-23 | EU |
| En comparación con la instantánea del 23 de septiembre de 2025, el modelo Max de la serie Qwen-3 en esta versión logra una integración efectiva de los modos de pensamiento y no pensamiento, lo que resulta en una mejora integral y sustancial del rendimiento general del modelo. En el modo de pensamiento, el modelo admite simultáneamente la búsqueda web, la extracción de información web y una herramienta de intérprete de código, lo que le permite abordar problemas más complejos y desafiantes con mayor precisión al aprovechar herramientas externas mientras participa en un razonamiento lento y deliberativo. Esta versión se basa en una instantánea tomada el 23 de enero de 2026. |
Comprensión visual | 2026-01-22 | EU |
| La serie Qwen3 de modelos de comprensión visual de tamaño pequeño integra eficazmente los modos de pensamiento y no pensamiento. En comparación con la instantánea tomada el 15 de octubre de 2025, el rendimiento general del modelo ha mejorado significativamente: ofrece capacidades mejoradas en reconocimiento visual general y razonamiento, y muestra mejoras notables en la precisión de reconocimiento en diversos escenarios empresariales como seguridad, inspecciones en tiendas, monitoreo de equipos y resolución de problemas basada en fotografías. Esta versión es una instantánea al 22 de enero de 2026. |
Generación de video | 2025-12-16 | Global |
| Referencia a video de Wan2.6, admite el uso de una persona específica o cualquier objeto como referencia, manteniendo con precisión la consistencia de apariencia y voz, y permite referencias de múltiples personajes para actuaciones conjuntas. |
Generación de imágenes | 2025-12-15 | Global |
| Wan2.6 texto a imagen, calidad visual, estética y seguimiento de instrucciones mejorados ofrecen un control de estilo preciso, retratos realistas, comprensión de textos largos y una amplia cobertura de propiedad intelectual histórica/cultural, permitiendo una generación visual de alta calidad y gran expresividad. |
Generación de imágenes | 2025-12-15 | Global |
| Wan2.6 Image, un modelo integral de generación de imágenes que admite razonamiento conjunto de texto e imagen, fusión creativa de múltiples imágenes, consistencia de grado comercial, transferencia de estilo estético y control preciso del encuadre y la iluminación, mejorando significativamente la consistencia, la controlabilidad y la expresividad en la generación de imágenes. |
Generación de video | 2025-12-03 | Global |
| Wan2.6 text to video: la programación inteligente de tomas admite narrativas de múltiples tomas, generando videos narrativos con sujetos, escenas y atmósfera coherentes, con una duración máxima de 15 segundos. Ofrece un mejor seguimiento de instrucciones y una fidelidad visual mejorada. |
Generación de video | 2025-12-03 | Global |
| Wan2.6 imagen a video, la programación inteligente de tomas permite narrativas multicámara, ofrece generación de voz de mayor calidad, admite diálogos estables de múltiples hablantes con timbres vocales más naturales y realistas, y soporta la generación de clips de hasta 15 segundos de duración. |
— | 2025-12-01 | EU |
| Esta versión es una instantánea del 1 de diciembre de 2025 y presenta capacidades de razonamiento mejoradas en comparación con la instantánea del 28 de julio. Las capacidades de agente y las habilidades de invocación de herramientas en múltiples turnos se han mejorado aún más, y el rendimiento en tareas creativas subjetivas ha mejorado significativamente. Admite una longitud de contexto de hasta 1 millón de tokens, con precios escalonados según la longitud del contexto. |
— | 2025-12-01 | Global |
| Esta versión es una instantánea del 1 de diciembre de 2025 y presenta capacidades de razonamiento mejoradas en comparación con la instantánea del 28 de julio. Las capacidades de agente y las habilidades de invocación de herramientas en múltiples turnos se han mejorado aún más, y el rendimiento en tareas creativas subjetivas ha mejorado significativamente. Admite una longitud de contexto de hasta 1 millón de tokens, con precios escalonados según la longitud del contexto. |
Comprensión visual | 2025-11-21 | Global |
| Este modelo es una versión instantánea del 20 de noviembre de 2025, y se basa en la arquitectura más reciente de Qwen-VL3 con una actualización integral. Presenta mejoras significativas en el análisis de documentos y las capacidades de localización de texto, así como reducciones sustanciales en la latencia de extremo a extremo y las alucinaciones. |
Comprensión visual | 2025-11-20 | Global |
| Qwen-VL_OCR es un modelo OCR entrenado sobre la base de Qwen-VL. Agrega diversas tareas de reconocimiento, análisis y procesamiento de imagen-texto mediante un enfoque de modelo unificado, ofreciendo potentes capacidades de reconocimiento de imagen-texto. |
Generación de texto | 2025-11-19 | Global |
| Qwen-MT-Lite es un modelo de lenguaje grande de la serie de modelos Qwen especializado en traducción multilingüe. Proporciona servicios de traducción rápidos y de alta calidad en 32 idiomas a un precio rentable. Ofrece funciones como intervención de terminología, preservación de formato y traducción específica por dominio para satisfacer las diversas necesidades de distintas aplicaciones, garantizando tanto eficiencia como rendimiento. |
Generación de texto | 2025-11-11 | Global |
| Qwen-MT-Flash, un modelo de lenguaje grande de la serie Qwen, ha sido completamente actualizado con la arquitectura Qwen 3 para mejorar significativamente el rendimiento y la calidad de traducción. Proporciona traducción rápida y rentable en 92 idiomas, a la vez que soporta funciones avanzadas como intervención de terminología, preservación de formato y adaptación específica por dominio. Es la opción ideal para aplicaciones que requieren un potente equilibrio entre velocidad, calidad y costo. |
Razonamiento, Comprensión visual | 2025-10-21 | Global |
| El modelo denso más grande de la serie Qwen3-VL, cuya versión de razonamiento posee capacidades de razonamiento multimodal solo superadas por Qwen3-VL-235B-Thinking. Destaca en resolución de problemas de STEM y matemáticas, comprensión general de imágenes y video, y alcanza un rendimiento de vanguardia en capacidades de agentes multimodales, lo que lo hace ideal para tareas complejas de razonamiento multimodal. |
Comprensión visual | 2025-10-21 | Global |
| El modelo denso más grande de la serie Qwen3-VL, en su versión sin inferencia, ofrece un rendimiento general solo superado por Qwen3-VL-235B-Instruct. Destaca en reconocimiento y comprensión de documentos, demuestra una fuerte conciencia espacial y capacidades de identificación de objetos, y logra un rendimiento de vanguardia en detección visual 2D y razonamiento espacial. Es idóneo para tareas de percepción complejas en una amplia gama de escenarios de propósito general. |
Razonamiento, Comprensión visual | 2025-10-15 | EU |
| La serie Qwen3 de modelos de comprensión visual a pequeña escala integra eficazmente los modos de pensamiento y no pensamiento, ofreciendo un rendimiento superior en comparación con el modelo de código abierto Qwen3-VL-30B-A3B, manteniendo al mismo tiempo velocidades de respuesta rápidas. Cuenta con una actualización integral en la comprensión de imágenes y videos, admitiendo contextos ultra largos como videos extendidos y documentos, conciencia espacial y reconocimiento de objetos en diversos dominios. Equipado con capacidades de localización visual 2D/3D, es muy adecuado para abordar tareas complejas del mundo real. |
Razonamiento, Comprensión visual | 2025-10-15 | Global |
| La serie Qwen3 de modelos de comprensión visual a pequeña escala integra eficazmente los modos de pensamiento y no pensamiento, ofreciendo un rendimiento superior en comparación con el modelo de código abierto Qwen3-VL-30B-A3B, manteniendo al mismo tiempo velocidades de respuesta rápidas. Cuenta con una actualización integral en la comprensión de imágenes y videos, admitiendo contextos ultra largos como videos extendidos y documentos, conciencia espacial y reconocimiento de objetos en diversos dominios. Equipado con capacidades de localización visual 2D/3D, es muy adecuado para abordar tareas complejas del mundo real. |
Razonamiento, Comprensión visual | 2025-10-03 | Global |
| La versión Thinking del segundo modelo MoE más grande de la serie Qwen3-VL presenta velocidades de respuesta rápidas y capacidades mejoradas de comprensión y razonamiento multimodal, agentes visuales y soporte para contextos extremadamente largos, como videos y documentos extensos. También cuenta con habilidades de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos integralmente mejoradas, lo que lo hace idóneo para tareas complejas del mundo real. |
Comprensión visual | 2025-10-03 | Global |
| La versión Instruct del segundo modelo MoE más grande de la serie Qwen3-VL ofrece velocidades de respuesta rápidas y admite contextos extremadamente largos, como videos y documentos extensos. Incluye capacidades totalmente mejoradas de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos, así como localización visual 2D/3D, lo que le permite manejar desafíos complejos del mundo real. |
Razonamiento, Comprensión visual | 2025-09-30 | Global |
| La versión Thinking del modelo Dense de 8B en la serie Qwen3-VL consume menos memoria GPU y es capaz de realizar comprensión y razonamiento multimodal. Admite contextos extremadamente largos, como videos y documentos extensos, localización visual 2D/3D, y cuenta con capacidades de comprensión de imágenes/videos, conciencia espacial y reconocimiento de objetos totalmente mejoradas. |
Comprensión visual | 2025-09-30 | Global |
| La versión Instruct del modelo Dense de 8B en la serie Qwen3-VL requiere menos memoria GPU y proporciona una comprensión de imagen y video integralmente mejorada, soporte para contextos extremadamente largos como videos y documentos extensos, conciencia espacial y capacidades de reconocimiento de objetos, lo que lo hace adecuado para abordar tareas complejas del mundo real. |
Generación de texto, Razonamiento | 2025-09-24 | EU |
| El modelo Max de la serie Qwen 3 ha recibido actualizaciones especializadas en programación de agentes e invocación de herramientas en comparación con la versión preliminar. El modelo lanzado oficialmente en esta ocasión ha alcanzado un rendimiento de vanguardia (SOTA) en su campo y se adapta mejor a las demandas de agentes que operan en escenarios más complejos. |
Generación de texto, Razonamiento | 2025-09-24 | Global |
| El modelo Max de la serie Qwen 3 ha recibido actualizaciones especializadas en programación de agentes e invocación de herramientas en comparación con la versión preliminar. El modelo lanzado oficialmente en esta ocasión ha alcanzado un rendimiento de vanguardia (SOTA) en su campo y se adapta mejor a las demandas de agentes que operan en escenarios más complejos. |
Comprensión visual | 2025-09-23 | EU |
| Los modelos VL de la serie Qwen3 integran eficazmente los modos de pensamiento y no pensamiento, logrando un rendimiento líder mundial en capacidades de agentes visuales en conjuntos de datos de referencia públicos como OS World. Esta versión presenta mejoras integrales en áreas como codificación visual, percepción espacial y razonamiento multimodal, mejorando significativamente las habilidades de percepción y reconocimiento visual, y soportando la comprensión de videos ultralargos. |
Comprensión visual | 2025-09-23 | Global |
| Los modelos VL de la serie Qwen3 integran eficazmente los modos de pensamiento y no pensamiento, logrando un rendimiento líder mundial en capacidades de agentes visuales en conjuntos de datos de referencia públicos como OS World. Esta versión presenta mejoras integrales en áreas como codificación visual, percepción espacial y razonamiento multimodal, mejorando significativamente las habilidades de percepción y reconocimiento visual, y soportando la comprensión de videos ultralargos. |
Razonamiento, Comprensión visual | 2025-09-23 | Global |
| Los modelos VL de la serie Qwen3 cuentan con capacidades de razonamiento multimodal significativamente mejoradas, con un enfoque particular en la optimización del modelo para razonamiento STEM y matemático. Las habilidades de percepción y reconocimiento visual se han mejorado de manera integral, y las capacidades de OCR han recibido una actualización importante. |
Comprensión visual | 2025-09-23 | Global |
| Los modelos VL de la serie Qwen3 han sido actualizados integralmente en áreas como la codificación visual y la percepción espacial. Sus capacidades de percepción y reconocimiento visual han mejorado significativamente, admitiendo la comprensión de videos ultralargos, y su funcionalidad de OCR ha recibido una mejora importante. |
Generación de texto | 2025-09-23 | Global |
| Modelo de generación de código basado en Qwen3-based con una potente capacidad de agente de codificación, destaca en la invocación de herramientas y la interacción con el entorno, capaz de realizar programación autónoma con una excelente capacidad de código manteniendo su habilidad general. Esta es una instantánea del 23 de septiembre de 2025. En comparación con la versión anterior (instantánea del 22 de julio), demuestra una mayor robustez en el rendimiento de tareas posteriores y en la invocación de herramientas, junto con una seguridad de código mejorada. |
Generación de texto, Razonamiento | 2025-09-16 | EU |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Generación de texto, Razonamiento | 2025-09-16 | Global |
| Qwen-Plus es una versión mejorada del modelo de lenguaje ultra grande Qwen que admite múltiples idiomas de entrada, como chino e inglés. En comparación con versiones anteriores, muestra mejoras significativas tanto en la generación de código en chino e inglés, el razonamiento lógico y las capacidades multilingües. El estilo de respuesta se ha ajustado considerablemente para alinearse con las preferencias humanas, con mejoras notables en el nivel de detalle y la claridad de las respuestas. Se han realizado mejoras especializadas en escritura creativa, cumplimiento del formato JSON y habilidades de juego de roles. |
Generación de texto, Razonamiento | 2025-09-11 | Global |
| Una nueva generación de modelos de modo de pensamiento de código abierto basados en Qwen3-based. Esta versión ofrece un mejor seguimiento de instrucciones y respuestas resumidas más concisas en comparación con la iteración anterior (Qwen3-235B-A22B-Thinking-2507). |
Generación de texto | 2025-09-11 | Global |
| Una nueva generación de modelos de código abierto en modo sin razonamiento impulsada por Qwen3. Esta versión demuestra una comprensión superior del texto en chino, un razonamiento lógico reforzado y capacidades mejoradas en tareas de generación de texto respecto a la iteración anterior (Qwen3-235B-A22B-Instruct-2507). |
Generación de texto, Razonamiento | 2025-09-11 | Global |
| A partir de la instantánea del 11 de septiembre de 2025, esta versión presenta un seguimiento de instrucciones mejorado y respuestas de resumen simplificadas en modo de pensamiento. El modo sin pensamiento ofrece una comprensión superior del texto en chino y capacidades reforzadas de razonamiento lógico. El modelo admite una longitud de contexto de 1M con precios escalonados. |
Generación de texto, Razonamiento | 2025-09-05 | Global |
| Una versión preliminar del modelo Max de la serie Qwen 3, que logra una integración efectiva de los modos de pensamiento y sin pensamiento. En modo de pensamiento, se produce una mejora significativa en capacidades como programación de agentes inteligentes, razonamiento de sentido común y razonamiento en matemáticas, ciencias y dominios generales. |
Generación de texto, Razonamiento | 2025-08-01 | Global |
| El modelo Flash de Qwen3 ofrece una potente fusión de modos de pensamiento y sin pensamiento con cambio dinámico durante la conversación, destacando en razonamiento complejo y mostrando mejoras significativas en el seguimiento de instrucciones y la comprensión de texto. Admite una longitud de contexto de 1M y se factura según un modelo escalonado correspondiente al uso de contexto. |
Generación de texto | 2025-07-31 | Global |
| Modelo de generación de código basado en Qwen3-based que hereda la capacidad de agente de codificación de Qwen3-Coder-480B-A35B-Instruct; su capacidad de código alcanza el estado del arte (SOTA) en su misma escala. |
Generación de texto, Razonamiento | 2025-07-30 | Global |
| Modelo de razonamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-30B-A3B), destaca en tareas complejas de razonamiento, incluidas lógica, matemáticas, ciencias, código y otros escenarios desafiantes; el seguimiento de instrucciones, la comprensión de textos y las capacidades de traducción multilingüe han mejorado significativamente. |
Generación de texto | 2025-07-29 | Global |
| Basado en Qwen3, este modelo de generación de código hereda las capacidades de agente de codificación de Qwen3-Coder-Plus y admite interacción de herramientas en múltiples turnos. Cuenta con optimizaciones enfocadas en la comprensión a nivel de repositorio y una mayor estabilidad en la llamada a herramientas. |
Generación de texto | 2025-07-29 | Global |
| Modelo sin razonamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-30B-A3B), muestra mejoras importantes en las capacidades generales multilingües, incluyendo chino, inglés y otros idiomas. Optimizado para tareas subjetivas abiertas, ofrece respuestas significativamente más alineadas con las preferencias del usuario y más útiles. |
Generación de texto, Razonamiento | 2025-07-29 | Global |
| Modelo Plus de la serie Qwen3, integra modos de pensamiento y sin pensamiento, y permite cambiar entre ellos durante el diálogo. En comparación con la versión anterior, añade mejoras específicas para las capacidades en chino e inglés y para la llamada a herramientas. Esta es una instantánea del 28 de julio de 2025; es la primera en admitir una longitud de contexto de 1 M y utiliza precios escalonados. |
Generación de texto, Razonamiento | 2025-07-25 | Global |
| Modelo de pensamiento Qwen3 de código abierto; en comparación con la versión anterior (Qwen3-235B-A22B), muestra mejoras importantes en capacidad lógica, capacidades generales, ampliación de conocimientos y creatividad, adecuado para escenarios de alta dificultad y pensamiento profundo. |
Generación de texto | 2025-07-24 | Global |
| Qwen-MT-Plus, el modelo de traducción insignia de nuestra serie Qwen, ahora está completamente actualizado con la arquitectura Qwen3. Admite 92 idiomas y ofrece traducciones excepcionalmente precisas y de sonido natural. Sus capacidades avanzadas en comprensión contextual, control de terminología y preservación de formato lo convierten en una opción superior frente a los modelos tradicionales, especialmente para dominios especializados. |
Generación de texto | 2025-07-23 | Global |
| Modelo de generación de código basado en Qwen3-based con potente capacidad de agente de codificación, destaca en la llamada de herramientas y la interacción con el entorno, capaz de programación autónoma con una capacidad de código sobresaliente manteniendo su capacidad general. |
Generación de texto | 2025-07-23 | Global |
| Modelo de generación de código basado en Qwen3-based con potente capacidad de agente de codificación; su capacidad de código alcanza el estado del arte (SOTA) en modelos de código abierto. |
Generación de texto | 2025-07-23 | Global |
| Modelo de no pensamiento de código abierto Qwen3; en comparación con la versión anterior (Qwen3-235B-A22B), muestra ligeras mejoras en creatividad subjetiva y seguridad del modelo. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración efectiva de los modos de pensamiento y no pensamiento, permitiendo el cambio de modo durante las conversaciones. Su capacidad de razonamiento alcanza el nivel SOTA en la industria de la misma escala, y su capacidad general supera significativamente a Qwen2.5-7B. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento supera significativamente a la de QwQ, y su capacidad general excede notablemente a la de Qwen2.5-32B-Instruct, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento rivaliza con la de QwQ-32B con un tamaño de parámetros menor, y su capacidad general supera significativamente a la de Qwen2.5-14B, alcanzando el nivel SOTA en la industria para su misma escala. |
Generación de texto, Razonamiento | 2025-05-12 | Global |
| Logra una integración eficaz de los modos con y sin razonamiento, permitiendo cambiar entre ellos durante las conversaciones. Su capacidad de razonamiento supera significativamente a la de QwQ, y su capacidad general excede notablemente a la de Qwen2.5-72B-Instruct, alcanzando el nivel SOTA en la industria para su misma escala. |
Japan (Tokyo)
Tipo de modelo | Fecha | Ámbito del servicio | ID de modelo | Descripción |
|---|---|---|---|---|
Generación de texto, Razonamiento, Comprensión visual | 2026-10-17 | Global |
| DeepSeek-V4.1-Flash-1017 es la iteración más reciente de V4.1-Flash, entrenada mediante aprendizaje por refuerzo basado en autorretroalimentación para ofrecer mejoras sustanciales con respecto a su predecesor en benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 y ProgramBench. Al mismo tiempo, reduce el tiempo de ejecución de las tareas y la longitud de la salida para alcanzar un nuevo óptimo de Pareto entre rendimiento y costo en múltiples entornos de evaluación. Su capacidad para construir proyectos completos desde cero se ha reforzado aún más, lo que permite realizar tareas de programación "basadas en deseos", como el desarrollo de juegos y el modelado 3D, manteniendo el mismo MoE de 552B parámetros, la comprensión visual multimodal nativa, la ventana de contexto de 1M tokens y la salida máxima de 384K tokens. |
Omni-modal | 2026-09-17 | Global |
| Qwen3.8-Omni-Flash admite entradas de texto, imagen, audio y video con salida de texto. Admite modos de pensamiento y no pensamiento, llamada a funciones, búsqueda web y almacenamiento en caché de contexto para comprensión de audio y video, análisis multimodal y aplicaciones de agentes. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-13 | Global |
| DeepSeek-V4.1-Flash es el modelo insignia ligero de la nueva familia de arquitectura de DeepSeek, que integra 552B parámetros MoE totales para ofrecer una inteligencia superior a la de los modelos insignia en benchmarks clave, superando incluso a DeepSeek-V4-Pro. Adopta un diseño asimétrico Causal Encoder-Decoder con 8B parámetros activos para la entrada y 16B para la salida, y ofrece comprensión visual multimodal nativa. El uso de KV Cache se reduce a una cuarta parte de la HBM y a un octavo del almacenamiento SSD de la generación anterior, lo que disminuye drásticamente los costos para cargas de trabajo de contexto largo y agentes. Con una ventana de contexto de 1M tokens y una salida máxima de hasta 384K tokens, equilibra un alto rendimiento, baja latencia y una eficiencia de costos excepcional. |
Generación de texto, Razonamiento, Comprensión visual | 2026-09-02 | Global |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) es una instantánea mejorada de qwen3.8-max. La capacidad de codificación alcanza nuevos niveles, manejando proyectos a escala de ingeniería más complejos y desarrollo autónomo de largo alcance. El rendimiento del agente colaborativo mejora significativamente, con mayor compostura en la orquestación de múltiples herramientas y la entrega de tareas de extremo a extremo. La comprensión visual nativa se perfecciona en el razonamiento de gráficos, el análisis de documentos y la percepción multimodal, volviéndose más nítida y confiable. Conserva la ventana de contexto de 1M, el modo de pensamiento y el ecosistema completo de herramientas, evolucionando hacia un nivel superior de inteligencia. |
Generación de texto, Pensamiento profundo | 2026-08-28 | Global |
| GLM-5.3 es el último modelo de lenguaje grande insignia de Z.ai, que ofrece un rendimiento de codificación y de agentes de última generación entre los modelos de código abierto, con una mejora del 50% respecto a su predecesor en Z.ai Code Bench y entrega integral de resultados de nivel de producción. Demuestra capacidad emergente en ciberseguridad, logrando el mejor resultado hasta la fecha en el benchmark de descubrimiento de vulnerabilidades CyberGym. Con una ventana de contexto de 1M tokens, una salida máxima de 128K tokens y tres niveles de esfuerzo de razonamiento, GLM-5.3 destaca en tareas complejas de horizonte largo. |
Generación de texto, Pensamiento profundo, Comprensión visual | 2026-08-26 | Global |
| Qwen3.8-Flash es el modelo multimodal más reciente de la familia Qwen, que combina un potente razonamiento y capacidad de generación con una velocidad notable. Admite de forma nativa una ventana de contexto de un millón de tokens, lo que le permite procesar documentos extensos, bases de código completas y conversaciones complejas en una sola pasada. Destaca en asistencia para codificación, flujos de trabajo con agentes y comprensión visual, ya sea corrigiendo código de forma autónoma, operando aplicaciones de escritorio o analizando gráficos y videos largos. Totalmente compatible con los protocolos de API de OpenAI y Anthropic, se integra sin problemas con herramientas populares para desarrolladores como Claude Code y Codex, lo que facilita la creación de aplicaciones de alta concurrencia y flujos de trabajo inteligentes. Con un alto rendimiento y costos de inferencia muy competitivos, Qwen3.8-Flash es una opción ideal para desarrolladores y empresas que buscan lo mejor de ambos mundos en aplicaciones de IA. |
Generación de video | 2026-08-20 | Global |
| Wan3.0-Video-Prime es la versión de alta velocidad del modelo de generación de video Wan3.0, con capacidades alineadas con la versión estándar Wan3.0-Video. Admite entrada de referencia completa cuatrimodal y puede generar videos de hasta 30 segundos de duración, ofreciendo una experiencia audiovisual inmersiva con una velocidad de extremo a extremo significativamente mejorada. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-19 | Global |
| Kimi K3 es el modelo insignia más potente de Kimi, con 2.8 billones de parámetros. Construido sobre las tecnologías de atención lineal híbrida KDA (Kimi Delta Attention) y residuos de atención, admite de forma nativa la comprensión visual y cuenta con una ventana de contexto de 1 millón de tokens. Es el primer modelo de código abierto del mundo con 3 billones de parámetros diseñado para programación de contexto largo, trabajo de conocimiento y razonamiento avanzado. |
Generación de texto, Razonamiento | 2026-08-14 | Global |
| Un modelo de lenguaje grande insignia de mezcla de expertos (MoE) con 1.6 billones de parámetros totales y 49 mil millones de parámetros activados. Admite de forma nativa ventanas de contexto de hasta 1 millón de tokens. Entrenado con datos extensos de alta calidad, el modelo ofrece un sólido rendimiento en razonamiento matemático y lógico, razonamiento complejo, generación de código profesional y análisis profundo de documentos largos, y es adecuado para escenarios exigentes como investigación científica avanzada, flujos de trabajo empresariales complejos y aplicaciones agénticas sofisticadas. |
Generación de video | 2026-08-06 | Global |
| Wan3.0 es un modelo de generación de video todo en uno que admite uniformemente múltiples funciones creativas, incluyendo referencia, edición, replicación y conducción. Admite entrada de referencia completa cuatrimodal, generación de video de hasta 30 segundos, y puede analizar archivos, páginas web e imágenes complejas. Con consistencia de personajes de grado de producción y audio y visuales realistas, ofrece un impacto audiovisual inmersivo. |
Generación de imágenes | 2026-08-06 | Global |
| Contenido rico: Admite la entrada de hasta 4.5k tokens y un diseño de información densa con imágenes dentro de imágenes, permitiendo generar diseños complejos como periódicos, guiones gráficos, menús y exámenes en una sola pasada. Detalle auténtico: Admite la renderización precisa de texto tan pequeño como 10px, y reproduce vívidamente detalles finos como microexpresiones, poros y mechones de cabello individuales, acercándose a la calidad de la fotografía real. Conocimiento profundo: Admite la renderización nativa de 12 idiomas y más de 20 fuentes, simulación realista de interfaces principales como páginas web, juegos y transmisiones en vivo, incorporando completamente conocimiento externo. Qwen-Image-3.0-Pro no solo busca la "buena apariencia", sino la "utilidad", convirtiendo la generación de imágenes en una herramienta de productividad verdaderamente desplegable. |
Generación de imágenes | 2026-08-04 | Global |
| Comprensión clara de instrucciones: admite hasta 4.5k tokens de entrada, generando instrucciones complejas de imagen-texto en una sola pasada. Renderizado de texto estable: texto pequeño de 10px, 12 idiomas, más de 20 fuentes claramente legibles, listo para infografías e interfaces. Salida por lotes práctica: pósters, páginas web, interfaces y otras tareas diarias se pueden generar en masa a menor costo, ideal para la creación continua. Qwen-Image-3.0 Standard persigue no solo la calidad de generación, sino también la conveniencia creativa cotidiana, convirtiendo la generación de imágenes en una herramienta sostenible de productividad de contenido. |
Generación de texto, Razonamiento, Comprensión visual | 2026-08-02 | Global |
| Un modelo insignia MoE de 2.4 billones de parámetros con un salto integral en capacidades de codificación y ofimática, capaz de programar de forma autónoma durante días para entregar proyectos completos. Maneja cientos de tareas profesionales como trabajos legales, financieros y de diseño, entregando resultados de grado de producción de extremo a extremo en una sola conversación. La comprensión visual nativa recorre todo el flujo de planificación, ejecución y verificación, admitiendo el análisis semántico profundo de documentos ultra largos y videos largos. Realiza planificación autónoma e iteración de ciclo cerrado en tareas de horizonte largo, evolucionando continuamente. |
Generación de texto, Razonamiento | 2026-08-01 | Global |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de texto, Razonamiento, Comprensión visual | 2026-07-28 | Global |
| kimi-k2.7-code es el modelo de codificación más inteligente de Kimi hasta la fecha. Sigue instrucciones de manera más confiable en contextos largos y completa tareas de programación con mayores tasas de éxito. Admite entradas de texto, imagen y video, junto con modo de pensamiento, conversación y tareas de agente. |
Generación de texto, Razonamiento | 2026-07-28 | Global |
| GLM-5.2 es el último modelo insignia de Zhipu AI, diseñado para tareas de horizonte largo con soporte para una ventana de contexto ultra larga de 1M. Cuenta con potentes capacidades de razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Destaca en múltiples benchmarks multitarea y es adecuado para interacción inteligente, aplicaciones empresariales y escenarios de asistencia al desarrollo. |
Generación de texto, Razonamiento, Comprensión visual | 2026-07-21 | Global |
| Los modelos Flash de la serie nativa de visión-lenguaje Qwen3.7 mejoran exhaustivamente la comprensión multimodal y las capacidades de ejecución de agentes en comparación con 3.6-Flash. Las mejoras clave incluyen capacidades multimodales fundamentales reforzadas, reconocimiento de objetos mejorado, y una percepción del mundo real e inteligencia espacial optimizadas. Los escenarios de agentes multimodales como Search Agent y CI Agent han recibido actualizaciones significativas, con una ejecución de tareas de extremo a extremo más estable. Las capacidades de codificación multimodal están optimizadas, ofreciendo una experiencia de codificación por intuición más fluida. |
Generación de texto | 2026-07-02 | Global |
| El modelo de juego de roles de la serie Qwen. Esta es una versión actualizada dinámicamente, y se proporcionarán notificaciones con antelación para cualquier actualización del modelo. Es adecuado para juegos de roles antropomórficos y cuenta con capacidades optimizadas para seguir instrucciones de personajes predefinidos, avanzar conversaciones y demostrar escucha activa y empatía. Adicionalmente, soporta la restauración profunda de personajes personalizados. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-T2V admite la generación de texto a video con una comprensión semántica mejorada, control de tomas cinematográficas y renderización dinámica de movimientos. Captura con mayor precisión la intención creativa, produciendo videos de alta calidad con movimientos más fluidos, detalles más ricos, mayor consistencia visual y acciones de personajes, atmósfera de escena y dinámica física más naturales. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-R2V admite la generación de referencia a video con una estabilidad significativamente mejorada en el sujeto, el estilo de escena y la consistencia visual. Con soporte para hasta 9 imágenes de referencia, puede comprender y preservar con mayor precisión la intención creativa, ofreciendo una mayor capacidad de control y expresividad en personajes, escenas, estilos y movimientos cinematográficos. |
Generación de video | 2026-06-16 | Global |
| HappyHorse-1.1-I2V admite la generación de imagen a video con una calidad visual mejorada, rendimiento dinámico y consistencia entre clips. Comprende con mayor precisión la imagen de entrada y preserva la intención creativa, ofreciendo mejoras significativas en el realismo de la textura de la piel, la consistencia de la identidad del personaje entre clips, la suavidad del movimiento, la estabilidad de la renderización de texto y la sincronización audiovisual, produciendo videos de alta calidad con mayor realismo, detalles más ricos y una consistencia general más sólida. |
Generación de texto, Razonamiento, Comprensión visual | 2026-06-01 | Global |
| Dentro de la serie Qwen3.7, el modelo Plus rentable se basa en sus sólidas capacidades de texto al tiempo que ofrece una actualización integral de sus habilidades de visión-lenguaje, todo ello preservando su inteligencia de nivel de agente de pila completa para codificación, uso de herramientas y flujos de trabajo de productividad. Su característica distintiva clave son las capacidades de agente híbrido interactivo multimodal, que le permiten percibir escenas del mundo real, leer pantallas e interactuar con interfaces gráficas de usuario, generar código basado en referencias visuales y realizar navegación de extremo a extremo dentro de aplicaciones móviles. |
Generación de texto, Razonamiento | 2026-05-21 | Global |
| El modelo Max, el más grande y capaz de la serie Qwen3.7, actualmente ofrece una interfaz exclusiva de texto puro para experimentación pública. Qwen3.7 es un modelo insignia de próxima generación diseñado para la era centrada en agentes, cuyas fortalezas principales radican en la amplitud y profundidad de sus capacidades a nivel de agente: destaca en programación, tareas de oficina y productividad, y ejecución autónoma a largo plazo. |
Generación de texto, Razonamiento | 2026-05-11 | Global |
| Un modelo grande MoE insignia con 1.6 billones de parámetros y 49 mil millones de parámetros activados, que admite de forma nativa longitudes de contexto de hasta un millón de tokens. Entrenado con un vasto corpus de datos de alta calidad, destaca en razonamiento matemático avanzado, inferencia lógica compleja, codificación especializada y análisis profundo de textos largos, lo que lo hace idóneo para aplicaciones exigentes como investigación de vanguardia, flujos de trabajo de oficina sofisticados y agentes de IA avanzados. |
Generación de texto, Razonamiento | 2026-05-11 | Global |
| Un modelo MoE ligero y altamente eficiente con 284 mil millones de parámetros en total y 13 mil millones de parámetros activados, que admite de forma nativa ventanas de contexto de hasta un millón de tokens. Ofrece velocidad de inferencia rápida, baja latencia e invocación rentable, brindando un rendimiento general bien equilibrado. Diseñado para cargas de trabajo ligeras y de alta concurrencia, es ideal para casos de uso comunes y esenciales como diálogos cotidianos, creación de contenido, aplicaciones básicas de RAG y procesamiento por lotes de texto. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-29 | Global |
| Kimi-k2.5 es el modelo más versátil de Moonshot AI con arquitectura multimodal nativa, que admite entradas visuales/de texto, modos de pensamiento/sin pensamiento, y tareas tanto de diálogo como de agente. |
Generación de video | 2026-04-26 | Global |
| HappyHorse-1.0-V2V admite la edición avanzada de video mediante instrucciones en lenguaje natural. Permite la edición local o global de elementos de video utilizando hasta 5 imágenes de referencia, preservando con precisión la dinámica de movimiento original para lograr una expresividad superior. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-17 | Global |
| La serie de modelos Flash nativos de visión-lenguaje Qwen3.6 ofrece una mejora significativa de rendimiento respecto a la versión 3.5-Flash. Este modelo destaca especialmente en capacidades de codificación agéntica, superando sustancialmente a su predecesor en múltiples benchmarks de agentes de código, así como en razonamiento matemático y de código. En cuanto a visión, presenta una inteligencia espacial notablemente mejorada, con mejoras especialmente significativas en la localización y detección de objetos. |
Generación de texto, Razonamiento | 2026-04-14 | Global |
| GLM-5.1 es un modelo desarrollado por Zhipu AI, diseñado específicamente para tareas de horizonte largo. Cuenta con 744 mil millones de parámetros, admite un contexto ultra largo de 200k tokens y puede generar hasta 128k tokens en una sola respuesta. GLM-5.1 destaca en razonamiento lógico, comprensión de textos largos y generación de código, equilibrando el rendimiento con la eficiencia de inferencia. Ofrece resultados sobresalientes en múltiples benchmarks multitarea y es adecuado para aplicaciones como interacción inteligente persona-computadora, soluciones empresariales y asistencia para desarrolladores. |
Generación de video | 2026-04-03 | Global |
| Edición de video de Wan2.7, admite tanto edición localizada como global mediante indicadores. Reemplace elementos sin problemas utilizando referencias de imagen y replique procesos dinámicos complejos, incluyendo movimiento, efectos especiales y movimientos de cámara. |
Generación de video | 2026-04-03 | Global |
| Wan2.7 texto a video, rendimiento totalmente reinventado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para una capacidad narrativa sin precedentes. |
Generación de video | 2026-04-03 | Global |
| Referencia de Wan2.7 a video, con consistencia y rendimiento mejorados. Ofrece una estabilidad superior para personajes, utilería y escenas. Admite referencias híbridas de hasta 5 entradas mixtas de imagen y video, así como clonación de timbre de audio. Junto con las actualizaciones del motor principal, logra una capacidad expresiva cinematográfica sin precedentes. |
Generación de video | 2026-04-03 | Global |
| Wan2.7 imagen a video, rendimiento totalmente reinventado. Ofrece una profundidad emocional matizada y orgánica en los arcos narrativos y un impacto visceral e impactante en las secuencias de acción. Mejorado con cortes cinematográficos rítmicos para una capacidad narrativa sin precedentes. |
Generación de imágenes | 2026-04-01 | Global |
| Wan2.7: generación y edición de imágenes; admite texto a imagen, texto/imagen a secuencias de imágenes, edición de imágenes, generación con referencia a múltiples imágenes y edición interactiva. Ofrece un rendimiento mejorado en la representación de texto, la coherencia del sujeto y el seguimiento de instrucciones complejas. |
Generación de texto, Razonamiento, Comprensión visual | 2026-04-01 | Global |
| Los modelos de la serie Plus nativos de visión-lenguaje Qwen3.6 demuestran un rendimiento excepcional a la par de los modelos más avanzados actuales, con una mejora significativa en los resultados generales en comparación con la serie 3.5. Los modelos han sido notablemente mejorados en capacidades relacionadas con código, como codificación agéntica, programación front-end y Vibe coding, así como en reconocimiento general de objetos multimodal, OCR y localización de objetos. |