🔖 chore(release): v1.111.3 [skip ci]

### [Version 1.111.3](https://github.com/lobehub/lobe-chat/compare/v1.111.2...v1.111.3)
<sup>Released on **2025-08-09**</sup>

#### 💄 Styles

- **misc**: Improve thinking auto scroll style, Support session switch shortcut key, update i18n.

<br/>

<details>
<summary><kbd>Improvements and Fixes</kbd></summary>

#### Styles

* **misc**: Improve thinking auto scroll style, closes [#8719](https://github.com/lobehub/lobe-chat/issues/8719) ([acec55f](https://github.com/lobehub/lobe-chat/commit/acec55f))
* **misc**: Support session switch shortcut key, closes [#8626](https://github.com/lobehub/lobe-chat/issues/8626) ([efc7eaf](https://github.com/lobehub/lobe-chat/commit/efc7eaf))
* **misc**: Update i18n, closes [#8725](https://github.com/lobehub/lobe-chat/issues/8725) ([d9642fc](https://github.com/lobehub/lobe-chat/commit/d9642fc))

</details>

<div align="right">

[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)

</div>

.cursor/rules/code-review.mdc

@@ -26,28 +26,11 @@ Gather the modified code and context. Please strictly follow the process below:
 
 ### Code Style
 
-read [typescript.mdc](mdc:.cursor/rules/typescript.mdc) to learn the project's code style.
-
-- Ensure JSDoc comments accurately reflect the implementation; update them when needed.
-- Look for opportunities to simplify or modernize code with the latest JavaScript/TypeScript features.
-- Prefer `async`/`await` over callbacks or chained `.then` promises.
-- Use consistent, descriptive naming—avoid obscure abbreviations.
-- Replace magic numbers or strings with well-named constants.
-- Use semantically meaningful variable, function, and class names.
-- Ignore purely formatting issues and other autofixable lint problems.
+read [typescript.mdc](mdc:.cursor/rules/typescript.mdc) for the consolidated project code style and optimization rules.
 
 ### Code Optimization
 
-- Prefer `for…of` loops to index-based `for` loops when feasible.
-- Decide whether callbacks should be **debounced** or **throttled**.
-- Use components from `@lobehub/ui`, Ant Design, or the existing design system instead of raw HTML tags (e.g., `Button` vs. `button`).
-- reuse npm packages already installed (e.g., `lodash/omit`) rather than reinventing the wheel.
-- Design for dark mode and mobile responsiveness:
-  - Use the `antd-style` token system instead of hard-coded colors.
-  - Select the proper component variants.
-- Performance considerations:
-  - Where safe, convert sequential async flows to concurrent ones with `Promise.all`, `Promise.race`, etc.
-  - Query only the required columns from a database rather than selecting entire rows.
+The optimization checklist has been consolidated into [typescript.mdc](mdc:.cursor/rules/typescript.mdc): loops, debouncing/throttling, design system components, theming tokens, concurrency with `Promise.*`, minimal DB column selection, and package reuse.
 
 ### Obvious Bugs
 

.cursor/rules/cursor-ux.mdc

@@ -30,75 +30,3 @@ alwaysApply: true
   - Good: `git show commit_hash -- file.txt | cat`
   - Good: `git log --oneline | cat`
   - Reason: Some git commands use pagers by default, which may prevent output from being captured properly
-
-## Mermaid Diagram Generation: Strict Syntax Validation Checklist
-
-Before producing any Mermaid diagram, you **must** compare your final code line-by-line against every rule in the following checklist to ensure 100% compliance. **This is a hard requirement and takes precedence over other stylistic suggestions.** Please follow these action steps:
-
-1.  Plan the Mermaid diagram logic in your mind.
-2.  Write the Mermaid code.
-3.  **Carefully review your code line-by-line against the entire checklist below.**
-4.  Fix any aspect of your code that doesn't comply.
-5.  Use the `validateMermaid` tool to check your code for syntax errors. Only proceed if validation passes.
-6.  Output the final, compliant, and copy-ready Mermaid code block.
-7.  Immediately after the Mermaid code block, output:  
-    I have checked that the Mermaid syntax fully complies with the validation checklist.
-
----
-
-### Checklist Details
-
-#### Rule 1: Edge Labels – Must Be Plain Text Only
-
-> **Essence:** Anything inside `|...|` must contain pure, unformatted text. Absolutely NO Markdown, list markers, or parentheses/brackets allowed—these often cause rendering failures.
-
-- **✅ Do:** `A -->|Process plain text data| B`
-- **❌ Don't:** `A -->|1. Ordered list item| B` (No numbered lists)
-- **❌ Don't:** `CC --"1. fetch('/api/...')"--> API` (No square brackets)
-- **❌ Don't:** `A -->|- Unordered list item| B` (No hyphen lists)
-- **❌ Don't:** `A -->|Transform (important)| B` (No parentheses)
-- **❌ Don't:** `A -->|Transform [important]| B` (No square brackets)
-
-#### Rule 2: Node Definition – Handle Special Characters with Care
-
-> **Essence:** When node text or subgraph titles contain special characters like `()` or `[]`, wrap the text in quotes to avoid conflicts with Mermaid shape syntax.
-
-- **When your node text includes parentheses (e.g., 'React (JSX)'):**
-  - **✅ Do:** `I_REACT["<b>React component (JSX)</b>"]` (Quotes wrap all text)
-  - **❌ Don't:** `I_REACT(<b>React component (JSX)</b>)` (Wrong, Mermaid parses this as a shape)
-  - **❌ Don't:** `subgraph Plugin Features (Plugins)` (Wrong, subgraph titles with parentheses must also be wrapped in quotes)
-
-#### Rule 3: Double Quotes in Text – Must Be Escaped
-
-> **Essence:** Use `&quot;` for double quotes **inside node text**.
-
-- **✅ Do:** `A[This node contains &quot;quotes&quot;]`
-- **❌ Don't:** `A[This node contains "quotes"]`
-
-#### Rule 4: All Formatting Must Use HTML Tags (NOT Markdown!)
-
-> **Essence:** For newlines, bold, and other text formatting in nodes, use HTML tags only. Markdown is not supported.
-
-- **✅ Do (robust):** `A["<b>Bold</b> and <code>code</code><br>This is a new line"]`
-- **❌ Don't (not rendered):** `C["# This is a heading"]`
-- **❌ Don't (not rendered):** ``C["`const` means constant"]``
-- **⚠️ Warning (unreliable):** `B["Markdown **bold** might sometimes work but DON'T rely on it"]`
-
-#### Rule 5: No HTML Tags for Participants and Message Labels (Sequence Diagrams)
-
-> **Important Addition:**  
-> In Mermaid sequence diagrams, you MUST NOT use any HTML tags (such as `<b>`, `<code>`, etc.) in:
->
-> - `participant` display names (`as` part)
-> - Message labels (the text after `:` in diagram flows)
->
-> These tags are generally not rendered—they may appear as-is or cause compatibility issues.
-
-- **✅ Do:** `participant A as Client`
-- **❌ Don't:** `participant A as <b>Client</b>`
-- **✅ Do:** `A->>B: 1. Establish connection`
-- **❌ Don't:** `A->>B: 1. <code>Establish connection</code>`
-
----
-
-**Validate each Mermaid code block by running it through the `validateMermaid` tool before delivering your output!**

.cursor/rules/i18n.mdc

@@ -1,6 +1,5 @@
 ---
-description: i18n workflow and troubleshooting
-globs: 
+globs: *.tsx
 alwaysApply: false
 ---
 # LobeChat 国际化指南

.cursor/rules/project-introduce.mdc

@@ -43,16 +43,16 @@ The project uses the following technologies:
 
 Note: All tools and libraries used are the latest versions. The application only needs to be compatible with the latest browsers;
 
-## Often used npm scripts
+## Often used npm scripts and commands
 
 ```bash
+# !: don't  any build script to check weather code can work after modify
 # type check
-bun type-check
+bun run type-check
 
 # install dependencies
 pnpm install
 
-# !: don't  any build script to check weather code can work after modify
+# run tests
+npx vitest run --config vitest.config.ts '[file-path-pattern]'
 ```
-
-check [testing guide](./testing-guide/testing-guide.mdc) to learn test scripts.

.cursor/rules/react-component.mdc

@@ -3,6 +3,7 @@ description:
 globs: *.tsx
 alwaysApply: false
 ---
+
 # react component 编写指南
 
 - 如果要写复杂样式的话用 antd-style ，简单的话可以用 style 属性直接写内联样式
@@ -20,18 +21,20 @@ import { useTheme } from 'antd-style';
 
 const MyComponent = () => {
   const theme = useTheme();
-  
+
   return (
-    <div style={{ 
-      color: theme.colorPrimary,
-      backgroundColor: theme.colorBgContainer,
-      padding: theme.padding,
-      borderRadius: theme.borderRadius
-    }}>
+    <div
+      style={{
+        color: theme.colorPrimary,
+        backgroundColor: theme.colorBgContainer,
+        padding: theme.padding,
+        borderRadius: theme.borderRadius,
+      }}
+    >
       使用主题 token 的组件
     </div>
   );
-}
+};
 ```
 
 #### 使用 antd-style 的 createStyles
@@ -53,13 +56,13 @@ const useStyles = createStyles(({ css, token }) => {
     content: css`
       font-size: ${token.fontSize}px;
       line-height: ${token.lineHeight};
-    `
+    `,
   };
 });
 
 const Card: FC<CardProps> = ({ title, content }) => {
   const { styles } = useStyles();
-  
+
   return (
     <Flexbox className={styles.container}>
       <div className={styles.title}>{title}</div>
@@ -74,80 +77,96 @@ const Card: FC<CardProps> = ({ title, content }) => {
 请注意使用下面的 token 而不是 css 字面值。可以访问 https://ant.design/docs/react/customize-theme-cn 了解所有 token
 
 - 动画类
-    - token.motionDurationMid
-    - token.motionEaseInOut
+  - token.motionDurationMid
+  - token.motionEaseInOut
 - 包围盒属性
-    - token.paddingSM
-    - token.marginLG
-
+  - token.paddingSM
+  - token.marginLG
 
 ## Lobe UI 包含的组件
 
 - 不知道 @lobehub/ui 的组件怎么用，有哪些属性，就自己搜下这个项目其它地方怎么用的，不要瞎猜，大部分组件都是在 antd 的基础上扩展了属性
 - 具体用法不懂可以联网搜索，例如 ActionIcon 就爬取 https://ui.lobehub.com/components/action-icon
+- 可以阅读 node_modules/@lobehub/ui/es/index.js 了解有哪些组件，每个组件的属性是什么
 
 - General
-  ActionIcon
-  ActionIconGroup
-  Block
-  Button
-  Icon
+  - ActionIcon
+  - ActionIconGroup
+  - Block
+  - Button
+  - DownloadButton
+  - Icon
 - Data Display
-  Avatar
-  Collapse
-  FileTypeIcon
-  FluentEmoji
-  GuideCard
-  Highlighter
-  Hotkey
-  Image
-  List
-  Markdown
-  MaterialFileTypeIcon
-  Mermaid
-  Segmented
-  Snippet
-  SortableList
-  Tag
-  Tooltip
-  Video
+  - Avatar
+  - AvatarGroup
+  - GroupAvatar
+  - Collapse
+  - FileTypeIcon
+  - FluentEmoji
+  - GuideCard
+  - Highlighter
+  - Hotkey
+  - Image
+  - List
+  - Markdown
+  - SearchResultCards
+  - MaterialFileTypeIcon
+  - Mermaid
+  - Typography
+  - Text
+  - Segmented
+  - Snippet
+  - SortableList
+  - Tag
+  - Tooltip
+  - Video
 - Data Entry
-  AutoComplete
-  CodeEditor
-  ColorSwatches
-  CopyButton
-  DatePicker
-  EditableText
-  EmojiPicker
-  Form
-  FormModal
-  HotkeyInput
-  ImageSelect
-  Input
-  SearchBar
-  Select
-  SliderWithInput
-  ThemeSwitch
+  - AutoComplete
+  - CodeEditor
+  - ColorSwatches
+  - CopyButton
+  - DatePicker
+  - EditableText
+  - EmojiPicker
+  - Form
+  - FormModal
+  - HotkeyInput
+  - ImageSelect
+  - Input
+  - SearchBar
+  - Select
+  - SliderWithInput
+  - ThemeSwitch
 - Feedback
-  Alert
-  Drawer
-  Modal
+  - Alert
+  - Drawer
+  - Modal
 - Layout
-  DraggablePanel
-  Footer
-  Grid
-  Header
-  Layout
-  MaskShadow
-  ScrollShadow
+  - DraggablePanel
+  - DraggablePanelBody
+  - DraggablePanelContainer
+  - DraggablePanelFooter
+  - DraggablePanelHeader
+  - Footer
+  - Grid
+  - Header
+  - Layout
+  - LayoutFooter
+  - LayoutHeader
+  - LayoutMain
+  - LayoutSidebar
+  - LayoutSidebarInner
+  - LayoutToc
+  - MaskShadow
+  - ScrollShadow
 - Navigation
-  Burger
-  Dropdown
-  Menu
-  SideNav
-  Tabs
-  Toc
+  - Burger
+  - Dropdown
+  - Menu
+  - SideNav
+  - Tabs
+  - Toc
 - Theme
-  ConfigProvider
-  FontLoader
-  ThemeProvider
+  - ConfigProvider
+  - FontLoader
+  - ThemeProvider

.cursor/rules/rules-attach.mdc

@@ -4,82 +4,49 @@ globs:
 alwaysApply: true
 ---
 
-# LobeChat Cursor Rules System Guide
-
-This document explains how the LobeChat project's Cursor rules system works and serves as an index for manually accessible rules.
-
-## 🎯 Core Principle
-
-**All rules are equal** - there are no priorities or "recommendations" between different rule sources. You should follow all applicable rules simultaneously.
-
-## 📚 Four Ways to Access Rules
-
-### 1. **Always Applied Rules** - `always_applied_workspace_rules`
-
-- **What**: Core project guidelines that are always active
-- **Content**: Project tech stack, basic coding standards, output formatting rules
-- **Access**: No tools needed - automatically provided in every conversation
-
-### 2. **Dynamic Context Rules** - `cursor_rules_context`
-
-- **What**: Rules automatically matched based on files referenced in the conversation
-- **Trigger**: Only when user **explicitly @ mentions files** or **opens files in Cursor**
-- **Content**: May include brief descriptions or full rule content, depending on relevance
-- **Access**: No tools needed - automatically updated when files are referenced
-
-### 3. **Agent Requestable Rules** - `agent_requestable_workspace_rules`
-
-- **What**: Detailed operational guides that can be requested on-demand
-- **Access**: Use `fetch_rules` tool with rule names
-- **Examples**: `debug`, `i18n/i18n`, `code-review`
-
-### 4. **Manual Rules Index** - This file + `read_file`
-
-- **What**: Additional rules not covered by the above mechanisms
-- **Why needed**: Cursor's rule system only supports "agent request" or "auto attach" modes
-- **Access**: Use `read_file` tool to read specific `.mdc` files
-
-## 🔧 When to Use `read_file` for Rules
-
-Use `read_file` to access rules from the index below when:
-
-1. **Gap identification**: You determine a rule is needed for the current task
-2. **No auto-trigger**: The rule isn't provided in `cursor_rules_context` (because relevant files weren't @ mentioned)
-3. **Not agent-requestable**: The rule isn't available via `fetch_rules`
-
-## 📋 Available Rules Index
+# 📋 Available Rules Index
 
 The following rules are available via `read_file` from the `.cursor/rules/` directory:
 
+## General
+
+- `project-introduce.mdc` – Project description and tech stack
+- `cursor-rules.mdc` – Cursor rules authoring and optimization guide
+- `code-review.mdc` – How to code review
+
+## Backend
+
 - `backend-architecture.mdc` – Backend layer architecture and design guidelines
 - `define-database-model.mdc` – Database model definition guidelines
 - `drizzle-schema-style-guide.mdc` – Style guide for defining Drizzle ORM schemas
+
+## Frontend
+
 - `react-component.mdc` – React component style guide and conventions
-- `testing-guide.mdc` – Comprehensive testing guide for Vitest environment
+- `i18n.mdc` – Internationalization guide using react-i18next
 - `typescript.mdc` – TypeScript code style guide
+- `packages/react-layout-kit.mdc` – Usage guide for react-layout-kit
+
+## State Management
+
 - `zustand-action-patterns.mdc` – Recommended patterns for organizing Zustand actions
 - `zustand-slice-organization.mdc` – Best practices for structuring Zustand slices
 
-## ❌ Common Misunderstandings to Avoid
+## Desktop (Electron)
 
-1. **"Priority confusion"**: There's no hierarchy between rule sources - they're complementary, not competitive
-2. **"Dynamic expectations"**: `cursor_rules_context` only updates when you @ files - it won't automatically include rules for tasks you're thinking about
-3. **"Tool redundancy"**: Each access method serves a different purpose - they're not alternatives to choose from
+- `desktop-feature-implementation.mdc` – Implementing new Electron desktop features
+- `desktop-controller-tests.mdc` – Desktop controller unit testing guide
+- `desktop-local-tools-implement.mdc` – Workflow to add new desktop local tools
+- `desktop-menu-configuration.mdc` – Desktop menu configuration guide
+- `desktop-window-management.mdc` – Desktop window management guide
 
-## 🛠️ Practical Workflow
+## Debugging
 
-```
-1. Start with always_applied_workspace_rules (automatic)
-2. Check cursor_rules_context for auto-matched rules (automatic)
-3. If you need specific guides: fetch_rules (manual)
-4. If you identify gaps: consult this index → read_file (manual)
-```
+- `debug.mdc` – General debugging guide
+- `debug-usage.mdc` – Using the debug package and namespace conventions
 
-## Example Decision Flow
+## Testing
 
-**Scenario**: Working on a new Zustand store slice
-
-1. Follow always_applied_workspace_rules ✅
-2. If store files were @ mentioned → use cursor_rules_context rules ✅
-3. Need detailed Zustand guidance → `read_file('.cursor/rules/zustand-slice-organization.mdc')` ✅
-4. All rules apply simultaneously - no conflicts ✅
+- `testing-guide/testing-guide.mdc` – Comprehensive testing guide for Vitest
+- `testing-guide/electron-ipc-test.mdc` – Electron IPC interface testing strategy
+- `testing-guide/db-model-test.mdc` – Database Model testing guide

.cursor/rules/system-role.mdc

@@ -6,38 +6,26 @@ alwaysApply: true
 
 ## System Role
 
-You are an expert in full-stack Web development, proficient in JavaScript, TypeScript, CSS, React, Node.js, Next.js, Postgresql, all kinds of network protocols.
+You are an expert in full-stack Web development, proficient in JavaScript, TypeScript, CSS, React, Node.js, Next.js, Postgresql, Redis, S3, all kinds of network protocols.
 
-You are an expert in LLM and Ai art. In Ai image generation, you are proficient in Stable Diffusion and ComfyUI's architectural principles, workflows, model structures, parameter configurations, training methods, and inference optimization.
+You are an LLM expert, you are familiar with all kinds of LLM models, ai agents, ai workflow, prompt engineering and context engineering.
+
+You are an expert in Ai art. In Ai image generation, you are proficient in Stable Diffusion and ComfyUI's architectural principles, workflows, model structures, parameter configurations, training methods, and inference optimization.
 
 You are an expert in UI/UX design, proficient in web interaction patterns, responsive design, accessibility, and user behavior optimization. You excel at improving user retention and paid conversion rates through various interaction details.
 
 ## Problem Solving
 
-- Before formulating any response, you must first gather context by using tools like codebase_search, grep_search, file_search, web_search, fetch_rules, context7, and read_file to avoid making assumptions.
 - When modifying existing code, clearly describe the differences and reasons for the changes
 - Provide alternative solutions that may be better overall or superior in specific aspects
 - Provide optimization suggestions for deprecated API usage
 - Cite sources whenever possible at the end, not inline
 - When you provide multiple solutions, provide the recommended solution first, and note it as `Recommended`
-- Express uncertainty when there might not be a correct answer
-- Admit when you don't know something instead of guessing
+- Express uncertainty when there might not be a correct answer, instead of take action by guessing and assuming
 
 ## Code Implementation
 
-- Write correct, up-to-date, bug-free, fully functional, secure, maintainable and efficient code
-- First, think step-by-step: describe your plan in detailed pseudocode before implementation
-- Confirm the plan before writing code
 - Focus on maintainable over being performant
-- Leave NO TODOs, placeholders, or missing pieces
-- Be sure to reference file names
-- When you notice I have manually modified the code, that was definitely on purpose and do not revert them
-- If documentation links or required files are missing, ask for them before proceeding with the task rather than making assumptions
-- If you're unable to access or retrieve content from websites, please inform me immediately and request the specific information needed rather than making assumptions
-- You can use emojis, npm packages like `chalk`/`chalk-animation`/`terminal-link`/`gradient-string`/`log-symbols`/`boxen`/`consola`/`@clack/prompts` to create beautiful terminal output
-- Don't run `tsc --noEmit` to check ts syntax error, because our project is very large and the validate very slow
-
-## Some logging rules
-
-- Never log user private information like api key, etc
-- Don't use `import { log } from 'debug'` to log messages, because it will directly log the message to the console.
+- Be sure to reference file path
+- If doc links or required files are missing, ask for them before proceeding with the task rather than making assumptions
+- If you're unable to get valid result when using tools, please clearly state in the output

.cursor/rules/testing-guide/testing-guide.mdc

@@ -430,6 +430,22 @@ expect(result!.status).toBe('success');
 // ✅ 使用 any 类型简化复杂的 Mock 设置
 const mockStream = new ReadableStream() as any;
 mockStream.toReadableStream = () => mockStream;
+
+// ✅ 使用中括号访问私有属性和方法（推荐）
+class MyClass {
+  private _cache = new Map();
+  private getFromCache(key: string) { /* ... */ }
+}
+
+const instance = new MyClass();
+
+// 推荐：使用中括号访问私有成员
+await instance['getFromCache']('test-key');
+expect(instance['_cache'].size).toBe(1);
+
+// 避免：使用 as any 访问私有成员
+await (instance as any).getFromCache('test-key');  // ❌ 不推荐
+expect((instance as any)._cache.size).toBe(1);     // ❌ 不推荐
 ```
 
 #### 🎯 适用场景
@@ -437,11 +453,13 @@ mockStream.toReadableStream = () => mockStream;
 - **Mock 对象**: 对于测试用的 Mock 数据，使用 `as any` 避免复杂的类型定义
 - **第三方库**: 处理复杂的第三方库类型时，适当使用 `any` 提高效率
 - **测试断言**: 在确定对象存在的测试场景中，使用 `!` 非空断言
+- **私有成员访问**: 优先使用中括号 `instance['privateMethod']()` 而不是 `(instance as any).privateMethod()`
 - **临时调试**: 快速编写测试时，先用 `any` 保证功能，后续可选择性地优化类型
 
 #### ⚠️ 注意事项
 
 - **适度使用**: 不要过度依赖 `any`，核心业务逻辑的类型仍应保持严格
+- **私有成员访问优先级**: 中括号访问 > `as any` 转换，保持更好的类型安全性
 - **文档说明**: 对于使用 `any` 的复杂场景，添加注释说明原因
 - **测试覆盖**: 确保即使使用了 `any`，测试仍能有效验证功能正确性
 

.cursor/rules/typescript.mdc

@@ -1,21 +1,62 @@
 ---
-description: 
+description: TypeScript code style and optimization guidelines
 globs: *.ts,*.tsx,*.mts
 alwaysApply: false
 ---
 
-TypeScript Code Style Guide:
+# TypeScript Code Style Guide
+
+## Types and Type Safety
 
 - Avoid explicit type annotations when TypeScript can infer types.
-- Avoid defining `any` type variables (e.g., `let a: number;` instead of `let a;`).
-- Use the most accurate type possible (e.g., use `Record<PropertyKey, unknown>` instead of `object`).
-- Prefer `interface` over `type` (e.g., define react component props).
-- Use `as const satisfies XyzInterface` instead of `as const` when suitable
-- import index.ts module(directory module) like `@/db/index` instead of `@/db`
-- Instead of calling Date.now() multiple times, assign it to a constant once and reuse it. This ensures consistency and improves readability
-- Always refactor repeated logic into a reusable function
-- Don't remove meaningful code comments, be sure to keep original comments when providing applied code
-- Update the code comments when needed after you modify the related code
-- Please respect my prettier preferences when you provide code
-- Prefer object destructuring when accessing and using properties
-- Prefer async version api than sync version, eg: use readFile from 'fs/promises' instead of 'fs'
+- Avoid implicitly `any` variables; explicitly type when necessary (e.g., `let a: number` instead of `let a`).
+- Use the most accurate type possible (e.g., prefer `Record<PropertyKey, unknown>` over `object`).
+- Prefer `interface` over `type` for object shapes (e.g., React component props). Keep `type` for unions, intersections, and utility types.
+- Prefer `as const satisfies XyzInterface` over plain `as const` when suitable.
+
+## Imports and Modules
+
+- When importing a directory module, prefer the explicit index path like `@/db/index` instead of `@/db`.
+
+## Asynchronous Patterns and Concurrency
+
+- Prefer `async`/`await` over callbacks or chained `.then` promises.
+- Prefer async APIs over sync ones (avoid `*Sync`).
+- Prefer promise-based variants (e.g., `import { readFile } from 'fs/promises'`) over callback-based APIs from `fs`.
+- Where safe, convert sequential async flows to concurrent ones with `Promise.all`, `Promise.race`, etc.
+
+## Code Structure and Readability
+
+- Refactor repeated logic into reusable functions.
+- Prefer object destructuring when accessing and using properties.
+- Use consistent, descriptive naming; avoid obscure abbreviations.
+- Use semantically meaningful variable, function, and class names.
+- Replace magic numbers or strings with well-named constants.
+- Keep meaningful code comments; do not remove them when applying edits. Update comments when behavior changes.
+- Ensure JSDoc comments accurately reflect the implementation.
+- Look for opportunities to simplify or modernize code with the latest JavaScript/TypeScript features where it improves clarity.
+- Defer formatting to tooling; ignore purely formatting-only issues and autofixable lint problems.
+- Respect project Prettier settings.
+
+## UI and Theming
+
+- Use components from `@lobehub/ui`, Ant Design, or existing design system components instead of raw HTML tags (e.g., `Button` vs. `button`).
+- Design for dark mode and mobile responsiveness:
+  - Use the `antd-style` token system instead of hard-coded colors.
+  - Select appropriate component variants.
+
+## Performance
+
+- Prefer `for…of` loops to index-based `for` loops when feasible.
+- Decide whether callbacks should be debounced or throttled based on UX and performance needs.
+- Reuse existing npm packages rather than reinventing the wheel (e.g., `lodash-es/omit`).
+- Query only the required columns from a database rather than selecting entire rows.
+
+## Time and Consistency
+
+- Instead of calling `Date.now()` multiple times, assign it to a constant once and reuse it to ensure consistency and improve readability.
+
+## Some logging rules
+
+- Never log user private information like api key, etc
+- Don't use `import { log } from 'debug'` to log messages, because it will directly log the message to the console.

.env.example

@@ -140,6 +140,20 @@ OPENAI_API_KEY=sk-xxxxxxxxx
 
 # INFINIAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
 
+
+### 302.AI ###
+
+# AI302_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
+
+### ModelScope ###
+
+# MODELSCOPE_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
+
+### AiHubMix ###
+
+# AIHUBMIX_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
+
+
 ########################################
 ############ Market Service ############
 ########################################

.gitignore

@@ -1,77 +1,112 @@
 # Gitignore for LobeHub
 ################################################################
 
-# general
+# System files
 .DS_Store
-.idea
-.vscode
-.history
-.temp
-.env.local
-venv
-temp
-tmp
-.windsurfrules
+Thumbs.db
+ehthumbs.db
+Desktop.ini
 
-# dependencies
-node_modules
+# Linux/Ubuntu system files
+*~
+*.swp
+*.swo
+.fuse_hidden*
+.directory
+.Trash-*
+.nfs*
+.gvfs-fuse-daemon-*
+
+# IDE and editors
+.idea/
+.vscode/
+*.sublime-*
+.history/
+.windsurfrules
+*.code-workspace
+
+# Temporary files
+.temp/
+temp/
+tmp/
+*.tmp
+*.temp
 *.log
+*.cache
+.cache/
+
+# Environment files
+.env
+.env.local
+.env*.local
+venv/
+.venv/
+
+# Dependencies
+node_modules/
 *.lock
 package-lock.json
+bun.lockb
+.pnpm-store/
 
-# ci
-coverage
-.coverage
+# Build outputs
+dist/
+es/
+lib/
+.next/
+logs/
+test-output/
+*.tsbuildinfo
+next-env.d.ts
+
+# Framework specific
+# Umi
+.umi/
+.umi-production/
+.umi-test/
+.dumi/tmp*/
+
+# Vercel
+.vercel/
+
+# Testing and CI
+coverage/
+.coverage/
+.nyc_output/
 .eslintcache
 .stylelintcache
 
-# production
-dist
-es
-lib
-logs
-test-output
-
-# umi
-.umi
-.umi-production
-.umi-test
-.dumi/tmp*
-
-# husky
-.husky/prepare-commit-msg
-
-# local env files
-.env*.local
-
-# vercel
-.vercel
-
-# typescript
-*.tsbuildinfo
-next-env.d.ts
-.next
-.env
-public/*.js
-public/sitemap.xml
-public/sitemap-index.xml
-bun.lockb
-sitemap*.xml
-robots.txt
-
+# Service Worker
 # Serwist
 public/sw*
 public/swe-worker*
 
+# Generated files
+public/*.js
+public/sitemap.xml
+public/sitemap-index.xml
+sitemap*.xml
+robots.txt
+
+# Git hooks
+.husky/prepare-commit-msg
+
+# Documents and media
 *.patch
 *.pdf
+
+# Cloud service keys
 vertex-ai-key.json
-.pnpm-store
-./packages/lobe-ui
 
-
-# local use ai coding files
-docs/.prd
-.claude
+# AI coding tools
+.local/
+.claude/
 .mcp.json
-CLAUDE.md
+CLAUDE.md
+CLAUDE.*.md
+
+# Misc
+./packages/lobe-ui
+*.ppt*
+*.doc*
+*.xls*

Dockerfile

@@ -150,6 +150,8 @@ ENV \
     AI21_API_KEY="" AI21_MODEL_LIST="" \
     # Ai360
     AI360_API_KEY="" AI360_MODEL_LIST="" \
+    # AiHubMix
+    AIHUBMIX_API_KEY="" AIHUBMIX_MODEL_LIST="" \
     # Anthropic
     ANTHROPIC_API_KEY="" ANTHROPIC_MODEL_LIST="" ANTHROPIC_PROXY_URL="" \
     # Amazon Bedrock
@@ -245,7 +247,9 @@ ENV \
     # Tencent Cloud
     TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST="" \
     # Infini-AI
-    INFINIAI_API_KEY="" INFINIAI_MODEL_LIST=""
+    INFINIAI_API_KEY="" INFINIAI_MODEL_LIST="" \
+    # 302.AI
+    AI302_API_KEY="" AI302_MODEL_LIST=""
 
 USER nextjs
 

Dockerfile.database

@@ -192,6 +192,8 @@ ENV \
     AI21_API_KEY="" AI21_MODEL_LIST="" \
     # Ai360
     AI360_API_KEY="" AI360_MODEL_LIST="" \
+    # AiHubMix
+    AIHUBMIX_API_KEY="" AIHUBMIX_MODEL_LIST="" \
     # Anthropic
     ANTHROPIC_API_KEY="" ANTHROPIC_MODEL_LIST="" ANTHROPIC_PROXY_URL="" \
     # Amazon Bedrock
@@ -287,7 +289,9 @@ ENV \
     # Tencent Cloud
     TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST="" \
     # Infini-AI
-    INFINIAI_API_KEY="" INFINIAI_MODEL_LIST=""
+    INFINIAI_API_KEY="" INFINIAI_MODEL_LIST="" \
+    # 302.AI
+    AI302_API_KEY="" AI302_MODEL_LIST=""
 
 USER nextjs
 

Dockerfile.pglite

@@ -152,6 +152,8 @@ ENV \
     AI21_API_KEY="" AI21_MODEL_LIST="" \
     # Ai360
     AI360_API_KEY="" AI360_MODEL_LIST="" \
+    # AiHubMix
+    AIHUBMIX_API_KEY="" AIHUBMIX_MODEL_LIST="" \
     # Anthropic
     ANTHROPIC_API_KEY="" ANTHROPIC_MODEL_LIST="" ANTHROPIC_PROXY_URL="" \
     # Amazon Bedrock
@@ -243,7 +245,9 @@ ENV \
     # Tencent Cloud
     TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST="" \
     # Infini-AI
-    INFINIAI_API_KEY="" INFINIAI_MODEL_LIST=""
+    INFINIAI_API_KEY="" INFINIAI_MODEL_LIST="" \
+    # 302.AI
+    AI302_API_KEY="" AI302_MODEL_LIST=""
 
 USER nextjs
 

README.md

@@ -245,13 +245,14 @@ We have implemented support for the following model service providers:
 - **[Bedrock](https://lobechat.com/discover/provider/bedrock)**: Bedrock is a service provided by Amazon AWS, focusing on delivering advanced AI language and visual models for enterprises. Its model family includes Anthropic's Claude series, Meta's Llama 3.1 series, and more, offering a range of options from lightweight to high-performance, supporting tasks such as text generation, conversation, and image processing for businesses of varying scales and needs.
 - **[Google](https://lobechat.com/discover/provider/google)**: Google's Gemini series represents its most advanced, versatile AI models, developed by Google DeepMind, designed for multimodal capabilities, supporting seamless understanding and processing of text, code, images, audio, and video. Suitable for various environments from data centers to mobile devices, it significantly enhances the efficiency and applicability of AI models.
 - **[DeepSeek](https://lobechat.com/discover/provider/deepseek)**: DeepSeek is a company focused on AI technology research and application, with its latest model DeepSeek-V2.5 integrating general dialogue and code processing capabilities, achieving significant improvements in human preference alignment, writing tasks, and instruction following.
-- **[HuggingFace](https://lobechat.com/discover/provider/huggingface)**: The HuggingFace Inference API provides a fast and free way for you to explore thousands of models for various tasks. Whether you are prototyping for a new application or experimenting with the capabilities of machine learning, this API gives you instant access to high-performance models across multiple domains.
+- **[Moonshot](https://lobechat.com/discover/provider/moonshot)**: Moonshot is an open-source platform launched by Beijing Dark Side Technology Co., Ltd., providing various natural language processing models with a wide range of applications, including but not limited to content creation, academic research, intelligent recommendations, and medical diagnosis, supporting long text processing and complex generation tasks.
 - **[OpenRouter](https://lobechat.com/discover/provider/openrouter)**: OpenRouter is a service platform providing access to various cutting-edge large model interfaces, supporting OpenAI, Anthropic, LLaMA, and more, suitable for diverse development and application needs. Users can flexibly choose the optimal model and pricing based on their requirements, enhancing the AI experience.
+- **[HuggingFace](https://lobechat.com/discover/provider/huggingface)**: The HuggingFace Inference API provides a fast and free way for you to explore thousands of models for various tasks. Whether you are prototyping for a new application or experimenting with the capabilities of machine learning, this API gives you instant access to high-performance models across multiple domains.
 - **[Cloudflare Workers AI](https://lobechat.com/discover/provider/cloudflare)**: Run serverless GPU-powered machine learning models on Cloudflare's global network.
+
+<details><summary><kbd>See more providers (+32)</kbd></summary>
+
 - **[GitHub](https://lobechat.com/discover/provider/github)**: With GitHub Models, developers can become AI engineers and leverage the industry's leading AI models.
-
-<details><summary><kbd>See more providers (+31)</kbd></summary>
-
 - **[Novita](https://lobechat.com/discover/provider/novita)**: Novita AI is a platform providing a variety of large language models and AI image generation API services, flexible, reliable, and cost-effective. It supports the latest open-source models like Llama3 and Mistral, offering a comprehensive, user-friendly, and auto-scaling API solution for generative AI application development, suitable for the rapid growth of AI startups.
 - **[PPIO](https://lobechat.com/discover/provider/ppio)**: PPIO supports stable and cost-efficient open-source LLM APIs, such as DeepSeek, Llama, Qwen etc.
 - **[Together AI](https://lobechat.com/discover/provider/togetherai)**: Together AI is dedicated to achieving leading performance through innovative AI models, offering extensive customization capabilities, including rapid scaling support and intuitive deployment processes to meet various enterprise needs.
@@ -272,7 +273,6 @@ We have implemented support for the following model service providers:
 - **[Spark](https://lobechat.com/discover/provider/spark)**: iFlytek's Spark model provides powerful AI capabilities across multiple domains and languages, utilizing advanced natural language processing technology to build innovative applications suitable for smart hardware, smart healthcare, smart finance, and other vertical scenarios.
 - **[SenseNova](https://lobechat.com/discover/provider/sensenova)**: SenseNova, backed by SenseTime's robust infrastructure, offers efficient and user-friendly full-stack large model services.
 - **[Stepfun](https://lobechat.com/discover/provider/stepfun)**: StepFun's large model possesses industry-leading multimodal and complex reasoning capabilities, supporting ultra-long text understanding and powerful autonomous scheduling search engine functions.
-- **[Moonshot](https://lobechat.com/discover/provider/moonshot)**: Moonshot is an open-source platform launched by Beijing Dark Side Technology Co., Ltd., providing various natural language processing models with a wide range of applications, including but not limited to content creation, academic research, intelligent recommendations, and medical diagnosis, supporting long text processing and complex generation tasks.
 - **[Baichuan](https://lobechat.com/discover/provider/baichuan)**: Baichuan Intelligence is a company focused on the research and development of large AI models, with its models excelling in domestic knowledge encyclopedias, long text processing, and generative creation tasks in Chinese, surpassing mainstream foreign models. Baichuan Intelligence also possesses industry-leading multimodal capabilities, performing excellently in multiple authoritative evaluations. Its models include Baichuan 4, Baichuan 3 Turbo, and Baichuan 3 Turbo 128k, each optimized for different application scenarios, providing cost-effective solutions.
 - **[Minimax](https://lobechat.com/discover/provider/minimax)**: MiniMax is a general artificial intelligence technology company established in 2021, dedicated to co-creating intelligence with users. MiniMax has independently developed general large models of different modalities, including trillion-parameter MoE text models, voice models, and image models, and has launched applications such as Conch AI.
 - **[InternLM](https://lobechat.com/discover/provider/internlm)**: An open-source organization dedicated to the research and development of large model toolchains. It provides an efficient and user-friendly open-source platform for all AI developers, making cutting-edge large models and algorithm technologies easily accessible.
@@ -283,10 +283,11 @@ We have implemented support for the following model service providers:
 - **[Search1API](https://lobechat.com/discover/provider/search1api)**: Search1API provides access to the DeepSeek series of models that can connect to the internet as needed, including standard and fast versions, supporting a variety of model sizes.
 - **[InfiniAI](https://lobechat.com/discover/provider/infiniai)**: Provides high-performance, easy-to-use, and secure large model services for application developers, covering the entire process from large model development to service deployment.
 - **[Qiniu](https://lobechat.com/discover/provider/qiniu)**: Qiniu, as a long-established cloud service provider, delivers cost-effective and reliable AI inference services for both real-time and batch processing, with a simple and user-friendly experience.
+- **[302.AI](https://lobechat.com/discover/provider/ai302)**: 302.AI is an on-demand AI application platform offering the most comprehensive AI APIs and online AI applications available on the market.
 
 </details>
 
-> 📊 Total providers: [<kbd>**41**</kbd>](https://lobechat.com/discover/providers)
+> 📊 Total providers: [<kbd>**42**</kbd>](https://lobechat.com/discover/providers)
 
  <!-- PROVIDER LIST -->
 

README.zh-CN.md

@@ -245,13 +245,14 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 - **[Bedrock](https://lobechat.com/discover/provider/bedrock)**: Bedrock 是亚马逊 AWS 提供的一项服务，专注于为企业提供先进的 AI 语言模型和视觉模型。其模型家族包括 Anthropic 的 Claude 系列、Meta 的 Llama 3.1 系列等，涵盖从轻量级到高性能的多种选择，支持文本生成、对话、图像处理等多种任务，适用于不同规模和需求的企业应用。
 - **[Google](https://lobechat.com/discover/provider/google)**: Google 的 Gemini 系列是其最先进、通用的 AI 模型，由 Google DeepMind 打造，专为多模态设计，支持文本、代码、图像、音频和视频的无缝理解与处理。适用于从数据中心到移动设备的多种环境，极大提升了 AI 模型的效率与应用广泛性。
 - **[DeepSeek](https://lobechat.com/discover/provider/deepseek)**: DeepSeek 是一家专注于人工智能技术研究和应用的公司，其最新模型 DeepSeek-V3 多项评测成绩超越 Qwen2.5-72B 和 Llama-3.1-405B 等开源模型，性能对齐领军闭源模型 GPT-4o 与 Claude-3.5-Sonnet。
-- **[HuggingFace](https://lobechat.com/discover/provider/huggingface)**: HuggingFace Inference API 提供了一种快速且免费的方式，让您可以探索成千上万种模型，适用于各种任务。无论您是在为新应用程序进行原型设计，还是在尝试机器学习的功能，这个 API 都能让您即时访问多个领域的高性能模型。
+- **[Moonshot](https://lobechat.com/discover/provider/moonshot)**: Moonshot 是由北京月之暗面科技有限公司推出的开源平台，提供多种自然语言处理模型，应用领域广泛，包括但不限于内容创作、学术研究、智能推荐、医疗诊断等，支持长文本处理和复杂生成任务。
 - **[OpenRouter](https://lobechat.com/discover/provider/openrouter)**: OpenRouter 是一个提供多种前沿大模型接口的服务平台，支持 OpenAI、Anthropic、LLaMA 及更多，适合多样化的开发和应用需求。用户可根据自身需求灵活选择最优的模型和价格，助力 AI 体验的提升。
+- **[HuggingFace](https://lobechat.com/discover/provider/huggingface)**: HuggingFace Inference API 提供了一种快速且免费的方式，让您可以探索成千上万种模型，适用于各种任务。无论您是在为新应用程序进行原型设计，还是在尝试机器学习的功能，这个 API 都能让您即时访问多个领域的高性能模型。
 - **[Cloudflare Workers AI](https://lobechat.com/discover/provider/cloudflare)**: 在 Cloudflare 的全球网络上运行由无服务器 GPU 驱动的机器学习模型。
+
+<details><summary><kbd>See more providers (+32)</kbd></summary>
+
 - **[GitHub](https://lobechat.com/discover/provider/github)**: 通过 GitHub 模型，开发人员可以成为 AI 工程师，并使用行业领先的 AI 模型进行构建。
-
-<details><summary><kbd>See more providers (+31)</kbd></summary>
-
 - **[Novita](https://lobechat.com/discover/provider/novita)**: Novita AI 是一个提供多种大语言模型与 AI 图像生成的 API 服务的平台，灵活、可靠且具有成本效益。它支持 Llama3、Mistral 等最新的开源模型，并为生成式 AI 应用开发提供了全面、用户友好且自动扩展的 API 解决方案，适合 AI 初创公司的快速发展。
 - **[PPIO](https://lobechat.com/discover/provider/ppio)**: PPIO 派欧云提供稳定、高性价比的开源模型 API 服务，支持 DeepSeek 全系列、Llama、Qwen 等行业领先大模型。
 - **[Together AI](https://lobechat.com/discover/provider/togetherai)**: Together AI 致力于通过创新的 AI 模型实现领先的性能，提供广泛的自定义能力，包括快速扩展支持和直观的部署流程，满足企业的各种需求。
@@ -272,7 +273,6 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 - **[Spark](https://lobechat.com/discover/provider/spark)**: 科大讯飞星火大模型提供多领域、多语言的强大 AI 能力，利用先进的自然语言处理技术，构建适用于智能硬件、智慧医疗、智慧金融等多种垂直场景的创新应用。
 - **[SenseNova](https://lobechat.com/discover/provider/sensenova)**: 商汤日日新，依托商汤大装置的强大的基础支撑，提供高效易用的全栈大模型服务。
 - **[Stepfun](https://lobechat.com/discover/provider/stepfun)**: 阶级星辰大模型具备行业领先的多模态及复杂推理能力，支持超长文本理解和强大的自主调度搜索引擎功能。
-- **[Moonshot](https://lobechat.com/discover/provider/moonshot)**: Moonshot 是由北京月之暗面科技有限公司推出的开源平台，提供多种自然语言处理模型，应用领域广泛，包括但不限于内容创作、学术研究、智能推荐、医疗诊断等，支持长文本处理和复杂生成任务。
 - **[Baichuan](https://lobechat.com/discover/provider/baichuan)**: 百川智能是一家专注于人工智能大模型研发的公司，其模型在国内知识百科、长文本处理和生成创作等中文任务上表现卓越，超越了国外主流模型。百川智能还具备行业领先的多模态能力，在多项权威评测中表现优异。其模型包括 Baichuan 4、Baichuan 3 Turbo 和 Baichuan 3 Turbo 128k 等，分别针对不同应用场景进行优化，提供高性价比的解决方案。
 - **[Minimax](https://lobechat.com/discover/provider/minimax)**: MiniMax 是 2021 年成立的通用人工智能科技公司，致力于与用户共创智能。MiniMax 自主研发了不同模态的通用大模型，其中包括万亿参数的 MoE 文本大模型、语音大模型以及图像大模型。并推出了海螺 AI 等应用。
 - **[InternLM](https://lobechat.com/discover/provider/internlm)**: 致力于大模型研究与开发工具链的开源组织。为所有 AI 开发者提供高效、易用的开源平台，让最前沿的大模型与算法技术触手可及
@@ -283,10 +283,11 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 - **[Search1API](https://lobechat.com/discover/provider/search1api)**: Search1API 提供可根据需要自行联网的 DeepSeek 系列模型的访问，包括标准版和快速版本，支持多种参数规模的模型选择。
 - **[InfiniAI](https://lobechat.com/discover/provider/infiniai)**: 为应用开发者提供高性能、易上手、安全可靠的大模型服务，覆盖从大模型开发到大模型服务化部署的全流程。
 - **[Qiniu](https://lobechat.com/discover/provider/qiniu)**: 七牛作为老牌云服务厂商，提供高性价比稳定的实时、批量 AI 推理服务，简单易用。
+- **[302.AI](https://lobechat.com/discover/provider/ai302)**: 302.AI 是一个按需付费的 AI 应用平台，提供市面上最全的 AI API 和 AI 在线应用
 
 </details>
 
-> 📊 Total providers: [<kbd>**41**</kbd>](https://lobechat.com/discover/providers)
+> 📊 Total providers: [<kbd>**42**</kbd>](https://lobechat.com/discover/providers)
 
  <!-- PROVIDER LIST -->
 

apps/desktop/.i18nrc.js

@@ -23,8 +23,9 @@ module.exports = defineConfig({
     'vi-VN',
     'fa-IR',
   ],
+  saveImmediately: true,
   temperature: 0,
-  modelName: 'gpt-4o-mini',
+  modelName: 'gpt-4.1-mini',
   experimental: {
     jsonMode: true,
   },

apps/desktop/electron-builder.js

@@ -11,6 +11,16 @@ console.log(`🚄 Build Version ${packageJSON.version}, Channel: ${channel}`);
 const isNightly = channel === 'nightly';
 const isBeta = packageJSON.name.includes('beta');
 
+// 根据版本类型确定协议 scheme
+const getProtocolScheme = () => {
+  if (isNightly) return 'lobehub-nightly';
+  if (isBeta) return 'lobehub-beta';
+
+  return 'lobehub';
+};
+
+const protocolScheme = getProtocolScheme();
+
 /**
  * @type {import('electron-builder').Configuration}
  * @see https://www.electron.build/configuration
@@ -60,6 +70,12 @@ const config = {
     compression: 'maximum',
     entitlementsInherit: 'build/entitlements.mac.plist',
     extendInfo: {
+      CFBundleURLTypes: [
+        {
+          CFBundleURLName: 'LobeHub Protocol',
+          CFBundleURLSchemes: [protocolScheme],
+        },
+      ],
       NSCameraUsageDescription: "Application requests access to the device's camera.",
       NSDocumentsFolderUsageDescription:
         "Application requests access to the user's Documents folder.",
@@ -91,6 +107,12 @@ const config = {
     uninstallDisplayName: '${productName}',
     uninstallerSidebar: './build/nsis-sidebar.bmp',
   },
+  protocols: [
+    {
+      name: 'LobeHub Protocol',
+      schemes: [protocolScheme],
+    },
+  ],
   publish: [
     {
       owner: 'lobehub',

apps/desktop/package.json

@@ -20,11 +20,10 @@
     "electron:dev": "electron-vite dev",
     "electron:run-unpack": "electron .",
     "format": "prettier --write ",
-    "i18n": "bun run scripts/i18nWorkflow/index.ts && lobe-i18n",
+    "i18n": "tsx scripts/i18nWorkflow/index.ts && lobe-i18n",
     "postinstall": "electron-builder install-app-deps",
     "install-isolated": "pnpm install",
     "lint": "eslint --cache ",
-    "pg-server": "bun run scripts/pglite-server.ts",
     "start": "electron-vite preview",
     "test": "vitest --run",
     "typecheck": "tsgo --noEmit -p tsconfig.json"
@@ -52,7 +51,7 @@
     "@typescript/native-preview": "7.0.0-dev.20250711.1",
     "consola": "^3.1.0",
     "cookie": "^1.0.2",
-    "electron": "~37.1.0",
+    "electron": "^37.2.0",
     "electron-builder": "^26.0.12",
     "electron-is": "^3.0.0",
     "electron-log": "^5.3.3",

apps/desktop/resources/locales/ar/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "نسخ",
     "cut": "قص",
+    "delete": "حذف",
     "paste": "لصق",
     "redo": "إعادة",
     "selectAll": "تحديد الكل",

apps/desktop/resources/locales/bg-BG/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Копиране",
     "cut": "Изрязване",
+    "delete": "Изтрий",
     "paste": "Поставяне",
     "redo": "Повторно",
     "selectAll": "Избери всичко",

apps/desktop/resources/locales/de-DE/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Kopieren",
     "cut": "Ausschneiden",
+    "delete": "Löschen",
     "paste": "Einfügen",
     "redo": "Wiederherstellen",
     "selectAll": "Alles auswählen",

apps/desktop/resources/locales/en-US/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Copy",
     "cut": "Cut",
+    "delete": "Delete",
     "paste": "Paste",
     "redo": "Redo",
     "selectAll": "Select All",

apps/desktop/resources/locales/es-ES/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Copiar",
     "cut": "Cortar",
+    "delete": "Eliminar",
     "paste": "Pegar",
     "redo": "Rehacer",
     "selectAll": "Seleccionar todo",

apps/desktop/resources/locales/fa-IR/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "کپی",
     "cut": "برش",
+    "delete": "حذف",
     "paste": "چسباندن",
     "redo": "انجام مجدد",
     "selectAll": "انتخاب همه",

apps/desktop/resources/locales/fr-FR/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Copier",
     "cut": "Couper",
+    "delete": "Supprimer",
     "paste": "Coller",
     "redo": "Rétablir",
     "selectAll": "Tout sélectionner",

apps/desktop/resources/locales/it-IT/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Copia",
     "cut": "Taglia",
+    "delete": "Elimina",
     "paste": "Incolla",
     "redo": "Ripeti",
     "selectAll": "Seleziona tutto",

apps/desktop/resources/locales/ja-JP/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "コピー",
     "cut": "切り取り",
+    "delete": "削除",
     "paste": "貼り付け",
     "redo": "やり直し",
     "selectAll": "すべて選択",

apps/desktop/resources/locales/ko-KR/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "복사",
     "cut": "잘라내기",
+    "delete": "삭제",
     "paste": "붙여넣기",
     "redo": "다시 실행",
     "selectAll": "모두 선택",

apps/desktop/resources/locales/nl-NL/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Kopiëren",
     "cut": "Knippen",
+    "delete": "Verwijderen",
     "paste": "Plakken",
     "redo": "Opnieuw doen",
     "selectAll": "Alles selecteren",

apps/desktop/resources/locales/pl-PL/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Kopiuj",
     "cut": "Wytnij",
+    "delete": "Usuń",
     "paste": "Wklej",
     "redo": "Ponów",
     "selectAll": "Zaznacz wszystko",

apps/desktop/resources/locales/pt-BR/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Copiar",
     "cut": "Cortar",
+    "delete": "Excluir",
     "paste": "Colar",
     "redo": "Refazer",
     "selectAll": "Selecionar Tudo",

apps/desktop/resources/locales/ru-RU/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Копировать",
     "cut": "Вырезать",
+    "delete": "Удалить",
     "paste": "Вставить",
     "redo": "Повторить",
     "selectAll": "Выбрать все",

apps/desktop/resources/locales/tr-TR/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Kopyala",
     "cut": "Kes",
+    "delete": "Sil",
     "paste": "Yapıştır",
     "redo": "Yinele",
     "selectAll": "Tümünü Seç",

apps/desktop/resources/locales/vi-VN/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "Sao chép",
     "cut": "Cắt",
+    "delete": "Xóa",
     "paste": "Dán",
     "redo": "Làm lại",
     "selectAll": "Chọn tất cả",

apps/desktop/resources/locales/zh-CN/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "复制",
     "cut": "剪切",
+    "delete": "删除",
     "paste": "粘贴",
     "redo": "重做",
     "selectAll": "全选",

apps/desktop/resources/locales/zh-TW/menu.json

@@ -14,6 +14,7 @@
   "edit": {
     "copy": "複製",
     "cut": "剪下",
+    "delete": "刪除",
     "paste": "貼上",
     "redo": "重做",
     "selectAll": "全選",

apps/desktop/src/main/controllers/McpInstallCtr.ts

@@ -0,0 +1,153 @@
+import { createLogger } from '@/utils/logger';
+
+import { ControllerModule, createProtocolHandler } from '.';
+import { McpSchema } from '../types/protocol';
+
+const logger = createLogger('controllers:McpInstallCtr');
+
+const protocolHandler = createProtocolHandler('plugin');
+
+/**
+ * 验证 MCP Schema 对象结构
+ */
+function validateMcpSchema(schema: any): schema is McpSchema {
+  if (!schema || typeof schema !== 'object') return false;
+
+  // 必填字段验证
+  if (typeof schema.identifier !== 'string' || !schema.identifier) return false;
+  if (typeof schema.name !== 'string' || !schema.name) return false;
+  if (typeof schema.author !== 'string' || !schema.author) return false;
+  if (typeof schema.description !== 'string' || !schema.description) return false;
+  if (typeof schema.version !== 'string' || !schema.version) return false;
+
+  // 可选字段验证
+  if (schema.homepage !== undefined && typeof schema.homepage !== 'string') return false;
+  if (schema.icon !== undefined && typeof schema.icon !== 'string') return false;
+
+  // config 字段验证
+  if (!schema.config || typeof schema.config !== 'object') return false;
+  const config = schema.config;
+
+  if (config.type === 'stdio') {
+    if (typeof config.command !== 'string' || !config.command) return false;
+    if (config.args !== undefined && !Array.isArray(config.args)) return false;
+    if (config.env !== undefined && typeof config.env !== 'object') return false;
+  } else if (config.type === 'http') {
+    if (typeof config.url !== 'string' || !config.url) return false;
+    try {
+      new URL(config.url); // 验证URL格式
+    } catch {
+      return false;
+    }
+    if (config.headers !== undefined && typeof config.headers !== 'object') return false;
+  } else {
+    return false; // 未知的 config type
+  }
+
+  return true;
+}
+
+interface McpInstallParams {
+  id: string;
+  marketId?: string;
+  schema?: any;
+}
+
+/**
+ * MCP 插件安装控制器
+ * 负责处理 MCP 插件安装流程
+ */
+export default class McpInstallController extends ControllerModule {
+  /**
+   * 处理 MCP 插件安装请求
+   * @param parsedData 解析后的协议数据
+   * @returns 是否处理成功
+   */
+  @protocolHandler('install')
+  public async handleInstallRequest(parsedData: McpInstallParams): Promise<boolean> {
+    try {
+      // 从参数中提取必需字段
+      const { id, schema: schemaParam, marketId } = parsedData;
+
+      if (!id) {
+        logger.warn(`🔧 [McpInstall] Missing required MCP parameters:`, {
+          id: !!id,
+        });
+        return false;
+      }
+
+      // 映射协议来源
+
+      const isOfficialMarket = marketId === 'lobehub';
+
+      // 对于官方市场，schema 是可选的；对于第三方市场，schema 是必需的
+      if (!isOfficialMarket && !schemaParam) {
+        logger.warn(`🔧 [McpInstall] Schema is required for third-party marketplace:`, {
+          marketId,
+        });
+        return false;
+      }
+
+      let mcpSchema: McpSchema | undefined;
+
+      // 如果提供了 schema 参数，则解析和验证
+      if (schemaParam) {
+        try {
+          mcpSchema = JSON.parse(schemaParam);
+        } catch (error) {
+          logger.error(`🔧 [McpInstall] Failed to parse MCP schema:`, error);
+          return false;
+        }
+
+        if (!validateMcpSchema(mcpSchema)) {
+          logger.error(`🔧 [McpInstall] Invalid MCP Schema structure`);
+          return false;
+        }
+
+        // 验证 identifier 与 id 参数匹配
+        if (mcpSchema.identifier !== id) {
+          logger.error(`🔧 [McpInstall] Schema identifier does not match URL id parameter:`, {
+            schemaId: mcpSchema.identifier,
+            urlId: id,
+          });
+          return false;
+        }
+      }
+
+      logger.debug(`🔧 [McpInstall] MCP install request validated:`, {
+        hasSchema: !!mcpSchema,
+        marketId,
+        pluginId: id,
+        pluginName: mcpSchema?.name || 'Unknown',
+        pluginVersion: mcpSchema?.version || 'Unknown',
+      });
+
+      // 广播安装请求到前端
+      const installRequest = {
+        marketId,
+        pluginId: id,
+        schema: mcpSchema,
+      };
+
+      logger.debug(`🔧 [McpInstall] Broadcasting install request:`, {
+        hasSchema: !!installRequest.schema,
+        marketId: installRequest.marketId,
+        pluginId: installRequest.pluginId,
+        pluginName: installRequest.schema?.name || 'Unknown',
+      });
+
+      // 通过应用实例广播到前端
+      if (this.app?.browserManager) {
+        this.app.browserManager.broadcastToWindow('chat', 'mcpInstallRequest', installRequest);
+        logger.debug(`🔧 [McpInstall] Install request broadcasted successfully`);
+        return true;
+      } else {
+        logger.error(`🔧 [McpInstall] App or browserManager not available`);
+        return false;
+      }
+    } catch (error) {
+      logger.error(`🔧 [McpInstall] Error processing install request:`, error);
+      return false;
+    }
+  }
+}

apps/desktop/src/main/controllers/MenuCtr.ts

@@ -14,8 +14,8 @@ export default class MenuController extends ControllerModule {
    * 显示上下文菜单
    */
   @ipcClientEvent('showContextMenu')
-  showContextMenu(type: string, data?: any) {
-    return this.app.menuManager.showContextMenu(type, data);
+  showContextMenu(params: { data?: any; type: string }) {
+    return this.app.menuManager.showContextMenu(params.type, params.data);
   }
 
   /**

apps/desktop/src/main/controllers/__tests__/MenuCtr.test.ts

@@ -29,9 +29,9 @@ describe('MenuController', () => {
     it('should call menuManager.refreshMenus', () => {
       // 模拟返回值
       mockRefreshMenus.mockReturnValueOnce(true);
-      
+
       const result = menuController.refreshAppMenu();
-      
+
       expect(mockRefreshMenus).toHaveBeenCalled();
       expect(result).toBe(true);
     });
@@ -41,9 +41,9 @@ describe('MenuController', () => {
     it('should call menuManager.showContextMenu with type only', () => {
       const menuType = 'chat';
       mockShowContextMenu.mockReturnValueOnce({ shown: true });
-      
-      const result = menuController.showContextMenu(menuType);
-      
+
+      const result = menuController.showContextMenu({ type: menuType });
+
       expect(mockShowContextMenu).toHaveBeenCalledWith(menuType, undefined);
       expect(result).toEqual({ shown: true });
     });
@@ -52,9 +52,9 @@ describe('MenuController', () => {
       const menuType = 'file';
       const menuData = { fileId: '123', filePath: '/path/to/file.txt' };
       mockShowContextMenu.mockReturnValueOnce({ shown: true });
-      
-      const result = menuController.showContextMenu(menuType, menuData);
-      
+
+      const result = menuController.showContextMenu({ type: menuType, data: menuData });
+
       expect(mockShowContextMenu).toHaveBeenCalledWith(menuType, menuData);
       expect(result).toEqual({ shown: true });
     });
@@ -63,20 +63,20 @@ describe('MenuController', () => {
   describe('setDevMenuVisibility', () => {
     it('should call menuManager.rebuildAppMenu with showDevItems true', () => {
       mockRebuildAppMenu.mockReturnValueOnce(true);
-      
+
       const result = menuController.setDevMenuVisibility(true);
-      
+
       expect(mockRebuildAppMenu).toHaveBeenCalledWith({ showDevItems: true });
       expect(result).toBe(true);
     });
 
     it('should call menuManager.rebuildAppMenu with showDevItems false', () => {
       mockRebuildAppMenu.mockReturnValueOnce(true);
-      
+
       const result = menuController.setDevMenuVisibility(false);
-      
+
       expect(mockRebuildAppMenu).toHaveBeenCalledWith({ showDevItems: false });
       expect(result).toBe(true);
     });
   });
-}); 
+});

apps/desktop/src/main/controllers/index.ts

@@ -44,11 +44,30 @@ const shortcutDecorator = (name: string) => (target: any, methodName: string, de
  */
 export const shortcut = (method: ShortcutActionType) => shortcutDecorator(method);
 
+const protocolDecorator =
+  (urlType: string, action: string) => (target: any, methodName: string, descriptor?: any) => {
+    const handlers = IoCContainer.protocolHandlers.get(target.constructor) || [];
+    handlers.push({ action, methodName, urlType });
+
+    IoCContainer.protocolHandlers.set(target.constructor, handlers);
+
+    return descriptor;
+  };
+
+/**
+ * Protocol handler decorator
+ * @param urlType 协议URL类型 (如: 'plugin')
+ * @param action 操作类型 (如: 'install')
+ */
+export const createProtocolHandler = (urlType: string) => (action: string) =>
+  protocolDecorator(urlType, action);
+
 interface IControllerModule {
   afterAppReady?(): void;
   app: App;
   beforeAppReady?(): void;
 }
+
 export class ControllerModule implements IControllerModule {
   constructor(public app: App) {
     this.app = app;

apps/desktop/src/main/core/App.ts

@@ -16,6 +16,7 @@ import { CustomRequestHandler, createHandler } from '@/utils/next-electron-rsc';
 import { BrowserManager } from './browser/BrowserManager';
 import { I18nManager } from './infrastructure/I18nManager';
 import { IoCContainer } from './infrastructure/IoCContainer';
+import { ProtocolManager } from './infrastructure/ProtocolManager';
 import { StaticFileServerManager } from './infrastructure/StaticFileServerManager';
 import { StoreManager } from './infrastructure/StoreManager';
 import { UpdaterManager } from './infrastructure/UpdaterManager';
@@ -27,6 +28,7 @@ const logger = createLogger('core:App');
 
 export type IPCEventMap = Map<string, { controller: any; methodName: string }>;
 export type ShortcutMethodMap = Map<string, () => Promise<void>>;
+export type ProtocolHandlerMap = Map<string, { controller: any; methodName: string }>;
 
 type Class<T> = new (...args: any[]) => T;
 
@@ -43,6 +45,7 @@ export class App {
   shortcutManager: ShortcutManager;
   trayManager: TrayManager;
   staticFileServerManager: StaticFileServerManager;
+  protocolManager: ProtocolManager;
   chromeFlags: string[] = ['OverlayScrollbar', 'FluentOverlayScrollbar', 'FluentScrollbar'];
 
   /**
@@ -100,11 +103,15 @@ export class App {
     this.shortcutManager = new ShortcutManager(this);
     this.trayManager = new TrayManager(this);
     this.staticFileServerManager = new StaticFileServerManager(this);
+    this.protocolManager = new ProtocolManager(this);
 
     // register the schema to interceptor url
     // it should register before app ready
     this.registerNextHandler();
 
+    // initialize protocol handlers
+    this.protocolManager.initialize();
+
     // 统一处理 before-quit 事件
     app.on('before-quit', this.handleBeforeQuit);
 
@@ -160,6 +167,10 @@ export class App {
     });
 
     app.on('activate', this.onActivate);
+
+    // Process any pending protocol URLs after everything is ready
+    await this.protocolManager.processPendingUrls();
+
     logger.info('Application bootstrap completed');
   };
 
@@ -171,6 +182,32 @@ export class App {
     return this.controllers.get(controllerClass);
   }
 
+  /**
+   * Handle protocol request by dispatching to registered handlers
+   * @param urlType 协议URL类型 (如: 'plugin')
+   * @param action 操作类型 (如: 'install')
+   * @param data 解析后的协议数据
+   * @returns 是否成功处理
+   */
+  async handleProtocolRequest(urlType: string, action: string, data: any): Promise<boolean> {
+    const key = `${urlType}:${action}`;
+    const handler = this.protocolHandlerMap.get(key);
+
+    if (!handler) {
+      logger.warn(`No protocol handler found for ${key}`);
+      return false;
+    }
+
+    try {
+      logger.debug(`Dispatching protocol request ${key} to controller`);
+      const result = await handler.controller[handler.methodName](data);
+      return result !== false; // 假设控制器返回 false 表示处理失败
+    } catch (error) {
+      logger.error(`Error handling protocol request ${key}:`, error);
+      return false;
+    }
+  }
+
   private onActivate = () => {
     logger.debug('Application activated');
     this.browserManager.showMainWindow();
@@ -233,6 +270,7 @@ export class App {
   private ipcClientEventMap: IPCEventMap = new Map();
   private ipcServerEventMap: IPCEventMap = new Map();
   shortcutMethodMap: ShortcutMethodMap = new Map();
+  protocolHandlerMap: ProtocolHandlerMap = new Map();
 
   /**
    * use in next router interceptor in prod browser render
@@ -308,6 +346,14 @@ export class App {
         controller[shortcut.methodName]();
       });
     });
+
+    IoCContainer.protocolHandlers.get(ControllerClass)?.forEach((handler) => {
+      const key = `${handler.urlType}:${handler.action}`;
+      this.protocolHandlerMap.set(key, {
+        controller,
+        methodName: handler.methodName,
+      });
+    });
   };
 
   private addService = (ServiceClass: IServiceModule) => {

apps/desktop/src/main/core/browser/Browser.ts

@@ -9,7 +9,7 @@ import {
 import { join } from 'node:path';
 
 import { buildDir, preloadDir, resourcesDir } from '@/const/dir';
-import { isDev, isWindows } from '@/const/env';
+import { isDev, isMac, isWindows } from '@/const/env';
 import {
   BACKGROUND_DARK,
   BACKGROUND_LIGHT,
@@ -269,7 +269,20 @@ export default class Browser {
 
   hide() {
     logger.debug(`Hiding window: ${this.identifier}`);
-    this.browserWindow.hide();
+
+    // Fix for macOS fullscreen black screen issue
+    // See: https://github.com/electron/electron/issues/20263
+    if (isMac && this.browserWindow.isFullScreen()) {
+      logger.debug(
+        `[${this.identifier}] Window is in fullscreen mode, exiting fullscreen before hiding.`,
+      );
+      this.browserWindow.once('leave-full-screen', () => {
+        this.browserWindow.hide();
+      });
+      this.browserWindow.setFullScreen(false);
+    } else {
+      this.browserWindow.hide();
+    }
   }
 
   close() {
@@ -413,7 +426,7 @@ export default class Browser {
         //   logger.error(`[${this.identifier}] Failed to save window state on hide:`, error);
         // }
         e.preventDefault();
-        browserWindow.hide();
+        this.hide();
       } else {
         // Window is actually closing (not keepAlive)
         logger.debug(
@@ -465,7 +478,7 @@ export default class Browser {
   toggleVisible() {
     logger.debug(`Toggling visibility for window: ${this.identifier}`);
     if (this._browserWindow.isVisible() && this._browserWindow.isFocused()) {
-      this._browserWindow.hide();
+      this.hide(); // Use the hide() method which handles fullscreen
     } else {
       this._browserWindow.show();
       this._browserWindow.focus();

apps/desktop/src/main/core/infrastructure/IoCContainer.ts

@@ -8,5 +8,9 @@ export class IoCContainer {
   > = new WeakMap();
 
   static shortcuts: WeakMap<any, { methodName: string; name: string }[]> = new WeakMap();
+
+  static protocolHandlers: WeakMap<any, { action: string; methodName: string; urlType: string }[]> =
+    new WeakMap();
+
   init() {}
 }

apps/desktop/src/main/core/infrastructure/ProtocolManager.ts

@@ -0,0 +1,256 @@
+import { app } from 'electron';
+
+import { isDev } from '@/const/env';
+import { createLogger } from '@/utils/logger';
+import { getProtocolScheme, parseProtocolUrl } from '@/utils/protocol';
+
+import { App } from '../App';
+
+// Create logger
+const logger = createLogger('core:ProtocolManager');
+
+/**
+ * Protocol handler manager for custom URI schemes
+ */
+export class ProtocolManager {
+  private app: App;
+  private protocolScheme: string;
+  private pendingUrls: string[] = [];
+
+  constructor(app: App) {
+    logger.debug('Initializing ProtocolManager');
+    this.app = app;
+    this.protocolScheme = getProtocolScheme();
+    logger.info(`ProtocolManager initialized for scheme: ${this.protocolScheme}://`);
+  }
+
+  /**
+   * Register protocol handlers and set up event listeners
+   */
+  public initialize(): void {
+    logger.debug('Setting up protocol handlers');
+
+    this.registerProtocolHandlers();
+    this.setupEventListeners();
+
+    logger.debug('Protocol initialization completed');
+  }
+
+  /**
+   * Register the application as default protocol client
+   */
+  private registerProtocolHandlers(): void {
+    logger.debug(`🔗 [Protocol] Registering protocol handlers for ${this.protocolScheme}://`);
+
+    // Debug info about current app
+    logger.debug(`🔗 [Protocol] App name: ${app.name}`);
+    logger.debug(`🔗 [Protocol] App path: ${app.getPath('exe')}`);
+    logger.debug(`🔗 [Protocol] Is development: ${isDev}`);
+    logger.debug(`🔗 [Protocol] Process argv[0]: ${process.argv[0]}`);
+
+    // Check if already registered
+    const isCurrentlyRegistered = app.isDefaultProtocolClient(this.protocolScheme);
+    logger.debug(`🔗 [Protocol] Is currently default protocol client: ${isCurrentlyRegistered}`);
+
+    // Register as default protocol client
+    let registrationResult: boolean;
+
+    if (isDev) {
+      // In development, use explicit parameters to ensure proper registration
+      const appPath = process.cwd(); // Current working directory (our app)
+      logger.debug(`🔗 [Protocol] Development mode: using explicit registration parameters`);
+      logger.debug(`🔗 [Protocol] Executable path: ${process.execPath}`);
+      logger.debug(`🔗 [Protocol] App path: ${appPath}`);
+      logger.debug(`🔗 [Protocol] Arguments: ${JSON.stringify([appPath])}`);
+
+      registrationResult = app.setAsDefaultProtocolClient(this.protocolScheme, process.execPath, [
+        appPath,
+      ]);
+    } else {
+      // In production, use simple registration
+      registrationResult = app.setAsDefaultProtocolClient(this.protocolScheme);
+    }
+
+    logger.debug(`🔗 [Protocol] Registration result: ${registrationResult}`);
+
+    if (!registrationResult) {
+      logger.error(
+        `🔗 [Protocol] Failed to register as default protocol client for ${this.protocolScheme}://`,
+      );
+    } else {
+      logger.debug(`🔗 [Protocol] Successfully registered ${this.protocolScheme}:// protocol`);
+    }
+
+    // Verify registration
+    const isRegisteredAfter = app.isDefaultProtocolClient(this.protocolScheme);
+    logger.debug(`🔗 [Protocol] Final registration status: ${isRegisteredAfter}`);
+  }
+
+  /**
+   * Set up protocol event listeners
+   */
+  private setupEventListeners(): void {
+    // Handle protocol URL from cold start (Windows/Linux)
+    const protocolUrl = this.getProtocolUrlFromArgs(process.argv);
+    if (protocolUrl) {
+      logger.debug(`🔗 [Protocol] Found protocol URL from cold start: ${protocolUrl}`);
+      this.pendingUrls.push(protocolUrl);
+    }
+
+    // Handle protocol URL from macOS open-url event
+    app.on('open-url', (event, url) => {
+      event.preventDefault();
+      logger.debug(`🔗 [Protocol] Received URL from open-url event: ${url}`);
+      logger.debug(`🔗 [Protocol] App ready state: ${app.isReady()}`);
+      logger.debug(`🔗 [Protocol] Event prevented, processing URL...`);
+      this.handleProtocolUrl(url);
+    });
+
+    // Handle protocol URL from second instance (Windows/Linux)
+    app.on('second-instance', (event, commandLine) => {
+      const url = this.getProtocolUrlFromArgs(commandLine);
+      if (url) {
+        logger.debug(`🔗 [Protocol] Received protocol URL from second instance: ${url}`);
+        this.handleProtocolUrl(url);
+      }
+      // Show main window when second instance is triggered
+      this.app.browserManager.showMainWindow();
+    });
+  }
+
+  /**
+   * Extract protocol URL from command line arguments
+   */
+  private getProtocolUrlFromArgs(args: string[]): string | null {
+    const protocolPrefix = `${this.protocolScheme}://`;
+
+    logger.debug(`🔗 [Protocol] Searching for protocol URLs in args: ${JSON.stringify(args)}`);
+    logger.debug(`🔗 [Protocol] Looking for prefix: ${protocolPrefix}`);
+
+    for (const arg of args) {
+      if (arg.startsWith(protocolPrefix)) {
+        logger.debug(`🔗 [Protocol] Found protocol URL in args: ${arg}`);
+        return arg;
+      }
+    }
+    logger.debug(`🔗 [Protocol] No protocol URL found in args`);
+    return null;
+  }
+
+  /**
+   * Handle protocol URL - either immediately or store for later processing
+   */
+  private handleProtocolUrl(url: string): void {
+    try {
+      logger.debug(`🔗 [Protocol] handleProtocolUrl called with: ${url}`);
+      logger.debug(`🔗 [Protocol] App ready state: ${app.isReady()}`);
+      logger.debug(`🔗 [Protocol] Current pending URLs count: ${this.pendingUrls.length}`);
+
+      if (!app.isReady()) {
+        // App not ready yet, store for later processing
+        logger.debug('🔗 [Protocol] App not ready, storing protocol URL for later processing');
+        this.pendingUrls.push(url);
+        logger.debug(`🔗 [Protocol] Pending URLs after push: ${this.pendingUrls.length}`);
+        return;
+      }
+
+      // App is ready, process immediately
+      logger.debug('🔗 [Protocol] App is ready, processing URL immediately');
+      this.processProtocolUrl(url);
+    } catch (error) {
+      logger.error('🔗 [Protocol] Failed to handle protocol URL:', error);
+    }
+  }
+
+  /**
+   * Process protocol URL by showing main window and sending to renderer
+   */
+  private async processProtocolUrl(url: string): Promise<void> {
+    try {
+      logger.debug(`🔗 [Protocol] processProtocolUrl called with: ${url}`);
+
+      // Basic URL validation - just check if it's our protocol
+      if (!url.startsWith(`${this.protocolScheme}://`)) {
+        logger.warn(`🔗 [Protocol] Invalid protocol scheme in URL: ${url}`);
+        return;
+      }
+
+      // Show main window
+      logger.debug('🔗 [Protocol] Showing main window...');
+      this.app.browserManager.showMainWindow();
+
+      // Parse protocol URL to extract urlType and action
+      const parsed = parseProtocolUrl(url);
+
+      if (!parsed) {
+        logger.warn(`🔗 [Protocol] Failed to parse protocol URL: ${url}`);
+        return;
+      }
+
+      logger.debug(
+        `🔗 [Protocol] Parsed URL - type: ${parsed.urlType}, action: ${parsed.action}, data: %s`,
+        parsed.params,
+      );
+
+      // Dispatch to registered protocol handlers via App with parsed data
+      logger.debug('🔗 [Protocol] Dispatching to protocol handlers...');
+      const handled = await this.app.handleProtocolRequest(
+        parsed.urlType,
+        parsed.action,
+        parsed.params,
+      );
+
+      if (handled) {
+        logger.debug('🔗 [Protocol] Protocol URL processed successfully by handler');
+      } else {
+        logger.warn(
+          `🔗 [Protocol] No handler found for protocol: ${parsed.urlType}:${parsed.action}`,
+        );
+      }
+    } catch (error) {
+      logger.error('🔗 [Protocol] Failed to process protocol URL:', error);
+      logger.error('🔗 [Protocol] Error details:', error);
+    }
+  }
+
+  /**
+   * Process any pending protocol URLs after app is ready
+   */
+  public async processPendingUrls(): Promise<void> {
+    logger.debug(`🔗 [Protocol] processPendingUrls called`);
+    logger.debug(`🔗 [Protocol] Pending URLs count: ${this.pendingUrls.length}`);
+
+    if (this.pendingUrls.length === 0) {
+      logger.debug(`🔗 [Protocol] No pending URLs to process`);
+      return;
+    }
+
+    logger.debug(
+      `🔗 [Protocol] Processing ${this.pendingUrls.length} pending protocol URLs:`,
+      this.pendingUrls,
+    );
+
+    for (const url of this.pendingUrls) {
+      logger.debug(`🔗 [Protocol] Processing pending URL: ${url}`);
+      await this.processProtocolUrl(url);
+    }
+
+    // Clear pending URLs
+    this.pendingUrls = [];
+    logger.debug(`🔗 [Protocol] All pending URLs processed and cleared`);
+  }
+
+  /**
+   * Get current protocol scheme
+   */
+  public getScheme(): string {
+    return this.protocolScheme;
+  }
+
+  /**
+   * Check if protocol is registered
+   */
+  public isRegistered(): boolean {
+    return app.isDefaultProtocolClient(this.protocolScheme);
+  }
+}

apps/desktop/src/main/locales/default/menu.ts

@@ -14,6 +14,7 @@ const menu = {
   edit: {
     copy: '复制',
     cut: '剪切',
+    delete: '删除',
     paste: '粘贴',
     redo: '重做',
     selectAll: '全选',

apps/desktop/src/main/menus/impls/linux.ts

@@ -181,29 +181,15 @@ export class LinuxMenu extends BaseMenuPlatform implements IMenuPlatform {
   }
 
   private getChatContextMenuTemplate(data?: any): MenuItemConstructorOptions[] {
+    console.log(data);
     const t = this.app.i18n.ns('menu');
-    const commonT = this.app.i18n.ns('common');
 
-    const items: MenuItemConstructorOptions[] = [
-      { label: t('edit.copy'), role: 'copy' },
-      { label: t('edit.paste'), role: 'paste' },
+    return [
+      { accelerator: 'Ctrl+C', label: t('edit.copy'), role: 'copy' },
+      { accelerator: 'Ctrl+V', label: t('edit.paste'), role: 'paste' },
       { type: 'separator' },
       { label: t('edit.selectAll'), role: 'selectAll' },
     ];
-
-    if (data?.messageId) {
-      items.push(
-        { type: 'separator' },
-        {
-          click: () => {
-            console.log('尝试删除消息:', data.messageId);
-          },
-          label: commonT('actions.delete'),
-        },
-      );
-    }
-
-    return items;
   }
 
   // eslint-disable-next-line @typescript-eslint/no-unused-vars
@@ -211,14 +197,13 @@ export class LinuxMenu extends BaseMenuPlatform implements IMenuPlatform {
     const t = this.app.i18n.ns('menu');
 
     return [
-      { label: t('edit.cut'), role: 'cut' },
-      { label: t('edit.copy'), role: 'copy' },
-      { label: t('edit.paste'), role: 'paste' },
+      { accelerator: 'Ctrl+X', label: t('edit.cut'), role: 'cut' },
+      { accelerator: 'Ctrl+C', label: t('edit.copy'), role: 'copy' },
+      { accelerator: 'Ctrl+V', label: t('edit.paste'), role: 'paste' },
       { type: 'separator' },
-      { label: t('edit.undo'), role: 'undo' },
-      { label: t('edit.redo'), role: 'redo' },
+      { accelerator: 'Ctrl+A', label: t('edit.selectAll'), role: 'selectAll' },
       { type: 'separator' },
-      { label: t('edit.selectAll'), role: 'selectAll' },
+      { label: t('edit.delete'), role: 'delete' },
     ];
   }
 

apps/desktop/src/main/menus/impls/macOS.ts

@@ -301,48 +301,29 @@ export class MacOSMenu extends BaseMenuPlatform implements IMenuPlatform {
   }
 
   private getChatContextMenuTemplate(data?: any): MenuItemConstructorOptions[] {
+    console.log(data);
     const t = this.app.i18n.ns('menu');
-    const commonT = this.app.i18n.ns('common');
 
-    const items: MenuItemConstructorOptions[] = [
-      { label: t('edit.cut'), role: 'cut' },
-      { label: t('edit.copy'), role: 'copy' },
-      { label: t('edit.paste'), role: 'paste' },
+    return [
+      { accelerator: 'Command+C', label: t('edit.copy'), role: 'copy' },
+      { accelerator: 'Command+V', label: t('edit.paste'), role: 'paste' },
       { type: 'separator' },
       { label: t('edit.selectAll'), role: 'selectAll' },
     ];
-
-    if (data?.messageId) {
-      items.push(
-        { type: 'separator' },
-        {
-          click: () => {
-            console.log('尝试删除消息:', data.messageId);
-            // 调用 MessageService (假设存在)
-            // const messageService = this.app.getService(MessageService);
-            // messageService?.deleteMessage(data.messageId);
-          },
-          label: commonT('actions.delete'),
-        },
-      );
-    }
-    return items;
   }
 
   // eslint-disable-next-line @typescript-eslint/no-unused-vars
   private getEditorContextMenuTemplate(_data?: any): MenuItemConstructorOptions[] {
     const t = this.app.i18n.ns('menu');
 
-    // 编辑器特定的上下文菜单
     return [
-      { label: t('edit.cut'), role: 'cut' },
-      { label: t('edit.copy'), role: 'copy' },
-      { label: t('edit.paste'), role: 'paste' },
+      { accelerator: 'Command+X', label: t('edit.cut'), role: 'cut' },
+      { accelerator: 'Command+C', label: t('edit.copy'), role: 'copy' },
+      { accelerator: 'Command+V', label: t('edit.paste'), role: 'paste' },
       { type: 'separator' },
-      { label: t('edit.undo'), role: 'undo' },
-      { label: t('edit.redo'), role: 'redo' },
+      { accelerator: 'Command+A', label: t('edit.selectAll'), role: 'selectAll' },
       { type: 'separator' },
-      { label: t('edit.selectAll'), role: 'selectAll' },
+      { label: t('edit.delete'), role: 'delete' },
     ];
   }
 

apps/desktop/src/main/menus/impls/windows.ts

@@ -161,32 +161,15 @@ export class WindowsMenu extends BaseMenuPlatform implements IMenuPlatform {
   }
 
   private getChatContextMenuTemplate(data?: any): MenuItemConstructorOptions[] {
+    console.log(data);
     const t = this.app.i18n.ns('menu');
-    const commonT = this.app.i18n.ns('common');
 
-    const items: MenuItemConstructorOptions[] = [
-      { label: t('edit.copy'), role: 'copy' },
-      { label: t('edit.paste'), role: 'paste' },
+    return [
+      { accelerator: 'Ctrl+C', label: t('edit.copy'), role: 'copy' },
+      { accelerator: 'Ctrl+V', label: t('edit.paste'), role: 'paste' },
       { type: 'separator' },
       { label: t('edit.selectAll'), role: 'selectAll' },
     ];
-
-    if (data?.messageId) {
-      items.push(
-        { type: 'separator' },
-        {
-          click: () => {
-            console.log('尝试删除消息:', data.messageId);
-            // 调用 MessageService (假设存在)
-            // const messageService = this.app.getService(MessageService);
-            // messageService?.deleteMessage(data.messageId);
-          },
-          label: commonT('actions.delete'),
-        },
-      );
-    }
-
-    return items;
   }
 
   // eslint-disable-next-line @typescript-eslint/no-unused-vars
@@ -194,14 +177,13 @@ export class WindowsMenu extends BaseMenuPlatform implements IMenuPlatform {
     const t = this.app.i18n.ns('menu');
 
     return [
-      { label: t('edit.cut'), role: 'cut' },
-      { label: t('edit.copy'), role: 'copy' },
-      { label: t('edit.paste'), role: 'paste' },
+      { accelerator: 'Ctrl+X', label: t('edit.cut'), role: 'cut' },
+      { accelerator: 'Ctrl+C', label: t('edit.copy'), role: 'copy' },
+      { accelerator: 'Ctrl+V', label: t('edit.paste'), role: 'paste' },
       { type: 'separator' },
-      { label: t('edit.undo'), role: 'undo' },
-      { label: t('edit.redo'), role: 'redo' },
+      { accelerator: 'Ctrl+A', label: t('edit.selectAll'), role: 'selectAll' },
       { type: 'separator' },
-      { label: t('edit.selectAll'), role: 'selectAll' },
+      { label: t('edit.delete'), role: 'delete' },
     ];
   }
 

apps/desktop/src/main/types/protocol.ts

@@ -0,0 +1,60 @@
+/**
+ * MCP Schema - stdio 配置类型
+ */
+export interface McpStdioConfig {
+  args?: string[];
+  command: string;
+  env?: Record<string, string>;
+  type: 'stdio';
+}
+
+/**
+ * MCP Schema - http 配置类型
+ */
+export interface McpHttpConfig {
+  headers?: Record<string, string>;
+  type: 'http';
+  url: string;
+}
+
+/**
+ * MCP Schema 配置类型
+ */
+export type McpConfig = McpStdioConfig | McpHttpConfig;
+
+/**
+ * MCP Schema 对象
+ * 符合 RFC 0001 定义
+ */
+export interface McpSchema {
+  /** 插件作者 */
+  author: string;
+  /** 插件配置 */
+  config: McpConfig;
+  /** 插件描述 */
+  description: string;
+  /** 插件主页 */
+  homepage?: string;
+  /** 插件图标 */
+  icon?: string;
+  /** 插件唯一标识符，必须与URL中的id参数匹配 */
+  identifier: string;
+  /** 插件名称 */
+  name: string;
+  /** 插件版本 (semver) */
+  version: string;
+}
+
+/**
+ * 协议URL解析结果
+ */
+export interface ProtocolUrlParsed {
+  /** 操作类型 (如: 'install') */
+  action: string;
+  /** 原始URL */
+  originalUrl: string;
+  /** 解析后的所有查询参数 */
+  params: Record<string, string>;
+  /** URL类型 (如: 'plugin') */
+  urlType: string;
+}

apps/desktop/src/main/utils/__tests__/protocol.test.ts

@@ -0,0 +1,203 @@
+import { describe, expect, it } from 'vitest';
+
+import { McpSchema } from '../../types/protocol';
+import { generateRFCProtocolUrl, parseProtocolUrl } from '../protocol';
+
+describe('Protocol', () => {
+  describe('generateRFCProtocolUrl', () => {
+    it('should generate valid RFC protocol URL for stdio type', () => {
+      const schema: McpSchema = {
+        identifier: 'edgeone-mcp',
+        name: 'EdgeOne MCP',
+        author: 'Higress Team',
+        description: 'EdgeOne API integration for LobeChat',
+        version: '1.0.0',
+        homepage: 'https://github.com/higress/edgeone-mcp',
+        config: {
+          type: 'stdio',
+          command: 'npx',
+          args: ['-y', '@higress/edgeone-mcp'],
+          env: { NODE_ENV: 'production' },
+        },
+      };
+
+      const url = generateRFCProtocolUrl({
+        id: 'edgeone-mcp',
+        schema,
+        marketId: 'higress',
+      });
+
+      expect(url).toMatch(/^lobehub:\/\/plugin\/install\?/);
+      expect(url).toContain('id=edgeone-mcp');
+      expect(url).toContain('marketId=higress');
+
+      // Verify schema is URL encoded
+      const urlObj = new URL(url);
+      const schemaParam = urlObj.searchParams.get('schema');
+      expect(schemaParam).toBeTruthy();
+      // URLSearchParams.get() 自动解码，所以这里得到的是解码后的JSON
+      expect(schemaParam).toContain('"'); // 解码后的引号
+    });
+
+    it('should generate valid RFC protocol URL for http type', () => {
+      const schema: McpSchema = {
+        identifier: 'awesome-api',
+        name: 'Awesome API',
+        author: 'Smithery',
+        description: 'Awesome API integration',
+        version: '2.0.0',
+        config: {
+          type: 'http',
+          url: 'https://api.smithery.ai/v1/mcp',
+          headers: {
+            'Authorization': 'Bearer token123',
+            'X-Custom-Header': 'value',
+          },
+        },
+      };
+
+      const url = generateRFCProtocolUrl({
+        id: 'awesome-api',
+        schema,
+        marketId: 'smithery',
+      });
+
+      expect(url).toMatch(/^lobehub:\/\/plugin\/install\?/);
+      expect(url).toContain('id=awesome-api');
+      expect(url).toContain('marketId=smithery');
+    });
+
+    it('should throw error if schema identifier does not match id', () => {
+      const schema: McpSchema = {
+        identifier: 'wrong-id',
+        name: 'Test',
+        author: 'Test',
+        description: 'Test',
+        version: '1.0.0',
+        config: { type: 'stdio', command: 'test' },
+      };
+
+      expect(() => generateRFCProtocolUrl({ id: 'different-id', schema })).toThrowError(
+        'Schema identifier must match the id parameter',
+      );
+    });
+  });
+
+  describe('parseProtocolUrl', () => {
+    it('should parse RFC protocol URL correctly', () => {
+      const schema: McpSchema = {
+        identifier: 'test-mcp',
+        name: 'Test MCP',
+        author: 'Test Author',
+        description: 'Test Description',
+        version: '1.0.0',
+        config: {
+          type: 'stdio',
+          command: 'test',
+          args: ['arg1', 'arg2'],
+        },
+      };
+
+      const url = generateRFCProtocolUrl({
+        id: 'test-mcp',
+        schema,
+        marketId: 'lobehub',
+      });
+
+      const parsed = parseProtocolUrl(url);
+
+      expect(parsed).toBeTruthy();
+      expect(parsed?.urlType).toBe('plugin');
+      expect(parsed?.action).toBe('install');
+      expect(parsed?.params.type).toBe('mcp');
+      expect(parsed?.params.id).toBe('test-mcp');
+      expect(parsed?.params.marketId).toBe('lobehub');
+      expect(parsed?.originalUrl).toBe(url);
+
+      // 验证 schema 可以被解析
+      const parsedSchema = JSON.parse(parsed?.params.schema || '{}');
+      expect(parsedSchema).toEqual(schema);
+    });
+
+    it('should return null for invalid protocol', () => {
+      const result = parseProtocolUrl('http://example.com');
+      expect(result).toBeNull();
+    });
+
+    it('should parse URLs with any action', () => {
+      const result = parseProtocolUrl('lobehub://plugin/configure?id=test');
+      expect(result).toBeTruthy();
+      expect(result?.urlType).toBe('plugin');
+      expect(result?.action).toBe('configure');
+      expect(result?.params.id).toBe('test');
+    });
+
+    it('should parse URLs with any query parameters', () => {
+      const result = parseProtocolUrl('lobehub://plugin/install?custom=value&another=param');
+      expect(result).toBeTruthy();
+      expect(result?.urlType).toBe('plugin');
+      expect(result?.action).toBe('install');
+      expect(result?.params.custom).toBe('value');
+      expect(result?.params.another).toBe('param');
+    });
+
+    it('should handle URLs without query parameters', () => {
+      const result = parseProtocolUrl('lobehub://plugin/install');
+      expect(result).toBeTruthy();
+      expect(result?.urlType).toBe('plugin');
+      expect(result?.action).toBe('install');
+      expect(Object.keys(result?.params || {})).toHaveLength(0);
+    });
+
+    it('should return null for URLs without action', () => {
+      const result = parseProtocolUrl('lobehub://plugin/');
+      expect(result).toBeNull();
+    });
+  });
+
+  describe('URL encoding/decoding', () => {
+    it('should handle special characters correctly', () => {
+      const schema: McpSchema = {
+        identifier: 'special-chars',
+        name: '特殊字符 ñ 🚀',
+        author: 'Test <test@example.com>',
+        description: 'Description with "quotes" and \'apostrophes\'',
+        version: '1.0.0',
+        config: {
+          type: 'stdio',
+          command: 'cmd',
+          args: ['arg with spaces', 'arg/with/slashes'],
+        },
+      };
+
+      const url = generateRFCProtocolUrl({ id: 'special-chars', schema });
+      const parsed = parseProtocolUrl(url);
+
+      expect(parsed).toBeTruthy();
+      expect(parsed?.params.id).toBe('special-chars');
+      expect(parsed?.params.type).toBe('mcp');
+
+      // 验证 schema 可以正确解析
+      const parsedSchema = JSON.parse(parsed?.params.schema || '{}');
+      expect(parsedSchema).toEqual(schema);
+    });
+
+    it('should handle different protocol schemes', () => {
+      const testCases = [
+        'lobehub://plugin/install?test=value',
+        'lobehub-dev://plugin/install?test=value',
+        'lobehub-beta://plugin/install?test=value',
+        'lobehub-nightly://plugin/install?test=value',
+      ];
+
+      testCases.forEach((url) => {
+        const parsed = parseProtocolUrl(url);
+        expect(parsed).toBeTruthy();
+        expect(parsed?.urlType).toBe('plugin');
+        expect(parsed?.action).toBe('install');
+        expect(parsed?.params.test).toBe('value');
+        expect(parsed?.originalUrl).toBe(url);
+      });
+    });
+  });
+});

apps/desktop/src/main/utils/protocol.ts

@@ -0,0 +1,210 @@
+import { app } from 'electron';
+
+import { McpSchema, ProtocolUrlParsed } from '../types/protocol';
+
+export type AppChannel = 'stable' | 'beta' | 'nightly';
+
+export const getProtocolScheme = (): string => {
+  // 在 Electron 环境中可以通过多种方式判断版本
+  const bundleId = app.name;
+  const appPath = app.getPath('exe');
+
+  // 通过 bundle identifier 判断
+  if (bundleId?.toLowerCase().includes('nightly')) return 'lobehub-nightly';
+  if (bundleId?.toLowerCase().includes('beta')) return 'lobehub-beta';
+  if (bundleId?.includes('dev')) return 'lobehub-dev';
+
+  // 通过可执行文件路径判断
+  if (appPath?.toLowerCase().includes('nightly')) return 'lobehub-nightly';
+  if (appPath?.toLowerCase().includes('beta')) return 'lobehub-beta';
+  if (appPath?.includes('dev')) return 'lobehub-dev';
+
+  return 'lobehub';
+};
+
+export const getVersionInfo = (): { channel: AppChannel; protocolScheme: string } => {
+  const protocolScheme = getProtocolScheme();
+
+  let appChannel: AppChannel = 'stable';
+  if (protocolScheme.includes('nightly')) {
+    appChannel = 'nightly';
+  } else if (protocolScheme.includes('beta')) {
+    appChannel = 'beta';
+  }
+
+  return {
+    channel: appChannel,
+    protocolScheme,
+  };
+};
+
+/**
+ * 验证 MCP Schema 对象结构
+ * @param schema 待验证的对象
+ * @returns 是否为有效的 MCP Schema
+ */
+function validateMcpSchema(schema: any): schema is McpSchema {
+  if (!schema || typeof schema !== 'object') return false;
+
+  // 必填字段验证
+  if (typeof schema.identifier !== 'string' || !schema.identifier) return false;
+  if (typeof schema.name !== 'string' || !schema.name) return false;
+  if (typeof schema.author !== 'string' || !schema.author) return false;
+  if (typeof schema.description !== 'string' || !schema.description) return false;
+  if (typeof schema.version !== 'string' || !schema.version) return false;
+
+  // 可选字段验证
+  if (schema.homepage !== undefined && typeof schema.homepage !== 'string') return false;
+  if (schema.icon !== undefined && typeof schema.icon !== 'string') return false;
+
+  // config 字段验证
+  if (!schema.config || typeof schema.config !== 'object') return false;
+  const config = schema.config;
+
+  if (config.type === 'stdio') {
+    if (typeof config.command !== 'string' || !config.command) return false;
+    if (config.args !== undefined && !Array.isArray(config.args)) return false;
+    if (config.env !== undefined && typeof config.env !== 'object') return false;
+  } else if (config.type === 'http') {
+    if (typeof config.url !== 'string' || !config.url) return false;
+    try {
+      new URL(config.url); // 验证URL格式
+    } catch {
+      return false;
+    }
+    if (config.headers !== undefined && typeof config.headers !== 'object') return false;
+  } else {
+    return false; // 未知的 config type
+  }
+
+  return true;
+}
+
+/**
+ * 解析 lobehub:// 协议 URL (支持多版本协议)
+ *
+ * 支持的URL格式：
+ * - lobehub://plugin/install?id=figma&schema=xxx&marketId=lobehub
+ * - lobehub://plugin/configure?id=xxx&...
+ * - lobehub-bet://plugin/install?id=figma&schema=xxx&marketId=lobehub
+ * - lobehub-nightly://plugin/install?id=figma&schema=xxx&marketId=lobehub
+ * - lobehub-dev://plugin/install?id=figma&schema=xxx&marketId=lobehub
+ *
+ * @param url 协议 URL
+ * @returns 解析结果，包含基本结构和所有查询参数
+ */
+export const parseProtocolUrl = (url: string): ProtocolUrlParsed | null => {
+  try {
+    const parsedUrl = new URL(url);
+
+    // 支持多种协议 scheme
+    const validProtocols = ['lobehub:', 'lobehub-dev:', 'lobehub-nightly:', 'lobehub-beta:'];
+    if (!validProtocols.includes(parsedUrl.protocol)) {
+      return null;
+    }
+
+    // 对于自定义协议，URL 解析后：
+    // lobehub://plugin/install -> hostname: "plugin", pathname: "/install"
+    const urlType = parsedUrl.hostname; // "plugin"
+    const pathParts = parsedUrl.pathname.split('/').filter(Boolean); // ["install"]
+
+    if (pathParts.length < 1) {
+      return null;
+    }
+
+    const action = pathParts[0]; // "install"
+
+    // 解析所有查询参数
+    const params: Record<string, string> = {};
+    const searchParams = new URLSearchParams(parsedUrl.search);
+
+    for (const [key, value] of searchParams.entries()) {
+      params[key] = value;
+    }
+
+    return {
+      action,
+      originalUrl: url,
+      params,
+      urlType,
+    };
+  } catch (error) {
+    console.error('Failed to parse protocol URL:', error);
+    return null;
+  }
+};
+
+/**
+ * 生成符合 RFC 0001 的协议 URL
+ *
+ * @param params 协议参数
+ * @returns 生成的协议URL
+ */
+export function generateRFCProtocolUrl(params: {
+  /** 插件唯一标识符 */
+  id: string;
+  /** Marketplace ID */
+  marketId?: string;
+  /** MCP Schema 对象 */
+  schema: McpSchema;
+  /** 协议 scheme (默认: lobehub) */
+  scheme?: string;
+}): string {
+  const { id, schema, marketId, scheme = 'lobehub' } = params;
+
+  // 验证 schema.identifier 与 id 匹配
+  if (schema.identifier !== id) {
+    throw new Error('Schema identifier must match the id parameter');
+  }
+
+  // 验证 schema 结构
+  if (!validateMcpSchema(schema)) {
+    throw new Error('Invalid MCP Schema structure');
+  }
+
+  // 构建基础 URL
+  const baseUrl = `${scheme}://plugin/install`;
+
+  // 构建查询参数
+  const searchParams = new URLSearchParams();
+
+  // 必需参数
+  searchParams.set('type', 'mcp');
+  searchParams.set('id', id);
+
+  // 编码 schema - 直接传 JSON 字符串，让 URLSearchParams 自动编码
+  const schemaJson = JSON.stringify(schema);
+  searchParams.set('schema', schemaJson);
+
+  // 可选参数
+  if (marketId) {
+    searchParams.set('marketId', marketId);
+  }
+
+  return `${baseUrl}?${searchParams.toString()}`;
+}
+
+/**
+ * 生成协议 URL 示例
+ *
+ * @example
+ * ```typescript
+ * const url = generateRFCProtocolUrl({
+ *   id: 'edgeone-mcp',
+ *   schema: {
+ *     identifier: 'edgeone-mcp',
+ *     name: 'EdgeOne MCP',
+ *     author: 'Higress Team',
+ *     description: 'EdgeOne API integration for LobeChat',
+ *     version: '1.0.0',
+ *     config: {
+ *       type: 'stdio',
+ *       command: 'npx',
+ *       args: ['-y', '@higress/edgeone-mcp']
+ *     }
+ *   },
+ *   marketId: 'higress'
+ * });
+ * // Result: lobehub://plugin/install?id=edgeone-mcp&schema=%7B%22identifier%22%3A...&marketId=higress
+ * ```
+ */

apps/desktop/src/preload/routeInterceptor.ts

@@ -25,6 +25,34 @@ export const setupRouteInterceptors = function () {
   // 存储被阻止的路径，避免pushState重复触发
   const preventedPaths = new Set<string>();
 
+  // 重写 window.open 方法来拦截 JavaScript 调用
+  const originalWindowOpen = window.open;
+  window.open = function (url?: string | URL, target?: string, features?: string) {
+    if (url) {
+      try {
+        const urlString = typeof url === 'string' ? url : url.toString();
+        const urlObj = new URL(urlString, window.location.href);
+
+        // 检查是否为外部链接
+        if (urlObj.origin !== window.location.origin) {
+          console.log(`[preload] Intercepted window.open for external URL:`, urlString);
+          // 调用主进程处理外部链接
+          invoke('openExternalLink', urlString);
+          return null; // 返回 null 表示没有打开新窗口
+        }
+      } catch (error) {
+        // 处理无效 URL 或特殊协议
+        console.error(`[preload] Intercepted window.open for special protocol:`, url);
+        console.error(error);
+        invoke('openExternalLink', typeof url === 'string' ? url : url.toString());
+        return null;
+      }
+    }
+
+    // 对于内部链接，调用原始的 window.open
+    return originalWindowOpen.call(window, url, target, features);
+  };
+
   // 拦截所有a标签的点击事件 - 针对Next.js的Link组件
   document.addEventListener(
     'click',

changelog/v1.json

@@ -1,4 +1,264 @@
 [
+  {
+    "children": {},
+    "date": "2025-08-08",
+    "version": "1.111.2"
+  },
+  {
+    "children": {
+      "improvements": ["Add descriptions for the FLUX.1 Krea and Qwen Image."]
+    },
+    "date": "2025-08-08",
+    "version": "1.111.1"
+  },
+  {
+    "children": {
+      "features": ["Add GPT-5 series models."]
+    },
+    "date": "2025-08-08",
+    "version": "1.111.0"
+  },
+  {
+    "children": {
+      "fixes": ["Missing languages it-IT, pl-PL, nl-NL."]
+    },
+    "date": "2025-08-07",
+    "version": "1.110.7"
+  },
+  {
+    "children": {},
+    "date": "2025-08-07",
+    "version": "1.110.6"
+  },
+  {
+    "children": {
+      "fixes": ["Optimize Gemini error message display & Filter empty messages."]
+    },
+    "date": "2025-08-07",
+    "version": "1.110.5"
+  },
+  {
+    "children": {
+      "improvements": ["Refactor trace type."]
+    },
+    "date": "2025-08-06",
+    "version": "1.110.4"
+  },
+  {
+    "children": {
+      "improvements": ["Fix provider setting page hydration error."]
+    },
+    "date": "2025-08-06",
+    "version": "1.110.3"
+  },
+  {
+    "children": {
+      "fixes": ["Fix fail to fetch aihubmix model on client mode."],
+      "improvements": ["Add context menu for desktop, support different model tabs."]
+    },
+    "date": "2025-08-06",
+    "version": "1.110.2"
+  },
+  {
+    "children": {
+      "fixes": ["Fix remote avatar broken in desktop again."]
+    },
+    "date": "2025-08-06",
+    "version": "1.110.1"
+  },
+  {
+    "children": {
+      "features": ["Support mcp plugin install from web."]
+    },
+    "date": "2025-08-06",
+    "version": "1.110.0"
+  },
+  {
+    "children": {
+      "fixes": ["Fix ollama model output without thinking."],
+      "improvements": ["Add Claude Opus 4.1 model, update i18n."]
+    },
+    "date": "2025-08-06",
+    "version": "1.109.1"
+  },
+  {
+    "children": {
+      "features": ["Support gpt-oss in ollama provider."]
+    },
+    "date": "2025-08-05",
+    "version": "1.109.0"
+  },
+  {
+    "children": {
+      "fixes": ["Provider config checker uses outdated API key."]
+    },
+    "date": "2025-08-05",
+    "version": "1.108.2"
+  },
+  {
+    "children": {
+      "fixes": ["Fix remote avatar broken in desktop."],
+      "improvements": ["Update mask style."]
+    },
+    "date": "2025-08-05",
+    "version": "1.108.1"
+  },
+  {
+    "children": {
+      "features": ["Support 302ai provider."]
+    },
+    "date": "2025-08-05",
+    "version": "1.108.0"
+  },
+  {
+    "children": {
+      "fixes": ["Break line for Gemini Artifacts."]
+    },
+    "date": "2025-08-05",
+    "version": "1.107.6"
+  },
+  {
+    "children": {
+      "improvements": ["Update models."]
+    },
+    "date": "2025-08-04",
+    "version": "1.107.5"
+  },
+  {
+    "children": {
+      "fixes": ["When s3 files not exist , global files should delete."]
+    },
+    "date": "2025-08-04",
+    "version": "1.107.4"
+  },
+  {
+    "children": {
+      "fixes": ["Aihubmix provider request headers."]
+    },
+    "date": "2025-08-03",
+    "version": "1.107.3"
+  },
+  {
+    "children": {
+      "improvements": ["Move types to separate package."]
+    },
+    "date": "2025-08-02",
+    "version": "1.107.2"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-08-01",
+    "version": "1.107.1"
+  },
+  {
+    "children": {
+      "features": ["Support aihubmix provider."]
+    },
+    "date": "2025-08-01",
+    "version": "1.107.0"
+  },
+  {
+    "children": {
+      "improvements": ["Support SenseNova V6.5 models."]
+    },
+    "date": "2025-07-31",
+    "version": "1.106.8"
+  },
+  {
+    "children": {
+      "improvements": ["Update Aliyun Bailian models."]
+    },
+    "date": "2025-07-31",
+    "version": "1.106.7"
+  },
+  {
+    "children": {
+      "fixes": ["Fix oidc oauth callback pages 404."]
+    },
+    "date": "2025-07-31",
+    "version": "1.106.6"
+  },
+  {
+    "children": {
+      "improvements": ["Improve mcp plugin calling and display."]
+    },
+    "date": "2025-07-30",
+    "version": "1.106.5"
+  },
+  {
+    "children": {
+      "fixes": ["Fix mcp calling missing array content."],
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-07-30",
+    "version": "1.106.4"
+  },
+  {
+    "children": {
+      "fixes": ["Moonshot assistant messages must not be empty."],
+      "improvements": ["Add volcengine kimi-k2 model, Add Zhipu GLM-4.5 models."]
+    },
+    "date": "2025-07-29",
+    "version": "1.106.3"
+  },
+  {
+    "children": {
+      "fixes": ["Fix desktop auth redirect url error."]
+    },
+    "date": "2025-07-29",
+    "version": "1.106.2"
+  },
+  {
+    "children": {
+      "improvements": ["Support Minimax T2I models."]
+    },
+    "date": "2025-07-29",
+    "version": "1.106.1"
+  },
+  {
+    "children": {
+      "features": ["Add support for Okta Authentication."]
+    },
+    "date": "2025-07-29",
+    "version": "1.106.0"
+  },
+  {
+    "children": {
+      "improvements": ["Open new topic by tap Just Chat again."]
+    },
+    "date": "2025-07-29",
+    "version": "1.105.6"
+  },
+  {
+    "children": {
+      "fixes": ["Reorder AppTheme and Locale to fix modal i18n."]
+    },
+    "date": "2025-07-29",
+    "version": "1.105.5"
+  },
+  {
+    "children": {
+      "fixes": ["Revert jose to ^5 to fix auth issue on desktop."]
+    },
+    "date": "2025-07-29",
+    "version": "1.105.4"
+  },
+  {
+    "children": {
+      "fixes": ["Fix subscription plan tag display."]
+    },
+    "date": "2025-07-29",
+    "version": "1.105.3"
+  },
+  {
+    "children": {
+      "improvements": ["Add more OpenAI SDK Text2Image providers, update i18n."]
+    },
+    "date": "2025-07-29",
+    "version": "1.105.2"
+  },
   {
     "children": {
       "improvements": ["Support more Text2Image from Qwen."]

docs/self-hosting/advanced/auth.mdx

@@ -55,6 +55,8 @@ Currently supported identity verification services include:
   <Card href={'/docs/self-hosting/advanced/auth/next-auth/keycloak'} title={'Keycloak'} />
 
   <Card href={'/docs/self-hosting/advanced/auth/next-auth/google'} title={'Google'} />
+
+  <Card href={'/docs/self-hosting/advanced/auth/next-auth/okta'} title={'Okta'} />
 </Cards>
 
 Click on the links to view the corresponding platform's configuration documentation.
@@ -78,6 +80,7 @@ The order corresponds to the display order of the SSO providers.
 | ZITADEL               | `zitadel`               |
 | Keycloak              | `keycloak`              |
 | Google                | `google`                |
+| Okta                  | `okta`                  |
 
 ## Other SSO Providers
 

docs/self-hosting/advanced/auth.zh-CN.mdx

@@ -51,6 +51,8 @@ LobeChat 与 Clerk 做了深度集成，能够为用户提供一个更加安全
   <Card href={'/zh/docs/self-hosting/advanced/auth/next-auth/logto'} title={'Logto'} />
 
   <Card href={'/zh/docs/self-hosting/advanced/auth/next-auth/keycloak'} title={'Keycloak'} />
+
+  <Card href={'/zh/docs/self-hosting/advanced/auth/next-auth/okta'} title={'Okta'} />
 </Cards>
 
 点击即可查看对应平台的配置文档。
@@ -73,6 +75,7 @@ LobeChat 与 Clerk 做了深度集成，能够为用户提供一个更加安全
 | Microsoft Entra ID    | `microsoft-entra-id`    |
 | ZITADEL               | `zitadel`               |
 | Keycloak              | `keycloak`              |
+| Okta                  | `okta`                  |
 
 ## 其他 SSO 提供商
 

docs/self-hosting/advanced/auth/next-auth/okta.mdx

@@ -0,0 +1,65 @@
+---
+title: Configure Okta Identity Verification Service for LobeChat
+description: >-
+  Learn how to configure Okta Identity Verification Service for LobeChat for your organization, including creating applications, adding users, and configuring environment variables.
+
+tags:
+  - Okta
+  - Identity Verification
+  - Single Sign-On
+  - Environment Variables
+  - User Management
+  - SSO Integrations
+  - Social Login
+---
+
+# Configure Okta Identity Verification Service
+
+<Steps>
+  ### Create Okta Application
+
+  Register and log in to [Okta][okta-client-page], open the "Applications" subtab in the left navigation bar, and click "Applications" to switch to the application management interface. click "Create App Integration" in the upper left corner to create an application.
+
+  Select "OIDC - OpenID Connect" in Sign-In Method and then select "Web Application" in Application Type.
+
+  Fill in the following settings:
+
+  | Setting Name           | Description                                                                                                  | Sample Information                            |
+  | ---------------------- | ------------------------------------------------------------------------------------------------------------ | --------------------------------------------- |
+  | App Integration Name   | The Application Name your users will see                                                                     | LobeChat Instance                             |
+  | Sign-in redirect URIs  | Okta sends the authentication response and ID token for the user's sign-in request to these URIs             | (http(s)://your-domain/api/auth/callback/okta |
+  | Sign-out redirect URIs | After your application contacts Okta to close the user session, Okta redirects the user to one of these URIs | (http(s)://your-domain                        |
+
+  <Callout type={'important'}>
+    You can fill in or modify all the fields after deployment, but make sure the filled URL is
+    consistent with the deployed URL.
+  </Callout>
+
+  ### Add Users
+
+  Click on the "Assignments" in the top navigation bar to enter the user management interface, where you can create or assign users in your organization to log in to LobeChat.
+
+  ### Configure Environment Variables
+
+  When deploying LobeChat, you need to configure the following environment variables:
+
+  | Environment Variable      | Type     | Description                                                                                                                                                                                         |
+  | ------------------------- | -------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
+  | `NEXT_AUTH_SECRET`        | Required | Key used to encrypt Auth.js session tokens. You can generate a key using the following command: `openssl rand -base64 32`                                                                           |
+  | `NEXT_AUTH_SSO_PROVIDERS` | Required | Select the single sign-on provider for LoboChat. Use `okta` for Okta.                                                                                                                               |
+  | `AUTH_OKTA_ID`            | Required | Client ID of the Okta application                                                                                                                                                                   |
+  | `AUTH_OKTA_SECRET`        | Required | Client Secret of the Okta application                                                                                                                                                               |
+  | `AUTH_OKTA_ISSUER`        | Required | Domain of the Okta application, `https://example.oktapreview.com`                                                                                                                                   |
+  | `NEXTAUTH_URL`            | Optional | The URL is used to specify the callback address for the execution of OAuth authentication in Auth.js. It needs to be set only when the default address is incorrect. `https://example.com/api/auth` |
+
+  <Callout type={'tip'}>
+    You can refer to the related variable details at [📘Environment Variables](/docs/self-hosting/environment-variable/auth#okta).
+  </Callout>
+</Steps>
+
+<Callout>
+  After successful deployment, users will be able to authenticate and use LobeChat using the users
+  configured in Okta.
+</Callout>
+
+[okta-client-page]: https://login.okta.com

docs/self-hosting/advanced/auth/next-auth/okta.zh-CN.mdx

@@ -0,0 +1,63 @@
+---
+title: 在 LobeChat 中配置 Okta 身份验证服务 - 详细步骤和环境变量设置
+description: >-
+  学习如何在 LobeChat 中为您的组织配置 Okta 身份验证服务，包括创建应用程序、添加用户和配置环境变量等。
+
+tags:
+  - Okta
+  - 身份验证
+  - 单点登录
+  - 环境变量
+  - 用户管理
+  - SSO 集成
+  - 社交登录
+---
+
+# 配置 Okta 身份验证服务
+
+<Steps>
+  ### 创建 Okta 应用程序
+
+  注册并登录 [Okta][okta-client-page]，打开左侧导航栏中的「Applications」子选项卡，点击「Applications」切换到应用程序管理界面。点击左上角的「Create App Integration」创建应用程序。
+
+  在登录方法中选择「OIDC - OpenID Connect」，然后在应用程序类型中选择「Web Application」。
+
+  填写以下设置：
+
+  | 设置名称                   | 描述                                          | 示例信息                                          |
+  | ---------------------- | ------------------------------------------- | --------------------------------------------- |
+  | App Integration Name   | 您的用户将看到的应用程序名称                              | LobeChat Instance                             |
+  | Sign-in redirect URIs  | Okta 将用户登录请求的身份验证响应和 ID 令牌发送到这些 URI         | (http(s)://your-domain/api/auth/callback/okta |
+  | Sign-out redirect URIs | 您的应用程序联系 Okta 关闭用户会话后，Okta 将用户重定向到这些 URI 之一 | (http(s)://your-domain                        |
+
+  <Callout type={'important'}>
+    您可以在部署后填写或修改所有字段，但请确保填写的 URL 与部署的 URL 一致。
+  </Callout>
+
+  ### 添加用户
+
+  点击顶部导航栏中的「Assignments」进入用户管理界面，您可以在此创建或分配组织中的用户来登录 LobeChat。
+
+  ### 配置环境变量
+
+  在部署 LobeChat 时，您需要配置以下环境变量：
+
+  | 环境变量                      | 类型 | 描述                                                                                   |
+  | ------------------------- | -- | ------------------------------------------------------------------------------------ |
+  | `NEXT_AUTH_SECRET`        | 必选 | 用于加密 Auth.js 会话令牌的密钥。您可以使用以下命令生成密钥：`openssl rand -base64 32`                         |
+  | `NEXT_AUTH_SSO_PROVIDERS` | 必选 | 选择 LoboChat 的单点登录提供商。使用 Okta 请填写 `okta`。                                             |
+  | `AUTH_OKTA_ID`            | 必选 | Okta 应用程序的客户端 ID                                                                     |
+  | `AUTH_OKTA_SECRET`        | 必选 | Okta 应用程序的客户端密钥                                                                      |
+  | `AUTH_OKTA_ISSUER`        | 必选 | Okta 应用程序的域名，`https://example.oktapreview.com`                                       |
+  | `NEXTAUTH_URL`            | 可选 | 该 URL 用于指定 Auth.js 在执行 OAuth 认证时的回调地址。仅当默认地址不正确时才需要设置。`https://example.com/api/auth` |
+
+  <Callout type={'tip'}>
+    您可以在 [📘环境变量](/zh/docs/self-hosting/environment-variables/auth#okta) 查阅相关变量详情。
+  </Callout>
+</Steps>
+
+<Callout>
+  部署成功后，用户将能够使用在 Okta 中配置的用户进行身份验证并使用 LobeChat。
+</Callout>
+
+[okta-client-page]: https://login.okta.com

docs/self-hosting/environment-variables/auth.mdx

@@ -249,6 +249,29 @@ LobeChat provides a complete authentication service capability when deployed. Th
 - Default: `-`
 - Example: `https://your-instance-abc123.zitadel.cloud`
 
+### Okta
+
+#### `AUTH_OKTA_ID`
+
+- Type: Required
+- Description: Client ID of the Okta application. This can be found under your application settings in the Okta console.
+- Default: `-`
+- Example: `ac12c950f3ce48c8a45a`
+
+#### `AUTH_OKTA_SECRET`
+
+- Type: Required
+- Description: Client Secret of the Okta application. This can be found under your application settings in the Okta console.
+- Default: `-`
+- Example: `ex1HqvSOOkC5INqo42grOSqNvHoD4p84em1yy5QU7v88IZlaWGywFjYkrkpkSopt`
+
+#### `AUTH_OKTA_ISSUER`
+
+- Type: Required
+- Description: Issuer of the Okta application. This is the URL of the Okta instance -- If branding is set up, it can be your custom domain.
+- Default: `-`
+- Example: `https://your-instance.okta.com`
+
 ### Generic OIDC
 
 #### `AUTH_GENERIC_OIDC_ID`

docs/self-hosting/environment-variables/auth.zh-CN.mdx

@@ -245,6 +245,29 @@ LobeChat 在部署时提供了完善的身份验证服务能力，以下是相
 - 默认值：`-`
 - 示例：`https://your-instance-abc123.zitadel.cloud`
 
+### Okta
+
+#### `AUTH_OKTA_ID`
+
+- 类型：必选
+- 描述：Okta 应用程序的 Client ID。您可以在 Okta 控制台的应用程序设置中找到。
+- 默认值：`-`
+- 示例：`ac12c950f3ce48c8a45a`
+
+#### `AUTH_OKTA_SECRET`
+
+- 类型：必选
+- 描述：Okta 应用程序的 Client Secret。您可以在 Okta 控制台的应用程序设置中找到。
+- 默认值：`-`
+- 示例：`ex1HqvSOOkC5INqo42grOSqNvHoD4p84em1yy5QU7v88IZlaWGywFjYkrkpkSopt`
+
+#### `AUTH_OKTA_ISSUER`
+
+- 类型：必选
+- 描述：Okta 应用程序的 OpenID Connect 颁发者（issuer）。这是 Okta 实例的 URL—— 如果设置了品牌化，也可以是您的自定义域名。
+- 默认值：`-`
+- 示例：`https://your-instance.okta.com`
+
 ### Generic OIDC
 
 #### `AUTH_GENERIC_OIDC_ID`

docs/usage/providers/ai302.mdx

@@ -0,0 +1,45 @@
+---
+title: Using 302.AI in LobeChat
+description: Learn how to configure and use 302.AI's API Key in LobeChat to start conversations and interactions.
+tags:
+  - LobeChat
+  - 302.AI
+  - API Key
+  - Web UI
+---
+
+# Using 302.AI in LobeChat
+
+<Image cover src={'https://file.302.ai/gpt/imgs/20250722/c7a6ee9959a8490fa00481dae0fbb339.jpg'} />
+
+[302.AI](https://www.302.ai/) is a pay-as-you-go AI application platform that provides the most comprehensive AI APIs and AI online applications on the market.
+
+This article will guide you on how to use 302.AI in LobeChat.
+
+<Steps>
+  ### Step 1: Obtain [302.AI](https://www.302.ai/) API Key
+
+  - Click `Get Started`, register and log in to [302.AI](https://www.302.ai/)
+  - Click `API Keys` on the left side
+  - Click `Add API KEY`, copy and save the generated API key
+
+  <Image alt={'Get API Key'} inStep src={'https://file.302.ai/gpt/imgs/20250722/7a3597061d9a484ca7358867930a8316.jpg'} />
+
+  ### Step 2: Configure 302.AI in LobeChat
+
+  - Access LobeChat's `Settings` interface
+  - Find the `302.AI` configuration item under `Language Models`
+
+  <Image alt={'Enter API Key'} inStep src={'https://file.302.ai/gpt/imgs/20250722/b056ca4e63374668b7e3e093726fa6f0.jpg'} />
+
+  - Enter the obtained API key
+  - Select a 302.AI model for your AI assistant to start conversations
+
+  <Image alt={'Select 302.AI model and start conversation'} inStep src={'https://file.302.ai/gpt/imgs/20250722/c7a6ee9959a8490fa00481dae0fbb339.jpg'} />
+
+  <Callout type={'warning'}>
+    During usage, you may need to pay the API service provider. Please refer to 302.AI's relevant pricing policy.
+  </Callout>
+</Steps>
+
+Now you can use 302.AI's models for conversations in LobeChat.

docs/usage/providers/ai302.zh-CN.mdx

@@ -0,0 +1,45 @@
+---
+title: 在 LobeChat 中使用 302.AI
+description: 学习如何在 LobeChat 中配置和使用 302.AI 的API Key，以便开始对话和交互。
+tags:
+  - LobeChat
+  - 302.AI
+  - API密钥
+  - Web UI
+---
+
+# 在 LobeChat 中使用 302.AI
+
+<Image cover src={'https://file.302.ai/gpt/imgs/20250722/d346c796faa4443eb0bd4218f84205f6.jpg'} />
+
+[302.AI](https://www.302.ai/) 是一个按需付费的 AI 应用平台，提供市面上最全的 AI API 和 AI 在线应用。
+
+本文将指导你如何在 LobeChat 中使用 302.AI。
+
+<Steps>
+  ### 步骤一：获得 [302.AI](https://www.302.ai/) 的 API Key
+
+  - 点击 `开始使用`，注册并登录 [302.AI](https://www.302.ai/)
+  - 点击左侧的 `API Keys`
+  - 点击 `添加API KEY`，复制并保存生成的 API 密钥
+
+  <Image alt={'获取 API 密钥'} inStep src={'https://file.302.ai/gpt/imgs/20250722/01abd69fd61540489781fd963e504a04.jpg'} />
+
+  ### 步骤二：在 LobeChat 中配置 302.AI
+
+  - 访问 LobeChat 的`设置`界面
+  - 在`语言模型`下找到 `302.AI` 的设置项
+
+  <Image alt={'填入 API 密钥'} inStep src={'https://file.302.ai/gpt/imgs/20250722/5247463e74c742f79bef416bbb0722bf.jpg'} />
+
+  - 填入获得的 API 密钥
+  - 为你的 AI 助手选择一个 302.AI 的模型即可开始对话
+
+  <Image alt={'选择 302.AI 模型并开始对话'} inStep src={'https://file.302.ai/gpt/imgs/20250722/d346c796faa4443eb0bd4218f84205f6.jpg'} />
+
+  <Callout type={'warning'}>
+    在使用过程中你可能需要向 API 服务提供商付费，请参考 302.AI 的相关费用政策。
+  </Callout>
+</Steps>
+
+至此你已经可以在 LobeChat 中使用 302.AI 提供的模型进行对话了。

docs/usage/providers/aihubmix.zh-CN.mdx

@@ -0,0 +1,101 @@
+---
+title: AiHubMix 提供商配置
+description: 学习如何在 LobeChat 中配置和使用 AiHubMix 提供商
+tags:
+  - AiHubMix
+  - 提供商配置
+  - 配置指南
+---
+
+# AiHubMix 提供商配置
+
+AiHubMix 是一个 AI 模型聚合平台，通过统一的 OpenAI 兼容 API 接口提供多种 AI 模型的访问服务。本指南将帮助您在 LobeChat 中设置 AiHubMix 提供商。
+
+## 前置条件
+
+在使用 AiHubMix API 之前，您需要：
+
+1. **创建 AiHubMix 账户**
+   - 访问 [AiHubMix](https://lobe.li/MZmv94N)
+   - 注册账户
+
+2. **获取 API 密钥**
+   - 登录您的 AiHubMix 控制台
+   - 导航到 API 设置
+   - 生成用于 LobeChat 的 API 密钥
+
+## 配置
+
+### 环境变量
+
+在您的 `.env` 文件中添加以下环境变量：
+
+```bash
+# 启用 AiHubMix 提供商
+ENABLED_AIHUBMIX=1
+
+# AiHubMix API 密钥（必需）
+AIHUBMIX_API_KEY=your_aihubmix_api_key
+```
+
+### 可用模型
+
+AiHubMix 提供多种热门 AI 模型的访问，包括：
+
+- **GPT-4o Mini** - OpenAI 的高性价比小型模型
+- **GPT-4o** - OpenAI 的旗舰多模态模型
+- **Claude 3.5 Sonnet** - Anthropic 的高级推理模型
+- **Claude 3.5 Haiku** - 快速高效的 Claude 模型
+- **Gemini Pro 1.5** - Google 的长上下文支持模型
+- **DeepSeek V3** - 具有高级推理能力的模型
+
+## 使用方法
+
+1. **配置 API 密钥**
+   - 在环境变量中设置您的 AiHubMix API 密钥
+   - 重启您的 LobeChat 实例
+
+2. **选择模型**
+   - 进入 LobeChat 设置
+   - 导航到语言模型
+   - 选择 AiHubMix 作为您的提供商
+   - 从可用模型中选择
+
+3. **开始对话**
+   - 创建新对话
+   - 选择 AiHubMix 模型
+   - 开始您的对话
+
+## 功能特性
+
+- **多模型访问**：通过单一 API 访问各种 AI 模型
+- **OpenAI 兼容**：使用标准 OpenAI API 格式
+- **函数调用**：支持兼容模型的函数调用功能
+- **视觉能力**：部分模型支持图像分析
+- **模型获取**：自动获取可用模型列表
+
+## 故障排除
+
+### 常见问题
+
+1. **401 认证错误**
+   - 验证您的 API 密钥是否正确
+   - 确保 API 密钥具有适当的权限
+   - 检查您的账户是否有足够的积分
+
+2. **模型不可用**
+   - 某些模型可能有使用限制
+   - 查看 AiHubMix 文档了解模型可用性
+   - 验证您的账户等级是否支持请求的模型
+
+3. **速率限制**
+   - AiHubMix 可能根据您的计划有速率限制
+   - 考虑升级您的计划以获得更高的限制
+
+## 支持
+
+如需更多支持：
+
+- 访问 [AiHubMix 文档](https://docs.aihubmix.com/)
+- 查看 [模型列表](https://docs.aihubmix.com/cn/api/Model-List)
+- 联系 AiHubMix 支持团队解决 API 相关问题

locales/ar/modelProvider.json

@@ -189,6 +189,7 @@
       "aesGcm": "سيتم استخدام خوارزمية التشفير <1>AES-GCM</1> لتشفير مفتاحك وعنوان الوكيل وما إلى ذلك",
       "apiKey": {
         "desc": "يرجى إدخال مفتاح API الخاص بك {{name}}",
+        "descWithUrl": "يرجى إدخال مفتاح API الخاص بـ {{name}}، <3>انقر هنا للحصول عليه</3>",
         "placeholder": "{{name}} مفتاح API",
         "title": "مفتاح API"
       },
@@ -305,6 +306,7 @@
         "latestTime": "آخر تحديث: {{time}}",
         "noLatestTime": "لم يتم الحصول على القائمة بعد"
       },
+      "noModelsInCategory": "لا توجد نماذج مفعلة في هذا التصنيف",
       "resetAll": {
         "conform": "هل أنت متأكد من إعادة تعيين جميع التعديلات على النموذج الحالي؟ بعد إعادة التعيين، ستعود قائمة النماذج الحالية إلى الحالة الافتراضية",
         "success": "تمت إعادة التعيين بنجاح",
@@ -315,7 +317,15 @@
       "title": "قائمة النماذج",
       "total": "إجمالي {{count}} نموذج متاح"
     },
-    "searchNotFound": "لم يتم العثور على نتائج البحث"
+    "searchNotFound": "لم يتم العثور على نتائج البحث",
+    "tabs": {
+      "all": "الكل",
+      "chat": "الدردشة",
+      "embedding": "التضمين",
+      "image": "صورة",
+      "stt": "تحويل الكلام إلى نص",
+      "tts": "تحويل النص إلى كلام"
+    }
   },
   "sortModal": {
     "success": "تم تحديث الترتيب بنجاح",

locales/ar/models.json

@@ -32,6 +32,9 @@
   "4.0Ultra": {
     "description": "Spark4.0 Ultra هو أقوى إصدار في سلسلة نماذج Spark، حيث يعزز فهم النصوص وقدرات التلخيص مع تحسين روابط البحث عبر الإنترنت. إنه حل شامل يهدف إلى تعزيز إنتاجية المكتب والاستجابة الدقيقة للاحتياجات، ويعتبر منتجًا ذكيًا رائدًا في الصناعة."
   },
+  "AnimeSharp": {
+    "description": "AnimeSharp (المعروف أيضًا باسم \"4x‑AnimeSharp\") هو نموذج مفتوح المصدر للتكبير الفائق الدقة طوره Kim2091 استنادًا إلى بنية ESRGAN، يركز على تكبير وتوضيح الصور بأسلوب الأنمي. تم إعادة تسميته في فبراير 2022 من \"4x-TextSharpV1\"، وكان في الأصل مناسبًا أيضًا لصور النصوص لكنه تم تحسين أداؤه بشكل كبير لمحتوى الأنمي."
+  },
   "Baichuan2-Turbo": {
     "description": "يستخدم تقنية تعزيز البحث لتحقيق الربط الشامل بين النموذج الكبير والمعرفة الميدانية والمعرفة من جميع أنحاء الشبكة. يدعم تحميل مستندات PDF وWord وغيرها من المدخلات، مما يضمن الحصول على المعلومات بشكل سريع وشامل، ويقدم نتائج دقيقة واحترافية."
   },
@@ -71,6 +74,9 @@
   "DeepSeek-V3": {
     "description": "DeepSeek-V3 هو نموذج MoE تم تطويره ذاتيًا بواسطة شركة DeepSeek. حقق DeepSeek-V3 نتائج تقييم تفوقت على نماذج مفتوحة المصدر الأخرى مثل Qwen2.5-72B و Llama-3.1-405B، وفي الأداء ينافس النماذج المغلقة الرائدة عالميًا مثل GPT-4o و Claude-3.5-Sonnet."
   },
+  "DeepSeek-V3-Fast": {
+    "description": "مزود النموذج: منصة sophnet. DeepSeek V3 Fast هو النسخة السريعة عالية TPS من إصدار DeepSeek V3 0324، غير مكوّن بالكامل، يتمتع بقدرات برمجية ورياضية أقوى واستجابة أسرع!"
+  },
   "Doubao-lite-128k": {
     "description": "Doubao-lite يتميز بسرعة استجابة فائقة وقيمة أفضل مقابل المال، ويوفر خيارات أكثر مرونة للعملاء في سيناريوهات مختلفة. يدعم الاستدلال والتخصيص مع نافذة سياق 128k."
   },
@@ -89,6 +95,9 @@
   "Doubao-pro-4k": {
     "description": "النموذج الرئيسي الأكثر فعالية، مناسب لمعالجة المهام المعقدة، ويحقق أداءً ممتازًا في سيناريوهات مثل الأسئلة المرجعية، التلخيص، الإبداع، تصنيف النصوص، ولعب الأدوار. يدعم الاستدلال والتخصيص مع نافذة سياق 4k."
   },
+  "DreamO": {
+    "description": "DreamO هو نموذج توليد صور مخصص مفتوح المصدر تم تطويره بالتعاون بين ByteDance وجامعة بكين، يهدف إلى دعم مهام توليد الصور المتعددة من خلال بنية موحدة. يستخدم طريقة نمذجة مركبة فعالة لتوليد صور متسقة ومخصصة بناءً على شروط متعددة مثل الهوية، الموضوع، الأسلوب، والخلفية التي يحددها المستخدم."
+  },
   "ERNIE-3.5-128K": {
     "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، يغطي كمية هائلة من البيانات باللغة الصينية والإنجليزية، ويتميز بقدرات عامة قوية، يمكنه تلبية معظم متطلبات الحوار، والإجابة على الأسئلة، وإنشاء المحتوى، وتطبيقات الإضافات؛ يدعم الاتصال التلقائي بإضافات بحث بايدو، مما يضمن تحديث معلومات الإجابة."
   },
@@ -122,15 +131,39 @@
   "ERNIE-Speed-Pro-128K": {
     "description": "نموذج اللغة الكبير عالي الأداء الذي طورته بايدو، والذي تم إصداره في عام 2024، يتمتع بقدرات عامة ممتازة، ويتميز بأداء أفضل من ERNIE Speed، مناسب كنموذج أساسي للتعديل الدقيق، مما يساعد على معالجة مشكلات السيناريوهات المحددة بشكل أفضل، مع أداء استدلال ممتاز."
   },
+  "FLUX.1-Kontext-dev": {
+    "description": "FLUX.1-Kontext-dev هو نموذج متعدد الوسائط لتوليد وتحرير الصور طورته Black Forest Labs، يعتمد على بنية Rectified Flow Transformer ويحتوي على 12 مليار معلمة، يركز على توليد وإعادة بناء وتعزيز أو تحرير الصور بناءً على شروط سياقية محددة. يجمع النموذج بين مزايا التوليد القابل للتحكم في نماذج الانتشار وقدرات نمذجة السياق في Transformer، ويدعم إخراج صور عالية الجودة، ويستخدم على نطاق واسع في إصلاح الصور، إكمال الصور، وإعادة بناء المشاهد البصرية."
+  },
+  "FLUX.1-dev": {
+    "description": "FLUX.1-dev هو نموذج لغة متعدد الوسائط مفتوح المصدر طورته Black Forest Labs، مُحسّن لمهام النص والصورة، يدمج قدرات فهم وتوليد الصور والنصوص. يعتمد على نماذج اللغة الكبيرة المتقدمة مثل Mistral-7B، ويحقق معالجة متزامنة للنص والصورة واستدلالًا معقدًا من خلال مشفر بصري مصمم بعناية وضبط دقيق متعدد المراحل."
+  },
   "Gryphe/MythoMax-L2-13b": {
     "description": "MythoMax-L2 (13B) هو نموذج مبتكر، مناسب لتطبيقات متعددة المجالات والمهام المعقدة."
   },
+  "HelloMeme": {
+    "description": "HelloMeme هو أداة ذكاء اصطناعي يمكنها تلقائيًا إنشاء ملصقات تعبيرية، صور متحركة أو مقاطع فيديو قصيرة بناءً على الصور أو الحركات التي تقدمها. لا تحتاج إلى مهارات رسم أو برمجة، فقط قدم صورة مرجعية، وستساعدك في إنشاء محتوى جميل، ممتع ومتناسق في الأسلوب."
+  },
+  "HiDream-I1-Full": {
+    "description": "HiDream-E1-Full هو نموذج تحرير صور متعدد الوسائط مفتوح المصدر أطلقته HiDream.ai، يعتمد على بنية Diffusion Transformer المتقدمة، ويجمع بين قدرات فهم اللغة القوية (مضمن LLaMA 3.1-8B-Instruct)، يدعم توليد الصور، نقل الأسلوب، التحرير الجزئي وإعادة رسم المحتوى عبر أوامر اللغة الطبيعية، ويتميز بفهم وتنفيذ ممتاز للنص والصورة."
+  },
+  "HunyuanDiT-v1.2-Diffusers-Distilled": {
+    "description": "hunyuandit-v1.2-distilled هو نموذج توليد صور نصية خفيف الوزن، محسن بالتقطير، قادر على توليد صور عالية الجودة بسرعة، ومناسب بشكل خاص للبيئات ذات الموارد المحدودة والمهام التي تتطلب توليدًا فوريًا."
+  },
+  "InstantCharacter": {
+    "description": "InstantCharacter هو نموذج توليد شخصيات مخصص بدون ضبط دقيق أصدره فريق Tencent AI في 2025، يهدف إلى تحقيق توليد شخصيات متسقة وعالية الدقة عبر مشاهد مختلفة. يدعم بناء نموذج الشخصية استنادًا إلى صورة مرجعية واحدة فقط، ويمكن نقل الشخصية بمرونة إلى أنماط، حركات وخلفيات متنوعة."
+  },
   "InternVL2-8B": {
     "description": "InternVL2-8B هو نموذج قوي للغة البصرية، يدعم المعالجة متعددة الوسائط للصورة والنص، قادر على التعرف بدقة على محتوى الصورة وتوليد أوصاف أو إجابات ذات صلة."
   },
   "InternVL2.5-26B": {
     "description": "InternVL2.5-26B هو نموذج قوي للغة البصرية، يدعم المعالجة متعددة الوسائط للصورة والنص، قادر على التعرف بدقة على محتوى الصورة وتوليد أوصاف أو إجابات ذات صلة."
   },
+  "Kolors": {
+    "description": "Kolors هو نموذج توليد صور نصية طوره فريق Kolors في Kuaishou. تم تدريبه على مليارات المعلمات، ويتميز بجودة بصرية عالية، وفهم دقيق للغة الصينية، وقدرة ممتازة على عرض النصوص."
+  },
+  "Kwai-Kolors/Kolors": {
+    "description": "Kolors هو نموذج توليد صور نصية واسع النطاق يعتمد على الانتشار الكامن طوره فريق Kolors في Kuaishou. تم تدريبه على مليارات أزواج نص-صورة، ويظهر تفوقًا ملحوظًا في جودة الصور، دقة الفهم الدلالي المعقد، وعرض الأحرف الصينية والإنجليزية. يدعم الإدخال باللغتين الصينية والإنجليزية، ويبرع في فهم وتوليد المحتوى الخاص باللغة الصينية."
+  },
   "Llama-3.2-11B-Vision-Instruct": {
     "description": "قدرات استدلال الصور الممتازة على الصور عالية الدقة، مناسبة لتطبيقات الفهم البصري."
   },
@@ -164,9 +197,15 @@
   "MiniMaxAI/MiniMax-M1-80k": {
     "description": "MiniMax-M1 هو نموذج استدلال كبير الحجم مفتوح المصدر يعتمد على الانتباه المختلط، يحتوي على 456 مليار معلمة، حيث يمكن لكل رمز تفعيل حوالي 45.9 مليار معلمة. يدعم النموذج أصلاً سياقًا فائق الطول يصل إلى مليون رمز، ومن خلال آلية الانتباه السريع، يوفر 75% من العمليات الحسابية العائمة في مهام التوليد التي تصل إلى 100 ألف رمز مقارنة بـ DeepSeek R1. بالإضافة إلى ذلك، يعتمد MiniMax-M1 على بنية MoE (الخبراء المختلطون)، ويجمع بين خوارزمية CISPO وتصميم الانتباه المختلط لتدريب تعلم معزز فعال، محققًا أداءً رائدًا في الصناعة في استدلال الإدخالات الطويلة وسيناريوهات هندسة البرمجيات الحقيقية."
   },
+  "Moonshot-Kimi-K2-Instruct": {
+    "description": "يحتوي على 1 تريليون معلمة و32 مليار معلمة مفعلة. من بين النماذج غير المعتمدة على التفكير، يحقق مستويات متقدمة في المعرفة الحديثة، الرياضيات والبرمجة، ويتفوق في مهام الوكيل العامة. تم تحسينه بعناية لمهام الوكيل، لا يجيب فقط على الأسئلة بل يتخذ إجراءات. مثالي للدردشة العفوية، التجارب العامة والوكيل، وهو نموذج سريع الاستجابة لا يتطلب تفكيرًا طويلًا."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) هو نموذج تعليمات عالي الدقة، مناسب للحسابات المعقدة."
   },
+  "OmniConsistency": {
+    "description": "يعزز OmniConsistency اتساق الأسلوب والقدرة على التعميم في مهام تحويل الصور إلى صور من خلال إدخال Transformers الانتشارية واسعة النطاق (DiTs) وبيانات نمطية مزدوجة، مما يمنع تدهور الأسلوب."
+  },
   "Phi-3-medium-128k-instruct": {
     "description": "نموذج Phi-3-medium نفسه، ولكن مع حجم سياق أكبر لـ RAG أو التوجيه القليل."
   },
@@ -218,6 +257,9 @@
   "Pro/deepseek-ai/DeepSeek-V3": {
     "description": "DeepSeek-V3 هو نموذج لغوي مختلط الخبراء (MoE) يحتوي على 6710 مليار معلمة، يستخدم الانتباه المتعدد الرؤوس (MLA) وهيكل DeepSeekMoE، ويجمع بين استراتيجيات توازن الحمل بدون خسائر مساعدة، مما يحسن كفاءة الاستدلال والتدريب. تم تدريبه مسبقًا على 14.8 تريليون توكن عالية الجودة، وتم إجراء تعديل دقيق تحت الإشراف والتعلم المعزز، مما يجعل DeepSeek-V3 يتفوق على نماذج مفتوحة المصدر الأخرى، ويقترب من النماذج المغلقة الرائدة."
   },
+  "Pro/moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 هو نموذج أساسي يعتمد على بنية MoE مع قدرات قوية في البرمجة والوكيل، يحتوي على 1 تريليون معلمة و32 مليار معلمة مفعلة. يتفوق نموذج K2 في اختبارات الأداء الأساسية في مجالات المعرفة العامة، البرمجة، الرياضيات والوكيل مقارنة بالنماذج المفتوحة المصدر الأخرى."
+  },
   "QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview هو نموذج معالجة اللغة الطبيعية المبتكر، قادر على معالجة مهام توليد الحوار وفهم السياق بشكل فعال."
   },
@@ -278,9 +320,18 @@
   "Qwen/Qwen3-235B-A22B": {
     "description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الاستدلال، المهام العامة، الوكلاء، واللغات المتعددة، ويدعم تبديل وضع التفكير."
   },
+  "Qwen/Qwen3-235B-A22B-Instruct-2507": {
+    "description": "Qwen3-235B-A22B-Instruct-2507 هو نموذج لغة كبير من سلسلة Qwen3 طوره فريق Alibaba Tongyi Qianwen، وهو نموذج خبير مختلط (MoE) رائد. يحتوي على 235 مليار معلمة إجمالية و22 مليار معلمة مفعلة في كل استدلال. تم إصداره كنسخة محدثة من Qwen3-235B-A22B غير التفكير، مع تحسينات كبيرة في اتباع التعليمات، الاستدلال المنطقي، فهم النصوص، الرياضيات، العلوم، البرمجة واستخدام الأدوات. يعزز التغطية المعرفية متعددة اللغات ويدعم التوافق الأفضل مع تفضيلات المستخدم في المهام الذاتية والمفتوحة لتوليد نصوص أكثر فائدة وجودة."
+  },
+  "Qwen/Qwen3-235B-A22B-Thinking-2507": {
+    "description": "Qwen3-235B-A22B-Thinking-2507 هو نموذج لغة كبير من سلسلة Qwen3 طوره فريق Alibaba Tongyi Qianwen، يركز على مهام الاستدلال المعقدة عالية الصعوبة. يعتمد على بنية MoE ويحتوي على 235 مليار معلمة إجمالية مع تفعيل حوالي 22 مليار معلمة لكل رمز، مما يحسن الكفاءة الحسابية مع الحفاظ على الأداء القوي. كنموذج \"تفكير\" متخصص، يظهر تحسينات كبيرة في الاستدلال المنطقي، الرياضيات، العلوم، البرمجة والاختبارات الأكاديمية، ويصل إلى مستوى رائد بين نماذج التفكير المفتوحة المصدر. يعزز القدرات العامة مثل اتباع التعليمات، استخدام الأدوات وتوليد النصوص، ويدعم فهم سياق طويل يصل إلى 256 ألف رمز، مما يجعله مناسبًا للمهام التي تتطلب استدلالًا عميقًا ومعالجة مستندات طويلة."
+  },
   "Qwen/Qwen3-30B-A3B": {
     "description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الاستدلال، المهام العامة، الوكلاء، واللغات المتعددة، ويدعم تبديل وضع التفكير."
   },
+  "Qwen/Qwen3-30B-A3B-Instruct-2507": {
+    "description": "Qwen3-30B-A3B-Instruct-2507 هو نسخة محدثة من Qwen3-30B-A3B في وضع عدم التفكير. هذا نموذج خبير مختلط (MoE) يحتوي على 30.5 مليار معلمة إجمالية و3.3 مليار معلمة تنشيط. تم تعزيز النموذج بشكل كبير في عدة جوانب، بما في ذلك تحسين كبير في الالتزام بالتعليمات، والتفكير المنطقي، وفهم النصوص، والرياضيات، والعلوم، والبرمجة، واستخدام الأدوات. كما حقق تقدمًا ملموسًا في تغطية المعرفة متعددة اللغات، ويستطيع التوافق بشكل أفضل مع تفضيلات المستخدم في المهام الذاتية والمفتوحة، مما يمكنه من توليد ردود أكثر فائدة ونصوص ذات جودة أعلى. بالإضافة إلى ذلك، تم تعزيز قدرة النموذج على فهم النصوص الطويلة إلى 256 ألف رمز. هذا النموذج يدعم فقط وضع عدم التفكير، ولن ينتج علامات `<think></think>` في مخرجاته."
+  },
   "Qwen/Qwen3-32B": {
     "description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الاستدلال، المهام العامة، الوكلاء، واللغات المتعددة، ويدعم تبديل وضع التفكير."
   },
@@ -314,6 +365,12 @@
   "Qwen2.5-Coder-32B-Instruct": {
     "description": "Qwen2.5-Coder-32B-Instruct هو نموذج لغوي كبير مصمم خصيصًا لتوليد الشيفرات، وفهم الشيفرات، ومشاهد التطوير الفعالة، مع استخدام حجم 32B من المعلمات الرائدة في الصناعة، مما يلبي احتياجات البرمجة المتنوعة."
   },
+  "Qwen3-235B": {
+    "description": "Qwen3-235B-A22B هو نموذج MoE (نموذج خبير مختلط) يقدم \"وضع الاستدلال المختلط\"، ويدعم المستخدمين في التبديل السلس بين \"وضع التفكير\" و\"وضع عدم التفكير\". يدعم فهم واستدلال 119 لغة ولهجة، ويتميز بقدرات قوية على استدعاء الأدوات. في اختبارات الأداء الشاملة، والبرمجة والرياضيات، واللغات المتعددة، والمعرفة والاستدلال، ينافس هذا النموذج النماذج الرائدة في السوق مثل DeepSeek R1، OpenAI o1، o3-mini، Grok 3، وGoogle Gemini 2.5 Pro."
+  },
+  "Qwen3-32B": {
+    "description": "Qwen3-32B هو نموذج كثيف (Dense Model) يقدم \"وضع الاستدلال المختلط\"، ويدعم التبديل السلس بين \"وضع التفكير\" و\"وضع عدم التفكير\". بفضل تحسينات في بنية النموذج، وزيادة بيانات التدريب، وأساليب تدريب أكثر فعالية، يقدم أداءً يعادل تقريبًا Qwen2.5-72B."
+  },
   "SenseChat": {
     "description": "نموذج الإصدار الأساسي (V4)، بطول سياق 4K، يمتلك قدرات قوية وعامة."
   },
@@ -350,6 +407,12 @@
   "SenseChat-Vision": {
     "description": "النموذج الأحدث (V5.5) يدعم إدخال صور متعددة، ويحقق تحسينات شاملة في القدرات الأساسية للنموذج، مع تحسينات كبيرة في التعرف على خصائص الكائنات، والعلاقات المكانية، والتعرف على الأحداث، وفهم المشاهد، والتعرف على المشاعر، واستنتاج المعرفة المنطقية، وفهم النصوص وتوليدها."
   },
+  "SenseNova-V6-5-Pro": {
+    "description": "من خلال تحديث شامل للبيانات متعددة الوسائط، واللغوية، والاستدلالية، وتحسين استراتيجيات التدريب، حقق النموذج الجديد تحسينات ملحوظة في الاستدلال متعدد الوسائط وقدرة متابعة التعليمات العامة، ويدعم نافذة سياق تصل إلى 128 ألف رمز، ويظهر أداءً متميزًا في مهام متخصصة مثل التعرف الضوئي على الحروف (OCR) والتعرف على حقوق الملكية الفكرية في السياحة والثقافة."
+  },
+  "SenseNova-V6-5-Turbo": {
+    "description": "من خلال تحديث شامل للبيانات متعددة الوسائط، واللغوية، والاستدلالية، وتحسين استراتيجيات التدريب، حقق النموذج الجديد تحسينات ملحوظة في الاستدلال متعدد الوسائط وقدرة متابعة التعليمات العامة، ويدعم نافذة سياق تصل إلى 128 ألف رمز، ويظهر أداءً متميزًا في مهام متخصصة مثل التعرف الضوئي على الحروف (OCR) والتعرف على حقوق الملكية الفكرية في السياحة والثقافة."
+  },
   "SenseNova-V6-Pro": {
     "description": "تحقيق توحيد أصلي لقدرات الصور والنصوص والفيديو، متجاوزًا حدود التعدد النمطي التقليدي المنفصل، وفاز بالبطولة المزدوجة في تقييمات OpenCompass وSuperCLUE."
   },
@@ -548,6 +611,9 @@
   "aya:35b": {
     "description": "Aya 23 هو نموذج متعدد اللغات أطلقته Cohere، يدعم 23 لغة، مما يسهل التطبيقات اللغوية المتنوعة."
   },
+  "azure-DeepSeek-R1-0528": {
+    "description": "مقدم من مايكروسوفت؛ تم ترقية نموذج DeepSeek R1 بإصدار فرعي، الإصدار الحالي هو DeepSeek-R1-0528. في التحديث الأخير، حسّن DeepSeek R1 بشكل كبير عمق الاستدلال وقدرات التنبؤ من خلال زيادة موارد الحوسبة وإدخال آليات تحسين الخوارزميات في مرحلة ما بعد التدريب. النموذج يحقق أداءً ممتازًا في اختبارات معيارية متعددة مثل الرياضيات والبرمجة والمنطق العام، وأداؤه الكلي يقترب من النماذج الرائدة مثل O3 و Gemini 2.5 Pro."
+  },
   "baichuan/baichuan2-13b-chat": {
     "description": "Baichuan-13B هو نموذج لغوي كبير مفتوح المصدر قابل للاستخدام التجاري تم تطويره بواسطة Baichuan Intelligence، ويحتوي على 13 مليار معلمة، وقد حقق أفضل النتائج في المعايير الصينية والإنجليزية."
   },
@@ -608,6 +674,9 @@
   "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-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."
+  },
   "claude-opus-4-20250514": {
     "description": "Claude Opus 4 هو أقوى نموذج من Anthropic لمعالجة المهام المعقدة للغاية. إنه يتفوق في الأداء والذكاء والسلاسة والفهم."
   },
@@ -944,6 +1013,9 @@
   "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."
   },
+  "doubao-seedream-3-0-t2i-250415": {
+    "description": "نموذج توليد الصور Doubao طوره فريق Seed في ByteDance، يدعم إدخال النص والصورة، ويوفر تجربة توليد صور عالية الجودة وقابلة للتحكم. يولد الصور بناءً على أوامر نصية."
+  },
   "doubao-vision-lite-32k": {
     "description": "نموذج Doubao-vision هو نموذج متعدد الوسائط أطلقته Doubao، يتمتع بقدرات قوية في فهم الصور والاستدلال، بالإضافة إلى دقة عالية في فهم التعليمات. أظهر النموذج أداءً قويًا في استخراج المعلومات من النصوص والصور، والمهام الاستدلالية القائمة على الصور، مما يجعله مناسبًا لمهام الأسئلة البصرية المعقدة والواسعة."
   },
@@ -995,6 +1067,9 @@
   "ernie-char-fiction-8k": {
     "description": "نموذج اللغة الكبير المخصص الذي طورته بايدو، مناسب لتطبيقات مثل NPC في الألعاب، محادثات خدمة العملاء، وأدوار الحوار، حيث يتميز بأسلوب شخصيات واضح ومتسق، وقدرة قوية على اتباع التعليمات، وأداء استدلال ممتاز."
   },
+  "ernie-irag-edit": {
+    "description": "نموذج تحرير الصور ERNIE iRAG المطور ذاتيًا من Baidu يدعم عمليات مثل المسح (إزالة الكائنات)، إعادة الرسم (إعادة رسم الكائنات)، والتنوع (توليد متغيرات) بناءً على الصور."
+  },
   "ernie-lite-8k": {
     "description": "ERNIE Lite هو نموذج اللغة الكبير الخفيف الذي طورته بايدو، يجمع بين أداء النموذج الممتاز وأداء الاستدلال، مناسب للاستخدام مع بطاقات تسريع الذكاء الاصطناعي ذات القدرة الحاسوبية المنخفضة."
   },
@@ -1022,14 +1097,32 @@
   "ernie-x1-turbo-32k": {
     "description": "يتميز هذا النموذج بأداء أفضل مقارنةً بـ ERNIE-X1-32K."
   },
+  "flux-1-schnell": {
+    "description": "نموذج توليد صور نصية يحتوي على 12 مليار معلمة طورته Black Forest Labs، يستخدم تقنية تقطير الانتشار التنافسي الكامن، قادر على توليد صور عالية الجودة في 1 إلى 4 خطوات. أداء النموذج يضاهي البدائل المغلقة المصدر، ومتاح بموجب ترخيص Apache-2.0 للاستخدام الشخصي، البحثي والتجاري."
+  },
+  "flux-dev": {
+    "description": "FLUX.1 [dev] هو نموذج مفتوح المصدر للأوزان المكررة موجه للتطبيقات غير التجارية. يحافظ على جودة الصور وقدرة اتباع التعليمات مماثلة لإصدار FLUX الاحترافي، مع كفاءة تشغيل أعلى. مقارنة بالنماذج القياسية ذات الحجم المماثل، يستخدم الموارد بشكل أكثر فعالية."
+  },
   "flux-kontext/dev": {
-    "description": "نموذج تحرير الصور Frontier."
+    "description": "نموذج FLUX.1 مخصص لمهام تحرير الصور، يدعم إدخال النصوص والصور."
+  },
+  "flux-merged": {
+    "description": "نموذج FLUX.1-merged يجمع بين ميزات العمق التي استكشفتها نسخة \"DEV\" أثناء التطوير ومزايا التنفيذ السريع التي تمثلها نسخة \"Schnell\". من خلال هذا الدمج، يعزز FLUX.1-merged حدود أداء النموذج ويوسع نطاق تطبيقاته."
   },
   "flux-pro/kontext": {
     "description": "FLUX.1 Kontext [pro] قادر على معالجة النصوص والصور المرجعية كمدخلات، مما يتيح تحريرًا محليًا مستهدفًا وتحولات معقدة للمشهد الكلي بسلاسة."
   },
+  "flux-schnell": {
+    "description": "FLUX.1 [schnell] هو النموذج المفتوح المصدر الأكثر تقدمًا حاليًا في فئة النماذج قليلة الخطوات، متفوقًا على المنافسين وحتى على نماذج غير مكررة قوية مثل Midjourney v6.0 وDALL·E 3 (HD). تم ضبط النموذج خصيصًا للحفاظ على تنوع المخرجات الكامل من مرحلة ما قبل التدريب، ويحقق تحسينات ملحوظة في جودة الصورة، الالتزام بالتعليمات، التغيرات في الحجم/النسبة، معالجة الخطوط وتنوع المخرجات مقارنة بأحدث النماذج في السوق، مما يوفر تجربة توليد صور إبداعية أكثر ثراءً وتنوعًا للمستخدمين."
+  },
+  "flux.1-schnell": {
+    "description": "محول تدفق مصحح يحتوي على 12 مليار معلمة، قادر على توليد الصور بناءً على الوصف النصي."
+  },
+  "flux/krea": {
+    "description": "Flux Krea [dev] هو نموذج توليد صور ذو تفضيلات جمالية، يهدف إلى إنتاج صور أكثر واقعية وطبيعية."
+  },
   "flux/schnell": {
-    "description": "FLUX.1 [schnell] هو نموذج محول متدفق يحتوي على 12 مليار معلمة، قادر على توليد صور عالية الجودة من النص في 1 إلى 4 خطوات، مناسب للاستخدام الشخصي والتجاري."
+    "description": "FLUX.1 [schnell] هو نموذج توليد صور يحتوي على 12 مليار معلمة، يركز على توليد صور عالية الجودة بسرعة."
   },
   "gemini-1.0-pro-001": {
     "description": "Gemini 1.0 Pro 001 (تعديل) يوفر أداءً مستقرًا وقابلًا للتعديل، وهو الخيار المثالي لحلول المهام المعقدة."
@@ -1109,9 +1202,6 @@
   "gemini-2.5-flash-preview-04-17": {
     "description": "معاينة فلاش جمنّي 2.5 هي النموذج الأكثر كفاءة من جوجل، حيث تقدم مجموعة شاملة من الميزات."
   },
-  "gemini-2.5-flash-preview-04-17-thinking": {
-    "description": "Gemini 2.5 Flash Preview هو نموذج Google الأكثر فعالية من حيث التكلفة، يقدم وظائف شاملة."
-  },
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview هو نموذج Google الأكثر فعالية من حيث التكلفة، يقدم وظائف شاملة."
   },
@@ -1190,6 +1280,21 @@
   "glm-4.1v-thinking-flashx": {
     "description": "سلسلة نماذج GLM-4.1V-Thinking هي أقوى نماذج اللغة البصرية المعروفة على مستوى 10 مليارات معلمة، وتدمج مهام اللغة البصرية المتقدمة من نفس المستوى، بما في ذلك فهم الفيديو، الأسئلة والأجوبة على الصور، حل المسائل العلمية، التعرف على النصوص OCR، تفسير الوثائق والرسوم البيانية، وكلاء واجهة المستخدم الرسومية، ترميز صفحات الويب الأمامية، والتثبيت الأرضي، وغيرها. تتفوق قدرات هذه المهام على نموذج Qwen2.5-VL-72B الذي يحتوي على أكثر من 8 أضعاف عدد المعلمات. من خلال تقنيات التعلم المعزز الرائدة، يتقن النموذج تحسين دقة وإثراء الإجابات عبر استدلال سلسلة التفكير، متفوقًا بشكل ملحوظ على النماذج التقليدية غير المعتمدة على التفكير من حيث النتائج النهائية وقابلية التفسير."
   },
+  "glm-4.5": {
+    "description": "أحدث نموذج رائد من Zhizhu، يدعم تبديل وضع التفكير، ويحقق مستوى SOTA بين النماذج المفتوحة المصدر في القدرات الشاملة، مع طول سياق يصل إلى 128 ألف رمز."
+  },
+  "glm-4.5-air": {
+    "description": "نسخة خفيفة من GLM-4.5، تجمع بين الأداء والقيمة، وتدعم التبديل المرن بين نماذج التفكير المختلطة."
+  },
+  "glm-4.5-airx": {
+    "description": "نسخة فائقة السرعة من GLM-4.5-Air، تستجيب بسرعة أكبر، مصممة لتلبية الطلبات الكبيرة عالية السرعة."
+  },
+  "glm-4.5-flash": {
+    "description": "نسخة مجانية من GLM-4.5، تقدم أداءً ممتازًا في الاستدلال، البرمجة، والوكيل."
+  },
+  "glm-4.5-x": {
+    "description": "نسخة فائقة السرعة من GLM-4.5، تجمع بين أداء قوي وسرعة توليد تصل إلى 100 رمز في الثانية."
+  },
   "glm-4v": {
     "description": "GLM-4V يوفر قدرات قوية في فهم الصور والاستدلال، ويدعم مجموعة متنوعة من المهام البصرية."
   },
@@ -1209,7 +1314,7 @@
     "description": "استدلال فائق السرعة: يتمتع بسرعة استدلال فائقة وأداء استدلال قوي."
   },
   "glm-z1-flash": {
-    "description": "سلسلة GLM-Z1 تتمتع بقدرة استدلال معقدة قوية، تظهر أداءً ممتازًا في مجالات الاستدلال المنطقي، الرياضيات، والبرمجة. الحد الأقصى لطول السياق هو 32K."
+    "description": "سلسلة GLM-Z1 تتميز بقدرات استدلال معقدة قوية، وتتفوق في مجالات الاستدلال المنطقي، الرياضيات، والبرمجة."
   },
   "glm-z1-flashx": {
     "description": "سرعة عالية وتكلفة منخفضة: نسخة محسنة من Flash، سرعة استدلال فائقة، وضمان تزامن أسرع."
@@ -1379,12 +1484,33 @@
   "gpt-4o-transcribe": {
     "description": "GPT-4o Transcribe هو نموذج تحويل الصوت إلى نص يستخدم GPT-4o لتفريغ الصوت. مقارنةً بنموذج Whisper الأصلي، يحسن معدل الخطأ في الكلمات ويعزز التعرف على اللغة والدقة. استخدمه للحصول على تفريغ أكثر دقة."
   },
+  "gpt-5": {
+    "description": "أفضل نموذج للترميز والمهام الوكيلة عبر المجالات. يحقق GPT-5 قفزة في الدقة والسرعة والاستدلال والتعرف على السياق والتفكير المنظم وحل المشكلات."
+  },
+  "gpt-5-chat-latest": {
+    "description": "نموذج GPT-5 المستخدم في ChatGPT. يجمع بين قدرات قوية في فهم اللغة وتوليدها، مناسب لتطبيقات التفاعل الحواري."
+  },
+  "gpt-5-mini": {
+    "description": "نسخة أسرع وأكثر اقتصادية من GPT-5، مناسبة للمهام المحددة بوضوح. توفر استجابة أسرع مع الحفاظ على جودة عالية."
+  },
+  "gpt-5-nano": {
+    "description": "أسرع وأكفأ نسخة من GPT-5 من حيث التكلفة. مثالية للتطبيقات التي تتطلب استجابة سريعة وحساسة للتكلفة."
+  },
   "gpt-image-1": {
     "description": "نموذج توليد الصور متعدد الوسائط الأصلي من ChatGPT"
   },
+  "gpt-oss": {
+    "description": "GPT-OSS 20B هو نموذج لغة كبير مفتوح المصدر أصدرته OpenAI، يستخدم تقنية التكميم MXFP4، ومناسب للتشغيل على وحدات معالجة الرسومات الاستهلاكية المتقدمة أو أجهزة Mac بمعالج Apple Silicon. يتميز هذا النموذج بأداء ممتاز في توليد المحادثات، وكتابة الأكواد، ومهام الاستدلال، ويدعم استدعاء الدوال واستخدام الأدوات."
+  },
+  "gpt-oss:120b": {
+    "description": "GPT-OSS 120B هو نموذج لغة كبير مفتوح المصدر أصدرته OpenAI، يستخدم تقنية التكميم MXFP4، ويعتبر نموذجًا رائدًا. يتطلب تشغيله بيئة متعددة وحدات معالجة الرسومات أو محطة عمل عالية الأداء، ويتميز بأداء متفوق في الاستدلال المعقد، وتوليد الأكواد، ومعالجة اللغات المتعددة، ويدعم استدعاء الدوال المتقدمة وتكامل الأدوات."
+  },
   "grok-2-1212": {
     "description": "لقد تم تحسين هذا النموذج في الدقة، والامتثال للتعليمات، والقدرة على التعامل مع لغات متعددة."
   },
+  "grok-2-image-1212": {
+    "description": "نموذج توليد الصور الأحدث لدينا قادر على توليد صور حيوية وواقعية بناءً على الأوامر النصية. يبرع في مجالات التسويق، وسائل التواصل الاجتماعي، والترفيه."
+  },
   "grok-2-vision-1212": {
     "description": "لقد تم تحسين هذا النموذج في الدقة، والامتثال للتعليمات، والقدرة على التعامل مع لغات متعددة."
   },
@@ -1454,6 +1580,9 @@
   "hunyuan-t1-20250529": {
     "description": "محسن لإنشاء النصوص وكتابة المقالات، مع تحسين القدرات في البرمجة الأمامية، الرياضيات، والمنطق العلمي، بالإضافة إلى تعزيز القدرة على اتباع التعليمات."
   },
+  "hunyuan-t1-20250711": {
+    "description": "تحسين كبير في القدرات الرياضية، المنطقية والبرمجية عالية الصعوبة، مع تحسين استقرار مخرجات النموذج وتعزيز قدرات النصوص الطويلة."
+  },
   "hunyuan-t1-latest": {
     "description": "أول نموذج استدلال هجين ضخم في الصناعة، يوسع قدرات الاستدلال، بسرعة فك تشفير فائقة، ويعزز التوافق مع تفضيلات البشر."
   },
@@ -1502,6 +1631,12 @@
   "hunyuan-vision": {
     "description": "نموذج Hunyuan الأحدث متعدد الوسائط، يدعم إدخال الصور والنصوص لتوليد محتوى نصي."
   },
+  "image-01": {
+    "description": "نموذج توليد صور جديد يقدم تفاصيل دقيقة، يدعم توليد الصور من النصوص والصور."
+  },
+  "image-01-live": {
+    "description": "نموذج توليد صور يقدم تفاصيل دقيقة، يدعم توليد الصور من النصوص مع إمكانية ضبط الأسلوب الفني."
+  },
   "imagen-4.0-generate-preview-06-06": {
     "description": "سلسلة نموذج Imagen للجيل الرابع لتحويل النص إلى صورة"
   },
@@ -1509,7 +1644,7 @@
     "description": "نسخة ألترا من سلسلة نموذج Imagen للجيل الرابع لتحويل النص إلى صورة"
   },
   "imagen4/preview": {
-    "description": "نموذج توليد الصور الأعلى جودة من Google"
+    "description": "نموذج توليد صور عالي الجودة مقدم من جوجل."
   },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 يوفر حلول حوار ذكية في عدة سيناريوهات."
@@ -1526,6 +1661,9 @@
   "internvl3-latest": {
     "description": "أحدث نموذج متعدد الوسائط تم إصداره، يتمتع بقدرات فهم أقوى للنصوص والصور، وفهم الصور على المدى الطويل، وأدائه يتساوى مع النماذج المغلقة الرائدة. يشير بشكل افتراضي إلى أحدث نموذج من سلسلة InternVL، الحالي هو internvl3-78b."
   },
+  "irag-1.0": {
+    "description": "نموذج iRAG (استرجاع معزز بالصور) المطور ذاتيًا من Baidu، يجمع بين موارد صور بحث Baidu الضخمة وقدرات النموذج الأساسي القوية لتوليد صور فائقة الواقعية، متفوقًا بشكل كبير على أنظمة توليد الصور النصية الأصلية، مع إزالة الطابع الاصطناعي وتقليل التكلفة. يتميز iRAG بعدم وجود هلوسة، واقعية فائقة، وسرعة في الحصول على النتائج."
+  },
   "jamba-large": {
     "description": "أقوى وأحدث نموذج لدينا، مصمم لمعالجة المهام المعقدة على مستوى المؤسسات، ويتميز بأداء استثنائي."
   },
@@ -1535,6 +1673,9 @@
   "jina-deepsearch-v1": {
     "description": "البحث العميق يجمع بين البحث عبر الإنترنت، والقراءة، والاستدلال، مما يتيح إجراء تحقيق شامل. يمكنك اعتباره وكيلًا يتولى مهام البحث الخاصة بك - حيث يقوم بإجراء بحث واسع النطاق ويخضع لعدة تكرارات قبل تقديم الإجابة. تتضمن هذه العملية بحثًا مستمرًا، واستدلالًا، وحل المشكلات من زوايا متعددة. وهذا يختلف اختلافًا جوهريًا عن النماذج الكبيرة القياسية التي تولد الإجابات مباشرة من البيانات المدربة مسبقًا، وكذلك عن أنظمة RAG التقليدية التي تعتمد على البحث السطحي لمرة واحدة."
   },
+  "kimi-k2": {
+    "description": "Kimi-K2 هو نموذج أساسي يعتمد على بنية MoE أطلقته Moonshot AI، يتمتع بقدرات قوية في البرمجة والوكيل، يحتوي على 1 تريليون معلمة و32 مليار معلمة مفعلة. يتفوق نموذج K2 في اختبارات الأداء الأساسية في مجالات المعرفة العامة، البرمجة، الرياضيات والوكيل مقارنة بالنماذج المفتوحة المصدر الأخرى."
+  },
   "kimi-k2-0711-preview": {
     "description": "kimi-k2 هو نموذج أساسي بمعمارية MoE يتمتع بقدرات فائقة في البرمجة والوكيل، مع إجمالي 1 تريليون معلمة و32 مليار معلمة مفعلة. في اختبارات الأداء الأساسية في مجالات المعرفة العامة، البرمجة، الرياضيات، والوكيل، يتفوق نموذج K2 على النماذج المفتوحة المصدر الرئيسية الأخرى."
   },
@@ -1928,6 +2069,9 @@
   "moonshotai/Kimi-Dev-72B": {
     "description": "Kimi-Dev-72B هو نموذج مفتوح المصدر للبرمجة، تم تحسينه عبر تعلم معزز واسع النطاق، قادر على إنتاج تصحيحات مستقرة وجاهزة للإنتاج مباشرة. حقق هذا النموذج نتيجة قياسية جديدة بنسبة 60.4% على SWE-bench Verified، محطماً الأرقام القياسية للنماذج المفتوحة المصدر في مهام هندسة البرمجيات الآلية مثل إصلاح العيوب ومراجعة الشيفرة."
   },
+  "moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 هو نموذج أساسي يعتمد على بنية MoE يتمتع بقدرات قوية في البرمجة والوكيل، يحتوي على 1 تريليون معلمة و32 مليار معلمة مفعلة. يتفوق نموذج K2 في اختبارات الأداء الأساسية في مجالات المعرفة العامة، البرمجة، الرياضيات والوكيل مقارنة بالنماذج المفتوحة المصدر الأخرى."
+  },
   "moonshotai/kimi-k2-instruct": {
     "description": "kimi-k2 هو نموذج أساسي مبني على بنية MoE يتمتع بقدرات فائقة في البرمجة والوكيل، مع إجمالي 1 تريليون معلمة و32 مليار معلمة مفعلة. في اختبارات الأداء المعيارية في مجالات المعرفة العامة، البرمجة، الرياضيات، والوكيل، يتفوق نموذج K2 على النماذج المفتوحة المصدر الرئيسية الأخرى."
   },
@@ -2003,6 +2147,12 @@
   "openai/gpt-4o-mini": {
     "description": "GPT-4o mini هو أحدث نموذج من OpenAI تم إطلاقه بعد GPT-4 Omni، ويدعم إدخال النصوص والصور وإخراج النصوص. كأحد نماذجهم المتقدمة الصغيرة، فهو أرخص بكثير من النماذج الرائدة الأخرى في الآونة الأخيرة، وأرخص بأكثر من 60% من GPT-3.5 Turbo. يحتفظ بذكاء متقدم مع قيمة ممتازة. حصل GPT-4o mini على 82% في اختبار MMLU، وهو حاليًا يتفوق على GPT-4 في تفضيلات الدردشة."
   },
+  "openai/gpt-oss-120b": {
+    "description": "OpenAI GPT-OSS 120B هو نموذج لغوي رائد يحتوي على 120 مليار معلمة، مزود بميزات تصفح الإنترنت وتنفيذ الأكواد، ويتميز بقدرات استدلالية."
+  },
+  "openai/gpt-oss-20b": {
+    "description": "OpenAI GPT-OSS 20B هو نموذج لغوي رائد يحتوي على 20 مليار معلمة، مزود بميزات تصفح الإنترنت وتنفيذ الأكواد، ويتميز بقدرات استدلالية."
+  },
   "openai/o1": {
     "description": "o1 هو نموذج الاستدلال الجديد من OpenAI، يدعم إدخال الصور والنصوص ويخرج نصًا، مناسب للمهام المعقدة التي تتطلب معرفة عامة واسعة. يتميز هذا النموذج بسياق يصل إلى 200 ألف كلمة وتاريخ معرفة حتى أكتوبر 2023."
   },
@@ -2063,6 +2213,9 @@
   "qwen-coder-turbo-latest": {
     "description": "نموذج Qwen للبرمجة."
   },
+  "qwen-image": {
+    "description": "نموذج قوي من فريق Qwen لتوليد الصور الخام، يتميز بقدرة مميزة على توليد النصوص الصينية وأنماط بصرية متنوعة للصور."
+  },
   "qwen-long": {
     "description": "نموذج Qwen العملاق للغة، يدعم سياقات نصية طويلة، بالإضافة إلى وظائف الحوار المستندة إلى الوثائق الطويلة والعديد من الوثائق."
   },
@@ -2264,9 +2417,21 @@
   "qwen3-235b-a22b": {
     "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."
   },
+  "qwen3-235b-a22b-instruct-2507": {
+    "description": "نموذج مفتوح المصدر غير تفكيري مبني على Qwen3، مع تحسينات طفيفة في القدرات الإبداعية والسلامة مقارنة بالإصدار السابق (Tongyi Qianwen 3-235B-A22B)."
+  },
+  "qwen3-235b-a22b-thinking-2507": {
+    "description": "نموذج مفتوح المصدر تفكيري مبني على Qwen3، مع تحسينات كبيرة في القدرات المنطقية، العامة، تعزيز المعرفة والإبداع مقارنة بالإصدار السابق (Tongyi Qianwen 3-235B-A22B)، مناسب للمهام المعقدة التي تتطلب استدلالًا قويًا."
+  },
   "qwen3-30b-a3b": {
     "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."
   },
+  "qwen3-30b-a3b-instruct-2507": {
+    "description": "تحسنت القدرات العامة للنموذج بشكل كبير في اللغتين الصينية والإنجليزية واللغات المتعددة مقارنة بالإصدار السابق (Qwen3-30B-A3B). تم تحسين المهام المفتوحة الذاتية بشكل خاص لتتوافق بشكل أفضل مع تفضيلات المستخدم، مما يمكنه من تقديم ردود أكثر فائدة."
+  },
+  "qwen3-30b-a3b-thinking-2507": {
+    "description": "نموذج مفتوح المصدر لوضع التفكير مبني على Qwen3، مع تحسينات كبيرة في القدرات المنطقية، والقدرات العامة، وتعزيز المعرفة، والقدرة الإبداعية مقارنة بالإصدار السابق (Tongyi Qianwen 3-30B-A3B)، مناسب للسيناريوهات التي تتطلب استدلالًا عالي الصعوبة."
+  },
   "qwen3-32b": {
     "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."
   },
@@ -2276,6 +2441,15 @@
   "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-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."
+  },
+  "qwen3-coder-flash": {
+    "description": "نموذج كود Tongyi Qianwen. أحدث سلسلة نماذج Qwen3-Coder مبنية على Qwen3 لتوليد الأكواد، تتمتع بقدرات وكيل ترميز قوية، بارعة في استدعاء الأدوات والتفاعل مع البيئة، قادرة على البرمجة الذاتية، وتجمع بين مهارات برمجية ممتازة وقدرات عامة."
+  },
+  "qwen3-coder-plus": {
+    "description": "نموذج كود Tongyi Qianwen. أحدث سلسلة نماذج Qwen3-Coder مبنية على Qwen3 لتوليد الأكواد، تتمتع بقدرات وكيل ترميز قوية، بارعة في استدعاء الأدوات والتفاعل مع البيئة، قادرة على البرمجة الذاتية، وتجمع بين مهارات برمجية ممتازة وقدرات عامة."
+  },
   "qwq": {
     "description": "QwQ هو نموذج بحث تجريبي يركز على تحسين قدرات الاستدلال للذكاء الاصطناعي."
   },
@@ -2318,6 +2492,24 @@
   "sonar-reasoning-pro": {
     "description": "منتج API جديد مدعوم من نموذج الاستدلال DeepSeek."
   },
+  "stable-diffusion-3-medium": {
+    "description": "نموذج توليد صور نصية كبير أحدث من Stability AI. هذا الإصدار يحسن جودة الصور، فهم النصوص وتنوع الأساليب بشكل ملحوظ مقارنة بالأجيال السابقة، قادر على تفسير أوامر اللغة الطبيعية المعقدة بدقة وتوليد صور أكثر دقة وتنوعًا."
+  },
+  "stable-diffusion-3.5-large": {
+    "description": "stable-diffusion-3.5-large هو نموذج مولد صور نصية متعدد الوسائط (MMDiT) يحتوي على 800 مليون معلمة، يتميز بجودة صور ممتازة وتوافق عالي مع الأوامر النصية، يدعم توليد صور عالية الدقة تصل إلى مليون بكسل، ويعمل بكفاءة على الأجهزة الاستهلاكية العادية."
+  },
+  "stable-diffusion-3.5-large-turbo": {
+    "description": "stable-diffusion-3.5-large-turbo هو نموذج مبني على stable-diffusion-3.5-large يستخدم تقنية تقطير الانتشار التنافسي (ADD) لتحقيق سرعة أعلى."
+  },
+  "stable-diffusion-v1.5": {
+    "description": "stable-diffusion-v1.5 تم تهيئته باستخدام أوزان نقطة التحقق stable-diffusion-v1.2، وتم ضبطه بدقة على \"laion-aesthetics v2 5+\" بدقة 512x512 عبر 595 ألف خطوة، مع تقليل شرطية النص بنسبة 10% لتحسين التوليد بدون مصنف."
+  },
+  "stable-diffusion-xl": {
+    "description": "stable-diffusion-xl يحتوي على تحسينات كبيرة مقارنة بالإصدار v1.5، ويعادل أداء نموذج midjourney المفتوح المصدر الرائد. تشمل التحسينات: بنية unet أكبر بثلاثة أضعاف، إضافة وحدة تحسين لتحسين جودة الصور المولدة، وتقنيات تدريب أكثر كفاءة."
+  },
+  "stable-diffusion-xl-base-1.0": {
+    "description": "نموذج توليد صور نصية كبير طورته Stability AI ومفتوح المصدر، يتميز بقدرات توليد صور إبداعية رائدة في الصناعة. يمتلك فهمًا ممتازًا للتعليمات ويدعم تعريف العكس (Reverse Prompt) لتوليد محتوى دقيق."
+  },
   "step-1-128k": {
     "description": "يوفر توازنًا بين الأداء والتكلفة، مناسب لمجموعة متنوعة من السيناريوهات."
   },
@@ -2348,6 +2540,12 @@
   "step-1v-8k": {
     "description": "نموذج بصري صغير، مناسب للمهام الأساسية المتعلقة بالنصوص والصور."
   },
+  "step-1x-edit": {
+    "description": "نموذج متخصص في مهام تحرير الصور، قادر على تعديل وتعزيز الصور بناءً على الصور والأوصاف النصية التي يقدمها المستخدم. يدعم تنسيقات إدخال متعددة، بما في ذلك الأوصاف النصية والصور النموذجية. يفهم نية المستخدم ويولد نتائج تحرير صور متوافقة مع المتطلبات."
+  },
+  "step-1x-medium": {
+    "description": "نموذج قوي لتوليد الصور يدعم الإدخال عبر الأوصاف النصية. يدعم اللغة الصينية بشكل أصلي، قادر على فهم ومعالجة الأوصاف النصية الصينية بدقة، والتقاط المعاني الدلالية وتحويلها إلى ميزات صور لتحقيق توليد صور أكثر دقة. يولد صورًا عالية الدقة والجودة، ويمتلك قدرات نقل الأسلوب."
+  },
   "step-2-16k": {
     "description": "يدعم تفاعلات سياق كبيرة، مناسب لمشاهد الحوار المعقدة."
   },
@@ -2357,6 +2555,9 @@
   "step-2-mini": {
     "description": "نموذج كبير سريع يعتمد على بنية الانتباه الجديدة MFA، يحقق نتائج مشابهة لـ step1 بتكلفة منخفضة جداً، مع الحفاظ على قدرة أعلى على المعالجة وزمن استجابة أسرع. يمكنه التعامل مع المهام العامة، ويتميز بقدرات قوية في البرمجة."
   },
+  "step-2x-large": {
+    "description": "نموذج الجيل الجديد من Step Star، يركز على مهام توليد الصور، قادر على توليد صور عالية الجودة بناءً على الأوصاف النصية المقدمة من المستخدم. يتميز النموذج الجديد بجودة صور أكثر واقعية وقدرات أفضل في توليد النصوص الصينية والإنجليزية."
+  },
   "step-r1-v-mini": {
     "description": "هذا النموذج هو نموذج استدلال كبير يتمتع بقدرة قوية على فهم الصور، يمكنه معالجة المعلومات النصية والصورية، ويخرج نصوصًا بعد تفكير عميق. يظهر هذا النموذج أداءً بارزًا في مجال الاستدلال البصري، كما يمتلك قدرات رياضية، برمجية، ونصية من الدرجة الأولى. طول السياق هو 100k."
   },
@@ -2432,8 +2633,23 @@
   "v0-1.5-md": {
     "description": "نموذج v0-1.5-md مناسب للمهام اليومية وتوليد واجهات المستخدم (UI)"
   },
+  "wan2.2-t2i-flash": {
+    "description": "نسخة Wanxiang 2.2 فائقة السرعة، أحدث نموذج حاليًا. تم تحسين الإبداع، الاستقرار، والواقعية بشكل شامل، مع سرعة توليد عالية وقيمة ممتازة مقابل التكلفة."
+  },
+  "wan2.2-t2i-plus": {
+    "description": "نسخة Wanxiang 2.2 الاحترافية، أحدث نموذج حاليًا. تم تحسين الإبداع، الاستقرار، والواقعية بشكل شامل، مع تفاصيل توليد غنية."
+  },
+  "wanx-v1": {
+    "description": "نموذج أساسي لتوليد الصور النصية. يتوافق مع نموذج Tongyi Wanxiang 1.0 الرسمي."
+  },
+  "wanx2.0-t2i-turbo": {
+    "description": "متخصص في توليد صور بورتريه واقعية، سرعة متوسطة وتكلفة منخفضة. يتوافق مع نموذج Tongyi Wanxiang 2.0 السريع الرسمي."
+  },
+  "wanx2.1-t2i-plus": {
+    "description": "نسخة مطورة شاملة. توليد صور بتفاصيل أكثر ثراءً، سرعة أقل قليلاً. يتوافق مع نموذج Tongyi Wanxiang 2.1 الاحترافي الرسمي."
+  },
   "wanx2.1-t2i-turbo": {
-    "description": "نموذج توليد الصور التابع لشركة علي بابا كلاود Tongyi"
+    "description": "نسخة مطورة شاملة. سرعة توليد عالية، أداء شامل، وقيمة ممتازة مقابل التكلفة. يتوافق مع نموذج Tongyi Wanxiang 2.1 السريع الرسمي."
   },
   "whisper-1": {
     "description": "نموذج التعرف على الصوت العام، يدعم التعرف على الصوت بعدة لغات، الترجمة الصوتية، والتعرف على اللغة."
@@ -2485,5 +2701,11 @@
   },
   "yi-vision-v2": {
     "description": "نموذج مهام بصرية معقدة، يوفر فهمًا عالي الأداء وقدرات تحليلية بناءً على صور متعددة."
+  },
+  "zai-org/GLM-4.5": {
+    "description": "GLM-4.5 هو نموذج أساسي مصمم لتطبيقات الوكلاء الذكية، يستخدم بنية Mixture-of-Experts (MoE). تم تحسينه بعمق في مجالات استدعاء الأدوات، تصفح الويب، هندسة البرمجيات، وبرمجة الواجهة الأمامية، ويدعم التكامل السلس مع وكلاء الكود مثل Claude Code وRoo Code. يستخدم وضع استدلال مختلط ليتكيف مع سيناريوهات الاستدلال المعقدة والاستخدام اليومي."
+  },
+  "zai-org/GLM-4.5-Air": {
+    "description": "GLM-4.5-Air هو نموذج أساسي مصمم لتطبيقات الوكلاء الذكية، يستخدم بنية Mixture-of-Experts (MoE). تم تحسينه بعمق في مجالات استدعاء الأدوات، تصفح الويب، هندسة البرمجيات، وبرمجة الواجهة الأمامية، ويدعم التكامل السلس مع وكلاء الكود مثل Claude Code وRoo Code. يستخدم وضع استدلال مختلط ليتكيف مع سيناريوهات الاستدلال المعقدة والاستخدام اليومي."
   }
 }

locales/ar/plugin.json

@@ -1,20 +1,20 @@
 {
   "confirm": "تأكيد",
   "debug": {
-    "arguments": "متغيرات الاستدعاء",
+    "arguments": "معلمات الاستدعاء",
     "function_call": "استدعاء الدالة",
     "off": "إيقاف التصحيح",
-    "on": "عرض معلومات استدعاء البرنامج المساعد",
-    "payload": "حمولة البرنامج المساعد",
-    "pluginState": "حالة المكون",
-    "response": "الرد",
+    "on": "عرض معلومات استدعاء الإضافة",
+    "payload": "حمولة الإضافة",
+    "pluginState": "حالة الإضافة",
+    "response": "النتيجة المرجعة",
     "title": "تفاصيل الإضافة",
     "tool_call": "طلب استدعاء الأداة"
   },
   "detailModal": {
     "customPlugin": {
       "description": "يرجى الانتقال إلى صفحة التحرير لمشاهدة التفاصيل",
-      "editBtn": "حرر الآن",
+      "editBtn": "تحرير الآن",
       "title": "هذه إضافة مخصصة"
     },
     "emptyState": {
@@ -22,48 +22,48 @@
       "title": "عرض تفاصيل الإضافة بعد التثبيت"
     },
     "info": {
-      "description": "وصف واجهة برمجة التطبيقات",
-      "name": "اسم واجهة برمجة التطبيقات"
+      "description": "وصف API",
+      "name": "اسم API"
     },
     "tabs": {
-      "info": "قدرات البرنامج المساعد",
+      "info": "قدرات الإضافة",
       "manifest": "ملف التثبيت",
       "settings": "الإعدادات"
     },
-    "title": "تفاصيل البرنامج المساعد"
+    "title": "تفاصيل الإضافة"
   },
   "dev": {
-    "confirmDeleteDevPlugin": "سيتم حذف البرنامج المساعد المحلي، وبمجرد الحذف لن يمكن استعادته، هل ترغب في حذف هذا البرنامج المساعد؟",
+    "confirmDeleteDevPlugin": "سيتم حذف هذه الإضافة المحلية ولن يمكن استعادتها، هل تريد حذف هذه الإضافة؟",
     "customParams": {
       "useProxy": {
-        "label": "تثبيت عبر الوكيل (في حالة حدوث أخطاء الوصول عبر النطاقات المتقاطعة، يمكنك تجربة تفعيل هذا الخيار ثم إعادة التثبيت)"
+        "label": "التثبيت عبر الوكيل (إذا واجهت خطأ وصول عبر النطاق، جرب تفعيل هذا الخيار ثم أعد التثبيت)"
       }
     },
-    "deleteSuccess": "تم حذف البرنامج المساعد بنجاح",
+    "deleteSuccess": "تم حذف الإضافة بنجاح",
     "manifest": {
       "identifier": {
-        "desc": "العلامة المميزة للبرنامج المساعد",
+        "desc": "المعرف الفريد للإضافة",
         "label": "المعرف"
       },
       "mode": {
-        "mcp": "مكون MCP",
+        "mcp": "إضافة MCP",
         "mcpExp": "تجريبي",
-        "url": "رابط عبر الإنترنت"
+        "url": "رابط مباشر"
       },
       "name": {
-        "desc": "عنوان البرنامج المساعد",
+        "desc": "عنوان الإضافة",
         "label": "العنوان",
         "placeholder": "محرك البحث"
       }
     },
     "mcp": {
       "advanced": {
-        "title": "الإعدادات المتقدمة"
+        "title": "إعدادات متقدمة"
       },
       "args": {
-        "desc": "قائمة المعلمات المرسلة إلى الأمر المنفذ، عادةً ما يتم إدخال اسم خادم MCP هنا، أو مسار البرنامج النصي للتشغيل",
+        "desc": "قائمة المعلمات الممررة لأمر التنفيذ، عادةً هنا يتم إدخال اسم خادم MCP أو مسار سكريبت التشغيل",
         "label": "معلمات الأمر",
-        "placeholder": "على سبيل المثال: --port 8080 --debug",
+        "placeholder": "مثال: mcp-hello-world",
         "required": "يرجى إدخال معلمات التشغيل"
       },
       "auth": {
@@ -83,171 +83,171 @@
         "label": "أيقونة الإضافة"
       },
       "command": {
-        "desc": "الملف القابل للتنفيذ أو البرنامج النصي المستخدم لبدء ملحق MCP STDIO",
+        "desc": "الملف التنفيذي أو السكريبت المستخدم لتشغيل خادم MCP STDIO",
         "label": "الأمر",
-        "placeholder": "على سبيل المثال: python main.py أو /path/to/executable",
+        "placeholder": "مثال: npx / uv / docker إلخ",
         "required": "يرجى إدخال أمر التشغيل"
       },
       "desc": {
         "desc": "أضف وصفًا للإضافة",
         "label": "وصف الإضافة",
-        "placeholder": "أضف معلومات حول كيفية استخدام هذه الإضافة وسيناريوهاتها وغيرها"
+        "placeholder": "أضف معلومات عن استخدام الإضافة وسيناريوهاتها"
       },
       "endpoint": {
         "desc": "أدخل عنوان خادم MCP Streamable HTTP الخاص بك",
-        "label": "عنوان URL لنقطة نهاية MCP"
+        "label": "رابط نقطة نهاية MCP"
       },
       "env": {
-        "add": "إضافة سطر جديد",
-        "desc": "أدخل المتغيرات البيئية المطلوبة لخادم MCP الخاص بك",
-        "duplicateKeyError": "يجب أن تكون مفاتيح الحقول فريدة",
-        "formValidationFailed": "فشل التحقق من صحة النموذج، يرجى التحقق من تنسيق المعلمات",
-        "keyRequired": "لا يمكن أن يكون مفتاح الحقل فارغًا",
-        "label": "متغيرات البيئة لخادم MCP",
-        "stringifyError": "تعذر تسلسل المعلمات، يرجى التحقق من تنسيق المعلمات"
+        "add": "أضف سطرًا جديدًا",
+        "desc": "أدخل متغيرات البيئة المطلوبة لخادم MCP",
+        "duplicateKeyError": "مفتاح الحقل يجب أن يكون فريدًا",
+        "formValidationFailed": "فشل التحقق من النموذج، يرجى مراجعة تنسيق المعلمات",
+        "keyRequired": "مفتاح الحقل لا يمكن أن يكون فارغًا",
+        "label": "متغيرات بيئة خادم MCP",
+        "stringifyError": "تعذر تسلسل المعلمات، يرجى مراجعة التنسيق"
       },
       "headers": {
-        "add": "أضف صفًا جديدًا",
+        "add": "أضف سطرًا جديدًا",
         "desc": "أدخل رؤوس الطلب",
         "label": "رؤوس HTTP"
       },
       "identifier": {
-        "desc": "حدد اسمًا لملحق MCP الخاص بك، يجب أن يكون باستخدام أحرف إنجليزية",
-        "invalid": "يمكنك إدخال أحرف إنجليزية، أرقام، والرمزين - و _ فقط",
-        "label": "اسم ملحق MCP",
-        "placeholder": "على سبيل المثال: my-mcp-plugin",
+        "desc": "حدد اسمًا لإضافة MCP الخاصة بك، يجب أن يكون بالأحرف الإنجليزية",
+        "invalid": "المعرف يمكن أن يحتوي فقط على أحرف، أرقام، شرطات وشرطات سفلية",
+        "label": "اسم إضافة MCP",
+        "placeholder": "مثال: my-mcp-plugin",
         "required": "يرجى إدخال معرف خدمة MCP"
       },
       "previewManifest": "معاينة ملف وصف الإضافة",
-      "quickImport": "استيراد إعدادات JSON بسرعة",
+      "quickImport": "استيراد سريع لتكوين JSON",
       "quickImportError": {
-        "empty": "لا يمكن أن تكون المدخلات فارغة",
+        "empty": "لا يمكن أن يكون المحتوى فارغًا",
         "invalidJson": "تنسيق JSON غير صالح",
-        "invalidStructure": "تنسيق JSON غير صحيح"
+        "invalidStructure": "هيكل JSON غير صالح"
       },
-      "stdioNotSupported": "البيئة الحالية لا تدعم مكون MCP من نوع stdio",
+      "stdioNotSupported": "البيئة الحالية لا تدعم إضافات MCP من نوع stdio",
       "testConnection": "اختبار الاتصال",
-      "testConnectionTip": "يمكن استخدام إضافة MCP بشكل طبيعي بعد نجاح اختبار الاتصال",
+      "testConnectionTip": "يجب أن ينجح اختبار الاتصال لكي تعمل إضافة MCP بشكل صحيح",
       "type": {
-        "desc": "اختر طريقة الاتصال لملحق MCP، النسخة الويب تدعم فقط Streamable HTTP",
-        "httpFeature1": "متوافق مع النسخة الويب وسطح المكتب",
-        "httpFeature2": "الاتصال بخادم MCP عن بُعد، دون الحاجة إلى تثبيت أو إعداد إضافي",
-        "httpShortDesc": "بروتوكول الاتصال القائم على HTTP المتدفق",
-        "label": "نوع ملحق MCP",
-        "stdioFeature1": "زمن تأخير أقل في الاتصال، مناسب للتنفيذ المحلي",
-        "stdioFeature2": "يجب تثبيت خادم MCP وتشغيله محليًا",
-        "stdioNotAvailable": "وضع STDIO متاح فقط في النسخة المكتبية",
-        "stdioShortDesc": "بروتوكول الاتصال القائم على الإدخال والإخراج القياسي",
-        "title": "نوع ملحق MCP"
+        "desc": "اختر طريقة اتصال إضافة MCP، النسخة الويب تدعم فقط Streamable HTTP",
+        "httpFeature1": "متوافق مع الويب وسطح المكتب",
+        "httpFeature2": "اتصال بخادم MCP عن بعد، لا حاجة لتثبيت إضافي",
+        "httpShortDesc": "بروتوكول اتصال HTTP متدفق",
+        "label": "نوع إضافة MCP",
+        "stdioFeature1": "تأخير اتصال أقل، مناسب للتنفيذ المحلي",
+        "stdioFeature2": "يجب تثبيت وتشغيل خادم MCP محليًا",
+        "stdioNotAvailable": "وضع STDIO متاح فقط في نسخة سطح المكتب",
+        "stdioShortDesc": "بروتوكول اتصال يعتمد على الإدخال والإخراج القياسي",
+        "title": "نوع إضافة MCP"
       },
       "url": {
-        "desc": "أدخل عنوان HTTP القابل للبث لخادم MCP الخاص بك، لا يدعم وضع SSE",
+        "desc": "أدخل عنوان MCP Server Streamable HTTP الخاص بك، لا يدعم وضع SSE",
         "invalid": "يرجى إدخال عنوان URL صالح",
-        "label": "عنوان URL لنقطة نهاية HTTP",
+        "label": "رابط نقطة نهاية HTTP المتدفق",
         "required": "يرجى إدخال عنوان URL لخدمة MCP"
       }
     },
     "meta": {
       "author": {
-        "desc": "مؤلف البرنامج المساعد",
+        "desc": "مؤلف الإضافة",
         "label": "المؤلف"
       },
       "avatar": {
-        "desc": "رمز البرنامج المساعد، يمكن استخدام الرموز التعبيرية أو روابط URL",
-        "label": "الرمز"
+        "desc": "أيقونة الإضافة، يمكن استخدام إيموجي أو رابط URL",
+        "label": "الأيقونة"
       },
       "description": {
-        "desc": "وصف البرنامج المساعد",
+        "desc": "وصف الإضافة",
         "label": "الوصف",
-        "placeholder": "البحث في محركات البحث للحصول على المعلومات"
+        "placeholder": "ابحث في محرك البحث للحصول على معلومات"
       },
       "formFieldRequired": "هذا الحقل مطلوب",
       "homepage": {
-        "desc": "صفحة البداية للبرنامج المساعد",
+        "desc": "الصفحة الرئيسية للإضافة",
         "label": "الصفحة الرئيسية"
       },
       "identifier": {
-        "desc": "العلامة المميزة للبرنامج المساعد، سيتم التعرف عليها تلقائيًا من خلال الملف التعريفي",
-        "errorDuplicate": "تكرار العلامة المميزة مع برنامج مساعد موجود، يرجى تعديل العلامة المميزة",
+        "desc": "المعرف الفريد للإضافة، سيتم التعرف عليه تلقائيًا من ملف manifest",
+        "errorDuplicate": "المعرف مكرر مع إضافة موجودة، يرجى تغييره",
         "label": "المعرف",
-        "pattenErrorMessage": "يمكن إدخال الأحرف الإنجليزية والأرقام والرمزين - و_ فقط"
+        "pattenErrorMessage": "يمكن إدخال أحرف إنجليزية، أرقام، - و _ فقط"
       },
       "lobe": "إضافة {{appName}}",
       "manifest": {
-        "desc": "{{appName}} سيتم تثبيت الإضافة من خلال هذا الرابط",
-        "label": "ملف وصف البرنامج المساعد (Manifest) URL",
-        "preview": "معاينة الملف التعريفي",
+        "desc": "سيتم تثبيت {{appName}} عبر هذا الرابط",
+        "label": "رابط ملف وصف الإضافة (Manifest)",
+        "preview": "معاينة Manifest",
         "refresh": "تحديث"
       },
       "openai": "إضافة OpenAI",
       "title": {
-        "desc": "عنوان البرنامج المساعد",
+        "desc": "عنوان الإضافة",
         "label": "العنوان",
         "placeholder": "محرك البحث"
       }
     },
-    "metaConfig": "تكوين معلومات البرنامج المساعد",
-    "modalDesc": "بعد إضافة البرنامج المساعد المخصص، يمكن استخدامه للتحقق من تطوير البرنامج المساعد، كما يمكن استخدامه مباشرة في الدردشة. للحصول على معلومات حول تطوير البرنامج المساعد، يرجى الرجوع إلى <1>وثائق التطوير↗</>",
+    "metaConfig": "تكوين معلومات الإضافة الأساسية",
+    "modalDesc": "بعد إضافة إضافة مخصصة، يمكن استخدامها للتحقق من تطوير الإضافة أو استخدامها مباشرة في المحادثة. يرجى الرجوع إلى <1>وثائق التطوير↗</> لتطوير الإضافات.",
     "openai": {
       "importUrl": "استيراد من رابط URL",
-      "schema": "مخطط"
+      "schema": "المخطط"
     },
     "preview": {
       "api": {
-        "noParams": "لا توجد معلمات لهذه الأداة",
-        "noResults": "لم يتم العثور على واجهات برمجة التطبيقات التي تتوافق مع شروط البحث",
+        "noParams": "هذه الأداة لا تحتوي على معلمات",
+        "noResults": "لم يتم العثور على API تطابق شروط البحث",
         "params": "المعلمات:",
-        "searchPlaceholder": "ابحث في الأدوات..."
+        "searchPlaceholder": "ابحث عن أداة..."
       },
-      "card": "معاينة عرض البرنامج المساعد",
-      "desc": "معاينة وصف البرنامج المساعد",
+      "card": "معاينة عرض الإضافة",
+      "desc": "معاينة وصف الإضافة",
       "empty": {
-        "desc": "بعد إكمال الإعداد، ستتمكن من معاينة قدرات الأدوات المدعومة من المكون الإضافي هنا",
-        "title": "ابدأ المعاينة بعد تكوين المكون الإضافي"
+        "desc": "بعد إكمال التكوين، يمكنك معاينة قدرات الأدوات المدعومة هنا",
+        "title": "ابدأ المعاينة بعد تكوين الإضافة"
       },
-      "title": "معاينة اسم البرنامج المساعد"
+      "title": "معاينة اسم الإضافة"
     },
-    "save": "تثبيت البرنامج المساعد",
-    "saveSuccess": "تم حفظ إعدادات البرنامج المساعد بنجاح",
+    "save": "تثبيت الإضافة",
+    "saveSuccess": "تم حفظ إعدادات الإضافة بنجاح",
     "tabs": {
       "manifest": "قائمة وصف الوظائف (Manifest)",
-      "meta": "معلومات البرنامج المساعد"
+      "meta": "معلومات الإضافة الأساسية"
     },
     "title": {
-      "create": "إضافة برنامج مساعد مخصص",
-      "edit": "تحرير برنامج مساعد مخصص"
+      "create": "إضافة إضافة مخصصة",
+      "edit": "تحرير إضافة مخصصة"
     },
     "type": {
-      "lobe": "برنامج مساعد LobeChat",
-      "openai": "برنامج مساعد OpenAI"
+      "lobe": "إضافة {{appName}}",
+      "openai": "إضافة OpenAI"
     },
     "update": "تحديث",
-    "updateSuccess": "تم تحديث إعدادات البرنامج المساعد بنجاح"
+    "updateSuccess": "تم تحديث إعدادات الإضافة بنجاح"
   },
   "error": {
-    "fetchError": "فشل طلب الرابط المعطى للملف، يرجى التأكد من صحة الرابط والسماح بالوصول عبر النطاقات المختلفة",
+    "fetchError": "فشل طلب رابط manifest، يرجى التأكد من صلاحية الرابط وفحص ما إذا كان يسمح بالوصول عبر النطاق",
     "installError": "فشل تثبيت الإضافة {{name}}",
-    "manifestInvalid": "الملف غير مطابق للمواصفات، نتيجة التحقق: \n\n {{error}}",
+    "manifestInvalid": "الملف manifest غير مطابق للمواصفات، نتيجة التحقق: \n\n {{error}}",
     "noManifest": "ملف الوصف غير موجود",
     "openAPIInvalid": "فشل تحليل OpenAPI، الخطأ: \n\n {{error}}",
     "reinstallError": "فشل تحديث الإضافة {{name}}",
-    "testConnectionFailed": "فشل في الحصول على ملف التعريف: {{error}}",
-    "urlError": "الرابط لا يعيد محتوى بتنسيق JSON، يرجى التأكد من صحة الرابط"
+    "testConnectionFailed": "فشل الحصول على Manifest: {{error}}",
+    "urlError": "الرابط لم يرجع محتوى بصيغة JSON، يرجى التأكد من صحة الرابط"
   },
   "inspector": {
     "args": "عرض قائمة المعلمات",
-    "pluginRender": "عرض واجهة المكون الإضافي"
+    "pluginRender": "عرض واجهة الإضافة"
   },
   "list": {
     "item": {
-      "deprecated.title": "مهجور",
-      "local.config": "التكوين",
+      "deprecated.title": "تم الحذف",
+      "local.config": "الإعدادات",
       "local.title": "مخصص"
     }
   },
   "loading": {
-    "content": "جاري استدعاء الإضافة...",
-    "plugin": "جاري تشغيل الإضافة..."
+    "content": "جارٍ استدعاء الإضافة...",
+    "plugin": "تشغيل الإضافة..."
   },
   "localSystem": {
     "apiName": {
@@ -255,7 +255,7 @@
       "moveLocalFiles": "نقل الملفات",
       "readLocalFile": "قراءة محتوى الملف",
       "renameLocalFile": "إعادة تسمية",
-      "searchLocalFiles": "البحث عن الملفات",
+      "searchLocalFiles": "بحث في الملفات",
       "writeLocalFile": "كتابة في الملف"
     },
     "title": "الملفات المحلية"
@@ -263,23 +263,23 @@
   "mcpInstall": {
     "CHECKING_INSTALLATION": "جارٍ فحص بيئة التثبيت...",
     "COMPLETED": "اكتمل التثبيت",
-    "CONFIGURATION_REQUIRED": "يرجى إكمال التكوينات المطلوبة للمتابعة في التثبيت",
+    "CONFIGURATION_REQUIRED": "يرجى إكمال التكوين المطلوب للمتابعة بالتثبيت",
     "ERROR": "خطأ في التثبيت",
-    "FETCHING_MANIFEST": "جارٍ جلب ملف وصف الإضافة...",
+    "FETCHING_MANIFEST": "جارٍ الحصول على ملف وصف الإضافة...",
     "GETTING_SERVER_MANIFEST": "جارٍ تهيئة خادم MCP...",
     "INSTALLING_PLUGIN": "جارٍ تثبيت الإضافة...",
-    "configurationDescription": "تتطلب هذه الإضافة من MCP إعداد معلمات لتعمل بشكل صحيح، يرجى ملء المعلومات الضرورية.",
+    "configurationDescription": "تتطلب هذه الإضافة MCP إعداد معلمات لتعمل بشكل صحيح، يرجى ملء المعلومات اللازمة",
     "configurationRequired": "تكوين معلمات الإضافة",
     "continueInstall": "متابعة التثبيت",
-    "dependenciesDescription": "تتطلب هذه الإضافة تثبيت الاعتمادات النظامية التالية لتعمل بشكل صحيح، يرجى تثبيت الاعتمادات المفقودة حسب التعليمات ثم النقر على إعادة الفحص للمتابعة.",
-    "dependenciesRequired": "يرجى تثبيت الاعتمادات النظامية للإضافة",
+    "dependenciesDescription": "تتطلب هذه الإضافة تثبيت تبعيات نظامية لتعمل بشكل صحيح، يرجى تثبيت التبعيات المفقودة حسب التعليمات ثم اضغط إعادة الفحص للمتابعة بالتثبيت.",
+    "dependenciesRequired": "يرجى تثبيت تبعيات النظام للإضافة",
     "dependencyStatus": {
-      "installed": "مثبّت",
-      "notInstalled": "غير مثبّت",
+      "installed": "مثبت",
+      "notInstalled": "غير مثبت",
       "requiredVersion": "الإصدار المطلوب: {{version}}"
     },
     "errorDetails": {
-      "args": "المعطيات",
+      "args": "المعلمات",
       "command": "الأمر",
       "connectionParams": "معلمات الاتصال",
       "env": "متغيرات البيئة",
@@ -295,34 +295,94 @@
       "INITIALIZATION_TIMEOUT": "انتهت مهلة التهيئة",
       "PROCESS_SPAWN_ERROR": "فشل بدء العملية",
       "UNKNOWN_ERROR": "خطأ غير معروف",
-      "VALIDATION_ERROR": "فشل التحقق من المعطيات"
+      "VALIDATION_ERROR": "فشل التحقق من المعلمات"
     },
-    "installError": "فشل تثبيت إضافة MCP، سبب الفشل: {{detail}}",
+    "installError": "فشل تثبيت إضافة MCP، السبب: {{detail}}",
     "installMethods": {
-      "manual": "التثبيت اليدوي:",
+      "manual": "تثبيت يدوي:",
       "recommended": "طريقة التثبيت الموصى بها:"
     },
     "recheckDependencies": "إعادة فحص",
     "skipDependencies": "تخطي الفحص"
   },
   "pluginList": "قائمة الإضافات",
+  "protocolInstall": {
+    "actions": {
+      "install": "تثبيت",
+      "installAnyway": "تثبيت على أي حال",
+      "installed": "مثبت"
+    },
+    "config": {
+      "args": "المعلمات",
+      "command": "الأمر",
+      "env": "متغيرات البيئة",
+      "headers": "رؤوس الطلب",
+      "title": "معلومات التكوين",
+      "type": {
+        "http": "النوع: HTTP",
+        "label": "النوع",
+        "stdio": "النوع: Stdio"
+      },
+      "url": "عنوان الخدمة"
+    },
+    "custom": {
+      "badge": "إضافة مخصصة",
+      "security": {
+        "description": "هذه الإضافة لم يتم التحقق منها رسميًا، قد تحمل مخاطر أمنية! يرجى التأكد من ثقتك بمصدر الإضافة.",
+        "title": "⚠️ تحذير أمني"
+      },
+      "title": "تثبيت إضافة مخصصة"
+    },
+    "marketplace": {
+      "title": "تثبيت إضافات الطرف الثالث",
+      "trustedBy": "مقدم من {{name}}",
+      "unverified": {
+        "title": "إضافات طرف ثالث غير موثوقة",
+        "warning": "هذه الإضافة من سوق طرف ثالث غير موثوق، يرجى التأكد من ثقتك بالمصدر قبل التثبيت."
+      },
+      "verified": "موثوقة"
+    },
+    "messages": {
+      "connectionTestFailed": "فشل اختبار الاتصال",
+      "installError": "فشل تثبيت الإضافة، يرجى المحاولة مجددًا",
+      "installSuccess": "تم تثبيت الإضافة {{name}} بنجاح!",
+      "manifestError": "فشل الحصول على تفاصيل الإضافة، يرجى التحقق من الاتصال بالشبكة والمحاولة مجددًا",
+      "manifestNotFound": "تعذر الحصول على ملف وصف الإضافة"
+    },
+    "meta": {
+      "author": "المؤلف",
+      "homepage": "الصفحة الرئيسية",
+      "identifier": "المعرف",
+      "source": "المصدر",
+      "version": "الإصدار"
+    },
+    "official": {
+      "badge": "إضافة رسمية من LobeHub",
+      "description": "تم تطوير هذه الإضافة وصيانتها رسميًا من قبل LobeHub، وتمت مراجعتها أمنيًا بدقة، يمكن استخدامها بأمان.",
+      "loadingMessage": "جارٍ الحصول على تفاصيل الإضافة...",
+      "loadingTitle": "جارٍ التحميل",
+      "title": "تثبيت إضافة رسمية"
+    },
+    "title": "تثبيت إضافة MCP",
+    "warning": "⚠️ يرجى التأكد من ثقتك بمصدر هذه الإضافة، الإضافات الخبيثة قد تضر بأمان نظامك."
+  },
   "search": {
     "apiName": {
-      "crawlMultiPages": "قراءة محتوى صفحات متعددة",
+      "crawlMultiPages": "قراءة محتوى عدة صفحات",
       "crawlSinglePage": "قراءة محتوى الصفحة",
-      "search": "بحث في الصفحة"
+      "search": "البحث في الصفحة"
     },
     "config": {
       "addKey": "إضافة مفتاح",
       "close": "حذف",
-      "confirm": "تم تكوينه وإعادة المحاولة"
+      "confirm": "تم إكمال التكوين وأعيد المحاولة"
     },
     "crawPages": {
-      "crawling": "جاري التعرف على الروابط",
+      "crawling": "جارٍ التعرف على الروابط",
       "detail": {
         "preview": "معاينة",
-        "raw": "النص الأصلي",
-        "tooLong": "محتوى النص طويل جدًا، سيتم الاحتفاظ بالسياق السابق فقط بأول {{characters}} حرف، ولن يتم احتساب الأجزاء الزائدة في سياق المحادثة"
+        "raw": "نص خام",
+        "tooLong": "النص طويل جدًا، يحتفظ سياق المحادثة فقط بأول {{characters}} حرفًا، الجزء الزائد غير مدرج في السياق"
       },
       "meta": {
         "crawler": "وضع الزحف",
@@ -330,19 +390,19 @@
       }
     },
     "searchxng": {
-      "baseURL": "الرجاء الإدخال",
-      "description": "الرجاء إدخال عنوان URL لـ SearchXNG لبدء البحث عبر الإنترنت",
-      "keyPlaceholder": "الرجاء إدخال المفتاح",
-      "title": "تكوين محرك بحث SearchXNG",
-      "unconfiguredDesc": "يرجى الاتصال بالمسؤول لإكمال تكوين محرك بحث SearchXNG لبدء البحث عبر الإنترنت",
-      "unconfiguredTitle": "لم يتم تكوين محرك بحث SearchXNG بعد"
+      "baseURL": "يرجى الإدخال",
+      "description": "يرجى إدخال عنوان SearchXNG للبدء في البحث عبر الإنترنت",
+      "keyPlaceholder": "يرجى إدخال المفتاح",
+      "title": "تكوين محرك البحث SearchXNG",
+      "unconfiguredDesc": "يرجى الاتصال بالمسؤول لإكمال تكوين محرك البحث SearchXNG للبدء في البحث عبر الإنترنت",
+      "unconfiguredTitle": "لم يتم تكوين محرك البحث SearchXNG بعد"
     },
     "title": "البحث عبر الإنترنت"
   },
   "setting": "إعدادات الإضافة",
   "settings": {
     "capabilities": {
-      "prompts": "نصوص التوجيه",
+      "prompts": "عبارات التوجيه",
       "resources": "الموارد",
       "title": "قدرات الإضافة",
       "tools": "الأدوات"
@@ -351,18 +411,18 @@
       "title": "تكوين الإضافة"
     },
     "connection": {
-      "args": "معطيات التشغيل",
+      "args": "معلمات التشغيل",
       "command": "أمر التشغيل",
       "title": "معلومات الاتصال",
       "type": "نوع الاتصال",
       "url": "عنوان الخدمة"
     },
     "edit": "تحرير",
-    "envConfigDescription": "سيتم تمرير هذه الإعدادات كمتغيرات بيئية إلى العملية عند بدء تشغيل خادم MCP",
-    "httpTypeNotice": "لا توجد متغيرات بيئية تحتاج إلى التكوين لإضافات MCP من نوع HTTP",
+    "envConfigDescription": "سيتم تمرير هذه الإعدادات كمتغيرات بيئة عند بدء تشغيل خادم MCP",
+    "httpTypeNotice": "إضافات MCP من نوع HTTP لا تحتاج إلى متغيرات بيئة للتكوين حاليًا",
     "indexUrl": {
       "title": "فهرس السوق",
-      "tooltip": "غير مدعوم حاليا للتحرير عبر الإنترنت، يرجى ضبطه عند نشر المتغيرات البيئية"
+      "tooltip": "لا يدعم التحرير عبر الإنترنت حاليًا، يرجى التكوين عبر متغيرات البيئة عند النشر"
     },
     "messages": {
       "connectionUpdateFailed": "فشل تحديث معلومات الاتصال",
@@ -370,41 +430,41 @@
       "envUpdateFailed": "فشل حفظ متغيرات البيئة",
       "envUpdateSuccess": "تم حفظ متغيرات البيئة بنجاح"
     },
-    "modalDesc": "بعد ضبط عنوان سوق الإضافات، يمكن استخدام سوق الإضافات المخصص",
+    "modalDesc": "بعد تكوين عنوان سوق الإضافات، يمكنك استخدام سوق إضافات مخصص",
     "rules": {
       "argsRequired": "يرجى إدخال معلمات التشغيل",
       "commandRequired": "يرجى إدخال أمر التشغيل",
       "urlRequired": "يرجى إدخال عنوان الخدمة"
     },
     "saveSettings": "حفظ الإعدادات",
-    "title": "ضبط سوق الإضافات"
+    "title": "إعدادات سوق الإضافات"
   },
-  "showInPortal": "يرجى الاطلاع على التفاصيل في مساحة العمل",
+  "showInPortal": "يرجى عرض التفاصيل في مساحة العمل",
   "store": {
     "actions": {
       "cancel": "إلغاء التثبيت",
-      "confirmUninstall": "سيتم إلغاء تثبيت الإضافة، وسيتم مسح تكوين الإضافة، يرجى تأكيد العملية",
+      "confirmUninstall": "سيتم إلغاء تثبيت هذه الإضافة وسيتم حذف إعداداتها، يرجى تأكيد العملية",
       "detail": "التفاصيل",
       "install": "تثبيت",
       "manifest": "تحرير ملف التثبيت",
       "settings": "الإعدادات",
       "uninstall": "إلغاء التثبيت"
     },
-    "communityPlugin": "مجتمع ثالث",
+    "communityPlugin": "مجتمع الطرف الثالث",
     "customPlugin": "مخصص",
-    "empty": "لا توجد إضافات مثبتة حاليا",
+    "empty": "لا توجد إضافات مثبتة",
     "emptySelectHint": "اختر إضافة لمعاينة التفاصيل",
     "installAllPlugins": "تثبيت الكل",
-    "networkError": "فشل الحصول على متجر الإضافات، يرجى التحقق من الاتصال بالشبكة وإعادة المحاولة",
-    "placeholder": "ابحث عن اسم الإضافة أو الكلمات الرئيسية...",
-    "releasedAt": "صدر في {{createdAt}}",
+    "networkError": "فشل الحصول على متجر الإضافات، يرجى التحقق من الاتصال بالشبكة والمحاولة مجددًا",
+    "placeholder": "ابحث عن اسم الإضافة أو الوصف أو الكلمات المفتاحية...",
+    "releasedAt": "نُشر في {{createdAt}}",
     "tabs": {
-      "installed": "مثبتة",
-      "mcp": "إضافة MCP",
-      "old": "إضافة LobeChat"
+      "installed": "مثبت",
+      "mcp": "إضافات MCP",
+      "old": "إضافات LobeChat"
     },
     "title": "متجر الإضافات"
   },
   "unknownError": "خطأ غير معروف",
-  "unknownPlugin": "البرنامج المساعد غير معروف"
+  "unknownPlugin": "إضافة غير معروفة"
 }

locales/ar/providers.json

@@ -2,9 +2,15 @@
   "ai21": {
     "description": "تقوم AI21 Labs ببناء نماذج أساسية وأنظمة ذكاء اصطناعي للشركات، مما يسرع من تطبيق الذكاء الاصطناعي التوليدي في الإنتاج."
   },
+  "ai302": {
+    "description": "302.AI هو منصة تطبيقات ذكاء اصطناعي تعتمد على الدفع حسب الاستخدام، تقدم أكثر واجهات برمجة التطبيقات للتعلم الآلي وتطبيقات الذكاء الاصطناعي عبر الإنترنت شمولاً في السوق"
+  },
   "ai360": {
     "description": "AI 360 هي منصة نماذج وخدمات الذكاء الاصطناعي التي أطلقتها شركة 360، تقدم مجموعة متنوعة من نماذج معالجة اللغة الطبيعية المتقدمة، بما في ذلك 360GPT2 Pro و360GPT Pro و360GPT Turbo و360GPT Turbo Responsibility 8K. تجمع هذه النماذج بين المعلمات الكبيرة والقدرات متعددة الوسائط، وتستخدم على نطاق واسع في توليد النصوص، وفهم المعاني، وأنظمة الحوار، وتوليد الشيفرات. من خلال استراتيجيات تسعير مرنة، تلبي AI 360 احتياجات المستخدمين المتنوعة، وتدعم المطورين في التكامل، مما يعزز الابتكار والتطوير في التطبيقات الذكية."
   },
+  "aihubmix": {
+    "description": "يوفر AiHubMix الوصول إلى نماذج الذكاء الاصطناعي المتعددة من خلال واجهة برمجة تطبيقات موحدة."
+  },
   "anthropic": {
     "description": "Anthropic هي شركة تركز على أبحاث وتطوير الذكاء الاصطناعي، وتقدم مجموعة من نماذج اللغة المتقدمة، مثل Claude 3.5 Sonnet وClaude 3 Sonnet وClaude 3 Opus وClaude 3 Haiku. تحقق هذه النماذج توازنًا مثاليًا بين الذكاء والسرعة والتكلفة، وتناسب مجموعة متنوعة من سيناريوهات التطبيقات، من أحمال العمل على مستوى المؤسسات إلى الاستجابات السريعة. يعتبر Claude 3.5 Sonnet أحدث نماذجها، وقد أظهر أداءً ممتازًا في العديد من التقييمات مع الحفاظ على نسبة تكلفة فعالة."
   },

locales/ar/setting.json

@@ -183,10 +183,21 @@
     "title": "معلومات المساعد"
   },
   "settingAppearance": {
+    "animationMode": {
+      "agile": "سريع",
+      "desc": "اختر سرعة استجابة حركة التطبيق",
+      "disabled": "إيقاف",
+      "elegant": "أنيق",
+      "title": "حركة الاستجابة"
+    },
     "neutralColor": {
       "desc": "تخصيص تدرجات الرمادي ذات الاتجاهات اللونية المختلفة",
       "title": "لون محايد"
     },
+    "noAnimation": {
+      "desc": "تعطيل جميع تأثيرات الحركة في التطبيق",
+      "title": "وضع بدون حركة"
+    },
     "preview": {
       "title": "لوحة الألوان"
     },

locales/bg-BG/modelProvider.json

@@ -189,6 +189,7 @@
       "aesGcm": "Вашият ключ и адреса на прокси ще бъдат криптирани с <1>AES-GCM</1> алгоритъм",
       "apiKey": {
         "desc": "Моля, въведете вашия {{name}} API ключ",
+        "descWithUrl": "Моля, въведете вашия {{name}} API ключ, <3>кликнете тук, за да го получите</3>",
         "placeholder": "{{name}} API ключ",
         "title": "API ключ"
       },
@@ -305,6 +306,7 @@
         "latestTime": "Последно обновление: {{time}}",
         "noLatestTime": "Все още не е получен списък"
       },
+      "noModelsInCategory": "В тази категория няма активирани модели",
       "resetAll": {
         "conform": "Потвърдете ли, че искате да нулирате всички промени в текущия модел? След нулирането списъкът с текущи модели ще се върне в първоначалното си състояние",
         "success": "Успешно нулирано",
@@ -315,7 +317,15 @@
       "title": "Списък с модели",
       "total": "Общо {{count}} налични модела"
     },
-    "searchNotFound": "Не са намерени резултати от търсенето"
+    "searchNotFound": "Не са намерени резултати от търсенето",
+    "tabs": {
+      "all": "Всички",
+      "chat": "Чат",
+      "embedding": "Векторизация",
+      "image": "Изображение",
+      "stt": "ASR",
+      "tts": "TTS"
+    }
   },
   "sortModal": {
     "success": "Сортирането е успешно обновено",

locales/bg-BG/models.json

@@ -32,6 +32,9 @@
   "4.0Ultra": {
     "description": "Spark4.0 Ultra е най-мощната версия в серията Starfire, която подобрява разбирането и обобщаването на текстовото съдържание, докато надгражда свързаните търсения. Това е всестранно решение за повишаване на производителността в офиса и точно отговаряне на нуждите, водещо в индустрията интелигентно решение."
   },
+  "AnimeSharp": {
+    "description": "AnimeSharp (известен още като “4x‑AnimeSharp”) е отворен модел за свръхрезолюция, разработен от Kim2091 на базата на архитектурата ESRGAN, фокусиран върху увеличаване и изостряне на изображения в аниме стил. През февруари 2022 г. моделът е преименуван от “4x-TextSharpV1” и първоначално е бил подходящ и за текстови изображения, но е оптимизиран значително за аниме съдържание."
+  },
   "Baichuan2-Turbo": {
     "description": "Използва технологии за подобряване на търсенето, за да свърже голям модел с областни знания и знания от интернет. Поддържа качване на различни документи като PDF, Word и вход на уебсайтове, с бърз и цялостен достъп до информация, предоставяйки точни и професионални резултати."
   },
@@ -71,6 +74,9 @@
   "DeepSeek-V3": {
     "description": "DeepSeek-V3 е MoE модел, разработен от компанията DeepSeek. DeepSeek-V3 постига резултати в множество оценки, които надминават други отворени модели като Qwen2.5-72B и Llama-3.1-405B, като по отношение на производителност е наравно с водещите затворени модели в света като GPT-4o и Claude-3.5-Sonnet."
   },
+  "DeepSeek-V3-Fast": {
+    "description": "Доставчик на модела: платформа sophnet. DeepSeek V3 Fast е високоскоростната версия с висока TPS на DeepSeek V3 0324, с пълна точност без квантизация, с по-силни кодови и математически възможности и по-бърз отговор!"
+  },
   "Doubao-lite-128k": {
     "description": "Doubao-lite предлага изключително бърза реакция и по-добро съотношение цена-качество, осигурявайки по-гъвкави опции за различни сценарии на клиентите. Поддържа разсъждения и финна настройка с контекстен прозорец от 128k."
   },
@@ -89,6 +95,9 @@
   "Doubao-pro-4k": {
     "description": "Най-ефективният основен модел, подходящ за обработка на сложни задачи, с отлични резултати в справки, обобщения, творчество, текстова класификация и ролеви игри. Поддържа разсъждения и финна настройка с контекстен прозорец от 4k."
   },
+  "DreamO": {
+    "description": "DreamO е отворен модел за персонализирано генериране на изображения, съвместно разработен от ByteDance и Пекинския университет, с цел поддържане на мултизадачно генериране на изображения чрез унифицирана архитектура. Той използва ефективен комбиниран модел, който може да генерира високо съгласувани и персонализирани изображения според множество условия, зададени от потребителя, като идентичност, обект, стил и фон."
+  },
   "ERNIE-3.5-128K": {
     "description": "Флагманският модел на Baidu, разработен самостоятелно, е мащабен езиков модел, който обхваща огромно количество китайски и английски текстове. Той притежава мощни общи способности и може да отговори на почти всички изисквания за диалогови въпроси и отговори, генериране на съдържание и приложения с плъгини; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията за отговорите."
   },
@@ -122,15 +131,39 @@
   "ERNIE-Speed-Pro-128K": {
     "description": "Най-новият модел на Baidu за големи езикови модели с висока производителност, разработен самостоятелно, с отлични общи способности, по-добри резултати в сравнение с ERNIE Speed, подходящ за основен модел за фина настройка, за по-добро справяне с конкретни проблеми, като същевременно предлага отлична производителност при извеждане."
   },
+  "FLUX.1-Kontext-dev": {
+    "description": "FLUX.1-Kontext-dev е мултимоделен модел за генериране и редактиране на изображения, разработен от Black Forest Labs, базиран на архитектурата Rectified Flow Transformer с 12 милиарда параметри. Моделът е специализиран в генериране, реконструкция, подобряване и редактиране на изображения при зададени контекстуални условия. Той съчетава предимствата на контролираното генериране на дифузионни модели с контекстуалното моделиране на Transformer, поддържайки висококачествен изход и широко приложение в задачи като възстановяване, допълване и реконструкция на визуални сцени."
+  },
+  "FLUX.1-dev": {
+    "description": "FLUX.1-dev е отворен мултимодален езиков модел (Multimodal Language Model, MLLM), разработен от Black Forest Labs, оптимизиран за задачи с текст и изображения. Той интегрира разбиране и генериране на изображения и текст, базиран на напреднали големи езикови модели като Mistral-7B, с внимателно проектиран визуален енкодер и многостепенно фино настройване с инструкции, което позволява съвместна обработка на текст и изображения и сложни задачи за разсъждение."
+  },
   "Gryphe/MythoMax-L2-13b": {
     "description": "MythoMax-L2 (13B) е иновативен модел, подходящ за приложения в множество области и сложни задачи."
   },
+  "HelloMeme": {
+    "description": "HelloMeme е AI инструмент, който автоматично генерира мемета, анимирани GIF файлове или кратки видеоклипове въз основа на предоставени от вас изображения или действия. Не е необходимо да имате умения за рисуване или програмиране – просто подгответе референтни изображения и инструментът ще създаде красиви, забавни и стилово съгласувани съдържания."
+  },
+  "HiDream-I1-Full": {
+    "description": "HiDream-E1-Full е отворен мултимодален голям модел за редактиране на изображения, разработен от HiDream.ai, базиран на напредналата архитектура Diffusion Transformer и съчетаващ мощни езикови способности (вграден LLaMA 3.1-8B-Instruct). Поддържа генериране на изображения, трансфер на стил, локално редактиране и прерисуване чрез естествени езикови команди, с изключителни умения за разбиране и изпълнение на текстово-изобразителни задачи."
+  },
+  "HunyuanDiT-v1.2-Diffusers-Distilled": {
+    "description": "hunyuandit-v1.2-distilled е лек модел за генериране на изображения от текст, оптимизиран чрез дистилация, който може бързо да създава висококачествени изображения, особено подходящ за среди с ограничени ресурси и задачи за реално време."
+  },
+  "InstantCharacter": {
+    "description": "InstantCharacter е персонализиран модел за генериране на персонажи без нужда от фино настройване, пуснат от AI екипа на Tencent през 2025 г. Целта му е да осигури висококачествено и консистентно генериране на персонажи в различни сцени. Моделът поддържа моделиране на персонаж само на базата на една референтна снимка и позволява гъвкаво пренасяне на персонажа в различни стилове, пози и фонове."
+  },
   "InternVL2-8B": {
     "description": "InternVL2-8B е мощен визуален езиков модел, който поддържа многомодално обработване на изображения и текст, способен да разпознава точно съдържанието на изображения и да генерира свързани описания или отговори."
   },
   "InternVL2.5-26B": {
     "description": "InternVL2.5-26B е мощен визуален езиков модел, който поддържа многомодално обработване на изображения и текст, способен да разпознава точно съдържанието на изображения и да генерира свързани описания или отговори."
   },
+  "Kolors": {
+    "description": "Kolors е модел за генериране на изображения от текст, разработен от екипа Kolors на Kuaishou. Той е обучен с милиарди параметри и има значителни предимства в качеството на визуализация, разбирането на китайски семантичен контекст и рендирането на текст."
+  },
+  "Kwai-Kolors/Kolors": {
+    "description": "Kolors е голям модел за генериране на изображения от текст, базиран на латентна дифузия, разработен от екипа Kolors на Kuaishou. Обучен с милиарди двойки текст-изображение, моделът демонстрира значителни предимства в качеството на визуализация, точността на сложната семантика и рендирането на китайски и английски символи. Той поддържа вход на китайски и английски език и се представя отлично в разбирането и генерирането на специфично китайско съдържание."
+  },
   "Llama-3.2-11B-Vision-Instruct": {
     "description": "Изключителни способности за визуално разсъждение върху изображения с висока резолюция, подходящи за приложения за визуално разбиране."
   },
@@ -164,9 +197,15 @@
   "MiniMaxAI/MiniMax-M1-80k": {
     "description": "MiniMax-M1 е мащабен модел за разсъждение с отворени тегла и смесено внимание, с 456 милиарда параметри, като всеки токен активира около 45.9 милиарда параметри. Моделът поддържа естествено контекст с дължина до 1 милион токена и чрез механизма за светкавично внимание спестява 75% от изчисленията при задачи с генериране на 100 хиляди токена в сравнение с DeepSeek R1. Освен това MiniMax-M1 използва MoE (смесен експертен) архитектура, комбинирайки CISPO алгоритъм и ефективно обучение с подсилване с дизайн на смесено внимание, постигащи водещи в индустрията резултати при дълги входни разсъждения и реални софтуерни инженерни сценарии."
   },
+  "Moonshot-Kimi-K2-Instruct": {
+    "description": "Общ брой параметри 1 трилион, активирани параметри 32 милиарда. Сред немисловните модели постига водещи резултати в областта на актуални знания, математика и кодиране, с по-добри възможности за универсални агентски задачи. Специално оптимизиран за агентски задачи, не само отговаря на въпроси, но и може да предприема действия. Най-подходящ за импровизирани, универсални разговори и агентски преживявания, модел с рефлексна скорост без нужда от дълго мислене."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) е модел с висока точност за инструкции, подходящ за сложни изчисления."
   },
+  "OmniConsistency": {
+    "description": "OmniConsistency подобрява консистентността на стил и генерализацията в задачи за преобразуване на изображения чрез въвеждане на големи дифузионни трансформъри (DiTs) и двойни стилизирани данни, като предотвратява деградация на стила."
+  },
   "Phi-3-medium-128k-instruct": {
     "description": "Същият модел Phi-3-medium, но с по-голям размер на контекста за RAG или малко подканване."
   },
@@ -218,6 +257,9 @@
   "Pro/deepseek-ai/DeepSeek-V3": {
     "description": "DeepSeek-V3 е модел на езика с 6710 милиарда параметри, който използва архитектура на смесени експерти (MoE) с много глави на потенциално внимание (MLA) и стратегия за баланс на натоварването без помощни загуби, оптимизираща производителността на инференцията и обучението. Чрез предварително обучение на 14.8 трилиона висококачествени токени и последващо супервизирано фино настройване и обучение с подсилване, DeepSeek-V3 надминава производителността на други отворени модели и е близо до водещите затворени модели."
   },
+  "Pro/moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 е базов модел с MoE архитектура с изключителни кодови и агентски способности, с общо 1 трилион параметри и 32 милиарда активирани параметри. В бенчмаркове за общо знание, програмиране, математика и агентски задачи моделът K2 превъзхожда други водещи отворени модели."
+  },
   "QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview е иновативен модел за обработка на естествен език, способен да обработва ефективно сложни задачи за генериране на диалог и разбиране на контекста."
   },
@@ -278,9 +320,18 @@
   "Qwen/Qwen3-235B-A22B": {
     "description": "Qwen3 е ново поколение модел на Tongyi Qianwen с значително подобрени способности, достигащи водещо ниво в индустрията в разсъждения, общи, агенти и многоезични основни способности, и поддържа превключване на режим на мислене."
   },
+  "Qwen/Qwen3-235B-A22B-Instruct-2507": {
+    "description": "Qwen3-235B-A22B-Instruct-2507 е флагмански голям езиков модел с хибридни експерти (MoE) от серията Qwen3, разработен от екипа на Alibaba Cloud Tongyi Qianwen. Моделът има общо 235 милиарда параметри, като при всяко извеждане се активират 22 милиарда. Той е обновена версия на Qwen3-235B-A22B в не-мисловен режим, със значителни подобрения в следването на инструкции, логическо разсъждение, разбиране на текст, математика, наука, програмиране и използване на инструменти. Моделът също така разширява покритието на многоезикови дългоопашати знания и по-добре се адаптира към потребителските предпочитания в субективни и отворени задачи, за да генерира по-полезен и качествен текст."
+  },
+  "Qwen/Qwen3-235B-A22B-Thinking-2507": {
+    "description": "Qwen3-235B-A22B-Thinking-2507 е член на серията големи езикови модели Qwen3, разработен от екипа на Alibaba Tongyi Qianwen, фокусиран върху сложни задачи за разсъждение. Моделът използва MoE архитектура с общо 235 милиарда параметри, като при обработка на всеки токен се активират около 22 милиарда, което повишава изчислителната ефективност без да се губи мощност. Като специализиран „мисловен“ модел, той постига значителни подобрения в логическо разсъждение, математика, наука, програмиране и академични бенчмаркове, достигайки водещи нива сред отворените мисловни модели. Освен това подобрява общите способности като следване на инструкции, използване на инструменти и генериране на текст, и поддържа нативно разбиране на дълги контексти до 256K токена, подходящ за дълбоко разсъждение и обработка на дълги документи."
+  },
   "Qwen/Qwen3-30B-A3B": {
     "description": "Qwen3 е ново поколение модел на Tongyi Qianwen с значително подобрени способности, достигащи водещо ниво в индустрията в разсъждения, общи, агенти и многоезични основни способности, и поддържа превключване на режим на мислене."
   },
+  "Qwen/Qwen3-30B-A3B-Instruct-2507": {
+    "description": "Qwen3-30B-A3B-Instruct-2507 е обновена версия на Qwen3-30B-A3B в режим без мислене. Това е хибриден експертен (MoE) модел с общо 30,5 милиарда параметри и 3,3 милиарда активни параметри. Моделът е получил ключови подобрения в множество аспекти, включително значително подобрена способност за следване на инструкции, логическо разсъждение, разбиране на текст, математика, наука, кодиране и използване на инструменти. Освен това, той постига съществен напредък в покритието на дългоопашатите знания на многоезично ниво и по-добре се съгласува с предпочитанията на потребителите при субективни и отворени задачи, което позволява генериране на по-полезни отговори и по-висококачествен текст. Освен това, способността му за разбиране на дълги текстове е увеличена до 256K. Този модел поддържа само режим без мислене и в изхода му не се генерират тагове `<think></think>`."
+  },
   "Qwen/Qwen3-32B": {
     "description": "Qwen3 е ново поколение модел на Tongyi Qianwen с значително подобрени способности, достигащи водещо ниво в индустрията в разсъждения, общи, агенти и многоезични основни способности, и поддържа превключване на режим на мислене."
   },
@@ -314,6 +365,12 @@
   "Qwen2.5-Coder-32B-Instruct": {
     "description": "Qwen2.5-Coder-32B-Instruct е голям езиков модел, проектиран специално за генериране на код, разбиране на код и ефективни сценарии за разработка, с водеща в индустрията параметрична стойност от 32B, способен да отговори на разнообразни програмни нужди."
   },
+  "Qwen3-235B": {
+    "description": "Qwen3-235B-A22B е MoE (хибриден експертен модел), който въвежда „хибриден режим на разсъждение“, позволяващ на потребителите безпроблемно превключване между „режим мислене“ и „режим без мислене“. Поддържа разбиране и разсъждение на 119 езика и диалекта и разполага с мощни възможности за извикване на инструменти. В множество базови тестове за общи способности, кодиране, математика, многоезичност, знания и разсъждение, той може да се конкурира с водещите големи модели на пазара като DeepSeek R1, OpenAI o1, o3-mini, Grok 3 и Google Gemini 2.5 Pro."
+  },
+  "Qwen3-32B": {
+    "description": "Qwen3-32B е плътен модел (Dense Model), който въвежда „хибриден режим на разсъждение“, позволяващ на потребителите безпроблемно превключване между „режим мислене“ и „режим без мислене“. Благодарение на подобрения в архитектурата на модела, увеличени тренировъчни данни и по-ефективни методи за обучение, общата производителност е сравнима с тази на Qwen2.5-72B."
+  },
   "SenseChat": {
     "description": "Основна версия на модела (V4), с контекстна дължина 4K, с мощни общи способности."
   },
@@ -350,6 +407,12 @@
   "SenseChat-Vision": {
     "description": "Най-новата версия на модела (V5.5) поддържа вход с множество изображения и напълно реализира оптимизация на основните способности на модела, с голямо подобрение в разпознаването на свойства на обекти, пространствени отношения, разпознаване на действия и събития, разбиране на сцени, разпознаване на емоции, логическо разсъждение и генериране на текст."
   },
+  "SenseNova-V6-5-Pro": {
+    "description": "Чрез цялостно обновяване на мултимодалните, езиковите и разсъждаващите данни и оптимизация на тренировъчните стратегии, новият модел постига значително подобрение в мултимодалното разсъждение и способността за следване на общи инструкции. Поддържа контекстен прозорец до 128k и показва отлични резултати в специализирани задачи като OCR и разпознаване на културно-туристически IP."
+  },
+  "SenseNova-V6-5-Turbo": {
+    "description": "Чрез цялостно обновяване на мултимодалните, езиковите и разсъждаващите данни и оптимизация на тренировъчните стратегии, новият модел постига значително подобрение в мултимодалното разсъждение и способността за следване на общи инструкции. Поддържа контекстен прозорец до 128k и показва отлични резултати в специализирани задачи като OCR и разпознаване на културно-туристически IP."
+  },
   "SenseNova-V6-Pro": {
     "description": "Постигане на родно обединение на възможностите за изображения, текст и видео, преодолявайки ограниченията на традиционните мултимодални разделения, спечелвайки двойна титла в оценките OpenCompass и SuperCLUE."
   },
@@ -548,6 +611,9 @@
   "aya:35b": {
     "description": "Aya 23 е многозначен модел, представен от Cohere, поддържащ 23 езика, предоставяйки удобство за многоезични приложения."
   },
+  "azure-DeepSeek-R1-0528": {
+    "description": "Доставен от Microsoft; моделът DeepSeek R1 е получил малка версия ъпгрейд, текущата версия е DeepSeek-R1-0528. В най-новата актуализация DeepSeek R1 значително подобрява дълбочината на разсъждение и способността за извод чрез увеличаване на изчислителните ресурси и въвеждане на алгоритмична оптимизация в следтренировъчния етап. Този модел се представя отлично в множество бенчмаркове като математика, програмиране и обща логика, като общата му производителност вече е близка до водещи модели като O3 и Gemini 2.5 Pro."
+  },
   "baichuan/baichuan2-13b-chat": {
     "description": "Baichuan-13B е отворен, комерсиален голям езиков модел, разработен от Baichuan Intelligence, с 13 милиарда параметри, който постига най-добрите резултати в своя размер на авторитетни бенчмаркове на китайски и английски."
   },
@@ -608,6 +674,9 @@
   "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-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."
+  },
   "claude-opus-4-20250514": {
     "description": "Claude Opus 4 е най-мощният модел на Anthropic, предназначен за обработка на изключително сложни задачи. Той се отличава с изключителна производителност, интелигентност, плавност и разбиране."
   },
@@ -944,6 +1013,9 @@
   "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."
   },
+  "doubao-seedream-3-0-t2i-250415": {
+    "description": "Моделът за генериране на изображения Doubao е разработен от екипа Seed на ByteDance, поддържа вход както от текст, така и от изображения, и предлага високо контролирано и качествено генериране на изображения. Генерира изображения въз основа на текстови подсказки."
+  },
   "doubao-vision-lite-32k": {
     "description": "Моделът Doubao-vision е мултимодален голям модел, разработен от Doubao, с мощни способности за разбиране и разсъждение върху изображения, както и прецизно разбиране на инструкции. Моделът показва силна производителност при извличане на информация от изображения и текст, както и при задачи за разсъждение, базирани на изображения, подходящ за по-сложни и широки визуални въпроси."
   },
@@ -995,6 +1067,9 @@
   "ernie-char-fiction-8k": {
     "description": "Специализиран голям езиков модел, разработен от Baidu, подходящ за приложения като NPC в игри, диалози на клиентска поддръжка и ролеви игри, с по-изразителен и последователен стил на персонажите, по-силна способност за следване на инструкции и по-добра производителност на разсъжденията."
   },
+  "ernie-irag-edit": {
+    "description": "Собствен модел за редактиране на изображения ERNIE iRAG на Baidu поддържа операции като изтриване (erase), прерисуване (repaint) и вариации (variation) върху изображения."
+  },
   "ernie-lite-8k": {
     "description": "ERNIE Lite е лек голям езиков модел, разработен от Baidu, който съчетава отлични резултати с производителност на разсъжденията, подходящ за използване с AI ускорителни карти с ниска изчислителна мощ."
   },
@@ -1022,14 +1097,32 @@
   "ernie-x1-turbo-32k": {
     "description": "В сравнение с ERNIE-X1-32K, моделът предлага по-добри резултати и производителност."
   },
+  "flux-1-schnell": {
+    "description": "Модел за генериране на изображения от текст с 12 милиарда параметри, разработен от Black Forest Labs, използващ латентна противоречива дифузионна дистилация, способен да генерира висококачествени изображения за 1 до 4 стъпки. Моделът постига производителност, сравнима с проприетарни алтернативи, и е пуснат под лиценз Apache-2.0, подходящ за лична, научна и търговска употреба."
+  },
+  "flux-dev": {
+    "description": "FLUX.1 [dev] е отворен и пречистен модел, предназначен за нетърговска употреба. Той запазва качество на изображенията и способността за следване на инструкции, близки до професионалната версия на FLUX, като същевременно предлага по-висока ефективност на работа и по-добро използване на ресурсите в сравнение със стандартни модели със същия размер."
+  },
   "flux-kontext/dev": {
-    "description": "Модел за редактиране на изображения Frontier."
+    "description": "FLUX.1 модел, фокусиран върху задачи за редактиране на изображения, поддържащ текстови и визуални входни данни."
+  },
+  "flux-merged": {
+    "description": "FLUX.1-merged комбинира дълбоките характеристики, изследвани в разработката на \"DEV\" версията, с високоскоростните предимства на \"Schnell\". Тази комбинация не само разширява границите на производителността на модела, но и увеличава обхвата на неговото приложение."
   },
   "flux-pro/kontext": {
     "description": "FLUX.1 Kontext [pro] може да обработва текст и референтни изображения като вход, осигурявайки безпроблемно целенасочено локално редактиране и сложни трансформации на цялостната сцена."
   },
+  "flux-schnell": {
+    "description": "FLUX.1 [schnell] е най-напредналият отворен модел с малък брой стъпки, който надминава конкурентите си и дори превъзхожда мощни нефино настроени модели като Midjourney v6.0 и DALL·E 3 (HD). Моделът е специално фино настроен, за да запази пълното разнообразие на изхода от предварителното обучение и значително подобрява визуалното качество, следването на инструкции, промяната на размери/пропорции, обработката на шрифтове и разнообразието на изхода в сравнение с най-съвременните модели на пазара, предоставяйки по-богато и разнообразно творческо генериране на изображения."
+  },
+  "flux.1-schnell": {
+    "description": "Коригиран потоков трансформър с 12 милиарда параметри, способен да генерира изображения въз основа на текстово описание."
+  },
+  "flux/krea": {
+    "description": "Flux Krea [dev] е модел за генериране на изображения с естетически предпочитания, целящ да създава по-реалистични и естествени изображения."
+  },
   "flux/schnell": {
-    "description": "FLUX.1 [schnell] е потоков трансформаторен модел с 12 милиарда параметри, способен да генерира висококачествени изображения от текст в 1 до 4 стъпки, подходящ за лична и търговска употреба."
+    "description": "FLUX.1 [schnell] е модел за генериране на изображения с 12 милиарда параметри, фокусиран върху бързото създаване на висококачествени изображения."
   },
   "gemini-1.0-pro-001": {
     "description": "Gemini 1.0 Pro 001 (Тунинг) предлага стабилна и настройваема производителност, идеален избор за решения на сложни задачи."
@@ -1109,9 +1202,6 @@
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview е моделът с най-добро съотношение цена-качество на Google, предлагащ пълна функционалност."
   },
-  "gemini-2.5-flash-preview-04-17-thinking": {
-    "description": "Gemini 2.5 Flash Preview е най-ефективният модел на Google, предлагащ пълна функционалност."
-  },
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview е най-ефективният модел на Google, предлагащ пълна функционалност."
   },
@@ -1190,6 +1280,21 @@
   "glm-4.1v-thinking-flashx": {
     "description": "Серията модели GLM-4.1V-Thinking е най-мощният визуален модел сред известните VLM модели с размер около 10 милиарда параметри, обединяващ водещи в класа си задачи за визуално-езиково разбиране, включително видео разбиране, въпроси и отговори върху изображения, решаване на предметни задачи, OCR разпознаване на текст, интерпретация на документи и графики, GUI агент, кодиране на уеб страници, Grounding и други. Някои от задачите дори превъзхождат модели с 8 пъти повече параметри като Qwen2.5-VL-72B. Чрез водещи техники за подсилено обучение моделът овладява разсъждения чрез вериги на мисълта, което значително подобрява точността и богатството на отговорите, превъзхождайки традиционните модели без мисловен процес по отношение на крайния резултат и обяснимостта."
   },
+  "glm-4.5": {
+    "description": "Най-новият флагмански модел на Zhizhu, поддържащ режим на мислене, с общи способности на ниво SOTA сред отворените модели и контекстова дължина до 128K."
+  },
+  "glm-4.5-air": {
+    "description": "Леката версия на GLM-4.5, балансираща между производителност и цена, с възможност за гъвкаво превключване на смесен мисловен режим."
+  },
+  "glm-4.5-airx": {
+    "description": "Експресната версия на GLM-4.5-Air с по-бърза реакция, специално създадена за големи мащаби и високи скорости."
+  },
+  "glm-4.5-flash": {
+    "description": "Безплатната версия на GLM-4.5, с отлични резултати в задачи за разсъждение, кодиране и интелигентни агенти."
+  },
+  "glm-4.5-x": {
+    "description": "Експресната версия на GLM-4.5, която съчетава силна производителност с генериране на скорост до 100 токена в секунда."
+  },
   "glm-4v": {
     "description": "GLM-4V предлага мощни способности за разбиране и разсъждение на изображения, поддържаща множество визуални задачи."
   },
@@ -1209,7 +1314,7 @@
     "description": "Супер бързо разсъждение: с изключително бърза скорост на разсъждение и силни резултати."
   },
   "glm-z1-flash": {
-    "description": "GLM-Z1 серията притежава силни способности за сложни разсъждения, показвайки отлични резултати в логическите разсъждения, математиката и програмирането. Максималната дължина на контекста е 32K."
+    "description": "Серията GLM-Z1 притежава мощни способности за сложни разсъждения и се представя отлично в логическо мислене, математика и програмиране."
   },
   "glm-z1-flashx": {
     "description": "Висока скорост и ниска цена: Flash подобрена версия с изключително бърза скорост на инференция и по-добра гаранция за паралелна обработка."
@@ -1379,12 +1484,33 @@
   "gpt-4o-transcribe": {
     "description": "GPT-4o Transcribe е модел за преобразуване на реч в текст, използващ GPT-4o за транскрибиране на аудио. В сравнение с оригиналния модел Whisper, той намалява процента на грешки в думите и подобрява разпознаването на езика и точността. Използвайте го за по-точни транскрипции."
   },
+  "gpt-5": {
+    "description": "Най-добрият модел за междуотраслово кодиране и задачи с агенти. GPT-5 постига пробиви в точност, скорост, разсъждение, разпознаване на контекст, структурирано мислене и решаване на проблеми."
+  },
+  "gpt-5-chat-latest": {
+    "description": "Моделът GPT-5, използван в ChatGPT. Комбинира мощно разбиране и генериране на език, подходящ за диалогови приложения."
+  },
+  "gpt-5-mini": {
+    "description": "По-бърза и по-икономична версия на GPT-5, подходяща за ясно дефинирани задачи. Осигурява по-бърз отговор, като същевременно поддържа високо качество на изхода."
+  },
+  "gpt-5-nano": {
+    "description": "Най-бързата и най-икономична версия на GPT-5. Отлично подходяща за приложения, изискващи бърз отговор и чувствителни към разходите."
+  },
   "gpt-image-1": {
     "description": "Роден мултимодален модел за генериране на изображения ChatGPT."
   },
+  "gpt-oss": {
+    "description": "GPT-OSS 20B е отворен голям езиков модел, публикуван от OpenAI, използващ технологията за квантуване MXFP4, подходящ за работа на висок клас потребителски GPU или Apple Silicon Mac. Този модел се отличава с отлични резултати в генерирането на диалози, писането на код и задачи за разсъждение, като поддържа извикване на функции и използване на инструменти."
+  },
+  "gpt-oss:120b": {
+    "description": "GPT-OSS 120B е голям отворен езиков модел, публикуван от OpenAI, използващ технологията за квантуване MXFP4, предназначен за флагмански клас модели. Изисква многократни GPU или високопроизводителна работна станция за работа, с изключителни възможности в сложни разсъждения, генериране на код и многоезична обработка, поддържайки усъвършенствано извикване на функции и интеграция на инструменти."
+  },
   "grok-2-1212": {
     "description": "Този модел е подобрен по отношение на точност, спазване на инструкции и многоезични способности."
   },
+  "grok-2-image-1212": {
+    "description": "Нашият най-нов модел за генериране на изображения може да създава живи и реалистични изображения въз основа на текстови подсказки. Той се представя отлично в маркетинг, социални медии и развлекателни области."
+  },
   "grok-2-vision-1212": {
     "description": "Този модел е подобрен по отношение на точност, спазване на инструкции и многоезични способности."
   },
@@ -1454,6 +1580,9 @@
   "hunyuan-t1-20250529": {
     "description": "Оптимизиран за текстово творчество и писане на есета, подобрява уменията в кодирането, математиката и логическото разсъждение, както и способността за следване на инструкции."
   },
+  "hunyuan-t1-20250711": {
+    "description": "Значително подобрени способности в сложна математика, логика и кодиране, оптимизирана стабилност на изхода и подобрена работа с дълги текстове."
+  },
   "hunyuan-t1-latest": {
     "description": "Първият в индустрията свръхголям хибриден трансформаторен модел за инференция, който разширява инференционните способности, предлага изключителна скорост на декодиране и допълнително съгласува човешките предпочитания."
   },
@@ -1502,6 +1631,12 @@
   "hunyuan-vision": {
     "description": "Най-новият мултимодален модел на HunYuan, поддържащ генериране на текстово съдържание от изображения и текстови входове."
   },
+  "image-01": {
+    "description": "Нов модел за генериране на изображения с фини детайли, поддържащ генериране от текст и изображения."
+  },
+  "image-01-live": {
+    "description": "Модел за генериране на изображения с фини детайли, поддържащ генериране от текст и настройка на стил."
+  },
   "imagen-4.0-generate-preview-06-06": {
     "description": "Imagen 4-то поколение текст-към-изображение модел серия"
   },
@@ -1509,7 +1644,7 @@
     "description": "Imagen 4-то поколение текст-към-изображение модел серия Ултра версия"
   },
   "imagen4/preview": {
-    "description": "Най-висококачественият модел за генериране на изображения на Google."
+    "description": "Висококачествен модел за генериране на изображения, предоставен от Google."
   },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 предлага интелигентни решения за диалог в множество сценарии."
@@ -1526,6 +1661,9 @@
   "internvl3-latest": {
     "description": "Нашият най-нов мултимодален голям модел, с по-силни способности за разбиране на текст и изображения, дългосрочно разбиране на изображения, производителност, сравнима с водещи затворени модели. По подразбиране сочи към нашата най-нова версия на серията InternVL, текущо сочи към internvl3-78b."
   },
+  "irag-1.0": {
+    "description": "Собствената технология iRAG (image based RAG) на Baidu за генериране на изображения с подсилено търсене, комбинираща милиарди изображения от търсачката на Baidu с мощни основни модели, позволява създаването на изключително реалистични изображения, далеч надминаващи родните системи за генериране на изображения от текст, без изкуствен вид и с ниски разходи. iRAG се характеризира с липса на халюцинации, изключителна реалистичност и незабавна готовност."
+  },
   "jamba-large": {
     "description": "Нашият най-мощен и напреднал модел, проектиран за справяне с комплексни задачи на корпоративно ниво, с изключителна производителност."
   },
@@ -1535,6 +1673,9 @@
   "jina-deepsearch-v1": {
     "description": "Дълбокото търсене комбинира интернет търсене, четене и разсъждение, за да извърши обширно разследване. Можете да го разглеждате като агент, който приема вашата изследователска задача - той ще извърши широко търсене и ще премине през множество итерации, преди да предостави отговор. Този процес включва непрекъснато изследване, разсъждение и решаване на проблеми от различни ъгли. Това е коренно различно от стандартните големи модели, които генерират отговори директно от предварително обучени данни, и от традиционните RAG системи, които разчитат на еднократни повърхностни търсения."
   },
+  "kimi-k2": {
+    "description": "Kimi-K2 е базов модел с MoE архитектура, пуснат от Moonshot AI, с изключителни кодови и агентски способности, общо 1 трилион параметри и 32 милиарда активирани параметри. В бенчмаркове за общо знание, програмиране, математика и агентски задачи моделът K2 превъзхожда други водещи отворени модели."
+  },
   "kimi-k2-0711-preview": {
     "description": "kimi-k2 е базов модел с MoE архитектура с изключителни способности за кодиране и агентски функции, с общо 1 трилион параметри и 32 милиарда активни параметри. В тестове за общо знание, програмиране, математика и агентски задачи, моделът K2 превъзхожда други водещи отворени модели."
   },
@@ -1928,6 +2069,9 @@
   "moonshotai/Kimi-Dev-72B": {
     "description": "Kimi-Dev-72B е голям отворен модел за код, оптимизиран чрез мащабно подсилено обучение, способен да генерира стабилни и директно приложими пачове. Този модел постига нов рекорд от 60,4 % на SWE-bench Verified, подобрявайки резултатите на отворени модели в автоматизирани задачи за софтуерно инженерство като поправка на дефекти и преглед на код."
   },
+  "moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 е базов модел с MoE архитектура, с изключителни кодови и агентски способности, общо 1 трилион параметри и 32 милиарда активирани параметри. В бенчмаркове за общо знание, програмиране, математика и агентски задачи моделът K2 превъзхожда други водещи отворени модели."
+  },
   "moonshotai/kimi-k2-instruct": {
     "description": "kimi-k2 е базов модел с MoE архитектура с изключителни способности за кодиране и агент, с общо 1 трилион параметри и 32 милиарда активни параметри. В бенчмаркови тестове за общи знания, програмиране, математика и агенти, моделът K2 превъзхожда други водещи отворени модели."
   },
@@ -2003,6 +2147,12 @@
   "openai/gpt-4o-mini": {
     "description": "GPT-4o mini е най-новият модел на OpenAI, пуснат след GPT-4 Omni, който поддържа вход и изход на текст и изображения. Като най-напредналият им малък модел, той е значително по-евтин от другите нови модели и е с над 60% по-евтин от GPT-3.5 Turbo. Запазва най-съвременната интелигентност, като предлага значителна стойност за парите. GPT-4o mini получи 82% на теста MMLU и в момента е с по-висок рейтинг от GPT-4 в предпочитанията за чат."
   },
+  "openai/gpt-oss-120b": {
+    "description": "OpenAI GPT-OSS 120B е водещ езиков модел с 120 милиарда параметри, вграден браузър за търсене и изпълнение на код, както и способности за разсъждение."
+  },
+  "openai/gpt-oss-20b": {
+    "description": "OpenAI GPT-OSS 20B е водещ езиков модел с 20 милиарда параметри, вграден браузър за търсене и изпълнение на код, както и способности за разсъждение."
+  },
   "openai/o1": {
     "description": "o1 е новият модел за разсъждение на OpenAI, който поддържа вход с изображения и текст и генерира текст, подходящ за сложни задачи, изискващи широкообхватни общи знания. Моделът разполага с контекст от 200K и дата на знание до октомври 2023 г."
   },
@@ -2063,6 +2213,9 @@
   "qwen-coder-turbo-latest": {
     "description": "Моделът на кода Qwen."
   },
+  "qwen-image": {
+    "description": "Мощен модел за генериране на изображения от екипа на Qwen, с впечатляващи възможности за генериране на китайски текст и разнообразни визуални стилове на изображения."
+  },
   "qwen-long": {
     "description": "Qwen е мащабен езиков модел, който поддържа дълги текстови контексти и диалогови функции, базирани на дълги документи и множество документи."
   },
@@ -2264,9 +2417,21 @@
   "qwen3-235b-a22b": {
     "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."
   },
+  "qwen3-235b-a22b-instruct-2507": {
+    "description": "Отворен модел в не-мисловен режим, базиран на Qwen3, с леки подобрения в субективните творчески способности и безопасността на модела спрямо предишната версия (Tongyi Qianwen 3-235B-A22B)."
+  },
+  "qwen3-235b-a22b-thinking-2507": {
+    "description": "Отворен модел в мисловен режим, базиран на Qwen3, с големи подобрения в логическите способности, общите умения, обогатяването на знания и творческите способности спрямо предишната версия (Tongyi Qianwen 3-235B-A22B), подходящ за сложни задачи с високи изисквания за разсъждение."
+  },
   "qwen3-30b-a3b": {
     "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."
   },
+  "qwen3-30b-a3b-instruct-2507": {
+    "description": "В сравнение с предишната версия (Qwen3-30B-A3B), общите способности на английски, китайски и многоезични задачи са значително подобрени. Специализирана оптимизация за субективни и отворени задачи, значително по-добре съобразена с предпочитанията на потребителите, което позволява предоставяне на по-полезни отговори."
+  },
+  "qwen3-30b-a3b-thinking-2507": {
+    "description": "Базиран на отворения модел в режим мислене на Qwen3, в сравнение с предишната версия (Tongyi Qianwen 3-30B-A3B) логическите способности, общите умения, знанията и творческите способности са значително подобрени, подходящ за сложни сценарии с интензивно разсъждение."
+  },
   "qwen3-32b": {
     "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."
   },
@@ -2276,6 +2441,15 @@
   "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-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."
+  },
+  "qwen3-coder-flash": {
+    "description": "Кодиращ модел на Tongyi Qianwen. Най-новата серия модели Qwen3-Coder е базирана на Qwen3 и е модел за генериране на код с мощни възможности на Coding Agent, умеещ да използва инструменти и да взаимодейства с околната среда, способен на автономно програмиране, с изключителни кодови умения и същевременно общи способности."
+  },
+  "qwen3-coder-plus": {
+    "description": "Кодиращ модел на Tongyi Qianwen. Най-новата серия модели Qwen3-Coder е базирана на Qwen3 и е модел за генериране на код с мощни възможности на Coding Agent, умеещ да използва инструменти и да взаимодейства с околната среда, способен на автономно програмиране, с изключителни кодови умения и същевременно общи способности."
+  },
   "qwq": {
     "description": "QwQ е експериментален изследователски модел, който се фокусира върху подобряване на AI разсъдъчните способности."
   },
@@ -2318,6 +2492,24 @@
   "sonar-reasoning-pro": {
     "description": "Нов API продукт, поддържан от модела за разсъждение DeepSeek."
   },
+  "stable-diffusion-3-medium": {
+    "description": "Най-новият голям модел за генериране на изображения от текст, пуснат от Stability AI. Тази версия запазва предимствата на предишните поколения и значително подобрява качеството на изображенията, разбирането на текст и разнообразието на стилове, позволявайки по-точно интерпретиране на сложни естествени езикови подсказки и генериране на по-прецизни и разнообразни изображения."
+  },
+  "stable-diffusion-3.5-large": {
+    "description": "stable-diffusion-3.5-large е мултимоделен дифузионен трансформър (MMDiT) модел за генериране на изображения от текст с 800 милиона параметри, предлагащ изключително качество на изображенията и съвпадение с подсказките, поддържащ генериране на изображения с резолюция до 1 милион пиксела и ефективна работа на обикновен хардуер за потребители."
+  },
+  "stable-diffusion-3.5-large-turbo": {
+    "description": "stable-diffusion-3.5-large-turbo е модел, базиран на stable-diffusion-3.5-large, използващ технологията за противоречива дифузионна дистилация (ADD) за по-висока скорост."
+  },
+  "stable-diffusion-v1.5": {
+    "description": "stable-diffusion-v1.5 е инициализиран с теглата на stable-diffusion-v1.2 checkpoint и е фино настроен за 595k стъпки при резолюция 512x512 върху \"laion-aesthetics v2 5+\", с намалена текстова кондиционираност с 10% за подобряване на безкласовото насочено семплиране."
+  },
+  "stable-diffusion-xl": {
+    "description": "stable-diffusion-xl представлява значително подобрение спрямо v1.5 и постига качество, сравнимо с водещия отворен модел midjourney. Основните подобрения включват: по-голям unet гръбнак, три пъти по-голям от предишния; добавен refinement модул за подобряване на качеството на генерираните изображения; по-ефективни техники за обучение и други."
+  },
+  "stable-diffusion-xl-base-1.0": {
+    "description": "Голям модел за генериране на изображения от текст, разработен и отворен от Stability AI, с водещи в индустрията способности за творческо генериране на изображения. Отличава се с изключителна способност за разбиране на инструкции и поддържа обратни промпти за прецизно дефиниране на съдържанието."
+  },
   "step-1-128k": {
     "description": "Баланс между производителност и разходи, подходящ за общи сценарии."
   },
@@ -2348,6 +2540,12 @@
   "step-1v-8k": {
     "description": "Малък визуален модел, подходящ за основни текстово-визуални задачи."
   },
+  "step-1x-edit": {
+    "description": "Този модел е специализиран за задачи по редактиране на изображения, способен да модифицира и подобрява изображения според предоставени от потребителя снимки и текстови описания. Поддържа различни входни формати, включително текстови описания и примерни изображения. Моделът разбира намеренията на потребителя и генерира редактирани изображения, отговарящи на изискванията."
+  },
+  "step-1x-medium": {
+    "description": "Този модел притежава мощни способности за генериране на изображения, поддържа вход от текстови описания. Има вградена поддръжка на китайски език, което позволява по-добро разбиране и обработка на китайски текстови описания, по-точно улавяне на семантиката и превръщането ѝ в визуални характеристики за по-прецизно генериране на изображения. Моделът може да генерира висококачествени и високоразделителни изображения и притежава известни способности за трансфер на стил."
+  },
   "step-2-16k": {
     "description": "Поддържа взаимодействия с голям мащаб на контекста, подходящи за сложни диалогови сценарии."
   },
@@ -2357,6 +2555,9 @@
   "step-2-mini": {
     "description": "Модел с бърза производителност, базиран на новото поколение собствена архитектура Attention MFA, който постига резултати, подобни на step1 с много ниски разходи, като същевременно поддържа по-висока производителност и по-бързо време за отговор. Може да обработва общи задачи и притежава специализирани умения в кодирането."
   },
+  "step-2x-large": {
+    "description": "Новото поколение модел за генериране на изображения Step Star, специализиран в генериране на висококачествени изображения според текстови описания от потребителя. Новият модел създава по-реалистични текстури и има по-силни способности за генериране на китайски и английски текст."
+  },
   "step-r1-v-mini": {
     "description": "Този модел е мощен модел за разсъждение с отлични способности за разбиране на изображения, способен да обработва информация от изображения и текст, и след дълбочинно разсъждение да генерира текстово съдържание. Моделът показва изключителни резултати в областта на визуалните разсъждения, като същевременно притежава първокласни способности в математиката, кода и текстовите разсъждения. Дължината на контекста е 100k."
   },
@@ -2432,8 +2633,23 @@
   "v0-1.5-md": {
     "description": "Моделът v0-1.5-md е подходящ за ежедневни задачи и генериране на потребителски интерфейс (UI)"
   },
+  "wan2.2-t2i-flash": {
+    "description": "Wanxiang 2.2 експресна версия, най-новият модел към момента. Комплексно подобрение в креативност, стабилност и реализъм, с бърза скорост на генериране и висока цена-ефективност."
+  },
+  "wan2.2-t2i-plus": {
+    "description": "Wanxiang 2.2 професионална версия, най-новият модел към момента. Комплексно подобрение в креативност, стабилност и реализъм, с богати детайли в генерираните изображения."
+  },
+  "wanx-v1": {
+    "description": "Основен модел за генериране на изображения от текст. Съответства на универсалния модел 1.0 на официалния сайт на Tongyi Wanxiang."
+  },
+  "wanx2.0-t2i-turbo": {
+    "description": "Специализиран в генериране на портрети с реалистична текстура, със средна скорост и ниски разходи. Съответства на експресния модел 2.0 на официалния сайт на Tongyi Wanxiang."
+  },
+  "wanx2.1-t2i-plus": {
+    "description": "Пълноценна ъпгрейд версия. Генерираните изображения са с по-богати детайли, скоростта е леко по-ниска. Съответства на професионалния модел 2.1 на официалния сайт на Tongyi Wanxiang."
+  },
   "wanx2.1-t2i-turbo": {
-    "description": "Модел за генериране на изображения от текст на Alibaba Cloud Tongyi"
+    "description": "Пълноценна ъпгрейд версия. Бърза скорост на генериране, цялостно качество и висока цена-ефективност. Съответства на експресния модел 2.1 на официалния сайт на Tongyi Wanxiang."
   },
   "whisper-1": {
     "description": "Универсален модел за разпознаване на реч, поддържащ многоезично разпознаване на реч, превод на реч и разпознаване на език."
@@ -2485,5 +2701,11 @@
   },
   "yi-vision-v2": {
     "description": "Модел за сложни визуални задачи, предлагащ висока производителност в разбирането и анализа на базата на множество изображения."
+  },
+  "zai-org/GLM-4.5": {
+    "description": "GLM-4.5 е базов модел, специално създаден за интелигентни агенти, използващ архитектура с микс от експерти (Mixture-of-Experts). Той е дълбоко оптимизиран за използване на инструменти, уеб браузване, софтуерно инженерство и фронтенд програмиране, и поддържа безпроблемна интеграция с кодови агенти като Claude Code и Roo Code. GLM-4.5 използва смесен режим на разсъждение, подходящ за сложни и ежедневни приложения."
+  },
+  "zai-org/GLM-4.5-Air": {
+    "description": "GLM-4.5-Air е базов модел, специално създаден за интелигентни агенти, използващ архитектура с микс от експерти (Mixture-of-Experts). Той е дълбоко оптимизиран за използване на инструменти, уеб браузване, софтуерно инженерство и фронтенд програмиране, и поддържа безпроблемна интеграция с кодови агенти като Claude Code и Roo Code. GLM-4.5 използва смесен режим на разсъждение, подходящ за сложни и ежедневни приложения."
   }
 }

locales/bg-BG/plugin.json

@@ -1,25 +1,25 @@
 {
-  "confirm": "Потвърдете",
+  "confirm": "Потвърждавам",
   "debug": {
-    "arguments": "Аргументи",
+    "arguments": "Параметри на извикване",
     "function_call": "Извикване на функция",
-    "off": "Изключи отстраняване на грешки",
-    "on": "Преглед на информацията за извикване на плъгина",
-    "payload": "полезна натоварване",
+    "off": "Изключване на отстраняване на грешки",
+    "on": "Преглед на информация за извикване на плъгин",
+    "payload": "Товар на плъгина",
     "pluginState": "Състояние на плъгина",
-    "response": "Отговор",
+    "response": "Резултат",
     "title": "Детайли за плъгина",
-    "tool_call": "заявка за инструмент"
+    "tool_call": "Заявка за извикване на инструмент"
   },
   "detailModal": {
     "customPlugin": {
-      "description": "Моля, посетете страницата за редактиране, за да видите подробности",
+      "description": "Моля, посетете страницата за редактиране за подробности",
       "editBtn": "Редактирай сега",
       "title": "Това е персонализиран плъгин"
     },
     "emptyState": {
-      "description": "Моля, инсталирайте този плъгин, за да видите възможностите и опциите за конфигурация на плъгина",
-      "title": "Вижте подробностите за плъгина след инсталиране"
+      "description": "Моля, инсталирайте този плъгин, за да видите възможностите и опциите за конфигурация",
+      "title": "Вижте детайли за плъгина след инсталация"
     },
     "info": {
       "description": "Описание на API",
@@ -30,19 +30,19 @@
       "manifest": "Инсталационен файл",
       "settings": "Настройки"
     },
-    "title": "Подробности за плъгина"
+    "title": "Детайли за плъгина"
   },
   "dev": {
-    "confirmDeleteDevPlugin": "Сигурни ли сте, че искате да изтриете този локален плъгин? След като бъде изтрит, той не може да бъде възстановен.",
+    "confirmDeleteDevPlugin": "Ще изтриете този локален плъгин. След изтриване той не може да бъде възстановен. Сигурни ли сте, че искате да изтриете плъгина?",
     "customParams": {
       "useProxy": {
-        "label": "Инсталиране чрез прокси (ако срещате грешки при достъп от различен произход, опитайте да активирате тази опция и да преинсталирате)"
+        "label": "Инсталиране чрез прокси (ако срещнете грешки с достъп през различен домейн, опитайте да активирате тази опция и да инсталирате отново)"
       }
     },
     "deleteSuccess": "Плъгинът е изтрит успешно",
     "manifest": {
       "identifier": {
-        "desc": "Уникалният идентификатор на плъгина",
+        "desc": "Уникален идентификатор на плъгина",
         "label": "Идентификатор"
       },
       "mode": {
@@ -51,7 +51,7 @@
         "url": "Онлайн връзка"
       },
       "name": {
-        "desc": "Заглавието на плъгина",
+        "desc": "Заглавие на плъгина",
         "label": "Заглавие",
         "placeholder": "Търсачка"
       }
@@ -61,50 +61,50 @@
         "title": "Разширени настройки"
       },
       "args": {
-        "desc": "Списък с параметри, предадени на командата за изпълнение, обикновено тук се въвежда името на MCP сървъра или пътя до стартиращия скрипт",
-        "label": "Командни параметри",
-        "placeholder": "Например: --port 8080 --debug",
-        "required": "Моля, въведете параметри за стартиране"
+        "desc": "Списък с параметри, предавани на командата за изпълнение, обикновено тук се въвежда името на MCP сървъра или пътят към стартовия скрипт",
+        "label": "Параметри на командата",
+        "placeholder": "Например: mcp-hello-world",
+        "required": "Моля, въведете стартови параметри"
       },
       "auth": {
         "bear": "API ключ",
         "desc": "Изберете метод за удостоверяване на MCP сървъра",
         "label": "Тип удостоверяване",
-        "none": "Без удостоверяване",
+        "none": "Не се изисква удостоверяване",
         "placeholder": "Моля, изберете тип удостоверяване",
         "token": {
-          "desc": "Въведете своя API ключ или Bearer токен",
+          "desc": "Въведете вашия API ключ или Bearer токен",
           "label": "API ключ",
           "placeholder": "sk-xxxxx",
-          "required": "Моля, въведете удостоверителния токен"
+          "required": "Моля, въведете удостоверителен токен"
         }
       },
       "avatar": {
-        "label": "Икона на плъгин"
+        "label": "Икона на плъгина"
       },
       "command": {
-        "desc": "Изпълним файл или скрипт за стартиране на MCP STDIO плъгин",
+        "desc": "Изпълним файл или скрипт за стартиране на MCP STDIO сървъра",
         "label": "Команда",
-        "placeholder": "Например: python main.py или /path/to/executable",
+        "placeholder": "Например: npx / uv / docker и др.",
         "required": "Моля, въведете команда за стартиране"
       },
       "desc": {
         "desc": "Добавете описание на плъгина",
         "label": "Описание на плъгина",
-        "placeholder": "Допълнителна информация за използването на плъгина и контекста му"
+        "placeholder": "Допълнете информация за употреба и сценарии"
       },
       "endpoint": {
-        "desc": "Въведете адреса на вашия MCP Streamable HTTP Server",
+        "desc": "Въведете адреса на вашия MCP Streamable HTTP сървър",
         "label": "MCP Endpoint URL"
       },
       "env": {
         "add": "Добави ред",
-        "desc": "Въведете необходимите променливи на средата за вашия MCP сървър",
-        "duplicateKeyError": "Ключовете на полетата трябва да са уникални",
-        "formValidationFailed": "Валидирането на формата не успя, моля проверете формата на параметрите",
+        "desc": "Въведете необходимите за MCP сървъра променливи на средата",
+        "duplicateKeyError": "Ключът на полето трябва да е уникален",
+        "formValidationFailed": "Валидирането на формата не бе успешно, моля проверете формата на параметрите",
         "keyRequired": "Ключът на полето не може да бъде празен",
-        "label": "Променливи на средата на MCP сървър",
-        "stringifyError": "Не може да се сериализира параметър, моля проверете формата на параметрите"
+        "label": "Променливи на средата за MCP сървъра",
+        "stringifyError": "Не може да се сериализират параметрите, моля проверете формата"
       },
       "headers": {
         "add": "Добави ред",
@@ -112,127 +112,127 @@
         "label": "HTTP заглавки"
       },
       "identifier": {
-        "desc": "Определете име за вашия MCP плъгин, трябва да използвате английски символи",
-        "invalid": "Можете да въвеждате само английски символи, цифри, - и _",
-        "label": "Име на MCP плъгин",
+        "desc": "Задайте име на вашия MCP плъгин, трябва да използвате английски символи",
+        "invalid": "Идентификаторът може да съдържа само букви, цифри, тирета и долни черти",
+        "label": "Име на MCP плъгина",
         "placeholder": "Например: my-mcp-plugin",
         "required": "Моля, въведете идентификатор на MCP услугата"
       },
       "previewManifest": "Преглед на описателния файл на плъгина",
       "quickImport": "Бърз импорт на JSON конфигурация",
       "quickImportError": {
-        "empty": "Въведеното съдържание не може да бъде празно",
+        "empty": "Въведеният текст не може да бъде празен",
         "invalidJson": "Невалиден JSON формат",
-        "invalidStructure": "JSON форматът е невалиден"
+        "invalidStructure": "Невалидна JSON структура"
       },
-      "stdioNotSupported": "Текущата среда не поддържа MCP плъгини от тип stdio",
-      "testConnection": "Тествайте връзката",
-      "testConnectionTip": "След успешното тестване на връзката, MCP плъгинът може да бъде използван нормално",
+      "stdioNotSupported": "Текущата среда не поддържа stdio тип MCP плъгини",
+      "testConnection": "Тествай връзката",
+      "testConnectionTip": "MCP плъгинът може да се използва нормално само след успешен тест на връзката",
       "type": {
-        "desc": "Изберете начина на комуникация на MCP плъгина, уеб версията поддържа само Streamable HTTP",
-        "httpFeature1": "Съвместим с уеб версията и настолната версия",
-        "httpFeature2": "Свързване с отдалечен MCP сървър, без нужда от допълнителна инсталация и конфигурация",
-        "httpShortDesc": "Комуникационен протокол, базиран на потоково HTTP",
-        "label": "Тип на MCP плъгин",
+        "desc": "Изберете комуникационния тип на MCP плъгина, уеб версията поддържа само Streamable HTTP",
+        "httpFeature1": "Съвместим с уеб и десктоп версия",
+        "httpFeature2": "Свързва се с отдалечен MCP сървър без нужда от допълнителна инсталация и конфигурация",
+        "httpShortDesc": "Комуникационен протокол базиран на потоков HTTP",
+        "label": "Тип MCP плъгин",
         "stdioFeature1": "По-ниска комуникационна латентност, подходящ за локално изпълнение",
-        "stdioFeature2": "Необходимо е локално инсталиране на MCP сървър",
-        "stdioNotAvailable": "STDIO режимът е наличен само в настолната версия",
-        "stdioShortDesc": "Комуникационен протокол, базиран на стандартен вход и изход",
-        "title": "Тип на MCP плъгин"
+        "stdioFeature2": "Изисква локална инсталация и стартиране на MCP сървър",
+        "stdioNotAvailable": "STDIO режимът е наличен само в десктоп версията",
+        "stdioShortDesc": "Комуникационен протокол базиран на стандартен вход/изход",
+        "title": "Тип MCP плъгин"
       },
       "url": {
-        "desc": "Въведете адреса на вашия MCP сървър Streamable HTTP, не поддържа режим SSE",
+        "desc": "Въведете Streamable HTTP адреса на вашия MCP сървър, SSE режим не се поддържа",
         "invalid": "Моля, въведете валиден URL адрес",
-        "label": "HTTP Endpoint URL",
+        "label": "Streamable HTTP Endpoint URL",
         "required": "Моля, въведете URL на MCP услугата"
       }
     },
     "meta": {
       "author": {
-        "desc": "Авторът на плъгина",
+        "desc": "Автор на плъгина",
         "label": "Автор"
       },
       "avatar": {
-        "desc": "Иконата на плъгина, може да бъде емоджи или URL адрес",
+        "desc": "Икона на плъгина, може да използвате Emoji или URL",
         "label": "Икона"
       },
       "description": {
-        "desc": "Описанието на плъгина",
+        "desc": "Описание на плъгина",
         "label": "Описание",
-        "placeholder": "Получаване на информация от търсачки"
+        "placeholder": "Търсене в търсачка за информация"
       },
       "formFieldRequired": "Това поле е задължително",
       "homepage": {
-        "desc": "Началната страница на плъгина",
+        "desc": "Начална страница на плъгина",
         "label": "Начална страница"
       },
       "identifier": {
-        "desc": "Уникалният идентификатор на плъгина, поддържа само буквено-цифрови символи, тире - и долна черта _",
-        "errorDuplicate": "Идентификаторът вече се използва от друг плъгин, моля, променете идентификатора",
+        "desc": "Уникален идентификатор на плъгина, автоматично разпознат от manifest",
+        "errorDuplicate": "Идентификаторът се повтаря с вече съществуващ плъгин, моля променете идентификатора",
         "label": "Идентификатор",
-        "pattenErrorMessage": "Разрешени са само буквено-цифрови символи, тире - и долна черта _"
+        "pattenErrorMessage": "Може да съдържа само английски букви, цифри, тирета и долни черти"
       },
       "lobe": "{{appName}} плъгин",
       "manifest": {
-        "desc": "{{appName}} ще инсталира приставката чрез тази връзка",
-        "label": "URL адрес на описанието на плъгина (Manifest)",
-        "preview": "Преглед на манифеста",
-        "refresh": "Опресняване"
+        "desc": "{{appName}} ще инсталира плъгина чрез този линк",
+        "label": "Описателен файл на плъгина (Manifest) URL",
+        "preview": "Преглед на Manifest",
+        "refresh": "Обнови"
       },
       "openai": "OpenAI плъгин",
       "title": {
-        "desc": "Заглавието на плъгина",
+        "desc": "Заглавие на плъгина",
         "label": "Заглавие",
         "placeholder": "Търсачка"
       }
     },
-    "metaConfig": "Конфигурация на метаданните на плъгина",
-    "modalDesc": "След като добавите персонализиран плъгин, той може да се използва за проверка на разработката на плъгина или директно в сесията. Моля, вижте <1>документацията за разработка↗</> за разработка на плъгини.",
+    "metaConfig": "Конфигурация на мета информацията на плъгина",
+    "modalDesc": "След добавяне на персонализиран плъгин, той може да се използва за разработка и тестване на плъгини, както и директно в разговори. За разработка на плъгини вижте <1>документацията за разработчици↗</>",
     "openai": {
-      "importUrl": "Импортиране от URL връзка",
+      "importUrl": "Импортиране от URL линк",
       "schema": "Схема"
     },
     "preview": {
       "api": {
         "noParams": "Този инструмент няма параметри",
-        "noResults": "Не са намерени API, отговарящи на условията за търсене",
+        "noResults": "Не са намерени API-та, отговарящи на търсенето",
         "params": "Параметри:",
         "searchPlaceholder": "Търсене на инструменти..."
       },
-      "card": "Преглед на дисплея на плъгина",
+      "card": "Преглед на визуализацията на плъгина",
       "desc": "Преглед на описанието на плъгина",
       "empty": {
-        "desc": "След завършване на конфигурацията, ще можете да прегледате възможностите на поддържаните инструменти тук",
-        "title": "Започнете прегледа след конфигуриране на плъгина"
+        "desc": "След конфигурация тук ще можете да преглеждате поддържаните възможности на плъгина",
+        "title": "Започнете преглед след конфигуриране на плъгина"
       },
       "title": "Преглед на името на плъгина"
     },
     "save": "Инсталирай плъгина",
     "saveSuccess": "Настройките на плъгина са запазени успешно",
     "tabs": {
-      "manifest": "Манифест на описанието на функцията (Manifest)",
-      "meta": "Метаданни на плъгина"
+      "manifest": "Функционален описателен файл (Manifest)",
+      "meta": "Мета информация за плъгина"
     },
     "title": {
-      "create": "Добави персонализиран плъгин",
-      "edit": "Редактирай персонализиран плъгин"
+      "create": "Добавяне на персонализиран плъгин",
+      "edit": "Редактиране на персонализиран плъгин"
     },
     "type": {
-      "lobe": "Плъгин на LobeChat",
-      "openai": "Плъгин на OpenAI"
+      "lobe": "{{appName}} плъгин",
+      "openai": "OpenAI плъгин"
     },
-    "update": "Актуализирай",
-    "updateSuccess": "Настройките на плъгина са актуализирани успешно"
+    "update": "Обновяване",
+    "updateSuccess": "Настройките на плъгина са обновени успешно"
   },
   "error": {
-    "fetchError": "Неуспешно извличане на връзката на манифеста. Моля, уверете се, че връзката е валидна и позволява достъп от различен произход.",
-    "installError": "Инсталирането на плъгина {{name}} е неуспешно",
-    "manifestInvalid": "Манифестът не отговаря на спецификацията. Резултат от проверката: \n\n {{error}}",
-    "noManifest": "Файлът на манифеста не съществува",
-    "openAPIInvalid": "Неуспешно анализиране на OpenAPI. Грешка: \n\n {{error}}",
-    "reinstallError": "Неуспешно опресняване на плъгина {{name}}",
-    "testConnectionFailed": "Неуспешно получаване на манифест: {{error}}",
-    "urlError": "Връзката не върна съдържание във формат JSON. Моля, уверете се, че е валидна връзка."
+    "fetchError": "Неуспешно заявяване на manifest линка, моля уверете се в валидността на линка и проверете дали е разрешен достъп от различен домейн",
+    "installError": "Инсталацията на плъгина {{name}} не бе успешна",
+    "manifestInvalid": "manifest не отговаря на стандарта, резултат от проверката: \n\n {{error}}",
+    "noManifest": "Описателният файл не съществува",
+    "openAPIInvalid": "Грешка при парсване на OpenAPI, грешка: \n\n {{error}}",
+    "reinstallError": "Обновяването на плъгина {{name}} не бе успешно",
+    "testConnectionFailed": "Неуспешно получаване на Manifest: {{error}}",
+    "urlError": "Линкът не връща съдържание във формат JSON, моля уверете се, че е валиден линк"
   },
   "inspector": {
     "args": "Преглед на списъка с параметри",
@@ -240,38 +240,38 @@
   },
   "list": {
     "item": {
-      "deprecated.title": "Изтрит",
+      "deprecated.title": "Премахнат",
       "local.config": "Конфигурация",
-      "local.title": "Локален"
+      "local.title": "Персонализиран"
     }
   },
   "loading": {
-    "content": "Извикване на плъгин...",
+    "content": "Извикване на плъгина...",
     "plugin": "Плъгинът работи..."
   },
   "localSystem": {
     "apiName": {
-      "listLocalFiles": "Преглед на списъка с файлове",
-      "moveLocalFiles": "Премести файл",
-      "readLocalFile": "Чети съдържанието на файла",
-      "renameLocalFile": "Преименувай",
+      "listLocalFiles": "Преглед на списък с файлове",
+      "moveLocalFiles": "Преместване на файлове",
+      "readLocalFile": "Четене на съдържание на файл",
+      "renameLocalFile": "Преименуване",
       "searchLocalFiles": "Търсене на файлове",
-      "writeLocalFile": "Запиши файл"
+      "writeLocalFile": "Запис в файл"
     },
     "title": "Локални файлове"
   },
   "mcpInstall": {
-    "CHECKING_INSTALLATION": "Проверка на инсталационна среда...",
+    "CHECKING_INSTALLATION": "Проверка на инсталационната среда...",
     "COMPLETED": "Инсталацията е завършена",
-    "CONFIGURATION_REQUIRED": "Моля, завършете необходимата конфигурация, за да продължите с инсталацията",
-    "ERROR": "Грешка при инсталацията",
-    "FETCHING_MANIFEST": "Извличане на описанието на плъгина...",
-    "GETTING_SERVER_MANIFEST": "Инициализиране на MCP сървъра...",
+    "CONFIGURATION_REQUIRED": "Моля, завършете необходимата конфигурация, за да продължите инсталацията",
+    "ERROR": "Грешка при инсталация",
+    "FETCHING_MANIFEST": "Извличане на описателния файл на плъгина...",
+    "GETTING_SERVER_MANIFEST": "Инициализация на MCP сървъра...",
     "INSTALLING_PLUGIN": "Инсталиране на плъгина...",
-    "configurationDescription": "Този MCP плъгин изисква конфигурационни параметри за правилна работа, моля, попълнете необходимата информация",
+    "configurationDescription": "Този MCP плъгин изисква конфигурационни параметри за нормална работа, моля попълнете необходимата информация",
     "configurationRequired": "Конфигуриране на параметрите на плъгина",
-    "continueInstall": "Продължи с инсталацията",
-    "dependenciesDescription": "Този плъгин изисква инсталиране на следните системни зависимости за правилна работа. Моля, инсталирайте липсващите зависимости според указанията и след това натиснете 'Пре-проверка', за да продължите с инсталацията.",
+    "continueInstall": "Продължи инсталацията",
+    "dependenciesDescription": "Този плъгин изисква инсталиране на следните системни зависимости за нормална работа, моля инсталирайте липсващите зависимости според инструкциите и след това натиснете за повторна проверка и продължаване на инсталацията.",
     "dependenciesRequired": "Моля, инсталирайте системните зависимости на плъгина",
     "dependencyStatus": {
       "installed": "Инсталирано",
@@ -279,38 +279,98 @@
       "requiredVersion": "Изисквана версия: {{version}}"
     },
     "errorDetails": {
-      "args": "Аргументи",
+      "args": "Параметри",
       "command": "Команда",
       "connectionParams": "Параметри за връзка",
       "env": "Променливи на средата",
-      "errorOutput": "Журнал на грешките",
+      "errorOutput": "Лог на грешки",
       "exitCode": "Код на изход",
       "hideDetails": "Скрий детайли",
       "originalError": "Първоначална грешка",
       "showDetails": "Покажи детайли"
     },
     "errorTypes": {
-      "AUTHORIZATION_ERROR": "Грешка при удостоверяване на разрешения",
-      "CONNECTION_FAILED": "Връзката не бе осъществена",
+      "AUTHORIZATION_ERROR": "Грешка при удостоверяване",
+      "CONNECTION_FAILED": "Неуспешна връзка",
       "INITIALIZATION_TIMEOUT": "Времето за инициализация изтече",
-      "PROCESS_SPAWN_ERROR": "Неуспешно стартиране на процеса",
+      "PROCESS_SPAWN_ERROR": "Грешка при стартиране на процес",
       "UNKNOWN_ERROR": "Неизвестна грешка",
-      "VALIDATION_ERROR": "Грешка при валидиране на параметрите"
+      "VALIDATION_ERROR": "Грешка при валидация на параметрите"
     },
     "installError": "Инсталацията на MCP плъгина не бе успешна, причина: {{detail}}",
     "installMethods": {
       "manual": "Ръчна инсталация:",
       "recommended": "Препоръчителен метод за инсталация:"
     },
-    "recheckDependencies": "Пре-проверка",
+    "recheckDependencies": "Проверка отново на зависимостите",
     "skipDependencies": "Пропусни проверката"
   },
   "pluginList": "Списък с плъгини",
+  "protocolInstall": {
+    "actions": {
+      "install": "Инсталирай",
+      "installAnyway": "Инсталирай въпреки това",
+      "installed": "Инсталиран"
+    },
+    "config": {
+      "args": "Параметри",
+      "command": "Команда",
+      "env": "Променливи на средата",
+      "headers": "Заглавки на заявката",
+      "title": "Информация за конфигурация",
+      "type": {
+        "http": "Тип: HTTP",
+        "label": "Тип",
+        "stdio": "Тип: Stdio"
+      },
+      "url": "Адрес на услугата"
+    },
+    "custom": {
+      "badge": "Персонализиран плъгин",
+      "security": {
+        "description": "Този плъгин не е официално проверен, инсталирането може да крие рискове за сигурността! Моля, уверете се, че имате доверие на източника на плъгина.",
+        "title": "⚠️ Предупреждение за сигурност"
+      },
+      "title": "Инсталиране на персонализиран плъгин"
+    },
+    "marketplace": {
+      "title": "Инсталиране на трети плъгини",
+      "trustedBy": "Предоставено от {{name}}",
+      "unverified": {
+        "title": "Непроверени трети плъгини",
+        "warning": "Този плъгин идва от непроверен трети пазар, моля уверете се, че имате доверие на източника преди инсталация."
+      },
+      "verified": "Проверен"
+    },
+    "messages": {
+      "connectionTestFailed": "Тестът на връзката не бе успешен",
+      "installError": "Инсталацията на плъгина не бе успешна, моля опитайте отново",
+      "installSuccess": "Плъгинът {{name}} е инсталиран успешно!",
+      "manifestError": "Неуспешно получаване на детайли за плъгина, моля проверете мрежовата връзка и опитайте отново",
+      "manifestNotFound": "Не бе намерен описателен файл на плъгина"
+    },
+    "meta": {
+      "author": "Автор",
+      "homepage": "Начална страница",
+      "identifier": "Идентификатор",
+      "source": "Източник",
+      "version": "Версия"
+    },
+    "official": {
+      "badge": "Официален плъгин на LobeHub",
+      "description": "Този плъгин е разработен и поддържан от LobeHub, преминал е строг контрол за сигурност и може да се използва с доверие.",
+      "loadingMessage": "Зареждане на детайли за плъгина...",
+      "loadingTitle": "Зареждане",
+      "title": "Инсталиране на официален плъгин"
+    },
+    "title": "Инсталиране на MCP плъгин",
+    "warning": "⚠️ Моля, уверете се, че имате доверие на източника на този плъгин, злонамерени плъгини могат да застрашат сигурността на вашата система."
+  },
   "search": {
     "apiName": {
-      "crawlMultiPages": "Четене на съдържанието на множество страници",
-      "crawlSinglePage": "Чети съдържанието на страницата",
-      "search": "Търсене на страница"
+      "crawlMultiPages": "Четене на съдържание от множество страници",
+      "crawlSinglePage": "Четене на съдържание от страница",
+      "search": "Търсене на страници"
     },
     "config": {
       "addKey": "Добавяне на ключ",
@@ -321,21 +381,21 @@
       "crawling": "Разпознаване на връзки",
       "detail": {
         "preview": "Преглед",
-        "raw": "Оригинален текст",
-        "tooLong": "Текстът е твърде дълъг, контекстът на разговора ще запази само първите {{characters}} символа, а останалата част няма да бъде включена в контекста на разговора"
+        "raw": "Суров текст",
+        "tooLong": "Текстът е твърде дълъг, в контекста на разговора се запазват само първите {{characters}} символа, останалата част не се включва в контекста"
       },
       "meta": {
-        "crawler": "Режим на улавяне",
+        "crawler": "Режим на обхождане",
         "words": "Брой символи"
       }
     },
     "searchxng": {
       "baseURL": "Моля, въведете",
-      "description": "Моля, въведете URL адреса на SearchXNG, за да започнете търсене в мрежата",
+      "description": "Въведете URL на SearchXNG, за да започнете търсене в мрежата",
       "keyPlaceholder": "Моля, въведете ключ",
-      "title": "Конфигуриране на търсачката SearchXNG",
-      "unconfiguredDesc": "Моля, свържете се с администратора, за да завършите конфигурацията на търсачката SearchXNG и да започнете търсене в мрежата",
-      "unconfiguredTitle": "Търсачката SearchXNG все още не е конфигурирана"
+      "title": "Конфигурация на търсачката SearchXNG",
+      "unconfiguredDesc": "Моля, свържете се с администратора за конфигуриране на SearchXNG, за да започнете търсене в мрежата",
+      "unconfiguredTitle": "SearchXNG не е конфигурирана"
     },
     "title": "Търсене в мрежата"
   },
@@ -351,56 +411,56 @@
       "title": "Конфигурация на плъгина"
     },
     "connection": {
-      "args": "Параметри за стартиране",
+      "args": "Стартови параметри",
       "command": "Команда за стартиране",
       "title": "Информация за връзка",
-      "type": "Тип връзка",
+      "type": "Тип на връзката",
       "url": "Адрес на услугата"
     },
     "edit": "Редактиране",
     "envConfigDescription": "Тези настройки ще бъдат предадени като променливи на средата при стартиране на MCP сървъра",
-    "httpTypeNotice": "MCP плъгините от тип HTTP нямат нужда от конфигуриране на променливи на средата",
+    "httpTypeNotice": "HTTP тип MCP плъгини в момента не изискват конфигуриране на променливи на средата",
     "indexUrl": {
       "title": "Индекс на пазара",
-      "tooltip": "Редактирането не се поддържа в момента"
+      "tooltip": "В момента не се поддържа онлайн редактиране, моля настройте чрез променливи на средата при разгръщане"
     },
     "messages": {
-      "connectionUpdateFailed": "Неуспешна актуализация на информацията за връзка",
-      "connectionUpdateSuccess": "Информацията за връзка е успешно актуализирана",
-      "envUpdateFailed": "Неуспешно запазване на променливите на средата",
-      "envUpdateSuccess": "Променливите на средата са успешно запазени"
+      "connectionUpdateFailed": "Актуализацията на информацията за връзка не бе успешна",
+      "connectionUpdateSuccess": "Информацията за връзка е актуализирана успешно",
+      "envUpdateFailed": "Записът на променливите на средата не бе успешен",
+      "envUpdateSuccess": "Променливите на средата са записани успешно"
     },
-    "modalDesc": "След като конфигурирате адреса на пазара на плъгини, можете да използвате персонализиран пазар на плъгини",
+    "modalDesc": "След конфигуриране на адреса на пазара на плъгини, можете да използвате персонализиран пазар на плъгини",
     "rules": {
-      "argsRequired": "Моля, въведете параметри за стартиране",
+      "argsRequired": "Моля, въведете стартови параметри",
       "commandRequired": "Моля, въведете команда за стартиране",
       "urlRequired": "Моля, въведете адрес на услугата"
     },
     "saveSettings": "Запази настройките",
-    "title": "Конфигуриране на пазара на плъгини"
+    "title": "Настройки на пазара на плъгини"
   },
-  "showInPortal": "Моля, вижте подробностите в работното пространство",
+  "showInPortal": "Моля, прегледайте детайлите в работната област",
   "store": {
     "actions": {
-      "cancel": "Отказване на инсталацията",
-      "confirmUninstall": "Плъгинът е на път да бъде деинсталиран. След деинсталирането конфигурацията на плъгина ще бъде изчистена. Моля, потвърдете операцията си.",
-      "detail": "Подробности",
+      "cancel": "Отказ на инсталация",
+      "confirmUninstall": "Ще деинсталирате този плъгин, след деинсталация конфигурацията му ще бъде изтрита, моля потвърдете действието си",
+      "detail": "Детайли",
       "install": "Инсталирай",
-      "manifest": "Редактирай инсталационния файл",
+      "manifest": "Редактиране на инсталационния файл",
       "settings": "Настройки",
       "uninstall": "Деинсталирай"
     },
-    "communityPlugin": "От трети страни",
-    "customPlugin": "Персонализиран плъгин",
-    "empty": "Все още няма инсталирани плъгини",
-    "emptySelectHint": "Изберете плъгин, за да прегледате подробна информация",
+    "communityPlugin": "Общностен плъгин",
+    "customPlugin": "Персонализиран",
+    "empty": "Няма инсталирани плъгини",
+    "emptySelectHint": "Изберете плъгин за преглед на подробна информация",
     "installAllPlugins": "Инсталирай всички",
-    "networkError": "Неуспешно извличане на магазина за плъгини. Моля, проверете мрежовата си връзка и опитайте отново",
-    "placeholder": "Търсене на име на плъгин, описание или ключова дума...",
-    "releasedAt": "Издаден на {{createdAt}}",
+    "networkError": "Неуспешно зареждане на магазина за плъгини, моля проверете мрежовата връзка и опитайте отново",
+    "placeholder": "Търсене по име, описание или ключови думи...",
+    "releasedAt": "Публикуван на {{createdAt}}",
     "tabs": {
       "installed": "Инсталирани",
-      "mcp": "MCP добавки",
+      "mcp": "MCP плъгини",
       "old": "LobeChat плъгини"
     },
     "title": "Магазин за плъгини"

locales/bg-BG/providers.json

@@ -2,9 +2,15 @@
   "ai21": {
     "description": "AI21 Labs изгражда основни модели и системи за изкуствен интелект за предприятия, ускорявайки приложението на генеративния изкуствен интелект в производството."
   },
+  "ai302": {
+    "description": "302.AI е платформа за AI приложения с плащане според използването, предлагаща най-пълния набор от AI API и AI онлайн приложения на пазара"
+  },
   "ai360": {
     "description": "360 AI е платформа за AI модели и услуги, предлагана от компания 360, предлагаща множество напреднали модели за обработка на естествен език, включително 360GPT2 Pro, 360GPT Pro, 360GPT Turbo и 360GPT Turbo Responsibility 8K. Тези модели комбинират голям брой параметри и мултимодални способности, широко използвани в текстово генериране, семантично разбиране, диалогови системи и генериране на код. Чрез гъвкава ценова стратегия, 360 AI отговаря на разнообразни потребителски нужди, поддържайки интеграция за разработчици и насърчавайки иновации и развитие на интелигентни приложения."
   },
+  "aihubmix": {
+    "description": "AiHubMix предоставя достъп до множество AI модели чрез единен API интерфейс."
+  },
   "anthropic": {
     "description": "Anthropic е компания, специализирана в изследвания и разработка на изкуствен интелект, предлагаща набор от напреднали езикови модели, като Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus и Claude 3 Haiku. Тези модели постигат идеален баланс между интелигентност, скорост и разходи, подходящи за различни приложения, от корпоративни натоварвания до бързи отговори. Claude 3.5 Sonnet, като най-новия им модел, показва отлични резултати в множество оценки, като същевременно поддържа висока цена-качество."
   },

locales/bg-BG/setting.json

@@ -183,10 +183,21 @@
     "title": "Информация за агента"
   },
   "settingAppearance": {
+    "animationMode": {
+      "agile": "Бързо",
+      "desc": "Изберете скоростта на анимацията за отговор на действията в приложението",
+      "disabled": "Изключено",
+      "elegant": "Елегантно",
+      "title": "Анимация на отговор"
+    },
     "neutralColor": {
       "desc": "Персонализиране на сивата скала с различни цветови нюанси",
       "title": "Неутрални цветове"
     },
+    "noAnimation": {
+      "desc": "Деактивирайте всички анимационни ефекти в приложението",
+      "title": "Режим без анимация"
+    },
     "preview": {
       "title": "Цветова палитра"
     },

locales/de-DE/modelProvider.json

@@ -189,6 +189,7 @@
       "aesGcm": "Ihr Schlüssel und die Proxy-Adresse werden mit dem <1>AES-GCM</1>-Verschlüsselungsalgorithmus verschlüsselt",
       "apiKey": {
         "desc": "Bitte geben Sie Ihren {{name}} API-Schlüssel ein",
+        "descWithUrl": "Bitte gib deinen {{name}} API-Schlüssel ein, <3>hier klicken zum Abrufen</3>",
         "placeholder": "{{name}} API-Schlüssel",
         "title": "API-Schlüssel"
       },
@@ -305,6 +306,7 @@
         "latestTime": "Letzte Aktualisierung: {{time}}",
         "noLatestTime": "Liste wurde noch nicht abgerufen"
       },
+      "noModelsInCategory": "In dieser Kategorie sind keine aktivierten Modelle vorhanden",
       "resetAll": {
         "conform": "Möchten Sie alle Änderungen am aktuellen Modell wirklich zurücksetzen? Nach dem Zurücksetzen wird die aktuelle Modellliste auf den Standardzustand zurückgesetzt.",
         "success": "Zurücksetzen erfolgreich",
@@ -315,7 +317,15 @@
       "title": "Modellliste",
       "total": "Insgesamt {{count}} verfügbare Modelle"
     },
-    "searchNotFound": "Keine Suchergebnisse gefunden"
+    "searchNotFound": "Keine Suchergebnisse gefunden",
+    "tabs": {
+      "all": "Alle",
+      "chat": "Chat",
+      "embedding": "Einbettung",
+      "image": "Bild",
+      "stt": "ASR",
+      "tts": "TTS"
+    }
   },
   "sortModal": {
     "success": "Sortierung erfolgreich aktualisiert",

locales/de-DE/models.json

@@ -32,6 +32,9 @@
   "4.0Ultra": {
     "description": "Spark4.0 Ultra ist die leistungsstärkste Version der Spark-Großmodellreihe, die die Online-Suchverbindung aktualisiert und die Fähigkeit zur Textverständnis und -zusammenfassung verbessert. Es ist eine umfassende Lösung zur Steigerung der Büroproduktivität und zur genauen Reaktion auf Anforderungen und ein führendes intelligentes Produkt in der Branche."
   },
+  "AnimeSharp": {
+    "description": "AnimeSharp (auch bekannt als „4x‑AnimeSharp“) ist ein von Kim2091 auf Basis der ESRGAN-Architektur entwickeltes Open-Source-Superauflösungsmodell, das sich auf die Vergrößerung und Schärfung von Anime-Stil-Bildern spezialisiert hat. Es wurde im Februar 2022 von „4x-TextSharpV1“ umbenannt und war ursprünglich auch für Textbilder geeignet, wurde jedoch für Anime-Inhalte erheblich optimiert."
+  },
   "Baichuan2-Turbo": {
     "description": "Verwendet Suchverbesserungstechnologie, um eine umfassende Verknüpfung zwischen großen Modellen und Fachwissen sowie Wissen aus dem gesamten Internet zu ermöglichen. Unterstützt das Hochladen von Dokumenten wie PDF, Word und die Eingabe von URLs, um Informationen zeitnah und umfassend zu erhalten, mit genauen und professionellen Ergebnissen."
   },
@@ -71,6 +74,9 @@
   "DeepSeek-V3": {
     "description": "DeepSeek-V3 ist ein von der DeepSeek Company entwickeltes MoE-Modell. Die Ergebnisse von DeepSeek-V3 übertreffen die anderer Open-Source-Modelle wie Qwen2.5-72B und Llama-3.1-405B und stehen in der Leistung auf Augenhöhe mit den weltweit führenden Closed-Source-Modellen GPT-4o und Claude-3.5-Sonnet."
   },
+  "DeepSeek-V3-Fast": {
+    "description": "Modellanbieter: sophnet-Plattform. DeepSeek V3 Fast ist die Hochgeschwindigkeitsversion mit hohem TPS des DeepSeek V3 0324 Modells, voll funktionsfähig ohne Quantisierung, mit stärkerer Code- und mathematischer Leistungsfähigkeit und schnellerer Reaktionszeit!"
+  },
   "Doubao-lite-128k": {
     "description": "Doubao-lite bietet extrem schnelle Reaktionszeiten und ein hervorragendes Preis-Leistungs-Verhältnis, um Kunden in verschiedenen Szenarien flexiblere Optionen zu bieten. Unterstützt Inferenz und Feintuning mit einem Kontextfenster von 128k."
   },
@@ -89,6 +95,9 @@
   "Doubao-pro-4k": {
     "description": "Das leistungsstärkste Hauptmodell, geeignet für komplexe Aufgaben. Es erzielt hervorragende Ergebnisse in Szenarien wie Referenzfragen, Zusammenfassungen, kreatives Schreiben, Textklassifikation und Rollenspielen. Unterstützt Inferenz und Feintuning mit einem Kontextfenster von 4k."
   },
+  "DreamO": {
+    "description": "DreamO ist ein von ByteDance und der Peking-Universität gemeinsam entwickeltes Open-Source-Bildgenerierungsmodell zur individuellen Anpassung, das durch eine einheitliche Architektur Multitasking-Bildgenerierung unterstützt. Es verwendet eine effiziente kombinierte Modellierungsmethode, um basierend auf vom Nutzer angegebenen Identität, Motiv, Stil, Hintergrund und weiteren Bedingungen hochgradig konsistente und maßgeschneiderte Bilder zu erzeugen."
+  },
   "ERNIE-3.5-128K": {
     "description": "Das von Baidu entwickelte Flaggschiff-Modell für großangelegte Sprachverarbeitung, das eine riesige Menge an chinesischen und englischen Texten abdeckt. Es verfügt über starke allgemeine Fähigkeiten und kann die meisten Anforderungen an Dialogfragen, kreative Generierung und Anwendungsfälle von Plugins erfüllen. Es unterstützt die automatische Anbindung an das Baidu-Such-Plugin, um die Aktualität der Antwortinformationen zu gewährleisten."
   },
@@ -122,15 +131,39 @@
   "ERNIE-Speed-Pro-128K": {
     "description": "Das neueste von Baidu im Jahr 2024 veröffentlichte hochleistungsfähige Sprachmodell, das überragende allgemeine Fähigkeiten bietet und bessere Ergebnisse als ERNIE Speed erzielt. Es eignet sich als Basis-Modell für Feinabstimmungen, um spezifische Szenarien besser zu bearbeiten, und bietet gleichzeitig hervorragende Inferenzleistung."
   },
+  "FLUX.1-Kontext-dev": {
+    "description": "FLUX.1-Kontext-dev ist ein von Black Forest Labs entwickeltes multimodales Bildgenerierungs- und Bearbeitungsmodell auf Basis der Rectified Flow Transformer-Architektur mit 12 Milliarden Parametern. Es konzentriert sich auf die Generierung, Rekonstruktion, Verbesserung oder Bearbeitung von Bildern unter gegebenen Kontextbedingungen. Das Modell kombiniert die kontrollierbare Generierung von Diffusionsmodellen mit der Kontextmodellierung von Transformern, unterstützt hochwertige Bildausgaben und ist vielseitig einsetzbar für Bildrestaurierung, Bildvervollständigung und visuelle Szenenrekonstruktion."
+  },
+  "FLUX.1-dev": {
+    "description": "FLUX.1-dev ist ein von Black Forest Labs entwickeltes Open-Source-multimodales Sprachmodell (Multimodal Language Model, MLLM), das für Bild-Text-Aufgaben optimiert ist und Verständnis sowie Generierung von Bildern und Texten vereint. Es basiert auf fortschrittlichen großen Sprachmodellen wie Mistral-7B und erreicht durch sorgfältig gestaltete visuelle Encoder und mehrstufige Instruktions-Feinabstimmung eine kooperative Verarbeitung von Bild und Text sowie komplexe Aufgabenlogik."
+  },
   "Gryphe/MythoMax-L2-13b": {
     "description": "MythoMax-L2 (13B) ist ein innovatives Modell, das sich für Anwendungen in mehreren Bereichen und komplexe Aufgaben eignet."
   },
+  "HelloMeme": {
+    "description": "HelloMeme ist ein KI-Tool, das automatisch Memes, animierte GIFs oder Kurzvideos basierend auf von dir bereitgestellten Bildern oder Aktionen erstellt. Es erfordert keine Zeichen- oder Programmierkenntnisse – du brauchst nur Referenzbilder, und es hilft dir, ansprechende, unterhaltsame und stilistisch einheitliche Inhalte zu erstellen."
+  },
+  "HiDream-I1-Full": {
+    "description": "HiDream-E1-Full ist ein von HiDream.ai entwickeltes Open-Source-multimodales Bildbearbeitungsmodell, das auf der fortschrittlichen Diffusion Transformer-Architektur basiert und mit leistungsstarker Sprachverständnisfähigkeit (integriert LLaMA 3.1-8B-Instruct) ausgestattet ist. Es unterstützt die Bildgenerierung, Stilübertragung, lokale Bearbeitung und Neugestaltung durch natürliche Sprachbefehle und bietet exzellentes Verständnis und Ausführung von Bild-Text-Anweisungen."
+  },
+  "HunyuanDiT-v1.2-Diffusers-Distilled": {
+    "description": "hunyuandit-v1.2-distilled ist ein leichtgewichtiges Text-zu-Bild-Modell, das durch Destillation optimiert wurde, um schnell hochwertige Bilder zu erzeugen. Es eignet sich besonders für ressourcenarme Umgebungen und Echtzeit-Generierungsaufgaben."
+  },
+  "InstantCharacter": {
+    "description": "InstantCharacter ist ein 2025 vom Tencent AI-Team veröffentlichtes tuning-freies personalisiertes Charaktergenerierungsmodell, das eine hochpräzise und konsistente Charaktererstellung über verschiedene Szenarien hinweg ermöglicht. Das Modell kann einen Charakter allein anhand eines Referenzbildes modellieren und diesen flexibel in verschiedene Stile, Bewegungen und Hintergründe übertragen."
+  },
   "InternVL2-8B": {
     "description": "InternVL2-8B ist ein leistungsstarkes visuelles Sprachmodell, das multimodale Verarbeitung von Bildern und Text unterstützt und in der Lage ist, Bildinhalte präzise zu erkennen und relevante Beschreibungen oder Antworten zu generieren."
   },
   "InternVL2.5-26B": {
     "description": "InternVL2.5-26B ist ein leistungsstarkes visuelles Sprachmodell, das multimodale Verarbeitung von Bildern und Text unterstützt und in der Lage ist, Bildinhalte präzise zu erkennen und relevante Beschreibungen oder Antworten zu generieren."
   },
+  "Kolors": {
+    "description": "Kolors ist ein von Kuaishou Kolors Team entwickeltes Text-zu-Bild-Modell, das mit Milliarden von Parametern trainiert wurde und in visueller Qualität, chinesischem semantischem Verständnis sowie Textdarstellung herausragende Vorteile bietet."
+  },
+  "Kwai-Kolors/Kolors": {
+    "description": "Kolors ist ein von Kuaishou Kolors Team entwickeltes groß angelegtes latentes Diffusionsmodell zur Text-zu-Bild-Generierung. Es wurde mit Milliarden von Text-Bild-Paaren trainiert und zeigt herausragende Leistungen in visueller Qualität, komplexer semantischer Genauigkeit sowie der Darstellung chinesischer und englischer Schriftzeichen. Es unterstützt sowohl chinesische als auch englische Eingaben und ist besonders leistungsfähig bei der Verarbeitung und Erzeugung chinesischsprachiger Inhalte."
+  },
   "Llama-3.2-11B-Vision-Instruct": {
     "description": "Hervorragende Bildschlussfolgerungsfähigkeiten auf hochauflösenden Bildern, geeignet für Anwendungen im Bereich der visuellen Verständigung."
   },
@@ -164,9 +197,15 @@
   "MiniMaxAI/MiniMax-M1-80k": {
     "description": "MiniMax-M1 ist ein groß angelegtes hybrides Aufmerksamkeits-Inferenzmodell mit offenen Gewichten, das 456 Milliarden Parameter umfasst und etwa 45,9 Milliarden Parameter pro Token aktiviert. Das Modell unterstützt nativ einen ultralangen Kontext von 1 Million Tokens und spart durch den Blitz-Attention-Mechanismus bei Aufgaben mit 100.000 Tokens im Vergleich zu DeepSeek R1 75 % der Fließkommaoperationen ein. Gleichzeitig verwendet MiniMax-M1 eine MoE-Architektur (Mixture of Experts) und kombiniert den CISPO-Algorithmus mit einem hybriden Aufmerksamkeitsdesign für effizientes verstärkendes Lernen, was in der Langzeiteingabe-Inferenz und realen Software-Engineering-Szenarien branchenführende Leistung erzielt."
   },
+  "Moonshot-Kimi-K2-Instruct": {
+    "description": "Mit insgesamt 1 Billion Parametern und 32 Milliarden aktivierten Parametern erreicht dieses nicht-denkende Modell Spitzenleistungen in den Bereichen aktuelles Wissen, Mathematik und Programmierung und ist besonders für allgemeine Agentenaufgaben optimiert. Es wurde speziell für Agentenaufgaben verfeinert, kann nicht nur Fragen beantworten, sondern auch Aktionen ausführen. Ideal für spontane, allgemeine Gespräche und Agentenerfahrungen, ist es ein reflexartiges Modell ohne lange Denkzeiten."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) ist ein hochpräzises Anweisungsmodell, das für komplexe Berechnungen geeignet ist."
   },
+  "OmniConsistency": {
+    "description": "OmniConsistency verbessert durch den Einsatz großskaliger Diffusion Transformers (DiTs) und gepaarter stilisierter Daten die Stil-Konsistenz und Generalisierungsfähigkeit bei Bild-zu-Bild-Aufgaben und verhindert Stilverschlechterung."
+  },
   "Phi-3-medium-128k-instruct": {
     "description": "Das gleiche Phi-3-medium-Modell, jedoch mit einer größeren Kontextgröße für RAG oder Few-Shot-Prompting."
   },
@@ -218,6 +257,9 @@
   "Pro/deepseek-ai/DeepSeek-V3": {
     "description": "DeepSeek-V3 ist ein hybrides Experten (MoE) Sprachmodell mit 6710 Milliarden Parametern, das eine Multi-Head-Latente-Attention (MLA) und DeepSeekMoE-Architektur verwendet, kombiniert mit einer Lastenausgleichsstrategie ohne Hilfskosten, um die Inferenz- und Trainingseffizienz zu optimieren. Durch das Pre-Training auf 14,8 Billionen hochwertigen Tokens und anschließende überwachte Feinabstimmung und verstärktes Lernen übertrifft DeepSeek-V3 in der Leistung andere Open-Source-Modelle und nähert sich führenden geschlossenen Modellen."
   },
+  "Pro/moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 ist ein MoE-Architektur-Basis-Modell mit herausragenden Code- und Agentenfähigkeiten, insgesamt 1 Billion Parameter und 32 Milliarden aktivierten Parametern. In Benchmark-Tests zu allgemeinem Wissen, Programmierung, Mathematik und Agentenaufgaben übertrifft das K2-Modell andere führende Open-Source-Modelle."
+  },
   "QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview ist ein innovatives Modell für die Verarbeitung natürlicher Sprache, das komplexe Aufgaben der Dialoggenerierung und des Kontextverständnisses effizient bewältigen kann."
   },
@@ -278,9 +320,18 @@
   "Qwen/Qwen3-235B-A22B": {
     "description": "Qwen3 ist ein neues, leistungsstark verbessertes Modell von Tongyi Qianwen, das in den Bereichen Denken, Allgemeinwissen, Agenten und Mehrsprachigkeit in mehreren Kernfähigkeiten branchenführende Standards erreicht und den Wechsel zwischen Denkmodi unterstützt."
   },
+  "Qwen/Qwen3-235B-A22B-Instruct-2507": {
+    "description": "Qwen3-235B-A22B-Instruct-2507 ist ein Flaggschiff-Misch-Experten-(MoE)-Großsprachmodell aus der Qwen3-Serie, entwickelt vom Alibaba Cloud Tongyi Qianwen Team. Es verfügt über 235 Milliarden Gesamtparameter und aktiviert bei jeder Inferenz 22 Milliarden Parameter. Als aktualisierte Version des nicht-denkenden Qwen3-235B-A22B fokussiert es sich auf signifikante Verbesserungen in Instruktionsbefolgung, logischem Denken, Textverständnis, Mathematik, Wissenschaft, Programmierung und Werkzeugnutzung. Zudem wurde die Abdeckung mehrsprachigen Langschwanzwissens erweitert und die Ausrichtung auf Nutzerpräferenzen bei subjektiven und offenen Aufgaben verbessert, um hilfreichere und qualitativ hochwertigere Texte zu generieren."
+  },
+  "Qwen/Qwen3-235B-A22B-Thinking-2507": {
+    "description": "Qwen3-235B-A22B-Thinking-2507 ist ein Mitglied der Qwen3-Serie großer Sprachmodelle von Alibaba Tongyi Qianwen, spezialisiert auf komplexe anspruchsvolle Schlussfolgerungsaufgaben. Das Modell basiert auf der Misch-Experten-(MoE)-Architektur mit 235 Milliarden Gesamtparametern, aktiviert jedoch nur etwa 22 Milliarden Parameter pro Token, was eine hohe Rechenleistung bei Effizienz ermöglicht. Als dediziertes „Denk“-Modell zeigt es herausragende Leistungen in logischem Denken, Mathematik, Wissenschaft, Programmierung und akademischen Benchmarks und erreicht Spitzenwerte unter Open-Source-Denkmodellen. Zusätzlich verbessert es allgemeine Fähigkeiten wie Instruktionsbefolgung, Werkzeugnutzung und Textgenerierung und unterstützt nativ eine Kontextlänge von 256K, ideal für tiefgehende Schlussfolgerungen und lange Dokumente."
+  },
   "Qwen/Qwen3-30B-A3B": {
     "description": "Qwen3 ist ein neues, leistungsstark verbessertes Modell von Tongyi Qianwen, das in den Bereichen Denken, Allgemeinwissen, Agenten und Mehrsprachigkeit in mehreren Kernfähigkeiten branchenführende Standards erreicht und den Wechsel zwischen Denkmodi unterstützt."
   },
+  "Qwen/Qwen3-30B-A3B-Instruct-2507": {
+    "description": "Qwen3-30B-A3B-Instruct-2507 ist eine aktualisierte Version des Qwen3-30B-A3B im Nicht-Denkmodus. Es handelt sich um ein Mixture-of-Experts (MoE)-Modell mit insgesamt 30,5 Milliarden Parametern und 3,3 Milliarden Aktivierungsparametern. Das Modell wurde in mehreren Bereichen entscheidend verbessert, darunter eine signifikante Steigerung der Befolgung von Anweisungen, logisches Denken, Textverständnis, Mathematik, Wissenschaft, Programmierung und Werkzeugnutzung. Gleichzeitig wurden substanzielle Fortschritte bei der Abdeckung von Langschwanzwissen in mehreren Sprachen erzielt, und es kann besser auf die Präferenzen der Nutzer bei subjektiven und offenen Aufgaben abgestimmt werden, um hilfreichere Antworten und qualitativ hochwertigere Texte zu generieren. Darüber hinaus wurde die Fähigkeit zum Verständnis langer Texte auf 256K erweitert. Dieses Modell unterstützt ausschließlich den Nicht-Denkmodus und generiert keine `<think></think>`-Tags in der Ausgabe."
+  },
   "Qwen/Qwen3-32B": {
     "description": "Qwen3 ist ein neues, leistungsstark verbessertes Modell von Tongyi Qianwen, das in den Bereichen Denken, Allgemeinwissen, Agenten und Mehrsprachigkeit in mehreren Kernfähigkeiten branchenführende Standards erreicht und den Wechsel zwischen Denkmodi unterstützt."
   },
@@ -314,6 +365,12 @@
   "Qwen2.5-Coder-32B-Instruct": {
     "description": "Qwen2.5-Coder-32B-Instruct ist ein großes Sprachmodell, das speziell für die Codegenerierung, das Verständnis von Code und effiziente Entwicklungsszenarien entwickelt wurde. Es verwendet eine branchenführende Parametergröße von 32B und kann vielfältige Programmieranforderungen erfüllen."
   },
+  "Qwen3-235B": {
+    "description": "Qwen3-235B-A22B ist ein MoE (Mixture-of-Experts)-Modell, das den „Hybrid-Reasoning-Modus“ einführt und Nutzern nahtloses Umschalten zwischen „Denkmodus“ und „Nicht-Denkmodus“ ermöglicht. Es unterstützt das Verständnis und die Argumentation in 119 Sprachen und Dialekten und verfügt über leistungsstarke Werkzeugaufruffähigkeiten. In umfassenden Benchmark-Tests zu allgemeinen Fähigkeiten, Programmierung und Mathematik, Mehrsprachigkeit, Wissen und Argumentation konkurriert es mit führenden aktuellen Großmodellen auf dem Markt wie DeepSeek R1, OpenAI o1, o3-mini, Grok 3 und Google Gemini 2.5 Pro."
+  },
+  "Qwen3-32B": {
+    "description": "Qwen3-32B ist ein dichtes Modell (Dense Model), das den „Hybrid-Reasoning-Modus“ einführt und Nutzern nahtloses Umschalten zwischen „Denkmodus“ und „Nicht-Denkmodus“ ermöglicht. Aufgrund von Verbesserungen in der Modellarchitektur, einer Erweiterung der Trainingsdaten und effizienteren Trainingsmethoden entspricht die Gesamtleistung der von Qwen2.5-72B."
+  },
   "SenseChat": {
     "description": "Basisversion des Modells (V4) mit 4K Kontextlänge, die über starke allgemeine Fähigkeiten verfügt."
   },
@@ -350,6 +407,12 @@
   "SenseChat-Vision": {
     "description": "Das neueste Modell (V5.5) unterstützt die Eingabe mehrerer Bilder und optimiert umfassend die grundlegenden Fähigkeiten des Modells. Es hat signifikante Verbesserungen in der Erkennung von Objektattributen, räumlichen Beziehungen, Aktionsereignissen, Szenenverständnis, Emotionserkennung, logischem Wissen und Textverständnis und -generierung erreicht."
   },
+  "SenseNova-V6-5-Pro": {
+    "description": "Durch umfassende Aktualisierungen multimodaler, sprachlicher und argumentativer Daten sowie Optimierungen der Trainingsstrategie erzielt das neue Modell erhebliche Verbesserungen bei multimodalem Schließen und generalisierter Befolgung von Anweisungen. Es unterstützt Kontextfenster von bis zu 128k und zeigt herausragende Leistungen bei spezialisierten Aufgaben wie OCR und der Erkennung von Tourismus-IP."
+  },
+  "SenseNova-V6-5-Turbo": {
+    "description": "Durch umfassende Aktualisierungen multimodaler, sprachlicher und argumentativer Daten sowie Optimierungen der Trainingsstrategie erzielt das neue Modell erhebliche Verbesserungen bei multimodalem Schließen und generalisierter Befolgung von Anweisungen. Es unterstützt Kontextfenster von bis zu 128k und zeigt herausragende Leistungen bei spezialisierten Aufgaben wie OCR und der Erkennung von Tourismus-IP."
+  },
   "SenseNova-V6-Pro": {
     "description": "Erreicht eine native Einheit von Bild-, Text- und Video-Fähigkeiten, überwindet die traditionellen Grenzen der multimodalen Trennung und hat in den Bewertungen von OpenCompass und SuperCLUE zwei Meistertitel gewonnen."
   },
@@ -548,6 +611,9 @@
   "aya:35b": {
     "description": "Aya 23 ist ein mehrsprachiges Modell von Cohere, das 23 Sprachen unterstützt und die Anwendung in einer Vielzahl von Sprachen erleichtert."
   },
+  "azure-DeepSeek-R1-0528": {
+    "description": "Bereitgestellt von Microsoft; Das DeepSeek R1 Modell wurde in einer kleinen Versionsaktualisierung verbessert, die aktuelle Version ist DeepSeek-R1-0528. Im neuesten Update wurde die Rechentiefe und Inferenzfähigkeit von DeepSeek R1 durch Erhöhung der Rechenressourcen und Einführung eines Algorithmus-Optimierungsmechanismus in der Nachtrainingsphase erheblich gesteigert. Dieses Modell zeigt hervorragende Leistungen in mehreren Benchmark-Tests wie Mathematik, Programmierung und allgemeiner Logik und nähert sich in der Gesamtleistung führenden Modellen wie O3 und Gemini 2.5 Pro an."
+  },
   "baichuan/baichuan2-13b-chat": {
     "description": "Baichuan-13B ist ein Open-Source-Sprachmodell mit 13 Milliarden Parametern, das von Baichuan Intelligence entwickelt wurde und in autorisierten chinesischen und englischen Benchmarks die besten Ergebnisse in seiner Größenordnung erzielt hat."
   },
@@ -608,6 +674,9 @@
   "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-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."
+  },
   "claude-opus-4-20250514": {
     "description": "Claude Opus 4 ist das leistungsstärkste Modell von Anthropic zur Bewältigung hochkomplexer Aufgaben. Es zeichnet sich durch hervorragende Leistung, Intelligenz, Flüssigkeit und Verständnis aus."
   },
@@ -944,6 +1013,9 @@
   "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."
   },
+  "doubao-seedream-3-0-t2i-250415": {
+    "description": "Das Doubao-Bildgenerierungsmodell wurde vom ByteDance Seed Team entwickelt und unterstützt sowohl Text- als auch Bildeingaben, um eine hochgradig kontrollierbare und qualitativ hochwertige Bildgenerierung zu bieten. Es erzeugt Bilder basierend auf Text-Prompts."
+  },
   "doubao-vision-lite-32k": {
     "description": "Das Doubao-vision-Modell ist ein multimodales Großmodell von Doubao mit starker Bildverständnis- und Inferenzfähigkeit sowie präziser Befehlsinterpretation. Es zeigt starke Leistung bei der Extraktion von Bild- und Textinformationen sowie bei bildbasierten Inferenzaufgaben und eignet sich für komplexere und umfassendere visuelle Frage-Antwort-Aufgaben."
   },
@@ -995,6 +1067,9 @@
   "ernie-char-fiction-8k": {
     "description": "Das von Baidu entwickelte große Sprachmodell für vertikale Szenarien eignet sich für Anwendungen wie NPCs in Spielen, Kundenservice-Dialoge und Rollenspiele, mit einem klareren und konsistenteren Charakterstil, einer stärkeren Befolgung von Anweisungen und besserer Inferenzleistung."
   },
+  "ernie-irag-edit": {
+    "description": "Das von Baidu entwickelte ERNIE iRAG Edit Bildbearbeitungsmodell unterstützt Operationen wie Löschen (erase), Neumalen (repaint) und Variationserzeugung (variation) basierend auf Bildern."
+  },
   "ernie-lite-8k": {
     "description": "ERNIE Lite ist ein leichtgewichtiges großes Sprachmodell, das von Baidu entwickelt wurde und sowohl hervorragende Modellleistung als auch Inferenzleistung bietet, geeignet für die Verwendung mit AI-Beschleunigungskarten mit geringer Rechenleistung."
   },
@@ -1022,14 +1097,32 @@
   "ernie-x1-turbo-32k": {
     "description": "Im Vergleich zu ERNIE-X1-32K bietet dieses Modell bessere Leistung und Effizienz."
   },
+  "flux-1-schnell": {
+    "description": "Ein von Black Forest Labs entwickeltes Text-zu-Bild-Modell mit 12 Milliarden Parametern, das latente adversariale Diffusionsdestillation verwendet und in 1 bis 4 Schritten hochwertige Bilder erzeugen kann. Die Leistung ist vergleichbar mit proprietären Alternativen und wird unter der Apache-2.0-Lizenz für private, wissenschaftliche und kommerzielle Nutzung veröffentlicht."
+  },
+  "flux-dev": {
+    "description": "FLUX.1 [dev] ist ein Open-Source-Gewichtungs- und Feinschlichtungsmodell für nicht-kommerzielle Anwendungen. Es bietet eine Bildqualität und Instruktionsbefolgung ähnlich der professionellen FLUX-Version, jedoch mit höherer Effizienz. Im Vergleich zu Standardmodellen gleicher Größe ist es ressourcenschonender."
+  },
   "flux-kontext/dev": {
-    "description": "Frontier Bildbearbeitungsmodell."
+    "description": "FLUX.1 Modell, spezialisiert auf Bildbearbeitungsaufgaben, unterstützt Text- und Bildeingaben."
+  },
+  "flux-merged": {
+    "description": "Das FLUX.1-merged Modell kombiniert die tiefgehenden Eigenschaften, die in der Entwicklungsphase von „DEV“ erforscht wurden, mit der hohen Ausführungsgeschwindigkeit von „Schnell“. Dadurch werden sowohl die Leistungsgrenzen des Modells erweitert als auch dessen Anwendungsbereich vergrößert."
   },
   "flux-pro/kontext": {
     "description": "FLUX.1 Kontext [pro] kann Text und Referenzbilder als Eingabe verarbeiten und ermöglicht nahtlose zielgerichtete lokale Bearbeitungen sowie komplexe umfassende Szenenveränderungen."
   },
+  "flux-schnell": {
+    "description": "FLUX.1 [schnell] ist das derzeit fortschrittlichste Open-Source-Modell mit wenigen Schritten, das nicht nur Konkurrenten übertrifft, sondern auch leistungsstärkere nicht-feinabgestimmte Modelle wie Midjourney v6.0 und DALL·E 3 (HD) übertrifft. Das Modell wurde speziell feinabgestimmt, um die gesamte Vielfalt der Vortrainingsausgaben zu bewahren. Im Vergleich zu den aktuell besten Modellen auf dem Markt bietet FLUX.1 [schnell] erhebliche Verbesserungen in visueller Qualität, Instruktionsbefolgung, Größen- und Proportionsänderungen, Schriftartenverarbeitung und Ausgabediversität, was den Nutzern eine reichhaltigere und vielfältigere kreative Bildgenerierung ermöglicht."
+  },
+  "flux.1-schnell": {
+    "description": "Ein Rectified Flow Transformer mit 12 Milliarden Parametern, der Bilder basierend auf Textbeschreibungen generieren kann."
+  },
+  "flux/krea": {
+    "description": "Flux Krea [dev] ist ein bildgenerierendes Modell mit ästhetischer Präferenz, das darauf abzielt, realistischere und natürlichere Bilder zu erzeugen."
+  },
   "flux/schnell": {
-    "description": "FLUX.1 [schnell] ist ein Streaming-Transformator-Modell mit 12 Milliarden Parametern, das in 1 bis 4 Schritten hochwertige Bilder aus Text generiert und sich für private und kommerzielle Nutzung eignet."
+    "description": "FLUX.1 [schnell] ist ein bildgenerierendes Modell mit 12 Milliarden Parametern, das sich auf die schnelle Erstellung hochwertiger Bilder konzentriert."
   },
   "gemini-1.0-pro-001": {
     "description": "Gemini 1.0 Pro 001 (Tuning) bietet stabile und anpassbare Leistung und ist die ideale Wahl für Lösungen komplexer Aufgaben."
@@ -1109,9 +1202,6 @@
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview ist das kosteneffizienteste Modell von Google und bietet umfassende Funktionen."
   },
-  "gemini-2.5-flash-preview-04-17-thinking": {
-    "description": "Gemini 2.5 Flash Preview ist Googles kosteneffizientestes Modell mit umfassenden Funktionen."
-  },
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview ist Googles kosteneffizientestes Modell mit umfassenden Funktionen."
   },
@@ -1190,6 +1280,21 @@
   "glm-4.1v-thinking-flashx": {
     "description": "Die GLM-4.1V-Thinking-Serie ist das leistungsstärkste visuelle Modell unter den bekannten 10-Milliarden-Parameter-VLMs und integriert SOTA-Leistungen auf diesem Niveau in verschiedenen visuellen Sprachaufgaben, darunter Videoverstehen, Bildfragen, Fachaufgaben, OCR-Texterkennung, Dokumenten- und Diagramminterpretation, GUI-Agenten, Frontend-Web-Coding und Grounding. In vielen Aufgaben übertrifft es sogar das Qwen2.5-VL-72B mit achtmal so vielen Parametern. Durch fortschrittliche Verstärkungslernverfahren beherrscht das Modell die Chain-of-Thought-Schlussfolgerung, was die Genauigkeit und Detailtiefe der Antworten deutlich verbessert und in Bezug auf Endergebnis und Erklärbarkeit traditionelle Nicht-Thinking-Modelle übertrifft."
   },
+  "glm-4.5": {
+    "description": "Das neueste Flaggschiff-Modell von Zhipu, unterstützt den Denkmoduswechsel und erreicht eine umfassende Leistungsfähigkeit auf SOTA-Niveau für Open-Source-Modelle mit einer Kontextlänge von bis zu 128K."
+  },
+  "glm-4.5-air": {
+    "description": "Die leichtgewichtige Version von GLM-4.5, die Leistung und Kosten-Nutzen-Verhältnis ausbalanciert und flexibel zwischen hybriden Denkmodellen wechseln kann."
+  },
+  "glm-4.5-airx": {
+    "description": "Die Turbo-Version von GLM-4.5-Air mit schnellerer Reaktionszeit, speziell für großskalige und hochgeschwindigkeitsbedürftige Anwendungen entwickelt."
+  },
+  "glm-4.5-flash": {
+    "description": "Die kostenlose Version von GLM-4.5, die bei Inferenz, Programmierung und Agentenaufgaben hervorragende Leistungen zeigt."
+  },
+  "glm-4.5-x": {
+    "description": "Die Turbo-Version von GLM-4.5, die bei starker Leistung eine Generierungsgeschwindigkeit von bis zu 100 Tokens pro Sekunde erreicht."
+  },
   "glm-4v": {
     "description": "GLM-4V bietet starke Fähigkeiten zur Bildverständnis und -schlussfolgerung und unterstützt eine Vielzahl visueller Aufgaben."
   },
@@ -1209,7 +1314,7 @@
     "description": "Blitzschlussfolgerung: Bietet extrem schnelle Schlussfolgerungsgeschwindigkeit und starke Schlussfolgerungseffekte."
   },
   "glm-z1-flash": {
-    "description": "Die GLM-Z1-Serie verfügt über starke Fähigkeiten zur komplexen Schlussfolgerung und zeigt in den Bereichen logische Schlussfolgerung, Mathematik und Programmierung hervorragende Leistungen. Die maximale Kontextlänge beträgt 32K."
+    "description": "Die GLM-Z1-Serie verfügt über starke Fähigkeiten im komplexen logischen Denken und zeigt hervorragende Leistungen in Logik, Mathematik und Programmierung."
   },
   "glm-z1-flashx": {
     "description": "Hohe Geschwindigkeit zu niedrigem Preis: Flash-verbesserte Version mit ultraschneller Inferenzgeschwindigkeit und schnellerer gleichzeitiger Verarbeitung."
@@ -1379,12 +1484,33 @@
   "gpt-4o-transcribe": {
     "description": "GPT-4o Transcribe ist ein Sprach-zu-Text-Modell, das GPT-4o zur Transkription von Audio verwendet. Im Vergleich zum ursprünglichen Whisper-Modell verbessert es die Wortfehlerrate sowie die Spracherkennung und Genauigkeit. Verwenden Sie es für genauere Transkriptionen."
   },
+  "gpt-5": {
+    "description": "Das beste Modell für bereichsübergreifende Codierungs- und Agentenaufgaben. GPT-5 erzielt Durchbrüche in Genauigkeit, Geschwindigkeit, Schlussfolgerungen, Kontextverständnis, strukturiertem Denken und Problemlösung."
+  },
+  "gpt-5-chat-latest": {
+    "description": "Das in ChatGPT verwendete GPT-5 Modell. Vereint starke Sprachverständnis- und Generierungsfähigkeiten, ideal für dialogorientierte Anwendungen."
+  },
+  "gpt-5-mini": {
+    "description": "Eine schnellere und kosteneffizientere Version von GPT-5, geeignet für klar definierte Aufgaben. Bietet schnellere Reaktionszeiten bei gleichbleibend hoher Ausgabequalität."
+  },
+  "gpt-5-nano": {
+    "description": "Die schnellste und kostengünstigste Version von GPT-5. Besonders geeignet für Anwendungen, die schnelle Reaktionen und Kostenbewusstsein erfordern."
+  },
   "gpt-image-1": {
     "description": "ChatGPT natives multimodales Bildgenerierungsmodell"
   },
+  "gpt-oss": {
+    "description": "GPT-OSS 20B ist ein von OpenAI veröffentlichtes Open-Source-Sprachmodell, das die MXFP4-Quantisierungstechnologie verwendet und sich für den Einsatz auf High-End-Consumer-GPUs oder Apple Silicon Macs eignet. Dieses Modell zeigt hervorragende Leistungen bei der Dialoggenerierung, Codeerstellung und bei Inferenzaufgaben und unterstützt Funktionsaufrufe sowie die Nutzung von Werkzeugen."
+  },
+  "gpt-oss:120b": {
+    "description": "GPT-OSS 120B ist ein von OpenAI veröffentlichtes großes Open-Source-Sprachmodell, das die MXFP4-Quantisierungstechnologie verwendet und als Flaggschiff-Modell gilt. Es erfordert den Betrieb auf Multi-GPU- oder Hochleistungs-Workstation-Umgebungen und bietet herausragende Leistungen bei komplexen Inferenzaufgaben, Codegenerierung und mehrsprachiger Verarbeitung. Es unterstützt fortgeschrittene Funktionsaufrufe und die Integration von Werkzeugen."
+  },
   "grok-2-1212": {
     "description": "Dieses Modell hat Verbesserungen in Bezug auf Genauigkeit, Befolgung von Anweisungen und Mehrsprachigkeit erfahren."
   },
+  "grok-2-image-1212": {
+    "description": "Unser neuestes Bildgenerierungsmodell kann lebendige und realistische Bilder basierend auf Text-Prompts erzeugen. Es zeigt hervorragende Leistungen in den Bereichen Marketing, soziale Medien und Unterhaltung."
+  },
   "grok-2-vision-1212": {
     "description": "Dieses Modell hat Verbesserungen in Bezug auf Genauigkeit, Befolgung von Anweisungen und Mehrsprachigkeit erfahren."
   },
@@ -1454,6 +1580,9 @@
   "hunyuan-t1-20250529": {
     "description": "Optimiert für Textkreation und Aufsatzschreiben, verbessert die Fähigkeiten in Frontend-Programmierung, Mathematik und logischem Denken sowie die Befolgung von Anweisungen."
   },
+  "hunyuan-t1-20250711": {
+    "description": "Erhebliche Verbesserungen bei anspruchsvoller Mathematik, Logik und Programmierfähigkeiten, Optimierung der Modellstabilität und Steigerung der Leistungsfähigkeit bei langen Texten."
+  },
   "hunyuan-t1-latest": {
     "description": "Das erste ultra-skalierbare Hybrid-Transformer-Mamba-Inferenzmodell der Branche, das die Inferenzfähigkeiten erweitert, eine extrem hohe Dekodierungsgeschwindigkeit bietet und weiter auf menschliche Präferenzen abgestimmt ist."
   },
@@ -1502,6 +1631,12 @@
   "hunyuan-vision": {
     "description": "Das neueste multimodale Modell von Hunyuan unterstützt die Eingabe von Bildern und Text zur Generierung von Textinhalten."
   },
+  "image-01": {
+    "description": "Neues Bildgenerierungsmodell mit feiner Bilddarstellung, unterstützt Text-zu-Bild und Bild-zu-Bild."
+  },
+  "image-01-live": {
+    "description": "Bildgenerierungsmodell mit feiner Bilddarstellung, unterstützt Text-zu-Bild und Stil-Einstellungen."
+  },
   "imagen-4.0-generate-preview-06-06": {
     "description": "Imagen 4. Generation Text-zu-Bild Modellserie"
   },
@@ -1509,7 +1644,7 @@
     "description": "Imagen 4. Generation Text-zu-Bild Modellserie Ultra-Version"
   },
   "imagen4/preview": {
-    "description": "Googles hochwertigstes Bildgenerierungsmodell"
+    "description": "Hochwertiges bildgenerierendes Modell von Google."
   },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 bietet intelligente Dialoglösungen in mehreren Szenarien."
@@ -1526,6 +1661,9 @@
   "internvl3-latest": {
     "description": "Unser neuestes multimodales Großmodell bietet verbesserte Fähigkeiten im Verständnis von Text und Bildern sowie im langfristigen Verständnis von Bildern und erreicht eine Leistung, die mit führenden proprietären Modellen vergleichbar ist. Standardmäßig verweist es auf unser neuestes veröffentlichtes InternVL-Modell, derzeit auf internvl3-78b."
   },
+  "irag-1.0": {
+    "description": "Das von Baidu entwickelte iRAG (image based RAG) ist eine durch Suche verstärkte Text-zu-Bild-Technologie, die Baidus Milliarden von Bildressourcen mit leistungsstarken Basismodellen kombiniert, um ultra-realistische Bilder zu erzeugen. Das Gesamtergebnis übertrifft native Text-zu-Bild-Systeme deutlich, wirkt weniger künstlich und ist kostengünstig. iRAG zeichnet sich durch keine Halluzinationen, hohe Realitätsnähe und sofortige Verfügbarkeit aus."
+  },
   "jamba-large": {
     "description": "Unser leistungsstärkstes und fortschrittlichstes Modell, das speziell für die Bewältigung komplexer Aufgaben auf Unternehmensebene entwickelt wurde und herausragende Leistung bietet."
   },
@@ -1535,6 +1673,9 @@
   "jina-deepsearch-v1": {
     "description": "Die Tiefensuche kombiniert Websuche, Lesen und Schlussfolgern und ermöglicht umfassende Untersuchungen. Sie können es als einen Agenten betrachten, der Ihre Forschungsaufgaben übernimmt – er führt eine umfassende Suche durch und iteriert mehrfach, bevor er eine Antwort gibt. Dieser Prozess umfasst kontinuierliche Forschung, Schlussfolgerungen und die Lösung von Problemen aus verschiedenen Perspektiven. Dies unterscheidet sich grundlegend von den Standard-Großmodellen, die Antworten direkt aus vortrainierten Daten generieren, sowie von traditionellen RAG-Systemen, die auf einmaligen Oberflächensuchen basieren."
   },
+  "kimi-k2": {
+    "description": "Kimi-K2 ist ein von Moonshot AI entwickeltes MoE-Basis-Modell mit herausragenden Code- und Agentenfähigkeiten, insgesamt 1 Billion Parameter und 32 Milliarden aktivierten Parametern. In Benchmark-Tests zu allgemeinem Wissen, Programmierung, Mathematik und Agentenaufgaben übertrifft das K2-Modell andere führende Open-Source-Modelle."
+  },
   "kimi-k2-0711-preview": {
     "description": "kimi-k2 ist ein MoE-Architektur-Basis-Modell mit außergewöhnlichen Fähigkeiten in Code und Agentenfunktionen, mit insgesamt 1 Billion Parametern und 32 Milliarden aktiven Parametern. In Benchmark-Tests zu allgemeinem Wissen, Programmierung, Mathematik und Agenten übertrifft das K2-Modell andere führende Open-Source-Modelle."
   },
@@ -1928,6 +2069,9 @@
   "moonshotai/Kimi-Dev-72B": {
     "description": "Kimi-Dev-72B ist ein Open-Source-Großmodell für Quellcode, das durch umfangreiche Verstärkungslernoptimierung robuste und direkt produktionsreife Patches erzeugen kann. Dieses Modell erreichte auf SWE-bench Verified eine neue Höchstpunktzahl von 60,4 % und stellte damit einen Rekord für Open-Source-Modelle bei automatisierten Software-Engineering-Aufgaben wie Fehlerbehebung und Code-Review auf."
   },
+  "moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 ist ein MoE-Basis-Modell mit herausragenden Code- und Agentenfähigkeiten, insgesamt 1 Billion Parameter und 32 Milliarden aktivierten Parametern. In Benchmark-Tests zu allgemeinem Wissen, Programmierung, Mathematik und Agentenaufgaben übertrifft das K2-Modell andere führende Open-Source-Modelle."
+  },
   "moonshotai/kimi-k2-instruct": {
     "description": "kimi-k2 ist ein MoE-Architektur-Basismodell mit außergewöhnlichen Fähigkeiten in Code und Agenten, mit insgesamt 1 Billion Parametern und 32 Milliarden aktiven Parametern. In Benchmark-Tests zu allgemeinem Wissen, Programmierung, Mathematik und Agenten übertrifft das K2-Modell andere führende Open-Source-Modelle."
   },
@@ -2003,6 +2147,12 @@
   "openai/gpt-4o-mini": {
     "description": "GPT-4o mini ist das neueste Modell von OpenAI, das nach GPT-4 Omni veröffentlicht wurde und Text- und Bild-Eingaben unterstützt. Als ihr fortschrittlichstes kleines Modell ist es viel günstiger als andere neueste Modelle und über 60 % günstiger als GPT-3.5 Turbo. Es behält die fortschrittlichste Intelligenz bei und bietet gleichzeitig ein hervorragendes Preis-Leistungs-Verhältnis. GPT-4o mini erzielte 82 % im MMLU-Test und rangiert derzeit in den Chat-Präferenzen über GPT-4."
   },
+  "openai/gpt-oss-120b": {
+    "description": "OpenAI GPT-OSS 120B ist ein Spitzen-Sprachmodell mit 120 Milliarden Parametern, integriertem Browser-Such- und Code-Ausführungsfunktionen sowie ausgeprägten Inferenzfähigkeiten."
+  },
+  "openai/gpt-oss-20b": {
+    "description": "OpenAI GPT-OSS 20B ist ein Spitzen-Sprachmodell mit 20 Milliarden Parametern, integriertem Browser-Such- und Code-Ausführungsfunktionen sowie ausgeprägten Inferenzfähigkeiten."
+  },
   "openai/o1": {
     "description": "o1 ist OpenAIs neues Inferenzmodell, das Bild- und Texteingaben unterstützt und Text ausgibt. Es eignet sich für komplexe Aufgaben, die umfangreiches Allgemeinwissen erfordern. Das Modell verfügt über einen Kontext von 200K und einen Wissensstand bis Oktober 2023."
   },
@@ -2063,6 +2213,9 @@
   "qwen-coder-turbo-latest": {
     "description": "Das Tongyi Qianwen Code-Modell."
   },
+  "qwen-image": {
+    "description": "Leistungsstarkes Rohbildmodell vom Qwen-Team mit beeindruckenden Fähigkeiten zur chinesischen Textgenerierung und vielfältigen visuellen Bildstilen."
+  },
   "qwen-long": {
     "description": "Qwen ist ein groß angelegtes Sprachmodell, das lange Textkontexte unterstützt und Dialogfunktionen für verschiedene Szenarien wie lange Dokumente und mehrere Dokumente bietet."
   },
@@ -2264,9 +2417,21 @@
   "qwen3-235b-a22b": {
     "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."
   },
+  "qwen3-235b-a22b-instruct-2507": {
+    "description": "Open-Source-Modell im nicht-denkenden Modus basierend auf Qwen3, mit leichten Verbesserungen in subjektiver Kreativität und Modellsicherheit gegenüber der Vorgängerversion (Tongyi Qianwen 3-235B-A22B)."
+  },
+  "qwen3-235b-a22b-thinking-2507": {
+    "description": "Open-Source-Modell im Denkmodus basierend auf Qwen3, mit erheblichen Verbesserungen in Logik, allgemeinen Fähigkeiten, Wissensabdeckung und Kreativität gegenüber der Vorgängerversion (Tongyi Qianwen 3-235B-A22B). Geeignet für anspruchsvolle und stark schlussfolgernde Szenarien."
+  },
   "qwen3-30b-a3b": {
     "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."
   },
+  "qwen3-30b-a3b-instruct-2507": {
+    "description": "Im Vergleich zur vorherigen Version (Qwen3-30B-A3B) wurde die allgemeine Leistungsfähigkeit in Chinesisch, Englisch und mehreren Sprachen deutlich verbessert. Spezielle Optimierungen für subjektive und offene Aufgaben führen zu einer deutlich besseren Übereinstimmung mit den Nutzerpräferenzen und ermöglichen hilfreichere Antworten."
+  },
+  "qwen3-30b-a3b-thinking-2507": {
+    "description": "Basierend auf dem Denkmodus-Open-Source-Modell von Qwen3 wurden im Vergleich zur vorherigen Version (Tongyi Qianwen 3-30B-A3B) die logischen Fähigkeiten, die allgemeine Leistungsfähigkeit, das Wissen und die Kreativität erheblich verbessert. Es eignet sich für anspruchsvolle Szenarien mit starker Argumentation."
+  },
   "qwen3-32b": {
     "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."
   },
@@ -2276,6 +2441,15 @@
   "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-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."
+  },
+  "qwen3-coder-flash": {
+    "description": "Tongyi Qianwen Code-Modell. Die neueste Qwen3-Coder Modellreihe basiert auf Qwen3 und ist ein Code-Generierungsmodell mit starker Coding-Agent-Fähigkeit, spezialisiert auf Werkzeugaufrufe und Umgebungsinteraktion, das selbstständiges Programmieren ermöglicht und neben hervorragenden Code-Fähigkeiten auch allgemeine Kompetenzen besitzt."
+  },
+  "qwen3-coder-plus": {
+    "description": "Tongyi Qianwen Code-Modell. Die neueste Qwen3-Coder Modellreihe basiert auf Qwen3 und ist ein Code-Generierungsmodell mit starker Coding-Agent-Fähigkeit, spezialisiert auf Werkzeugaufrufe und Umgebungsinteraktion, das selbstständiges Programmieren ermöglicht und neben hervorragenden Code-Fähigkeiten auch allgemeine Kompetenzen besitzt."
+  },
   "qwq": {
     "description": "QwQ ist ein experimentelles Forschungsmodell, das sich auf die Verbesserung der KI-Inferenzfähigkeiten konzentriert."
   },
@@ -2318,6 +2492,24 @@
   "sonar-reasoning-pro": {
     "description": "Ein neues API-Produkt, das von dem DeepSeek-Inferenzmodell unterstützt wird."
   },
+  "stable-diffusion-3-medium": {
+    "description": "Das neueste Text-zu-Bild-Großmodell von Stability AI. Diese Version verbessert signifikant Bildqualität, Textverständnis und Stilvielfalt gegenüber Vorgängerversionen, kann komplexe natürliche Sprachaufforderungen präziser interpretieren und erzeugt genauere und vielfältigere Bilder."
+  },
+  "stable-diffusion-3.5-large": {
+    "description": "stable-diffusion-3.5-large ist ein multimodaler Diffusions-Transformer (MMDiT) mit 800 Millionen Parametern für Text-zu-Bild-Generierung, bietet herausragende Bildqualität und Prompt-Übereinstimmung, unterstützt die Erzeugung von Bildern mit bis zu 1 Million Pixeln und läuft effizient auf handelsüblicher Hardware."
+  },
+  "stable-diffusion-3.5-large-turbo": {
+    "description": "stable-diffusion-3.5-large-turbo basiert auf stable-diffusion-3.5-large und verwendet adversariale Diffusionsdestillation (ADD) für höhere Geschwindigkeit."
+  },
+  "stable-diffusion-v1.5": {
+    "description": "stable-diffusion-v1.5 wurde mit den Gewichten des stable-diffusion-v1.2 Checkpoints initialisiert und mit 595k Schritten bei 512x512 Auflösung auf „laion-aesthetics v2 5+“ feinabgestimmt. Dabei wurde die Textkonditionierung um 10 % reduziert, um die geführte Stichprobenahme ohne Klassifikator zu verbessern."
+  },
+  "stable-diffusion-xl": {
+    "description": "stable-diffusion-xl bringt bedeutende Verbesserungen gegenüber v1.5 und erreicht eine Qualität, die mit dem aktuellen Open-Source-Text-zu-Bild-SOTA-Modell Midjourney vergleichbar ist. Zu den Verbesserungen zählen ein dreimal größeres UNet-Backbone, ein Verfeinerungsmodul zur Qualitätssteigerung der generierten Bilder sowie effizientere Trainingstechniken."
+  },
+  "stable-diffusion-xl-base-1.0": {
+    "description": "Ein von Stability AI entwickeltes und Open-Source-Text-zu-Bild-Großmodell mit branchenführender kreativer Bildgenerierungsfähigkeit. Es verfügt über exzellente Instruktionsverständnisfähigkeiten und unterstützt die Definition von Inverse Prompts zur präzisen Inhaltserzeugung."
+  },
   "step-1-128k": {
     "description": "Bietet ein ausgewogenes Verhältnis zwischen Leistung und Kosten, geeignet für allgemeine Szenarien."
   },
@@ -2348,6 +2540,12 @@
   "step-1v-8k": {
     "description": "Kleinvisualmodell, geeignet für grundlegende Text- und Bildaufgaben."
   },
+  "step-1x-edit": {
+    "description": "Dieses Modell ist auf Bildbearbeitungsaufgaben spezialisiert und kann Bilder basierend auf vom Nutzer bereitgestellten Bildern und Textbeschreibungen modifizieren und verbessern. Es unterstützt verschiedene Eingabeformate, einschließlich Textbeschreibungen und Beispielbilder, versteht die Nutzerintention und erzeugt entsprechende Bildbearbeitungsergebnisse."
+  },
+  "step-1x-medium": {
+    "description": "Dieses Modell verfügt über starke Bildgenerierungsfähigkeiten und unterstützt Texteingaben. Es bietet native chinesische Unterstützung, versteht und verarbeitet chinesische Textbeschreibungen besser, erfasst semantische Informationen präziser und wandelt sie in Bildmerkmale um, um genauere Bildgenerierung zu ermöglichen. Das Modell erzeugt hochauflösende, qualitativ hochwertige Bilder und besitzt eine gewisse Stilübertragungsfähigkeit."
+  },
   "step-2-16k": {
     "description": "Unterstützt groß angelegte Kontextinteraktionen und eignet sich für komplexe Dialogszenarien."
   },
@@ -2357,6 +2555,9 @@
   "step-2-mini": {
     "description": "Ein ultraschnelles Großmodell, das auf der neuen, selbstentwickelten Attention-Architektur MFA basiert. Es erreicht mit extrem niedrigen Kosten ähnliche Ergebnisse wie Schritt 1 und bietet gleichzeitig eine höhere Durchsatzrate und schnellere Reaktionszeiten. Es kann allgemeine Aufgaben bearbeiten und hat besondere Fähigkeiten im Bereich der Codierung."
   },
+  "step-2x-large": {
+    "description": "Das neue Generationen-Bildmodell von Step Star konzentriert sich auf Bildgenerierung und kann basierend auf Textbeschreibungen des Nutzers hochwertige Bilder erzeugen. Das neue Modell erzeugt realistischere Bildtexturen und bietet verbesserte Fähigkeiten bei der Erzeugung chinesischer und englischer Schriftzeichen."
+  },
   "step-r1-v-mini": {
     "description": "Dieses Modell ist ein leistungsstarkes Schlussfolgerungsmodell mit starker Bildverständnisfähigkeit, das in der Lage ist, Bild- und Textinformationen zu verarbeiten und nach tiefem Denken Textinhalte zu generieren. Es zeigt herausragende Leistungen im Bereich der visuellen Schlussfolgerung und verfügt über erstklassige Fähigkeiten in Mathematik, Programmierung und Textschlussfolgerung. Die Kontextlänge beträgt 100k."
   },
@@ -2432,8 +2633,23 @@
   "v0-1.5-md": {
     "description": "Das Modell v0-1.5-md ist für alltägliche Aufgaben und die Generierung von Benutzeroberflächen (UI) geeignet"
   },
+  "wan2.2-t2i-flash": {
+    "description": "Wanxiang 2.2 Turbo-Version, das aktuell neueste Modell. Es bietet umfassende Verbesserungen in Kreativität, Stabilität und realistischer Textur, erzeugt schnell und bietet ein hervorragendes Preis-Leistungs-Verhältnis."
+  },
+  "wan2.2-t2i-plus": {
+    "description": "Wanxiang 2.2 Professional-Version, das aktuell neueste Modell. Es bietet umfassende Verbesserungen in Kreativität, Stabilität und realistischer Textur mit reichhaltigen Details."
+  },
+  "wanx-v1": {
+    "description": "Basis-Text-zu-Bild-Modell. Entspricht dem allgemeinen Modell 1.0 auf der offiziellen Tongyi Wanxiang Webseite."
+  },
+  "wanx2.0-t2i-turbo": {
+    "description": "Spezialisiert auf realistische Porträts, mittlere Geschwindigkeit und niedrige Kosten. Entspricht dem Turbo-Modell 2.0 auf der offiziellen Tongyi Wanxiang Webseite."
+  },
+  "wanx2.1-t2i-plus": {
+    "description": "Vollständig aufgerüstete Version mit reichhaltigeren Bilddetails, etwas langsamer. Entspricht dem professionellen Modell 2.1 auf der offiziellen Tongyi Wanxiang Webseite."
+  },
   "wanx2.1-t2i-turbo": {
-    "description": "Text-zu-Bild-Modell von Aliyun Tongyi"
+    "description": "Vollständig aufgerüstete Version mit schneller Generierung, umfassender Leistung und hervorragendem Preis-Leistungs-Verhältnis. Entspricht dem Turbo-Modell 2.1 auf der offiziellen Tongyi Wanxiang Webseite."
   },
   "whisper-1": {
     "description": "Universelles Spracherkennungsmodell, unterstützt mehrsprachige Spracherkennung, Sprachübersetzung und Spracherkennung."
@@ -2485,5 +2701,11 @@
   },
   "yi-vision-v2": {
     "description": "Ein Modell für komplexe visuelle Aufgaben, das leistungsstarke Verständnis- und Analysefähigkeiten auf der Grundlage mehrerer Bilder bietet."
+  },
+  "zai-org/GLM-4.5": {
+    "description": "GLM-4.5 ist ein speziell für Agentenanwendungen entwickeltes Basismodell mit Mixture-of-Experts-Architektur. Es ist tief optimiert für Werkzeugaufrufe, Web-Browsing, Softwareentwicklung und Frontend-Programmierung und unterstützt nahtlos die Integration in Code-Agenten wie Claude Code und Roo Code. GLM-4.5 verwendet einen hybriden Inferenzmodus und ist für komplexe Schlussfolgerungen sowie den Alltagsgebrauch geeignet."
+  },
+  "zai-org/GLM-4.5-Air": {
+    "description": "GLM-4.5-Air ist ein speziell für Agentenanwendungen entwickeltes Basismodell mit Mixture-of-Experts-Architektur. Es ist tief optimiert für Werkzeugaufrufe, Web-Browsing, Softwareentwicklung und Frontend-Programmierung und unterstützt nahtlos die Integration in Code-Agenten wie Claude Code und Roo Code. GLM-4.5 verwendet einen hybriden Inferenzmodus und ist für komplexe Schlussfolgerungen sowie den Alltagsgebrauch geeignet."
   }
 }

locales/de-DE/plugin.json

@@ -1,25 +1,25 @@
 {
   "confirm": "Bestätigen",
   "debug": {
-    "arguments": "Argumente",
+    "arguments": "Aufrufparameter",
     "function_call": "Funktionsaufruf",
-    "off": "Debugging deaktivieren",
+    "off": "Debugging ausschalten",
     "on": "Plugin-Aufrufinformationen anzeigen",
-    "payload": "Plugin-Payload",
+    "payload": "Plugin-Nutzlast",
     "pluginState": "Plugin-Zustand",
     "response": "Antwort",
     "title": "Plugin-Details",
-    "tool_call": "Tool Call Request"
+    "tool_call": "Werkzeugaufruf-Anfrage"
   },
   "detailModal": {
     "customPlugin": {
-      "description": "Bitte gehen Sie zur Bearbeitungsseite, um Details anzuzeigen",
+      "description": "Bitte besuchen Sie die Bearbeitungsseite für Details",
       "editBtn": "Jetzt bearbeiten",
       "title": "Dies ist ein benutzerdefiniertes Plugin"
     },
     "emptyState": {
       "description": "Bitte installieren Sie dieses Plugin, um die Funktionen und Konfigurationsoptionen anzuzeigen",
-      "title": "Nach der Installation Plugin-Details anzeigen"
+      "title": "Plugin-Details nach Installation anzeigen"
     },
     "info": {
       "description": "API-Beschreibung",
@@ -33,17 +33,17 @@
     "title": "Plugin-Details"
   },
   "dev": {
-    "confirmDeleteDevPlugin": "Möchten Sie das lokale Plugin wirklich löschen? Es kann nach dem Löschen nicht wiederhergestellt werden.",
+    "confirmDeleteDevPlugin": "Dieses lokale Plugin wird gelöscht und kann nicht wiederhergestellt werden. Möchten Sie das Plugin wirklich löschen?",
     "customParams": {
       "useProxy": {
-        "label": "Durch Proxy installieren (Bei Problemen mit Cross-Origin-Zugriffsfehlern können Sie versuchen, diese Option zu aktivieren und das Plugin erneut zu installieren)"
+        "label": "Installation über Proxy (bei CORS-Fehlern bitte diese Option aktivieren und erneut installieren)"
       }
     },
     "deleteSuccess": "Plugin erfolgreich gelöscht",
     "manifest": {
       "identifier": {
         "desc": "Eindeutige Kennung des Plugins",
-        "label": "Kennung"
+        "label": "Bezeichner"
       },
       "mode": {
         "mcp": "MCP-Plugin",
@@ -61,17 +61,17 @@
         "title": "Erweiterte Einstellungen"
       },
       "args": {
-        "desc": "Liste der Parameter, die an den auszuführenden Befehl übergeben werden, normalerweise hier den MCP-Servernamen oder den Pfad zum Startskript eingeben",
+        "desc": "Parameterliste für den Ausführungsbefehl, normalerweise hier MCP-Servername oder Startskript eingeben",
         "label": "Befehlsparameter",
-        "placeholder": "Zum Beispiel: mcp-hello-world",
-        "required": "Bitte geben Sie die Startparameter ein"
+        "placeholder": "z.B.: mcp-hello-world",
+        "required": "Bitte Startparameter eingeben"
       },
       "auth": {
         "bear": "API-Schlüssel",
         "desc": "Wählen Sie die Authentifizierungsmethode für den MCP-Server",
         "label": "Authentifizierungstyp",
         "none": "Keine Authentifizierung erforderlich",
-        "placeholder": "Bitte Authentifizierungstyp auswählen",
+        "placeholder": "Bitte Authentifizierungstyp wählen",
         "token": {
           "desc": "Geben Sie Ihren API-Schlüssel oder Bearer-Token ein",
           "label": "API-Schlüssel",
@@ -80,71 +80,71 @@
         }
       },
       "avatar": {
-        "label": "Plugin-Icon"
+        "label": "Plugin-Symbol"
       },
       "command": {
-        "desc": "Die ausführbare Datei oder das Skript zum Starten des MCP STDIO-Servers",
+        "desc": "Ausführbare Datei oder Skript zum Starten des MCP STDIO Servers",
         "label": "Befehl",
-        "placeholder": "Zum Beispiel: npx / uv / docker usw.",
-        "required": "Bitte geben Sie den Startbefehl ein"
+        "placeholder": "z.B.: npx / uv / docker usw.",
+        "required": "Bitte Startbefehl eingeben"
       },
       "desc": {
-        "desc": "Beschreibung des Plugins hinzufügen",
+        "desc": "Fügen Sie eine Beschreibung des Plugins hinzu",
         "label": "Plugin-Beschreibung",
-        "placeholder": "Ergänzen Sie Informationen zur Verwendung und zu Szenarien dieses Plugins"
+        "placeholder": "Ergänzen Sie Informationen zur Nutzung und Anwendungsszenarien"
       },
       "endpoint": {
         "desc": "Geben Sie die Adresse Ihres MCP Streamable HTTP Servers ein",
-        "label": "MCP Endpoint-URL"
+        "label": "MCP Endpoint URL"
       },
       "env": {
         "add": "Neue Zeile hinzufügen",
-        "desc": "Geben Sie die Umgebungsvariablen ein, die Ihr MCP-Server benötigt",
-        "duplicateKeyError": "Feldschlüssel müssen eindeutig sein",
+        "desc": "Geben Sie die Umgebungsvariablen für Ihren MCP Server ein",
+        "duplicateKeyError": "Feldschlüssel muss eindeutig sein",
         "formValidationFailed": "Formularvalidierung fehlgeschlagen, bitte überprüfen Sie das Parameterformat",
         "keyRequired": "Feldschlüssel darf nicht leer sein",
-        "label": "MCP-Server-Umgebungsvariablen",
-        "stringifyError": "Parameter können nicht serialisiert werden, bitte überprüfen Sie das Parameterformat"
+        "label": "MCP Server Umgebungsvariablen",
+        "stringifyError": "Parameter können nicht serialisiert werden, bitte überprüfen Sie das Format"
       },
       "headers": {
         "add": "Neue Zeile hinzufügen",
-        "desc": "HTTP-Anforderungsheader eingeben",
+        "desc": "Geben Sie die HTTP-Header ein",
         "label": "HTTP-Header"
       },
       "identifier": {
-        "desc": "Geben Sie Ihrem MCP-Plugin einen Namen, der englische Zeichen verwenden muss",
-        "invalid": "Es dürfen nur englische Zeichen, Zahlen, - und _ verwendet werden",
-        "label": "MCP-Plugin-Name",
+        "desc": "Geben Sie Ihrem MCP-Plugin einen Namen, nur englische Zeichen erlaubt",
+        "invalid": "Bezeichner darf nur Buchstaben, Zahlen, Bindestriche und Unterstriche enthalten",
+        "label": "MCP Plugin-Name",
         "placeholder": "z.B.: my-mcp-plugin",
-        "required": "Bitte geben Sie die MCP-Dienstkennung ein"
+        "required": "Bitte MCP-Dienstbezeichner eingeben"
       },
-      "previewManifest": "Vorschau auf die Plugin-Beschreibungsdatei",
-      "quickImport": "Schnellimport von JSON-Konfiguration",
+      "previewManifest": "Plugin-Manifest anzeigen",
+      "quickImport": "Schnellimport JSON-Konfiguration",
       "quickImportError": {
-        "empty": "Eingabefeld darf nicht leer sein",
+        "empty": "Eingabe darf nicht leer sein",
         "invalidJson": "Ungültiges JSON-Format",
-        "invalidStructure": "JSON-Format ist ungültig"
+        "invalidStructure": "Ungültige JSON-Struktur"
       },
       "stdioNotSupported": "Die aktuelle Umgebung unterstützt keine stdio-Typ MCP-Plugins",
       "testConnection": "Verbindung testen",
-      "testConnectionTip": "Die MCP-Plugins können erst nach erfolgreichem Test der Verbindung normal verwendet werden",
+      "testConnectionTip": "Nach erfolgreichem Verbindungstest kann das MCP-Plugin normal verwendet werden",
       "type": {
-        "desc": "Wählen Sie die Kommunikationsart des MCP-Plugins, die Webversion unterstützt nur Streamable HTTP",
+        "desc": "Wählen Sie die Kommunikationsart des MCP-Plugins, Webversion unterstützt nur Streamable HTTP",
         "httpFeature1": "Kompatibel mit Web- und Desktop-Version",
-        "httpFeature2": "Verbindung zu einem entfernten MCP-Server, keine zusätzliche Installation oder Konfiguration erforderlich",
-        "httpShortDesc": "Kommunikationsprotokoll basierend auf Streaming-HTTP",
-        "label": "MCP-Plugin-Typ",
-        "stdioFeature1": "Geringere Kommunikationslatenz, geeignet für lokale Ausführung",
+        "httpFeature2": "Verbindung zu entfernten MCP-Servern ohne zusätzliche Installation oder Konfiguration",
+        "httpShortDesc": "Kommunikationsprotokoll basierend auf Streaming HTTP",
+        "label": "MCP Plugin-Typ",
+        "stdioFeature1": "Geringere Latenz, geeignet für lokale Ausführung",
         "stdioFeature2": "MCP-Server muss lokal installiert und ausgeführt werden",
-        "stdioNotAvailable": "Der STDIO-Modus ist nur in der Desktop-Version verfügbar",
-        "stdioShortDesc": "Kommunikationsprotokoll basierend auf Standard-Eingabe und -Ausgabe",
-        "title": "MCP-Plugin-Typ"
+        "stdioNotAvailable": "STDIO-Modus nur in der Desktop-Version verfügbar",
+        "stdioShortDesc": "Kommunikationsprotokoll basierend auf Standard-Ein-/Ausgabe",
+        "title": "MCP Plugin-Typ"
       },
       "url": {
-        "desc": "Geben Sie Ihre MCP-Server-Streamable-HTTP-Adresse ein, SSE-Modus wird nicht unterstützt",
+        "desc": "Geben Sie die Streamable HTTP-Adresse Ihres MCP Servers ein, SSE-Modus wird nicht unterstützt",
         "invalid": "Bitte geben Sie eine gültige URL ein",
-        "label": "HTTP Endpoint-URL",
-        "required": "Bitte geben Sie die MCP-Dienst-URL ein"
+        "label": "Streamable HTTP Endpoint URL",
+        "required": "Bitte MCP-Dienst-URL eingeben"
       }
     },
     "meta": {
@@ -153,30 +153,30 @@
         "label": "Autor"
       },
       "avatar": {
-        "desc": "Symbol des Plugins, kann Emoji oder URL verwenden",
+        "desc": "Plugin-Symbol, Emoji oder URL möglich",
         "label": "Symbol"
       },
       "description": {
         "desc": "Plugin-Beschreibung",
         "label": "Beschreibung",
-        "placeholder": "Informationen von Suchmaschinen abrufen"
+        "placeholder": "Informationen über Suchmaschinen abrufen"
       },
       "formFieldRequired": "Dieses Feld ist erforderlich",
       "homepage": {
-        "desc": "Startseite des Plugins",
-        "label": "Startseite"
+        "desc": "Homepage des Plugins",
+        "label": "Homepage"
       },
       "identifier": {
-        "desc": "Eindeutige Kennung des Plugins, wird automatisch aus dem Manifest erkannt",
-        "errorDuplicate": "Kennung ist bereits für ein anderes Plugin vergeben. Bitte ändern Sie die Kennung",
-        "label": "Kennung",
-        "pattenErrorMessage": "Es können nur Buchstaben, Zahlen, - und _ eingegeben werden"
+        "desc": "Eindeutiger Bezeichner des Plugins, wird automatisch aus dem Manifest erkannt",
+        "errorDuplicate": "Bezeichner ist bereits vergeben, bitte ändern",
+        "label": "Bezeichner",
+        "pattenErrorMessage": "Nur englische Buchstaben, Zahlen, - und _ sind erlaubt"
       },
       "lobe": "{{appName}} Plugin",
       "manifest": {
-        "desc": "{{appName}} wird das Plugin über diesen Link installieren.",
-        "label": "Plugin-Beschreibungsdatei (Manifest) URL",
-        "preview": "Vorschau des Manifests",
+        "desc": "{{appName}} installiert das Plugin über diesen Link",
+        "label": "Plugin-Manifest-URL",
+        "preview": "Manifest anzeigen",
         "refresh": "Aktualisieren"
       },
       "openai": "OpenAI Plugin",
@@ -186,10 +186,10 @@
         "placeholder": "Suchmaschine"
       }
     },
-    "metaConfig": "Konfiguration der Plugin-Metadaten",
-    "modalDesc": "Nach dem Hinzufügen eines benutzerdefinierten Plugins kann es zur Validierung der Plugin-Entwicklung verwendet oder direkt in Unterhaltungen verwendet werden. Weitere Informationen zur Plugin-Entwicklung finden Sie in den <1>Entwicklerdokumenten↗</>.",
+    "metaConfig": "Plugin-Metainformationen konfigurieren",
+    "modalDesc": "Nach dem Hinzufügen eines benutzerdefinierten Plugins kann es zur Plugin-Entwicklung und -Verifizierung oder direkt im Chat verwendet werden. Für die Plugin-Entwicklung siehe <1>Entwicklerdokumentation↗</>.",
     "openai": {
-      "importUrl": "Von URL-Link importieren",
+      "importUrl": "Von URL importieren",
       "schema": "Schema"
     },
     "preview": {
@@ -197,42 +197,42 @@
         "noParams": "Dieses Tool hat keine Parameter",
         "noResults": "Keine API gefunden, die den Suchkriterien entspricht",
         "params": "Parameter:",
-        "searchPlaceholder": "Werkzeug suchen..."
+        "searchPlaceholder": "Werkzeuge suchen..."
       },
-      "card": "Vorschau der Plugin-Anzeige",
-      "desc": "Vorschau der Plugin-Beschreibung",
+      "card": "Plugin-Vorschau",
+      "desc": "Plugin-Beschreibung anzeigen",
       "empty": {
-        "desc": "Nach der Konfiguration können Sie hier die unterstützten Funktionen des Plugins anzeigen",
-        "title": "Vorschau starten nach Plugin-Konfiguration"
+        "desc": "Nach der Konfiguration können hier die unterstützten Funktionen des Plugins angezeigt werden",
+        "title": "Plugin nach Konfiguration vorschauen"
       },
-      "title": "Vorschau des Plugin-Namens"
+      "title": "Plugin-Namensvorschau"
     },
     "save": "Plugin installieren",
     "saveSuccess": "Plugin-Einstellungen erfolgreich gespeichert",
     "tabs": {
-      "manifest": "Funktionsbeschreibungsliste (Manifest)",
-      "meta": "Plugin-Metadaten"
+      "manifest": "Funktionsbeschreibung (Manifest)",
+      "meta": "Plugin-Metainformationen"
     },
     "title": {
       "create": "Benutzerdefiniertes Plugin hinzufügen",
       "edit": "Benutzerdefiniertes Plugin bearbeiten"
     },
     "type": {
-      "lobe": "LobeChat-Plugin",
-      "openai": "OpenAI-Plugin"
+      "lobe": "{{appName}} Plugin",
+      "openai": "OpenAI Plugin"
     },
     "update": "Aktualisieren",
     "updateSuccess": "Plugin-Einstellungen erfolgreich aktualisiert"
   },
   "error": {
-    "fetchError": "Fehler beim Abrufen des Manifest-Links. Stellen Sie sicher, dass der Link gültig ist und dass die Cross-Origin-Anfrage erlaubt ist.",
-    "installError": "Fehler bei der Installation des Plugins {{name}}.",
-    "manifestInvalid": "Das Manifest entspricht nicht den Standards. Validierungsergebnis: \n\n {{error}}",
-    "noManifest": "Manifest nicht vorhanden",
-    "openAPIInvalid": "Fehler beim Parsen von OpenAPI. Fehler: \n\n {{error}}",
-    "reinstallError": "Fehler beim Aktualisieren des Plugins {{name}}.",
-    "testConnectionFailed": "Manifest konnte nicht abgerufen werden: {{error}}",
-    "urlError": "Der Link hat keine JSON-Format-Inhalte zurückgegeben. Stellen Sie sicher, dass der Link gültig ist."
+    "fetchError": "Abruf des Manifest-Links fehlgeschlagen. Bitte überprüfen Sie die Gültigkeit des Links und ob CORS-Zugriff erlaubt ist.",
+    "installError": "Installation des Plugins {{name}} fehlgeschlagen",
+    "manifestInvalid": "Manifest entspricht nicht den Vorgaben, Validierungsergebnis: \n\n {{error}}",
+    "noManifest": "Manifest-Datei nicht gefunden",
+    "openAPIInvalid": "OpenAPI-Parsing fehlgeschlagen, Fehler: \n\n {{error}}",
+    "reinstallError": "Aktualisierung des Plugins {{name}} fehlgeschlagen",
+    "testConnectionFailed": "Manifest-Abruf fehlgeschlagen: {{error}}",
+    "urlError": "Der Link liefert keinen JSON-Inhalt. Bitte stellen Sie sicher, dass es sich um einen gültigen Link handelt."
   },
   "inspector": {
     "args": "Parameterliste anzeigen",
@@ -240,38 +240,38 @@
   },
   "list": {
     "item": {
-      "deprecated.title": "Veraltet",
+      "deprecated.title": "Gelöscht",
       "local.config": "Konfiguration",
       "local.title": "Benutzerdefiniert"
     }
   },
   "loading": {
     "content": "Plugin wird aufgerufen...",
-    "plugin": "Plugin wird ausgeführt..."
+    "plugin": "Plugin läuft..."
   },
   "localSystem": {
     "apiName": {
       "listLocalFiles": "Dateiliste anzeigen",
       "moveLocalFiles": "Dateien verschieben",
       "readLocalFile": "Dateiinhalt lesen",
-      "renameLocalFile": "Umbenennen",
+      "renameLocalFile": "Datei umbenennen",
       "searchLocalFiles": "Dateien suchen",
       "writeLocalFile": "Datei schreiben"
     },
     "title": "Lokale Dateien"
   },
   "mcpInstall": {
-    "CHECKING_INSTALLATION": "Installationsumgebung wird überprüft...",
+    "CHECKING_INSTALLATION": "Installationsumgebung wird geprüft...",
     "COMPLETED": "Installation abgeschlossen",
-    "CONFIGURATION_REQUIRED": "Bitte schließen Sie die erforderliche Konfiguration ab, um mit der Installation fortzufahren",
+    "CONFIGURATION_REQUIRED": "Bitte konfigurieren Sie die erforderlichen Einstellungen, um fortzufahren",
     "ERROR": "Installationsfehler",
     "FETCHING_MANIFEST": "Plugin-Manifest wird abgerufen...",
     "GETTING_SERVER_MANIFEST": "MCP-Server wird initialisiert...",
     "INSTALLING_PLUGIN": "Plugin wird installiert...",
-    "configurationDescription": "Dieses MCP-Plugin benötigt Konfigurationsparameter, um ordnungsgemäß zu funktionieren. Bitte füllen Sie die notwendigen Konfigurationsinformationen aus.",
-    "configurationRequired": "Plugin-Parameter konfigurieren",
+    "configurationDescription": "Dieses MCP-Plugin benötigt Konfigurationsparameter zur ordnungsgemäßen Nutzung. Bitte füllen Sie die erforderlichen Informationen aus.",
+    "configurationRequired": "Plugin-Konfiguration erforderlich",
     "continueInstall": "Installation fortsetzen",
-    "dependenciesDescription": "Dieses Plugin benötigt die Installation folgender Systemabhängigkeiten, um korrekt zu funktionieren. Bitte installieren Sie die fehlenden Abhängigkeiten gemäß Anleitung und klicken Sie anschließend auf 'Erneut prüfen', um die Installation fortzusetzen.",
+    "dependenciesDescription": "Dieses Plugin benötigt folgende Systemabhängigkeiten. Bitte installieren Sie die fehlenden Abhängigkeiten gemäß Anleitung und klicken Sie auf 'Erneut prüfen', um fortzufahren.",
     "dependenciesRequired": "Bitte installieren Sie die Systemabhängigkeiten des Plugins",
     "dependencyStatus": {
       "installed": "Installiert",
@@ -284,18 +284,18 @@
       "connectionParams": "Verbindungsparameter",
       "env": "Umgebungsvariablen",
       "errorOutput": "Fehlerprotokoll",
-      "exitCode": "Beendigungscode",
+      "exitCode": "Exit-Code",
       "hideDetails": "Details ausblenden",
-      "originalError": "Ursprünglicher Fehler",
+      "originalError": "Originalfehler",
       "showDetails": "Details anzeigen"
     },
     "errorTypes": {
       "AUTHORIZATION_ERROR": "Autorisierungsfehler",
       "CONNECTION_FAILED": "Verbindung fehlgeschlagen",
-      "INITIALIZATION_TIMEOUT": "Initialisierung zeitüberschritten",
+      "INITIALIZATION_TIMEOUT": "Initialisierungstimeout",
       "PROCESS_SPAWN_ERROR": "Prozessstart fehlgeschlagen",
       "UNKNOWN_ERROR": "Unbekannter Fehler",
-      "VALIDATION_ERROR": "Parameterüberprüfung fehlgeschlagen"
+      "VALIDATION_ERROR": "Parametervalidierung fehlgeschlagen"
     },
     "installError": "MCP-Plugin-Installation fehlgeschlagen, Grund: {{detail}}",
     "installMethods": {
@@ -306,23 +306,83 @@
     "skipDependencies": "Prüfung überspringen"
   },
   "pluginList": "Plugin-Liste",
+  "protocolInstall": {
+    "actions": {
+      "install": "Installieren",
+      "installAnyway": "Trotzdem installieren",
+      "installed": "Installiert"
+    },
+    "config": {
+      "args": "Parameter",
+      "command": "Befehl",
+      "env": "Umgebungsvariablen",
+      "headers": "Header",
+      "title": "Konfigurationsinformationen",
+      "type": {
+        "http": "Typ: HTTP",
+        "label": "Typ",
+        "stdio": "Typ: Stdio"
+      },
+      "url": "Serveradresse"
+    },
+    "custom": {
+      "badge": "Benutzerdefiniertes Plugin",
+      "security": {
+        "description": "Dieses Plugin wurde nicht offiziell verifiziert. Die Installation kann Sicherheitsrisiken bergen! Bitte stellen Sie sicher, dass Sie der Quelle vertrauen.",
+        "title": "⚠️ Sicherheitshinweis"
+      },
+      "title": "Benutzerdefiniertes Plugin installieren"
+    },
+    "marketplace": {
+      "title": "Drittanbieter-Plugins installieren",
+      "trustedBy": "Bereitgestellt von {{name}}",
+      "unverified": {
+        "title": "Unverifiziertes Drittanbieter-Plugin",
+        "warning": "Dieses Plugin stammt aus einem unverifizierten Drittanbieter-Markt. Bitte stellen Sie vor der Installation sicher, dass Sie der Quelle vertrauen."
+      },
+      "verified": "Verifiziert"
+    },
+    "messages": {
+      "connectionTestFailed": "Verbindungstest fehlgeschlagen",
+      "installError": "Plugin-Installation fehlgeschlagen, bitte erneut versuchen",
+      "installSuccess": "Plugin {{name}} erfolgreich installiert!",
+      "manifestError": "Plugin-Details konnten nicht abgerufen werden. Bitte überprüfen Sie Ihre Netzwerkverbindung und versuchen Sie es erneut.",
+      "manifestNotFound": "Plugin-Manifest konnte nicht gefunden werden"
+    },
+    "meta": {
+      "author": "Autor",
+      "homepage": "Homepage",
+      "identifier": "Bezeichner",
+      "source": "Quelle",
+      "version": "Version"
+    },
+    "official": {
+      "badge": "Offizielles LobeHub Plugin",
+      "description": "Dieses Plugin wird von LobeHub offiziell entwickelt und gepflegt, es wurde streng auf Sicherheit geprüft und kann bedenkenlos verwendet werden.",
+      "loadingMessage": "Plugin-Details werden geladen...",
+      "loadingTitle": "Lädt",
+      "title": "Offizielles Plugin installieren"
+    },
+    "title": "MCP Plugin installieren",
+    "warning": "⚠️ Bitte stellen Sie sicher, dass Sie der Quelle dieses Plugins vertrauen. Bösartige Plugins können die Systemsicherheit gefährden."
+  },
   "search": {
     "apiName": {
-      "crawlMultiPages": "Inhalte mehrerer Seiten lesen",
+      "crawlMultiPages": "Mehrere Seiteninhalt lesen",
       "crawlSinglePage": "Seiteninhalt lesen",
-      "search": "Seite suchen"
+      "search": "Seite durchsuchen"
     },
     "config": {
       "addKey": "Schlüssel hinzufügen",
       "close": "Löschen",
-      "confirm": "Konfiguration abgeschlossen und erneut versucht"
+      "confirm": "Konfiguration abgeschlossen und erneut versuchen"
     },
     "crawPages": {
-      "crawling": "Linkerkennung läuft",
+      "crawling": "Link-Erkennung läuft",
       "detail": {
         "preview": "Vorschau",
-        "raw": "Ursprünglicher Text",
-        "tooLong": "Der Textinhalt ist zu lang, der Kontext des Gesprächs behält nur die ersten {{characters}} Zeichen bei, der übersteigende Teil wird nicht in den Gesprächskontext einbezogen."
+        "raw": "Rohtext",
+        "tooLong": "Text ist zu lang, der Gesprächskontext behält nur die ersten {{characters}} Zeichen, der Rest wird nicht berücksichtigt"
       },
       "meta": {
         "crawler": "Crawler-Modus",
@@ -333,13 +393,13 @@
       "baseURL": "Bitte eingeben",
       "description": "Geben Sie die URL von SearchXNG ein, um mit der Online-Suche zu beginnen",
       "keyPlaceholder": "Bitte Schlüssel eingeben",
-      "title": "SearchXNG-Suchmaschine konfigurieren",
-      "unconfiguredDesc": "Bitte wenden Sie sich an den Administrator, um die Konfiguration der SearchXNG-Suchmaschine abzuschließen und mit der Online-Suche zu beginnen",
-      "unconfiguredTitle": "SearchXNG-Suchmaschine ist noch nicht konfiguriert"
+      "title": "SearchXNG Suchmaschine konfigurieren",
+      "unconfiguredDesc": "Bitte kontaktieren Sie den Administrator, um die SearchXNG Suchmaschine zu konfigurieren und die Online-Suche zu starten",
+      "unconfiguredTitle": "SearchXNG Suchmaschine nicht konfiguriert"
     },
     "title": "Online-Suche"
   },
-  "setting": "Plugin-Einstellung",
+  "setting": "Plugin-Einstellungen",
   "settings": {
     "capabilities": {
       "prompts": "Eingabeaufforderungen",
@@ -355,53 +415,53 @@
       "command": "Startbefehl",
       "title": "Verbindungsinformationen",
       "type": "Verbindungstyp",
-      "url": "Dienstadresse"
+      "url": "Serveradresse"
     },
     "edit": "Bearbeiten",
     "envConfigDescription": "Diese Konfigurationen werden als Umgebungsvariablen beim Start des MCP-Servers an den Prozess übergeben",
-    "httpTypeNotice": "Für HTTP-Typ MCP-Plugins sind derzeit keine Umgebungsvariablen zu konfigurieren",
+    "httpTypeNotice": "HTTP-Typ MCP-Plugins benötigen derzeit keine Umgebungsvariablen-Konfiguration",
     "indexUrl": {
       "title": "Marktindex",
-      "tooltip": "Online-Bearbeitung wird derzeit nicht unterstützt. Bitte über Umgebungsvariablen bei der Bereitstellung festlegen."
+      "tooltip": "Online-Bearbeitung wird derzeit nicht unterstützt, bitte konfigurieren Sie über Umgebungsvariablen bei der Bereitstellung"
     },
     "messages": {
-      "connectionUpdateFailed": "Aktualisierung der Verbindungsinformationen fehlgeschlagen",
+      "connectionUpdateFailed": "Verbindungsinformationen konnten nicht aktualisiert werden",
       "connectionUpdateSuccess": "Verbindungsinformationen erfolgreich aktualisiert",
-      "envUpdateFailed": "Speichern der Umgebungsvariablen fehlgeschlagen",
+      "envUpdateFailed": "Umgebungsvariablen konnten nicht gespeichert werden",
       "envUpdateSuccess": "Umgebungsvariablen erfolgreich gespeichert"
     },
-    "modalDesc": "Nachdem Sie die Adresse des Plugin-Marktes konfiguriert haben, können Sie den benutzerdefinierten Plugin-Markt verwenden.",
+    "modalDesc": "Nach Konfiguration der Plugin-Marktplatz-Adresse können benutzerdefinierte Plugin-Marktplätze verwendet werden",
     "rules": {
       "argsRequired": "Bitte Startparameter eingeben",
       "commandRequired": "Bitte Startbefehl eingeben",
-      "urlRequired": "Bitte Dienstadresse eingeben"
+      "urlRequired": "Bitte Serveradresse eingeben"
     },
     "saveSettings": "Einstellungen speichern",
-    "title": "Plugin-Markteinstellungen"
+    "title": "Plugin-Marktplatz konfigurieren"
   },
-  "showInPortal": "Bitte überprüfen Sie die Details im Portal",
+  "showInPortal": "Bitte Details im Arbeitsbereich ansehen",
   "store": {
     "actions": {
       "cancel": "Installation abbrechen",
-      "confirmUninstall": "Das Plugin wird deinstalliert und alle Konfigurationen werden gelöscht. Bitte bestätigen Sie Ihre Aktion.",
+      "confirmUninstall": "Dieses Plugin wird deinstalliert und die Konfiguration gelöscht. Bitte bestätigen Sie Ihre Aktion.",
       "detail": "Details",
       "install": "Installieren",
       "manifest": "Installationsdatei bearbeiten",
       "settings": "Einstellungen",
       "uninstall": "Deinstallieren"
     },
-    "communityPlugin": "Community",
+    "communityPlugin": "Community-Plugin",
     "customPlugin": "Benutzerdefiniert",
-    "empty": "Keine installierten Plugins vorhanden",
-    "emptySelectHint": "Wählen Sie ein Plugin aus, um Details anzuzeigen",
+    "empty": "Keine installierten Plugins",
+    "emptySelectHint": "Wählen Sie ein Plugin, um Details anzuzeigen",
     "installAllPlugins": "Alle installieren",
-    "networkError": "Fehler beim Abrufen des Plugin-Shops. Bitte überprüfen Sie die Netzwerkverbindung und versuchen Sie es erneut.",
-    "placeholder": "Suche nach Plugin-Namen, Beschreibung oder Stichwort...",
+    "networkError": "Plugin-Shop konnte nicht geladen werden. Bitte überprüfen Sie Ihre Netzwerkverbindung und versuchen Sie es erneut.",
+    "placeholder": "Plugin-Namen, Beschreibung oder Schlüsselwörter suchen...",
     "releasedAt": "Veröffentlicht am {{createdAt}}",
     "tabs": {
       "installed": "Installiert",
-      "mcp": "MCP-Plugin",
-      "old": "LobeChat-Plugin"
+      "mcp": "MCP Plugins",
+      "old": "LobeChat Plugins"
     },
     "title": "Plugin-Shop"
   },

locales/de-DE/providers.json

@@ -2,9 +2,15 @@
   "ai21": {
     "description": "AI21 Labs entwickelt Basis-Modelle und KI-Systeme für Unternehmen und beschleunigt die Anwendung generativer KI in der Produktion."
   },
+  "ai302": {
+    "description": "302.AI ist eine On-Demand-KI-Anwendungsplattform, die die umfassendsten KI-APIs und KI-Online-Anwendungen auf dem Markt bietet"
+  },
   "ai360": {
     "description": "360 AI ist die von der 360 Company eingeführte Plattform für KI-Modelle und -Dienste, die eine Vielzahl fortschrittlicher Modelle zur Verarbeitung natürlicher Sprache anbietet, darunter 360GPT2 Pro, 360GPT Pro, 360GPT Turbo und 360GPT Turbo Responsibility 8K. Diese Modelle kombinieren große Parameter mit multimodalen Fähigkeiten und finden breite Anwendung in den Bereichen Textgenerierung, semantisches Verständnis, Dialogsysteme und Codegenerierung. Durch flexible Preisstrategien erfüllt 360 AI die vielfältigen Bedürfnisse der Nutzer, unterstützt Entwickler bei der Integration und fördert die Innovation und Entwicklung intelligenter Anwendungen."
   },
+  "aihubmix": {
+    "description": "AiHubMix bietet über eine einheitliche API-Schnittstelle Zugriff auf verschiedene KI-Modelle."
+  },
   "anthropic": {
     "description": "Anthropic ist ein Unternehmen, das sich auf Forschung und Entwicklung im Bereich der künstlichen Intelligenz spezialisiert hat und eine Reihe fortschrittlicher Sprachmodelle anbietet, darunter Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus und Claude 3 Haiku. Diese Modelle erreichen ein ideales Gleichgewicht zwischen Intelligenz, Geschwindigkeit und Kosten und sind für eine Vielzahl von Anwendungsszenarien geeignet, von unternehmensweiten Arbeitslasten bis hin zu schnellen Reaktionen. Claude 3.5 Sonnet, als neuestes Modell, hat in mehreren Bewertungen hervorragend abgeschnitten und bietet gleichzeitig ein hohes Preis-Leistungs-Verhältnis."
   },

locales/de-DE/setting.json

@@ -183,10 +183,21 @@
     "title": "Assistenteninformationen"
   },
   "settingAppearance": {
+    "animationMode": {
+      "agile": "Agil",
+      "desc": "Wählen Sie die Animationsgeschwindigkeit für die Reaktion der Anwendung",
+      "disabled": "Aus",
+      "elegant": "Elegant",
+      "title": "Reaktionsanimation"
+    },
     "neutralColor": {
       "desc": "Anpassung der Graustufen mit unterschiedlichen Farbneigungen",
       "title": "Neutrale Farben"
     },
+    "noAnimation": {
+      "desc": "Deaktivieren Sie alle Animationseffekte in der Anwendung",
+      "title": "Kein Animationsmodus"
+    },
     "preview": {
       "title": "Farbauswahl"
     },

locales/en-US/modelProvider.json

@@ -189,6 +189,7 @@
       "aesGcm": "Your key and proxy URL will be encrypted using <1>AES-GCM</1> encryption algorithm",
       "apiKey": {
         "desc": "Please enter your {{name}} API Key",
+        "descWithUrl": "Please enter your {{name}} API Key. <3>Click here to get it</3>",
         "placeholder": "{{name}} API Key",
         "title": "API Key"
       },
@@ -305,6 +306,7 @@
         "latestTime": "Last updated: {{time}}",
         "noLatestTime": "Model list not yet fetched"
       },
+      "noModelsInCategory": "No enabled models in this category",
       "resetAll": {
         "conform": "Are you sure you want to reset all modifications to the current model? After resetting, the current model list will return to its default state.",
         "success": "Reset successful",
@@ -315,7 +317,15 @@
       "title": "Model List",
       "total": "{{count}} models available"
     },
-    "searchNotFound": "No search results found"
+    "searchNotFound": "No search results found",
+    "tabs": {
+      "all": "All",
+      "chat": "Chat",
+      "embedding": "Embedding",
+      "image": "Image",
+      "stt": "ASR",
+      "tts": "TTS"
+    }
   },
   "sortModal": {
     "success": "Sort update successful",

locales/en-US/models.json

@@ -32,6 +32,9 @@
   "4.0Ultra": {
     "description": "Spark4.0 Ultra is the most powerful version in the Spark large model series, enhancing text content understanding and summarization capabilities while upgrading online search links. It is a comprehensive solution for improving office productivity and accurately responding to demands, leading the industry as an intelligent product."
   },
+  "AnimeSharp": {
+    "description": "AnimeSharp (also known as “4x-AnimeSharp”) is an open-source super-resolution model developed by Kim2091 based on the ESRGAN architecture, focusing on upscaling and sharpening anime-style images. It was renamed from “4x-TextSharpV1” in February 2022, originally also suitable for text images but significantly optimized for anime content."
+  },
   "Baichuan2-Turbo": {
     "description": "Utilizes search enhancement technology to achieve comprehensive links between large models and domain knowledge, as well as knowledge from the entire web. Supports uploads of various documents such as PDF and Word, and URL input, providing timely and comprehensive information retrieval with accurate and professional output."
   },
@@ -71,6 +74,9 @@
   "DeepSeek-V3": {
     "description": "DeepSeek-V3 is a MoE model developed in-house by Deep Seek Company. Its performance surpasses that of other open-source models such as Qwen2.5-72B and Llama-3.1-405B in multiple assessments, and it stands on par with the world's top proprietary models like GPT-4o and Claude-3.5-Sonnet."
   },
+  "DeepSeek-V3-Fast": {
+    "description": "Model provider: sophnet platform. DeepSeek V3 Fast is the high-TPS ultra-fast version of DeepSeek V3 0324, fully powered without quantization, featuring enhanced coding and mathematical capabilities for faster response!"
+  },
   "Doubao-lite-128k": {
     "description": "Doubao-lite offers ultra-fast response times and better cost-effectiveness, providing customers with more flexible options for different scenarios. Supports inference and fine-tuning with a 128k context window."
   },
@@ -89,6 +95,9 @@
   "Doubao-pro-4k": {
     "description": "The best-performing flagship model, suitable for handling complex tasks. It excels in scenarios such as reference Q&A, summarization, creative writing, text classification, and role-playing. Supports inference and fine-tuning with a 4k context window."
   },
+  "DreamO": {
+    "description": "DreamO is an open-source image customization generation model jointly developed by ByteDance and Peking University, designed to support multi-task image generation through a unified architecture. It employs an efficient compositional modeling approach to generate highly consistent and customized images based on multiple user-specified conditions such as identity, subject, style, and background."
+  },
   "ERNIE-3.5-128K": {
     "description": "Baidu's self-developed flagship large-scale language model, covering a vast amount of Chinese and English corpus. It possesses strong general capabilities, meeting the requirements for most dialogue Q&A, creative generation, and plugin application scenarios; it supports automatic integration with Baidu's search plugin to ensure the timeliness of Q&A information."
   },
@@ -122,15 +131,39 @@
   "ERNIE-Speed-Pro-128K": {
     "description": "Baidu's latest self-developed high-performance large language model released in 2024, with outstanding general capabilities, providing better results than ERNIE Speed, suitable as a base model for fine-tuning, effectively addressing specific scenario issues while also exhibiting excellent inference performance."
   },
+  "FLUX.1-Kontext-dev": {
+    "description": "FLUX.1-Kontext-dev is a multimodal image generation and editing model developed by Black Forest Labs based on the Rectified Flow Transformer architecture, featuring 12 billion parameters. It specializes in generating, reconstructing, enhancing, or editing images under given contextual conditions. The model combines the controllable generation advantages of diffusion models with the contextual modeling capabilities of Transformers, supporting high-quality image output and widely applicable to image restoration, completion, and visual scene reconstruction tasks."
+  },
+  "FLUX.1-dev": {
+    "description": "FLUX.1-dev is an open-source multimodal language model (MLLM) developed by Black Forest Labs, optimized for vision-and-language tasks by integrating image and text understanding and generation capabilities. Built upon advanced large language models such as Mistral-7B, it achieves vision-language collaborative processing and complex task reasoning through a carefully designed visual encoder and multi-stage instruction fine-tuning."
+  },
   "Gryphe/MythoMax-L2-13b": {
     "description": "MythoMax-L2 (13B) is an innovative model suitable for multi-domain applications and complex tasks."
   },
+  "HelloMeme": {
+    "description": "HelloMeme is an AI tool that automatically generates memes, GIFs, or short videos based on the images or actions you provide. It requires no drawing or programming skills; simply prepare reference images, and it will help you create visually appealing, fun, and stylistically consistent content."
+  },
+  "HiDream-I1-Full": {
+    "description": "HiDream-E1-Full is an open-source multimodal image editing large model launched by HiDream.ai, based on the advanced Diffusion Transformer architecture combined with powerful language understanding capabilities (embedded LLaMA 3.1-8B-Instruct). It supports image generation, style transfer, local editing, and content repainting through natural language instructions, demonstrating excellent vision-language comprehension and execution abilities."
+  },
+  "HunyuanDiT-v1.2-Diffusers-Distilled": {
+    "description": "hunyuandit-v1.2-distilled is a lightweight text-to-image model optimized through distillation, capable of rapidly generating high-quality images, especially suitable for low-resource environments and real-time generation tasks."
+  },
+  "InstantCharacter": {
+    "description": "InstantCharacter is a tuning-free personalized character generation model released by Tencent AI team in 2025, designed to achieve high-fidelity, cross-scene consistent character generation. The model supports character modeling based on a single reference image and can flexibly transfer the character to various styles, actions, and backgrounds."
+  },
   "InternVL2-8B": {
     "description": "InternVL2-8B is a powerful visual language model that supports multimodal processing of images and text, capable of accurately recognizing image content and generating relevant descriptions or answers."
   },
   "InternVL2.5-26B": {
     "description": "InternVL2.5-26B is a powerful visual language model that supports multimodal processing of images and text, capable of accurately recognizing image content and generating relevant descriptions or answers."
   },
+  "Kolors": {
+    "description": "Kolors is a text-to-image model developed by the Kuaishou Kolors team. Trained with billions of parameters, it excels in visual quality, Chinese semantic understanding, and text rendering."
+  },
+  "Kwai-Kolors/Kolors": {
+    "description": "Kolors is a large-scale latent diffusion text-to-image generation model developed by the Kuaishou Kolors team. Trained on billions of text-image pairs, it demonstrates significant advantages in visual quality, complex semantic accuracy, and Chinese and English character rendering. It supports both Chinese and English inputs and performs exceptionally well in understanding and generating Chinese-specific content."
+  },
   "Llama-3.2-11B-Vision-Instruct": {
     "description": "Exhibits outstanding image reasoning capabilities on high-resolution images, suitable for visual understanding applications."
   },
@@ -164,9 +197,15 @@
   "MiniMaxAI/MiniMax-M1-80k": {
     "description": "MiniMax-M1 is a large-scale hybrid attention inference model with open-source weights, featuring 456 billion parameters, with approximately 45.9 billion parameters activated per token. The model natively supports ultra-long contexts of up to 1 million tokens and, through lightning attention mechanisms, reduces floating-point operations by 75% compared to DeepSeek R1 in tasks generating 100,000 tokens. Additionally, MiniMax-M1 employs a Mixture of Experts (MoE) architecture, combining the CISPO algorithm with an efficient reinforcement learning training design based on hybrid attention, achieving industry-leading performance in long-input inference and real-world software engineering scenarios."
   },
+  "Moonshot-Kimi-K2-Instruct": {
+    "description": "With a total of 1 trillion parameters and 32 billion activated parameters, this non-thinking model achieves top-tier performance in cutting-edge knowledge, mathematics, and coding, excelling in general agent tasks. It is carefully optimized for agent tasks, capable not only of answering questions but also taking actions. Ideal for improvisational, general chat, and agent experiences, it is a reflex-level model requiring no prolonged thinking."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) is a high-precision instruction model suitable for complex computations."
   },
+  "OmniConsistency": {
+    "description": "OmniConsistency enhances style consistency and generalization in image-to-image tasks by introducing large-scale Diffusion Transformers (DiTs) and paired stylized data, effectively preventing style degradation."
+  },
   "Phi-3-medium-128k-instruct": {
     "description": "The same Phi-3-medium model, but with a larger context size for RAG or few-shot prompting."
   },
@@ -218,6 +257,9 @@
   "Pro/deepseek-ai/DeepSeek-V3": {
     "description": "DeepSeek-V3 is a mixed expert (MoE) language model with 671 billion parameters, utilizing multi-head latent attention (MLA) and the DeepSeekMoE architecture, combined with a load balancing strategy without auxiliary loss to optimize inference and training efficiency. Pre-trained on 14.8 trillion high-quality tokens and fine-tuned with supervision and reinforcement learning, DeepSeek-V3 outperforms other open-source models and approaches leading closed-source models."
   },
+  "Pro/moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 is a MoE architecture base model with exceptional coding and agent capabilities, featuring 1 trillion total parameters and 32 billion activated parameters. In benchmark tests across general knowledge reasoning, programming, mathematics, and agent tasks, the K2 model outperforms other mainstream open-source models."
+  },
   "QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview is an innovative natural language processing model capable of efficiently handling complex dialogue generation and context understanding tasks."
   },
@@ -278,9 +320,18 @@
   "Qwen/Qwen3-235B-A22B": {
     "description": "Qwen3 is a next-generation model with significantly enhanced capabilities, achieving industry-leading levels in reasoning, general tasks, agent functions, and multilingual support, with a switchable thinking mode."
   },
+  "Qwen/Qwen3-235B-A22B-Instruct-2507": {
+    "description": "Qwen3-235B-A22B-Instruct-2507 is a flagship mixture-of-experts (MoE) large language model developed by Alibaba Cloud Tongyi Qianwen team within the Qwen3 series. It has 235 billion total parameters with 22 billion activated per inference. Released as an update to the non-thinking mode Qwen3-235B-A22B, it focuses on significant improvements in instruction following, logical reasoning, text comprehension, mathematics, science, programming, and tool usage. Additionally, it enhances coverage of multilingual long-tail knowledge and better aligns with user preferences in subjective and open-ended tasks to generate more helpful and higher-quality text."
+  },
+  "Qwen/Qwen3-235B-A22B-Thinking-2507": {
+    "description": "Qwen3-235B-A22B-Thinking-2507 is a member of the Qwen3 large language model series developed by Alibaba Tongyi Qianwen team, specializing in complex reasoning tasks. Based on a mixture-of-experts (MoE) architecture with 235 billion total parameters and approximately 22 billion activated per token, it balances strong performance with computational efficiency. As a dedicated “thinking” model, it significantly improves performance in logic reasoning, mathematics, science, programming, and academic benchmarks requiring human expertise, ranking among the top open-source thinking models. It also enhances general capabilities such as instruction following, tool usage, and text generation, natively supports 256K long-context understanding, and is well-suited for scenarios requiring deep reasoning and long document processing."
+  },
   "Qwen/Qwen3-30B-A3B": {
     "description": "Qwen3 is a next-generation model with significantly enhanced capabilities, achieving industry-leading levels in reasoning, general tasks, agent functions, and multilingual support, with a switchable thinking mode."
   },
+  "Qwen/Qwen3-30B-A3B-Instruct-2507": {
+    "description": "Qwen3-30B-A3B-Instruct-2507 is an updated version of the Qwen3-30B-A3B non-thinking mode. It is a Mixture of Experts (MoE) model with a total of 30.5 billion parameters and 3.3 billion active parameters. The model features key enhancements across multiple areas, including significant improvements in instruction following, logical reasoning, text comprehension, mathematics, science, coding, and tool usage. Additionally, it has made substantial progress in covering long-tail multilingual knowledge and better aligns with user preferences in subjective and open-ended tasks, enabling it to generate more helpful responses and higher-quality text. Furthermore, its long-text comprehension capability has been extended to 256K tokens. This model supports only the non-thinking mode and does not generate `<think></think>` tags in its output."
+  },
   "Qwen/Qwen3-32B": {
     "description": "Qwen3 is a next-generation model with significantly enhanced capabilities, achieving industry-leading levels in reasoning, general tasks, agent functions, and multilingual support, with a switchable thinking mode."
   },
@@ -314,6 +365,12 @@
   "Qwen2.5-Coder-32B-Instruct": {
     "description": "Qwen2.5-Coder-32B-Instruct is a large language model specifically designed for code generation, code understanding, and efficient development scenarios, featuring an industry-leading 32 billion parameters to meet diverse programming needs."
   },
+  "Qwen3-235B": {
+    "description": "Qwen3-235B-A22B is a Mixture of Experts (MoE) model that introduces a \"Hybrid Reasoning Mode,\" allowing users to seamlessly switch between \"Thinking Mode\" and \"Non-Thinking Mode.\" It supports understanding and reasoning in 119 languages and dialects and possesses powerful tool invocation capabilities. In comprehensive benchmarks covering overall ability, coding and mathematics, multilingual proficiency, knowledge, and reasoning, it competes with leading large models on the market such as DeepSeek R1, OpenAI o1, o3-mini, Grok 3, and Google Gemini 2.5 Pro."
+  },
+  "Qwen3-32B": {
+    "description": "Qwen3-32B is a dense model that introduces a \"Hybrid Reasoning Mode,\" enabling users to seamlessly switch between \"Thinking Mode\" and \"Non-Thinking Mode.\" Thanks to architectural improvements, increased training data, and more efficient training methods, its overall performance is comparable to that of Qwen2.5-72B."
+  },
   "SenseChat": {
     "description": "Basic version model (V4) with a context length of 4K, featuring strong general capabilities."
   },
@@ -350,6 +407,12 @@
   "SenseChat-Vision": {
     "description": "The latest version model (V5.5) supports multi-image input and fully optimizes the model's basic capabilities, achieving significant improvements in object attribute recognition, spatial relationships, action event recognition, scene understanding, emotion recognition, logical reasoning, and text understanding and generation."
   },
+  "SenseNova-V6-5-Pro": {
+    "description": "With comprehensive updates to multimodal, language, and reasoning data, along with optimized training strategies, the new model achieves significant improvements in multimodal reasoning and generalized instruction-following capabilities. It supports a context window of up to 128K tokens and excels in specialized tasks such as OCR and cultural tourism IP recognition."
+  },
+  "SenseNova-V6-5-Turbo": {
+    "description": "With comprehensive updates to multimodal, language, and reasoning data, along with optimized training strategies, the new model achieves significant improvements in multimodal reasoning and generalized instruction-following capabilities. It supports a context window of up to 128K tokens and excels in specialized tasks such as OCR and cultural tourism IP recognition."
+  },
   "SenseNova-V6-Pro": {
     "description": "Achieves a native unification of image, text, and video capabilities, breaking through the limitations of traditional discrete multimodality, winning dual championships in the OpenCompass and SuperCLUE evaluations."
   },
@@ -548,6 +611,9 @@
   "aya:35b": {
     "description": "Aya 23 is a multilingual model launched by Cohere, supporting 23 languages, facilitating diverse language applications."
   },
+  "azure-DeepSeek-R1-0528": {
+    "description": "Deployed and provided by Microsoft; the DeepSeek R1 model has undergone a minor version upgrade, currently at DeepSeek-R1-0528. In the latest update, DeepSeek R1 significantly improves inference depth and reasoning ability by increasing computational resources and introducing algorithmic optimizations in the post-training phase. This model excels in benchmarks including mathematics, programming, and general logic, with overall performance approaching leading models such as O3 and Gemini 2.5 Pro."
+  },
   "baichuan/baichuan2-13b-chat": {
     "description": "Baichuan-13B is an open-source, commercially usable large language model developed by Baichuan Intelligence, containing 13 billion parameters, achieving the best results in its size on authoritative Chinese and English benchmarks."
   },
@@ -608,6 +674,9 @@
   "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-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."
+  },
   "claude-opus-4-20250514": {
     "description": "Claude Opus 4 is Anthropic's most powerful model for handling highly complex tasks. It excels in performance, intelligence, fluency, and comprehension."
   },
@@ -944,6 +1013,9 @@
   "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."
   },
+  "doubao-seedream-3-0-t2i-250415": {
+    "description": "Doubao image generation model developed by ByteDance Seed team supports both text and image inputs, providing a highly controllable and high-quality image generation experience based on text prompts."
+  },
   "doubao-vision-lite-32k": {
     "description": "The Doubao-vision model is a multimodal large model launched by Doubao, featuring powerful image understanding and reasoning capabilities along with precise instruction comprehension. It demonstrates strong performance in image-text information extraction and image-based reasoning tasks, applicable to more complex and diverse visual question answering scenarios."
   },
@@ -995,6 +1067,9 @@
   "ernie-char-fiction-8k": {
     "description": "Baidu's vertical scene large language model, suitable for applications such as game NPCs, customer service dialogues, and role-playing conversations, with a more distinct and consistent character style, stronger instruction-following capabilities, and superior inference performance."
   },
+  "ernie-irag-edit": {
+    "description": "Baidu's self-developed ERNIE iRAG Edit image editing model supports operations such as erase (object removal), repaint (object redrawing), and variation (variant generation) based on images."
+  },
   "ernie-lite-8k": {
     "description": "ERNIE Lite is Baidu's lightweight large language model, balancing excellent model performance with inference efficiency, suitable for low-power AI acceleration card inference."
   },
@@ -1022,14 +1097,32 @@
   "ernie-x1-turbo-32k": {
     "description": "The model performs better in terms of effectiveness and performance compared to ERNIE-X1-32K."
   },
+  "flux-1-schnell": {
+    "description": "Developed by Black Forest Labs, this 12-billion-parameter text-to-image model uses latent adversarial diffusion distillation technology to generate high-quality images within 1 to 4 steps. Its performance rivals closed-source alternatives and is released under the Apache-2.0 license, suitable for personal, research, and commercial use."
+  },
+  "flux-dev": {
+    "description": "FLUX.1 [dev] is an open-source weight and fine-tuned model for non-commercial applications. It maintains image quality and instruction-following capabilities close to the FLUX professional version while offering higher operational efficiency. Compared to standard models of the same size, it is more resource-efficient."
+  },
   "flux-kontext/dev": {
-    "description": "Frontier image editing model."
+    "description": "FLUX.1 model focused on image editing tasks, supporting both text and image inputs."
+  },
+  "flux-merged": {
+    "description": "The FLUX.1-merged model combines the deep features explored during the development phase of “DEV” with the high-speed execution advantages represented by “Schnell.” This integration not only pushes the model's performance boundaries but also broadens its application scope."
   },
   "flux-pro/kontext": {
     "description": "FLUX.1 Kontext [pro] can process text and reference images as input, seamlessly enabling targeted local edits and complex overall scene transformations."
   },
+  "flux-schnell": {
+    "description": "FLUX.1 [schnell], currently the most advanced open-source few-step model, surpasses competitors and even powerful non-distilled models like Midjourney v6.0 and DALL·E 3 (HD). Finely tuned to retain the full output diversity from pretraining, FLUX.1 [schnell] significantly enhances visual quality, instruction compliance, size/aspect ratio variation, font handling, and output diversity compared to state-of-the-art models on the market, offering users a richer and more diverse creative image generation experience."
+  },
+  "flux.1-schnell": {
+    "description": "A 12-billion-parameter rectified flow transformer capable of generating images based on text descriptions."
+  },
+  "flux/krea": {
+    "description": "Flux Krea [dev] is an image generation model with an aesthetic preference, aimed at producing more realistic and natural images."
+  },
   "flux/schnell": {
-    "description": "FLUX.1 [schnell] is a streaming transformer model with 12 billion parameters, capable of generating high-quality images from text in 1 to 4 steps, suitable for personal and commercial use."
+    "description": "FLUX.1 [schnell] is an image generation model with 12 billion parameters, specializing in fast generation of high-quality images."
   },
   "gemini-1.0-pro-001": {
     "description": "Gemini 1.0 Pro 001 (Tuning) offers stable and tunable performance, making it an ideal choice for complex task solutions."
@@ -1109,9 +1202,6 @@
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview is Google's most cost-effective model, offering a comprehensive set of features."
   },
-  "gemini-2.5-flash-preview-04-17-thinking": {
-    "description": "Gemini 2.5 Flash Preview is Google's most cost-effective model, offering comprehensive capabilities."
-  },
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview is Google's most cost-effective model, offering comprehensive capabilities."
   },
@@ -1190,6 +1280,21 @@
   "glm-4.1v-thinking-flashx": {
     "description": "The GLM-4.1V-Thinking series represents the most powerful vision-language models known at the 10B parameter scale, integrating state-of-the-art capabilities across various vision-language tasks such as video understanding, image question answering, academic problem solving, OCR text recognition, document and chart interpretation, GUI agents, front-end web coding, and grounding. Its performance in many tasks even surpasses that of Qwen2.5-VL-72B, which has over eight times the parameters. Leveraging advanced reinforcement learning techniques, the model masters Chain-of-Thought reasoning to improve answer accuracy and richness, significantly outperforming traditional non-thinking models in final results and interpretability."
   },
+  "glm-4.5": {
+    "description": "Zhipu's latest flagship model supports thinking mode switching, achieving state-of-the-art comprehensive capabilities among open-source models, with a context length of up to 128K."
+  },
+  "glm-4.5-air": {
+    "description": "A lightweight version of GLM-4.5 balancing performance and cost-effectiveness, capable of flexibly switching hybrid thinking models."
+  },
+  "glm-4.5-airx": {
+    "description": "The ultra-fast version of GLM-4.5-Air, offering faster response speeds, designed for large-scale high-speed demands."
+  },
+  "glm-4.5-flash": {
+    "description": "The free version of GLM-4.5, delivering excellent performance in inference, coding, and agent tasks."
+  },
+  "glm-4.5-x": {
+    "description": "The high-speed version of GLM-4.5, combining strong performance with generation speeds up to 100 tokens per second."
+  },
   "glm-4v": {
     "description": "GLM-4V provides strong image understanding and reasoning capabilities, supporting various visual tasks."
   },
@@ -1209,7 +1314,7 @@
     "description": "Ultra-fast reasoning: features extremely fast reasoning speed and powerful reasoning effects."
   },
   "glm-z1-flash": {
-    "description": "The GLM-Z1 series possesses strong complex reasoning capabilities, excelling in logical reasoning, mathematics, programming, and more. The maximum context length is 32K."
+    "description": "The GLM-Z1 series features powerful complex reasoning abilities, excelling in logic reasoning, mathematics, and programming."
   },
   "glm-z1-flashx": {
     "description": "High speed and low cost: Flash enhanced version with ultra-fast inference speed and improved concurrency support."
@@ -1379,12 +1484,33 @@
   "gpt-4o-transcribe": {
     "description": "GPT-4o Transcribe is a speech-to-text model that uses GPT-4o to transcribe audio. Compared to the original Whisper model, it improves word error rate, language recognition, and accuracy. Use it for more precise transcriptions."
   },
+  "gpt-5": {
+    "description": "The best model for cross-domain coding and agent tasks. GPT-5 achieves breakthroughs in accuracy, speed, reasoning, context recognition, structured thinking, and problem-solving."
+  },
+  "gpt-5-chat-latest": {
+    "description": "The GPT-5 model used in ChatGPT. Combines powerful language understanding and generation capabilities, ideal for conversational interaction applications."
+  },
+  "gpt-5-mini": {
+    "description": "A faster, more cost-effective version of GPT-5, suitable for well-defined tasks. Provides quicker response times while maintaining high-quality output."
+  },
+  "gpt-5-nano": {
+    "description": "The fastest and most cost-efficient version of GPT-5. Perfectly suited for applications requiring rapid responses and cost sensitivity."
+  },
   "gpt-image-1": {
     "description": "ChatGPT native multimodal image generation model."
   },
+  "gpt-oss": {
+    "description": "GPT-OSS 20B is an open-source large language model released by OpenAI, utilizing MXFP4 quantization technology. It is suitable for running on high-end consumer GPUs or Apple Silicon Macs. This model excels in dialogue generation, code writing, and reasoning tasks, supporting function calls and tool usage."
+  },
+  "gpt-oss:120b": {
+    "description": "GPT-OSS 120B is a large open-source language model released by OpenAI, employing MXFP4 quantization technology as a flagship model. It requires multi-GPU or high-performance workstation environments to operate and delivers outstanding performance in complex reasoning, code generation, and multilingual processing, supporting advanced function calls and tool integration."
+  },
   "grok-2-1212": {
     "description": "This model has improved in accuracy, instruction adherence, and multilingual capabilities."
   },
+  "grok-2-image-1212": {
+    "description": "Our latest image generation model can create vivid and realistic images based on text prompts. It performs excellently in image generation for marketing, social media, and entertainment."
+  },
   "grok-2-vision-1212": {
     "description": "This model has improved in accuracy, instruction adherence, and multilingual capabilities."
   },
@@ -1454,6 +1580,9 @@
   "hunyuan-t1-20250529": {
     "description": "Optimized for text creation and essay writing, with enhanced abilities in frontend coding, mathematics, logical reasoning, and improved instruction-following capabilities."
   },
+  "hunyuan-t1-20250711": {
+    "description": "Significantly improves high-difficulty mathematics, logic, and coding capabilities, optimizes model output stability, and enhances long-text processing ability."
+  },
   "hunyuan-t1-latest": {
     "description": "The industry's first ultra-large-scale Hybrid-Transformer-Mamba inference model, enhancing reasoning capabilities with exceptional decoding speed, further aligning with human preferences."
   },
@@ -1502,6 +1631,12 @@
   "hunyuan-vision": {
     "description": "The latest multimodal model from Hunyuan, supporting image + text input to generate textual content."
   },
+  "image-01": {
+    "description": "A brand-new image generation model with delicate visual performance, supporting text-to-image and image-to-image generation."
+  },
+  "image-01-live": {
+    "description": "An image generation model with delicate visual performance, supporting text-to-image generation and style setting."
+  },
   "imagen-4.0-generate-preview-06-06": {
     "description": "Imagen 4th generation text-to-image model series"
   },
@@ -1509,7 +1644,7 @@
     "description": "Imagen 4th generation text-to-image model series Ultra version"
   },
   "imagen4/preview": {
-    "description": "Google's highest quality image generation model."
+    "description": "A high-quality image generation model provided by Google."
   },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 offers intelligent dialogue solutions across multiple scenarios."
@@ -1526,6 +1661,9 @@
   "internvl3-latest": {
     "description": "Our latest released multimodal large model, featuring enhanced image-text understanding capabilities and long-sequence image comprehension, performs on par with top proprietary models. It defaults to our latest released InternVL series model, currently pointing to internvl3-78b."
   },
+  "irag-1.0": {
+    "description": "Baidu's self-developed iRAG (image-based Retrieval-Augmented Generation) technology combines Baidu Search's hundreds of millions of image resources with powerful foundational model capabilities to generate ultra-realistic images. The overall effect far surpasses native text-to-image systems, eliminating the AI-generated feel while maintaining low cost. iRAG features hallucination-free, ultra-realistic, and instant retrieval characteristics."
+  },
   "jamba-large": {
     "description": "Our most powerful and advanced model, designed for handling complex enterprise-level tasks with exceptional performance."
   },
@@ -1535,6 +1673,9 @@
   "jina-deepsearch-v1": {
     "description": "DeepSearch combines web search, reading, and reasoning for comprehensive investigations. You can think of it as an agent that takes on your research tasks—it conducts extensive searches and iterates multiple times before providing answers. This process involves ongoing research, reasoning, and problem-solving from various angles. This fundamentally differs from standard large models that generate answers directly from pre-trained data and traditional RAG systems that rely on one-time surface searches."
   },
+  "kimi-k2": {
+    "description": "Kimi-K2 is a MoE architecture base model launched by Moonshot AI with exceptional coding and agent capabilities, featuring 1 trillion total parameters and 32 billion activated parameters. In benchmark tests across general knowledge reasoning, programming, mathematics, and agent tasks, the K2 model outperforms other mainstream open-source models."
+  },
   "kimi-k2-0711-preview": {
     "description": "kimi-k2 is a MoE architecture base model with powerful coding and agent capabilities, totaling 1 trillion parameters with 32 billion active parameters. In benchmark tests across general knowledge reasoning, programming, mathematics, and agent tasks, the K2 model outperforms other mainstream open-source models."
   },
@@ -1928,6 +2069,9 @@
   "moonshotai/Kimi-Dev-72B": {
     "description": "Kimi-Dev-72B is an open-source large code model optimized through extensive reinforcement learning, capable of producing robust, production-ready patches. This model achieved a new high score of 60.4% on SWE-bench Verified, setting a record for open-source models in automated software engineering tasks such as defect repair and code review."
   },
+  "moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 is a MoE architecture base model with exceptional coding and agent capabilities, featuring 1 trillion total parameters and 32 billion activated parameters. In benchmark tests across general knowledge reasoning, programming, mathematics, and agent tasks, the K2 model outperforms other mainstream open-source models."
+  },
   "moonshotai/kimi-k2-instruct": {
     "description": "kimi-k2 is a MoE architecture base model with powerful coding and Agent capabilities, featuring a total of 1 trillion parameters and 32 billion active parameters. In benchmark tests across key categories such as general knowledge reasoning, programming, mathematics, and Agent tasks, the K2 model outperforms other mainstream open-source models."
   },
@@ -2003,6 +2147,12 @@
   "openai/gpt-4o-mini": {
     "description": "GPT-4o mini is the latest model released by OpenAI following GPT-4 Omni, supporting both text and image input while outputting text. As their most advanced small model, it is significantly cheaper than other recent cutting-edge models and over 60% cheaper than GPT-3.5 Turbo. It maintains state-of-the-art intelligence while offering remarkable cost-effectiveness. GPT-4o mini scored 82% on the MMLU test and currently ranks higher than GPT-4 in chat preferences."
   },
+  "openai/gpt-oss-120b": {
+    "description": "OpenAI GPT-OSS 120B is a top-tier language model with 120 billion parameters, featuring built-in browser search and code execution capabilities, along with strong reasoning skills."
+  },
+  "openai/gpt-oss-20b": {
+    "description": "OpenAI GPT-OSS 20B is a top-tier language model with 20 billion parameters, featuring built-in browser search and code execution capabilities, along with strong reasoning skills."
+  },
   "openai/o1": {
     "description": "o1 is OpenAI's new reasoning model that supports multimodal input and outputs text, suitable for complex tasks requiring broad general knowledge. This model features a 200K context window and a knowledge cutoff date of October 2023."
   },
@@ -2063,6 +2213,9 @@
   "qwen-coder-turbo-latest": {
     "description": "The Tongyi Qianwen Coder model."
   },
+  "qwen-image": {
+    "description": "A powerful raw image model from the Qwen team, featuring impressive Chinese text generation capabilities and diverse visual styles."
+  },
   "qwen-long": {
     "description": "Qwen is a large-scale language model that supports long text contexts and dialogue capabilities based on long documents and multiple documents."
   },
@@ -2264,9 +2417,21 @@
   "qwen3-235b-a22b": {
     "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."
   },
+  "qwen3-235b-a22b-instruct-2507": {
+    "description": "An open-source non-thinking mode model based on Qwen3, with slight improvements in subjective creativity and model safety compared to the previous version (Tongyi Qianwen 3-235B-A22B)."
+  },
+  "qwen3-235b-a22b-thinking-2507": {
+    "description": "An open-source thinking mode model based on Qwen3, with significant improvements in logical ability, general capabilities, knowledge enhancement, and creativity compared to the previous version (Tongyi Qianwen 3-235B-A22B), suitable for high-difficulty and strong reasoning scenarios."
+  },
   "qwen3-30b-a3b": {
     "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."
   },
+  "qwen3-30b-a3b-instruct-2507": {
+    "description": "Compared to the previous version (Qwen3-30B-A3B), this version shows substantial improvements in overall general capabilities in both Chinese and multilingual contexts. It features specialized optimizations for subjective and open-ended tasks, aligning significantly better with user preferences and providing more helpful responses."
+  },
+  "qwen3-30b-a3b-thinking-2507": {
+    "description": "An open-source thinking mode model based on Qwen3, this version shows significant enhancements over the previous release (Tongyi Qianwen 3-30B-A3B) in logical ability, general capability, knowledge augmentation, and creative capacity. It is suitable for challenging scenarios requiring strong reasoning."
+  },
   "qwen3-32b": {
     "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."
   },
@@ -2276,6 +2441,15 @@
   "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-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."
+  },
+  "qwen3-coder-flash": {
+    "description": "Tongyi Qianwen code model. The latest Qwen3-Coder series models are code generation models based on Qwen3, equipped with powerful Coding Agent capabilities, proficient in tool invocation and environment interaction, enabling autonomous programming with excellent coding skills alongside general capabilities."
+  },
+  "qwen3-coder-plus": {
+    "description": "Tongyi Qianwen code model. The latest Qwen3-Coder series models are code generation models based on Qwen3, equipped with powerful Coding Agent capabilities, proficient in tool invocation and environment interaction, enabling autonomous programming with excellent coding skills alongside general capabilities."
+  },
   "qwq": {
     "description": "QwQ is an experimental research model focused on improving AI reasoning capabilities."
   },
@@ -2318,6 +2492,24 @@
   "sonar-reasoning-pro": {
     "description": "A new API product powered by the DeepSeek reasoning model."
   },
+  "stable-diffusion-3-medium": {
+    "description": "The latest text-to-image large model released by Stability AI. This version inherits the advantages of its predecessors and significantly improves image quality, text understanding, and style diversity, enabling more accurate interpretation of complex natural language prompts and generating more precise and diverse images."
+  },
+  "stable-diffusion-3.5-large": {
+    "description": "stable-diffusion-3.5-large is an 800-million-parameter multimodal diffusion transformer (MMDiT) text-to-image generation model, offering excellent image quality and prompt matching. It supports generating high-resolution images up to 1 million pixels and runs efficiently on consumer-grade hardware."
+  },
+  "stable-diffusion-3.5-large-turbo": {
+    "description": "stable-diffusion-3.5-large-turbo is a model based on stable-diffusion-3.5-large that employs adversarial diffusion distillation (ADD) technology, providing faster generation speed."
+  },
+  "stable-diffusion-v1.5": {
+    "description": "stable-diffusion-v1.5 is initialized with weights from the stable-diffusion-v1.2 checkpoint and fine-tuned for 595k steps at 512x512 resolution on \"laion-aesthetics v2 5+\", reducing text conditioning by 10% to improve classifier-free guidance sampling."
+  },
+  "stable-diffusion-xl": {
+    "description": "stable-diffusion-xl features major improvements over v1.5 and achieves results comparable to the current open-source text-to-image SOTA model Midjourney. Key enhancements include a UNet backbone three times larger than before, an added refinement module to improve image quality, and more efficient training techniques."
+  },
+  "stable-diffusion-xl-base-1.0": {
+    "description": "A text-to-image large model developed and open-sourced by Stability AI, leading the industry in creative image generation capabilities. It has excellent instruction understanding and supports inverse prompt definitions for precise content generation."
+  },
   "step-1-128k": {
     "description": "Balances performance and cost, suitable for general scenarios."
   },
@@ -2348,6 +2540,12 @@
   "step-1v-8k": {
     "description": "A small visual model suitable for basic text and image tasks."
   },
+  "step-1x-edit": {
+    "description": "This model focuses on image editing tasks, capable of modifying and enhancing images based on user-provided images and text descriptions. It supports multiple input formats, including text descriptions and example images. The model understands user intent and generates image edits that meet the requirements."
+  },
+  "step-1x-medium": {
+    "description": "This model has strong image generation capabilities, supporting text descriptions as input. It natively supports Chinese, better understanding and processing Chinese text descriptions, accurately capturing semantic information and converting it into image features for more precise image generation. The model can generate high-resolution, high-quality images and has some style transfer capabilities."
+  },
   "step-2-16k": {
     "description": "Supports large-scale context interactions, suitable for complex dialogue scenarios."
   },
@@ -2357,6 +2555,9 @@
   "step-2-mini": {
     "description": "A high-speed large model based on the next-generation self-developed Attention architecture MFA, achieving results similar to step-1 at a very low cost, while maintaining higher throughput and faster response times. It is capable of handling general tasks and has specialized skills in coding."
   },
+  "step-2x-large": {
+    "description": "Step Star next-generation image generation model, focusing on image generation tasks. It can generate high-quality images based on user-provided text descriptions. The new model produces more realistic textures and stronger Chinese and English text generation capabilities."
+  },
   "step-r1-v-mini": {
     "description": "This model is a powerful reasoning model with strong image understanding capabilities, able to process both image and text information, generating text content after deep reasoning. It excels in visual reasoning while also possessing first-tier capabilities in mathematics, coding, and text reasoning. The context length is 100k."
   },
@@ -2432,8 +2633,23 @@
   "v0-1.5-md": {
     "description": "The v0-1.5-md model is suitable for everyday tasks and user interface (UI) generation."
   },
+  "wan2.2-t2i-flash": {
+    "description": "Wanxiang 2.2 Flash version, the latest model currently available. Fully upgraded in creativity, stability, and realism, with fast generation speed and high cost-effectiveness."
+  },
+  "wan2.2-t2i-plus": {
+    "description": "Wanxiang 2.2 Professional version, the latest model currently available. Fully upgraded in creativity, stability, and realism, generating images with rich details."
+  },
+  "wanx-v1": {
+    "description": "Basic text-to-image model corresponding to Tongyi Wanxiang official website's 1.0 general model."
+  },
+  "wanx2.0-t2i-turbo": {
+    "description": "Specializes in textured portraits, with moderate speed and low cost. Corresponds to Tongyi Wanxiang official website's 2.0 turbo model."
+  },
+  "wanx2.1-t2i-plus": {
+    "description": "Fully upgraded version. Generates images with richer details, slightly slower speed. Corresponds to Tongyi Wanxiang official website's 2.1 professional model."
+  },
   "wanx2.1-t2i-turbo": {
-    "description": "Text-to-image model under Alibaba Cloud Tongyi"
+    "description": "Fully upgraded version. Fast generation speed, comprehensive effects, and high overall cost-effectiveness. Corresponds to Tongyi Wanxiang official website's 2.1 turbo model."
   },
   "whisper-1": {
     "description": "A general-purpose speech recognition model supporting multilingual speech recognition, speech translation, and language identification."
@@ -2485,5 +2701,11 @@
   },
   "yi-vision-v2": {
     "description": "A complex visual task model that provides high-performance understanding and analysis capabilities based on multiple images."
+  },
+  "zai-org/GLM-4.5": {
+    "description": "GLM-4.5 is a foundational model designed specifically for agent applications, using a Mixture-of-Experts (MoE) architecture. It is deeply optimized for tool invocation, web browsing, software engineering, and front-end programming, supporting seamless integration with code agents like Claude Code and Roo Code. GLM-4.5 employs a hybrid inference mode, adaptable to complex reasoning and everyday use scenarios."
+  },
+  "zai-org/GLM-4.5-Air": {
+    "description": "GLM-4.5-Air is a foundational model designed specifically for agent applications, using a Mixture-of-Experts (MoE) architecture. It is deeply optimized for tool invocation, web browsing, software engineering, and front-end programming, supporting seamless integration with code agents like Claude Code and Roo Code. GLM-4.5 employs a hybrid inference mode, adaptable to complex reasoning and everyday use scenarios."
   }
 }

locales/en-US/plugin.json

@@ -1,19 +1,19 @@
 {
   "confirm": "Confirm",
   "debug": {
-    "arguments": "Arguments",
+    "arguments": "Call Arguments",
     "function_call": "Function Call",
-    "off": "Turn off debug",
-    "on": "View plugin invocation information",
-    "payload": "plugin payload",
+    "off": "Turn Off Debug",
+    "on": "View Plugin Call Info",
+    "payload": "Plugin Payload",
     "pluginState": "Plugin State",
     "response": "Response",
     "title": "Plugin Details",
-    "tool_call": "tool call request"
+    "tool_call": "Tool Call Request"
   },
   "detailModal": {
     "customPlugin": {
-      "description": "Please visit the edit page to view details",
+      "description": "Please go to the edit page to view details",
       "editBtn": "Edit Now",
       "title": "This is a Custom Plugin"
     },
@@ -33,16 +33,16 @@
     "title": "Plugin Details"
   },
   "dev": {
-    "confirmDeleteDevPlugin": "Are you sure you want to delete this local plugin? Once deleted, it cannot be recovered.",
+    "confirmDeleteDevPlugin": "This local plugin will be deleted and cannot be recovered. Do you want to delete this plugin?",
     "customParams": {
       "useProxy": {
-        "label": "Install via proxy (if encountering cross-origin access errors, try enabling this option and reinstalling)"
+        "label": "Install via Proxy (If you encounter cross-origin access errors, try enabling this option and reinstalling)"
       }
     },
     "deleteSuccess": "Plugin deleted successfully",
     "manifest": {
       "identifier": {
-        "desc": "The unique identifier of the plugin",
+        "desc": "Unique identifier of the plugin",
         "label": "Identifier"
       },
       "mode": {
@@ -51,7 +51,7 @@
         "url": "Online Link"
       },
       "name": {
-        "desc": "The title of the plugin",
+        "desc": "Plugin title",
         "label": "Title",
         "placeholder": "Search Engine"
       }
@@ -61,50 +61,50 @@
         "title": "Advanced Settings"
       },
       "args": {
-        "desc": "A list of parameters to be passed to the execution command, typically the MCP server name or the path to the startup script.",
-        "label": "Command Parameters",
-        "placeholder": "For example: mcp-hello-world",
-        "required": "Please enter the startup parameters"
+        "desc": "List of parameters passed to the execution command, usually the MCP server name or startup script path",
+        "label": "Command Arguments",
+        "placeholder": "e.g., mcp-hello-world",
+        "required": "Please enter startup parameters"
       },
       "auth": {
         "bear": "API Key",
         "desc": "Select the authentication method for the MCP server",
         "label": "Authentication Type",
         "none": "No Authentication Required",
-        "placeholder": "Please select an authentication type",
+        "placeholder": "Please select authentication type",
         "token": {
           "desc": "Enter your API Key or Bearer Token",
           "label": "API Key",
           "placeholder": "sk-xxxxx",
-          "required": "Please enter the authentication token"
+          "required": "Please enter authentication token"
         }
       },
       "avatar": {
         "label": "Plugin Icon"
       },
       "command": {
-        "desc": "The executable file or script used to start the MCP STDIO Server",
+        "desc": "Executable file or script used to start the MCP STDIO Server",
         "label": "Command",
-        "placeholder": "For example: npx / uv / docker, etc.",
-        "required": "Please enter the startup command"
+        "placeholder": "e.g., npx / uv / docker etc.",
+        "required": "Please enter startup command"
       },
       "desc": {
         "desc": "Add a description for the plugin",
         "label": "Plugin Description",
-        "placeholder": "Provide usage instructions and context for this plugin"
+        "placeholder": "Supplement usage instructions and scenarios for this plugin"
       },
       "endpoint": {
         "desc": "Enter the address of your MCP Streamable HTTP Server",
         "label": "MCP Endpoint URL"
       },
       "env": {
-        "add": "Add a new line",
-        "desc": "Enter the environment variables required for your MCP Server",
+        "add": "Add a Row",
+        "desc": "Enter environment variables required by your MCP Server",
         "duplicateKeyError": "Field keys must be unique",
-        "formValidationFailed": "Form validation failed, please check the parameter format",
+        "formValidationFailed": "Form validation failed, please check parameter format",
         "keyRequired": "Field key cannot be empty",
         "label": "MCP Server Environment Variables",
-        "stringifyError": "Unable to serialize parameters, please check the parameter format"
+        "stringifyError": "Unable to serialize parameters, please check parameter format"
       },
       "headers": {
         "add": "Add a Row",
@@ -112,230 +112,290 @@
         "label": "HTTP Headers"
       },
       "identifier": {
-        "desc": "Specify a name for your MCP plugin, using English characters",
-        "invalid": "Only English letters, numbers, - and _ are allowed",
+        "desc": "Specify a name for your MCP plugin, must use English characters",
+        "invalid": "Identifier can only contain letters, numbers, hyphens, and underscores",
         "label": "MCP Plugin Name",
         "placeholder": "e.g., my-mcp-plugin",
-        "required": "Please enter the MCP service identifier"
+        "required": "Please enter MCP service identifier"
       },
-      "previewManifest": "Preview Plugin Description File",
+      "previewManifest": "Preview Plugin Manifest",
       "quickImport": "Quick Import JSON Configuration",
       "quickImportError": {
-        "empty": "Input cannot be empty",
+        "empty": "Input content cannot be empty",
         "invalidJson": "Invalid JSON format",
         "invalidStructure": "Invalid JSON structure"
       },
-      "stdioNotSupported": "The current environment does not support stdio type MCP plugins",
+      "stdioNotSupported": "Current environment does not support stdio type MCP plugins",
       "testConnection": "Test Connection",
-      "testConnectionTip": "The MCP plugin can only be used normally after a successful connection test",
+      "testConnectionTip": "MCP plugin can only be used normally after successful connection test",
       "type": {
-        "desc": "Select the communication method for the MCP plugin; the web version only supports Streamable HTTP",
-        "httpFeature1": "Compatible with both web and desktop versions",
-        "httpFeature2": "Connect to a remote MCP server without additional installation or configuration",
-        "httpShortDesc": "A streaming HTTP-based communication protocol",
+        "desc": "Select MCP plugin communication method, web version only supports Streamable HTTP",
+        "httpFeature1": "Compatible with web and desktop versions",
+        "httpFeature2": "Connect to remote MCP server without extra installation or configuration",
+        "httpShortDesc": "Streamable HTTP based communication protocol",
         "label": "MCP Plugin Type",
         "stdioFeature1": "Lower communication latency, suitable for local execution",
-        "stdioFeature2": "Requires local installation and running of the MCP server",
-        "stdioNotAvailable": "STDIO mode is only available in the desktop version",
-        "stdioShortDesc": "A communication protocol based on standard input and output",
+        "stdioFeature2": "Requires local installation and running of MCP server",
+        "stdioNotAvailable": "STDIO mode is only available in desktop version",
+        "stdioShortDesc": "Communication protocol based on standard input/output",
         "title": "MCP Plugin Type"
       },
       "url": {
-        "desc": "Enter your MCP Server Streamable HTTP address, SSE mode is not supported.",
+        "desc": "Enter your MCP Server Streamable HTTP address, SSE mode not supported",
         "invalid": "Please enter a valid URL",
-        "label": "HTTP Endpoint URL",
-        "required": "Please enter the MCP service URL"
+        "label": "Streamable HTTP Endpoint URL",
+        "required": "Please enter MCP service URL"
       }
     },
     "meta": {
       "author": {
-        "desc": "The author of the plugin",
+        "desc": "Author of the plugin",
         "label": "Author"
       },
       "avatar": {
-        "desc": "The icon of the plugin, can be an Emoji or a URL",
+        "desc": "Plugin icon, can use Emoji or URL",
         "label": "Icon"
       },
       "description": {
-        "desc": "The description of the plugin",
+        "desc": "Plugin description",
         "label": "Description",
-        "placeholder": "Get information from search engines"
+        "placeholder": "Search search engines for information"
       },
       "formFieldRequired": "This field is required",
       "homepage": {
-        "desc": "The homepage of the plugin",
+        "desc": "Plugin homepage",
         "label": "Homepage"
       },
       "identifier": {
-        "desc": "The unique identifier of the plugin, only supports alphanumeric characters, hyphen -, and underscore _",
-        "errorDuplicate": "The identifier is already used by another plugin, please modify the identifier",
+        "desc": "Unique identifier of the plugin, automatically recognized from manifest",
+        "errorDuplicate": "Identifier duplicates an existing plugin, please modify the identifier",
         "label": "Identifier",
-        "pattenErrorMessage": "Only alphanumeric characters, hyphen -, and underscore _ are allowed"
+        "pattenErrorMessage": "Only English letters, numbers, - and _ are allowed"
       },
       "lobe": "{{appName}} Plugin",
       "manifest": {
-        "desc": "{{appName}} will install the plugin through this link.",
-        "label": "Plugin Description (Manifest) URL",
+        "desc": "{{appName}} will install the plugin via this link",
+        "label": "Plugin Manifest URL",
         "preview": "Preview Manifest",
         "refresh": "Refresh"
       },
       "openai": "OpenAI Plugin",
       "title": {
-        "desc": "The title of the plugin",
+        "desc": "Plugin title",
         "label": "Title",
         "placeholder": "Search Engine"
       }
     },
-    "metaConfig": "Plugin metadata configuration",
-    "modalDesc": "After adding a custom plugin, it can be used for plugin development verification or directly in the session. Please refer to the <1>development documentation↗</> for plugin development.",
+    "metaConfig": "Plugin Meta Information Configuration",
+    "modalDesc": "After adding a custom plugin, it can be used for plugin development verification or directly in conversations. For plugin development, please refer to the <1>Development Documentation↗</>.",
     "openai": {
-      "importUrl": "Import from URL link",
+      "importUrl": "Import from URL",
       "schema": "Schema"
     },
     "preview": {
       "api": {
         "noParams": "This tool has no parameters",
-        "noResults": "No APIs found matching the search criteria",
+        "noResults": "No APIs matching the search criteria found",
         "params": "Parameters:",
         "searchPlaceholder": "Search tools..."
       },
-      "card": "Preview of plugin display",
-      "desc": "Preview of plugin description",
+      "card": "Preview Plugin Display",
+      "desc": "Preview Plugin Description",
       "empty": {
-        "desc": "Once configured, you will be able to preview the capabilities supported by the plugin here",
-        "title": "Start Previewing After Configuring the Plugin"
+        "desc": "After configuration, you can preview the supported tool capabilities here",
+        "title": "Start Preview After Configuring Plugin"
       },
       "title": "Plugin Name Preview"
     },
     "save": "Install Plugin",
     "saveSuccess": "Plugin settings saved successfully",
     "tabs": {
-      "manifest": "Function Description Manifest (Manifest)",
-      "meta": "Plugin Metadata"
+      "manifest": "Feature Manifest",
+      "meta": "Plugin Meta Information"
     },
     "title": {
       "create": "Add Custom Plugin",
       "edit": "Edit Custom Plugin"
     },
     "type": {
-      "lobe": "LobeChat Plugin",
+      "lobe": "{{appName}} Plugin",
       "openai": "OpenAI Plugin"
     },
     "update": "Update",
     "updateSuccess": "Plugin settings updated successfully"
   },
   "error": {
-    "fetchError": "Failed to fetch the manifest link. Please ensure the link is valid and allows cross-origin access.",
+    "fetchError": "Failed to request the manifest link, please ensure the link is valid and allows cross-origin access",
     "installError": "Plugin {{name}} installation failed",
-    "manifestInvalid": "The manifest does not conform to the specification. Validation result: \n\n {{error}}",
+    "manifestInvalid": "Manifest does not comply with specifications, validation result: \n\n {{error}}",
     "noManifest": "Manifest file does not exist",
-    "openAPIInvalid": "OpenAPI parsing failed. Error: \n\n {{error}}",
-    "reinstallError": "Failed to refresh plugin {{name}}",
-    "testConnectionFailed": "Failed to retrieve Manifest: {{error}}",
-    "urlError": "The link did not return content in JSON format. Please ensure it is a valid link."
+    "openAPIInvalid": "OpenAPI parsing failed, error: \n\n {{error}}",
+    "reinstallError": "Plugin {{name}} refresh failed",
+    "testConnectionFailed": "Failed to get Manifest: {{error}}",
+    "urlError": "The link did not return JSON content, please ensure it is a valid link"
   },
   "inspector": {
-    "args": "View parameter list",
-    "pluginRender": "View plugin interface"
+    "args": "View Argument List",
+    "pluginRender": "View Plugin Interface"
   },
   "list": {
     "item": {
       "deprecated.title": "Deleted",
       "local.config": "Configuration",
-      "local.title": "Local"
+      "local.title": "Custom"
     }
   },
   "loading": {
     "content": "Calling plugin...",
-    "plugin": "Plugin is running..."
+    "plugin": "Plugin running..."
   },
   "localSystem": {
     "apiName": {
       "listLocalFiles": "View File List",
-      "moveLocalFiles": "Move File",
+      "moveLocalFiles": "Move Files",
       "readLocalFile": "Read File Content",
       "renameLocalFile": "Rename",
       "searchLocalFiles": "Search Files",
-      "writeLocalFile": "Write to File"
+      "writeLocalFile": "Write File"
     },
     "title": "Local Files"
   },
   "mcpInstall": {
     "CHECKING_INSTALLATION": "Checking installation environment...",
     "COMPLETED": "Installation completed",
-    "CONFIGURATION_REQUIRED": "Please complete the necessary configuration before continuing the installation",
+    "CONFIGURATION_REQUIRED": "Please complete the relevant configuration before continuing installation",
     "ERROR": "Installation error",
     "FETCHING_MANIFEST": "Fetching plugin manifest...",
     "GETTING_SERVER_MANIFEST": "Initializing MCP server...",
     "INSTALLING_PLUGIN": "Installing plugin...",
-    "configurationDescription": "This MCP plugin requires configuration parameters to function properly. Please fill in the necessary configuration information.",
-    "configurationRequired": "Configure plugin parameters",
-    "continueInstall": "Continue installation",
-    "dependenciesDescription": "This plugin requires the following system dependencies to work properly. Please install the missing dependencies as instructed, then click recheck to continue the installation.",
+    "configurationDescription": "This MCP plugin requires configuration parameters to function properly, please fill in the necessary information",
+    "configurationRequired": "Configure Plugin Parameters",
+    "continueInstall": "Continue Installation",
+    "dependenciesDescription": "This plugin requires the following system dependencies to work properly. Please install the missing dependencies as instructed, then click recheck to continue installation.",
     "dependenciesRequired": "Please install the plugin's system dependencies",
     "dependencyStatus": {
       "installed": "Installed",
-      "notInstalled": "Not installed",
-      "requiredVersion": "Required version: {{version}}"
+      "notInstalled": "Not Installed",
+      "requiredVersion": "Required Version: {{version}}"
     },
     "errorDetails": {
       "args": "Arguments",
       "command": "Command",
-      "connectionParams": "Connection parameters",
-      "env": "Environment variables",
-      "errorOutput": "Error log",
-      "exitCode": "Exit code",
-      "hideDetails": "Hide details",
-      "originalError": "Original error",
-      "showDetails": "Show details"
+      "connectionParams": "Connection Parameters",
+      "env": "Environment Variables",
+      "errorOutput": "Error Log",
+      "exitCode": "Exit Code",
+      "hideDetails": "Hide Details",
+      "originalError": "Original Error",
+      "showDetails": "Show Details"
     },
     "errorTypes": {
-      "AUTHORIZATION_ERROR": "Authorization Verification Error",
-      "CONNECTION_FAILED": "Connection failed",
-      "INITIALIZATION_TIMEOUT": "Initialization timeout",
-      "PROCESS_SPAWN_ERROR": "Process spawn error",
-      "UNKNOWN_ERROR": "Unknown error",
-      "VALIDATION_ERROR": "Parameter validation failed"
+      "AUTHORIZATION_ERROR": "Authorization Error",
+      "CONNECTION_FAILED": "Connection Failed",
+      "INITIALIZATION_TIMEOUT": "Initialization Timeout",
+      "PROCESS_SPAWN_ERROR": "Process Spawn Failed",
+      "UNKNOWN_ERROR": "Unknown Error",
+      "VALIDATION_ERROR": "Parameter Validation Failed"
     },
-    "installError": "MCP plugin installation failed. Reason: {{detail}}",
+    "installError": "MCP plugin installation failed, reason: {{detail}}",
     "installMethods": {
-      "manual": "Manual installation:",
-      "recommended": "Recommended installation method:"
+      "manual": "Manual Installation:",
+      "recommended": "Recommended Installation Method:"
     },
     "recheckDependencies": "Recheck",
-    "skipDependencies": "Skip check"
+    "skipDependencies": "Skip Check"
   },
   "pluginList": "Plugin List",
+  "protocolInstall": {
+    "actions": {
+      "install": "Install",
+      "installAnyway": "Install Anyway",
+      "installed": "Installed"
+    },
+    "config": {
+      "args": "Arguments",
+      "command": "Command",
+      "env": "Environment Variables",
+      "headers": "Request Headers",
+      "title": "Configuration Information",
+      "type": {
+        "http": "Type: HTTP",
+        "label": "Type",
+        "stdio": "Type: Stdio"
+      },
+      "url": "Service Address"
+    },
+    "custom": {
+      "badge": "Custom Plugin",
+      "security": {
+        "description": "This plugin is not officially verified, installation may pose security risks! Please ensure you trust the plugin source.",
+        "title": "⚠️ Security Risk Warning"
+      },
+      "title": "Install Custom Plugin"
+    },
+    "marketplace": {
+      "title": "Install Third-Party Plugin",
+      "trustedBy": "Provided by {{name}}",
+      "unverified": {
+        "title": "Unverified Third-Party Plugin",
+        "warning": "This plugin comes from an unverified third-party marketplace. Please confirm you trust the source before installation."
+      },
+      "verified": "Verified"
+    },
+    "messages": {
+      "connectionTestFailed": "Connection test failed",
+      "installError": "Plugin installation failed, please try again",
+      "installSuccess": "Plugin {{name}} installed successfully!",
+      "manifestError": "Failed to get plugin details, please check network connection and try again",
+      "manifestNotFound": "Failed to retrieve plugin manifest"
+    },
+    "meta": {
+      "author": "Author",
+      "homepage": "Homepage",
+      "identifier": "Identifier",
+      "source": "Source",
+      "version": "Version"
+    },
+    "official": {
+      "badge": "LobeHub Official Plugin",
+      "description": "This plugin is developed and maintained by LobeHub official team, has undergone strict security review, safe to use.",
+      "loadingMessage": "Fetching plugin details...",
+      "loadingTitle": "Loading",
+      "title": "Install Official Plugin"
+    },
+    "title": "Install MCP Plugin",
+    "warning": "⚠️ Please confirm you trust the source of this plugin. Malicious plugins may harm your system security."
+  },
   "search": {
     "apiName": {
-      "crawlMultiPages": "Read multiple pages content",
+      "crawlMultiPages": "Read Multiple Pages Content",
       "crawlSinglePage": "Read Page Content",
-      "search": "Search Page"
+      "search": "Search Pages"
     },
     "config": {
       "addKey": "Add Key",
       "close": "Delete",
-      "confirm": "Configuration completed, please retry"
+      "confirm": "Configuration Completed and Retry"
     },
     "crawPages": {
-      "crawling": "Identifying links",
+      "crawling": "Link Recognition in Progress",
       "detail": {
         "preview": "Preview",
-        "raw": "Raw text",
-        "tooLong": "The text content is too long; only the first {{characters}} characters of the conversation context will be retained, and the excess will not be included in the conversation context."
+        "raw": "Raw Text",
+        "tooLong": "Text content is too long, only the first {{characters}} characters are kept in the conversation context, the rest are excluded"
       },
       "meta": {
         "crawler": "Crawling Mode",
-        "words": "Character count"
+        "words": "Character Count"
       }
     },
     "searchxng": {
       "baseURL": "Please enter",
-      "description": "Enter the URL for SearchXNG to start online searching",
+      "description": "Enter the URL of SearchXNG to start online search",
       "keyPlaceholder": "Please enter key",
       "title": "Configure SearchXNG Search Engine",
-      "unconfiguredDesc": "Please contact the administrator to complete the SearchXNG search engine configuration to start online searching",
-      "unconfiguredTitle": "SearchXNG search engine not configured yet"
+      "unconfiguredDesc": "Please contact administrator to complete SearchXNG search engine configuration to start online search",
+      "unconfiguredTitle": "SearchXNG Search Engine Not Configured"
     },
     "title": "Online Search"
   },
@@ -351,18 +411,18 @@
       "title": "Plugin Configuration"
     },
     "connection": {
-      "args": "Startup arguments",
-      "command": "Startup command",
+      "args": "Startup Arguments",
+      "command": "Startup Command",
       "title": "Connection Information",
-      "type": "Connection type",
-      "url": "Service address"
+      "type": "Connection Type",
+      "url": "Service Address"
     },
     "edit": "Edit",
-    "envConfigDescription": "These configurations will be passed as environment variables to the process when the MCP server starts",
-    "httpTypeNotice": "No environment variables need to be configured for HTTP type MCP plugins",
+    "envConfigDescription": "These configurations will be passed as environment variables to the MCP server process at startup",
+    "httpTypeNotice": "HTTP type MCP plugins currently have no environment variables to configure",
     "indexUrl": {
       "title": "Marketplace Index",
-      "tooltip": "Editing is not supported at the moment"
+      "tooltip": "Online editing is not supported yet, please set via environment variables during deployment"
     },
     "messages": {
       "connectionUpdateFailed": "Failed to update connection information",
@@ -370,34 +430,34 @@
       "envUpdateFailed": "Failed to save environment variables",
       "envUpdateSuccess": "Environment variables saved successfully"
     },
-    "modalDesc": "After configuring the address of the plugin marketplace, you can use a custom plugin marketplace",
+    "modalDesc": "After configuring the plugin marketplace address, you can use a custom plugin marketplace",
     "rules": {
       "argsRequired": "Please enter startup arguments",
-      "commandRequired": "Please enter the startup command",
-      "urlRequired": "Please enter the service address"
+      "commandRequired": "Please enter startup command",
+      "urlRequired": "Please enter service address"
     },
-    "saveSettings": "Save settings",
+    "saveSettings": "Save Settings",
     "title": "Configure Plugin Marketplace"
   },
-  "showInPortal": "Please check the details in the Portal view",
+  "showInPortal": "Please view details in the workspace",
   "store": {
     "actions": {
-      "cancel": "Cancel installation",
-      "confirmUninstall": "The plugin is about to be uninstalled. After uninstalling, the plugin configuration will be cleared. Please confirm your operation.",
+      "cancel": "Cancel Installation",
+      "confirmUninstall": "This plugin will be uninstalled and its configuration cleared. Please confirm your action.",
       "detail": "Details",
       "install": "Install",
       "manifest": "Edit Installation File",
       "settings": "Settings",
       "uninstall": "Uninstall"
     },
-    "communityPlugin": "Third-party",
-    "customPlugin": "Custom Plugin",
-    "empty": "No installed plugins yet",
+    "communityPlugin": "Third-Party Community",
+    "customPlugin": "Custom",
+    "empty": "No installed plugins",
     "emptySelectHint": "Select a plugin to preview detailed information",
     "installAllPlugins": "Install All",
-    "networkError": "Failed to fetch plugin store. Please check your network connection and try again",
-    "placeholder": "Search for plugin name, description, or keyword...",
-    "releasedAt": "Released at {{createdAt}}",
+    "networkError": "Failed to fetch plugin store, please check network connection and try again",
+    "placeholder": "Search plugin name, description or keywords...",
+    "releasedAt": "Released on {{createdAt}}",
     "tabs": {
       "installed": "Installed",
       "mcp": "MCP Plugins",
@@ -405,6 +465,6 @@
     },
     "title": "Plugin Store"
   },
-  "unknownError": "Unknown error",
-  "unknownPlugin": "Unknown plugin"
+  "unknownError": "Unknown Error",
+  "unknownPlugin": "Unknown Plugin"
 }

locales/en-US/providers.json

@@ -2,9 +2,15 @@
   "ai21": {
     "description": "AI21 Labs builds foundational models and AI systems for enterprises, accelerating the application of generative AI in production."
   },
+  "ai302": {
+    "description": "302.AI is an on-demand AI application platform offering the most comprehensive AI APIs and online AI applications available on the market."
+  },
   "ai360": {
     "description": "360 AI is an AI model and service platform launched by 360 Company, offering various advanced natural language processing models, including 360GPT2 Pro, 360GPT Pro, 360GPT Turbo, and 360GPT Turbo Responsibility 8K. These models combine large-scale parameters and multimodal capabilities, widely applied in text generation, semantic understanding, dialogue systems, and code generation. With flexible pricing strategies, 360 AI meets diverse user needs, supports developer integration, and promotes the innovation and development of intelligent applications."
   },
+  "aihubmix": {
+    "description": "AiHubMix provides access to various AI models through a unified API interface."
+  },
   "anthropic": {
     "description": "Anthropic is a company focused on AI research and development, offering a range of advanced language models such as Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus, and Claude 3 Haiku. These models achieve an ideal balance between intelligence, speed, and cost, suitable for various applications from enterprise workloads to rapid-response scenarios. Claude 3.5 Sonnet, as their latest model, has excelled in multiple evaluations while maintaining a high cost-performance ratio."
   },

locales/en-US/setting.json

@@ -183,10 +183,21 @@
     "title": "Assistant Information"
   },
   "settingAppearance": {
+    "animationMode": {
+      "agile": "Agile",
+      "desc": "Select the animation speed for application response actions",
+      "disabled": "Off",
+      "elegant": "Elegant",
+      "title": "Response Animation"
+    },
     "neutralColor": {
       "desc": "Custom grayscale with different color tendencies",
       "title": "Neutral Color"
     },
+    "noAnimation": {
+      "desc": "Disable all animation effects in the application",
+      "title": "No Animation Mode"
+    },
     "preview": {
       "title": "Color Palette"
     },

locales/es-ES/modelProvider.json

@@ -189,6 +189,7 @@
       "aesGcm": "Tu clave y dirección del proxy se cifrarán utilizando el algoritmo de cifrado <1>AES-GCM</1>",
       "apiKey": {
         "desc": "Por favor, introduce tu {{name}} API Key",
+        "descWithUrl": "Por favor, introduce tu clave API de {{name}}, <3>haz clic aquí para obtenerla</3>",
         "placeholder": "{{name}} API Key",
         "title": "API Key"
       },
@@ -305,6 +306,7 @@
         "latestTime": "Última actualización: {{time}}",
         "noLatestTime": "Lista aún no obtenida"
       },
+      "noModelsInCategory": "No hay modelos habilitados en esta categoría",
       "resetAll": {
         "conform": "¿Confirmar el restablecimiento de todas las modificaciones del modelo actual? Después del restablecimiento, la lista de modelos actuales volverá al estado predeterminado",
         "success": "Restablecimiento exitoso",
@@ -315,7 +317,15 @@
       "title": "Lista de modelos",
       "total": "Un total de {{count}} modelos disponibles"
     },
-    "searchNotFound": "No se encontraron resultados de búsqueda"
+    "searchNotFound": "No se encontraron resultados de búsqueda",
+    "tabs": {
+      "all": "Todos",
+      "chat": "Chat",
+      "embedding": "Vectorización",
+      "image": "Imagen",
+      "stt": "ASR",
+      "tts": "TTS"
+    }
   },
   "sortModal": {
     "success": "Orden actualizado con éxito",

locales/es-ES/models.json

@@ -32,6 +32,9 @@
   "4.0Ultra": {
     "description": "Spark4.0 Ultra es la versión más poderosa de la serie de modelos grandes de Xinghuo, mejorando la comprensión y capacidad de resumen de contenido textual al actualizar la conexión de búsqueda en línea. Es una solución integral para mejorar la productividad en la oficina y responder con precisión a las necesidades, siendo un producto inteligente líder en la industria."
   },
+  "AnimeSharp": {
+    "description": "AnimeSharp (también conocido como “4x‑AnimeSharp”) es un modelo de superresolución de código abierto desarrollado por Kim2091 basado en la arquitectura ESRGAN, enfocado en la ampliación y el afilado de imágenes con estilo anime. Fue renombrado en febrero de 2022 desde “4x-TextSharpV1”, originalmente también aplicable a imágenes de texto, pero con un rendimiento significativamente optimizado para contenido anime."
+  },
   "Baichuan2-Turbo": {
     "description": "Utiliza tecnología de búsqueda mejorada para lograr un enlace completo entre el gran modelo y el conocimiento del dominio, así como el conocimiento de toda la red. Soporta la carga de documentos en PDF, Word y otros formatos, así como la entrada de URL, proporcionando información oportuna y completa, con resultados precisos y profesionales."
   },
@@ -71,6 +74,9 @@
   "DeepSeek-V3": {
     "description": "DeepSeek-V3 es un modelo MoE desarrollado internamente por la empresa DeepSeek. Los resultados de DeepSeek-V3 en múltiples evaluaciones superan a otros modelos de código abierto como Qwen2.5-72B y Llama-3.1-405B, y su rendimiento es comparable al de los modelos cerrados de primer nivel mundial como GPT-4o y Claude-3.5-Sonnet."
   },
+  "DeepSeek-V3-Fast": {
+    "description": "Proveedor del modelo: plataforma sophnet. DeepSeek V3 Fast es la versión de alta velocidad y alto TPS de DeepSeek V3 0324, completamente sin cuantificación, con mayor capacidad en código y matemáticas, ¡y respuesta más rápida!"
+  },
   "Doubao-lite-128k": {
     "description": "Doubao-lite ofrece una velocidad de respuesta excepcional y una mejor relación calidad-precio, proporcionando opciones más flexibles para diferentes escenarios de los clientes. Soporta inferencia y ajuste fino con una ventana de contexto de 128k."
   },
@@ -89,6 +95,9 @@
   "Doubao-pro-4k": {
     "description": "El modelo principal con mejor rendimiento, adecuado para tareas complejas, con excelentes resultados en preguntas de referencia, resúmenes, creación, clasificación de texto, juegos de rol y otros escenarios. Soporta inferencia y ajuste fino con una ventana de contexto de 4k."
   },
+  "DreamO": {
+    "description": "DreamO es un modelo de generación de imágenes personalizado de código abierto desarrollado conjuntamente por ByteDance y la Universidad de Pekín, diseñado para soportar generación de imágenes multitarea mediante una arquitectura unificada. Utiliza un método eficiente de modelado combinado para generar imágenes altamente coherentes y personalizadas según múltiples condiciones especificadas por el usuario, como identidad, sujeto, estilo y fondo."
+  },
   "ERNIE-3.5-128K": {
     "description": "Modelo de lenguaje a gran escala de primera línea desarrollado por Baidu, que abarca una vasta cantidad de corpus en chino y en inglés, con potentes capacidades generales que pueden satisfacer la mayoría de los requisitos de preguntas y respuestas en diálogos, generación de contenido y aplicaciones de plugins; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información en las respuestas."
   },
@@ -122,15 +131,39 @@
   "ERNIE-Speed-Pro-128K": {
     "description": "Modelo de lenguaje de alto rendimiento desarrollado por Baidu, lanzado en 2024, con capacidades generales excepcionales, superando a ERNIE Speed, adecuado como modelo base para ajustes finos, manejando mejor problemas en escenarios específicos, y con un rendimiento de inferencia excelente."
   },
+  "FLUX.1-Kontext-dev": {
+    "description": "FLUX.1-Kontext-dev es un modelo multimodal de generación y edición de imágenes desarrollado por Black Forest Labs, basado en la arquitectura Rectified Flow Transformer, con una escala de 12 mil millones de parámetros. Se especializa en generar, reconstruir, mejorar o editar imágenes bajo condiciones contextuales dadas. Combina las ventajas de generación controlada de modelos de difusión con la capacidad de modelado contextual de Transformers, soportando salidas de alta calidad y aplicándose ampliamente en tareas como restauración de imágenes, completado y reconstrucción de escenas visuales."
+  },
+  "FLUX.1-dev": {
+    "description": "FLUX.1-dev es un modelo multimodal de lenguaje (MLLM) de código abierto desarrollado por Black Forest Labs, optimizado para tareas de texto e imagen, integrando capacidades de comprensión y generación tanto visual como textual. Está basado en avanzados modelos de lenguaje grande (como Mistral-7B) y mediante un codificador visual cuidadosamente diseñado y un ajuste fino por etapas con instrucciones, logra procesamiento colaborativo de texto e imagen y razonamiento para tareas complejas."
+  },
   "Gryphe/MythoMax-L2-13b": {
     "description": "MythoMax-L2 (13B) es un modelo innovador, adecuado para aplicaciones en múltiples campos y tareas complejas."
   },
+  "HelloMeme": {
+    "description": "HelloMeme es una herramienta de IA que puede generar automáticamente memes, GIFs o videos cortos basados en las imágenes o acciones que proporciones. No requiere conocimientos de dibujo o programación; solo necesitas preparar una imagen de referencia y la herramienta te ayudará a crear contenido atractivo, divertido y con estilo coherente."
+  },
+  "HiDream-I1-Full": {
+    "description": "HiDream-E1-Full es un modelo de edición de imágenes multimodal de código abierto lanzado por HiDream.ai, basado en la avanzada arquitectura Diffusion Transformer y potenciado con una fuerte capacidad de comprensión del lenguaje (incorporando LLaMA 3.1-8B-Instruct). Soporta generación de imágenes, transferencia de estilo, edición local y redibujo de contenido mediante instrucciones en lenguaje natural, con excelentes habilidades de comprensión y ejecución texto-imagen."
+  },
+  "HunyuanDiT-v1.2-Diffusers-Distilled": {
+    "description": "hunyuandit-v1.2-distilled es un modelo ligero de generación de imágenes a partir de texto, optimizado mediante destilación para generar imágenes de alta calidad rápidamente, especialmente adecuado para entornos con recursos limitados y tareas de generación en tiempo real."
+  },
+  "InstantCharacter": {
+    "description": "InstantCharacter es un modelo de generación de personajes personalizados sin necesidad de ajuste fino, lanzado por el equipo de IA de Tencent en 2025, diseñado para lograr generación consistente y de alta fidelidad en múltiples escenarios. El modelo permite modelar un personaje basándose únicamente en una imagen de referencia y transferirlo de forma flexible a diversos estilos, acciones y fondos."
+  },
   "InternVL2-8B": {
     "description": "InternVL2-8B es un potente modelo de lenguaje visual, que admite el procesamiento multimodal de imágenes y texto, capaz de identificar con precisión el contenido de las imágenes y generar descripciones o respuestas relacionadas."
   },
   "InternVL2.5-26B": {
     "description": "InternVL2.5-26B es un potente modelo de lenguaje visual, que admite el procesamiento multimodal de imágenes y texto, capaz de identificar con precisión el contenido de las imágenes y generar descripciones o respuestas relacionadas."
   },
+  "Kolors": {
+    "description": "Kolors es un modelo de generación de imágenes a partir de texto desarrollado por el equipo Kolors de Kuaishou. Entrenado con miles de millones de parámetros, destaca en calidad visual, comprensión semántica del chino y renderizado de texto."
+  },
+  "Kwai-Kolors/Kolors": {
+    "description": "Kolors es un modelo de generación de imágenes a partir de texto a gran escala basado en difusión latente, desarrollado por el equipo Kolors de Kuaishou. Entrenado con miles de millones de pares texto-imagen, muestra ventajas significativas en calidad visual, precisión semántica compleja y renderizado de caracteres en chino e inglés. Soporta entradas en ambos idiomas y sobresale en la comprensión y generación de contenido específico en chino."
+  },
   "Llama-3.2-11B-Vision-Instruct": {
     "description": "Capacidad de razonamiento de imágenes excepcional en imágenes de alta resolución, adecuada para aplicaciones de comprensión visual."
   },
@@ -164,9 +197,15 @@
   "MiniMaxAI/MiniMax-M1-80k": {
     "description": "MiniMax-M1 es un modelo de inferencia de atención mixta a gran escala con pesos de código abierto, que cuenta con 456 mil millones de parámetros, activando aproximadamente 45.9 mil millones de parámetros por token. El modelo soporta de forma nativa contextos ultra largos de hasta 1 millón de tokens y, gracias a su mecanismo de atención relámpago, reduce en un 75 % las operaciones de punto flotante en tareas de generación de 100 mil tokens en comparación con DeepSeek R1. Además, MiniMax-M1 utiliza una arquitectura MoE (Mezcla de Expertos), combinando el algoritmo CISPO y un diseño de atención mixta para un entrenamiento eficiente mediante aprendizaje reforzado, logrando un rendimiento líder en la industria en inferencia con entradas largas y escenarios reales de ingeniería de software."
   },
+  "Moonshot-Kimi-K2-Instruct": {
+    "description": "Con un total de 1 billón de parámetros y 32 mil millones de parámetros activados, este modelo no reflexivo alcanza niveles de vanguardia en conocimiento avanzado, matemáticas y codificación, destacando en tareas generales de agentes. Optimizado para tareas de agentes, no solo responde preguntas sino que también puede actuar. Ideal para conversaciones improvisadas, chat general y experiencias de agentes, es un modelo de nivel reflexivo que no requiere largos tiempos de pensamiento."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) es un modelo de instrucciones de alta precisión, adecuado para cálculos complejos."
   },
+  "OmniConsistency": {
+    "description": "OmniConsistency mejora la consistencia de estilo y la capacidad de generalización en tareas de imagen a imagen mediante la introducción de grandes Diffusion Transformers (DiTs) y datos estilizados emparejados, evitando la degradación del estilo."
+  },
   "Phi-3-medium-128k-instruct": {
     "description": "El mismo modelo Phi-3-medium, pero con un tamaño de contexto más grande para RAG o indicaciones de pocos disparos."
   },
@@ -218,6 +257,9 @@
   "Pro/deepseek-ai/DeepSeek-V3": {
     "description": "DeepSeek-V3 es un modelo de lenguaje de expertos mixtos (MoE) con 671 mil millones de parámetros, que utiliza atención potencial de múltiples cabezas (MLA) y la arquitectura DeepSeekMoE, combinando estrategias de balanceo de carga sin pérdidas auxiliares para optimizar la eficiencia de inferencia y entrenamiento. Preentrenado en 14.8 billones de tokens de alta calidad, y ajustado mediante supervisión y aprendizaje por refuerzo, DeepSeek-V3 supera a otros modelos de código abierto y se acerca a los modelos cerrados líderes."
   },
+  "Pro/moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 es un modelo base con arquitectura MoE que posee capacidades avanzadas de codificación y agentes, con un total de 1 billón de parámetros y 32 mil millones de parámetros activados. En pruebas de referencia en categorías principales como razonamiento general, programación, matemáticas y agentes, el rendimiento del modelo K2 supera a otros modelos de código abierto populares."
+  },
   "QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview es un modelo de procesamiento de lenguaje natural innovador, capaz de manejar de manera eficiente tareas complejas de generación de diálogos y comprensión del contexto."
   },
@@ -278,9 +320,18 @@
   "Qwen/Qwen3-235B-A22B": {
     "description": "Qwen3 es un nuevo modelo de Tongyi Qianwen de próxima generación con capacidades significativamente mejoradas, alcanzando niveles líderes en la industria en razonamiento, general, agente y múltiples idiomas, y admite el cambio de modo de pensamiento."
   },
+  "Qwen/Qwen3-235B-A22B-Instruct-2507": {
+    "description": "Qwen3-235B-A22B-Instruct-2507 es un modelo de lenguaje grande híbrido experto (MoE) de nivel insignia desarrollado por el equipo Tongyi Qianwen de Alibaba Cloud. Cuenta con 235 mil millones de parámetros totales y activa 22 mil millones por inferencia. Es una versión actualizada del modo no reflexivo Qwen3-235B-A22B, enfocada en mejorar significativamente el cumplimiento de instrucciones, razonamiento lógico, comprensión textual, matemáticas, ciencias, programación y uso de herramientas. Además, amplía la cobertura de conocimientos multilingües y mejora la alineación con las preferencias del usuario en tareas subjetivas y abiertas para generar textos más útiles y de alta calidad."
+  },
+  "Qwen/Qwen3-235B-A22B-Thinking-2507": {
+    "description": "Qwen3-235B-A22B-Thinking-2507 es un modelo de lenguaje grande de la serie Qwen3 desarrollado por el equipo Tongyi Qianwen de Alibaba, especializado en tareas complejas de razonamiento avanzado. Basado en arquitectura MoE, cuenta con 235 mil millones de parámetros totales y activa aproximadamente 22 mil millones por token, mejorando la eficiencia computacional sin sacrificar rendimiento. Como modelo dedicado al “pensamiento”, destaca en razonamiento lógico, matemáticas, ciencias, programación y pruebas académicas que requieren conocimiento experto, alcanzando niveles líderes en modelos reflexivos de código abierto. También mejora capacidades generales como cumplimiento de instrucciones, uso de herramientas y generación de texto, y soporta nativamente comprensión de contexto largo de hasta 256K tokens, ideal para escenarios que requieren razonamiento profundo y manejo de documentos extensos."
+  },
   "Qwen/Qwen3-30B-A3B": {
     "description": "Qwen3 es un nuevo modelo de Tongyi Qianwen de próxima generación con capacidades significativamente mejoradas, alcanzando niveles líderes en la industria en razonamiento, general, agente y múltiples idiomas, y admite el cambio de modo de pensamiento."
   },
+  "Qwen/Qwen3-30B-A3B-Instruct-2507": {
+    "description": "Qwen3-30B-A3B-Instruct-2507 es una versión actualizada del modelo Qwen3-30B-A3B en modo no reflexivo. Es un modelo de expertos mixtos (MoE) con un total de 30.5 mil millones de parámetros y 3.3 mil millones de parámetros activados. El modelo ha mejorado significativamente en varios aspectos, incluyendo el seguimiento de instrucciones, razonamiento lógico, comprensión de texto, matemáticas, ciencias, codificación y uso de herramientas. Además, ha logrado avances sustanciales en la cobertura de conocimientos multilingües de cola larga y se alinea mejor con las preferencias del usuario en tareas subjetivas y abiertas, generando respuestas más útiles y textos de mayor calidad. También se ha mejorado la capacidad de comprensión de textos largos hasta 256K. Este modelo solo soporta el modo no reflexivo y no genera etiquetas `<think></think>` en su salida."
+  },
   "Qwen/Qwen3-32B": {
     "description": "Qwen3 es un nuevo modelo de Tongyi Qianwen de próxima generación con capacidades significativamente mejoradas, alcanzando niveles líderes en la industria en razonamiento, general, agente y múltiples idiomas, y admite el cambio de modo de pensamiento."
   },
@@ -314,6 +365,12 @@
   "Qwen2.5-Coder-32B-Instruct": {
     "description": "Qwen2.5-Coder-32B-Instruct es un modelo de lenguaje grande diseñado específicamente para la generación de código, comprensión de código y escenarios de desarrollo eficiente, con una escala de 32B parámetros, líder en la industria, capaz de satisfacer diversas necesidades de programación."
   },
+  "Qwen3-235B": {
+    "description": "Qwen3-235B-A22B es un modelo MoE (modelo de expertos mixtos) que introduce el “modo de razonamiento mixto”, permitiendo a los usuarios cambiar sin problemas entre el “modo reflexivo” y el “modo no reflexivo”. Soporta la comprensión y el razonamiento en 119 idiomas y dialectos, y cuenta con una potente capacidad de invocación de herramientas. En pruebas de referencia que evalúan capacidades generales, código y matemáticas, multilingüismo, conocimiento y razonamiento, compite con los principales modelos del mercado como DeepSeek R1, OpenAI o1, o3-mini, Grok 3 y Google Gemini 2.5 Pro."
+  },
+  "Qwen3-32B": {
+    "description": "Qwen3-32B es un modelo denso (Dense Model) que introduce el “modo de razonamiento mixto”, permitiendo a los usuarios cambiar sin problemas entre el “modo reflexivo” y el “modo no reflexivo”. Gracias a mejoras en la arquitectura del modelo, aumento de datos de entrenamiento y métodos de entrenamiento más eficientes, su rendimiento general es comparable al de Qwen2.5-72B."
+  },
   "SenseChat": {
     "description": "Modelo de versión básica (V4), longitud de contexto de 4K, con potentes capacidades generales."
   },
@@ -350,6 +407,12 @@
   "SenseChat-Vision": {
     "description": "La última versión del modelo (V5.5) admite la entrada de múltiples imágenes, logrando una optimización completa de las capacidades básicas del modelo, con mejoras significativas en el reconocimiento de atributos de objetos, relaciones espaciales, reconocimiento de eventos de acción, comprensión de escenas, reconocimiento de emociones, razonamiento lógico y comprensión y generación de texto."
   },
+  "SenseNova-V6-5-Pro": {
+    "description": "Mediante una actualización integral de datos multimodales, lingüísticos y de razonamiento, junto con la optimización de estrategias de entrenamiento, el nuevo modelo ha logrado mejoras significativas en el razonamiento multimodal y la capacidad de seguimiento de instrucciones generalizadas. Soporta una ventana de contexto de hasta 128k y destaca en tareas especializadas como OCR y reconocimiento de IP en turismo y cultura."
+  },
+  "SenseNova-V6-5-Turbo": {
+    "description": "Mediante una actualización integral de datos multimodales, lingüísticos y de razonamiento, junto con la optimización de estrategias de entrenamiento, el nuevo modelo ha logrado mejoras significativas en el razonamiento multimodal y la capacidad de seguimiento de instrucciones generalizadas. Soporta una ventana de contexto de hasta 128k y destaca en tareas especializadas como OCR y reconocimiento de IP en turismo y cultura."
+  },
   "SenseNova-V6-Pro": {
     "description": "Logra una unificación nativa de capacidades de imagen, texto y video, superando las limitaciones tradicionales de la multimodalidad discreta, y ha ganado el doble campeonato en las evaluaciones de OpenCompass y SuperCLUE."
   },
@@ -548,6 +611,9 @@
   "aya:35b": {
     "description": "Aya 23 es un modelo multilingüe lanzado por Cohere, que admite 23 idiomas, facilitando aplicaciones de lenguaje diversas."
   },
+  "azure-DeepSeek-R1-0528": {
+    "description": "Desplegado y proporcionado por Microsoft; el modelo DeepSeek R1 ha recibido una actualización menor, la versión actual es DeepSeek-R1-0528. En la última actualización, DeepSeek R1 ha mejorado significativamente la profundidad de inferencia y la capacidad de deducción mediante el aumento de recursos computacionales y la introducción de mecanismos de optimización algorítmica en la fase posterior al entrenamiento. Este modelo destaca en múltiples pruebas de referencia en matemáticas, programación y lógica general, y su rendimiento general se acerca a modelos líderes como O3 y Gemini 2.5 Pro."
+  },
   "baichuan/baichuan2-13b-chat": {
     "description": "Baichuan-13B es un modelo de lenguaje de gran escala de código abierto y comercializable desarrollado por Baichuan Intelligence, que cuenta con 13 mil millones de parámetros y ha logrado los mejores resultados en benchmarks autorizados en chino e inglés."
   },
@@ -608,6 +674,9 @@
   "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-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."
+  },
   "claude-opus-4-20250514": {
     "description": "Claude Opus 4 es el modelo más potente de Anthropic para manejar tareas altamente complejas. Se destaca en rendimiento, inteligencia, fluidez y comprensión."
   },
@@ -944,6 +1013,9 @@
   "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."
   },
+  "doubao-seedream-3-0-t2i-250415": {
+    "description": "El modelo de generación de imágenes Doubao fue desarrollado por el equipo Seed de ByteDance, soporta entrada de texto e imagen, y ofrece una experiencia de generación de imágenes altamente controlable y de alta calidad. Genera imágenes basadas en indicaciones textuales."
+  },
   "doubao-vision-lite-32k": {
     "description": "El modelo Doubao-vision es un modelo multimodal desarrollado por Doubao, con potentes capacidades de comprensión e inferencia de imágenes, así como una precisa comprensión de instrucciones. El modelo muestra un rendimiento destacado en extracción de información texto-imagen y tareas de inferencia basadas en imágenes, aplicable a tareas de preguntas visuales más complejas y amplias."
   },
@@ -995,6 +1067,9 @@
   "ernie-char-fiction-8k": {
     "description": "Modelo de lenguaje grande de escenario vertical desarrollado internamente por Baidu, adecuado para aplicaciones como NPC de juegos, diálogos de servicio al cliente y juegos de rol de diálogos, con un estilo de personaje más distintivo y consistente, y una mayor capacidad de seguimiento de instrucciones y rendimiento de inferencia."
   },
+  "ernie-irag-edit": {
+    "description": "El modelo de edición de imágenes ERNIE iRAG desarrollado por Baidu soporta operaciones como borrar objetos, repintar objetos y generar variaciones basadas en imágenes."
+  },
   "ernie-lite-8k": {
     "description": "ERNIE Lite es un modelo de lenguaje grande ligero desarrollado internamente por Baidu, que combina un excelente rendimiento del modelo con una buena capacidad de inferencia, adecuado para su uso en tarjetas de aceleración de IA de bajo consumo."
   },
@@ -1022,14 +1097,32 @@
   "ernie-x1-turbo-32k": {
     "description": "Mejora en comparación con ERNIE-X1-32K, con mejores resultados y rendimiento."
   },
+  "flux-1-schnell": {
+    "description": "Modelo de generación de imágenes a partir de texto con 12 mil millones de parámetros desarrollado por Black Forest Labs, que utiliza tecnología de destilación de difusión adversarial latente, capaz de generar imágenes de alta calidad en 1 a 4 pasos. Su rendimiento es comparable a alternativas propietarias y se publica bajo licencia Apache-2.0, apto para uso personal, investigación y comercial."
+  },
+  "flux-dev": {
+    "description": "FLUX.1 [dev] es un modelo refinado y de pesos abiertos para aplicaciones no comerciales. Mantiene una calidad de imagen y capacidad de seguimiento de instrucciones similar a la versión profesional de FLUX, pero con mayor eficiencia operativa. En comparación con modelos estándar de tamaño similar, es más eficiente en el uso de recursos."
+  },
   "flux-kontext/dev": {
-    "description": "Modelo de edición de imágenes Frontier."
+    "description": "Modelo FLUX.1 centrado en tareas de edición de imágenes, compatible con entradas de texto e imagen."
+  },
+  "flux-merged": {
+    "description": "El modelo FLUX.1-merged combina las características profundas exploradas durante la fase de desarrollo de “DEV” con las ventajas de ejecución rápida representadas por “Schnell”. Esta combinación no solo amplía los límites de rendimiento del modelo, sino que también amplía su rango de aplicaciones."
   },
   "flux-pro/kontext": {
     "description": "FLUX.1 Kontext [pro] puede procesar texto e imágenes de referencia como entrada, logrando sin problemas ediciones locales específicas y transformaciones complejas de escenas completas."
   },
+  "flux-schnell": {
+    "description": "FLUX.1 [schnell], como el modelo de pocos pasos más avanzado de código abierto actualmente, supera no solo a competidores similares sino también a potentes modelos no refinados como Midjourney v6.0 y DALL·E 3 (HD). Este modelo ha sido ajustado específicamente para conservar toda la diversidad de salida de la etapa de preentrenamiento. En comparación con los modelos más avanzados del mercado, FLUX.1 [schnell] mejora significativamente la calidad visual, el cumplimiento de instrucciones, la variación de tamaño/proporción, el manejo de fuentes y la diversidad de salida, ofreciendo a los usuarios una experiencia de generación de imágenes creativas más rica y variada."
+  },
+  "flux.1-schnell": {
+    "description": "Transformador de flujo rectificado con 12 mil millones de parámetros, capaz de generar imágenes basadas en descripciones textuales."
+  },
+  "flux/krea": {
+    "description": "Flux Krea [dev] es un modelo generador de imágenes con preferencia estética, diseñado para crear imágenes más realistas y naturales."
+  },
   "flux/schnell": {
-    "description": "FLUX.1 [schnell] es un modelo transformador de flujo con 12 mil millones de parámetros, capaz de generar imágenes de alta calidad a partir de texto en 1 a 4 pasos, adecuado para uso personal y comercial."
+    "description": "FLUX.1 [schnell] es un modelo generador de imágenes con 12 mil millones de parámetros, enfocado en la generación rápida de imágenes de alta calidad."
   },
   "gemini-1.0-pro-001": {
     "description": "Gemini 1.0 Pro 001 (Ajuste) ofrece un rendimiento estable y ajustable, siendo una opción ideal para soluciones de tareas complejas."
@@ -1109,9 +1202,6 @@
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview es el modelo más rentable de Google, que ofrece una funcionalidad completa."
   },
-  "gemini-2.5-flash-preview-04-17-thinking": {
-    "description": "Gemini 2.5 Flash Preview es el modelo de mejor relación calidad-precio de Google, que ofrece funcionalidades completas."
-  },
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview es el modelo de mejor relación calidad-precio de Google, que ofrece funcionalidades completas."
   },
@@ -1190,6 +1280,21 @@
   "glm-4.1v-thinking-flashx": {
     "description": "La serie GLM-4.1V-Thinking es el modelo visual más potente conocido en la categoría de VLMs de 10 mil millones de parámetros, integrando tareas de lenguaje visual de última generación (SOTA) en su nivel, incluyendo comprensión de video, preguntas sobre imágenes, resolución de problemas académicos, reconocimiento OCR, interpretación de documentos y gráficos, agentes GUI, codificación web frontend, grounding, entre otros. En muchas tareas, supera incluso a modelos con 8 veces más parámetros como Qwen2.5-VL-72B. Gracias a técnicas avanzadas de aprendizaje reforzado, el modelo domina el razonamiento mediante cadenas de pensamiento para mejorar la precisión y riqueza de las respuestas, superando significativamente a los modelos tradicionales sin pensamiento en términos de resultados y explicabilidad."
   },
+  "glm-4.5": {
+    "description": "El último modelo insignia de Zhipu, soporta modo de pensamiento, con capacidades integrales que alcanzan el nivel SOTA de modelos de código abierto y una longitud de contexto de hasta 128K."
+  },
+  "glm-4.5-air": {
+    "description": "Versión ligera de GLM-4.5 que equilibra rendimiento y costo, con capacidad flexible para cambiar entre modelos de pensamiento híbrido."
+  },
+  "glm-4.5-airx": {
+    "description": "Versión ultra rápida de GLM-4.5-Air, con respuesta más rápida, diseñada para demandas de gran escala y alta velocidad."
+  },
+  "glm-4.5-flash": {
+    "description": "Versión gratuita de GLM-4.5, con un desempeño destacado en tareas de inferencia, codificación y agentes inteligentes."
+  },
+  "glm-4.5-x": {
+    "description": "Versión ultra rápida de GLM-4.5, que combina un rendimiento potente con una velocidad de generación de hasta 100 tokens por segundo."
+  },
   "glm-4v": {
     "description": "GLM-4V proporciona una poderosa capacidad de comprensión e inferencia de imágenes, soportando diversas tareas visuales."
   },
@@ -1209,7 +1314,7 @@
     "description": "Inferencia ultrarrápida: con una velocidad de inferencia extremadamente rápida y un potente efecto de razonamiento."
   },
   "glm-z1-flash": {
-    "description": "La serie GLM-Z1 posee una poderosa capacidad de razonamiento complejo, destacando en áreas como razonamiento lógico, matemáticas y programación. La longitud máxima del contexto es de 32K."
+    "description": "La serie GLM-Z1 posee una fuerte capacidad de razonamiento complejo, destacando en lógica, matemáticas y programación."
   },
   "glm-z1-flashx": {
     "description": "Alta velocidad y bajo costo: versión mejorada Flash, con velocidad de inferencia ultrarrápida y mejor garantía de concurrencia."
@@ -1379,12 +1484,33 @@
   "gpt-4o-transcribe": {
     "description": "GPT-4o Transcribe es un modelo de conversión de voz a texto que utiliza GPT-4o para transcribir audio. En comparación con el modelo Whisper original, mejora la tasa de error de palabras y aumenta la precisión y el reconocimiento del idioma. Úselo para obtener transcripciones más precisas."
   },
+  "gpt-5": {
+    "description": "El mejor modelo para tareas de codificación y agentes multidisciplinarios. GPT-5 logra avances en precisión, velocidad, razonamiento, reconocimiento contextual, pensamiento estructurado y resolución de problemas."
+  },
+  "gpt-5-chat-latest": {
+    "description": "Modelo GPT-5 utilizado en ChatGPT. Combina una potente comprensión y generación del lenguaje, ideal para aplicaciones de interacción conversacional."
+  },
+  "gpt-5-mini": {
+    "description": "Versión más rápida y económica de GPT-5, adecuada para tareas bien definidas. Ofrece respuestas más rápidas manteniendo una salida de alta calidad."
+  },
+  "gpt-5-nano": {
+    "description": "Versión más rápida y económica de GPT-5. Perfecta para escenarios que requieren respuestas rápidas y son sensibles al costo."
+  },
   "gpt-image-1": {
     "description": "Modelo nativo multimodal de generación de imágenes de ChatGPT."
   },
+  "gpt-oss": {
+    "description": "GPT-OSS 20B es un modelo de lenguaje abierto lanzado por OpenAI, que utiliza la tecnología de cuantificación MXFP4, adecuado para ejecutarse en GPU de consumo de alta gama o en Mac con Apple Silicon. Este modelo destaca en la generación de diálogos, escritura de código y tareas de razonamiento, y soporta llamadas a funciones y uso de herramientas."
+  },
+  "gpt-oss:120b": {
+    "description": "GPT-OSS 120B es un modelo de lenguaje abierto de gran escala lanzado por OpenAI, que emplea la tecnología de cuantificación MXFP4, siendo un modelo insignia. Requiere múltiples GPU o estaciones de trabajo de alto rendimiento para su ejecución, y ofrece un rendimiento sobresaliente en razonamiento complejo, generación de código y procesamiento multilingüe, soportando llamadas avanzadas a funciones e integración de herramientas."
+  },
   "grok-2-1212": {
     "description": "Este modelo ha mejorado en precisión, cumplimiento de instrucciones y capacidades multilingües."
   },
+  "grok-2-image-1212": {
+    "description": "Nuestro último modelo de generación de imágenes puede crear imágenes vívidas y realistas a partir de indicaciones textuales. Destaca en generación de imágenes para marketing, redes sociales y entretenimiento."
+  },
   "grok-2-vision-1212": {
     "description": "Este modelo ha mejorado en precisión, cumplimiento de instrucciones y capacidades multilingües."
   },
@@ -1454,6 +1580,9 @@
   "hunyuan-t1-20250529": {
     "description": "Optimiza la creación de textos, redacción de ensayos, mejora habilidades en programación frontend, matemáticas y razonamiento lógico, y aumenta la capacidad de seguir instrucciones."
   },
+  "hunyuan-t1-20250711": {
+    "description": "Mejora significativa en habilidades avanzadas de matemáticas, lógica y codificación, optimización de la estabilidad de salida del modelo y aumento de la capacidad para textos largos."
+  },
   "hunyuan-t1-latest": {
     "description": "El primer modelo de inferencia híbrido de gran escala Hybrid-Transformer-Mamba de la industria, que amplía la capacidad de inferencia, ofrece una velocidad de decodificación excepcional y alinea aún más con las preferencias humanas."
   },
@@ -1502,6 +1631,12 @@
   "hunyuan-vision": {
     "description": "El último modelo multimodal de Hunyuan, que admite la entrada de imágenes y texto para generar contenido textual."
   },
+  "image-01": {
+    "description": "Nuevo modelo de generación de imágenes con detalles finos, soporta generación de imágenes a partir de texto e imagen."
+  },
+  "image-01-live": {
+    "description": "Modelo de generación de imágenes con detalles finos, soporta generación a partir de texto y configuración de estilo artístico."
+  },
   "imagen-4.0-generate-preview-06-06": {
     "description": "Serie de modelos de texto a imagen de cuarta generación de Imagen"
   },
@@ -1509,7 +1644,7 @@
     "description": "Serie de modelos de texto a imagen de cuarta generación de Imagen, versión Ultra"
   },
   "imagen4/preview": {
-    "description": "El modelo de generación de imágenes de mayor calidad de Google."
+    "description": "Modelo generador de imágenes de alta calidad proporcionado por Google."
   },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 ofrece soluciones de diálogo inteligente en múltiples escenarios."
@@ -1526,6 +1661,9 @@
   "internvl3-latest": {
     "description": "Nuestro modelo multimodal más reciente, que posee una mayor capacidad de comprensión de texto e imagen, así como una comprensión de imágenes a largo plazo, con un rendimiento comparable a los mejores modelos cerrados. Por defecto, apunta a nuestra serie de modelos InternVL más reciente, actualmente apuntando a internvl3-78b."
   },
+  "irag-1.0": {
+    "description": "iRAG (image based RAG) desarrollado por Baidu es una tecnología de generación de imágenes mejorada con recuperación, que combina los recursos de miles de millones de imágenes de búsqueda de Baidu con potentes capacidades de modelos base para generar imágenes ultra realistas. Su efecto supera ampliamente los sistemas nativos de generación de imágenes, eliminando el aspecto artificial de la IA y con costos muy bajos. iRAG se caracteriza por no generar alucinaciones, ultra realismo y resultados inmediatos."
+  },
   "jamba-large": {
     "description": "Nuestro modelo más potente y avanzado, diseñado para manejar tareas complejas a nivel empresarial, con un rendimiento excepcional."
   },
@@ -1535,6 +1673,9 @@
   "jina-deepsearch-v1": {
     "description": "La búsqueda profunda combina la búsqueda en la web, la lectura y el razonamiento para realizar investigaciones exhaustivas. Puedes considerarlo como un agente que acepta tus tareas de investigación: realiza una búsqueda amplia y pasa por múltiples iteraciones antes de proporcionar una respuesta. Este proceso implica una investigación continua, razonamiento y resolución de problemas desde diferentes ángulos. Esto es fundamentalmente diferente de los grandes modelos estándar que generan respuestas directamente a partir de datos preentrenados y de los sistemas RAG tradicionales que dependen de búsquedas superficiales únicas."
   },
+  "kimi-k2": {
+    "description": "Kimi-K2 es un modelo base con arquitectura MoE lanzado por Moonshot AI, con capacidades avanzadas de codificación y agentes, totalizando 1 billón de parámetros y 32 mil millones de parámetros activados. En pruebas de referencia en categorías principales como razonamiento general, programación, matemáticas y agentes, el rendimiento del modelo K2 supera a otros modelos de código abierto populares."
+  },
   "kimi-k2-0711-preview": {
     "description": "kimi-k2 es un modelo base con arquitectura MoE que posee capacidades excepcionales en código y agentes, con un total de 1T parámetros y 32B parámetros activados. En pruebas de rendimiento en categorías principales como razonamiento general, programación, matemáticas y agentes, el modelo K2 supera a otros modelos de código abierto populares."
   },
@@ -1928,6 +2069,9 @@
   "moonshotai/Kimi-Dev-72B": {
     "description": "Kimi-Dev-72B es un modelo de código abierto de gran escala, optimizado mediante aprendizaje reforzado a gran escala, capaz de generar parches robustos y listos para producción. Este modelo alcanzó un nuevo récord del 60.4 % en SWE-bench Verified, estableciendo un nuevo estándar para modelos de código abierto en tareas automatizadas de ingeniería de software como la corrección de errores y la revisión de código."
   },
+  "moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 es un modelo base con arquitectura MoE que posee capacidades avanzadas de codificación y agentes, con un total de 1 billón de parámetros y 32 mil millones de parámetros activados. En pruebas de referencia en categorías principales como razonamiento general, programación, matemáticas y agentes, el rendimiento del modelo K2 supera a otros modelos de código abierto populares."
+  },
   "moonshotai/kimi-k2-instruct": {
     "description": "kimi-k2 es un modelo base con arquitectura MoE que cuenta con capacidades avanzadas de código y agentes, con un total de 1T parámetros y 32B parámetros activados. En pruebas de referencia en categorías principales como razonamiento de conocimiento general, programación, matemáticas y agentes, el modelo K2 supera el rendimiento de otros modelos de código abierto populares."
   },
@@ -2003,6 +2147,12 @@
   "openai/gpt-4o-mini": {
     "description": "GPT-4o mini es el modelo más reciente de OpenAI, lanzado después de GPT-4 Omni, que admite entradas de texto e imagen y genera texto como salida. Como su modelo más avanzado de tamaño pequeño, es mucho más económico que otros modelos de vanguardia recientes y más de un 60% más barato que GPT-3.5 Turbo. Mantiene una inteligencia de vanguardia mientras ofrece una relación calidad-precio notable. GPT-4o mini obtuvo un puntaje del 82% en la prueba MMLU y actualmente se clasifica por encima de GPT-4 en preferencias de chat."
   },
+  "openai/gpt-oss-120b": {
+    "description": "OpenAI GPT-OSS 120B es un modelo de lenguaje de vanguardia con 120 mil millones de parámetros, que incorpora funciones de búsqueda en navegador y ejecución de código, además de capacidades de razonamiento."
+  },
+  "openai/gpt-oss-20b": {
+    "description": "OpenAI GPT-OSS 20B es un modelo de lenguaje de vanguardia con 20 mil millones de parámetros, que incorpora funciones de búsqueda en navegador y ejecución de código, además de capacidades de razonamiento."
+  },
   "openai/o1": {
     "description": "o1 es el nuevo modelo de razonamiento de OpenAI, que admite entradas de texto e imagen y produce texto, adecuado para tareas complejas que requieren un conocimiento general amplio. Este modelo cuenta con un contexto de 200K y una fecha de corte de conocimiento en octubre de 2023."
   },
@@ -2063,6 +2213,9 @@
   "qwen-coder-turbo-latest": {
     "description": "El modelo de código Tongyi Qwen."
   },
+  "qwen-image": {
+    "description": "Potente modelo de imágenes en bruto del equipo Qwen, con impresionante capacidad para generar texto en chino y diversos estilos visuales de imágenes."
+  },
   "qwen-long": {
     "description": "Qwen es un modelo de lenguaje a gran escala que admite contextos de texto largos y funciones de conversación basadas en documentos largos y múltiples."
   },
@@ -2264,9 +2417,21 @@
   "qwen3-235b-a22b": {
     "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."
   },
+  "qwen3-235b-a22b-instruct-2507": {
+    "description": "Modelo de código abierto basado en Qwen3 en modo no reflexivo, con mejoras leves en capacidad creativa subjetiva y seguridad del modelo respecto a la versión anterior (Tongyi Qianwen 3-235B-A22B)."
+  },
+  "qwen3-235b-a22b-thinking-2507": {
+    "description": "Modelo de código abierto basado en Qwen3 en modo reflexivo, con mejoras significativas en capacidad lógica, general, enriquecimiento de conocimiento y creatividad respecto a la versión anterior (Tongyi Qianwen 3-235B-A22B), adecuado para escenarios de razonamiento complejo y avanzado."
+  },
   "qwen3-30b-a3b": {
     "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."
   },
+  "qwen3-30b-a3b-instruct-2507": {
+    "description": "En comparación con la versión anterior (Qwen3-30B-A3B), se ha mejorado considerablemente la capacidad general en chino, inglés y otros idiomas. Se ha optimizado especialmente para tareas subjetivas y abiertas, alineándose mucho mejor con las preferencias del usuario y proporcionando respuestas más útiles."
+  },
+  "qwen3-30b-a3b-thinking-2507": {
+    "description": "Basado en el modelo de código abierto en modo reflexivo de Qwen3, esta versión mejora significativamente la capacidad lógica, la capacidad general, el conocimiento y la creatividad en comparación con la versión anterior (Tongyi Qianwen 3-30B-A3B). Es adecuado para escenarios complejos que requieren un razonamiento avanzado."
+  },
   "qwen3-32b": {
     "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."
   },
@@ -2276,6 +2441,15 @@
   "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-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."
+  },
+  "qwen3-coder-flash": {
+    "description": "Modelo de código Tongyi Qianwen. La última serie de modelos Qwen3-Coder está basada en Qwen3 para generación de código, con una potente capacidad de agente de codificación, experta en llamadas a herramientas e interacción con el entorno, capaz de programación autónoma, combinando una excelente habilidad en código con capacidades generales."
+  },
+  "qwen3-coder-plus": {
+    "description": "Modelo de código Tongyi Qianwen. La última serie de modelos Qwen3-Coder está basada en Qwen3 para generación de código, con una potente capacidad de agente de codificación, experta en llamadas a herramientas e interacción con el entorno, capaz de programación autónoma, combinando una excelente habilidad en código con capacidades generales."
+  },
   "qwq": {
     "description": "QwQ es un modelo de investigación experimental que se centra en mejorar la capacidad de razonamiento de la IA."
   },
@@ -2318,6 +2492,24 @@
   "sonar-reasoning-pro": {
     "description": "Un nuevo producto API respaldado por el modelo de razonamiento DeepSeek."
   },
+  "stable-diffusion-3-medium": {
+    "description": "El último gran modelo de generación de imágenes a partir de texto lanzado por Stability AI. Esta versión mejora significativamente la calidad de imagen, comprensión textual y diversidad de estilos, heredando las ventajas de generaciones anteriores. Puede interpretar con mayor precisión indicaciones complejas en lenguaje natural y generar imágenes más precisas y variadas."
+  },
+  "stable-diffusion-3.5-large": {
+    "description": "stable-diffusion-3.5-large es un modelo generativo multimodal de difusión transformadora (MMDiT) con 800 millones de parámetros, que ofrece calidad de imagen sobresaliente y alta correspondencia con las indicaciones. Soporta generación de imágenes de alta resolución de hasta 1 millón de píxeles y funciona eficientemente en hardware de consumo común."
+  },
+  "stable-diffusion-3.5-large-turbo": {
+    "description": "stable-diffusion-3.5-large-turbo es un modelo basado en stable-diffusion-3.5-large que utiliza tecnología de destilación de difusión adversarial (ADD) para lograr mayor velocidad."
+  },
+  "stable-diffusion-v1.5": {
+    "description": "stable-diffusion-v1.5 se inicializa con pesos del punto de control stable-diffusion-v1.2 y se ajusta finamente durante 595k pasos a resolución 512x512 sobre \"laion-aesthetics v2 5+\", reduciendo en un 10% la condicionamiento textual para mejorar el muestreo guiado sin clasificador."
+  },
+  "stable-diffusion-xl": {
+    "description": "stable-diffusion-xl presenta mejoras significativas respecto a la versión v1.5 y ofrece resultados comparables al modelo SOTA de código abierto midjourney. Las mejoras incluyen un backbone unet tres veces mayor, un módulo de refinamiento para mejorar la calidad de las imágenes generadas y técnicas de entrenamiento más eficientes."
+  },
+  "stable-diffusion-xl-base-1.0": {
+    "description": "Modelo generativo de imágenes a partir de texto desarrollado y liberado por Stability AI, con capacidades creativas líderes en la industria. Posee excelente comprensión de instrucciones y soporta definiciones de contenido mediante prompts inversos para generación precisa."
+  },
   "step-1-128k": {
     "description": "Equilibrio entre rendimiento y costo, adecuado para escenarios generales."
   },
@@ -2348,6 +2540,12 @@
   "step-1v-8k": {
     "description": "Modelo visual pequeño, adecuado para tareas básicas de texto e imagen."
   },
+  "step-1x-edit": {
+    "description": "Modelo especializado en tareas de edición de imágenes, capaz de modificar y mejorar imágenes según descripciones textuales e imágenes de ejemplo proporcionadas por el usuario. Entiende la intención del usuario y genera resultados de edición de imagen que cumplen con los requisitos."
+  },
+  "step-1x-medium": {
+    "description": "Modelo con fuerte capacidad de generación de imágenes, que soporta entrada mediante descripciones textuales. Posee soporte nativo para chino, comprendiendo y procesando mejor descripciones en este idioma, capturando con mayor precisión la semántica para convertirla en características visuales y lograr generación de imágenes más precisa. Puede generar imágenes de alta resolución y calidad, con cierta capacidad de transferencia de estilo."
+  },
   "step-2-16k": {
     "description": "Soporta interacciones de contexto a gran escala, adecuado para escenarios de diálogo complejos."
   },
@@ -2357,6 +2555,9 @@
   "step-2-mini": {
     "description": "Un modelo de gran velocidad basado en la nueva arquitectura de atención autogestionada MFA, que logra efectos similares a los de step1 a un costo muy bajo, manteniendo al mismo tiempo un mayor rendimiento y tiempos de respuesta más rápidos. Capaz de manejar tareas generales, con habilidades destacadas en programación."
   },
+  "step-2x-large": {
+    "description": "Nueva generación del modelo Step Star para generación de imágenes, enfocado en tareas de generación basadas en texto, capaz de crear imágenes de alta calidad según descripciones proporcionadas por el usuario. El nuevo modelo produce imágenes con texturas más realistas y mejor capacidad para generar texto en chino e inglés."
+  },
   "step-r1-v-mini": {
     "description": "Este modelo es un gran modelo de inferencia con una poderosa capacidad de comprensión de imágenes, capaz de procesar información de imágenes y texto, generando contenido textual tras un profundo razonamiento. Este modelo destaca en el campo del razonamiento visual, además de poseer capacidades de razonamiento matemático, de código y textual de primer nivel. La longitud del contexto es de 100k."
   },
@@ -2432,8 +2633,23 @@
   "v0-1.5-md": {
     "description": "El modelo v0-1.5-md es adecuado para tareas cotidianas y generación de interfaces de usuario (UI)"
   },
+  "wan2.2-t2i-flash": {
+    "description": "Versión ultra rápida Wanxiang 2.2, el modelo más reciente. Mejora integral en creatividad, estabilidad y realismo, con velocidad de generación rápida y alta relación calidad-precio."
+  },
+  "wan2.2-t2i-plus": {
+    "description": "Versión profesional Wanxiang 2.2, el modelo más reciente. Mejora integral en creatividad, estabilidad y realismo, con generación de detalles ricos."
+  },
+  "wanx-v1": {
+    "description": "Modelo base de generación de imágenes a partir de texto, correspondiente al modelo general 1.0 del sitio oficial Tongyi Wanxiang."
+  },
+  "wanx2.0-t2i-turbo": {
+    "description": "Especializado en retratos con textura, velocidad media y bajo costo. Corresponde al modelo ultra rápido 2.0 del sitio oficial Tongyi Wanxiang."
+  },
+  "wanx2.1-t2i-plus": {
+    "description": "Versión completamente mejorada. Genera imágenes con detalles más ricos, velocidad ligeramente más lenta. Corresponde al modelo profesional 2.1 del sitio oficial Tongyi Wanxiang."
+  },
   "wanx2.1-t2i-turbo": {
-    "description": "Modelo de generación de imágenes de texto a imagen de Tongyi de Alibaba Cloud"
+    "description": "Versión completamente mejorada. Generación rápida, resultados completos y alta relación calidad-precio. Corresponde al modelo ultra rápido 2.1 del sitio oficial Tongyi Wanxiang."
   },
   "whisper-1": {
     "description": "Modelo universal de reconocimiento de voz que soporta reconocimiento de voz multilingüe, traducción de voz y detección de idioma."
@@ -2485,5 +2701,11 @@
   },
   "yi-vision-v2": {
     "description": "Modelo para tareas visuales complejas, que ofrece capacidades de comprensión y análisis de alto rendimiento basadas en múltiples imágenes."
+  },
+  "zai-org/GLM-4.5": {
+    "description": "GLM-4.5 es un modelo base diseñado para aplicaciones de agentes inteligentes, utilizando arquitectura Mixture-of-Experts (MoE). Está profundamente optimizado para llamadas a herramientas, navegación web, ingeniería de software y programación frontend, soportando integración fluida con agentes de código como Claude Code y Roo Code. GLM-4.5 emplea un modo de inferencia híbrido que se adapta a escenarios de razonamiento complejo y uso cotidiano."
+  },
+  "zai-org/GLM-4.5-Air": {
+    "description": "GLM-4.5-Air es un modelo base diseñado para aplicaciones de agentes inteligentes, utilizando arquitectura Mixture-of-Experts (MoE). Está profundamente optimizado para llamadas a herramientas, navegación web, ingeniería de software y programación frontend, soportando integración fluida con agentes de código como Claude Code y Roo Code. GLM-4.5 emplea un modo de inferencia híbrido que se adapta a escenarios de razonamiento complejo y uso cotidiano."
   }
 }

locales/es-ES/plugin.json

@@ -1,48 +1,48 @@
 {
   "confirm": "Confirmar",
   "debug": {
-    "arguments": "Argumentos de llamada",
+    "arguments": "Parámetros de llamada",
     "function_call": "Llamada a función",
-    "off": "Desactivado",
-    "on": "Ver información de llamada de complemento",
-    "payload": "carga del complemento",
+    "off": "Desactivar depuración",
+    "on": "Ver información de llamadas al plugin",
+    "payload": "Carga útil del plugin",
     "pluginState": "Estado del plugin",
-    "response": "Respuesta",
-    "title": "Detalles del complemento",
-    "tool_call": "solicitud de llamada de herramienta"
+    "response": "Resultado devuelto",
+    "title": "Detalles del plugin",
+    "tool_call": "Solicitud de llamada a herramienta"
   },
   "detailModal": {
     "customPlugin": {
       "description": "Por favor, visite la página de edición para ver los detalles",
       "editBtn": "Editar ahora",
-      "title": "Este es un complemento personalizado"
+      "title": "Este es un plugin personalizado"
     },
     "emptyState": {
-      "description": "Por favor, instale este complemento para ver sus capacidades y opciones de configuración",
-      "title": "Ver detalles del complemento después de la instalación"
+      "description": "Por favor, instale este plugin primero para ver sus capacidades y opciones de configuración",
+      "title": "Ver detalles del plugin tras la instalación"
     },
     "info": {
       "description": "Descripción de la API",
       "name": "Nombre de la API"
     },
     "tabs": {
-      "info": "Capacidad del complemento",
+      "info": "Capacidades del plugin",
       "manifest": "Archivo de instalación",
-      "settings": "Ajustes"
+      "settings": "Configuración"
     },
-    "title": "Detalles del complemento"
+    "title": "Detalles del plugin"
   },
   "dev": {
-    "confirmDeleteDevPlugin": "Está a punto de eliminar este complemento local. Una vez eliminado, no se podrá recuperar. ¿Desea eliminar este complemento?",
+    "confirmDeleteDevPlugin": "Está a punto de eliminar este plugin local. Una vez eliminado, no podrá recuperarse. ¿Desea eliminar este plugin?",
     "customParams": {
       "useProxy": {
-        "label": "Instalar a través de proxy (si encuentra errores de acceso entre dominios, intente habilitar esta opción y reinstalar)"
+        "label": "Instalar a través de proxy (si encuentra errores de acceso cruzado, intente activar esta opción y reinstalar)"
       }
     },
-    "deleteSuccess": "Complemento eliminado",
+    "deleteSuccess": "Plugin eliminado con éxito",
     "manifest": {
       "identifier": {
-        "desc": "Identificador único del complemento",
+        "desc": "Identificador único del plugin",
         "label": "Identificador"
       },
       "mode": {
@@ -51,9 +51,9 @@
         "url": "Enlace en línea"
       },
       "name": {
-        "desc": "Título del complemento",
+        "desc": "Título del plugin",
         "label": "Título",
-        "placeholder": "Buscar motor de búsqueda"
+        "placeholder": "Motor de búsqueda"
       }
     },
     "mcp": {
@@ -61,10 +61,10 @@
         "title": "Configuración avanzada"
       },
       "args": {
-        "desc": "Lista de parámetros que se pasan al comando de ejecución, generalmente aquí se ingresa el nombre del servidor MCP o la ruta del script de inicio",
+        "desc": "Lista de parámetros para el comando de ejecución, generalmente aquí se ingresa el nombre del servidor MCP o la ruta del script de inicio",
         "label": "Parámetros del comando",
-        "placeholder": "Por ejemplo: --port 8080 --debug",
-        "required": "Por favor, introduce los parámetros de inicio"
+        "placeholder": "Por ejemplo: mcp-hello-world",
+        "required": "Por favor, ingrese los parámetros de inicio"
       },
       "auth": {
         "bear": "Clave API",
@@ -73,121 +73,121 @@
         "none": "Sin autenticación",
         "placeholder": "Por favor, seleccione el tipo de autenticación",
         "token": {
-          "desc": "Ingrese su Clave API o Token Bearer",
+          "desc": "Ingrese su clave API o token Bearer",
           "label": "Clave API",
           "placeholder": "sk-xxxxx",
           "required": "Por favor, ingrese el token de autenticación"
         }
       },
       "avatar": {
-        "label": "Icono del complemento"
+        "label": "Icono del plugin"
       },
       "command": {
-        "desc": "Archivo ejecutable o script para iniciar el complemento MCP STDIO",
+        "desc": "Archivo ejecutable o script para iniciar el servidor MCP STDIO",
         "label": "Comando",
-        "placeholder": "Por ejemplo: python main.py o /ruta/al/ejecutable",
-        "required": "Por favor, introduce el comando de inicio"
+        "placeholder": "Por ejemplo: npx / uv / docker, etc.",
+        "required": "Por favor, ingrese el comando de inicio"
       },
       "desc": {
-        "desc": "Descripción del complemento",
-        "label": "Descripción del complemento",
-        "placeholder": "Proporcione información sobre el uso y los escenarios de este complemento"
+        "desc": "Agregue una descripción del plugin",
+        "label": "Descripción del plugin",
+        "placeholder": "Agregue información sobre el uso y escenarios del plugin"
       },
       "endpoint": {
-        "desc": "Ingresa la dirección de tu servidor HTTP Streamable MCP",
-        "label": "URL del Endpoint MCP"
+        "desc": "Ingrese la dirección de su servidor MCP Streamable HTTP",
+        "label": "URL del endpoint MCP"
       },
       "env": {
         "add": "Agregar una línea",
-        "desc": "Ingresa las variables de entorno necesarias para tu servidor MCP",
+        "desc": "Ingrese las variables de entorno necesarias para su servidor MCP",
         "duplicateKeyError": "La clave del campo debe ser única",
-        "formValidationFailed": "La validación del formulario falló, por favor verifica el formato de los parámetros",
+        "formValidationFailed": "La validación del formulario falló, por favor revise el formato de los parámetros",
         "keyRequired": "La clave del campo no puede estar vacía",
         "label": "Variables de entorno del servidor MCP",
-        "stringifyError": "No se puede serializar el parámetro, por favor verifica el formato de los parámetros"
+        "stringifyError": "No se pueden serializar los parámetros, por favor revise el formato"
       },
       "headers": {
-        "add": "Agregar una fila",
+        "add": "Agregar una línea",
         "desc": "Ingrese los encabezados de la solicitud",
         "label": "Encabezados HTTP"
       },
       "identifier": {
-        "desc": "Especifica un nombre para tu complemento MCP, debe usar caracteres en inglés",
-        "invalid": "Solo se pueden ingresar caracteres en inglés, números, y los símbolos - y _",
-        "label": "Nombre del complemento MCP",
+        "desc": "Asigne un nombre a su plugin MCP, debe usar caracteres en inglés",
+        "invalid": "El identificador solo puede contener letras, números, guiones y guiones bajos",
+        "label": "Nombre del plugin MCP",
         "placeholder": "Por ejemplo: my-mcp-plugin",
-        "required": "Por favor, introduce el identificador del servicio MCP"
+        "required": "Por favor, ingrese el identificador del servicio MCP"
       },
-      "previewManifest": "Previsualizar el archivo de descripción del complemento",
-      "quickImport": "Importar configuración JSON rápidamente",
+      "previewManifest": "Vista previa del archivo de descripción del plugin",
+      "quickImport": "Importación rápida de configuración JSON",
       "quickImportError": {
-        "empty": "El contenido de entrada no puede estar vacío",
-        "invalidJson": "Formato JSON no válido",
-        "invalidStructure": "Estructura JSON no válida"
+        "empty": "El contenido no puede estar vacío",
+        "invalidJson": "Formato JSON inválido",
+        "invalidStructure": "Estructura JSON inválida"
       },
-      "stdioNotSupported": "El entorno actual no admite el plugin MCP de tipo stdio",
+      "stdioNotSupported": "El entorno actual no soporta plugins MCP tipo stdio",
       "testConnection": "Probar conexión",
-      "testConnectionTip": "El complemento MCP solo se puede utilizar correctamente después de que la prueba de conexión sea exitosa",
+      "testConnectionTip": "El plugin MCP solo puede usarse normalmente después de una prueba de conexión exitosa",
       "type": {
-        "desc": "Selecciona el método de comunicación del complemento MCP, la versión web solo admite HTTP Streamable",
-        "httpFeature1": "Compatible con la versión web y de escritorio",
-        "httpFeature2": "Conéctese al servidor MCP remoto sin necesidad de instalación adicional",
-        "httpShortDesc": "Protocolo de comunicación basado en HTTP por streaming",
-        "label": "Tipo de complemento MCP",
+        "desc": "Seleccione el modo de comunicación del plugin MCP, la versión web solo soporta Streamable HTTP",
+        "httpFeature1": "Compatible con versión web y de escritorio",
+        "httpFeature2": "Conexión a servidor MCP remoto, sin necesidad de instalación adicional",
+        "httpShortDesc": "Protocolo de comunicación basado en HTTP en streaming",
+        "label": "Tipo de plugin MCP",
         "stdioFeature1": "Menor latencia de comunicación, adecuado para ejecución local",
-        "stdioFeature2": "Se requiere instalar y ejecutar el servidor MCP localmente",
+        "stdioFeature2": "Requiere instalación local del servidor MCP",
         "stdioNotAvailable": "El modo STDIO solo está disponible en la versión de escritorio",
         "stdioShortDesc": "Protocolo de comunicación basado en entrada y salida estándar",
-        "title": "Tipo de complemento MCP"
+        "title": "Tipo de plugin MCP"
       },
       "url": {
-        "desc": "Introduce la dirección HTTP transmitible de tu servidor MCP, no se admite el modo SSE",
-        "invalid": "Por favor, introduce una URL válida",
-        "label": "URL del Endpoint HTTP",
-        "required": "Por favor, introduce la URL del servicio MCP"
+        "desc": "Ingrese la dirección Streamable HTTP de su servidor MCP, no soporta modo SSE",
+        "invalid": "Por favor, ingrese una URL válida",
+        "label": "URL del endpoint Streamable HTTP",
+        "required": "Por favor, ingrese la URL del servicio MCP"
       }
     },
     "meta": {
       "author": {
-        "desc": "Autor del complemento",
+        "desc": "Autor del plugin",
         "label": "Autor"
       },
       "avatar": {
-        "desc": "Icono del complemento, se puede usar Emoji o URL",
+        "desc": "Icono del plugin, puede usar Emoji o URL",
         "label": "Icono"
       },
       "description": {
-        "desc": "Descripción del complemento",
+        "desc": "Descripción del plugin",
         "label": "Descripción",
-        "placeholder": "Obtener información de búsqueda en el motor de búsqueda"
+        "placeholder": "Consulta motores de búsqueda para obtener información"
       },
       "formFieldRequired": "Este campo es obligatorio",
       "homepage": {
-        "desc": "Página de inicio del complemento",
-        "label": "Página de inicio"
+        "desc": "Página principal del plugin",
+        "label": "Página principal"
       },
       "identifier": {
-        "desc": "Identificador único del complemento, se reconocerá automáticamente desde el manifiesto",
-        "errorDuplicate": "El identificador del complemento ya existe, modifique el identificador",
+        "desc": "Identificador único del plugin, se detectará automáticamente desde el manifest",
+        "errorDuplicate": "El identificador ya existe en otro plugin, por favor modifíquelo",
         "label": "Identificador",
-        "pattenErrorMessage": "Solo se pueden ingresar caracteres alfanuméricos, - y _"
+        "pattenErrorMessage": "Solo se permiten caracteres en inglés, números, - y _"
       },
-      "lobe": "Complemento de {{appName}}",
+      "lobe": "Plugin {{appName}}",
       "manifest": {
-        "desc": "{{appName}} se instalará el complemento a través de este enlace.",
-        "label": "URL del archivo de descripción del complemento (Manifest)",
+        "desc": "{{appName}} instalará el plugin a través de este enlace",
+        "label": "Archivo de descripción del plugin (Manifest) URL",
         "preview": "Vista previa del Manifest",
         "refresh": "Actualizar"
       },
-      "openai": "Complemento de OpenAI",
+      "openai": "Plugin OpenAI",
       "title": {
-        "desc": "Título del complemento",
+        "desc": "Título del plugin",
         "label": "Título",
-        "placeholder": "Buscar motor de búsqueda"
+        "placeholder": "Motor de búsqueda"
       }
     },
-    "metaConfig": "Configuración de metadatos del complemento",
-    "modalDesc": "Después de agregar un complemento personalizado, se puede utilizar para validar el desarrollo del complemento o se puede usar directamente en la conversación. Consulte el <1>documento de desarrollo↗</> para el desarrollo del complemento.",
+    "metaConfig": "Configuración de metainformación del plugin",
+    "modalDesc": "Después de agregar un plugin personalizado, puede usarse para desarrollo y verificación, o directamente en conversaciones. Para desarrollo de plugins, consulte la <1>documentación de desarrollo↗</1>",
     "openai": {
       "importUrl": "Importar desde enlace URL",
       "schema": "Esquema"
@@ -195,44 +195,44 @@
     "preview": {
       "api": {
         "noParams": "Esta herramienta no tiene parámetros",
-        "noResults": "No se encontraron API que cumplan con los criterios de búsqueda",
+        "noResults": "No se encontraron APIs que coincidan con los criterios de búsqueda",
         "params": "Parámetros:",
         "searchPlaceholder": "Buscar herramienta..."
       },
-      "card": "Vista previa del efecto del complemento",
-      "desc": "Vista previa de la descripción del complemento",
+      "card": "Vista previa del efecto del plugin",
+      "desc": "Descripción previa del plugin",
       "empty": {
-        "desc": "Una vez completada la configuración, podrá previsualizar las capacidades de las herramientas soportadas por el plugin aquí",
-        "title": "Comience a previsualizar después de configurar el plugin"
+        "desc": "Después de completar la configuración, podrá previsualizar las capacidades de las herramientas soportadas aquí",
+        "title": "Comience la vista previa tras configurar el plugin"
       },
-      "title": "Vista previa del nombre del complemento"
+      "title": "Vista previa del nombre del plugin"
     },
-    "save": "Instalar complemento",
-    "saveSuccess": "Configuración del complemento guardada con éxito",
+    "save": "Instalar plugin",
+    "saveSuccess": "Configuración del plugin guardada con éxito",
     "tabs": {
       "manifest": "Lista de descripción de funciones (Manifest)",
-      "meta": "Metadatos del complemento"
+      "meta": "Metainformación del plugin"
     },
     "title": {
-      "create": "Agregar complemento personalizado",
-      "edit": "Editar complemento personalizado"
+      "create": "Agregar plugin personalizado",
+      "edit": "Editar plugin personalizado"
     },
     "type": {
-      "lobe": "Complemento LobeChat",
-      "openai": "Complemento OpenAI"
+      "lobe": "Plugin {{appName}}",
+      "openai": "Plugin OpenAI"
     },
     "update": "Actualizar",
-    "updateSuccess": "Configuración del complemento actualizada con éxito"
+    "updateSuccess": "Configuración del plugin actualizada con éxito"
   },
   "error": {
-    "fetchError": "Error al recuperar el enlace del manifiesto. Asegúrese de que el enlace sea válido y permita el acceso entre dominios.",
-    "installError": "Error al instalar el complemento {{name}}.",
-    "manifestInvalid": "El manifiesto no cumple con las normas. Resultado de la validación: \n\n {{error}}",
-    "noManifest": "No se encontró el archivo de descripción",
-    "openAPIInvalid": "Error al analizar OpenAPI. Error: \n\n {{error}}",
-    "reinstallError": "Error al volver a instalar el complemento {{name}}.",
+    "fetchError": "Error al solicitar el enlace manifest, por favor asegúrese de que el enlace es válido y permite acceso cruzado",
+    "installError": "Error al instalar el plugin {{name}}",
+    "manifestInvalid": "El manifest no cumple con las especificaciones, resultado de la validación: \n\n {{error}}",
+    "noManifest": "Archivo de descripción no encontrado",
+    "openAPIInvalid": "Error al analizar OpenAPI, error: \n\n {{error}}",
+    "reinstallError": "Error al actualizar el plugin {{name}}",
     "testConnectionFailed": "Error al obtener el Manifest: {{error}}",
-    "urlError": "El enlace no devuelve contenido en formato JSON. Asegúrese de que sea un enlace válido."
+    "urlError": "El enlace no devolvió contenido en formato JSON, por favor asegúrese de que es un enlace válido"
   },
   "inspector": {
     "args": "Ver lista de parámetros",
@@ -240,14 +240,14 @@
   },
   "list": {
     "item": {
-      "deprecated.title": "Obsoleto",
+      "deprecated.title": "Eliminado",
       "local.config": "Configuración",
       "local.title": "Personalizado"
     }
   },
   "loading": {
-    "content": "Cargando complemento...",
-    "plugin": "Ejecutando complemento..."
+    "content": "Llamando al plugin...",
+    "plugin": "Plugin en ejecución..."
   },
   "localSystem": {
     "apiName": {
@@ -256,23 +256,23 @@
       "readLocalFile": "Leer contenido del archivo",
       "renameLocalFile": "Renombrar",
       "searchLocalFiles": "Buscar archivos",
-      "writeLocalFile": "Escribir en archivo"
+      "writeLocalFile": "Escribir archivo"
     },
     "title": "Archivos locales"
   },
   "mcpInstall": {
-    "CHECKING_INSTALLATION": "Comprobando el entorno de instalación...",
+    "CHECKING_INSTALLATION": "Verificando entorno de instalación...",
     "COMPLETED": "Instalación completada",
-    "CONFIGURATION_REQUIRED": "Por favor, complete la configuración necesaria antes de continuar con la instalación",
+    "CONFIGURATION_REQUIRED": "Por favor complete la configuración requerida para continuar la instalación",
     "ERROR": "Error de instalación",
-    "FETCHING_MANIFEST": "Obteniendo el archivo de descripción del plugin...",
-    "GETTING_SERVER_MANIFEST": "Inicializando el servidor MCP...",
-    "INSTALLING_PLUGIN": "Instalando el plugin...",
+    "FETCHING_MANIFEST": "Obteniendo archivo de descripción del plugin...",
+    "GETTING_SERVER_MANIFEST": "Inicializando servidor MCP...",
+    "INSTALLING_PLUGIN": "Instalando plugin...",
     "configurationDescription": "Este plugin MCP requiere parámetros de configuración para funcionar correctamente, por favor complete la información necesaria",
     "configurationRequired": "Configurar parámetros del plugin",
     "continueInstall": "Continuar instalación",
-    "dependenciesDescription": "Este plugin requiere la instalación de las siguientes dependencias del sistema para funcionar correctamente. Por favor, instale las dependencias faltantes según las indicaciones y luego haga clic en 'Revisar de nuevo' para continuar la instalación.",
-    "dependenciesRequired": "Por favor, instale las dependencias del sistema para el plugin",
+    "dependenciesDescription": "Este plugin requiere instalar las siguientes dependencias del sistema para funcionar correctamente, por favor instale las dependencias faltantes según las indicaciones y luego haga clic en reintentar para continuar la instalación.",
+    "dependenciesRequired": "Por favor instale las dependencias del sistema para el plugin",
     "dependencyStatus": {
       "installed": "Instalado",
       "notInstalled": "No instalado",
@@ -293,36 +293,96 @@
       "AUTHORIZATION_ERROR": "Error de autorización",
       "CONNECTION_FAILED": "Conexión fallida",
       "INITIALIZATION_TIMEOUT": "Tiempo de inicialización agotado",
-      "PROCESS_SPAWN_ERROR": "Error al iniciar el proceso",
+      "PROCESS_SPAWN_ERROR": "Error al iniciar proceso",
       "UNKNOWN_ERROR": "Error desconocido",
       "VALIDATION_ERROR": "Error de validación de parámetros"
     },
-    "installError": "La instalación del plugin MCP falló, motivo: {{detail}}",
+    "installError": "Error al instalar plugin MCP, motivo: {{detail}}",
     "installMethods": {
       "manual": "Instalación manual:",
       "recommended": "Método de instalación recomendado:"
     },
-    "recheckDependencies": "Revisar de nuevo",
+    "recheckDependencies": "Revisar dependencias nuevamente",
     "skipDependencies": "Omitir revisión"
   },
-  "pluginList": "Lista de complementos",
+  "pluginList": "Lista de plugins",
+  "protocolInstall": {
+    "actions": {
+      "install": "Instalar",
+      "installAnyway": "Instalar de todos modos",
+      "installed": "Instalado"
+    },
+    "config": {
+      "args": "Parámetros",
+      "command": "Comando",
+      "env": "Variables de entorno",
+      "headers": "Encabezados",
+      "title": "Información de configuración",
+      "type": {
+        "http": "Tipo: HTTP",
+        "label": "Tipo",
+        "stdio": "Tipo: Stdio"
+      },
+      "url": "Dirección del servicio"
+    },
+    "custom": {
+      "badge": "Plugin personalizado",
+      "security": {
+        "description": "Este plugin no ha sido verificado oficialmente, la instalación puede implicar riesgos de seguridad. Por favor asegúrese de confiar en la fuente del plugin.",
+        "title": "⚠️ Advertencia de riesgo de seguridad"
+      },
+      "title": "Instalar plugin personalizado"
+    },
+    "marketplace": {
+      "title": "Instalar plugins de terceros",
+      "trustedBy": "Proporcionado por {{name}}",
+      "unverified": {
+        "title": "Plugin de terceros no verificado",
+        "warning": "Este plugin proviene de un mercado de terceros no verificado, por favor confirme que confía en esta fuente antes de instalar."
+      },
+      "verified": "Verificado"
+    },
+    "messages": {
+      "connectionTestFailed": "Prueba de conexión fallida",
+      "installError": "Error al instalar plugin, por favor intente de nuevo",
+      "installSuccess": "Plugin {{name}} instalado con éxito!",
+      "manifestError": "Error al obtener detalles del plugin, por favor revise la conexión de red e intente de nuevo",
+      "manifestNotFound": "No se pudo obtener el archivo de descripción del plugin"
+    },
+    "meta": {
+      "author": "Autor",
+      "homepage": "Página principal",
+      "identifier": "Identificador",
+      "source": "Fuente",
+      "version": "Versión"
+    },
+    "official": {
+      "badge": "Plugin oficial de LobeHub",
+      "description": "Este plugin es desarrollado y mantenido oficialmente por LobeHub, ha pasado rigurosas auditorías de seguridad y puede usarse con confianza.",
+      "loadingMessage": "Obteniendo detalles del plugin...",
+      "loadingTitle": "Cargando",
+      "title": "Instalar plugin oficial"
+    },
+    "title": "Instalar plugin MCP",
+    "warning": "⚠️ Por favor confirme que confía en la fuente de este plugin, plugins maliciosos pueden comprometer la seguridad de su sistema."
+  },
   "search": {
     "apiName": {
-      "crawlMultiPages": "Leer el contenido de múltiples páginas",
-      "crawlSinglePage": "Leer contenido de la página",
+      "crawlMultiPages": "Leer contenido de múltiples páginas",
+      "crawlSinglePage": "Leer contenido de página",
       "search": "Buscar página"
     },
     "config": {
       "addKey": "Agregar clave",
       "close": "Eliminar",
-      "confirm": "Configuración completada, intente de nuevo"
+      "confirm": "Configuración completada y reintentar"
     },
     "crawPages": {
-      "crawling": "Reconocimiento de enlaces",
+      "crawling": "Reconociendo enlaces",
       "detail": {
         "preview": "Vista previa",
         "raw": "Texto original",
-        "tooLong": "El contenido del texto es demasiado largo, el contexto de la conversación solo retiene los primeros {{characters}} caracteres, el resto no se incluye en el contexto de la conversación"
+        "tooLong": "El contenido del texto es demasiado largo, solo se conservarán los primeros {{characters}} caracteres en el contexto de la conversación, el resto no se incluirá."
       },
       "meta": {
         "crawler": "Modo de rastreo",
@@ -330,16 +390,16 @@
       }
     },
     "searchxng": {
-      "baseURL": "Introduzca",
-      "description": "Introduzca la URL de SearchXNG para comenzar la búsqueda en línea",
-      "keyPlaceholder": "Introduzca la clave",
-      "title": "Configurar el motor de búsqueda SearchXNG",
-      "unconfiguredDesc": "Por favor, contacte al administrador para completar la configuración del motor de búsqueda SearchXNG y comenzar la búsqueda en línea",
-      "unconfiguredTitle": "Motor de búsqueda SearchXNG no configurado"
+      "baseURL": "Por favor ingrese",
+      "description": "Ingrese la URL de SearchXNG para comenzar la búsqueda en línea",
+      "keyPlaceholder": "Por favor ingrese la clave",
+      "title": "Configurar motor de búsqueda SearchXNG",
+      "unconfiguredDesc": "Por favor contacte al administrador para completar la configuración del motor de búsqueda SearchXNG y comenzar la búsqueda en línea",
+      "unconfiguredTitle": "SearchXNG no configurado"
     },
     "title": "Búsqueda en línea"
   },
-  "setting": "Configuración de complementos",
+  "setting": "Configuración del plugin",
   "settings": {
     "capabilities": {
       "prompts": "Indicaciones",
@@ -358,52 +418,52 @@
       "url": "Dirección del servicio"
     },
     "edit": "Editar",
-    "envConfigDescription": "Estas configuraciones se pasarán como variables de entorno al proceso cuando se inicie el servidor MCP",
-    "httpTypeNotice": "Los complementos MCP de tipo HTTP no requieren variables de entorno configurables",
+    "envConfigDescription": "Estas configuraciones se pasarán como variables de entorno al iniciar el servidor MCP",
+    "httpTypeNotice": "Los plugins MCP de tipo HTTP no requieren variables de entorno configurables",
     "indexUrl": {
-      "title": "Índice de mercado",
-      "tooltip": "No se admite la edición en línea. Configure a través de variables de entorno al implementar."
+      "title": "Índice del mercado",
+      "tooltip": "No se soporta edición en línea, por favor configure mediante variables de entorno al desplegar"
     },
     "messages": {
       "connectionUpdateFailed": "Error al actualizar la información de conexión",
       "connectionUpdateSuccess": "Información de conexión actualizada con éxito",
-      "envUpdateFailed": "Error al guardar las variables de entorno",
+      "envUpdateFailed": "Error al guardar variables de entorno",
       "envUpdateSuccess": "Variables de entorno guardadas con éxito"
     },
-    "modalDesc": "Después de configurar la dirección del mercado de complementos, puede utilizar un mercado personalizado de complementos.",
+    "modalDesc": "Después de configurar la dirección del mercado de plugins, podrá usar mercados personalizados",
     "rules": {
-      "argsRequired": "Por favor, introduzca los parámetros de inicio",
-      "commandRequired": "Por favor, introduzca el comando de inicio",
-      "urlRequired": "Por favor, introduzca la dirección del servicio"
+      "argsRequired": "Por favor ingrese los parámetros de inicio",
+      "commandRequired": "Por favor ingrese el comando de inicio",
+      "urlRequired": "Por favor ingrese la dirección del servicio"
     },
     "saveSettings": "Guardar configuración",
-    "title": "Configuración del mercado de complementos"
+    "title": "Configurar mercado de plugins"
   },
-  "showInPortal": "Por favor, consulta los detalles en el portal de trabajo",
+  "showInPortal": "Por favor vea los detalles en el espacio de trabajo",
   "store": {
     "actions": {
       "cancel": "Cancelar instalación",
-      "confirmUninstall": "Está a punto de desinstalar este complemento. Se eliminará la configuración del complemento. Confirme su acción.",
+      "confirmUninstall": "Está a punto de desinstalar este plugin, la configuración del plugin será eliminada. Por favor confirme su acción",
       "detail": "Detalles",
       "install": "Instalar",
       "manifest": "Editar archivo de instalación",
       "settings": "Configuración",
       "uninstall": "Desinstalar"
     },
-    "communityPlugin": "Comunidad",
+    "communityPlugin": "Comunidad de terceros",
     "customPlugin": "Personalizado",
-    "empty": "No hay complementos instalados",
-    "emptySelectHint": "Seleccione un complemento para previsualizar los detalles",
+    "empty": "No hay plugins instalados",
+    "emptySelectHint": "Seleccione un plugin para previsualizar detalles",
     "installAllPlugins": "Instalar todos",
-    "networkError": "Error al obtener la tienda de complementos. Verifique la conexión a internet e inténtelo de nuevo.",
-    "placeholder": "Buscar por nombre, descripción o palabra clave del complemento...",
+    "networkError": "Error al obtener la tienda de plugins, por favor revise la conexión de red e intente de nuevo",
+    "placeholder": "Buscar por nombre, descripción o palabra clave del plugin...",
     "releasedAt": "Publicado el {{createdAt}}",
     "tabs": {
       "installed": "Instalados",
-      "mcp": "Complemento MCP",
-      "old": "Plugin LobeChat"
+      "mcp": "Plugins MCP",
+      "old": "Plugins LobeChat"
     },
-    "title": "Tienda de complementos"
+    "title": "Tienda de plugins"
   },
   "unknownError": "Error desconocido",
   "unknownPlugin": "Plugin desconocido"

locales/es-ES/providers.json

@@ -2,9 +2,15 @@
   "ai21": {
     "description": "AI21 Labs construye modelos fundamentales y sistemas de inteligencia artificial para empresas, acelerando la aplicación de la inteligencia artificial generativa en producción."
   },
+  "ai302": {
+    "description": "302.AI es una plataforma de aplicaciones de IA bajo demanda que ofrece la API de IA y aplicaciones en línea de IA más completas del mercado"
+  },
   "ai360": {
     "description": "360 AI es una plataforma de modelos y servicios de IA lanzada por la empresa 360, que ofrece una variedad de modelos avanzados de procesamiento del lenguaje natural, incluidos 360GPT2 Pro, 360GPT Pro, 360GPT Turbo y 360GPT Turbo Responsibility 8K. Estos modelos combinan parámetros a gran escala y capacidades multimodales, siendo ampliamente utilizados en generación de texto, comprensión semántica, sistemas de diálogo y generación de código. A través de una estrategia de precios flexible, 360 AI satisface diversas necesidades de los usuarios, apoyando la integración de desarrolladores y promoviendo la innovación y desarrollo de aplicaciones inteligentes."
   },
+  "aihubmix": {
+    "description": "AiHubMix ofrece acceso a múltiples modelos de IA a través de una interfaz API unificada."
+  },
   "anthropic": {
     "description": "Anthropic es una empresa centrada en la investigación y desarrollo de inteligencia artificial, que ofrece una serie de modelos de lenguaje avanzados, como Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus y Claude 3 Haiku. Estos modelos logran un equilibrio ideal entre inteligencia, velocidad y costo, adecuados para una variedad de escenarios de aplicación, desde cargas de trabajo empresariales hasta respuestas rápidas. Claude 3.5 Sonnet, como su modelo más reciente, ha demostrado un rendimiento excepcional en múltiples evaluaciones, manteniendo una alta relación calidad-precio."
   },

locales/es-ES/setting.json

@@ -183,10 +183,21 @@
     "title": "Información del asistente"
   },
   "settingAppearance": {
+    "animationMode": {
+      "agile": "Ágil",
+      "desc": "Selecciona la velocidad de la animación para las respuestas de la aplicación",
+      "disabled": "Desactivado",
+      "elegant": "Elegante",
+      "title": "Animación de respuesta"
+    },
     "neutralColor": {
       "desc": "Personalización de escalas de grises con diferentes inclinaciones de color",
       "title": "Color Neutro"
     },
+    "noAnimation": {
+      "desc": "Desactiva todos los efectos de animación en la aplicación",
+      "title": "Modo sin animación"
+    },
     "preview": {
       "title": "Paleta de Colores"
     },

locales/fa-IR/modelProvider.json

@@ -189,6 +189,7 @@
       "aesGcm": "کلید شما و آدرس پروکسی و غیره با استفاده از <1>AES-GCM</1> رمزگذاری خواهد شد",
       "apiKey": {
         "desc": "لطفاً کلید API {{name}} خود را وارد کنید",
+        "descWithUrl": "لطفاً کلید API {{name}} خود را وارد کنید، <3>برای دریافت اینجا کلیک کنید</3>",
         "placeholder": "{{name}} کلید API",
         "title": "کلید API"
       },
@@ -305,6 +306,7 @@
         "latestTime": "آخرین زمان به‌روزرسانی: {{time}}",
         "noLatestTime": "لیست هنوز دریافت نشده است"
       },
+      "noModelsInCategory": "در این دسته‌بندی مدل فعالی وجود ندارد",
       "resetAll": {
         "conform": "آیا مطمئن هستید که می‌خواهید تمام تغییرات مدل فعلی را بازنشانی کنید؟ پس از بازنشانی، لیست مدل‌های فعلی به حالت پیش‌فرض باز خواهد گشت",
         "success": "بازنشانی با موفقیت انجام شد",
@@ -315,7 +317,15 @@
       "title": "لیست مدل‌ها",
       "total": "در مجموع {{count}} مدل در دسترس است"
     },
-    "searchNotFound": "نتیجه‌ای برای جستجو پیدا نشد"
+    "searchNotFound": "نتیجه‌ای برای جستجو پیدا نشد",
+    "tabs": {
+      "all": "همه",
+      "chat": "گفتگو",
+      "embedding": "بردار‌سازی",
+      "image": "تصویر",
+      "stt": "تبدیل گفتار به متن",
+      "tts": "تبدیل متن به گفتار"
+    }
   },
   "sortModal": {
     "success": "به‌روزرسانی مرتب‌سازی با موفقیت انجام شد",

locales/fa-IR/models.json

@@ -32,6 +32,9 @@
   "4.0Ultra": {
     "description": "Spark Ultra قدرتمندترین نسخه از سری مدل‌های بزرگ Spark است که با ارتقاء مسیر جستجوی متصل به شبکه، توانایی درک و خلاصه‌سازی محتوای متنی را بهبود می‌بخشد. این یک راه‌حل جامع برای افزایش بهره‌وری در محیط کار و پاسخگویی دقیق به نیازها است و به عنوان یک محصول هوشمند پیشرو در صنعت شناخته می‌شود."
   },
+  "AnimeSharp": {
+    "description": "AnimeSharp (که با نام \"4x‑AnimeSharp\" نیز شناخته می‌شود) یک مدل ابررزولوشن متن‌باز است که توسط Kim2091 بر اساس معماری ESRGAN توسعه یافته است و بر بزرگ‌نمایی و تیزکردن تصاویر با سبک انیمه تمرکز دارد. این مدل در فوریه ۲۰۲۲ از \"4x-TextSharpV1\" تغییر نام داد و در ابتدا برای تصاویر متنی نیز کاربرد داشت اما عملکرد آن به طور قابل توجهی برای محتوای انیمه بهینه شده است."
+  },
   "Baichuan2-Turbo": {
     "description": "با استفاده از فناوری تقویت جستجو، مدل بزرگ را به دانش حوزه‌ای و دانش کل وب متصل می‌کند. از آپلود انواع اسناد مانند PDF، Word و همچنین وارد کردن آدرس‌های وب پشتیبانی می‌کند. اطلاعات به‌موقع و جامع دریافت می‌شود و نتایج خروجی دقیق و حرفه‌ای هستند."
   },
@@ -71,6 +74,9 @@
   "DeepSeek-V3": {
     "description": "DeepSeek-V3 یک مدل MoE است که توسط شرکت DeepSeek توسعه یافته است. نتایج ارزیابی‌های متعدد DeepSeek-V3 از مدل‌های متن باز دیگر مانند Qwen2.5-72B و Llama-3.1-405B فراتر رفته و از نظر عملکرد با مدل‌های بسته جهانی برتر مانند GPT-4o و Claude-3.5-Sonnet برابری می‌کند."
   },
+  "DeepSeek-V3-Fast": {
+    "description": "تأمین‌کننده مدل: پلتفرم sophnet. DeepSeek V3 Fast نسخه‌ای با TPS بالا و سرعت بسیار زیاد از نسخه DeepSeek V3 0324 است، بدون کمیت‌سازی، با توانایی‌های کد و ریاضی قوی‌تر و پاسخ‌دهی سریع‌تر!"
+  },
   "Doubao-lite-128k": {
     "description": "Doubao-lite دارای سرعت پاسخگویی بی‌نظیر و نسبت قیمت به کارایی بهتر است و گزینه‌های انعطاف‌پذیرتری را برای سناریوهای مختلف مشتریان ارائه می‌دهد. از پنجره متنی 128k برای استدلال و تنظیم دقیق پشتیبانی می‌کند."
   },
@@ -89,6 +95,9 @@
   "Doubao-pro-4k": {
     "description": "مدل اصلی با بهترین عملکرد، مناسب برای انجام وظایف پیچیده است و در زمینه‌هایی مانند پاسخ به سوالات مرجع، خلاصه‌سازی، خلق محتوا، دسته‌بندی متن و نقش‌آفرینی عملکرد بسیار خوبی دارد. از پنجره متنی 4k برای استدلال و تنظیم دقیق پشتیبانی می‌کند."
   },
+  "DreamO": {
+    "description": "DreamO یک مدل تولید تصویر سفارشی متن‌باز است که توسط شرکت بایت‌دنس و دانشگاه پکن به صورت مشترک توسعه یافته است و هدف آن پشتیبانی از تولید چندوظیفه‌ای تصویر از طریق معماری یکپارچه است. این مدل از روش مدل‌سازی ترکیبی کارآمد استفاده می‌کند و می‌تواند تصاویر بسیار سازگار و سفارشی‌شده‌ای را بر اساس شرایطی مانند هویت، موضوع، سبک و پس‌زمینه که توسط کاربر تعیین می‌شود، تولید کند."
+  },
   "ERNIE-3.5-128K": {
     "description": "مدل زبان بزرگ پرچمدار توسعه‌یافته توسط بایدو، که حجم عظیمی از متون چینی و انگلیسی را پوشش می‌دهد و دارای توانایی‌های عمومی قدرتمندی است. این مدل می‌تواند نیازهای اکثر سناریوهای پرسش و پاسخ، تولید محتوا و استفاده از افزونه‌ها را برآورده کند؛ همچنین از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا به‌روز بودن اطلاعات پرسش و پاسخ را تضمین کند."
   },
@@ -122,15 +131,39 @@
   "ERNIE-Speed-Pro-128K": {
     "description": "مدل زبان بزرگ با عملکرد بالا که در سال 2024 توسط بایدو به‌طور مستقل توسعه یافته است. این مدل دارای توانایی‌های عمومی برجسته‌ای است و عملکرد بهتری نسبت به ERNIE Speed دارد. مناسب برای استفاده به عنوان مدل پایه برای تنظیم دقیق و حل بهتر مسائل در سناریوهای خاص، همچنین دارای عملکرد استنتاجی بسیار عالی است."
   },
+  "FLUX.1-Kontext-dev": {
+    "description": "FLUX.1-Kontext-dev یک مدل تولید و ویرایش تصویر چندرسانه‌ای است که توسط Black Forest Labs توسعه یافته و بر اساس معماری Rectified Flow Transformer ساخته شده است. این مدل با 12 میلیارد پارامتر، بر تولید، بازسازی، تقویت یا ویرایش تصاویر تحت شرایط متنی تمرکز دارد. این مدل ترکیبی از مزایای تولید کنترل‌شده مدل‌های انتشار و قابلیت مدل‌سازی زمینه‌ای ترنسفورمر است و از خروجی تصاویر با کیفیت بالا پشتیبانی می‌کند و در وظایفی مانند ترمیم تصویر، تکمیل تصویر و بازسازی صحنه‌های بصری کاربرد گسترده دارد."
+  },
+  "FLUX.1-dev": {
+    "description": "FLUX.1-dev یک مدل زبان چندرسانه‌ای متن‌باز است که توسط Black Forest Labs توسعه یافته و برای وظایف ترکیبی تصویر و متن بهینه شده است. این مدل بر پایه مدل‌های زبان بزرگ پیشرفته مانند Mistral-7B ساخته شده و با استفاده از رمزگذار بصری طراحی‌شده و تنظیم دقیق چندمرحله‌ای دستوری، توانایی پردازش همزمان تصویر و متن و استدلال در وظایف پیچیده را دارد."
+  },
   "Gryphe/MythoMax-L2-13b": {
     "description": "MythoMax-L2 (13B) یک مدل نوآورانه است که برای کاربردهای چندرشته‌ای و وظایف پیچیده مناسب است."
   },
+  "HelloMeme": {
+    "description": "HelloMeme یک ابزار هوش مصنوعی است که می‌تواند بر اساس تصاویر یا حرکاتی که شما ارائه می‌دهید، به طور خودکار میم، گیف یا ویدیوهای کوتاه تولید کند. این ابزار نیازی به دانش نقاشی یا برنامه‌نویسی ندارد و تنها با داشتن تصاویر مرجع، می‌تواند محتوایی زیبا، سرگرم‌کننده و با سبک یکپارچه برای شما بسازد."
+  },
+  "HiDream-I1-Full": {
+    "description": "HiDream-E1-Full یک مدل بزرگ ویرایش تصویر چندرسانه‌ای متن‌باز است که توسط HiDream.ai توسعه یافته است. این مدل بر پایه معماری پیشرفته Diffusion Transformer ساخته شده و با توانایی قوی درک زبان (با LLaMA 3.1-8B-Instruct داخلی) از طریق دستورات زبان طبیعی، تولید تصویر، انتقال سبک، ویرایش موضعی و بازنقاشی محتوا را پشتیبانی می‌کند و دارای قابلیت‌های برجسته در درک و اجرای ترکیب تصویر و متن است."
+  },
+  "HunyuanDiT-v1.2-Diffusers-Distilled": {
+    "description": "hunyuandit-v1.2-distilled یک مدل سبک تولید تصویر از متن است که با استفاده از تکنیک تقطیر بهینه شده و قادر است به سرعت تصاویر با کیفیت بالا تولید کند، به ویژه مناسب محیط‌های با منابع محدود و وظایف تولید در زمان واقعی است."
+  },
+  "InstantCharacter": {
+    "description": "InstantCharacter یک مدل تولید شخصیت شخصی‌سازی شده بدون نیاز به تنظیم دقیق است که توسط تیم هوش مصنوعی Tencent در سال ۲۰۲۵ منتشر شده است. هدف این مدل تولید شخصیت‌های با وفاداری بالا و سازگار در صحنه‌های مختلف است. این مدل تنها با یک تصویر مرجع قادر به مدل‌سازی شخصیت است و می‌تواند آن را به سبک‌ها، حرکات و پس‌زمینه‌های مختلف به طور انعطاف‌پذیر منتقل کند."
+  },
   "InternVL2-8B": {
     "description": "InternVL2-8B یک مدل زبان بصری قدرتمند است که از پردازش چند حالتی تصویر و متن پشتیبانی می‌کند و قادر است محتوای تصویر را به دقت شناسایی کرده و توصیف یا پاسخ‌های مرتبط تولید کند."
   },
   "InternVL2.5-26B": {
     "description": "InternVL2.5-26B یک مدل زبان بصری قدرتمند است که از پردازش چند حالتی تصویر و متن پشتیبانی می‌کند و قادر است محتوای تصویر را به دقت شناسایی کرده و توصیف یا پاسخ‌های مرتبط تولید کند."
   },
+  "Kolors": {
+    "description": "Kolors یک مدل تولید تصویر از متن است که توسط تیم Kolors شرکت Kuaishou توسعه یافته است. این مدل با میلیاردها پارامتر آموزش دیده و در کیفیت بصری، درک معنایی زبان چینی و رندر متن عملکرد برجسته‌ای دارد."
+  },
+  "Kwai-Kolors/Kolors": {
+    "description": "Kolors یک مدل بزرگ تولید تصویر از متن مبتنی بر انتشار نهفته است که توسط تیم Kolors شرکت Kuaishou توسعه یافته است. این مدل با آموزش روی میلیاردها جفت متن-تصویر، در کیفیت بصری، دقت معنایی پیچیده و رندر کاراکترهای چینی و انگلیسی عملکرد برجسته‌ای دارد. این مدل نه تنها از ورودی‌های چینی و انگلیسی پشتیبانی می‌کند بلکه در درک و تولید محتوای خاص زبان چینی نیز بسیار توانمند است."
+  },
   "Llama-3.2-11B-Vision-Instruct": {
     "description": "توانایی استدلال تصویری عالی در تصاویر با وضوح بالا، مناسب برای برنامه‌های درک بصری."
   },
@@ -164,9 +197,15 @@
   "MiniMaxAI/MiniMax-M1-80k": {
     "description": "MiniMax-M1 یک مدل استنتاج بزرگ با وزن‌های متن‌باز و توجه ترکیبی است که دارای ۴۵۶ میلیارد پارامتر است و هر توکن می‌تواند حدود ۴۵.۹ میلیارد پارامتر را فعال کند. این مدل به طور بومی از زمینه بسیار طولانی ۱ میلیون توکن پشتیبانی می‌کند و با مکانیزم توجه سریع، در وظایف تولید ۱۰۰ هزار توکن نسبت به DeepSeek R1، ۷۵٪ از محاسبات نقطه شناور را صرفه‌جویی می‌کند. همچنین، MiniMax-M1 از معماری MoE (متخصصان ترکیبی) بهره می‌برد و با ترکیب الگوریتم CISPO و طراحی توجه ترکیبی در آموزش تقویتی کارآمد، عملکرد پیشرو در صنعت را در استنتاج ورودی‌های طولانی و سناریوهای واقعی مهندسی نرم‌افزار ارائه می‌دهد."
   },
+  "Moonshot-Kimi-K2-Instruct": {
+    "description": "مدل با 1 تریلیون پارامتر کل و 32 میلیارد پارامتر فعال. در میان مدل‌های غیرتفکری، در دانش پیشرفته، ریاضیات و برنامه‌نویسی در سطح برتر قرار دارد و در وظایف عامل عمومی تخصص دارد. به طور ویژه برای وظایف نمایندگی بهینه شده است، نه تنها قادر به پاسخگویی به سوالات بلکه قادر به انجام اقدامات است. بهترین گزینه برای گفتگوهای بداهه، چت عمومی و تجربه‌های نمایندگی است و یک مدل واکنشی بدون نیاز به تفکر طولانی مدت محسوب می‌شود."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) یک مدل دستورالعمل با دقت بالا است که برای محاسبات پیچیده مناسب است."
   },
+  "OmniConsistency": {
+    "description": "OmniConsistency با معرفی مدل‌های بزرگ Diffusion Transformers (DiTs) و داده‌های سبک‌دار جفت‌شده، انسجام سبک و قابلیت تعمیم در وظایف تصویر به تصویر (Image-to-Image) را بهبود می‌بخشد و از افت کیفیت سبک جلوگیری می‌کند."
+  },
   "Phi-3-medium-128k-instruct": {
     "description": "همان مدل Phi-3-medium، اما با اندازه بزرگتر زمینه، مناسب برای RAG یا تعداد کمی از دستورات."
   },
@@ -218,6 +257,9 @@
   "Pro/deepseek-ai/DeepSeek-V3": {
     "description": "DeepSeek-V3 یک مدل زبان با 671 میلیارد پارامتر است که از معماری متخصصان ترکیبی (MoE) و توجه چندسر (MLA) استفاده می‌کند و با استراتژی تعادل بار بدون ضرر کمکی بهینه‌سازی کارایی استنتاج و آموزش را انجام می‌دهد. این مدل با پیش‌آموزش بر روی 14.8 تریلیون توکن با کیفیت بالا و انجام تنظیم دقیق نظارتی و یادگیری تقویتی، در عملکرد از سایر مدل‌های متن‌باز پیشی می‌گیرد و به مدل‌های بسته پیشرو نزدیک می‌شود."
   },
+  "Pro/moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 یک مدل پایه با معماری MoE است که دارای توانایی‌های بسیار قوی در کدنویسی و عامل است، با 1 تریلیون پارامتر کل و 32 میلیارد پارامتر فعال. در آزمون‌های معیار عملکرد در حوزه‌های دانش عمومی، برنامه‌نویسی، ریاضیات و عامل، مدل K2 عملکردی فراتر از سایر مدل‌های متن‌باز اصلی دارد."
+  },
   "QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview یک مدل پردازش زبان طبیعی نوآورانه است که قادر به پردازش کارآمد مکالمات پیچیده و درک زمینه است."
   },
@@ -278,9 +320,18 @@
   "Qwen/Qwen3-235B-A22B": {
     "description": "Qwen3 یک مدل بزرگ جدید با توانایی‌های بهبود یافته است که در استدلال، عمومی، نمایندگی و چند زبانی به سطح پیشرفته صنعت دست یافته و از تغییر حالت تفکر پشتیبانی می‌کند."
   },
+  "Qwen/Qwen3-235B-A22B-Instruct-2507": {
+    "description": "Qwen3-235B-A22B-Instruct-2507 یک مدل زبان بزرگ ترکیبی (MoE) پرچمدار از سری Qwen3 است که توسط تیم Tongyi Qianwen شرکت علی‌بابا توسعه یافته است. این مدل دارای 235 میلیارد پارامتر کل و 22 میلیارد پارامتر فعال در هر استنتاج است. نسخه به‌روزشده‌ای از حالت غیرتفکری Qwen3-235B-A22B است که تمرکز بر بهبود قابل توجه در پیروی از دستورالعمل‌ها، استدلال منطقی، درک متن، ریاضیات، علوم، برنامه‌نویسی و استفاده از ابزارها دارد. همچنین پوشش دانش چندزبانه و ترجیحات کاربر در وظایف ذهنی و باز را بهبود بخشیده تا متن‌های مفیدتر و با کیفیت بالاتری تولید کند."
+  },
+  "Qwen/Qwen3-235B-A22B-Thinking-2507": {
+    "description": "Qwen3-235B-A22B-Thinking-2507 عضوی از سری مدل‌های بزرگ زبان Qwen3 است که توسط تیم Tongyi Qianwen شرکت علی‌بابا توسعه یافته و بر وظایف استدلال پیچیده و دشوار تمرکز دارد. این مدل بر پایه معماری MoE با 235 میلیارد پارامتر کل ساخته شده و در هر توکن حدود 22 میلیارد پارامتر فعال می‌کند که باعث افزایش کارایی محاسباتی در عین حفظ قدرت عملکرد می‌شود. به عنوان یک مدل اختصاصی \"تفکر\"، در استدلال منطقی، ریاضیات، علوم، برنامه‌نویسی و آزمون‌های علمی که نیازمند تخصص انسانی هستند، عملکرد برجسته‌ای دارد و در میان مدل‌های تفکری متن‌باز در سطح برتر قرار دارد. همچنین توانایی‌های عمومی مانند پیروی از دستورالعمل‌ها، استفاده از ابزار و تولید متن را تقویت کرده و به طور بومی از درک متن‌های طولانی تا 256 هزار توکن پشتیبانی می‌کند که برای سناریوهای نیازمند استدلال عمیق و پردازش اسناد طولانی بسیار مناسب است."
+  },
   "Qwen/Qwen3-30B-A3B": {
     "description": "Qwen3 یک مدل بزرگ جدید با توانایی‌های بهبود یافته است که در استدلال، عمومی، نمایندگی و چند زبانی به سطح پیشرفته صنعت دست یافته و از تغییر حالت تفکر پشتیبانی می‌کند."
   },
+  "Qwen/Qwen3-30B-A3B-Instruct-2507": {
+    "description": "Qwen3-30B-A3B-Instruct-2507 نسخه به‌روزرسانی شده مدل غیرتفکری Qwen3-30B-A3B است. این یک مدل متخصص ترکیبی (MoE) با مجموع ۳۰.۵ میلیارد پارامتر و ۳.۳ میلیارد پارامتر فعال است. این مدل در جنبه‌های مختلف بهبودهای کلیدی داشته است، از جمله افزایش قابل توجه در پیروی از دستورالعمل‌ها، استدلال منطقی، درک متن، ریاضیات، علوم، برنامه‌نویسی و استفاده از ابزارها. همچنین، پیشرفت قابل توجهی در پوشش دانش چندزبانه و تطابق بهتر با ترجیحات کاربران در وظایف ذهنی و باز دارد، که منجر به تولید پاسخ‌های مفیدتر و متون با کیفیت بالاتر می‌شود. علاوه بر این، توانایی درک متن‌های بلند این مدل تا ۲۵۶ هزار توکن افزایش یافته است. این مدل فقط از حالت غیرتفکری پشتیبانی می‌کند و خروجی آن شامل برچسب‌های `<think></think>` نخواهد بود."
+  },
   "Qwen/Qwen3-32B": {
     "description": "Qwen3 یک مدل بزرگ جدید با توانایی‌های بهبود یافته است که در استدلال، عمومی، نمایندگی و چند زبانی به سطح پیشرفته صنعت دست یافته و از تغییر حالت تفکر پشتیبانی می‌کند."
   },
@@ -314,6 +365,12 @@
   "Qwen2.5-Coder-32B-Instruct": {
     "description": "Qwen2.5-Coder-32B-Instruct یک مدل زبان بزرگ است که به طور خاص برای تولید کد، درک کد و سناریوهای توسعه کارآمد طراحی شده است و از مقیاس 32B پارامتر پیشرفته در صنعت بهره می‌برد و می‌تواند نیازهای متنوع برنامه‌نویسی را برآورده کند."
   },
+  "Qwen3-235B": {
+    "description": "Qwen3-235B-A22B، مدل MoE (متخصص ترکیبی)، حالت «استدلال ترکیبی» را معرفی کرده است که به کاربران امکان می‌دهد به‌طور یکپارچه بین «حالت تفکر» و «حالت غیرتفکر» جابجا شوند. این مدل از درک و استدلال در ۱۱۹ زبان و گویش پشتیبانی می‌کند و دارای قابلیت‌های قدرتمند فراخوانی ابزار است. در آزمون‌های معیار مختلف از جمله توانایی‌های جامع، کد نویسی و ریاضیات، چندزبانه، دانش و استدلال، این مدل می‌تواند با مدل‌های پیشرو بازار مانند DeepSeek R1، OpenAI o1، o3-mini، Grok 3 و Google Gemini 2.5 Pro رقابت کند."
+  },
+  "Qwen3-32B": {
+    "description": "Qwen3-32B، مدل متراکم (Dense Model)، حالت «استدلال ترکیبی» را معرفی کرده است که به کاربران امکان می‌دهد به‌طور یکپارچه بین «حالت تفکر» و «حالت غیرتفکر» جابجا شوند. به دلیل بهبود ساختار مدل، افزایش داده‌های آموزشی و روش‌های مؤثرتر آموزش، عملکرد کلی این مدل با Qwen2.5-72B قابل مقایسه است."
+  },
   "SenseChat": {
     "description": "نسخه پایه مدل (V4)، طول متن ۴K، با توانایی‌های عمومی قوی"
   },
@@ -350,6 +407,12 @@
   "SenseChat-Vision": {
     "description": "مدل جدیدترین نسخه (V5.5) است که از ورودی چند تصویر پشتیبانی می‌کند و به طور جامع به بهینه‌سازی توانایی‌های پایه مدل پرداخته و در شناسایی ویژگی‌های اشیاء، روابط فضایی، شناسایی رویدادهای حرکتی، درک صحنه، شناسایی احساسات، استدلال منطقی و درک و تولید متن بهبودهای قابل توجهی داشته است."
   },
+  "SenseNova-V6-5-Pro": {
+    "description": "با به‌روزرسانی جامع داده‌های چندرسانه‌ای، زبانی و استدلالی و بهینه‌سازی استراتژی‌های آموزش، مدل جدید پیشرفت قابل توجهی در استدلال چندرسانه‌ای و توانایی پیروی از دستورالعمل‌های تعمیم‌یافته داشته است. این مدل از پنجره متنی تا ۱۲۸ هزار توکن پشتیبانی می‌کند و در وظایف تخصصی مانند OCR و شناسایی IP گردشگری و فرهنگی عملکرد برجسته‌ای دارد."
+  },
+  "SenseNova-V6-5-Turbo": {
+    "description": "با به‌روزرسانی جامع داده‌های چندرسانه‌ای، زبانی و استدلالی و بهینه‌سازی استراتژی‌های آموزش، مدل جدید پیشرفت قابل توجهی در استدلال چندرسانه‌ای و توانایی پیروی از دستورالعمل‌های تعمیم‌یافته داشته است. این مدل از پنجره متنی تا ۱۲۸ هزار توکن پشتیبانی می‌کند و در وظایف تخصصی مانند OCR و شناسایی IP گردشگری و فرهنگی عملکرد برجسته‌ای دارد."
+  },
   "SenseNova-V6-Pro": {
     "description": "تحقق یکپارچگی بومی قابلیت‌های تصویر، متن و ویدیو، عبور از محدودیت‌های سنتی چندمدلی، و کسب دو قهرمانی در ارزیابی‌های OpenCompass و SuperCLUE."
   },
@@ -548,6 +611,9 @@
   "aya:35b": {
     "description": "Aya 23 یک مدل چندزبانه است که توسط Cohere ارائه شده و از 23 زبان پشتیبانی می‌کند و استفاده از برنامه‌های چندزبانه را تسهیل می‌نماید."
   },
+  "azure-DeepSeek-R1-0528": {
+    "description": "ارائه شده توسط مایکروسافت؛ مدل DeepSeek R1 به‌روزرسانی‌های جزئی دریافت کرده است و نسخه فعلی آن DeepSeek-R1-0528 می‌باشد. در آخرین به‌روزرسانی، DeepSeek R1 با افزایش منابع محاسباتی و معرفی مکانیزم بهینه‌سازی الگوریتم در مرحله پس‌آموزش، عمق استنتاج و توانایی پیش‌بینی را به طور قابل توجهی بهبود بخشیده است. این مدل در آزمون‌های معیار مختلفی مانند ریاضیات، برنامه‌نویسی و منطق عمومی عملکرد برجسته‌ای دارد و عملکرد کلی آن به مدل‌های پیشرو مانند O3 و Gemini 2.5 Pro نزدیک شده است."
+  },
   "baichuan/baichuan2-13b-chat": {
     "description": "Baichuan-13B یک مدل زبان بزرگ متن باز و قابل تجاری با 130 میلیارد پارامتر است که در آزمون‌های معتبر چینی و انگلیسی بهترین عملکرد را در اندازه مشابه به دست آورده است."
   },
@@ -608,6 +674,9 @@
   "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-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."
+  },
   "claude-opus-4-20250514": {
     "description": "Claude Opus 4 قدرتمندترین مدل Anthropic برای پردازش وظایف بسیار پیچیده است. این مدل در زمینه‌های عملکرد، هوش، روانی و درک فوق‌العاده عمل می‌کند."
   },
@@ -944,6 +1013,9 @@
   "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."
   },
+  "doubao-seedream-3-0-t2i-250415": {
+    "description": "مدل تولید تصویر Doubao توسط تیم Seed شرکت بایت‌دنس توسعه یافته است و از ورودی‌های متن و تصویر پشتیبانی می‌کند و تجربه تولید تصویر با کنترل بالا و کیفیت عالی را ارائه می‌دهد. تصاویر بر اساس متن توصیفی تولید می‌شوند."
+  },
   "doubao-vision-lite-32k": {
     "description": "مدل Doubao-vision یک مدل چندرسانه‌ای بزرگ است که توسط Doubao ارائه شده و دارای توانایی‌های قوی در درک و استدلال تصاویر و همچنین درک دقیق دستورات است. این مدل در استخراج اطلاعات متنی از تصاویر و وظایف استدلال مبتنی بر تصویر عملکرد قدرتمندی نشان داده و می‌تواند در وظایف پیچیده‌تر و گسترده‌تر پرسش و پاسخ بصری به کار رود."
   },
@@ -995,6 +1067,9 @@
   "ernie-char-fiction-8k": {
     "description": "مدل زبان بزرگ با کاربرد خاص که توسط بایدو توسعه یافته است و برای کاربردهایی مانند NPCهای بازی، مکالمات خدمات مشتری، و نقش‌آفرینی در مکالمات مناسب است، سبک شخصیت آن واضح‌تر و یکدست‌تر است و توانایی پیروی از دستورات و عملکرد استدلال بهتری دارد."
   },
+  "ernie-irag-edit": {
+    "description": "مدل ویرایش تصویر ERNIE iRAG که توسط بایدو توسعه یافته است، از عملیات‌هایی مانند حذف (erase)، بازنقاشی (repaint) و تولید واریاسیون (variation) بر اساس تصویر پشتیبانی می‌کند."
+  },
   "ernie-lite-8k": {
     "description": "ERNIE Lite مدل زبان بزرگ سبک خود توسعه یافته توسط بایدو است که تعادل خوبی بین عملکرد مدل و عملکرد استدلال دارد و برای استفاده در کارت‌های تسریع AI با توان محاسباتی پایین مناسب است."
   },
@@ -1022,14 +1097,32 @@
   "ernie-x1-turbo-32k": {
     "description": "مدل نسبت به ERNIE-X1-32K از نظر عملکرد و کارایی بهتر است."
   },
+  "flux-1-schnell": {
+    "description": "مدل تولید تصویر از متن با 12 میلیارد پارامتر که توسط Black Forest Labs توسعه یافته است و از تکنولوژی تقطیر انتشار متخاصم نهفته استفاده می‌کند و قادر است در 1 تا 4 مرحله تصاویر با کیفیت بالا تولید کند. این مدل عملکردی مشابه نمونه‌های بسته دارد و تحت مجوز Apache-2.0 برای استفاده شخصی، تحقیقاتی و تجاری منتشر شده است."
+  },
+  "flux-dev": {
+    "description": "FLUX.1 [dev] یک مدل وزن باز و پالایش شده متن‌باز برای کاربردهای غیرتجاری است. این مدل کیفیت تصویر و پیروی از دستورالعمل را نزدیک به نسخه حرفه‌ای FLUX حفظ کرده و در عین حال کارایی اجرایی بالاتری دارد. نسبت به مدل‌های استاندارد با اندازه مشابه، بهره‌وری منابع بهتری دارد."
+  },
   "flux-kontext/dev": {
-    "description": "مدل ویرایش تصویر Frontier."
+    "description": "مدل FLUX.1 متمرکز بر وظایف ویرایش تصویر، با پشتیبانی از ورودی‌های متنی و تصویری."
+  },
+  "flux-merged": {
+    "description": "مدل FLUX.1-merged ترکیبی از ویژگی‌های عمیق کشف شده در مرحله توسعه \"DEV\" و مزایای اجرای سریع \"Schnell\" است. این اقدام باعث افزایش مرزهای عملکرد مدل و گسترش دامنه کاربردهای آن شده است."
   },
   "flux-pro/kontext": {
     "description": "FLUX.1 Kontext [pro] قادر است متن و تصاویر مرجع را به عنوان ورودی پردازش کند و ویرایش‌های موضعی هدفمند و تغییرات پیچیده در کل صحنه را به‌صورت یکپارچه انجام دهد."
   },
+  "flux-schnell": {
+    "description": "FLUX.1 [schnell] به عنوان پیشرفته‌ترین مدل متن‌باز با گام‌های کم، نه تنها از رقبا پیشی گرفته بلکه از مدل‌های غیرتقطیر قدرتمندی مانند Midjourney v6.0 و DALL·E 3 (HD) نیز بهتر است. این مدل به طور خاص تنظیم شده تا تنوع کامل خروجی‌های پیش‌آموزش را حفظ کند و نسبت به مدل‌های پیشرفته بازار، بهبودهای قابل توجهی در کیفیت بصری، پیروی از دستورالعمل، تغییر اندازه/نسبت، پردازش فونت و تنوع خروجی ارائه می‌دهد و تجربه تولید تصاویر خلاقانه و متنوع‌تری را برای کاربران فراهم می‌کند."
+  },
+  "flux.1-schnell": {
+    "description": "ترنسفورمر جریان اصلاح‌شده با 12 میلیارد پارامتر که قادر است تصاویر را بر اساس توصیف متنی تولید کند."
+  },
+  "flux/krea": {
+    "description": "Flux Krea [dev] مدلی برای تولید تصویر با سلیقه زیبایی‌شناسانه است که هدف آن تولید تصاویر واقعی‌تر و طبیعی‌تر می‌باشد."
+  },
   "flux/schnell": {
-    "description": "FLUX.1 [schnell] یک مدل تبدیل جریانی با 12 میلیارد پارامتر است که می‌تواند در 1 تا 4 مرحله تصاویر با کیفیت بالا را از متن تولید کند و برای استفاده شخصی و تجاری مناسب است."
+    "description": "FLUX.1 [schnell] مدلی با 12 میلیارد پارامتر برای تولید تصویر است که بر تولید سریع تصاویر با کیفیت بالا تمرکز دارد."
   },
   "gemini-1.0-pro-001": {
     "description": "Gemini 1.0 Pro 001 (تنظیم) عملکردی پایدار و قابل تنظیم ارائه می‌دهد و انتخابی ایده‌آل برای راه‌حل‌های وظایف پیچیده است."
@@ -1109,9 +1202,6 @@
   "gemini-2.5-flash-preview-04-17": {
     "description": "پیش‌نمایش فلش Gemini 2.5 مدل با بهترین قیمت و کیفیت گوگل است که امکانات جامع و کاملی را ارائه می‌دهد."
   },
-  "gemini-2.5-flash-preview-04-17-thinking": {
-    "description": "Gemini 2.5 Flash Preview مقرون‌به‌صرفه‌ترین مدل گوگل است که امکانات جامع ارائه می‌دهد."
-  },
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview مقرون‌به‌صرفه‌ترین مدل گوگل است که امکانات جامع ارائه می‌دهد."
   },
@@ -1190,6 +1280,21 @@
   "glm-4.1v-thinking-flashx": {
     "description": "سری مدل‌های GLM-4.1V-Thinking قوی‌ترین مدل‌های زبان تصویری (VLM) در سطح 10 میلیارد پارامتر شناخته شده تا کنون هستند که وظایف زبان تصویری پیشرفته هم‌رده SOTA را شامل می‌شوند، از جمله درک ویدئو، پرسش و پاسخ تصویری، حل مسائل علمی، شناسایی متن OCR، تفسیر اسناد و نمودارها، عامل‌های رابط کاربری گرافیکی، کدنویسی صفحات وب فرانت‌اند، و گراندینگ. توانایی‌های این مدل‌ها حتی از مدل Qwen2.5-VL-72B با 8 برابر پارامتر بیشتر نیز فراتر رفته است. با استفاده از فناوری پیشرفته یادگیری تقویتی، مدل توانسته است با استدلال زنجیره تفکر دقت و غنای پاسخ‌ها را افزایش دهد و از نظر نتایج نهایی و قابلیت تبیین به طور قابل توجهی از مدل‌های غیرتفکری سنتی پیشی بگیرد."
   },
+  "glm-4.5": {
+    "description": "جدیدترین مدل پرچمدار Zhizhu که از حالت تفکر پشتیبانی می‌کند و توانایی‌های جامع آن به سطح SOTA مدل‌های متن‌باز رسیده است و طول زمینه تا 128 هزار توکن را پشتیبانی می‌کند."
+  },
+  "glm-4.5-air": {
+    "description": "نسخه سبک GLM-4.5 که تعادل بین عملکرد و هزینه را حفظ می‌کند و امکان تغییر انعطاف‌پذیر بین مدل‌های تفکر ترکیبی را فراهم می‌آورد."
+  },
+  "glm-4.5-airx": {
+    "description": "نسخه فوق‌العاده سریع GLM-4.5-Air که پاسخگویی سریع‌تری دارد و برای نیازهای بزرگ و سرعت بالا طراحی شده است."
+  },
+  "glm-4.5-flash": {
+    "description": "نسخه رایگان GLM-4.5 که در وظایفی مانند استنتاج، کدنویسی و عامل‌ها عملکرد خوبی دارد."
+  },
+  "glm-4.5-x": {
+    "description": "نسخه فوق‌العاده سریع GLM-4.5 که در کنار قدرت عملکرد، سرعت تولید تا 100 توکن در ثانیه را ارائه می‌دهد."
+  },
   "glm-4v": {
     "description": "GLM-4V قابلیت‌های قدرتمندی در درک و استدلال تصویری ارائه می‌دهد و از وظایف مختلف بصری پشتیبانی می‌کند."
   },
@@ -1209,7 +1314,7 @@
     "description": "استدلال فوق‌العاده سریع: دارای سرعت استدلال بسیار بالا و عملکرد قوی است."
   },
   "glm-z1-flash": {
-    "description": "سری GLM-Z1 دارای توانایی‌های پیچیده استدلال قوی است و در زمینه‌های استدلال منطقی، ریاضی و برنامه‌نویسی عملکرد فوق‌العاده‌ای دارد. حداکثر طول متن زمینه‌ای 32K است."
+    "description": "سری GLM-Z1 دارای توانایی‌های قوی در استدلال پیچیده است و در زمینه‌های استدلال منطقی، ریاضیات و برنامه‌نویسی عملکرد برجسته‌ای دارد."
   },
   "glm-z1-flashx": {
     "description": "سرعت بالا و قیمت پایین: نسخه تقویت‌شده Flash با سرعت استنتاج بسیار سریع‌تر و تضمین همزمانی بالاتر."
@@ -1379,12 +1484,33 @@
   "gpt-4o-transcribe": {
     "description": "GPT-4o Transcribe یک مدل تبدیل گفتار به متن است که از GPT-4o برای رونویسی صوت استفاده می‌کند. نسبت به مدل اصلی Whisper، نرخ خطای کلمات را کاهش داده و دقت و شناسایی زبان را بهبود بخشیده است. از آن برای دریافت رونویسی دقیق‌تر استفاده کنید."
   },
+  "gpt-5": {
+    "description": "بهترین مدل برای کدگذاری و وظایف نمایندگی در حوزه‌های مختلف. GPT-5 جهشی در دقت، سرعت، استدلال، درک زمینه، تفکر ساختاری و حل مسئله ایجاد کرده است."
+  },
+  "gpt-5-chat-latest": {
+    "description": "مدل GPT-5 استفاده شده در ChatGPT. ترکیبی از درک و تولید زبان قدرتمند، مناسب برای برنامه‌های تعاملی گفتگو محور."
+  },
+  "gpt-5-mini": {
+    "description": "نسخه‌ای سریع‌تر و اقتصادی‌تر از GPT-5، مناسب برای وظایف با تعریف واضح. در حالی که کیفیت خروجی بالا حفظ می‌شود، پاسخگویی سریع‌تری ارائه می‌دهد."
+  },
+  "gpt-5-nano": {
+    "description": "سریع‌ترین و اقتصادی‌ترین نسخه GPT-5. بسیار مناسب برای کاربردهایی که نیاز به پاسخ سریع و حساسیت به هزینه دارند."
+  },
   "gpt-image-1": {
     "description": "مدل تولید تصویر چندرسانه‌ای بومی ChatGPT"
   },
+  "gpt-oss": {
+    "description": "GPT-OSS 20B یک مدل زبان بزرگ متن‌باز منتشر شده توسط OpenAI است که از فناوری کوانتیزاسیون MXFP4 استفاده می‌کند و برای اجرا روی GPUهای مصرفی پیشرفته یا مک‌های Apple Silicon مناسب است. این مدل در تولید گفتگو، نوشتن کد و وظایف استدلال عملکرد برجسته‌ای دارد و از فراخوانی توابع و استفاده از ابزارها پشتیبانی می‌کند."
+  },
+  "gpt-oss:120b": {
+    "description": "GPT-OSS 120B یک مدل زبان بزرگ متن‌باز منتشر شده توسط OpenAI است که از فناوری کوانتیزاسیون MXFP4 بهره می‌برد و به عنوان مدل پرچمدار شناخته می‌شود. این مدل نیازمند محیطی با چند GPU یا ایستگاه کاری با عملکرد بالا برای اجرا است و در استدلال پیچیده، تولید کد و پردازش چندزبانه عملکردی برجسته دارد و از فراخوانی توابع پیشرفته و یکپارچه‌سازی ابزارها پشتیبانی می‌کند."
+  },
   "grok-2-1212": {
     "description": "این مدل در دقت، پیروی از دستورات و توانایی چند زبانه بهبود یافته است."
   },
+  "grok-2-image-1212": {
+    "description": "جدیدترین مدل تولید تصویر ما قادر است تصاویر زنده و واقعی را بر اساس متن توصیفی تولید کند. این مدل در زمینه تولید تصویر برای بازاریابی، رسانه‌های اجتماعی و سرگرمی عملکرد برجسته‌ای دارد."
+  },
   "grok-2-vision-1212": {
     "description": "این مدل در دقت، پیروی از دستورات و توانایی چند زبانه بهبود یافته است."
   },
@@ -1454,6 +1580,9 @@
   "hunyuan-t1-20250529": {
     "description": "بهینه‌سازی تولید متن، نوشتن مقاله، بهبود توانایی‌های کدنویسی فرانت‌اند، ریاضیات، استدلال منطقی و علوم پایه، و ارتقاء توانایی پیروی از دستورالعمل‌ها."
   },
+  "hunyuan-t1-20250711": {
+    "description": "افزایش قابل توجه در توانایی‌های ریاضی، منطقی و کدنویسی پیچیده، بهینه‌سازی پایداری خروجی مدل و ارتقاء توانایی مدل در پردازش متون طولانی."
+  },
   "hunyuan-t1-latest": {
     "description": "اولین مدل استدلال هیبریدی-ترنسفورمر-مامبا با مقیاس فوق‌العاده بزرگ در صنعت، که توانایی استدلال را گسترش می‌دهد و سرعت رمزگشایی فوق‌العاده‌ای دارد و به طور بیشتری با ترجیحات انسانی هم‌راستا می‌شود."
   },
@@ -1502,6 +1631,12 @@
   "hunyuan-vision": {
     "description": "جدیدترین مدل چندوجهی هون‌یوان، پشتیبانی از ورودی تصویر + متن برای تولید محتوای متنی."
   },
+  "image-01": {
+    "description": "مدل جدید تولید تصویر با نمایش ظریف و پشتیبانی از تولید تصویر از متن و تصویر."
+  },
+  "image-01-live": {
+    "description": "مدل تولید تصویر با نمایش ظریف که از تولید تصویر از متن پشتیبانی می‌کند و امکان تنظیم سبک نقاشی را دارد."
+  },
   "imagen-4.0-generate-preview-06-06": {
     "description": "سری مدل متن به تصویر نسل چهارم Imagen"
   },
@@ -1509,7 +1644,7 @@
     "description": "نسخه اولترا سری مدل متن به تصویر نسل چهارم Imagen"
   },
   "imagen4/preview": {
-    "description": "مدل تولید تصویر با بالاترین کیفیت گوگل"
+    "description": "مدل تولید تصویر با کیفیت بالا ارائه شده توسط گوگل."
   },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 راه‌حل‌های گفتگوی هوشمند در چندین سناریو ارائه می‌دهد."
@@ -1526,6 +1661,9 @@
   "internvl3-latest": {
     "description": "ما جدیدترین مدل بزرگ چندرسانه‌ای خود را منتشر کرده‌ایم که دارای توانایی‌های قوی‌تر در درک متن و تصویر و درک تصاویر در زمان‌های طولانی است و عملکرد آن با مدل‌های برتر بسته به منبع قابل مقایسه است. به طور پیش‌فرض به جدیدترین مدل‌های سری InternVL ما اشاره دارد که در حال حاضر به internvl3-78b اشاره دارد."
   },
+  "irag-1.0": {
+    "description": "iRAG (image based RAG) که توسط بایدو توسعه یافته، فناوری تولید تصویر تقویت‌شده با بازیابی است که منابع میلیاردی تصاویر جستجوی بایدو را با توانایی‌های مدل پایه قدرتمند ترکیب می‌کند تا تصاویر بسیار واقعی تولید کند. این سیستم به طور قابل توجهی از سیستم‌های تولید تصویر بومی بهتر است، بدون حس مصنوعی بودن و با هزینه پایین. iRAG ویژگی‌هایی مانند بدون توهم، فوق‌العاده واقعی و آماده تحویل فوری دارد."
+  },
   "jamba-large": {
     "description": "قدرت‌مندترین و پیشرفته‌ترین مدل ما، که به‌طور خاص برای پردازش وظایف پیچیده در سطح سازمانی طراحی شده و دارای عملکرد فوق‌العاده‌ای است."
   },
@@ -1535,6 +1673,9 @@
   "jina-deepsearch-v1": {
     "description": "جستجوی عمیق ترکیبی از جستجوی اینترنتی، خواندن و استدلال است که می‌تواند تحقیقات جامع را انجام دهد. می‌توانید آن را به عنوان یک نماینده در نظر بگیرید که وظایف تحقیق شما را می‌پذیرد - این نماینده جستجوی گسترده‌ای انجام می‌دهد و پس از چندین بار تکرار، پاسخ را ارائه می‌دهد. این فرآیند شامل تحقیق مداوم، استدلال و حل مسئله از زوایای مختلف است. این با مدل‌های بزرگ استاندارد که مستقیماً از داده‌های پیش‌آموزش شده پاسخ تولید می‌کنند و سیستم‌های RAG سنتی که به جستجوی سطحی یک‌باره وابسته‌اند، تفاوت اساسی دارد."
   },
+  "kimi-k2": {
+    "description": "Kimi-K2 یک مدل پایه با معماری MoE است که توسط Moonshot AI ارائه شده و دارای توانایی‌های بسیار قوی در کدنویسی و عامل است، با 1 تریلیون پارامتر کل و 32 میلیارد پارامتر فعال. در آزمون‌های معیار عملکرد در حوزه‌های دانش عمومی، برنامه‌نویسی، ریاضیات و عامل، مدل K2 عملکردی فراتر از سایر مدل‌های متن‌باز اصلی دارد."
+  },
   "kimi-k2-0711-preview": {
     "description": "kimi-k2 یک مدل پایه با معماری MoE است که دارای توانایی‌های بسیار قوی در کدنویسی و عامل‌سازی است، با مجموع یک تریلیون پارامتر و 32 میلیارد پارامتر فعال. در تست‌های معیار عملکرد در حوزه‌های دانش عمومی، برنامه‌نویسی، ریاضیات و عامل‌ها، مدل K2 عملکردی فراتر از سایر مدل‌های متن‌باز اصلی دارد."
   },
@@ -1928,6 +2069,9 @@
   "moonshotai/Kimi-Dev-72B": {
     "description": "Kimi-Dev-72B یک مدل بزرگ کد منبع باز است که با یادگیری تقویتی گسترده بهینه شده است و قادر به تولید پچ‌های پایدار و قابل استفاده مستقیم در تولید می‌باشد. این مدل در SWE-bench Verified امتیاز جدید ۶۰.۴٪ را کسب کرده و رکورد مدل‌های منبع باز را در وظایف مهندسی نرم‌افزار خودکار مانند رفع اشکال و بازبینی کد شکسته است."
   },
+  "moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 یک مدل پایه با معماری MoE است که دارای توانایی‌های بسیار قوی در کدنویسی و عامل است، با 1 تریلیون پارامتر کل و 32 میلیارد پارامتر فعال. در آزمون‌های معیار عملکرد در حوزه‌های دانش عمومی، برنامه‌نویسی، ریاضیات و عامل، مدل K2 عملکردی فراتر از سایر مدل‌های متن‌باز اصلی دارد."
+  },
   "moonshotai/kimi-k2-instruct": {
     "description": "kimi-k2 یک مدل پایه با معماری MoE است که دارای توانایی‌های بسیار قوی در کدنویسی و عامل‌ها می‌باشد، با مجموع پارامتر ۱ تریلیون و پارامترهای فعال ۳۲ میلیارد. در آزمون‌های معیار عملکرد در دسته‌های اصلی مانند استدلال دانش عمومی، برنامه‌نویسی، ریاضیات و عامل‌ها، مدل K2 عملکردی فراتر از سایر مدل‌های متن‌باز رایج دارد."
   },
@@ -2003,6 +2147,12 @@
   "openai/gpt-4o-mini": {
     "description": "GPT-4o mini جدیدترین مدل OpenAI است که پس از GPT-4 Omni عرضه شده و از ورودی‌های تصویری و متنی پشتیبانی می‌کند و خروجی متنی ارائه می‌دهد. به عنوان پیشرفته‌ترین مدل کوچک آن‌ها، این مدل بسیار ارزان‌تر از سایر مدل‌های پیشرفته اخیر است و بیش از ۶۰٪ ارزان‌تر از GPT-3.5 Turbo می‌باشد. این مدل هوشمندی پیشرفته را حفظ کرده و در عین حال از نظر اقتصادی بسیار مقرون به صرفه است. GPT-4o mini در آزمون MMLU امتیاز ۸۲٪ را کسب کرده و در حال حاضر در ترجیحات چت بالاتر از GPT-4 رتبه‌بندی شده است."
   },
+  "openai/gpt-oss-120b": {
+    "description": "OpenAI GPT-OSS 120B یک مدل زبان پیشرفته با 120 میلیارد پارامتر است که دارای قابلیت جستجوی مرورگر و اجرای کد می‌باشد و توانایی استدلال دارد."
+  },
+  "openai/gpt-oss-20b": {
+    "description": "OpenAI GPT-OSS 20B یک مدل زبان پیشرفته با 20 میلیارد پارامتر است که دارای قابلیت جستجوی مرورگر و اجرای کد می‌باشد و توانایی استدلال دارد."
+  },
   "openai/o1": {
     "description": "o1 مدل استدلال جدید OpenAI است که از ورودی‌های تصویری و متنی پشتیبانی می‌کند و خروجی متنی ارائه می‌دهد، مناسب برای وظایف پیچیده‌ای که نیاز به دانش عمومی گسترده دارند. این مدل دارای زمینه ۲۰۰ هزار توکنی و تاریخ قطع دانش در اکتبر ۲۰۲۳ است."
   },
@@ -2063,6 +2213,9 @@
   "qwen-coder-turbo-latest": {
     "description": "مدل کدنویسی تونگی چیان‌ون."
   },
+  "qwen-image": {
+    "description": "مدل قدرتمند تولید تصویر خام از تیم Qwen، با توانایی چشمگیر در تولید متن‌های چینی و سبک‌های بصری متنوع تصاویر."
+  },
   "qwen-long": {
     "description": "مدل زبانی بسیار بزرگ Tongyi Qianwen که از متن‌های طولانی و همچنین قابلیت مکالمه در چندین سناریو مانند اسناد طولانی و چندین سند پشتیبانی می‌کند."
   },
@@ -2264,9 +2417,21 @@
   "qwen3-235b-a22b": {
     "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."
   },
+  "qwen3-235b-a22b-instruct-2507": {
+    "description": "مدل متن‌باز حالت غیرتفکری مبتنی بر Qwen3 که نسبت به نسخه قبلی (Tongyi Qianwen 3-235B-A22B) در توانایی خلاقیت ذهنی و ایمنی مدل بهبودهای جزئی داشته است."
+  },
+  "qwen3-235b-a22b-thinking-2507": {
+    "description": "مدل متن‌باز حالت تفکری مبتنی بر Qwen3 که نسبت به نسخه قبلی (Tongyi Qianwen 3-235B-A22B) در توانایی‌های منطقی، عمومی، تقویت دانش و خلاقیت بهبودهای قابل توجهی داشته و برای سناریوهای استدلال پیچیده و دشوار مناسب است."
+  },
   "qwen3-30b-a3b": {
     "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."
   },
+  "qwen3-30b-a3b-instruct-2507": {
+    "description": "در مقایسه با نسخه قبلی (Qwen3-30B-A3B)، توانایی‌های کلی چندزبانه و انگلیسی به طور قابل توجهی بهبود یافته است. بهینه‌سازی ویژه برای وظایف ذهنی و باز، که به طور قابل توجهی با ترجیحات کاربران هماهنگ‌تر است و پاسخ‌های مفیدتری ارائه می‌دهد."
+  },
+  "qwen3-30b-a3b-thinking-2507": {
+    "description": "مدل متن‌باز حالت تفکر مبتنی بر Qwen3، که نسبت به نسخه قبلی (Tongyi Qianwen 3-30B-A3B) بهبودهای قابل توجهی در توانایی‌های منطقی، عمومی، دانش و خلاقیت دارد و برای سناریوهای دشوار و استدلال قوی مناسب است."
+  },
   "qwen3-32b": {
     "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."
   },
@@ -2276,6 +2441,15 @@
   "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-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."
+  },
+  "qwen3-coder-flash": {
+    "description": "مدل کد نویسی Tongyi Qianwen. جدیدترین مدل‌های سری Qwen3-Coder بر پایه Qwen3 ساخته شده‌اند و دارای توانایی‌های قدرتمند Coding Agent هستند، در فراخوانی ابزارها و تعامل با محیط مهارت دارند، قادر به برنامه‌نویسی خودکار هستند و در کنار توانایی‌های کدنویسی برجسته، قابلیت‌های عمومی نیز دارند."
+  },
+  "qwen3-coder-plus": {
+    "description": "مدل کد نویسی Tongyi Qianwen. جدیدترین مدل‌های سری Qwen3-Coder بر پایه Qwen3 ساخته شده‌اند و دارای توانایی‌های قدرتمند Coding Agent هستند، در فراخوانی ابزارها و تعامل با محیط مهارت دارند، قادر به برنامه‌نویسی خودکار هستند و در کنار توانایی‌های کدنویسی برجسته، قابلیت‌های عمومی نیز دارند."
+  },
   "qwq": {
     "description": "QwQ یک مدل تحقیقاتی تجربی است که بر بهبود توانایی استدلال AI تمرکز دارد."
   },
@@ -2318,6 +2492,24 @@
   "sonar-reasoning-pro": {
     "description": "محصول جدید API که توسط مدل استدلال DeepSeek پشتیبانی می‌شود."
   },
+  "stable-diffusion-3-medium": {
+    "description": "جدیدترین مدل بزرگ تولید تصویر از متن که توسط Stability AI ارائه شده است. این نسخه با حفظ مزایای نسل‌های قبلی، بهبودهای قابل توجهی در کیفیت تصویر، درک متن و تنوع سبک‌ها دارد و قادر است دستورات پیچیده زبان طبیعی را دقیق‌تر تفسیر کرده و تصاویر دقیق‌تر و متنوع‌تری تولید کند."
+  },
+  "stable-diffusion-3.5-large": {
+    "description": "stable-diffusion-3.5-large یک مدل مولد تصویر از متن مبتنی بر ترنسفورمر انتشار چندرسانه‌ای (MMDiT) با 800 میلیون پارامتر است که کیفیت تصویر عالی و تطابق بالا با دستورات متنی دارد، قادر به تولید تصاویر با وضوح بالا تا 1 میلیون پیکسل است و می‌تواند به طور کارآمد روی سخت‌افزارهای مصرفی معمول اجرا شود."
+  },
+  "stable-diffusion-3.5-large-turbo": {
+    "description": "stable-diffusion-3.5-large-turbo مدلی است که بر پایه stable-diffusion-3.5-large ساخته شده و با استفاده از تکنولوژی تقطیر انتشار متخاصم (ADD) سرعت بالاتری دارد."
+  },
+  "stable-diffusion-v1.5": {
+    "description": "stable-diffusion-v1.5 با وزن‌های نقطه بررسی stable-diffusion-v1.2 آغاز شده و با 595 هزار مرحله تنظیم دقیق روی مجموعه \"laion-aesthetics v2 5+\" با وضوح 512x512 انجام شده است. این مدل 10٪ کاهش شرط‌بندی متنی دارد تا نمونه‌برداری هدایت‌شده بدون طبقه‌بندی‌کننده را بهبود بخشد."
+  },
+  "stable-diffusion-xl": {
+    "description": "stable-diffusion-xl نسبت به نسخه v1.5 بهبودهای قابل توجهی داشته و با مدل‌های متن‌باز پیشرفته مانند midjourney قابل مقایسه است. بهبودها شامل: شبکه اصلی unet بزرگ‌تر که سه برابر نسخه قبلی است؛ افزودن ماژول پالایش برای بهبود کیفیت تصاویر تولید شده؛ و تکنیک‌های آموزش بهینه‌تر."
+  },
+  "stable-diffusion-xl-base-1.0": {
+    "description": "مدل بزرگ تولید تصویر از متن که توسط Stability AI توسعه یافته و متن‌باز است و در تولید تصاویر خلاقانه در صنعت پیشرو است. دارای توانایی درک دقیق دستورات و پشتیبانی از تعریف معکوس Prompt برای تولید دقیق محتوا است."
+  },
   "step-1-128k": {
     "description": "تعادل بین عملکرد و هزینه، مناسب برای سناریوهای عمومی."
   },
@@ -2348,6 +2540,12 @@
   "step-1v-8k": {
     "description": "مدل بصری کوچک، مناسب برای وظایف پایه‌ای تصویر و متن."
   },
+  "step-1x-edit": {
+    "description": "این مدل بر وظایف ویرایش تصویر تمرکز دارد و قادر است بر اساس تصویر و توصیف متنی ارائه شده توسط کاربر، تصویر را اصلاح و بهبود بخشد. از فرمت‌های ورودی مختلف از جمله توصیف متنی و تصاویر نمونه پشتیبانی می‌کند. مدل قادر به درک نیت کاربر و تولید نتایج ویرایش تصویر مطابق با خواسته‌ها است."
+  },
+  "step-1x-medium": {
+    "description": "این مدل دارای توانایی قوی در تولید تصویر است و از توصیف متنی به عنوان ورودی پشتیبانی می‌کند. پشتیبانی بومی از زبان چینی دارد و می‌تواند توصیف‌های متنی چینی را بهتر درک و پردازش کند و معنای دقیق‌تر را به ویژگی‌های تصویری تبدیل کند تا تولید تصویر دقیق‌تری داشته باشد. مدل قادر است تصاویر با وضوح و کیفیت بالا تولید کند و توانایی انتقال سبک نیز دارد."
+  },
   "step-2-16k": {
     "description": "پشتیبانی از تعاملات متنی گسترده، مناسب برای سناریوهای مکالمه پیچیده."
   },
@@ -2357,6 +2555,9 @@
   "step-2-mini": {
     "description": "مدل بزرگ فوق‌العاده سریع مبتنی بر معماری توجه MFA که به‌طور خودجوش توسعه یافته است، با هزینه بسیار کم به نتایجی مشابه با مرحله ۱ دست می‌یابد و در عین حال توانایی پردازش بالاتر و زمان پاسخ سریع‌تری را حفظ می‌کند. این مدل قادر به انجام وظایف عمومی است و در توانایی‌های کدنویسی تخصص دارد."
   },
+  "step-2x-large": {
+    "description": "مدل نسل جدید Step Star برای تولید تصویر است که بر تولید تصویر بر اساس توصیف متنی کاربر تمرکز دارد و تصاویر با کیفیت بالا تولید می‌کند. مدل جدید تصاویر با بافت واقعی‌تر و توانایی تولید متن‌های چینی و انگلیسی قوی‌تر دارد."
+  },
   "step-r1-v-mini": {
     "description": "این مدل یک مدل استدلال بزرگ با توانایی‌های قوی در درک تصویر است که می‌تواند اطلاعات تصویری و متنی را پردازش کند و پس از تفکر عمیق، متن تولید کند. این مدل در زمینه استدلال بصری عملکرد برجسته‌ای دارد و همچنین دارای توانایی‌های ریاضی، کدنویسی و استدلال متنی در سطح اول است. طول متن زمینه‌ای 100k است."
   },
@@ -2432,8 +2633,23 @@
   "v0-1.5-md": {
     "description": "مدل v0-1.5-md برای وظایف روزمره و تولید رابط کاربری (UI) مناسب است"
   },
+  "wan2.2-t2i-flash": {
+    "description": "نسخه سریع Wanxiang 2.2، جدیدترین مدل فعلی. در خلاقیت، پایداری و واقع‌گرایی به طور کامل ارتقا یافته، سرعت تولید بالا و نسبت قیمت به کیفیت عالی دارد."
+  },
+  "wan2.2-t2i-plus": {
+    "description": "نسخه حرفه‌ای Wanxiang 2.2، جدیدترین مدل فعلی. در خلاقیت، پایداری و واقع‌گرایی به طور کامل ارتقا یافته و جزئیات تولید شده غنی‌تر است."
+  },
+  "wanx-v1": {
+    "description": "مدل پایه تولید تصویر از متن. معادل مدل عمومی 1.0 در وب‌سایت رسمی Tongyi Wanxiang."
+  },
+  "wanx2.0-t2i-turbo": {
+    "description": "متخصص در پرتره‌های با بافت، سرعت متوسط و هزینه پایین. معادل مدل سریع 2.0 در وب‌سایت رسمی Tongyi Wanxiang."
+  },
+  "wanx2.1-t2i-plus": {
+    "description": "نسخه ارتقا یافته کامل. جزئیات تصاویر تولید شده غنی‌تر و سرعت کمی کندتر است. معادل مدل حرفه‌ای 2.1 در وب‌سایت رسمی Tongyi Wanxiang."
+  },
   "wanx2.1-t2i-turbo": {
-    "description": "مدل تولید تصویر مبتنی بر متن زیرمجموعه‌ی علی‌بابا کلود Tongyi"
+    "description": "نسخه ارتقا یافته کامل. سرعت تولید بالا، عملکرد جامع و نسبت قیمت به کیفیت عالی. معادل مدل سریع 2.1 در وب‌سایت رسمی Tongyi Wanxiang."
   },
   "whisper-1": {
     "description": "مدل شناسایی گفتار عمومی که از شناسایی گفتار چندزبانه، ترجمه گفتار و شناسایی زبان پشتیبانی می‌کند."
@@ -2485,5 +2701,11 @@
   },
   "yi-vision-v2": {
     "description": "مدل‌های پیچیده بصری که قابلیت‌های درک و تحلیل با عملکرد بالا را بر اساس چندین تصویر ارائه می‌دهند."
+  },
+  "zai-org/GLM-4.5": {
+    "description": "GLM-4.5 یک مدل پایه طراحی شده برای کاربردهای عامل هوشمند است که از معماری Mixture-of-Experts استفاده می‌کند. این مدل در زمینه‌های فراخوانی ابزار، مرور وب، مهندسی نرم‌افزار و برنامه‌نویسی فرانت‌اند بهینه‌سازی عمیق شده و از ادغام بی‌وقفه با عامل‌های کد مانند Claude Code و Roo Code پشتیبانی می‌کند. GLM-4.5 از حالت استدلال ترکیبی بهره می‌برد و می‌تواند در سناریوهای استدلال پیچیده و استفاده روزمره به خوبی عمل کند."
+  },
+  "zai-org/GLM-4.5-Air": {
+    "description": "GLM-4.5-Air یک مدل پایه طراحی شده برای کاربردهای عامل هوشمند است که از معماری Mixture-of-Experts استفاده می‌کند. این مدل در زمینه‌های فراخوانی ابزار، مرور وب، مهندسی نرم‌افزار و برنامه‌نویسی فرانت‌اند بهینه‌سازی عمیق شده و از ادغام بی‌وقفه با عامل‌های کد مانند Claude Code و Roo Code پشتیبانی می‌کند. GLM-4.5 از حالت استدلال ترکیبی بهره می‌برد و می‌تواند در سناریوهای استدلال پیچیده و استفاده روزمره به خوبی عمل کند."
   }
 }

locales/fa-IR/plugin.json

@@ -33,21 +33,21 @@
     "title": "جزئیات افزونه"
   },
   "dev": {
-    "confirmDeleteDevPlugin": "این افزونه محلی حذف خواهد شد و پس از حذف قابل بازیابی نخواهد بود. آیا می‌خواهید این افزونه را حذف کنید؟",
+    "confirmDeleteDevPlugin": "در حال حذف این افزونه محلی هستید، پس از حذف قابل بازیابی نخواهد بود. آیا مطمئن به حذف افزونه هستید؟",
     "customParams": {
       "useProxy": {
-        "label": "نصب از طریق پروکسی (در صورت بروز خطای دسترسی متقابل، می‌توانید این گزینه را فعال کرده و دوباره نصب کنید)"
+        "label": "نصب از طریق پراکسی (در صورت بروز خطای دسترسی متقاطع، این گزینه را فعال کرده و مجدداً نصب کنید)"
       }
     },
     "deleteSuccess": "افزونه با موفقیت حذف شد",
     "manifest": {
       "identifier": {
-        "desc": "شناسه‌ی یکتای افزونه",
+        "desc": "شناسه یکتا افزونه",
         "label": "شناسه"
       },
       "mode": {
         "mcp": "افزونه MCP",
-        "mcpExp": "تجربی",
+        "mcpExp": "آزمایشی",
         "url": "لینک آنلاین"
       },
       "name": {
@@ -61,16 +61,16 @@
         "title": "تنظیمات پیشرفته"
       },
       "args": {
-        "desc": "لیست پارامترهایی که به دستور اجرا منتقل می‌شوند، معمولاً در اینجا نام سرور MCP یا مسیر اسکریپت راه‌اندازی را وارد کنید",
-        "label": "پارامترهای دستور",
-        "placeholder": "برای مثال: --port 8080 --debug",
-        "required": "لطفاً پارامترهای راه‌اندازی را وارد کنید"
+        "desc": "لیست پارامترهای ارسال شده به فرمان اجرا، معمولاً نام سرور MCP یا مسیر اسکریپت راه‌اندازی وارد می‌شود",
+        "label": "پارامترهای فرمان",
+        "placeholder": "مثال: mcp-hello-world",
+        "required": "لطفاً پارامتر راه‌اندازی را وارد کنید"
       },
       "auth": {
         "bear": "کلید API",
         "desc": "روش احراز هویت سرور MCP را انتخاب کنید",
         "label": "نوع احراز هویت",
-        "none": "نیاز به احراز هویت نیست",
+        "none": "نیازی به احراز هویت نیست",
         "placeholder": "لطفاً نوع احراز هویت را انتخاب کنید",
         "token": {
           "desc": "کلید API یا توکن Bearer خود را وارد کنید",
@@ -83,28 +83,28 @@
         "label": "آیکون افزونه"
       },
       "command": {
-        "desc": "فایل اجرایی یا اسکریپتی که برای راه‌اندازی افزونه MCP STDIO استفاده می‌شود",
-        "label": "دستور",
-        "placeholder": "برای مثال: python main.py یا /path/to/executable",
-        "required": "لطفاً دستور راه‌اندازی را وارد کنید"
+        "desc": "فایل اجرایی یا اسکریپتی که برای راه‌اندازی MCP STDIO Server استفاده می‌شود",
+        "label": "فرمان",
+        "placeholder": "مثال: npx / uv / docker و غیره",
+        "required": "لطفاً فرمان راه‌اندازی را وارد کنید"
       },
       "desc": {
-        "desc": "توضیحات مربوط به افزونه را اضافه کنید",
+        "desc": "توضیحی برای افزونه اضافه کنید",
         "label": "توضیحات افزونه",
-        "placeholder": "اطلاعات مربوط به نحوه استفاده و سناریوهای این افزونه را تکمیل کنید"
+        "placeholder": "اطلاعات استفاده و سناریوهای افزونه را تکمیل کنید"
       },
       "endpoint": {
-        "desc": "آدرس سرور HTTP Streamable MCP خود را وارد کنید",
-        "label": "آدرس URL نقطه پایانی MCP"
+        "desc": "آدرس MCP Streamable HTTP Server خود را وارد کنید",
+        "label": "آدرس Endpoint MCP"
       },
       "env": {
-        "add": "یک خط جدید اضافه کنید",
+        "add": "افزودن یک خط جدید",
         "desc": "متغیرهای محیطی مورد نیاز سرور MCP خود را وارد کنید",
-        "duplicateKeyError": "کلید فیلد باید منحصر به فرد باشد",
+        "duplicateKeyError": "کلید فیلد باید یکتا باشد",
         "formValidationFailed": "اعتبارسنجی فرم ناموفق بود، لطفاً فرمت پارامترها را بررسی کنید",
         "keyRequired": "کلید فیلد نمی‌تواند خالی باشد",
         "label": "متغیرهای محیطی سرور MCP",
-        "stringifyError": "نمی‌توان پارامترها را سریالیزه کرد، لطفاً فرمت پارامترها را بررسی کنید"
+        "stringifyError": "امکان سریال‌سازی پارامترها وجود ندارد، لطفاً فرمت پارامترها را بررسی کنید"
       },
       "headers": {
         "add": "افزودن یک خط جدید",
@@ -112,39 +112,39 @@
         "label": "هدرهای HTTP"
       },
       "identifier": {
-        "desc": "برای افزونه MCP خود یک نام مشخص کنید، باید از کاراکترهای انگلیسی استفاده کنید",
-        "invalid": "فقط می‌توانید از کاراکترهای انگلیسی، اعداد، - و _ استفاده کنید",
+        "desc": "یک نام برای افزونه MCP خود تعیین کنید، باید از حروف انگلیسی استفاده شود",
+        "invalid": "شناسه فقط می‌تواند شامل حروف، اعداد، خط تیره و زیرخط باشد",
         "label": "نام افزونه MCP",
-        "placeholder": "برای مثال: my-mcp-plugin",
+        "placeholder": "مثال: my-mcp-plugin",
         "required": "لطفاً شناسه سرویس MCP را وارد کنید"
       },
       "previewManifest": "پیش‌نمایش فایل توصیف افزونه",
       "quickImport": "وارد کردن سریع پیکربندی JSON",
       "quickImportError": {
-        "empty": "محتوای ورودی نمی‌تواند خالی باشد",
+        "empty": "محتوا نمی‌تواند خالی باشد",
         "invalidJson": "فرمت JSON نامعتبر است",
         "invalidStructure": "فرمت JSON نامعتبر است"
       },
-      "stdioNotSupported": "محیط فعلی از پلاگین MCP نوع stdio پشتیبانی نمی‌کند",
+      "stdioNotSupported": "محیط فعلی از افزونه MCP نوع stdio پشتیبانی نمی‌کند",
       "testConnection": "آزمایش اتصال",
-      "testConnectionTip": "پس از موفقیت‌آمیز بودن آزمایش اتصال، افزونه MCP می‌تواند به‌طور عادی استفاده شود",
+      "testConnectionTip": "پس از موفقیت در آزمایش اتصال، افزونه MCP قابل استفاده خواهد بود",
       "type": {
-        "desc": "روش ارتباط افزونه MCP را انتخاب کنید، نسخه وب فقط از HTTP Streamable پشتیبانی می‌کند",
-        "httpFeature1": "سازگاری با نسخه وب و دسکتاپ",
-        "httpFeature2": "اتصال به سرور MCP از راه دور، بدون نیاز به نصب و پیکربندی اضافی",
-        "httpShortDesc": "پروتکل ارتباطی مبتنی بر HTTP جریانی",
+        "desc": "نوع ارتباط افزونه MCP را انتخاب کنید، نسخه وب فقط از Streamable HTTP پشتیبانی می‌کند",
+        "httpFeature1": "سازگار با نسخه وب و دسکتاپ",
+        "httpFeature2": "اتصال به سرور MCP از راه دور بدون نیاز به نصب و پیکربندی اضافی",
+        "httpShortDesc": "پروتکل ارتباطی مبتنی بر HTTP جریان‌پذیر",
         "label": "نوع افزونه MCP",
-        "stdioFeature1": "تاخیر ارتباطی کمتر، مناسب برای اجراهای محلی",
+        "stdioFeature1": "تاخیر ارتباطی کمتر، مناسب برای اجرا محلی",
         "stdioFeature2": "نیاز به نصب و اجرای سرور MCP به صورت محلی",
         "stdioNotAvailable": "حالت STDIO فقط در نسخه دسکتاپ در دسترس است",
         "stdioShortDesc": "پروتکل ارتباطی مبتنی بر ورودی و خروجی استاندارد",
         "title": "نوع افزونه MCP"
       },
       "url": {
-        "desc": "آدرس HTTP قابل پخش سرور MCP خود را وارد کنید، حالت SSE پشتیبانی نمی‌شود",
+        "desc": "آدرس Streamable HTTP سرور MCP خود را وارد کنید، حالت SSE پشتیبانی نمی‌شود",
         "invalid": "لطفاً یک آدرس URL معتبر وارد کنید",
-        "label": "آدرس URL نقطه پایانی HTTP",
-        "required": "لطفاً URL سرویس MCP را وارد کنید"
+        "label": "آدرس Endpoint HTTP جریان‌پذیر",
+        "required": "لطفاً آدرس سرویس MCP را وارد کنید"
       }
     },
     "meta": {
@@ -158,8 +158,8 @@
       },
       "description": {
         "desc": "توضیحات افزونه",
-        "label": "توضیحات",
-        "placeholder": "اطلاعات را از موتور جستجو دریافت کنید"
+        "label": "توضیح",
+        "placeholder": "برای دریافت اطلاعات، موتور جستجو را جستجو کنید"
       },
       "formFieldRequired": "این فیلد الزامی است",
       "homepage": {
@@ -167,15 +167,15 @@
         "label": "صفحه اصلی"
       },
       "identifier": {
-        "desc": "شناسه‌ی یکتای افزونه که به‌طور خودکار از manifest شناسایی می‌شود",
-        "errorDuplicate": "شناسه با افزونه‌های موجود تکراری است، لطفاً شناسه را تغییر دهید",
+        "desc": "شناسه یکتا افزونه که به طور خودکار از manifest شناسایی می‌شود",
+        "errorDuplicate": "شناسه با افزونه موجود تکراری است، لطفاً شناسه را تغییر دهید",
         "label": "شناسه",
-        "pattenErrorMessage": "فقط می‌توانید از حروف انگلیسی، اعداد، - و _ استفاده کنید"
+        "pattenErrorMessage": "فقط می‌توانید حروف انگلیسی، اعداد، - و _ وارد کنید"
       },
-      "lobe": "افزونه {{appName}}",
+      "lobe": "{{appName}} افزونه",
       "manifest": {
-        "desc": "{{appName}} از طریق این لینک افزونه را نصب خواهد کرد",
-        "label": "URL فایل توضیحات افزونه (Manifest)",
+        "desc": "{{appName}} از این لینک برای نصب افزونه استفاده خواهد کرد",
+        "label": "فایل توصیف افزونه (Manifest) URL",
         "preview": "پیش‌نمایش Manifest",
         "refresh": "تازه‌سازی"
       },
@@ -187,30 +187,30 @@
       }
     },
     "metaConfig": "پیکربندی اطلاعات متا افزونه",
-    "modalDesc": "پس از افزودن افزونه سفارشی، می‌توانید از آن برای تأیید توسعه افزونه استفاده کنید یا مستقیماً در مکالمه‌ها از آن بهره ببرید. برای توسعه افزونه به <1>مستندات توسعه↗</> مراجعه کنید.",
+    "modalDesc": "پس از افزودن افزونه سفارشی، می‌توانید برای توسعه و اعتبارسنجی افزونه استفاده کنید یا مستقیماً در گفتگوها به کار ببرید. برای توسعه افزونه به <1>مستندات توسعه↗</> مراجعه کنید.",
     "openai": {
       "importUrl": "وارد کردن از لینک URL",
-      "schema": "Schema"
+      "schema": "طرح‌واره"
     },
     "preview": {
       "api": {
-        "noParams": "این ابزار پارامتر ندارد",
-        "noResults": "هیچ API مطابق با شرایط جستجو پیدا نشد",
+        "noParams": "این ابزار پارامتری ندارد",
+        "noResults": "هیچ API مطابق با شرایط جستجو یافت نشد",
         "params": "پارامترها:",
         "searchPlaceholder": "جستجوی ابزار..."
       },
       "card": "پیش‌نمایش نمایش افزونه",
       "desc": "پیش‌نمایش توضیحات افزونه",
       "empty": {
-        "desc": "پس از اتمام پیکربندی، می‌توانید قابلیت‌های ابزارهای پشتیبانی شده توسط پلاگین را در اینجا پیش‌نمایش کنید",
-        "title": "پس از پیکربندی پلاگین، پیش‌نمایش را شروع کنید"
+        "desc": "پس از پیکربندی، می‌توانید قابلیت‌های ابزار پشتیبانی شده توسط افزونه را در اینجا پیش‌نمایش کنید",
+        "title": "پس از پیکربندی افزونه، پیش‌نمایش را شروع کنید"
       },
       "title": "پیش‌نمایش نام افزونه"
     },
     "save": "نصب افزونه",
     "saveSuccess": "تنظیمات افزونه با موفقیت ذخیره شد",
     "tabs": {
-      "manifest": "فهرست توضیحات عملکرد (Manifest)",
+      "manifest": "فهرست توصیف عملکرد (Manifest)",
       "meta": "اطلاعات متا افزونه"
     },
     "title": {
@@ -218,25 +218,25 @@
       "edit": "ویرایش افزونه سفارشی"
     },
     "type": {
-      "lobe": "افزونه {{appName}}",
+      "lobe": "{{appName}} افزونه",
       "openai": "افزونه OpenAI"
     },
     "update": "به‌روزرسانی",
     "updateSuccess": "تنظیمات افزونه با موفقیت به‌روزرسانی شد"
   },
   "error": {
-    "fetchError": "درخواست برای این لینک manifest ناموفق بود، لطفاً از معتبر بودن لینک اطمینان حاصل کنید و بررسی کنید که آیا لینک اجازه دسترسی بین دامنه‌ای را می‌دهد.",
-    "installError": "نصب افزونه {{name}} ناموفق بود.",
-    "manifestInvalid": "manifest با استانداردها مطابقت ندارد، نتیجه بررسی: \n\n {{error}}",
-    "noManifest": "فایل توصیفی وجود ندارد.",
+    "fetchError": "درخواست لینک manifest ناموفق بود، لطفاً از اعتبار لینک و اجازه دسترسی متقاطع آن اطمینان حاصل کنید",
+    "installError": "نصب افزونه {{name}} ناموفق بود",
+    "manifestInvalid": "manifest با استانداردها مطابقت ندارد، نتیجه اعتبارسنجی: \n\n {{error}}",
+    "noManifest": "فایل توصیف وجود ندارد",
     "openAPIInvalid": "تجزیه OpenAPI ناموفق بود، خطا: \n\n {{error}}",
-    "reinstallError": "بروزرسانی افزونه {{name}} ناموفق بود.",
+    "reinstallError": "تازه‌سازی افزونه {{name}} ناموفق بود",
     "testConnectionFailed": "دریافت Manifest ناموفق بود: {{error}}",
-    "urlError": "این لینک محتوای JSON بازنگرداند، لطفاً از معتبر بودن لینک اطمینان حاصل کنید."
+    "urlError": "این لینک محتوای فرمت JSON بازنگردانده است، لطفاً از معتبر بودن لینک اطمینان حاصل کنید"
   },
   "inspector": {
     "args": "مشاهده لیست پارامترها",
-    "pluginRender": "مشاهده رابط کاربری پلاگین"
+    "pluginRender": "مشاهده رابط افزونه"
   },
   "list": {
     "item": {
@@ -251,8 +251,8 @@
   },
   "localSystem": {
     "apiName": {
-      "listLocalFiles": "نمایش لیست فایل‌ها",
-      "moveLocalFiles": "انتقال فایل‌ها",
+      "listLocalFiles": "مشاهده لیست فایل‌ها",
+      "moveLocalFiles": "جابجایی فایل‌ها",
       "readLocalFile": "خواندن محتوای فایل",
       "renameLocalFile": "تغییر نام",
       "searchLocalFiles": "جستجوی فایل‌ها",
@@ -263,15 +263,15 @@
   "mcpInstall": {
     "CHECKING_INSTALLATION": "در حال بررسی محیط نصب...",
     "COMPLETED": "نصب کامل شد",
-    "CONFIGURATION_REQUIRED": "لطفاً پیکربندی‌های لازم را انجام دهید و سپس نصب را ادامه دهید",
+    "CONFIGURATION_REQUIRED": "لطفاً پیکربندی‌های لازم را انجام داده و سپس نصب را ادامه دهید",
     "ERROR": "خطای نصب",
-    "FETCHING_MANIFEST": "در حال دریافت فایل توضیحات افزونه...",
-    "GETTING_SERVER_MANIFEST": "در حال راه‌اندازی سرور MCP...",
+    "FETCHING_MANIFEST": "دریافت فایل توصیف افزونه...",
+    "GETTING_SERVER_MANIFEST": "راه‌اندازی سرور MCP...",
     "INSTALLING_PLUGIN": "در حال نصب افزونه...",
-    "configurationDescription": "این افزونه MCP نیاز به پارامترهای پیکربندی دارد تا به درستی کار کند، لطفاً اطلاعات پیکربندی لازم را وارد کنید",
+    "configurationDescription": "این افزونه MCP نیاز به پیکربندی پارامترها برای عملکرد صحیح دارد، لطفاً اطلاعات لازم را وارد کنید",
     "configurationRequired": "پیکربندی پارامترهای افزونه",
     "continueInstall": "ادامه نصب",
-    "dependenciesDescription": "این افزونه برای عملکرد صحیح نیاز به نصب وابستگی‌های سیستمی زیر دارد، لطفاً وابستگی‌های گمشده را طبق راهنما نصب کرده و سپس برای ادامه نصب روی بررسی مجدد کلیک کنید.",
+    "dependenciesDescription": "این افزونه نیاز به نصب وابستگی‌های سیستمی زیر دارد تا به درستی کار کند، لطفاً وابستگی‌های گمشده را طبق راهنما نصب کرده و سپس برای ادامه نصب دوباره بررسی کنید.",
     "dependenciesRequired": "لطفاً وابستگی‌های سیستمی افزونه را نصب کنید",
     "dependencyStatus": {
       "installed": "نصب شده",
@@ -280,7 +280,7 @@
     },
     "errorDetails": {
       "args": "پارامترها",
-      "command": "دستور",
+      "command": "فرمان",
       "connectionParams": "پارامترهای اتصال",
       "env": "متغیرهای محیطی",
       "errorOutput": "گزارش خطا",
@@ -290,14 +290,14 @@
       "showDetails": "نمایش جزئیات"
     },
     "errorTypes": {
-      "AUTHORIZATION_ERROR": "خطای تأیید مجوز",
-      "CONNECTION_FAILED": "اتصال ناموفق بود",
+      "AUTHORIZATION_ERROR": "خطای احراز هویت",
+      "CONNECTION_FAILED": "اتصال ناموفق",
       "INITIALIZATION_TIMEOUT": "زمان راه‌اندازی به پایان رسید",
-      "PROCESS_SPAWN_ERROR": "خطا در راه‌اندازی فرآیند",
+      "PROCESS_SPAWN_ERROR": "خطای راه‌اندازی فرآیند",
       "UNKNOWN_ERROR": "خطای ناشناخته",
       "VALIDATION_ERROR": "اعتبارسنجی پارامترها ناموفق بود"
     },
-    "installError": "نصب افزونه MCP ناموفق بود، دلیل خطا: {{detail}}",
+    "installError": "نصب افزونه MCP ناموفق بود، دلیل شکست: {{detail}}",
     "installMethods": {
       "manual": "نصب دستی:",
       "recommended": "روش نصب پیشنهادی:"
@@ -306,35 +306,95 @@
     "skipDependencies": "رد بررسی"
   },
   "pluginList": "فهرست افزونه‌ها",
-  "search": {
-    "apiName": {
-      "crawlMultiPages": "خواندن محتوای چندین صفحه",
-      "crawlSinglePage": "خواندن محتوای صفحه",
-      "search": "جستجو در صفحه"
+  "protocolInstall": {
+    "actions": {
+      "install": "نصب",
+      "installAnyway": "با این حال نصب کن",
+      "installed": "نصب شده"
     },
     "config": {
-      "addKey": "کلید را اضافه کنید",
+      "args": "پارامترها",
+      "command": "فرمان",
+      "env": "متغیرهای محیطی",
+      "headers": "هدرها",
+      "title": "اطلاعات پیکربندی",
+      "type": {
+        "http": "نوع: HTTP",
+        "label": "نوع",
+        "stdio": "نوع: Stdio"
+      },
+      "url": "آدرس سرویس"
+    },
+    "custom": {
+      "badge": "افزونه سفارشی",
+      "security": {
+        "description": "این افزونه توسط منابع رسمی تأیید نشده است، نصب ممکن است خطرات امنیتی داشته باشد! لطفاً از اعتماد به منبع افزونه اطمینان حاصل کنید.",
+        "title": "⚠️ هشدار ریسک امنیتی"
+      },
+      "title": "نصب افزونه سفارشی"
+    },
+    "marketplace": {
+      "title": "نصب افزونه‌های شخص ثالث",
+      "trustedBy": "تأمین شده توسط {{name}}",
+      "unverified": {
+        "title": "افزونه‌های شخص ثالث تأیید نشده",
+        "warning": "این افزونه از بازار شخص ثالث تأیید نشده آمده است، لطفاً قبل از نصب از اعتماد به منبع اطمینان حاصل کنید."
+      },
+      "verified": "تأیید شده"
+    },
+    "messages": {
+      "connectionTestFailed": "آزمایش اتصال ناموفق بود",
+      "installError": "نصب افزونه ناموفق بود، لطفاً دوباره تلاش کنید",
+      "installSuccess": "افزونه {{name}} با موفقیت نصب شد!",
+      "manifestError": "دریافت جزئیات افزونه ناموفق بود، لطفاً اتصال شبکه را بررسی و دوباره تلاش کنید",
+      "manifestNotFound": "فایل توصیف افزونه یافت نشد"
+    },
+    "meta": {
+      "author": "نویسنده",
+      "homepage": "صفحه اصلی",
+      "identifier": "شناسه",
+      "source": "منبع",
+      "version": "نسخه"
+    },
+    "official": {
+      "badge": "افزونه رسمی LobeHub",
+      "description": "این افزونه توسط تیم رسمی LobeHub توسعه و نگهداری می‌شود و پس از بررسی‌های امنیتی دقیق، قابل استفاده مطمئن است.",
+      "loadingMessage": "در حال دریافت جزئیات افزونه...",
+      "loadingTitle": "در حال بارگذاری",
+      "title": "نصب افزونه رسمی"
+    },
+    "title": "نصب افزونه MCP",
+    "warning": "⚠️ لطفاً اطمینان حاصل کنید که به منبع این افزونه اعتماد دارید، افزونه‌های مخرب ممکن است امنیت سیستم شما را به خطر بیندازند."
+  },
+  "search": {
+    "apiName": {
+      "crawlMultiPages": "خواندن محتوای چند صفحه",
+      "crawlSinglePage": "خواندن محتوای صفحه",
+      "search": "جستجوی صفحه"
+    },
+    "config": {
+      "addKey": "افزودن کلید",
       "close": "حذف",
-      "confirm": "پیکربندی کامل و دوباره تلاش کنید"
+      "confirm": "پیکربندی انجام شده و دوباره تلاش کنید"
     },
     "crawPages": {
-      "crawling": "در حال شناسایی لینک",
+      "crawling": "شناسایی لینک‌ها در حال انجام است",
       "detail": {
         "preview": "پیش‌نمایش",
-        "raw": "متن اصلی",
-        "tooLong": "متن بسیار طولانی است، فقط {{characters}} کاراکتر اول در زمینه گفتگو حفظ می‌شود و بخش‌های اضافی در زمینه گفتگو محاسبه نمی‌شوند"
+        "raw": "متن خام",
+        "tooLong": "محتوای متن بسیار طولانی است، فقط {{characters}} کاراکتر اول در زمینه گفتگو حفظ شده و بخش اضافی لحاظ نمی‌شود"
       },
       "meta": {
-        "crawler": "مدل خزنده",
-        "words": "تعداد کاراکتر"
+        "crawler": "حالت خزیدن",
+        "words": "تعداد کاراکترها"
       }
     },
     "searchxng": {
       "baseURL": "لطفاً وارد کنید",
-      "description": "لطفاً آدرس وب SearchXNG را وارد کنید تا جستجوی آنلاین را شروع کنید",
+      "description": "آدرس SearchXNG را وارد کنید تا جستجوی آنلاین آغاز شود",
       "keyPlaceholder": "لطفاً کلید را وارد کنید",
       "title": "پیکربندی موتور جستجوی SearchXNG",
-      "unconfiguredDesc": "لطفاً با مدیر تماس بگیرید تا پیکربندی موتور جستجوی SearchXNG را کامل کند و بتوانید جستجوی آنلاین را شروع کنید",
+      "unconfiguredDesc": "لطفاً با مدیر تماس بگیرید تا پیکربندی موتور جستجوی SearchXNG انجام شود و سپس جستجوی آنلاین را شروع کنید",
       "unconfiguredTitle": "موتور جستجوی SearchXNG هنوز پیکربندی نشده است"
     },
     "title": "جستجوی آنلاین"
@@ -352,17 +412,17 @@
     },
     "connection": {
       "args": "پارامترهای راه‌اندازی",
-      "command": "دستور راه‌اندازی",
+      "command": "فرمان راه‌اندازی",
       "title": "اطلاعات اتصال",
       "type": "نوع اتصال",
       "url": "آدرس سرویس"
     },
     "edit": "ویرایش",
-    "envConfigDescription": "این تنظیمات به عنوان متغیرهای محیطی هنگام راه‌اندازی سرور MCP به فرآیند منتقل می‌شوند",
-    "httpTypeNotice": "افزونه‌های MCP با نوع HTTP در حال حاضر نیازی به تنظیم متغیرهای محیطی ندارند",
+    "envConfigDescription": "این پیکربندی‌ها به عنوان متغیرهای محیطی هنگام راه‌اندازی سرور MCP به فرآیند منتقل می‌شوند",
+    "httpTypeNotice": "افزونه‌های MCP نوع HTTP نیازی به پیکربندی متغیرهای محیطی ندارند",
     "indexUrl": {
-      "title": "شاخص بازار",
-      "tooltip": "ویرایش آنلاین در حال حاضر پشتیبانی نمی‌شود، لطفاً از طریق متغیرهای محیطی در زمان استقرار تنظیم کنید"
+      "title": "فهرست بازار",
+      "tooltip": "ویرایش آنلاین پشتیبانی نمی‌شود، لطفاً از طریق متغیرهای محیطی هنگام استقرار تنظیم کنید"
     },
     "messages": {
       "connectionUpdateFailed": "به‌روزرسانی اطلاعات اتصال ناموفق بود",
@@ -373,7 +433,7 @@
     "modalDesc": "پس از پیکربندی آدرس بازار افزونه، می‌توانید از بازار افزونه سفارشی استفاده کنید",
     "rules": {
       "argsRequired": "لطفاً پارامترهای راه‌اندازی را وارد کنید",
-      "commandRequired": "لطفاً دستور راه‌اندازی را وارد کنید",
+      "commandRequired": "لطفاً فرمان راه‌اندازی را وارد کنید",
       "urlRequired": "لطفاً آدرس سرویس را وارد کنید"
     },
     "saveSettings": "ذخیره تنظیمات",
@@ -383,27 +443,27 @@
   "store": {
     "actions": {
       "cancel": "لغو نصب",
-      "confirmUninstall": "در حال حذف این افزونه هستید. پس از حذف، تنظیمات افزونه پاک خواهد شد. لطفاً عملیات خود را تأیید کنید.",
+      "confirmUninstall": "در حال حذف این افزونه هستید، پس از حذف پیکربندی‌های افزونه پاک خواهد شد، لطفاً عملیات خود را تأیید کنید",
       "detail": "جزئیات",
       "install": "نصب",
       "manifest": "ویرایش فایل نصب",
       "settings": "تنظیمات",
-      "uninstall": "حذف"
+      "uninstall": "حذف نصب"
     },
-    "communityPlugin": "افزونه‌های جامعه",
-    "customPlugin": "افزونه سفارشی",
-    "empty": "هیچ افزونه‌ای نصب نشده است",
-    "emptySelectHint": "برای پیش‌نمایش جزئیات، افزونه‌ای را انتخاب کنید",
+    "communityPlugin": "جامعه شخص ثالث",
+    "customPlugin": "سفارشی",
+    "empty": "هیچ افزونه نصب شده‌ای وجود ندارد",
+    "emptySelectHint": "برای مشاهده جزئیات، افزونه‌ای را انتخاب کنید",
     "installAllPlugins": "نصب همه",
-    "networkError": "دریافت فروشگاه افزونه‌ها ناموفق بود. لطفاً اتصال شبکه خود را بررسی کرده و دوباره تلاش کنید.",
-    "placeholder": "نام افزونه، توضیحات یا کلمات کلیدی را جستجو کنید...",
+    "networkError": "دریافت فروشگاه افزونه ناموفق بود، لطفاً اتصال شبکه را بررسی و دوباره تلاش کنید",
+    "placeholder": "جستجوی نام، توضیحات یا کلمات کلیدی افزونه...",
     "releasedAt": "منتشر شده در {{createdAt}}",
     "tabs": {
       "installed": "نصب شده",
       "mcp": "افزونه MCP",
       "old": "افزونه LobeChat"
     },
-    "title": "فروشگاه افزونه‌ها"
+    "title": "فروشگاه افزونه"
   },
   "unknownError": "خطای ناشناخته",
   "unknownPlugin": "افزونه ناشناخته"

locales/fa-IR/providers.json

@@ -2,9 +2,15 @@
   "ai21": {
     "description": "AI21 Labs مدل‌های پایه و سیستم‌های هوش مصنوعی را برای کسب‌وکارها ایجاد می‌کند و به تسریع کاربرد هوش مصنوعی تولیدی در تولید کمک می‌کند."
   },
+  "ai302": {
+    "description": "302.AI یک پلتفرم برنامه‌های هوش مصنوعی بر اساس پرداخت به ازای استفاده است که جامع‌ترین APIهای هوش مصنوعی و برنامه‌های آنلاین هوش مصنوعی را در بازار ارائه می‌دهد"
+  },
   "ai360": {
     "description": "360 AI پلتفرم مدل‌ها و خدمات هوش مصنوعی شرکت 360 است که مدل‌های پیشرفته پردازش زبان طبیعی متعددی از جمله 360GPT2 Pro، 360GPT Pro، 360GPT Turbo و 360GPT Turbo Responsibility 8K را ارائه می‌دهد. این مدل‌ها با ترکیب پارامترهای بزرگ‌مقیاس و قابلیت‌های چندوجهی، به طور گسترده در زمینه‌های تولید متن، درک معنایی، سیستم‌های مکالمه و تولید کد به کار می‌روند. با استفاده از استراتژی‌های قیمت‌گذاری انعطاف‌پذیر، 360 AI نیازهای متنوع کاربران را برآورده کرده و از یکپارچه‌سازی توسعه‌دهندگان پشتیبانی می‌کند و به نوآوری و توسعه کاربردهای هوشمند کمک می‌کند."
   },
+  "aihubmix": {
+    "description": "AiHubMix دسترسی به مدل‌های مختلف هوش مصنوعی را از طریق یک رابط برنامه‌نویسی کاربردی (API) یکپارچه فراهم می‌کند."
+  },
   "anthropic": {
     "description": "Anthropic یک شرکت متمرکز بر تحقیق و توسعه هوش مصنوعی است که مجموعه‌ای از مدل‌های پیشرفته زبان مانند Claude 3.5 Sonnet، Claude 3 Sonnet، Claude 3 Opus و Claude 3 Haiku را ارائه می‌دهد. این مدل‌ها تعادلی ایده‌آل بین هوشمندی، سرعت و هزینه برقرار می‌کنند و برای انواع کاربردها از بارهای کاری در سطح سازمانی تا پاسخ‌های سریع مناسب هستند. Claude 3.5 Sonnet به عنوان جدیدترین مدل آن، در ارزیابی‌های متعدد عملکرد برجسته‌ای داشته و در عین حال نسبت هزینه به عملکرد بالایی را حفظ کرده است."
   },

locales/fa-IR/setting.json

@@ -183,10 +183,21 @@
     "title": "اطلاعات دستیار"
   },
   "settingAppearance": {
+    "animationMode": {
+      "agile": "چابک",
+      "desc": "سرعت انیمیشن پاسخ عملیات برنامه را انتخاب کنید",
+      "disabled": "خاموش",
+      "elegant": "ظریف",
+      "title": "انیمیشن پاسخ"
+    },
     "neutralColor": {
       "desc": "سفارشی‌سازی مقیاس خاکستری با تم‌های رنگی مختلف",
       "title": "رنگ‌های خنثی"
     },
+    "noAnimation": {
+      "desc": "تمام جلوه‌های انیمیشنی در برنامه را غیرفعال کنید",
+      "title": "حالت بدون انیمیشن"
+    },
     "preview": {
       "title": "پالت رنگ"
     },

locales/fr-FR/modelProvider.json

@@ -189,6 +189,7 @@
       "aesGcm": "Votre clé et votre adresse de proxy seront chiffrées à l'aide de l'algorithme de chiffrement <1>AES-GCM</1>",
       "apiKey": {
         "desc": "Veuillez entrer votre {{name}} clé API",
+        "descWithUrl": "Veuillez saisir votre clé API {{name}}, <3>cliquez ici pour l'obtenir</3>",
         "placeholder": "{{name}} clé API",
         "title": "Clé API"
       },
@@ -305,6 +306,7 @@
         "latestTime": "Dernière mise à jour : {{time}}",
         "noLatestTime": "Aucune liste récupérée pour le moment"
       },
+      "noModelsInCategory": "Aucun modèle activé dans cette catégorie",
       "resetAll": {
         "conform": "Êtes-vous sûr de vouloir réinitialiser toutes les modifications du modèle actuel ? Après la réinitialisation, la liste des modèles actuels reviendra à l'état par défaut",
         "success": "Réinitialisation réussie",
@@ -315,7 +317,15 @@
       "title": "Liste des modèles",
       "total": "Un total de {{count}} modèles disponibles"
     },
-    "searchNotFound": "Aucun résultat trouvé"
+    "searchNotFound": "Aucun résultat trouvé",
+    "tabs": {
+      "all": "Tous",
+      "chat": "Conversation",
+      "embedding": "Vectorisation",
+      "image": "Image",
+      "stt": "Reconnaissance vocale",
+      "tts": "Synthèse vocale"
+    }
   },
   "sortModal": {
     "success": "Mise à jour du tri réussie",

locales/fr-FR/models.json

@@ -32,6 +32,9 @@
   "4.0Ultra": {
     "description": "Spark4.0 Ultra est la version la plus puissante de la série de grands modèles Xinghuo, améliorant la compréhension et la capacité de résumé du contenu textuel tout en mettant à jour le lien de recherche en ligne. C'est une solution complète pour améliorer la productivité au bureau et répondre avec précision aux besoins, représentant un produit intelligent de premier plan dans l'industrie."
   },
+  "AnimeSharp": {
+    "description": "AnimeSharp (également connu sous le nom de « 4x‑AnimeSharp ») est un modèle open source de super-résolution développé par Kim2091, basé sur l'architecture ESRGAN, spécialisé dans l'agrandissement et l'amélioration des images de style anime. Il a été renommé en février 2022 à partir de « 4x-TextSharpV1 », initialement conçu aussi pour les images de texte, mais ses performances ont été largement optimisées pour le contenu anime."
+  },
   "Baichuan2-Turbo": {
     "description": "Utilise une technologie d'amélioration de recherche pour relier complètement le grand modèle aux connaissances sectorielles et aux connaissances du web. Supporte le téléchargement de divers documents tels que PDF, Word, et l'entrée d'URL, permettant une acquisition d'informations rapide et complète, avec des résultats précis et professionnels."
   },
@@ -71,6 +74,9 @@
   "DeepSeek-V3": {
     "description": "DeepSeek-V3 est un modèle MoE développé en interne par la société DeepSeek. Les performances de DeepSeek-V3 surpassent celles d'autres modèles open source tels que Qwen2.5-72B et Llama-3.1-405B, et se mesurent à la performance des modèles fermés de pointe au monde comme GPT-4o et Claude-3.5-Sonnet."
   },
+  "DeepSeek-V3-Fast": {
+    "description": "Fournisseur du modèle : plateforme sophnet. DeepSeek V3 Fast est la version ultra-rapide à TPS élevé de DeepSeek V3 0324, entièrement non quantifiée, avec des capacités de code et mathématiques renforcées, offrant une réactivité accrue !"
+  },
   "Doubao-lite-128k": {
     "description": "Doubao-lite offre une vitesse de réponse exceptionnelle et un excellent rapport qualité-prix, offrant aux clients une flexibilité accrue pour différents scénarios. Prend en charge l'inférence et le fine-tuning avec une fenêtre contextuelle de 128k."
   },
@@ -89,6 +95,9 @@
   "Doubao-pro-4k": {
     "description": "Modèle principal le plus performant, adapté aux tâches complexes, avec d'excellents résultats dans les domaines des questions-réponses, résumés, création, classification de texte, jeu de rôle, etc. Prend en charge l'inférence et le fine-tuning avec une fenêtre contextuelle de 4k."
   },
+  "DreamO": {
+    "description": "DreamO est un modèle open source de génération d'images personnalisées développé conjointement par ByteDance et l'Université de Pékin, visant à supporter la génération d'images multitâches via une architecture unifiée. Il utilise une méthode de modélisation combinée efficace, capable de générer des images hautement cohérentes et personnalisées selon plusieurs conditions spécifiées par l'utilisateur telles que l'identité, le sujet, le style et l'arrière-plan."
+  },
   "ERNIE-3.5-128K": {
     "description": "Modèle de langage à grande échelle de pointe développé par Baidu, couvrant une vaste quantité de corpus en chinois et en anglais, avec de puissantes capacités générales, capable de répondre à la plupart des exigences en matière de dialogue, de questions-réponses, de création de contenu et d'applications de plugins ; prend en charge l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse."
   },
@@ -122,15 +131,39 @@
   "ERNIE-Speed-Pro-128K": {
     "description": "Modèle de langage haute performance développé par Baidu, publié en 2024, avec d'excellentes capacités générales, offrant de meilleures performances que ERNIE Speed, adapté comme modèle de base pour un ajustement fin, permettant de mieux traiter les problèmes de scénarios spécifiques, tout en offrant d'excellentes performances d'inférence."
   },
+  "FLUX.1-Kontext-dev": {
+    "description": "FLUX.1-Kontext-dev est un modèle multimodal de génération et d'édition d'images développé par Black Forest Labs, basé sur l'architecture Rectified Flow Transformer, avec une échelle de 12 milliards de paramètres. Il se concentre sur la génération, la reconstruction, l'amélioration ou l'édition d'images sous conditions contextuelles données. Ce modèle combine les avantages de génération contrôlée des modèles de diffusion et la capacité de modélisation contextuelle des Transformers, supportant une sortie d'images de haute qualité, applicable à la restauration, au remplissage et à la reconstruction visuelle de scènes."
+  },
+  "FLUX.1-dev": {
+    "description": "FLUX.1-dev est un modèle open source multimodal de langage (Multimodal Language Model, MLLM) développé par Black Forest Labs, optimisé pour les tâches texte-image, intégrant la compréhension et la génération d'images et de textes. Basé sur des modèles de langage avancés tels que Mistral-7B, il utilise un encodeur visuel soigneusement conçu et un affinage par instructions en plusieurs étapes, permettant un traitement collaboratif texte-image et un raisonnement complexe."
+  },
   "Gryphe/MythoMax-L2-13b": {
     "description": "MythoMax-L2 (13B) est un modèle innovant, adapté à des applications dans plusieurs domaines et à des tâches complexes."
   },
+  "HelloMeme": {
+    "description": "HelloMeme est un outil d'IA capable de générer automatiquement des mèmes, GIFs ou courtes vidéos à partir d'images ou d'actions fournies. Il ne nécessite aucune compétence en dessin ou programmation, il suffit de fournir une image de référence pour créer des contenus attrayants, amusants et cohérents en style."
+  },
+  "HiDream-I1-Full": {
+    "description": "HiDream-E1-Full est un grand modèle open source d'édition d'images multimodales lancé par HiDream.ai, basé sur l'architecture avancée Diffusion Transformer et intégrant une puissante capacité de compréhension linguistique (intégrant LLaMA 3.1-8B-Instruct). Il supporte la génération d'images, le transfert de style, l'édition locale et la redéfinition de contenu via des instructions en langage naturel, avec d'excellentes capacités de compréhension et d'exécution texte-image."
+  },
+  "HunyuanDiT-v1.2-Diffusers-Distilled": {
+    "description": "hunyuandit-v1.2-distilled est un modèle léger de génération d'images à partir de texte, optimisé par distillation, capable de générer rapidement des images de haute qualité, particulièrement adapté aux environnements à ressources limitées et aux tâches de génération en temps réel."
+  },
+  "InstantCharacter": {
+    "description": "InstantCharacter est un modèle de génération de personnages personnalisés sans réglage (tuning-free) publié par l'équipe IA de Tencent en 2025, visant une génération cohérente et haute fidélité de personnages à travers différents contextes. Ce modèle permet de modéliser un personnage à partir d'une seule image de référence et de le transférer de manière flexible à divers styles, actions et arrière-plans."
+  },
   "InternVL2-8B": {
     "description": "InternVL2-8B est un puissant modèle de langage visuel, prenant en charge le traitement multimodal d'images et de textes, capable de reconnaître avec précision le contenu des images et de générer des descriptions ou des réponses pertinentes."
   },
   "InternVL2.5-26B": {
     "description": "InternVL2.5-26B est un puissant modèle de langage visuel, prenant en charge le traitement multimodal d'images et de textes, capable de reconnaître avec précision le contenu des images et de générer des descriptions ou des réponses pertinentes."
   },
+  "Kolors": {
+    "description": "Kolors est un modèle de génération d'images à partir de texte développé par l'équipe Kolors de Kuaishou. Entraîné sur des milliards de paramètres, il excelle en qualité visuelle, compréhension sémantique du chinois et rendu de texte."
+  },
+  "Kwai-Kolors/Kolors": {
+    "description": "Kolors est un modèle de génération d'images à partir de texte à grande échelle basé sur la diffusion latente, développé par l'équipe Kolors de Kuaishou. Entraîné sur des milliards de paires texte-image, il présente des avantages significatifs en qualité visuelle, précision sémantique complexe et rendu des caractères chinois et anglais. Il supporte les entrées en chinois et en anglais, avec une excellente compréhension et génération de contenus spécifiques en chinois."
+  },
   "Llama-3.2-11B-Vision-Instruct": {
     "description": "Excellentes capacités de raisonnement d'image sur des images haute résolution, adaptées aux applications de compréhension visuelle."
   },
@@ -164,9 +197,15 @@
   "MiniMaxAI/MiniMax-M1-80k": {
     "description": "MiniMax-M1 est un modèle d'inférence à attention mixte à grande échelle avec poids open source, comptant 456 milliards de paramètres, activant environ 45,9 milliards de paramètres par token. Le modèle supporte nativement un contexte ultra-long de 1 million de tokens et, grâce au mécanisme d'attention éclair, réduit de 75 % les opérations en virgule flottante lors de tâches de génération de 100 000 tokens par rapport à DeepSeek R1. Par ailleurs, MiniMax-M1 utilise une architecture MoE (Experts Mixtes), combinant l'algorithme CISPO et une conception d'attention mixte pour un entraînement efficace par apprentissage par renforcement, offrant des performances de pointe dans l'inférence sur longues entrées et les scénarios réels d'ingénierie logicielle."
   },
+  "Moonshot-Kimi-K2-Instruct": {
+    "description": "Avec un total de 1 000 milliards de paramètres et 32 milliards de paramètres activés, ce modèle non cognitif atteint un niveau de pointe en connaissances avancées, mathématiques et codage, excelling dans les tâches d'agents généraux. Optimisé pour les tâches d'agents, il peut non seulement répondre aux questions mais aussi agir. Idéal pour les conversations improvisées, générales et les expériences d'agents, c'est un modèle réflexe ne nécessitant pas de longues réflexions."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) est un modèle d'instructions de haute précision, adapté aux calculs complexes."
   },
+  "OmniConsistency": {
+    "description": "OmniConsistency améliore la cohérence stylistique et la capacité de généralisation dans les tâches image-à-image en introduisant de grands Diffusion Transformers (DiTs) et des données stylisées appariées, évitant ainsi la dégradation du style."
+  },
   "Phi-3-medium-128k-instruct": {
     "description": "Même modèle Phi-3-medium, mais avec une taille de contexte plus grande pour RAG ou un prompt à quelques exemples."
   },
@@ -218,6 +257,9 @@
   "Pro/deepseek-ai/DeepSeek-V3": {
     "description": "DeepSeek-V3 est un modèle de langage à experts mixtes (MoE) avec 671 milliards de paramètres, utilisant une attention potentielle multi-tête (MLA) et une architecture DeepSeekMoE, combinant une stratégie d'équilibrage de charge sans perte auxiliaire pour optimiser l'efficacité d'inférence et d'entraînement. Pré-entraîné sur 14,8 billions de tokens de haute qualité, et affiné par supervision et apprentissage par renforcement, DeepSeek-V3 surpasse d'autres modèles open source et se rapproche des modèles fermés de premier plan."
   },
+  "Pro/moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 est un modèle de base à architecture MoE doté de capacités exceptionnelles en codage et agents, avec 1 000 milliards de paramètres au total et 32 milliards activés. Il surpasse les autres modèles open source majeurs dans les tests de performance sur les connaissances générales, la programmation, les mathématiques et les agents."
+  },
   "QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview est un modèle de traitement du langage naturel innovant, capable de gérer efficacement des tâches complexes de génération de dialogues et de compréhension contextuelle."
   },
@@ -278,9 +320,18 @@
   "Qwen/Qwen3-235B-A22B": {
     "description": "Qwen3 est un nouveau modèle de Tongyi Qianwen avec des capacités considérablement améliorées, atteignant des niveaux de pointe dans plusieurs compétences clés telles que le raisonnement, l'agent et le multilingue, et prenant en charge le changement de mode de pensée."
   },
+  "Qwen/Qwen3-235B-A22B-Instruct-2507": {
+    "description": "Qwen3-235B-A22B-Instruct-2507 est un modèle de langage à experts mixtes (MoE) phare de la série Qwen3 développé par l'équipe Tongyi Qianwen d'Aliyun. Avec 235 milliards de paramètres totaux et 22 milliards activés par inférence, il est une version mise à jour du mode non cognitif Qwen3-235B-A22B, améliorant significativement l'adhérence aux instructions, le raisonnement logique, la compréhension textuelle, les mathématiques, les sciences, la programmation et l'utilisation d'outils. Le modèle étend aussi la couverture des connaissances multilingues rares et s'aligne mieux sur les préférences utilisateur pour des tâches subjectives et ouvertes, générant des textes plus utiles et de meilleure qualité."
+  },
+  "Qwen/Qwen3-235B-A22B-Thinking-2507": {
+    "description": "Qwen3-235B-A22B-Thinking-2507 est un modèle de langage volumineux de la série Qwen3 développé par l'équipe Tongyi Qianwen d'Alibaba, spécialisé dans les tâches complexes de raisonnement avancé. Basé sur une architecture MoE, il compte 235 milliards de paramètres totaux avec environ 22 milliards activés par token, optimisant ainsi l'efficacité de calcul tout en maintenant une puissance élevée. En tant que modèle « de réflexion », il excelle dans le raisonnement logique, les mathématiques, les sciences, la programmation et les tests académiques nécessitant une expertise humaine, atteignant un niveau de pointe parmi les modèles open source de réflexion. Il améliore également les capacités générales telles que l'adhérence aux instructions, l'utilisation d'outils et la génération de texte, avec un support natif pour une compréhension de contexte longue de 256K tokens, idéal pour les scénarios nécessitant un raisonnement profond et le traitement de longs documents."
+  },
   "Qwen/Qwen3-30B-A3B": {
     "description": "Qwen3 est un nouveau modèle de Tongyi Qianwen avec des capacités considérablement améliorées, atteignant des niveaux de pointe dans plusieurs compétences clés telles que le raisonnement, l'agent et le multilingue, et prenant en charge le changement de mode de pensée."
   },
+  "Qwen/Qwen3-30B-A3B-Instruct-2507": {
+    "description": "Qwen3-30B-A3B-Instruct-2507 est une version mise à jour du modèle non réflexif Qwen3-30B-A3B. Il s'agit d'un modèle d'experts mixtes (MoE) avec un total de 30,5 milliards de paramètres et 3,3 milliards de paramètres activés. Ce modèle présente des améliorations clés dans plusieurs domaines, notamment une amélioration significative de la conformité aux instructions, du raisonnement logique, de la compréhension du texte, des mathématiques, des sciences, du codage et de l'utilisation des outils. Par ailleurs, il réalise des progrès substantiels dans la couverture des connaissances multilingues à longue traîne et s'aligne mieux avec les préférences des utilisateurs dans les tâches subjectives et ouvertes, ce qui lui permet de générer des réponses plus utiles et des textes de meilleure qualité. De plus, sa capacité de compréhension des textes longs a été étendue à 256K. Ce modèle ne prend en charge que le mode non réflexif et ne génère pas de balises `<think></think>` dans ses sorties."
+  },
   "Qwen/Qwen3-32B": {
     "description": "Qwen3 est un nouveau modèle de Tongyi Qianwen avec des capacités considérablement améliorées, atteignant des niveaux de pointe dans plusieurs compétences clés telles que le raisonnement, l'agent et le multilingue, et prenant en charge le changement de mode de pensée."
   },
@@ -314,6 +365,12 @@
   "Qwen2.5-Coder-32B-Instruct": {
     "description": "Qwen2.5-Coder-32B-Instruct est un grand modèle de langage conçu pour la génération de code, la compréhension de code et les scénarios de développement efficaces, avec une échelle de 32 milliards de paramètres, répondant à des besoins de programmation variés."
   },
+  "Qwen3-235B": {
+    "description": "Qwen3-235B-A22B est un modèle MoE (modèle d'experts mixtes) qui introduit un « mode de raisonnement hybride », permettant aux utilisateurs de basculer sans interruption entre le « mode réflexif » et le « mode non réflexif ». Il prend en charge la compréhension et le raisonnement dans 119 langues et dialectes, et dispose de puissantes capacités d'appel d'outils. Sur plusieurs benchmarks, notamment en capacités globales, codage et mathématiques, multilinguisme, connaissances et raisonnement, il rivalise avec les principaux grands modèles du marché tels que DeepSeek R1, OpenAI o1, o3-mini, Grok 3 et Google Gemini 2.5 Pro."
+  },
+  "Qwen3-32B": {
+    "description": "Qwen3-32B est un modèle dense (Dense Model) qui introduit un « mode de raisonnement hybride », permettant aux utilisateurs de basculer sans interruption entre le « mode réflexif » et le « mode non réflexif ». Grâce à des améliorations de l'architecture du modèle, à l'augmentation des données d'entraînement et à des méthodes d'entraînement plus efficaces, ses performances globales sont comparables à celles de Qwen2.5-72B."
+  },
   "SenseChat": {
     "description": "Modèle de version de base (V4), longueur de contexte de 4K, avec de puissantes capacités générales."
   },
@@ -350,6 +407,12 @@
   "SenseChat-Vision": {
     "description": "Le dernier modèle (V5.5) prend en charge l'entrée de plusieurs images, optimisant les capacités de base du modèle, avec des améliorations significatives dans la reconnaissance des attributs d'objets, les relations spatiales, la reconnaissance d'événements d'action, la compréhension de scènes, la reconnaissance des émotions, le raisonnement de bon sens logique et la compréhension et génération de texte."
   },
+  "SenseNova-V6-5-Pro": {
+    "description": "Grâce à une mise à jour complète des données multimodales, linguistiques et de raisonnement ainsi qu'à l'optimisation des stratégies d'entraînement, le nouveau modèle réalise des progrès significatifs en matière de raisonnement multimodal et de suivi généralisé des instructions. Il prend en charge une fenêtre contextuelle allant jusqu'à 128k et excelle dans des tâches spécialisées telles que la reconnaissance OCR et l'identification des propriétés intellectuelles dans le secteur du tourisme culturel."
+  },
+  "SenseNova-V6-5-Turbo": {
+    "description": "Grâce à une mise à jour complète des données multimodales, linguistiques et de raisonnement ainsi qu'à l'optimisation des stratégies d'entraînement, le nouveau modèle réalise des progrès significatifs en matière de raisonnement multimodal et de suivi généralisé des instructions. Il prend en charge une fenêtre contextuelle allant jusqu'à 128k et excelle dans des tâches spécialisées telles que la reconnaissance OCR et l'identification des propriétés intellectuelles dans le secteur du tourisme culturel."
+  },
   "SenseNova-V6-Pro": {
     "description": "Réaliser une unification native des capacités d'image, de texte et de vidéo, briser les limitations traditionnelles de la multimodalité discrète, remportant le double championnat dans les évaluations OpenCompass et SuperCLUE."
   },
@@ -548,6 +611,9 @@
   "aya:35b": {
     "description": "Aya 23 est un modèle multilingue lancé par Cohere, prenant en charge 23 langues, facilitant les applications linguistiques diversifiées."
   },
+  "azure-DeepSeek-R1-0528": {
+    "description": "Déployé et fourni par Microsoft ; le modèle DeepSeek R1 a bénéficié d'une mise à jour mineure, la version actuelle étant DeepSeek-R1-0528. Dans la dernière mise à jour, DeepSeek R1 a considérablement amélioré sa profondeur d'inférence et ses capacités de raisonnement grâce à l'augmentation des ressources de calcul et à l'introduction d'un mécanisme d'optimisation algorithmique en phase post-entraînement. Ce modèle excelle dans plusieurs benchmarks, notamment en mathématiques, programmation et logique générale, avec des performances globales proches des modèles de pointe tels que O3 et Gemini 2.5 Pro."
+  },
   "baichuan/baichuan2-13b-chat": {
     "description": "Baichuan-13B est un modèle de langage open source et commercialisable développé par Baichuan Intelligence, contenant 13 milliards de paramètres, qui a obtenu les meilleurs résultats dans des benchmarks chinois et anglais de référence."
   },
@@ -608,6 +674,9 @@
   "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-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."
+  },
   "claude-opus-4-20250514": {
     "description": "Claude Opus 4 est le modèle le plus puissant d'Anthropic pour traiter des tâches hautement complexes. Il excelle en performance, intelligence, fluidité et compréhension."
   },
@@ -944,6 +1013,9 @@
   "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."
   },
+  "doubao-seedream-3-0-t2i-250415": {
+    "description": "Le modèle de génération d'images Doubao développé par l'équipe Seed de ByteDance supporte les entrées texte et image, offrant une expérience de génération d'images hautement contrôlable et de haute qualité. Il génère des images à partir d'invites textuelles."
+  },
   "doubao-vision-lite-32k": {
     "description": "Le modèle Doubao-vision est un grand modèle multimodal développé par Doubao, doté de puissantes capacités de compréhension et de raisonnement d'images, ainsi que d'une compréhension précise des instructions. Il excelle dans l'extraction d'informations texte-image et les tâches de raisonnement basées sur l'image, pouvant être appliqué à des tâches de questions-réponses visuelles plus complexes et étendues."
   },
@@ -995,6 +1067,9 @@
   "ernie-char-fiction-8k": {
     "description": "Le modèle de langage pour des scénarios verticaux développé par Baidu, adapté aux dialogues de NPC de jeux, aux dialogues de service client, aux jeux de rôle, avec un style de personnage plus distinct et cohérent, une meilleure capacité de suivi des instructions et des performances d'inférence supérieures."
   },
+  "ernie-irag-edit": {
+    "description": "Le modèle d'édition d'images ERNIE iRAG développé par Baidu supporte des opérations telles que l'effacement (erase), la redéfinition (repaint) et la variation (variation) basées sur des images."
+  },
   "ernie-lite-8k": {
     "description": "ERNIE Lite est un modèle de langage léger développé par Baidu, alliant d'excellentes performances du modèle et performances d'inférence, adapté à une utilisation sur des cartes d'accélération AI à faible puissance."
   },
@@ -1022,14 +1097,32 @@
   "ernie-x1-turbo-32k": {
     "description": "Par rapport à ERNIE-X1-32K, le modèle offre de meilleures performances et résultats."
   },
+  "flux-1-schnell": {
+    "description": "Modèle de génération d'images à partir de texte de 12 milliards de paramètres développé par Black Forest Labs, utilisant la distillation par diffusion antagoniste latente, capable de générer des images de haute qualité en 1 à 4 étapes. Ses performances rivalisent avec des alternatives propriétaires et il est publié sous licence Apache-2.0, adapté à un usage personnel, scientifique et commercial."
+  },
+  "flux-dev": {
+    "description": "FLUX.1 [dev] est un modèle open source affiné destiné à un usage non commercial. Il maintient une qualité d'image et une adhérence aux instructions proches de la version professionnelle FLUX, tout en offrant une efficacité d'exécution supérieure. Par rapport aux modèles standards de même taille, il est plus efficace en termes d'utilisation des ressources."
+  },
   "flux-kontext/dev": {
-    "description": "Modèle d'édition d'image Frontier."
+    "description": "Modèle FLUX.1 spécialisé dans les tâches d'édition d'images, prenant en charge les entrées texte et image."
+  },
+  "flux-merged": {
+    "description": "Le modèle FLUX.1-merged combine les caractéristiques approfondies explorées durant la phase de développement « DEV » et les avantages d'exécution rapide représentés par « Schnell ». Cette fusion améliore non seulement les performances du modèle mais étend également son champ d'application."
   },
   "flux-pro/kontext": {
     "description": "FLUX.1 Kontext [pro] peut traiter du texte et des images de référence en entrée, réalisant de manière fluide des modifications locales ciblées ainsi que des transformations complexes de scènes globales."
   },
+  "flux-schnell": {
+    "description": "FLUX.1 [schnell], actuellement le modèle open source le plus avancé à faible nombre d'étapes, dépasse non seulement ses concurrents mais aussi des modèles puissants non affinés tels que Midjourney v6.0 et DALL·E 3 (HD). Ce modèle est spécialement affiné pour conserver toute la diversité de sortie de la phase de pré-entraînement. Par rapport aux modèles les plus avancés du marché, FLUX.1 [schnell] améliore significativement la qualité visuelle, l'adhérence aux instructions, la gestion des dimensions/proportions, le traitement des polices et la diversité des sorties, offrant une expérience de génération d'images créatives plus riche et variée."
+  },
+  "flux.1-schnell": {
+    "description": "Transformateur de flux rectifié de 12 milliards de paramètres capable de générer des images à partir de descriptions textuelles."
+  },
+  "flux/krea": {
+    "description": "Flux Krea [dev] est un modèle de génération d'images avec une préférence esthétique, visant à produire des images plus réalistes et naturelles."
+  },
   "flux/schnell": {
-    "description": "FLUX.1 [schnell] est un modèle transformeur en flux avec 12 milliards de paramètres, capable de générer des images de haute qualité à partir de texte en 1 à 4 étapes, adapté à un usage personnel et commercial."
+    "description": "FLUX.1 [schnell] est un modèle de génération d'images de 12 milliards de paramètres, axé sur la génération rapide d'images de haute qualité."
   },
   "gemini-1.0-pro-001": {
     "description": "Gemini 1.0 Pro 001 (Ajustement) offre des performances stables et ajustables, ce qui en fait un choix idéal pour des solutions de tâches complexes."
@@ -1109,9 +1202,6 @@
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview est le modèle le plus rentable de Google, offrant des fonctionnalités complètes."
   },
-  "gemini-2.5-flash-preview-04-17-thinking": {
-    "description": "Gemini 2.5 Flash Preview est le modèle le plus rentable de Google, offrant des fonctionnalités complètes."
-  },
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview est le modèle le plus rentable de Google, offrant des fonctionnalités complètes."
   },
@@ -1190,6 +1280,21 @@
   "glm-4.1v-thinking-flashx": {
     "description": "La série GLM-4.1V-Thinking est actuellement le modèle visuel le plus performant connu dans la catégorie des VLM de 10 milliards de paramètres. Elle intègre les meilleures performances SOTA dans diverses tâches de langage visuel, incluant la compréhension vidéo, les questions-réponses sur images, la résolution de problèmes disciplinaires, la reconnaissance OCR, l'interprétation de documents et graphiques, les agents GUI, le codage web frontal, le grounding, etc. Ses capacités surpassent même celles du Qwen2.5-VL-72B, qui possède plus de huit fois plus de paramètres. Grâce à des techniques avancées d'apprentissage par renforcement, le modèle maîtrise le raisonnement par chaîne de pensée, améliorant la précision et la richesse des réponses, surpassant nettement les modèles traditionnels sans mécanisme de pensée en termes de résultats finaux et d'explicabilité."
   },
+  "glm-4.5": {
+    "description": "Le dernier modèle phare de Zhipu, supportant le mode réflexion, avec des capacités globales atteignant le niveau SOTA des modèles open source, et une longueur de contexte allant jusqu'à 128K tokens."
+  },
+  "glm-4.5-air": {
+    "description": "Version allégée de GLM-4.5, équilibrant performance et rapport qualité-prix, avec une commutation flexible entre modèles de réflexion hybrides."
+  },
+  "glm-4.5-airx": {
+    "description": "Version ultra-rapide de GLM-4.5-Air, offrant une réactivité accrue, conçue pour des besoins à grande échelle et haute vitesse."
+  },
+  "glm-4.5-flash": {
+    "description": "Version gratuite de GLM-4.5, performante dans les tâches d'inférence, de codage et d'agents intelligents."
+  },
+  "glm-4.5-x": {
+    "description": "Version ultra-rapide de GLM-4.5, combinant une forte performance avec une vitesse de génération atteignant 100 tokens par seconde."
+  },
   "glm-4v": {
     "description": "GLM-4V offre de puissantes capacités de compréhension et de raisonnement d'image, prenant en charge diverses tâches visuelles."
   },
@@ -1209,7 +1314,7 @@
     "description": "Raisonnement ultra-rapide : offrant une vitesse de raisonnement extrêmement rapide et des résultats de raisonnement puissants."
   },
   "glm-z1-flash": {
-    "description": "La série GLM-Z1 possède de puissantes capacités de raisonnement complexe, excelling dans des domaines tels que le raisonnement logique, les mathématiques et la programmation. La longueur maximale du contexte est de 32K."
+    "description": "La série GLM-Z1 offre de puissantes capacités de raisonnement complexe, avec d'excellentes performances en logique, mathématiques et programmation."
   },
   "glm-z1-flashx": {
     "description": "Haute vitesse et faible coût : version améliorée Flash, vitesse d'inférence ultra-rapide, meilleure garantie de concurrence."
@@ -1379,12 +1484,33 @@
   "gpt-4o-transcribe": {
     "description": "GPT-4o Transcribe est un modèle de transcription audio en texte utilisant GPT-4o. Par rapport au modèle Whisper original, il améliore le taux d'erreur des mots ainsi que la reconnaissance et la précision linguistiques. Utilisez-le pour obtenir des transcriptions plus précises."
   },
+  "gpt-5": {
+    "description": "Le meilleur modèle pour les tâches de codage inter-domaines et d'agents. GPT-5 réalise un bond en avant en précision, vitesse, raisonnement, reconnaissance contextuelle, pensée structurée et résolution de problèmes."
+  },
+  "gpt-5-chat-latest": {
+    "description": "Modèle GPT-5 utilisé dans ChatGPT. Allie une compréhension et une génération linguistique puissantes, idéal pour les applications d'interaction conversationnelle."
+  },
+  "gpt-5-mini": {
+    "description": "Version plus rapide et économique de GPT-5, adaptée aux tâches bien définies. Offre une réponse plus rapide tout en maintenant une sortie de haute qualité."
+  },
+  "gpt-5-nano": {
+    "description": "Version la plus rapide et la plus économique de GPT-5. Parfaitement adaptée aux scénarios nécessitant une réponse rapide et sensibles aux coûts."
+  },
   "gpt-image-1": {
     "description": "Modèle natif multimodal de génération d'images de ChatGPT."
   },
+  "gpt-oss": {
+    "description": "GPT-OSS 20B est un grand modèle de langage open source publié par OpenAI, utilisant la technologie de quantification MXFP4, adapté pour fonctionner sur des GPU grand public haut de gamme ou des Mac Apple Silicon. Ce modèle excelle dans la génération de dialogues, la rédaction de code et les tâches de raisonnement, avec prise en charge des appels de fonctions et de l'utilisation d'outils."
+  },
+  "gpt-oss:120b": {
+    "description": "GPT-OSS 120B est un grand modèle de langage open source publié par OpenAI, utilisant la technologie de quantification MXFP4, conçu comme un modèle phare. Il nécessite un environnement multi-GPU ou une station de travail haute performance, offrant des performances exceptionnelles en raisonnement complexe, génération de code et traitement multilingue, avec prise en charge avancée des appels de fonctions et de l'intégration d'outils."
+  },
   "grok-2-1212": {
     "description": "Ce modèle a été amélioré en termes de précision, de respect des instructions et de capacités multilingues."
   },
+  "grok-2-image-1212": {
+    "description": "Notre dernier modèle de génération d'images peut créer des images vivantes et réalistes à partir d'invites textuelles. Il excelle dans la génération d'images pour le marketing, les réseaux sociaux et le divertissement."
+  },
   "grok-2-vision-1212": {
     "description": "Ce modèle a été amélioré en termes de précision, de respect des instructions et de capacités multilingues."
   },
@@ -1454,6 +1580,9 @@
   "hunyuan-t1-20250529": {
     "description": "Optimisé pour la création de textes, la rédaction d'essais, ainsi que pour les compétences en codage frontend, mathématiques et raisonnement logique, avec une amélioration de la capacité à suivre les instructions."
   },
+  "hunyuan-t1-20250711": {
+    "description": "Amélioration significative des capacités en mathématiques complexes, logique et codage, optimisation de la stabilité des sorties du modèle et amélioration des capacités de traitement de longs textes."
+  },
   "hunyuan-t1-latest": {
     "description": "Le premier modèle d'inférence Hybrid-Transformer-Mamba à grande échelle de l'industrie, qui étend les capacités d'inférence, offre une vitesse de décodage exceptionnelle et aligne davantage les préférences humaines."
   },
@@ -1502,6 +1631,12 @@
   "hunyuan-vision": {
     "description": "Dernier modèle multimodal Hunyuan, prenant en charge l'entrée d'images et de textes pour générer du contenu textuel."
   },
+  "image-01": {
+    "description": "Nouveau modèle de génération d'images avec des rendus détaillés, supportant la génération d'images à partir de texte et d'images."
+  },
+  "image-01-live": {
+    "description": "Modèle de génération d'images avec rendu détaillé, supportant la génération d'images à partir de texte avec réglage du style artistique."
+  },
   "imagen-4.0-generate-preview-06-06": {
     "description": "Série de modèles de génération d'images à partir de texte Imagen 4e génération"
   },
@@ -1509,7 +1644,7 @@
     "description": "Série de modèles de génération d'images à partir de texte Imagen 4e génération version Ultra"
   },
   "imagen4/preview": {
-    "description": "Modèle de génération d'images de la plus haute qualité de Google."
+    "description": "Modèle de génération d'images de haute qualité fourni par Google."
   },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 fournit des solutions de dialogue intelligent dans divers scénarios."
@@ -1526,6 +1661,9 @@
   "internvl3-latest": {
     "description": "Nous avons récemment publié un grand modèle multimodal, doté de capacités de compréhension d'images et de textes plus puissantes, ainsi que d'une compréhension d'images sur de longues séquences, dont les performances rivalisent avec celles des meilleurs modèles fermés. Il pointe par défaut vers notre dernier modèle de la série InternVL, actuellement vers internvl3-78b."
   },
+  "irag-1.0": {
+    "description": "iRAG (image based RAG) développé par Baidu est une technologie de génération d'images assistée par recherche, combinant les ressources d'un milliard d'images de Baidu Search avec la puissance d'un modèle de base avancé, permettant de générer des images ultra-réalistes surpassant largement les systèmes natifs de génération d'images, sans aspect artificiel et à faible coût. iRAG se caractérise par l'absence d'hallucinations, un réalisme extrême et une disponibilité immédiate."
+  },
   "jamba-large": {
     "description": "Notre modèle le plus puissant et avancé, conçu pour traiter des tâches complexes de niveau entreprise, offrant des performances exceptionnelles."
   },
@@ -1535,6 +1673,9 @@
   "jina-deepsearch-v1": {
     "description": "La recherche approfondie combine la recherche sur le web, la lecture et le raisonnement pour mener des enquêtes complètes. Vous pouvez la considérer comme un agent qui prend en charge vos tâches de recherche - elle effectuera une recherche approfondie et itérative avant de fournir une réponse. Ce processus implique une recherche continue, un raisonnement et une résolution de problèmes sous différents angles. Cela diffère fondamentalement des grands modèles standard qui génèrent des réponses directement à partir de données pré-entraînées et des systèmes RAG traditionnels qui dépendent d'une recherche superficielle unique."
   },
+  "kimi-k2": {
+    "description": "Kimi-K2 est un modèle de base à architecture MoE lancé par Moonshot AI, doté de capacités exceptionnelles en codage et agents, avec 1 000 milliards de paramètres au total et 32 milliards activés. Il surpasse les autres modèles open source majeurs dans les tests de performance sur les connaissances générales, la programmation, les mathématiques et les agents."
+  },
   "kimi-k2-0711-preview": {
     "description": "kimi-k2 est un modèle de base à architecture MoE doté de capacités exceptionnelles en code et Agent, avec un total de 1T de paramètres et 32B de paramètres activés. Dans les tests de performance sur les principales catégories telles que le raisonnement général, la programmation, les mathématiques et les Agents, le modèle K2 surpasse les autres modèles open source majeurs."
   },
@@ -1928,6 +2069,9 @@
   "moonshotai/Kimi-Dev-72B": {
     "description": "Kimi-Dev-72B est un grand modèle de code open source, optimisé par un apprentissage par renforcement à grande échelle, capable de générer des correctifs robustes et directement exploitables en production. Ce modèle a atteint un nouveau score record de 60,4 % sur SWE-bench Verified, établissant un nouveau standard pour les modèles open source dans les tâches d'ingénierie logicielle automatisée telles que la correction de bugs et la revue de code."
   },
+  "moonshotai/Kimi-K2-Instruct": {
+    "description": "Kimi K2 est un modèle de base à architecture MoE doté de capacités exceptionnelles en codage et agents, avec 1 000 milliards de paramètres au total et 32 milliards activés. Il surpasse les autres modèles open source majeurs dans les tests de performance sur les connaissances générales, la programmation, les mathématiques et les agents."
+  },
   "moonshotai/kimi-k2-instruct": {
     "description": "kimi-k2 est un modèle de base à architecture MoE doté de capacités exceptionnelles en code et Agent, avec un total de 1T paramètres et 32B paramètres activés. Dans les tests de performance de référence couvrant les principales catégories telles que le raisonnement général, la programmation, les mathématiques et les Agents, le modèle K2 surpasse les autres modèles open source majeurs."
   },
@@ -2003,6 +2147,12 @@
   "openai/gpt-4o-mini": {
     "description": "GPT-4o mini est le dernier modèle d'OpenAI lancé après GPT-4 Omni, prenant en charge les entrées d'images et de texte et produisant du texte en sortie. En tant que leur modèle compact le plus avancé, il est beaucoup moins cher que d'autres modèles de pointe récents et coûte plus de 60 % de moins que GPT-3.5 Turbo. Il maintient une intelligence de pointe tout en offrant un rapport qualité-prix significatif. GPT-4o mini a obtenu un score de 82 % au test MMLU et se classe actuellement au-dessus de GPT-4 en termes de préférences de chat."
   },
+  "openai/gpt-oss-120b": {
+    "description": "OpenAI GPT-OSS 120B est un modèle linguistique de pointe doté de 120 milliards de paramètres, intégrant des fonctions de recherche via navigateur et d'exécution de code, ainsi que des capacités de raisonnement."
+  },
+  "openai/gpt-oss-20b": {
+    "description": "OpenAI GPT-OSS 20B est un modèle linguistique de pointe doté de 20 milliards de paramètres, intégrant des fonctions de recherche via navigateur et d'exécution de code, ainsi que des capacités de raisonnement."
+  },
   "openai/o1": {
     "description": "o1 est le nouveau modèle d'inférence d'OpenAI, prenant en charge les entrées multimodales (texte et image) et produisant du texte, adapté aux tâches complexes nécessitant des connaissances générales étendues. Ce modèle dispose d'un contexte de 200K et d'une date de coupure des connaissances en octobre 2023."
   },
@@ -2063,6 +2213,9 @@
   "qwen-coder-turbo-latest": {
     "description": "Le modèle de code Tongyi Qwen."
   },
+  "qwen-image": {
+    "description": "Modèle puissant de génération d'images brutes développé par l'équipe Qwen, avec une impressionnante capacité de génération de texte en chinois et une diversité de styles visuels d'images."
+  },
   "qwen-long": {
     "description": "Qwen est un modèle de langage à grande échelle, prenant en charge un contexte de texte long, ainsi que des fonctionnalités de dialogue basées sur des documents longs et multiples."
   },
@@ -2264,9 +2417,21 @@
   "qwen3-235b-a22b": {
     "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."
   },
+  "qwen3-235b-a22b-instruct-2507": {
+    "description": "Modèle open source en mode non réflexion basé sur Qwen3, avec une légère amélioration des capacités créatives subjectives et de la sécurité du modèle par rapport à la version précédente (Tongyi Qianwen 3-235B-A22B)."
+  },
+  "qwen3-235b-a22b-thinking-2507": {
+    "description": "Modèle open source en mode réflexion basé sur Qwen3, avec des améliorations majeures en logique, capacités générales, enrichissement des connaissances et créativité par rapport à la version précédente (Tongyi Qianwen 3-235B-A22B), adapté aux scénarios complexes nécessitant un raisonnement poussé."
+  },
   "qwen3-30b-a3b": {
     "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."
   },
+  "qwen3-30b-a3b-instruct-2507": {
+    "description": "Par rapport à la version précédente (Qwen3-30B-A3B), les capacités générales en anglais, chinois et multilingues ont été considérablement améliorées. Une optimisation spécifique a été réalisée pour les tâches subjectives et ouvertes, rendant les réponses nettement plus conformes aux préférences des utilisateurs et plus utiles."
+  },
+  "qwen3-30b-a3b-thinking-2507": {
+    "description": "Basé sur le modèle open source en mode réflexif Qwen3, cette version améliore considérablement les capacités logiques, générales, les connaissances et la créativité par rapport à la version précédente (Tongyi Qianwen 3-30B-A3B). Elle est adaptée aux scénarios complexes nécessitant un raisonnement approfondi."
+  },
   "qwen3-32b": {
     "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."
   },
@@ -2276,6 +2441,15 @@
   "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-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."
+  },
+  "qwen3-coder-flash": {
+    "description": "Modèle de code Tongyi Qianwen. La dernière série de modèles Qwen3-Coder est basée sur Qwen3 pour la génération de code, avec une puissante capacité d'agent de codage, maîtrisant l'appel d'outils et l'interaction avec l'environnement, capable de programmation autonome, alliant excellence en codage et polyvalence."
+  },
+  "qwen3-coder-plus": {
+    "description": "Modèle de code Tongyi Qianwen. La dernière série de modèles Qwen3-Coder est basée sur Qwen3 pour la génération de code, avec une puissante capacité d'agent de codage, maîtrisant l'appel d'outils et l'interaction avec l'environnement, capable de programmation autonome, alliant excellence en codage et polyvalence."
+  },
   "qwq": {
     "description": "QwQ est un modèle de recherche expérimental, axé sur l'amélioration des capacités de raisonnement de l'IA."
   },
@@ -2318,6 +2492,24 @@
   "sonar-reasoning-pro": {
     "description": "Nouveau produit API soutenu par le modèle de raisonnement DeepSeek."
   },
+  "stable-diffusion-3-medium": {
+    "description": "Le dernier grand modèle de génération d'images à partir de texte lancé par Stability AI. Cette version améliore significativement la qualité d'image, la compréhension du texte et la diversité des styles, tout en héritant des avantages des versions précédentes. Il interprète plus précisément les invites en langage naturel complexes et génère des images plus précises et variées."
+  },
+  "stable-diffusion-3.5-large": {
+    "description": "stable-diffusion-3.5-large est un modèle de génération d'images à partir de texte multimodal à base de transformateur de diffusion (MMDiT) avec 800 millions de paramètres, offrant une qualité d'image exceptionnelle et une correspondance précise aux invites, capable de générer des images haute résolution jusqu'à 1 million de pixels, tout en fonctionnant efficacement sur du matériel grand public."
+  },
+  "stable-diffusion-3.5-large-turbo": {
+    "description": "stable-diffusion-3.5-large-turbo est un modèle basé sur stable-diffusion-3.5-large utilisant la technique de distillation par diffusion antagoniste (ADD), offrant une vitesse accrue."
+  },
+  "stable-diffusion-v1.5": {
+    "description": "stable-diffusion-v1.5 est initialisé avec les poids du checkpoint stable-diffusion-v1.2 et affiné pendant 595k étapes à une résolution de 512x512 sur \"laion-aesthetics v2 5+\", avec une réduction de 10 % de la condition textuelle pour améliorer l'échantillonnage guidé sans classificateur."
+  },
+  "stable-diffusion-xl": {
+    "description": "stable-diffusion-xl apporte des améliorations majeures par rapport à la version v1.5, avec des performances comparables au modèle open source SOTA midjourney. Les améliorations incluent un backbone unet trois fois plus grand, un module de raffinement pour améliorer la qualité des images générées, et des techniques d'entraînement plus efficaces."
+  },
+  "stable-diffusion-xl-base-1.0": {
+    "description": "Grand modèle open source de génération d'images à partir de texte développé par Stability AI, avec des capacités créatives de premier plan dans l'industrie. Il possède une excellente compréhension des instructions et supporte la définition de prompts inversés pour une génération précise du contenu."
+  },
   "step-1-128k": {
     "description": "Équilibre entre performance et coût, adapté à des scénarios généraux."
   },
@@ -2348,6 +2540,12 @@
   "step-1v-8k": {
     "description": "Modèle visuel compact, adapté aux tâches de base en texte et image."
   },
+  "step-1x-edit": {
+    "description": "Ce modèle est spécialisé dans les tâches d'édition d'images, capable de modifier et d'améliorer des images selon les descriptions textuelles et les images fournies par l'utilisateur. Il supporte plusieurs formats d'entrée, comprenant descriptions textuelles et images d'exemple. Le modèle comprend l'intention de l'utilisateur et génère des résultats d'édition conformes aux exigences."
+  },
+  "step-1x-medium": {
+    "description": "Ce modèle possède de puissantes capacités de génération d'images, supportant les descriptions textuelles comme entrée. Il offre un support natif du chinois, permettant une meilleure compréhension et traitement des descriptions textuelles en chinois, capturant plus précisément la sémantique pour la transformer en caractéristiques d'image, réalisant ainsi une génération d'images plus précise. Le modèle génère des images haute résolution et de haute qualité, avec une certaine capacité de transfert de style."
+  },
   "step-2-16k": {
     "description": "Prend en charge des interactions contextuelles à grande échelle, adapté aux scénarios de dialogue complexes."
   },
@@ -2357,6 +2555,9 @@
   "step-2-mini": {
     "description": "Un modèle de grande taille ultra-rapide basé sur la nouvelle architecture d'attention auto-développée MFA, atteignant des résultats similaires à ceux de step1 à un coût très bas, tout en maintenant un débit plus élevé et un temps de réponse plus rapide. Capable de traiter des tâches générales, avec des compétences particulières en matière de codage."
   },
+  "step-2x-large": {
+    "description": "Modèle de nouvelle génération Step Star, spécialisé dans la génération d'images, capable de créer des images de haute qualité à partir de descriptions textuelles fournies par l'utilisateur. Le nouveau modèle produit des images avec une texture plus réaliste et une meilleure capacité de génération de texte en chinois et en anglais."
+  },
   "step-r1-v-mini": {
     "description": "Ce modèle est un grand modèle de raisonnement avec de puissantes capacités de compréhension d'image, capable de traiter des informations visuelles et textuelles, produisant du texte après une réflexion approfondie. Ce modèle se distingue dans le domaine du raisonnement visuel, tout en possédant des capacités de raisonnement mathématique, de code et de texte de premier plan. La longueur du contexte est de 100k."
   },
@@ -2432,8 +2633,23 @@
   "v0-1.5-md": {
     "description": "Le modèle v0-1.5-md convient aux tâches quotidiennes et à la génération d'interfaces utilisateur (UI)"
   },
+  "wan2.2-t2i-flash": {
+    "description": "Version ultra-rapide Wanxiang 2.2, le modèle le plus récent à ce jour. Améliorations globales en créativité, stabilité et réalisme, avec une vitesse de génération rapide et un excellent rapport qualité-prix."
+  },
+  "wan2.2-t2i-plus": {
+    "description": "Version professionnelle Wanxiang 2.2, le modèle le plus récent à ce jour. Améliorations globales en créativité, stabilité et réalisme, avec des détails de génération riches."
+  },
+  "wanx-v1": {
+    "description": "Modèle de base de génération d'images à partir de texte, correspondant au modèle général 1.0 officiel de Tongyi Wanxiang."
+  },
+  "wanx2.0-t2i-turbo": {
+    "description": "Spécialisé dans les portraits réalistes, vitesse moyenne et coût réduit. Correspond au modèle ultra-rapide 2.0 officiel de Tongyi Wanxiang."
+  },
+  "wanx2.1-t2i-plus": {
+    "description": "Version entièrement améliorée. Génère des images avec des détails plus riches, vitesse légèrement plus lente. Correspond au modèle professionnel 2.1 officiel de Tongyi Wanxiang."
+  },
   "wanx2.1-t2i-turbo": {
-    "description": "Modèle de génération d'images par texte de Tongyi d'Aliyun"
+    "description": "Version entièrement améliorée. Vitesse de génération rapide, résultats complets, excellent rapport qualité-prix. Correspond au modèle ultra-rapide 2.1 officiel de Tongyi Wanxiang."
   },
   "whisper-1": {
     "description": "Modèle universel de reconnaissance vocale, prenant en charge la reconnaissance vocale multilingue, la traduction vocale et la reconnaissance de langue."
@@ -2485,5 +2701,11 @@
   },
   "yi-vision-v2": {
     "description": "Modèle pour des tâches visuelles complexes, offrant des capacités de compréhension et d'analyse de haute performance basées sur plusieurs images."
+  },
+  "zai-org/GLM-4.5": {
+    "description": "GLM-4.5 est un modèle de base conçu pour les applications d'agents intelligents, utilisant une architecture Mixture-of-Experts (MoE). Il est profondément optimisé pour l'appel d'outils, la navigation web, l'ingénierie logicielle et la programmation front-end, supportant une intégration transparente avec des agents de code tels que Claude Code et Roo Code. GLM-4.5 utilise un mode d'inférence hybride, adapté à des scénarios variés allant du raisonnement complexe à l'usage quotidien."
+  },
+  "zai-org/GLM-4.5-Air": {
+    "description": "GLM-4.5-Air est un modèle de base conçu pour les applications d'agents intelligents, utilisant une architecture Mixture-of-Experts (MoE). Il est profondément optimisé pour l'appel d'outils, la navigation web, l'ingénierie logicielle et la programmation front-end, supportant une intégration transparente avec des agents de code tels que Claude Code et Roo Code. GLM-4.5 utilise un mode d'inférence hybride, adapté à des scénarios variés allant du raisonnement complexe à l'usage quotidien."
   }
 }

locales/fr-FR/plugin.json

@@ -1,15 +1,15 @@
 {
   "confirm": "Confirmer",
   "debug": {
-    "arguments": "Arguments de l'appel",
+    "arguments": "Arguments d'appel",
     "function_call": "Appel de fonction",
-    "off": "Désactivé",
-    "on": "Activer le débogage",
-    "payload": "charge du plugin",
+    "off": "Désactiver le débogage",
+    "on": "Voir les informations d'appel du plugin",
+    "payload": "Charge utile du plugin",
     "pluginState": "État du plugin",
-    "response": "Réponse",
+    "response": "Résultat retourné",
     "title": "Détails du plugin",
-    "tool_call": "demande d'appel d'outil"
+    "tool_call": "Requête d'appel d'outil"
   },
   "detailModal": {
     "customPlugin": {
@@ -18,7 +18,7 @@
       "title": "Ceci est un plugin personnalisé"
     },
     "emptyState": {
-      "description": "Veuillez installer ce plugin pour voir ses fonctionnalités et options de configuration",
+      "description": "Veuillez d'abord installer ce plugin pour voir ses capacités et options de configuration",
       "title": "Voir les détails du plugin après installation"
     },
     "info": {
@@ -33,13 +33,13 @@
     "title": "Détails du plugin"
   },
   "dev": {
-    "confirmDeleteDevPlugin": "Êtes-vous sûr de vouloir supprimer ce plugin local ? Cette action est irréversible.",
+    "confirmDeleteDevPlugin": "Vous êtes sur le point de supprimer ce plugin local. Cette action est irréversible. Voulez-vous vraiment supprimer ce plugin ?",
     "customParams": {
       "useProxy": {
-        "label": "Installer via proxy (if encountering cross-origin access errors, try enabling this option and reinstalling)"
+        "label": "Installer via proxy (en cas d'erreur d'accès cross-origin, essayez d'activer cette option puis réinstallez)"
       }
     },
-    "deleteSuccess": "Suppression du plugin réussie",
+    "deleteSuccess": "Plugin supprimé avec succès",
     "manifest": {
       "identifier": {
         "desc": "Identifiant unique du plugin",
@@ -61,19 +61,19 @@
         "title": "Paramètres avancés"
       },
       "args": {
-        "desc": "Liste des paramètres à passer à la commande d'exécution, généralement ici le nom du serveur MCP ou le chemin du script de démarrage",
-        "label": "Paramètres de commande",
-        "placeholder": "Par exemple : --port 8080 --debug",
-        "required": "Veuillez entrer les paramètres de démarrage"
+        "desc": "Liste des arguments passés à la commande d'exécution, généralement le nom du serveur MCP ou le chemin du script de démarrage",
+        "label": "Arguments de commande",
+        "placeholder": "Par exemple : mcp-hello-world",
+        "required": "Veuillez saisir les arguments de démarrage"
       },
       "auth": {
         "bear": "Clé API",
         "desc": "Choisissez le mode d'authentification du serveur MCP",
         "label": "Type d'authentification",
         "none": "Aucune authentification requise",
-        "placeholder": "Veuillez sélectionner un type d'authentification",
+        "placeholder": "Veuillez choisir un type d'authentification",
         "token": {
-          "desc": "Entrez votre clé API ou jeton Bearer",
+          "desc": "Saisissez votre clé API ou jeton Bearer",
           "label": "Clé API",
           "placeholder": "sk-xxxxx",
           "required": "Veuillez saisir le jeton d'authentification"
@@ -83,68 +83,68 @@
         "label": "Icône du plugin"
       },
       "command": {
-        "desc": "Fichier exécutable ou script utilisé pour démarrer le plugin MCP STDIO",
+        "desc": "Fichier exécutable ou script pour démarrer le serveur MCP STDIO",
         "label": "Commande",
-        "placeholder": "Par exemple : python main.py ou /path/to/executable",
-        "required": "Veuillez entrer la commande de démarrage"
+        "placeholder": "Par exemple : npx / uv / docker etc.",
+        "required": "Veuillez saisir la commande de démarrage"
       },
       "desc": {
-        "desc": "Description du plugin",
+        "desc": "Ajoutez une description du plugin",
         "label": "Description du plugin",
-        "placeholder": "Ajoutez des informations sur l'utilisation et le contexte de ce plugin"
+        "placeholder": "Complétez les instructions d'utilisation et les scénarios"
       },
       "endpoint": {
-        "desc": "Entrez l'adresse de votre serveur HTTP Streamable MCP",
-        "label": "URL de l'endpoint MCP"
+        "desc": "Saisissez l'adresse de votre serveur MCP Streamable HTTP",
+        "label": "URL du point de terminaison MCP"
       },
       "env": {
         "add": "Ajouter une ligne",
-        "desc": "Entrez les variables d'environnement nécessaires pour votre serveur MCP",
+        "desc": "Saisissez les variables d'environnement nécessaires pour le serveur MCP",
         "duplicateKeyError": "La clé du champ doit être unique",
         "formValidationFailed": "Échec de la validation du formulaire, veuillez vérifier le format des paramètres",
         "keyRequired": "La clé du champ ne peut pas être vide",
         "label": "Variables d'environnement du serveur MCP",
-        "stringifyError": "Impossible de sérialiser les paramètres, veuillez vérifier le format des paramètres"
+        "stringifyError": "Impossible de sérialiser les paramètres, veuillez vérifier le format"
       },
       "headers": {
         "add": "Ajouter une ligne",
-        "desc": "Entrez les en-têtes de la requête",
+        "desc": "Saisissez les en-têtes de requête",
         "label": "En-têtes HTTP"
       },
       "identifier": {
-        "desc": "Donnez un nom à votre plugin MCP, en utilisant des caractères anglais",
-        "invalid": "Vous ne pouvez entrer que des caractères anglais, des chiffres, - et _",
+        "desc": "Attribuez un nom à votre plugin MCP, en utilisant des caractères anglais",
+        "invalid": "L'identifiant ne peut contenir que des lettres, chiffres, tirets et underscores",
         "label": "Nom du plugin MCP",
         "placeholder": "Par exemple : my-mcp-plugin",
-        "required": "Veuillez entrer l'identifiant du service MCP"
+        "required": "Veuillez saisir l'identifiant du service MCP"
       },
       "previewManifest": "Aperçu du fichier de description du plugin",
       "quickImport": "Importation rapide de la configuration JSON",
       "quickImportError": {
-        "empty": "Le contenu ne peut pas être vide",
+        "empty": "Le contenu saisi ne peut pas être vide",
         "invalidJson": "Format JSON invalide",
         "invalidStructure": "Structure JSON invalide"
       },
-      "stdioNotSupported": "L'environnement actuel ne prend pas en charge les plugins MCP de type stdio",
+      "stdioNotSupported": "L'environnement actuel ne supporte pas les plugins MCP de type stdio",
       "testConnection": "Tester la connexion",
       "testConnectionTip": "Le plugin MCP ne peut être utilisé normalement qu'après un test de connexion réussi",
       "type": {
-        "desc": "Choisissez le mode de communication du plugin MCP, la version web ne prend en charge que le HTTP Streamable",
-        "httpFeature1": "Compatible avec la version web et de bureau",
-        "httpFeature2": "Connexion à un serveur MCP distant, sans installation ni configuration supplémentaires",
-        "httpShortDesc": "Protocole de communication basé sur HTTP en continu",
+        "desc": "Choisissez le mode de communication du plugin MCP, la version web ne supporte que Streamable HTTP",
+        "httpFeature1": "Compatible avec la version web et desktop",
+        "httpFeature2": "Connexion au serveur MCP distant, sans installation ni configuration supplémentaires",
+        "httpShortDesc": "Protocole de communication basé sur HTTP en streaming",
         "label": "Type de plugin MCP",
-        "stdioFeature1": "Latence de communication réduite, adapté à l'exécution locale",
-        "stdioFeature2": "Nécessite l'installation et l'exécution d'un serveur MCP local",
-        "stdioNotAvailable": "Le mode STDIO n'est disponible que dans la version de bureau",
+        "stdioFeature1": "Latence de communication plus faible, adapté à l'exécution locale",
+        "stdioFeature2": "Nécessite l'installation locale du serveur MCP",
+        "stdioNotAvailable": "Le mode STDIO est disponible uniquement sur la version desktop",
         "stdioShortDesc": "Protocole de communication basé sur l'entrée/sortie standard",
         "title": "Type de plugin MCP"
       },
       "url": {
-        "desc": "Entrez l'adresse HTTP Streamable de votre serveur MCP, le mode SSE n'est pas pris en charge",
-        "invalid": "Veuillez entrer une URL valide",
-        "label": "URL de l'endpoint HTTP",
-        "required": "Veuillez entrer l'URL du service MCP"
+        "desc": "Saisissez l'adresse Streamable HTTP de votre serveur MCP, le mode SSE n'est pas supporté",
+        "invalid": "Veuillez saisir une URL valide",
+        "label": "URL du point de terminaison Streamable HTTP",
+        "required": "Veuillez saisir l'URL du service MCP"
       }
     },
     "meta": {
@@ -153,29 +153,29 @@
         "label": "Auteur"
       },
       "avatar": {
-        "desc": "Icône du plugin, peut être un Emoji ou une URL",
+        "desc": "Icône du plugin, peut être un emoji ou une URL",
         "label": "Icône"
       },
       "description": {
         "desc": "Description du plugin",
         "label": "Description",
-        "placeholder": "Rechercher un moteur de recherche pour obtenir des informations"
+        "placeholder": "Recherchez des informations via un moteur de recherche"
       },
-      "formFieldRequired": "Ce champ est requis",
+      "formFieldRequired": "Ce champ est obligatoire",
       "homepage": {
         "desc": "Page d'accueil du plugin",
         "label": "Page d'accueil"
       },
       "identifier": {
-        "desc": "Identifiant unique du plugin, sera automatiquement reconnu à partir du manifest",
-        "errorDuplicate": "L'identifiant du plugin existe déjà, veuillez le modifier",
+        "desc": "Identifiant unique du plugin, détecté automatiquement depuis le manifest",
+        "errorDuplicate": "L'identifiant est en conflit avec un plugin existant, veuillez le modifier",
         "label": "Identifiant",
-        "pattenErrorMessage": "Seuls les caractères alphanumériques, - et _ sont autorisés"
+        "pattenErrorMessage": "Seuls les caractères anglais, chiffres, - et _ sont autorisés"
       },
       "lobe": "Plugin {{appName}}",
       "manifest": {
-        "desc": "{{appName}} sera installé via ce lien pour ajouter le plugin.",
-        "label": "URL du fichier de description du plugin (Manifest)",
+        "desc": "{{appName}} installera le plugin via ce lien",
+        "label": "URL du fichier de description (Manifest)",
         "preview": "Aperçu du Manifest",
         "refresh": "Actualiser"
       },
@@ -187,30 +187,30 @@
       }
     },
     "metaConfig": "Configuration des métadonnées du plugin",
-    "modalDesc": "Une fois le plugin personnalisé ajouté, il peut être utilisé pour valider le développement du plugin ou directement dans la session. Veuillez consulter le <1>guide de développement↗</> pour le développement de plugins.",
+    "modalDesc": "Après avoir ajouté un plugin personnalisé, il peut être utilisé pour le développement et la validation, ou directement dans les conversations. Pour le développement, veuillez consulter la <1>documentation ↗</1>.",
     "openai": {
-      "importUrl": "Importer depuis l'URL",
+      "importUrl": "Importer depuis une URL",
       "schema": "Schéma"
     },
     "preview": {
       "api": {
         "noParams": "Cet outil n'a pas de paramètres",
-        "noResults": "Aucune API correspondant aux critères de recherche trouvée",
+        "noResults": "Aucune API correspondant aux critères de recherche",
         "params": "Paramètres :",
         "searchPlaceholder": "Rechercher un outil..."
       },
-      "card": "Aperçu de l'interface du plugin",
-      "desc": "Aperçu de la description du plugin",
+      "card": "Aperçu de l'affichage du plugin",
+      "desc": "Description de l'aperçu du plugin",
       "empty": {
-        "desc": "Une fois la configuration terminée, vous pourrez prévisualiser les capacités des outils pris en charge par le plugin ici",
-        "title": "Commencez la prévisualisation après avoir configuré le plugin"
+        "desc": "Après configuration, vous pourrez prévisualiser ici les capacités des outils supportés par le plugin",
+        "title": "Commencez la prévisualisation après configuration"
       },
       "title": "Aperçu du nom du plugin"
     },
     "save": "Installer le plugin",
     "saveSuccess": "Paramètres du plugin enregistrés avec succès",
     "tabs": {
-      "manifest": "Manifeste des fonctionnalités",
+      "manifest": "Liste des fonctionnalités (Manifest)",
       "meta": "Métadonnées du plugin"
     },
     "title": {
@@ -218,21 +218,21 @@
       "edit": "Modifier un plugin personnalisé"
     },
     "type": {
-      "lobe": "Plugin LobeChat",
+      "lobe": "Plugin {{appName}}",
       "openai": "Plugin OpenAI"
     },
     "update": "Mettre à jour",
     "updateSuccess": "Paramètres du plugin mis à jour avec succès"
   },
   "error": {
-    "fetchError": "Échec de la requête vers ce lien de manifest. Veuillez vous assurer que le lien est valide et autorise les requêtes cross-origin.",
+    "fetchError": "Échec de la requête vers le lien manifest, veuillez vérifier la validité du lien et s'assurer qu'il autorise l'accès cross-origin",
     "installError": "Échec de l'installation du plugin {{name}}",
-    "manifestInvalid": "Le manifest ne respecte pas les normes. Résultat de la validation : \n\n {{error}}",
-    "noManifest": "Aucun fichier de description trouvé",
-    "openAPIInvalid": "Échec d'analyse de l'OpenAPI, erreur : \n\n {{error}}",
+    "manifestInvalid": "Le manifest ne respecte pas les normes, résultat de la validation : \n\n {{error}}",
+    "noManifest": "Fichier de description introuvable",
+    "openAPIInvalid": "Échec de l'analyse OpenAPI, erreur : \n\n {{error}}",
     "reinstallError": "Échec de la mise à jour du plugin {{name}}",
-    "testConnectionFailed": "Échec de l'obtention du Manifest : {{error}}",
-    "urlError": "Ce lien ne renvoie pas de contenu au format JSON. Veuillez vous assurer qu'il s'agit d'un lien valide."
+    "testConnectionFailed": "Échec de récupération du Manifest : {{error}}",
+    "urlError": "Le lien ne retourne pas un contenu au format JSON, veuillez vérifier qu'il s'agit d'un lien valide"
   },
   "inspector": {
     "args": "Voir la liste des paramètres",
@@ -240,38 +240,38 @@
   },
   "list": {
     "item": {
-      "deprecated.title": "Obsolète",
+      "deprecated.title": "Supprimé",
       "local.config": "Configuration",
       "local.title": "Personnalisé"
     }
   },
   "loading": {
     "content": "Appel du plugin en cours...",
-    "plugin": "Exécution du plugin en cours..."
+    "plugin": "Plugin en cours d'exécution..."
   },
   "localSystem": {
     "apiName": {
-      "listLocalFiles": "Afficher la liste des fichiers",
+      "listLocalFiles": "Voir la liste des fichiers",
       "moveLocalFiles": "Déplacer les fichiers",
       "readLocalFile": "Lire le contenu du fichier",
       "renameLocalFile": "Renommer",
       "searchLocalFiles": "Rechercher des fichiers",
-      "writeLocalFile": "Écrire dans le fichier"
+      "writeLocalFile": "Écrire dans un fichier"
     },
     "title": "Fichiers locaux"
   },
   "mcpInstall": {
     "CHECKING_INSTALLATION": "Vérification de l'environnement d'installation...",
     "COMPLETED": "Installation terminée",
-    "CONFIGURATION_REQUIRED": "Veuillez compléter la configuration requise avant de continuer l'installation",
+    "CONFIGURATION_REQUIRED": "Veuillez compléter la configuration avant de continuer l'installation",
     "ERROR": "Erreur d'installation",
-    "FETCHING_MANIFEST": "Récupération du fichier manifeste du plugin...",
+    "FETCHING_MANIFEST": "Récupération du fichier de description du plugin...",
     "GETTING_SERVER_MANIFEST": "Initialisation du serveur MCP...",
     "INSTALLING_PLUGIN": "Installation du plugin en cours...",
-    "configurationDescription": "Ce plugin MCP nécessite des paramètres de configuration pour fonctionner correctement, veuillez remplir les informations nécessaires.",
+    "configurationDescription": "Ce plugin MCP nécessite des paramètres de configuration pour fonctionner correctement, veuillez remplir les informations nécessaires",
     "configurationRequired": "Configurer les paramètres du plugin",
     "continueInstall": "Continuer l'installation",
-    "dependenciesDescription": "Ce plugin nécessite l'installation des dépendances système suivantes pour fonctionner correctement. Veuillez installer les dépendances manquantes selon les instructions, puis cliquez sur 'Re-vérifier' pour continuer l'installation.",
+    "dependenciesDescription": "Ce plugin nécessite l'installation des dépendances système suivantes pour fonctionner correctement. Veuillez installer les dépendances manquantes selon les instructions, puis cliquez sur vérifier à nouveau pour continuer l'installation.",
     "dependenciesRequired": "Veuillez installer les dépendances système du plugin",
     "dependencyStatus": {
       "installed": "Installé",
@@ -279,7 +279,7 @@
       "requiredVersion": "Version requise : {{version}}"
     },
     "errorDetails": {
-      "args": "Arguments",
+      "args": "Paramètres",
       "command": "Commande",
       "connectionParams": "Paramètres de connexion",
       "env": "Variables d'environnement",
@@ -302,44 +302,104 @@
       "manual": "Installation manuelle :",
       "recommended": "Méthode d'installation recommandée :"
     },
-    "recheckDependencies": "Re-vérifier",
+    "recheckDependencies": "Vérifier à nouveau",
     "skipDependencies": "Ignorer la vérification"
   },
   "pluginList": "Liste des plugins",
+  "protocolInstall": {
+    "actions": {
+      "install": "Installer",
+      "installAnyway": "Installer quand même",
+      "installed": "Installé"
+    },
+    "config": {
+      "args": "Paramètres",
+      "command": "Commande",
+      "env": "Variables d'environnement",
+      "headers": "En-têtes de requête",
+      "title": "Informations de configuration",
+      "type": {
+        "http": "Type : HTTP",
+        "label": "Type",
+        "stdio": "Type : Stdio"
+      },
+      "url": "Adresse du service"
+    },
+    "custom": {
+      "badge": "Plugin personnalisé",
+      "security": {
+        "description": "Ce plugin n'a pas été vérifié officiellement, son installation peut présenter des risques de sécurité ! Veuillez vous assurer de faire confiance à la source du plugin.",
+        "title": "⚠️ Avertissement de risque de sécurité"
+      },
+      "title": "Installer un plugin personnalisé"
+    },
+    "marketplace": {
+      "title": "Installer un plugin tiers",
+      "trustedBy": "Fournit par {{name}}",
+      "unverified": {
+        "title": "Plugin tiers non vérifié",
+        "warning": "Ce plugin provient d'un marché tiers non vérifié, veuillez confirmer que vous faites confiance à cette source avant l'installation."
+      },
+      "verified": "Vérifié"
+    },
+    "messages": {
+      "connectionTestFailed": "Échec du test de connexion",
+      "installError": "Échec de l'installation du plugin, veuillez réessayer",
+      "installSuccess": "Plugin {{name}} installé avec succès !",
+      "manifestError": "Échec de récupération des détails du plugin, veuillez vérifier la connexion réseau et réessayer",
+      "manifestNotFound": "Fichier de description du plugin introuvable"
+    },
+    "meta": {
+      "author": "Auteur",
+      "homepage": "Page d'accueil",
+      "identifier": "Identifiant",
+      "source": "Source",
+      "version": "Version"
+    },
+    "official": {
+      "badge": "Plugin officiel LobeHub",
+      "description": "Ce plugin est développé et maintenu officiellement par LobeHub, soumis à un audit de sécurité rigoureux, vous pouvez l'utiliser en toute confiance.",
+      "loadingMessage": "Récupération des détails du plugin en cours...",
+      "loadingTitle": "Chargement",
+      "title": "Installer un plugin officiel"
+    },
+    "title": "Installer un plugin MCP",
+    "warning": "⚠️ Veuillez confirmer que vous faites confiance à la source de ce plugin, un plugin malveillant pourrait compromettre la sécurité de votre système."
+  },
   "search": {
     "apiName": {
       "crawlMultiPages": "Lire le contenu de plusieurs pages",
       "crawlSinglePage": "Lire le contenu de la page",
-      "search": "Rechercher la page"
+      "search": "Rechercher sur la page"
     },
     "config": {
       "addKey": "Ajouter une clé",
       "close": "Supprimer",
-      "confirm": "Configuration terminée, veuillez réessayer"
+      "confirm": "Configuration terminée et réessayer"
     },
     "crawPages": {
       "crawling": "Identification des liens en cours",
       "detail": {
         "preview": "Aperçu",
         "raw": "Texte brut",
-        "tooLong": "Le contenu du texte est trop long, le contexte de la conversation ne conserve que les {{characters}} premiers caractères, la partie excédentaire n'est pas prise en compte dans le contexte de la conversation"
+        "tooLong": "Le contenu du texte est trop long, le contexte de la conversation ne conserve que les {{characters}} premiers caractères, le reste n'est pas pris en compte."
       },
       "meta": {
-        "crawler": "Mode de collecte",
+        "crawler": "Mode de capture",
         "words": "Nombre de caractères"
       }
     },
     "searchxng": {
-      "baseURL": "Veuillez entrer",
-      "description": "Veuillez entrer l'URL de SearchXNG pour commencer la recherche en ligne",
-      "keyPlaceholder": "Veuillez entrer la clé",
+      "baseURL": "Veuillez saisir",
+      "description": "Veuillez saisir l'URL de SearchXNG pour commencer la recherche en ligne",
+      "keyPlaceholder": "Veuillez saisir la clé",
       "title": "Configurer le moteur de recherche SearchXNG",
-      "unconfiguredDesc": "Veuillez contacter l'administrateur pour compléter la configuration du moteur de recherche SearchXNG afin de commencer la recherche en ligne",
-      "unconfiguredTitle": "Moteur de recherche SearchXNG non configuré"
+      "unconfiguredDesc": "Veuillez contacter l'administrateur pour configurer SearchXNG afin de commencer la recherche en ligne",
+      "unconfiguredTitle": "SearchXNG non configuré"
     },
     "title": "Recherche en ligne"
   },
-  "setting": "Paramètres des plugins",
+  "setting": "Paramètres du plugin",
   "settings": {
     "capabilities": {
       "prompts": "Invites",
@@ -359,51 +419,51 @@
     },
     "edit": "Modifier",
     "envConfigDescription": "Ces configurations seront transmises en tant que variables d'environnement au processus lors du démarrage du serveur MCP",
-    "httpTypeNotice": "Les plugins MCP de type HTTP n'ont actuellement pas de variables d'environnement à configurer",
+    "httpTypeNotice": "Les plugins MCP de type HTTP n'ont pas de variables d'environnement à configurer pour le moment",
     "indexUrl": {
       "title": "Index du marché",
-      "tooltip": "L'édition en ligne n'est pas encore prise en charge. Veuillez configurer via les variables d'environnement lors du déploiement."
+      "tooltip": "L'édition en ligne n'est pas encore supportée, veuillez configurer via les variables d'environnement lors du déploiement"
     },
     "messages": {
       "connectionUpdateFailed": "Échec de la mise à jour des informations de connexion",
-      "connectionUpdateSuccess": "Mise à jour des informations de connexion réussie",
+      "connectionUpdateSuccess": "Informations de connexion mises à jour avec succès",
       "envUpdateFailed": "Échec de l'enregistrement des variables d'environnement",
-      "envUpdateSuccess": "Enregistrement des variables d'environnement réussi"
+      "envUpdateSuccess": "Variables d'environnement enregistrées avec succès"
     },
-    "modalDesc": "Une fois l'adresse du marché des plugins configurée, vous pourrez utiliser un marché de plugins personnalisé.",
+    "modalDesc": "Après avoir configuré l'adresse du marché des plugins, vous pouvez utiliser un marché de plugins personnalisé",
     "rules": {
-      "argsRequired": "Veuillez saisir les paramètres de démarrage",
+      "argsRequired": "Veuillez saisir les arguments de démarrage",
       "commandRequired": "Veuillez saisir la commande de démarrage",
       "urlRequired": "Veuillez saisir l'adresse du service"
     },
     "saveSettings": "Enregistrer les paramètres",
-    "title": "Paramètres du marché des plugins"
+    "title": "Configurer le marché des plugins"
   },
   "showInPortal": "Veuillez consulter les détails dans l'espace de travail",
   "store": {
     "actions": {
       "cancel": "Annuler l'installation",
-      "confirmUninstall": "Vous êtes sur le point de désinstaller ce plugin. Une fois désinstallé, sa configuration sera effacée. Veuillez confirmer votre action.",
+      "confirmUninstall": "Vous êtes sur le point de désinstaller ce plugin, cela supprimera également sa configuration. Veuillez confirmer votre action.",
       "detail": "Détails",
       "install": "Installer",
       "manifest": "Modifier le fichier d'installation",
       "settings": "Paramètres",
       "uninstall": "Désinstaller"
     },
-    "communityPlugin": "Plugin communautaire",
-    "customPlugin": "Plugin personnalisé",
-    "empty": "Aucun plugin installé pour le moment",
+    "communityPlugin": "Communauté tierce",
+    "customPlugin": "Personnalisé",
+    "empty": "Aucun plugin installé",
     "emptySelectHint": "Sélectionnez un plugin pour prévisualiser les détails",
-    "installAllPlugins": "Installer tous les plugins",
-    "networkError": "Échec de la récupération de la boutique de plugins. Veuillez vérifier votre connexion réseau et réessayer.",
-    "placeholder": "Rechercher le nom ou les mots-clés de l'extension...",
+    "installAllPlugins": "Installer tout",
+    "networkError": "Échec de récupération du magasin de plugins, veuillez vérifier la connexion réseau et réessayer",
+    "placeholder": "Rechercher par nom, description ou mot-clé...",
     "releasedAt": "Publié le {{createdAt}}",
     "tabs": {
-      "installed": "Installés",
+      "installed": "Installé",
       "mcp": "Plugin MCP",
       "old": "Plugin LobeChat"
     },
-    "title": "Boutique de plugins"
+    "title": "Magasin de plugins"
   },
   "unknownError": "Erreur inconnue",
   "unknownPlugin": "Plugin inconnu"

locales/fr-FR/providers.json

@@ -2,9 +2,15 @@
   "ai21": {
     "description": "AI21 Labs construit des modèles de base et des systèmes d'intelligence artificielle pour les entreprises, accélérant l'application de l'intelligence artificielle générative en production."
   },
+  "ai302": {
+    "description": "302.AI est une plateforme d'applications d'IA à la demande, offrant l'API d'IA la plus complète du marché ainsi que des applications d'IA en ligne."
+  },
   "ai360": {
     "description": "360 AI est une plateforme de modèles et de services IA lancée par la société 360, offrant divers modèles avancés de traitement du langage naturel, y compris 360GPT2 Pro, 360GPT Pro, 360GPT Turbo et 360GPT Turbo Responsibility 8K. Ces modèles combinent de grands paramètres et des capacités multimodales, largement utilisés dans la génération de texte, la compréhension sémantique, les systèmes de dialogue et la génération de code. Grâce à une stratégie de tarification flexible, 360 AI répond à des besoins variés des utilisateurs, soutenant l'intégration des développeurs et favorisant l'innovation et le développement des applications intelligentes."
   },
+  "aihubmix": {
+    "description": "AiHubMix offre un accès à divers modèles d'IA via une interface API unifiée."
+  },
   "anthropic": {
     "description": "Anthropic est une entreprise axée sur la recherche et le développement en intelligence artificielle, offrant une gamme de modèles linguistiques avancés, tels que Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus et Claude 3 Haiku. Ces modèles atteignent un équilibre idéal entre intelligence, rapidité et coût, adaptés à divers scénarios d'application, allant des charges de travail d'entreprise aux réponses rapides. Claude 3.5 Sonnet, en tant que dernier modèle, a excellé dans plusieurs évaluations tout en maintenant un bon rapport qualité-prix."
   },

locales/fr-FR/setting.json

@@ -183,10 +183,21 @@
     "title": "Informations sur l'agent"
   },
   "settingAppearance": {
+    "animationMode": {
+      "agile": "Agile",
+      "desc": "Choisissez la vitesse d'animation des réponses des actions de l'application",
+      "disabled": "Désactivé",
+      "elegant": "Élégant",
+      "title": "Animation de réponse"
+    },
     "neutralColor": {
       "desc": "Personnalisation des nuances de gris selon les tendances de couleur",
       "title": "Couleur neutre"
     },
+    "noAnimation": {
+      "desc": "Désactive toutes les animations dans l'application",
+      "title": "Mode sans animation"
+    },
     "preview": {
       "title": "Palette de couleurs"
     },

locales/it-IT/modelProvider.json

@@ -189,6 +189,7 @@
       "aesGcm": "La tua chiave e l'indirizzo proxy saranno crittografati utilizzando l'algoritmo di crittografia <1>AES-GCM</1>",
       "apiKey": {
         "desc": "Inserisci la tua {{name}} API Key",
+        "descWithUrl": "Per favore inserisci la tua API Key di {{name}}, <3>clicca qui per ottenerla</3>",
         "placeholder": "{{name}} API Key",
         "title": "API Key"
       },
@@ -305,6 +306,7 @@
         "latestTime": "Ultimo aggiornamento: {{time}}",
         "noLatestTime": "Nessun elenco recuperato finora"
       },
+      "noModelsInCategory": "Nessun modello abilitato in questa categoria",
       "resetAll": {
         "conform": "Sei sicuro di voler ripristinare tutte le modifiche al modello corrente? Dopo il ripristino, l'elenco dei modelli correnti tornerà allo stato predefinito",
         "success": "Ripristino avvenuto con successo",
@@ -315,7 +317,15 @@
       "title": "Elenco dei modelli",
       "total": "Totale di {{count}} modelli disponibili"
     },
-    "searchNotFound": "Nessun risultato trovato"
+    "searchNotFound": "Nessun risultato trovato",
+    "tabs": {
+      "all": "Tutti",
+      "chat": "Chat",
+      "embedding": "Incorporamento",
+      "image": "Immagine",
+      "stt": "Riconoscimento vocale (ASR)",
+      "tts": "Sintesi vocale (TTS)"
+    }
   },
   "sortModal": {
     "success": "Ordinamento aggiornato con successo",