你要的 AI 模型，这里都有

Hy4 preview 是腾讯混元新一代生产力旗舰模型，采用 Gated DSA（门控稀疏 注意力）与 iHC 残差设计，总参数量约 770B，每 token 激活约 49B。模型 原生支持 1M 上下文窗口与 64k 最大输出，引入原生 MTP 投机解码层提升 生成吞吐，具备较强的复杂 任务理解、规划与持续执行能力，原生支持工具调用、结构化输出与上下文 缓存，面向 Agent、Coding 与生产力场景深度优化，适合长程规划与代码 工作流

GLM-5.3 是智谱 AI 推出的 GLM-5 系列旗舰模型，沿用与 GLM-5.2 相同的基础模型，通过后训练在复杂编码、网络安全和长程智能体任务上实现显著提升。模型采用 MoE 架构，总参数量约 744B，激活参数约 40B，原生支持 1,048,576 tokens 上下文窗口、函数调用与结构化输出，适用于复杂软件工程、漏洞发现与长程智能体任务

DeepSeek-V4-Flash 是 DeepSeek-V4 系列中的 MoE 语言模型，总参数量 284B，激活参数量 13B，支持 1M tokens 超长上下文与最高 384K tokens 输出。模型采用混合注意力架构（Compressed Sparse Attention, CSA 与 Heavily Compressed Attention, HCA）并引入 Manifold-Constrained Hyper-Connections 与 DSpark 推测解码模块，以提升长上下文推理效率与整体性能。0731 版本为正式发布版本（public beta），仅对预览版进行 re-post-training，架构与参数规模保持不变，显著增强了智能体能力。在 DeepSeek 自测的 9 项 agentic / 编程基准上（包括 Terminal-Bench 2.1、DeepSWE、Toolathlon-Verified 等）分数均超过 V4-Pro Preview。模型原生支持 OpenAI Responses API 与 Codex 适配，reasoning_effort 参数支持 low / high / max 三档调节，适用于复杂 agent 工作流、长文本理解与代码任务

LongCat-2.0 核心特性如下：1. 面向 Agent 开发场景，原生支持工具调用、多步推理和长上下文任务；2. 在代码开生成、自动化工作流和复杂指令执行上表现突出；3. 深度适配 Claude Code、OpenClaw、OpenCode 和 Kilo Code 等生产力工具。

GLM-5.2 是 Z.ai 最新的旗舰模型，面向长程任务场景，相比 GLM-5.1 在长程任务能力上有显著提升。该 753B 模型支持稳定的 1M-token 上下文，具备更强的编程能力，并支持多种 thinking effort levels，以在性能和延迟之间进行灵活平衡。GLM-5.2 引入 IndexShare 架构优化，在 1M 上下文长度下将 per-token FLOPs 降低 2.9 倍，同时改进 MTP layer 以支持 speculative decoding，使 acceptance length 最高提升 20%

Kimi K2.7 Code 是 Moonshot AI 推出的面向代码任务的 agentic 模型，基于 Kimi K2.6 构建，在真实世界长程代码任务中有显著提升，可增强复杂软件工程工作流中的端到端任务完成能力，并将思考 token 使用量相比 Kimi K2.6 降低约 30%。该模型采用 MoE 架构，总参数量为 1T，激活参数量为 32B，支持 256K 上下文长度，并支持图像输入、视频输入、Thinking mode、Preserve Thinking 与多步工具调用

DeepSeek-V4-Pro 是 DeepSeek-V4 系列中的旗舰 MoE 语言模型，拥有 1.6T 总参数、49B 激活参数，原生支持 100 万 tokens 的超长上下文。该模型采用创新的混合注意力架构，结合压缩稀疏注意力（CSA）与高度压缩注意力（HCA），在 1M 上下文下仅需 DeepSeek-V3.2 的 27% 单 token 推理 FLOPs 和 10% KV 缓存。模型还引入流形约束超连接（mHC）增强层间信号传播稳定性，并采用 Muon 优化器加速收敛。DeepSeek-V4-Pro 在超过 32T 高质量多样化 tokens 上预训练，后训练采用“领域专家独立培养 + 在线策略蒸馏统一整合”的两阶段范式。其最大推理强度模式 DeepSeek-V4-Pro-Max 在编程基准上取得顶尖表现，并在推理与 Agentic 任务上大幅缩小与领先闭源模型的差距，是目前最强的开源模型之一，支持 Non-think、Think High、Think Max 三种推理强度模式

Qwen3.8-27B 是 Qwen3.8 系列中的 27B 稠密模型，基于 Qwen3.5 的架构基础构建，是原生视觉语言模型，支持图像和视频理解。模型在编码、专业工作、研究和长周期智能体任务方面进行了全面增强，默认启用 thinking mode，并支持通过 reasoning_effort 调整推理深度。模型原生支持 256K 上下文长度

Kimi K2.6 是月之暗面（Moonshot AI）开源的原生多模态智能体模型，在 HLE（含工具）、SWE-Bench Pro、BrowseComp 等多项主流榜单上取得开源最优水平。 模型采用 MoE 架构，总参数量 1T，激活参数 32B，支持 256K tokens 上下文，并通过 MoonViT 视觉编码器支持图像与视频输入。 K2.6 专为智能体场景优化：支持 4,000+ 次工具调用与超 12 小时持续自主执行；多智能体协作可扩展至 300 个并行子智能体 × 4,000 步，单次运行生成 100+ 文件；同时支持思考（Thinking）与即时（Instant）双推理模式，以及 Function Call 与多轮思维链保留能力

GLM-5.1 是面向智能体工程的下一代旗舰模型，采用混合专家（MoE）架构，拥有 754B 参数。该模型编程能力显著增强，在 SWE-Bench Pro 上取得了领先水平，在 NL2Repo（仓库生成）和 Terminal-Bench 2.0（真实终端任务）等基准上大幅领先前代。GLM-5.1 专为长周期智能体任务设计，能够以更好的判断力处理模糊问题，拆解复杂任务、执行实验、分析结果，并在数百轮迭代和数千次工具调用中持续优化

Xing4.0-29B-A4B让百亿参数模型从“会写代码”迈向“能干工程”，总参数量为29B，单次激活参数量为4B。全国产开源，原生支持256K，外推可达512K超长上下文，兼具复杂推理、工具调用与长程任务执行能力。基于昇腾算力训练，支持私有化及消费级单卡部署，以更低成本释放企业智能生产力。

Z-Image-Turbo 是 Z-Image 系列的 6B 文生图模型，是 Z-Image 的蒸馏版本，采用 Scalable Single-Stream DiT（S3-DiT）架构，通过 Decoupled-DMD 与强化学习后训练实现高效少步生成。该模型仅需 8 次 NFEs 即可生成高质量图像，并可在 16G VRAM 消费级设备上运行。Z-Image-Turbo 擅长写实图像生成、中英文双语文本渲染和稳健的指令遵循，适合对生成质量与推理速度都有较高要求的文生图场景

Z-Image 是 Z-Image（造相）系列的图像生成基础模型，采用单流 Diffusion Transformer 架构，面向高质量生成、稳定的生成多样性、广泛的风格覆盖和精准的提示词遵循能力。与面向速度优化的 Z-Image-Turbo 不同，Z-Image 是未蒸馏的全容量 Transformer 模型，支持完整的 Classifier-Free Guidance（CFG）和负向提示词控制，适合复杂提示词工程、专业创作流程、LoRA 训练、ControlNet 结构条件控制和语义条件控制等开发场景

DeepSeek-V3.2 是一款兼具高计算效率与卓越推理和 Agent 性能的模型。其方法建立在三大关键技术突破之上：DeepSeek 稀疏注意力（DSA），一种高效的注意力机制，在保持模型性能的同时显著降低了计算复杂性，并特别针对长上下文场景进行了优化；可扩展的强化学习框架，通过该框架，模型性能可与 GPT-5 相媲美，其高算力版本在推理能力上可与 Gemini-3.0-Pro 匹敌；以及大规模 Agent 任务合成管线，旨在将推理能力整合到工具使用场景中，从而提高在复杂交互环境中的指令遵循和泛化能力。该模型在 2025 年国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）中取得了金牌表现

DeepSeek-V3.2 是一款兼具高计算效率与卓越推理和 Agent 性能的模型。其方法建立在三大关键技术突破之上：DeepSeek 稀疏注意力（DSA），一种高效的注意力机制，在保持模型性能的同时显著降低了计算复杂性，并特别针对长上下文场景进行了优化；可扩展的强化学习框架，通过该框架，模型性能可与 GPT-5 相媲美，其高算力版本在推理能力上可与 Gemini-3.0-Pro 匹敌；以及大规模 Agent 任务合成管线，旨在将推理能力整合到工具使用场景中，从而提高在复杂交互环境中的指令遵循和泛化能力。该模型在 2025 年国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）中取得了金牌表现

DeepSeek-V3.1-Terminus 是由深度求索（DeepSeek）发布的 V3.1 模型的更新版本，定位为混合智能体大语言模型。此次更新在保持模型原有能力的基础上，专注于修复用户反馈的问题并提升稳定性。它显著改善了语言一致性，减少了中英文混用和异常字符的出现。模型集成了“思考模式”（Thinking Mode）和“非思考模式”（Non-thinking Mode），用户可通过聊天模板灵活切换以适应不同任务。作为一个重要的优化，V3.1-Terminus 增强了代码智能体（Code Agent）和搜索智能体（Search Agent）的性能，使其在工具调用和执行多步复杂任务方面更加可靠

DeepSeek-V3.1-Terminus 是由深度求索（DeepSeek）发布的 V3.1 模型的更新版本，定位为混合智能体大语言模型。此次更新在保持模型原有能力的基础上，专注于修复用户反馈的问题并提升稳定性。它显著改善了语言一致性，减少了中英文混用和异常字符的出现。模型集成了“思考模式”（Thinking Mode）和“非思考模式”（Non-thinking Mode），用户可通过聊天模板灵活切换以适应不同任务。作为一个重要的优化，V3.1-Terminus 增强了代码智能体（Code Agent）和搜索智能体（Search Agent）的性能，使其在工具调用和执行多步复杂任务方面更加可靠

Qwen3.6-35B-A3B 是通义千问团队推出的 Qwen3.6 系列大语言模型，采用混合专家（MoE）架构，拥有 350 亿总参数，每次推理仅激活约 30 亿参数，兼顾高效推理与优秀性能。模型支持思考与非思考双模式，可在快速响应与深度推理间灵活切换

Qwen3.6-27B 是 Qwen3.6 系列首个开源的中小尺寸稠密模型，针对代码生成、Agent 工作流与真实开发场景进行了重点增强。相比 Qwen3.5-27B，该模型在前端开发、仓库级推理、工具调用与复杂问题求解等任务上均有明显提升，并新增历史推理上下文保留能力，可减少多轮交互中的重复推理，提升稳定性与执行效率。模型同时支持视觉理解，原生上下文长度为 262,144 tokens

Qwen3.5-122B-A10B 是通义千问团队推出的原生多模态大语言模型，总参数量 122B，激活参数量仅 10B。该模型采用门控 Delta 网络与稀疏混合专家（MoE）相结合的高效混合架构，原生支持 256K 上下文长度，并可扩展至约 100 万 tokens。模型通过早期融合训练实现了统一的视觉语言基础能力，支持文本、图像和视频理解，在知识、推理、编程、智能体、视觉理解和多语言等多项基准测试中表现优异，并在多项指标上超越 GPT-5-mini 和 Qwen3-235B-A22B。模型默认启用思考模式（Thinking Mode），支持工具调用，并覆盖 201 种语言和方言