Mga modelo para sa pagsasalita, larawan at video

Mga bagong modelo para sa pagsasalita, larawan, video at pagmomodelo ng mundo, na iniulat ng mga tagabuo at nakalista sa mga katalogo. Awtomatikong itinatala.

Huw 11-05

GoogleInilabas ng Google ang Gemini Omni 1.2 FlashNa-update2 sanggunian

Context window: 131K
Input · USD / 1 milyong token: $1.50 (text / image / video)
Output · USD / 1 milyong token: $9.00 (text); $12.00 ((video)*)

11-04 23:15natukoyVertex AI
11-05 16:00natukoyVertex AI
11-05 17:08natukoyGoogle DeepMind

Google DeepMind · blog Google · AI blog Mga link sa ebidensiya Pahina ng modelo

Miy 10-28

NVIDIANemotron 3.5 Transcribe 30B A4B: Bukas na weightsBukas na weights1 sanggunian

Context window: 66K

Hugging Face · blog Mga link sa ebidensiya Pahina ng modelo

Mar 10-27

Liquid AILFM3 Omni 2B: Bukas na weightsBukas na weights2 sanggunian

Hugging Face · trending Primary source (reviewed)Mga link sa ebidensiya Pahina ng modelo

GoogleGenie 4: Paunang bersiyon para sa pananaliksikPaunang bersiyon para sa pananaliksik1 sanggunian

Google DeepMind Mga link sa ebidensiya Pahina ng modelo

MicrosoftMAI-Image-2.7: Paunang bersiyon para sa publikoPaunang bersiyon para sa publiko2 sanggunian

Arena Primary source (reviewed)Mga link sa ebidensiya Pahina ng modelo

Lun 10-26

TencentHy-SimulMT-30B-A3B-Interleave: Bukas na weightsBukas na weights4 sanggunian

Hugging Face · tencent Hugging Face · tencent Hugging Face · tencent Mga link sa ebidensiya Pahina ng modelo

Mar 10-20

MistralVoxtral Small Transcribe 3: Pagkakalista sa katalogoNa-update5 sanggunian

Context window: 66K

Mistral API Vercel AI Gateway models.dev · catalogue Mga link sa ebidensiya Pahina ng modelo

MistralVoxtral Mini Transcribe 3: Pagkakalista sa katalogoNa-update5 sanggunian

Context window: 66K

Mistral API Vercel AI Gateway models.dev · catalogue Mga link sa ebidensiya Pahina ng modelo

Huw 10-15

OpenAIGPT-Live-1.1: Update sa produktoUpdate sa produkto1 sanggunian

OpenAI · ChatGPT release notes Mga link sa ebidensiya Pahina ng modelo

MetaMuse Spark Open: Bukas na weightsNa-update12 sanggunian

Context window: 1M

Hugging Face · meta-models Hugging Face · meta-models OpenRouter Mga link sa ebidensiya Pahina ng modelo

Black Forest LabsFLUX 3 Image Klein: Bukas na weightsNa-update5 sanggunian

Hugging Face · blog Arena Hacker News · front page Mga link sa ebidensiya Pahina ng modelo

Miy 10-14

xAIGrok Voice 3.0: Magagamit sa APIMagagamit sa API5 sanggunian

xAI · release notes xAI models.dev · catalogue Mga link sa ebidensiya Pahina ng modelo

Lun 10-12

MetaMuse Wonder: Magagamit sa APIMagagamit sa API13 sanggunian

Context window: 1M
Input · USD / 1 milyong token: $4.00
Output · USD / 1 milyong token: $20.00

10-12Magagamit sa APIOpenCode
10-12 18:02Magagamit sa APIOpenCode
11-10 19:23Magagamit sa APIOpenCode

OpenCode · discovery models.dev · catalogue OpenRouter Mga link sa ebidensiya Pahina ng modelo

Mar 10-06

GoogleNano Banana 2.1: Magagamit sa APIMagagamit sa API13 sanggunian

Context window: 131K
Input · USD / 1 milyong token: $1.50 (text/image/video)
Output · USD / 1 milyong token: $30.00 (images); $7.50 (text and thinking)

Gemini API Gemini · deprecations Vercel AI Gateway Mga link sa ebidensiya Pahina ng modelo

Lun 10-05

ElevenLabsEleven v4 Turbo: Magagamit sa APIPresyo ng input / output3 sanggunian

Artificial Analysis · text-to-speech arena Primary source (reviewed)Primary source (reviewed)Mga link sa ebidensiya Pahina ng modelo

Huw 10-01

MicrosoftMAI-Transcribe-2-Streaming: Paunang bersiyon para sa publikoNa-update3 sanggunian

models.dev · catalogue TrueFoundry · Azure catalogue Primary source (reviewed)Mga link sa ebidensiya Pahina ng modelo

MicrosoftMAI-Voice-2.1: Paunang bersiyon para sa publikoPaunang bersiyon para sa publiko3 sanggunian

Vercel AI Gateway models.dev · catalogue Primary source (reviewed)Mga link sa ebidensiya Pahina ng modelo

MicrosoftMAI-Voice-2.1-Flash: Paunang bersiyon para sa publikoPaunang bersiyon para sa publiko3 sanggunian

Vercel AI Gateway models.dev · catalogue Primary source (reviewed)Mga link sa ebidensiya Pahina ng modelo

Mar 09-22

GoogleInilabas ng Google ang Gemini 3.8 Flash TTSPresyo ng input / output7 sanggunian

Context window: 8K
Input · USD / 1 milyong token: $0.50 (text)
Output · USD / 1 milyong token: $9.00 (audio)

09-22 16:00natukoyGemini API
09-23 15:48natukoyGemini API

Gemini API Gemini · deprecations Google AI for Developers Mga link sa ebidensiya Pahina ng modelo

GoogleInilabas ng Google ang Gemini 3.8 Flash Lite TTSPresyo ng input / output7 sanggunian

Context window: 8K
Input · USD / 1 milyong token: $0.50 (text)
Output · USD / 1 milyong token: $6.00 (audio)

Gemini API Gemini · deprecations Google AI for Developers Mga link sa ebidensiya Pahina ng modelo

Biy 09-18

xAINatukoy ang Introducing Grok Voice Transcribe 2.0 sa xAINa-update4 sanggunian

xAI · release notes xAI models.dev · catalogue Mga link sa ebidensiya Pahina ng modelo