全球 AI 模型发布时间轴

原生多模态模型，以极致低成本架构实现超越 GLM-5.2 的更强智能

千问新一代高性价比模型

实验性多模态视觉理解模型，Agent 能力接近 Opus-4.8。

编程较 5.2 提升 50%，网络/命令行/终端能力突出（开源）。

Agent 能力大幅提升，原生支持 Responses API。

全新多模态智能体模型预览：轻量敏捷、自主规划、多 Agent 协作、动态纠偏。

联合理解声音、画面与时序，实现边看边听边说的交互。

Qwen3.8-2.4T-A95B是阿里巴巴旗下的大模型

deepseek-v4-flash正式版发布，能力超过deepseek-v4-pro预览版

一镜成片、多模态参考、编辑能力升级，已上线豆包、即梦、扣子、小云雀。

新一代视频生成模型。

通用旗舰，支持文本与视觉输入、百万 token 上下文。

强调「不止生成，更懂设计」。

全新大模型正式版，MoE 295B/21B，开源。

Agent 与 Coding 能力全面提升。

1M 无损上下文，长程任务与编程开源 SOTA。

1.1 万亿参数编程模型，256K 上下文，开源。

前沿 Coding 能力，1M 上下文，原生多模态，MSA 注意力架构。

Apache 2.0 开源，原生多模态，最高生成速度 400 tokens/s，面向生产级 Agent。

高速版，输出约 400 tokens/s，200K 上下文。

旗舰迭代，能力进一步提升。

轻量化多模态智能体模型，Token 消耗下降，SenseNova-Skills 同步开源。

ERNIE 5.0 的更小更经济版本，分 fast 与 thinking 模式。

30B 推理/Agent 模型，256K 上下文，MoE，基于华为昇腾 910B 集群训练。

单一架构统一多模态理解、推理与图片生成（U1 系列基于 NEO-unify）。

V4-Pro约 1.6T 参数、1M 上下文，Agent 能力突出；V4-Flash 为 284B 高效版。

全新大模型预览，MoE 295B/21B、256K 上下文。

1T/42B、1M 上下文，高负载 Agent 场景能力突出。

原生全模态感知，图像/视频/音频/文本跨模态推理与 Agent。

进入生产阶段，面向长时编码与全栈生成。

开源 8B 单流 Diffusion Transformer 文生图模型。

长时编码内测，增强代码与 Agent 能力。

代码增强，支持单次任务独立工作 8 小时。

视觉编程多模态 Coding 基座，200K 上下文。

针对高频 Agent 场景优化，Token 效率提升。

自主迭代能力，SWE-bench Verified 78%。

1T/42B、1M 超长上下文，混合注意力架构。

全模态，支持文本、视觉、语音理解，最高 256K。

面向智能体优化的实干型基座模型。

千问 3.5 系列开源发布。

豆包大模型 2.0 系列，侧重基础模型、多模态理解与企业级 Agent。

与豆包 2.0 / Seedance 2.0 同步发布的图像生成 Preview。

视频生成新系列，与豆包 2.0、Seedream 5.0 Preview 同步发布。

Coding 与 Agent 能力开源 SOTA。

X1.5 升级版，基于全国产算力训练，293B 参数、128K 上下文。

Thinking 模式 SWE-Bench 78.6，工具调用成功率提升。

Agent 优化语言模型，约 196B 参数/11B 激活、262K 上下文，AIME 2025 达 99.8%。

编程、工具调用、办公等生产力场景全球顶尖，编程效率较 M2.1 提升 37%。

多模态自主推理模型开源，8B/32B，动态视觉推理。

支持文本、代码、视觉理解与生成，开源。

正式版图生图模型，支持精准修图。

30B-A3B MoE，开源且 API 免费。

联合华为开源首个全流程国产化多模态大模型。性质待核实

通用能力、Thinking 代码与工具链稳定性优化。

增强 Agent 能力、多模态理解与上下文管理。

引入 Video Coding，全球开源领先。

面向专业影视制作与图像创作升级。

MoE 309B/15B，SWE-Bench Verified 73.4%，高速推理。

音画高精度同步、影视级运动与情绪表现、首尾帧。

多模态评测多面取得 SOTA。

V3.2 与特化版正式发布。

相比 4.0 提升编辑一致性、人像美化与小字生成。

数学推理模型更新。

8.3B 轻量化，生成 5–10 秒高清视频。

原生全模态旗舰大模型，约 2.4 万亿参数，支持文本/图像/音频/视频理解与生成；2026-01-22 上线。

增强指令遵循、长文理解、文学创作与知识准确性。

增强指令遵循、代码、Agent、推理能力。

MoE 架构，攻克国产算力训练难题。

K2 系列深度思考版本。

原生支持多种思考长度并升级工具能力。

提升人物动作、画面质量与风格化，另推 Fast 版。

代码能力进阶，上下文扩展至 200K。

实验版，引入新注意力机制 DSA 提升推理效率。

80B 参数工业级原生多模态生图开源模型。

统一架构支持文生图与通用编辑，集成常识与推理。

开源原生 2K 生图模型。

提升真实编程与 Agentic Coding 能力。

通义万相 2.5 预览版。

混合推理架构，同时支持思考与非思考模式，迈入 Agent 时代。

约 100B 视觉推理模型，视频理解、GUI Agent。

推理能力显著升级，多模态性能提升。

355B MoE，原生融合推理、编码与 Agent，开源。参数待核实

新一代基础大模型，面向全球企业开源。

MoE（235B/22B），非思考模式主观创作与安全性提升。

文生视频、图生视频，新增首尾帧生成。

1T/32B MoE，侧重代码、Agent，同步开源。

视频理解、图像问答、图表解读、GUI Agent。

强化推理模型满血版。日期待核实

新一代视频生成模型系列开源。

开源，最大 ERNIE-4.5-VL 总参 424B / 激活 47B。

MoE 80B/13B，首个快慢思考可切换混合推理模型。

1080P 高清、最长 10 秒视频生成。

开源大规模混合架构推理模型，约 456B，1M 上下文、80K 推理输出。

推理、多模态、GUI 操作、前端编程与 256K 上下文升级。

多镜头叙事、首尾帧、主体一致性、1080P 输出。

7B 推理模型（低于 27B，属重大突破例外收录），数学与代码表现突出。

支持推理/非推理双模式，覆盖多规模密集与 MoE 并开源。

聚焦多模态、强推理、低成本（百度 Create 大会）。

原生 2K 输出、更快响应、更准小字与排版。

600B 多模态 MoE，支持中长视频直接推理。

视觉语言模型，16B MoE / 3B 激活。

端到端多模态流式响应（视觉、听觉、写作、工具）。

推理增强，MMLU-Pro 等多项指标显著提升。

腾讯首个深度推理模型，数学、逻辑、科学、代码。

4.5 原生多模态 + 文本/逻辑推理；X1 面向深度思考。

首个开源汉字生成文生图模型。

通义万相 2.1 系列视频生成并开源。

视觉-语言多模态，强化视觉理解与交互。

大规模 MoE 旗舰模型。

Doubao-1.5-Pro / Vision-Pro 更新（256K 上下文）。

强化推理模型，推理能力突出。

多模态思考模型，128K 上下文，强化数学、编程、推理。

低延迟视频理解与语音交互、Function Call。

全国产算力深度推理模型，图文、数学、长文本。

基于单张参考图的主体一致生成。

671B/37B MoE，FP8 训练，上线 API。

130 亿参数视频生成模型开源。

上线豆包 APP 与即梦平台，受设计师欢迎的生图模型。

新一代视觉语言旗舰模型。

上下文扩展至 100 万 tokens。

核心能力全面超越 GPT-4 Turbo，代码/数学超越 GPT-4o，74 种语言。

豆包视频生成，面向企业邀测（含 Seaweed）。

Qwen2.5-72B 性能超越 Llama 3.1-405B。

影视级高清视频生成。

合并 Coder-V2 与 V2-Chat 升级。

首个文生视频模型，上线海螺 AI。

高质量图像与视频理解能力。

全模态免费版。

生图能力接近 Midjourney V6 / FLUX。

对标 Sora 的开源视频生成模型，最高 2 分钟 1080P。

对标 GPT-4o，实时流式多模态、音视频对话。

万亿参数 MoE，中国公司首创。

更高性价比版本。

七大核心能力升级，对标 GPT-4 Turbo / GPT-4V。

代码 MoE，支持 338 种编程语言。

开源大模型新一轮升级。

火山引擎发布，正式对外服务。

中英双语理解与文生图扩散模型。

236B/21B MoE，MLA 架构，128K 上下文。

600B MoE、200K 上下文，综合性能对标 GPT-4 Turbo。

万亿参数 MoE 系列，200K 上下文。

约 100B 多模态，图像理解与图文对话。精确日期待核实

日日新系列迭代。

开源系列迭代（含 72B 旗舰）。

代码语言模型系列，开源领先。

国内首个千亿级以上 MoE 大语言模型全量上线。

性能提升 60%，128K 长文本。

百亿参数，国产万卡算力「飞星一号」训练。

新增标准版服务。

千亿级参数升级。

理解、生成、逻辑、记忆能力提升，启动邀测。

支持约 20 万字长文本。

早期 API 模型系列。

中文创作、复杂逻辑推理与任务执行，经腾讯云开放。

早期基础对话模型。

面向图像创作的生图大模型，定向邀测。

支持 16K 上下文。

大语言模型系列首次发布。

国内较早全栈大模型体系，180B 参数。

文心大模型对话产品首秀。