官方公告日期
MiniMax 稀宇科技国内视频
MiniMax H3（海螺视频新一代）
统一理解文本、图像、视频与声音输入的视频模型，默认 2K、最长 15 秒并原生生成立体声；发布时称权重计划开放。
学习建议同一脚本分别用纯文本和带参考素材生成，体会统一多模态输入带来的差别
- 应用内使用
- API
- 文本
- 图像
- 视频
- 音频
- 链接 1 天前可访问
- 有中文导读
- 附练习
- 官方来源
发布信息整理时核对来源于 2026-10-09
正在加载学习内容…
按时间整理国内外大模型发布：每条注明官方来源、日期依据与获取方式，并给出一条可以马上动手的学习建议；有对应实操课的，可以直接去练。
亮点、跑分、速度与价格均为厂商自述，本站未复测。每条注明日期依据：“仅媒体报道”表示官方页面未写明日期，待官方确认；请以官方公告为准。
统一理解文本、图像、视频与声音输入的视频模型，默认 2K、最长 15 秒并原生生成立体声；发布时称权重计划开放。
学习建议同一脚本分别用纯文本和带参考素材生成，体会统一多模态输入带来的差别
发布信息整理时核对来源于 2026-10-09
单次生成由15秒延长到30秒，可引用30图、10视频、10音频，支持时间戳级编辑；官方坦言复杂动作仍待改进
学习建议阅读官方“已知不足”段落，练习为生成视频写评测清单，而不只看演示片段
新一代 Sonnet：定价 $2/$10，1M 上下文、128K 输出；默认自适应思考，停用手动思考预算与非默认采样参数，新分词器约多 30% token。
学习建议关注分词器变化对成本估算的影响，练习用真实文本实测 token 数，而不是沿用旧经验估算。
发布信息整理时核对来源于 2026-10-09
发布信息整理时核对来源于 2026-10-09
厂商称相对 Opus 4.8 为跨代提升；价格维持 $5/$25，1M 上下文、128K 输出，effort 分 low 至 max 五档，思考默认开启。
学习建议实验不同 effort 档位对答案质量和 token 消耗的影响，学会把 effort 当作主要调参手段。
发布信息整理时核对来源于 2026-10-09
联合训练图像、视频与音频的多模态流模型，视频最长 20 秒并带原生音频；分 Video、Image、Action、Dev 四线分批早期开放。
学习建议阅读其“真实世界模型”文章，理解多模态联合训练如何延伸到机器人动作预测这类新方向。
发布信息整理时核对来源于 2026-10-09
微软自研：图像 Pro 版主打高保真与图内文字渲染；厂商称语音 Flash 版比 MAI-Voice-2 快 2 倍、便宜 32%，两者均在 Foundry 公共预览。
学习建议横向比较几家图像模型的图内文字准确度，并了解自研模型如何嵌入办公与客服产品。
发布信息整理时核对来源于 2026-10-09
第三代图像生成：约4.5k token长提示、10px小字与12种语言渲染；未公开权重、基准与技术报告
学习建议用报纸、试卷等密集版式提示词测试文字渲染，并保留失败样例做对比
发布信息整理时核对来源于 2026-10-09
书生科学多模态模型，厂商称 397B 规模在分子设计、材料结构生成等任务上对标此前万亿参数版；9 月推出正式仓库。
学习建议浏览模型卡中的科学任务示例，了解多任务强化学习如何把通用模型变成科研助手
发布信息整理时核对来源于 2026-10-09
2.8T总参/104B激活MoE，1M上下文、原生视觉，推理始终开启；按承诺于7月27日前开放权重
学习建议读技术报告中KDA线性注意力与注意力残差部分，并与K2.6的架构表对照
发布信息整理时核对来源于 2026-10-09
同代模型首次按能力与成本分三档：Sol 追求前沿能力，Terra 平衡，Luna 面向高并发；配套程序化工具调用和多代理指南。
学习建议用一张表整理三档的适用场景与价格，练习在“效果、速度、成本”之间做取舍。
发布信息整理时核对来源于 2026-10-09
强化信息图与密集文字排版、点选/套索/图层分离等交互编辑与人像质感，支持十余种语言
学习建议用一份学习笔记生成信息图，再逐项核对数据与文字有没有被准确保留
发布信息整理时核对来源于 2026-10-09