国外 AI 模型目录

GPT

OpenAI

面向对话、推理、内容理解和工具调用的通用模型家族。

Claude

Anthropic

包含不同能力与响应速度档位的语言模型家族，支持文档分析、编程和工具使用。

Gemini

Google DeepMind

面向文本与多模态理解、推理、工具使用的模型家族。

Grok

xAI / Grok

面向对话、推理和工具调用的模型家族。

Llama

Meta

开放权重语言与多模态模型家族，存在不同规模和专门变体。

Mistral / Mixtral

Mistral AI

从早期 Mistral、Mixtral 到通用多模态模型的产品与研究家族。

FLUX

Black Forest Labs

面向视觉创作的模型家族，分支覆盖生成、参考图编辑等任务。

Runway Gen

Runway

面向视频生成与编辑的 Gen 系列模型。

Eleven TTS

ElevenLabs

面向多语言语音合成与富表现力朗读的模型系列。

Codex

OpenAI

以代码理解、修改和代理式开发为方向的模型分支，相关历史型号与通用 GPT 的编程能力需分别核对。

gpt-oss

OpenAI

可下载权重的推理模型家族，适合研究、自托管和定制推理服务。

GPT Image

OpenAI

从文本或参考图像生成、编辑图片的模型家族。

Sora

OpenAI

OpenAI 的视频生成模型家族，作为历史技术路线收录。

Whisper

OpenAI

以语音识别和翻译为方向的开放模型家族。

GPT Audio / Realtime / Transcribe

OpenAI

涵盖音频对话、实时交互与转写的音频模型分支。

OpenAI Embeddings

OpenAI

把文本编码为向量，用于语义搜索、聚类和知识库召回。

Gemini Image / Nano Banana

Google DeepMind

Gemini 的图像生成与编辑分支，适合参考图驱动的创作。

Gemma

Google DeepMind

可下载权重的模型家族，包含面向本地与端侧使用的不同变体。

PaliGemma

Google DeepMind

面向图文输入和视觉任务微调的视觉语言模型家族。

EmbeddingGemma

Google DeepMind

面向本地检索的轻量向量模型家族，具体版本支持的模态不同。

FunctionGemma

Google DeepMind

以函数调用和端侧动作解析为方向的 Gemma 专门变体。

Imagen

Google DeepMind

Google 的专门图像生成模型家族，保留为历史与迁移参考。

Veo

Google DeepMind

用于文字或图像驱动视频创作的模型家族。

Lyria

Google DeepMind

面向音乐生成与控制的模型家族，包含不同创作方式的分支。

Gemini Embedding

Google DeepMind

用于语义检索的 Gemini 向量模型分支。

Grok Imagine

xAI / Grok

面向图像与视频生成、编辑的视觉模型分支。

Segment Anything / SAM

Meta

围绕图像与视频中对象分割的视觉模型家族。

MusicGen / AudioGen

Meta

AudioCraft 中面向音乐与音频生成的研究模型。

Ministral

Mistral AI

偏向较小规模与高效部署的模型家族。

Codestral

Mistral AI

围绕代码生成和补全的专门模型家族。

Devstral

Mistral AI

以软件工程与代码代理为方向的模型家族。

Magistral

Mistral AI

以多步推理为方向的模型家族。

Voxtral

Mistral AI

涵盖语音理解、转写与语音生成的模型家族。

Mistral OCR

Mistral AI

面向文档结构识别与内容提取的模型服务。

Mistral Embed / Codestral Embed

Mistral AI

文本与代码检索方向的向量模型分支。

Command

Cohere

面向企业对话、工具使用和检索增强生成的语言模型家族。

Aya

Cohere

以多语言覆盖为重点的开放模型家族，部分分支支持视觉输入。

Cohere Embed

Cohere

面向搜索、分类与知识库召回的向量模型家族。

Cohere Rerank

Cohere

对候选文档与查询进行相关性重排序的模型家族。

Amazon Nova

Amazon AWS

涵盖理解与生成等不同任务的基础模型家族，具体输出能力因分支而异。

Amazon Nova Sonic

Amazon AWS

面向自然语音理解与生成的实时语音模型分支。

Amazon Titan

Amazon AWS

Titan 家族包含文本、多模态向量与图像生成等不同模型。

Phi

Microsoft

强调较小规模与推理能力的模型家族。

Granite

IBM

由语言、视觉、语音、向量与 Guardian 等子家族组成的企业模型系列。

Nemotron

NVIDIA

面向推理与代理工作流的模型家族，包含不同架构与规模的变体。

Cosmos

NVIDIA

用于物理 AI 场景的世界基础模型，支持生成与预测相关研究。

Parakeet / NeMo ASR

NVIDIA

面向自动语音识别的模型系列。

Jamba

AI21 Labs

采用混合架构的语言模型家族，面向企业处理与高效推理。

OLMo

Ai2 / Allen Institute for AI

强调开放研究与训练可复现性的语言模型家族。

Molmo

Ai2 / Allen Institute for AI

用于图像理解与视觉语言任务的开放模型家族。

SmolLM

Hugging Face

面向轻量本地推理与研究的语言模型家族。

SmolVLM

Hugging Face

强调资源效率的视觉语言模型，部分版本支持视频理解。

LFM

Liquid AI

采用高效架构的模型家族，面向本地和边缘侧应用。

OpenELM

Apple Research

用于高效语言建模研究的开放模型家族。

Stable Diffusion / Stable Image

Stability AI

围绕图像生成与编辑的模型家族与托管服务。

Stable Audio

Stability AI

面向音乐、音效与声音素材生成的模型家族。

Adobe Firefly

Adobe

用于创意工作流的生成模型系列与 API，具体能力因接口而异。

Ideogram

Ideogram

图像生成与编辑模型家族，适用于带文字的设计与参考图创作。

Recraft

Recraft

提供栅格和矢量图形生成与编辑能力的模型家族。

Midjourney

Midjourney

用于图像创作及相关视觉工作流的模型家族。

Ray / Dream Machine

Luma AI

用于图像与视频创作的视觉模型及产品入口。

Pika

Pika

以视频创作、修改与创意效果为方向的模型家族。

LTX / LTX-Video

Lightricks / LTX

提供开放权重与部署入口的视频生成模型家族。

Suno

Suno

从创作提示或歌词出发生成音乐的模型产品。

Udio

Udio

面向歌曲生成、延展与编辑的音乐模型产品。

Scribe

ElevenLabs

用于语音转写的模型系列，支持能力随版本变化。

Eleven Music

ElevenLabs

面向音乐创作与音轨生成的模型系列。

面向交互应用与流式播放的文字转语音模型家族。

面向批量或实时转写、语音代理轮次处理的识别模型。

面向语音应用的文字转语音模型家族。

Universal / AssemblyAI Speech

AssemblyAI

围绕语音识别、实时转写及相关语音能力的模型系列。

Moshi

Kyutai

围绕实时语音对话与语音原生交互的研究模型。

Kyutai STT / TTS

Kyutai

面向流式语音识别和生成的开放研究模型。

CSM

Sesame

结合对话上下文进行语音生成的开放研究模型。

Voyage Embeddings

Voyage AI

面向通用与专门领域检索的向量模型系列。

Voyage Rerank

Voyage AI

对已有候选文档进行相关性精排的模型系列。

Nomic Embed

Nomic AI

面向语义搜索的开放向量模型家族。

mxbai Embed

Mixedbread

面向文本检索的开放向量模型。

Sonar

Perplexity

结合在线搜索回答问题的模型服务家族，当前官方文档提供向 Agent API 的迁移指引。

面向多模态理解与视觉分析的模型系列。

面向企业文本、工具工作流和专门领域的语言模型系列。

DBRX

Databricks

采用混合专家架构的开放语言模型家族。

Snowflake Arctic

Snowflake

以企业任务为方向的开放混合专家语言模型。

Falcon

Technology Innovation Institute

从语言模型扩展到视觉、语音等专门方向的开放模型系列。

SOLAR

Upstage

面向语言理解、生成与指令任务的模型家族。

HyperCLOVA X

NAVER

以韩语及多语言场景为方向的模型家族。

Kanana

Kakao

面向韩英语言任务和指令交互的开放模型家族。

Sarvam

Sarvam AI

面向印度语言场景的模型系列与公开研究。

Swallow

Swallow Research

通过日语继续预训练与指令适配构建的语言模型系列。

DINO

Meta

面向自监督视觉特征提取的模型家族，可作为图像检索、分割等下游任务的编码器。

SeamlessM4T / Seamless

Meta

围绕语音与文本之间的多语言翻译构建的研究模型系列。

SigLIP

Google DeepMind

将图像与文本映射到可比较表征的视觉语言编码器家族，用于跨模态检索和分类。

ShieldGemma

Google DeepMind

用于内容风险分类与评估的 Gemma 专门模型系列，文本与图像分支任务不同。

Genie

Google DeepMind

用于生成并探索交互式环境的世界模型研究系列。

Florence

Microsoft

通过统一任务提示执行图像描述、对象检测与区域理解等视觉任务的模型家族。

E5

Microsoft

面向文本语义检索的向量模型系列，包含多语言等变体。

North

Cohere

包含面向机器翻译、代理式编程等专门任务的生成模型。

Cohere Parse

Cohere

从企业文档中提取结构化内容的视觉解析模型。

Cohere Transcribe

Cohere

面向多语言音频转写的模型系列，包含阿拉伯语专门变体。

Snowflake Arctic Embed

Snowflake

面向搜索与知识库召回的向量模型家族，与 Arctic 生成式语言模型分别介绍。

EXAONE

LG AI Research

覆盖多语言理解、指令任务与推理方向的开放权重模型系列。

A.X

SK Telecom

面向韩语和英语交互场景的语言模型系列。

OpenCALM

CyberAgent

面向日语预训练与研究的语言模型家族。

Youko

rinna

通过日语继续预训练和指令调优形成的语言模型系列。

PLaMo

Preferred Elements / PFN

以日语与英语为重点的语言模型家族。

IndicTrans

AI4Bharat

面向印度语言与英语之间、以及印度语言互译的机器翻译模型系列。

IndicConformer

AI4Bharat

围绕印度语言音频转写构建的 Conformer 语音识别模型系列。

JAIS

Inception / Core42

面向阿拉伯语和英语的语言模型家族。

Pharia

Aleph Alpha

面向多语言生成与可控交互的语言模型系列。

ModernBERT

Answer.AI / LightOn

面向文本理解、分类与检索相关微调的双向编码器家族。

Octave

Hume AI

根据文本语义与表达要求生成语音的模型系列。官方已公告 TTS 与 EVI API 将于 2026-11-13 结束访问。

Chatterbox

Resemble AI

面向语音生成与表达控制的开放模型系列。

以较小模型规模实现文字转语音的开放项目。

Mochi

Genmo

面向文字生成视频的开放权重模型系列。

FIBO

BRIA

使用结构化描述控制图像内容的生成模型系列。

Zamba

Zyphra

采用混合架构的开放语言模型系列。

Zonos

Zyphra

面向多语言、参考声音与表达控制的开放语音生成模型。

采用扩散生成方式的语言与代码模型系列，通过官方兼容接口提供服务。

Hermes

Nous Research

围绕指令遵循、对话与工具交互调优的模型家族。

Trinity

Arcee AI

面向通用语言与编程任务的开放模型系列。

Rnj

Essential AI

面向编程与技术推理任务的开放模型系列。