模型市场

HappyHorse-1.0-T2V 支持文本到视频的生成，具备高度逼真的动态渲染能力。它能准确理解文本语义，生成流畅、自然且细节丰富的高质量视频。

HappyHorse-1.0-I2V 支持图像到视频的生成，具备高度逼真的动态渲染能力。它能准确理解文本和图像语义，生成流畅、自然且细节丰富的高质量视频。

Qwen3.6 系列中最大且能力最强的 Max 模型现已推出预览版。目前，仅开放其纯文本功能特性供实验。与先前发布的 Qwen3-Max 和 Qwen3.6-Plus 相比，该模型具备更强的氛围感代码生成能力、更高效的编码代理执行能力，以及显著提升的前端开发技能。此外，其长尾知识记忆能力也进一步升配。

Qwen3.6 原生视觉语言 Plus 系列模型表现达到当前业界顶尖水平，相较 3.5 系列整体能力显著提升。在智能体编程、前端与 Vibe coding 等代码相关能力，以及多模态通用物体识别、OCR 与目标定位等方面均有明显增强。

万相2.6文生图，在视觉质量、美学表现和指令遵循方面全面升级，可实现精准的风格控制、逼真的纵向人像、长文本理解以及广泛的历史与文化IP覆盖度，从而生成高质量、高表现力的视觉内容。

功能全面的 Qwen-Image-2.0 系列模型集成了图像生成和图像处理能力，提供增强的文本呈现效果，支持长达1,000个分词的提示词、更加精细逼真的纹理、对照片级真实场景的细致描绘，以及更强的语义一致性。该全功能版本在2.0系列中实现了最强的文本呈现能力和最逼真的纹理效果。

CosyVoice-v3-plus 为 CosyVoice 系列最新大模型语音克隆方案，音质与克隆相似度出色，适合专业场景；仅需 5–20 秒参考音频即可快速生成高度相似且自然的定制音色。合成功能方面，CosyVoice-v3-plus 为 CosyVoice 系列最新大语音合成模型，音质与表现力增强，适合专业场景，并支持实时流式文本转语音合成。

Qwen3-ASR-Flash 实时版是一款基于大语言模型的高精度、智能化、鲁棒性强的多语言语音识别模型。依托强大的基础模型、海量文本与多模态数据，以及数千万小时的音频数据，Qwen3-ASR-Flash 实现了高精度的语音识别，可自动判断语种，并准确识别 11 种语言的语音，即使在复杂的音频环境中也能确保精准转录。