MiniMaxMiniMax-H3
MiniMax H3 是一个通用型全模态生成系统。它能够统一理解由文本、图像、视频和音频构成的多模态上下文，并可生成最高 2K 分辨率、最长 15 秒、带有原生立体声音频的视频。得益于以任务泛化为导向的系统设计，H3 在预训练阶段便已具备广泛的多模态上下文理解与生成能力，因此能够出色地遵循复杂的多模态指令。
公共模型广场
找到适合你的模型
探索文本、图像、视频与音频模型，按能力和厂商快速筛选。
52 个结果 / 全部 52 个模型
勾选卡片，比较 2–3 个模型MiniMax
阿里巴巴happyhorse-1.1-i2v
HappyHorse 1.1 图生视频模型，以输入图片作为视频首帧，结合文本提示词生成动态视频，将静态图片中的人物、物体和场景转化为连续运动画面。支持音频、1080P和3至15秒视频。
阿里巴巴happyhorse-1.1-r2v
HappyHorse 1.1 参考生视频模型，根据参考图片与文本提示词生成视频，利用参考素材引导人物、对象和场景的视觉呈现，适用于需要参考图像的内容创作。
阿里巴巴happyhorse-1.1-t2v
HappyHorse 1.1 文生视频模型，根据文本提示词生成有声视频，支持1080P输出、单片段最长15秒，可将场景、人物动作和镜头描述转换为视频画面。
阿里巴巴qwen-image-2.0
qwen-image-2.0 是通义千问图像生成与编辑模型，支持根据文本生成图片，也支持结合1至3张参考图片与编辑指令修改画面。2.0支持指令式图像编辑，可通过自然语言描述对输入图片进行修改，也可直接从文本生成新图片。
阿里巴巴qwen-image-2.0-pro
qwen-image-2.0-pro 是通义千问图像生成与编辑模型，支持根据文本生成图片，也支持结合1至3张参考图片与编辑指令修改画面。2.0支持指令式图像编辑，可通过自然语言描述对输入图片进行修改，也可直接从文本生成新图片。
阿里巴巴qwen-image-3.0
qwen-image-3.0 是通义千问图像生成与编辑模型，支持根据文本生成图片，也支持结合1至3张参考图片与编辑指令修改画面。3.0提供提示词增强和思考模式，支持PNG输出，生成与编辑的像素面积范围为512×512至2048×2048。标准版兼顾图像质量与生成速度。
阿里巴巴qwen-image-3.0-pro
qwen-image-3.0-pro 是通义千问图像生成与编辑模型，支持根据文本生成图片，也支持结合1至3张参考图片与编辑指令修改画面。3.0提供提示词增强和思考模式，支持PNG输出，生成与编辑的像素面积范围为512×512至2048×2048。
阿里巴巴wan3.0-video-ali
万相 Wan3.0-Video 是 All-in-One 视频生成模型，统一支持文生视频、图生视频和多模态参考生视频。支持480P、720P、1080P及最长30秒视频，并可生成台词、背景音乐和音效，具备首帧、首尾帧控制与视频编辑能力。
阿里巴巴wan3.0-video-prime-ali
万相 Wan3.0-Video-Prime 是视频生成优速版，在保持高质量视频生成能力的同时提升生成速度。支持文本、图像等多模态参考，具备文生视频、首帧和首尾帧生视频、有声视频生成等能力。
BAAI / 北京智源
bge-m3
BGE-M3是智源开源的下一代通用向量模型，支持100+语言、8192长度文本输入，同时集成稠密检索、稀疏检索和多向量检索三种功能。 其创新性在于通过BERT架构生成“学习型稀疏嵌入”，结合传统稀疏检索的精确性与密集检索的语义丰富性。 在混合检索（Hybrid Retrieval）和重排序（Re-Ranking）方案下，模型在跨语言、多粒度任务中表现领先。 适用于搜索、问答、RAG等场景
BAAI / 北京智源
bge-reranker-v2-m3
BGE-Reranker-v2-M3是轻量级重排序模型，专为多语言检索任务设计，支持100+种语言，尤其强化了中英文混合场景下的性能。 该模型基于BGE-M3-0.5B架构优化，参数规模为568M，推理速度比传统交叉编码器提升2倍以上，适合高并发场景。 其核心技术包括分层自蒸馏策略和动态评分机制，能够有效提升检索增强生成（RAG）流程的准确性和响应速度。 此外，模型支持最长8192 token的文本输入，适用于合同、论文等长文档场景。