As tabelas a seguir listam os lançamentos de modelos . Para consultar as regras e listas de descontinuação de modelos , veja Model decommissioning policy .
Singapore
| Tipo de modelo | Data | Escopo do serviço | ID do modelo | Descrição |
|---|---|---|---|---|
Síntese de fala | 2026-10-22 | Internacional |
| Qwen-Audio-3.1-TTS-Next é um modelo AudioGen projetado para geração unificada de áudio. Indo além dos sistemas TTS convencionais que focam apenas na síntese de fala, ele pode gerar conteúdo de áudio completo em uma única passagem a partir de entradas como texto, timestamps e áudio de referência, combinando perfeitamente fala, efeitos sonoros, sons ambientes e muito mais. O modelo suporta uma ampla gama de tarefas, incluindo TTS multilíngue, fala de um único orador, diálogo com múltiplos oradores, podcasts, paisagens sonoras cinematográficas, áudio ambiente e efeitos sonoros. Seus principais pontos fortes incluem fala mais natural e expressiva, identidade de voz consistente, controle flexível de tempo e geração de paisagem sonora de alta qualidade. Essas capacidades o tornam adequado para criação de conteúdo, vídeos curtos, podcasts, produção de cinema e televisão, áudio de jogos e outros cenários profissionais de criação de áudio. |
Síntese de fala | 2026-10-21 | Internacional |
| O Qwen-Audio-3.1-TTS-Plus é um modelo profissional de conversão de texto em fala de alta qualidade para vozes premium e criação de conteúdo. Ele oferece suporte a vários idiomas e dialetos, síntese de fala em streaming, instruções livres e tags detalhadas para controlar emoção, tom, personagem, velocidade de fala e volume. Na clonagem de voz, apresenta maior robustez a ruído e reverberação no áudio de referência, melhorando a qualidade, a clareza e a expressividade. A versão Plus prioriza a qualidade e a resolução do áudio em cenários profissionais, como vozes de marcas, criação de conteúdo de áudio, dublagem de filmes e televisão e interpretação de personagens. |
Geração de texto, Raciocínio, Compreensão visual | 2026-10-17 | International |
| DeepSeek-V4.1-Flash-1017 é a iteração do V4.1-Flash, treinada com aprendizado por reforço baseado em autofeedback para oferecer ganhos substanciais em relação à versão anterior em benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 e ProgramBench. Ao mesmo tempo, reduz o tempo de execução das tarefas e o comprimento da saída para alcançar um novo ótimo de Pareto entre desempenho e custo em vários harnesses de avaliação. Sua capacidade de construir projetos completos do zero foi ainda mais fortalecida, permitindo tarefas de programação "baseadas em desejos", como desenvolvimento de jogos e modelagem 3D, mantendo o mesmo MoE com 552B parâmetros, compreensão visual multimodal nativa, janela de contexto de 1M tokens e saída máxima de 384K tokens. |
Síntese de fala | 2026-10-12 | Internacional |
| Qwen-Audio-3.1-TTS-Flash é um modelo de síntese de fala para interações em tempo real. Oferece síntese de fala em streaming e diversas vozes do sistema para assistentes de voz, conversas em tempo real e atendimento ao cliente. |
Reconhecimento de fala | 2026-09-21 | Internacional |
| Qwen-Audio-3.1-ASR-Flash-Message é um modelo generativo de reconhecimento de fala otimizado para mensagens de voz, entrada de voz e cenários empresariais. Ele suporta chinês, inglês e outros idiomas, com otimizações para indonésio, japonês, tailandês, filipino, vietnamita, coreano e malaio. O modelo suporta transcrição incremental em streaming, palavras-chave P0/P1, normalização de texto, reconhecimento informado por transcrições anteriores e contexto de negócios, e polimento opcional de texto nativo. Ele melhora a estabilidade do reconhecimento com múltiplos falantes, conversas de fundo, áudio de campo distante e ruído ambiental. Ele suporta detecção automática de idioma ou idiomas alvo especificados, e pode transcrever dialetos chineses conforme falados ou convertê-los para texto em mandarim padrão. |
Reconhecimento de fala | 2026-09-21 | Internacional |
| Qwen-Audio-3.1-ASR-Flash-Streaming é um modelo de reconhecimento de fala em tempo real de ponta a ponta projetado para cenários como conferências em tempo real, legendas ao vivo e interação inteligente. Ele apresenta baixa latência e alta precisão na transcrição de fala em streaming. O modelo suporta reconhecimento multilíngue e de dialetos chineses de várias regiões, alternância perfeita entre chinês e inglês, aprimoramento por palavras-chave e contexto, previsão de pontuação e normalização de texto. Ele também exibe forte robustez a ruídos e pode se adaptar a ambientes acústicos complexos. Além disso, esta versão suporta saída ASR/AST controlável para múltiplos dialetos. |
Reconhecimento de fala | 2026-09-21 | Internacional |
| Qwen-Audio-3.1-ASR-Flash é um modelo de grande escala que suporta reconhecimento eficiente de fala curta, projetado para cenários de transcrição de conteúdo cultural, multilíngue e de alta qualidade. O modelo suporta reconhecimento multilíngue e de dialetos chineses de várias regiões, e é otimizado para o ritmo, cadência e expressão clássica da poesia chinesa antiga. Ele possui recursos de aprimoramento de contexto, previsão de pontuação e normalização de texto. Esta versão também suporta saída ASR/AST controlável para múltiplos dialetos. Inclui capacidades nativas de transcrição e refinamento, bem como capacidades de transcrição baseada em papéis para diálogos com múltiplas pessoas de nível industrial. |
Reconhecimento de fala | 2026-09-21 | Internacional |
| Qwen-Audio-3.1-ASR-Flash-Filetrans é um modelo de reconhecimento de fala offline ponta a ponta projetado para cenários como transcrição de reuniões, produção de conteúdo e análise de chamadas. Ele suporta reconhecimento multilíngue e de dialetos chineses de várias regiões. O modelo possui recursos de transcrição de alta precisão, aprimoramento de palavras-chave e contexto, separação de falantes, previsão de pontuação e normalização de texto. Ele mantém um desempenho estável mesmo em ambientes ruidosos complexos, tornando-o a escolha preferida para transcrição de áudios longos. Esta versão também suporta saída ASR/AST controlável para múltiplos dialetos. |
US (Virginia)
Tipo de modelo | Data | Escopo do service | ID do modelo | Descrição |
|---|---|---|---|---|
Geração de texto, Raciocínio | 2026-10-26 | US |
| O glm-5.3 agora está disponível com o escopo de implantação dos EUA na região EUA (Virgínia), com suporte a geração de texto, raciocínio, Function Calling, saída estruturada e cache de contexto, e uma janela de contexto de 1M tokens. |
Geração de texto, Raciocínio, Compreensão visual | 2026-10-17 | Global |
| DeepSeek-V4.1-Flash-1017 é a iteração do V4.1-Flash, treinada com aprendizado por reforço baseado em autofeedback para oferecer ganhos substanciais em relação à versão anterior em benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 e ProgramBench. Ao mesmo tempo, reduz o tempo de execução das tarefas e o comprimento da saída para alcançar um novo ótimo de Pareto entre desempenho e custo em vários harnesses de avaliação. Sua capacidade de construir projetos completos do zero foi ainda mais fortalecida, permitindo tarefas de programação "baseadas em desejos", como desenvolvimento de jogos e modelagem 3D, mantendo o mesmo MoE com 552B parâmetros, compreensão visual multimodal nativa, janela de contexto de 1M tokens e saída máxima de 384K tokens. |
Geração de texto, Raciocínio, Compreensão visual | 02/09/2026 | Global |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) is an upgraded snapshot of qwen3.8-max. Coding capability breaks new ground, handling more complex engineering-scale projects and long-horizon autonomous development. Collaborative agent performance is significantly enhanced, with greater composure in multi-tool orchestration and end-to-end task delivery. Native vision understanding is refined across chart reasoning, document parsing, and multimodal perception — sharper and more reliable. Retains the 1M context window, thinking mode, and full tool ecosystem, evolving at a higher level of intelligence. |
Interpretação de papéis | 30/08/2026 | Global |
| A Série de Modelos de Role-Playing Qwen é otimizada especificamente para cenários de interação antropomórfica multilíngue. Demonstra capacidades avançadas na manutenção da consistência do personagem, progressão de diálogos cientes do contexto e engajamento empático, permitindo uma personificação personalizada e precisa. Esta versão melhora significativamente a localização linguística japonesa (incluindo dialetos e honoríficos), a autenticidade humana no role-playing, o controle de coerência narrativa e a inteligência cognitiva baseada em cenários. |
Geração de texto, Pensamento profundo, Compreensão visual | 26/08/2026 | Global |
| O Qwen3.8-Flash é o modelo flagship leve da série Qwen3.8, com janela de contexto de 1 milhão de tokens, saída máxima de 128k e orçamento de pensamento de 256k. Suporta raciocínio profundo, Function Calling, saída estruturada, ferramentas integradas e compreensão visual nativa, alcançando o equilíbrio ideal entre desempenho e custo. Adequado para uma ampla gama de tarefas, desde geração de texto cotidiana até cenários de agentes. |
Geração de vídeo | 20/08/2026 | Global |
| O Wan3.0-Video-Prime é a versão de alta velocidade do modelo de geração de vídeo Wan3.0, com capacidades alinhadas à versão padrão Wan3.0-Video. Ele aceita entrada de referência completa em quatro modalidades e gera vídeos de até 30 segundos, proporcionando uma experiência audiovisual imersiva com melhoria significativa na velocidade de ponta a ponta. |
Geração de texto, Raciocínio | 19/08/2026 | US |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, que suporta nativamente janelas de contexto de até um milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, entregando desempenho geral equilibrado. Projetado para workloads leves e de alta concorrência, é ideal para casos de uso comuns e essenciais, como diálogos cotidianos, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de texto, Raciocínio | 14/08/2026 | Global |
| Grande modelo de linguagem Mixture-of-Experts (MoE) principal, com 1,6 trilhão de parâmetros no total e 49 bilhões de parâmetros ativados. Suporta nativamente janelas de contexto de até 1 milhão de tokens. Treinado com dados extensos e de alta qualidade, o modelo apresenta forte desempenho em raciocínio matemático e lógico, raciocínio complexo, geração de código profissional e análise profunda de documentos longos. É adequado para cenários exigentes, como pesquisa científica avançada, workflows empresariais complexos e aplicações sofisticadas baseadas em agentes. |
Geração de vídeo | 06/08/2026 | Global |
| O Wan3.0 é um modelo completo de geração de vídeo que suporta uniformemente múltiplas funções criativas, incluindo referência, edição, replicação e condução. Aceita entrada de referência completa em quatro modalidades, gera vídeos de até 30 segundos e consegue analisar arquivos, páginas da web e imagens complexas. Com consistência de personagens de nível de produção e áudio e visuais realistas, proporciona um impacto audiovisual imersivo. |
Geração de texto, Raciocínio, Compreensão visual | 02/08/2026 | Global |
| Modelo principal MoE com 2,4 trilhões de parâmetros, que apresenta um salto abrangente nas capacidades de codificação e produtividade, capaz de programar autonomamente por dias para entregar projetos completos. Executa centenas de tarefas profissionais, como trabalhos jurídicos, financeiros e de design, entregando resultados de nível de produção de ponta a ponta em uma única conversa. A compreensão visual nativa percorre todo o pipeline de planejamento, execução e verificação, suportando análise semântica profunda de documentos ultralongos e vídeos longos. Realiza planejamento autônomo e iteração em ciclo fechado em tarefas de longo horizonte, evoluindo continuamente. |
Geração de texto, Raciocínio | 01/08/2026 | Global |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, que suporta nativamente janelas de contexto de até um milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, entregando desempenho geral equilibrado. Projetado para workloads leves e de alta concorrência, é ideal para casos de uso comuns e essenciais, como diálogos cotidianos, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de texto, Raciocínio, Compreensão visual | 21/07/2026 | Global |
| Os modelos Flash da série nativa de visão-linguagem Qwen3.7 aprimoram de forma abrangente a compreensão multimodal e as capacidades de execução de Agentes em comparação ao 3.6-Flash. As principais melhorias incluem habilidades multimodais fundamentais fortalecidas, reconhecimento de objetos aprimorado e percepção do mundo real e inteligência espacial melhoradas. Cenários de Agentes multimodais, como Search Agent e CI Agent, receberam atualizações significativas, com execução de tarefas de ponta a ponta mais estável. As capacidades de codificação multimodal foram otimizadas, proporcionando uma experiência de vibe coding mais fluida. |
Geração de texto, Raciocínio | 07/07/2026 | US |
| O GLM-5.2 é um modelo principal da Zhipu AI, projetado para tarefas de longo horizonte com suporte a uma janela de contexto ultralonga de 1M. Apresenta capacidades poderosas de raciocínio lógico, compreensão de textos longos e geração de código, equilibrando desempenho e eficiência de inferência. Destaca-se em benchmarks multitarefa e é adequado para cenários de interação inteligente, aplicações empresariais e assistência ao desenvolvimento. |
Geração de texto, Raciocínio, Compreensão visual | 03/07/2026 | US |
| A série de modelos Flash nativos de visão-linguagem Qwen3.6 oferece um aumento significativo de desempenho em relação à versão 3.5-Flash. Este modelo se destaca especialmente nas capacidades de codificação baseada em agentes, superando substancialmente seu antecessor em múltiplos benchmarks de code-agent, além de raciocínio matemático e de código. Em termos de visão, apresenta inteligência espacial notavelmente aprimorada, com melhorias especialmente relevantes na localização e detecção de objetos. |
Geração de texto | 02/07/2026 | Global |
| Modelo de interpretação de papéis da série Qwen. Trata-se de uma versão atualizada dinamicamente, e notificações serão fornecidas antecipadamente para quaisquer atualizações do modelo. É adequado para interpretação de papéis antropomórficos e possui capacidades otimizadas para seguir instruções predefinidas de personagens, conduzir conversas e demonstrar escuta ativa e empatia. Além disso, suporta a restauração profunda de personagens personalizados. |
Geração de texto, Raciocínio, Compreensão visual | 26/06/2026 | US |
| Na série Qwen3.7, o modelo Plus, com excelente custo-benefício, baseia-se em suas robustas capacidades de texto e entrega uma atualização abrangente em suas habilidades de visão-linguagem, preservando sua inteligência de nível de agente full-stack para codificação, uso de ferramentas e workflows de produtividade. Seu principal diferencial são as capacidades de agente híbrido interativo multimodal, permitindo perceber cenas do mundo real, ler telas e interagir com GUIs, gerar código com base em referências visuais e realizar navegação de ponta a ponta em aplicativos móveis. |
Geração de texto, Raciocínio | 26/06/2026 | US |
| O modelo Max, o maior e mais capaz da série Qwen3.7, oferece atualmente uma interface exclusivamente textual para experimentação pública. O Qwen3.7 é um modelo principal de próxima geração, projetado para a era centrada em agentes, cujos pontos fortes residem na amplitude e profundidade de suas capacidades de nível de agente: destaca-se em programação, tarefas de escritório e produtividade, e execução autônoma de longo prazo. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-T2V suporta geração de texto para vídeo com compreensão semântica aprimorada, controle cinematográfico de enquadramentos e renderização dinâmica de movimentos. Captura a intenção criativa com maior precisão, produzindo vídeos de alta qualidade com movimentos mais suaves, detalhes mais ricos, consistência visual mais forte e ações de personagens, atmosfera de cena e dinâmica física mais naturais. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-R2V suporta geração de referência para vídeo com estabilidade significativamente aprimorada em sujeito, estilo de cena e consistência visual. Com suporte a até 9 imagens de referência, compreende e preserva a intenção criativa com maior precisão, oferecendo maior controlabilidade e expressividade em personagens, cenas, estilos e movimentos cinematográficos. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-I2V suporta geração de imagem para vídeo com qualidade visual, desempenho dinâmico e consistência entre clipes aprimorados. Compreende a imagem de entrada e preserva a intenção criativa com maior precisão, entregando melhorias significativas no realismo da textura da pele, consistência de ID de personagem entre clipes, suavidade de movimento, estabilidade na renderização de texto e sincronização audiovisual, produzindo vídeos de alta qualidade com maior realismo, detalhes mais ricos e consistência geral mais forte. |
Geração de texto, Raciocínio | 16/06/2026 | Global |
| O GLM-5.2 é um modelo principal da Zhipu AI, projetado para tarefas de longo horizonte com suporte a uma janela de contexto ultralonga de 1M. Apresenta capacidades poderosas de raciocínio lógico, compreensão de textos longos e geração de código, equilibrando desempenho e eficiência de inferência. Destaca-se em benchmarks multitarefa e é adequado para cenários de interação inteligente, aplicações empresariais e assistência ao desenvolvimento. |
Geração de texto, Raciocínio, Compreensão visual | 15/06/2026 | Global |
| O kimi-k2.7-code é um modelo de codificação da Kimi. Segue instruções de forma mais confiável em contextos longos e conclui tarefas de programação com taxas de sucesso mais altas. Suporta entradas de texto, imagem e vídeo, além de modo de pensamento, conversas e tarefas de agentes. |
Geração de texto, Raciocínio, Compreensão visual | 09/06/2026 | Global |
| O modelo Max, o maior e mais capaz da série Qwen3.7, adicionou compreensão da modalidade visual em comparação ao snapshot de 20 de maio, permitindo perceber cenas do mundo real e suportar capacidades de agente híbrido interativo multimodal. Esta versão é baseada em um snapshot obtido em 8 de junho de 2026. |
Geração de texto, Raciocínio, Compreensão visual | 01/06/2026 | Global |
| Na série Qwen3.7, o modelo Plus, com excelente custo-benefício, baseia-se em suas robustas capacidades de texto e entrega uma atualização abrangente em suas habilidades de visão-linguagem, preservando sua inteligência de nível de agente full-stack para codificação, uso de ferramentas e workflows de produtividade. Seu principal diferencial são as capacidades de agente híbrido interativo multimodal, permitindo perceber cenas do mundo real, ler telas e interagir com GUIs, gerar código com base em referências visuais e realizar navegação de ponta a ponta em aplicativos móveis. |
Geração de texto, Raciocínio | 20/05/2026 | Global |
| O modelo Max, o maior e mais capaz da série Qwen3.7, oferece atualmente uma interface exclusivamente textual para experimentação pública. O Qwen3.7 é um modelo principal de próxima geração, projetado para a era centrada em agentes, cujos pontos fortes residem na amplitude e profundidade de suas capacidades de nível de agente: destaca-se em programação, tarefas de escritório e produtividade, e execução autônoma de longo prazo. |
Geração de texto, Raciocínio | 11/05/2026 | US |
| Grande modelo MoE principal com 1,6 trilhão de parâmetros e 49 bilhões de parâmetros ativados, que suporta nativamente comprimentos de contexto de até um milhão de tokens. Treinado em um vasto corpus de dados de alta qualidade, destaca-se em raciocínio matemático avançado, inferência lógica complexa, codificação especializada e análise profunda de textos longos, sendo adequado para aplicações exigentes, como pesquisa de ponta, workflows sofisticados de escritório e agentes de IA avançados. |
Geração de texto, Raciocínio | 11/05/2026 | US |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, que suporta nativamente janelas de contexto de até um milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, entregando desempenho geral equilibrado. Projetado para workloads leves e de alta concorrência, é ideal para casos de uso comuns e essenciais, como diálogos cotidianos, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de texto, Raciocínio, Compreensão visual | 29/04/2026 | Global |
| O Kimi-k2.5 é um modelo da Moonshot AI, com arquitetura multimodal nativa, suportando entradas visuais/textuais, modos de pensamento e não-pensamento, além de tarefas de diálogo e de agentes. |
Geração de vídeo | 26/04/2026 | Global |
| O HappyHorse-1.0-V2V suporta edição avançada de vídeo por meio de instruções em linguagem natural. Permite edição local ou global de elementos de vídeo usando até 5 imagens de referência, preservando com precisão a dinâmica original de movimento para alcançar expressividade superior. |
Geração de vídeo | 26/04/2026 | Global |
| O HappyHorse-1.0-R2V suporta geração de referência para vídeo, oferecendo estabilidade aprimorada na referência de sujeitos e cenas. Capaz de processar até 9 imagens de referência, preserva com precisão a intenção criativa para entregar desempenho superior. |
Geração de texto, Raciocínio | 24/04/2026 | Global |
| Grande modelo MoE principal com 1,6 trilhão de parâmetros e 49 bilhões de parâmetros ativados, que suporta nativamente comprimentos de contexto de até um milhão de tokens. Treinado em um vasto corpus de dados de alta qualidade, destaca-se em raciocínio matemático avançado, inferência lógica complexa, codificação especializada e análise profunda de textos longos, sendo adequado para aplicações exigentes, como pesquisa de ponta, workflows sofisticados de escritório e agentes de IA avançados. |
Geração de texto, Raciocínio | 24/04/2026 | Global |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, que suporta nativamente janelas de contexto de até um milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, entregando desempenho geral equilibrado. Projetado para workloads leves e de alta concorrência, é ideal para casos de uso comuns e essenciais, como diálogos cotidianos, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de vídeo | 22/04/2026 | Global |
| O HappyHorse-1.0-T2V suporta geração de texto para vídeo, com renderização dinâmica altamente realista. Compreende com precisão a semântica do texto para produzir vídeos de alta qualidade, fluidos, naturais e ricos em detalhes. |
Geração de vídeo | 22/04/2026 | Global |
| O HappyHorse-1.0-I2V permite geração de imagem para vídeo, com renderização dinâmica altamente realista. Compreende com precisão a semântica tanto do texto quanto da imagem para produzir vídeos de alta qualidade, fluidos, naturais e ricos em detalhes. |
Geração de texto, Raciocínio, Compreensão visual | 17/04/2026 | Global |
| A série de modelos Flash nativos de visão-linguagem Qwen3.6 oferece um aumento significativo de desempenho em relação à versão 3.5-Flash. Este modelo se destaca especialmente nas capacidades de codificação baseada em agentes, superando substancialmente seu antecessor em múltiplos benchmarks de code-agent, além de raciocínio matemático e de código. Em termos de visão, apresenta inteligência espacial notavelmente aprimorada, com melhorias especialmente relevantes na localização e detecção de objetos. |
Geração de texto, Raciocínio, Compreensão visual | 17/04/2026 | Global |
| O modelo nativo de visão-linguagem Qwen3.6 35B-A3B é construído sobre uma arquitetura híbrida que integra mecanismos de atenção linear com um framework esparso de mixture-of-experts, alcançando maior eficiência de inferência. Em comparação com o 3.5-35B-A3B, este modelo demonstra capacidades de codificação baseada em agentes, habilidades de raciocínio matemático e de código, inteligência espacial, bem como desempenho de localização e detecção de objetos significativamente aprimorados. |
Geração de texto, Raciocínio | 14/04/2026 | Global |
| O GLM-5.1 é um modelo desenvolvido pela Zhipu AI, projetado especificamente para tarefas de longo horizonte. Possui 744 bilhões de parâmetros, suporta um contexto ultralongo de 200 mil tokens e pode gerar até 128 mil tokens em uma única resposta. O GLM-5.1 destaca-se em raciocínio lógico, compreensão de textos longos e geração de código, equilibrando desempenho e eficiência de inferência. Entrega resultados excepcionais em múltiplos benchmarks multitarefa e é adequado para aplicações como interação homem-computador inteligente, soluções empresariais e assistência ao desenvolvedor. |
Geração de texto, Raciocínio, Compreensão visual | 01/04/2026 | Global |
| Os modelos da série Plus nativos de visão-linguagem Qwen3.6 demonstram desempenho excepcional, equivalente aos modelos state-of-the-art atuais, com uma melhoria significativa nos resultados gerais em comparação à série 3.5. Os modelos foram notavelmente aprimorados em capacidades relacionadas a código, como codificação baseada em agentes, programação front-end e Vibe coding, além de reconhecimento geral de objetos multimodal, OCR e localização de objetos. |
Geração de texto | 30/03/2026 | US |
| O Qwen-MT-Lite é um grande modelo de linguagem da série Qwen especializado em tradução multilíngue. Fornece services de tradução rápidos e de alta qualidade em 32 idiomas a um preço econômico. Oferece recursos como intervenção de terminologia, preservação de formatação e tradução específica por domínio para atender às diversas necessidades de várias aplicações, garantindo eficiência e desempenho. |
Compreensão visual | 14/03/2026 | US |
| A série Qwen3 de modelos de compreensão visual de pequeno porte integra efetivamente os modos de pensamento e não-pensamento. Em comparação com o snapshot de 15 de outubro de 2025, o desempenho geral do modelo melhorou significativamente: oferece capacidades aprimoradas de reconhecimento e raciocínio visual geral, e apresenta melhorias marcantes na precisão de reconhecimento em diversos cenários de negócios, como segurança, inspeções em lojas, monitoramento de equipamentos e resolução de problemas baseada em fotos. Esta versão é um snapshot de 22 de janeiro de 2026. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Global |
| Os modelos Flash nativos de visão-linguagem Qwen3.5 são construídos sobre uma arquitetura híbrida que integra um mecanismo de atenção linear com um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Em comparação à série 3, esses modelos oferecem um salto de desempenho tanto em tarefas de texto puro quanto multimodais, proporcionando tempos de resposta rápidos enquanto equilibram velocidade de inferência e desempenho geral. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Global |
| O Qwen3.5 Series 35B-A3B é um modelo nativo de visão-linguagem projetado com uma arquitetura híbrida que integra mecanismos de atenção linear e um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Seu desempenho geral é comparável ao do Qwen3.5-27B. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Global |
| O modelo Dense nativo de visão-linguagem Qwen3.5 27B incorpora um mecanismo de atenção linear, proporcionando tempos de resposta rápidos enquanto equilibra velocidade de inferência e desempenho. Suas capacidades gerais são comparáveis às do Qwen3.5-122B-A10B. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Global |
| O modelo nativo de visão-linguagem Qwen3.5 122B-A10B é construído sobre uma arquitetura híbrida que integra um mecanismo de atenção linear com um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Em termos de desempenho geral, este modelo é superado apenas pelo Qwen3.5-397B-A17B. Suas capacidades de texto superam significativamente as do Qwen3-235B-2507, e suas capacidades visuais ultrapassam as do Qwen3-VL-235B. |
Geração de texto, Raciocínio, Compreensão visual | 15/02/2026 | Global |
| Os modelos Plus da série nativa de visão-linguagem Qwen3.5 são construídos sobre uma arquitetura híbrida que integra mecanismos de atenção linear com modelos esparsos de mixture-of-experts, alcançando maior eficiência de inferência. Em diversas avaliações de tarefas, a série 3.5 demonstra consistentemente desempenho equivalente aos principais modelos state-of-the-art. Em comparação à série 3, esses modelos apresentam um salto tanto em capacidades de texto puro quanto multimodais. |
Geração de texto, Raciocínio, Compreensão visual | 15/02/2026 | Global |
| O modelo nativo de visão-linguagem Qwen3.5 series 397B-A17B é construído sobre uma arquitetura híbrida que integra um mecanismo de atenção linear com um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Entrega desempenho state-of-the-art comparável aos modelos de ponta em uma ampla gama de tarefas, incluindo compreensão de linguagem, raciocínio lógico, geração de código, tarefas baseadas em agentes, compreensão de imagens, compreensão de vídeos e interações com interface gráfica de usuário (GUI). Com suas robustas capacidades de geração de código e de agente, o modelo exibe forte generalização em diversos agentes. |
Geração de vídeo | 16/12/2025 | Global |
| O Wan2.6 referência para vídeo suporta o uso de uma pessoa específica ou qualquer objeto como referência, mantendo com precisão a consistência de aparência e voz, e permite referência de múltiplos personagens para atuações conjuntas. |
Geração de imagem | 15/12/2025 | Global |
| Wan2.6 texto para imagem. Qualidade visual, estética e seguimento de instruções aprimorados proporcionam controle preciso de estilo, retratos realistas, compreensão de textos longos e ampla cobertura de IP histórico/cultural, permitindo geração visual de alta qualidade e altamente expressiva. |
Geração de imagem | 15/12/2025 | Global |
| Wan2.6 Image. Um modelo completo de geração de imagens que suporta raciocínio conjunto texto-imagem, fusão criativa de múltiplas imagens, consistência de nível comercial, transferência de estilo estético e controle preciso de enquadramento e iluminação, aprimorando significativamente a consistência, a controlabilidade e a expressividade na geração de imagens. |
Geração de vídeo | 03/12/2025 | US |
| Wan2.6 texto para vídeo. O agendamento inteligente de tomadas suporta narrativas com múltiplas tomadas, gerando vídeos narrativos com sujeitos, cenas e atmosfera consistentes, com duração máxima de 15 segundos. Oferece melhor seguimento de instruções e fidelidade visual aprimorada. |
Geração de vídeo | 03/12/2025 | Global |
| Wan2.6 texto para vídeo. O agendamento inteligente de tomadas suporta narrativas com múltiplas tomadas, gerando vídeos narrativos com sujeitos, cenas e atmosfera consistentes, com duração máxima de 15 segundos. Oferece melhor seguimento de instruções e fidelidade visual aprimorada. |
Geração de vídeo | 03/12/2025 | US |
| Wan2.6 imagem para vídeo. O agendamento inteligente de tomadas permite narrativas com múltiplas câmeras, oferece geração de voz de maior qualidade, suporta diálogos estáveis com múltiplos falantes com timbres vocais mais naturais e realistas, e permite a geração de clipes de até 15 segundos de duração. |
Geração de vídeo | 03/12/2025 | Global |
| Wan2.6 imagem para vídeo. O agendamento inteligente de tomadas permite narrativas com múltiplas câmeras, oferece geração de voz de maior qualidade, suporta diálogos estáveis com múltiplos falantes com timbres vocais mais naturais e realistas, e permite a geração de clipes de até 15 segundos de duração. |
Geração de texto, Raciocínio | 01/12/2025 | US |
| Esta versão é um snapshot de 1º de dezembro de 2025 e apresenta capacidades de raciocínio aprimoradas em comparação ao snapshot de 28 de julho. As capacidades de agente e de invocação de ferramentas em múltiplas turnos foram ainda mais reforçadas, e o desempenho em tarefas criativas subjetivas melhorou significativamente. Suporta comprimento de contexto de até 1 milhão de tokens, com preços escalonados com base no tamanho do contexto. |
Geração de texto, Raciocínio | 01/12/2025 | Global |
| Esta versão é um snapshot de 1º de dezembro de 2025 e apresenta capacidades de raciocínio aprimoradas em comparação ao snapshot de 28 de julho. As capacidades de agente e de invocação de ferramentas em múltiplas turnos foram ainda mais reforçadas, e o desempenho em tarefas criativas subjetivas melhorou significativamente. Suporta comprimento de contexto de até 1 milhão de tokens, com preços escalonados com base no tamanho do contexto. |
Compreensão visual | 21/11/2025 | Global |
| Este modelo é uma versão snapshot de 20 de novembro de 2025, baseada na arquitetura Qwen-VL3 com uma atualização abrangente. Apresenta melhorias significativas nas capacidades de análise de documentos e localização de texto, além de reduções substanciais na latência de ponta a ponta e em alucinações. |
Geração de texto | 19/11/2025 | Global |
| O Qwen-MT-Lite é um grande modelo de linguagem da série Qwen especializado em tradução multilíngue. Fornece services de tradução rápidos e de alta qualidade em 32 idiomas a um preço econômico. Oferece recursos como intervenção de terminologia, preservação de formatação e tradução específica por domínio para atender às diversas necessidades de várias aplicações, garantindo eficiência e desempenho. |
Geração de texto | 11/11/2025 | Global |
| O Qwen-MT-Flash, um grande modelo de linguagem da série Qwen, foi totalmente atualizado com a arquitetura Qwen 3 para desempenho e qualidade de tradução significativamente aprimorados. Fornece tradução rápida e econômica em 92 idiomas, suportando recursos avançados como intervenção de terminologia, preservação de formatação e adaptação específica por domínio. É a escolha ideal para aplicações que exigem um equilíbrio poderoso entre velocidade, qualidade e custo. |
Raciocínio, Compreensão visual | 21/10/2025 | Global |
| Maior modelo dense da série Qwen3-VL, sua versão de raciocínio possui capacidades de raciocínio multimodal superadas apenas pelo Qwen3-VL-235B-Thinking. Destaca-se na resolução de problemas de STEM e matemática, compreensão geral de imagens e vídeos, e alcança desempenho state-of-the-art em capacidades de agentes multimodais, sendo ideal para tarefas complexas de raciocínio multimodal. |
Compreensão visual | 21/10/2025 | Global |
| Maior modelo dense da série Qwen3-VL, em sua versão sem inferência, entrega desempenho geral superado apenas pelo Qwen3-VL-235B-Instruct. Destaca-se no reconhecimento e compreensão de documentos, demonstra forte consciência espacial e capacidades de identificação de objetos, e alcança desempenho state-of-the-art em detecção visual 2D e raciocínio espacial. É adequado para tarefas complexas de percepção em uma ampla variedade de cenários de uso geral. |
Compreensão visual | 15/10/2025 | US |
| A série Qwen3 de modelos de compreensão visual de pequena escala integra efetivamente os modos de pensamento e não-pensamento, entregando desempenho superior ao Qwen3-VL-30B-A3B open-source, mantendo velocidades de resposta rápidas. Apresenta uma atualização abrangente na compreensão de imagens/vídeos, suportando contextos ultralongos, como vídeos e documentos extensos, consciência espacial e reconhecimento de objetos em vários domínios. Equipado com capacidades de localização visual 2D/3D, é adequado para lidar com tarefas complexas do mundo real. |
Raciocínio, Compreensão visual | 15/10/2025 | Global |
| A série Qwen3 de modelos de compreensão visual de pequena escala integra efetivamente os modos de pensamento e não-pensamento, entregando desempenho superior ao Qwen3-VL-30B-A3B open-source, mantendo velocidades de resposta rápidas. Apresenta uma atualização abrangente na compreensão de imagens/vídeos, suportando contextos ultralongos, como vídeos e documentos extensos, consciência espacial e reconhecimento de objetos em vários domínios. Equipado com capacidades de localização visual 2D/3D, é adequado para lidar com tarefas complexas do mundo real. |
Raciocínio, Compreensão visual | 03/10/2025 | Global |
| A versão Thinking do segundo maior modelo MoE da série Qwen3-VL apresenta velocidades de resposta rápidas e capacidades aprimoradas de compreensão e raciocínio multimodal, agentes visuais e suporte a contextos extremamente longos, como vídeos e documentos extensos. Também possui compreensão de imagens/vídeos, consciência espacial e habilidades de reconhecimento de objetos totalmente atualizadas, sendo adequado para tarefas complexas do mundo real. |
Compreensão visual | 03/10/2025 | Global |
| A versão Instruct do segundo maior modelo MoE da série Qwen3-VL oferece velocidades de resposta rápidas e suporta contextos extremamente longos, como vídeos e documentos extensos. Inclui compreensão de imagens/vídeos, consciência espacial e capacidades de reconhecimento de objetos totalmente atualizadas, além de localização visual 2D/3D, permitindo lidar com desafios intricados do mundo real. |
Raciocínio, Compreensão visual | 30/09/2025 | Global |
| A versão Thinking do modelo Dense 8B da série Qwen3-VL consome menos memória GPU e é capaz de realizar compreensão e raciocínio multimodal. Suporta contextos extremamente longos, como vídeos e documentos extensos, localização visual 2D/3D, e apresenta capacidades de compreensão de imagens/vídeos, consciência espacial e reconhecimento de objetos totalmente atualizadas. |
Compreensão visual | 30/09/2025 | Global |
| A versão Instruct do modelo Dense 8B da série Qwen3-VL requer menos memória GPU e fornece compreensão de imagens/vídeos totalmente atualizada, suporte a contextos extremamente longos, como vídeos e documentos extensos, consciência espacial e capacidades de reconhecimento de objetos, sendo adequada para lidar com tarefas complexas do mundo real. |
Geração de texto, Raciocínio | 24/09/2025 | Global |
| O modelo Max da série Qwen 3 passou por atualizações especializadas em programação de agentes e invocação de ferramentas em comparação à versão preview. O modelo lançado oficialmente desta vez alcançou desempenho state-of-the-art (SOTA) em sua área e é mais adequado para atender às demandas de agentes operando em cenários mais complexos. |
Compreensão visual | 23/09/2025 | Global |
| Os modelos VL da série Qwen3 integram efetivamente os modos de pensamento e não-pensamento, alcançando desempenho líder mundial em capacidades de agentes visuais em datasets de benchmark públicos, como o OS World. Esta versão apresenta atualizações abrangentes em áreas como codificação visual, percepção espacial e raciocínio multimodal, aprimorando significativamente as habilidades de percepção e reconhecimento visual, e suportando a compreensão de vídeos ultralongos. |
Raciocínio, Compreensão visual | 23/09/2025 | Global |
| Os modelos VL da série Qwen3 apresentam capacidades de raciocínio multimodal significativamente aprimoradas, com foco especial na otimização do modelo para raciocínio STEM e matemático. As habilidades de percepção e reconhecimento visual foram amplamente melhoradas, e as capacidades de OCR passaram por uma grande atualização. |
Compreensão visual | 23/09/2025 | Global |
| Os modelos VL da série Qwen3 foram totalmente atualizados em áreas como codificação visual e percepção espacial. Suas capacidades de percepção e reconhecimento visual melhoraram significativamente, suportando a compreensão de vídeos ultralongos, e sua funcionalidade de OCR passou por um grande aprimoramento. |
Geração de texto | 23/09/2025 | Global |
| Modelo de geração de código baseado no Qwen3 com forte poder de agente de codificação, destaca-se na chamada de ferramentas e interação com o ambiente, capaz de programação autônoma com excelente capacidade de código, mantendo a habilidade geral. Este é um snapshot de 23 de setembro de 2025. Em comparação à versão anterior (snapshot de 22 de julho), demonstra robustez aprimorada no desempenho de tarefas downstream e na invocação de ferramentas, além de maior segurança de código. |
Reconhecimento de fala | 16/09/2025 | US |
| O Qwen3-ASR-Flash é um modelo de reconhecimento de fala multilíngue altamente preciso, inteligente e robusto, baseado em um grande modelo de linguagem. Aproveitando um modelo fundamental poderoso, grandes volumes de dados textuais e multimodais, e dezenas de milhões de horas de dados de áudio, o Qwen3-ASR-Flash alcança reconhecimento de fala de alta precisão. Pode determinar automaticamente o idioma e reconhecer com precisão a fala em 11 idiomas, garantindo transcrição precisa mesmo em ambientes de áudio complexos. |
Geração de texto, Raciocínio | 16/09/2025 | US |
| O Qwen-Plus é uma versão aprimorada do modelo de linguagem ultra-grande Qwen que suporta múltiplos idiomas de entrada, como chinês e inglês. Em comparação às versões anteriores, apresenta melhorias significativas na geração de código em chinês e inglês, raciocínio lógico e habilidades multilíngues. O estilo de resposta foi amplamente ajustado para se alinhar às preferências humanas, com melhorias notáveis no nível de detalhe e clareza das respostas. Melhorias especializadas foram feitas em escrita criativa, adesão à formatação JSON e habilidades de interpretação de papéis. |
Geração de texto, Raciocínio | 16/09/2025 | Global |
| O Qwen-Plus é uma versão aprimorada do modelo de linguagem ultra-grande Qwen que suporta múltiplos idiomas de entrada, como chinês e inglês. Em comparação às versões anteriores, apresenta melhorias significativas na geração de código em chinês e inglês, raciocínio lógico e habilidades multilíngues. O estilo de resposta foi amplamente ajustado para se alinhar às preferências humanas, com melhorias notáveis no nível de detalhe e clareza das respostas. Melhorias especializadas foram feitas em escrita criativa, adesão à formatação JSON e habilidades de interpretação de papéis. |
Geração de texto, Raciocínio | 11/09/2025 | Global |
| Nova geração de modelos de modo de pensamento open-source baseados no Qwen3. Esta versão oferece melhor seguimento de instruções e respostas de resumo mais diretas em relação à iteração anterior (Qwen3-235B-A22B-Thinking-2507). |
Geração de texto | 11/09/2025 | Global |
| Nova geração de modelo open-source de modo não-pensamento impulsionado pelo Qwen3. Esta versão demonstra compreensão superior de texto em chinês, raciocínio lógico aumentado e capacidades aprimoradas em tarefas de geração de texto em relação à iteração anterior (Qwen3-235B-A22B-Instruct-2507). |
Geração de texto, Raciocínio | 11/09/2025 | Global |
| No snapshot de 11 de setembro de 2025, esta versão apresenta seguimento de instruções aprimorado e respostas de resumo mais diretas no modo de pensamento. O modo não-pensamento fornece compreensão superior de texto em chinês e capacidades de raciocínio lógico aumentadas. O modelo suporta comprimento de contexto de 1M com preços escalonados. |
Geração de texto, Raciocínio | 05/09/2025 | Global |
| Versão preview do modelo Max na série Qwen 3, alcançando uma integração efetiva dos modos de pensamento e não-pensamento. No modo de pensamento, há um aprimoramento significativo em capacidades como programação de agentes inteligentes, raciocínio de senso comum e raciocínio em matemática, ciências e domínios gerais. |
Geração de texto, Raciocínio | 01/08/2025 | US |
| O modelo Qwen3 Flash oferece uma fusão poderosa dos modos de pensamento e não-pensamento com alternância dinâmica durante a conversa, destacando-se em raciocínio complexo e apresentando ganhos significativos no seguimento de instruções e compreensão de texto. Suporta comprimento de contexto de 1M e é faturado em um modelo escalonado correspondente ao uso do contexto. |
Geração de texto, Raciocínio | 01/08/2025 | Global |
| O modelo Qwen3 Flash oferece uma fusão poderosa dos modos de pensamento e não-pensamento com alternância dinâmica durante a conversa, destacando-se em raciocínio complexo e apresentando ganhos significativos no seguimento de instruções e compreensão de texto. Suporta comprimento de contexto de 1M e é faturado em um modelo escalonado correspondente ao uso do contexto. |
Geração de texto | 31/07/2025 | Global |
| Modelo de geração de código baseado no Qwen3 que herda a capacidade de agente de codificação do Qwen3-Coder-480B-A35B-Instruct; a capacidade de código atinge SOTA na mesma escala. |
Geração de texto, Raciocínio | 30/07/2025 | Global |
| Modelo de pensamento Qwen3 open-source; em comparação à versão anterior (Qwen3-30B-A3B), destaca-se em tarefas complexas de pensamento, incluindo lógica, matemática, ciências, código e outros cenários desafiadores; o seguimento de instruções, a compreensão de texto e as capacidades de tradução multilíngue foram significativamente aprimorados. |
Geração de texto | 29/07/2025 | Global |
| Baseado no Qwen3, este modelo de geração de código herda as capacidades de agente de codificação do Qwen3-Coder-Plus e suporta interação de ferramentas em múltiplas turnos. Apresenta otimizações focadas na compreensão no nível de repositório e maior estabilidade na chamada de ferramentas. |
Geração de texto | 29/07/2025 | Global |
| Modelo não-pensamento Qwen3 open-source; em comparação à versão anterior (Qwen3-30B-A3B), apresenta grandes melhorias nas capacidades gerais em chinês, inglês e multilíngues. Otimizado para tarefas subjetivas abertas, entregando respostas significativamente mais alinhadas às preferências do usuário e mais úteis. |
Geração de texto, Raciocínio | 29/07/2025 | Global |
| Modelo Plus da série Qwen3, integra os modos de pensamento e não-pensamento e pode alternar entre eles durante o diálogo. Em comparação à versão anterior, adiciona aprimoramentos dedicados para capacidades em chinês e inglês e chamada de ferramentas. Este é um snapshot de 28 de julho de 2025; o primeiro a suportar comprimento de contexto de 1M, utilizando preços escalonados. |
Geração de texto, Raciocínio | 25/07/2025 | Global |
| Modelo de pensamento Qwen3 open-source; em comparação à versão anterior (Qwen3-235B-A22B), apresenta grandes melhorias em capacidade lógica, capacidades gerais, aprimoramento de conhecimento e criatividade, adequado para cenários de alta dificuldade e pensamento forte. |
Geração de texto | 24/07/2025 | Global |
| O Qwen-MT-Plus, o modelo de tradução principal da nossa série Qwen, foi totalmente atualizado com a arquitetura Qwen3. Suporta 92 idiomas e entrega traduções excepcionalmente precisas e naturais. Suas capacidades avançadas de compreensão contextual, controle de terminologia e preservação de formatação o tornam uma escolha superior aos modelos tradicionais, especialmente para domínios especializados. |
Geração de texto | 23/07/2025 | Global |
| Modelo de geração de código baseado no Qwen3 com forte poder de agente de codificação, destaca-se na chamada de ferramentas e interação com o ambiente, capaz de programação autônoma com excelente capacidade de código, mantendo a habilidade geral. |
Geração de texto | 23/07/2025 | Global |
| Modelo de geração de código baseado no Qwen3 com forte poder de agente de codificação; a capacidade de código atinge SOTA open-source. |
Geração de texto | 23/07/2025 | Global |
| Modelo não-pensamento Qwen3 open-source; em comparação à versão anterior (Qwen3-235B-A22B), apresenta ligeiras melhorias em criatividade subjetiva e segurança do modelo. |
Compreensão visual | 07/07/2025 | Global |
| O Qwen-VL_OCR é um modelo de OCR treinado com base no Qwen-VL. Agrega várias tarefas de reconhecimento, análise e processamento de imagem-texto por meio de uma abordagem de modelo unificado, oferecendo poderosas capacidades de reconhecimento de imagem-texto. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração efetiva dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio atinge o nível SOTA na indústria de mesma escala, e sua capacidade geral supera significativamente o Qwen2.5-7B. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração efetiva dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio supera significativamente o QwQ, e sua capacidade geral excede marcadamente o Qwen2.5-32B-Instruct, atingindo o nível SOTA na indústria de mesma escala. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração efetiva dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio rivaliza com o QwQ-32B com um tamanho de parâmetro menor, e sua capacidade geral supera significativamente o Qwen2.5-14B, atingindo o nível SOTA na indústria de mesma escala. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração efetiva dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio supera significativamente o QwQ, e sua capacidade geral excede marcadamente o Qwen2.5-72B-Instruct, atingindo o nível SOTA na indústria de mesma escala. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração efetiva dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio atinge o nível SOTA na indústria de mesma escala, e sua capacidade geral supera significativamente o Qwen2.5-14B. |
China (Beijing)
Tipo de modelo | Data | ID do modelo | Descrição |
|---|---|---|---|
Síntese de fala | 2026-10-21 |
| O Qwen-Audio-3.1-TTS-Plus é um modelo profissional de conversão de texto em fala de alta qualidade para vozes premium e criação de conteúdo. Ele oferece suporte a vários idiomas e dialetos, síntese de fala em streaming, instruções livres e tags detalhadas para controlar emoção, tom, personagem, velocidade de fala e volume. Na clonagem de voz, apresenta maior robustez a ruído e reverberação no áudio de referência, melhorando a qualidade, a clareza e a expressividade. A versão Plus prioriza a qualidade e a resolução do áudio em cenários profissionais, como vozes de marcas, criação de conteúdo de áudio, dublagem de filmes e televisão e interpretação de personagens. |
Geração de texto, Raciocínio, Compreensão visual | 2026-10-17 |
| DeepSeek-V4.1-Flash-1017 é a iteração do V4.1-Flash, treinada com aprendizado por reforço baseado em autofeedback para oferecer ganhos substanciais em relação à versão anterior em benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 e ProgramBench. Ao mesmo tempo, reduz o tempo de execução das tarefas e o comprimento da saída para alcançar um novo ótimo de Pareto entre desempenho e custo em vários harnesses de avaliação. Sua capacidade de construir projetos completos do zero foi ainda mais fortalecida, permitindo tarefas de programação "baseadas em desejos", como desenvolvimento de jogos e modelagem 3D, mantendo o mesmo MoE com 552B parâmetros, compreensão visual multimodal nativa, janela de contexto de 1M tokens e saída máxima de 384K tokens. |
Síntese de fala | 2026-10-12 |
| Qwen-Audio-3.1-TTS-Flash é um modelo de síntese de fala para interações em tempo real. Oferece síntese de fala em streaming e diversas vozes do sistema para assistentes de voz, conversas em tempo real e atendimento ao cliente. |
Síntese de fala | 2026-09-21 |
| Qwen-Audio-3.1-TTS-Next é um modelo AudioGen projetado para geração unificada de áudio. Indo além dos sistemas TTS convencionais que focam apenas na síntese de fala, ele pode gerar conteúdo de áudio completo em uma única passagem a partir de entradas como texto, timestamps e áudio de referência, combinando perfeitamente fala, efeitos sonoros, sons ambientes e muito mais. O modelo suporta uma ampla gama de tarefas, incluindo TTS multilíngue, fala de um único orador, diálogo com múltiplos oradores, podcasts, paisagens sonoras cinematográficas, áudio ambiente e efeitos sonoros. Seus principais pontos fortes incluem fala mais natural e expressiva, identidade de voz consistente, controle flexível de tempo e geração de paisagem sonora de alta qualidade. Essas capacidades o tornam adequado para criação de conteúdo, vídeos curtos, podcasts, produção de cinema e televisão, áudio de jogos e outros cenários profissionais de criação de áudio. |
Reconhecimento de fala | 2026-09-21 |
| Qwen-Audio-3.1-ASR-Flash-Message é um modelo generativo de reconhecimento de fala otimizado para mensagens de voz, entrada de voz e cenários empresariais. Ele suporta chinês, inglês e outros idiomas, com otimizações para indonésio, japonês, tailandês, filipino, vietnamita, coreano e malaio. O modelo suporta transcrição incremental em streaming, palavras-chave P0/P1, normalização de texto, reconhecimento informado por transcrições anteriores e contexto de negócios, e polimento opcional de texto nativo. Ele melhora a estabilidade do reconhecimento com múltiplos falantes, conversas de fundo, áudio de campo distante e ruído ambiental. Ele suporta detecção automática de idioma ou idiomas alvo especificados, e pode transcrever dialetos chineses conforme falados ou convertê-los para texto em mandarim padrão. |
Reconhecimento de fala | 2026-09-21 |
| Qwen-Audio-3.1-ASR-Flash-Streaming é um modelo de reconhecimento de fala em tempo real de ponta a ponta projetado para cenários como conferências em tempo real, legendas ao vivo e interação inteligente. Ele apresenta baixa latência e alta precisão na transcrição de fala em streaming. O modelo suporta reconhecimento multilíngue e de dialetos chineses de várias regiões, alternância perfeita entre chinês e inglês, aprimoramento por palavras-chave e contexto, previsão de pontuação e normalização de texto. Ele também exibe forte robustez a ruídos e pode se adaptar a ambientes acústicos complexos. Além disso, esta versão suporta saída ASR/AST controlável para múltiplos dialetos. |
Reconhecimento de fala | 2026-09-21 |
| Qwen-Audio-3.1-ASR-Flash é um modelo de grande escala que suporta reconhecimento eficiente de fala curta, projetado para cenários de transcrição de conteúdo cultural, multilíngue e de alta qualidade. O modelo suporta reconhecimento multilíngue e de dialetos chineses de várias regiões, e é otimizado para o ritmo, cadência e expressão clássica da poesia chinesa antiga. Ele possui recursos de aprimoramento de contexto, previsão de pontuação e normalização de texto. Esta versão também suporta saída ASR/AST controlável para múltiplos dialetos. Inclui capacidades nativas de transcrição e refinamento, bem como capacidades de transcrição baseada em papéis para diálogos com múltiplas pessoas de nível industrial. |
Reconhecimento de fala | 2026-09-21 |
| Qwen-Audio-3.1-ASR-Flash-Filetrans é um modelo de reconhecimento de fala offline ponta a ponta projetado para cenários como transcrição de reuniões, produção de conteúdo e análise de chamadas. Ele suporta reconhecimento multilíngue e de dialetos chineses de várias regiões. O modelo possui recursos de transcrição de alta precisão, aprimoramento de palavras-chave e contexto, separação de falantes, previsão de pontuação e normalização de texto. Ele mantém um desempenho estável mesmo em ambientes ruidosos complexos, tornando-o a escolha preferida para transcrição de áudios longos. Esta versão também suporta saída ASR/AST controlável para múltiplos dialetos. |
Geração de texto, Raciocínio, Compreensão visual | 02/09/2026 |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) is an upgraded snapshot of qwen3.8-max. Coding capability breaks new ground, handling more complex engineering-scale projects and long-horizon autonomous development. Collaborative agent performance is significantly enhanced, with greater composure in multi-tool orchestration and end-to-end task delivery. Native vision understanding is refined across chart reasoning, document parsing, and multimodal perception — sharper and more reliable. Retains the 1M context window, thinking mode, and full tool ecosystem, evolving at a higher level of intelligence. |
Geração de texto, Pensamento profundo, Compreensão visual | 26/08/2026 |
| O Qwen3.8-Flash é o modelo flagship leve da série Qwen3.8, com janela de contexto de 1 milhão de tokens, saída máxima de 128k e orçamento de pensamento de 256k. Suporta raciocínio profundo, Function Calling, saída estruturada, ferramentas integradas e compreensão visual nativa, alcançando o equilíbrio ideal entre desempenho e custo. Adequado para uma ampla gama de tarefas, desde geração de texto cotidiana até cenários de agentes. |
Geração de vídeo | 2026-08-20 |
| O Wan3.0-Video-Prime é a versão de alta velocidade do modelo de geração de vídeo Wan3.0, com capacidades equivalentes à versão padrão do Wan3.0-Video. Ele aceita entrada de referência completa em quatro modalidades e gera vídeos de até 30 segundos, proporcionando uma experiência audiovisual imersiva com melhoria significativa na velocidade de ponta a ponta. |
Geração de texto, Raciocínio, Compreensão visual | 2026-08-19 |
| O Kimi K3 é um modelo principal da Kimi, com 2,8 trilhões de parâmetros. Construído sobre as tecnologias de atenção linear híbrida KDA (Kimi Delta Attention) e Resíduos de Atenção, ele oferece suporte nativo à compreensão visual e possui uma janela de contexto de 1 milhão de tokens. É o primeiro modelo open source de 3 trilhões de parâmetros do mundo, projetado para programação de contexto longo, trabalho intelectual e raciocínio avançado. |
Geração de texto, Raciocínio, Compreensão visual | 2026-08-17 |
| Modelo Dense nativo de visão-linguagem de 27B da série Qwen3.8. Em comparação com o 3.6-27B, seu foco é aprimorar as capacidades de codificação e cenários de escritório nas modalidades de texto e visão, permitindo concluir tarefas complexas de ponta a ponta com maior confiabilidade e entregar resultados consistentes. |
Geração de texto, Raciocínio | 2026-08-14 |
| Modelo de linguagem grande Mixture-of-Experts (MoE) principal, com 1,6 trilhão de parâmetros no total e 49 bilhões de parâmetros ativados. Oferece suporte nativo a janelas de contexto de até 1 milhão de tokens. Treinado com um vasto conjunto de dados de alta qualidade, o modelo apresenta alto desempenho em raciocínio matemático e lógico, raciocínio complexo, geração de código profissional e análise profunda de documentos longos. É adequado para cenários exigentes, como pesquisa científica avançada, fluxos de trabalho corporativos complexos e aplicações sofisticadas baseadas em agentes. |
Geração de texto | 2026-08-12 |
| O Qwen3.8-2.4T-A95B é a versão open source da série principal do Qwen, lançada em agosto de 2026. Adota uma arquitetura MoE esparsa com 2,4 trilhões de parâmetros no total e cerca de 95 bilhões ativados por etapa, combinada com um mecanismo de atenção híbrida, suportando um contexto de 1 milhão de tokens. Principais benchmarks: GPQA Diamond 92,6, PaperBench 93,0, OSWorld 86,1, BabyVision 82,0, CodeArena posição global nº 4. |
Geração de vídeo | 2026-08-06 |
| O Wan3.0 é um modelo completo de geração de vídeo que suporta uniformemente múltiplas funções criativas, incluindo referência, edição, replicação e condução. Aceita entrada de referência completa em quatro modalidades, gera até 30 segundos de vídeo e consegue analisar arquivos, páginas da web e imagens complexas. Com consistência de personagens de nível de produção e áudio e visuais realistas, proporciona um impacto audiovisual imersivo. |
Geração de imagem | 2026-08-04 |
| Compreensão clara de instruções: aceita entrada de até 4,5 mil tokens, gerando instruções complexas de imagem e texto em uma única passagem. Renderização estável de texto: textos pequenos de 10 px, 12 idiomas e mais de 20 fontes com legibilidade nítida, prontos para infográficos e interfaces. Saída em lote prática: pôsteres, páginas da web, interfaces e outras tarefas diárias podem ser gerados em massa com custo reduzido, sendo ideal para criação contínua. O Qwen-Image-3.0 Standard busca não apenas qualidade de geração, mas também conveniência criativa no dia a dia, tornando a geração de imagens uma ferramenta sustentável de produtividade de conteúdo. |
Geração de texto, Raciocínio, Compreensão visual | 2026-08-02 |
| Modelo principal MoE com 2,4 trilhões de parâmetros que apresenta um salto abrangente nas capacidades de codificação e escritório, capaz de programar autonomamente por dias para entregar projetos completos. Executa centenas de tarefas profissionais, como trabalhos jurídicos, financeiros e de design, entregando resultados de nível de produção de ponta a ponta em uma única conversa. A compreensão visual nativa percorre todo o pipeline de planejamento, execução e verificação, suportando análise semântica profunda de documentos ultralongos e vídeos longos. Realiza planejamento autônomo e iteração em ciclo fechado em tarefas de longo horizonte, evoluindo continuamente. |
Geração de texto, Raciocínio | 2026-08-01 |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, suportando nativamente janelas de contexto de até um milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, proporcionando um desempenho geral bem equilibrado. Projetado para cargas de trabalho leves e de alta concorrência, é ideal para casos de uso comuns e essenciais, como diálogo cotidiano, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Reconhecimento de fala | 2026-07-30 |
| Adição dos modelos Qwen-Audio-3.0-ASR-Flash-Streaming (tempo real), Qwen-Audio-3.0-ASR-Flash-Filetrans (não tempo real) e Qwen-Audio-3.0-ASR-Flash (não tempo real): Suporte a dialetos: Abrange os sete principais grupos de dialetos chineses (Mandarim, Wu, Xiang, Gan, Hakka, Min e Yue) e mais de 20 sotaques regionais; Otimização para poesia clássica: Melhora a precisão do reconhecimento de poesia clássica chinesa, adequando-se a cenários educacionais, culturais e de audiolivros; Otimização de texto: Aprimora a previsão de pontuação e a normalização de texto, convertendo automaticamente números, datas e valores monetários para formatos padrão; Expansão multilíngue: Suporta 30 idiomas, incluindo chinês, inglês, japonês e coreano; Palavras-chave e contexto: Permite o uso de palavras-chave (pré-compiladas e em tempo real) e entrada de contexto para melhorar a precisão do reconhecimento de termos específicos de domínio. |
Geração de texto, Raciocínio, Compreensão visual | 2026-07-21 |
| Os modelos Flash da série nativa de visão-linguagem Qwen3.7 aprimoram de forma abrangente a compreensão multimodal e as capacidades de execução de Agentes em relação ao 3.6-Flash. As principais melhorias incluem o fortalecimento das habilidades multimodais fundamentais, reconhecimento de objetos aprimorado e melhor percepção do mundo real e inteligência espacial. Cenários de Agentes multimodais, como Search Agent e CI Agent, receberam atualizações significativas, com execução de tarefas de ponta a ponta mais estável. As capacidades de codificação multimodal foram otimizadas, proporcionando uma experiência de vibe coding mais fluida. |
Geração de imagem | 2026-07-20 |
| Conteúdo rico: Aceita entrada de até 4,5 mil tokens e layout denso de informações com imagens dentro de imagens, permitindo gerar layouts complexos como jornais, storyboards, cardápios e provas de exame em uma única passagem. Detalhes autênticos: Suporta renderização precisa de textos tão pequenos quanto 10 px e reproduz vividamente detalhes finos como microexpressões, poros e fios de cabelo individuais, aproximando-se da qualidade da fotografia real. Conhecimento profundo: Oferece renderização nativa de 12 idiomas e mais de 20 fontes, simulação realista de interfaces convencionais como páginas da web, jogos e transmissões ao vivo, incorporando totalmente conhecimentos externos. O Qwen-Image-3.0-Pro não busca apenas "boa aparência", mas sim "utilidade", transformando a geração de imagens em uma ferramenta de produtividade verdadeiramente implantável. |
Síntese de fala, Síntese de fala em tempo real | 2026-07-14 |
| O Qwen-Audio-3.0-TTS-Plus é um modelo de síntese de fala de alto desempenho, projetado para cenários de geração de fala de alta qualidade. Em comparação com a versão anterior, suporta mais idiomas de baixos recursos e dialetos chineses, melhora significativamente a autenticidade dos dialetos e aprimora o seguimento de instruções de estilo livre e o controle granular de tags para um controle mais preciso sobre emoção, tom, personagem, velocidade de fala, volume e estilo de síntese. Também é mais robusto em condições acústicas ruidosas e reverberantes, com melhorias adicionais na qualidade, clareza, resolução e expressividade geral do áudio. A versão Plus foca mais na qualidade da síntese e na expressividade detalhada, sendo adequada para cenários profissionais com maiores exigências de qualidade de áudio, naturalidade e expressividade, como criação de conteúdo, audiolivros, dublagem de filmes e vídeos, design de voz de marca e serviços de fala premium. |
Síntese de fala em tempo real | 2026-07-14 |
| O qwen-audio-3.0-tts-flash é um modelo de síntese de fala de alto desempenho, otimizado para cenários interativos em tempo real. Comparado à versão anterior, suporta mais idiomas de baixos recursos e dialetos chineses, melhora a autenticidade dos dialetos e aprimora o seguimento de instruções de estilo livre e o controle granular de tags para um controle mais flexível sobre emoção, tom, personagem, velocidade de fala, volume e estilo expressivo. Também apresenta maior robustez em condições acústicas ruidosas e reverberantes, com melhorias na qualidade, clareza e expressividade geral do áudio. A versão Flash foca na síntese em tempo real, com latência do primeiro pacote controlada dentro de 200 ms, sendo ideal para assistentes de voz, diálogos em tempo real, atendimento ao cliente inteligente e outras aplicações interativas de baixa latência. |
Chat em tempo real | 2026-07-14 |
| Edição Standard do Modelo de Fala em Tempo Real Qwen 3.0 - modelo de fala duplex de próxima geração classificado em 1º lugar globalmente no benchmark Speech-to-Speech da Artificial Analysis. Equilibra a inteligência do modelo com o ritmo do diálogo duplex para uma interação natural e maior qualidade de resposta. |
Chat em tempo real | 2026-07-14 |
| Edição Flash do Modelo de Diálogo de Fala em Tempo Real Qwen 3.0 - modelo de fala duplex de próxima geração classificado em 1º lugar globalmente no benchmark Speech-to-Speech da Artificial Analysis. Combina alta inteligência com ritmo duplex otimizado para uma experiência de diálogo 'rápida e inteligente' de baixa latência (inferência paralela, otimização full-streaming), focada na velocidade de resposta. |
Geração de texto | 2026-07-09 |
| O GLM-5.2-Fast-Preview é a variante de alta velocidade do GLM-5.2 da Zhipu AI, com contexto de 1M e capacidades equivalentes à versão padrão. Otimizado para inferência, entrega 1,5 a 2 vezes mais TPS de saída, adequando-se a casos de uso sensíveis à latência, como chat em tempo real, agentes de múltiplas turnos e geração de código em streaming. |
Geração de vídeo | 2026-07-01 |
| Wan2.7 texto para vídeo, desempenho totalmente reinventado. Oferece profundidade emocional orgânica e sutil em arcos narrativos e impacto visceral e intenso em sequências de ação. Aprimorado com cortes cinematográficos rítmicos para um poder de narrativa inigualável. Esta versão é um snapshot de 12 de junho de 2026. |
Geração de vídeo | 2026-07-01 |
| Wan2.7 referência para vídeo, consistência e desempenho aprimorados. Proporciona estabilidade superior para personagens, adereços e cenários. Suporta referência híbrida de até 5 entradas mistas de imagem/vídeo e clonagem de timbre de áudio. Juntamente com atualizações do motor principal, alcança um poder expressivo cinematográfico sem precedentes. Esta versão é um snapshot de 12 de junho de 2026. |
Embedding de texto | 2026-06-30 |
| Modelo de classificação de texto treinado na base do LLM Qwen que executa classificação de relevância para consultas de entrada e documentos candidatos. Suporta mais de 100 idiomas e entradas de texto longo, sendo adequado para aplicações como recuperação de texto e RAG. Seu desempenho está alinhado com os modelos da série open source Qwen3-Rerank. |
Geração de imagem | 2026-06-25 |
| O modelo completo da série Qwen-Image-2.0 integra geração e edição de imagens; possui capacidades de renderização de texto mais profissionais com suporte a comandos de 1 mil tokens, texturas mais delicadas e realistas, representação meticulosa de cenas realistas e maior aderência semântica. A versão completa possui as maiores capacidades de renderização de texto e texturas mais realistas da série 2.0. |
Reconhecimento de fala | 2026-06-17 |
| A versão Bailing ASR, atualizada em junho de 2026, suporta totalmente os sete principais sistemas dialetais do chinês tradicional (Mandarim/Wu/Xiang/Gan/Hakka/Min/Yue) e é compatível com mais de 20 sotaques regionais de mandarim. Apresenta otimizações específicas para o ritmo, métrica e características de expressão literária da poesia clássica chinesa, melhorando a precisão do reconhecimento de poesia e tornando-o adequado para patrimônio cultural, explicações educacionais e audiolivros. Capacidades aprimoradas de previsão de pontuação e normalização de texto tornam o texto de saída mais consistente com os hábitos de expressão escrita; números, datas e valores são convertidos automaticamente para formatos padrão, aumentando a legibilidade e o profissionalismo. O suporte a idiomas foi expandido para incluir inglês, japonês, coreano, vietnamita, tailandês, indonésio, malaio, filipino, hindi, árabe, francês, alemão, espanhol, português, russo, italiano, holandês, sueco, dinamarquês, finlandês, norueguês, grego, polonês, tcheco, húngaro, romeno, búlgaro, croata e eslovaco, totalizando 30 idiomas. Suporta capacidades de contextualização e pode transcrever áudios de até 5 minutos de duração. |
Compreensão visual | 2026-06-16 |
| O Qwen3.5-OCR é um modelo de OCR atualizado com análise aprimorada de documentos, localização de texto e extração de informações-chave. Melhora significativamente o desempenho de extração para documentos do mundo real (por exemplo, carteiras de identidade, carteiras de motorista). |
Geração de vídeo | 2026-06-16 |
| O HappyHorse-1.1-T2V suporta geração de Texto para Vídeo com melhor compreensão semântica, controle cinematográfico de planos e renderização dinâmica de movimentos. Captura a intenção criativa com maior precisão, produzindo vídeos de alta qualidade com movimentos mais suaves, detalhes mais ricos, maior consistência visual e ações de personagens, atmosfera de cena e dinâmica física mais naturais. |
Geração de vídeo | 2026-06-16 |
| O HappyHorse-1.1-R2V suporta geração de Referência para Vídeo com estabilidade significativamente melhorada no assunto, estilo de cena e consistência visual. Com suporte para até 9 imagens de referência, compreende e preserva a intenção criativa com maior precisão, oferecendo maior controlabilidade e expressividade em personagens, cenários, estilos e movimentos cinematográficos. |
Geração de vídeo | 2026-06-16 |
| O HappyHorse-1.1-I2V suporta geração de Imagem para Vídeo com melhor qualidade visual, desempenho dinâmico e consistência entre clipes. Compreende a imagem de entrada com maior precisão e preserva a intenção criativa, oferecendo melhorias significativas no realismo da textura da pele, consistência de ID de personagem entre clipes, suavidade de movimento, estabilidade de renderização de texto e sincronização audiovisual, produzindo vídeos de alta qualidade com maior realismo, detalhes mais ricos e maior consistência geral. |
Geração de texto, Raciocínio | 2026-06-16 |
| O GLM-5.2 é um modelo principal da Zhipu AI, projetado para tarefas de longo horizonte com suporte a uma janela de contexto ultralonga de 1M. Possui capacidades poderosas de raciocínio lógico, compreensão de texto longo e geração de código, equilibrando desempenho com eficiência de inferência. Destaca-se em diversos benchmarks de multitarefa e é adequado para interação inteligente, aplicações empresariais e cenários de assistência ao desenvolvimento. |
Geração de texto, Raciocínio, Compreensão visual | 2026-06-15 |
| O kimi-k2.7-code é um modelo de codificação da Kimi. Segue instruções com maior confiabilidade em contextos longos e conclui tarefas de programação com taxas de sucesso mais altas. Suporta entradas de texto, imagem e vídeo, além de modo de pensamento, conversação e tarefas de agente. |
Geração de texto, Raciocínio, Compreensão visual | 2026-06-09 |
| O modelo Max, o maior e mais capaz da série Qwen3.7, adicionou compreensão da modalidade visual em relação ao snapshot de 20 de maio, permitindo-lhe perceber cenas do mundo real e suportar capacidades de agente híbrido interativo multimodal. Esta versão baseia-se em um snapshot tirado em 8 de junho de 2026. |
Geração de texto, Raciocínio, Compreensão visual | 2026-06-01 |
| Na série Qwen3.7, o modelo Plus, com excelente custo-benefício, baseia-se em suas robustas capacidades de texto e oferece uma atualização abrangente de suas habilidades de visão-linguagem, preservando sua inteligência de nível de agente full-stack para codificação, uso de ferramentas e fluxos de trabalho de produtividade. Sua característica distintiva principal são as capacidades de agente híbrido interativo multimodal, permitindo perceber cenas do mundo real, ler telas e interagir com GUIs, gerar código com base em referências visuais e realizar navegação de ponta a ponta em aplicativos móveis. |
Síntese de fala | 2026-06-01 |
| O modelo grande Fun Music suporta a criação de músicas com base em letras abertas ou requisitos de composição, gerando músicas completas em chinês/inglês com vocais masculinos/femininos. As músicas são acessíveis e emocionalmente progressivas, representando uma fusão perfeita de inspiração humana e capacidades de LLM. |
Geração de texto, Raciocínio | 2026-05-21 |
| O modelo Max, o maior e mais capaz da série Qwen3.7, oferece atualmente uma interface puramente textual para experimentação pública. O Qwen3.7 é um modelo principal de próxima geração projetado para a era centrada em agentes, com seus pontos fortes residindo na amplitude e profundidade de suas capacidades de nível de agente: destaca-se em programação, tarefas de escritório e produtividade e execução autônoma de longo prazo. |
Tradução de fala em tempo real | 2026-05-19 |
| Versão em tempo real do Qwen3.5-LiveTranslate-Flash, um modelo de interpretação simultânea de áudio e vídeo multilíngue de alta precisão, alta responsividade e robustez. Aproveitando a poderosa infraestrutura do Qwen3.5-Omni, dados multimodais massivos, alinhamento entre idiomas e modalidades e tecnologias de aprimoramento visual, o Qwen3.5-LiveTranslate-Flash oferece capacidades de tradução de áudio e vídeo offline e em tempo real. Consegue compreender 60 idiomas e falar 29 idiomas. |
Síntese de fala | 2026-05-06 |
| Modelo de geração musical que cria músicas completas em chinês/inglês (vocais masculinos/femininos) a partir de letras ou requisitos criativos, combinando inspiração humana com capacidades de IA. |
Geração de vídeo | 2026-04-26 |
| Wan2.7 texto para vídeo, desempenho totalmente reinventado. Oferece profundidade emocional orgânica e sutil em arcos narrativos e impacto visceral e intenso em sequências de ação. Aprimorado com cortes cinematográficos rítmicos para um poder de narrativa inigualável. Esta versão é um snapshot de 25 de abril de 2026. |
Geração de vídeo | 2026-04-26 |
| Wan2.7 imagem para vídeo, desempenho totalmente reinventado. Oferece profundidade emocional orgânica e sutil em arcos narrativos e impacto visceral e intenso em sequências de ação. Aprimorado com cortes cinematográficos rítmicos para um poder de narrativa inigualável. Esta versão é um snapshot de 25 de abril de 2026. |
Geração de vídeo | 2026-04-26 |
| O HappyHorse-1.0-V2V suporta edição avançada de vídeo por meio de instruções em linguagem natural. Permite edição local ou global de elementos de vídeo usando até 5 imagens de referência, preservando com precisão a dinâmica original de movimento para alcançar expressividade superior. |
Geração de vídeo | 2026-04-26 |
| O HappyHorse-1.0-R2V suporta geração de Referência para Vídeo, oferecendo maior estabilidade na referência de assuntos e cenários. Capaz de processar até 9 imagens de referência, preserva com precisão a intenção criativa para oferecer desempenho superior. |
Geração de texto, Raciocínio | 2026-04-24 |
| Modelo grande MoE principal com 1,6 trilhão de parâmetros e 49 bilhões de parâmetros ativados, suportando nativamente comprimentos de contexto de até um milhão de tokens. Treinado em um vasto corpus de dados de alta qualidade, destaca-se em raciocínio matemático avançado, inferência lógica complexa, codificação especializada e análise profunda de textos longos, sendo adequado para aplicações exigentes, como pesquisa de ponta, fluxos de trabalho de escritório sofisticados e agentes de IA avançados. |
Geração de texto, Raciocínio | 2026-04-24 |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, suportando nativamente janelas de contexto de até um milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, proporcionando um desempenho geral bem equilibrado. Projetado para cargas de trabalho leves e de alta concorrência, é ideal para casos de uso comuns e essenciais, como diálogo cotidiano, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de texto, Raciocínio, Compreensão visual | 2026-04-23 |
| O modelo Plus da série nativa de visão-linguagem Qwen3.5 teve uma melhoria substancial nas capacidades de codificação agêntica em relação ao snapshot de 15 de fevereiro. A velocidade de inferência também foi significativamente aprimorada, enquanto sua retenção de conhecimento, capacidade de raciocínio e processamento de contexto longo permanecem em alto nível, tornando-o adequado para tarefas complexas baseadas em agentes. É ideal para aplicações como agentes de codificação, fluxos de trabalho de produção e cenários de alto throughput. Esta versão baseia-se em um snapshot tirado em 20 de abril de 2026. |
Geração de imagem | 2026-04-23 |
| Os modelos completos da série Qwen-Image-2.0 integram geração e edição de imagens, oferecendo renderização de texto aprimorada com suporte a prompts de 1.000 tokens, texturas realistas mais refinadas, representação detalhada de cenas fotorrealistas e maior aderência semântica. A versão completa oferece a renderização de texto mais forte e as texturas mais realistas da série 2.0. |
Geração de texto, Raciocínio, Compreensão visual | 2026-04-22 |
| O modelo dense nativo de visão-linguagem Qwen3.6 27B baseia-se na versão 3.5-27B, com melhorias principais nas capacidades de codificação agêntica e aprimoramento do raciocínio e inferência em STEM. Na modalidade de visão, demonstra avanços significativos em inteligência espacial, localização e detecção de objetos, enquanto a compreensão de vídeo, OCR de documentos e capacidades de agente visual continuam a melhorar constantemente. |
Geração de vídeo | 2026-04-22 |
| O HappyHorse-1.0-I2V permite a geração de imagem para vídeo, apresentando renderização dinâmica altamente realista. Compreende com precisão tanto a semântica de texto quanto de imagem para produzir vídeos de alta qualidade que são fluidos, naturais e ricos em detalhes. |
Geração de texto, Raciocínio, Compreensão visual | 2026-04-21 |
| O Kimi-k2.6 é o modelo inteligente da série Kimi, apresentando geração de código de contexto longo aprimorada, melhor seguimento de instruções e capacidades de autocorreção, suportando entradas de texto/imagem/vídeo e múltiplos modos operacionais. |
Geração de vídeo | 2026-04-21 |
| O HappyHorse-1.0-T2V suporta geração de texto para vídeo, apresentando renderização dinâmica altamente realista. Compreende com precisão a semântica do texto para produzir vídeos de alta qualidade que são fluidos, naturais e ricos em detalhes. |
Geração de texto, Raciocínio | 2026-04-20 |
| O modelo Max, a variante maior e mais capaz da série Qwen3.6, está agora disponível em versão preview. No momento, apenas suas capacidades de texto simples estão abertas para experimentação. Em comparação com os modelos Qwen3-Max e Qwen3.6-Plus lançados anteriormente, este modelo apresenta habilidades aprimoradas de vibe coding, execução mais eficiente de agentes de codificação e habilidades de desenvolvimento front-end significativamente melhoradas. Além disso, sua retenção de conhecimento de cauda longa foi ainda mais atualizada. |
Geração de texto, Raciocínio, Compreensão visual | 2026-04-16 |
| A série de modelos Flash nativos de visão-linguagem Qwen3.6 oferece um aumento significativo de desempenho em relação à versão 3.5-Flash. Este modelo se destaca particularmente em capacidades de codificação agêntica, superando substancialmente seu predecessor em múltiplos benchmarks de agentes de código, bem como em raciocínio matemático e de código. Em termos de visão, apresenta inteligência espacial notavelmente melhorada, com aprimoramentos especialmente notáveis na localização e detecção de objetos. |
Geração de texto, Raciocínio, Compreensão visual | 2026-04-16 |
| O modelo nativo de visão-linguagem Qwen3.6 35B-A3B é construído sobre uma arquitetura híbrida que integra mecanismos de atenção linear com uma estrutura esparsa de mistura de especialistas, alcançando maior eficiência de inferência. Em comparação com o 3.5-35B-A3B, este modelo demonstra capacidades de codificação agêntica, habilidades de raciocínio matemático e de código, inteligência espacial, bem como desempenho de localização e detecção de objetos significativamente melhorados. |
Geração de texto, Raciocínio | 2026-04-14 |
| O GLM-5.1 é um modelo desenvolvido pela Zhipu AI, projetado especificamente para tarefas de longo horizonte. Possui 744 bilhões de parâmetros, suporta um contexto ultralongo de 200 mil tokens e pode gerar até 128 mil tokens em uma única resposta. O GLM-5.1 destaca-se em raciocínio lógico, compreensão de texto longo e geração de código, equilibrando desempenho com eficiência de inferência. Entrega resultados excelentes em múltiplos benchmarks de multitarefa e é adequado para aplicações como interação homem-computador inteligente, soluções empresariais e assistência ao desenvolvedor. |
Geração de vídeo | 2026-04-03 |
| Edição de vídeo Wan2.7, suporta edição localizada e global via prompt. Substitua elementos perfeitamente usando referências de imagem e replique processos dinâmicos complexos, incluindo movimento, efeitos especiais e movimentos de câmera. |
Geração de vídeo | 2026-04-03 |
| Wan2.7 texto para vídeo, desempenho totalmente reinventado. Oferece profundidade emocional orgânica e sutil em arcos narrativos e impacto visceral e intenso em sequências de ação. Aprimorado com cortes cinematográficos rítmicos para um poder de narrativa inigualável. |
Geração de vídeo | 2026-04-03 |
| Wan2.7 referência para vídeo, consistência e desempenho aprimorados. Proporciona estabilidade superior para personagens, adereços e cenários. Suporta referência híbrida de até 5 entradas mistas de imagem/vídeo e clonagem de timbre de áudio. Juntamente com atualizações do motor principal, alcança um poder expressivo cinematográfico sem precedentes. |
Geração de vídeo | 2026-04-03 |
| Wan2.7 imagem para vídeo, desempenho totalmente reinventado. Oferece profundidade emocional orgânica e sutil em arcos narrativos e impacto visceral e intenso em sequências de ação. Aprimorado com cortes cinematográficos rítmicos para um poder de narrativa inigualável. |
Geração de imagem | 2026-04-01 |
| O Wan2.7–image-pro suporta texto para imagem, texto/imagem para imagens sequenciais, edição de imagem, geração de referência de múltiplas imagens e edição interativa. Oferece desempenho aprimorado em renderização de texto, consistência de assunto e seguimento de instruções complexas. |
Geração de imagem | 2026-04-01 |
| Wan2.7 – geração e edição de imagens, suporta texto para imagem, texto/imagem para imagens sequenciais, edição de imagem, geração de referência de múltiplas imagens e edição interativa. Oferece desempenho aprimorado em renderização de texto, consistência de assunto e seguimento de instruções complexas. |
Geração de texto, Raciocínio, Compreensão visual | 2026-04-01 |
| Os modelos da série Plus nativa de visão e linguagem Qwen3.6 apresentam desempenho excepcional, equivalente aos melhores modelos atuais do mercado, com uma melhoria significativa nos resultados gerais em comparação à série 3.5. Houve aprimoramentos marcantes nas capacidades relacionadas a código, como codificação agêntica, programação front-end e Vibe coding, além de avanços no reconhecimento geral de objetos multimodais, OCR e localização de objetos. |
Omni-modal em tempo real | 2026-03-30 |
| O Qwen 3.5-Omni é um modelo grande multimodal da família Qwen, com suporte a compreensão e interação por texto, imagem, áudio e audiovisual. Como evolução completa do Qwen3-Omni, aceita entrada de áudio em mais de 60 idiomas, saída de voz em mais de 30 idiomas e diálogo de voz controlável, além de WebSearch e invocação complexa de FunctionCall. O modelo também oferece recursos inteligentes de interrupção semântica durante a interação. Seu uso abrange criação de texto, assistentes de voz e análise multimídia, proporcionando uma experiência de interação multimodal natural e fluida. |
Omni-modal | 2026-03-30 |
| O Qwen 3.5-Omni representa a última geração do modelo grande multimodal Qwen, capaz de compreender e interagir via texto, imagem, áudio e conteúdo audiovisual. Em relação ao Qwen 3-Omni, esta versão evoluiu para suportar mais de 10 horas de compreensão de áudio e mais de 400 segundos de compreensão e diálogo audiovisual em 720P (1 FPS). A cobertura de idiomas foi ampliada, aceitando entrada de áudio em mais de 60 línguas e saída de fala em mais de 30. Com forte capacidade de compreensão audiovisual estruturada, o modelo atende a cenários de criação textual, assistentes de voz e análise multimídia, entregando uma experiência multimodal natural e fluente. |
Omni-modal em tempo real | 2026-03-30 |
| Sendo a geração mais nova do modelo grande multimodal Qwen, o Qwen 3.5-Omni suporta compreensão e interação em texto, imagem, áudio e audiovisual. Esta versão totalmente evoluída do Qwen3-Omni processa entrada de áudio em mais de 60 idiomas e gera voz em mais de 30, permitindo diálogos controláveis, buscas na web (WebSearch) e chamadas complexas de FunctionCall. Inclui ainda mecanismos inteligentes de interrupção semântica. É ideal para criação de textos, assistentes de voz e análises multimídia, garantindo interações multimodais suaves e naturais. |
Omni-modal | 2026-03-30 |
| O modelo grande multimodal Qwen 3.5-Omni é um modelo da família Qwen, oferecendo compreensão e interação por meio de texto, imagens, áudio e vídeo. Como uma evolução abrangente do Qwen 3-Omni, ele entende mais de 10 horas de áudio e mais de 400 segundos de conteúdo audiovisual em 720P (1 FPS), permitindo diálogos nesse formato. O suporte linguístico expandiu-se para entrada de áudio em mais de 60 idiomas e síntese de fala em mais de 30. Suas poderosas capacidades de compreensão audiovisual estruturada tornam-no adequado para criação de texto, assistentes de voz e análise multimídia, proporcionando interações fluentes e naturais. |
Reconhecimento de fala | 2026-03-05 |
| Esta é a versão em tempo real do modelo de reconhecimento de fala ponta a ponta de última geração do Tongyi Lab. Baseado em tecnologia proprietária de ponta, destaca-se pela excelente percepção contextual e transcrição de alta precisão. Com arquitetura ponta a ponta, o Fun-ASR integra tecnologia RAG inovadora e suporta recursos multidimensionais: personalização de hotwords em larga escala, filtragem automática de partículas modais e conteúdo sensível, normalização ITN e previsão de pontuação. Tais melhorias elevam significativamente a precisão global e a relevância contextual. Além disso, o Fun-ASR permite alternância flexível entre chinês e inglês, cobre diversos dialetos regionais e possui maior robustez a ruídos, adaptando-se a ambientes variados e complexos. |
Reconhecimento de fala | 2026-03-03 |
| O Qwen3-ASR-Flash é um modelo multilíngue de reconhecimento de fala altamente preciso, inteligente e robusto, fundamentado em um modelo grande de linguagem. Ao aproveitar uma base poderosa, grandes volumes de dados textuais e multimodais, além de dezenas de milhões de horas de áudio, o Qwen3-ASR-Flash alcança altíssima acurácia. Ele detecta automaticamente o idioma e identifica falas em múltiplas línguas, mantendo transcrições precisas mesmo em ambientes sonoros complexos. Esta versão corresponde ao snapshot de 10 de fevereiro de 2026. |
Geração de imagens | 2026-03-03 |
| Os modelos completos da série Qwen-Image-2.0 unificam geração e edição de imagens. Eles oferecem renderização de texto aprimorada com suporte a prompts de 1.000 tokens, texturas realistas mais refinadas, representação detalhada de cenas fotorrealistas e maior aderência semântica. A versão completa proporciona a melhor renderização de texto e as texturas mais realistas de toda a série 2.0. Esta versão é um snapshot de 3 de março de 2026. |
Geração de imagens | 2026-03-03 |
| A série acelerada Qwen-Image-2.0 combina geração e edição de imagens, trazendo melhorias na renderização de texto com suporte a prompts de 1.000 tokens. As texturas são mais realistas, as cenas fotorrealistas possuem detalhes refinados e há maior consistência semântica. Essa versão acelerada equilibra de forma otimizada o desempenho do modelo e a qualidade visual. |
Síntese de fala | 2026-02-27 |
| Modelo de síntese de fala da série CosyVoice com alta expressividade e capacidades aprimoradas de clonagem e design de voz. Permite controle de instruções em estilo livre preservando a similaridade do locutor e oferecendo estilos ricos de síntese. Reduz a latência da primeira sílaba, melhora a precisão da pronúncia e aprimora a prosódia e a qualidade sonora. Habilita síntese de fala em tempo real ultranatural em vários idiomas (chinês, inglês, alemão, francês, russo, japonês, coreano, português, tailandês, indonésio e vietnamita). |
Síntese de fala | 2026-02-27 |
| Este modelo de alto desempenho da série CosyVoice foca em síntese de fala, com clonagem e design de voz aprimorados. Suporta controle por instruções livres mantendo a identidade vocal do locutor e disponibilizando diversos estilos de síntese. A latência inicial foi reduzida, a pronúncia ficou mais precisa e houve melhorias na prosódia e na qualidade do áudio. Realiza síntese de fala em tempo real extremamente natural em múltiplos idiomas (chinês, inglês, alemão, francês, russo, japonês, coreano, português, tailandês, indonésio e vietnamita). |
Geração de texto, Raciocínio | 2026-02-24 |
| O MiniMax-M2.5 é o principal modelo open-source da MiniMax. Treinado com centenas de milhares de cenários reais complexos por meio de aprendizado por reforço em larga escala, ele iguala ou supera o estado da arte (SOTA) da indústria em tarefas de produtividade, incluindo programação, chamadas de ferramentas, busca e atividades de escritório. |
Geração de texto, Raciocínio, Compreensão visual | 2026-02-23 |
| Os modelos Flash nativos de visão e linguagem Qwen3.5 utilizam uma arquitetura híbrida que combina mecanismo de atenção linear com modelo esparso de mistura de especialistas (MoE), obtendo maior eficiência de inferência. Comparados à série 3, esses modelos dão um salto de desempenho tanto em tarefas puramente textuais quanto multimodais, oferecendo respostas rápidas e equilibrando velocidade de inferência com performance geral. |
Geração de texto, Raciocínio, Compreensão visual | 2026-02-23 |
| Projetado com arquitetura híbrida, o Qwen3.5 Série 35B-A3B é um modelo nativo de visão e linguagem que integra atenção linear e mistura esparsa de especialistas para alcançar maior eficiência na inferência. Seu desempenho geral é comparável ao do Qwen3.5-27B. |
Geração de texto, Raciocínio, Compreensão visual | 2026-02-23 |
| O modelo Dense nativo de visão e linguagem Qwen3.5 27B incorpora um mecanismo de atenção linear, proporcionando tempos de resposta rápidos enquanto equilibra velocidade de inferência e desempenho. Suas capacidades gerais equivalem às do Qwen3.5-122B-A10B. |
Geração de texto, Raciocínio, Compreensão visual | 2026-02-23 |
| Construído sobre uma arquitetura híbrida que une atenção linear e mistura esparsa de especialistas, o modelo nativo de visão e linguagem Qwen3.5 122B-A10B atinge alta eficiência de inferência. Em termos de desempenho geral, fica atrás apenas do Qwen3.5-397B-A17B. Suas capacidades de texto superam significativamente as do Qwen3-235B-2507, e suas habilidades visuais ultrapassam as do Qwen3-VL-235B. |
Geração de texto | 2026-02-19 |
| Pertencente à nova geração de modelos de código da série Qwen3, este modelo entrega desempenho próximo ao do Qwen3-Coder-Plus, mas com capacidades ainda superiores. Foi otimizado com foco na compreensão em nível de repositório, suporta interações de ferramentas em múltiplas rodadas e apresenta compatibilidade aprimorada com ferramentas de codificação agêntica. |
Geração de texto, Raciocínio | 2026-02-18 |
| Focado em cenários de codificação e agentes, o GLM-5 atinge o estado da arte (SOTA) open-source em engenharia de sistemas complexos, com capacidades próximas às do Claude Opus. Sua base possui 744B parâmetros e utiliza aprendizado por reforço assíncrono combinado com atenção esparsa. |
Geração de texto, Raciocínio, Compreensão visual | 2026-02-15 |
| Baseados em arquitetura híbrida que integra atenção linear e modelos esparsos de mistura de especialistas, os modelos Plus da série nativa Qwen3.5 alcançam maior eficiência de inferência. Em diversas avaliações, a série 3.5 demonstra consistentemente desempenho equivalente aos principais modelos de ponta. Se comparados à série 3, esses modelos apresentam um salto significativo tanto em capacidades puramente textuais quanto multimodais. |
Geração de texto, Raciocínio, Compreensão visual | 2026-02-15 |
| O modelo nativo de visão e linguagem Qwen3.5 série 397B-A17B baseia-se em arquitetura híbrida que combina atenção linear com mistura esparsa de especialistas, resultando em maior eficiência de inferência. Entrega desempenho de ponta comparável aos modelos líderes em uma ampla gama de tarefas, incluindo compreensão de linguagem, raciocínio lógico, geração de código, tarefas baseadas em agentes, compreensão de imagens e vídeos, além de interações com interfaces gráficas (GUI). Graças às suas robustas capacidades de geração de código e atuação como agente, o modelo exibe forte generalização em diversos contextos de automação agêntica. |
Reconhecimento de fala | 2026-02-13 |
| Versão em tempo real do Qwen3-ASR-Flash, este modelo multilíngue de reconhecimento de fala é altamente preciso, inteligente e robusto, tendo como base um modelo grande de linguagem. Utilizando uma infraestrutura fundamental poderosa, vastos conjuntos de dados textuais e multimodais e dezenas de milhões de horas de áudio, o Qwen3-ASR-Flash garante reconhecimento de fala extremamente acurado. Ele determina o idioma automaticamente e reconhece falas em várias línguas com precisão, assegurando transcrições fiéis mesmo em ambientes acústicos complexos. Trata-se de um snapshot datado de 10 de fevereiro de 2026. |
Reconhecimento de fala em tempo real | 2026-02-12 |
| Modelo leve de reconhecimento de mandarim em tempo real, otimizado para cenários de call center na China. Suporta múltiplos sotaques dialetais e oferece transcrição de alta precisão com baixa latência, mesmo em ambientes com baixa taxa de amostragem ou baixa relação sinal-ruído (SNR). |
Síntese de fala | 2026-02-10 |
| O modelo Qwen3-TTS-VD é um sistema de síntese de fala em tempo real do Tongyi. Capaz de gerar fala em alta fidelidade e em tempo real usando vozes criadas pelo service qwen3-voice-design, ele suporta saída de áudio em 11 idiomas mantendo a mesma voz. Treinado com enormes quantidades de dados, o modelo ajusta adaptativamente o tom de acordo com o texto, demonstrando excelente processamento para sínteses textuais complexas. Esta versão refere-se ao snapshot de 26 de janeiro de 2026. |
Síntese de fala | 2026-02-10 |
| Mais novo modelo de síntese de fala em tempo real do Tongyi, o Qwen3-TTS-Flash realiza síntese de alta fidelidade utilizando vozes replicadas a partir do service qwen-voice-enrollment. Suporta saída em 11 idiomas preservando o mesmo timbre de voz. Devido ao treinamento massivo, o áudio sintetizado adapta o tom conforme o texto, lidando muito bem com sínteses complexas. Corresponde ao snapshot de 22 de janeiro de 2026. |
Síntese de fala | 2026-02-10 |
| O Qwen3-TTS-Flash é o modelo mais atual de síntese de fala em tempo real do Tongyi. Na variante Instruct, o efeito da síntese é controlado por linguagem natural, garantindo expressividade e emoção adequadas a diferentes contextos. Atualmente, suporta ajustes via instruções em chinês e inglês para 25 timbres distintos. |
Geração de texto, Raciocínio, Compreensão visual | 2026-01-30 |
| Modelo da Moonshot AI, o Kimi-k2.5 possui arquitetura multimodal nativa. Aceita entradas visuais e textuais, opera nos modos com ou sem raciocínio (thinking/non-thinking) e atende tanto a tarefas de diálogo quanto a operações agênticas. |
Geração de vídeo | 2026-01-29 |
| Variante flash do Wan2.6 reference to video, focada em geração mais rápida e econômica. Permite usar uma pessoa específica ou qualquer objeto como referência, mantendo rigorosamente a consistência de aparência e voz. Também aceita referências de múltiplos personagens para atuações conjuntas. |
Embedding de texto | 2026-01-29 |
| O Qwen3-VL-Rerank é um modelo de reclassificação que compreende profundamente informações multimodais ricas (texto, imagens, vídeo). Após uma recuperação inicial, aplica correlação cruzada avançada para reordenar inteligentemente os candidatos, priorizando os resultados mais relevantes. Melhora a precisão de buscas cross-modais, otimiza a recuperação de imagens e vídeos, eleva a qualidade do agrupamento (clustering) de imagens e viabiliza processos eficientes de marcação e recuperação multimodal complexa. |
Raciocínio, Compreensão visual | 2026-01-26 |
| Os modelos VL da série Qwen3 integram eficazmente os modos com e sem raciocínio, alcançando desempenho líder mundial em capacidades de agentes visuais em benchmarks públicos como o OS World. Esta versão traz atualizações abrangentes em codificação visual, percepção espacial e raciocínio multimodal. Tais avanços fortalecem significativamente a percepção e o reconhecimento visual, além de habilitar a compreensão de vídeos extremamente longos. |
Geração de texto, Raciocínio | 2026-01-23 |
| Em comparação ao snapshot de 23 de setembro de 2025, o modelo Max da série Qwen-3 nesta versão alcança uma integração efetiva dos modos de raciocínio e não raciocínio, resultando em melhoria substancial e abrangente no desempenho geral. No modo de raciocínio, o modelo suporta simultaneamente busca na web, extração de informações online e ferramenta de interpretador de código. Isso permite resolver problemas mais complexos e desafiadores com maior precisão, valendo-se de ferramentas externas durante um processo de raciocínio lento e deliberativo. Esta versão baseia-se no snapshot de 23 de janeiro de 2026. |
Compreensão visual | 2026-01-22 |
| A série Qwen3 de modelos compactos para compreensão visual integra eficientemente os modos de raciocínio e não raciocínio. Comparado ao snapshot de 15 de outubro de 2025, o desempenho geral teve melhora significativa: as capacidades de reconhecimento e raciocínio visual foram aprimoradas, com ganhos notáveis na precisão de reconhecimento em diversos cenários de negócios, como segurança, inspeções em lojas, monitoramento de equipamentos e resolução de problemas baseada em fotos. Esta versão corresponde ao snapshot de 22 de janeiro de 2026. |
Embedding multimodal | 2026-01-21 |
| Baseado no Qwen3-VL, o Qwen3-VL-Embedding é um modelo vetorial multimodal unificado que aceita entradas de texto, imagem e vídeo (em modalidade única ou mista). Gera vetores de representação padronizados, ideais para recuperação cross-modal, busca de imagens/vídeos, clustering, recuperação multimodal complexa e tagging. |
Síntese de fala | 2026-01-21 |
| O modelo qwen3-TTS-Flash é a solução do Tongyi para síntese de fala em tempo real. A variante Instruct controla o resultado da síntese por meio de linguagem natural, assegurando fala expressiva e emocionalmente adequada a cada contexto. Hoje, oferece suporte a 25 timbres com ajustes via instruções em chinês e inglês. Equivale ao snapshot lançado em 22 de janeiro de 2026. |
Geração de vídeo | 2026-01-15 |
| Versão flash do Wan2.6 image to video, projetada para geração mais rápida e econômica. O agendamento inteligente de tomadas permite narrativas com múltiplas câmeras. Oferece diálogos estáveis com vários falantes, timbres vocais mais naturais e realistas, e gera clipes de até 15 segundos. |
Geração de imagens | 2026-01-15 |
| Os modelos de edição de imagem Max da série Qwen entregam capacidades de edição mais estáveis e versáteis. Apresentam raciocínio geométrico e design industrial aprimorados, maior consistência de personagens, redução de problemas de deslocamento e integração com recursos LoRA, ampliando o leque de funções de edição de imagens. |
Síntese de fala | 2026-01-14 |
| Como modelo de síntese de fala em tempo real do Tongyi, o Qwen3-TTS-VD executa síntese de alta fidelidade usando vozes desenhadas pelo service qwen3-voice-design. Suporta saída de fala em 11 idiomas mantendo a mesma identidade vocal. Treinado com volume massivo de dados, ajusta o tom do áudio sintetizado conforme o texto, demonstrando ótima capacidade de processamento para sínteses complexas. Refere-se ao snapshot de 15 de janeiro de 2026. |
Síntese de fala | 2026-01-14 |
| O Qwen 3-TTS-Flash é a mais nova aposta do Tongyi para síntese de fala em tempo real. Executa síntese de alta fidelidade a partir de vozes replicadas pelo service qwen-voice-enrollment, suportando saída em 11 idiomas com a mesma voz. O extenso treinamento permite que o áudio gerado adapte o tom ao texto, processando adequadamente sínteses complexas. Esta versão é o snapshot de 15 de janeiro de 2026. |
Geração de texto | 2026-01-13 |
| A Série de Modelos de Role-Playing Qwen é otimizada especificamente para cenários de interação antropomórfica multilíngue. Demonstra capacidades avançadas na manutenção da consistência do personagem, progressão de diálogos cientes do contexto e engajamento empático, permitindo uma personificação personalizada e precisa. Esta versão melhora significativamente a localização linguística japonesa (incluindo dialetos e honoríficos), a autenticidade humana no role-playing, o controle de coerência narrativa e a inteligência cognitiva baseada em cenários. |
Geração de imagens | 2026-01-09 |
| A série Qwen de modelos de geração de imagens destaca-se por excepcionais capacidades de renderização de texto, lidando perfeitamente com textos complexos e diversas tarefas de geração e edição. Esta versão, correspondente ao snapshot de 9 de janeiro de 2026, é uma variante destilada e acelerada do Qwen-Image-Max, possibilitando a geração rápida de imagens de alta qualidade. |
Geração de imagens | 2025-12-30 |
| A série Max dos modelos de geração de imagem Qwen se sobressai em uma vasta gama de tarefas. Comparada à série Plus, reduz drasticamente a aparência artificial ("AI-like") das imagens, aumentando o realismo. Proporciona texturas materiais mais vivas para figuras humanas, texturas naturais mais finas e detalhadas, além de renderização de texto visualmente mais atraente. |
Geração de texto, Raciocínio | 2025-12-25 |
| Modelo flagship da Zhipu, com capacidades reforçadas de codificação e raciocínio em múltiplas etapas. Suporta planejamento de tarefas de longo prazo, colaboração entre ferramentas e experiências imersivas de escrita e role-playing. |
Geração de imagens | 2025-12-18 |
| O Z-Image-Turbo é um modelo de geração de imagens altamente eficiente, classificado como o primeiro modelo open-source text-to-image do mundo no benchmark Artificial Analysis. Com apenas 6 bilhões de parâmetros e um processo de inferência de 8 etapas, gera imagens fotorrealistas comparáveis às de grandes modelos comerciais. Destaca-se também na renderização de texto bilíngue (chinês-inglês), na compreensão semântica complexa e na geração temática diversificada. |
Raciocínio, Compreensão visual | 2025-12-18 |
| A série Qwen3 de modelos de compreensão visual integra de forma eficaz os modos de raciocínio e não raciocínio. Comparada ao snapshot de 23 de setembro, esta versão oferece desempenho superior em tarefas de análise, raciocínio e controle de estilo, aliado a menor latência e respostas mais rápidas. Baseia-se no snapshot capturado em 19 de dezembro de 2025. |
Geração de vídeo | 2025-12-16 |
| O modelo Wan2.6 reference to video permite utilizar uma pessoa específica ou qualquer objeto como referência, preservando com precisão a consistência de aparência e voz. Admite também referências de múltiplos personagens para performances conjuntas. |
Geração de imagens | 2025-12-15 |
| Modelo text to image Wan2.6 com qualidade visual, estética e seguimento de instruções atualizados. Oferece controle preciso de estilo, retratos realistas, compreensão de textos longos e ampla cobertura de IPs históricos e culturais, viabilizando geração visual altamente expressiva e de alta qualidade. |
Geração de imagens | 2025-12-15 |
| O Wan2.6 Image é um modelo completo de geração de imagens que suporta raciocínio conjunto texto-imagem, fusão criativa de múltiplas imagens, consistência de nível comercial, transferência de estilo estético e controle preciso de enquadramento e iluminação. Eleva significativamente a consistência, a controlabilidade e a expressividade na geração de imagens. |
Geração de imagens | 2025-12-15 |
| Comparados ao snapshot de 30 de outubro, os modelos Image Editing Plus da série Qianwen apresentam maior consistência de personagens, melhores capacidades de design industrial e raciocínio geométrico aprimorado. Integram ainda funcionalidades LoRA, como efeitos de iluminação, e mitigam eficazmente problemas de deslocamento. Versão baseada no snapshot de 15 de dezembro de 2025. |
Síntese de fala | 2025-12-12 |
| Sendo o mais novo modelo de síntese de fala em tempo real do Tongyi, o Qwen 3-TTS-VD gera fala de alta fidelidade usando vozes projetadas pelo service qwen3-voice-design. Mantém a mesma voz para saída em 11 idiomas. O treinamento massivo permite que o áudio sintetizado ajuste o tom conforme o texto, lidando bem com sínteses complexas. Este é o snapshot de 16 de dezembro de 2025. |
Síntese de fala | 2025-12-12 |
| Parte da família Qwen Speech Model, o Qwen Voice-Design é uma série de modelos dedicados ao design de vozes. Basta uma simples descrição textual para criar rapidamente uma voz adequada. Quando combinado com o modelo qwen3-tts-vd-realtime, projeta e gera fala em 10 idiomas. O áudio sintetizado ajusta o tom conforme o texto e processa adequadamente sínteses textuais complexas. |
Omni-modal em tempo real | 2025-12-04 |
| Versão em tempo real do modelo grande multimodal Qwen3-Omni-Flash, baseada na arquitetura Thinker–Talker Mixed Expert (MoE). Suporta compreensão eficiente e geração de fala a partir de texto, imagens, áudio e vídeo. Interage por texto em 119 idiomas e por fala em 20 idiomas, gerando voz humanizada para comunicação cross-lingual precisa. Possui forte capacidade de seguir comandos e personalizar system prompts, adaptando-se flexivelmente a estilos de conversa e configurações de personagens. Amplamente utilizado em criação de texto, assistentes de voz e análise multimídia, oferecendo interação multimodal natural e fluida. |
Omni-modal | 2025-12-04 |
| Modelo grande multimodal Qwen3-Omni-Flash, fundamentado na arquitetura Thinker–Talker Mixed Expert (MoE), que viabiliza compreensão eficiente e geração de fala a partir de texto, imagem, áudio e vídeo. Capaz de interagir textualmente em 119 idiomas e por voz em 20 idiomas, gera fala semelhante à humana para comunicações precisas entre diferentes línguas. Destaca-se pelo forte seguimento de comandos e personalização de system prompts, ajustando-se a estilos conversacionais e definições de personagens. Atende a casos de uso como criação textual, assistentes de voz e análise multimídia, entregando interações multimodais suaves e naturais. |
Reconhecimento de fala em tempo real | 2025-12-04 |
| O Qwen3-LiveTranslate-Flash é um modelo multilíngue de interpretação de áudio e vídeo em tempo real, caracterizado por alta precisão, responsividade e robustez. Apoiado na poderosa infraestrutura do Qwen3-Omni, em vasto volume de dados multimodais, alinhamento cross-lingual/cross-modal e tecnologias de aprimoramento visual, fornece tradução offline e em tempo real. Compreende 19 idiomas, fala 10 idiomas e suporta 8 dialetos chineses. |
Geração de vídeo | 2025-12-03 |
| Modelo text to video Wan2.6 com agendamento inteligente de tomadas para narrativas multi-shot. Gera vídeos narrativos com sujeitos, cenários e atmosfera consistentes, com duração máxima de 15 segundos. Apresenta melhor seguimento de instruções e maior fidelidade visual. |
Geração de vídeo | 2025-12-03 |
| Para conversão de imagem em vídeo, o Wan2.6 conta com agendamento inteligente de tomadas que habilita narrativas multicâmera. Produz voz de maior qualidade, sustenta diálogos estáveis com múltiplos falantes usando timbres mais naturais e realistas, e gera clipes de até 15 segundos. |
Geração de texto, Raciocínio | 2025-12-02 |
| O DeepSeek-V3.2 é o lançamento oficial do modelo que incorpora a DeepSeek Sparse Attention, um mecanismo de atenção esparsa. É também o primeiro modelo da DeepSeek a integrar raciocínio ao uso de ferramentas, suportando chamadas de ferramentas tanto com quanto sem raciocínio habilitado. |
Geração de texto, Raciocínio | 2025-12-01 |
| Referente ao snapshot de 1º de dezembro de 2025, esta versão traz capacidades de raciocínio superiores às do snapshot de 28 de julho. As habilidades de agente e a invocação de ferramentas em múltiplas rodadas foram reforçadas, e o desempenho em tarefas criativas subjetivas melhorou consideravelmente. Suporta contexto de até 1 milhão de tokens, com precificação escalonada conforme o tamanho do contexto. |
Síntese de fala | 27/11/2025 |
| O modelo Qwen3-TTS-Flash é um service de síntese de fala em tempo real do Tongyi. Ele realiza síntese de fala em tempo real com alta fidelidade em vozes replicadas pelo service qwen3-voice-enrollment e suporta saída de fala em 11 idiomas mantendo o mesmo timbre de voz. Treinado com grandes volumes de dados, o áudio sintetizado ajusta o tom automaticamente conforme o texto e apresenta boa capacidade de processamento para síntese de textos complexos. Este model é fornecido como versão snapshot. |
Síntese de fala | 27/11/2025 |
| O model Qwen3-TTS-Flash-Realtime é um model base de síntese de fala em tempo real do Tongyi. Oferece 17 vozes expressivas com síntese de áudio de baixa latência e alta estabilidade. Suporta saídas multilíngues e de dialetos, preservando características vocais consistentes entre os idiomas. Treinado com conjuntos extensos de dados, o sistema ajusta tons vocais autonomamente com base na semântica do texto e demonstra capacidades robustas para síntese de conteúdo complexo. |
Síntese de fala | 27/11/2025 |
| O Qwen3-TTS-Flash é um model base offline de conversão de texto em fala do Tongyi. Conta com 17 vozes expressivas e permite síntese de áudio com baixa latência e alta estabilidade. Há suporte para saídas multilíngues e de dialetos, com características vocais consistentes entre os idiomas. Como foi treinado com grandes volumes de dados, o sistema ajusta tons vocais automaticamente conforme a semântica do texto e apresenta capacidades robustas para sintetizar conteúdo complexo. |
Síntese de fala | 27/11/2025 |
| O model Qwen Voice-Enrollment é uma série de models de replicação de voz do model de fala qwen. Replica rapidamente vozes altamente semelhantes usando apenas 5 segundos ou mais de áudio. Em conjunto com o model qwen3-tts-vc-realtime, replica a voz de uma pessoa com alta fidelidade e gera fala em 10 idiomas. Além disso, o áudio sintetizado ajusta o tom adaptativamente conforme o texto e possui boa capacidade de processamento para síntese de textos complexos. |
Reconhecimento de fala | 21/11/2025 |
| A versão do Fun ASR atualizada em abril de 2026 oferece suporte completo aos sete principais sistemas dialetais do chinês tradicional (Mandarim/Wu/Xiang/Gan/Hakka/Min/Yue) e é compatível com mais de 20 sotaques regionais de mandarim. Inclui otimizações específicas para ritmo, métrica e características de expressão literária da poesia clássica chinesa, melhorando a precisão do reconhecimento poético e tornando-o adequado para patrimônio cultural, explicações educacionais e audiolivros. Melhorias na previsão de pontuação e na normalização de texto tornam a saída mais alinhada aos hábitos de escrita; números, datas e valores são convertidos automaticamente para formatos padrão, aumentando a legibilidade e o profissionalismo. O suporte a idiomas foi expandido para incluir inglês, japonês, coreano, vietnamita, tailandês, indonésio, malaio, filipino, hindi, árabe, francês, alemão, espanhol, português, russo, italiano, holandês, sueco, dinamarquês, finlandês, norueguês, grego, polonês, tcheco, húngaro, romeno, búlgaro, croata e eslovaco, totalizando 30 idiomas. Esta versão equivale ao snapshot lançado em 7 de novembro de 2025. |
Compreensão visual | 20/11/2025 |
| O Qwen-VL_OCR é um model de OCR treinado com base no Qwen-VL. Reúne diversas tarefas de reconhecimento, análise e processamento de imagem e texto por meio de uma abordagem de model unificado, oferecendo capacidades avançadas de reconhecimento de imagem e texto. |
Geração de texto | 19/11/2025 |
| O Qwen-MT-Lite é um large language model da série Qwen especializado em tradução multilíngue. Fornece services de tradução rápidos e de alta qualidade em 32 idiomas a um custo acessível. Oferece recursos como intervenção terminológica, preservação de formatação e tradução específica por domínio para atender às diversas necessidades de várias aplicações, garantindo eficiência e desempenho. |
Reconhecimento de fala | 17/11/2025 |
| Versão para transcrição de arquivos grandes do Qwen3-ASR-Flash. O Qwen3-ASR-Flash é um model de reconhecimento de fala multilíngue altamente preciso, inteligente e robusto, baseado em large language model. Com um model base poderoso, grandes volumes de dados textuais e multimodais e dezenas de milhões de horas de áudio, o Qwen3-ASR-Flash alcança reconhecimento de fala de alta precisão. Determina automaticamente o idioma e reconhece com exatidão a fala em vários idiomas, garantindo transcrição precisa mesmo em ambientes de áudio complexos. |
Reconhecimento de fala em tempo real | 17/11/2025 |
| Esta é a versão em tempo real do model de reconhecimento de fala ponta a ponta de última geração do Tongyi Lab, baseada em tecnologia proprietária de fala líder e com excelente consciência contextual e capacidades de transcrição de fala de alta precisão. Com arquitetura ponta a ponta, o Fun-ASR integra tecnologia RAG inovadora e suporta recursos multidimensionais como personalização de hotwords em larga escala, filtragem automática de partículas sensíveis e modais, normalização ITN e previsão de pontuação, melhorando significativamente a precisão geral do reconhecimento e a relevância contextual. Além disso, o Fun-ASR permite alternância flexível entre chinês e inglês, cobre múltiplos dialetos regionais e possui maior robustez a ruídos, adaptando-se a ambientes diversos e complexos. Trata-se de um snapshot lançado em 7 de novembro de 2025. |
Reconhecimento de fala | 17/11/2025 |
| A versão do Fun ASR atualizada em abril de 2026 oferece suporte completo aos sete principais sistemas dialetais do chinês tradicional (Mandarim/Wu/Xiang/Gan/Hakka/Min/Yue) e é compatível com mais de 20 sotaques regionais de mandarim. Possui otimizações específicas para ritmo, métrica e características de expressão literária da poesia clássica chinesa, melhorando a precisão do reconhecimento poético e sendo adequada para patrimônio cultural, explicações educacionais e audiolivros. Melhorias na previsão de pontuação e na normalização de texto tornam a saída mais alinhada aos hábitos de escrita; números, datas e valores são convertidos automaticamente para formatos padrão, aumentando a legibilidade e o profissionalismo. O suporte a idiomas foi expandido para incluir inglês, japonês, coreano, vietnamita, tailandês, indonésio, malaio, filipino, hindi, árabe, francês, alemão, espanhol, português, russo, italiano, holandês, sueco, dinamarquês, finlandês, norueguês, grego, polonês, tcheco, húngaro, romeno, búlgaro, croata e eslovaco, totalizando 30 idiomas. Este é um snapshot lançado em 7 de novembro de 2025. |
Síntese de fala | 17/11/2025 |
| Capacidades de síntese: O CosyVoice-v3-Flash é um model de síntese de fala de alto desempenho da série CosyVoice do Tongyi Labs, oferecendo maior naturalidade, timbre, prosódia e expressividade emocional em comparação às versões anteriores. Este model suporta síntese de texto em fala em streaming e em tempo real. Capacidades de clonagem: O CosyVoice-v3-Flash também é um model de clonagem de voz da série CosyVoice do Tongyi Labs. Em relação às versões anteriores, melhora a precisão da pronúncia e a similaridade do timbre, além de adicionar suporte a mais idiomas menos comuns (alemão, espanhol, francês, italiano, russo, japonês). Gera rapidamente vozes personalizadas altamente semelhantes e naturais a partir de apenas 5 a 20 segundos de áudio de referência. |
Geração de texto, Raciocínio | 10/11/2025 |
| O Kimi-k2-thinking é um model de raciocínio agêntico geral desenvolvido pela Moonshot AI, especializado em raciocínio profundo e integração de ferramentas em múltiplas etapas para resolver problemas complexos. |
Geração de texto | 06/11/2025 |
| O Qwen-MT-Flash, large language model da série Qwen, foi totalmente atualizado com a arquitetura Qwen 3 para melhorar significativamente o desempenho e a qualidade da tradução. Oferece tradução rápida e econômica em 92 idiomas, com suporte a recursos avançados como intervenção terminológica, preservação de formatação e adaptação específica por domínio. É a escolha ideal para aplicações que exigem equilíbrio entre velocidade, qualidade e custo. |
Geração de imagens | 30/10/2025 |
| Os models Plus de edição de imagem da série qwen otimizam ainda mais o desempenho de inferência e a estabilidade do sistema em relação ao model Edit inicial, reduzindo significativamente o tempo de resposta para geração e edição de imagens. Também suportam o retorno de múltiplas imagens em uma única solicitação, melhorando consideravelmente a experiência do usuário. |
Reconhecimento de fala em tempo real | 27/10/2025 |
| A versão em tempo real do Qwen3-ASR-Flash é um model de reconhecimento de fala multilíngue altamente preciso, inteligente e robusto, baseado em large language model. Utilizando um model base poderoso, grandes volumes de dados textuais e multimodais e dezenas de milhões de horas de áudio, o Qwen3-ASR-Flash alcança reconhecimento de fala de alta precisão, determinando automaticamente o idioma e identificando com exatidão a fala em 11 idiomas, garantindo transcrição precisa mesmo em ambientes de áudio complexos. |
Raciocínio, Compreensão visual | 21/10/2025 |
| Maior model denso da série Qwen3-VL, sua versão de raciocínio possui capacidades de raciocínio multimodal superadas apenas pelo Qwen3-VL-235B-Thinking. Destaca-se na resolução de problemas de STEM e matemática, compreensão geral de imagens e vídeos, e atinge desempenho de última geração em capacidades de agentes multimodais, sendo ideal para tarefas complexas de raciocínio multimodal. |
Compreensão visual | 21/10/2025 |
| Maior model denso da série Qwen3-VL, em sua versão sem raciocínio, oferece desempenho geral superado apenas pelo Qwen3-VL-235B-Instruct. Excelente no reconhecimento e compreensão de documentos, demonstra forte percepção espacial e capacidade de identificação de objetos, atingindo desempenho de última geração em detecção visual 2D e raciocínio espacial. Adequado para tarefas complexas de percepção em uma ampla variedade de cenários de uso geral. |
Geração de texto, Raciocínio | 21/10/2025 |
| Novo model principal do GLM com melhorias abrangentes de capacidade em relação à versão 4.5, apresentando janela de contexto de 200K. |
Raciocínio, Compreensão visual | 14/10/2025 |
| Os models de compreensão visual de pequena escala da série Qwen3 integram efetivamente modos de raciocínio e não raciocínio, oferecendo desempenho superior ao Qwen3-VL-30B-A3B open-source enquanto mantêm velocidades rápidas de resposta. Apresentam atualização abrangente na compreensão de imagens e vídeos, suportando contextos ultra-longos como vídeos e documentos extensos, percepção espacial e reconhecimento de objetos em vários domínios. Equipados com capacidades de localização visual 2D/3D, são adequados para tarefas complexas do mundo real. |
Raciocínio, Compreensão visual | 30/09/2025 |
| A versão Thinking do model Dense 8B da série Qwen3-VL consome menos memória GPU e é capaz de realizar compreensão e raciocínio multimodal. Suporta contextos extremamente longos, como vídeos e documentos extensos, localização visual 2D/3D, e possui capacidades de compreensão de imagem/vídeo, percepção espacial e reconhecimento de objetos totalmente atualizadas. |
Compreensão visual | 30/09/2025 |
| A versão Instruct do model Dense 8B da série Qwen3-VL requer menos memória GPU e fornece compreensão de imagem/vídeo totalmente atualizada, suporte a contextos extremamente longos como vídeos e documentos extensos, percepção espacial e capacidades de reconhecimento de objetos, sendo adequada para tarefas complexas do mundo real. |
Raciocínio, Compreensão visual | 30/09/2025 |
| A versão Thinking do segundo maior model MoE da série Qwen3-VL apresenta velocidades rápidas de resposta e capacidades aprimoradas de compreensão e raciocínio multimodal, agentes visuais e suporte a contextos extremamente longos, como vídeos e documentos extensos. Também possui capacidades totalmente atualizadas de compreensão de imagem/vídeo, percepção espacial e reconhecimento de objetos, sendo adequada para tarefas complexas do mundo real. |
Compreensão visual | 30/09/2025 |
| A versão Instruct do segundo maior model MoE da série Qwen3-VL oferece velocidades rápidas de resposta e suporta contextos extremamente longos, como vídeos e documentos extensos. Inclui capacidades totalmente atualizadas de compreensão de imagem/vídeo, percepção espacial e reconhecimento de objetos, além de localização visual 2D/3D, permitindo lidar com desafios complexos do mundo real. |
Geração de texto, Raciocínio | 30/09/2025 |
| Versão experimental que introduz o DeepSeek Sparse Attention (mecanismo de atenção esparsa), explorando otimização e validação para eficiência de treinamento e inferência em textos longos. |
Reconhecimento de fala | 25/09/2025 |
| O model de reconhecimento de fala multilíngue do Fun suporta mais de 31 idiomas e permite alternância livre entre eles, sendo a principal escolha para usuários em expansão internacional, especialmente para o Sudeste Asiático. O Fun-asr é uma versão atualizada deste model; recomenda-se migrar para o Fun-asr. |
Geração de imagens | 23/09/2025 |
| O model de edição de imagem Wan2.5 Preview atualizado possui nova arquitetura que suporta ricas capacidades de edição de imagem via controle por instruções, com maior aderência às instruções. Também permite geração com referência de múltiplas imagens com alta consistência e demonstra excelente desempenho na geração de texto. |
Raciocínio, Compreensão visual | 23/09/2025 |
| Os models VL da série Qwen3 integram efetivamente modos de raciocínio e não raciocínio, alcançando desempenho líder mundial em capacidades de agentes visuais em datasets de benchmark públicos como OS World. Esta versão apresenta atualizações abrangentes em áreas como codificação visual, percepção espacial e raciocínio multimodal, melhorando significativamente as habilidades de percepção e reconhecimento visual, e suportando a compreensão de vídeos ultra-longos. Esta versão é um snapshot de 23 de setembro de 2025. |
Raciocínio, Compreensão visual | 23/09/2025 |
| Os models VL da série Qwen3 apresentam capacidades de raciocínio multimodal significativamente aprimoradas, com foco especial na otimização do model para raciocínio em STEM e matemática. As habilidades de percepção e reconhecimento visual foram amplamente melhoradas, e as capacidades de OCR passaram por uma grande atualização. |
Compreensão visual | 23/09/2025 |
| Os models VL da série Qwen3 foram totalmente atualizados em áreas como codificação visual e percepção espacial. Suas capacidades de percepção e reconhecimento visual melhoraram significativamente, suportando a compreensão de vídeos ultra-longos, e sua funcionalidade de OCR passou por um grande aprimoramento. |
Geração de texto, Raciocínio | 23/09/2025 |
| O model Max da série Qwen 3 recebeu atualizações especializadas em programação de agentes e invocação de ferramentas em comparação à versão preview. O model lançado oficialmente desta vez alcançou desempenho de última geração (SOTA) em sua área e está mais bem preparado para atender às demandas de agentes operando em cenários mais complexos. |
Tradução de fala em tempo real | 23/09/2025 |
| Versão em tempo real do Qwen3-LiveTranslate-Flash, um model de interpretação simultânea de áudio e vídeo multilíngue de alta precisão, alta responsividade e robustez. Aproveitando a poderosa infraestrutura do Qwen3-Omni, dados multimodais massivos, alinhamento interlinguístico e intermodal e tecnologias de aprimoramento visual, o Qwen3-LiveTranslate-Flash oferece capacidades de tradução de áudio e vídeo offline e em tempo real. Compreende 19 idiomas e fala 10 idiomas, incluindo 8 dialetos chineses. |
Geração de texto | 23/09/2025 |
| Model de geração de código baseado no Qwen3 com forte poder de agente de codificação, destaca-se na chamada de ferramentas e interação com o ambiente, capaz de programação autônoma com excelente capacidade de código enquanto mantém habilidade geral. Este é um snapshot de 23 de setembro de 2025. Em comparação à versão anterior (snapshot de 22 de julho), demonstra maior robustez no desempenho de tarefas downstream e na invocação de ferramentas, além de segurança de código aprimorada. |
Compreensão visual | 23/09/2025 |
| O Qwen-VL_OCR é um model de OCR treinado com base no Qwen-VL. Reúne diversas tarefas de reconhecimento, análise e processamento de imagem e texto por meio de uma abordagem de model unificado, oferecendo capacidades avançadas de reconhecimento de imagem e texto. |
Geração de imagens | 23/09/2025 |
| Primeiro model base de geração de imagens da série Qwen que alcança avanços significativos na renderização complexa de texto e na edição precisa de imagens. Experimentos mostram fortes capacidades gerais tanto na geração quanto na edição de imagens, com desempenho excepcional na renderização de texto, especialmente em chinês. |
Reconhecimento de fala em tempo real | 23/09/2025 |
| Esta é a versão em tempo real do model de reconhecimento de fala ponta a ponta de última geração do Tongyi Lab, baseada em tecnologia proprietária de fala líder e com excelente consciência contextual e capacidades de transcrição de fala de alta precisão. Com arquitetura ponta a ponta, o Fun-ASR integra tecnologia RAG inovadora e suporta recursos multidimensionais como personalização de hotwords em larga escala, filtragem automática de partículas sensíveis e modais, normalização ITN e previsão de pontuação, melhorando significativamente a precisão geral do reconhecimento e a relevância contextual. Além disso, o Fun-ASR permite alternância flexível entre chinês e inglês, cobre múltiplos dialetos regionais e possui maior robustez a ruídos, adaptando-se a ambientes diversos e complexos. |
Geração de imagens | 22/09/2025 |
| Primeiro model de edição de imagem Qwen estende a renderização de texto do Qwen-Image para tarefas de edição. Oferece edição precisa de texto bilíngue (chinês/inglês), edição dupla visual e semântica, e forte desempenho em benchmarks cruzados. |
Geração de vídeo | 19/09/2025 |
| O model de texto para vídeo Wan2.5 Preview atualizado possui nova arquitetura que suporta geração de áudio sincronizada com elementos visuais, permite geração de vídeos longos de 10 segundos e oferece maior aderência a instruções, capacidades de movimento aprimoradas e qualidade de imagem superior. |
Geração de imagens | 19/09/2025 |
| O model de texto para imagem Wan2.5 Preview atualizado possui nova arquitetura que melhora significativamente a estética visual, sensibilidade de design e textura realista. Destaca-se na aderência precisa a instruções, gera texto proficientemente em inglês, chinês e idiomas menos comuns, e suporta a geração de textos longos estruturados complexos, gráficos e diagramas arquitetônicos. |
Geração de vídeo | 19/09/2025 |
| O model de imagem para vídeo Wan2.5 Preview atualizado possui nova arquitetura que suporta geração de áudio sincronizada com elementos visuais, permite geração de vídeos longos de 10 segundos e oferece maior aderência a instruções, capacidades de movimento aprimoradas e qualidade de imagem superior. |
Geração de vídeo | 19/09/2025 |
| O wan2.2-animate-move é um model de geração de animação de personagens. Basta enviar uma foto do personagem e um vídeo de performance de referência, e o model transfere as expressões e ações do vídeo para o personagem da imagem, produzindo um vídeo animado de alta fidelidade. |
Geração de vídeo | 19/09/2025 |
| O wan2.2-animate-mix é um product de substituição de personagens. Ao enviar uma foto de personagem e um vídeo de performance, é possível substituir com precisão o personagem do vídeo original pelo personagem da foto, preservando completamente detalhes ambientais como cenário, iluminação e tonalidade de cor do vídeo original. |
Omni-modal em tempo real | 17/09/2025 |
| Versão em tempo real do large-scale model multimodal Qwen3-Omni-Flash, baseada na arquitetura Thinker–Talker Mixed Expert (MoE), suporta compreensão eficiente e geração de fala de texto, imagens, áudio e vídeo. Interage com texto em 119 idiomas e fala em 20 idiomas, gerando fala semelhante à humana para comunicação interlinguística precisa. O model possui poderosas capacidades de seguimento de comandos e personalização de system prompt, adaptando-se flexivelmente a estilos de conversa e configurações de personagens. Amplamente utilizado em cenários como criação de texto, assistentes de voz e análise multimídia, proporcionando uma experiência de interação multimodal natural e fluida. |
Omni-modal | 17/09/2025 |
| Large-scale model multimodal Qwen3-Omni-Flash, baseado na arquitetura Thinker–Talker Mixed Expert (MoE), suporta compreensão eficiente e geração de fala de texto, imagens, áudio e vídeo. Interage com texto em 119 idiomas e fala em 20 idiomas, gerando fala semelhante à humana para comunicação interlinguística precisa. O model possui poderosas capacidades de seguimento de comandos e personalização de system prompt, adaptando-se flexivelmente a estilos de conversa e configurações de personagens. Amplamente utilizado em cenários como criação de texto, assistentes de voz e análise multimídia, proporcionando uma experiência de interação multimodal natural e fluida. Esta versão é um snapshot de 15 de setembro de 2025. |
Reconhecimento de fala | 17/09/2025 |
| O Qwen3-Omni-30b-a3b-Captioner é um poderoso model de análise de áudio granular projetado para gerar descrições de conteúdo precisas e abrangentes em cenários de áudio complexos e variáveis. Analisa e descreve automaticamente vários conteúdos de áudio, desde falas complexas e sons ambientes até música e efeitos sonoros de filmes e televisão, mantendo saída estável e confiável mesmo em ambientes com múltiplas fontes e mistos. |
Síntese de fala | 16/09/2025 |
| O model Qwen3-TTS-Flash-Realtime-2025-09-18 é um model base de síntese de fala em tempo real do Tongyi, oferecendo 17 vozes expressivas com síntese de áudio de baixa latência e alta estabilidade. Suporta saídas multilíngues e de dialetos com características vocais consistentes entre os idiomas. Treinado com conjuntos extensos de dados, o sistema ajusta tons vocais autonomamente com base na semântica do texto e demonstra capacidades robustas para síntese de conteúdo complexo. Este model é fornecido como versão snapshot. |
Síntese de fala | 16/09/2025 |
| O Qwen 3-TTS-Flash-2025-09-18 é um model base offline de conversão de texto em fala do Tongyi, contando com 17 vozes expressivas e permitindo síntese de áudio com baixa latência e alta estabilidade. Suporta saídas multilíngues e de dialetos com características vocais consistentes entre os idiomas. Treinado com grandes volumes de dados, o sistema ajusta tons vocais automaticamente conforme a semântica do texto e apresenta capacidades robustas para sintetizar conteúdo complexo. Este model é fornecido como versão snapshot. |
Geração de texto, Raciocínio | 11/09/2025 |
| Nova geração de models open-source com modo de raciocínio baseados no Qwen3. Esta versão oferece melhor seguimento de instruções e respostas de resumo mais diretas em comparação à iteração anterior (Qwen3-235B-A22B-Thinking-2507). |
Geração de texto | 11/09/2025 |
| Nova geração de model open-source sem modo de raciocínio, impulsionado pelo Qwen3. Esta versão demonstra compreensão superior de texto em chinês, raciocínio lógico aumentado e capacidades aprimoradas em tarefas de geração de texto em relação à iteração anterior (Qwen3-235B-A22B-Instruct-2507). |
Geração de texto, Raciocínio | 11/09/2025 |
| No snapshot de 11 de setembro de 2025, esta versão apresenta melhor seguimento de instruções e respostas de resumo mais diretas no modo de raciocínio. O modo sem raciocínio fornece compreensão superior de texto em chinês e capacidades de raciocínio lógico aumentadas. O model suporta comprimento de contexto de 1M com preços escalonados. |
Reconhecimento de fala | 08/09/2025 |
| O Qwen3-ASR-Flash é um model de reconhecimento de fala multilíngue altamente preciso, inteligente e robusto, baseado em large language model. Utilizando um model base poderoso, grandes volumes de dados textuais e multimodais e dezenas de milhões de horas de áudio, o Qwen3-ASR-Flash alcança reconhecimento de fala de alta precisão. Determina automaticamente o idioma e reconhece com exatidão a fala em 11 idiomas, garantindo transcrição precisa mesmo em ambientes de áudio complexos. |
Geração de texto, Raciocínio | 05/09/2025 |
| Versão preview do model Max da série Qwen 3, alcançando integração efetiva dos modos de raciocínio e não raciocínio. No modo de raciocínio, há melhoria significativa em capacidades como programação de agentes inteligentes, raciocínio de senso comum e raciocínio em matemática, ciências e domínios gerais. |
Síntese de fala | 03/09/2025 |
| Capacidade de clonagem: O CosyVoice-v3-plus é um large voice cloning model da série CosyVoice do Tongyi Lab. Oferece qualidade sonora e fidelidade de clonagem superiores, ideal para cenários profissionais. Com apenas 5 a 20 segundos de áudio de referência, gera rapidamente uma voz personalizada altamente semelhante e natural. Capacidade de síntese: O CosyVoice-v3-plus é um large speech synthesis model da série CosyVoice do Tongyi Lab. Apresenta qualidade sonora e expressividade aprimoradas, ideal para cenários profissionais. O model suporta síntese de texto em fala em streaming e em tempo real. |
Geração de vídeo | 25/08/2025 |
| Model auxiliar para o wan2.2-s2v que valida imagens de retrato de entrada conforme especificações necessárias, garantindo compatibilidade com a geração de vídeo via wan2.2-s2v. |
Geração de vídeo | 25/08/2025 |
| Model de geração de vídeo de alta qualidade que cria vídeos dinâmicos de personagens (falando/cantando/atuando) a partir de imagens de personagens e arquivos de áudio de voz fornecidos como entrada. |
Geração de texto, Raciocínio | 23/08/2025 |
| Model com arquitetura de inferência híbrida que suporta tanto o modo de raciocínio quanto o modo sem raciocínio, apresentando maior eficiência de raciocínio e capacidades de agente mais fortes. |
Geração de imagens | 22/08/2025 |
| O Qwen-MT-Image é especializado em tradução de imagens, convertendo imagens em 11 idiomas (chinês, inglês, japonês, etc.) para idiomas alvo. Preserva layout e conteúdo com precisão, suportando recursos personalizados como definições terminológicas, filtragem de palavras sensíveis e detecção de produtos para localização de imagens flexível e precisa. |
Geração de texto | 22/08/2025 |
| O Qwen-Deep-Research é um sistema avançado de agentes para tarefas complexas de pesquisa, equipado com raciocínio em múltiplas etapas e capacidades de planejamento global. Utiliza ferramentas como busca na internet para realizar decomposição detalhada de tarefas, raciocínio e análise, gerando relatórios de pesquisa rastreáveis e logicamente rigorosos. |
Reconhecimento de fala | 22/08/2025 |
| Modelo de reconhecimento de fala de nova geração focado em mandarim, inglês e japonês. Oferece suporte a uma ampla variedade de dialetos regionais, apresenta maior robustez a ruídos e se adapta a ambientes diversos e complexos, sendo a principal recomendação para usuários na China. Este é um snapshot lançado em 25 de agosto de 2025. |
Geração de imagens | 13/08/2025 |
| Primeiro modelo fundamental de geração de imagens da série Qwen, com avanços significativos na renderização de texto complexo e na edição precisa de imagens. Testes demonstram forte capacidade geral tanto na geração quanto na edição, com desempenho excepcional na renderização de texto, especialmente em chinês. |
Geração de texto | 05/08/2025 |
| Baseado no Qwen3, este modelo de geração de código herda as capacidades de agente de codificação do Qwen3-Coder-Plus e suporta interação com ferramentas em múltiplas turnos. Inclui otimizações focadas na compreensão em nível de repositório e maior estabilidade nas chamadas de ferramentas. |
Geração de texto, Raciocínio | 05/08/2025 |
| O modelo Qwen3 Flash combina modos de pensamento e não-pensamento com alternância dinâmica durante a conversa. Destaca-se em raciocínio complexo e apresenta ganhos expressivos no seguimento de instruções e na compreensão de texto. Suporta contexto de até 1 milhão de tokens e utiliza faturamento escalonado conforme o uso do contexto. |
Geração de texto | 31/07/2025 |
| Modelo de geração de código baseado no Qwen3 que herda a capacidade de agente de codificação do Qwen3-Coder-480B-A35B-Instruct; atinge o estado da arte (SOTA) em capacidade de código na mesma escala. |
Geração de texto, Raciocínio | 31/07/2025 |
| Modelo da série Qwen otimizado para desempenho equilibrado, oferecendo eficiência de inferência entre o Qwen-Max e o Qwen-Turbo, projetado para lidar eficazmente com tarefas de complexidade moderada. Esta versão é atualizada dinamicamente e as alterações são implementadas sem aviso prévio. |
Geração de texto, Raciocínio | 30/07/2025 |
| Modelo de pensamento Qwen3 open-source; em comparação à versão anterior (Qwen3-30B-A3B), destaca-se em tarefas complexas de raciocínio, incluindo lógica, matemática, ciências, código e outros cenários desafiadores. As capacidades de seguimento de instruções, compreensão de texto e tradução multilíngue foram significativamente aprimoradas. |
Geração de texto, Raciocínio | 30/07/2025 |
| Modelo Plus da série Qwen3, integra os modos de pensamento e não-pensamento com alternância durante o diálogo. Em relação à versão anterior, adiciona melhorias dedicadas às capacidades em chinês e inglês e à chamada de ferramentas. Trata-se de um snapshot de 28 de julho de 2025; é o primeiro a suportar contexto de 1 milhão de tokens e utiliza precificação escalonada. |
Geração de texto | 29/07/2025 |
| Modelo de não-pensamento Qwen3 open-source; comparado à versão anterior (Qwen3-30B-A3B), apresenta grandes melhorias nas capacidades gerais em chinês, inglês e multilíngue. Otimizado para tarefas subjetivas e abertas, fornecendo respostas muito mais alinhadas às preferências do usuário e mais úteis. |
Geração de vídeo | 28/07/2025 |
| Versão aprimorada do modelo de texto para vídeo Wan 2.2 Plus, entrega resultados de maior qualidade com movimentos complexos e estáveis, controle visual cinematográfico, seguimento de prompts mais poderoso e recriação realista de cenários. |
Geração de imagens | 28/07/2025 |
| Versão aprimorada do modelo de texto para imagem Wan 2.2 Plus, oferece detalhes de imagem mais ricos com maior criatividade, estabilidade e realismo. Apresenta também um seguimento de prompts mais forte e suporte nativo a múltiplos estilos. Suporta geração de até 2 milhões de pixels e aprimoramento automático de prompts. |
Geração de imagens | 28/07/2025 |
| Versão aprimorada do modelo de texto para imagem Wan 2.2 Flash, proporciona maior velocidade com criatividade, estabilidade e realismo reforçados. Conta ainda com seguimento de prompts mais robusto e suporte nativo a vários estilos. Também permite geração de até 2 milhões de pixels e aprimoramento de prompts. |
Geração de vídeo | 28/07/2025 |
| Versão aprimorada do modelo de imagem para vídeo Wan 2.2 Plus, entrega resultados de maior qualidade com estabilidade otimizada, seguimento de prompts mais poderoso, consistência aprimorada para textos, retratos e produtos, além de controle preciso de enquadramento. |
Geração de texto, Raciocínio | 25/07/2025 |
| Modelo de pensamento Qwen3 open-source; em comparação à versão anterior (Qwen3-235B-A22B), apresenta grandes melhorias em capacidade lógica, habilidades gerais, enriquecimento de conhecimento e criatividade, adequado para cenários de alta dificuldade e raciocínio intenso. |
Geração de texto | 23/07/2025 |
| O Qwen-Doc-Turbo extrai rapidamente informações precisas de documentos, suportando marcação, classificação, moderação de conteúdo e resumo. |
Geração de texto | 22/07/2025 |
| Modelo de geração de código baseado no Qwen3 com forte capacidade de agente de codificação, destaca-se na chamada de ferramentas e interação com o ambiente, capaz de programação autônoma com excelente habilidade de código, mantendo a capacidade geral. |
Geração de texto | 22/07/2025 |
| Modelo de geração de código baseado no Qwen3 com forte poder de agente de codificação; a capacidade de código atinge o estado da arte (SOTA) em open-source. |
Geração de texto | 22/07/2025 |
| Modelo de não-pensamento Qwen3 open-source; comparado à versão anterior (Qwen3-235B-A22B), apresenta leves melhorias em criatividade subjetiva e segurança do modelo. |
Geração de texto | 22/07/2025 |
| O Qwen-MT-Turbo é um modelo de linguagem grande da série Qwen especializado em tradução multilíngue. Fornece serviços de tradução rápidos e de alta qualidade em 92 idiomas a um custo acessível. Oferece também recursos como intervenção de terminologia, preservação de formatação e tradução específica por domínio para atender às diversas necessidades de várias aplicações, garantindo eficiência e desempenho. |
Geração de texto | 22/07/2025 |
| O Qwen-MT-Plus, modelo de tradução principal da série Qwen, foi totalmente atualizado com a arquitetura Qwen3. Suporta 92 idiomas e oferece traduções excepcionalmente precisas e naturais. Suas capacidades avançadas de compreensão contextual, controle de terminologia e preservação de formatação o tornam uma escolha superior aos modelos tradicionais, especialmente para domínios especializados. |
Síntese de fala em tempo real | 16/07/2025 |
| O Qwen-TTS-Realtime é um modelo de síntese de fala da série Qwen com consciência de contexto bidirecional. Permite a geração de baixa latência e alta fidelidade de múltiplas vozes, dialetos e streaming bidirecional de textos longos. |
Geração de texto, Raciocínio | 16/07/2025 |
| Modelo Plus da Série Qwen3, alcança integração eficaz dos modos de pensamento e não-pensamento, permitindo alternância durante as conversas. Este é um snapshot de 14 de julho de 2025. Comparado à versão anterior, houve melhoria significativa nas capacidades em chinês e inglês no modo de não-pensamento, com habilidades aprimoradas de chamada de ferramentas. |
Geração de texto | 16/07/2025 |
| O Kimi-K2 é o primeiro modelo MoE open-source de trilhões de parâmetros da Moonshot na China, apresentando 32B de parâmetros ativados com capacidades excepcionais de codificação e chamada de ferramentas. |
Síntese de fala | 26/06/2025 |
| O Qwen-TTS é o primeiro modelo de síntese de fala da série Qwen, suportando entradas em chinês, inglês e mistas. Ajusta adaptativamente o tom de saída com base no texto, oferece qualidade de voz natural e suporta saída em streaming. |
Geração de texto, Raciocínio | 24/06/2025 |
| Modelo Turbo da série Qwen3. Integra efetivamente os modos de pensamento e não-pensamento, permitindo alternância durante as conversas. Suas capacidades de raciocínio rivalizam com as do QwQ-32B com um tamanho de parâmetro menor, enquanto suas capacidades gerais superam significativamente as do Qwen2.5-Turbo, atingindo o nível SOTA na mesma escala dentro da indústria. |
Geração de texto, Raciocínio | 24/06/2025 |
| O Qwen-Plus é uma versão aprimorada do modelo de linguagem ultra-grande Qwen que suporta múltiplos idiomas de entrada, como chinês e inglês. Comparado às versões anteriores, mostra melhorias significativas na geração de código em chinês e inglês, raciocínio lógico e habilidades multilíngues. O estilo de resposta foi amplamente ajustado para alinhar-se às preferências humanas, com aprimoramentos notáveis no nível de detalhe e clareza das respostas. Melhorias especializadas foram feitas em escrita criativa, adesão à formatação JSON e habilidades de interpretação de papéis. |
Raciocínio | 18/06/2025 |
| Um modelo de linguagem grande aprimorado por meio de extenso aprendizado por reforço durante o pós-treinamento, alcançando fortes capacidades de raciocínio com dados rotulados mínimos. Apresenta bom desempenho em tarefas de matemática, codificação e raciocínio em linguagem natural. |
Compreensão visual | 13/06/2025 |
| O Qwen-VL-Plus é a versão aprimorada do modelo de linguagem visual grande. Melhora significativamente o reconhecimento de detalhes e a capacidade de reconhecimento de texto, suportando imagens com resoluções superiores a um milhão de pixels e quaisquer especificações de proporção. O modelo oferece desempenho excepcional em uma ampla gama de tarefas visuais. |
Embedding de texto | 05/06/2025 |
| A versão V4 do Vetor de Texto Geral é um modelo de vetor de texto multilíngue desenvolvido pelo Tongyi Lab com base no Qwen3. Comparado à versão V3, melhora significativamente o desempenho em tarefas de recuperação de texto, clustering e classificação. Alcança uma melhoria de 15% a 40% em tarefas de avaliação como MTEB multilíngue, chinês-inglês e recuperação de código. Além disso, suporta dimensões de vetor definidas pelo usuário variando de 64 a 2048. |
Raciocínio | 04/06/2025 |
| Um modelo de linguagem grande aprimorado por meio de extenso aprendizado por reforço durante o pós-treinamento, alcançando fortes capacidades de raciocínio com dados rotulados mínimos. Apresenta bom desempenho em tarefas de matemática, codificação e raciocínio em linguagem natural. |
Raciocínio, Compreensão visual | 03/06/2025 |
| Versão Plus do Modelo de Raciocínio Visual QVQ da Qwen, suportando entrada visual e saída de cadeia de pensamento com capacidades aprimoradas em matemática, programação, análise visual, criação e tarefas gerais. |
Síntese de fala | 27/05/2025 |
| Um modelo generativo de síntese de fala que combina compreensão de texto e geração de fala por meio de modelos de linguagem pré-treinados em larga escala, suportando síntese de texto para fala em streaming e em tempo real. |
Compreensão visual | 26/05/2025 |
| O Qwen-VL-Max é um modelo de linguagem visual em grande escala da série Qwen. Comparado à versão Plus, aprimora ainda mais as capacidades de raciocínio visual e de seguimento de instruções, oferecendo níveis mais elevados de percepção e cognição visual. Entrega desempenho ideal em tarefas mais complexas. |
Geração de vídeo | 14/05/2025 |
| Wanxiang 2.1 - Modelo Unificado de Edição de Vídeo - Plus. Suporta edição localizada, redesenho de vídeo, expansão de fundo, extensão de duração e geração baseada em referência. Permite controle multimodal por meio de texto, imagens ou vídeos. |
Omni-modal em tempo real | 08/05/2025 |
| A versão em tempo real do novo modelo grande de compreensão e geração multimodal da Qwen, adequado para cenários de interação de áudio em tempo real. Suporta a compreensão de áudio acompanhada de entradas mistas de texto, imagens e vídeo, e pode gerar simultaneamente fala e texto em fluxo, fornecendo quatro tons naturais. |
Geração de texto, Raciocínio | 29/04/2025 |
| Alcança integração eficaz dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio atinge o nível SOTA na indústria de mesma escala, e sua capacidade geral supera significativamente o Qwen2.5-7B. |
Geração de texto, Raciocínio | 29/04/2025 |
| Alcança integração eficaz dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio supera significativamente o QwQ, e sua capacidade geral excede notavelmente o Qwen2.5-32B-Instruct, atingindo o nível SOTA na indústria de mesma escala. |
Geração de texto, Raciocínio | 29/04/2025 |
| Alcança integração eficaz dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio rivaliza com o QwQ-32B com um tamanho de parâmetro menor, e sua capacidade geral supera significativamente o Qwen2.5-14B, atingindo o nível SOTA na indústria de mesma escala. |
Geração de texto, Raciocínio | 29/04/2025 |
| Alcança integração eficaz dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio supera significativamente o QwQ, e sua capacidade geral excede notavelmente o Qwen2.5-72B-Instruct, atingindo o nível SOTA na indústria de mesma escala. |
Geração de texto, Raciocínio | 29/04/2025 |
| O modelo Plus da série Qwen3 integra efetivamente os modos de pensamento e não-pensamento, permitindo alternância durante as conversas. Suas capacidades de raciocínio superam significativamente as do QwQ, e suas capacidades gerais excedem notavelmente as do Qwen2.5-Plus, atingindo o nível SOTA na mesma escala dentro da indústria. Este modelo é o snapshot de 28 de abril de 2025. |
Geração de texto, Raciocínio | 28/04/2025 |
| Alcança integração eficaz dos modos de pensamento e não-pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio atinge o nível SOTA na indústria de mesma escala, e sua capacidade geral supera significativamente o Qwen2.5-14B. |
Geração de imagens | 28/04/2025 |
| Um modelo de geração de imagens de prova virtual de alta qualidade que produz efeitos de prova com clareza de imagem aprimorada, detalhes de textura de vestuário e reconstrução de logotipo em comparação ao aitryon. Requer maior tempo de geração, adequado para cenários não críticos em termos de tempo. |
Compreensão visual | 23/04/2025 |
| O Qwen-VL_OCR é um modelo OCR treinado com base no Qwen-VL. Agrega várias tarefas de reconhecimento, análise e processamento de imagem-texto por meio de uma abordagem de modelo unificado, oferecendo poderosas capacidades de reconhecimento de imagem-texto. |
Geração de vídeo | 21/04/2025 |
| Wanxiang 2.1 - Keyframe para Vídeo - Plus. Gera vídeos de transição suave a partir de duas imagens de entrada. Suporta movimento complexo em grande escala, aderência à física, estilos artísticos diversos e qualidade visual de nível cinematográfico. Capacidade aprimorada de seguimento de instruções e detalhes visuais mais ricos. |
Síntese de fala | 20/04/2025 |
| O Qwen-TTS é o primeiro modelo de síntese de fala da série Qwen, suportando entradas em chinês, inglês e mistas. Ajusta adaptativamente o tom de saída com base no texto, oferece qualidade de voz natural e suporta saída em streaming. |
Omni-modal | 27/03/2025 |
| O novo modelo de compreensão e geração multimodal, suportando entrada de texto, imagem, fala e vídeo, bem como compreensão de entrada mista. Pode transmitir simultaneamente texto e fala em fluxo, com velocidade significativamente aprimorada para compreensão de conteúdo multimodal. Além disso, oferece quatro tons de diálogo naturais. Este modelo é o snapshot de 26 de março de 2025, com melhorias significativas nas capacidades visuais em relação ao snapshot de 19 de janeiro de 2025. |
Omni-modal | 26/03/2025 |
| O novo modelo de compreensão e geração multimodal treinado com base no Qwen2.5. Suporta compreensão de texto, imagem, fala, vídeo e entrada mista e pode gerar simultaneamente fluxos de texto e fala, melhorando significativamente a velocidade de compreensão de conteúdo multimodal. Fornece quatro tons naturais. |
Raciocínio, Compreensão visual | 26/03/2025 |
| O modelo de raciocínio visual QVQ do Tongyi Qianwen suporta entrada visual e saída de cadeia de pensamento, demonstrando capacidades mais fortes em matemática, programação, análise visual, criação e tarefas gerais. |
Geração de imagens | 25/03/2025 |
| Modelo de Edição de Imagem que suporta tarefas predefinidas e baseadas em comandos, incluindo edição global/local (transferência de estilo, inpainting, expansão, super-resolução) e geração baseada em referência. |
Geração de texto | 20/03/2025 |
| O modelo de interpretação de papéis da série Qwen. Esta é uma versão atualizada dinamicamente, e notificações serão fornecidas antecipadamente para quaisquer atualizações do modelo. É adequado para interpretação de papéis antropomórficos e possui capacidades otimizadas em seguir instruções de personagens predefinidos, avançar conversas e demonstrar escuta ativa e empatia. Além disso, suporta a restauração profunda de personagens personalizados. |
Embedding de texto | 20/03/2025 |
| Um modelo de reclassificação de texto multilíngue para recuperação semântica e RAG, classificando documentos candidatos por relevância para as consultas. |
Geração de texto | 19/03/2025 |
| O Qwen-Long é um modelo de linguagem grande projetado para processamento de contexto ultra-longo, suportando chinês, inglês e outros idiomas. Lida com até 10 milhões de tokens (aproximadamente 15 milhões de caracteres ou 15.000 páginas de documentos) em diálogos. Integrado a serviços de documentos, suporta análise e diálogo para arquivos de texto (TXT, DOCX, PDF, XLSX, EPUB, MOBI, MD, CSV) e arquivos de imagem (BMP, PNG, JPG/JPEG, GIF, digitalizações PDF). Observações: solicitações HTTP suportam até 1 milhão de tokens; recomenda-se o envio de arquivos para conteúdos mais longos. |
Omni-modal | 17/03/2025 |
| O novo modelo de compreensão e geração multimodal, suportando entrada de texto, imagem, fala e vídeo, bem como compreensão de entrada mista. Pode transmitir simultaneamente texto e fala em fluxo, com velocidade significativamente aprimorada para compreensão de conteúdo multimodal. Além disso, oferece quatro tons de diálogo naturais. |
Raciocínio | 05/03/2025 |
| A versão aprimorada do modelo de raciocínio Qwen QwQ, treinada no modelo Qwen2.5, teve suas capacidades de raciocínio significativamente melhoradas por meio de aprendizado por reforço. As métricas principais do modelo em matemática e codificação (por exemplo, AIME 24/25, LiveCodeBench), bem como algumas métricas gerais (por exemplo, IFEval, LiveBench), atingiram o nível da versão completa do DeepSeek-R1. |
Tradução de fala em tempo real | 04/03/2025 |
| Um modelo multilíngue de fala para texto e tradução que fornece transcrição em tempo real de alta precisão para 10 idiomas (incluindo chinês/inglês/japonês/coreano) com tradução interlingual. |
Geração de vídeo | 27/02/2025 |
| Modelo de Geração de Imagem para Vídeo-Turbo que transforma imagens em vídeos dinâmicos com movimentos complexos e estética cinematográfica, apresentando velocidade de geração mais rápida e conformidade aprimorada com instruções. |
Omni-modal | 14/02/2025 |
| O novo modelo de compreensão e geração multimodal, suportando entrada de texto, imagem, fala e vídeo, bem como compreensão de entrada mista. Pode transmitir simultaneamente texto e fala em fluxo, com velocidade significativamente aprimorada para compreensão de conteúdo multimodal. Além disso, oferece quatro tons de diálogo naturais. |
Geração de texto | 05/02/2025 |
| Um modelo de linguagem grande destilado baseado no Qwen2.5-Math-7B, treinado usando as saídas do DeepSeek R1. |
Geração de texto | 05/02/2025 |
| Um modelo de linguagem grande destilado baseado no Qwen2.5-32B, treinado usando as saídas do DeepSeek R1. |
Geração de texto | 05/02/2025 |
| Um modelo de linguagem grande destilado baseado no Qwen2.5-14B, treinado usando as saídas do DeepSeek R1. |
Geração de texto | 05/02/2025 |
| Um modelo de linguagem grande destilado baseado no Qwen2.5-Math-1.5B, treinado usando as saídas do DeepSeek R1. |
Geração de texto | 05/02/2025 |
| Um modelo de linguagem grande destilado baseado no Llama-3.1-70B, treinado usando as saídas do DeepSeek R1. |
Geração de texto | 03/02/2025 |
| A série de modelos Qwen, bem equilibrada em capacidades, oferece desempenho e velocidade de raciocínio situados entre o Qwen-Max e o Qwen-Turbo, tornando-os adequados para tarefas de complexidade moderada. Comparado às versões anteriores, mostra melhorias significativas na geração de código em chinês e inglês, raciocínio lógico e habilidades multilíngues. O estilo de resposta foi amplamente ajustado para alinhar-se às preferências humanas, com aprimoramentos notáveis no nível de detalhe e clareza das respostas. Melhorias especializadas foram feitas em escrita criativa, adesão à formatação JSON e habilidades de interpretação de papéis. |
Geração de texto, Raciocínio | 27/01/2025 |
| Um modelo Mixture-of-Experts (MoE) autodesenvolvido com 671B parâmetros (ativando 37B), pré-treinado em 14,8T tokens. Demonstra excelentes capacidades em processamento de texto longo, codificação, matemática, conhecimento enciclopédico e tarefas em língua chinesa. |
Geração de vídeo | 20/01/2025 |
| Modelo de Geração de Imagem para Vídeo-Plus que converte imagens em vídeos dinâmicos com movimentos complexos, realismo físico, qualidade cinematográfica e adesão aprimorada a instruções para maior fidelidade de vídeo. |
Geração de imagens | 20/01/2025 |
| Modelo de Texto para Imagem aprimorado, especializado em retratos realistas e designs criativos, atualizado em estética, realismo e qualidade artística com resolução de até 2MP e suporte a reescrita inteligente de prompts. |
Geração de vídeo | 16/01/2025 |
| Emoji é um modelo de geração de vídeo de animação facial que cria vídeos de animação facial usando imagens de rostos e modelos dinâmicos predefinidos. |
Geração de vídeo | 16/01/2025 |
| O Emoji-Detect é um modelo de detecção de imagens que auxilia na geração de emojis, usado para detectar se as imagens de personagens atendem aos requisitos de geração de vídeo. |
Geração de texto | 15/01/2025 |
| O Qwen-Plus é uma versão aprimorada do modelo de linguagem ultra-grande Qwen que suporta múltiplos idiomas de entrada, como chinês e inglês. Comparado às versões anteriores, mostra melhorias significativas na geração de código em chinês e inglês, raciocínio lógico e habilidades multilíngues. O estilo de resposta foi amplamente ajustado para alinhar-se às preferências humanas, com aprimoramentos notáveis no nível de detalhe e clareza das respostas. Melhorias especializadas foram feitas em escrita criativa, adesão à formatação JSON e habilidades de interpretação de papéis. |
Geração de imagens | 2025-01-15 |
| Modelo de segmentação de imagens que atua como módulo de suporte para o AI try-on OutfitAnyone. Este recurso segmenta imagens de modelos e de vestuário para realizar o pré e pós-processamento das imagens de prova virtual. |
Geração de vídeos | 2025-01-09 |
| Wanxiang 2.1 - Text-to-Video - Turbo. Gera vídeos em alta velocidade com suporte a movimentos complexos, simulação física, estilos artísticos e qualidade cinematográfica. Apresenta capacidade aprimorada de seguir instruções. |
Geração de vídeos | 2025-01-09 |
| Wanxiang 2.1 - Text-to-Video - Plus. Produz vídeos de alta qualidade a partir de prompts de texto. Oferece suporte a movimentos complexos, simulação física realista, diversos estilos artísticos e visuais cinematográficos, além de desempenho superior no seguimento de instruções. |
Geração de imagens | 2025-01-09 |
| Wanxiang 2.1 - Text-to-Image - Turbo. Proporciona velocidade de geração acelerada com estética, realismo e artisticidade aprimorados. Mantém forte compreensão semântica, diversidade de estilos e suporte a resolução de 2MP. Inclui funcionalidade inteligente de reescrita de prompts. |
Geração de imagens | 2025-01-09 |
| Wanxiang 2.1 - Text-to-Image - Plus. Versão atualizada para geração de imagens com melhorias em estética, realismo e artisticidade. Oferece compreensão semântica e generalização de estilos superiores, além de suporte a resoluções de até 2MP. Conta com reescrita inteligente de prompts e detalhes visuais mais ricos. |
Reconhecimento de fala em tempo real | 2024-12-31 |
| Modelo de reconhecimento de fala em tempo real Paraformer, com suporte à alternância multilíngue para transmissões ao vivo e reuniões. Permite a seleção de idioma via parâmetro language_hints para maior precisão em cenários de atendimento ao cliente a 8kHz. Idiomas suportados: Mandarim (incluindo dialetos), Inglês, Japonês e Coreano. |
Geração de texto | 2024-12-26 |
| O Qwen-Plus é uma versão aprimorada do modelo de linguagem ultra-grande Qwen, compatível com múltiplos idiomas de entrada, como Chinês e Inglês. Em comparação às versões anteriores, apresenta melhorias significativas na geração de código, raciocínio lógico e capacidades multilíngues. O estilo de resposta foi amplamente ajustado para alinhar-se às preferências humanas, com avanços notáveis no nível de detalhe e clareza. Também recebeu otimizações específicas para escrita criativa, adesão à formatação JSON e interpretação de papéis. |
Embedding multimodal | 2024-12-23 |
| Modelo vetorial multimodal desenvolvido pelo Tongyi Lab com base em modelos fundamentais multimodais pré-treinados. Gera vetores contínuos de alta dimensão a partir de entradas de texto, imagem ou vídeo para tarefas subsequentes, incluindo busca, classificação e moderação de conteúdo. |
Reconhecimento de fala | 2024-12-19 |
| Versão do modelo de reconhecimento de fala em Mandarim Paraformer, com arquitetura aprimorada, maior precisão de reconhecimento e suporte a fala telefônica a 8kHz (apenas hotwords em Chinês). |
Geração de texto | 2024-12-12 |
| Modelo de Detecção de Intenção e Preenchimento de Slots para sistemas de diálogo. Permite a previsão conjunta de intenções baseadas em API e parâmetros de slots em uma única saída, retornando resultados JSON padronizados com múltiplos comandos de API e slots preenchidos. |
Geração de vídeos | 2024-12-10 |
| Modelo de Geração de Vídeo de Personagens que sintetiza vídeos com sincronia labial baseados em vídeos de personagens e áudio de voz, alinhando os movimentos da boca ao conteúdo sonoro. |
Geração de vídeos | 2024-12-10 |
| Modelo de geração de templates de movimento que auxilia o AnimateAnyone, capaz de extrair movimentos humanos de vídeos e criar templates correspondentes. |
Geração de vídeos | 2024-12-10 |
| Este modelo gera vídeos de movimentos de corpo inteiro utilizando retratos humanos e templates de movimento como base. |
Geração de vídeos | 2024-12-10 |
| Modelo de detecção de imagens auxiliar para o AnimateAnyone, utilizado para verificar se as figuras humanas nas imagens atendem aos requisitos de geração de vídeo. |
Compreensão visual | 2024-11-14 |
| O Qwen-VL_OCR é um modelo OCR treinado com base no Qwen-VL. Ele agrega diversas tarefas de reconhecimento, análise e processamento de imagem-texto por meio de uma abordagem de modelo unificado, oferecendo recursos robustos de reconhecimento óptico. |
Geração de texto | 2024-11-12 |
| Especializado em programação e geração de código, o Qwen-Coder-Plus entrega excelente desempenho e resultados superiores. |
Geração de vídeos | 2024-11-07 |
| O LivePortrait-detect é um modelo auxiliar de detecção de imagens usado para avaliar se as figuras humanas presentes atendem aos requisitos necessários para a geração de vídeo. |
Geração de vídeos | 2024-11-07 |
| LivePortrait é um modelo que cria vídeos leves de retratos dinâmicos a partir de imagens estáticas. |
Geração de vídeos | 2024-11-07 |
| O EMO gera vídeos dinâmicos de retratos com alta qualidade tendo como base imagens de personagens. |
Geração de vídeos | 2024-11-07 |
| Auxiliar do EMO, o EMO-Detect é um modelo de detecção que verifica se as imagens de personagens cumprem os requisitos para geração de vídeo. |
Geração de texto | 2024-10-15 |
| O Qwen-Max suporta uma escala de parâmetros na casa das centenas de bilhões e múltiplos idiomas de entrada, como Chinês e Inglês. Suas atualizações ocorrem de forma contínua. Comparado às versões anteriores, demonstra melhorias expressivas na geração de código, raciocínio lógico e habilidades multilíngues. O estilo de resposta foi significativamente ajustado para atender às preferências humanas, com ganhos notáveis em detalhamento e clareza. Recebeu ainda aperfeiçoamentos focados em escrita criativa, conformidade com formatação JSON e interpretação de papéis. |
Geração de texto | 2024-09-19 |
| Focado na resolução de problemas matemáticos, o Qwen-Math-Turbo oferece alta velocidade de inferência e baixo custo operacional. |
Geração de texto | 2024-09-19 |
| O Qwen-Math-Plus é um modelo robusto para resolução de problemas matemáticos, destacando-se em tarefas em Chinês e Inglês que envolvem equações, cálculos e demonstrações. |
Geração de texto | 2024-09-19 |
| Desenvolvido para programação e geração de código, o Qwen-Coder-Turbo combina alta velocidade de inferência com custo reduzido. |
Síntese de fala | 2024-09-13 |
| Service de replicação de voz baseada em modelos grandes, projetado para uso conjunto com o Cosyvoice-v3. Utiliza tecnologia avançada de extração de características para replicar vozes sem necessidade de treinamento. Basta um clipe de áudio muito curto para gerar rapidamente uma voz personalizada altamente similar e natural. |
Geração de vídeos | 2024-09-13 |
| Modelo de Repintura de Estilo de Vídeo que aplica estilos artísticos (como mangá japonês ou cartoon 3D) aos frames de entrada, preservando a aparência original e gerando vídeos estilizados com efeitos visuais variados. |
Geração de texto | 2024-09-13 |
| Capaz de resolver problemas matemáticos complexos, o Qwen-Math-Plus destaca-se em tarefas envolvendo equações, cálculos e provas tanto em Chinês quanto em Inglês. |
Síntese de fala | 2024-09-13 |
| Este modelo de clonagem de voz aproveita tecnologias avançadas de modelos grandes para extração de características sem fase de treinamento. Cria vozes personalizadas naturais e muito semelhantes à original usando apenas amostras curtas de áudio. |
Reconhecimento de fala | 2024-09-06 |
| O modelo Paraformer aceita reconhecimento multilíngue através do parâmetro language_hints. Compatível com todas as taxas de amostragem e hotwords nos idiomas: Mandarim (incluindo dialetos), Inglês, Japonês e Coreano. |
Reconhecimento de fala em tempo real | 2024-09-06 |
| Indicado para reconhecimento de fala em tempo real, este modelo Paraformer permite alternância multilíngue via parâmetro language_hints. Suporta todas as taxas de amostragem e hotwords para Mandarim (incluindo dialetos), Inglês, Japonês e Coreano. |
Geração de imagens | 2024-08-19 |
| A segmentação de instâncias de pessoas utiliza técnicas de detecção e segmentação para identificar objetos em imagens e gerar máscaras no nível de pixel, permitindo a delimitação precisa dos contornos dos objetos. |
Geração de imagens | 2024-08-19 |
| Ferramenta de remoção e completude de imagens que elimina elementos específicos (pessoas, objetos, texto, marcas d'água) preservando o fundo, por meio de visão computacional e técnicas de inpainting AIGC. |
Hong Kong (China)
Tipo de modelo | Data | Escopo do service | ID do modelo | Descrição |
|---|---|---|---|---|
Geração de texto, Raciocínio, Compreensão visual | 2026-10-17 | Global |
| DeepSeek-V4.1-Flash-1017 é a iteração do V4.1-Flash, treinada com aprendizado por reforço baseado em autofeedback para oferecer ganhos substanciais em relação à versão anterior em benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 e ProgramBench. Ao mesmo tempo, reduz o tempo de execução das tarefas e o comprimento da saída para alcançar um novo ótimo de Pareto entre desempenho e custo em vários harnesses de avaliação. Sua capacidade de construir projetos completos do zero foi ainda mais fortalecida, permitindo tarefas de programação "baseadas em desejos", como desenvolvimento de jogos e modelagem 3D, mantendo o mesmo MoE com 552B parâmetros, compreensão visual multimodal nativa, janela de contexto de 1M tokens e saída máxima de 384K tokens. |
Geração de texto, Raciocínio, Compreensão visual | 02/09/2026 | Global |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) is an upgraded snapshot of qwen3.8-max. Coding capability breaks new ground, handling more complex engineering-scale projects and long-horizon autonomous development. Collaborative agent performance is significantly enhanced, with greater composure in multi-tool orchestration and end-to-end task delivery. Native vision understanding is refined across chart reasoning, document parsing, and multimodal perception — sharper and more reliable. Retains the 1M context window, thinking mode, and full tool ecosystem, evolving at a higher level of intelligence. |
Geração de texto, Pensamento profundo, Compreensão visual | 26/08/2026 | Global |
| O Qwen3.8-Flash é o modelo flagship leve da série Qwen3.8, com janela de contexto de 1 milhão de tokens, saída máxima de 128k e orçamento de pensamento de 256k. Suporta raciocínio profundo, Function Calling, saída estruturada, ferramentas integradas e compreensão visual nativa, alcançando o equilíbrio ideal entre desempenho e custo. Adequado para uma ampla gama de tarefas, desde geração de texto cotidiana até cenários de agentes. |
Geração de vídeo | 20/08/2026 | Global |
| O Wan3.0-Video-Prime é a versão de alta velocidade do modelo de geração de vídeo Wan3.0, com capacidades alinhadas à versão padrão Wan3.0-Video. Ele aceita entrada de referência completa em quatro modalidades e gera vídeos de até 30 segundos, proporcionando uma experiência audiovisual imersiva com melhoria significativa na velocidade de ponta a ponta. |
Geração de texto, Raciocínio, Compreensão visual | 19/08/2026 | Global |
| Com 2,8 trilhões de parâmetros, o Kimi K3 é um modelo principal da Kimi. Desenvolvido com as tecnologias KDA hybrid linear attention (Kimi Delta Attention) e Attention Residuals, ele oferece suporte nativo à compreensão visual e conta com uma janela de contexto de 1 milhão de tokens. Trata-se do primeiro modelo open source de 3 trilhões de parâmetros do mundo, projetado para programação de contexto longo, trabalho de conhecimento e raciocínio avançado. |
Geração de texto, Raciocínio | 14/08/2026 | Global |
| Modelo de linguagem grande Mixture-of-Experts (MoE) principal, com 1,6 trilhão de parâmetros no total e 49 bilhões de parâmetros ativados. Oferece suporte nativo a janelas de contexto de até 1 milhão de tokens. Treinado com um vasto conjunto de dados de alta qualidade, apresenta alto desempenho em raciocínio matemático e lógico, raciocínio complexo, geração de código profissional e análise detalhada de documentos longos. É indicado para cenários exigentes, como pesquisa científica avançada, fluxos de trabalho corporativos complexos e aplicações agênticas sofisticadas. |
Geração de imagem | 06/08/2026 | Global |
| Conteúdo rico: aceita entrada de até 4,5 mil tokens e layout denso de informações com imagens dentro de imagens, permitindo gerar layouts complexos — como jornais, storyboards, cardápios e provas — em uma única passagem. Detalhes autênticos: renderiza com precisão textos a partir de 10 px e reproduz fielmente detalhes sutis, como microexpressões, poros e fios de cabelo individuais, aproximando-se da qualidade fotográfica real. Conhecimento profundo: renderiza nativamente 12 idiomas e mais de 20 fontes, simula interfaces comuns (páginas web, jogos e transmissões ao vivo) de forma realista e incorpora totalmente conhecimento externo. O Qwen-Image-3.0-Pro não busca apenas "boa aparência", mas também "utilidade", transformando a geração de imagens em uma ferramenta de produtividade realmente implantável. |
Geração de imagem | 04/08/2026 | Global |
| Compreensão clara de instruções: aceita até 4,5 mil tokens de entrada e gera instruções complexas de texto e imagem em uma única passagem. Renderização estável de texto: textos pequenos de 10 px, 12 idiomas e mais de 20 fontes com legibilidade nítida, ideais para infográficos e interfaces. Saída em lote prática: pôsteres, páginas web, interfaces e outras tarefas cotidianas podem ser gerados em massa com custo reduzido, sendo perfeito para criação contínua. O Qwen-Image-3.0 Standard alia qualidade de geração à conveniência criativa diária, tornando a geração de imagens uma ferramenta sustentável de produtividade de conteúdo. |
Geração de texto, Raciocínio, Compreensão visual | 02/08/2026 | Global |
| Modelo principal MoE com 2,4 trilhões de parâmetros que apresenta um salto abrangente nas capacidades de codificação e escritório, capaz de programar autonomamente por dias para entregar projetos completos. Executa centenas de tarefas profissionais — jurídicas, financeiras e de design — e entrega resultados de nível de produção de ponta a ponta em uma única conversa. A compreensão visual nativa percorre todo o pipeline de planejamento, execução e verificação, com suporte à análise semântica profunda de documentos ultralongos e vídeos extensos. Realiza planejamento autônomo e iteração em ciclo fechado em tarefas de longo horizonte, evoluindo continuamente. |
Geração de texto, Raciocínio | 01/08/2026 | Global |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões ativados, com suporte nativo a janelas de contexto de até 1 milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, com desempenho geral equilibrado. Projetado para cargas de trabalho leves e de alta concorrência, é ideal para casos de uso essenciais e comuns, como diálogos cotidianos, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de texto, Raciocínio, Compreensão visual | 21/07/2026 | Global |
| Os modelos Flash da série nativa de linguagem visual Qwen3.7 aprimoram de forma abrangente a compreensão multimodal e as capacidades de execução de Agent em relação ao 3.6-Flash. As principais melhorias incluem fortalecimento das habilidades multimodais fundamentais, reconhecimento de objetos aprimorado e percepção do mundo real e inteligência espacial superiores. Cenários de Agent multimodal, como Search Agent e CI Agent, receberam atualizações significativas, com execução de tarefas de ponta a ponta mais estável. As capacidades de codificação multimodal foram otimizadas, proporcionando uma experiência de vibe coding mais fluida. |
Geração de texto | 02/07/2026 | Global |
| Modelo de interpretação de papéis da série Qwen. Esta é uma versão atualizada dinamicamente, e notificações prévias serão enviadas para qualquer atualização do modelo. Adequado para interpretação de papéis antropomórficos, possui capacidades otimizadas para seguir instruções predefinidas de personagens, conduzir conversas e demonstrar escuta ativa e empatia. Além disso, permite a restauração profunda de personagens personalizados. |
Geração de texto, Raciocínio | 16/06/2026 | Global |
| O GLM-5.2 é um modelo principal da Zhipu AI, projetado para tarefas de longo horizonte com suporte a uma janela de contexto ultralonga de 1 milhão de tokens. Apresenta capacidades robustas de raciocínio lógico, compreensão de textos longos e geração de código, equilibrando desempenho e eficiência de inferência. Destaca-se em benchmarks multitarefa e é adequado para interação inteligente, aplicações empresariais e cenários de assistência ao desenvolvimento. |
Geração de texto, Raciocínio, Compreensão visual | 15/06/2026 | Global |
| O kimi-k2.7-code é um modelo de codificação da Kimi. Segue instruções com maior confiabilidade em contextos longos e conclui tarefas de programação com taxas de sucesso mais elevadas. Aceita entradas de texto, imagem e vídeo, além de suportar modo de pensamento, conversas e tarefas de agent. |
Geração de texto, Raciocínio, Compreensão visual | 09/06/2026 | Global |
| O modelo Max, o maior e mais capaz da série Qwen3.7, adicionou compreensão da modalidade visual em comparação ao snapshot de 20 de maio, permitindo perceber cenas do mundo real e suportar capacidades de agent híbrido interativo multimodal. Esta versão baseia-se em um snapshot capturado em 8 de junho de 2026. |
Geração de texto, Raciocínio, Compreensão visual | 01/06/2026 | Global |
| Na série Qwen3.7, o modelo Plus, com excelente custo-benefício, amplia suas sólidas capacidades de texto com uma atualização abrangente das habilidades de linguagem visual, preservando a inteligência de nível de agent full-stack para codificação, uso de ferramentas e fluxos de trabalho de produtividade. Seu principal diferencial são as capacidades de agent híbrido interativo multimodal, que permitem perceber cenas do mundo real, ler telas e interagir com GUIs, gerar código com base em referências visuais e realizar navegação de ponta a ponta em aplicativos móveis. |
Geração de texto, Raciocínio | 20/05/2026 | Global |
| O modelo Max, o maior e mais capaz da série Qwen3.7, oferece atualmente uma interface exclusivamente textual para experimentação pública. O Qwen3.7 é um modelo principal de próxima geração, projetado para a era centrada em agents, cujos pontos fortes residem na amplitude e profundidade de suas capacidades de nível de agent: destaca-se em programação, tarefas de escritório e produtividade, além de execução autônoma de longo prazo. |
Geração de texto, Raciocínio, Compreensão visual | 17/04/2026 | Global |
| A série de modelos Flash nativos de linguagem visual Qwen3.6 oferece um aumento significativo de desempenho em relação à versão 3.5-Flash. Este modelo se destaca especialmente nas capacidades de codificação agêntica, superando substancialmente seu antecessor em múltiplos benchmarks de code-agent, bem como em raciocínio matemático e de código. No aspecto visual, apresenta inteligência espacial marcadamente aprimorada, com melhorias particularmente notáveis na localização e detecção de objetos. |
Geração de texto, Raciocínio, Compreensão visual | 01/04/2026 | Global |
| Os modelos da série Plus nativa de linguagem visual Qwen3.6 demonstram desempenho excepcional, equivalente aos modelos state-of-the-art atuais, com melhoria significativa nos resultados gerais em relação à série 3.5. Houve aprimoramentos marcantes em capacidades relacionadas a código, como codificação agêntica, programação front-end e Vibe coding, além de reconhecimento geral de objetos multimodal, OCR e localização de objetos. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Hong Kong |
| Os modelos Flash nativos de linguagem visual Qwen3.5 baseiam-se em uma arquitetura híbrida que integra um mecanismo de atenção linear com um modelo sparse mixture-of-experts, alcançando maior eficiência de inferência. Em comparação à série 3, esses modelos representam um salto de desempenho tanto em tarefas de texto puro quanto multimodais, oferecendo tempos de resposta rápidos e equilibrando velocidade de inferência com desempenho geral. |
Geração de texto, Raciocínio | 23/01/2026 | Hong Kong |
| Em relação ao snapshot de 23 de setembro de 2025, o modelo Max da série Qwen-3 nesta versão alcança uma integração eficaz dos modos de pensamento e não pensamento, resultando em uma melhoria abrangente e substancial no desempenho geral do modelo. No modo de pensamento, o modelo suporta simultaneamente busca na web, extração de informações da web e uma ferramenta de interpretador de código, permitindo enfrentar problemas mais complexos e desafiadores com maior precisão ao utilizar ferramentas externas durante um raciocínio lento e deliberativo. Esta versão baseia-se em um snapshot capturado em 23 de janeiro de 2026. |
Raciocínio, Compreensão visual | 18/12/2025 | Hong Kong |
| A série Qwen3 de modelos de compreensão visual integra eficazmente os modos de pensamento e não pensamento. Comparada ao snapshot lançado em 23 de setembro, esta versão oferece desempenho superior em tarefas de raciocínio e análise, além de melhor controle de estilo, apresentando também menor latência e respostas mais rápidas. Esta versão baseia-se em um snapshot capturado em 19 de dezembro de 2025. |
— | 01/12/2025 | Hong Kong |
| Esta versão é um snapshot de 1º de dezembro de 2025 e apresenta capacidades de raciocínio aprimoradas em relação ao snapshot de 28 de julho. As capacidades de Agent e de invocação de ferramentas em múltiplas rodadas foram ainda mais reforçadas, e o desempenho em tarefas criativas subjetivas melhorou significativamente. Suporta comprimento de contexto de até 1 milhão de tokens, com preços escalonados conforme o tamanho do contexto. |
Geração de texto, Raciocínio | 24/09/2025 | Hong Kong |
| O modelo Max da série Qwen 3 recebeu atualizações especializadas em programação de agents e invocação de ferramentas em comparação à versão prévia. O modelo lançado oficialmente desta vez alcançou desempenho state-of-the-art (SOTA) em sua categoria e atende melhor às demandas de agents operando em cenários mais complexos. |
Compreensão visual | 23/09/2025 | Hong Kong |
| Os modelos VL da série Qwen3 integram eficazmente os modos de pensamento e não pensamento, alcançando desempenho líder mundial em capacidades de agent visual em conjuntos de dados de benchmark públicos, como o OS World. Esta versão traz atualizações abrangentes em áreas como codificação visual, percepção espacial e raciocínio multimodal, aprimorando significativamente as habilidades de percepção e reconhecimento visual, além de suportar a compreensão de vídeos ultralongos. |
Geração de texto, Raciocínio | 16/09/2025 | Hong Kong |
| O Qwen-Plus é uma versão aprimorada do modelo de linguagem ultra-grande Qwen que aceita múltiplos idiomas de entrada, como chinês e inglês. Em comparação às versões anteriores, apresenta melhorias significativas na geração de código em chinês e inglês, no raciocínio lógico e nas habilidades multilíngues. O estilo de resposta foi amplamente ajustado para alinhar-se às preferências humanas, com melhorias perceptíveis no nível de detalhe e clareza das respostas. Aprimoramentos especializados foram implementados em escrita criativa, adesão à formatação JSON e capacidades de interpretação de papéis. |
Embedding de texto | 25/08/2025 | Hong Kong |
| A versão General Text Vector V4 é um modelo de vetores de texto multilíngue desenvolvido pelo Tongyi Lab com base no Qwen3. Em comparação à versão V3, melhora significativamente o desempenho em tarefas de recuperação de texto, clustering e classificação. Obtém uma melhoria de 15% a 40% em tarefas de avaliação como MTEB multilíngue, chinês-inglês e recuperação de código. Além disso, suporta dimensões de vetor definidas pelo usuário variando de 64 a 2048. |
Germany (Frankfurt)
Tipo de modelo | Data | Escopo do service | ID do modelo | Descrição |
|---|---|---|---|---|
Geração de texto, Raciocínio, Compreensão visual | 2026-10-17 | Global |
| DeepSeek-V4.1-Flash-1017 é a iteração do V4.1-Flash, treinada com aprendizado por reforço baseado em autofeedback para oferecer ganhos substanciais em relação à versão anterior em benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 e ProgramBench. Ao mesmo tempo, reduz o tempo de execução das tarefas e o comprimento da saída para alcançar um novo ótimo de Pareto entre desempenho e custo em vários harnesses de avaliação. Sua capacidade de construir projetos completos do zero foi ainda mais fortalecida, permitindo tarefas de programação "baseadas em desejos", como desenvolvimento de jogos e modelagem 3D, mantendo o mesmo MoE com 552B parâmetros, compreensão visual multimodal nativa, janela de contexto de 1M tokens e saída máxima de 384K tokens. |
Geração de texto, Raciocínio, Compreensão visual | 02/09/2026 | Global |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) is an upgraded snapshot of qwen3.8-max. Coding capability breaks new ground, handling more complex engineering-scale projects and long-horizon autonomous development. Collaborative agent performance is significantly enhanced, with greater composure in multi-tool orchestration and end-to-end task delivery. Native vision understanding is refined across chart reasoning, document parsing, and multimodal perception — sharper and more reliable. Retains the 1M context window, thinking mode, and full tool ecosystem, evolving at a higher level of intelligence. |
Geração de texto, Pensamento profundo, Compreensão visual | 26/08/2026 | Global |
| O Qwen3.8-Flash é o modelo flagship leve da série Qwen3.8, com janela de contexto de 1 milhão de tokens, saída máxima de 128k e orçamento de pensamento de 256k. Suporta raciocínio profundo, Function Calling, saída estruturada, ferramentas integradas e compreensão visual nativa, alcançando o equilíbrio ideal entre desempenho e custo. Adequado para uma ampla gama de tarefas, desde geração de texto cotidiana até cenários de agentes. |
Geração de vídeo | 20/08/2026 | Global |
| O Wan3.0-Video-Prime é a versão de alta velocidade do modelo de geração de vídeo Wan3.0, com capacidades alinhadas à versão padrão do Wan3.0-Video. Ele aceita entrada multimodal completa com quatro modalidades e gera vídeos de até 30 segundos, proporcionando uma experiência audiovisual imersiva com melhoria significativa na velocidade de ponta a ponta. |
Geração de texto, Raciocínio, Compreensão visual | 19/08/2026 | Global |
| O Kimi K3 é um modelo principal da Kimi, com 2,8 trilhões de parâmetros. Construído sobre as tecnologias de atenção linear híbrida KDA (Kimi Delta Attention) e Resíduos de Atenção, ele oferece suporte nativo à compreensão visual e conta com uma janela de contexto de 1 milhão de tokens. É o primeiro modelo open source de 3 trilhões de parâmetros do mundo, projetado para programação de contexto longo, trabalho intelectual e raciocínio avançado. |
Geração de texto, Raciocínio | 14/08/2026 | Global |
| Modelo de linguagem grande Mixture-of-Experts (MoE) principal, com 1,6 trilhão de parâmetros no total e 49 bilhões de parâmetros ativados. Oferece suporte nativo a janelas de contexto de até 1 milhão de tokens. Treinado com um vasto conjunto de dados de alta qualidade, o modelo apresenta alto desempenho em raciocínio matemático e lógico, raciocínio complexo, geração de código profissional e análise profunda de documentos longos. É adequado para cenários exigentes, como pesquisa científica avançada, fluxos de trabalho corporativos complexos e aplicações agênticas sofisticadas. |
Geração de vídeo | 06/08/2026 | Global |
| O Wan3.0 é um modelo completo de geração de vídeo que suporta uniformemente múltiplas funções criativas, incluindo referência, edição, replicação e condução. Aceita entrada multimodal completa com quatro modalidades, gera vídeos de até 30 segundos e consegue analisar arquivos, páginas da web e imagens complexas. Com consistência de personagens de nível de produção e áudio e visuais realistas, proporciona um impacto audiovisual imersivo. |
Geração de imagem | 06/08/2026 | Global |
| Conteúdo rico: aceita entrada de até 4,5 mil tokens e layout denso de informações com imagens dentro de imagens, permitindo gerar layouts complexos como jornais, storyboards, cardápios e provas em uma única passagem. Detalhes autênticos: renderiza com precisão textos de apenas 10 px e reproduz vividamente detalhes finos como microexpressões, poros e fios de cabelo individuais, aproximando-se da qualidade da fotografia real. Conhecimento profundo: oferece renderização nativa de 12 idiomas e mais de 20 fontes, simula realisticamente interfaces comuns como páginas da web, jogos e transmissões ao vivo, incorporando totalmente conhecimento externo. O Qwen-Image-3.0-Pro não busca apenas "boa aparência", mas também "utilidade", transformando a geração de imagens em uma ferramenta de produtividade realmente implantável. |
Geração de imagem | 04/08/2026 | Global |
| Compreensão clara de instruções: aceita entrada de até 4,5 mil tokens e gera instruções complexas de imagem e texto em uma única passagem. Renderização estável de texto: textos pequenos de 10 px, 12 idiomas e mais de 20 fontes ficam claramente legíveis, prontos para infográficos e interfaces. Saída em lote prática: pôsteres, páginas da web, interfaces e outras tarefas diárias podem ser gerados em massa a custo reduzido, ideal para criação contínua. O Qwen-Image-3.0 Standard busca não apenas qualidade de geração, mas também conveniência criativa no dia a dia, tornando a geração de imagens uma ferramenta sustentável de produtividade de conteúdo. |
Geração de texto, Raciocínio, Compreensão visual | 02/08/2026 | Global |
| Modelo principal MoE com 2,4 trilhões de parâmetros que apresenta um salto abrangente nas capacidades de codificação e escritório, capaz de programar autonomamente por dias para entregar projetos completos. Executa centenas de tarefas profissionais, como trabalhos jurídicos, financeiros e de design, entregando resultados de nível de produção de ponta a ponta em uma única conversa. A compreensão visual nativa percorre todo o pipeline de planejamento, execução e verificação, com suporte à análise semântica profunda de documentos ultralongos e vídeos longos. Realiza planejamento autônomo e iteração em ciclo fechado em tarefas de longo horizonte, evoluindo continuamente. |
Geração de texto, Raciocínio | 01/08/2026 | Global |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, com suporte nativo a janelas de contexto de até um milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, com desempenho geral bem equilibrado. Projetado para cargas de trabalho leves e de alta concorrência, é ideal para casos de uso comuns e essenciais, como diálogo cotidiano, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de texto, Raciocínio, Compreensão visual | 21/07/2026 | Global |
| Os modelos Flash da série nativa de visão-linguagem Qwen3.7 aprimoram de forma abrangente a compreensão multimodal e as capacidades de execução de Agent em comparação ao 3.6-Flash. As principais melhorias incluem fortalecimento das habilidades multimodais fundamentais, reconhecimento de objetos aprimorado e percepção do mundo real e inteligência espacial melhoradas. Cenários de Agent multimodal, como Search Agent e CI Agent, receberam atualizações significativas, com execução de tarefas de ponta a ponta mais estável. As capacidades de codificação multimodal foram otimizadas, proporcionando uma experiência de vibe coding mais fluida. |
Geração de texto | 02/07/2026 | Global |
| Modelo de interpretação de papéis da série Qwen. Trata-se de uma versão atualizada dinamicamente, e notificações serão fornecidas antecipadamente para quaisquer atualizações do modelo. É adequado para interpretação de papéis antropomórficos e possui capacidades otimizadas para seguir instruções de personagens predefinidos, conduzir conversas e demonstrar escuta ativa e empatia. Além disso, suporta a restauração profunda de personagens personalizados. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-T2V suporta geração de texto para vídeo com compreensão semântica aprimorada, controle cinematográfico de enquadramento e renderização dinâmica de movimento. Captura a intenção criativa com maior precisão, produzindo vídeos de alta qualidade com movimentos mais suaves, detalhes mais ricos, consistência visual mais forte e ações de personagens, atmosfera de cena e dinâmica física mais naturais. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-R2V suporta geração de referência para vídeo com estabilidade significativamente melhorada em sujeito, estilo de cena e consistência visual. Com suporte a até 9 imagens de referência, compreende e preserva a intenção criativa com maior precisão, oferecendo maior controlabilidade e expressividade em personagens, cenas, estilos e movimento cinematográfico. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-I2V suporta geração de imagem para vídeo com qualidade visual, desempenho dinâmico e consistência entre clipes aprimorados. Compreende a imagem de entrada e preserva a intenção criativa com maior precisão, apresentando melhorias significativas no realismo da textura da pele, consistência de ID de personagem entre clipes, suavidade de movimento, estabilidade na renderização de texto e sincronização audiovisual, produzindo vídeos de alta qualidade com maior realismo, detalhes mais ricos e consistência geral mais forte. |
Geração de texto, Raciocínio | 16/06/2026 | Global |
| O GLM-5.2 é um modelo principal da Zhipu AI, projetado para tarefas de longo horizonte com suporte a uma janela de contexto ultralonga de 1 milhão. Apresenta capacidades poderosas de raciocínio lógico, compreensão de texto longo e geração de código, equilibrando desempenho e eficiência de inferência. Destaca-se em diversos benchmarks multitarefa e é adequado para cenários de interação inteligente, aplicações empresariais e assistência ao desenvolvimento. |
Geração de texto, Raciocínio, Compreensão visual | 15/06/2026 | Global |
| O kimi-k2.7-code é um modelo de codificação da Kimi. Segue instruções de forma mais confiável em contextos longos e conclui tarefas de programação com taxas de sucesso mais altas. Suporta entradas de texto, imagem e vídeo, além de modo de pensamento, conversa e tarefas de agent. |
Geração de texto, Raciocínio, Compreensão visual | 09/06/2026 | Global |
| O modelo Max, o maior e mais capaz da série Qwen3.7, adicionou compreensão de modalidade visual em comparação ao snapshot de 20 de maio, permitindo perceber cenas do mundo real e suportar capacidades de agent híbrido interativo multimodal. Esta versão é baseada em um snapshot obtido em 8 de junho de 2026. |
Geração de texto, Raciocínio, Compreensão visual | 01/06/2026 | Global |
| Na série Qwen3.7, o modelo Plus, com boa relação custo-benefício, baseia-se em suas robustas capacidades de texto e oferece uma atualização abrangente de suas habilidades de visão-linguagem, preservando sua inteligência de nível de agent full-stack para codificação, uso de ferramentas e fluxos de trabalho de produtividade. Seu principal diferencial são as capacidades de agent híbrido interativo multimodal, que permitem perceber cenas do mundo real, ler telas e interagir com GUIs, gerar código com base em referências visuais e realizar navegação de ponta a ponta em aplicativos móveis. |
Geração de texto, Raciocínio | 20/05/2026 | Global |
| O modelo Max, o maior e mais capaz da série Qwen3.7, oferece atualmente uma interface apenas de texto puro para experimentação pública. O Qwen3.7 é um modelo principal de próxima geração projetado para a era centrada em agents, cujos pontos fortes residem na amplitude e profundidade de suas capacidades de nível de agent: destaca-se em programação, tarefas de escritório e produtividade e execução autônoma de longo prazo. |
Geração de texto, Raciocínio, Compreensão visual | 29/04/2026 | Global |
| O Kimi-k2.5 é um modelo da Moonshot AI, com arquitetura multimodal nativa, suportando entradas visuais e de texto, modos de pensamento e não pensamento, além de tarefas de diálogo e de agent. |
Geração de vídeo | 26/04/2026 | Global |
| O HappyHorse-1.0-V2V suporta edição avançada de vídeo por meio de instruções em linguagem natural. Permite edição local ou global de elementos de vídeo usando até 5 imagens de referência, preservando com precisão a dinâmica de movimento original para obter expressividade superior. |
Geração de vídeo | 26/04/2026 | Global |
| O HappyHorse-1.0-R2V suporta geração de referência para vídeo, oferecendo estabilidade aprimorada na referência de sujeito e cena. Capaz de processar até 9 imagens de referência, preserva com precisão a intenção criativa para oferecer desempenho superior. |
Geração de texto, Raciocínio | 24/04/2026 | Global |
| Modelo grande MoE principal com 1,6 trilhão de parâmetros e 49 bilhões de parâmetros ativados, com suporte nativo a comprimentos de contexto de até um milhão de tokens. Treinado em um vasto corpus de dados de alta qualidade, destaca-se em raciocínio matemático avançado, inferência lógica complexa, codificação especializada e análise profunda de textos longos, sendo adequado para aplicações exigentes, como pesquisa de ponta, fluxos de trabalho de escritório sofisticados e agents de IA avançados. |
Geração de texto, Raciocínio | 24/04/2026 | Global |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, com suporte nativo a janelas de contexto de até um milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, com desempenho geral bem equilibrado. Projetado para cargas de trabalho leves e de alta concorrência, é ideal para casos de uso comuns e essenciais, como diálogo cotidiano, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de vídeo | 22/04/2026 | Global |
| O HappyHorse-1.0-T2V suporta geração de texto para vídeo, com renderização dinâmica altamente realista. Compreende com precisão a semântica do texto para produzir vídeos de alta qualidade, fluidos, naturais e ricos em detalhes. |
Geração de vídeo | 22/04/2026 | Global |
| O HappyHorse-1.0-I2V permite geração de imagem para vídeo, com renderização dinâmica altamente realista. Compreende com precisão a semântica tanto do texto quanto da imagem para produzir vídeos de alta qualidade, fluidos, naturais e ricos em detalhes. |
Geração de texto, Raciocínio, Compreensão visual | 17/04/2026 | Global |
| A série de modelos Flash nativos de visão-linguagem Qwen3.6 oferece um aumento significativo de desempenho em relação à versão 3.5-Flash. Este modelo se destaca especialmente nas capacidades de codificação agêntica, superando substancialmente seu antecessor em múltiplos benchmarks de code-agent, além de raciocínio matemático e de código. Em termos de visão, apresenta inteligência espacial marcadamente melhorada, com aprimoramentos particularmente notáveis na localização e detecção de objetos. |
Geração de texto, Raciocínio, Compreensão visual | 17/04/2026 | Global |
| O modelo nativo de visão-linguagem Qwen3.6 35B-A3B é construído sobre uma arquitetura híbrida que integra mecanismos de atenção linear com um framework esparso de mixture-of-experts, alcançando maior eficiência de inferência. Em comparação com o 3.5-35B-A3B, este modelo demonstra capacidades de codificação agêntica, habilidades de raciocínio matemático e de código, inteligência espacial e desempenho de localização e detecção de objetos significativamente aprimorados. |
Geração de texto, Raciocínio | 14/04/2026 | Global |
| O GLM-5.1 é um modelo desenvolvido pela Zhipu AI, projetado especificamente para tarefas de longo horizonte. Possui 744 bilhões de parâmetros, suporta um contexto ultralongo de 200 mil tokens e pode gerar até 128 mil tokens em uma única resposta. O GLM-5.1 destaca-se em raciocínio lógico, compreensão de texto longo e geração de código, equilibrando desempenho e eficiência de inferência. Entrega resultados excelentes em múltiplos benchmarks multitarefa e é adequado para aplicações como interação homem-computador inteligente, soluções empresariais e assistência ao desenvolvedor. |
Geração de texto, Raciocínio, Compreensão visual | 01/04/2026 | Global |
| Os modelos da série Plus nativos de visão-linguagem Qwen3.6 demonstram desempenho excepcional, equivalente aos modelos state-of-the-art atuais, com melhoria significativa nos resultados gerais em comparação à série 3.5. Os modelos foram marcadamente aprimorados em capacidades relacionadas a código, como codificação agêntica, programação front-end e Vibe coding, além de reconhecimento geral de objetos multimodal, OCR e localização de objetos. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | EU |
| Os modelos Flash nativos de visão-linguagem Qwen3.5 são construídos sobre uma arquitetura híbrida que integra um mecanismo de atenção linear com um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Em comparação à série 3, esses modelos oferecem um salto de desempenho tanto em tarefas de texto puro quanto multimodais, proporcionando tempos de resposta rápidos enquanto equilibram velocidade de inferência e desempenho geral. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Global |
| Os modelos Flash nativos de visão-linguagem Qwen3.5 são construídos sobre uma arquitetura híbrida que integra um mecanismo de atenção linear com um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Em comparação à série 3, esses modelos oferecem um salto de desempenho tanto em tarefas de texto puro quanto multimodais, proporcionando tempos de resposta rápidos enquanto equilibram velocidade de inferência e desempenho geral. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Global |
| O Qwen3.5 Series 35B-A3B é um modelo nativo de visão-linguagem projetado com uma arquitetura híbrida que integra mecanismos de atenção linear e um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Seu desempenho geral é comparável ao do Qwen3.5-27B. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Global |
| O modelo Dense nativo de visão-linguagem Qwen3.5 27B incorpora um mecanismo de atenção linear, proporcionando tempos de resposta rápidos enquanto equilibra velocidade de inferência e desempenho. Suas capacidades gerais são comparáveis às do Qwen3.5-122B-A10B. |
Geração de texto, Raciocínio, Compreensão visual | 23/02/2026 | Global |
| O modelo nativo de visão-linguagem Qwen3.5 122B-A10B é construído sobre uma arquitetura híbrida que integra um mecanismo de atenção linear com um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Em termos de desempenho geral, este modelo fica atrás apenas do Qwen3.5-397B-A17B. Suas capacidades de texto superam significativamente as do Qwen3-235B-2507, e suas capacidades visuais ultrapassam as do Qwen3-VL-235B. |
Geração de texto | 20/02/2026 | EU |
| O modelo de geração de código de nova geração da série Qwen3 oferece desempenho próximo ao do Qwen3-Coder-Plus, com capacidades ainda superiores. O modelo foi otimizado com foco na compreensão em nível de repositório, suporta interações de ferramentas em múltiplas rodadas e aprimora sua compatibilidade com ferramentas de codificação agêntica. |
Geração de texto, Raciocínio, Compreensão visual | 15/02/2026 | Global |
| Os modelos Plus da série nativa de visão-linguagem Qwen3.5 são construídos sobre uma arquitetura híbrida que integra mecanismos de atenção linear com modelos esparsos de mixture-of-experts, alcançando maior eficiência de inferência. Em diversas avaliações de tarefas, a série 3.5 demonstra consistentemente desempenho equivalente aos principais modelos state-of-the-art. Em comparação à série 3, esses modelos apresentam um salto tanto em capacidades de texto puro quanto multimodais. |
Geração de texto, Raciocínio, Compreensão visual | 15/02/2026 | Global |
| O modelo nativo de visão-linguagem Qwen3.5 series 397B-A17B é construído sobre uma arquitetura híbrida que integra um mecanismo de atenção linear com um modelo esparso de mixture-of-experts, alcançando maior eficiência de inferência. Oferece desempenho state-of-the-art comparável aos modelos de ponta em uma ampla gama de tarefas, incluindo compreensão de linguagem, raciocínio lógico, geração de código, tarefas baseadas em agents, compreensão de imagem, compreensão de vídeo e interações com interface gráfica de usuário (GUI). Com suas robustas capacidades de geração de código e de agent, o modelo exibe forte generalização em diversos agents. |
Geração de texto, Raciocínio | 23/01/2026 | EU |
| Em comparação com o snapshot de 23 de setembro de 2025, o modelo Max da série Qwen-3 nesta versão alcança uma integração eficaz dos modos de pensamento e não pensamento, resultando em uma melhoria abrangente e substancial no desempenho geral do modelo. No modo de pensamento, o modelo suporta simultaneamente busca na web, extração de informações da web e uma ferramenta de interpretador de código, permitindo lidar com problemas mais complexos e desafiadores com maior precisão ao aproveitar ferramentas externas durante um raciocínio lento e deliberativo. Esta versão é baseada em um snapshot obtido em 23 de janeiro de 2026. |
Compreensão visual | 22/01/2026 | EU |
| A série Qwen3 de modelos de compreensão visual de pequeno porte integra eficazmente os modos de pensamento e não pensamento. Em comparação com o snapshot de 15 de outubro de 2025, o desempenho geral do modelo melhorou significativamente: oferece capacidades aprimoradas de reconhecimento e raciocínio visual geral e apresenta melhorias marcantes na precisão de reconhecimento em diversos cenários de negócios, como segurança, inspeções em lojas, monitoramento de equipamentos e resolução de problemas baseada em fotos. Esta versão é um snapshot de 22 de janeiro de 2026. |
Geração de vídeo | 16/12/2025 | Global |
| O Wan2.6 referência para vídeo suporta o uso de uma pessoa específica ou qualquer objeto como referência, mantendo com precisão a consistência de aparência e voz, e permite referência de múltiplos personagens para atuações conjuntas. |
Geração de imagem | 15/12/2025 | Global |
| Wan2.6 texto para imagem: qualidade visual, estética e seguimento de instruções aprimorados proporcionam controle preciso de estilo, retratos realistas, compreensão de texto longo e ampla cobertura de IP histórica/cultural, permitindo geração visual de alta qualidade e altamente expressiva. |
Geração de imagem | 15/12/2025 | Global |
| Wan2.6 Image: modelo completo de geração de imagens que suporta raciocínio conjunto texto-imagem, fusão criativa de múltiplas imagens, consistência de nível comercial, transferência de estilo estético e controle preciso de enquadramento e iluminação, aprimorando significativamente a consistência, controlabilidade e expressividade na geração de imagens. |
Geração de vídeo | 03/12/2025 | Global |
| Wan2.6 texto para vídeo: o agendamento inteligente de tomadas suporta narrativas com múltiplas tomadas, gerando vídeos narrativos com sujeitos, cenas e atmosfera consistentes, com duração máxima de 15 segundos. Oferece melhor seguimento de instruções e fidelidade visual aprimorada. |
Geração de vídeo | 03/12/2025 | Global |
| Wan2.6 imagem para vídeo: o agendamento inteligente de tomadas permite narrativas com múltiplas câmeras, oferece geração de voz de maior qualidade, suporta diálogo estável com múltiplos falantes com timbres vocais mais naturais e realistas e permite gerar clipes de até 15 segundos de duração. |
— | 01/12/2025 | EU |
| Esta versão é um snapshot de 1º de dezembro de 2025 e apresenta capacidades de raciocínio aprimoradas em comparação ao snapshot de 28 de julho. As capacidades de Agent e de invocação de ferramentas em múltiplas rodadas foram ainda mais aprimoradas, e o desempenho em tarefas criativas subjetivas melhorou significativamente. Suporta comprimento de contexto de até 1 milhão de tokens, com preços escalonados conforme o tamanho do contexto. |
— | 01/12/2025 | Global |
| Esta versão é um snapshot de 1º de dezembro de 2025 e apresenta capacidades de raciocínio aprimoradas em comparação ao snapshot de 28 de julho. As capacidades de Agent e de invocação de ferramentas em múltiplas rodadas foram ainda mais aprimoradas, e o desempenho em tarefas criativas subjetivas melhorou significativamente. Suporta comprimento de contexto de até 1 milhão de tokens, com preços escalonados conforme o tamanho do contexto. |
Compreensão visual | 21/11/2025 | Global |
| Este modelo é uma versão snapshot de 20 de novembro de 2025, baseada na arquitetura Qwen-VL3 com uma atualização abrangente. Apresenta melhorias significativas nas capacidades de análise de documentos e localização de texto, além de reduções substanciais na latência de ponta a ponta e em alucinações. |
Compreensão visual | 20/11/2025 | Global |
| O Qwen-VL_OCR é um modelo de OCR treinado com base no Qwen-VL. Agrega várias tarefas de reconhecimento, análise e processamento de imagem e texto por meio de uma abordagem de modelo unificado, oferecendo poderosas capacidades de reconhecimento de imagem e texto. |
Geração de texto | 19/11/2025 | Global |
| O Qwen-MT-Lite é um modelo de linguagem grande da série Qwen especializado em tradução multilíngue. Fornece services de tradução rápidos e de alta qualidade em 32 idiomas a um preço econômico. Oferece recursos como intervenção de terminologia, preservação de formato e tradução específica por domínio para atender às diversas necessidades de várias aplicações, garantindo eficiência e desempenho. |
Geração de texto | 11/11/2025 | Global |
| O Qwen-MT-Flash, modelo de linguagem grande da série Qwen, foi totalmente atualizado com a arquitetura Qwen 3 para desempenho e qualidade de tradução significativamente aprimorados. Fornece tradução rápida e econômica em 92 idiomas, com suporte a recursos avançados como intervenção de terminologia, preservação de formato e adaptação específica por domínio. É a escolha ideal para aplicações que exigem um equilíbrio poderoso entre velocidade, qualidade e custo. |
Raciocínio, Compreensão visual | 21/10/2025 | Global |
| Maior modelo dense da série Qwen3-VL, sua versão de raciocínio possui capacidades de raciocínio multimodal superadas apenas pelo Qwen3-VL-235B-Thinking. Destaca-se na resolução de problemas de STEM e matemática, compreensão geral de imagens e vídeos e alcança desempenho state-of-the-art em capacidades de agent multimodal, sendo ideal para tarefas complexas de raciocínio multimodal. |
Compreensão visual | 21/10/2025 | Global |
| Maior modelo dense da série Qwen3-VL, em sua versão sem inferência, oferece desempenho geral superado apenas pelo Qwen3-VL-235B-Instruct. Destaca-se no reconhecimento e compreensão de documentos, demonstra forte consciência espacial e capacidades de identificação de objetos e alcança desempenho state-of-the-art em detecção visual 2D e raciocínio espacial. É adequado para tarefas complexas de percepção em uma ampla gama de cenários de uso geral. |
Raciocínio, Compreensão visual | 15/10/2025 | EU |
| A série Qwen3 de modelos de compreensão visual de pequena escala integra eficazmente os modos de pensamento e não pensamento, oferecendo desempenho superior ao Qwen3-VL-30B-A3B open source, mantendo velocidades de resposta rápidas. Apresenta uma atualização abrangente na compreensão de imagem/vídeo, com suporte a contextos ultralongos, como vídeos e documentos extensos, consciência espacial e reconhecimento de objetos em vários domínios. Equipado com capacidades de localização visual 2D/3D, é adequado para lidar com tarefas complexas do mundo real. |
Raciocínio, Compreensão visual | 15/10/2025 | Global |
| A série Qwen3 de modelos de compreensão visual de pequena escala integra eficazmente os modos de pensamento e não pensamento, oferecendo desempenho superior ao Qwen3-VL-30B-A3B open source, mantendo velocidades de resposta rápidas. Apresenta uma atualização abrangente na compreensão de imagem/vídeo, com suporte a contextos ultralongos, como vídeos e documentos extensos, consciência espacial e reconhecimento de objetos em vários domínios. Equipado com capacidades de localização visual 2D/3D, é adequado para lidar com tarefas complexas do mundo real. |
Raciocínio, Compreensão visual | 03/10/2025 | Global |
| A versão Thinking do segundo maior modelo MoE da série Qwen3-VL apresenta velocidades de resposta rápidas e capacidades aprimoradas de compreensão e raciocínio multimodal, agents visuais e suporte a contextos extremamente longos, como vídeos e documentos extensos. Também possui compreensão de imagem/vídeo, consciência espacial e habilidades de reconhecimento de objetos amplamente atualizadas, sendo adequado para tarefas complexas do mundo real. |
Compreensão visual | 03/10/2025 | Global |
| A versão Instruct do segundo maior modelo MoE da série Qwen3-VL oferece velocidades de resposta rápidas e suporta contextos extremamente longos, como vídeos e documentos extensos. Inclui compreensão de imagem/vídeo, consciência espacial e capacidades de reconhecimento de objetos amplamente atualizadas, além de localização visual 2D/3D, permitindo lidar com desafios intricados do mundo real. |
Raciocínio, Compreensão visual | 30/09/2025 | Global |
| A versão Thinking do modelo Dense 8B da série Qwen3-VL consome menos memória GPU e é capaz de realizar compreensão e raciocínio multimodal. Suporta contextos extremamente longos, como vídeos e documentos extensos, localização visual 2D/3D e apresenta capacidades de compreensão de imagem/vídeo, consciência espacial e reconhecimento de objetos amplamente atualizadas. |
Compreensão visual | 30/09/2025 | Global |
| A versão Instruct do modelo Dense 8B da série Qwen3-VL requer menos memória GPU e oferece compreensão de imagem/vídeo amplamente atualizada, suporte a contextos extremamente longos, como vídeos e documentos extensos, consciência espacial e capacidades de reconhecimento de objetos, sendo adequada para lidar com tarefas complexas do mundo real. |
Geração de texto, Raciocínio | 24/09/2025 | EU |
| O modelo Max da série Qwen 3 passou por atualizações especializadas em programação de agents e invocação de ferramentas em comparação à versão preview. O modelo lançado oficialmente desta vez alcançou desempenho state-of-the-art (SOTA) em sua área e é mais adequado para atender às demandas de agents operando em cenários mais complexos. |
Geração de texto, Raciocínio | 24/09/2025 | Global |
| O modelo Max da série Qwen 3 passou por atualizações especializadas em programação de agents e invocação de ferramentas em comparação à versão preview. O modelo lançado oficialmente desta vez alcançou desempenho state-of-the-art (SOTA) em sua área e é mais adequado para atender às demandas de agents operando em cenários mais complexos. |
Compreensão visual | 23/09/2025 | EU |
| Os modelos VL da série Qwen3 integram eficazmente os modos de pensamento e não pensamento, alcançando desempenho líder mundial em capacidades de agent visual em conjuntos de dados de benchmark públicos, como o OS World. Esta versão apresenta atualizações abrangentes em áreas como codificação visual, percepção espacial e raciocínio multimodal, aprimorando significativamente as habilidades de percepção e reconhecimento visual e suportando a compreensão de vídeos ultralongos. |
Compreensão visual | 23/09/2025 | Global |
| Os modelos VL da série Qwen3 integram eficazmente os modos de pensamento e não pensamento, alcançando desempenho líder mundial em capacidades de agent visual em conjuntos de dados de benchmark públicos, como o OS World. Esta versão apresenta atualizações abrangentes em áreas como codificação visual, percepção espacial e raciocínio multimodal, aprimorando significativamente as habilidades de percepção e reconhecimento visual e suportando a compreensão de vídeos ultralongos. |
Raciocínio, Compreensão visual | 23/09/2025 | Global |
| Os modelos VL da série Qwen3 apresentam capacidades de raciocínio multimodal significativamente aprimoradas, com foco especial na otimização do modelo para raciocínio STEM e matemático. As habilidades de percepção e reconhecimento visual foram amplamente melhoradas, e as capacidades de OCR passaram por uma grande atualização. |
Compreensão visual | 23/09/2025 | Global |
| Os modelos VL da série Qwen3 foram amplamente atualizados em áreas como codificação visual e percepção espacial. Suas capacidades de percepção e reconhecimento visual melhoraram significativamente, suportando a compreensão de vídeos ultralongos, e sua funcionalidade de OCR passou por um grande aprimoramento. |
Geração de texto | 23/09/2025 | Global |
| Modelo de geração de código baseado no Qwen3 com forte poder de agent de codificação, destaca-se na chamada de ferramentas e interação com o ambiente, capaz de programação autônoma com excelente capacidade de código, mantendo a habilidade geral. Este é um snapshot de 23 de setembro de 2025. Em comparação à versão anterior (snapshot de 22 de julho), demonstra maior robustez no desempenho de tarefas downstream e na invocação de ferramentas, além de segurança de código aprimorada. |
Geração de texto, Raciocínio | 16/09/2025 | EU |
| O Qwen-Plus é uma versão aprimorada do modelo de linguagem ultragrande Qwen que suporta múltiplos idiomas de entrada, como chinês e inglês. Em comparação às versões anteriores, apresenta melhorias significativas na geração de código em chinês e inglês, raciocínio lógico e habilidades multilíngues. O estilo de resposta foi bastante ajustado para se alinhar às preferências humanas, com aprimoramentos notáveis no nível de detalhe e clareza das respostas. Melhorias especializadas foram feitas em escrita criativa, adesão à formatação JSON e habilidades de interpretação de papéis. |
Geração de texto, Raciocínio | 16/09/2025 | Global |
| O Qwen-Plus é uma versão aprimorada do modelo de linguagem ultragrande Qwen que suporta múltiplos idiomas de entrada, como chinês e inglês. Em comparação às versões anteriores, apresenta melhorias significativas na geração de código em chinês e inglês, raciocínio lógico e habilidades multilíngues. O estilo de resposta foi bastante ajustado para se alinhar às preferências humanas, com aprimoramentos notáveis no nível de detalhe e clareza das respostas. Melhorias especializadas foram feitas em escrita criativa, adesão à formatação JSON e habilidades de interpretação de papéis. |
Geração de texto, Raciocínio | 11/09/2025 | Global |
| Nova geração de modelos de modo de pensamento open source baseados no Qwen3. Esta versão oferece melhor seguimento de instruções e respostas de resumo mais diretas em relação à iteração anterior (Qwen3-235B-A22B-Thinking-2507). |
Geração de texto | 11/09/2025 | Global |
| Nova geração de modelo open source sem modo de pensamento, impulsionado pelo Qwen3. Esta versão demonstra compreensão superior de texto em chinês, raciocínio lógico aumentado e capacidades aprimoradas em tarefas de geração de texto em relação à iteração anterior (Qwen3-235B-A22B-Instruct-2507). |
Geração de texto, Raciocínio | 11/09/2025 | Global |
| Com base no snapshot de 11 de setembro de 2025, esta versão apresenta seguimento de instruções aprimorado e respostas de resumo mais diretas no modo de pensamento. O modo sem pensamento oferece compreensão superior de texto em chinês e capacidades de raciocínio lógico aumentadas. O modelo suporta comprimento de contexto de 1 milhão com preços escalonados. |
Geração de texto, Raciocínio | 05/09/2025 | Global |
| Versão preview do modelo Max da série Qwen 3, alcançando uma integração eficaz dos modos de pensamento e não pensamento. No modo de pensamento, há um aprimoramento significativo em capacidades como programação de agent inteligente, raciocínio de senso comum e raciocínio em matemática, ciências e domínios gerais. |
Geração de texto, Raciocínio | 01/08/2025 | Global |
| O modelo Qwen3 Flash oferece uma fusão poderosa dos modos de pensamento e não pensamento com alternância dinâmica durante a conversa, destacando-se em raciocínio complexo e apresentando ganhos significativos no seguimento de instruções e compreensão de texto. Suporta comprimento de contexto de 1 milhão e é faturado em um modelo escalonado correspondente ao uso do contexto. |
Geração de texto | 31/07/2025 | Global |
| Modelo de geração de código baseado no Qwen3 que herda a capacidade de agent de codificação do Qwen3-Coder-480B-A35B-Instruct; a capacidade de código atinge SOTA na mesma escala. |
Geração de texto, Raciocínio | 30/07/2025 | Global |
| Modelo de pensamento Qwen3 open source; em comparação à versão anterior (Qwen3-30B-A3B), destaca-se em tarefas complexas de pensamento, incluindo lógica, matemática, ciências, código e outros cenários desafiadores; o seguimento de instruções, a compreensão de texto e as capacidades de tradução multilíngue foram significativamente aprimorados. |
Geração de texto | 29/07/2025 | Global |
| Baseado no Qwen3, este modelo de geração de código herda as capacidades de agent de codificação do Qwen3-Coder-Plus e suporta interação de ferramentas em múltiplas rodadas. Apresenta otimizações focadas na compreensão em nível de repositório e maior estabilidade na chamada de ferramentas. |
Geração de texto | 29/07/2025 | Global |
| Modelo Qwen3 open source sem pensamento; em comparação à versão anterior (Qwen3-30B-A3B), apresenta grandes melhorias nas capacidades gerais em chinês, inglês e multilíngues. Otimizado para tarefas subjetivas abertas, entregando respostas significativamente mais alinhadas às preferências do usuário e mais úteis. |
Geração de texto, Raciocínio | 29/07/2025 | Global |
| Modelo Plus da série Qwen3, integra os modos de pensamento e não pensamento e pode alternar entre eles durante o diálogo. Em comparação à versão anterior, adiciona aprimoramentos dedicados para capacidades em chinês e inglês e chamada de ferramentas. Este é um snapshot de 28 de julho de 2025; o primeiro a suportar comprimento de contexto de 1 milhão, com preços escalonados. |
Geração de texto, Raciocínio | 25/07/2025 | Global |
| Modelo de pensamento Qwen3 open source; em comparação à versão anterior (Qwen3-235B-A22B), apresenta grandes melhorias em capacidade lógica, capacidades gerais, aprimoramento de conhecimento e criatividade, adequado para cenários de alta dificuldade e pensamento forte. |
Geração de texto | 24/07/2025 | Global |
| O Qwen-MT-Plus, modelo principal de tradução da série Qwen, foi totalmente atualizado com a arquitetura Qwen3. Suporta 92 idiomas e oferece traduções excepcionalmente precisas e naturais. Suas capacidades avançadas de compreensão contextual, controle de terminologia e preservação de formato o tornam uma escolha superior aos modelos tradicionais, especialmente para domínios especializados. |
Geração de texto | 23/07/2025 | Global |
| Modelo de geração de código baseado no Qwen3 com forte poder de agent de codificação, destaca-se na chamada de ferramentas e interação com o ambiente, capaz de programação autônoma com excelente capacidade de código, mantendo a habilidade geral. |
Geração de texto | 23/07/2025 | Global |
| Modelo de geração de código baseado no Qwen3 com forte poder de agent de codificação; a capacidade de código atinge SOTA open source. |
Geração de texto | 23/07/2025 | Global |
| Modelo Qwen3 open source sem pensamento; em comparação à versão anterior (Qwen3-235B-A22B), apresenta leves melhorias em criatividade subjetiva e segurança do modelo. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração eficaz dos modos de pensamento e não pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio atinge o nível SOTA na indústria na mesma escala, e sua capacidade geral supera significativamente o Qwen2.5-7B. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração eficaz dos modos de pensamento e não pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio supera significativamente o QwQ, e sua capacidade geral excede marcadamente o Qwen2.5-32B-Instruct, atingindo o nível SOTA na indústria na mesma escala. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração eficaz dos modos de pensamento e não pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio rivaliza com o QwQ-32B com um tamanho de parâmetro menor, e sua capacidade geral supera significativamente o Qwen2.5-14B, atingindo o nível SOTA na indústria na mesma escala. |
Geração de texto, Raciocínio | 12/05/2025 | Global |
| Alcança integração eficaz dos modos de pensamento e não pensamento, permitindo alternância de modo durante as conversas. Sua capacidade de raciocínio supera significativamente o QwQ, e sua capacidade geral excede marcadamente o Qwen2.5-72B-Instruct, atingindo o nível SOTA na indústria na mesma escala. |
Japan (Tokyo)
Tipo de modelo | Data | Escopo do service | ID do modelo | Descrição |
|---|---|---|---|---|
Geração de texto, Raciocínio, Compreensão visual | 2026-10-17 | Global |
| DeepSeek-V4.1-Flash-1017 é a iteração do V4.1-Flash, treinada com aprendizado por reforço baseado em autofeedback para oferecer ganhos substanciais em relação à versão anterior em benchmarks como Terminal-Bench 4.0, DeepSWE v1.1 e ProgramBench. Ao mesmo tempo, reduz o tempo de execução das tarefas e o comprimento da saída para alcançar um novo ótimo de Pareto entre desempenho e custo em vários harnesses de avaliação. Sua capacidade de construir projetos completos do zero foi ainda mais fortalecida, permitindo tarefas de programação "baseadas em desejos", como desenvolvimento de jogos e modelagem 3D, mantendo o mesmo MoE com 552B parâmetros, compreensão visual multimodal nativa, janela de contexto de 1M tokens e saída máxima de 384K tokens. |
Geração de texto, Raciocínio, Compreensão visual | 02/09/2026 | Global |
| Qwen3.8-Max-0902 (alias qwen3.8-max-2026-09-02) is an upgraded snapshot of qwen3.8-max. Coding capability breaks new ground, handling more complex engineering-scale projects and long-horizon autonomous development. Collaborative agent performance is significantly enhanced, with greater composure in multi-tool orchestration and end-to-end task delivery. Native vision understanding is refined across chart reasoning, document parsing, and multimodal perception — sharper and more reliable. Retains the 1M context window, thinking mode, and full tool ecosystem, evolving at a higher level of intelligence. |
Geração de texto, Pensamento profundo, Compreensão visual | 26/08/2026 | Global |
| O Qwen3.8-Flash é o modelo flagship leve da série Qwen3.8, com janela de contexto de 1 milhão de tokens, saída máxima de 128k e orçamento de pensamento de 256k. Suporta raciocínio profundo, Function Calling, saída estruturada, ferramentas integradas e compreensão visual nativa, alcançando o equilíbrio ideal entre desempenho e custo. Adequado para uma ampla gama de tarefas, desde geração de texto cotidiana até cenários de agentes. |
Geração de vídeo | 20/08/2026 | Global |
| O Wan3.0-Video-Prime é a versão de alta velocidade do modelo de geração de vídeo Wan3.0, com capacidades alinhadas à versão padrão Wan3.0-Video. Ele aceita entrada de referência completa em quatro modalidades e gera vídeos de até 30 segundos, proporcionando uma experiência audiovisual imersiva com melhoria significativa na velocidade de ponta a ponta. |
Geração de texto, Raciocínio, Compreensão visual | 19/08/2026 | Global |
| Com 2,8 trilhões de parâmetros, o Kimi K3 é um modelo principal da Kimi. Desenvolvido com as tecnologias de atenção linear híbrida KDA (Kimi Delta Attention) e Resíduos de Atenção, ele oferece suporte nativo à compreensão visual e conta com uma janela de contexto de 1 milhão de tokens. Trata-se do primeiro modelo open source de 3 trilhões de parâmetros do mundo, projetado para programação de contexto longo, trabalho intelectual e raciocínio avançado. |
Geração de texto, Raciocínio | 14/08/2026 | Global |
| Modelo de linguagem grande Mixture-of-Experts (MoE) principal, com 1,6 trilhão de parâmetros no total e 49 bilhões de parâmetros ativados. Oferece suporte nativo a janelas de contexto de até 1 milhão de tokens. Treinado com uma vasta quantidade de dados de alta qualidade, apresenta alto desempenho em raciocínio matemático e lógico, raciocínio complexo, geração de código profissional e análise profunda de documentos longos. É ideal para cenários exigentes, como pesquisa científica avançada, fluxos de trabalho corporativos complexos e aplicações sofisticadas baseadas em agentes. |
Geração de vídeo | 06/08/2026 | Global |
| O Wan3.0 é um modelo completo de geração de vídeo que suporta de forma unificada diversas funções criativas, incluindo referência, edição, replicação e animação. Aceita entrada de referência completa em quatro modalidades, gera vídeos de até 30 segundos e consegue analisar arquivos, páginas da web e imagens complexas. Garante consistência de personagens em nível de produção, além de áudio e visuais realistas, entregando um impacto audiovisual imersivo. |
Geração de imagem | 06/08/2026 | Global |
| Conteúdo rico: aceita entrada de até 4,5 mil tokens e layout denso de informações com imagens dentro de imagens, permitindo gerar layouts complexos — como jornais, storyboards, cardápios e provas — em uma única passagem. Detalhes autênticos: renderiza com precisão textos a partir de 10 px e reproduz fielmente detalhes sutis, como microexpressões, poros e fios de cabelo individuais, aproximando-se da qualidade fotográfica real. Conhecimento profundo: renderiza nativamente 12 idiomas e mais de 20 fontes, simula interfaces comuns (páginas web, jogos e transmissões ao vivo) e incorpora conhecimento externo de forma integral. O Qwen-Image-3.0-Pro não busca apenas "beleza", mas também "utilidade", transformando a geração de imagens em uma ferramenta de produtividade realmente aplicável. |
Geração de imagem | 04/08/2026 | Global |
| Compreensão clara de instruções: aceita até 4,5 mil tokens de entrada e gera instruções complexas de texto e imagem em uma única passagem. Renderização estável de texto: textos pequenos de 10 px, 12 idiomas e mais de 20 fontes com legibilidade nítida, prontos para infográficos e interfaces. Saída em lote prática: pôsteres, páginas web, interfaces e outras tarefas cotidianas podem ser geradas em massa a custo reduzido, sendo ideal para criação contínua. O Qwen-Image-3.0 Standard alia qualidade de geração à conveniência criativa diária, tornando a geração de imagens uma ferramenta sustentável de produtividade de conteúdo. |
Geração de texto, Raciocínio, Compreensão visual | 02/08/2026 | Global |
| Modelo principal MoE com 2,4 trilhões de parâmetros, que apresenta um salto abrangente nas capacidades de codificação e escritório, podendo programar autonomamente por dias para entregar projetos completos. Executa centenas de tarefas profissionais — jurídicas, financeiras e de design — e entrega resultados em nível de produção de ponta a ponta em uma única conversa. A compreensão visual nativa percorre todo o pipeline de planejamento, execução e verificação, com suporte à análise semântica profunda de documentos e vídeos extremamente longos. Realiza planejamento autônomo e iteração em ciclo fechado em tarefas de longo horizonte, evoluindo continuamente. |
Geração de texto, Raciocínio | 01/08/2026 | Global |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, com suporte nativo a janelas de contexto de até 1 milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, com desempenho geral equilibrado. Projetado para cargas de trabalho leves e de alta concorrência, é ideal para casos de uso essenciais e comuns, como diálogos cotidianos, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de texto, Raciocínio, Compreensão visual | 28/07/2026 | Global |
| O kimi-k2.7-code é um modelo de codificação da Kimi. Segue instruções com maior confiabilidade em contextos longos e conclui tarefas de programação com taxas de sucesso mais elevadas. Suporta entradas de texto, imagem e vídeo, além de modo de pensamento, conversas e tarefas de agente. |
Geração de texto, Raciocínio | 28/07/2026 | Global |
| O GLM-5.2 é um modelo principal da Zhipu AI, projetado para tarefas de longo horizonte e com suporte a uma janela de contexto ultra longa de 1 milhão de tokens. Apresenta capacidades robustas de raciocínio lógico, compreensão de textos longos e geração de código, equilibrando desempenho e eficiência de inferência. Destaca-se em diversos benchmarks multitarefa e é adequado para interação inteligente, aplicações empresariais e cenários de assistência ao desenvolvimento. |
Geração de texto, Raciocínio, Compreensão visual | 21/07/2026 | Global |
| Os modelos Flash da série nativa de linguagem visual Qwen3.7 aprimoram de forma abrangente a compreensão multimodal e as capacidades de execução de Agentes em relação ao 3.6-Flash. As principais melhorias incluem habilidades multimodais fundamentais reforçadas, reconhecimento de objetos aprimorado e percepção do mundo real e inteligência espacial superiores. Cenários de Agente Multimodal, como Search Agent e CI Agent, receberam atualizações significativas, com execução de tarefas de ponta a ponta mais estável. As capacidades de codificação multimodal foram otimizadas, proporcionando uma experiência de vibe coding mais fluida. |
Geração de texto | 02/07/2026 | Global |
| Modelo de interpretação de papéis da série Qwen. Esta é uma versão atualizada dinamicamente, e quaisquer atualizações do modelo serão comunicadas com antecedência. Adequado para interpretação de papéis antropomórficos, possui capacidades otimizadas para seguir instruções predefinidas de personagens, conduzir conversas e demonstrar escuta ativa e empatia. Além disso, suporta a reconstrução profunda de personagens personalizados. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-T2V suporta geração de texto para vídeo com compreensão semântica aprimorada, controle cinematográfico de enquadramentos e renderização dinâmica de movimentos. Captura a intenção criativa com maior precisão, produzindo vídeos de alta qualidade com movimentos mais suaves, detalhes mais ricos, consistência visual reforçada e ações de personagens, atmosfera de cena e dinâmica física mais naturais. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-R2V suporta geração de referência para vídeo com estabilidade significativamente superior em sujeito, estilo de cena e consistência visual. Com suporte a até 9 imagens de referência, compreende e preserva a intenção criativa com maior precisão, oferecendo controle e expressividade reforçados para personagens, cenas, estilos e movimentos cinematográficos. |
Geração de vídeo | 16/06/2026 | Global |
| O HappyHorse-1.1-I2V suporta geração de imagem para vídeo com qualidade visual, desempenho dinâmico e consistência entre clipes aprimorados. Compreende a imagem de entrada e preserva a intenção criativa com maior precisão, apresentando melhorias significativas no realismo da textura da pele, consistência de ID de personagens entre clipes, suavidade de movimento, estabilidade na renderização de texto e sincronização audiovisual. Produz vídeos de alta qualidade com maior realismo, detalhes mais ricos e consistência geral reforçada. |
Geração de texto, Raciocínio, Compreensão visual | 01/06/2026 | Global |
| Na série Qwen3.7, o modelo Plus, com excelente custo-benefício, amplia suas sólidas capacidades de texto com uma atualização abrangente das habilidades de linguagem visual, mantendo a inteligência de nível de agente full-stack para codificação, uso de ferramentas e fluxos de trabalho de produtividade. Seu principal diferencial são as capacidades de agente híbrido interativo multimodal, que permitem perceber cenas do mundo real, ler telas e interagir com GUIs, gerar código com base em referências visuais e realizar navegação de ponta a ponta em aplicativos móveis. |
Geração de texto, Raciocínio | 21/05/2026 | Global |
| O modelo Max, o maior e mais capaz da série Qwen3.7, oferece atualmente uma interface exclusivamente textual para experimentação pública. O Qwen3.7 é um modelo principal de última geração, projetado para a era centrada em agentes, cujos pontos fortes residem na amplitude e profundidade de suas capacidades de nível de agente: destaca-se em programação, tarefas de escritório e produtividade, e execução autônoma de longo prazo. |
Geração de texto, Raciocínio | 11/05/2026 | Global |
| Modelo grande MoE principal com 1,6 trilhão de parâmetros e 49 bilhões de parâmetros ativados, com suporte nativo a comprimentos de contexto de até 1 milhão de tokens. Treinado em um vasto corpus de dados de alta qualidade, destaca-se em raciocínio matemático avançado, inferência lógica complexa, codificação especializada e análise profunda de textos longos, sendo adequado para aplicações exigentes, como pesquisa de ponta, fluxos de trabalho sofisticados de escritório e agentes de IA avançados. |
Geração de texto, Raciocínio | 11/05/2026 | Global |
| Modelo MoE leve e altamente eficiente, com 284 bilhões de parâmetros no total e 13 bilhões de parâmetros ativados, com suporte nativo a janelas de contexto de até 1 milhão de tokens. Oferece velocidade rápida de inferência, baixa latência e invocação econômica, com desempenho geral equilibrado. Projetado para cargas de trabalho leves e de alta concorrência, é ideal para casos de uso essenciais e comuns, como diálogos cotidianos, criação de conteúdo, aplicações básicas de RAG e processamento de texto em lote. |
Geração de texto, Raciocínio, Compreensão visual | 29/04/2026 | Global |
| O Kimi-k2.5 é um modelo da Moonshot AI, com arquitetura multimodal nativa que suporta entradas visuais e textuais, modos de pensamento e não pensamento, além de tarefas de diálogo e de agente. |
Geração de vídeo | 26/04/2026 | Global |
| O HappyHorse-1.0-V2V suporta edição avançada de vídeo por meio de instruções em linguagem natural. Permite editar elementos de vídeo local ou globalmente usando até 5 imagens de referência, preservando com precisão a dinâmica original de movimento para alcançar expressividade superior. |
Geração de texto, Raciocínio, Compreensão visual | 17/04/2026 | Global |
| A série de modelos Flash nativos de linguagem visual Qwen3.6 oferece um aumento significativo de desempenho em relação à versão 3.5-Flash. Este modelo se destaca especialmente nas capacidades de codificação baseada em agentes, superando substancialmente seu antecessor em múltiplos benchmarks de agentes de código, bem como em raciocínio matemático e de código. No aspecto visual, apresenta inteligência espacial notavelmente aprimorada, com melhorias particularmente relevantes na localização e detecção de objetos. |
Geração de texto, Raciocínio | 14/04/2026 | Global |
| O GLM-5.1 é um modelo desenvolvido pela Zhipu AI, projetado especificamente para tarefas de longo horizonte. Possui 744 bilhões de parâmetros, suporta contexto ultra longo de 200 mil tokens e pode gerar até 128 mil tokens em uma única resposta. Destaca-se em raciocínio lógico, compreensão de textos longos e geração de código, equilibrando desempenho e eficiência de inferência. Apresenta resultados excelentes em diversos benchmarks multitarefa e é adequado para aplicações como interação homem-máquina inteligente, soluções empresariais e assistência a desenvolvedores. |
Geração de vídeo | 03/04/2026 | Global |
| O Wan2.7 video edit suporta edição localizada e global por meio de prompts. Substitui elementos perfeitamente usando referências de imagem e replica processos dinâmicos complexos, incluindo movimentos, efeitos especiais e movimentos de câmera. |
Geração de vídeo | 03/04/2026 | Global |
| Wan2.7 text to video, com desempenho totalmente reinventado. Oferece profundidade emocional sutil e orgânica em arcos narrativos e impacto visceral e intenso em sequências de ação. Aprimorado com cortes cinematográficos rítmicos para um poder narrativo inigualável. |
Geração de vídeo | 03/04/2026 | Global |
| Wan2.7 reference to video, com consistência e desempenho aprimorados. Proporciona estabilidade superior para personagens, adereços e cenas. Suporta referência híbrida de até 5 entradas mistas de imagem/vídeo e clonagem de timbre de áudio. Combinado com atualizações do motor principal, alcança um poder expressivo cinematográfico sem precedentes. |
Geração de vídeo | 03/04/2026 | Global |
| Wan2.7 image to video, com desempenho totalmente reinventado. Oferece profundidade emocional sutil e orgânica em arcos narrativos e impacto visceral e intenso em sequências de ação. Aprimorado com cortes cinematográficos rítmicos para um poder narrativo inigualável. |
Geração de imagem | 01/04/2026 | Global |
| O Wan2.7 – geração e edição de imagens suporta texto para imagem, texto/imagem para imagens sequenciais, edição de imagem, geração com referência a múltiplas imagens e edição interativa. Oferece desempenho aprimorado em renderização de texto, consistência de sujeito e seguimento de instruções complexas. |
Geração de texto, Raciocínio, Compreensão visual | 01/04/2026 | Global |
| Os modelos da série Plus nativa de linguagem visual Qwen3.6 demonstram desempenho excepcional, equivalente aos modelos state-of-the-art atuais, com melhoria significativa nos resultados gerais em comparação à série 3.5. As capacidades relacionadas a código — como codificação baseada em agentes, programação front-end e Vibe coding — foram notavelmente aprimoradas, assim como o reconhecimento geral de objetos multimodal, OCR e localização de objetos. |