Tripo API V2
AI 3D厂商更新生命周期之前V2 端点照常服务，且不传参数时默认调的就是 V2 时代的 v2.5-20250123
→之后官方公告：2026-10-01 起不再更新与支持，2026-11-01 起 V2 端点全部停止接收请求
为什么重要默认值踩的正是要停的那一支 —— 没显式指定 model_version 的调用会跟着一起断
最近有什么变化
按日期从新到旧排列。厂商更新与本站补核、更正一起展示；未来生效事项会标注为计划。
用 RSS 订阅这一页 →阅读器里可以按模型过滤
计划生效1 条
最近更新6 条
MiniMax M3.1 Flash
AI 文本本站补核与更正版本更迭之前M3；M3.1-Flash-Preview 曾限定渠道提供。
→之后2026-10-19 官方支持列表与调用示例已使用 M3.1-Flash，不再沿用此前 Preview 的限定渠道描述。M3 仍正常提供；新版权重开放情况未确认。思考默认 max 且不能关闭。
为什么重要这是今天核到的当前支持列表变化，未把核实日冒充官方发布日期。
深度求索
AI 文本本站补核与更正版本更迭之前V4.1
→之后V4.1 Flash-1017。deepseek-flash 已指向 1017 更新，价格和调用方法不变；Pro 仍是 V4-Pro-0813。Search / Fetch 是独立 API，不据此宣称模型内置搜索。旧 V4.1 权重不能证明 1017 检查点已发布。
为什么重要本站于 2026-10-19 补核；官方发布日期为 2026-10-17。
Gemini TTS
AI 声音本站补核与更正版本更迭之前3.1 Flash TTS Preview
→之后3.8 Flash TTS。旗舰创意语音档为 3.8 Flash TTS，130 种语言；Flash-Lite 是独立的低延迟档位。支持预设音色、音色设计与需授权的声音复刻，默认单次输出改为 WAV。
为什么重要本站于 2026-10-19 补核；官方发布日期为 2026-09-22。
Vidu Q
AI 视频本站补核与更正版本更迭之前Q3
→之后Q4 Preview。Q4 为预览版。当前确认图生视频与参考生视频，支持音画同出、最高 4K 和 15 张参考图；端点时长为 3–16 秒（概览页另写 1–16 秒，以实际端点为准）。Q3 的其他能力不自动继承。
为什么重要本站于 2026-10-19 补核；官方发布日期为 2026-10-07。
Grok Voice
AI 声音本站补核与更正版本更迭之前think-fast-2.0
→之后3.0。grok-voice-latest 已指向 3.0，2.0 已弃用；官方说明价格和 API 调用方式不变。
为什么重要本站于 2026-10-19 补核；官方发布日期为 2026-10-14。
Gemini
AI 文本本站补核与更正版本更迭之前Gemini 3.8 Flash
→之后Gemini 4 Argon。旗舰推理模型转为 Gemini 4 Argon；3.8 Flash 仍是独立档位。长输出可达 1M token，显式缓存不支持，Computer Use 仍为 Preview。
为什么重要本站于 2026-10-19 补核；官方发布日期为 2026-10-13。
3 条
Gemini Omni 1.1 Flash
AI 视频本站补核与更正能力面之前版本已更新到 1.1 Flash，但六个能力格仍显示未知。
→之后今天回查当前型号的官方正文和代码示例，补齐文生视频、图生视频、角色参考、多参考、原生音频和视频转视频。
为什么重要这是本站今天补齐的证据，不是今天发布新模型；每格都已绑定 1.1 Flash，旧版能力没有直接继承。
Qwen3-ASR 1.7B
AI 声音本站补核与更正能力面之前多语种和实时识别两格尚未核实。
→之后官方模型卡明确 1.7B 支持 30 种语言及 22 种中文方言，并统一支持流式与离线识别。
为什么重要选型时能确认语种与流式支持；没有把独立强制对齐器的时间戳能力算进 ASR 本体。
Hallo-Live
AI 数字人本站补核与更正能力面之前文本驱动和实时生成仍引用旧版 Hallo2 的未核实说明。
→之后今天按 Hallo-Live 官方模型卡补齐文本驱动与流式音视频生成；官方报告在两张 H200 上达到 20.38 FPS、0.94 秒延迟。
为什么重要可据此确认输入与输出方式；性能数字保留硬件条件，不外推到普通显卡。
1 条
Sora
AI 视频厂商更新生命周期之前Sora 2 API 可用，Replicate 与 APIYI 都在转售
→之后OpenAI 公告 API 于 2026-09-24 停止
为什么重要上游停了，平台不一定同步下架 —— 现在两家仍挂着，买了会踩空
4 条
Eleven Music v2.5
AI 声音厂商更新版本更迭之前atlas 记 Eleven Music v2（核于 2026-08-12）
→之后官方模型页 Music 一节上新 v2.5：「Our most advanced music model」，质量与提示词跟随改善；并明写「Same workflows and support: composition plans, audio reference, and inpainting」，v2 仍并列在页上
为什么重要这是提质不是加能力 —— 官方自己说工作流照旧，所以 8 个能力格里只有 3 个（提示词作曲 / 作曲方案 / 分段改写）能按 v2.5 重核，纯器乐与多语种那两条原文只印在 v2 名下，进待重核。
SeedRealtime（字节 Seed 的原生音视频全双工模型）
AI 声音厂商更新新模型之前实时语音轨只有 glm-voice / gpt-realtime / grok-voice 三家，没有字节
→之后官方模型页列出 SeedRealtime：「原生音视频全双工大模型，联合理解声音、画面与时序信息，带来边看、边听、边说的自然交互体验」
为什么重要实时语音这条轨第一次出现明说「音 + 画一起理解」的一支 —— 轨的定义是「语音进、语音出、可打断」，它比这个宽一层。收进扩展层，能力未逐格核。
Seed GR-3（字节 Seed 的 VLA）
AI 具身智能厂商更新新模型之前动作策略轨九家里没有字节
→之后官方模型页：「Seed GR-3 A robust vision-language-action model designed to be generalizable and capable of executing long-horizon and dexterous tasks.」
为什么重要字节第一次在 VLA 这条轨上露面。⚠️ 同页另有 Seed GR-RL，自述是强化学习框架——框架不是模型，按 ontology 规则一没收。收进扩展层。
Protenix（字节 Seed 的生物分子基础模型）
AI 科学厂商更新新模型之前科学卷生物轨是 AlphaFold / Boltz / ESM 三家，没有中国厂商
→之后官方模型页：「Protenix —— 生物分子基础模型，支持高精度复合物结构预测和高成功率的蛋白质生成式设计」
为什么重要生物轨第一个中国厂商。⚠️ 它自述同时做结构预测与生成式设计两件事，后者这条轨的能力轴里没有对应项。收进扩展层。
1 条
Vidu S2（实时线换代，兼修一处来源错配）
AI 视频厂商更新版本更迭之前atlas 记 S1，且这一格署的是 arXiv 上的 S1 论文
→之后官方 API 更新日志 09-15 上新 Vidu S2-Avatar（实时语音交互 + 复杂动作控制）与 Vidu S2-Editing（拿参考图实时改进来的视频流）；版本来源改署官方更新日志
为什么重要生数的实时线换代了。顺带修的那处更要紧：换代只在更新日志上宣布，论文页永远停在 S1 —— 署在论文上等于这条线以后换代我们也看不见。
1 条
DeepSeek V4.1（新架构家族，先出 Flash 档）
AI 文本厂商更新版本更迭之前atlas 记 V4；官方在售两档是 V4-Flash-0731 与 V4-Pro-0813
→之后官方更新日志正式发布 DeepSeek-V4.1-Flash，称其为「the smallest model in our new architecture family」，原生多模态视觉理解；V4 Flash / V4 Flash Vision Exp 下线并路由到 V4.1 Flash；Pro 档仍是 V4-Pro-0813 且继续提供服务
为什么重要这一格记的是谱系最新一代，所以升 V4.1。但别把它当成旗舰换代 —— 新一代目前只有最小档，Pro 还在上一代。权重口径没变，V4.1-Flash 在官方 HF 组织上可下载。
2 条
Kimi
AI 文本厂商更新生命周期之前Moonshot V1 系列（8k / 32k / 128k 及其 vision 版）在售
→之后官方价格页写明「预计 8 月 31 日全平台下线」
为什么重要这是这条产品线的第一代，下线之后 Kimi 的可用型号只剩 K2.x / K3。在用旧接口的要提前迁。
Gemini Robotics ER 1.6 关停
AI 具身智能厂商更新生命周期之前具身推理这条线在 Gemini API 上有 ER 1.6 与 ER 2 两代并存
→之后官方文档写明「the Gemini Robotics ER 1.6 model will be shut down at the end of August」——只剩 ER 2 的两个端点（gemini-robotics-er-2-preview / -2-streaming-preview），且仍是 preview
为什么重要在用 ER 1.6 的要迁。 这一卷只有这一支有公开 API 和定价，关停一代等于这条线上唯一能调的接口换了签名；而它整支还挂着 preview，随时可能再动。
Gemini Robotics ER 2 Preview来源：Google 官方文档 · Gemini Robotics ER
3 条
Lux3D
AI 3D厂商更新新模型之前3D 卷里没有群核科技这条线
→之后群核放出自研 3D 生成模型 Lux3D（图生 3D，带几何 + PBR 材质，可导 GLB / API / ComfyUI），作 LuxReal 内容创作产品的底座
为什么重要发布日期存疑：用户口径 08-27，但核到的公开亮相是 2025-12 群核战略发布会；当天官方消息未核到。收进 extended，能力未逐格核。
LocateAnything-3B
AI 具身智能厂商更新新模型之前具身推理轨（er）只有 gemini-robotics-er 与 rynnbrain
→之后英伟达放出 LocateAnything-3B：3B 视觉-语言 grounding 模型，出框 / 点 / OCR / GUI 定位，Parallel Box Decoding 一步并行出框（官方称对既有方法 up to 2.5× 吞吐）
为什么重要按产出物归 er 轨，但它是通用视觉 grounding 非机器人专用。⚠️「英伟达开源」要打折：权重可下，许可 NVIDIA non-commercial 仅限学术/非营利研究，商用不允许 —— 不是可商用开源。
LocateAnything-3B来源：HuggingFace · nvidia/LocateAnything-3B 模型卡
Luma Ray3.2
AI 视频厂商更新新模型之前视频卷没收 Luma 这家
→之后Luma 的 Ray3.2（2026-06 发）：单条 clip 内最多 16 个关键帧逐帧控运动，20 秒@1080p，原生 HDR + 16-bit EXR 导出，追踪最多 8 张脸表情；首次开放 API
为什么重要逐帧关键帧控制是这卷少见的控制轴。新建 org luma。收 extended，未逐格核。
1 条
GLM-5.3（atlas 暂不改版本号）
AI 文本厂商更新新模型之前atlas 的 glm 记 GLM-5.2（HF 开源旗舰，200 万下载）
→之后Z.ai 发 GLM-5.3：旗舰 GLM-5.3 API-only（HF 上没有开源权重），开源的只有变体 GLM-5.3-Flash（zai-org/GLM-5.3-Flash，320B-A18B，MIT，刚发 34 次下载）
为什么重要没有直接把版本号更到 5.3：这条记的是开源旗舰口径，而 5.3 旗舰不开源、HF 上只有 Flash 变体，硬改会和 weights:open + HF 来源打架。要不要改成追真旗舰（API-only）是口径决定，待拍板；14 个能力格若升版要走 recheck 重核。
1 条
GLM-5.3(旗舰权重开放,口径了结)
AI 文本厂商更新版本更迭之前atlas 记 GLM-5.2(上次 08-27 因 5.3 旗舰 API-only 未升)
→之后zai-org 放出完整开源权重 GLM-5.3 / GLM-5.3-BF16(HF,08-25)——旗舰不再是 API-only,升到 5.3
为什么重要上次那个「追开源旗舰 vs 追真旗舰」的待拍板口径,随旗舰权重开放自然了结。14 个能力格标 recheck。
1 条
白模预演：空间调度成了可交付的控制信号
AI 视频厂商更新能力面之前镜头路径、人物走位、切点只能写进提示词，由模型自己解释 —— 不合意就重抽
→之后Seedance 2.5 官方支持 clay render referencing：「users can build a scene's spatial structure, character poses, motion paths, and camera angles using textureless 3D models」；B 站 updream 于 8-17 上线「预演台」，一张参考图自动生成 3D 白模场景，在里面摆人、画相机轨迹、调关键帧，录成白模视频直接送进模型
为什么重要这是一条新的控制轴，不是运镜控制的加强版。 运镜控制给的是参数（推 / 拉 / 摇 / 移），白模给的是一整段空间信号 —— 多人的相对位置、朝向、动作先后、切在第几拍，一次全给。它把「抽卡」换成「排完再生成」，而抽卡正是多人复杂场景一直做不出来的原因。限度也要记住：白模只锁空间调度，出拳打法、防守姿态这类细动作仍归视频模型管。
Seedance 2.5来源：ByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）
2 条
科学 AI 立为第九卷
AI 科学本站补核与更正收录变更之前规则一补充「面向内容创作」会把它挡在门外
→之后那条规则同日作废（它已被世界模型卷与具身智能卷推翻），判据只剩「产出物是不是另一类东西」—— 分子结构、气象场、晶体结构和前八卷全不重合，按判据它一直是成立的
为什么重要负责人拍板「科学 AI？收啊」。值得记的是顺序：先发现旧规则自相矛盾、把它作废，这一卷才进得来 —— 一条过期的规则挡住的东西，往往不是它当初想挡的那个。
无外部来源 —— 这条是我们自己的更正
这一卷里许可比精度更决定你能不能用
AI 科学厂商更新已知限制之前按前八卷的习惯，先看谁强
→之后AlphaFold 3 只有服务器、明写「for academic use」；Boltz 是 MIT 完全开源；ESM-2 权重公开但它是语言模型不是结构预测器
为什么重要前八卷的模型基本都能买到或下到，这一卷不是。 最有名的那支恰恰拿不到，所以选型的第一个问题从「哪个准」变成了「哪个我能用」。
7 条
MuseTalk 的形象保真
AI 数字人厂商更新已知限制之前我们把「形象一致」默认当成这一卷各家都在做的事
→之后MuseTalk 官方在「已知限制」里明写做不到：「Identity preservation: Some details of the original face are not well preserved, such as mustache, lip shape and color」
为什么重要厂商自己承认做不到的，比我们推断出来的可靠得多 —— 这一格因此记 ❌ 而不是 ⬜
具身智能卷分两轨
AI 具身智能本站补核与更正口径确立之前按老办法给一个新方向定一根能力轴，问「能不能做某件事」
→之后分 `er`（具身推理）与 `vla`（动作策略）两轨。`er` 沿用老问法，因为 Google 在官方文档里给五项能力起了名字；`vla` 那一轨的轴改成问「你能不能拿它跑起来」—— 本体标签、零样本、微调路径、数据格式、边缘部署、框架
为什么重要openpi / GR00T / OpenVLA 三家 README 一句能力命名都没有，讲的全是怎么微调怎么部署。硬套「能不能做某件事」会得到一整列 ⬜，而那是我们的问法不对，不是厂商不透明。
无外部来源 —— 这条是我们自己的更正
MolmoAct2 的零样本可用
AI 具身智能厂商更新已知限制之前开源基座模型默认可以先拿来直接试试
→之后Ai2 官方在 `Intended Use` 里明写：「It is intended as a foundation checkpoint for further robot fine-tuning rather than as a ready-to-run policy for a single deployment setting」
为什么重要这是这一卷第一个够格判 ❌ 的格子。 具身智能这一卷最难的就是找到「官方明确说不能」的句子 —— 厂商通常只说自己能做什么。对照 SmolVLA 只说「建议拿去微调」，那句不够判 ❌，仍是 ⬜。
OpenVLA 停在 2024-06
AI 具身智能厂商更新生命周期之前OpenVLA 是这一卷最有名的开源基座，默认它还在迭代
→之后`openvla/openvla-7b` 建于 2024-06-10，此后该组织只发过 LIBERO 基准微调档，两年没有新代；仓库最后一次 push 是 2025-03-23。状态记 `maintained` 而不是 `active`
为什么重要「名气大」和「还在更新」是两件事。 它至今仍是被第三方微调最多的一支，容易让人以为它是当前主力。
世界模型的「全能」不是跨卷
AI 世界模型本站补核与更正口径确立之前按产出物判归属 —— Cosmos 能出视频/图/音频/动作，就要拆到四卷里去
→之后判归属看自述在不在「模拟世界」这件事上，不看它输出了几种模态。 Cosmos 整支留在世界模型卷不拆；`Cosmos-Reason` 是 GR00T 的骨干，那是依赖关系，不改归属
为什么重要负责人原话：「世界模型做的就是全能模型，是模拟世界的一个方向。」一个世界模型能出画面出声音出动作，不是越界，是它做到了目标 —— 老判据在这里会把规则三（Family 是一等实体）搞坏。
无外部来源 —— 这条是我们自己的更正
Oasis 3 从排除清单里收回来
AI 世界模型本站补核与更正收录变更之前排除，理由「官网定位是为机器人/自动驾驶做可交互物理环境，用途不是内容创作」
→之后收进世界模型卷。排除记录留着不删
为什么重要当时那条理由是视频卷的边界，在当时是对的。变的是地图的范围，不是事实。 同批还有 HunyuanWorld 与 lingbot-world。
Decart Oasis 3无外部来源 —— 这条是我们自己的更正
V-JEPA 2 官方两处说法不同
AI 世界模型厂商更新口径不一致之前以为「是不是世界模型」看官方一句话就够
→之后Meta 博客标题写「Introducing the V-JEPA 2 world model」，而 HF 上的官方模型卡第一句写「A frontier video understanding model」
为什么重要同一家对同一个模型有两种定位，我们得选一个并说明选了哪个。 按博客收（那是对外定位），但读者该知道模型卡不是这么说的 —— 这正是「每格都带原文」的价值。
2 条
混元 3D 的版本
AI 3D本站补核与更正我们记错了之前我们记的是 2.1，并在排除说明里写「Hunyuan3D 3.0 查无此物」
→之后改记 3.1；那句话说窄了 —— 开源线停在 2.1，托管线已到 3.1
为什么重要「GitHub 上没有」不等于「不存在」 —— 闭源那半边本来就不在 GitHub 上。发现它是因为 Replicate 合集页上挂着腾讯的官方账号
Hunyuan3D 3.1无外部来源 —— 这条是我们自己的更正
Gemini 3.7 Flash
AI 文本厂商更新版本更迭之前atlas 记 Gemini 3.6 Flash
→之后Google 发 3.7 Flash:「most intelligent workhorse」,coding 明显提升,上下文 1,048,576
为什么重要核心模型升版,14 个能力格标 recheck 进待重核。
2 条
AI 声音卷上线
AI 声音本站补核与更正收录范围之前站上三卷：视频、图像、文本
→之后加 AI 声音一卷：三轨（语音合成 / 音乐生成 / 实时语音）、16 项能力、15 个核心模型
为什么重要边界上做了一个会被质疑的决定：ASR 不收。它产出的是文本，按规则一归文本方向，而文本卷的 `t-audio` 已经记了同一件事。代价是 Whisper、Scribe、GLM-ASR 不会出现在站上。
Grok 4.6
AI 文本厂商更新版本更迭之前atlas 记 Grok 4.5
→之后xAI 发 4.6(API id grok-4.6),承接 4.5,500K 上下文,可配 reasoning effort
为什么重要扩展层,免能力格重核,直接升。
4 条
AI 图像花名册
AI 图像本站补核与更正收录范围之前13 条产品线，最新一代大多停在半年前
→之后22 条产品线、53 个谱系节点，补上 gpt-image-2、Nano Banana 2、Ideogram 4 等 14 代
为什么重要我们漏了整整一批。 负责人一句「是不是少了」才发现 —— 采集没跟上，不是厂商没发
Midjourney 的来源等级
AI 图像本站补核与更正收录范围之前判定「Midjourney 抓不到」，版本年表退到 Wikipedia（B 级）
→之后改回官方 updates.midjourney.com（S 级），补上 V8 Alpha
为什么重要一个域名被 Cloudflare 挡住，不等于这家抓不到 —— 我们把 docs 的失败推广成了整家的结论
Qwen
AI 文本厂商更新版本更迭之前库里记的是 qwen3.7-max（当天早上从英文站取的）
→之后中文站的模型清单已经是 qwen3.8-max
为什么重要两个语言版本不同步：同一天，help.aliyun.com 中文站列的是 3.8-max，alibabacloud.com 英文站还停在 3.7-max。取英文站就会慢一拍 —— 而慢一拍的版本号，站上看不出来。
AI 文本卷上线
AI 文本本站补核与更正收录范围之前站上只有 AI 视频与 AI 图像两卷
→之后加 AI 文本一卷：14 项能力 × 9 个核心模型，谱系 73 个节点（含闭源五家）
为什么重要闭源那五家一开始上不了演进树，不是它们没发过版本，是我们没找到每一代的日期。后来发现日期藏在弃用表、更新日志和模型 ID 尾部 —— 这条记下来，是因为它会再次发生在下一个方向上。
1 条
收录名单第一次从数据里筛，不再抄交接文档
AI 视频本站补核与更正收录范围之前9 个 Family，来自交接文档
→之后LTX 进 core（HF 下载 178 万，是 MiniMax H3 的 22 倍）；HappyHorse 与 SkyReels 进 extended；Sora 降 extended
为什么重要AA 榜第 5、第 6 的 HappyHorse 原名单里一个都没有。抄来的名单反映的是写文档那个人的视野，不是世界的实际分布。
LTX 2.5HappyHorse 1.1SkyReels V3Sora 2来源：Artificial Analysis · 文生视频 Elo 榜（盲测投票，2026-08-09 取）
3 条
我们把「找不到」写成了「官方没说」
AI 视频本站补核与更正能力面之前Kling 与 Vidu 的角色参考、多参考、首尾帧、动作复刻、视频延长被标为 ⬜「官方没说」
→之后全部改为 —— 官方都有，只是叫法不同：Kling 叫 Element、Vidu 叫 Motion Sync / Start end to video、LTX 叫 Ingredients
为什么重要这是本项目最严重的一次错。 ⬜ 那一列是我们最得意的东西（「不是我们没查，是查了找不到」），而前两家里接近一半其实是我们自己没找到 —— 把自己的疏忽包装成了对方的不透明。
Kling 4.0Vidu Q4 PreviewLTX 2.5无外部来源 —— 这条是我们自己的更正
首批数据交付当天就有三个模型是过期版本
AI 视频本站补核与更正版本更迭之前Seedance 2.0 / Wan 2.5 / Runway Gen-4
→之后Seedance 2.5 / Wan 3.0 / Runway Gen-4.5（Wan 一家连错三次：2.5 → 2.7 → 3.0）
为什么重要起因是我用即席搜索当采集。这正是「靠人手工追追不上」的实证 —— 也是后来把 49 个源接进定时管线的直接原因。
Seedance 2.5Wan 3.0Runway Gen-4.5无外部来源 —— 这条是我们自己的更正
Grok Imagine Image 2.0
AI 图像厂商更新新模型之前图像卷没有 xAI 的出图模型
→之后xAI 放出 Grok Imagine Image 2.0（模型 id grok-imagine-image-2.0）：先规划版式再画，海报/信息图/标题屏这类密集视觉稳结构、小字清晰；API 已开放
为什么重要「先排版再画」是出图模型少见的能力轴 —— 密集小字一直是弱项。收进 extended，未逐格核。
3 条
Seedance
AI 视频厂商更新版本更迭之前Seedance 2.0 支持四种输入模态
→之后2.5 主打一镜到底与灵活参考
为什么重要一镜到底把「多镜头拼接」这件事从后期挪到了生成阶段
Hunyuan3D-Buffalo 1.0
AI 3D厂商更新新模型之前混元 3D 的开源线停在 2.1
→之后技术报告与项目页发布：统一多模态的生成 / 理解 / 编辑（arXiv 2608.02711）
为什么重要有论文不等于有模型 —— 仓库只有 7 次提交、无代码无权重，现在还不能用
Muse Spark 1.2
AI 文本厂商更新新模型之前文本卷没有 Meta 的代码向模型
→之后Meta（MSL）放出 Muse Spark 1.2，代码向大模型；配套 Muse Code 是它驱动的终端编码 agent（对标 Claude Code / Codex）
为什么重要只收模型本体（Muse Spark 1.2），Muse Code 是应用层不进模型表。无开源权重、API/产品可用。extended，未逐格核。
Muse Spark Muse Spark 1.2来源：Meta AI Research · Muse Code / Muse Spark 1.2 博客
1 条
MiniMax H3
AI 视频厂商更新能力面之前官方博客写的是「plan to open up the model weights in the coming days」
→之后权重已上 Hugging Face（280 个文件，含 safetensors）
为什么重要「计划开」和「已经开」是两件事，中间隔了几天。而许可是自定义的 minimax-h3-community-license-agreement，不是标准开源协议 —— 只看「开源」那一格会看错。
MiniMax Hailuo H3来源：HF API · MiniMaxAI/MiniMax-H3 元数据（许可与文件清单）
2 条
Seedance
AI 视频厂商更新版本更迭之前2.0：单次 9 图 + 3 视频 + 3 音频参考
→之后2.5：单次最多 50 个参考输入（30 图 + 10 视频 + 10 音频），30 秒一镜到底，支持多轮延长
为什么重要参考输入的上限从 15 涨到 50，是这一代最实的一步 —— 而「参考」正是这两年真正在铺开的方向。
Seedance 2.5来源：ByteDance Seed 官方博客 · Seedance 2.5（2026-07-31）
MiniMax Hailuo
AI 视频厂商更新生命周期之前海螺 01 / 02 / 2.3 全部闭源，只能调 API
→之后H3 放出权重（自定义社区许可），可自部署
为什么重要闭源阵营里第一家把主力模型的权重放出来的 —— 和万相正好走了相反的方向
1 条
Claude Opus 5
AI 文本厂商更新新模型之前Claude 5 家族顶配是 Fable 5
→之后Anthropic 发 Opus 5:「comes close to the frontier intelligence of Fable 5 at half the price」,$5/$25,Claude Max 新默认款
为什么重要atlas 仍记 Fable 5(frontier);Opus 5 是更便宜的默认款不是能力升级,故只加 note+事件、不翻版本号。
1 条
Gemini 与 Claude 同时弃用采样参数
AI 文本厂商更新能力面之前temperature / top_p / top_k 是通用的输出控制手段
→之后Gemini 3.6 在发布同一天宣布弃用这三个参数；Claude 从 Opus 4.7 起，这三个参数设成非默认值直接返回 400
为什么重要两家在同一个季度做了同一个决定，这不是巧合：模型转向自适应思考之后，采样温度这一层控制反而会破坏推理。对使用者是硬变更 —— 老代码里传了 temperature 的，在 Claude 上会直接报错。
1 条
GPT
AI 文本厂商更新版本更迭之前GPT-5.5 / 5.5-pro
→之后GPT-5.6 上线，改成 Sol / Terra / Luna 三档命名
为什么重要命名从「数字 + mini/nano」换成了代号，按名字猜档次的做法从这一代起失效。
1 条
Seedream
AI 图像厂商更新版本更迭之前Seedream 4.0：出图与改图并进一个模型
→之后Seedream 5.0 Pro：分层输出 + 圈画标注式改图
为什么重要分层输出把「改图」从重画整张变成动某一层 —— 这是设计流程里差别最大的一步
1 条
Gemini Omni
AI 视频厂商更新版本更迭之前Google 在视频这块只有 Veo 一条线
→之后gemini-omni-flash 上线，主打高速生成 + 对话式剪辑
为什么重要「对话式剪辑」是新的交互形态：不是给提示词重生成，是接着改
1 条
Kling
AI 视频厂商更新价格之前3.0 有声 1080P ¥1.2/秒
→之后Turbo 档有声 1080P ¥1.0/秒
为什么重要Turbo 把「有声」拉进了和无声接近的价位 —— 此前有声要多付 50%
1 条
Grok Imagine Video 1.5
AI 视频厂商更新新模型之前视频卷没有 xAI 的出片模型
→之后xAI 的图生视频 Grok Imagine Video 1.5：720p、约 6–10 秒，声音与画面同一遍出，主打速度（约 25 秒出 6 秒片）；API / 网页 / 移动端全可用
为什么重要⚠️ 顺带纠了聚合站的错：不是「1080p / 5-31」，官方页是 720p / 06-16 —— 一手源对上才收。extended，未逐格核。
1 条
Ideogram 4
AI 图像厂商更新能力面之前Ideogram 只有闭源 API，3.0 是我们记到的最新一代
→之后官方 HF 组织放出 ideogram-4-fp8 / nf4 权重，可在自己机器上跑
为什么重要一条闭源线转开源 —— 这类换向比版本号更值得盯：它把「只能按次买」变成「可以自己部署」
1 条
LongCat-Video-Avatar 1.5
AI 数字人厂商更新新模型之前开源侧的音频驱动数字人多是研究项目
→之后美团放出 1.5，自述面向生产可用（MIT，♥714）
为什么重要开源侧关注度最高的一支，而且是标准 MIT 许可 —— 商用不用先读一份自定义条款
1 条
Google Veo → Gemini Omni Flash
AI 视频厂商更新生命周期之前Veo 3.1 是 Google 的视频主力
→之后官方文档原话：「Use Gemini Omni Flash as your default model for video generation」；Veo 3.1 留给 scene extension、last-frame control 与老管线
为什么重要厂商自己写明了取舍。而且这句导购语反过来是 Omni 缺首尾帧与场景延长的官方证据 —— 只在两个模型并排读的时候才看得见。
1 条
Sora
AI 视频厂商更新生命周期之前OpenAI 的旗舰视频产品，App 与 API 都在售
→之后App 已关停；API 计划 2026-09-24 停止；未宣布继任产品
为什么重要这是本表里唯一一个能力全对、却不能用的模型。照着能力表去选它的人，会在 9 月撞墙。
1 条
GPT Image
AI 图像厂商更新版本更迭之前gpt-image-1（2025-04 起）
→之后GPT-image-2：4K，且生成前先想（能自查、能搜网）
为什么重要OpenAI 的模型清单里已经只剩 gpt-image-2 —— 上一代不是并存，是被换掉了
1 条
Runway 开始转售别家模型
AI 视频厂商更新去哪用之前Runway 是纯模型厂商，卖自己的 Gen 系列
→之后自家产品里提供 Seedance 2.0、WAN2.2 Animate、Sora 2 Pro 等；Max 套餐无限用 Seedance 2.5
为什么重要厂商与平台两个身份合一了。 「Runway 支持什么」和「在 Runway 上能用到什么」从此不是一个问题。
1 条
Nano Banana
AI 图像厂商更新版本更迭之前Nano Banana（2025-08）、Nano Banana Pro（2025-11）
→之后Nano Banana 2：Pro 的质量按 Flash 的速度和价钱出
为什么重要半年三代 —— 这条线的节奏是这一卷里最快的，记录的版本号很容易过期
1 条
Qwen3-TTS
AI 声音厂商更新版本更迭之前通义的语音能力都挂在 Omni 那条多模态线上
→之后分出专门的 Qwen3-TTS，同日放出 Base / CustomVoice / VoiceDesign 三个变体
为什么重要型号名本身就是能力声明 —— CustomVoice 是音色复刻、VoiceDesign 是用描述造音色，不用等文档就能读出这一代加了什么。
1 条
GLM-TTS
AI 声音厂商更新版本更迭之前智谱的语音只有端到端的 GLM-4-Voice
→之后放出独立的 GLM-TTS 与 GLM-TTS-Clone，权重上了 HF
为什么重要「端到端语音」和「TTS」是两件事，我们一开始也归错了：前者音频进音频出，后者文本进音频出。智谱把两条线分开发布，这个区分在选型时很要紧。
1 条
HunyuanVideo-Avatar
AI 数字人厂商更新新模型之前多人同框的音频驱动几乎没有开源实现
→之后腾讯放出 HunyuanVideo-Avatar，自述支持多角色与情绪对齐（arXiv 2505.20156）
为什么重要多人同框这一格此前没人做；⚠️ HF 页面没标准许可字段，商用前要读仓库条款