Lançamentos de modelos

Novos lançamentos e atualizações

Alguns modelos legados serão desativados em breve. Consulte Política de descontinuação de modelo para o cronograma de descontinuação e modelos de substituição. Para anúncios de atualização de modelo, troca de versão, atualização e alteração de preço, consulte Anúncios de atualização de modelo para obter detalhes.

qwen-image-2.1-turbo

Qwen-Image-2.1-Turbo é o modelo de geração de imagens de código aberto mais equilibrado e econômico atualmente disponível no Qwen-Image série. Qwen-Image-2.1 oferece quatro pontos fortes principais: modelo compacto, forte desempenho, valor excepcional; Transparência Nativa, Geração e Edição Unificadas; Edição versátil: múltiplas referências, controle local, fidelidade e recursos abrangentes; Texturas realistas, tipografia elegante e belos retratos. Consulte Edição de imagem.

qwen-image-2.1-pro

Qwen-Image-2.1-Pro é um modelo unificado de geração de texto para imagem e edição de imagens no Qwen série. Seu componente de geração visual possui apenas 7 bilhões de parâmetros (um DiT de fluxo único de 32 camadas), atingindo um bom equilíbrio entre qualidade de geração, eficiência de inferência e versatilidade. Esta versão inclui quatro melhorias principais: compacta e eficiente — uma arquitetura leve que combina atenção de granularidade mista e reutilização de cache KV de prefixo para fornecer geração de imagens de alta qualidade com baixo custo computacional; transparência nativa, geração e edição unificadas — gere imagens regulares ou transparentes (RGBA) a partir de texto, edite camadas transparentes e extraia assuntos de fotos, tudo a partir de um único modelo; edição versátil — suporta até 10 imagens de referência, com regiões de edição locais especificadas por meio de círculos, anotações desenhadas à mão ou máscaras independentes, preservando a identidade de pessoas e produtos; texturas realistas e estética refinada — tipografia aprimorada, iluminação de retratos e renderização de detalhes para resultados visualmente mais atraentes. Consulte Edição de imagem.

visualização do modelo de decisão

Um modelo de decisão estruturado projetado para decisões de negócios de alta frequência. Ele executa classificação, decisões de sim ou não e pontuação em paralelo com base no texto ou no contexto de negócios, retornando distribuições de probabilidade e pontuações de confiança para cenários como roteamento de tickets, moderação de conteúdo, roteamento de agentes e validação de resultados.

qwen3.8-omni-flash-realtime

Qwen3.8-Omni-Flash-Realtime suporta interação de áudio e vídeo em tempo real com saída de texto e áudio, adicionando áudio multicanal, agregação de vídeo e ferramentas MCP remotas. Suporta acesso WebSocket, WebRTC e AOQ. Consulte Modelos omnimodais.

qwen-audio-3.1-realtime-plus

Qwen-Audio-3.1-Realtime-Plus suporta conversas de voz duplex em tempo real usando o mesmo protocolo de integração do 3.0 Plus. Ele mantém as vozes existentes e adiciona oito vozes do sistema, com uma janela de contexto de 262.144 tokens, chamada de função, pesquisa na web e clonagem de voz. Consulte Conversação por voz em tempo real (Qwen-Audio-Realtime).

happyoyster-1.0-adventure

HappyOyster A aventura é um modelo de mundo aberto interativo e explorável em tempo real. Ele gera cenas do mundo a partir de entrada multimodal (texto/imagem), permitindo uma exploração imersiva e ilimitada por meio de interação, movimento e controle de câmera em tempo real. Adequado para mundos jogáveis, jogos, simulações educacionais e guias virtuais. Veja Modelos mundiais.

happyoyster-1.0-directing

HappyOyster A direção é um modelo de mundo aberto interativo em tempo real e imersivamente performável. Ele gera cenas mundiais a partir de entrada multimodal (texto/imagem) e impulsiona o desempenho mundial em tempo real a partir de texto a qualquer momento. Veja Modelos mundiais.

happyoyster-1.0-acting

HappyOyster Atuar é um modelo de dramatização interativo em tempo real. Ele gera personagens e cenas em um estilo de persona específico a partir de entrada multimodal (texto/imagem) e impulsiona o desempenho e a interação dos personagens em tempo real a partir do texto a qualquer momento. Veja Modelos mundiais.

qwen3.8-omni-flash

QwenO modelo omnimodal nativo de próxima geração do suporta comprimentos de contexto de até 1 milhão de tokens e aceita nativamente entradas de texto, imagem, áudio e vídeo. Construído sobre o Qwen3.8-Flash-Next arquitetura, ele foi projetado para recursos de agente em cenários de produtividade do mundo real. Além de codificação, trabalho de conhecimento, interação com GUI e outras tarefas de agente, ele oferece ganhos significativos de desempenho em fluxos de trabalho que exigem processamento integrado de texto, imagens, áudio e vídeo, incluindo edição de vídeo, criação de videoclipes, produção e narração de filmes e vídeos, resumo multimídia e diálogo de áudio e vídeo. Ele suporta compreensão de áudio espacial de dois e quatro canais e é compatível com os protocolos DashScope e OpenAI. Recomendamos instalar o companheiro Qwen-MM-Plugins para ajudar as estruturas de agentes a acessar seus recursos multimodais nativos. Consulte Modelos omnimodais.

qwen3.8-livetranslate-flash-realtime

Qwen3.8-LiveTranslate-Flash-Realtime é um modelo multilíngue de tradução simultânea de áudio/vídeo em tempo real. Ele suporta entrada de áudio e imagem, saída de texto e áudio, reconhece 60 idiomas de origem e suporta saída de voz em 29 idiomas. Comparado com qwen3.5-livetranslate-flash-realtime, a latência ponta a ponta cai para cerca de 2,3 segundos, com diarização de alto-falante em tempo real e transcrição ASR habilitadas por padrão. Chamado por meio da API WebSocket Realtime; usar session.output_modalities para configurar modalidades de saída. Consulte Tradução de áudio/vídeo em tempo real.

vidu/viduq3-mix_reference2video

Um uso geral Vidu modelo de referência para vídeo com qualidade visual equilibrada e efeitos dinâmicos. Passe imagens de referência e prompts de texto para mesclar os assuntos das imagens na cena descrita pelo prompt, gerando um conteúdo de vídeo suave.

vidu/viduq3-ad_reference2video

A Vidu modelo de referência a vídeo projetado para publicidade. Suporta cortes de cena inteligentes de nível de marketing, movimentos de câmera e saída de áudio direta. Faça upload de imagens de produtos para gerar vídeos publicitários.

vidu/viduq3-drama_reference2video

A Vidu modelo de referência para vídeo projetado para produção de dramas e séries de quadrinhos de IA. Apresenta forte consistência de personagens, efeitos de movimento refinados e expressões emocionais autênticas, ideais para criação de conteúdo baseado em histórias.

vidu/viduq2-pro-fast_img2video

A Vidu modelo de imagem para vídeo. Passe uma imagem e um prompt de texto para gerar um conteúdo de vídeo suave usando a imagem como quadro inicial. Suporta resolução 720P e 1080P.

vidu/vidu-image_reference2image

A Vidu modelo de geração de imagem de referência com suporte para referência a imagem, texto para imagem e edição de imagem. Apresenta renderização precisa de texto em chinês e inglês, restauração em nível de pixel de UI/gráficos e detalhes de design, ideal para pôsteres e infográficos.

deepseek-v4.1-flash

DeepSeek-V4.1-Flash é o carro-chefe leve da DeepSeekA nova família de arquitetura da , contendo um total de 552B de parâmetros MoE para fornecer inteligência superior em benchmarks importantes, incluindo desempenho superior DeepSeek-V4-Pro. Ele adota um design assimétrico de codificador-decodificador causal com 8B de parâmetros ativos para entrada e 16B para saída, e oferece compreensão visual multimodal nativa. O uso do KV Cache foi reduzido para um quarto do HBM da geração anterior e um oitavo do armazenamento SSD, reduzindo drasticamente os custos para cargas de trabalho de agente e de contexto longo. Com uma janela de contexto de 1 milhão de tokens e saída máxima de até 384 mil tokens, ele equilibra alto rendimento, baixa latência e excepcional eficiência de custos. Guia do usuário

qwen3.8-max-0902

Qwen3.8-Max-0902（alias qwen3.8-max-2026-09-02）é um instantâneo atualizado de qwen3.8-max. A capacidade de codificação inova, lidando com projetos mais complexos em escala de engenharia e desenvolvimento autônomo de longo prazo. O desempenho do agente colaborativo é significativamente melhorado, com maior compostura na orquestração de múltiplas ferramentas e na entrega de tarefas de ponta a ponta. A compreensão da visão nativa é refinada através do raciocínio gráfico, análise de documentos e percepção multimodal – mais nítida e confiável. Mantém a janela de contexto de 1 milhão, o modo de pensamento e o ecossistema completo de ferramentas, evoluindo para um nível mais alto de inteligência. Consulte Modelos de geração de texto.

qwen-flash-character

O Qwen A Role-Playing Model Series é otimizada especificamente para cenários de interação antropomórfica multilíngue. Ele demonstra recursos avançados na manutenção da consistência do personagem, progressão do diálogo sensível ao contexto e envolvimento empático, permitindo a personificação precisa e personalizada do personagem. Guia do desenvolvedor

glm-5.3

GLM-5.3 é o mais recente modelo de linguagem grande carro-chefe da Z.ai, oferecendo codificação de última geração e desempenho de agente entre modelos de código aberto, com uma melhoria de 50% em relação ao seu antecessor no Z.ai Code Bench e entrega ponta a ponta de resultados de nível de produção. Ele demonstra capacidade emergente de segurança cibernética, alcançando o melhor resultado até o momento no benchmark de descoberta de vulnerabilidades CyberGym. Com uma janela de contexto de 1 milhão de tokens, saída máxima de 128 mil tokens e três níveis de esforço de raciocínio, GLM-5.3 se destaca em tarefas complexas e de longo horizonte. Guia do usuário

qwen-mt-image-2.0

Um serviço modelo dedicado à tradução de imagens, capaz de traduzir imagens em 55 idiomas, incluindo chinês, inglês e japonês. Ele preserva com precisão o layout da imagem e as informações de conteúdo e suporta personalização de terminologia, filtragem de palavras sensíveis e detecção de assunto de produto para localização de imagem flexível, precisa e eficiente. referência da API

qwen3.8-flash

Qwen3.8-Flash é o mais recente modelo multimodal do Qwen família, combinando raciocínio e geração poderosos com velocidade notável. Ele oferece suporte nativo a uma janela de contexto de um milhão de tokens, permitindo processar documentos longos, bases de código inteiras e conversas complexas em uma única passagem. Ele se destaca na assistência de codificação, fluxos de trabalho de agentes e compreensão visual, seja corrigindo código de forma autônoma, operando aplicativos de desktop ou analisando gráficos e vídeos longos. Totalmente compatível com os protocolos OpenAI e Anthropic API, ele se integra perfeitamente a ferramentas populares de desenvolvedor, como Claude Code e Codex, facilitando a criação de aplicativos de alta simultaneidade e fluxos de trabalho inteligentes. Com forte desempenho e custos de inferência altamente competitivos, Qwen3.8-Flash é a escolha ideal para desenvolvedores e empresas que buscam o melhor dos dois mundos em aplicativos de IA. Consulte Modelos de geração de texto.

wan3.0-video Disponibilidade Geral

Wan 3.0 é um modelo de geração de vídeo All-in-One que suporta texto para vídeo, imagem para vídeo (primeiro quadro/primeiro+último quadro) e referência para vídeo em um único modelo unificado. Os recursos incluem geração de áudio, alternância de som, duração inteligente e proporção adaptativa. Lançado inicialmente apenas para convidados em 6 de agosto, agora disponível publicamente. referência da API

wan3.0-video-prime

Wan3.0-Video-Prime é a variante de alta velocidade de Wan 3.0, oferecendo os mesmos recursos All-in-One que wan3.0-video com velocidade de geração mais rápida. referência da API

qwen3.8-27b

O Qwen3.8 O modelo denso de linguagem de visão nativa 27B baseia-se na versão 3.6-27B, com melhorias importantes na codificação e nos recursos de produtividade de escritório em modalidades de texto e visuais. Ele permite a conclusão mais confiável de tarefas complexas, entregando resultados consistentemente confiáveis. Consulte Modelos de geração de texto.

###ZHIPU/GLM-5.3

O fornecimento direto Z.AI GLM-5.3 modelo já está disponível. GLM-5.3 é o modelo mais poderoso da Zhipu AI para recursos de programação até o momento, demonstrando uma melhoria de 50% em relação GLM-5.2 em avaliações subjetivas internas. Em termos de segurança cibernética, GLM-5.3 tem desempenho semelhante ao Mythos 5 em tarefas como revisão de código de caixa branca e descoberta de vulnerabilidades, mostrando seu forte potencial para cenários de defesa de segurança cibernética. Guia do usuário

kimi-k3

Kimi O modelo K3 já está disponível. KimiSendo o modelo carro-chefe mais capaz até o momento, ele sempre raciocina e usa o pensamento preservado. Suporta entrada de texto e imagem, tarefas de conversação e agente e carregamento dinâmico de ferramentas. Guia do usuário

deepseek-v4-pro-0813

Um modelo de linguagem grande de mistura de especialistas (MoE) com 1,6 trilhão de parâmetros totais e 49 bilhões de parâmetros ativados. Ele oferece suporte nativo a janelas de contexto de até 1 milhão de tokens. Treinado em dados extensos de alta qualidade, o modelo oferece forte desempenho em raciocínio matemático e lógico, raciocínio complexo, geração de código profissional e análise aprofundada de documentos longos. Suporta streaming, modo de pensamento, chamada de função, saída estruturada, pesquisa na web e cache de contexto. Guia do usuário

qwen3.8-2.4t-a95b

Qwen3.8-2.4T-A95B é a versão de código aberto do mais recente Qwen série principal, apresentando uma arquitetura MoE esparsa com 2,4 trilhões de parâmetros totais e aproximadamente 95 bilhões ativados por etapa. Combinado com mecanismos de atenção híbridos, suporta uma janela de contexto de 1 milhão de tokens. O modo de pensamento está ativado por padrão. Melhorias significativas na codificação, produtividade, pesquisa e tarefas de agentes de longo horizonte. Consulte Modelos de geração de texto.

qwen3.7-text-embedding

Qwen3.7-Text-Embedding é um modelo de vetor de texto multilíngue baseado em Qwen3.7, oferecendo melhorias significativas na recuperação, agrupamento e classificação de texto em relação ao text-embedding-v4. Ele atinge desempenho 20% melhor em tarefas multilíngues MTEB, chinês-inglês e de recuperação de código e oferece suporte a dimensões vetoriais personalizáveis (256-2560). Guia do usuário

qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flash

Qwen-Audio O modelo de fala em tempo real de ponta a ponta equilibra o raciocínio da fala e o ritmo da conversa duplex. Ele mantém interações fluidas e naturais em tempo real enquanto controla efetivamente a latência de resposta ponta a ponta por meio de inferência paralela e otimizações de streaming omnidirecionais. Guia do usuário

###ZHIPU/GLM-5.2

O fornecimento direto Z.AI GLM-5.2 modelo já está disponível. Guia do usuário

wan3.0-video

Wan Modelo de geração de vídeo 3.0 All-in-One, inicialmente lançado para testes somente por convite (agora disponível publicamente). Suporta texto para vídeo, imagem para vídeo (primeiro quadro/primeiro+último quadro) e referência para vídeo em um único modelo unificado. referência da API

qwen-image-3.0-pro, qwen-image-3.0

O Qwen-Image-3.0-Pro O modelo suporta entrada de texto longo e layouts densos de imagem em imagem, permitindo a geração precisa e única de layouts complexos, como jornais, storyboards, menus e provas. Ele apresenta renderização de texto de granulação fina de 10 pixels, reprodução de detalhes em nível fotográfico de microexpressões, poros e fios de cabelo e suporta 12 idiomas, fontes múltiplas e renderização de alta fidelidade de interfaces convencionais da web e de jogos. qwen-image-3.0 é a variante padrão, equilibrando qualidade e velocidade.

qwen3.8-max

O Qwen3.8 O modelo da série Max com linguagem de visão nativa é QwenO modelo principal mais capaz da até o momento, apresentando 2,4 trilhões de parâmetros com uma arquitetura Mixture-of-Experts. Ele oferece desempenho excepcional comparável aos atuais modelos de última geração, com melhorias significativas em relação à série 3.7. Suporta modo de pensamento híbrido (habilitado por padrão) e uma janela de contexto de 1 milhão de tokens. Consulte Modelos de geração de texto.

deepseek-v4-flash-0731

Um 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. Ele oferece velocidade de inferência rápida, baixa latência e invocação econômica, proporcionando desempenho geral bem equilibrado. Projetado para cargas de trabalho leves e de alta simultaneidade, ele é ideal para casos de uso comuns e essenciais, como diálogo diário, criação de conteúdo, aplicativos RAG básicos e processamento de texto em lote. Guia do usuário

qwen-audio-3.0-asr-flash-streaming, qwen-audio-3.0-asr-flash-filetrans, qwen-audio-3.0-asr-flash

Adicionado o Qwen-Audio-3.0-ASR-Flash-Streaming (tempo real), Qwen-Audio-3.0-ASR-Flash-Filetrans (tempo não real) e Qwen-Audio-3.0-ASR-Flash modelos de reconhecimento de fala (não em tempo real):

• Suporte a dialetos: Suporta os sete principais grupos de dialetos chineses (Mandarim, Wu, Xiang, Gan, Hakka, Min e Yue) e mais de 20 sotaques regionais.
• Otimização de poesia clássica: melhora a precisão do reconhecimento da poesia clássica chinesa, tornando-a adequada para 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 em formatos padrão.
• Expansão multilíngue: Suporta 30 idiomas, incluindo chinês, inglês, japonês e coreano.
• Hotwords e contexto: suporta hotwords (pré-compiladas e dinâmicas) e entrada de contexto para melhorar a precisão do reconhecimento de termos específicos de domínio.

Guia do usuário

qwen3.7-flash, qwen3.7-flash-2026-07-15

O Qwen3.7 A série de modelos Flash com linguagem de visão nativa oferece uma atualização abrangente em relação ao 3.6-Flash em compreensão multimodal e execução de agentes. Este modelo se destaca particularmente em bases multimodais aprimoradas com reconhecimento universal de objetos mais forte, percepção do mundo real e inteligência espacial aprimoradas, capacidades de agente multimodal significativamente atualizadas para cenários de agente de pesquisa e agente de CI com execução de tarefas ponta a ponta mais estável, bem como codificação multimodal otimizada para uma experiência de codificação de vibração mais suave.

qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash

O Qwen-Audio-TTS modelo de síntese de fala já está disponível. Ele adiciona suporte para mais idiomas minoritários e dialetos chineses, com acompanhamento aprimorado de instruções e controle refinado de tags. A qualidade e a expressividade do áudio são significativamente melhoradas. A edição Plus visa cenários profissionais de alta qualidade, enquanto a edição Flash visa interação em tempo real de baixa latência. Guia do usuário

wan2.7-t2v-2026-06-12

Uma versão instantânea do Wan Modelo 2.7 de texto para vídeo. As capacidades do modelo são as mesmas que wan2.7-t2v. referência da API

wan2.7-r2v-2026-06-12

Uma versão instantânea do Wan 2.7 modelo de referência ao vídeo. Ele suporta referência de assunto e personalização de voz e pode gerar um vídeo com script diretamente de uma única imagem de storyboard com vários painéis. referência da API

glm-5.2

O Zhipu GLM-5.2 O modelo é o carro-chefe mais recente projetado para tarefas de longo horizonte, suportando uma janela de contexto ultralonga de 1M. Possui raciocínio lógico poderoso, compreensão de textos longos e recursos de geração de código, equilibrando desempenho com eficiência de inferência. Ele se destaca em benchmarks multitarefa e é adequado para interação inteligente, aplicativos empresariais e assistência ao desenvolvimento.

kimi-k2.7-code

Kimi O modelo de código K2.7 já está disponível. Um modelo de codificação centrado no agente otimizado para tarefas de engenharia de software de longo alcance. Suporta apenas o modo de pensamento.

qwen-image-2.0-pro-2026-06-22

O último instantâneo do Qwen-Image-2.0 séries, unificando a geração e edição de imagens. Comparado com o instantâneo de 22 de abril, este modelo apresenta renderização de texto aprimorada com suporte para instruções de token de até 1k, qualidade fotorrealista e detalhes de cena mais refinados e aderência semântica mais forte.

HappyHorse 1.1

happyhorse-1.1-t2v

HappyHorse Modelo 1.1 de texto para vídeo. Suporta geração de áudio e vídeo com duração de 3 a 15 segundos em resolução 720P/1080P. referência da API

happyhorse-1.1-i2v

HappyHorse Modelo 1.1 de imagem para vídeo. Suporta geração de áudio e vídeo com duração de 3 a 15 segundos em resolução 720P/1080P. referência da API

happyhorse-1.1-r2v

HappyHorse 1.1 modelo de referência ao vídeo. Suporta múltiplas imagens de referência como entrada para gerar vídeos de áudio com duração de 3 a 15 segundos em resolução 720P/1080P. referência da API

fun-asr-flash-2026-06-15

Fun-ASR instantâneo (atualização de junho de 2026). Adiciona suporte completo para os sete principais sistemas de dialeto chinês (Mandarim, Wu, Xiang, Gan, Hakka, Min, Yue) e mais de 20 sotaques regionais de mandarim, com otimizações específicas para reconhecimento de poesia clássica chinesa. Melhora a previsão de pontuação e a normalização de texto para números, datas e valores. O suporte a idiomas foi expandido para 30 idiomas. Suporta contextualização e pode transcrever áudio em até 5 minutos.

qwen3.7-max-2026-06-08

O modelo Max, o maior e mais capaz do Qwen3.7 série, adicionou compreensão visual-modal em comparação com o instantâneo de 20 de maio, permitindo-lhe perceber cenas do mundo real e suportando capacidades de agente híbrido interativo multimodal.

qwen3.7-plus, qwen3.7-plus-2026-05-26

Qwen A série 3.7 Plus baseia-se em fortes recursos de texto com habilidades de linguagem de visão amplamente atualizadas, ao mesmo tempo em que mantém recursos completos de agência em codificação, uso de ferramentas e fluxos de trabalho de produtividade. Seu principal diferencial são os recursos de agente híbrido interativo multimodal – percepção de cenários do mundo real, leitura de telas e operação de GUIs, geração de código com base em referências visuais e navegação ponta a ponta de aplicativos móveis.

glm-5.1

O Zhipu GLM-5.1 O modelo foi projetado para tarefas de longo horizonte e suporta uma janela de contexto de 200 mil com uma saída máxima de 128 mil tokens. Com forte raciocínio lógico, compreensão de textos longos e recursos de geração de código, ele oferece excelentes resultados em vários benchmarks e é adequado para interação inteligente, aplicativos empresariais e assistência ao desenvolvimento.

qwen3.7-max-preview, qwen3.7-max-2026-05-17

Qwen Instantâneos do modelo da série Max. Entrada somente texto, modo de pensamento habilitado por padrão.

qwen3.5-livetranslate-flash-realtime, qwen3.5-livetranslate-flash-realtime-2026-05-19

Modelo de tradução de áudio e vídeo multilíngue de alta precisão e em tempo real, baseado em Qwen3.5-Omni. Suporta 60 idiomas (29 com saída de áudio + texto, 31 com saída somente de texto), clonagem de voz para tradução com preservação do locutor e contexto visual de streams de vídeo para melhorar a precisão. Atualizações de qwen3-livetranslate-flash-realtime com cobertura linguística mais ampla e menor latência. Guia do usuário | referência da API

qwen3.7-max, qwen3.7-max-2026-05-20

Carro-chefe da próxima geração no Qwen Série máxima. A entrada somente texto, modo de pensamento habilitado por padrão, suporta cache explícito. É excelente em codificação, escritório e produtividade e execução autônoma de longo prazo.

deepseek-v4-pro, deepseek-v4-flash

DeepSeek Série V4. deepseek-v4-pro é um modelo MoE em grande escala com um forte raciocínio geral. deepseek-v4-flash é um modelo leve e econômico, otimizado para velocidade. Ambos suportam chamada de função, cache de contexto e modo de pensamento (habilitado por padrão) com contexto de 1 milhão e um orçamento de saída compartilhado de 384k.

HappyHorse série de vídeos

happyhorse-1.0-t2v

HappyHorse modelo de texto para vídeo. Suporta geração de áudio e vídeo com duração de 3 a 15 segundos em resolução 720P/1080P. referência da API

happyhorse-1.0-i2v

HappyHorse modelo de imagem para vídeo. Suporta geração de áudio e vídeo com duração de 3 a 15 segundos em resolução 720P/1080P. referência da API

happyhorse-1.0-r2v

HappyHorse modelo de referência ao vídeo. Suporta múltiplas imagens de referência como entrada para gerar vídeos de áudio com duração de 3 a 15 segundos em resolução 720P/1080P. referência da API

happyhorse-1.0-video-edit

HappyHorse modelo de edição de vídeo. Suporta edição e processamento de vídeo. referência da API

wan2.7-t2v-2026-04-25

Uma versão instantânea do Wan Modelo 2.7 de texto para vídeo. As capacidades do modelo são as mesmas que wan2.7-t2v. referência da API

wan2.7-i2v-2026-04-25

Uma versão instantânea do Wan Modelo 2.7 de imagem para vídeo. As capacidades do modelo são as mesmas que wan2.7-i2v. referência da API

qwen3.5-plus-2026-04-20

Novo Qwen3.5-Plus snapshot com codificação agente significativamente melhorada e inferência mais rápida em comparação com o snapshot de 15 de fevereiro. O conhecimento, o raciocínio e os recursos de longo contexto permanecem fortes – ideais para agentes de codificação, fluxos de trabalho de produção e cenários de alto rendimento.

qwen3.6-27b

Qwen3.6 Modelo de linguagem de visão de código aberto denso 27B. Codificação agente aprimorada e raciocínio STEM Qwen3.5-27B. Melhorias significativas na inteligência espacial, localização e detecção de objetos. Ganhos constantes em compreensão de vídeo, OCR de documentos e recursos de agente de visão. Suporta chamada de função e saída estruturada, mas não ferramentas integradas.

qwen-image-2.0-pro-2026-04-22

Novo Qwen-Image-2.0-Pro instantâneo com geração e edição de imagens unificadas. Comparado com o instantâneo de 3 de março, este modelo oferece melhorias visíveis na qualidade visual – especialmente detalhes de textura, iluminação e materiais. Suporta renderização de texto multilíngue na imagem e expressão de estilo artístico mais equilibrada.

qwen3.6-max-preview

O maior modelo de código fechado do Qwen3.6 série com codificação aprimorada e execução de agente mais eficiente. Suporta entrada somente de texto, modo de pensamento (habilitado por padrão), cache explícito e chamada de função.

qwen3.6-flash, qwen3.6-flash-2026-04-16, qwen3.6-35b-a3b

Qwen3.6 série Flash em linguagem de visão nativa com melhorias gerais significativas em relação Qwen3.5-Flash. Recursos aprimorados de programação de agentes com grandes ganhos de benchmark em relação à geração anterior, raciocínio matemático e de código mais forte e inteligência espacial aprimorada – especialmente localização e detecção de objetos.

fun-asr, fun-asr-2025-11-07

Fun-ASR atualizações de reconhecimento de fala em tempo real: suporte a dialetos abrangendo sete grandes grupos de dialetos chineses e mais de 20 sotaques regionais, reconhecimento aprimorado de poesia clássica, previsão de pontuação aprimorada e normalização de texto (números, datas, valores monetários) e suporte multilíngue para 30 idiomas.

Wan Série de vídeos 2.7

wan2.7-videoedit

Edição e migração de vídeo com base em instruções. Suporta substituição de conteúdo por imagens de referência e replicação de ações, efeitos e movimentos de câmera.

wan2.7-i2v

Entrada multimodal (texto, imagem, áudio, vídeo) para tarefas de primeiro quadro, quadro inicial e final e continuação de vídeo.

wan2.7-t2v

Novas opções de resolução e proporções personalizadas para diferentes cenários e plataformas.

wan2.7-r2v

Referência de entidade, personalização de voz e geração de vídeo baseada em manual a partir de um único storyboard.

qwen3.6-plus, qwen3.6-plus-2026-04-02

Codificação atualizada (Agentic Coding, frontend, Vibe Coding), multimodal (reconhecimento de objetos, OCR, localização) e raciocínio geral. Corrige problemas conhecidos de Qwen-3.5-Plus.

wan2.7-image-pro, wan2.7-image

Texto para imagem, imagem para imagem, edição de imagem, referência de múltiplas imagens e edição interativa. A série Pro suporta saída 4K.

Disponibilidade geral

QwenCloud agora está geralmente disponível.