+
### [Version 1.138.1](https://github.com/lobehub/lobe-chat/compare/v1.138.0...v1.138.1)
Released on **2025-10-16**
diff --git a/changelog/v1.json b/changelog/v1.json
index c1057e54adc..003efa90e35 100644
--- a/changelog/v1.json
+++ b/changelog/v1.json
@@ -1,4 +1,11 @@
[
+ {
+ "children": {
+ "improvements": ["Improve welcome message."]
+ },
+ "date": "2025-10-16",
+ "version": "1.138.2"
+ },
{
"children": {
"fixes": ["Automatic topic creation switch does not work."]
diff --git a/locales/ar/chat.json b/locales/ar/chat.json
index c6359a15a87..50ac445ac4b 100644
--- a/locales/ar/chat.json
+++ b/locales/ar/chat.json
@@ -396,4 +396,4 @@
},
"you": "أنت",
"zenMode": "وضع التركيز"
-}
+}
diff --git a/locales/ar/common.json b/locales/ar/common.json
index d12318d4ae1..1ae60833e74 100644
--- a/locales/ar/common.json
+++ b/locales/ar/common.json
@@ -31,7 +31,7 @@
"batchDelete": "حذف دفعة",
"blog": "مدونة المنتجات",
"branching": "إنشاء موضوع فرعي",
- "branchingDisable": "ميزة \"الموضوع الفرعي\" متاحة فقط في إصدار الخادم. إذا كنت بحاجة إلى هذه الميزة، يرجى التبديل إلى وضع نشر الخادم أو استخدام LobeChat Cloud",
+ "branchingDisable": "ميزة \"الموضوعات الفرعية\" غير متاحة في الوضع الحالي. لاستخدام هذه الميزة، يُرجى التبديل إلى وضع قاعدة البيانات Postgres/Pglite أو استخدام LobeHub Cloud",
"branchingRequiresSavedTopic": "الموضوع الحالي غير محفوظ، يجب الحفظ قبل استخدام ميزة الموضوع الفرعي",
"cancel": "إلغاء",
"changelog": "سجل التغييرات",
diff --git a/locales/ar/models.json b/locales/ar/models.json
index d63444b3784..40ac5ceec0a 100644
--- a/locales/ar/models.json
+++ b/locales/ar/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet يوفر توازنًا مثاليًا بين الذكاء والسرعة لحمولات العمل المؤسسية. يقدم أقصى فائدة بسعر أقل، موثوق ومناسب للنشر على نطاق واسع."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 هو نموذج Haiku الأسرع والأذكى من Anthropic، يتميز بسرعة فائقة وقدرة متقدمة على التفكير المتسلسل."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 هو أحدث وأقوى نموذج من Anthropic لمعالجة المهام المعقدة للغاية. يتميز بأداء ذكي وسلس وفهم عميق."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "نموذج Doubao-Seed-1.6-flash للتفكير العميق متعدد الوسائط مع سرعة استدلال فائقة، حيث يحتاج TPOT فقط إلى 10 مللي ثانية؛ يدعم فهم النصوص والرؤية، وتفوق قدرات فهم النصوص على الجيل السابق lite، وفهم الرؤية يضاهي نماذج pro المنافسة. يدعم نافذة سياق بحجم 256k وطول إخراج يصل إلى 16k رمز."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite هو نموذج تفكير متعدد الوسائط جديد كليًا، يدعم ضبط مستوى الجهد الاستدلالي (reasoning effort) بأربعة أوضاع: الحد الأدنى، منخفض، متوسط، وعالٍ. يتميز بكفاءة عالية وتكلفة مناسبة، وهو الخيار الأمثل للمهام الشائعة، مع نافذة سياق تصل إلى 256 ألف."
+ },
"doubao-seed-1.6-thinking": {
"description": "نموذج Doubao-Seed-1.6-thinking يعزز قدرات التفكير بشكل كبير، مقارنة بـ Doubao-1.5-thinking-pro، مع تحسينات إضافية في القدرات الأساسية مثل البرمجة والرياضيات والاستدلال المنطقي، ويدعم الفهم البصري. يدعم نافذة سياق بحجم 256k وطول إخراج يصل إلى 16k رمز."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "يمتلك GLM-Zero-Preview قدرة قوية على الاستدلال المعقد، ويظهر أداءً ممتازًا في مجالات الاستدلال المنطقي، والرياضيات، والبرمجة."
},
- "glm4.6:355b": {
- "description": "نموذج GLM-4.6 (355B) الرائد الأحدث من Zhipu يتفوق بشكل شامل على الجيل السابق في الترميز المتقدم، ومعالجة النصوص الطويلة، والاستدلال، وقدرات الوكلاء الذكيين، لا سيما في مجال البرمجة حيث يتماشى مع Claude Sonnet 4، ليصبح من أفضل نماذج الترميز في الصين."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash يقدم ميزات الجيل التالي وتحسينات تشمل سرعة فائقة، استخدام أدوات مدمجة، توليد متعدد الوسائط، ونافذة سياق تصل إلى مليون رمز."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small هو الخيار المثالي لمهام توليد الكود، وتصحيح الأخطاء، وإعادة الهيكلة، مع أدنى تأخير."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T هو أول نموذج رائد من سلسلة \"Ling 2.0\" غير المعتمد على التفكير، يحتوي على تريليون معلمة إجمالية و50 مليار معلمة نشطة لكل رمز. تم بناؤه على بنية Ling 2.0، ويهدف إلى تجاوز حدود الاستدلال الفعال والإدراك القابل للتوسع. تم تدريب Ling-1T-base على أكثر من 200 تريليون رمز عالي الجودة وغني بالاستدلال."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 هو النموذج الثالث في سلسلة بنية Ling 2.0 التي أصدرها فريق Bailing في مجموعة Ant. هو نموذج خبراء مختلط (MoE) بحجم إجمالي 100 مليار معلمة، لكنه ينشط فقط 6.1 مليار معلمة لكل رمز (غير متضمنة تمثيلات الكلمات 4.8 مليار). كنموذج خفيف الوزن، أظهر Ling-flash-2.0 أداءً يضاهي أو يتفوق على نماذج كثيفة بحجم 40 مليار معلمة ونماذج MoE أكبر في عدة تقييمات موثوقة. يهدف النموذج إلى استكشاف مسارات عالية الكفاءة من خلال تصميم معماري واستراتيجيات تدريب متقدمة، في ظل القناعة بأن \"النموذج الكبير يعني معلمات كثيرة\"."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 هو نموذج لغة كبير صغير الحجم وعالي الأداء مبني على بنية MoE. يحتوي على 16 مليار معلمة إجمالية، لكنه ينشط فقط 1.4 مليار معلمة لكل رمز (غير متضمنة التضمين 789 مليون)، مما يحقق سرعة توليد عالية جدًا. بفضل تصميم MoE الفعال وبيانات تدريب ضخمة وعالية الجودة، رغم تنشيط معلمات قليلة، يظهر Ling-mini-2.0 أداءً متقدمًا في المهام اللاحقة يضاهي نماذج LLM كثيفة أقل من 10 مليارات معلمة ونماذج MoE أكبر."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T هو نموذج تفكير مفتوح المصدر بحجم تريليون معلمة، أطلقه فريق Bailing. يعتمد على بنية Ling 2.0 ونموذج Ling-1T-base، ويحتوي على تريليون معلمة إجمالية و50 مليار معلمة نشطة، ويدعم نافذة سياق تصل إلى 128 ألف. تم تحسينه من خلال تعلم التعزيز القابل للتحقق على نطاق واسع."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 هو نموذج تفكير عالي الأداء محسّن بعمق بناءً على Ling-flash-2.0-base. يستخدم بنية خبراء مختلط (MoE) بحجم إجمالي 100 مليار معلمة، لكنه ينشط فقط 6.1 مليار معلمة في كل استدلال. يحل النموذج من خلال خوارزمية icepop المبتكرة مشكلة عدم استقرار نماذج MoE الكبيرة في تدريب التعلم المعزز (RL)، مما يسمح بتحسين مستمر لقدرات الاستدلال المعقدة خلال التدريب طويل الأمد. حقق Ring-flash-2.0 تقدمًا ملحوظًا في مسابقات الرياضيات، توليد الشيفرة، والاستدلال المنطقي، متفوقًا على أفضل النماذج الكثيفة التي تقل عن 40 مليار معلمة، وقريبًا من نماذج MoE مفتوحة المصدر الأكبر ونماذج التفكير عالية الأداء المغلقة المصدر. رغم تركيزه على الاستدلال المعقد، يظهر أداءً ممتازًا في مهام الكتابة الإبداعية. بالإضافة إلى ذلك، وبفضل تصميمه المعماري الفعال، يوفر Ring-flash-2.0 أداءً قويًا مع استدلال عالي السرعة، مما يقلل بشكل كبير من تكلفة نشر نماذج التفكير في بيئات ذات حمل عالٍ."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "تم تحسين نموذج Llama 3.3 المعدل للتعليمات خصيصًا لسيناريوهات المحادثة، حيث تفوق على العديد من نماذج الدردشة مفتوحة المصدر الحالية في اختبارات المعايير الصناعية الشائعة."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: نموذج عالي الأداء من سلسلة Llama، مناسب لمهام الاستدلال المتقدم، حل المشكلات المعقدة، وتنفيذ التعليمات."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: نموذج عالي الأداء من سلسلة Llama، مثالي للسيناريوهات التي تتطلب إنتاجية عالية وزمن استجابة منخفض."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الصناعة في الاستدلال، والعموم، والوكلاء، واللغات المتعددة، ويدعم التبديل بين أنماط التفكير."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "النسخة مفتوحة المصدر من نموذج Qwen3 للبرمجة. النموذج الأحدث qwen3-coder-30b-a3b-instruct مبني على Qwen3، ويتميز بقدرات قوية كوكيل برمجي، بارع في استخدام الأدوات والتفاعل مع البيئات، ويجمع بين مهارات البرمجة الذاتية والقدرات العامة."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "نسخة مفتوحة المصدر من نموذج كود Tongyi Qianwen. أحدث نموذج qwen3-coder-480b-a35b-instruct مبني على Qwen3 لتوليد الكود، يتمتع بقدرات قوية كوكيل برمجي، بارع في استدعاء الأدوات والتفاعل مع البيئة، قادر على البرمجة الذاتية مع أداء برمجي ممتاز وقدرات عامة."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "نموذج مفتوح المصدر من الجيل الجديد لوضع التفكير مبني على Qwen3، يتميز بتحسين في الالتزام بالتعليمات مقارنة بالإصدار السابق (Tongyi Qianwen 3-235B-A22B-Thinking-2507)، مع ردود ملخصة وأكثر إيجازًا من النموذج."
},
+ "qwen3-omni-flash": {
+ "description": "نموذج Qwen-Omni قادر على استقبال مدخلات متعددة الوسائط مثل النصوص، الصور، الصوت، والفيديو، ويولّد ردودًا على شكل نص أو صوت. يوفر أصواتًا بشرية متعددة، ويدعم إخراج الصوت بعدة لغات ولهجات، ويمكن استخدامه في مجالات مثل إنشاء النصوص، التعرف البصري، والمساعدات الصوتية."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct هو نموذج متعدد الوسائط أطلقته Tongyi Qianwen، يدعم الفهم البصري والاستدلال."
+ "description": "Qwen3 VL 235B A22B في وضع غير التفكير (Instruct)، مصمم لسيناريوهات الأوامر غير المعتمدة على التفكير، مع الحفاظ على قدرات قوية في الفهم البصري."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking هو نموذج استدلال متعدد الوسائط أطلقته Tongyi Qianwen، يدعم الفهم البصري والاستدلال."
+ "description": "Qwen3 VL 235B A22B في وضع التفكير (نسخة مفتوحة المصدر)، مخصص للمهام المعقدة التي تتطلب استدلالًا عاليًا وفهمًا لمقاطع الفيديو الطويلة، ويقدم قدرات رائدة في الاستدلال البصري والنصي."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B في وضع غير التفكير (Instruct)، موجه لسيناريوهات متابعة الأوامر العامة، مع الحفاظ على مستوى عالٍ من الفهم والتوليد متعدد الوسائط."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (نسخة مفتوحة المصدر) يوفر قدرات في الفهم البصري وتوليد النصوص، ويدعم التفاعل الذكي، الترميز البصري، الإدراك المكاني، فهم الفيديوهات الطويلة والتفكير العميق، مع دعم قوي للتعرف على النصوص المتقدمة وتعدد اللغات في البيئات المعقدة."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B في وضع غير التفكير (Instruct)، مناسب لمهام التوليد والتعرف متعدد الوسائط الروتينية."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B في وضع التفكير، مخصص لسيناريوهات الاستدلال والتفاعل متعدد الوسائط الخفيفة، مع الحفاظ على قدرة فهم السياق الطويل."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: نسخة خفيفة وسريعة للاستدلال، مناسبة للسيناريوهات الحساسة للزمن أو التي تتطلب معالجة عدد كبير من الطلبات."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL هو نموذج توليد نصوص يمتلك قدرات فهم بصرية (صور)، لا يقتصر على التعرف الضوئي على الحروف (OCR)، بل يمكنه أيضًا التلخيص والاستدلال، مثل استخراج خصائص من صور المنتجات، وحل المسائل بناءً على صور التمارين."
diff --git a/locales/ar/plugin.json b/locales/ar/plugin.json
index a9468a698d6..17ac2f1ecd8 100644
--- a/locales/ar/plugin.json
+++ b/locales/ar/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "مثبت",
"mcp": "إضافات MCP",
- "old": "إضافات LobeChat"
+ "old": "ملحقات LobeHub"
},
"title": "متجر الإضافات"
},
diff --git a/locales/ar/welcome.json b/locales/ar/welcome.json
index 740015823b0..a32110c49eb 100644
--- a/locales/ar/welcome.json
+++ b/locales/ar/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "معرفة المزيد",
- "title": "الأسئلة الشائعة:"
+ "title": "جرّب أن تسأل:"
},
"welcome": {
"afternoon": "مساء الخير",
diff --git a/locales/bg-BG/chat.json b/locales/bg-BG/chat.json
index 183d636f344..cbd751c81f1 100644
--- a/locales/bg-BG/chat.json
+++ b/locales/bg-BG/chat.json
@@ -396,4 +396,4 @@
},
"you": "ти",
"zenMode": "Режим на фокус"
-}
+}
diff --git a/locales/bg-BG/common.json b/locales/bg-BG/common.json
index 4497bbe69fb..2de9c1448f7 100644
--- a/locales/bg-BG/common.json
+++ b/locales/bg-BG/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Пакетно изтриване",
"blog": "Продуктов блог",
"branching": "Създаване на подтема",
- "branchingDisable": "Функцията „подтема“ е налична само в сървърната версия. Ако искате да използвате тази функция, моля, превключете на режим на сървърно разполагане или използвайте LobeChat Cloud.",
+ "branchingDisable": "Функцията „Подтеми“ не е налична в текущия режим. За да я използвате, превключете към режим Postgres/Pglite DB или използвайте LobeHub Cloud.",
"branchingRequiresSavedTopic": "Текущата тема не е запазена, моля запазете я, за да използвате функцията за под-теми",
"cancel": "Отказ",
"changelog": "Дневник на промените",
diff --git a/locales/bg-BG/models.json b/locales/bg-BG/models.json
index 37d4af97d7e..b9dd4aff682 100644
--- a/locales/bg-BG/models.json
+++ b/locales/bg-BG/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet предлага идеален баланс между интелигентност и скорост за корпоративни работни натоварвания. Той предлага максимална полезност на по-ниска цена, надежден и подходящ за мащабно внедряване."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 е най-бързият и интелигентен Haiku модел на Anthropic, отличаващ се със светкавична скорост и разширени способности за мислене."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 е най-новият и най-мощен модел на Anthropic за справяне с изключително сложни задачи. Той се отличава с изключителна производителност, интелигентност, плавност и разбиране."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash е изключително бърз много модален модел за дълбоко мислене с TPOT само 10ms; поддържа както текстово, така и визуално разбиране, като текстовите му възможности надминават предишното поколение lite, а визуалното разбиране е на нивото на професионалните модели на конкурентите. Поддържа контекстен прозорец от 256k и максимална дължина на изхода до 16k токена."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite е нов мултимодален модел за дълбоко мислене, поддържащ регулируеми нива на разсъждение (reasoning effort): Minimal, Low, Medium и High. Със своята висока ефективност и достъпност, той е отличен избор за често срещани задачи и поддържа контекстуален прозорец до 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking моделът значително подобрява способностите за мислене в сравнение с Doubao-1.5-thinking-pro, с допълнителни подобрения в кодиране, математика и логическо разсъждение, като поддържа и визуално разбиране. Поддържа контекстен прозорец от 256k и максимална дължина на изхода до 16k токена."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview притежава мощни способности за сложни разсъждения, показвайки отлични резултати в логическото разсъждение, математиката и програмирането."
},
- "glm4.6:355b": {
- "description": "Най-новият флагмански модел на Zhipu — GLM-4.6 (355B) — значително надминава предшествениците си в напреднало програмиране, обработка на дълги текстове, логическо разсъждение и способности на интелигентни агенти. Особено в програмирането се изравнява с Claude Sonnet 4, превръщайки се в водещ модел за кодиране в Китай."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash предлага следващо поколение функции и подобрения, включително изключителна скорост, вградена употреба на инструменти, мултимодално генериране и контекстен прозорец от 1 милион токена."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small е идеален за задачи по генериране, отстраняване на грешки и рефакториране на код с минимална латентност."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T е първият флагмански non-thinking модел от серията „Ling 2.0“, с общо 1 трилион параметри и около 50 милиарда активни параметри на токен. Изграден върху архитектурата Ling 2.0, Ling-1T цели да преодолее границите на ефективното разсъждение и мащабируемото познание. Ling-1T-base е обучен върху над 20 трилиона висококачествени, интензивно логически токени."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 е третият модел от серията Ling 2.0 архитектури, публикуван от екипа на Ant Group Bailing. Това е модел с хибридни експерти (MoE) с общо 100 милиарда параметри, но при всеки токен активира само 6.1 милиарда параметри (без вграждания – 4.8 милиарда). Като леко конфигуриран модел, Ling-flash-2.0 показва в множество авторитетни оценки производителност, сравнима или дори превъзхождаща плътни (Dense) модели с 40 милиарда параметри и по-големи MoE модели. Моделът е предназначен да изследва пътища за висока ефективност чрез изключителен дизайн на архитектурата и стратегии за обучение, в контекста на общоприетото схващане, че „големият модел е равен на големи параметри“."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 е малък, но високопроизводителен голям езиков модел, базиран на MoE архитектура. Той има общо 16 милиарда параметри, но при всеки токен активира само 1.4 милиарда (без вграждания – 789 милиона), което осигурява изключително бърза генерация. Благодарение на ефективния MoE дизайн и големия обем висококачествени тренировъчни данни, въпреки че активираните параметри са само 1.4 милиарда, Ling-mini-2.0 демонстрира върхова производителност в downstream задачи, сравнима с плътни LLM под 10 милиарда параметри и по-големи MoE модели."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T е отворен модел за мислене с трилион параметри, разработен от екипа на Bailing. Базиран е на архитектурата Ling 2.0 и основния модел Ling-1T-base, с общо 1 трилион параметри и 50 милиарда активни параметри, поддържащ контекстуален прозорец до 128K. Моделът е оптимизиран чрез мащабно обучение с проверими награди и подсилено обучение."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 е високопроизводителен мисловен модел, дълбоко оптимизиран на базата на Ling-flash-2.0-base. Той използва MoE архитектура с общо 100 милиарда параметри, но при всяко извод активира само 6.1 милиарда параметри. Моделът решава нестабилността на големите MoE модели при обучение с подсилено учене (RL) чрез уникалния алгоритъм icepop, което позволява непрекъснато подобряване на сложните разсъждения при дългосрочно обучение. Ring-flash-2.0 постига значителни пробиви в множество трудни бенчмаркове като математически състезания, генериране на код и логически разсъждения. Неговата производителност не само превъзхожда топ плътни модели с по-малко от 40 милиарда параметри, но и се сравнява с по-големи отворени MoE модели и затворени високопроизводителни мисловни модели. Въпреки че е фокусиран върху сложни разсъждения, моделът се представя отлично и в творческо писане. Благодарение на ефективния си архитектурен дизайн, Ring-flash-2.0 осигурява висока производителност и бърз извод, значително намалявайки разходите за внедряване на мисловни модели при висока паралелност."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Моделата Llama 3.3 с фина настройка за инструкции е оптимизирана за диалогови сценарии и надминава много съществуващи модели с отворен код в общи отраслови бенчмарк тестове."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: високопроизводителен модел от серията Llama, подходящ за напреднало разсъждение, решаване на сложни задачи и следване на инструкции."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: високопроизводителен модел от серията Llama, оптимизиран за сценарии с висока пропускателна способност и ниска латентност."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 е ново поколение модел с значително подобрени способности, който достига водещо ниво в индустрията в области като разсъждение, общо използване, агенти и многоезичност, и поддържа превключване на режимите на разсъждение."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Откритият кодов модел на Tongyi Qianwen. Най-новият qwen3-coder-30b-a3b-instruct е модел за генериране на код, базиран на Qwen3, с мощни способности като Coding Agent, умело използва инструменти и взаимодейства с околната среда, способен на автономно програмиране и отлични кодови умения, съчетани с общи способности."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Отворена версия на кодовия модел Tongyi Qianwen. Най-новият qwen3-coder-480b-a35b-instruct е кодов модел, базиран на Qwen3, с мощни Coding Agent способности, умения за използване на инструменти и взаимодействие с околната среда, способен на автономно програмиране с отлични кодови и общи умения."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Базирано на Qwen3, ново поколение отворен модел с мисловен режим, който подобрява спазването на инструкции и предоставя по-кратки и точни обобщения в сравнение с предишната версия (Tongyi Qianwen 3-235B-A22B-Thinking-2507)."
},
+ "qwen3-omni-flash": {
+ "description": "Моделът Qwen-Omni приема комбинирани входове от текст, изображения, аудио и видео, и генерира отговори под формата на текст или реч. Предлага разнообразни хуманизирани гласове, поддържа много езици и диалекти, и е приложим в сценарии като текстово творчество, визуално разпознаване и гласови асистенти."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct е мултимодален модел, разработен от Tongyi Qianwen, който поддържа визуално разбиране и извеждане на заключения."
+ "description": "Qwen3 VL 235B A22B в non-thinking режим (Instruct), подходящ за инструкции без необходимост от дълбоко разсъждение, като същевременно запазва силни визуални разбирания."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking е мултимодален модел за извеждане на заключения, разработен от Tongyi Qianwen, с поддръжка на визуално разбиране и логическо мислене."
+ "description": "Qwen3 VL 235B A22B в мисловен режим (отворен код), предназначен за сложни задачи с интензивно разсъждение и разбиране на дълги видеа, предоставяйки водещи способности за визуално и текстово разсъждение."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B в non-thinking режим (Instruct), насочен към обичайни сценарии за следване на инструкции, като същевременно поддържа високо ниво на мултимодално разбиране и генериране."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (отворен код) предлага способности за визуално разбиране и генериране на текст, поддържа взаимодействие с интелигентни агенти, визуално кодиране, пространствено възприятие, разбиране на дълги видеа и дълбоко мислене, с подобрено разпознаване на текст и многоезична поддръжка в сложни сценарии."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B в non-thinking режим (Instruct), подходящ за стандартни задачи по мултимодално генериране и разпознаване."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B в мисловен режим, предназначен за леки мултимодални задачи по разсъждение и взаимодействие, като същевременно запазва способността за разбиране на дълъг контекст."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: олекотена версия за високоскоростно разсъждение, подходяща за сценарии, чувствителни към закъснение или с голям обем заявки."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL е текстов генеративен модел с визуални (изображения) разбирания, който не само може да извършва OCR (разпознаване на текст в изображения), но и да обобщава и прави изводи, например извличане на атрибути от снимки на продукти или решаване на задачи по математика от изображения."
diff --git a/locales/bg-BG/plugin.json b/locales/bg-BG/plugin.json
index a0a3797782c..b7821201243 100644
--- a/locales/bg-BG/plugin.json
+++ b/locales/bg-BG/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Инсталирани",
"mcp": "MCP плъгини",
- "old": "LobeChat плъгини"
+ "old": "Разширения на LobeHub"
},
"title": "Магазин за плъгини"
},
diff --git a/locales/bg-BG/welcome.json b/locales/bg-BG/welcome.json
index 74c9f50ade7..c82722811e9 100644
--- a/locales/bg-BG/welcome.json
+++ b/locales/bg-BG/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Научи повече",
- "title": "Често задавани въпроси:"
+ "title": "Опитайте да попитате:"
},
"welcome": {
"afternoon": "Добър ден",
diff --git a/locales/de-DE/chat.json b/locales/de-DE/chat.json
index da29f3fab99..802e5f07800 100644
--- a/locales/de-DE/chat.json
+++ b/locales/de-DE/chat.json
@@ -396,4 +396,4 @@
},
"you": "du",
"zenMode": "Fokusmodus"
-}
+}
diff --git a/locales/de-DE/common.json b/locales/de-DE/common.json
index 0081863e3cb..e80e0a24677 100644
--- a/locales/de-DE/common.json
+++ b/locales/de-DE/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Massenlöschung",
"blog": "Produkt-Blog",
"branching": "Unterthema erstellen",
- "branchingDisable": "Die Funktion „Unterthema“ ist nur in der Serverversion verfügbar. Wenn Sie diese Funktion benötigen, wechseln Sie bitte in den Serverbereitstellungsmodus oder verwenden Sie LobeChat Cloud.",
+ "branchingDisable": "Die Funktion „Unterthemen“ ist im aktuellen Modus nicht verfügbar. Bitte wechsle in den Postgres-/Pglite-DB-Modus oder nutze LobeHub Cloud, um diese Funktion zu verwenden.",
"branchingRequiresSavedTopic": "Das aktuelle Thema wurde nicht gespeichert. Speichern Sie es, um die Unterthemenfunktion nutzen zu können.",
"cancel": "Abbrechen",
"changelog": "Änderungsprotokoll",
diff --git a/locales/de-DE/models.json b/locales/de-DE/models.json
index 587dfe9973f..7062fc1d512 100644
--- a/locales/de-DE/models.json
+++ b/locales/de-DE/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet bietet eine ideale Balance zwischen Intelligenz und Geschwindigkeit für Unternehmensarbeitslasten. Es bietet maximalen Nutzen zu einem niedrigeren Preis, ist zuverlässig und für großflächige Bereitstellungen geeignet."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 ist das schnellste und intelligenteste Haiku-Modell von Anthropic, mit blitzschneller Geschwindigkeit und erweiterter Denkfähigkeit."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 ist das neueste und leistungsstärkste Modell von Anthropic zur Bewältigung hochkomplexer Aufgaben. Es überzeugt durch herausragende Leistung, Intelligenz, Flüssigkeit und Verständnis."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash ist ein multimodales Modell für tiefgehendes Denken mit extrem schneller Inferenzgeschwindigkeit, TPOT benötigt nur 10 ms; unterstützt sowohl Text- als auch visuelles Verständnis, die Textverständnisfähigkeit übertrifft die vorherige Lite-Generation, das visuelle Verständnis ist vergleichbar mit den Pro-Modellen der Konkurrenz. Unterstützt ein Kontextfenster von 256k und eine maximale Ausgabelänge von 16k Tokens."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite ist ein neues multimodales Modell für tiefes Denken mit einstellbarem Denkaufwand (reasoning effort) in vier Stufen: Minimal, Low, Medium und High. Es bietet ein hervorragendes Preis-Leistungs-Verhältnis und ist die beste Wahl für gängige Aufgaben, mit einem Kontextfenster von bis zu 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Das Doubao-Seed-1.6-thinking Modell verfügt über stark verbesserte Denkfähigkeiten. Im Vergleich zu Doubao-1.5-thinking-pro wurden die Grundfähigkeiten in Coding, Mathematik und logischem Denken weiter verbessert und unterstützt visuelles Verständnis. Unterstützt ein Kontextfenster von 256k und eine maximale Ausgabelänge von 16k Tokens."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview verfügt über starke Fähigkeiten zur komplexen Schlussfolgerung und zeigt hervorragende Leistungen in den Bereichen logisches Denken, Mathematik und Programmierung."
},
- "glm4.6:355b": {
- "description": "Das neueste Flaggschiffmodell GLM-4.6 (355B) von Zhipu übertrifft seinen Vorgänger in den Bereichen fortgeschrittenes Codieren, Verarbeitung langer Texte, logisches Schlussfolgern und Agentenfähigkeiten deutlich. Besonders im Bereich Programmierung erreicht es das Niveau von Claude Sonnet 4 und zählt damit zu den führenden Coding-Modellen in China."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash bietet Funktionen der nächsten Generation und Verbesserungen, darunter herausragende Geschwindigkeit, integrierte Werkzeugnutzung, multimodale Generierung und ein Kontextfenster von 1 Million Tokens."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small ist ideal für Codegenerierung, Debugging und Refactoring-Aufgaben mit minimaler Latenz."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T ist das erste Flaggschiffmodell der „Ling 2.0“-Reihe ohne Denkfunktion (non-thinking), mit insgesamt einer Billion Parametern und etwa 50 Milliarden aktiven Parametern pro Token. Es basiert auf der Ling 2.0-Architektur und zielt darauf ab, die Grenzen effizienter Schlussfolgerung und skalierbarer Kognition zu durchbrechen. Ling-1T-base wurde mit über 20 Billionen hochwertigen, reasoning-intensiven Tokens trainiert."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 ist das dritte Modell der Ling 2.0 Architekturserie, veröffentlicht vom Ant Group Bailing Team. Es handelt sich um ein Mixture-of-Experts (MoE)-Modell mit insgesamt 100 Milliarden Parametern, wobei pro Token nur 6,1 Milliarden Parameter aktiviert werden (ohne Wortvektoren 4,8 Milliarden). Als leichtgewichtige Konfiguration zeigt Ling-flash-2.0 in mehreren renommierten Benchmarks Leistungen, die mit 40-Milliarden-Dense-Modellen und größeren MoE-Modellen vergleichbar oder überlegen sind. Das Modell zielt darauf ab, durch exzellentes Architekturdesign und Trainingsstrategien effiziente Wege zu erforschen, um die gängige Annahme „großes Modell = viele Parameter“ zu hinterfragen."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 ist ein kleines, leistungsstarkes Sprachmodell basierend auf der MoE-Architektur. Es verfügt über 16 Milliarden Gesamtparameter, aktiviert jedoch pro Token nur 1,4 Milliarden (ohne Einbettungen 789 Millionen), was eine sehr hohe Generierungsgeschwindigkeit ermöglicht. Dank effizientem MoE-Design und großem, hochwertigem Trainingsdatensatz zeigt Ling-mini-2.0 trotz der geringen aktivierten Parameter eine Spitzenleistung, die mit dichten LLMs unter 10 Milliarden und größeren MoE-Modellen in nachgelagerten Aufgaben vergleichbar ist."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T ist ein Open-Source-Modell für kognitives Denken im Billionen-Parameter-Maßstab, veröffentlicht vom Bailing-Team. Es basiert auf der Ling 2.0-Architektur und dem Ling-1T-base-Modell, mit insgesamt einer Billion Parametern und 50 Milliarden aktiven Parametern. Es unterstützt ein Kontextfenster von bis zu 128K und wurde durch groß angelegtes, verifizierbares, belohnungsbasiertes Reinforcement Learning optimiert."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 ist ein hochleistungsfähiges Denkmodell, das auf Ling-flash-2.0-base tief optimiert wurde. Es verwendet eine Mixture-of-Experts (MoE)-Architektur mit insgesamt 100 Milliarden Parametern, aktiviert jedoch bei jeder Inferenz nur 6,1 Milliarden Parameter. Durch den innovativen Icepop-Algorithmus löst es die Instabilitätsprobleme großer MoE-Modelle im Reinforcement Learning (RL) Training und verbessert kontinuierlich seine komplexen Inferenzfähigkeiten über lange Trainingszyklen. Ring-flash-2.0 erzielt bedeutende Durchbrüche in anspruchsvollen Benchmarks wie Mathematikwettbewerben, Codegenerierung und logischem Schließen. Seine Leistung übertrifft nicht nur dichte Spitzenmodelle unter 40 Milliarden Parametern, sondern ist auch vergleichbar mit größeren Open-Source-MoE-Modellen und proprietären Hochleistungs-Denkmodellen. Obwohl es auf komplexe Inferenz spezialisiert ist, zeigt es auch bei kreativen Schreibaufgaben hervorragende Ergebnisse. Dank seiner effizienten Architektur bietet Ring-flash-2.0 starke Leistung bei gleichzeitig hoher Inferenzgeschwindigkeit und senkt deutlich die Bereitstellungskosten in hochparallelen Szenarien."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Das Llama 3.3 Instruct-Modell ist für Dialogszenarien optimiert und übertrifft in gängigen Branchenbenchmarks viele bestehende Open-Source-Chatmodelle."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: Ein leistungsstarkes Modell der Llama-Serie, ideal für fortgeschrittenes logisches Denken, komplexe Problemlösungen und Aufgaben mit Anweisungsbefolgung."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: Ein leistungsstarkes Modell der Llama-Serie, optimiert für Szenarien mit hoher Verarbeitungsgeschwindigkeit und niedriger Latenz."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 ist ein neues, leistungsstarkes Modell der nächsten Generation, das in den Bereichen Inferenz, Allgemeinwissen, Agenten und Mehrsprachigkeit erhebliche Fortschritte erzielt hat und den Wechsel zwischen Denkmodi unterstützt."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Open-Source-Version des Qwen-Codegenerierungsmodells. Das neueste qwen3-coder-30b-a3b-instruct basiert auf Qwen3 und bietet leistungsstarke Coding-Agent-Fähigkeiten. Es ist spezialisiert auf Tool-Nutzung und Interaktion mit Umgebungen, ermöglicht autonomes Programmieren und kombiniert herausragende Programmierfähigkeiten mit allgemeinen Fähigkeiten."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Open-Source-Code-Modell von Tongyi Qianwen. Das neueste qwen3-coder-480b-a35b-instruct basiert auf Qwen3, verfügt über starke Coding-Agent-Fähigkeiten, ist versiert im Werkzeugaufruf und in der Umgebungskommunikation und ermöglicht selbstständiges Programmieren mit hervorragender Codequalität und allgemeinen Fähigkeiten."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Ein neues Open-Source-Modell der nächsten Generation im Denkmodus basierend auf Qwen3. Im Vergleich zur vorherigen Version (Tongyi Qianwen 3-235B-A22B-Thinking-2507) wurde die Befehlsbefolgung verbessert und die Modellantworten sind prägnanter zusammengefasst."
},
+ "qwen3-omni-flash": {
+ "description": "Das Qwen-Omni-Modell kann kombinierte Eingaben aus Text, Bildern, Audio und Video verarbeiten und Antworten in Text- oder Sprachform generieren. Es bietet verschiedene menschenähnliche Sprachstile, unterstützt mehrsprachige und dialektale Sprachausgabe und eignet sich für Anwendungen wie Textgenerierung, visuelle Erkennung und Sprachassistenten."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct ist ein multimodales Modell von Tongyi Qianwen mit Unterstützung für visuelles Verständnis und logisches Denken."
+ "description": "Qwen3 VL 235B A22B im Non-Thinking-Modus (Instruct), geeignet für Anwendungsfälle mit einfachen Anweisungen, bei gleichzeitig starker visueller Verständnisfähigkeit."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking ist ein multimodales Inferenzmodell von Tongyi Qianwen mit Unterstützung für visuelles Verständnis und logisches Denken."
+ "description": "Qwen3 VL 235B A22B im Thinking-Modus (Open-Source-Version), bietet erstklassige visuelle und textbasierte Schlussfolgerungsfähigkeiten für komplexe Aufgaben mit hoher kognitiver Anforderung und Langvideo-Verständnis."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B im Non-Thinking-Modus (Instruct), konzipiert für allgemeine Anweisungsfolgeszenarien mit starker multimodaler Verständnis- und Generierungsfähigkeit."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (Open-Source-Version) bietet visuelles Verständnis und Textgenerierung, unterstützt Agenteninteraktion, visuelle Kodierung, räumliches Bewusstsein, Langvideo-Verständnis und tiefes Denken. Es verfügt über starke Texterkennungs- und Mehrsprachenfähigkeiten in komplexen Szenarien."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B im Non-Thinking-Modus (Instruct), geeignet für Standardaufgaben der multimodalen Generierung und Erkennung."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B im Thinking-Modus, konzipiert für leichte multimodale Schlussfolgerungs- und Interaktionsszenarien, mit erhaltener Fähigkeit zum Verständnis langer Kontexte."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: eine leichtgewichtige, hochperformante Version für schnelle Inferenz, ideal für latenzkritische oder großvolumige Anfragen."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL ist ein Textgenerierungsmodell mit visuellen (Bild-)Verständnisfähigkeiten. Es kann nicht nur OCR (Texterkennung in Bildern) durchführen, sondern auch weiterführende Zusammenfassungen und Schlussfolgerungen ziehen, z. B. Attribute aus Produktfotos extrahieren oder Aufgaben anhand von Übungsbildern lösen."
diff --git a/locales/de-DE/plugin.json b/locales/de-DE/plugin.json
index 4eb6ffd7961..7fdfb6611c1 100644
--- a/locales/de-DE/plugin.json
+++ b/locales/de-DE/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Installiert",
"mcp": "MCP Plugins",
- "old": "LobeChat Plugins"
+ "old": "LobeHub Erweiterung"
},
"title": "Plugin-Shop"
},
diff --git a/locales/de-DE/welcome.json b/locales/de-DE/welcome.json
index b11a8f1c53e..ab6ab76d144 100644
--- a/locales/de-DE/welcome.json
+++ b/locales/de-DE/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Mehr erfahren",
- "title": "Häufig gestellte Fragen:"
+ "title": "Versuchen Sie zu fragen:"
},
"welcome": {
"afternoon": "Guten Nachmittag",
diff --git a/locales/en-US/chat.json b/locales/en-US/chat.json
index bc87f45892e..36a1f63c874 100644
--- a/locales/en-US/chat.json
+++ b/locales/en-US/chat.json
@@ -396,4 +396,4 @@
},
"you": "you",
"zenMode": "Zen Mode"
-}
+}
diff --git a/locales/en-US/common.json b/locales/en-US/common.json
index 79f118df1f4..afc44a060d5 100644
--- a/locales/en-US/common.json
+++ b/locales/en-US/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Batch Delete",
"blog": "Product Blog",
"branching": "Create Subtopic",
- "branchingDisable": "The 'Subtopic' feature is only available in the server version. If you need this feature, please switch to server deployment mode or use LobeChat Cloud.",
+ "branchingDisable": "The \"Sub-topic\" feature is unavailable in the current mode. To use this feature, please switch to Postgres/Pglite DB mode or use LobeHub Cloud.",
"branchingRequiresSavedTopic": "Current topic is not saved, please save it first to use subtopic feature",
"cancel": "Cancel",
"changelog": "Changelog",
diff --git a/locales/en-US/models.json b/locales/en-US/models.json
index 2b7de753736..1c1bde950ad 100644
--- a/locales/en-US/models.json
+++ b/locales/en-US/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet provides an ideal balance of intelligence and speed for enterprise workloads. It offers maximum utility at a lower price, reliable and suitable for large-scale deployment."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 is Anthropic's fastest and most intelligent Haiku model, offering lightning-fast speed and advanced reasoning capabilities."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 is Anthropic's latest and most powerful model designed for handling highly complex tasks. It demonstrates outstanding performance in intelligence, fluency, and comprehension."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash is an ultra-fast multimodal deep thinking model with TPOT inference speed as low as 10ms; it supports both text and visual understanding. Its text comprehension exceeds the previous lite generation, and its visual understanding rivals competitor pro series models. It supports a 256k context window and output lengths up to 16k tokens."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite is a new multimodal deep reasoning model with adjustable reasoning effort—Minimal, Low, Medium, and High. It offers exceptional cost-performance and is an ideal choice for common tasks, supporting context windows up to 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking features greatly enhanced thinking capabilities. Compared to Doubao-1.5-thinking-pro, it further improves foundational skills such as coding, math, and logical reasoning, and supports visual understanding. It supports a 256k context window and output lengths up to 16k tokens."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview possesses strong complex reasoning abilities, excelling in logical reasoning, mathematics, programming, and other fields."
},
- "glm4.6:355b": {
- "description": "GLM-4.6 (355B), the latest flagship model from Zhipu, delivers comprehensive improvements over its predecessor in advanced coding, long-text processing, reasoning, and agent capabilities. It is particularly aligned with Claude Sonnet 4 in programming performance, making it one of the top coding models in China."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash offers next-generation features and improvements, including exceptional speed, built-in tool usage, multimodal generation, and a 1 million token context window."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small is ideal for code generation, debugging, and refactoring tasks, offering minimal latency."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T is the first flagship non-thinking model in the 'Ling 2.0' series, featuring 1 trillion total parameters and approximately 50 billion active parameters per token. Built on the Ling 2.0 architecture, Ling-1T aims to push the boundaries of efficient reasoning and scalable cognition. Ling-1T-base is trained on over 20 trillion high-quality, reasoning-intensive tokens."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 is the third model in the Ling 2.0 architecture series released by Ant Group's Bailing team. It is a mixture-of-experts (MoE) model with a total of 100 billion parameters, but activates only 6.1 billion parameters per token (4.8 billion non-embedding). As a lightweight configuration model, Ling-flash-2.0 demonstrates performance comparable to or surpassing 40-billion-parameter dense models and larger MoE models across multiple authoritative benchmarks. The model aims to explore efficient pathways under the consensus that \"large models equal large parameters\" through extreme architectural design and training strategies."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 is a small-sized, high-performance large language model based on the MoE architecture. It has 16 billion total parameters but activates only 1.4 billion per token (789 million non-embedding), achieving extremely high generation speed. Thanks to the efficient MoE design and large-scale high-quality training data, despite activating only 1.4 billion parameters, Ling-mini-2.0 still delivers top-tier performance comparable to dense LLMs under 10 billion parameters and larger MoE models on downstream tasks."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T is a trillion-parameter open-source cognitive model released by the Bailing team. It is trained on the Ling 2.0 architecture and the Ling-1T-base model, with 1 trillion total parameters and 50 billion active parameters. It supports context windows up to 128K and is optimized through large-scale verifiable reward reinforcement learning."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 is a high-performance reasoning model deeply optimized based on Ling-flash-2.0-base. It employs a mixture-of-experts (MoE) architecture with a total of 100 billion parameters but activates only 6.1 billion parameters per inference. The model uses the proprietary icepop algorithm to solve the instability issues of MoE large models during reinforcement learning (RL) training, enabling continuous improvement of complex reasoning capabilities over long training cycles. Ring-flash-2.0 has achieved significant breakthroughs in challenging benchmarks such as math competitions, code generation, and logical reasoning. Its performance not only surpasses top dense models under 40 billion parameters but also rivals larger open-source MoE models and closed-source high-performance reasoning models. Although focused on complex reasoning, it also performs well in creative writing tasks. Additionally, thanks to its efficient architecture, Ring-flash-2.0 delivers strong performance with high-speed inference, significantly reducing deployment costs for reasoning models in high-concurrency scenarios."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "The Llama 3.3 instruction-tuned model is optimized for conversational scenarios, outperforming many existing open-source chat models on common industry benchmarks."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: A high-performance model in the Llama series, ideal for advanced reasoning, complex problem-solving, and instruction-following tasks."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: A high-performance Llama model optimized for scenarios requiring high throughput and low latency."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 is a next-generation model with significantly enhanced capabilities, achieving industry-leading levels in reasoning, general tasks, agent functionality, and multilingual support, while also supporting mode switching."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "The open-source version of the Tongyi Qianwen code model. The latest qwen3-coder-30b-a3b-instruct is a code generation model based on Qwen3, featuring powerful Coding Agent capabilities. It excels at tool usage and environment interaction, enabling autonomous programming with outstanding coding and general abilities."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Open-source version of Tongyi Qianwen's code model. The latest qwen3-coder-480b-a35b-instruct is a code generation model based on Qwen3, featuring powerful Coding Agent capabilities, proficient in tool invocation and environment interaction, enabling autonomous programming with excellent coding and general capabilities."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "A new generation of thinking mode open-source model based on Qwen3. Compared to the previous version (Tongyi Qianwen 3-235B-A22B-Thinking-2507), it features improved instruction-following capabilities and more concise model-generated summaries."
},
+ "qwen3-omni-flash": {
+ "description": "The Qwen-Omni model accepts multimodal input including text, images, audio, and video, and generates responses in text or speech. It offers a variety of human-like voice tones, supports multilingual and dialectal speech output, and is applicable to scenarios such as text creation, visual recognition, and voice assistants."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct is a multimodal model developed by Tongyi Qianwen, supporting visual understanding and reasoning."
+ "description": "Qwen3 VL 235B A22B Instruct Mode (non-thinking), designed for instruction-following scenarios without deep reasoning, while maintaining strong visual understanding capabilities."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking is a multimodal reasoning model from Tongyi Qianwen, designed for visual understanding and reasoning tasks."
+ "description": "Qwen3 VL 235B A22B Thinking Mode (open-source version), tailored for complex reasoning and long video understanding tasks, offering top-tier visual and textual reasoning performance."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B Instruct Mode (non-thinking), designed for general instruction-following scenarios, with strong multimodal understanding and generation capabilities."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "The open-source Qwen-VL model provides visual understanding and text generation capabilities. It supports agent interaction, visual encoding, spatial awareness, long video comprehension, and deep reasoning, with enhanced text recognition and multilingual support in complex scenarios."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B Instruct Mode (non-thinking), suitable for standard multimodal generation and recognition tasks."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B Thinking Mode, designed for lightweight multimodal reasoning and interaction scenarios, while retaining long-context understanding capabilities."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: a lightweight, high-speed inference version ideal for latency-sensitive or high-volume request scenarios."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL is a text generation model with visual (image) understanding capabilities. It can perform OCR (image text recognition) and further summarize and reason, such as extracting attributes from product photos or solving problems based on exercise images."
diff --git a/locales/en-US/plugin.json b/locales/en-US/plugin.json
index 27938187f55..7c2bb9d4952 100644
--- a/locales/en-US/plugin.json
+++ b/locales/en-US/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Installed",
"mcp": "MCP Plugins",
- "old": "LobeChat Plugins"
+ "old": "LobeHub Plugins"
},
"title": "Plugin Store"
},
diff --git a/locales/en-US/welcome.json b/locales/en-US/welcome.json
index 4748fb6b1b5..3f8f6e1e263 100644
--- a/locales/en-US/welcome.json
+++ b/locales/en-US/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Learn More",
- "title": "Frequently Asked Questions:"
+ "title": "Try asking:"
},
"welcome": {
"afternoon": "Good Afternoon",
diff --git a/locales/es-ES/chat.json b/locales/es-ES/chat.json
index 2cccac22b45..f7f32d02e6c 100644
--- a/locales/es-ES/chat.json
+++ b/locales/es-ES/chat.json
@@ -396,4 +396,4 @@
},
"you": "tú",
"zenMode": "Modo de concentración"
-}
+}
diff --git a/locales/es-ES/common.json b/locales/es-ES/common.json
index becb61297f1..dc658b925ac 100644
--- a/locales/es-ES/common.json
+++ b/locales/es-ES/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Eliminar en lote",
"blog": "Blog de productos",
"branching": "Crear subtemas",
- "branchingDisable": "La función de «subtemas» solo está disponible en la versión del servidor. Si necesita esta función, cambie al modo de implementación del servidor o utilice LobeChat Cloud.",
+ "branchingDisable": "La función de \"subtemas\" no está disponible en el modo actual. Para utilizar esta función, cambia al modo de base de datos Postgres/Pglite o utiliza LobeHub Cloud.",
"branchingRequiresSavedTopic": "El tema actual no está guardado, guárdalo para poder usar la función de subtemas",
"cancel": "Cancelar",
"changelog": "Registro de cambios",
diff --git a/locales/es-ES/models.json b/locales/es-ES/models.json
index 9e3b0c92e3f..5704e6e1c97 100644
--- a/locales/es-ES/models.json
+++ b/locales/es-ES/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet proporciona un equilibrio ideal entre inteligencia y velocidad para cargas de trabajo empresariales. Ofrece la máxima utilidad a un costo más bajo, siendo fiable y adecuado para implementaciones a gran escala."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 es el modelo Haiku más rápido e inteligente de Anthropic, con una velocidad relámpago y una capacidad de razonamiento ampliada."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 es el modelo más potente y reciente de Anthropic para manejar tareas altamente complejas. Sobresale en rendimiento, inteligencia, fluidez y comprensión."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash es un modelo multimodal de pensamiento profundo con velocidad de inferencia extrema, TPOT de solo 10 ms; soporta comprensión tanto textual como visual, con capacidad de comprensión textual superior a la generación lite anterior y comprensión visual comparable a los modelos pro de la competencia. Soporta una ventana de contexto de 256k y una longitud máxima de salida de 16k tokens."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite es un nuevo modelo multimodal de pensamiento profundo que permite ajustar el nivel de razonamiento (reasoning effort) en cuatro modos: Mínimo, Bajo, Medio y Alto. Ofrece una excelente relación calidad-precio y es la mejor opción para tareas comunes, con una ventana de contexto de hasta 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "El modelo Doubao-Seed-1.6-thinking tiene una capacidad de pensamiento significativamente mejorada. En comparación con Doubao-1.5-thinking-pro, mejora aún más en habilidades básicas como programación, matemáticas y razonamiento lógico, y soporta comprensión visual. Soporta una ventana de contexto de 256k y una longitud máxima de salida de 16k tokens."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview posee una poderosa capacidad de razonamiento complejo, destacándose en áreas como razonamiento lógico, matemáticas y programación."
},
- "glm4.6:355b": {
- "description": "El modelo insignia más reciente de Zhipu, GLM-4.6 (355B), supera ampliamente a su predecesor en codificación avanzada, procesamiento de textos largos, razonamiento y capacidades de agentes inteligentes. En particular, su habilidad para programar está a la par con Claude Sonnet 4, consolidándose como el modelo de codificación líder en China."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash ofrece funcionalidades de próxima generación y mejoras, incluyendo velocidad sobresaliente, uso integrado de herramientas, generación multimodal y una ventana de contexto de 1 millón de tokens."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small es la opción ideal para tareas de generación, depuración y refactorización de código, con latencia mínima."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T es el primer modelo insignia sin razonamiento de la serie \"Ling 2.0\", con un total de un billón de parámetros y aproximadamente 50 mil millones de parámetros activos por token. Construido sobre la arquitectura Ling 2.0, Ling-1T está diseñado para superar los límites del razonamiento eficiente y la cognición escalable. Ling-1T-base ha sido entrenado con más de 20 billones de tokens de alta calidad y con alta densidad de razonamiento."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 es el tercer modelo de la serie Ling 2.0 basado en la arquitectura MoE, lanzado por el equipo Bailing de Ant Group. Cuenta con 100 mil millones de parámetros totales, pero solo activa 6.1 mil millones por token (4.8 mil millones sin incluir embeddings). Como un modelo de configuración ligera, Ling-flash-2.0 demuestra en múltiples evaluaciones oficiales un rendimiento comparable o superior a modelos densos de 40 mil millones y a modelos MoE de mayor escala. Este modelo busca explorar caminos eficientes bajo el consenso de que un modelo grande equivale a muchos parámetros, mediante un diseño arquitectónico y estrategias de entrenamiento extremas."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 es un modelo de lenguaje grande de alto rendimiento y tamaño reducido basado en arquitectura MoE. Cuenta con 16 mil millones de parámetros totales, pero solo activa 1.4 mil millones por token (789 millones sin incluir embeddings), logrando una velocidad de generación muy alta. Gracias a un diseño MoE eficiente y a un entrenamiento masivo con datos de alta calidad, Ling-mini-2.0 ofrece un rendimiento de primer nivel en tareas downstream, comparable a modelos densos de menos de 10 mil millones y a modelos MoE de mayor escala."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T es un modelo de pensamiento de código abierto a escala de un billón de parámetros, lanzado por el equipo Bailing. Basado en la arquitectura Ling 2.0 y el modelo base Ling-1T, cuenta con un total de un billón de parámetros y 50 mil millones de parámetros activos, y admite una ventana de contexto de hasta 128K. El modelo ha sido optimizado mediante aprendizaje por refuerzo con recompensas verificables a gran escala."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 es un modelo de pensamiento de alto rendimiento profundamente optimizado basado en Ling-flash-2.0-base. Utiliza arquitectura MoE con 100 mil millones de parámetros totales, pero solo activa 6.1 mil millones en cada inferencia. Gracias al algoritmo innovador icepop, resuelve la inestabilidad de los grandes modelos MoE en entrenamiento por refuerzo (RL), mejorando continuamente su capacidad de razonamiento complejo en entrenamientos prolongados. Ring-flash-2.0 ha logrado avances significativos en competencias matemáticas, generación de código y razonamiento lógico, superando modelos densos de hasta 40 mil millones de parámetros y equiparándose a modelos MoE de mayor escala y modelos de pensamiento de alto rendimiento cerrados. Aunque está enfocado en razonamiento complejo, también destaca en tareas creativas de escritura. Además, su diseño eficiente permite un rendimiento rápido y reduce significativamente los costos de despliegue en escenarios de alta concurrencia."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "El modelo de instrucción Llama 3.3, optimizado para escenarios de diálogo, supera a muchos modelos de chat de código abierto existentes en pruebas de referencia comunes de la industria."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: un modelo de alto rendimiento de la serie Llama, ideal para razonamiento avanzado, resolución de problemas complejos y tareas de seguimiento de instrucciones."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: un modelo de alto rendimiento de la serie Llama, diseñado para escenarios que requieren alto rendimiento y baja latencia."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 es un modelo de nueva generación con capacidades significativamente mejoradas, alcanzando niveles líderes en la industria en razonamiento, generalidad, agentes y multilingüismo, y soporta el cambio de modo de pensamiento."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Versión de código abierto del modelo de codificación Tongyi Qianwen. El nuevo qwen3-coder-30b-a3b-instruct, basado en Qwen3, es un modelo de generación de código con potentes capacidades como Agente de Programación, especializado en llamadas a herramientas e interacción con entornos, capaz de programar de forma autónoma con habilidades de codificación sobresalientes y capacidades generales."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Versión de código abierto del modelo de código Tongyi Qianwen. El más reciente qwen3-coder-480b-a35b-instruct está basado en Qwen3, con fuertes capacidades de agente de codificación, experto en llamadas a herramientas e interacción con entornos, capaz de programación autónoma y con habilidades sobresalientes de código y capacidades generales."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Modelo de código abierto de nueva generación basado en Qwen3 en modo reflexivo, que mejora la capacidad de seguir instrucciones y ofrece respuestas más concisas en comparación con la versión anterior (Tongyi Qianwen 3-235B-A22B-Thinking-2507)."
},
+ "qwen3-omni-flash": {
+ "description": "El modelo Qwen-Omni puede recibir entradas combinadas de texto, imágenes, audio y video, y generar respuestas en forma de texto o voz. Ofrece múltiples voces humanizadas, admite salida de voz en varios idiomas y dialectos, y puede aplicarse en escenarios como creación de texto, reconocimiento visual y asistentes de voz."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct es un modelo multimodal desarrollado por Tongyi Qianwen, compatible con comprensión visual y razonamiento."
+ "description": "Qwen3 VL 235B A22B en modo sin razonamiento (Instruct), adecuado para escenarios de instrucciones sin razonamiento, manteniendo una potente capacidad de comprensión visual."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking es un modelo de razonamiento multimodal desarrollado por Tongyi Qianwen, compatible con comprensión visual y razonamiento."
+ "description": "Qwen3 VL 235B A22B en modo de razonamiento (versión de código abierto), diseñado para escenarios complejos que requieren razonamiento avanzado y comprensión de videos largos, ofreciendo capacidades de razonamiento visual + textual de primer nivel."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B en modo sin razonamiento (Instruct), orientado a escenarios comunes de seguimiento de instrucciones, manteniendo una alta capacidad de comprensión y generación multimodal."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (versión de código abierto) ofrece capacidades de comprensión visual y generación de texto, compatible con interacción de agentes, codificación visual, percepción espacial, comprensión de videos largos y pensamiento profundo, con un sólido reconocimiento de texto y soporte multilingüe en escenarios complejos."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B en modo sin razonamiento (Instruct), adecuado para tareas comunes de generación y reconocimiento multimodal."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B en modo de razonamiento, orientado a escenarios ligeros de razonamiento e interacción multimodal, manteniendo la capacidad de comprensión de contextos largos."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: versión ligera de inferencia rápida, ideal para escenarios sensibles a la latencia o con solicitudes en gran volumen."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL es un modelo generativo de texto con capacidad de comprensión visual (imágenes). No solo puede realizar OCR (reconocimiento de texto en imágenes), sino también resumir y razonar, por ejemplo, extrayendo atributos de fotos de productos o resolviendo problemas a partir de imágenes de ejercicios."
diff --git a/locales/es-ES/plugin.json b/locales/es-ES/plugin.json
index 030edcce74a..6592337fd27 100644
--- a/locales/es-ES/plugin.json
+++ b/locales/es-ES/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Instalados",
"mcp": "Plugins MCP",
- "old": "Plugins LobeChat"
+ "old": "Complementos de LobeHub"
},
"title": "Tienda de plugins"
},
diff --git a/locales/es-ES/welcome.json b/locales/es-ES/welcome.json
index 93810e85165..dfbdd7fa369 100644
--- a/locales/es-ES/welcome.json
+++ b/locales/es-ES/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Saber más",
- "title": "Preguntas frecuentes:"
+ "title": "Intenta preguntar:"
},
"welcome": {
"afternoon": "Buenas tardes",
diff --git a/locales/fa-IR/chat.json b/locales/fa-IR/chat.json
index 1f1b3157242..3c7ca942347 100644
--- a/locales/fa-IR/chat.json
+++ b/locales/fa-IR/chat.json
@@ -396,4 +396,4 @@
},
"you": "شما",
"zenMode": "حالت تمرکز"
-}
+}
diff --git a/locales/fa-IR/common.json b/locales/fa-IR/common.json
index 1b062081c92..cf733b769ea 100644
--- a/locales/fa-IR/common.json
+++ b/locales/fa-IR/common.json
@@ -31,7 +31,7 @@
"batchDelete": "حذف دستهای",
"blog": "وبلاگ محصولات",
"branching": "ایجاد زیرموضوع",
- "branchingDisable": "ویژگی «زیرموضوع» تنها در نسخه سرور قابل استفاده است، اگر به این ویژگی نیاز دارید، لطفاً به حالت استقرار سرور تغییر دهید یا از LobeChat Cloud استفاده کنید.",
+ "branchingDisable": "ویژگی «زیرموضوع» در حالت فعلی در دسترس نیست. برای استفاده از این ویژگی، لطفاً به حالت پایگاه داده Postgres/Pglite تغییر دهید یا از LobeHub Cloud استفاده کنید.",
"branchingRequiresSavedTopic": "موضوع فعلی ذخیره نشده است، پس از ذخیره میتوانید از قابلیت زیرموضوع استفاده کنید",
"cancel": "لغو",
"changelog": "تغییرات",
diff --git a/locales/fa-IR/models.json b/locales/fa-IR/models.json
index f7ec0f0cbc6..0df2b745404 100644
--- a/locales/fa-IR/models.json
+++ b/locales/fa-IR/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet تعادلی ایدهآل بین هوش و سرعت برای بارهای کاری سازمانی فراهم میکند. این محصول با قیمتی پایینتر حداکثر بهرهوری را ارائه میدهد، قابل اعتماد است و برای استقرار در مقیاس بزرگ مناسب میباشد."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 سریعترین و هوشمندترین مدل Haiku از Anthropic است که با سرعتی برقآسا و توانایی تفکر گسترشیافته ارائه میشود."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 جدیدترین و قدرتمندترین مدل Anthropic برای انجام وظایف بسیار پیچیده است. این مدل در عملکرد، هوشمندی، روانی و درک توانایی برجستهای دارد."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "مدل تفکر عمیق چندرسانهای Doubao-Seed-1.6-flash با سرعت استنتاج بسیار بالا، TPOT تنها ۱۰ میلیثانیه است؛ همچنین از درک متن و تصویر پشتیبانی میکند، توانایی درک متنی آن از نسل قبلی lite بهتر است و درک تصویری آن با مدلهای pro رقبا برابری میکند. از پنجره متنی ۲۵۶ هزار توکنی پشتیبانی میکند و طول خروجی تا ۱۶ هزار توکن را امکانپذیر میسازد."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite یک مدل چندرسانهای جدید با قابلیت تفکر عمیق است که از تنظیم سطح تلاش استدلال (reasoning effort) در چهار حالت Minimal، Low، Medium و High پشتیبانی میکند. این مدل با بهرهوری بالا، انتخابی ایدهآل برای وظایف رایج است و از پنجره متنی تا ۲۵۶ هزار توکن پشتیبانی میکند."
+ },
"doubao-seed-1.6-thinking": {
"description": "مدل Doubao-Seed-1.6-thinking با توانایی تفکر بهطور قابل توجهی تقویت شده است، نسبت به Doubao-1.5-thinking-pro در مهارتهای پایهای مانند برنامهنویسی، ریاضیات و استدلال منطقی پیشرفت داشته و از درک تصویری پشتیبانی میکند. از پنجره متنی ۲۵۶ هزار توکنی پشتیبانی میکند و طول خروجی تا ۱۶ هزار توکن را امکانپذیر میسازد."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview دارای تواناییهای پیچیده استدلال است و در زمینههای استدلال منطقی، ریاضیات، برنامهنویسی و غیره عملکرد عالی دارد."
},
- "glm4.6:355b": {
- "description": "جدیدترین مدل پرچمدار Zhipu، GLM-4.6 (355B)، در زمینههای برنامهنویسی پیشرفته، پردازش متون طولانی، استدلال و تواناییهای عامل هوشمند، بهطور کامل از نسل قبلی پیشی گرفته است. بهویژه در توانایی کدنویسی با Claude Sonnet 4 همتراز شده و به یکی از برترین مدلهای کدنویسی در داخل کشور تبدیل شده است."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash ویژگیها و قابلیتهای نسل بعدی را ارائه میدهد، از جمله سرعت عالی، استفاده داخلی از ابزارها، تولید چندرسانهای و پنجره زمینه 1 میلیون توکن."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small انتخاب ایدهآل برای تولید، اشکالزدایی و بازسازی کد با کمترین تأخیر است."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T نخستین مدل پرچمدار از سری «灵 2.0» است که در دسته مدلهای non-thinking قرار دارد. این مدل دارای یک تریلیون پارامتر کلی و حدود ۵۰ میلیارد پارامتر فعال به ازای هر توکن است. بر پایه معماری 灵 2.0 ساخته شده و هدف آن شکستن مرزهای استدلال کارآمد و شناخت مقیاسپذیر است. Ling-1T-base با بیش از ۲۰ تریلیون توکن با کیفیت بالا و متمرکز بر استدلال آموزش دیده است."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 سومین مدل از سری معماری Ling 2.0 است که توسط تیم Bailing شرکت Ant Group منتشر شده است. این مدل یک مدل متخصص ترکیبی (MoE) با ۱۰۰ میلیارد پارامتر کل است که در هر توکن تنها ۶.۱ میلیارد پارامتر فعال میشوند (۴.۸ میلیارد غیر بردار کلمه). به عنوان یک مدل با پیکربندی سبک، Ling-flash-2.0 در چندین ارزیابی معتبر عملکردی برابر یا حتی فراتر از مدلهای متراکم ۴۰ میلیارد پارامتری و مدلهای MoE بزرگتر نشان داده است. هدف این مدل کشف مسیرهای کارآمد در چارچوب «مدل بزرگ برابر است با پارامتر بزرگ» از طریق طراحی معماری و استراتژیهای آموزش بهینه است."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 یک مدل زبان بزرگ کوچکحجم و با عملکرد بالا مبتنی بر معماری MoE است. این مدل دارای ۱۶ میلیارد پارامتر کل است اما در هر توکن تنها ۱.۴ میلیارد پارامتر فعال میشوند (۷۸۹ میلیون غیر بردار کلمه)، که سرعت تولید بسیار بالایی را فراهم میکند. به لطف طراحی کارآمد MoE و دادههای آموزشی بزرگ و با کیفیت، با وجود فعال بودن تنها ۱.۴ میلیارد پارامتر، Ling-mini-2.0 در وظایف پاییندستی عملکردی در سطح مدلهای متراکم زیر ۱۰ میلیارد و مدلهای MoE بزرگتر ارائه میدهد."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T یک مدل متنباز با مقیاس تریلیونی است که توسط تیم Bailing توسعه یافته است. این مدل بر پایه معماری Ling 2.0 و مدل پایه Ling-1T-base آموزش دیده و دارای یک تریلیون پارامتر کلی و ۵۰ میلیارد پارامتر فعال است. همچنین از پنجره متنی تا ۱۲۸ هزار توکن پشتیبانی میکند و با استفاده از یادگیری تقویتی مبتنی بر پاداشهای قابل تأیید در مقیاس وسیع بهینهسازی شده است."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 مدلی با عملکرد بالا برای تفکر است که بر پایه Ling-flash-2.0-base بهینهسازی عمیق شده است. این مدل از معماری متخصص ترکیبی (MoE) با ۱۰۰ میلیارد پارامتر کل بهره میبرد اما در هر استنتاج تنها ۶.۱ میلیارد پارامتر فعال میشوند. این مدل با الگوریتم ابتکاری icepop مشکل ناپایداری مدلهای بزرگ MoE در آموزش تقویتی (RL) را حل کرده و توانایی استنتاج پیچیده آن در طول آموزشهای بلندمدت بهبود مییابد. Ring-flash-2.0 در مسابقات ریاضی، تولید کد و استدلال منطقی در چندین بنچمارک دشوار پیشرفت قابل توجهی داشته است و عملکرد آن نه تنها از مدلهای متراکم برتر زیر ۴۰ میلیارد پارامتر فراتر رفته، بلکه با مدلهای MoE متنباز بزرگتر و مدلهای تفکر با عملکرد بالا و بسته رقابت میکند. اگرچه این مدل بر استنتاج پیچیده تمرکز دارد، در وظایف خلاقانه نوشتاری نیز عملکرد خوبی دارد. علاوه بر این، به لطف طراحی معماری کارآمد، Ring-flash-2.0 ضمن ارائه عملکرد قدرتمند، استنتاج سریع را ممکن ساخته و هزینه استقرار مدلهای تفکر در شرایط بار بالا را به طور قابل توجهی کاهش میدهد."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "مدل آموزشی لاما ۳.۳ برای صحنههای گفتوگو بهینهسازی شده است و در معیارهای صنعتی معمول، بسیاری از مدلهای چت منبع باز موجود را در برمیآید."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: مدلی قدرتمند از سری Llama، مناسب برای استدلال پیشرفته، حل مسائل پیچیده و پیروی از دستورات."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: مدلی قدرتمند از سری Llama، مناسب برای سناریوهایی با نیاز به بازدهی بالا و تأخیر پایین."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 یک مدل جدید نسل جدید با تواناییهای به طور قابل توجهی بهبود یافته است که در استدلال، عمومی، نمایندگی و چند زبانه در چندین توانایی کلیدی به سطح پیشرفته صنعت دست یافته و از جابجایی حالت تفکر پشتیبانی میکند."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "نسخه متنباز مدل کدنویسی Qwen. مدل جدید qwen3-coder-30b-a3b-instruct بر پایه Qwen3 ساخته شده و دارای تواناییهای قدرتمند در نقش عامل کدنویس (Coding Agent) است. این مدل در فراخوانی ابزارها و تعامل با محیط مهارت دارد و ضمن حفظ تواناییهای عمومی، قابلیت برنامهنویسی خودکار و تولید کد پیشرفته را ارائه میدهد."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "نسخه متنباز مدل کدنویسی Tongyi Qianwen. جدیدترین مدل qwen3-coder-480b-a35b-instruct مبتنی بر Qwen3 است و دارای تواناییهای قوی عامل کدنویسی، مهارت در فراخوانی ابزارها و تعامل با محیط است و قادر به برنامهنویسی خودکار با توانایی کدنویسی برجسته و همچنین تواناییهای عمومی است."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "مدل متنباز نسل جدید با حالت تفکر مبتنی بر Qwen3، که نسبت به نسخه قبلی (Tongyi Qianwen 3-235B-A22B-Thinking-2507) در پیروی از دستورات پیشرفت داشته و پاسخهای مدل خلاصهتر شدهاند."
},
+ "qwen3-omni-flash": {
+ "description": "مدل Qwen-Omni قادر است ورودیهایی از انواع مختلف مانند متن، تصویر، صدا و ویدیو را دریافت کرده و پاسخهایی به صورت متن یا گفتار تولید کند. این مدل از صداهای شبهانسانی متنوع، چندزبانگی و گویشهای مختلف پشتیبانی میکند و در کاربردهایی مانند تولید محتوا، تشخیص بصری و دستیار صوتی قابل استفاده است."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct یک مدل چندرسانهای است که توسط Tongyi Qianwen توسعه یافته و از درک و استدلال بصری پشتیبانی میکند."
+ "description": "Qwen3 VL 235B A22B در حالت غیرتفکری (Instruct) طراحی شده و برای سناریوهای دستورالعملی بدون نیاز به استدلال مناسب است، در حالی که توانایی قوی در درک بصری را حفظ میکند."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking یک مدل چندرسانهای استدلالی است که توسط Tongyi Qianwen توسعه یافته و از درک و استدلال بصری پشتیبانی میکند."
+ "description": "Qwen3 VL 235B A22B در حالت تفکری (نسخه متنباز) برای سناریوهای پیچیده با نیاز به استدلال قوی و درک ویدیوهای طولانی طراحی شده و توانایی استدلال ترکیبی متن و تصویر در سطح بالا را ارائه میدهد."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B در حالت غیرتفکری (Instruct) برای سناریوهای معمول پیروی از دستورالعمل طراحی شده و توانایی درک و تولید چندرسانهای بالایی را حفظ میکند."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (نسخه متنباز) توانایی درک بصری و تولید متن را ارائه میدهد و از تعامل با عاملها، رمزگذاری بصری، درک فضایی، تحلیل ویدیوهای طولانی و تفکر عمیق پشتیبانی میکند. همچنین در سناریوهای پیچیده، توانایی تشخیص متن و پشتیبانی چندزبانه قویتری دارد."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B در حالت غیرتفکری (Instruct) برای وظایف معمول تولید و شناسایی چندرسانهای مناسب است."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B در حالت تفکری برای سناریوهای سبک استدلال چندرسانهای و تعامل طراحی شده و توانایی درک متون با زمینه طولانی را حفظ میکند."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash نسخهای سبک و با سرعت بالای استدلال است که برای سناریوهای حساس به تأخیر یا درخواستهای حجیم مناسب میباشد."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL مدلی برای تولید متن با قابلیت درک بصری (تصویر) است که نه تنها میتواند OCR (تشخیص متن در تصویر) انجام دهد، بلکه قادر به خلاصهسازی و استنتاج بیشتر نیز هست، مانند استخراج ویژگیها از عکس محصولات یا حل مسائل بر اساس تصاویر تمرین."
diff --git a/locales/fa-IR/plugin.json b/locales/fa-IR/plugin.json
index 31f2687bb14..ee6c2b048f7 100644
--- a/locales/fa-IR/plugin.json
+++ b/locales/fa-IR/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "نصب شده",
"mcp": "افزونه MCP",
- "old": "افزونه LobeChat"
+ "old": "افزونههای LobeHub"
},
"title": "فروشگاه افزونه"
},
diff --git a/locales/fa-IR/welcome.json b/locales/fa-IR/welcome.json
index ab5d1adbc21..dad2ebff6c8 100644
--- a/locales/fa-IR/welcome.json
+++ b/locales/fa-IR/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "بیشتر بدانید",
- "title": "سوالات متداول:"
+ "title": "سعی کن بپرسی:"
},
"welcome": {
"afternoon": "عصر بخیر",
diff --git a/locales/fr-FR/chat.json b/locales/fr-FR/chat.json
index 7a6df840783..8a42a032606 100644
--- a/locales/fr-FR/chat.json
+++ b/locales/fr-FR/chat.json
@@ -396,4 +396,4 @@
},
"you": "vous",
"zenMode": "Mode de concentration"
-}
+}
diff --git a/locales/fr-FR/common.json b/locales/fr-FR/common.json
index b7eaeeeeab8..76f20d0e902 100644
--- a/locales/fr-FR/common.json
+++ b/locales/fr-FR/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Suppression en masse",
"blog": "Blog des produits",
"branching": "Créer un sous-sujet",
- "branchingDisable": "La fonction « sous-sujet » n'est disponible que dans la version serveur. Si vous avez besoin de cette fonctionnalité, veuillez passer en mode de déploiement serveur ou utiliser LobeChat Cloud.",
+ "branchingDisable": "La fonction « Sous-sujets » n’est pas disponible dans le mode actuel. Pour l’utiliser, veuillez passer en mode base de données Postgres/Pglite ou utiliser LobeHub Cloud.",
"branchingRequiresSavedTopic": "Le sujet actuel n'est pas enregistré, veuillez enregistrer avant d'utiliser la fonction de sous-sujet",
"cancel": "Annuler",
"changelog": "Journal des modifications",
diff --git a/locales/fr-FR/models.json b/locales/fr-FR/models.json
index 570a3052208..0292f9a9f0d 100644
--- a/locales/fr-FR/models.json
+++ b/locales/fr-FR/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet offre un équilibre idéal entre intelligence et vitesse pour les charges de travail d'entreprise. Il fournit une utilité maximale à un coût inférieur, fiable et adapté à un déploiement à grande échelle."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 est le modèle Haiku le plus rapide et le plus intelligent d'Anthropic, offrant une vitesse fulgurante et des capacités de raisonnement étendues."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 est le modèle le plus puissant d'Anthropic pour traiter des tâches hautement complexes. Il se distingue par ses performances, son intelligence, sa fluidité et sa capacité de compréhension exceptionnelles."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash est un modèle multimodal de réflexion profonde à vitesse d'inférence extrême, avec un TPOT de seulement 10 ms ; il supporte à la fois la compréhension textuelle et visuelle, avec une capacité de compréhension textuelle supérieure à la génération lite précédente, et une compréhension visuelle comparable aux modèles pro des concurrents. Il prend en charge une fenêtre contextuelle de 256k et une longueur de sortie maximale de 16k tokens."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite est un tout nouveau modèle multimodal de raisonnement profond, avec un effort de raisonnement ajustable (Minimal, Faible, Moyen, Élevé). Il offre un excellent rapport qualité-prix et constitue le meilleur choix pour les tâches courantes, avec une fenêtre de contexte allant jusqu'à 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Le modèle Doubao-Seed-1.6-thinking a une capacité de réflexion considérablement renforcée. Par rapport à Doubao-1.5-thinking-pro, il améliore davantage les compétences fondamentales telles que le codage, les mathématiques et le raisonnement logique, tout en supportant la compréhension visuelle. Il prend en charge une fenêtre contextuelle de 256k et une longueur de sortie maximale de 16k tokens."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview possède de puissantes capacités de raisonnement complexe, se distinguant dans les domaines du raisonnement logique, des mathématiques et de la programmation."
},
- "glm4.6:355b": {
- "description": "Le tout dernier modèle phare de Zhipu, le GLM-4.6 (355B), surpasse largement ses prédécesseurs en matière de codage avancé, de traitement de longs textes, de raisonnement et de capacités d'agents intelligents. Il est particulièrement performant en programmation, atteignant le niveau de Claude Sonnet 4, ce qui en fait l’un des meilleurs modèles de codage en Chine."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash offre des fonctionnalités de nouvelle génération et des améliorations, incluant une vitesse exceptionnelle, l'utilisation d'outils intégrés, la génération multimodale et une fenêtre de contexte de 1 million de tokens."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small est idéal pour les tâches de génération, débogage et refactorisation de code, avec une latence minimale."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T est le premier modèle phare de la série \"Ling 2.0\", un modèle non-réfléchissant doté de 1 000 milliards de paramètres totaux et environ 50 milliards de paramètres actifs par token. Construit sur l'architecture Ling 2.0, Ling-1T vise à repousser les limites du raisonnement efficace et de la cognition évolutive. Ling-1T-base a été entraîné sur plus de 20 000 milliards de tokens de haute qualité et riches en raisonnement."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 est le troisième modèle de la série d'architectures Ling 2.0 publié par l'équipe Bailing du groupe Ant. C'est un modèle d'experts mixtes (MoE) avec un total de 100 milliards de paramètres, mais n'activant que 6,1 milliards de paramètres par token (dont 4,8 milliards hors embeddings). En tant que modèle léger, Ling-flash-2.0 affiche des performances comparables voire supérieures à celles des modèles denses de 40 milliards de paramètres et des modèles MoE de plus grande taille dans plusieurs évaluations de référence reconnues. Ce modèle vise à explorer des voies d'efficacité sous le consensus « grand modèle = grand nombre de paramètres » grâce à une conception d'architecture et des stratégies d'entraînement optimales."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 est un modèle de langage de grande taille compact et performant basé sur l'architecture MoE. Il possède 16 milliards de paramètres au total, mais n'active que 1,4 milliard par token (789 millions hors embeddings), permettant une vitesse de génération très élevée. Grâce à une conception MoE efficace et à un entraînement massif sur des données de haute qualité, Ling-mini-2.0 offre des performances de pointe sur les tâches en aval, comparables à celles des modèles denses de moins de 10 milliards de paramètres et des modèles MoE plus grands."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T est un modèle open source à l’échelle du billion de paramètres, développé par l’équipe Bailing. Il est basé sur l’architecture Ling 2.0 et le modèle de base Ling-1T, avec un total de 1 000 milliards de paramètres et 50 milliards de paramètres actifs. Il prend en charge une fenêtre de contexte allant jusqu’à 128K et a été optimisé via un apprentissage par renforcement avec récompenses vérifiables à grande échelle."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 est un modèle de réflexion haute performance profondément optimisé à partir de Ling-flash-2.0-base. Il utilise une architecture d'experts mixtes (MoE) avec un total de 100 milliards de paramètres, mais n'active que 6,1 milliards de paramètres à chaque inférence. Ce modèle résout, grâce à l'algorithme innovant icepop, l'instabilité des grands modèles MoE lors de l'entraînement par apprentissage par renforcement (RL), permettant une amélioration continue des capacités de raisonnement complexe sur de longues périodes d'entraînement. Ring-flash-2.0 a réalisé des avancées significatives dans plusieurs benchmarks difficiles tels que les compétitions mathématiques, la génération de code et le raisonnement logique. Ses performances surpassent non seulement les meilleurs modèles denses de moins de 40 milliards de paramètres, mais rivalisent aussi avec des modèles MoE open source plus grands et des modèles de réflexion propriétaires haute performance. Bien que focalisé sur le raisonnement complexe, il excelle également dans les tâches de création littéraire. De plus, grâce à sa conception efficace, Ring-flash-2.0 offre des performances puissantes tout en assurant une inférence rapide, réduisant considérablement les coûts de déploiement dans des scénarios à forte concurrence."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Le modèle d'instructions affiné Llama 3.3 est optimisé pour les scénarios de dialogue, surpassant de nombreux modèles de chat open source existants dans les tests de référence courants de l'industrie."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick : un modèle haute performance de la série Llama, idéal pour le raisonnement avancé, la résolution de problèmes complexes et les tâches de suivi d'instructions."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout : un modèle haute performance de la série Llama, conçu pour les scénarios nécessitant un haut débit et une faible latence."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 est un modèle de nouvelle génération avec des capacités considérablement améliorées, atteignant des niveaux de pointe dans plusieurs compétences clés telles que le raisonnement, l'universalité, l'agent et le multilingue, tout en prenant en charge le changement de mode de pensée."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Version open source du modèle de génération de code Qwen. Le dernier qwen3-coder-30b-a3b-instruct, basé sur Qwen3, est un modèle puissant de génération de code doté de capacités avancées d’agent de codage. Il excelle dans l’appel d’outils et l’interaction avec l’environnement, permettant une programmation autonome tout en conservant des compétences générales solides."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Version open source du modèle de code Tongyi Qianwen. Le dernier qwen3-coder-480b-a35b-instruct est un modèle de génération de code basé sur Qwen3, doté de puissantes capacités d'agent de codage, expert en appels d'outils et interactions environnementales, capable de programmation autonome avec d'excellentes compétences en code tout en conservant des capacités générales."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Modèle open source de nouvelle génération en mode réflexif basé sur Qwen3, avec une meilleure conformité aux instructions et des réponses plus concises dans les résumés par rapport à la version précédente (Tongyi Qianwen 3-235B-A22B-Thinking-2507)."
},
+ "qwen3-omni-flash": {
+ "description": "Le modèle Qwen-Omni accepte des entrées combinées de texte, image, audio et vidéo, et génère des réponses sous forme de texte ou de voix. Il propose plusieurs voix synthétiques réalistes, prend en charge plusieurs langues et dialectes, et peut être utilisé dans des scénarios tels que la création de contenu, la reconnaissance visuelle et les assistants vocaux."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct est un modèle multimodal lancé par Tongyi Qianwen, prenant en charge la compréhension et le raisonnement visuels."
+ "description": "Qwen3 VL 235B A22B en mode non-réfléchissant (Instruct), conçu pour les scénarios d'instructions simples tout en conservant de puissantes capacités de compréhension visuelle."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking est un modèle de raisonnement multimodal lancé par Tongyi Qianwen, prenant en charge la compréhension et le raisonnement visuels."
+ "description": "Qwen3 VL 235B A22B en mode réfléchi (version open source), offre des capacités de raisonnement visuel et textuel de pointe pour les scénarios complexes nécessitant une compréhension approfondie et un raisonnement sur de longues vidéos."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B en mode non-réfléchissant (Instruct), adapté aux scénarios d'instructions générales, avec de solides capacités de compréhension et de génération multimodales."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (version open source) offre des capacités de compréhension visuelle et de génération de texte, prenant en charge l’interaction avec des agents, l’encodage visuel, la perception spatiale, la compréhension de longues vidéos et le raisonnement approfondi. Il excelle également dans la reconnaissance de texte complexe et le support multilingue dans des contextes complexes."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B en mode non-réfléchissant (Instruct), idéal pour les tâches courantes de génération et de reconnaissance multimodales."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B en mode réfléchi, conçu pour des scénarios légers de raisonnement et d’interaction multimodale, tout en conservant une bonne compréhension des longs contextes."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash : version allégée à inférence rapide, idéale pour les scénarios sensibles à la latence ou les requêtes en grand volume."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL est un modèle de génération de texte doté de capacités de compréhension visuelle (images). Il peut non seulement effectuer de l'OCR (reconnaissance de texte sur images), mais aussi résumer et raisonner davantage, par exemple extraire des attributs à partir de photos de produits ou résoudre des exercices à partir d'images."
diff --git a/locales/fr-FR/plugin.json b/locales/fr-FR/plugin.json
index 1a89ea45df1..77cfb00efe2 100644
--- a/locales/fr-FR/plugin.json
+++ b/locales/fr-FR/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Installé",
"mcp": "Plugin MCP",
- "old": "Plugin LobeChat"
+ "old": "Extensions LobeHub"
},
"title": "Magasin de plugins"
},
diff --git a/locales/fr-FR/welcome.json b/locales/fr-FR/welcome.json
index e392c5dd571..a608a602791 100644
--- a/locales/fr-FR/welcome.json
+++ b/locales/fr-FR/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "En savoir plus",
- "title": "Questions fréquentes :"
+ "title": "Essayez de demander :"
},
"welcome": {
"afternoon": "Bon après-midi",
diff --git a/locales/it-IT/chat.json b/locales/it-IT/chat.json
index 2f6f2cca859..f4cb18a4e75 100644
--- a/locales/it-IT/chat.json
+++ b/locales/it-IT/chat.json
@@ -396,4 +396,4 @@
},
"you": "tu",
"zenMode": "Modalità di concentrazione"
-}
+}
diff --git a/locales/it-IT/common.json b/locales/it-IT/common.json
index b54f8a9e658..5957434d894 100644
--- a/locales/it-IT/common.json
+++ b/locales/it-IT/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Elimina in batch",
"blog": "Blog sui prodotti",
"branching": "Crea un sottotema",
- "branchingDisable": "La funzione «sottotema» è disponibile solo nella versione server. Se desideri utilizzare questa funzione, passa alla modalità di distribuzione server o utilizza LobeChat Cloud.",
+ "branchingDisable": "La funzione \"Sotto-argomenti\" non è disponibile nella modalità attuale. Per utilizzarla, passa alla modalità Postgres/Pglite DB oppure utilizza LobeHub Cloud.",
"branchingRequiresSavedTopic": "L'argomento corrente non è salvato, è necessario salvarlo prima di poter utilizzare la funzione di sottoargomento",
"cancel": "Annulla",
"changelog": "Registro modifiche",
diff --git a/locales/it-IT/models.json b/locales/it-IT/models.json
index 40c7a75ce82..586d69192b7 100644
--- a/locales/it-IT/models.json
+++ b/locales/it-IT/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet offre un equilibrio ideale tra intelligenza e velocità per i carichi di lavoro aziendali. Fornisce la massima utilità a un prezzo inferiore, affidabile e adatto per distribuzioni su larga scala."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 è il modello Haiku più veloce e intelligente di Anthropic, con una velocità fulminea e una notevole capacità di ragionamento esteso."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 è l'ultimo e più potente modello di Anthropic per la gestione di compiti altamente complessi. Si distingue per prestazioni, intelligenza, fluidità e capacità di comprensione eccezionali."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash è un modello multimodale di pensiero profondo con velocità di inferenza estrema, con TPOT di soli 10 ms; supporta sia la comprensione testuale che visiva, con capacità di comprensione testuale superiore alla generazione lite precedente e comprensione visiva paragonabile ai modelli pro della concorrenza. Supporta una finestra contestuale di 256k e una lunghezza massima di output di 16k token."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite è un nuovo modello multimodale di pensiero profondo, con supporto per livelli regolabili di sforzo di ragionamento (Minimal, Low, Medium, High). Offre un eccellente rapporto qualità-prezzo ed è la scelta ideale per compiti comuni, con una finestra contestuale fino a 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Il modello Doubao-Seed-1.6-thinking ha capacità di pensiero notevolmente potenziate; rispetto a Doubao-1.5-thinking-pro, migliora ulteriormente le capacità di base come coding, matematica e ragionamento logico, supportando anche la comprensione visiva. Supporta una finestra contestuale di 256k e una lunghezza massima di output di 16k token."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview possiede potenti capacità di ragionamento complesso, eccellendo nei campi del ragionamento logico, della matematica e della programmazione."
},
- "glm4.6:355b": {
- "description": "Il nuovo modello di punta di Zhipu, GLM-4.6 (355B), supera ampiamente la generazione precedente in codifica avanzata, elaborazione di testi lunghi, capacità di ragionamento e agenti intelligenti. In particolare, le sue prestazioni nella programmazione sono allineate a Claude Sonnet 4, rendendolo uno dei migliori modelli di coding in Cina."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash offre funzionalità di nuova generazione e miglioramenti, inclusa velocità eccezionale, uso integrato di strumenti, generazione multimodale e una finestra di contesto di 1 milione di token."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small è la scelta ideale per compiti di generazione, debug e refactoring di codice, con latenza minima."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T è il primo modello di punta della serie \"Ling 2.0\" non orientato al pensiero, con un totale di 1 trilione di parametri e circa 50 miliardi di parametri attivi per token. Costruito sull'architettura Ling 2.0, Ling-1T mira a superare i limiti del ragionamento efficiente e della cognizione scalabile. Ling-1T-base è stato addestrato su oltre 20 trilioni di token di alta qualità e ad alta intensità di ragionamento."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 è il terzo modello della serie basata sull'architettura Ling 2.0 rilasciato dal team Bailing di Ant Group. È un modello di esperti misti (MoE) con un totale di 100 miliardi di parametri, ma attiva solo 6,1 miliardi di parametri per token (4,8 miliardi non embedding). Come modello leggero, Ling-flash-2.0 dimostra prestazioni paragonabili o superiori a modelli densi da 40 miliardi e a modelli MoE di scala maggiore in molte valutazioni autorevoli. Il modello esplora un percorso efficiente attraverso un design architetturale e strategie di addestramento estreme, sfidando il consenso che “modello grande equivale a molti parametri”."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 è un modello di linguaggio di grandi dimensioni ad alte prestazioni e dimensioni ridotte basato sull'architettura MoE. Ha 16 miliardi di parametri totali, ma attiva solo 1,4 miliardi per token (789 milioni non embedding), raggiungendo così velocità di generazione molto elevate. Grazie al design efficiente MoE e a dati di addestramento di grande scala e alta qualità, Ling-mini-2.0 mostra prestazioni di punta in compiti downstream, comparabili a modelli densi sotto i 10 miliardi e a modelli MoE di scala maggiore."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T è un modello open source su scala trilionaria sviluppato dal team Bailing. Basato sull'architettura Ling 2.0 e sul modello di base Ling-1T, possiede 1 trilione di parametri totali e 50 miliardi di parametri attivi, con supporto per finestre contestuali fino a 128K. Il modello è ottimizzato tramite apprendimento per rinforzo con ricompense verificabili su larga scala."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 è un modello di pensiero ad alte prestazioni profondamente ottimizzato basato su Ling-flash-2.0-base. Utilizza un'architettura di esperti misti (MoE) con 100 miliardi di parametri totali, ma attiva solo 6,1 miliardi di parametri per inferenza. Il modello risolve l'instabilità dell'addestramento RL nei grandi modelli MoE grazie all'algoritmo innovativo icepop, migliorando continuamente le capacità di ragionamento complesso durante l'addestramento a lungo termine. Ring-flash-2.0 ha raggiunto risultati significativi in competizioni matematiche, generazione di codice e ragionamento logico, superando modelli densi di punta sotto i 40 miliardi di parametri e competendo con modelli MoE open source di scala maggiore e modelli di pensiero ad alte prestazioni closed source. Pur focalizzato sul ragionamento complesso, eccelle anche in compiti di scrittura creativa. Inoltre, grazie al design architetturale efficiente, Ring-flash-2.0 offre prestazioni elevate con inferenza veloce, riducendo significativamente i costi di deployment in scenari ad alta concorrenza."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Il modello Llama 3.3 per l'addestramento di istruzioni è stato ottimizzato per scenari di conversazione, superando molti modelli di chat open source esistenti nelle comuni benchmark settoriali."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: un modello ad alte prestazioni della serie Llama, ideale per ragionamento avanzato, risoluzione di problemi complessi e compiti di esecuzione di istruzioni."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: un modello ad alte prestazioni della serie Llama, adatto a scenari che richiedono elevato throughput e bassa latenza."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Versione open source del modello di codifica Tongyi Qianwen. Il nuovo qwen3-coder-30b-a3b-instruct, basato su Qwen3, è un modello di generazione di codice con potenti capacità da Coding Agent, eccellente nell'uso di strumenti e interazione con ambienti, in grado di programmare autonomamente con elevate competenze generali."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Versione open source del modello di codice Tongyi Qianwen. L'ultimo qwen3-coder-480b-a35b-instruct è un modello di generazione codice basato su Qwen3, con potenti capacità di Coding Agent, esperto nell'uso di strumenti e interazione ambientale, capace di programmazione autonoma con eccellenti capacità di codice e capacità generali."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Modello open source di nuova generazione basato su Qwen3 in modalità riflessiva, con migliorata capacità di seguire le istruzioni rispetto alla versione precedente (Tongyi Qianwen 3-235B-A22B-Thinking-2507) e risposte di sintesi più concise."
},
+ "qwen3-omni-flash": {
+ "description": "Il modello Qwen-Omni accetta input multimodali combinati come testo, immagini, audio e video, generando risposte in forma testuale o vocale. Offre voci sintetiche realistiche, supporta più lingue e dialetti, ed è adatto a scenari come creazione di contenuti, riconoscimento visivo e assistenti vocali."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct è un modello multimodale sviluppato da Tongyi Qianwen, che supporta la comprensione visiva e il ragionamento."
+ "description": "Qwen3 VL 235B A22B in modalità non pensante (Instruct), ideale per scenari di istruzioni semplici, mantenendo una forte capacità di comprensione visiva."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking è un modello di ragionamento multimodale sviluppato da Tongyi Qianwen, che supporta la comprensione visiva e il ragionamento."
+ "description": "Qwen3 VL 235B A22B in modalità pensante (versione open source), progettato per scenari complessi che richiedono ragionamento avanzato e comprensione di video lunghi, con capacità di ragionamento visivo e testuale di livello superiore."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B in modalità non pensante (Instruct), adatto a scenari di istruzioni generali, con buone capacità di comprensione e generazione multimodale."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (versione open source) offre capacità di comprensione visiva e generazione testuale, supporta interazione con agenti intelligenti, codifica visiva, percezione spaziale, comprensione di video lunghi e pensiero profondo, con eccellenti prestazioni in riconoscimento testuale e supporto multilingue in scenari complessi."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B in modalità non pensante (Instruct), adatto a compiti multimodali comuni di generazione e riconoscimento."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B in modalità pensante, progettato per scenari leggeri di ragionamento e interazione multimodale, mantenendo la capacità di comprensione di contesti estesi."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: versione leggera e ad alta velocità di ragionamento, ideale per scenari sensibili alla latenza o con richieste su larga scala."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL è un modello di generazione testuale con capacità di comprensione visiva (immagini). Non solo può eseguire OCR (riconoscimento del testo nelle immagini), ma anche riassumere e ragionare ulteriormente, ad esempio estraendo attributi da foto di prodotti o risolvendo problemi basati su immagini di esercizi."
diff --git a/locales/it-IT/plugin.json b/locales/it-IT/plugin.json
index cad262f0b59..c2397985348 100644
--- a/locales/it-IT/plugin.json
+++ b/locales/it-IT/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Installati",
"mcp": "Plugin MCP",
- "old": "Plugin LobeChat"
+ "old": "Plugin LobeHub"
},
"title": "Marketplace plugin"
},
diff --git a/locales/it-IT/welcome.json b/locales/it-IT/welcome.json
index 703b418ea27..05102845437 100644
--- a/locales/it-IT/welcome.json
+++ b/locales/it-IT/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Scopri di più",
- "title": "Domande frequenti:"
+ "title": "Prova a chiedere:"
},
"welcome": {
"afternoon": "Buon pomeriggio",
diff --git a/locales/ja-JP/chat.json b/locales/ja-JP/chat.json
index 32430542adc..ad62ff8647b 100644
--- a/locales/ja-JP/chat.json
+++ b/locales/ja-JP/chat.json
@@ -396,4 +396,4 @@
},
"you": "あなた",
"zenMode": "集中モード"
-}
+}
diff --git a/locales/ja-JP/common.json b/locales/ja-JP/common.json
index fde19d9139d..3d16ac3067d 100644
--- a/locales/ja-JP/common.json
+++ b/locales/ja-JP/common.json
@@ -31,7 +31,7 @@
"batchDelete": "バッチ削除",
"blog": "製品ブログ",
"branching": "サブトピックを作成",
- "branchingDisable": "「サブトピック」機能はサーバー版のみで利用可能です。この機能が必要な場合は、サーバー展開モードに切り替えるか、LobeChat Cloudを使用してください。",
+ "branchingDisable": "現在のモードでは「サブトピック」機能は利用できません。この機能を使用するには、Postgres/Pglite DB モードに切り替えるか、LobeHub Cloud をご利用ください。",
"branchingRequiresSavedTopic": "現在のトピックが保存されていません。保存後にサブトピック機能を使用できます。",
"cancel": "キャンセル",
"changelog": "変更履歴",
diff --git a/locales/ja-JP/models.json b/locales/ja-JP/models.json
index bec07c959ff..985f27dd1ce 100644
--- a/locales/ja-JP/models.json
+++ b/locales/ja-JP/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnetは、企業のワークロードに理想的なバランスを提供し、より低価格で最大の効用を提供し、信頼性が高く、大規模な展開に適しています。"
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 は、Anthropic による最速かつ最もインテリジェントな Haiku モデルであり、驚異的なスピードと拡張的な思考能力を備えています。"
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1はAnthropicの最新かつ最強のモデルで、高度に複雑なタスクの処理に適しています。性能、知能、流暢さ、理解力の面で卓越したパフォーマンスを発揮します。"
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash は推論速度に優れたマルチモーダル深層思考モデルで、TPOT はわずか 10ms です。テキストと視覚の理解を同時にサポートし、テキスト理解能力は前世代の lite を超え、視覚理解は競合他社の pro シリーズモデルに匹敵します。256k のコンテキストウィンドウをサポートし、最大 16k トークンの出力長に対応しています。"
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite は新しいマルチモーダル深層思考モデルで、思考の深さ（reasoning effort）を Minimal、Low、Medium、High の4段階で調整可能。高いコストパフォーマンスを実現し、一般的なタスクに最適な選択肢。コンテキストウィンドウは最大256kに対応。"
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking モデルは思考能力が大幅に強化されており、Doubao-1.5-thinking-pro と比較して、コーディング、数学、論理推論などの基礎能力がさらに向上しています。視覚理解もサポートしています。256k のコンテキストウィンドウをサポートし、最大 16k トークンの出力長に対応しています。"
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Previewは、強力な複雑な推論能力を備え、論理推論、数学、プログラミングなどの分野で優れたパフォーマンスを発揮します。"
},
- "glm4.6:355b": {
- "description": "智譜の最新フラッグシップモデル GLM-4.6 (355B) は、高度なコーディング、長文処理、推論およびエージェント能力において前世代を大きく上回り、特にプログラミング能力では Claude Sonnet 4 に匹敵し、中国国内トップクラスのコーディングモデルとなっています。"
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash は次世代の機能と改良を提供し、卓越した速度、組み込みツールの使用、マルチモーダル生成、100万トークンのコンテキストウィンドウを備えています。"
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small はコード生成、デバッグ、リファクタリングタスクに最適で、最小遅延を実現します。"
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T は「Ling 2.0」シリーズ初のフラッグシップ non-thinking モデルで、総パラメータ数は1兆、トークンごとのアクティブパラメータは約500億。Ling 2.0 アーキテクチャに基づき、高効率な推論とスケーラブルな認知の限界に挑戦。Ling-1T-base は20兆以上の高品質かつ推論集約型トークンでトレーニングされています。"
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0は、Ant GroupのBailingチームがリリースしたLing 2.0アーキテクチャシリーズの第3弾モデルです。混合エキスパート（MoE）モデルで、総パラメータ数は1000億に達しますが、1トークンあたりの活性化パラメータは61億（非埋め込みは48億）に抑えられています。軽量構成のモデルとして、複数の権威ある評価で400億規模の密モデルやより大規模なMoEモデルに匹敵またはそれを超える性能を示しています。本モデルは「大きなモデル＝大きなパラメータ」という共通認識のもと、効率的な性能向上の道を探求するために極限のアーキテクチャ設計とトレーニング戦略を採用しています。"
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0はMoEアーキテクチャに基づく小型高性能大規模言語モデルです。総パラメータ数は16Bですが、1トークンあたりの活性化パラメータは1.4B（非埋め込みは789M）に抑えられており、非常に高速な生成を実現しています。効率的なMoE設計と大規模高品質トレーニングデータのおかげで、活性化パラメータが1.4Bに過ぎないにもかかわらず、下流タスクにおいて10B未満の密モデルやより大規模なMoEモデルに匹敵するトップクラスの性能を発揮します。"
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T は百灵（Bailing）チームが開発した、1兆パラメータ規模のオープンソース思考モデルです。Ling 2.0 アーキテクチャと Ling-1T-base を基盤に構築され、総パラメータ数は1兆、アクティブパラメータは500億。最大128Kのコンテキストウィンドウに対応し、大規模な検証可能報酬強化学習によって最適化されています。"
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0はLing-flash-2.0-baseを深く最適化した高性能思考モデルです。混合エキスパート（MoE）アーキテクチャを採用し、総パラメータ数は100Bですが、推論時には6.1Bパラメータのみを活性化します。独自のicepopアルゴリズムにより、MoE大規模モデルの強化学習（RL）トレーニングにおける不安定性問題を解決し、長期トレーニングでの複雑推論能力の持続的向上を実現しました。Ring-flash-2.0は数学コンテスト、コード生成、論理推論などの高難度ベンチマークで顕著な成果を挙げており、40Bパラメータ未満のトップ密モデルを凌駕し、より大規模なオープンソースMoEモデルやクローズドソースの高性能思考モデルに匹敵します。複雑推論に特化しつつも、創造的な文章作成タスクでも優れた性能を示します。さらに、高効率なアーキテクチャ設計により、強力な性能を提供しつつ高速推論を実現し、高負荷環境での思考モデルの展開コストを大幅に削減しています。"
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Llama 3.3 命令チューニングモデルは対話シナリオ向けに最適化されており、一般的な業界ベンチマークテストにおいて、多くの既存のオープンソースチャットモデルを凌駕しています。"
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick：高性能な Llama シリーズモデルで、高度な推論、複雑な問題解決、指示追従タスクに適しています。"
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout：高性能な Llama シリーズモデルで、高スループットかつ低レイテンシーが求められるシナリオに最適です。"
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3は能力が大幅に向上した新世代の通義千問大モデルで、推論、一般、エージェント、多言語などの複数のコア能力において業界のリーダーレベルに達し、思考モードの切り替えをサポートしています。"
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "通義千問のコード生成モデルのオープンソース版。最新の qwen3-coder-30b-a3b-instruct は Qwen3 に基づくコード生成モデルで、強力な Coding Agent 機能を備え、ツールの呼び出しや環境との対話に長けており、自律的なプログラミングと卓越したコード生成能力、さらに汎用的な能力も兼ね備えています。"
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "通義千問のコードモデルオープンソース版。最新のqwen3-coder-480b-a35b-instructはQwen3ベースのコード生成モデルで、強力なコーディングエージェント能力を持ち、ツール呼び出しや環境とのインタラクションに優れ、自律的なプログラミングが可能で、コード能力と汎用能力を兼ね備えています。"
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Qwen3に基づく次世代の思考モードのオープンソースモデルで、前バージョン（通義千問3-235B-A22B-Thinking-2507）と比べて指示遵守能力が向上し、モデルの要約応答がより簡潔になっています。"
},
+ "qwen3-omni-flash": {
+ "description": "Qwen-Omni モデルは、テキスト、画像、音声、動画など複数のモダリティを組み合わせた入力に対応し、テキストまたは音声での応答を生成可能。多様な人間らしい音声スタイルを提供し、多言語・方言での音声出力をサポート。文章生成、視覚認識、音声アシスタントなどのシーンに応用可能です。"
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct は Tongyi Qianwen によって開発されたマルチモーダルモデルで、視覚理解と推論をサポートします。"
+ "description": "Qwen3 VL 235B A22B の非思考モード（Instruct）は、非思考型の指示実行シナリオに適しており、優れた視覚理解能力を維持しています。"
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking は Tongyi Qianwen によって開発されたマルチモーダル推論モデルで、視覚理解と推論をサポートします。"
+ "description": "Qwen3 VL 235B A22B の思考モード（オープンソース版）は、高難度な推論や長尺動画の理解シナリオに対応し、視覚とテキストの高度な推論能力を提供します。"
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B の非思考モード（Instruct）は、一般的な指示に従うシナリオ向けで、高いマルチモーダル理解と生成能力を維持しています。"
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL（オープンソース版）は、視覚理解とテキスト生成能力を提供し、エージェントとの対話、視覚エンコーディング、空間認識、長尺動画の理解、深い思考に対応。複雑なシーンにおいても優れた文字認識と多言語対応力を発揮します。"
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B の非思考モード（Instruct）は、一般的なマルチモーダル生成および認識タスクに適しています。"
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B の思考モードは、軽量なマルチモーダル推論および対話シナリオ向けで、長いコンテキストの理解能力を保持しています。"
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash：軽量かつ高速な推論バージョンで、低遅延が求められるシナリオや大量リクエストに最適です。"
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VLは視覚（画像）理解能力を備えたテキスト生成モデルで、OCR（画像文字認識）だけでなく、商品写真から属性を抽出したり、問題図から解答を導くなどの要約や推論も可能です。"
diff --git a/locales/ja-JP/plugin.json b/locales/ja-JP/plugin.json
index 5d1fd022e69..2b3d3b2d01e 100644
--- a/locales/ja-JP/plugin.json
+++ b/locales/ja-JP/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "インストール済み",
"mcp": "MCPプラグイン",
- "old": "LobeChatプラグイン"
+ "old": "LobeHub プラグイン"
},
"title": "プラグインストア"
},
diff --git a/locales/ja-JP/welcome.json b/locales/ja-JP/welcome.json
index ae1e04665dc..4bab6018152 100644
--- a/locales/ja-JP/welcome.json
+++ b/locales/ja-JP/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "さらに詳しく",
- "title": "よくある質問："
+ "title": "試しに聞いてみましょう："
},
"welcome": {
"afternoon": "こんにちは",
diff --git a/locales/ko-KR/chat.json b/locales/ko-KR/chat.json
index 942f78427af..8f8c4910c7a 100644
--- a/locales/ko-KR/chat.json
+++ b/locales/ko-KR/chat.json
@@ -396,4 +396,4 @@
},
"you": "당신",
"zenMode": "집중 모드"
-}
+}
diff --git a/locales/ko-KR/common.json b/locales/ko-KR/common.json
index 01f41ad9dcb..4b01d8d4345 100644
--- a/locales/ko-KR/common.json
+++ b/locales/ko-KR/common.json
@@ -31,7 +31,7 @@
"batchDelete": "일괄 삭제",
"blog": "제품 블로그",
"branching": "하위 주제 생성",
- "branchingDisable": "현재 모드에서는 '하위 주제' 기능을 사용할 수 없습니다. 이 기능을 사용하려면 Postgres/Pglite DB 모드로 전환하거나 LobeChat Cloud를 이용하세요.",
+ "branchingDisable": "현재 모드에서는 '하위 주제' 기능을 사용할 수 없습니다. 이 기능을 사용하려면 Postgres/Pglite DB 모드로 전환하거나 LobeHub Cloud를 이용해 주세요.",
"branchingRequiresSavedTopic": "현재 주제가 저장되지 않았습니다. 저장 후 하위 주제 기능을 사용할 수 있습니다.",
"cancel": "취소",
"changelog": "업데이트 로그",
diff --git a/locales/ko-KR/models.json b/locales/ko-KR/models.json
index 6753f22a15f..999e52e2456 100644
--- a/locales/ko-KR/models.json
+++ b/locales/ko-KR/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet은 기업 작업 부하에 이상적인 균형을 제공하며, 더 낮은 가격으로 최대 효용을 제공합니다. 신뢰성이 높고 대규모 배포에 적합합니다."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5는 Anthropic에서 가장 빠르고 지능적인 Haiku 모델로, 번개처럼 빠른 속도와 확장된 사고 능력을 갖추고 있습니다."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1은 Anthropic의 최신 고난도 작업 처리용 최강 모델입니다. 성능, 지능, 유창성, 이해력 면에서 탁월한 성과를 보입니다."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash는 추론 속도가 극대화된 다중 모달 심층 사고 모델로, TPOT가 단 10ms에 불과합니다. 텍스트와 시각 이해를 모두 지원하며, 텍스트 이해 능력은 이전 세대 lite를 능가하고, 시각 이해는 경쟁사 pro 시리즈 모델과 견줄 만합니다. 256k 컨텍스트 창을 지원하며, 출력 길이는 최대 16k 토큰까지 가능합니다."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite는 새로운 멀티모달 심층 사고 모델로, 사고 수준 조절(reasoning effort)을 지원합니다. Minimal, Low, Medium, High 네 가지 모드로 조절 가능하며, 뛰어난 가성비를 자랑하며 일반적인 작업에 최적화되어 있습니다. 최대 256k의 컨텍스트 윈도우를 지원합니다."
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking 모델은 사고 능력이 크게 강화되어 Doubao-1.5-thinking-pro에 비해 코딩, 수학, 논리 추론 등 기본 능력이 더욱 향상되었으며, 시각 이해도 지원합니다. 256k 컨텍스트 창을 지원하며, 출력 길이는 최대 16k 토큰까지 가능합니다."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview는 강력한 복잡한 추론 능력을 갖추고 있으며, 논리 추론, 수학, 프로그래밍 등 분야에서 우수한 성능을 발휘합니다."
},
- "glm4.6:355b": {
- "description": "Zhipu의 최신 플래그십 모델 GLM-4.6 (355B)은 고급 코딩, 장문 처리, 추론 및 에이전트 능력에서 전 세대를 전면적으로 능가하며, 특히 코딩 능력에서는 Claude Sonnet 4와 동등한 수준으로 국내 최고의 코딩 모델로 자리매김했습니다."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash는 차세대 기능과 개선된 성능을 제공하며, 뛰어난 속도, 내장 도구 사용, 멀티모달 생성 및 100만 토큰의 컨텍스트 윈도우를 지원합니다."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small은 코드 생성, 디버깅 및 리팩토링 작업에 이상적이며, 최소 지연 시간을 자랑합니다."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T는 'Ling 2.0' 시리즈의 첫 번째 플래그십 non-thinking 모델로, 총 1조 개의 파라미터와 토큰당 약 500억 개의 활성 파라미터를 보유하고 있습니다. Ling 2.0 아키텍처를 기반으로 구축되었으며, 효율적인 추론과 확장 가능한 인지 능력의 한계를 돌파하는 것을 목표로 합니다. Ling-1T-base는 200조 개 이상의 고품질 추론 중심 토큰으로 학습되었습니다."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0은 앤트 그룹 백령 팀이 발표한 Ling 2.0 아키텍처 시리즈의 세 번째 모델입니다. 혼합 전문가(MoE) 모델로 총 파라미터 수는 1000억에 달하지만, 각 토큰당 61억 파라미터만 활성화(비임베딩 48억)됩니다. 경량 구성 모델로서 여러 권위 있는 평가에서 400억 규모의 밀집(Dense) 모델 및 더 큰 규모의 MoE 모델과 견줄 만한 성능을 보여줍니다. 이 모델은 '대형 모델 = 대형 파라미터'라는 공감대 하에 극대화된 아키텍처 설계와 학습 전략을 통해 고효율 경로를 탐색하는 것을 목표로 합니다."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0은 MoE 아키텍처 기반의 소형 고성능 대형 언어 모델입니다. 총 160억 파라미터를 보유하지만 각 토큰당 14억(비임베딩 7억 8천 9백만) 파라미터만 활성화하여 매우 빠른 생성 속도를 실현합니다. 효율적인 MoE 설계와 대규모 고품질 학습 데이터 덕분에, 활성화 파라미터가 14억에 불과함에도 불구하고 Ling-mini-2.0은 하위 작업에서 100억 이하의 밀집 LLM 및 더 큰 규모의 MoE 모델과 견줄 수 있는 최상위 성능을 보여줍니다."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T는 백링(Bailing) 팀이 공개한 1조 파라미터 규모의 오픈소스 사고 모델입니다. Ling 2.0 아키텍처와 Ling-1T-base 모델을 기반으로 학습되었으며, 총 파라미터 수는 1조, 활성 파라미터는 500억 개에 달합니다. 최대 128K의 컨텍스트 윈도우를 지원하며, 대규모 검증 가능한 보상 강화 학습을 통해 최적화되었습니다."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0은 Ling-flash-2.0-base를 기반으로 깊이 최적화된 고성능 사고 모델입니다. 혼합 전문가(MoE) 아키텍처를 채택하여 총 1000억 파라미터를 보유하지만, 추론 시에는 61억 파라미터만 활성화합니다. 독창적인 icepop 알고리즘을 통해 MoE 대형 모델의 강화 학습(RL) 훈련 중 불안정성 문제를 해결하여 복잡한 추론 능력을 장기 훈련 동안 지속적으로 향상시켰습니다. 수학 경시대회, 코드 생성, 논리 추론 등 여러 고난도 벤치마크에서 뛰어난 성과를 거두었으며, 400억 파라미터 이하의 최상위 밀집 모델을 능가하고 더 큰 규모의 오픈소스 MoE 모델 및 폐쇄형 고성능 사고 모델과 견줄 만한 성능을 자랑합니다. 복잡한 추론에 집중하면서도 창의적 글쓰기 작업에서도 우수한 성능을 보입니다. 또한 효율적인 아키텍처 설계 덕분에 강력한 성능과 함께 고속 추론을 실현하여 고부하 환경에서 사고 모델의 배포 비용을 크게 절감합니다."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Llama 3.3 지침 미세 조정 모델은 대화 시나리오에 최적화되어 있으며, 일반적인 업계 벤치마크 테스트에서 기존의 많은 오픈소스 채팅 모델을 능가합니다."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: 고성능 Llama 시리즈 모델로, 고급 추론, 복잡한 문제 해결 및 명령어 수행 작업에 적합합니다."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: 고성능 Llama 시리즈 모델로, 높은 처리량과 낮은 지연이 요구되는 환경에 적합합니다."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3는 능력이 대폭 향상된 새로운 세대의 통합 지식 모델로, 추론, 일반, 에이전트 및 다국어 등 여러 핵심 능력에서 업계 선두 수준에 도달하며, 사고 모드 전환을 지원합니다."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "통의천문 코드 모델 오픈소스 버전입니다. 최신 qwen3-coder-30b-a3b-instruct는 Qwen3 기반의 코드 생성 모델로, 강력한 Coding Agent 기능을 갖추고 있으며, 도구 호출 및 환경 상호작용에 능숙합니다. 자율적인 프로그래밍이 가능하며, 뛰어난 코드 처리 능력과 일반적인 언어 능력을 겸비하고 있습니다."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "통의천문 코드 모델 오픈 소스 버전입니다. 최신 qwen3-coder-480b-a35b-instruct는 Qwen3 기반 코드 생성 모델로, 강력한 코딩 에이전트 능력을 갖추고 도구 호출 및 환경 상호작용에 능하며, 자율 프로그래밍과 뛰어난 코드 능력 및 범용 능력을 동시에 구현합니다."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Qwen3 기반의 차세대 사고 모드 오픈 소스 모델로, 이전 버전(통의천문3-235B-A22B-Thinking-2507)과 비교하여 명령 준수 능력이 향상되었고, 모델의 요약 응답이 더욱 간결해졌습니다."
},
+ "qwen3-omni-flash": {
+ "description": "Qwen-Omni 모델은 텍스트, 이미지, 오디오, 비디오 등 다양한 모달의 조합 입력을 수용할 수 있으며, 텍스트 또는 음성 형태의 응답을 생성할 수 있습니다. 다양한 인간 음색을 제공하며, 다국어 및 방언 음성 출력도 지원합니다. 텍스트 창작, 시각 인식, 음성 비서 등 다양한 분야에 활용 가능합니다."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct는 Tongyi Qianwen에서 출시한 멀티모달 모델로, 시각적 이해와 추론을 지원합니다."
+ "description": "Qwen3 VL 235B A22B 비사고 모드(Instruct)는 사고가 필요 없는 지시 기반 작업에 적합하며, 강력한 시각 이해 능력을 유지합니다."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking은 Tongyi Qianwen에서 출시한 멀티모달 추론 모델로, 시각적 이해와 추론을 지원합니다."
+ "description": "Qwen3 VL 235B A22B 사고 모드(오픈소스 버전)는 고난도 추론 및 장시간 비디오 이해 시나리오에 최적화되어 있으며, 최고 수준의 시각+텍스트 추론 능력을 제공합니다."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B 비사고 모드(Instruct)는 일반적인 지시 수행 시나리오에 적합하며, 우수한 멀티모달 이해 및 생성 능력을 유지합니다."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL(오픈소스 버전)은 시각 이해 및 텍스트 생성 능력을 제공하며, 에이전트 상호작용, 시각 인코딩, 공간 인식, 장시간 비디오 이해 및 심층 사고를 지원합니다. 복잡한 상황에서도 뛰어난 문자 인식 및 다국어 지원 능력을 갖추고 있습니다."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B 비사고 모드(Instruct)는 일반적인 멀티모달 생성 및 인식 작업에 적합합니다."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B 사고 모드는 경량 멀티모달 추론 및 상호작용 시나리오에 적합하며, 긴 컨텍스트 이해 능력을 유지합니다."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash는 경량 고속 추론 버전으로, 지연에 민감하거나 대량 요청이 필요한 상황에 적합합니다."
},
"qwen3-vl-plus": {
"description": "통의천문 VL은 시각(이미지) 이해 능력을 갖춘 텍스트 생성 모델로, OCR(이미지 내 문자 인식)뿐만 아니라 상품 사진에서 속성 추출, 문제 그림을 통한 문제 해결 등 요약 및 추론 작업도 수행할 수 있습니다."
diff --git a/locales/ko-KR/plugin.json b/locales/ko-KR/plugin.json
index e59255000de..a60453dc8d2 100644
--- a/locales/ko-KR/plugin.json
+++ b/locales/ko-KR/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "설치됨",
"mcp": "MCP 플러그인",
- "old": "LobeChat 플러그인"
+ "old": "LobeHub 플러그인"
},
"title": "플러그인 스토어"
},
diff --git a/locales/ko-KR/welcome.json b/locales/ko-KR/welcome.json
index 23ab6694cf8..dc39522e411 100644
--- a/locales/ko-KR/welcome.json
+++ b/locales/ko-KR/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "더 알아보기",
- "title": "자주 묻는 질문: "
+ "title": "다음과 같이 질문해 보세요:"
},
"welcome": {
"afternoon": "안녕하세요",
diff --git a/locales/nl-NL/chat.json b/locales/nl-NL/chat.json
index e8fdfd95037..63f70fbc531 100644
--- a/locales/nl-NL/chat.json
+++ b/locales/nl-NL/chat.json
@@ -396,4 +396,4 @@
},
"you": "jij",
"zenMode": "Focusmodus"
-}
+}
diff --git a/locales/nl-NL/common.json b/locales/nl-NL/common.json
index b2f7462160f..56d01fd4169 100644
--- a/locales/nl-NL/common.json
+++ b/locales/nl-NL/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Batch verwijderen",
"blog": "Product Blog",
"branching": "Subonderwerp aanmaken",
- "branchingDisable": "De functie 'Subonderwerp' is alleen beschikbaar in de serverversie. Als je deze functie wilt gebruiken, schakel dan over naar de serverimplementatiemodus of gebruik LobeChat Cloud.",
+ "branchingDisable": "De functie 'Subonderwerpen' is niet beschikbaar in de huidige modus. Schakel over naar de Postgres/Pglite DB-modus of gebruik LobeHub Cloud om deze functie te gebruiken.",
"branchingRequiresSavedTopic": "Het huidige onderwerp is niet opgeslagen. Sla het op om de subonderwerpfunctie te kunnen gebruiken.",
"cancel": "Annuleren",
"changelog": "Wijzigingslogboek",
diff --git a/locales/nl-NL/models.json b/locales/nl-NL/models.json
index bdf03d62172..596e0757a39 100644
--- a/locales/nl-NL/models.json
+++ b/locales/nl-NL/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet biedt een ideale balans tussen intelligentie en snelheid voor bedrijfswerkbelastingen. Het biedt maximale bruikbaarheid tegen een lagere prijs, betrouwbaar en geschikt voor grootschalige implementatie."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 is het snelste en slimste Haiku-model van Anthropic, met bliksemsnelle prestaties en geavanceerde redeneercapaciteiten."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 is het nieuwste en krachtigste model van Anthropic voor het verwerken van zeer complexe taken. Het blinkt uit in prestaties, intelligentie, vloeiendheid en begrip."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash is een multimodaal diepdenkend model met extreem snelle inferentiesnelheid, TPOT slechts 10ms; ondersteunt zowel tekst- als visueel begrip, met tekstbegrip dat beter is dan de vorige lite-generatie en visueel begrip dat vergelijkbaar is met concurrerende pro-serie modellen. Ondersteunt een contextvenster van 256k en een maximale uitvoerlengte van 16k tokens."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite is een gloednieuw multimodaal model voor diepgaand redeneren, met instelbare redeneerniveaus (Minimal, Low, Medium, High). Het biedt een uitstekende prijs-kwaliteitverhouding en is de beste keuze voor veelvoorkomende taken, met een contextvenster tot 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking model heeft sterk verbeterde denkvermogens, met verdere verbeteringen in basisvaardigheden zoals coderen, wiskunde en logisch redeneren ten opzichte van Doubao-1.5-thinking-pro, en ondersteunt visueel begrip. Ondersteunt een contextvenster van 256k en een maximale uitvoerlengte van 16k tokens."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview heeft krachtige complexe redeneercapaciteiten en presteert uitstekend in logische redenering, wiskunde en programmeren."
},
- "glm4.6:355b": {
- "description": "GLM-4.6 (355B), het nieuwste vlaggenschipmodel van Zhipu, overtreft zijn voorgangers op alle fronten, waaronder geavanceerde codering, verwerking van lange teksten, redeneren en agentcapaciteiten. Vooral op het gebied van programmeren is het model op één lijn gebracht met Claude Sonnet 4, waarmee het een toonaangevend coding-model in China is geworden."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash biedt next-generation functies en verbeteringen, waaronder uitstekende snelheid, ingebouwde toolintegratie, multimodale generatie en een contextvenster van 1 miljoen tokens."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small is ideaal voor codegeneratie, debugging en refactoring taken met minimale latentie."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T is het eerste vlaggenschipmodel uit de 'Ling 2.0'-serie zonder denkvermogen, met in totaal 1 biljoen parameters en ongeveer 50 miljard actieve parameters per token. Gebouwd op de Ling 2.0-architectuur, is Ling-1T ontworpen om de grenzen van efficiënte redenering en schaalbare cognitie te verleggen. Ling-1T-base is getraind op meer dan 20 biljoen hoogwaardige, redeneerintensieve tokens."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 is het derde model in de Ling 2.0 architectuurserie uitgebracht door het Bailing-team van Ant Group. Het is een Mixture of Experts (MoE) model met in totaal 100 miljard parameters, maar activeert slechts 6,1 miljard parameters per token (waarvan 4,8 miljard niet-embedding). Als een lichtgewicht configuratie toont Ling-flash-2.0 in meerdere gezaghebbende evaluaties prestaties die vergelijkbaar zijn met of beter dan 40 miljard dense modellen en grotere MoE modellen. Dit model is ontworpen om via ultieme architectuurontwerpen en trainingsstrategieën een efficiënte weg te verkennen binnen de consensus dat grote modellen gelijkstaan aan veel parameters."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 is een klein maar hoogpresterend groot taalmodel gebaseerd op de MoE-architectuur. Het heeft 16 miljard totale parameters, maar activeert slechts 1,4 miljard per token (789 miljoen niet-embedding), wat een zeer hoge generatie snelheid mogelijk maakt. Dankzij het efficiënte MoE-ontwerp en grootschalige hoogwaardige trainingsdata levert Ling-mini-2.0, ondanks de beperkte geactiveerde parameters, topprestaties die vergelijkbaar zijn met dense LLM's onder 10 miljard en grotere MoE modellen in downstream taken."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T is een open-source denkmodel op biljoenschaal, uitgebracht door het Bailing-team. Het is gebaseerd op de Ling 2.0-architectuur en het Ling-1T-base model, met in totaal 1 biljoen parameters en 50 miljard actieve parameters. Het ondersteunt contextvensters tot 128K en is geoptimaliseerd via grootschalige, verifieerbare beloningsversterkende training."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 is een diep geoptimaliseerd hoogpresterend denkmodel gebaseerd op Ling-flash-2.0-base. Het gebruikt een Mixture of Experts (MoE) architectuur met in totaal 100 miljard parameters, maar activeert slechts 6,1 miljard parameters per inferentie. Dit model lost met het unieke icepop-algoritme de instabiliteitsproblemen van grote MoE modellen tijdens reinforcement learning (RL) training op, waardoor de complexe redeneercapaciteit continu verbetert bij langdurige training. Ring-flash-2.0 behaalde significante doorbraken in uitdagende benchmarks zoals wiskundewedstrijden, codegeneratie en logische redenering. Het presteert niet alleen beter dan top dense modellen onder 40 miljard parameters, maar kan ook concurreren met grotere open-source MoE modellen en gesloten hoogpresterende denkmodellen. Hoewel het model zich richt op complexe redenering, presteert het ook uitstekend in creatieve schrijfopdrachten. Dankzij het efficiënte architectuurontwerp biedt Ring-flash-2.0 krachtige prestaties met hoge inferentiesnelheid, wat de implementatiekosten in scenario's met hoge gelijktijdigheid aanzienlijk verlaagt."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Het Llama 3.3 instructie-fijnafstemmodel is geoptimaliseerd voor gesprekssituaties en overtreft vele bestaande open-source chatmodellen op veelvoorkomende industriebenchmarks."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: een krachtig model uit de Llama-serie, geschikt voor geavanceerde redenering, het oplossen van complexe problemen en instructievolgende taken."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: een hoogwaardig model uit de Llama-serie, geoptimaliseerd voor scenario's die hoge verwerkingssnelheid en lage latentie vereisen."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 is een nieuwe generatie van het Qwen grote model met aanzienlijk verbeterde capaciteiten, die de industrie leidende niveaus bereikt in redeneren, algemeen gebruik, agent en meertalige ondersteuning, en ondersteunt de schakeling tussen denkmodi."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Open-source versie van het Tongyi Qianwen codeermodel. De nieuwste qwen3-coder-30b-a3b-instruct is gebaseerd op Qwen3 en blinkt uit in codegeneratie, met krachtige mogelijkheden als Coding Agent. Het is bedreven in toolgebruik en omgevingsinteractie, en combineert uitstekende programmeervaardigheden met algemene capaciteiten."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Open-source codeermodel van Tongyi Qianwen. De nieuwste qwen3-coder-480b-a35b-instruct is gebaseerd op Qwen3, met krachtige Coding Agent-capaciteiten, bedreven in toolaanroepen en omgevingsinteractie, en kan zelfstandig programmeren met uitstekende codeervaardigheden en algemene capaciteiten."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Een nieuwe generatie open-source model met denkmodus gebaseerd op Qwen3, met verbeterde instructienaleving en meer beknopte samenvattende antwoorden vergeleken met de vorige versie (Tongyi Qianwen 3-235B-A22B-Thinking-2507)."
},
+ "qwen3-omni-flash": {
+ "description": "Het Qwen-Omni model accepteert gecombineerde invoer van tekst, afbeeldingen, audio en video, en genereert antwoorden in tekst- of spraakvorm. Het biedt diverse natuurlijke stemklanken, ondersteunt meertalige en dialectische spraakuitvoer, en is toepasbaar in tekstcreatie, visuele herkenning, spraakassistenten en meer."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct is een multimodaal model ontwikkeld door Tongyi Qianwen, dat visueel begrip en redenering ondersteunt."
+ "description": "Qwen3 VL 235B A22B Instruct-modus (non-thinking), geschikt voor instructiescenario’s zonder redeneervermogen, met behoud van sterke visuele interpretatiecapaciteiten."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking is een multimodaal redeneermodel ontwikkeld door Tongyi Qianwen, dat visueel begrip en redenering ondersteunt."
+ "description": "Qwen3 VL 235B A22B Thinking-modus (open-source), ontworpen voor complexe redeneerscenario’s en lange video-inhoud, met toonaangevende visuele en tekstuele redeneercapaciteiten."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B Instruct-modus (non-thinking), gericht op standaard instructievolgtaken, met sterke multimodale interpretatie- en generatiecapaciteiten."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (open-source) biedt visuele interpretatie en tekstgeneratie, ondersteunt agentinteractie, visuele codering, ruimtelijk bewustzijn, lange videoanalyse en diepgaand redeneren, met verbeterde teksterkenning en meertalige ondersteuning in complexe scenario’s."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B Instruct-modus (non-thinking), geschikt voor standaard multimodale generatie- en herkenningstaken."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B Thinking-modus, ontworpen voor lichtgewicht multimodale redeneer- en interactiescenario’s, met behoud van lange contextbegripcapaciteiten."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: een lichtgewicht, snelle redeneerversie, ideaal voor latency-gevoelige of grootschalige aanvraagscenario’s."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL is een tekstgeneratiemodel met visuele (beeld) begripscapaciteiten. Het kan niet alleen OCR (tekstherkenning in afbeeldingen) uitvoeren, maar ook samenvatten en redeneren, bijvoorbeeld het extraheren van attributen uit productfoto's en het oplossen van problemen op basis van oefenplaatjes."
diff --git a/locales/nl-NL/plugin.json b/locales/nl-NL/plugin.json
index f06437b27b8..9ae6b93c5f8 100644
--- a/locales/nl-NL/plugin.json
+++ b/locales/nl-NL/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Geïnstalleerd",
"mcp": "MCP-plugins",
- "old": "LobeChat-plugins"
+ "old": "LobeHub Plug-ins"
},
"title": "Pluginwinkel"
},
diff --git a/locales/nl-NL/welcome.json b/locales/nl-NL/welcome.json
index 757419be84b..b474fb8baa5 100644
--- a/locales/nl-NL/welcome.json
+++ b/locales/nl-NL/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Meer informatie",
- "title": "Veelgestelde vragen: "
+ "title": "Probeer te vragen:"
},
"welcome": {
"afternoon": "Goedemiddag",
diff --git a/locales/pl-PL/chat.json b/locales/pl-PL/chat.json
index c30d448ed0e..e14b32891d2 100644
--- a/locales/pl-PL/chat.json
+++ b/locales/pl-PL/chat.json
@@ -396,4 +396,4 @@
},
"you": "ty",
"zenMode": "Tryb skupienia"
-}
+}
diff --git a/locales/pl-PL/common.json b/locales/pl-PL/common.json
index 9efefe0ba1f..32e97e4c240 100644
--- a/locales/pl-PL/common.json
+++ b/locales/pl-PL/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Usuń wiele",
"blog": "Blog produktowy",
"branching": "Utwórz podtemat",
- "branchingDisable": "Funkcja „podtemat” jest dostępna tylko w wersji serwerowej. Aby skorzystać z tej funkcji, przełącz się na tryb wdrożenia serwera lub użyj LobeChat Cloud.",
+ "branchingDisable": "Funkcja „podtematów” jest niedostępna w bieżącym trybie. Aby z niej skorzystać, przełącz się na tryb bazy danych Postgres/Pglite lub użyj LobeHub Cloud.",
"branchingRequiresSavedTopic": "Aktualny temat nie został zapisany, zapisz go, aby móc korzystać z funkcji podtematów",
"cancel": "Anuluj",
"changelog": "Dziennik zmian",
diff --git a/locales/pl-PL/models.json b/locales/pl-PL/models.json
index 20a8b88a26c..204d070e329 100644
--- a/locales/pl-PL/models.json
+++ b/locales/pl-PL/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet zapewnia idealną równowagę między inteligencją a szybkością dla obciążeń roboczych w przedsiębiorstwach. Oferuje maksymalną użyteczność przy niższej cenie, jest niezawodny i odpowiedni do dużych wdrożeń."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 to najszybszy i najbardziej inteligentny model Haiku firmy Anthropic, oferujący błyskawiczne działanie i zaawansowane możliwości rozumowania."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 to najnowszy i najpotężniejszy model Anthropic do obsługi wysoce złożonych zadań. Wyróżnia się doskonałą wydajnością, inteligencją, płynnością i zdolnością rozumienia."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash to ultraszybki model wielomodalnego głębokiego myślenia, z czasem TPOT zaledwie 10 ms; obsługuje zarówno rozumienie tekstu, jak i obrazu, z lepszymi zdolnościami tekstowymi niż poprzednia generacja lite oraz wizualnymi porównywalnymi do modeli pro konkurencji. Obsługuje kontekst do 256k oraz maksymalną długość wyjścia do 16k tokenów."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite to nowy, multimodalny model głębokiego rozumowania, umożliwiający regulację poziomu wnioskowania (reasoning effort) w czterech trybach: Minimal, Low, Medium i High. Oferuje doskonały stosunek jakości do ceny i jest idealnym wyborem do typowych zadań, z kontekstem do 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Model Doubao-Seed-1.6-thinking ma znacznie wzmocnione zdolności myślenia, w porównaniu do Doubao-1.5-thinking-pro osiąga dalsze ulepszenia w podstawowych umiejętnościach takich jak kodowanie, matematyka i rozumowanie logiczne, wspiera również rozumienie wizualne. Obsługuje kontekst do 256k oraz maksymalną długość wyjścia do 16k tokenów."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview posiada silne zdolności do złożonego wnioskowania, wyróżniając się w dziedzinach takich jak wnioskowanie logiczne, matematyka i programowanie."
},
- "glm4.6:355b": {
- "description": "Najnowszy flagowy model Zhipu, GLM-4.6 (355B), znacznie przewyższa swojego poprzednika w zakresie zaawansowanego kodowania, przetwarzania długich tekstów, wnioskowania i zdolności agentowych. Szczególnie w programowaniu dorównuje Claude Sonnet 4, stając się czołowym modelem kodującym w Chinach."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash oferuje funkcje nowej generacji i ulepszenia, w tym doskonałą szybkość, wbudowane użycie narzędzi, generowanie multimodalne oraz okno kontekstu o rozmiarze 1 miliona tokenów."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small to idealny wybór do generowania, debugowania i refaktoryzacji kodu, oferujący minimalne opóźnienia."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T to flagowy model bez rozumowania (non-thinking) z serii „Ling 2.0”, posiadający 1 bilion parametrów ogólnych i około 50 miliardów aktywnych parametrów na token. Zbudowany na architekturze Ling 2.0, Ling-1T ma na celu przesunięcie granic efektywnego wnioskowania i skalowalnej kognicji. Ling-1T-base został wytrenowany na ponad 20 bilionach wysokiej jakości, intensywnie rozumujących tokenów."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 to trzeci model z serii architektury Ling 2.0 wydany przez zespół Bailing z Ant Group. Jest to model hybrydowy ekspertów (MoE) o łącznej liczbie parametrów 100 miliardów, z aktywacją jedynie 6,1 miliarda parametrów na token (48 miliardów bez uwzględnienia wektorów osadzeń). Jako lekka konfiguracja modelu, Ling-flash-2.0 wykazuje w wielu autorytatywnych testach wydajność porównywalną lub przewyższającą modele gęste (Dense) o wielkości 40 miliardów parametrów oraz większe modele MoE. Model ten ma na celu eksplorację efektywnych ścieżek w kontekście powszechnego przekonania, że „duży model to duża liczba parametrów”, poprzez zaawansowany projekt architektury i strategię treningową."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 to mały, wysokowydajny duży model językowy oparty na architekturze MoE. Posiada 16 miliardów parametrów, ale aktywuje tylko 1,4 miliarda na token (789 milionów bez osadzeń), co zapewnia bardzo wysoką szybkość generowania. Dzięki efektywnemu projektowi MoE i dużej, wysokiej jakości bazie treningowej, mimo niskiej liczby aktywowanych parametrów, Ling-mini-2.0 osiąga w zadaniach downstream wydajność porównywalną z najlepszymi modelami gęstymi poniżej 10 miliardów parametrów oraz większymi modelami MoE."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T to otwartoźródłowy model myślenia o skali biliona parametrów, opracowany przez zespół Bailing. Bazuje na architekturze Ling 2.0 i modelu bazowym Ling-1T-base, z 1 bilionem parametrów ogólnych i 50 miliardami aktywnych parametrów. Obsługuje kontekst do 128K i został zoptymalizowany za pomocą skalowalnego, weryfikowalnego uczenia przez wzmocnienie z nagrodą."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 to wysoko wydajny model myślenia głęboko zoptymalizowany na bazie Ling-flash-2.0-base. Wykorzystuje architekturę hybrydowych ekspertów (MoE) z łączną liczbą parametrów 100 miliardów, aktywując podczas inferencji tylko 6,1 miliarda parametrów. Model rozwiązuje problem niestabilności treningu MoE w uczeniu ze wzmocnieniem (RL) dzięki autorskiej metodzie icepop, co pozwala na ciągłe zwiększanie zdolności do złożonego wnioskowania podczas długotrwałego treningu. Ring-flash-2.0 osiągnął znaczące przełomy w trudnych benchmarkach, takich jak konkursy matematyczne, generowanie kodu i rozumowanie logiczne. Jego wydajność przewyższa najlepsze modele gęste poniżej 40 miliardów parametrów i jest porównywalna z większymi otwartoźródłowymi modelami MoE oraz zamkniętymi modelami myślenia o wysokiej wydajności. Choć skupiony na złożonym wnioskowaniu, model dobrze radzi sobie także z zadaniami kreatywnego pisania. Dzięki efektywnej architekturze Ring-flash-2.0 oferuje wysoką wydajność przy szybkim inferowaniu, co znacząco obniża koszty wdrożenia modeli myślenia w środowiskach o dużej równoczesności."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Model Llama 3.3 zoptymalizowany do rozmów, który w standardowych testach branżowych przewyższa wiele istniejących modeli czatowych o otwartym kodzie."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: wysokowydajny model z serii Llama, idealny do zaawansowanego wnioskowania, rozwiązywania złożonych problemów i zadań opartych na instrukcjach."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: wysokowydajny model z serii Llama, zaprojektowany do zastosowań wymagających dużej przepustowości i niskich opóźnień."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 to nowa generacja modelu Qwen, który znacznie zwiększa możliwości w zakresie wnioskowania, ogólności, agenta i wielojęzyczności, osiągając wiodące w branży wyniki w wielu kluczowych obszarach i wspierając przełączanie trybów myślenia."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Otwartoźródłowa wersja modelu kodowania Tongyi Qianwen. Najnowszy qwen3-coder-30b-a3b-instruct to model generowania kodu oparty na Qwen3, wyposażony w zaawansowane możliwości agenta kodującego, doskonale radzący sobie z wywoływaniem narzędzi i interakcją ze środowiskiem, umożliwiający autonomiczne programowanie i łączący doskonałe umiejętności kodowania z ogólnymi zdolnościami."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Otwartoźródłowa wersja modelu kodowania Tongyi Qianwen. Najnowszy qwen3-coder-480b-a35b-instruct to model generowania kodu oparty na Qwen3, posiadający potężne zdolności agenta kodującego, specjalizujący się w wywoływaniu narzędzi i interakcji środowiskowej, umożliwiający autonomiczne programowanie z doskonałymi zdolnościami kodowania i ogólnymi."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Nowa generacja otwartego modelu z trybem myślenia oparta na Qwen3, która w porównaniu z poprzednią wersją (Tongyi Qianwen 3-235B-A22B-Thinking-2507) wykazuje poprawę w przestrzeganiu instrukcji oraz bardziej zwięzłe podsumowania w odpowiedziach modelu."
},
+ "qwen3-omni-flash": {
+ "description": "Model Qwen-Omni obsługuje wejścia w różnych modalnościach, takich jak tekst, obraz, dźwięk i wideo, generując odpowiedzi w formie tekstu lub mowy. Oferuje różnorodne, naturalnie brzmiące głosy, wspiera wiele języków i dialektów, i znajduje zastosowanie w takich obszarach jak tworzenie tekstów, rozpoznawanie obrazów czy asystenci głosowi."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct to multimodalny model opracowany przez Tongyi Qianwen, wspierający rozumienie wizualne i wnioskowanie."
+ "description": "Qwen3 VL 235B A22B w trybie bez rozumowania (Instruct), przeznaczony do scenariuszy z instrukcjami niewymagającymi głębokiego wnioskowania, zachowując silne zdolności rozumienia wizualnego."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking to multimodalny model wnioskowania opracowany przez Tongyi Qianwen, wspierający rozumienie wizualne i wnioskowanie."
+ "description": "Qwen3 VL 235B A22B w trybie rozumowania (wersja open source), zaprojektowany do złożonych zadań wymagających intensywnego wnioskowania i rozumienia długich materiałów wideo, oferujący najwyższej klasy zdolności w zakresie rozumowania wizualno-tekstowego."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B w trybie bez rozumowania (Instruct), przeznaczony do standardowych scenariuszy podążania za instrukcjami, oferujący wysoką jakość rozumienia i generowania multimodalnego."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (wersja open source) oferuje zdolności rozumienia wizualnego i generowania tekstu, wspiera interakcję z agentami, kodowanie wizualne, percepcję przestrzenną, rozumienie długich materiałów wideo i głębokie wnioskowanie, a także zapewnia zaawansowane rozpoznawanie tekstu i obsługę wielu języków w złożonych scenariuszach."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B w trybie bez rozumowania (Instruct), odpowiedni do standardowych zadań generowania i rozpoznawania multimodalnego."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B w trybie rozumowania, przeznaczony do lekkich scenariuszy multimodalnego wnioskowania i interakcji, z zachowaniem zdolności rozumienia długiego kontekstu."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: lekka, szybka wersja do wnioskowania, idealna do zastosowań wrażliwych na opóźnienia lub wymagających obsługi dużej liczby żądań."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL to model generujący tekst z umiejętnością rozumienia wizualnego (obrazów). Potrafi nie tylko wykonywać OCR (rozpoznawanie tekstu na obrazach), ale także podsumowywać i wnioskować, na przykład wyodrębniać atrybuty z fotografii produktów czy rozwiązywać zadania na podstawie ilustracji."
diff --git a/locales/pl-PL/plugin.json b/locales/pl-PL/plugin.json
index e32c0cb32a9..c9231f0874f 100644
--- a/locales/pl-PL/plugin.json
+++ b/locales/pl-PL/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Zainstalowane",
"mcp": "Wtyczki MCP",
- "old": "Wtyczki LobeChat"
+ "old": "Wtyczki LobeHub"
},
"title": "Sklep z wtyczkami"
},
diff --git a/locales/pl-PL/welcome.json b/locales/pl-PL/welcome.json
index 8c698c88d93..d4f2684b0b1 100644
--- a/locales/pl-PL/welcome.json
+++ b/locales/pl-PL/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Dowiedz się więcej",
- "title": "Najczęściej zadawane pytania:"
+ "title": "Spróbuj zapytać:"
},
"welcome": {
"afternoon": "Dzień dobry",
diff --git a/locales/pt-BR/chat.json b/locales/pt-BR/chat.json
index b7047e2669b..1c57b0abd01 100644
--- a/locales/pt-BR/chat.json
+++ b/locales/pt-BR/chat.json
@@ -396,4 +396,4 @@
},
"you": "você",
"zenMode": "Modo de Foco"
-}
+}
diff --git a/locales/pt-BR/common.json b/locales/pt-BR/common.json
index e6dc5e5fa1b..e635250e2c8 100644
--- a/locales/pt-BR/common.json
+++ b/locales/pt-BR/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Excluir em massa",
"blog": "Blog de Produtos",
"branching": "Criar subtópico",
- "branchingDisable": "A funcionalidade de \"subtópico\" está disponível apenas na versão do servidor. Se precisar dessa funcionalidade, mude para o modo de implantação no servidor ou use o LobeChat Cloud.",
+ "branchingDisable": "O recurso de \"subtópicos\" não está disponível no modo atual. Para utilizá-lo, altere para o modo Postgres/Pglite DB ou use o LobeHub Cloud.",
"branchingRequiresSavedTopic": "O tópico atual não foi salvo. Salve-o para poder usar a funcionalidade de subtópicos.",
"cancel": "Cancelar",
"changelog": "Registro de alterações",
diff --git a/locales/pt-BR/models.json b/locales/pt-BR/models.json
index b3b97e4a46a..0dcaefdd18c 100644
--- a/locales/pt-BR/models.json
+++ b/locales/pt-BR/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet oferece um equilíbrio ideal entre inteligência e velocidade para cargas de trabalho empresariais. Ele fornece máxima utilidade a um custo mais baixo, sendo confiável e adequado para implantação em larga escala."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 é o modelo Haiku mais rápido e inteligente da Anthropic, com velocidade relâmpago e capacidade de raciocínio expandida."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 é o modelo mais poderoso e recente da Anthropic para lidar com tarefas altamente complexas. Ele se destaca em desempenho, inteligência, fluidez e compreensão."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash é um modelo multimodal de pensamento profundo com velocidade de inferência extrema, TPOT de apenas 10ms; suporta compreensão textual e visual, com capacidade textual superior à geração lite anterior e compreensão visual comparável à série pro dos concorrentes. Suporta janela de contexto de 256k e saída de até 16k tokens."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite é um novo modelo multimodal de pensamento profundo, com suporte para níveis ajustáveis de esforço de raciocínio (Minimal, Low, Medium, High). Oferece excelente custo-benefício e é a melhor escolha para tarefas comuns, com janela de contexto de até 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking tem capacidade de pensamento significativamente reforçada, melhorando ainda mais habilidades básicas como codificação, matemática e raciocínio lógico em comparação com Doubao-1.5-thinking-pro, além de suportar compreensão visual. Suporta janela de contexto de 256k e saída de até 16k tokens."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "O GLM-Zero-Preview possui uma poderosa capacidade de raciocínio complexo, destacando-se em áreas como raciocínio lógico, matemática e programação."
},
- "glm4.6:355b": {
- "description": "O mais novo modelo carro-chefe da Zhipu, o GLM-4.6 (355B), supera amplamente sua geração anterior em codificação avançada, processamento de textos longos, raciocínio e capacidades de agentes inteligentes. Em especial, seu desempenho em programação está alinhado ao Claude Sonnet 4, tornando-se o principal modelo de codificação da China."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash oferece funcionalidades de próxima geração e melhorias, incluindo velocidade excepcional, uso integrado de ferramentas, geração multimodal e janela de contexto de 1 milhão de tokens."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small é a escolha ideal para tarefas de geração, depuração e refatoração de código, com latência mínima."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T é o primeiro modelo emblemático da série \"Ling 2.0\" sem capacidade de raciocínio, com um total de 1 trilhão de parâmetros e cerca de 50 bilhões de parâmetros ativos por token. Construído com base na arquitetura Ling 2.0, o Ling-1T visa ultrapassar os limites do raciocínio eficiente e da cognição escalável. O Ling-1T-base foi treinado com mais de 20 trilhões de tokens de alta qualidade e intensivos em raciocínio."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 é o terceiro modelo da série Ling 2.0, lançado pela equipe Bailing do Ant Group. É um modelo de especialistas mistos (MoE) com 100 bilhões de parâmetros totais, mas ativa apenas 6,1 bilhões por token (4,8 bilhões excluindo embeddings). Como uma configuração leve, Ling-flash-2.0 demonstra desempenho comparável ou superior a modelos densos de 40 bilhões e modelos MoE de maior escala em várias avaliações autoritativas. O modelo busca explorar caminhos eficientes sob o consenso de que “modelos grandes equivalem a muitos parâmetros” por meio de design arquitetônico e estratégias de treinamento extremas."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 é um modelo de linguagem grande de alto desempenho e pequeno porte baseado na arquitetura MoE. Possui 16 bilhões de parâmetros totais, mas ativa apenas 1,4 bilhão por token (789 milhões excluindo embeddings), alcançando alta velocidade de geração. Graças ao design eficiente do MoE e a grandes volumes de dados de treinamento de alta qualidade, Ling-mini-2.0 apresenta desempenho de ponta em tarefas downstream, comparável a modelos densos abaixo de 10 bilhões e modelos MoE de maior escala."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T é um modelo de pensamento open-source com escala de trilhões de parâmetros, lançado pela equipe Bailing. Baseado na arquitetura Ling 2.0 e no modelo base Ling-1T, possui 1 trilhão de parâmetros totais e 50 bilhões de parâmetros ativos, com suporte para janelas de contexto de até 128K. O modelo foi otimizado por meio de aprendizado por reforço com recompensas verificáveis em larga escala."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 é um modelo de pensamento de alto desempenho profundamente otimizado a partir do Ling-flash-2.0-base. Utiliza arquitetura de especialistas mistos (MoE) com 100 bilhões de parâmetros totais, mas ativa apenas 6,1 bilhões por inferência. O modelo resolve a instabilidade do treinamento por reforço (RL) em grandes modelos MoE com o algoritmo inovador icepop, permitindo melhoria contínua do raciocínio complexo em treinamentos longos. Ring-flash-2.0 alcançou avanços significativos em competições matemáticas, geração de código e raciocínio lógico, superando modelos densos de até 40 bilhões de parâmetros e rivalizando com modelos MoE open source maiores e modelos de pensamento proprietários de alto desempenho. Embora focado em raciocínio complexo, também se destaca em tarefas criativas. Além disso, graças ao design eficiente, oferece alta velocidade de inferência e reduz significativamente o custo de implantação em cenários de alta concorrência."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "O modelo Llama 3.3 com ajuste fino de instruções foi otimizado para cenários de diálogo, superando muitos modelos de chat open-source existentes em benchmarks comuns do setor."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: modelo de alto desempenho da série Llama, ideal para raciocínio avançado, resolução de problemas complexos e tarefas baseadas em instruções."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: modelo de alto desempenho da série Llama, adequado para cenários que exigem alta taxa de processamento e baixa latência."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 é um novo modelo de linguagem de próxima geração com capacidades significativamente aprimoradas, alcançando níveis líderes da indústria em raciocínio, generalidade, agentes e multilíngue, e suporta a alternância de modos de pensamento."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Versão open-source do modelo de código Tongyi Qianwen. O mais recente qwen3-coder-30b-a3b-instruct é um modelo de geração de código baseado no Qwen3, com poderosas capacidades de agente de codificação, especializado em chamadas de ferramentas e interação com ambientes, capaz de programação autônoma com excelência em código e habilidades gerais."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Versão open source do modelo de código Tongyi Qianwen. O mais recente qwen3-coder-480b-a35b-instruct é um modelo de geração de código baseado no Qwen3, com forte capacidade de agente de codificação, especializado em chamadas de ferramentas e interação com ambientes, capaz de programação autônoma, combinando excelência em código com capacidades gerais."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Modelo open source de nova geração no modo reflexivo baseado no Qwen3, que oferece melhor conformidade com instruções e respostas mais concisas em resumos, em comparação com a versão anterior (Tongyi Qianwen 3-235B-A22B-Thinking-2507)."
},
+ "qwen3-omni-flash": {
+ "description": "O modelo Qwen-Omni aceita entradas combinadas de texto, imagem, áudio e vídeo, e gera respostas em forma de texto ou voz. Oferece múltiplas vozes humanizadas, com suporte para saída de voz em vários idiomas e dialetos. Pode ser aplicado em criação de texto, reconhecimento visual, assistentes de voz e outros cenários."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct é um modelo multimodal lançado pela Tongyi Qianwen, com suporte a compreensão visual e raciocínio."
+ "description": "Qwen3 VL 235B A22B no modo não-racional (Instruct), ideal para cenários de instruções sem raciocínio, mantendo forte capacidade de compreensão visual."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking é um modelo multimodal de raciocínio lançado pela Tongyi Qianwen, com suporte a compreensão visual e raciocínio."
+ "description": "Qwen3 VL 235B A22B no modo de raciocínio (versão open-source), projetado para cenários complexos com raciocínio avançado e compreensão de vídeos longos, oferecendo capacidades de ponta em raciocínio visual + textual."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B no modo não-racional (Instruct), voltado para cenários comuns de seguimento de instruções, mantendo alta capacidade de compreensão e geração multimodal."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (versão open-source) oferece capacidades de compreensão visual e geração de texto, com suporte para interação com agentes, codificação visual, percepção espacial, compreensão de vídeos longos e raciocínio profundo, além de forte reconhecimento de texto e suporte multilíngue em cenários complexos."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B no modo não-racional (Instruct), adequado para tarefas regulares de geração e reconhecimento multimodal."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B no modo de raciocínio, voltado para cenários leves de raciocínio e interação multimodal, mantendo a capacidade de compreensão de contexto longo."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: versão leve e de inferência rápida, ideal para cenários sensíveis à latência ou com grandes volumes de requisições."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL é um modelo gerador de texto com capacidade de compreensão visual (imagens), capaz não só de realizar OCR (reconhecimento de texto em imagens), mas também de resumir e inferir, como extrair atributos de fotos de produtos e resolver problemas a partir de imagens de exercícios."
diff --git a/locales/pt-BR/plugin.json b/locales/pt-BR/plugin.json
index 02b86fda15c..5fe76ff5299 100644
--- a/locales/pt-BR/plugin.json
+++ b/locales/pt-BR/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Instalados",
"mcp": "Plugins MCP",
- "old": "Plugins LobeChat"
+ "old": "Plugin do LobeHub"
},
"title": "Loja de plugins"
},
diff --git a/locales/pt-BR/welcome.json b/locales/pt-BR/welcome.json
index 3117b41b31f..571415ec24c 100644
--- a/locales/pt-BR/welcome.json
+++ b/locales/pt-BR/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Saiba mais",
- "title": "Perguntas frequentes:"
+ "title": "Tente perguntar:"
},
"welcome": {
"afternoon": "Boa tarde",
diff --git a/locales/ru-RU/chat.json b/locales/ru-RU/chat.json
index f778916aa3a..716c239d15b 100644
--- a/locales/ru-RU/chat.json
+++ b/locales/ru-RU/chat.json
@@ -396,4 +396,4 @@
},
"you": "ты",
"zenMode": "Режим концентрации"
-}
+}
diff --git a/locales/ru-RU/common.json b/locales/ru-RU/common.json
index c36d561e571..c05a64df7cf 100644
--- a/locales/ru-RU/common.json
+++ b/locales/ru-RU/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Пакетное удаление",
"blog": "Блог о продуктах",
"branching": "Создать подтему",
- "branchingDisable": "Функция «Подтема» доступна только в серверной версии. Если вам нужна эта функция, переключитесь на серверный режим развертывания или используйте LobeChat Cloud.",
+ "branchingDisable": "Функция «подтемы» недоступна в текущем режиме. Чтобы использовать эту функцию, переключитесь в режим базы данных Postgres/Pglite или воспользуйтесь LobeHub Cloud.",
"branchingRequiresSavedTopic": "Текущая тема не сохранена, сохраните её, чтобы использовать функцию подтем.",
"cancel": "Отмена",
"changelog": "История изменений",
diff --git a/locales/ru-RU/models.json b/locales/ru-RU/models.json
index 0f642362786..80409d43e95 100644
--- a/locales/ru-RU/models.json
+++ b/locales/ru-RU/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet обеспечивает идеальный баланс между интеллектом и скоростью для корпоративных рабочих нагрузок. Он предлагает максимальную полезность по более низкой цене, надежен и подходит для масштабного развертывания."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 — самая быстрая и интеллектуальная модель Haiku от Anthropic, обладающая молниеносной скоростью и расширенными возможностями рассуждения."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 — новейшая и самая мощная модель Anthropic для решения высоко сложных задач. Она превосходна по производительности, интеллекту, плавности и пониманию."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash — мультимодальная модель глубокого мышления с экстремально высокой скоростью вывода, TPOT занимает всего 10 мс; поддерживает понимание текста и визуальных данных, текстовое понимание превосходит предыдущую lite-версию, визуальное понимание сопоставимо с pro-серией конкурентов. Поддерживает контекстное окно 256k и максимальную длину вывода до 16k токенов."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite — новая мультимодальная модель глубокого мышления с регулируемым уровнем рассуждения (reasoning effort): Minimal, Low, Medium, High. Обеспечивает отличное соотношение цена-качество и является оптимальным выбором для типовых задач. Поддерживает контекстное окно до 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Модель Doubao-Seed-1.6-thinking значительно улучшена в плане мышления, по сравнению с Doubao-1.5-thinking-pro дополнительно повышены базовые способности в программировании, математике и логическом рассуждении, поддерживается визуальное понимание. Поддерживает контекстное окно 256k и максимальную длину вывода до 16k токенов."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview обладает мощными способностями к сложному выводу, демонстрируя отличные результаты в области логического вывода, математики и программирования."
},
- "glm4.6:355b": {
- "description": "Флагманская модель Zhizhi GLM-4.6 (355B) значительно превосходит предыдущие версии в области продвинутого программирования, обработки длинных текстов, логического вывода и интеллектуальных агентов. Особенно в программировании она сопоставима с Claude Sonnet 4, становясь ведущей моделью кодирования в Китае."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash предлагает функции следующего поколения и улучшенные возможности, включая выдающуюся скорость, встроенное использование инструментов, мультимодальную генерацию и контекстное окно на 1 миллион токенов."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small — идеальный выбор для задач генерации, отладки и рефакторинга кода с минимальной задержкой."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T — флагманская модель без рассуждения (non-thinking) из серии «Ling 2.0», обладающая общим числом параметров в 1 триллион и около 50 миллиардов активных параметров на каждый токен. Построена на архитектуре Ling 2.0, Ling-1T стремится преодолеть границы эффективного вывода и масштабируемого когнитивного понимания. Модель Ling-1T-base обучена на более чем 20 триллионах высококачественных токенов с интенсивным рассуждением."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 — третья модель серии Ling 2.0, выпущенная командой Ant Group Bailing. Это модель смешанных экспертов (MoE) с общим числом параметров 100 миллиардов, при этом для каждого токена активируется всего 6.1 миллиарда параметров (без учета эмбеддингов — 4.8 миллиарда). Как легковесная конфигурация, Ling-flash-2.0 демонстрирует в нескольких авторитетных тестах производительность, сопоставимую или превосходящую модели плотного типа (Dense) с 40 миллиардами параметров и более крупные MoE-модели. Модель направлена на исследование эффективных путей при концепции «большая модель равна большому числу параметров» через продуманный дизайн архитектуры и стратегии обучения."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 — компактная высокопроизводительная большая языковая модель на базе архитектуры MoE. Она содержит 16 миллиардов параметров, при этом для каждого токена активируется всего 1.4 миллиарда параметров (без эмбеддингов — 789 миллионов), что обеспечивает очень высокую скорость генерации. Благодаря эффективному дизайну MoE и масштабным качественным тренировочным данным, несмотря на низкое число активируемых параметров, Ling-mini-2.0 демонстрирует в downstream-задачах производительность, сопоставимую с плотными LLM менее 10 миллиардов параметров и более крупными MoE-моделями."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T — открытая модель мышления триллионного масштаба, выпущенная командой Bailing. Построена на архитектуре Ling 2.0 и базовой модели Ling-1T-base, содержит 1 триллион общих параметров и 50 миллиардов активных параметров, поддерживает контекстное окно до 128K. Оптимизирована с использованием масштабного обучения с подкреплением и проверяемыми наградами."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 — высокопроизводительная модель для рассуждений, глубоко оптимизированная на базе Ling-flash-2.0-base. Она использует архитектуру смешанных экспертов (MoE) с общим числом параметров 100 миллиардов, при этом при каждом выводе активируется только 6.1 миллиарда параметров. Модель решает проблему нестабильности MoE-моделей при обучении с подкреплением (RL) с помощью уникального алгоритма icepop, что позволяет постоянно улучшать сложные способности рассуждения в долгосрочном обучении. Ring-flash-2.0 достигла значительных прорывов в сложных бенчмарках, таких как математические соревнования, генерация кода и логическое рассуждение. Ее производительность превосходит лучшие плотные модели с числом параметров менее 40 миллиардов и сопоставима с более крупными открытыми MoE-моделями и закрытыми высокопроизводительными моделями для рассуждений. Несмотря на фокус на сложных рассуждениях, модель также отлично справляется с творческим письмом. Благодаря эффективному дизайну архитектуры Ring-flash-2.0 обеспечивает высокую скорость вывода и значительно снижает затраты на развертывание моделей рассуждений в условиях высокой нагрузки."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Модель Llama 3.3 с тонкой настройкой инструкций оптимизирована для диалоговых сценариев и превосходит многие существующие модели с открытым исходным кодом в стандартных отраслевых тестах."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: высокопроизводительная модель серии Llama, подходящая для продвинутого логического вывода, решения сложных задач и выполнения инструкций."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: высокопроизводительная модель серии Llama, оптимизированная для сценариев с высокой пропускной способностью и низкой задержкой."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 — это новое поколение модели Qwen с значительно улучшенными возможностями, достигнувшими ведущих позиций в отрасли в области вывода, универсальности, агентов и многоязычности, а также поддерживающей переключение режимов размышления."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Открытая версия модели программирования Tongyi Qianwen. Новейшая qwen3-coder-30b-a3b-instruct — это модель генерации кода на базе Qwen3, обладающая мощными возможностями Coding Agent, хорошо справляется с вызовом инструментов и взаимодействием с окружением, способна к автономному программированию и демонстрирует выдающиеся способности в кодировании при сохранении универсальности."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Открытая версия модели кода Tongyi Qianwen. Последняя модель qwen3-coder-480b-a35b-instruct основана на Qwen3 и обладает мощными возможностями Coding Agent, хорошо справляется с вызовом инструментов и взаимодействием с окружением, обеспечивая автономное программирование с выдающимися кодовыми и универсальными способностями."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Новая генерация открытой модели с режимом мышления на базе Qwen3, которая по сравнению с предыдущей версией (通义千问3-235B-A22B-Thinking-2507) демонстрирует улучшенное следование инструкциям и более лаконичные ответы модели."
},
+ "qwen3-omni-flash": {
+ "description": "Модель Qwen-Omni принимает комбинированный ввод в виде текста, изображений, аудио и видео, и генерирует ответы в текстовой или голосовой форме. Поддерживает различные реалистичные голосовые тембры, многоязычный и диалектный вывод, подходит для задач текстового творчества, визуального распознавания, голосовых помощников и других сценариев."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct — это мультимодальная модель от Tongyi Qianwen, поддерживающая визуальное восприятие и логический вывод."
+ "description": "Qwen3 VL 235B A22B в режиме без рассуждения (Instruct), предназначен для сценариев с простыми инструкциями, сохраняя при этом мощные способности визуального понимания."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking — это мультимодальная модель рассуждений от Tongyi Qianwen, поддерживающая визуальное восприятие и логический вывод."
+ "description": "Qwen3 VL 235B A22B в режиме рассуждения (открытая версия), предназначен для сложных задач с интенсивным выводом и пониманием длинных видео, обеспечивая передовые возможности визуального и текстового рассуждения."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B в режиме без рассуждения (Instruct), ориентирован на стандартные сценарии следования инструкциям, обеспечивая высокие мультимодальные способности понимания и генерации."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Открытая версия Qwen-VL предоставляет возможности визуального понимания и генерации текста, поддерживает взаимодействие с агентами, визуальное кодирование, пространственное восприятие, понимание длинных видео и глубокое мышление, а также обладает улучшенными возможностями распознавания текста и многоязычной поддержки в сложных сценариях."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B в режиме без рассуждения (Instruct), подходит для стандартных задач мультимодальной генерации и распознавания."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B в режиме рассуждения, предназначен для легковесных мультимодальных задач вывода и взаимодействия, сохраняя способность к пониманию длинного контекста."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash — легковесная версия с высокой скоростью вывода, подходит для сценариев с чувствительностью к задержке или массовыми запросами."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL — текстовая генеративная модель с возможностями визуального (изображенческого) понимания. Она не только способна выполнять OCR (распознавание текста на изображениях), но и проводить дальнейшее суммирование и рассуждение, например, извлекать атрибуты из фотографий товаров или решать задачи по изображениям учебных заданий."
diff --git a/locales/ru-RU/plugin.json b/locales/ru-RU/plugin.json
index 64e20023927..5faf7fdd7a6 100644
--- a/locales/ru-RU/plugin.json
+++ b/locales/ru-RU/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Установленные",
"mcp": "MCP плагины",
- "old": "LobeChat плагины"
+ "old": "Плагины LobeHub"
},
"title": "Магазин плагинов"
},
diff --git a/locales/ru-RU/welcome.json b/locales/ru-RU/welcome.json
index 1dde2da68b5..1641866f795 100644
--- a/locales/ru-RU/welcome.json
+++ b/locales/ru-RU/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Узнать больше",
- "title": "Часто задаваемые вопросы:"
+ "title": "Попробуйте спросить:"
},
"welcome": {
"afternoon": "Добрый день",
diff --git a/locales/tr-TR/chat.json b/locales/tr-TR/chat.json
index d895aace1eb..14ca983cff6 100644
--- a/locales/tr-TR/chat.json
+++ b/locales/tr-TR/chat.json
@@ -396,4 +396,4 @@
},
"you": "sen",
"zenMode": "Odak Modu"
-}
+}
diff --git a/locales/tr-TR/common.json b/locales/tr-TR/common.json
index 4720299c130..da75300a4d5 100644
--- a/locales/tr-TR/common.json
+++ b/locales/tr-TR/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Toplu Sil",
"blog": "Ürün Blogu",
"branching": "Alt konu oluştur",
- "branchingDisable": "«Alt konu» özelliği yalnızca sunucu sürümünde mevcuttur. Bu özelliği kullanmak için lütfen sunucu dağıtım moduna geçin veya LobeChat Cloud'u kullanın.",
+ "branchingDisable": "“Alt Konu” özelliği mevcut modda kullanılamaz. Bu özelliği kullanmak için lütfen Postgres/Pglite DB moduna geçin veya LobeHub Cloud'u kullanın.",
"branchingRequiresSavedTopic": "Geçerli konu kaydedilmedi, alt konu özelliğini kullanmak için önce kaydedilmelidir",
"cancel": "İptal",
"changelog": "Changelog",
diff --git a/locales/tr-TR/models.json b/locales/tr-TR/models.json
index 4095ac2d7fe..0732225c9f4 100644
--- a/locales/tr-TR/models.json
+++ b/locales/tr-TR/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet, akıllı ve hızlı bir denge sunarak kurumsal iş yükleri için idealdir. Daha düşük bir fiyatla maksimum fayda sağlar, güvenilir ve büyük ölçekli dağıtım için uygundur."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5, Anthropic'in en hızlı ve en akıllı Haiku modeli olup, yıldırım hızında çalışır ve gelişmiş düşünme yeteneklerine sahiptir."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1, Anthropic'in en karmaşık görevleri işlemek için geliştirdiği en güçlü modelidir. Performans, zeka, akıcılık ve anlama yeteneği açısından olağanüstü bir performans sergiler."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash, TPOT sadece 10ms olan son derece hızlı çok modlu derin düşünme modelidir; hem metin hem de görsel anlayışı destekler, metin anlama yeteneği önceki lite neslini aşar, görsel anlama ise rakiplerin pro serisi modelleriyle eşdeğerdir. 256k bağlam penceresini destekler ve çıktı uzunluğu maksimum 16k token olabilir."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite, yeni nesil çok modlu derin düşünme modelidir. Ayarlanabilir düşünme düzeylerini (reasoning effort) destekler: Minimal, Düşük, Orta ve Yüksek. Yüksek fiyat-performans oranı sunar ve yaygın görevler için en iyi tercihtir. 256k'ya kadar bağlam penceresini destekler."
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking modeli düşünme yeteneğinde büyük gelişme göstermiştir, Doubao-1.5-thinking-pro ile karşılaştırıldığında Kodlama, Matematik ve mantıksal akıl yürütme gibi temel yeteneklerde daha da iyileşmiştir, görsel anlayışı destekler. 256k bağlam penceresini destekler ve çıktı uzunluğu maksimum 16k token olabilir."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview, karmaşık akıl yürütme yeteneklerine sahip olup, mantıksal akıl yürütme, matematik, programlama gibi alanlarda mükemmel performans sergilemektedir."
},
- "glm4.6:355b": {
- "description": "Zhipu'nun en yeni amiral gemisi modeli GLM-4.6 (355B), gelişmiş kodlama, uzun metin işleme, akıl yürütme ve yapay zeka ajanı yeteneklerinde seleflerini tamamen geride bırakıyor. Özellikle programlama yetenekleri açısından Claude Sonnet 4 ile aynı seviyeye ulaşarak, Çin'deki en iyi Kodlama modellerinden biri haline gelmiştir."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash, üstün hız, yerleşik araç kullanımı, çok modlu üretim ve 1 milyon token bağlam penceresi dahil olmak üzere yeni nesil özellikler ve geliştirmeler sunar."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small, kod üretimi, hata ayıklama ve yeniden yapılandırma görevleri için ideal olup, minimum gecikme sunar."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T, \"Ling 2.0\" serisinin ilk amiral gemisi non-thinking modelidir. Toplamda 1 trilyon parametreye ve her token için yaklaşık 50 milyar aktif parametreye sahiptir. Ling 2.0 mimarisi üzerine inşa edilen Ling-1T, verimli akıl yürütme ve ölçeklenebilir bilişsel yeteneklerin sınırlarını zorlamak için tasarlanmıştır. Ling-1T-base, 200 trilyondan fazla yüksek kaliteli ve akıl yürütme yoğun token üzerinde eğitilmiştir."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0, Ant Group Bailing ekibi tarafından yayınlanan Ling 2.0 mimari serisinin üçüncü modelidir. Bu, hibrit uzman (MoE) modeli olup toplam parametre sayısı 100 milyara ulaşırken, her token için yalnızca 6.1 milyar parametre aktive eder (embedding dışı 4.8 milyar). Hafif yapılandırmaya sahip bu model, birçok otoriter değerlendirmede 40 milyar seviyesindeki yoğun (Dense) modeller ve daha büyük ölçekli MoE modelleriyle rekabet eden hatta onları aşan performans sergiler. Model, \"büyük model büyük parametre demektir\" anlayışı altında yüksek verimlilik yollarını keşfetmek için üstün mimari tasarım ve eğitim stratejileriyle geliştirilmiştir."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0, MoE mimarisi temelinde küçük boyutlu yüksek performanslı büyük dil modelidir. Toplam 16 milyar parametreye sahip olup, her token için yalnızca 1.4 milyar parametre aktive eder (embedding dışı 789 milyon), böylece çok yüksek üretim hızı sağlar. Verimli MoE tasarımı ve büyük ölçekli yüksek kaliteli eğitim verileri sayesinde, aktive edilen parametre sayısı sadece 1.4 milyar olmasına rağmen, Ling-mini-2.0 altındaki 10 milyar yoğun LLM ve daha büyük ölçekli MoE modelleriyle kıyaslanabilir üst düzey performans gösterir."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T, Bailing ekibi tarafından geliştirilen trilyon parametre ölçeğinde açık kaynaklı bir düşünce modelidir. Ling 2.0 mimarisi ve Ling-1T-base temel modeli üzerine inşa edilmiştir. Toplamda 1 trilyon parametreye ve 50 milyar aktif parametreye sahiptir. 128K'ya kadar bağlam penceresini destekler. Model, büyük ölçekli doğrulanabilir ödül takviyeli öğrenme ile optimize edilmiştir."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0, Ling-flash-2.0-base üzerine derinlemesine optimize edilmiş yüksek performanslı düşünme modelidir. Hibrit uzman (MoE) mimarisi kullanır, toplam parametre sayısı 100 milyardır ancak her çıkarımda yalnızca 6.1 milyar parametre aktive edilir. Model, özgün icepop algoritması ile MoE büyük modellerin pekiştirmeli öğrenme (RL) eğitimindeki kararsızlık sorununu çözerek karmaşık çıkarım yeteneğini uzun dönemli eğitimlerde sürekli artırır. Ring-flash-2.0, matematik yarışmaları, kod üretimi ve mantıksal çıkarım gibi zorlu kıyaslama testlerinde önemli atılımlar yapmış, performansı 40 milyar parametre altındaki en iyi yoğun modelleri aşmakla kalmayıp, daha büyük ölçekli açık kaynak MoE modelleri ve kapalı kaynak yüksek performanslı düşünme modelleriyle rekabet edebilir. Model karmaşık çıkarıma odaklanmasına rağmen yaratıcı yazma gibi görevlerde de başarılıdır. Ayrıca, yüksek verimli mimari tasarımı sayesinde güçlü performans sunarken yüksek hızda çıkarım yapar ve yüksek eşzamanlılık senaryolarında düşünme modeli dağıtım maliyetlerini önemli ölçüde azaltır."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Llama 3.3 komut ince ayarlı modeli, diyalog senaryoları için optimize edilmiştir ve yaygın endüstri kıyaslamalarında birçok mevcut açık kaynaklı sohbet modelini geride bırakmaktadır."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: Yüksek performanslı Llama serisi modeli; gelişmiş akıl yürütme, karmaşık problem çözme ve komut takibi görevleri için uygundur."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: Yüksek performanslı Llama serisi modeli; yüksek işlem hacmi ve düşük gecikme gerektiren senaryolar için idealdir."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3, akıl yürütme, genel, Ajan ve çok dilli gibi birçok temel yetenekte endüstri lideri seviyesine ulaşan yeni nesil bir modeldir ve düşünme modu geçişini destekler."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Qwen3 tabanlı kod üretim modeli olan en yeni açık kaynaklı Tongyi Qianwen kod modeli. Güçlü Kodlama Ajanı yeteneklerine sahiptir, araç kullanımı ve çevre ile etkileşimde uzmandır. Kendi kendine programlama yapabilir, üstün kodlama yeteneklerinin yanı sıra genel amaçlı beceriler de sunar."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Tongyi Qianwen kod modeli açık kaynak versiyonudur. En yeni qwen3-coder-480b-a35b-instruct, Qwen3 tabanlı kod oluşturma modelidir; güçlü Kodlama Ajanı yeteneklerine sahiptir, araç çağrısı ve ortam etkileşiminde uzmandır, otonom programlama yapabilir ve üstün kodlama yetenekleri ile genel yetenekleri bir arada sunar."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Qwen3 tabanlı yeni nesil düşünme modlu açık kaynak modeli, önceki sürüme (Tongyi Qianwen 3-235B-A22B-Thinking-2507) kıyasla komutlara uyum yeteneği artırılmış ve modelin özetleyici yanıtları daha özlü hale getirilmiştir."
},
+ "qwen3-omni-flash": {
+ "description": "Qwen-Omni modeli, metin, görsel, ses ve video gibi çoklu modların birleşik girişlerini kabul edebilir ve metin ya da ses biçiminde yanıtlar üretebilir. Çeşitli insansı ses tonları sunar, çok dilli ve lehçeli ses çıktısını destekler. Metin üretimi, görsel tanıma ve sesli asistan gibi senaryolarda kullanılabilir."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct, Tongyi Qianwen tarafından geliştirilen çok modlu bir modeldir ve görsel anlama ile akıl yürütmeyi destekler."
+ "description": "Qwen3 VL 235B A22B Non-thinking modu (Instruct), düşünme gerektirmeyen komut senaryoları için uygundur ve güçlü görsel anlama yeteneğini korur."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking, Tongyi Qianwen tarafından geliştirilen çok modlu bir akıl yürütme modelidir ve görsel anlama ile akıl yürütmeyi destekler."
+ "description": "Qwen3 VL 235B A22B Düşünme modu (açık kaynaklı sürüm), zorlu akıl yürütme ve uzun video anlama senaryoları için geliştirilmiş, üst düzey görsel + metin akıl yürütme yetenekleri sunar."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B Non-thinking modu (Instruct), genel komut takip senaryolarına yöneliktir ve yüksek düzeyde çok modlu anlama ve üretim yeteneğini korur."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (açık kaynaklı sürüm), görsel anlama ve metin üretme yetenekleri sunar. Akıllı ajan etkileşimi, görsel kodlama, mekânsal algı, uzun video anlama ve derin düşünme gibi alanları destekler. Karmaşık senaryolarda daha güçlü metin tanıma ve çok dilli destek sağlar."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B Non-thinking modu (Instruct), standart çok modlu üretim ve tanıma görevleri için uygundur."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B Düşünme modu, hafif çok modlu akıl yürütme ve etkileşim senaryolarına yöneliktir. Uzun bağlam anlama yeteneğini korur."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: Gecikmeye duyarlı veya yüksek hacimli istek senaryoları için uygun, hafif ve yüksek hızlı akıl yürütme sürümüdür."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL, görsel (resim) anlama yeteneğine sahip metin üretim modelidir. Sadece OCR (resim metni tanıma) yapmakla kalmaz, aynı zamanda ürün fotoğraflarından özellik çıkarma, alıştırma resimlerinden problem çözme gibi özetleme ve çıkarım yapabilir."
diff --git a/locales/tr-TR/plugin.json b/locales/tr-TR/plugin.json
index 446daab07ff..79e13557326 100644
--- a/locales/tr-TR/plugin.json
+++ b/locales/tr-TR/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Yüklü",
"mcp": "MCP Eklentileri",
- "old": "LobeChat Eklentileri"
+ "old": "LobeHub Eklentileri"
},
"title": "Eklenti Mağazası"
},
diff --git a/locales/tr-TR/welcome.json b/locales/tr-TR/welcome.json
index 624005e9de1..969d63a3a76 100644
--- a/locales/tr-TR/welcome.json
+++ b/locales/tr-TR/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Daha Fazla Bilgi",
- "title": "Herkesin Sorduğu Sorular:"
+ "title": "Şunu sormayı deneyin:"
},
"welcome": {
"afternoon": "İyi akşamlar",
diff --git a/locales/vi-VN/chat.json b/locales/vi-VN/chat.json
index e268746699a..15d66a99f3a 100644
--- a/locales/vi-VN/chat.json
+++ b/locales/vi-VN/chat.json
@@ -396,4 +396,4 @@
},
"you": "bạn",
"zenMode": "Chế độ tập trung"
-}
+}
diff --git a/locales/vi-VN/common.json b/locales/vi-VN/common.json
index c6cadf0f31b..97370cc4a7a 100644
--- a/locales/vi-VN/common.json
+++ b/locales/vi-VN/common.json
@@ -31,7 +31,7 @@
"batchDelete": "Xóa hàng loạt",
"blog": "Blog sản phẩm",
"branching": "Tạo chủ đề con",
- "branchingDisable": "Chức năng «Chủ đề con» chỉ có sẵn trong phiên bản máy chủ. Nếu bạn cần chức năng này, hãy chuyển sang chế độ triển khai máy chủ hoặc sử dụng LobeChat Cloud.",
+ "branchingDisable": "Chức năng \"chủ đề con\" không khả dụng trong chế độ hiện tại. Vui lòng chuyển sang chế độ cơ sở dữ liệu Postgres/Pglite hoặc sử dụng LobeHub Cloud để sử dụng tính năng này.",
"branchingRequiresSavedTopic": "Chủ đề hiện tại chưa được lưu, vui lòng lưu trước khi sử dụng chức năng chủ đề con",
"cancel": "Hủy",
"changelog": "Nhật ký cập nhật",
diff --git a/locales/vi-VN/models.json b/locales/vi-VN/models.json
index 91268685618..d63c8489d97 100644
--- a/locales/vi-VN/models.json
+++ b/locales/vi-VN/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet cung cấp sự cân bằng lý tưởng giữa trí thông minh và tốc độ cho khối lượng công việc doanh nghiệp. Nó cung cấp hiệu suất tối đa với mức giá thấp hơn, đáng tin cậy và phù hợp cho triển khai quy mô lớn."
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 là mô hình Haiku nhanh nhất và thông minh nhất của Anthropic, với tốc độ như chớp và khả năng tư duy mở rộng."
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 là mô hình mạnh mẽ nhất mới nhất của Anthropic dành cho xử lý các nhiệm vụ phức tạp cao. Nó thể hiện xuất sắc về hiệu suất, trí tuệ, sự mượt mà và khả năng hiểu biết."
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash là mô hình suy nghĩ sâu đa phương thức với tốc độ suy luận tối ưu, TPOT chỉ cần 10ms; đồng thời hỗ trợ hiểu văn bản và hình ảnh, khả năng hiểu văn bản vượt trội so với thế hệ lite trước, khả năng hiểu hình ảnh sánh ngang với các mô hình pro của đối thủ. Hỗ trợ cửa sổ ngữ cảnh 256k, độ dài đầu ra tối đa 16k tokens."
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite là mô hình tư duy sâu đa phương thức hoàn toàn mới, hỗ trợ điều chỉnh mức độ suy luận (reasoning effort) với bốn chế độ: Tối thiểu, Thấp, Trung bình và Cao. Đây là lựa chọn tối ưu cho các tác vụ phổ biến với hiệu suất vượt trội và cửa sổ ngữ cảnh lên đến 256k."
+ },
"doubao-seed-1.6-thinking": {
"description": "Mô hình Doubao-Seed-1.6-thinking có khả năng suy nghĩ được tăng cường đáng kể, so với Doubao-1.5-thinking-pro, nâng cao hơn nữa các năng lực cơ bản như lập trình, toán học, suy luận logic, đồng thời hỗ trợ hiểu hình ảnh. Hỗ trợ cửa sổ ngữ cảnh 256k, độ dài đầu ra tối đa 16k tokens."
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview có khả năng suy luận phức tạp mạnh mẽ, thể hiện xuất sắc trong các lĩnh vực suy luận logic, toán học, lập trình."
},
- "glm4.6:355b": {
- "description": "Mô hình hàng đầu mới nhất của Zhipu - GLM-4.6 (355B) vượt trội hoàn toàn so với thế hệ trước về mã hóa nâng cao, xử lý văn bản dài, suy luận và khả năng tác nhân thông minh. Đặc biệt, năng lực lập trình đã đạt đến mức tương đương với Claude Sonnet 4, trở thành mô hình Coding hàng đầu tại Trung Quốc."
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash cung cấp các tính năng thế hệ tiếp theo và cải tiến, bao gồm tốc độ vượt trội, sử dụng công cụ tích hợp, tạo đa phương thức và cửa sổ ngữ cảnh 1 triệu token."
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small là lựa chọn lý tưởng cho các nhiệm vụ tạo mã, gỡ lỗi và tái cấu trúc với độ trễ tối thiểu."
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T là mô hình non-thinking hàng đầu đầu tiên trong dòng sản phẩm \"Linh 2.0\", sở hữu tổng cộng 1 nghìn tỷ tham số và khoảng 50 tỷ tham số hoạt động cho mỗi token. Được xây dựng trên kiến trúc Linh 2.0, Ling-1T hướng đến việc vượt qua giới hạn của suy luận hiệu quả và nhận thức có thể mở rộng. Ling-1T-base được huấn luyện trên hơn 20 nghìn tỷ token chất lượng cao, đòi hỏi suy luận chuyên sâu."
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 là mô hình thứ ba trong dòng kiến trúc Ling 2.0 do đội ngũ Bailing của Ant Group phát hành. Đây là mô hình chuyên gia hỗn hợp (MoE) với tổng số tham số lên đến 100 tỷ, nhưng mỗi token chỉ kích hoạt 6.1 tỷ tham số (không bao gồm embedding là 4.8 tỷ). Là mô hình cấu hình nhẹ, Ling-flash-2.0 thể hiện hiệu năng ngang hoặc vượt trội so với các mô hình dày đặc (Dense) 40 tỷ tham số và các mô hình MoE quy mô lớn hơn trong nhiều bài đánh giá uy tín. Mô hình này nhằm khám phá con đường hiệu quả trong bối cảnh quan niệm “mô hình lớn đồng nghĩa với tham số lớn” thông qua thiết kế kiến trúc và chiến lược huấn luyện tối ưu."
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 là mô hình ngôn ngữ lớn hiệu năng cao kích thước nhỏ dựa trên kiến trúc MoE. Nó có tổng số 16 tỷ tham số, nhưng mỗi token chỉ kích hoạt 1.4 tỷ tham số (không bao gồm embedding là 789 triệu), từ đó đạt tốc độ sinh nhanh vượt trội. Nhờ thiết kế MoE hiệu quả và dữ liệu huấn luyện quy mô lớn, chất lượng cao, mặc dù tham số kích hoạt chỉ 1.4 tỷ, Ling-mini-2.0 vẫn thể hiện hiệu năng hàng đầu trong các tác vụ hạ nguồn, có thể so sánh với các mô hình dense dưới 10 tỷ tham số và các mô hình MoE quy mô lớn hơn."
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T là mô hình tư duy mã nguồn mở quy mô nghìn tỷ tham số do nhóm Bailing phát triển. Dựa trên kiến trúc Linh 2.0 và mô hình nền tảng Ling-1T-base, mô hình này có tổng cộng 1 nghìn tỷ tham số và 50 tỷ tham số hoạt động, hỗ trợ cửa sổ ngữ cảnh lên đến 128K. Mô hình được tối ưu hóa thông qua học tăng cường với phần thưởng có thể xác minh ở quy mô lớn."
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 là mô hình tư duy hiệu năng cao được tối ưu sâu dựa trên Ling-flash-2.0-base. Nó sử dụng kiến trúc chuyên gia hỗn hợp (MoE) với tổng số 100 tỷ tham số, nhưng mỗi lần suy luận chỉ kích hoạt 6.1 tỷ tham số. Mô hình này áp dụng thuật toán độc quyền icepop, giải quyết vấn đề không ổn định trong huấn luyện tăng cường (RL) của các mô hình MoE lớn, giúp năng lực suy luận phức tạp được cải thiện liên tục trong quá trình huấn luyện dài hạn. Ring-flash-2.0 đạt bước đột phá đáng kể trong các bài kiểm tra chuẩn khó như thi toán, tạo mã và suy luận logic, hiệu năng không chỉ vượt các mô hình dense hàng đầu dưới 40 tỷ tham số mà còn có thể sánh ngang các mô hình MoE mã nguồn mở quy mô lớn và các mô hình tư duy hiệu năng cao đóng nguồn. Mặc dù tập trung vào suy luận phức tạp, mô hình cũng thể hiện tốt trong các tác vụ sáng tạo viết lách. Ngoài ra, nhờ thiết kế kiến trúc hiệu quả, Ring-flash-2.0 vừa cung cấp hiệu năng mạnh mẽ vừa đạt tốc độ suy luận cao, giảm đáng kể chi phí triển khai mô hình tư duy trong các kịch bản tải cao."
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Mô hình Llama 3.3 được tối ưu hóa cho các tình huống đối thoại, và đã vượt qua nhiều mô hình trò chuyện nguồn mở hiện có trong các bài kiểm tra chuẩn ngành phổ biến."
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick: Mô hình hiệu suất cao thuộc dòng Llama, phù hợp với các nhiệm vụ suy luận nâng cao, giải quyết vấn đề phức tạp và tuân theo chỉ dẫn."
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout: Mô hình hiệu suất cao thuộc dòng Llama, lý tưởng cho các tình huống yêu cầu thông lượng cao và độ trễ thấp."
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3 là một mô hình lớn thế hệ mới với khả năng vượt trội, đạt được trình độ hàng đầu trong nhiều khả năng cốt lõi như suy luận, tổng quát, đại lý và đa ngôn ngữ, đồng thời hỗ trợ chuyển đổi chế độ suy nghĩ."
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "Phiên bản mã nguồn mở của mô hình mã hóa Tongyi Qianwen. Mô hình qwen3-coder-30b-a3b-instruct mới nhất được phát triển dựa trên Qwen3, có khả năng hoạt động như một Tác nhân Lập trình mạnh mẽ, thành thạo trong việc gọi công cụ và tương tác môi trường, hỗ trợ lập trình tự động với năng lực mã hóa xuất sắc và khả năng tổng quát cao."
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "Phiên bản mã nguồn mở của mô hình mã hóa Tongyi Qianwen. Mô hình qwen3-coder-480b-a35b-instruct mới nhất dựa trên Qwen3, có khả năng Coding Agent mạnh mẽ, thành thạo gọi công cụ và tương tác môi trường, có thể lập trình tự chủ, vừa xuất sắc về mã hóa vừa có năng lực chung."
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "Mô hình mã nguồn mở thế hệ mới có chế độ suy nghĩ dựa trên Qwen3, so với phiên bản trước (Thông Nghĩa Thiên Vấn 3-235B-A22B-Thinking-2507) có khả năng tuân thủ chỉ dẫn được nâng cao, và các phản hồi tóm tắt của mô hình trở nên ngắn gọn hơn."
},
+ "qwen3-omni-flash": {
+ "description": "Mô hình Qwen-Omni có thể tiếp nhận đầu vào kết hợp từ nhiều phương thức như văn bản, hình ảnh, âm thanh và video, và tạo phản hồi dưới dạng văn bản hoặc giọng nói. Mô hình cung cấp nhiều giọng nói nhân hóa, hỗ trợ đầu ra bằng nhiều ngôn ngữ và phương ngữ, phù hợp với các ứng dụng như sáng tác văn bản, nhận diện hình ảnh và trợ lý giọng nói."
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct là mô hình đa phương thức do Tongyi Qianwen phát triển, hỗ trợ hiểu và suy luận hình ảnh."
+ "description": "Qwen3 VL 235B A22B chế độ không tư duy (Instruct), phù hợp với các tình huống chỉ dẫn không yêu cầu suy luận, vẫn duy trì khả năng hiểu thị giác mạnh mẽ."
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking là mô hình suy luận đa phương thức do Tongyi Qianwen phát triển, hỗ trợ hiểu và suy luận hình ảnh."
+ "description": "Qwen3 VL 235B A22B chế độ tư duy (phiên bản mã nguồn mở), cung cấp khả năng suy luận văn bản + hình ảnh hàng đầu cho các tình huống yêu cầu suy luận phức tạp và hiểu video dài."
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B chế độ không tư duy (Instruct), hướng đến các tình huống theo dõi chỉ dẫn thông thường, duy trì khả năng hiểu và tạo nội dung đa phương thức ở mức cao."
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL (phiên bản mã nguồn mở) cung cấp khả năng hiểu hình ảnh và tạo văn bản, hỗ trợ tương tác với tác nhân thông minh, mã hóa thị giác, nhận thức không gian, hiểu video dài và tư duy sâu, đồng thời có khả năng nhận diện văn bản và hỗ trợ đa ngôn ngữ mạnh mẽ trong các tình huống phức tạp."
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B chế độ không tư duy (Instruct), phù hợp với các tác vụ tạo và nhận diện đa phương thức thông thường."
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B chế độ tư duy, hướng đến các tình huống suy luận và tương tác đa phương thức nhẹ, vẫn giữ được khả năng hiểu ngữ cảnh dài."
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash: phiên bản suy luận tốc độ cao và nhẹ, phù hợp với các tình huống yêu cầu độ trễ thấp hoặc xử lý số lượng lớn yêu cầu."
},
"qwen3-vl-plus": {
"description": "Tongyi Qianwen VL là mô hình sinh văn bản có khả năng hiểu thị giác (hình ảnh), không chỉ thực hiện OCR (nhận dạng chữ trong ảnh) mà còn có thể tóm tắt và suy luận thêm, ví dụ như trích xuất thuộc tính từ ảnh sản phẩm, giải bài tập dựa trên hình ảnh minh họa."
diff --git a/locales/vi-VN/plugin.json b/locales/vi-VN/plugin.json
index b9a12ebe48a..d09fd23978c 100644
--- a/locales/vi-VN/plugin.json
+++ b/locales/vi-VN/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "Đã cài đặt",
"mcp": "Plugin MCP",
- "old": "Plugin LobeChat"
+ "old": "Plugin LobeHub"
},
"title": "Cửa hàng plugin"
},
diff --git a/locales/vi-VN/welcome.json b/locales/vi-VN/welcome.json
index 6f3a9c3fde7..dd6fb1b7868 100644
--- a/locales/vi-VN/welcome.json
+++ b/locales/vi-VN/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "Tìm hiểu thêm",
- "title": "Mọi người đều đặt câu hỏi: "
+ "title": "Hãy thử hỏi:"
},
"welcome": {
"afternoon": "Chào buổi chiều",
diff --git a/locales/zh-CN/common.json b/locales/zh-CN/common.json
index 5d562f30061..7ad7f228f16 100644
--- a/locales/zh-CN/common.json
+++ b/locales/zh-CN/common.json
@@ -31,7 +31,7 @@
"batchDelete": "批量删除",
"blog": "产品博客",
"branching": "创建子话题",
- "branchingDisable": "「子话题」功能在当前模式下不可用，如需该功能，请切换到 Postgres/Pglite DB 模式或使用 LobeChat Cloud",
+ "branchingDisable": "「子话题」功能在当前模式下不可用，如需该功能，请切换到 Postgres/Pglite DB 模式或使用 LobeHub Cloud",
"branchingRequiresSavedTopic": "当前话题未保存，保存后才可以使用子话题能力",
"cancel": "取消",
"changelog": "更新日志",
diff --git a/locales/zh-CN/models.json b/locales/zh-CN/models.json
index 6d89ead6e71..5ee6c40406f 100644
--- a/locales/zh-CN/models.json
+++ b/locales/zh-CN/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet 在智能和速度方面为企业工作负载提供了理想的平衡。它以更低的价格提供最大效用，可靠且适合大规模部署。"
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 是 Anthropic 最快且最智能的 Haiku 模型，具有闪电般的速度和扩展思考能力。"
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 是 Anthropic 最新的用于处理高度复杂任务的最强大模型。它在性能、智能、流畅性和理解力方面表现卓越。"
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash推理速度极致的多模态深度思考模型，TPOT仅需10ms； 同时支持文本和视觉理解，文本理解能力超过上一代lite，视觉理解比肩友商pro系列模型。支持 256k 上下文窗口，输出长度支持最大 16k tokens。"
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite 全新多模态深度思考模型，支持思考程度可调节（reasoning effort），即 Minimal、Low、Medium、High 四种模式，更强性价比，常见任务的最佳选择，上下文窗口至256k。"
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking模型思考能力大幅强化， 对比Doubao-1.5-thinking-pro，在Coding、Math、 逻辑推理等基础能力上进一步提升， 支持视觉理解。 支持 256k 上下文窗口，输出长度支持最大 16k tokens。"
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview具备强大的复杂推理能力，在逻辑推理、数学、编程等领域表现优异。"
},
- "glm4.6:355b": {
- "description": "智谱最新旗舰模型 GLM-4.6 (355B) 在高级编码、长文本处理、推理与智能体能力上全面超越前代，尤其在编程能力上对齐 Claude Sonnet 4，成为国内顶尖的 Coding 模型。"
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash 提供下一代功能和改进的功能，包括卓越的速度、内置工具使用、多模态生成和 100 万 token 的上下文窗口。"
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small 是代码生成、调试和重构任务的理想选择，具有最小延迟。"
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T 是\"灵 2.0\"系列的首款旗舰级 non-thinking 模型，拥有 1 万亿总参数和每 token 约 500 亿个活动参数。基于灵 2.0 架构构建，Ling-1T 旨在突破高效推理和可扩展认知的极限。Ling-1T-base 在超过 20 万亿个高质量、推理密集的 token 上进行训练。"
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 是由蚂蚁集团百灵团队发布的 Ling 2.0 架构系列的第三款模型。它是一款混合专家（MoE）模型，总参数规模达到 1000 亿，但每个 token 仅激活 61 亿参数（非词向量激活 48 亿）。 作为一个轻量级配置的模型，Ling-flash-2.0 在多个权威评测中展现出媲美甚至超越 400 亿级别稠密（Dense）模型及更大规模 MoE 模型的性能。该模型旨在通过极致的架构设计与训练策略，在“大模型等于大参数”的共识下探索高效能的路径。"
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 是一款基于 MoE 架构的小尺寸高性能大语言模型。它拥有 16B 总参数，但每个 token 仅激活 1.4B（non-embedding 789M），从而实现了极高的生成速度。得益于高效的 MoE 设计与大规模高质量训练数据，尽管激活参数仅为 1.4B，Ling-mini-2.0 依然在下游任务中展现出可媲美 10B 以下 dense LLM 及更大规模 MoE 模型的顶尖性能。"
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T 是一款由百灵（Bailing）团队发布的万亿参数规模的开源思想模型。它基于 Ling 2.0 架构和 Ling-1T-base 基础模型训练，总参数量达 1 万亿，激活参数量为 500 亿，并支持高达 128K 的上下文窗口。该模型通过大规模可验证奖励强化学习进行优化。"
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 是一个基于 Ling-flash-2.0-base 深度优化的高性能思考模型。它采用混合专家（MoE）架构，总参数量为 100B，但在每次推理中仅激活 6.1B 参数。该模型通过独创的 icepop 算法，解决了 MoE 大模型在强化学习（RL）训练中的不稳定性难题，使其复杂推理能力在长周期训练中得以持续提升。Ring-flash-2.0 在数学竞赛、代码生成和逻辑推理等多个高难度基准测试中取得了显著突破，其性能不仅超越了 40B 参数规模以下的顶尖稠密模型，还能媲美更大规模的开源 MoE 模型及闭源的高性能思考模型。尽管该模型专注于复杂推理，它在创意写作等任务上也表现出色。此外，得益于其高效的架构设计，Ring-flash-2.0 在提供强大性能的同时，也实现了高速推理，显著降低了思考模型在高并发场景下的部署成本。"
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Llama 3.3 指令微调模型针对对话场景进行了优化，在常见的行业基准测试中，超越了许多现有的开源聊天模型。"
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick：高性能的 Llama 系列模型，适合高级推理、复杂问题解决和指令跟随任务。"
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout：高性能的 Llama 系列模型，适合需高吞吐与低延迟的场景。"
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3是一款能力大幅提升的新一代通义千问大模型，在推理、通用、Agent和多语言等多个核心能力上均达到业界领先水平，并支持思考模式切换。"
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "通义千问代码模型开源版。最新的 qwen3-coder-30b-a3b-instruct 是基于 Qwen3 的代码生成模型，具有强大的Coding Agent能力，擅长工具调用和环境交互，能够实现自主编程、代码能力卓越的同时兼具通用能力。"
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "通义千问代码模型开源版。最新的 qwen3-coder-480b-a35b-instruct 是基于 Qwen3 的代码生成模型，具有强大的Coding Agent能力，擅长工具调用和环境交互，能够实现自主编程、代码能力卓越的同时兼具通用能力。"
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "基于 Qwen3 的新一代思考模式开源模型，相较上一版本（通义千问3-235B-A22B-Thinking-2507）指令遵循能力有提升、模型总结回复更加精简。"
},
+ "qwen3-omni-flash": {
+ "description": "Qwen-Omni 模型能够接收文本、图片、音频、视频等多种模态的组合输入，并生成文本或语音形式的回复， 提供多种拟人音色，支持多语言和方言的语音输出，可应用于文本创作、视觉识别、语音助手等场景。"
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct 是通义千问推出的多模态模型，支持视觉理解和推理。"
+ "description": "Qwen3 VL 235B A22B 非思考模式（Instruct），适用于非思考指令场景，保持强大的视觉理解能力。"
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking 是通义千问推出的多模态推理模型，支持视觉理解和推理。"
+ "description": "Qwen3 VL 235B A22B 思考模式（开源版），针对高难度强推理与长视频理解场景，提供顶尖的视觉+文本推理能力。"
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B 非思考模式（Instruct），面向普通指令跟随场景，保持较高的多模态理解与生成能力。"
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL（开源版）提供视觉理解与文本生成能力，支持智能体交互、视觉编码、空间感知、长视频理解与深度思考，并在复杂场景下具备更强的文字识别与多语言支持。"
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B 非思考模式（Instruct），适合常规多模态生成与识别任务。"
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B 思考模式，面向轻量级多模态推理与交互场景，保留长上下文理解能力。"
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash：轻量化高速推理版本，适合对延迟敏感或大批量请求场景。"
},
"qwen3-vl-plus": {
"description": "通义千问VL是具有视觉（图像）理解能力的文本生成模型，不仅能进行OCR（图片文字识别），还能进一步总结和推理，例如从商品照片中提取属性，根据习题图进行解题等。"
diff --git a/locales/zh-CN/plugin.json b/locales/zh-CN/plugin.json
index dc47ab8aa64..bbe005eb452 100644
--- a/locales/zh-CN/plugin.json
+++ b/locales/zh-CN/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "已安装",
"mcp": "MCP 插件",
- "old": "LobeChat 插件"
+ "old": "LobeHub 插件"
},
"title": "插件商店"
},
diff --git a/locales/zh-CN/welcome.json b/locales/zh-CN/welcome.json
index e5bce144756..62d8f0b5b95 100644
--- a/locales/zh-CN/welcome.json
+++ b/locales/zh-CN/welcome.json
@@ -364,7 +364,7 @@
},
"questions": {
"moreBtn": "了解更多",
- "title": "大家都在问："
+ "title": "试着问问："
},
"welcome": {
"afternoon": "下午好",
diff --git a/locales/zh-TW/chat.json b/locales/zh-TW/chat.json
index a114da79887..4542de420dc 100644
--- a/locales/zh-TW/chat.json
+++ b/locales/zh-TW/chat.json
@@ -396,4 +396,4 @@
},
"you": "你",
"zenMode": "專注模式"
-}
+}
diff --git a/locales/zh-TW/common.json b/locales/zh-TW/common.json
index ccec06dd7a0..e3e23701c5e 100644
--- a/locales/zh-TW/common.json
+++ b/locales/zh-TW/common.json
@@ -31,7 +31,7 @@
"batchDelete": "批次刪除",
"blog": "產品部落格",
"branching": "建立子主題",
- "branchingDisable": "「子主題」功能僅在伺服器端版本可用，如需該功能，請切換到伺服器端部署模式或使用 LobeChat Cloud",
+ "branchingDisable": "「子話題」功能在目前模式下無法使用，如需使用此功能，請切換至 Postgres/Pglite 資料庫模式或使用 LobeHub 雲端服務",
"branchingRequiresSavedTopic": "當前話題未保存，保存後才可以使用子話題功能",
"cancel": "取消",
"changelog": "變更日誌",
diff --git a/locales/zh-TW/models.json b/locales/zh-TW/models.json
index 29180e746d5..3d5542fe12a 100644
--- a/locales/zh-TW/models.json
+++ b/locales/zh-TW/models.json
@@ -767,6 +767,9 @@
"claude-3-sonnet-20240229": {
"description": "Claude 3 Sonnet 在智能和速度方面為企業工作負載提供了理想的平衡。它以更低的價格提供最大效用，可靠且適合大規模部署。"
},
+ "claude-haiku-4-5-20251001": {
+ "description": "Claude Haiku 4.5 是 Anthropic 最快速且最智慧的 Haiku 模型，具備閃電般的速度與擴展思考能力。"
+ },
"claude-opus-4-1-20250805": {
"description": "Claude Opus 4.1 是 Anthropic 最新的用於處理高度複雜任務的最強大模型。它在性能、智慧、流暢性和理解力方面表現卓越。"
},
@@ -1148,6 +1151,9 @@
"doubao-seed-1.6-flash": {
"description": "Doubao-Seed-1.6-flash 推理速度極致的多模態深度思考模型，TPOT 僅需 10ms；同時支援文本和視覺理解，文本理解能力超越上一代 lite，視覺理解媲美友商 pro 系列模型。支援 256k 上下文視窗，輸出長度支援最大 16k tokens。"
},
+ "doubao-seed-1.6-lite": {
+ "description": "Doubao-Seed-1.6-lite 全新多模態深度思考模型，支援可調整的思考程度（reasoning effort），包括 Minimal、Low、Medium、High 四種模式，性價比更高，是常見任務的最佳選擇，支援長達 256k 的上下文視窗。"
+ },
"doubao-seed-1.6-thinking": {
"description": "Doubao-Seed-1.6-thinking 模型思考能力大幅強化，相較 Doubao-1.5-thinking-pro，在 Coding、Math、邏輯推理等基礎能力上進一步提升，支援視覺理解。支援 256k 上下文視窗，輸出長度支援最大 16k tokens。"
},
@@ -1541,9 +1547,6 @@
"glm-zero-preview": {
"description": "GLM-Zero-Preview具備強大的複雜推理能力，在邏輯推理、數學、程式設計等領域表現優異。"
},
- "glm4.6:355b": {
- "description": "智譜最新旗艦模型 GLM-4.6 (355B) 在高階編碼、長文本處理、推理與智慧體能力上全面超越前代，特別是在程式設計能力上對齊 Claude Sonnet 4，成為國內頂尖的 Coding 模型。"
- },
"google/gemini-2.0-flash": {
"description": "Gemini 2.0 Flash 提供下一代功能和改進的功能，包括卓越的速度、內建工具使用、多模態生成和 100 萬 token 的上下文視窗。"
},
@@ -1934,12 +1937,18 @@
"inception/mercury-coder-small": {
"description": "Mercury Coder Small 是程式碼生成、除錯和重構任務的理想選擇，具有最小延遲。"
},
+ "inclusionAI/Ling-1T": {
+ "description": "Ling-1T 是「靈 2.0」系列的首款旗艦級 non-thinking 模型，擁有 1 兆總參數與每個 token 約 500 億個活躍參數。基於靈 2.0 架構打造，Ling-1T 旨在突破高效推理與可擴展認知的極限。Ling-1T-base 在超過 20 兆個高品質、推理密集的 token 上進行訓練。"
+ },
"inclusionAI/Ling-flash-2.0": {
"description": "Ling-flash-2.0 是由螞蟻集團百靈團隊發布的 Ling 2.0 架構系列的第三款模型。它是一款混合專家（MoE）模型，總參數規模達到 1000 億，但每個 token 僅啟動 61 億參數（非詞向量啟動 48 億）。作為一個輕量級配置的模型，Ling-flash-2.0 在多個權威評測中展現出媲美甚至超越 400 億級別稠密（Dense）模型及更大規模 MoE 模型的性能。該模型旨在透過極致的架構設計與訓練策略，在「大模型等於大參數」的共識下探索高效能的路徑。"
},
"inclusionAI/Ling-mini-2.0": {
"description": "Ling-mini-2.0 是一款基於 MoE 架構的小尺寸高性能大型語言模型。它擁有 16B 總參數，但每個 token 僅啟動 1.4B（non-embedding 789M），從而實現了極高的生成速度。得益於高效的 MoE 設計與大規模高品質訓練資料，儘管啟動參數僅為 1.4B，Ling-mini-2.0 依然在下游任務中展現出可媲美 10B 以下 dense LLM 及更大規模 MoE 模型的頂尖性能。"
},
+ "inclusionAI/Ring-1T": {
+ "description": "Ring-1T 是由百靈（Bailing）團隊推出的萬億參數規模開源思想模型。該模型基於靈 2.0 架構與 Ling-1T-base 基礎模型訓練，總參數達 1 兆，活躍參數為 500 億，並支援高達 128K 的上下文視窗。透過大規模可驗證獎勵強化學習進行優化。"
+ },
"inclusionAI/Ring-flash-2.0": {
"description": "Ring-flash-2.0 是一個基於 Ling-flash-2.0-base 深度優化的高性能思考模型。它採用混合專家（MoE）架構，總參數量為 100B，但在每次推理中僅啟動 6.1B 參數。該模型透過獨創的 icepop 演算法，解決了 MoE 大模型在強化學習（RL）訓練中的不穩定性難題，使其複雜推理能力在長週期訓練中得以持續提升。Ring-flash-2.0 在數學競賽、程式碼生成和邏輯推理等多個高難度基準測試中取得了顯著突破，其性能不僅超越了 40B 參數規模以下的頂尖稠密模型，還能媲美更大規模的開源 MoE 模型及閉源的高性能思考模型。儘管該模型專注於複雜推理，它在創意寫作等任務上也表現出色。此外，得益於其高效的架構設計，Ring-flash-2.0 在提供強大性能的同時，也實現了高速推理，顯著降低了思考模型在高併發場景下的部署成本。"
},
@@ -2036,9 +2045,6 @@
"llama-3.3-instruct": {
"description": "Llama 3.3 指令微調模型針對對話場景進行了優化，在常見的行業基準測試中，超越了許多現有的開源聊天模型。"
},
- "llama-4-maverick-17b-128e-instruct": {
- "description": "Llama 4 Maverick：高效能的 Llama 系列模型，適合高階推理、複雜問題解決與指令跟隨任務。"
- },
"llama-4-scout-17b-16e-instruct": {
"description": "Llama 4 Scout：高效能的 Llama 系列模型，適用於需高吞吐量與低延遲的場景。"
},
@@ -2906,6 +2912,9 @@
"qwen3-8b": {
"description": "Qwen3是一款能力大幅提升的新一代通義千問大模型，在推理、通用、Agent和多語言等多個核心能力上均達到業界領先水平，並支持思考模式切換。"
},
+ "qwen3-coder-30b-a3b-instruct": {
+ "description": "通義千問程式碼模型開源版。最新的 qwen3-coder-30b-a3b-instruct 是基於 Qwen3 的程式碼生成模型，具備強大的 Coding Agent 能力，擅長工具調用與環境互動，能夠實現自主編程，程式能力卓越，同時兼具通用能力。"
+ },
"qwen3-coder-480b-a35b-instruct": {
"description": "通義千問程式碼模型開源版。最新的 qwen3-coder-480b-a35b-instruct 是基於 Qwen3 的程式碼生成模型，具有強大的 Coding Agent 能力，擅長工具調用和環境互動，能夠實現自主程式設計、程式碼能力卓越的同時兼具通用能力。"
},
@@ -2927,11 +2936,29 @@
"qwen3-next-80b-a3b-thinking": {
"description": "基於 Qwen3 的新一代思考模式開源模型，相較上一版本（通義千問3-235B-A22B-Thinking-2507）指令遵循能力有提升、模型總結回覆更加精簡。"
},
+ "qwen3-omni-flash": {
+ "description": "Qwen-Omni 模型能夠接收文字、圖片、音訊、影片等多種模態的組合輸入，並生成文字或語音形式的回應，提供多種擬人化音色，支援多語言與方言語音輸出，適用於文字創作、視覺辨識、語音助理等場景。"
+ },
"qwen3-vl-235b-a22b-instruct": {
- "description": "Qwen3 VL 235B A22B Instruct 是通義千問推出的多模態模型，支援視覺理解與推理。"
+ "description": "Qwen3 VL 235B A22B 非思考模式（Instruct），適用於非思考指令場景，維持強大的視覺理解能力。"
},
"qwen3-vl-235b-a22b-thinking": {
- "description": "Qwen3 VL 235B A22B Thinking 是通義千問推出的多模態推理模型，支援視覺理解與推理。"
+ "description": "Qwen3 VL 235B A22B 思考模式（開源版），針對高難度強推理與長影片理解場景，提供頂尖的視覺與文字推理能力。"
+ },
+ "qwen3-vl-30b-a3b-instruct": {
+ "description": "Qwen3 VL 30B 非思考模式（Instruct），面向一般指令跟隨場景，維持優異的多模態理解與生成能力。"
+ },
+ "qwen3-vl-30b-a3b-thinking": {
+ "description": "Qwen-VL（開源版）提供視覺理解與文字生成能力，支援智慧體互動、視覺編碼、空間感知、長影片理解與深度思考，並在複雜場景下具備更強的文字辨識與多語言支援。"
+ },
+ "qwen3-vl-8b-instruct": {
+ "description": "Qwen3 VL 8B 非思考模式（Instruct），適合常規多模態生成與辨識任務。"
+ },
+ "qwen3-vl-8b-thinking": {
+ "description": "Qwen3 VL 8B 思考模式，面向輕量級多模態推理與互動場景，保留長上下文理解能力。"
+ },
+ "qwen3-vl-flash": {
+ "description": "Qwen3 VL Flash：輕量化高速推理版本，適用於對延遲敏感或大量請求的場景。"
},
"qwen3-vl-plus": {
"description": "通義千問VL是具有視覺（圖像）理解能力的文本生成模型，不僅能進行OCR（圖片文字識別），還能進一步總結和推理，例如從商品照片中提取屬性，根據習題圖進行解題等。"
diff --git a/locales/zh-TW/plugin.json b/locales/zh-TW/plugin.json
index 297ba2d6795..bf1f15cf46b 100644
--- a/locales/zh-TW/plugin.json
+++ b/locales/zh-TW/plugin.json
@@ -461,7 +461,7 @@
"tabs": {
"installed": "已安裝",
"mcp": "MCP 插件",
- "old": "LobeChat 插件"
+ "old": "LobeHub 外掛"
},
"title": "插件商店"
},
diff --git a/locales/zh-TW/welcome.json b/locales/zh-TW/welcome.json
index 1ae7213f22a..eea856feebc 100644
--- a/locales/zh-TW/welcome.json
+++ b/locales/zh-TW/welcome.json
@@ -359,7 +359,7 @@
},
"questions": {
"moreBtn": "了解更多",
- "title": "大家都在問："
+ "title": "試著問問："
},
"welcome": {
"afternoon": "下午好",
diff --git a/package.json b/package.json
index 44dc01a9c3f..127bdec9b29 100644
--- a/package.json
+++ b/package.json
@@ -1,6 +1,6 @@
{
"name": "@lobehub/chat",
- "version": "1.138.1",
+ "version": "1.138.2",
"description": "Lobe Chat - an open-source, high-performance chatbot framework that supports speech synthesis, multimodal, and extensible Function Call plugin system. Supports one-click free deployment of your private ChatGPT/LLM web application.",
"keywords": [
"framework",
diff --git a/packages/const/src/branding.ts b/packages/const/src/branding.ts
index 3d251c7ef88..2ee08817b6f 100644
--- a/packages/const/src/branding.ts
+++ b/packages/const/src/branding.ts
@@ -2,9 +2,9 @@
// if you want to use it in the commercial usage
// please contact us for more information: hello@lobehub.com
-export const LOBE_CHAT_CLOUD = 'LobeChat Cloud';
+export const LOBE_CHAT_CLOUD = 'LobeHub Cloud';
-export const BRANDING_NAME = 'LobeChat';
+export const BRANDING_NAME = 'LobeHub';
export const BRANDING_LOGO_URL = '';
export const ORG_NAME = 'LobeHub';
diff --git a/packages/const/src/index.ts b/packages/const/src/index.ts
index b06fcb352ed..6d1c9fc0486 100644
--- a/packages/const/src/index.ts
+++ b/packages/const/src/index.ts
@@ -11,5 +11,6 @@ export * from './plugin';
export * from './session';
export * from './settings';
export * from './trace';
+export * from './url';
export * from './user';
export * from './version';
diff --git a/packages/const/src/version.ts b/packages/const/src/version.ts
index 98c7c298bbf..30b5f7f1f9f 100644
--- a/packages/const/src/version.ts
+++ b/packages/const/src/version.ts
@@ -12,6 +12,6 @@ export const isDesktop = process.env.NEXT_PUBLIC_IS_DESKTOP_APP === '1';
export const isDeprecatedEdition = !isServerMode && !isUsePgliteDB;
// @ts-ignore
-export const isCustomBranding = BRANDING_NAME !== 'LobeChat';
+export const isCustomBranding = BRANDING_NAME !== 'LobeHub';
// @ts-ignore
export const isCustomORG = ORG_NAME !== 'LobeHub';
diff --git a/src/app/[variants]/(auth)/next-auth/signin/AuthSignInBox.tsx b/src/app/[variants]/(auth)/next-auth/signin/AuthSignInBox.tsx
index 52029e26a61..7c7f3f32c5d 100644
--- a/src/app/[variants]/(auth)/next-auth/signin/AuthSignInBox.tsx
+++ b/src/app/[variants]/(auth)/next-auth/signin/AuthSignInBox.tsx
@@ -1,7 +1,8 @@
'use client';
+import { BRANDING_NAME, DOCUMENTS_REFER_URL, PRIVACY_URL, TERMS_URL } from '@lobechat/const';
import { Button, Text } from '@lobehub/ui';
-import { LobeChat } from '@lobehub/ui/brand';
+import { LobeHub } from '@lobehub/ui/brand';
import { Col, Flex, Row, Skeleton } from 'antd';
import { createStyles } from 'antd-style';
import { AuthError } from 'next-auth';
@@ -12,7 +13,6 @@ import { useTranslation } from 'react-i18next';
import BrandWatermark from '@/components/BrandWatermark';
import AuthIcons from '@/components/NextAuth/AuthIcons';
-import { DOCUMENTS_REFER_URL, PRIVACY_URL, TERMS_URL } from '@/const/url';
import { useUserStore } from '@/store/user';
const useStyles = createStyles(({ css, token }) => ({
@@ -114,9 +114,9 @@ export default memo(() => {
-
+
- {t('signIn.start.title', { applicationName: 'LobeChat' })}
+ {t('signIn.start.title', { applicationName: BRANDING_NAME })}
{t('signIn.start.subtitle')}
diff --git a/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/InboxWelcome/AddButton.tsx b/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/AgentWelcome/AddButton.tsx
similarity index 100%
rename from src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/InboxWelcome/AddButton.tsx
rename to src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/AgentWelcome/AddButton.tsx
diff --git a/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/OpeningQuestions.tsx b/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/AgentWelcome/OpeningQuestions.tsx
similarity index 95%
rename from src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/OpeningQuestions.tsx
rename to src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/AgentWelcome/OpeningQuestions.tsx
index e91d3613705..4de97192788 100644
--- a/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/OpeningQuestions.tsx
+++ b/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/AgentWelcome/OpeningQuestions.tsx
@@ -8,7 +8,7 @@ import { Flexbox } from 'react-layout-kit';
import { useChatStore } from '@/store/chat';
-import { useSend } from '../../ChatInput/useSend';
+import { useSend } from '../../../ChatInput/useSend';
const useStyles = createStyles(({ css, token, responsive }) => ({
card: css`
@@ -25,7 +25,7 @@ const useStyles = createStyles(({ css, token, responsive }) => ({
container: css`
padding-block: 0;
- padding-inline: 64px 16px;
+ padding-inline: 0;
`,
title: css`
diff --git a/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/InboxWelcome/index.tsx b/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/AgentWelcome/index.tsx
similarity index 52%
rename from src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/InboxWelcome/index.tsx
rename to src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/AgentWelcome/index.tsx
index bc8db0d7768..6f1e6b9abad 100644
--- a/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/InboxWelcome/index.tsx
+++ b/src/app/[variants]/(main)/chat/(workspace)/@conversation/features/ChatList/WelcomeChatItem/AgentWelcome/index.tsx
@@ -1,19 +1,25 @@
'use client';
+import { BRANDING_NAME } from '@lobechat/const';
import { FluentEmoji, Markdown } from '@lobehub/ui';
import { createStyles } from 'antd-style';
-import { memo } from 'react';
+import isEqual from 'fast-deep-equal';
+import React, { memo, useMemo } from 'react';
import { Trans, useTranslation } from 'react-i18next';
import { Center, Flexbox } from 'react-layout-kit';
-import { BRANDING_NAME } from '@/const/branding';
-import { isCustomBranding } from '@/const/version';
import { useGreeting } from '@/hooks/useGreeting';
+import { useIsMobile } from '@/hooks/useIsMobile';
+import { useAgentStore } from '@/store/agent';
+import { agentSelectors } from '@/store/agent/selectors';
+import { useChatStore } from '@/store/chat';
+import { chatSelectors } from '@/store/chat/selectors';
import { featureFlagsSelectors, useServerConfigStore } from '@/store/serverConfig';
+import { useSessionStore } from '@/store/session';
+import { sessionMetaSelectors } from '@/store/session/selectors';
import AddButton from './AddButton';
-import AgentsSuggest from './AgentsSuggest';
-import QuestionSuggest from './QuestionSuggest';
+import OpeningQuestions from './OpeningQuestions';
const useStyles = createStyles(({ css, responsive }) => ({
container: css`
@@ -41,14 +47,30 @@ const useStyles = createStyles(({ css, responsive }) => ({
}));
const InboxWelcome = memo(() => {
- const { t } = useTranslation('welcome');
+ const { t } = useTranslation(['welcome', 'chat']);
const { styles } = useStyles();
- const mobile = useServerConfigStore((s) => s.isMobile);
+ const mobile = useIsMobile();
const greeting = useGreeting();
- const { showWelcomeSuggest, showCreateSession } = useServerConfigStore(featureFlagsSelectors);
+ const { showCreateSession } = useServerConfigStore(featureFlagsSelectors);
+ const openingQuestions = useAgentStore(agentSelectors.openingQuestions);
+
+ const meta = useSessionStore(sessionMetaSelectors.currentAgentMeta, isEqual);
+
+ const agentSystemRoleMsg = t('agentDefaultMessageWithSystemRole', {
+ name: meta.title || t('defaultAgent', { ns: 'chat' }),
+ ns: 'chat',
+ });
+ const openingMessage = useAgentStore(agentSelectors.openingMessage);
+
+ const showInboxWelcome = useChatStore(chatSelectors.showInboxWelcome);
+
+ const message = useMemo(() => {
+ if (openingMessage) return openingMessage;
+ return agentSystemRoleMsg;
+ }, [openingMessage, agentSystemRoleMsg, meta.description]);
return (
-