Qwen2.5-72B-Instruct 支持 16k 上下文, 生成长文本超过 8K 。支持 function call 与外部系统无缝交互，极大提升了灵活性和扩展性。模型知识明显增加，并且大大提高了编码和数学能力, 多语言支持超过 29 种

Qwen2-VL-72B-Instruct是一款强大的视觉语言模型，支持图像与文本的多模态处理，能够精确识别图像内容并生成相关描述或回答。

由 Black Forest Labs 开发的 120 亿参数文生图模型，采用潜在对抗扩散蒸馏技术，能够在 1 到 4 步内生成高质量图像。该模型性能媲美闭源替代品，并在 Apache-2.0 许可证下发布，适用于个人、科研和商业用途。

whisper-large-v3-turbo 是一款高效的语音识别模型，具备快速、精准的语音转文本能力，支持多语言识别，并在低延迟和高准确度之间提供了优秀的平衡，特别适合实时语音处理和大规模应用场景。

Fish Speech 1.5 是一款专为多场景语音生成优化的模型，适用于个性化语音合成、音视频制作及跨语言对话场景