66 Modelle mit Profil. Die Einteilung beschreibt Fähigkeiten, keine Qualitätsrangliste.
Proprietäres OpenAI-Modell, veröffentlicht am 26. Oktober 2026, zum Verstehen von Bildern, Bedienen von Anwendungen und Verfassen von Texten. Es verarbeitet Text und Bilder und gibt Text aus; Bilderzeugung über ein Werkzeug ist keine native Ausgabemodalität. Es ist per API als gpt-6.1-terra sowie je nach Tarif in ChatGPT Work und Codex verfügbar. Es wird nicht als herunterladbarer Checkpoint veröffentlicht.
Text und Begründung · Kostenpflichtig proprietär↗ TencentTencent-Hunyuan-Checkpoint für simultane chinesisch-englische Sprachübersetzung, Teil der Ankündigung vom 26. Oktober 2026. Er empfängt inkrementelles Audio und erzeugt übersetzten Text. Die Interleave-Variante behält auch den Ausgangstext; dies ist eine andere Ausgabe, keine Quantisierung. Die Erstellung der Repositorys am 22. Oktober wird nicht als Veröffentlichungsdatum angegeben.
Sprache und Audio · Offene Gewichte↗ TencentTencent-Hunyuan-Checkpoint für simultane chinesisch-englische Sprachübersetzung, Teil der Ankündigung vom 26. Oktober 2026. Er empfängt inkrementelles Audio und erzeugt übersetzten Text. Die Interleave-Variante behält auch den Ausgangstext; dies ist eine andere Ausgabe, keine Quantisierung. Die Erstellung der Repositorys am 22. Oktober wird nicht als Veröffentlichungsdatum angegeben.
Sprache und Audio · Offene Gewichte↗ inclusionAIVisuelles inclusionAI-Modell auf Basis von Qwen3.8-27b. Es lernt, Oberflächenelemente zu lokalisieren und Bildregionen über Ausschnitte zu untersuchen, und überträgt diese Strategie auf allgemeine visuelle Fragen. Die nutzbare Veröffentlichung vom 26. Oktober enthält zwölf Gewichtsteile und eine vollständige Modellkarte; das leere Repository am Morgen galt nicht als Veröffentlichung. Die Ausgabe besteht aus Text und Ausschneideaktionen, nicht aus erzeugten Bildern.
Bild und Dokumente · Offene Gewichte↗ BaiduBaidu-Modell zur Inhaltsextraktion aus mehrseitigen Dokumenten, angekündigt am 27. Oktober 2026. SR-SWA hält Arbeitsreferenzen in einem endlichen Fenster, um das Wachstum der Aufmerksamkeitskosten zu reduzieren. Eingaben sind geordnete Seitenbilder; die Ausgabe ist strukturierter Text. PDFs müssen vorher in Bilder umgewandelt werden. Das Erstellen des Repositorys am Vortag ersetzt nicht das Ankündigungsdatum.
Bild und Dokumente · Offene Gewichte↗ NVIDIAAm 20. Oktober 2026 veröffentlichter Forschungscheckpoint für chirurgische Robotik. Ein einziges Modell bietet drei Modi: Vorwärtsdynamik von Aktionen zu Video, inverse Dynamik von Video zu Aktionen und eine durch Bild, Text und Verlauf bedingte Policy. Es basiert auf Cosmos3-Nano, mit einem Qwen3-VL-Reasoning-Tower und einer angepassten generativen Komponente. Es handelt sich weder um drei unabhängige Modelle noch um ein zugelassenes Medizinprodukt.
Robotik · Offene Gewichte↗ NVIDIADestillierte kausale Variante von Cosmos3-Nano-Transfer-Auto, veröffentlicht am 20. Oktober 2026 von NVIDIA für Fahrsimulation im geschlossenen Regelkreis. Sie erzeugt aus Steuerdaten und Text synchronisiertes Mehransichten-Video und LiDAR und unterstützt bis zu elf Kameras. Die Fähigkeit, während einer Sequenz auf Steuerdaten zu reagieren, unterscheidet sie vom bidirektionalen Generator, stellt aber keine autonome Fahr-Policy dar.
Robotik · Offene Gewichte↗ NVIDIAKausales NVIDIA-Modell zur visuellen Simulation bimanueller Manipulation und Kameranavigation, veröffentlicht am 20. Oktober 2026. Es erhält ein Ausgangsbild, Roboteraktionen, eine Kameratrajektorie und optionalen Text. Es gibt Video aus, keine Aktionen, und darf nicht mit einer Steuerungs-Policy verwechselt werden. Der Checkpoint nennt eine AgiBot-Morphologie; andere Bauformen erfordern eine gesonderte Validierung.
Robotik · Offene Gewichte↗ NVIDIADestilliertes kausales NVIDIA-Modell, veröffentlicht am 20. Oktober 2026, zur Umwandlung visueller Simulationssteuerdaten in RGB-Video. Geometrie, Physik und Ground Truth verbleiben beim klassischen Simulator; das Netz liefert die visuelle Darstellung. Es akzeptiert Text und Steuerdaten für Tiefe, Segmentierung, Kanten oder Unschärfe. Es ist weder eine Policy zur Ausgabe von Roboteraktionen noch eine zertifizierte Physik-Engine.
Robotik · Offene Gewichte↗ NVIDIABidirektionales NVIDIA-Modell zur Generierung von Fahrszenen mit synchronisiertem Mehransichten-Video und LiDAR. Es wurde am 20. Oktober 2026 veröffentlicht und kombiniert Text, WSM-Weltsteuerdaten und ein optionales Ausgangsbild. Unterstützt werden bis zu elf Standard- oder Fischaugenkameras und bis zu 300 Frames pro Ansicht. Dies ist Batch-Generierung, nicht das kausale Simulationsmodell Sim-Auto.
Robotik · Offene Gewichte↗ MistralVon Mistral am 20. Oktober 2026 angekündigte Offline-Transkriptionsvariante mit 4B Parametern. Sie wandelt Audio in Text um und unterstützt Diarisierung und kontextuelles Vokabular. Die aktuelle Spezifikation umfasst 50 Sprachen. Es ist ein anderes Modell als Small und Mini Realtime, mit eigenem Preis und gehostetem Zugang in öffentlicher Vorschau. Die angegebene Größe bedeutet nicht, dass die Gewichte heruntergeladen werden können.
Sprache und Audio · Kostenpflichtig proprietär↗ MistralAm 20. Oktober 2026 von Mistral vorgestelltes Streaming-Transkriptionsmodell. Die aktuelle Anleitung nennt 45 Sprachen und Dialekte. Es verwendet WebSocket, liefert inkrementellen Text und ergänzt Erkennung des Endes eines Redebeitrags, Sprecherlabels und context_bias. Es erzeugt keine Sprache und übernimmt nicht automatisch die Offline-Funktionen von Small. Die versionierte Kennung unterscheidet es von Aliasnamen, deren Version sich ändern kann.
Sprache und Audio · Kostenpflichtig proprietär↗ MistralAm 20. Oktober 2026 vorgestelltes Sprachsynthesemodell. Die aktuelle spezifische Anleitung nennt 35 Sprachen und mehr als 50 Dialekte; die veraltete Angabe von neun Sprachen auf der Modellkarte wird nicht als aktuelle Grenze verwendet. Es wandelt Text in Audio um und unterstützt eine optionale Stimmreferenz. Batch- und Streaming-Antworten verwenden dasselbe Modell und werden nicht als getrennte Checkpoints gezählt.
Sprache und Audio · Kostenpflichtig proprietär↗ MistralAm 20. Oktober 2026 in öffentlicher Vorschau vorgestelltes Transkriptionsmodell von Mistral. Es nimmt Audiodateien entgegen und liefert Text mit Diarisierung und kontextueller Gewichtung für Fachvokabular. Die Sprachenanleitung nennt 50 Sprachen für Offline-Transkription. Small und Mini sind unterschiedliche Varianten mit eigenen Tarifen. Diese Modellkarte verwendet die versionierte Kennung voxtral-small-transcribe-3-0, keinen veränderlichen Alias.
Sprache und Audio · Kostenpflichtig proprietär↗ NVIDIANVIDIA-Bildbearbeitungsmodell, Version 1.0.0 veröffentlicht am 20. Oktober 2026. Es überführt synthetische, in Omniverse gerenderte Ausschnitte von Leiterplattenbauteilen in einen Beleuchtungsstil für optische Inspektion. Es basiert auf Qwen-Image-Edit mit fusioniertem LoRA-Finetuning: Das Paket enthält die vollständige Pipeline, keinen separaten Adapter. Nutzer liefern das Bild; die englische Anweisung ist fest vorgegeben, kein freier Prompt.
Bild · Offene Gewichte↗ NVIDIANVIDIA-Embedding-Modell mit 1,55 Milliarden Parametern, veröffentlicht am 20. Oktober 2026. Es vektorisiert Textdokumente, Seitenbilder oder beides für ausschließlich textbasierte Anfragen. Es wurde aus Embed 8B destilliert, friert den Textturm von Nemotron 3 Embed 1B ein und ergänzt visuelle Suche. Sein Vektor hat 2.048 Dimensionen; es teilt nicht automatisch den Raum des 8B-Modells.
Embeddings · Offene Gewichte↗ NVIDIANVIDIA-Embedding-Modell mit 8,38 Milliarden Parametern, veröffentlicht am 20. Oktober 2026. Es vektorisiert Text, Seitenbilder oder beides für die Suche mit Textanfragen. Es friert den Turm von Nemotron 3 Embed 8B ein und ergänzt Bildverarbeitung durch Pixtral. Der Text-Embedding-Raum dieses Vorgängers bleibt erhalten; es erzeugt Vektoren mit 4.096 Dimensionen, keine Dialogantworten.
Embeddings · Offene Gewichte↗ NVIDIANVIDIA-Reranker mit 8,38 Milliarden Parametern, veröffentlicht am 20. Oktober 2026. Er bewertet jedes Paar aus Textanfrage und Dokument, das Text, ein Seitenbild oder beides enthalten kann. Er ergänzt die erste Suche durch das Reranking der Kandidaten; er erzeugt weder Antworten noch Embeddings. Er kombiniert einen Pixtral-Bildencoder mit einem bidirektionalen Ministral3-Turm.
Reranking · Offene Gewichte↗
Ein Arbeitsablauf, mit dem sich dokumentieren lässt, wie Bilder, Videos und Audiodateien erstellt, verändert und veröffentlicht werden – und wie Herkunftsnachweise mit der nötigen Vorsicht zu interpretieren sind.
29 Sep 2026 ↗
Ein Protokoll zum Vergleich von Stable Audio 3.0 mit Effekten aus einer lizenzierten Bibliothek – ohne einen beeindruckenden Einzelfund mit einem zuverlässigen Workflow zu verwechseln. Mit Kriterien für Hören, Zeitaufwand, Bearbeitung und Nutzungsrechte.
26 Sep 2026 ↗
Eine generierte Einstellung kann für sich genommen überzeugend wirken und beim Schnitt mit anderen Einstellungen dennoch unbrauchbar sein. Dieser Leitfaden bietet ein Protokoll, um visuelle, räumliche und narrative Kontinuität in Sequenzen mit generiertem Video zu bewerten, ihre Nachverfolgbarkeit zu dokumentieren und zu entscheiden, welche Clips freigegeben werden, welche nachbearbeitet werden müssen und welche verworfen werden sollten.
23 Sep 2026 ↗
Eine generative Bearbeitung ist nicht schon deshalb für den Produktionseinsatz geeignet, weil die verlangte Änderung korrekt aussieht. Dieser Leitfaden behandelt jede Retusche als Vertrag zur Erhaltung: Er legt fest, was sich ändern darf, was erhalten bleiben muss, wie dies gemessen wird und wann eine menschliche Prüfung erforderlich ist.
23 Sep 2026 ↗
Der verantwortungsvolle Einsatz einer synthetischen Stimme erfordert mehr als ein Kontrollkästchen zur Zustimmung oder eine überzeugende Demo. Dieser Leitfaden schlägt ein Betriebssystem vor, das jede Audiodatei mit einer konkreten Autorisierung verknüpft, das Risiko einer Ähnlichkeit mit identifizierbaren Personen kontrolliert, gegebenenfalls informiert und Assets zurückzieht, wenn sich die Nutzungsbedingungen ändern.
22 Sep 2026 ↗
C2PA-Credentials können kryptografisch überprüfbare Belege für Herkunftsangaben und Transformationen einer Datei liefern. Sie belegen für sich allein weder, dass ein Bild wahr ist, rechtmäßig weiterverwendet werden darf oder die abgebildeten Personen eingewilligt haben. Dieser Leitfaden bietet eine Methode, um diese Belege zu bewerten, zu bewahren und zu kommunizieren, ohne ihre Aussagekraft zu überdehnen.
22 Sep 2026 ↗