fix: delete error boudle

fix: open debuger
fix: add hydrate debug
2026-06-15 20:16:02 +00:00 · 2025-11-19 17:54:58 +08:00 · 2025-11-19 16:23:41 +08:00 · 2025-11-19 15:44:17 +08:00 · 2025-11-19 15:29:22 +08:00 · 2025-11-19 13:30:30 +08:00
1083 changed files with 54909 additions and 12674 deletions
@@ -21,6 +21,7 @@ jobs:
      (github.event_name == 'pull_request_review' && github.event.sender.type != 'Bot') ||
      (github.event_name == 'pull_request_review_comment' && github.event.sender.type != 'Bot')
    runs-on: ubuntu-latest
+    timeout-minutes: 5
    permissions:
      contents: read
      # update issues/comments
@@ -1,7 +1,7 @@
 name: Desktop PR Build

 on:
-  pull_request_target:
+  pull_request:
    types: [synchronize, labeled, unlabeled] # PR 更新或标签变化时触发

 # 确保同一 PR 同一时间只运行一个相同的 workflow，取消正在进行的旧的运行
@@ -126,6 +126,7 @@ jobs:
        run: npm run workflow:set-desktop-version ${{ needs.version.outputs.version }} nightly

      # macOS 构建处理
+      # 注意：fork 的 PR 无法访问 secrets，会构建未签名版本
      - name: Build artifact on macOS
        if: runner.os == 'macOS'
        run: npm run desktop:build
@@ -136,7 +137,7 @@ jobs:
          DATABASE_URL: "postgresql://postgres@localhost:5432/postgres"
          # 默认添加一个加密 SECRET
          KEY_VAULTS_SECRET: "oLXWIiR/AKF+rWaqy9lHkrYgzpATbW3CtJp3UfkVgpE="
-          # macOS 签名和公证配置
+          # macOS 签名和公证配置（fork 的 PR 访问不到 secrets，会跳过签名）
          CSC_LINK: ${{ secrets.APPLE_CERTIFICATE_BASE64 }}
          CSC_KEY_PASSWORD: ${{ secrets.APPLE_CERTIFICATE_PASSWORD }}
          NEXT_PUBLIC_DESKTOP_PROJECT_ID: ${{ secrets.UMAMI_NIGHTLY_DESKTOP_PROJECT_ID }}
@@ -148,7 +149,8 @@ jobs:
          APPLE_APP_SPECIFIC_PASSWORD: ${{ secrets.APPLE_APP_SPECIFIC_PASSWORD }}
          APPLE_TEAM_ID: ${{ secrets.APPLE_TEAM_ID }}

-      #  Windows 平台构建处理
+      # Windows 平台构建处理
+      # 注意：fork 的 PR 无法访问 secrets，会构建未签名版本
      - name: Build artifact on Windows
        if: runner.os == 'Windows'
        run: npm run desktop:build
@@ -275,6 +277,8 @@ jobs:
  publish-pr:
    needs: [merge-mac-files, version]
    name: Publish PR Build
+    # 只为非 fork 的 PR 发布（fork 的 PR 没有写权限）
+    if: github.event.pull_request.head.repo.full_name == github.repository
    runs-on: ubuntu-latest
    # Grant write permissions for creating release and commenting on PR
    permissions:
@@ -2,6 +2,958 @@

 # Changelog

+## [Version 2.0.0-next.86](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.85...v2.0.0-next.86)
+
+<sup>Released on **2025-11-19**</sup>
+
+#### ✨ Features
+
+- **misc**: Support user abort in the agent runtime.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Support user abort in the agent runtime, closes [#10289](https://github.com/lobehub/lobe-chat/issues/10289) ([0925069](https://github.com/lobehub/lobe-chat/commit/0925069))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.85](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.84...v2.0.0-next.85)
+
+<sup>Released on **2025-11-19**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: Slove discover pagination router.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: Slove discover pagination router, closes [#10294](https://github.com/lobehub/lobe-chat/issues/10294) ([fcda0b5](https://github.com/lobehub/lobe-chat/commit/fcda0b5))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.84](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.83...v2.0.0-next.84)
+
+<sup>Released on **2025-11-19**</sup>
+
+#### 💄 Styles
+
+- **misc**: Add Gemini 3.0 Pro Preview to Google Provider.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Add Gemini 3.0 Pro Preview to Google Provider, closes [#10290](https://github.com/lobehub/lobe-chat/issues/10290) ([25c4358](https://github.com/lobehub/lobe-chat/commit/25c4358))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.83](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.82...v2.0.0-next.83)
+
+<sup>Released on **2025-11-19**</sup>
+
+#### ✨ Features
+
+- **misc**: New API support switch Responses API mode.
+
+#### 💄 Styles
+
+- **misc**: Update i18n.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: New API support switch Responses API mode, closes [#9776](https://github.com/lobehub/lobe-chat/issues/9776) [#9916](https://github.com/lobehub/lobe-chat/issues/9916) [#9997](https://github.com/lobehub/lobe-chat/issues/9997) [#9916](https://github.com/lobehub/lobe-chat/issues/9916) ([d0ee3df](https://github.com/lobehub/lobe-chat/commit/d0ee3df))
+
+#### Styles
+
+- **misc**: Update i18n, closes [#10291](https://github.com/lobehub/lobe-chat/issues/10291) ([1c9f0d9](https://github.com/lobehub/lobe-chat/commit/1c9f0d9))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.82](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.81...v2.0.0-next.82)
+
+<sup>Released on **2025-11-18**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: Fix noisy error notification.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: Fix noisy error notification, closes [#10286](https://github.com/lobehub/lobe-chat/issues/10286) ([9ea680c](https://github.com/lobehub/lobe-chat/commit/9ea680c))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.81](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.80...v2.0.0-next.81)
+
+<sup>Released on **2025-11-18**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: Slove when logout always show loading.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: Slove when logout always show loading, closes [#10284](https://github.com/lobehub/lobe-chat/issues/10284) ([d91fb73](https://github.com/lobehub/lobe-chat/commit/d91fb73))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.80](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.79...v2.0.0-next.80)
+
+<sup>Released on **2025-11-18**</sup>
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.79](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.78...v2.0.0-next.79)
+
+<sup>Released on **2025-11-18**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: Fixed the discover page categray sider link error.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: Fixed the discover page categray sider link error, closes [#10282](https://github.com/lobehub/lobe-chat/issues/10282) ([39e8819](https://github.com/lobehub/lobe-chat/commit/39e8819))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.78](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.77...v2.0.0-next.78)
+
+<sup>Released on **2025-11-18**</sup>
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.77](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.76...v2.0.0-next.77)
+
+<sup>Released on **2025-11-18**</sup>
+
+#### ♻ Code Refactoring
+
+- **misc**: Delete /settings/newapi pages in nextjs build.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Code refactoring
+
+- **misc**: Delete /settings/newapi pages in nextjs build, closes [#10278](https://github.com/lobehub/lobe-chat/issues/10278) ([9d06753](https://github.com/lobehub/lobe-chat/commit/9d06753))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.76](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.75...v2.0.0-next.76)
+
+<sup>Released on **2025-11-18**</sup>
+
+#### ✨ Features
+
+- **misc**: Support Interleaved thinking in MiniMax.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Support Interleaved thinking in MiniMax, closes [#10255](https://github.com/lobehub/lobe-chat/issues/10255) ([13ca8e1](https://github.com/lobehub/lobe-chat/commit/13ca8e1))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.75](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.74...v2.0.0-next.75)
+
+<sup>Released on **2025-11-18**</sup>
+
+#### 💄 Styles
+
+- **misc**: Update i18n.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Update i18n, closes [#10277](https://github.com/lobehub/lobe-chat/issues/10277) ([7563b62](https://github.com/lobehub/lobe-chat/commit/7563b62))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.74](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.73...v2.0.0-next.74)
+
+<sup>Released on **2025-11-17**</sup>
+
+#### ✨ Features
+
+- **misc**: Edit local file render & intervention.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Edit local file render & intervention, closes [#10269](https://github.com/lobehub/lobe-chat/issues/10269) ([3785a71](https://github.com/lobehub/lobe-chat/commit/3785a71))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.73](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.72...v2.0.0-next.73)
+
+<sup>Released on **2025-11-17**</sup>
+
+#### ✨ Features
+
+- **misc**: Support parallel topic agent runtime.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Support parallel topic agent runtime, closes [#10273](https://github.com/lobehub/lobe-chat/issues/10273) ([02eba3c](https://github.com/lobehub/lobe-chat/commit/02eba3c))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.72](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.71...v2.0.0-next.72)
+
+<sup>Released on **2025-11-17**</sup>
+
+#### 💄 Styles
+
+- **misc**: Add model information for the Qiniu provider.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Add model information for the Qiniu provider, closes [#10270](https://github.com/lobehub/lobe-chat/issues/10270) ([06af793](https://github.com/lobehub/lobe-chat/commit/06af793))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.71](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.70...v2.0.0-next.71)
+
+<sup>Released on **2025-11-17**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: Fix desktop user panel.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: Fix desktop user panel, closes [#10272](https://github.com/lobehub/lobe-chat/issues/10272) ([6a374d2](https://github.com/lobehub/lobe-chat/commit/6a374d2))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.70](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.69...v2.0.0-next.70)
+
+<sup>Released on **2025-11-17**</sup>
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.69](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.68...v2.0.0-next.69)
+
+<sup>Released on **2025-11-17**</sup>
+
+#### ♻ Code Refactoring
+
+- **misc**: Remove `language_model_settings` and remove isDeprecatedEdition.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Code refactoring
+
+- **misc**: Remove `language_model_settings` and remove isDeprecatedEdition, closes [#10264](https://github.com/lobehub/lobe-chat/issues/10264) ([ae613c7](https://github.com/lobehub/lobe-chat/commit/ae613c7))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.68](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.67...v2.0.0-next.68)
+
+<sup>Released on **2025-11-16**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: The tool to fail execution on ollama when a message contains b….
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: The tool to fail execution on ollama when a message contains b…, closes [#10259](https://github.com/lobehub/lobe-chat/issues/10259) ([1ad8080](https://github.com/lobehub/lobe-chat/commit/1ad8080))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.67](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.66...v2.0.0-next.67)
+
+<sup>Released on **2025-11-16**</sup>
+
+#### ♻ Code Refactoring
+
+- **misc**: Refactor to virtua.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Code refactoring
+
+- **misc**: Refactor to virtua, closes [#10151](https://github.com/lobehub/lobe-chat/issues/10151) ([9ffb689](https://github.com/lobehub/lobe-chat/commit/9ffb689))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.66](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.65...v2.0.0-next.66)
+
+<sup>Released on **2025-11-16**</sup>
+
+#### ✨ Features
+
+- **misc**: Support to collapse message.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Support to collapse message, closes [#10234](https://github.com/lobehub/lobe-chat/issues/10234) ([4cd6347](https://github.com/lobehub/lobe-chat/commit/4cd6347))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.65](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.64...v2.0.0-next.65)
+
+<sup>Released on **2025-11-16**</sup>
+
+#### 💄 Styles
+
+- **misc**: Update i18n.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Update i18n, closes [#10235](https://github.com/lobehub/lobe-chat/issues/10235) ([a52c9e5](https://github.com/lobehub/lobe-chat/commit/a52c9e5))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.64](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.63...v2.0.0-next.64)
+
+<sup>Released on **2025-11-15**</sup>
+
+#### ♻ Code Refactoring
+
+- **misc**: Refactor package types.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Code refactoring
+
+- **misc**: Refactor package types, closes [#10233](https://github.com/lobehub/lobe-chat/issues/10233) ([9872409](https://github.com/lobehub/lobe-chat/commit/9872409))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.63](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.62...v2.0.0-next.63)
+
+<sup>Released on **2025-11-15**</sup>
+
+#### ✨ Features
+
+- **misc**: Show orphaned tool message and support delete tool message.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Show orphaned tool message and support delete tool message, closes [#10232](https://github.com/lobehub/lobe-chat/issues/10232) ([38cfd26](https://github.com/lobehub/lobe-chat/commit/38cfd26))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.62](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.61...v2.0.0-next.62)
+
+<sup>Released on **2025-11-15**</sup>
+
+#### 🐛 Bug Fixes
+
+- **next16**: Resolve 'Response body object should not be disturbed or locked' error.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **next16**: Resolve 'Response body object should not be disturbed or locked' error, closes [#10226](https://github.com/lobehub/lobe-chat/issues/10226) ([caa9c78](https://github.com/lobehub/lobe-chat/commit/caa9c78))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.61](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.60...v2.0.0-next.61)
+
+<sup>Released on **2025-11-15**</sup>
+
+#### 💄 Styles
+
+- **misc**: Update i18n.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Update i18n, closes [#10224](https://github.com/lobehub/lobe-chat/issues/10224) ([ca7551f](https://github.com/lobehub/lobe-chat/commit/ca7551f))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.60](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.59...v2.0.0-next.60)
+
+<sup>Released on **2025-11-14**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: Reduce threshold.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: Reduce threshold, closes [#10222](https://github.com/lobehub/lobe-chat/issues/10222) ([abdfd06](https://github.com/lobehub/lobe-chat/commit/abdfd06))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.59](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.58...v2.0.0-next.59)
+
+<sup>Released on **2025-11-14**</sup>
+
+#### 💄 Styles
+
+- **misc**: Update i18n.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Update i18n, closes [#10205](https://github.com/lobehub/lobe-chat/issues/10205) ([fc57d2a](https://github.com/lobehub/lobe-chat/commit/fc57d2a))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.58](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.57...v2.0.0-next.58)
+
+<sup>Released on **2025-11-14**</sup>
+
+#### ✨ Features
+
+- **misc**: Support DeepSeek Interleaved thinking.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Support DeepSeek Interleaved thinking, closes [#10219](https://github.com/lobehub/lobe-chat/issues/10219) ([3736a85](https://github.com/lobehub/lobe-chat/commit/3736a85))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.57](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.56...v2.0.0-next.57)
+
+<sup>Released on **2025-11-14**</sup>
+
+#### 💄 Styles
+
+- **misc**: Revert background style.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Revert background style, closes [#10218](https://github.com/lobehub/lobe-chat/issues/10218) ([97b0413](https://github.com/lobehub/lobe-chat/commit/97b0413))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.56](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.55...v2.0.0-next.56)
+
+<sup>Released on **2025-11-14**</sup>
+
+#### ✨ Features
+
+- **misc**: Add folder creation UI and clean up debug code.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Add folder creation UI and clean up debug code ([d5ecd0a](https://github.com/lobehub/lobe-chat/commit/d5ecd0a))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.55](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.54...v2.0.0-next.55)
+
+<sup>Released on **2025-11-14**</sup>
+
+#### ✨ Features
+
+- **image**: Image model show price.
+- **misc**: Create Pages in Knowledge Base.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **image**: Image model show price, closes [#10198](https://github.com/lobehub/lobe-chat/issues/10198) ([b87e0e4](https://github.com/lobehub/lobe-chat/commit/b87e0e4))
+- **misc**: Create Pages in Knowledge Base, closes [#9895](https://github.com/lobehub/lobe-chat/issues/9895) ([f46edeb](https://github.com/lobehub/lobe-chat/commit/f46edeb))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.54](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.53...v2.0.0-next.54)
+
+<sup>Released on **2025-11-14**</sup>
+
+#### 💄 Styles
+
+- **misc**: Refactor and support move locale file intervention.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Refactor and support move locale file intervention, closes [#10213](https://github.com/lobehub/lobe-chat/issues/10213) ([63cac81](https://github.com/lobehub/lobe-chat/commit/63cac81))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.53](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.52...v2.0.0-next.53)
+
+<sup>Released on **2025-11-14**</sup>
+
+#### ✨ Features
+
+- **misc**: Add GPT-5.1 models.
+
+#### 💄 Styles
+
+- **misc**: Fix approving render and improve Conversation style.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Add GPT-5.1 models, closes [#10206](https://github.com/lobehub/lobe-chat/issues/10206) ([afd3a47](https://github.com/lobehub/lobe-chat/commit/afd3a47))
+
+#### Styles
+
+- **misc**: Fix approving render and improve Conversation style, closes [#10210](https://github.com/lobehub/lobe-chat/issues/10210) ([841b7f1](https://github.com/lobehub/lobe-chat/commit/841b7f1))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.52](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.51...v2.0.0-next.52)
+
+<sup>Released on **2025-11-13**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: Filter out reasoning fields from messages in ChatCompletion API.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: Filter out reasoning fields from messages in ChatCompletion API, closes [#10203](https://github.com/lobehub/lobe-chat/issues/10203) [#10193](https://github.com/lobehub/lobe-chat/issues/10193) ([5f28b2c](https://github.com/lobehub/lobe-chat/commit/5f28b2c))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.51](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.50...v2.0.0-next.51)
+
+<sup>Released on **2025-11-13**</sup>
+
+#### 💄 Styles
+
+- **misc**: Update ERNIE-5.0-Thinking-Preview model.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### Styles
+
+- **misc**: Update ERNIE-5.0-Thinking-Preview model, closes [#10196](https://github.com/lobehub/lobe-chat/issues/10196) ([89f3eed](https://github.com/lobehub/lobe-chat/commit/89f3eed))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.50](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.49...v2.0.0-next.50)
+
+<sup>Released on **2025-11-13**</sup>
+
+#### 🐛 Bug Fixes
+
+- **misc**: Fix oidc accountId mismatch.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's fixed
+
+- **misc**: Fix oidc accountId mismatch, closes [#10058](https://github.com/lobehub/lobe-chat/issues/10058) ([0692ba7](https://github.com/lobehub/lobe-chat/commit/0692ba7))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
+## [Version 2.0.0-next.49](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.48...v2.0.0-next.49)
+
+<sup>Released on **2025-11-13**</sup>
+
+#### ✨ Features
+
+- **misc**: Support tool invention.
+
+#### 🐛 Bug Fixes
+
+- **misc**: Update lost i18n files.
+
+<br/>
+
+<details>
+<summary><kbd>Improvements and Fixes</kbd></summary>
+
+#### What's improved
+
+- **misc**: Support tool invention, closes [#10182](https://github.com/lobehub/lobe-chat/issues/10182) ([4dca708](https://github.com/lobehub/lobe-chat/commit/4dca708))
+
+#### What's fixed
+
+- **misc**: Update lost i18n files, closes [#10179](https://github.com/lobehub/lobe-chat/issues/10179) ([b69c7ff](https://github.com/lobehub/lobe-chat/commit/b69c7ff))
+
+</details>
+
+<div align="right">
+
+[![](https://img.shields.io/badge/-BACK_TO_TOP-151515?style=flat-square)](#readme-top)
+
+</div>
+
 ## [Version 2.0.0-next.48](https://github.com/lobehub/lobe-chat/compare/v2.0.0-next.47...v2.0.0-next.48)

 <sup>Released on **2025-11-12**</sup>
@@ -1,272 +0,0 @@
-## Set global build ENV
-ARG NODEJS_VERSION="24"
-
-## Base image for all building stages
-FROM node:${NODEJS_VERSION}-slim AS base
-
-ARG USE_CN_MIRROR
-
-ENV DEBIAN_FRONTEND="noninteractive"
-
-RUN \
-    # If you want to build docker in China, build with --build-arg USE_CN_MIRROR=true
-    if [ "${USE_CN_MIRROR:-false}" = "true" ]; then \
-        sed -i "s/deb.debian.org/mirrors.ustc.edu.cn/g" "/etc/apt/sources.list.d/debian.sources"; \
-    fi \
-    # Add required package
-    && apt update \
-    && apt install ca-certificates proxychains-ng -qy \
-    # Prepare required package to distroless
-    && mkdir -p /distroless/bin /distroless/etc /distroless/etc/ssl/certs /distroless/lib \
-    # Copy proxychains to distroless
-    && cp /usr/lib/$(arch)-linux-gnu/libproxychains.so.4 /distroless/lib/libproxychains.so.4 \
-    && cp /usr/lib/$(arch)-linux-gnu/libdl.so.2 /distroless/lib/libdl.so.2 \
-    && cp /usr/bin/proxychains4 /distroless/bin/proxychains \
-    && cp /etc/proxychains4.conf /distroless/etc/proxychains4.conf \
-    # Copy node to distroless
-    && cp /usr/lib/$(arch)-linux-gnu/libstdc++.so.6 /distroless/lib/libstdc++.so.6 \
-    && cp /usr/lib/$(arch)-linux-gnu/libgcc_s.so.1 /distroless/lib/libgcc_s.so.1 \
-    && cp /usr/local/bin/node /distroless/bin/node \
-    # Copy CA certificates to distroless
-    && cp /etc/ssl/certs/ca-certificates.crt /distroless/etc/ssl/certs/ca-certificates.crt \
-    # Cleanup temp files
-    && rm -rf /tmp/* /var/lib/apt/lists/* /var/tmp/*
-
-## Builder image, install all the dependencies and build the app
-FROM base AS builder
-
-ARG USE_CN_MIRROR
-ARG NEXT_PUBLIC_BASE_PATH
-ARG NEXT_PUBLIC_SENTRY_DSN
-ARG NEXT_PUBLIC_ANALYTICS_POSTHOG
-ARG NEXT_PUBLIC_POSTHOG_HOST
-ARG NEXT_PUBLIC_POSTHOG_KEY
-ARG NEXT_PUBLIC_ANALYTICS_UMAMI
-ARG NEXT_PUBLIC_UMAMI_SCRIPT_URL
-ARG NEXT_PUBLIC_UMAMI_WEBSITE_ID
-ARG FEATURE_FLAGS
-
-ENV NEXT_PUBLIC_CLIENT_DB="pglite"
-ENV NEXT_PUBLIC_BASE_PATH="${NEXT_PUBLIC_BASE_PATH}" \
-    FEATURE_FLAGS="${FEATURE_FLAGS}"
-
-# Sentry
-ENV NEXT_PUBLIC_SENTRY_DSN="${NEXT_PUBLIC_SENTRY_DSN}" \
-    SENTRY_ORG="" \
-    SENTRY_PROJECT=""
-
-ENV APP_URL="http://app.com"
-
-# Posthog
-ENV NEXT_PUBLIC_ANALYTICS_POSTHOG="${NEXT_PUBLIC_ANALYTICS_POSTHOG}" \
-    NEXT_PUBLIC_POSTHOG_HOST="${NEXT_PUBLIC_POSTHOG_HOST}" \
-    NEXT_PUBLIC_POSTHOG_KEY="${NEXT_PUBLIC_POSTHOG_KEY}"
-
-# Umami
-ENV NEXT_PUBLIC_ANALYTICS_UMAMI="${NEXT_PUBLIC_ANALYTICS_UMAMI}" \
-    NEXT_PUBLIC_UMAMI_SCRIPT_URL="${NEXT_PUBLIC_UMAMI_SCRIPT_URL}" \
-    NEXT_PUBLIC_UMAMI_WEBSITE_ID="${NEXT_PUBLIC_UMAMI_WEBSITE_ID}"
-
-# Node
-ENV NODE_OPTIONS="--max-old-space-size=6144"
-
-WORKDIR /app
-
-COPY package.json pnpm-workspace.yaml ./
-COPY .npmrc ./
-COPY packages ./packages
-
-RUN \
-    # If you want to build docker in China, build with --build-arg USE_CN_MIRROR=true
-    if [ "${USE_CN_MIRROR:-false}" = "true" ]; then \
-        export SENTRYCLI_CDNURL="https://npmmirror.com/mirrors/sentry-cli"; \
-        npm config set registry "https://registry.npmmirror.com/"; \
-        echo 'canvas_binary_host_mirror=https://npmmirror.com/mirrors/canvas' >> .npmrc; \
-    fi \
-    # Set the registry for corepack
-    && export COREPACK_NPM_REGISTRY=$(npm config get registry | sed 's/\/$//') \
-    # Update corepack to latest (nodejs/corepack#612)
-    && npm i -g corepack@latest \
-    # Enable corepack
-    && corepack enable \
-    # Use pnpm for corepack
-    && corepack use $(sed -n 's/.*"packageManager": "\(.*\)".*/\1/p' package.json) \
-    # Install the dependencies
-    && pnpm i
-
-COPY . .
-
-# run build standalone for docker version
-RUN npm run build:docker
-
-## Application image, copy all the files for production
-FROM busybox:latest AS app
-
-COPY --from=base /distroless/ /
-
-# Automatically leverage output traces to reduce image size
-# https://nextjs.org/docs/advanced-features/output-file-tracing
-COPY --from=builder /app/.next/standalone /app/
-
-# Copy server launcher
-COPY --from=builder /app/scripts/serverLauncher/startServer.js /app/startServer.js
-
-RUN \
-    # Add nextjs:nodejs to run the app
-    addgroup -S -g 1001 nodejs \
-    && adduser -D -G nodejs -H -S -h /app -u 1001 nextjs \
-    # Set permission for nextjs:nodejs
-    && chown -R nextjs:nodejs /app /etc/proxychains4.conf
-
-## Production image, copy all the files and run next
-FROM scratch
-
-# Copy all the files from app, set the correct permission for prerender cache
-COPY --from=app / /
-
-ENV NODE_ENV="production" \
-    NODE_OPTIONS="--dns-result-order=ipv4first --use-openssl-ca" \
-    NODE_EXTRA_CA_CERTS="" \
-    NODE_TLS_REJECT_UNAUTHORIZED="" \
-    SSL_CERT_FILE="/etc/ssl/certs/ca-certificates.crt"
-
-# Make the middleware rewrite through local as default
-# refs: https://github.com/lobehub/lobe-chat/issues/5876
-ENV MIDDLEWARE_REWRITE_THROUGH_LOCAL="1"
-
-# set hostname to localhost
-ENV HOSTNAME="0.0.0.0" \
-    PORT="3210"
-
-# General Variables
-ENV ACCESS_CODE="" \
-    API_KEY_SELECT_MODE="" \
-    DEFAULT_AGENT_CONFIG="" \
-    SYSTEM_AGENT="" \
-    FEATURE_FLAGS="" \
-    PROXY_URL="" \
-    ENABLE_AUTH_PROTECTION=""
-
-# Model Variables
-ENV \
-    # AI21
-    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
-    ENABLED_AWS_BEDROCK="" AWS_ACCESS_KEY_ID="" AWS_SECRET_ACCESS_KEY="" AWS_REGION="" AWS_BEDROCK_MODEL_LIST="" \
-    # Azure OpenAI
-    AZURE_API_KEY="" AZURE_API_VERSION="" AZURE_ENDPOINT="" AZURE_MODEL_LIST="" \
-    # Baichuan
-    BAICHUAN_API_KEY="" BAICHUAN_MODEL_LIST="" \
-    # Cloudflare
-    CLOUDFLARE_API_KEY="" CLOUDFLARE_BASE_URL_OR_ACCOUNT_ID="" CLOUDFLARE_MODEL_LIST="" \
-    # Cohere
-    COHERE_API_KEY="" COHERE_MODEL_LIST="" COHERE_PROXY_URL="" \
-    # ComfyUI
-    ENABLED_COMFYUI="" COMFYUI_BASE_URL="" COMFYUI_AUTH_TYPE="" \
-    COMFYUI_API_KEY="" COMFYUI_USERNAME="" COMFYUI_PASSWORD="" COMFYUI_CUSTOM_HEADERS="" \
-    # DeepSeek
-    DEEPSEEK_API_KEY="" DEEPSEEK_MODEL_LIST="" \
-    # Fireworks AI
-    FIREWORKSAI_API_KEY="" FIREWORKSAI_MODEL_LIST="" \
-    # Gitee AI
-    GITEE_AI_API_KEY="" GITEE_AI_MODEL_LIST="" \
-    # GitHub
-    GITHUB_TOKEN="" GITHUB_MODEL_LIST="" \
-    # Google
-    GOOGLE_API_KEY="" GOOGLE_MODEL_LIST="" GOOGLE_PROXY_URL="" \
-    # Groq
-    GROQ_API_KEY="" GROQ_MODEL_LIST="" GROQ_PROXY_URL="" \
-    # Higress
-    HIGRESS_API_KEY="" HIGRESS_MODEL_LIST="" HIGRESS_PROXY_URL="" \
-    # HuggingFace
-    HUGGINGFACE_API_KEY="" HUGGINGFACE_MODEL_LIST="" HUGGINGFACE_PROXY_URL="" \
-    # Hunyuan
-    HUNYUAN_API_KEY="" HUNYUAN_MODEL_LIST="" \
-    # InternLM
-    INTERNLM_API_KEY="" INTERNLM_MODEL_LIST="" \
-    # Jina
-    JINA_API_KEY="" JINA_MODEL_LIST="" JINA_PROXY_URL="" \
-    # Minimax
-    MINIMAX_API_KEY="" MINIMAX_MODEL_LIST="" \
-    # Mistral
-    MISTRAL_API_KEY="" MISTRAL_MODEL_LIST="" \
-    # ModelScope
-    MODELSCOPE_API_KEY="" MODELSCOPE_MODEL_LIST="" MODELSCOPE_PROXY_URL="" \
-    # Moonshot
-    MOONSHOT_API_KEY="" MOONSHOT_MODEL_LIST="" MOONSHOT_PROXY_URL="" \
-    # Nebius
-    NEBIUS_API_KEY="" NEBIUS_MODEL_LIST="" NEBIUS_PROXY_URL="" \
-    # NewAPI
-    NEWAPI_API_KEY="" NEWAPI_PROXY_URL="" \
-    # Novita
-    NOVITA_API_KEY="" NOVITA_MODEL_LIST="" \
-    # Nvidia NIM
-    NVIDIA_API_KEY="" NVIDIA_MODEL_LIST="" NVIDIA_PROXY_URL="" \
-    # Ollama
-    ENABLED_OLLAMA="" OLLAMA_MODEL_LIST="" OLLAMA_PROXY_URL="" \
-    # OpenAI
-    ENABLED_OPENAI="" OPENAI_API_KEY="" OPENAI_MODEL_LIST="" OPENAI_PROXY_URL="" \
-    # OpenRouter
-    OPENROUTER_API_KEY="" OPENROUTER_MODEL_LIST="" \
-    # Perplexity
-    PERPLEXITY_API_KEY="" PERPLEXITY_MODEL_LIST="" PERPLEXITY_PROXY_URL="" \
-    # Qiniu
-    QINIU_API_KEY="" QINIU_MODEL_LIST="" QINIU_PROXY_URL="" \
-    # Qwen
-    QWEN_API_KEY="" QWEN_MODEL_LIST="" QWEN_PROXY_URL="" \
-    # SambaNova
-    SAMBANOVA_API_KEY="" SAMBANOVA_MODEL_LIST="" \
-    # SenseNova
-    SENSENOVA_API_KEY="" SENSENOVA_MODEL_LIST="" \
-    # SiliconCloud
-    SILICONCLOUD_API_KEY="" SILICONCLOUD_MODEL_LIST="" SILICONCLOUD_PROXY_URL="" \
-    # Spark
-    SPARK_API_KEY="" SPARK_MODEL_LIST="" SPARK_PROXY_URL="" SPARK_SEARCH_MODE="" \
-    # Stepfun
-    STEPFUN_API_KEY="" STEPFUN_MODEL_LIST="" \
-    # Taichu
-    TAICHU_API_KEY="" TAICHU_MODEL_LIST="" \
-    # TogetherAI
-    TOGETHERAI_API_KEY="" TOGETHERAI_MODEL_LIST="" \
-    # Upstage
-    UPSTAGE_API_KEY="" UPSTAGE_MODEL_LIST="" \
-    # v0 (Vercel)
-    V0_API_KEY="" V0_MODEL_LIST="" \
-    # vLLM
-    VLLM_API_KEY="" VLLM_MODEL_LIST="" VLLM_PROXY_URL="" \
-    # Wenxin
-    WENXIN_API_KEY="" WENXIN_MODEL_LIST="" \
-    # xAI
-    XAI_API_KEY="" XAI_MODEL_LIST="" XAI_PROXY_URL="" \
-    # Xinference
-    XINFERENCE_API_KEY="" XINFERENCE_MODEL_LIST="" XINFERENCE_PROXY_URL="" \
-    # 01.AI
-    ZEROONE_API_KEY="" ZEROONE_MODEL_LIST="" \
-    # Zhipu
-    ZHIPU_API_KEY="" ZHIPU_MODEL_LIST="" \
-    # Tencent Cloud
-    TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST="" \
-    # Infini-AI
-    INFINIAI_API_KEY="" INFINIAI_MODEL_LIST="" \
-    # 302.AI
-    AI302_API_KEY="" AI302_MODEL_LIST="" \
-    # FAL
-    ENABLED_FAL="" FAL_API_KEY="" FAL_MODEL_LIST="" \
-    # BFL
-    BFL_API_KEY="" BFL_MODEL_LIST="" \
-    # Vercel AI Gateway
-    VERCELAIGATEWAY_API_KEY="" VERCELAIGATEWAY_MODEL_LIST=""
-
-USER nextjs
-
-EXPOSE 3210/tcp
-
-ENTRYPOINT ["/bin/node"]
-
-CMD ["/app/startServer.js"]
@@ -345,12 +345,12 @@ In addition, these plugins are not limited to news aggregation, but can also ext

 <!-- PLUGIN LIST -->

-| Recent Submits                                                                                                               | Description                                                                                                                               |
-| ---------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------- |
-| [Shopping tools](https://lobechat.com/discover/plugin/ShoppingTools)<br/><sup>By **shoppingtools** on **2025-10-27**</sup>   | Search for products on eBay & AliExpress, find eBay events & coupons. Get prompt examples.<br/>`shopping` `e-bay` `ali-express` `coupons` |
-| [PortfolioMeta](https://lobechat.com/discover/plugin/StockData)<br/><sup>By **portfoliometa** on **2025-09-27**</sup>        | Analyze stocks and get comprehensive real-time investment data and analytics.<br/>`stock`                                                 |
-| [Web](https://lobechat.com/discover/plugin/web)<br/><sup>By **Proghit** on **2025-01-24**</sup>                              | Smart web search that reads and analyzes pages to deliver comprehensive answers from Google results.<br/>`web` `search`                   |
-| [Bing_websearch](https://lobechat.com/discover/plugin/Bingsearch-identifier)<br/><sup>By **FineHow** on **2024-12-22**</sup> | Search for information from the internet base BingApi<br/>`bingsearch`                                                                    |
+| Recent Submits                                                                                                             | Description                                                                                                                               |
+| -------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------- |
+| [SEO](https://lobechat.com/discover/plugin/SEO)<br/><sup>By **orrenprunckun** on **2025-11-14**</sup>                      | Enter any URL and keyword and get an On-Page SEO analysis & insights!<br/>`seo`                                                           |
+| [Shopping tools](https://lobechat.com/discover/plugin/ShoppingTools)<br/><sup>By **shoppingtools** on **2025-10-27**</sup> | Search for products on eBay & AliExpress, find eBay events & coupons. Get prompt examples.<br/>`shopping` `e-bay` `ali-express` `coupons` |
+| [PortfolioMeta](https://lobechat.com/discover/plugin/StockData)<br/><sup>By **portfoliometa** on **2025-09-27**</sup>      | Analyze stocks and get comprehensive real-time investment data and analytics.<br/>`stock`                                                 |
+| [Web](https://lobechat.com/discover/plugin/web)<br/><sup>By **Proghit** on **2025-01-24**</sup>                            | Smart web search that reads and analyzes pages to deliver comprehensive answers from Google results.<br/>`web` `search`                   |

 > 📊 Total plugins: [<kbd>**42**</kbd>](https://lobechat.com/discover/plugins)

@@ -338,12 +338,12 @@ LobeChat 的插件生态系统是其核心功能的重要扩展，它极大地

 <!-- PLUGIN LIST -->

-| 最近新增                                                                                                                   | 描述                                                                                                               |
-| -------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ |
-| [购物工具](https://lobechat.com/discover/plugin/ShoppingTools)<br/><sup>By **shoppingtools** on **2025-10-27**</sup>       | 在 eBay 和 AliExpress 上搜索产品，查找 eBay 活动和优惠券。获取快速示例。<br/>`购物` `e-bay` `ali-express` `优惠券` |
-| [PortfolioMeta](https://lobechat.com/discover/plugin/StockData)<br/><sup>By **portfoliometa** on **2025-09-27**</sup>      | 分析股票并获取全面的实时投资数据和分析。<br/>`股票`                                                                |
-| [网页](https://lobechat.com/discover/plugin/web)<br/><sup>By **Proghit** on **2025-01-24**</sup>                           | 智能网页搜索，读取和分析页面，以提供来自 Google 结果的全面答案。<br/>`网页` `搜索`                                 |
-| [必应网页搜索](https://lobechat.com/discover/plugin/Bingsearch-identifier)<br/><sup>By **FineHow** on **2024-12-22**</sup> | 通过 BingApi 搜索互联网上的信息<br/>`bingsearch`                                                                   |
+| 最近新增                                                                                                              | 描述                                                                                                               |
+| --------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ |
+| [SEO](https://lobechat.com/discover/plugin/SEO)<br/><sup>By **orrenprunckun** on **2025-11-14**</sup>                 | 输入任何 URL 和关键词，获取页面 SEO 分析和见解！<br/>`seo`                                                         |
+| [购物工具](https://lobechat.com/discover/plugin/ShoppingTools)<br/><sup>By **shoppingtools** on **2025-10-27**</sup>  | 在 eBay 和 AliExpress 上搜索产品，查找 eBay 活动和优惠券。获取快速示例。<br/>`购物` `e-bay` `ali-express` `优惠券` |
+| [PortfolioMeta](https://lobechat.com/discover/plugin/StockData)<br/><sup>By **portfoliometa** on **2025-09-27**</sup> | 分析股票并获取全面的实时投资数据和分析。<br/>`股票`                                                                |
+| [网页](https://lobechat.com/discover/plugin/web)<br/><sup>By **Proghit** on **2025-01-24**</sup>                      | 智能网页搜索，读取和分析页面，以提供来自 Google 结果的全面答案。<br/>`网页` `搜索`                                 |

 > 📊 Total plugins: [<kbd>**42**</kbd>](https://lobechat.com/discover/plugins)

@@ -32,33 +32,34 @@
    "electron-updater": "^6.6.2",
    "electron-window-state": "^5.0.3",
    "fetch-socks": "^1.3.2",
-    "get-port-please": "^3.1.2",
+    "get-port-please": "^3.2.0",
    "pdfjs-dist": "4.10.38"
  },
  "devDependencies": {
    "@electron-toolkit/eslint-config-prettier": "^3.0.0",
-    "@electron-toolkit/eslint-config-ts": "^3.0.0",
-    "@electron-toolkit/preload": "^3.0.1",
+    "@electron-toolkit/eslint-config-ts": "^3.1.0",
+    "@electron-toolkit/preload": "^3.0.2",
    "@electron-toolkit/tsconfig": "^2.0.0",
    "@electron-toolkit/utils": "^4.0.0",
    "@lobechat/electron-client-ipc": "workspace:*",
    "@lobechat/electron-server-ipc": "workspace:*",
    "@lobechat/file-loaders": "workspace:*",
-    "@lobehub/i18n-cli": "^1.20.3",
-    "@types/lodash": "^4.17.0",
+    "@lobehub/i18n-cli": "^1.25.1",
+    "@types/lodash": "^4.17.20",
    "@types/resolve": "^1.20.6",
-    "@types/semver": "^7.7.0",
+    "@types/semver": "^7.7.1",
    "@types/set-cookie-parser": "^2.4.10",
    "@typescript/native-preview": "7.0.0-dev.20250711.1",
-    "consola": "^3.1.0",
+    "consola": "^3.4.2",
    "cookie": "^1.0.2",
-    "electron": "^39.1.0",
+    "diff": "^8.0.2",
+    "electron": "^38.7.0",
    "electron-builder": "^26.0.12",
    "electron-is": "^3.0.0",
-    "electron-log": "^5.3.3",
+    "electron-log": "^5.4.3",
    "electron-store": "^8.2.0",
-    "electron-vite": "^3.0.0",
-    "execa": "^9.5.2",
+    "electron-vite": "^3.1.0",
+    "execa": "^9.6.0",
    "fast-glob": "^3.3.3",
    "fix-path": "^5.0.0",
    "http-proxy-agent": "^7.0.2",
@@ -66,13 +67,13 @@
    "just-diff": "^6.0.2",
    "lodash": "^4.17.21",
    "lodash-es": "^4.17.21",
-    "resolve": "^1.22.8",
-    "semver": "^7.5.4",
-    "set-cookie-parser": "^2.7.1",
-    "tsx": "^4.19.3",
-    "typescript": "^5.7.3",
-    "undici": "^7.9.0",
-    "vite": "^6.3.5",
+    "resolve": "^1.22.11",
+    "semver": "^7.7.3",
+    "set-cookie-parser": "^2.7.2",
+    "tsx": "^4.20.6",
+    "typescript": "^5.9.3",
+    "undici": "^7.16.0",
+    "vite": "^6.4.1",
    "vitest": "^3.2.4"
  },
  "pnpm": {
@@ -18,6 +18,7 @@ import {
  WriteLocalFileParams,
 } from '@lobechat/electron-client-ipc';
 import { SYSTEM_FILES_TO_IGNORE, loadFile } from '@lobechat/file-loaders';
+import { createPatch } from 'diff';
 import { shell } from 'electron';
 import fg from 'fast-glob';
 import { Stats, constants } from 'node:fs';
@@ -94,26 +95,45 @@ export default class LocalFileCtr extends ControllerModule {
  }

  @ipcClientEvent('readLocalFile')
-  async readFile({ path: filePath, loc }: LocalReadFileParams): Promise<LocalReadFileResult> {
-    const effectiveLoc = loc ?? [0, 200];
-    logger.debug('Starting to read file:', { filePath, loc: effectiveLoc });
+  async readFile({
+    path: filePath,
+    loc,
+    fullContent,
+  }: LocalReadFileParams): Promise<LocalReadFileResult> {
+    const effectiveLoc = fullContent ? undefined : (loc ?? [0, 200]);
+    logger.debug('Starting to read file:', { filePath, fullContent, loc: effectiveLoc });

    try {
      const fileDocument = await loadFile(filePath);

-      const [startLine, endLine] = effectiveLoc;
      const lines = fileDocument.content.split('\n');
      const totalLineCount = lines.length;
      const totalCharCount = fileDocument.content.length;

-      // Adjust slice indices to be 0-based and inclusive/exclusive
-      const selectedLines = lines.slice(startLine, endLine);
-      const content = selectedLines.join('\n');
-      const charCount = content.length;
-      const lineCount = selectedLines.length;
+      let content: string;
+      let charCount: number;
+      let lineCount: number;
+      let actualLoc: [number, number];
+
+      if (effectiveLoc === undefined) {
+        // Return full content
+        content = fileDocument.content;
+        charCount = totalCharCount;
+        lineCount = totalLineCount;
+        actualLoc = [0, totalLineCount];
+      } else {
+        // Return specified range
+        const [startLine, endLine] = effectiveLoc;
+        const selectedLines = lines.slice(startLine, endLine);
+        content = selectedLines.join('\n');
+        charCount = content.length;
+        lineCount = selectedLines.length;
+        actualLoc = effectiveLoc;
+      }

      logger.debug('File read successfully:', {
        filePath,
+        fullContent,
        selectedLineCount: lineCount,
        totalCharCount,
        totalLineCount,
@@ -128,7 +148,7 @@ export default class LocalFileCtr extends ControllerModule {
        fileType: fileDocument.fileType,
        filename: fileDocument.filename,
        lineCount,
-        loc: effectiveLoc,
+        loc: actualLoc,
        // Line count for the selected range
        modifiedTime: fileDocument.modifiedTime,

@@ -467,15 +487,35 @@ export default class LocalFileCtr extends ControllerModule {
   */
  @ipcClientEvent('searchLocalFiles')
  async handleLocalFilesSearch(params: LocalSearchFilesParams): Promise<FileResult[]> {
-    logger.debug('Received file search request:', { keywords: params.keywords });
+    logger.debug('Received file search request:', {
+      directory: params.directory,
+      keywords: params.keywords,
+    });

-    const options: Omit<SearchOptions, 'keywords'> = {
-      limit: 30,
+    // Build search options from params, mapping directory to onlyIn
+    const options: SearchOptions = {
+      contentContains: params.contentContains,
+      createdAfter: params.createdAfter ? new Date(params.createdAfter) : undefined,
+      createdBefore: params.createdBefore ? new Date(params.createdBefore) : undefined,
+      detailed: params.detailed,
+      exclude: params.exclude,
+      fileTypes: params.fileTypes,
+      keywords: params.keywords,
+      limit: params.limit || 30,
+      liveUpdate: params.liveUpdate,
+      modifiedAfter: params.modifiedAfter ? new Date(params.modifiedAfter) : undefined,
+      modifiedBefore: params.modifiedBefore ? new Date(params.modifiedBefore) : undefined,
+      onlyIn: params.directory, // Map directory param to onlyIn option
+      sortBy: params.sortBy,
+      sortDirection: params.sortDirection,
    };

    try {
-      const results = await this.searchService.search(params.keywords, options);
-      logger.debug('File search completed', { count: results.length });
+      const results = await this.searchService.search(options.keywords, options);
+      logger.debug('File search completed', {
+        count: results.length,
+        directory: params.directory,
+      });
      return results;
    } catch (error) {
      logger.error('File search failed:', error);
@@ -691,8 +731,32 @@ export default class LocalFileCtr extends ControllerModule {
      // Write back to file
      await writeFile(filePath, newContent, 'utf8');

-      logger.info(`${logPrefix} File edited successfully`, { replacements });
+      // Generate diff for UI display
+      const patch = createPatch(filePath, content, newContent, '', '');
+      const diffText = `diff --git a${filePath} b${filePath}\n${patch}`;
+
+      // Calculate lines added and deleted from patch
+      const patchLines = patch.split('\n');
+      let linesAdded = 0;
+      let linesDeleted = 0;
+
+      for (const line of patchLines) {
+        if (line.startsWith('+') && !line.startsWith('+++')) {
+          linesAdded++;
+        } else if (line.startsWith('-') && !line.startsWith('---')) {
+          linesDeleted++;
+        }
+      }
+
+      logger.info(`${logPrefix} File edited successfully`, {
+        linesAdded,
+        linesDeleted,
+        replacements,
+      });
      return {
+        diffText,
+        linesAdded,
+        linesDeleted,
        replacements,
        success: true,
      };
@@ -0,0 +1,242 @@
+import {
+  GetCommandOutputParams,
+  GetCommandOutputResult,
+  KillCommandParams,
+  KillCommandResult,
+  RunCommandParams,
+  RunCommandResult,
+} from '@lobechat/electron-client-ipc';
+import { ChildProcess, spawn } from 'node:child_process';
+import { randomUUID } from 'node:crypto';
+
+import { createLogger } from '@/utils/logger';
+
+import { ControllerModule, ipcClientEvent } from './index';
+
+const logger = createLogger('controllers:ShellCommandCtr');
+
+interface ShellProcess {
+  lastReadStderr: number;
+  lastReadStdout: number;
+  process: ChildProcess;
+  stderr: string[];
+  stdout: string[];
+}
+
+export default class ShellCommandCtr extends ControllerModule {
+  // Shell process management
+  private shellProcesses = new Map<string, ShellProcess>();
+
+  @ipcClientEvent('runCommand')
+  async handleRunCommand({
+    command,
+    description,
+    run_in_background,
+    timeout = 120_000,
+  }: RunCommandParams): Promise<RunCommandResult> {
+    const logPrefix = `[runCommand: ${description || command.slice(0, 50)}]`;
+    logger.debug(`${logPrefix} Starting command execution`, {
+      background: run_in_background,
+      timeout,
+    });
+
+    // Validate timeout
+    const effectiveTimeout = Math.min(Math.max(timeout, 1000), 600_000);
+
+    // Cross-platform shell selection
+    const shellConfig =
+      process.platform === 'win32'
+        ? { args: ['/c', command], cmd: 'cmd.exe' }
+        : { args: ['-c', command], cmd: '/bin/sh' };
+
+    try {
+      if (run_in_background) {
+        // Background execution
+        const shellId = randomUUID();
+        const childProcess = spawn(shellConfig.cmd, shellConfig.args, {
+          env: process.env,
+          shell: false,
+        });
+
+        const shellProcess: ShellProcess = {
+          lastReadStderr: 0,
+          lastReadStdout: 0,
+          process: childProcess,
+          stderr: [],
+          stdout: [],
+        };
+
+        // Capture output
+        childProcess.stdout?.on('data', (data) => {
+          shellProcess.stdout.push(data.toString());
+        });
+
+        childProcess.stderr?.on('data', (data) => {
+          shellProcess.stderr.push(data.toString());
+        });
+
+        childProcess.on('exit', (code) => {
+          logger.debug(`${logPrefix} Background process exited`, { code, shellId });
+        });
+
+        this.shellProcesses.set(shellId, shellProcess);
+
+        logger.info(`${logPrefix} Started background execution`, { shellId });
+        return {
+          shell_id: shellId,
+          success: true,
+        };
+      } else {
+        // Synchronous execution with timeout
+        return new Promise((resolve) => {
+          const childProcess = spawn(shellConfig.cmd, shellConfig.args, {
+            env: process.env,
+            shell: false,
+          });
+
+          let stdout = '';
+          let stderr = '';
+          let killed = false;
+
+          const timeoutHandle = setTimeout(() => {
+            killed = true;
+            childProcess.kill();
+            resolve({
+              error: `Command timed out after ${effectiveTimeout}ms`,
+              stderr,
+              stdout,
+              success: false,
+            });
+          }, effectiveTimeout);
+
+          childProcess.stdout?.on('data', (data) => {
+            stdout += data.toString();
+          });
+
+          childProcess.stderr?.on('data', (data) => {
+            stderr += data.toString();
+          });
+
+          childProcess.on('exit', (code) => {
+            if (!killed) {
+              clearTimeout(timeoutHandle);
+              const success = code === 0;
+              logger.info(`${logPrefix} Command completed`, { code, success });
+              resolve({
+                exit_code: code || 0,
+                output: stdout + stderr,
+                stderr,
+                stdout,
+                success,
+              });
+            }
+          });
+
+          childProcess.on('error', (error) => {
+            clearTimeout(timeoutHandle);
+            logger.error(`${logPrefix} Command failed:`, error);
+            resolve({
+              error: error.message,
+              stderr,
+              stdout,
+              success: false,
+            });
+          });
+        });
+      }
+    } catch (error) {
+      logger.error(`${logPrefix} Failed to execute command:`, error);
+      return {
+        error: (error as Error).message,
+        success: false,
+      };
+    }
+  }
+
+  @ipcClientEvent('getCommandOutput')
+  async handleGetCommandOutput({
+    filter,
+    shell_id,
+  }: GetCommandOutputParams): Promise<GetCommandOutputResult> {
+    const logPrefix = `[getCommandOutput: ${shell_id}]`;
+    logger.debug(`${logPrefix} Retrieving output`);
+
+    const shellProcess = this.shellProcesses.get(shell_id);
+    if (!shellProcess) {
+      logger.error(`${logPrefix} Shell process not found`);
+      return {
+        error: `Shell ID ${shell_id} not found`,
+        output: '',
+        running: false,
+        stderr: '',
+        stdout: '',
+        success: false,
+      };
+    }
+
+    const { lastReadStderr, lastReadStdout, process: childProcess, stderr, stdout } = shellProcess;
+
+    // Get new output since last read
+    const newStdout = stdout.slice(lastReadStdout).join('');
+    const newStderr = stderr.slice(lastReadStderr).join('');
+    let output = newStdout + newStderr;
+
+    // Apply filter if provided
+    if (filter) {
+      try {
+        const regex = new RegExp(filter, 'gm');
+        const lines = output.split('\n');
+        output = lines.filter((line) => regex.test(line)).join('\n');
+      } catch (error) {
+        logger.error(`${logPrefix} Invalid filter regex:`, error);
+      }
+    }
+
+    // Update last read positions separately
+    shellProcess.lastReadStdout = stdout.length;
+    shellProcess.lastReadStderr = stderr.length;
+
+    const running = childProcess.exitCode === null;
+
+    logger.debug(`${logPrefix} Output retrieved`, {
+      outputLength: output.length,
+      running,
+    });
+
+    return {
+      output,
+      running,
+      stderr: newStderr,
+      stdout: newStdout,
+      success: true,
+    };
+  }
+
+  @ipcClientEvent('killCommand')
+  async handleKillCommand({ shell_id }: KillCommandParams): Promise<KillCommandResult> {
+    const logPrefix = `[killCommand: ${shell_id}]`;
+    logger.debug(`${logPrefix} Attempting to kill shell`);
+
+    const shellProcess = this.shellProcesses.get(shell_id);
+    if (!shellProcess) {
+      logger.error(`${logPrefix} Shell process not found`);
+      return {
+        error: `Shell ID ${shell_id} not found`,
+        success: false,
+      };
+    }
+
+    try {
+      shellProcess.process.kill();
+      this.shellProcesses.delete(shell_id);
+      logger.info(`${logPrefix} Shell killed successfully`);
+      return { success: true };
+    } catch (error) {
+      logger.error(`${logPrefix} Failed to kill shell:`, error);
+      return {
+        error: (error as Error).message,
+        success: false,
+      };
+    }
+  }
+}
@@ -183,6 +183,26 @@ describe('LocalFileCtr', () => {
      expect(result.totalLineCount).toBe(5);
    });

+    it('should read full file content when fullContent is true', async () => {
+      const mockFileContent = 'line1\nline2\nline3\nline4\nline5';
+      vi.mocked(mockLoadFile).mockResolvedValue({
+        content: mockFileContent,
+        filename: 'test.txt',
+        fileType: 'txt',
+        createdTime: new Date('2024-01-01'),
+        modifiedTime: new Date('2024-01-02'),
+      });
+
+      const result = await localFileCtr.readFile({ path: '/test/file.txt', fullContent: true });
+
+      expect(result.content).toBe(mockFileContent);
+      expect(result.lineCount).toBe(5);
+      expect(result.charCount).toBe(mockFileContent.length);
+      expect(result.totalLineCount).toBe(5);
+      expect(result.totalCharCount).toBe(mockFileContent.length);
+      expect(result.loc).toEqual([0, 5]);
+    });
+
    it('should handle file read error', async () => {
      vi.mocked(mockLoadFile).mockRejectedValue(new Error('File not found'));

@@ -345,7 +365,10 @@ describe('LocalFileCtr', () => {
      const result = await localFileCtr.handleLocalFilesSearch({ keywords: 'test' });

      expect(result).toEqual(mockResults);
-      expect(mockSearchService.search).toHaveBeenCalledWith('test', { limit: 30 });
+      expect(mockSearchService.search).toHaveBeenCalledWith('test', {
+        keywords: 'test',
+        limit: 30,
+      });
    });

    it('should return empty array on search error', async () => {
@@ -389,4 +412,137 @@ describe('LocalFileCtr', () => {
      });
    });
  });
+
+  describe('handleEditFile', () => {
+    it('should replace first occurrence successfully', async () => {
+      const originalContent = 'Hello world\nHello again\nGoodbye world';
+      vi.mocked(mockFsPromises.readFile).mockResolvedValue(originalContent);
+      vi.mocked(mockFsPromises.writeFile).mockResolvedValue(undefined);
+
+      const result = await localFileCtr.handleEditFile({
+        file_path: '/test/file.txt',
+        old_string: 'Hello',
+        new_string: 'Hi',
+        replace_all: false,
+      });
+
+      expect(result.success).toBe(true);
+      expect(result.replacements).toBe(1);
+      expect(result.linesAdded).toBe(1);
+      expect(result.linesDeleted).toBe(1);
+      expect(result.diffText).toContain('diff --git a/test/file.txt b/test/file.txt');
+      expect(mockFsPromises.writeFile).toHaveBeenCalledWith(
+        '/test/file.txt',
+        'Hi world\nHello again\nGoodbye world',
+        'utf8',
+      );
+    });
+
+    it('should replace all occurrences when replace_all is true', async () => {
+      const originalContent = 'Hello world\nHello again\nHello there';
+      vi.mocked(mockFsPromises.readFile).mockResolvedValue(originalContent);
+      vi.mocked(mockFsPromises.writeFile).mockResolvedValue(undefined);
+
+      const result = await localFileCtr.handleEditFile({
+        file_path: '/test/file.txt',
+        old_string: 'Hello',
+        new_string: 'Hi',
+        replace_all: true,
+      });
+
+      expect(result.success).toBe(true);
+      expect(result.replacements).toBe(3);
+      expect(result.linesAdded).toBe(3);
+      expect(result.linesDeleted).toBe(3);
+      expect(mockFsPromises.writeFile).toHaveBeenCalledWith(
+        '/test/file.txt',
+        'Hi world\nHi again\nHi there',
+        'utf8',
+      );
+    });
+
+    it('should handle multiline replacement correctly', async () => {
+      const originalContent = 'function test() {\n  console.log("old");\n}';
+      vi.mocked(mockFsPromises.readFile).mockResolvedValue(originalContent);
+      vi.mocked(mockFsPromises.writeFile).mockResolvedValue(undefined);
+
+      const result = await localFileCtr.handleEditFile({
+        file_path: '/test/file.js',
+        old_string: 'console.log("old");',
+        new_string: 'console.log("new");\n  console.log("added");',
+        replace_all: false,
+      });
+
+      expect(result.success).toBe(true);
+      expect(result.replacements).toBe(1);
+      expect(result.linesAdded).toBe(2);
+      expect(result.linesDeleted).toBe(1);
+    });
+
+    it('should return error when old_string is not found', async () => {
+      const originalContent = 'Hello world';
+      vi.mocked(mockFsPromises.readFile).mockResolvedValue(originalContent);
+
+      const result = await localFileCtr.handleEditFile({
+        file_path: '/test/file.txt',
+        old_string: 'NonExistent',
+        new_string: 'New',
+        replace_all: false,
+      });
+
+      expect(result.success).toBe(false);
+      expect(result.error).toBe('The specified old_string was not found in the file');
+      expect(result.replacements).toBe(0);
+      expect(mockFsPromises.writeFile).not.toHaveBeenCalled();
+    });
+
+    it('should handle file read error', async () => {
+      vi.mocked(mockFsPromises.readFile).mockRejectedValue(new Error('Permission denied'));
+
+      const result = await localFileCtr.handleEditFile({
+        file_path: '/test/file.txt',
+        old_string: 'Hello',
+        new_string: 'Hi',
+        replace_all: false,
+      });
+
+      expect(result.success).toBe(false);
+      expect(result.error).toBe('Permission denied');
+      expect(result.replacements).toBe(0);
+    });
+
+    it('should handle file write error', async () => {
+      const originalContent = 'Hello world';
+      vi.mocked(mockFsPromises.readFile).mockResolvedValue(originalContent);
+      vi.mocked(mockFsPromises.writeFile).mockRejectedValue(new Error('Disk full'));
+
+      const result = await localFileCtr.handleEditFile({
+        file_path: '/test/file.txt',
+        old_string: 'Hello',
+        new_string: 'Hi',
+        replace_all: false,
+      });
+
+      expect(result.success).toBe(false);
+      expect(result.error).toBe('Disk full');
+    });
+
+    it('should generate correct diff format', async () => {
+      const originalContent = 'line 1\nline 2\nline 3';
+      vi.mocked(mockFsPromises.readFile).mockResolvedValue(originalContent);
+      vi.mocked(mockFsPromises.writeFile).mockResolvedValue(undefined);
+
+      const result = await localFileCtr.handleEditFile({
+        file_path: '/test/file.txt',
+        old_string: 'line 2',
+        new_string: 'modified line 2',
+        replace_all: false,
+      });
+
+      expect(result.success).toBe(true);
+      expect(result.diffText).toContain('diff --git a/test/file.txt b/test/file.txt');
+      expect(result.diffText).toContain('-line 2');
+      expect(result.diffText).toContain('+modified line 2');
+    });
+  });
 });
@@ -0,0 +1,499 @@
+import { beforeEach, describe, expect, it, vi } from 'vitest';
+
+import type { App } from '@/core/App';
+
+import ShellCommandCtr from '../ShellCommandCtr';
+
+// Mock logger
+vi.mock('@/utils/logger', () => ({
+  createLogger: () => ({
+    debug: vi.fn(),
+    info: vi.fn(),
+    warn: vi.fn(),
+    error: vi.fn(),
+  }),
+}));
+
+// Mock child_process
+vi.mock('node:child_process', () => ({
+  spawn: vi.fn(),
+}));
+
+// Mock crypto
+vi.mock('node:crypto', () => ({
+  randomUUID: vi.fn(() => 'test-uuid-123'),
+}));
+
+const mockApp = {} as unknown as App;
+
+describe('ShellCommandCtr', () => {
+  let shellCommandCtr: ShellCommandCtr;
+  let mockSpawn: any;
+  let mockChildProcess: any;
+
+  beforeEach(async () => {
+    vi.clearAllMocks();
+
+    // Import mocks
+    const childProcessModule = await import('node:child_process');
+    mockSpawn = vi.mocked(childProcessModule.spawn);
+
+    // Create mock child process
+    mockChildProcess = {
+      stdout: {
+        on: vi.fn(),
+      },
+      stderr: {
+        on: vi.fn(),
+      },
+      on: vi.fn(),
+      kill: vi.fn(),
+      exitCode: null,
+    };
+
+    mockSpawn.mockReturnValue(mockChildProcess);
+
+    shellCommandCtr = new ShellCommandCtr(mockApp);
+  });
+
+  describe('handleRunCommand', () => {
+    describe('synchronous mode', () => {
+      it('should execute command successfully', async () => {
+        let exitCallback: (code: number) => void;
+        let stdoutCallback: (data: Buffer) => void;
+
+        mockChildProcess.on.mockImplementation((event: string, callback: any) => {
+          if (event === 'exit') {
+            exitCallback = callback;
+            // Simulate successful exit
+            setTimeout(() => exitCallback(0), 10);
+          }
+          return mockChildProcess;
+        });
+
+        mockChildProcess.stdout.on.mockImplementation((event: string, callback: any) => {
+          if (event === 'data') {
+            stdoutCallback = callback;
+            // Simulate output
+            setTimeout(() => stdoutCallback(Buffer.from('test output\n')), 5);
+          }
+          return mockChildProcess.stdout;
+        });
+
+        mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+        const result = await shellCommandCtr.handleRunCommand({
+          command: 'echo "test"',
+          description: 'test command',
+        });
+
+        expect(result.success).toBe(true);
+        expect(result.stdout).toBe('test output\n');
+        expect(result.exit_code).toBe(0);
+      });
+
+      it('should handle command timeout', async () => {
+        mockChildProcess.on.mockImplementation(() => mockChildProcess);
+        mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+        mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+        const result = await shellCommandCtr.handleRunCommand({
+          command: 'sleep 10',
+          description: 'long running command',
+          timeout: 100,
+        });
+
+        expect(result.success).toBe(false);
+        expect(result.error).toContain('timed out');
+        expect(mockChildProcess.kill).toHaveBeenCalled();
+      });
+
+      it('should handle command execution error', async () => {
+        let errorCallback: (error: Error) => void;
+
+        mockChildProcess.on.mockImplementation((event: string, callback: any) => {
+          if (event === 'error') {
+            errorCallback = callback;
+            setTimeout(() => errorCallback(new Error('Command not found')), 10);
+          }
+          return mockChildProcess;
+        });
+
+        mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+        mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+        const result = await shellCommandCtr.handleRunCommand({
+          command: 'invalid-command',
+          description: 'invalid command',
+        });
+
+        expect(result.success).toBe(false);
+        expect(result.error).toBe('Command not found');
+      });
+
+      it('should handle non-zero exit code', async () => {
+        let exitCallback: (code: number) => void;
+
+        mockChildProcess.on.mockImplementation((event: string, callback: any) => {
+          if (event === 'exit') {
+            exitCallback = callback;
+            setTimeout(() => exitCallback(1), 10);
+          }
+          return mockChildProcess;
+        });
+
+        mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+        mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+        const result = await shellCommandCtr.handleRunCommand({
+          command: 'exit 1',
+          description: 'failing command',
+        });
+
+        expect(result.success).toBe(false);
+        expect(result.exit_code).toBe(1);
+      });
+
+      it('should capture stderr output', async () => {
+        let exitCallback: (code: number) => void;
+        let stderrCallback: (data: Buffer) => void;
+
+        mockChildProcess.on.mockImplementation((event: string, callback: any) => {
+          if (event === 'exit') {
+            exitCallback = callback;
+            setTimeout(() => exitCallback(1), 10);
+          }
+          return mockChildProcess;
+        });
+
+        mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+        mockChildProcess.stderr.on.mockImplementation((event: string, callback: any) => {
+          if (event === 'data') {
+            stderrCallback = callback;
+            setTimeout(() => stderrCallback(Buffer.from('error message\n')), 5);
+          }
+          return mockChildProcess.stderr;
+        });
+
+        const result = await shellCommandCtr.handleRunCommand({
+          command: 'command-with-error',
+          description: 'command with stderr',
+        });
+
+        expect(result.stderr).toBe('error message\n');
+      });
+
+      it('should enforce timeout limits', async () => {
+        mockChildProcess.on.mockImplementation(() => mockChildProcess);
+        mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+        mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+        // Test minimum timeout
+        const minResult = await shellCommandCtr.handleRunCommand({
+          command: 'sleep 5',
+          timeout: 500, // Below 1000ms minimum
+        });
+
+        expect(minResult.success).toBe(false);
+        expect(minResult.error).toContain('1000ms'); // Should use 1000ms minimum
+      });
+    });
+
+    describe('background mode', () => {
+      it('should start command in background', async () => {
+        mockChildProcess.on.mockImplementation(() => mockChildProcess);
+        mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+        mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+        const result = await shellCommandCtr.handleRunCommand({
+          command: 'long-running-task',
+          description: 'background task',
+          run_in_background: true,
+        });
+
+        expect(result.success).toBe(true);
+        expect(result.shell_id).toBe('test-uuid-123');
+      });
+
+      it('should use correct shell on Windows', async () => {
+        const originalPlatform = process.platform;
+        Object.defineProperty(process, 'platform', { value: 'win32' });
+
+        mockChildProcess.on.mockImplementation(() => mockChildProcess);
+        mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+        mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+        await shellCommandCtr.handleRunCommand({
+          command: 'dir',
+          description: 'windows command',
+          run_in_background: true,
+        });
+
+        expect(mockSpawn).toHaveBeenCalledWith('cmd.exe', ['/c', 'dir'], expect.any(Object));
+
+        Object.defineProperty(process, 'platform', { value: originalPlatform });
+      });
+
+      it('should use correct shell on Unix', async () => {
+        const originalPlatform = process.platform;
+        Object.defineProperty(process, 'platform', { value: 'darwin' });
+
+        mockChildProcess.on.mockImplementation(() => mockChildProcess);
+        mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+        mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+        await shellCommandCtr.handleRunCommand({
+          command: 'ls',
+          description: 'unix command',
+          run_in_background: true,
+        });
+
+        expect(mockSpawn).toHaveBeenCalledWith('/bin/sh', ['-c', 'ls'], expect.any(Object));
+
+        Object.defineProperty(process, 'platform', { value: originalPlatform });
+      });
+    });
+  });
+
+  describe('handleGetCommandOutput', () => {
+    beforeEach(async () => {
+      mockChildProcess.on.mockImplementation(() => mockChildProcess);
+      mockChildProcess.stdout.on.mockImplementation((event: string, callback: any) => {
+        if (event === 'data') {
+          // Simulate some output
+          setTimeout(() => callback(Buffer.from('line 1\n')), 5);
+          setTimeout(() => callback(Buffer.from('line 2\n')), 10);
+        }
+        return mockChildProcess.stdout;
+      });
+      mockChildProcess.stderr.on.mockImplementation((event: string, callback: any) => {
+        if (event === 'data') {
+          setTimeout(() => callback(Buffer.from('error line\n')), 7);
+        }
+        return mockChildProcess.stderr;
+      });
+
+      // Start a background process first
+      await shellCommandCtr.handleRunCommand({
+        command: 'test-command',
+        run_in_background: true,
+      });
+    });
+
+    it('should retrieve command output', async () => {
+      // Wait for output to be captured
+      await new Promise((resolve) => setTimeout(resolve, 20));
+
+      const result = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+
+      expect(result.success).toBe(true);
+      expect(result.stdout).toContain('line 1');
+      expect(result.stderr).toContain('error line');
+    });
+
+    it('should return error for non-existent shell_id', async () => {
+      const result = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'non-existent-id',
+      });
+
+      expect(result.success).toBe(false);
+      expect(result.error).toContain('not found');
+    });
+
+    it('should filter output with regex', async () => {
+      // Wait for output to be captured
+      await new Promise((resolve) => setTimeout(resolve, 20));
+
+      const result = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+        filter: 'line 1',
+      });
+
+      expect(result.success).toBe(true);
+      expect(result.output).toContain('line 1');
+      expect(result.output).not.toContain('line 2');
+    });
+
+    it('should only return new output since last read', async () => {
+      // Wait for initial output
+      await new Promise((resolve) => setTimeout(resolve, 20));
+
+      // First read
+      const firstResult = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+
+      expect(firstResult.stdout).toContain('line 1');
+
+      // Second read should return empty (no new output)
+      const secondResult = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+
+      expect(secondResult.stdout).toBe('');
+      expect(secondResult.stderr).toBe('');
+    });
+
+    it('should handle invalid regex filter gracefully', async () => {
+      await new Promise((resolve) => setTimeout(resolve, 20));
+
+      const result = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+        filter: '[invalid(regex',
+      });
+
+      expect(result.success).toBe(true);
+      // Should return unfiltered output when filter is invalid
+    });
+
+    it('should report running status correctly', async () => {
+      mockChildProcess.exitCode = null;
+
+      const runningResult = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+
+      expect(runningResult.running).toBe(true);
+
+      // Simulate process exit
+      mockChildProcess.exitCode = 0;
+
+      const exitedResult = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+
+      expect(exitedResult.running).toBe(false);
+    });
+
+    it('should track stdout and stderr offsets separately when streaming output', async () => {
+      // Create a new background process with manual control over stdout/stderr
+      let stdoutCallback: (data: Buffer) => void;
+      let stderrCallback: (data: Buffer) => void;
+
+      mockChildProcess.stdout.on.mockImplementation((event: string, callback: any) => {
+        if (event === 'data') {
+          stdoutCallback = callback;
+        }
+        return mockChildProcess.stdout;
+      });
+
+      mockChildProcess.stderr.on.mockImplementation((event: string, callback: any) => {
+        if (event === 'data') {
+          stderrCallback = callback;
+        }
+        return mockChildProcess.stderr;
+      });
+
+      // Start a new background process
+      await shellCommandCtr.handleRunCommand({
+        command: 'test-interleaved',
+        run_in_background: true,
+      });
+
+      // Simulate stderr output first
+      stderrCallback(Buffer.from('error 1\n'));
+      await new Promise((resolve) => setTimeout(resolve, 5));
+
+      // First read - should get stderr
+      const firstRead = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+      expect(firstRead.stderr).toBe('error 1\n');
+      expect(firstRead.stdout).toBe('');
+
+      // Simulate stdout output after stderr
+      stdoutCallback(Buffer.from('output 1\n'));
+      await new Promise((resolve) => setTimeout(resolve, 5));
+
+      // Second read - should get stdout without losing data
+      const secondRead = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+      expect(secondRead.stdout).toBe('output 1\n');
+      expect(secondRead.stderr).toBe('');
+
+      // Simulate more stderr
+      stderrCallback(Buffer.from('error 2\n'));
+      await new Promise((resolve) => setTimeout(resolve, 5));
+
+      // Third read - should get new stderr
+      const thirdRead = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+      expect(thirdRead.stderr).toBe('error 2\n');
+      expect(thirdRead.stdout).toBe('');
+
+      // Simulate more stdout
+      stdoutCallback(Buffer.from('output 2\n'));
+      await new Promise((resolve) => setTimeout(resolve, 5));
+
+      // Fourth read - should get new stdout
+      const fourthRead = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+      expect(fourthRead.stdout).toBe('output 2\n');
+      expect(fourthRead.stderr).toBe('');
+    });
+  });
+
+  describe('handleKillCommand', () => {
+    beforeEach(async () => {
+      mockChildProcess.on.mockImplementation(() => mockChildProcess);
+      mockChildProcess.stdout.on.mockImplementation(() => mockChildProcess.stdout);
+      mockChildProcess.stderr.on.mockImplementation(() => mockChildProcess.stderr);
+
+      // Start a background process
+      await shellCommandCtr.handleRunCommand({
+        command: 'test-command',
+        run_in_background: true,
+      });
+    });
+
+    it('should kill command successfully', async () => {
+      const result = await shellCommandCtr.handleKillCommand({
+        shell_id: 'test-uuid-123',
+      });
+
+      expect(result.success).toBe(true);
+      expect(mockChildProcess.kill).toHaveBeenCalled();
+    });
+
+    it('should return error for non-existent shell_id', async () => {
+      const result = await shellCommandCtr.handleKillCommand({
+        shell_id: 'non-existent-id',
+      });
+
+      expect(result.success).toBe(false);
+      expect(result.error).toContain('not found');
+    });
+
+    it('should remove process from map after killing', async () => {
+      await shellCommandCtr.handleKillCommand({
+        shell_id: 'test-uuid-123',
+      });
+
+      // Try to get output from killed process
+      const outputResult = await shellCommandCtr.handleGetCommandOutput({
+        shell_id: 'test-uuid-123',
+      });
+
+      expect(outputResult.success).toBe(false);
+      expect(outputResult.error).toContain('not found');
+    });
+
+    it('should handle kill error gracefully', async () => {
+      mockChildProcess.kill.mockImplementation(() => {
+        throw new Error('Kill failed');
+      });
+
+      const result = await shellCommandCtr.handleKillCommand({
+        shell_id: 'test-uuid-123',
+      });
+
+      expect(result.success).toBe(false);
+      expect(result.error).toBe('Kill failed');
+    });
+  });
+});
@@ -0,0 +1,357 @@
+import path from 'node:path';
+import { describe, expect, it } from 'vitest';
+
+import { MacOSSearchServiceImpl } from '../impl/macOS';
+
+/**
+ * macOS File Search Integration Tests
+ *
+ * These tests run against the real macOS Spotlight service
+ * using files in the current repository.
+ *
+ * Run with: bunx vitest run 'macOS.integration.test'
+ */
+
+// Get repository root path (assumes test runs from apps/desktop)
+const repoRoot = path.resolve(__dirname, '../../../../..');
+
+describe.skipIf(process.platform !== 'darwin')('MacOSSearchServiceImpl Integration', () => {
+  const searchService = new MacOSSearchServiceImpl();
+
+  describe('checkSearchServiceStatus', () => {
+    it('should verify Spotlight is available on macOS', async () => {
+      const isAvailable = await searchService.checkSearchServiceStatus();
+
+      expect(isAvailable).toBe(true);
+    });
+  });
+
+  describe('search for known repository files', () => {
+    it('should find package.json in repo root', async () => {
+      const results = await searchService.search({
+        keywords: 'package.json',
+        limit: 10,
+        onlyIn: repoRoot,
+      });
+
+      expect(results.length).toBeGreaterThan(0);
+
+      // Should find at least one package.json
+      const packageJson = results.find((r) => r.name === 'package.json');
+      expect(packageJson).toBeDefined();
+      expect(packageJson!.type).toBe('json');
+      expect(packageJson!.path).toContain(repoRoot);
+    });
+
+    it('should find README files', async () => {
+      const results = await searchService.search({
+        keywords: 'README',
+        limit: 10,
+        onlyIn: repoRoot,
+      });
+      expect(results.length).toBeGreaterThan(0);
+
+      // Should contain markdown files
+      const mdFile = results.find((r) => r.type === 'md');
+      expect(mdFile).toBeDefined();
+      expect(mdFile!.name).toMatch(/README/i);
+    });
+
+    it('should find TypeScript files', async () => {
+      const results = await searchService.search({
+        keywords: 'macOS',
+        limit: 10,
+        onlyIn: repoRoot,
+      });
+
+      expect(results.length).toBeGreaterThan(0);
+
+      // Should find the macOS.ts implementation file
+      const macOSFile = results.find((r) => r.name.includes('macOS') && r.type === 'ts');
+      expect(macOSFile).toBeDefined();
+      expect(macOSFile!.contentType).toBe('code');
+    });
+
+    it('should find files in apps/desktop directory', async () => {
+      const desktopPath = path.join(repoRoot, 'apps/desktop');
+
+      const results = await searchService.search({
+        keywords: 'src',
+        limit: 20,
+        onlyIn: desktopPath,
+      });
+
+      // Spotlight indexing may not be complete for this directory
+      // so we make the test lenient
+      if (results.length > 0) {
+        // All results should be within apps/desktop
+        results.forEach((result) => {
+          expect(result.path).toContain('apps/desktop');
+        });
+      } else {
+        // eslint-disable-next-line no-console
+        console.warn(
+          '⚠️  No results found in apps/desktop - Spotlight indexing may not be complete',
+        );
+      }
+
+      // At minimum, verify the search completed without error
+      expect(Array.isArray(results)).toBe(true);
+    });
+
+    it('should find test files', async () => {
+      const results = await searchService.search({
+        keywords: 'test.ts',
+        limit: 10,
+        onlyIn: repoRoot,
+      });
+
+      expect(results.length).toBeGreaterThan(0);
+
+      // Should find test files
+      const testFile = results.find((r) => r.name.endsWith('.test.ts'));
+      expect(testFile).toBeDefined();
+      expect(testFile!.path).toContain('__tests__');
+    });
+  });
+
+  describe('search with filters', () => {
+    it('should respect limit parameter', async () => {
+      const limit = 3;
+      const results = await searchService.search({
+        keywords: 'src',
+        limit,
+        onlyIn: repoRoot,
+      });
+
+      expect(results.length).toBeLessThanOrEqual(limit);
+    });
+
+    it('should search in specific subdirectory only', async () => {
+      const srcPath = path.join(repoRoot, 'apps/desktop/src');
+
+      const results = await searchService.search({
+        keywords: 'index',
+        limit: 10,
+        onlyIn: srcPath,
+      });
+
+      // All results should be within the specified directory
+      results.forEach((result) => {
+        expect(result.path).toContain('apps/desktop/src');
+      });
+    });
+
+    it('should return empty array for non-existent keywords', async () => {
+      const results = await searchService.search({
+        keywords: 'xyzabc123unlikely-keyword-that-does-not-exist-12345',
+        limit: 5,
+        onlyIn: repoRoot,
+      });
+
+      expect(results).toEqual([]);
+    });
+  });
+
+  describe('file type detection', () => {
+    it('should correctly identify TypeScript files', async () => {
+      const results = await searchService.search({
+        keywords: 'LocalFileCtr',
+        limit: 5,
+        onlyIn: repoRoot,
+      });
+
+      const tsFile = results.find((r) => r.name === 'LocalFileCtr.ts');
+      if (tsFile) {
+        expect(tsFile.type).toBe('ts');
+        expect(tsFile.contentType).toBe('code');
+        expect(tsFile.isDirectory).toBe(false);
+      }
+    });
+
+    it('should correctly identify JSON files', async () => {
+      const results = await searchService.search({
+        keywords: 'tsconfig',
+        limit: 5,
+        onlyIn: repoRoot,
+      });
+
+      const jsonFile = results.find((r) => r.name.includes('tsconfig') && r.type === 'json');
+      if (jsonFile) {
+        expect(jsonFile.type).toBe('json');
+        expect(jsonFile.contentType).toBe('code');
+        expect(jsonFile.size).toBeGreaterThan(0);
+      }
+    });
+
+    it('should correctly identify directories', async () => {
+      const results = await searchService.search({
+        keywords: '__tests__',
+        limit: 10,
+        onlyIn: repoRoot,
+      });
+
+      const testDir = results.find((r) => r.name === '__tests__' && r.isDirectory);
+      if (testDir) {
+        expect(testDir.isDirectory).toBe(true);
+        expect(testDir.type).toBe('');
+      }
+    });
+
+    it('should correctly identify markdown files', async () => {
+      const results = await searchService.search({
+        keywords: 'CLAUDE.md',
+        limit: 5,
+        onlyIn: repoRoot,
+      });
+
+      const mdFile = results.find((r) => r.name === 'CLAUDE.md');
+      if (mdFile) {
+        expect(mdFile.type).toBe('md');
+        expect(mdFile.contentType).toBe('text');
+      }
+    });
+  });
+
+  describe('file metadata', () => {
+    it('should return valid file metadata', async () => {
+      const results = await searchService.search({
+        keywords: 'package.json',
+        limit: 1,
+        onlyIn: repoRoot,
+      });
+
+      expect(results.length).toBeGreaterThan(0);
+
+      const file = results[0];
+
+      // Verify all metadata fields are present
+      expect(file.path).toBeTruthy();
+      expect(file.name).toBeTruthy();
+      expect(typeof file.isDirectory).toBe('boolean');
+      expect(typeof file.size).toBe('number');
+      expect(file.size).toBeGreaterThanOrEqual(0);
+      expect(file.type).toBeDefined();
+      expect(file.contentType).toBeDefined();
+      expect(file.modifiedTime).toBeInstanceOf(Date);
+      expect(file.createdTime).toBeInstanceOf(Date);
+      expect(file.lastAccessTime).toBeInstanceOf(Date);
+
+      // Dates should be valid
+      expect(file.modifiedTime.getTime()).toBeGreaterThan(0);
+      expect(file.createdTime.getTime()).toBeGreaterThan(0);
+    });
+
+    it('should handle files with different extensions', async () => {
+      const testCases = [
+        { keyword: '.ts', expectedType: 'ts', expectedContentType: 'code' },
+        { keyword: '.json', expectedType: 'json', expectedContentType: 'code' },
+        { keyword: '.txt', expectedType: 'txt', expectedContentType: 'text' },
+      ];
+
+      for (const { keyword, expectedType, expectedContentType } of testCases) {
+        const results = await searchService.search({
+          keywords: keyword,
+          limit: 5,
+          onlyIn: repoRoot,
+        });
+
+        if (results.length > 0) {
+          const file = results.find((r) => r.type === expectedType);
+          if (file) {
+            expect(file.type).toBe(expectedType);
+            expect(file.contentType).toBe(expectedContentType);
+          }
+        }
+      }
+    });
+  });
+
+  describe('search accuracy after fix', () => {
+    it('should use fuzzy matching instead of exact phrase', async () => {
+      // Test the fix: keywords should do fuzzy matching, not exact phrase
+      // Before fix: "local file" would only match exact phrase "local file"
+      // After fix: "local file" should match "LocalFileCtr" (contains "local" and "file")
+
+      const results = await searchService.search({
+        keywords: 'LocalFile',
+        limit: 10,
+        onlyIn: repoRoot,
+      });
+
+      expect(results.length).toBeGreaterThan(0);
+
+      // Should find LocalFileCtr.ts or similar files
+      const found = results.some(
+        (r) => r.name.includes('LocalFile') || r.name.includes('localFile'),
+      );
+      expect(found).toBe(true);
+    });
+
+    it('should handle paths with spaces correctly', async () => {
+      // Test the fix: command args should be properly split
+      // This test verifies spawn receives correct arguments array
+
+      const pathWithSpaces = repoRoot; // May contain spaces in CI or certain setups
+      const results = await searchService.search({
+        keywords: 'test',
+        limit: 5,
+        onlyIn: pathWithSpaces,
+      });
+
+      // Should not throw error even if path contains spaces
+      expect(Array.isArray(results)).toBe(true);
+    });
+
+    it('should search case-insensitively', async () => {
+      // The "cd" flag in kMDItemFSName makes it case-insensitive
+
+      const lowerResults = await searchService.search({
+        keywords: 'readme',
+        limit: 5,
+        onlyIn: repoRoot,
+      });
+
+      const upperResults = await searchService.search({
+        keywords: 'README',
+        limit: 5,
+        onlyIn: repoRoot,
+      });
+
+      // Both searches should find similar files
+      expect(lowerResults.length).toBeGreaterThan(0);
+      expect(upperResults.length).toBeGreaterThan(0);
+    });
+  });
+
+  describe('error handling', () => {
+    it('should handle non-existent directory gracefully', async () => {
+      const nonExistentPath = path.join(repoRoot, 'this-directory-does-not-exist-12345');
+
+      const results = await searchService.search({
+        keywords: 'test',
+        limit: 5,
+        onlyIn: nonExistentPath,
+      });
+
+      // Should return empty array instead of throwing
+      expect(results).toEqual([]);
+    });
+  });
+
+  describe('updateSearchIndex', () => {
+    it.skip('should handle index update request', async () => {
+      // Index update requires elevated permissions, may fail in restricted environments
+      const result = await searchService.updateSearchIndex(repoRoot);
+
+      // Should return boolean (true if succeeded, false if failed)
+      expect(typeof result).toBe('boolean');
+    }, 15000); // Index update can take time
+  });
+});
+
+// Skip message for non-macOS platforms
+if (process.platform !== 'darwin') {
+  // eslint-disable-next-line no-console
+  console.log('⏭️  Skipping macOS integration tests on', process.platform, '(only runs on darwin)');
+}
@@ -23,12 +23,11 @@ export class MacOSSearchServiceImpl extends FileSearchImpl {
   */
  async search(options: SearchOptions): Promise<FileResult[]> {
    // Build the command first, regardless of execution method
-    const command = this.buildSearchCommand(options);
-    logger.debug(`Executing command: ${command}`);
+    const { cmd, args, commandString } = this.buildSearchCommand(options);
+    logger.debug(`Executing command: ${commandString}`);

    // Use spawn for both live and non-live updates to handle large outputs
    return new Promise((resolve, reject) => {
-      const [cmd, ...args] = command.split(' ');
      const childProcess = spawn(cmd, args);

      let results: string[] = []; // Store raw file paths
@@ -137,31 +136,39 @@ export class MacOSSearchServiceImpl extends FileSearchImpl {
  /**
   * Build mdfind command string
   * @param options Search options
-   * @returns Complete command string
+   * @returns Command components (cmd, args array, and command string for logging)
   */
-  private buildSearchCommand(options: SearchOptions): string {
-    // Basic command
-    let command = 'mdfind';
-
-    // Add options
-    const mdFindOptions: string[] = [];
+  private buildSearchCommand(options: SearchOptions): {
+    args: string[];
+    cmd: string;
+    commandString: string;
+  } {
+    // Command and arguments array
+    const cmd = 'mdfind';
+    const args: string[] = [];

    // macOS mdfind doesn't support -limit parameter, we'll limit results in post-processing

    // Search in specific directory
    if (options.onlyIn) {
-      mdFindOptions.push(`-onlyin "${options.onlyIn}"`);
+      args.push('-onlyin', options.onlyIn);
    }

    // Live update
    if (options.liveUpdate) {
-      mdFindOptions.push('-live');
+      args.push('-live');
    }

    // Detailed metadata
    if (options.detailed) {
-      mdFindOptions.push(
-        '-attr kMDItemDisplayName kMDItemContentType kMDItemKind kMDItemFSSize kMDItemFSCreationDate kMDItemFSContentChangeDate',
+      args.push(
+        '-attr',
+        'kMDItemDisplayName',
+        'kMDItemContentType',
+        'kMDItemKind',
+        'kMDItemFSSize',
+        'kMDItemFSCreationDate',
+        'kMDItemFSContentChangeDate',
      );
    }

@@ -171,9 +178,10 @@ export class MacOSSearchServiceImpl extends FileSearchImpl {
    // Basic query
    if (options.keywords) {
      // If the query string doesn't use Spotlight query syntax (doesn't contain kMDItem properties),
-      // treat it as plain text search
+      // treat it as a flexible name search rather than exact phrase match
      if (!options.keywords.includes('kMDItem')) {
-        queryExpression = `"${options.keywords.replaceAll('"', '\\"')}"`;
+        // Use kMDItemFSName for filename matching with wildcards for better flexibility
+        queryExpression = `kMDItemFSName == "*${options.keywords.replaceAll('"', '\\"')}*"cd`;
      } else {
        queryExpression = options.keywords;
      }
@@ -244,15 +252,15 @@ export class MacOSSearchServiceImpl extends FileSearchImpl {
      }
    }

-    // Combine complete command
-    if (mdFindOptions.length > 0) {
-      command += ' ' + mdFindOptions.join(' ');
+    // Add query expression to args
+    if (queryExpression) {
+      args.push(queryExpression);
    }

-    // Finally add query expression
-    command += ` ${queryExpression}`;
+    // Build command string for logging
+    const commandString = `${cmd} ${args.map((arg) => (arg.includes(' ') || arg.includes('*') ? `"${arg}"` : arg)).join(' ')}`;

-    return command;
+    return { args, cmd, commandString };
  }

  /**
@@ -10,14 +10,14 @@ import { ProxyUrlBuilder } from './urlBuilder';
 const logger = createLogger('modules:networkProxy:dispatcher');

 /**
- * 代理管理器
+ * Proxy dispatcher manager
 */
 export class ProxyDispatcherManager {
  private static isChanging = false;
  private static changeQueue: Array<() => Promise<void>> = [];

  /**
-   * 应用代理设置（带并发控制）
+   * Apply proxy settings (with concurrency control)
   */
  static async applyProxySettings(config: NetworkProxySettings): Promise<void> {
    return new Promise((resolve, reject) => {
@@ -31,17 +31,17 @@ export class ProxyDispatcherManager {
      };

      if (this.isChanging) {
-        // 如果正在切换，加入队列
+        // If currently switching, add to queue
        this.changeQueue.push(operation);
      } else {
-        // 立即执行
+        // Execute immediately
        operation();
      }
    });
  }

  /**
-   * 执行代理设置应用
+   * Execute proxy settings application
   */
  private static async doApplyProxySettings(config: NetworkProxySettings): Promise<void> {
    this.isChanging = true;
@@ -49,22 +49,22 @@ export class ProxyDispatcherManager {
    try {
      const currentDispatcher = getGlobalDispatcher();

-      // 禁用代理，恢复默认连接
+      // Disable proxy, restore default connection
      if (!config.enableProxy) {
        await this.safeDestroyDispatcher(currentDispatcher);
-        // 创建一个新的默认 Agent 来替代代理
+        // Create a new default Agent to replace the proxy
        setGlobalDispatcher(new Agent());
        logger.debug('Proxy disabled, reset to direct connection mode');
        return;
      }

-      // 构建代理 URL
+      // Build proxy URL
      const proxyUrl = ProxyUrlBuilder.build(config);

-      // 创建代理 agent
+      // Create proxy agent
      const agent = this.createProxyAgent(config.proxyType, proxyUrl);

-      // 切换代理前销毁旧 dispatcher
+      // Destroy old dispatcher before switching proxy
      await this.safeDestroyDispatcher(currentDispatcher);
      setGlobalDispatcher(agent);

@@ -77,7 +77,7 @@ export class ProxyDispatcherManager {
    } finally {
      this.isChanging = false;

-      // 处理队列中的下一个操作
+      // Process next operation in queue
      if (this.changeQueue.length > 0) {
        const nextOperation = this.changeQueue.shift();
        if (nextOperation) {
@@ -88,12 +88,12 @@ export class ProxyDispatcherManager {
  }

  /**
-   * 创建代理 agent
+   * Create proxy agent
   */
  static createProxyAgent(proxyType: string, proxyUrl: string) {
    try {
      if (proxyType === 'socks5') {
-        // 解析 SOCKS5 代理 URL
+        // Parse SOCKS5 proxy URL
        const url = new URL(proxyUrl);
        const socksProxies: SocksProxies = [
          {
@@ -109,10 +109,10 @@ export class ProxyDispatcherManager {
          },
        ];

-        // 使用 fetch-socks 处理 SOCKS5 代理
+        // Use fetch-socks to handle SOCKS5 proxy
        return socksDispatcher(socksProxies);
      } else {
-        // undici 的 ProxyAgent 支持 http, https
+        // undici's ProxyAgent supports http, https
        return new ProxyAgent({ uri: proxyUrl });
      }
    } catch (error) {
@@ -124,7 +124,7 @@ export class ProxyDispatcherManager {
  }

  /**
-   * 安全销毁 dispatcher
+   * Safely destroy dispatcher
   */
  private static async safeDestroyDispatcher(dispatcher: any): Promise<void> {
    try {
@@ -11,7 +11,7 @@ import { ProxyConfigValidator } from './validator';
 const logger = createLogger('modules:networkProxy:tester');

 /**
- * 代理连接测试结果
+ * Proxy connection test result
 */
 export interface ProxyTestResult {
  message?: string;
@@ -20,14 +20,14 @@ export interface ProxyTestResult {
 }

 /**
- * 代理连接测试器
+ * Proxy connection tester
 */
 export class ProxyConnectionTester {
-  private static readonly DEFAULT_TIMEOUT = 10_000; // 10秒超时
+  private static readonly DEFAULT_TIMEOUT = 10_000; // 10 seconds timeout
  private static readonly DEFAULT_TEST_URL = 'https://www.google.com';

  /**
-   * 测试代理连接
+   * Test proxy connection
   */
  static async testConnection(
    url: string = this.DEFAULT_TEST_URL,
@@ -77,13 +77,13 @@ export class ProxyConnectionTester {
  }

  /**
-   * 测试指定代理配置的连接
+   * Test connection with specified proxy configuration
   */
  static async testProxyConfig(
    config: NetworkProxySettings,
    testUrl: string = this.DEFAULT_TEST_URL,
  ): Promise<ProxyTestResult> {
-    // 验证配置
+    // Validate configuration
    const validation = ProxyConfigValidator.validate(config);
    if (!validation.isValid) {
      return {
@@ -92,12 +92,12 @@ export class ProxyConnectionTester {
      };
    }

-    // 如果未启用代理，直接测试
+    // If proxy is not enabled, test directly
    if (!config.enableProxy) {
      return this.testConnection(testUrl);
    }

-    // 创建临时代理 agent 进行测试
+    // Create temporary proxy agent for testing
    try {
      const proxyUrl = ProxyUrlBuilder.build(config);
      logger.debug(`Testing proxy with URL: ${proxyUrl}`);
@@ -108,7 +108,7 @@ export class ProxyConnectionTester {
      const controller = new AbortController();
      const timeoutId = setTimeout(() => controller.abort(), this.DEFAULT_TIMEOUT);

-      // 临时设置代理进行测试
+      // Temporarily set proxy for testing
      const originalDispatcher = getGlobalDispatcher();
      setGlobalDispatcher(agent);

@@ -138,9 +138,9 @@ export class ProxyConnectionTester {
        clearTimeout(timeoutId);
        throw fetchError;
      } finally {
-        // 恢复原来的 dispatcher
+        // Restore original dispatcher
        setGlobalDispatcher(originalDispatcher);
-        // 清理临时创建的代理 agent
+        // Clean up temporary proxy agent
        if (agent && typeof agent.destroy === 'function') {
          try {
            await agent.destroy();
@@ -1,11 +1,11 @@
 import { NetworkProxySettings } from '@lobechat/electron-client-ipc';

 /**
- * 代理 URL 构建器
+ * Proxy URL builder
 */
 export const ProxyUrlBuilder = {
  /**
-   * 构建代理 URL
+   * Build proxy URL
   */
  build(config: NetworkProxySettings): string {
    const { proxyType, proxyServer, proxyPort, proxyRequireAuth, proxyUsername, proxyPassword } =
@@ -13,7 +13,7 @@ export const ProxyUrlBuilder = {

    let proxyUrl = `${proxyType}://${proxyServer}:${proxyPort}`;

-    // 添加认证信息
+    // Add authentication information
    if (proxyRequireAuth && proxyUsername && proxyPassword) {
      const encodedUsername = encodeURIComponent(proxyUsername);
      const encodedPassword = encodeURIComponent(proxyPassword);
@@ -1,7 +1,7 @@
 import { NetworkProxySettings } from '@lobechat/electron-client-ipc';

 /**
- * 代理配置验证结果
+ * Proxy configuration validation result
 */
 export interface ProxyValidationResult {
  errors: string[];
@@ -9,38 +9,38 @@ export interface ProxyValidationResult {
 }

 /**
- * 代理配置验证器
+ * Proxy configuration validator
 */
 export class ProxyConfigValidator {
  private static readonly SUPPORTED_TYPES = ['http', 'https', 'socks5'] as const;
  private static readonly DEFAULT_BYPASS = 'localhost,127.0.0.1,::1';

  /**
-   * 验证代理配置
+   * Validate proxy configuration
   */
  static validate(config: NetworkProxySettings): ProxyValidationResult {
    const errors: string[] = [];

-    // 如果未启用代理，跳过验证
+    // If proxy is not enabled, skip validation
    if (!config.enableProxy) {
      return { errors: [], isValid: true };
    }

-    // 验证代理类型
+    // Validate proxy type
    if (!this.SUPPORTED_TYPES.includes(config.proxyType as any)) {
      errors.push(
        `Unsupported proxy type: ${config.proxyType}. Supported types: ${this.SUPPORTED_TYPES.join(', ')}`,
      );
    }

-    // 验证代理服务器
+    // Validate proxy server
    if (!config.proxyServer?.trim()) {
      errors.push('Proxy server is required when proxy is enabled');
    } else if (!this.isValidHost(config.proxyServer)) {
      errors.push('Invalid proxy server format');
    }

-    // 验证代理端口
+    // Validate proxy port
    if (!config.proxyPort?.trim()) {
      errors.push('Proxy port is required when proxy is enabled');
    } else {
@@ -50,7 +50,7 @@ export class ProxyConfigValidator {
      }
    }

-    // 验证认证信息
+    // Validate authentication information
    if (config.proxyRequireAuth) {
      if (!config.proxyUsername?.trim()) {
        errors.push('Proxy username is required when authentication is enabled');
@@ -67,10 +67,10 @@ export class ProxyConfigValidator {
  }

  /**
-   * 验证主机名格式
+   * Validate host format
   */
  private static isValidHost(host: string): boolean {
-    // 简单的主机名验证（IP 地址或域名）
+    // Simple host validation (IP address or domain name)
    const ipRegex = /^(\d{1,3}\.){3}\d{1,3}$/;
    const domainRegex =
      /^[\dA-Za-z]([\dA-Za-z-]*[\dA-Za-z])?(\.[\dA-Za-z]([\dA-Za-z-]*[\dA-Za-z])?)*$/;
@@ -1,4 +1,265 @@
 [
+  {
+    "children": {
+      "features": ["Support user abort in the agent runtime."]
+    },
+    "date": "2025-11-19",
+    "version": "2.0.0-next.86"
+  },
+  {
+    "children": {
+      "fixes": ["Slove discover pagination router."]
+    },
+    "date": "2025-11-19",
+    "version": "2.0.0-next.85"
+  },
+  {
+    "children": {
+      "improvements": ["Add Gemini 3.0 Pro Preview to Google Provider."]
+    },
+    "date": "2025-11-19",
+    "version": "2.0.0-next.84"
+  },
+  {
+    "children": {
+      "features": ["New API support switch Responses API mode."],
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-11-19",
+    "version": "2.0.0-next.83"
+  },
+  {
+    "children": {
+      "fixes": ["Fix noisy error notification."]
+    },
+    "date": "2025-11-18",
+    "version": "2.0.0-next.82"
+  },
+  {
+    "children": {
+      "fixes": ["Slove when logout always show loading."]
+    },
+    "date": "2025-11-18",
+    "version": "2.0.0-next.81"
+  },
+  {
+    "children": {},
+    "date": "2025-11-18",
+    "version": "2.0.0-next.80"
+  },
+  {
+    "children": {
+      "fixes": ["Fixed the discover page categray sider link error."]
+    },
+    "date": "2025-11-18",
+    "version": "2.0.0-next.79"
+  },
+  {
+    "children": {},
+    "date": "2025-11-18",
+    "version": "2.0.0-next.78"
+  },
+  {
+    "children": {
+      "improvements": ["Delete /settings/newapi pages in nextjs build."]
+    },
+    "date": "2025-11-18",
+    "version": "2.0.0-next.77"
+  },
+  {
+    "children": {
+      "features": ["Support Interleaved thinking in MiniMax."]
+    },
+    "date": "2025-11-18",
+    "version": "2.0.0-next.76"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-11-18",
+    "version": "2.0.0-next.75"
+  },
+  {
+    "children": {
+      "features": ["Edit local file render & intervention."]
+    },
+    "date": "2025-11-17",
+    "version": "2.0.0-next.74"
+  },
+  {
+    "children": {
+      "features": ["Support parallel topic agent runtime."]
+    },
+    "date": "2025-11-17",
+    "version": "2.0.0-next.73"
+  },
+  {
+    "children": {
+      "improvements": ["Add model information for the Qiniu provider."]
+    },
+    "date": "2025-11-17",
+    "version": "2.0.0-next.72"
+  },
+  {
+    "children": {
+      "fixes": ["Fix desktop user panel."]
+    },
+    "date": "2025-11-17",
+    "version": "2.0.0-next.71"
+  },
+  {
+    "children": {},
+    "date": "2025-11-17",
+    "version": "2.0.0-next.70"
+  },
+  {
+    "children": {
+      "improvements": ["Remove language_model_settings and remove isDeprecatedEdition."]
+    },
+    "date": "2025-11-17",
+    "version": "2.0.0-next.69"
+  },
+  {
+    "children": {
+      "fixes": ["The tool to fail execution on ollama when a message contains b…."]
+    },
+    "date": "2025-11-16",
+    "version": "2.0.0-next.68"
+  },
+  {
+    "children": {
+      "improvements": ["Refactor to virtua."]
+    },
+    "date": "2025-11-16",
+    "version": "2.0.0-next.67"
+  },
+  {
+    "children": {
+      "features": ["Support to collapse message."]
+    },
+    "date": "2025-11-16",
+    "version": "2.0.0-next.66"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-11-16",
+    "version": "2.0.0-next.65"
+  },
+  {
+    "children": {
+      "improvements": ["Refactor package types."]
+    },
+    "date": "2025-11-15",
+    "version": "2.0.0-next.64"
+  },
+  {
+    "children": {
+      "features": ["Show orphaned tool message and support delete tool message."]
+    },
+    "date": "2025-11-15",
+    "version": "2.0.0-next.63"
+  },
+  {
+    "children": {},
+    "date": "2025-11-15",
+    "version": "2.0.0-next.62"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-11-15",
+    "version": "2.0.0-next.61"
+  },
+  {
+    "children": {
+      "fixes": ["Reduce threshold."]
+    },
+    "date": "2025-11-14",
+    "version": "2.0.0-next.60"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-11-14",
+    "version": "2.0.0-next.59"
+  },
+  {
+    "children": {
+      "features": ["Support DeepSeek Interleaved thinking."]
+    },
+    "date": "2025-11-14",
+    "version": "2.0.0-next.58"
+  },
+  {
+    "children": {
+      "improvements": ["Revert background style."]
+    },
+    "date": "2025-11-14",
+    "version": "2.0.0-next.57"
+  },
+  {
+    "children": {
+      "features": ["Add folder creation UI and clean up debug code."]
+    },
+    "date": "2025-11-14",
+    "version": "2.0.0-next.56"
+  },
+  {
+    "children": {
+      "features": ["Create Pages in Knowledge Base."]
+    },
+    "date": "2025-11-14",
+    "version": "2.0.0-next.55"
+  },
+  {
+    "children": {
+      "improvements": ["Refactor and support move locale file intervention."]
+    },
+    "date": "2025-11-14",
+    "version": "2.0.0-next.54"
+  },
+  {
+    "children": {
+      "features": ["Add GPT-5.1 models."],
+      "improvements": ["Fix approving render and improve Conversation style."]
+    },
+    "date": "2025-11-14",
+    "version": "2.0.0-next.53"
+  },
+  {
+    "children": {
+      "fixes": ["Filter out reasoning fields from messages in ChatCompletion API."]
+    },
+    "date": "2025-11-13",
+    "version": "2.0.0-next.52"
+  },
+  {
+    "children": {
+      "improvements": ["Update ERNIE-5.0-Thinking-Preview model."]
+    },
+    "date": "2025-11-13",
+    "version": "2.0.0-next.51"
+  },
+  {
+    "children": {
+      "fixes": ["Fix oidc accountId mismatch."]
+    },
+    "date": "2025-11-13",
+    "version": "2.0.0-next.50"
+  },
+  {
+    "children": {
+      "features": ["Support tool invention."],
+      "fixes": ["Update lost i18n files."]
+    },
+    "date": "2025-11-13",
+    "version": "2.0.0-next.49"
+  },
  {
    "children": {},
    "date": "2025-11-12",
@@ -170,20 +170,8 @@ table chat_groups_agents {
  }
 }

-table document_chunks {
-  document_id varchar(30) [not null]
-  chunk_id uuid [not null]
-  page_index integer
-  user_id text [not null]
-  created_at "timestamp with time zone" [not null, default: `now()`]
-
-  indexes {
-    (document_id, chunk_id) [pk]
-  }
-}
-
 table documents {
-  id varchar(30) [pk, not null]
+  id varchar(255) [pk, not null]
  title text
  content text
  file_type varchar(255) [not null]
@@ -195,6 +183,7 @@ table documents {
  source_type text [not null]
  source text [not null]
  file_id text
+  parent_id varchar(255)
  user_id text [not null]
  client_id text
  editor_data jsonb
@@ -206,6 +195,7 @@ table documents {
    source [name: 'documents_source_idx']
    file_type [name: 'documents_file_type_idx']
    file_id [name: 'documents_file_id_idx']
+    parent_id [name: 'documents_parent_id_idx']
    (client_id, user_id) [name: 'documents_client_id_user_id_unique', unique]
  }
 }
@@ -219,6 +209,7 @@ table files {
  size integer [not null]
  url text [not null]
  source text
+  parent_id varchar(255)
  client_id text
  metadata jsonb
  chunk_task_id uuid
@@ -229,6 +220,7 @@ table files {

  indexes {
    file_hash [name: 'file_hash_idx']
+    parent_id [name: 'files_parent_id_idx']
    (client_id, user_id) [name: 'files_client_id_user_id_unique', unique]
  }
 }
@@ -660,6 +652,18 @@ table chunks {
  }
 }

+table document_chunks {
+  document_id varchar(30) [not null]
+  chunk_id uuid [not null]
+  page_index integer
+  user_id text [not null]
+  created_at "timestamp with time zone" [not null, default: `now()`]
+
+  indexes {
+    (document_id, chunk_id) [pk]
+  }
+}
+
 table embeddings {
  id uuid [pk, not null, default: `gen_random_uuid()`]
  chunk_id uuid [unique]
@@ -11,7 +11,7 @@ tags:

 # Using ComfyUI in LobeChat

-<Image alt={'Using ComfyUI in LobeChat'} cover src={'https://github.com/lobehub/lobe-chat/assets/17870709/c9e5eafc-ca22-496b-a88d-cc0ae53bf720'} />
+<Image alt={'Using ComfyUI in LobeChat'} cover src={'https://hub-apac-1.lobeobjects.space/docs/e9b811f248a1db2bd1be1af888cf9b9d.png'} />

 This documentation will guide you on how to use [ComfyUI](https://github.com/comfyanonymous/ComfyUI) in LobeChat for high-quality AI image generation and editing.

@@ -11,7 +11,7 @@ tags:

 # 在 LobeChat 中使用 ComfyUI

-<Image alt={'在 LobeChat 中使用 ComfyUI'} cover src={'https://github.com/lobehub/lobe-chat/assets/17870709/c9e5eafc-ca22-496b-a88d-cc0ae53bf720'} />
+<Image alt={'在 LobeChat 中使用 ComfyUI'} cover src={'https://hub-apac-1.lobeobjects.space/docs/e9b811f248a1db2bd1be1af888cf9b9d.png'} />

 本文档将指导你如何在 LobeChat 中使用 [ComfyUI](https://github.com/comfyanonymous/ComfyUI) 进行高质量的 AI 图像生成和编辑。

@@ -17,8 +17,8 @@
    "playwright": "^1.56.1"
  },
  "devDependencies": {
-    "@types/node": "^22.10.5",
+    "@types/node": "^22.19.1",
    "tsx": "^4.20.6",
-    "typescript": "^5.7.3"
+    "typescript": "^5.9.3"
  }
 }
@@ -17,6 +17,7 @@
  "availableAgents": "المساعدون المتاحون",
  "backToBottom": "العودة إلى الأسفل",
  "chatList": {
+    "expandMessage": "عرض الرسائل",
    "longMessageDetail": "عرض التفاصيل"
  },
  "clearCurrentMessages": "مسح رسائل الجلسة الحالية",
@@ -173,9 +174,11 @@
    "title": "الإشارة إلى الأعضاء"
  },
  "messageAction": {
+    "collapse": "إخفاء الرسائل",
    "continueGeneration": "متابعة التوليد",
    "delAndRegenerate": "حذف وإعادة الإنشاء",
    "deleteDisabledByThreads": "يوجد موضوعات فرعية، لا يمكن الحذف",
+    "expand": "عرض الرسائل",
    "regenerate": "إعادة الإنشاء"
  },
  "messages": {
@@ -240,6 +243,7 @@
  "noMatchingAgents": "لا يوجد أعضاء مطابقون",
  "noMembersYet": "لا يوجد أعضاء في هذه المجموعة بعد. انقر على زر + لدعوة المساعدين.",
  "noSelectedAgents": "لم يتم اختيار أي أعضاء بعد",
+  "openInNewWindow": "افتح الصفحة في نافذة جديدة",
  "owner": "مالك المجموعة",
  "pin": "تثبيت",
  "pinOff": "إلغاء التثبيت",
@@ -326,6 +330,11 @@
    "screenshot": "لقطة شاشة",
    "settings": "إعدادات التصدير",
    "text": "نص",
+    "widthMode": {
+      "label": "وضع العرض",
+      "narrow": "وضع الشاشة الضيقة",
+      "wide": "وضع الشاشة الواسعة"
+    },
    "withBackground": "تضمين صورة الخلفية",
    "withFooter": "تضمين تذييل",
    "withPluginInfo": "تضمين معلومات البرنامج المساعد",
@@ -368,6 +377,28 @@
    "remained": "متبقي",
    "used": "مستخدم"
  },
+  "tool": {
+    "intervention": {
+      "approve": "الموافقة",
+      "approveAndRemember": "الموافقة والتذكر",
+      "approveOnce": "الموافقة لمرة واحدة فقط",
+      "mode": {
+        "allowList": "قائمة السماح",
+        "allowListDesc": "تنفيذ الأدوات المعتمدة فقط تلقائيًا",
+        "autoRun": "الموافقة التلقائية",
+        "autoRunDesc": "الموافقة تلقائيًا على تنفيذ جميع الأدوات",
+        "manual": "يدوي",
+        "manualDesc": "يتطلب الموافقة اليدوية في كل مرة يتم فيها الاستدعاء"
+      },
+      "reject": "رفض",
+      "rejectAndContinue": "رفض ثم إعادة المحاولة",
+      "rejectOnly": "رفض",
+      "rejectReasonPlaceholder": "إدخال سبب الرفض سيساعد الوكيل على الفهم وتحسين الإجراءات المستقبلية",
+      "rejectTitle": "رفض استدعاء الأداة هذه المرة",
+      "rejectedWithReason": "تم رفض استدعاء الأداة هذه المرة بشكل يدوي: {{reason}}",
+      "toolRejected": "تم رفض استدعاء الأداة هذه المرة بشكل يدوي"
+    }
+  },
  "topic": {
    "checkOpenNewTopic": "هل ترغب في فتح موضوع جديد؟",
    "checkSaveCurrentMessages": "هل ترغب في حفظ الدردشة الحالية كموضوع؟",
@@ -135,6 +135,7 @@
    }
  },
  "close": "إغلاق",
+  "confirm": "تأكيد",
  "contact": "اتصل بنا",
  "copy": "نسخ",
  "copyFail": "فشل في النسخ",
@@ -285,6 +286,7 @@
  "oauth": "تسجيل الدخول SSO",
  "officialSite": "الموقع الرسمي",
  "ok": "موافق",
+  "or": "أو",
  "password": "كلمة المرور",
  "pin": "تثبيت في الأعلى",
  "pinOff": "إلغاء التثبيت",
@@ -106,6 +106,12 @@
    "keyPlaceholder": "المفتاح",
    "valuePlaceholder": "القيمة"
  },
+  "LocalFile": {
+    "action": {
+      "open": "فتح",
+      "showInFolder": "عرض في المجلد"
+    }
+  },
  "MaxTokenSlider": {
    "unlimited": "غير محدود"
  },
@@ -102,7 +102,7 @@
      "SPII": "قد يحتوي المحتوى على معلومات شخصية حساسة. لحماية الخصوصية، يرجى إزالة المعلومات الحساسة ثم المحاولة مرة أخرى.",
      "default": "تم حظر المحتوى: {{blockReason}}. يرجى تعديل طلبك ثم المحاولة مرة أخرى."
    },
-    "InsufficientQuota": "عذرًا، لقد reached الحد الأقصى للحصة (quota) لهذه المفتاح، يرجى التحقق من رصيد الحساب الخاص بك أو زيادة حصة المفتاح ثم المحاولة مرة أخرى",
+    "InsufficientQuota": "عذرًا، لقد تم الوصول إلى الحد الأقصى لحصة المفتاح (quota). يرجى التحقق من رصيد الحساب أو زيادة حصة المفتاح ثم المحاولة مرة أخرى.",
    "InvalidAccessCode": "كلمة المرور غير صحيحة أو فارغة، يرجى إدخال كلمة مرور الوصول الصحيحة أو إضافة مفتاح API مخصص",
    "InvalidBedrockCredentials": "فشلت مصادقة Bedrock، يرجى التحقق من AccessKeyId/SecretAccessKey وإعادة المحاولة",
    "InvalidClerkUser": "عذرًا، لم تقم بتسجيل الدخول بعد، يرجى تسجيل الدخول أو التسجيل للمتابعة",
@@ -131,7 +131,7 @@
    "PluginServerError": "خطأ في استجابة الخادم لطلب الإضافة، يرجى التحقق من ملف وصف الإضافة وتكوين الإضافة وتنفيذ الخادم وفقًا لمعلومات الخطأ أدناه",
    "PluginSettingsInvalid": "تحتاج هذه الإضافة إلى تكوين صحيح قبل الاستخدام، يرجى التحقق من صحة تكوينك",
    "ProviderBizError": "طلب خدمة {{provider}} خاطئ، يرجى التحقق من المعلومات التالية أو إعادة المحاولة",
-    "QuotaLimitReached": "عذرًا، لقد reached الحد الأقصى من استخدام الرموز أو عدد الطلبات لهذا المفتاح. يرجى زيادة حصة هذا المفتاح أو المحاولة لاحقًا.",
+    "QuotaLimitReached": "عذرًا، لقد تم الوصول إلى الحد الأقصى لاستخدام الرموز (Token) أو عدد الطلبات لهذا المفتاح. يرجى زيادة حصة المفتاح أو المحاولة لاحقًا.",
    "StreamChunkError": "خطأ في تحليل كتلة الرسالة لطلب التدفق، يرجى التحقق مما إذا كانت واجهة برمجة التطبيقات الحالية تتوافق مع المعايير، أو الاتصال بمزود واجهة برمجة التطبيقات الخاصة بك للاستفسار.",
    "SubscriptionKeyMismatch": "نعتذر، بسبب عطل عرضي في النظام، فإن استخدام الاشتراك الحالي غير فعال مؤقتًا. يرجى النقر على الزر أدناه لاستعادة الاشتراك، أو مراسلتنا عبر البريد الإلكتروني للحصول على الدعم.",
    "SubscriptionPlanLimit": "لقد استنفدت نقاط اشتراكك، ولا يمكنك استخدام هذه الميزة. يرجى الترقية إلى خطة أعلى، أو تكوين واجهة برمجة التطبيقات للنموذج المخصص للاستمرار في الاستخدام",
@@ -1,5 +1,8 @@
 {
-  "desc": "إدارة معرفتك",
+  "addFolder": "إنشاء مجلد",
+  "addKnowledge": "إضافة معرفة",
+  "addPage": "إنشاء مستند",
+  "desc": "نظّم معرفتك في العمل، الدراسة والحياة.",
  "detail": {
    "basic": {
      "createdAt": "تاريخ الإنشاء",
@@ -21,15 +24,89 @@
      "embeddingStatus": "تحويل إلى متجهات"
    }
  },
+  "documentEditor": {
+    "addIcon": "إضافة أيقونة",
+    "autoSaveMessage": "يتم حفظ المستند تلقائيًا، لا حاجة للحفظ اليدوي",
+    "chooseIcon": "اختر أيقونة",
+    "deleteConfirm": {
+      "content": "سيتم حذف هذا المستند، ولا يمكن استعادته بعد الحذف. يرجى توخي الحذر.",
+      "title": "حذف المستند"
+    },
+    "deleteError": "فشل في حذف المستند",
+    "deleteSuccess": "تم حذف المستند بنجاح",
+    "editedAt": "آخر تعديل في {{time}}",
+    "editedBy": "آخر من عدّل: {{name}}",
+    "editorPlaceholder": "أدخل محتوى المستند، اضغط / لفتح قائمة الأوامر",
+    "empty": {
+      "createNewDocument": "إنشاء مستند جديد",
+      "title": "اختر مستندًا للبدء",
+      "uploadMarkdown": "رفع ملف Markdown"
+    },
+    "linkCopied": "تم نسخ الرابط",
+    "menu": {
+      "copyLink": "نسخ الرابط",
+      "exportDocument": "تصدير المستند",
+      "importDocument": "استيراد مستند",
+      "pin": "تثبيت المستند"
+    },
+    "saving": "جارٍ الحفظ...",
+    "titlePlaceholder": "بدون عنوان",
+    "wordCount": "{{wordCount}} كلمة"
+  },
+  "documentList": {
+    "copyContent": "نسخ المحتوى الكامل",
+    "documentCount": "إجمالي {{count}} مستند",
+    "duplicate": "إنشاء نسخة",
+    "empty": "لا توجد مستندات حاليًا، انقر على الزر أعلاه لإنشاء أول مستند لك",
+    "noResults": "لم يتم العثور على مستندات مطابقة",
+    "selectNote": "اختر مستندًا للبدء في التحرير",
+    "untitled": "بدون عنوان"
+  },
  "empty": "لا توجد ملفات/مجلدات تم تحميلها بعد",
  "header": {
    "actions": {
      "newFolder": "إنشاء مجلد جديد",
+      "newPage": "مستند جديد",
      "uploadFile": "رفع ملف",
      "uploadFolder": "رفع مجلد"
    },
+    "newDocumentButton": "مستند جديد",
+    "newNoteDialog": {
+      "cancel": "إلغاء",
+      "editTitle": "تحرير المستند",
+      "emptyContent": "لا يمكن أن يكون محتوى المستند فارغًا",
+      "loadError": "فشل في تحميل المستند، يرجى المحاولة مرة أخرى",
+      "loading": "جارٍ التحميل...",
+      "save": "حفظ",
+      "saveError": "فشل في حفظ المستند، يرجى المحاولة مرة أخرى",
+      "saveSuccess": "تم حفظ المستند بنجاح",
+      "title": "مستند جديد",
+      "updateSuccess": "تم تحديث المستند بنجاح"
+    },
    "uploadButton": "رفع"
  },
+  "home": {
+    "getStarted": "ابدأ الآن",
+    "greeting": "ابدأ",
+    "quickActions": "إجراءات سريعة",
+    "recentDocuments": "المستندات الأخيرة",
+    "recentFiles": "الملفات الأخيرة",
+    "subtitle": "مرحبًا بك في قاعدة المعرفة، ابدأ من هنا لإدارة مستنداتك وملاحظاتك",
+    "uploadEntries": {
+      "files": {
+        "title": "رفع ملفات"
+      },
+      "folder": {
+        "title": "رفع مجلد"
+      },
+      "knowledgeBase": {
+        "title": "قاعدة معرفة جديدة"
+      },
+      "newDocument": {
+        "title": "مستند جديد"
+      }
+    }
+  },
  "knowledgeBase": {
    "list": {
      "confirmRemoveKnowledgeBase": "سيتم حذف هذه المكتبة المعرفية، ولن يتم حذف الملفات الموجودة بها، بل ستنتقل إلى جميع الملفات. بعد حذف المكتبة المعرفية، لن يمكن استعادتها، يرجى توخي الحذر.",
@@ -38,6 +115,10 @@
    "new": "إنشاء مكتبة معرفية جديدة",
    "title": "المكتبة المعرفية"
  },
+  "menu": {
+    "allDocuments": "جميع المستندات",
+    "allFiles": "جميع الملفات"
+  },
  "networkError": "فشل في الحصول على قاعدة المعرفة، يرجى التحقق من اتصال الشبكة ثم إعادة المحاولة",
  "notSupportGuide": {
    "desc": "الوضع الحالي للنشر هو وضع قاعدة بيانات العميل، ولا يمكن استخدام وظيفة إدارة الملفات. يرجى التبديل إلى <1>وضع نشر قاعدة بيانات الخادم</1>، أو استخدام <3>LobeChat Cloud</3> مباشرة.",
@@ -61,12 +142,16 @@
    "downloadFile": "تحميل الملف",
    "unsupportedFileAndContact": "هذا التنسيق من الملفات غير مدعوم للمعاينة عبر الإنترنت، إذا كان لديك طلب للمعاينة، فلا تتردد في <1>إبلاغنا</1>"
  },
+  "searchDocumentPlaceholder": "ابحث في المستندات",
  "searchFilePlaceholder": "بحث عن ملف",
  "tab": {
-    "all": "جميع الملفات",
+    "all": "الكل",
    "audios": "الصوتيات",
    "documents": "المستندات",
+    "home": "الرئيسية",
    "images": "الصور",
+    "moreTypes": "أنواع أخرى",
+    "pages": "المستندات",
    "videos": "الفيديوهات",
    "websites": "المواقع"
  },
@@ -295,7 +295,7 @@
      },
      "helpDoc": "دليل التكوين",
      "responsesApi": {
-        "desc": "استخدام معيار طلبات الجيل الجديد من OpenAI، لفتح ميزات متقدمة مثل سلسلة التفكير",
+        "desc": "يعتمد تنسيق طلب الجيل الجديد من OpenAI، لتمكين ميزات متقدمة مثل سلسلة التفكير (مدعومة فقط من نماذج OpenAI)",
        "title": "استخدام معيار Responses API"
      },
      "waitingForMore": "المزيد من النماذج قيد <1>التخطيط للإدماج</1>، يرجى الانتظار"
@@ -236,6 +236,9 @@
  "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."
  },
+  "MiniMaxAI/MiniMax-M2": {
+    "description": "MiniMax-M2 يعيد تعريف الكفاءة للوكيل الذكي. إنه نموذج MoE مدمج وسريع وفعّال من حيث التكلفة، يحتوي على 230 مليار معلمة إجمالية و10 مليارات معلمة نشطة، وقد صُمم لتحقيق أداء رفيع المستوى في مهام الترميز والوكالة، مع الحفاظ على ذكاء عام قوي. بفضل 10 مليارات معلمة نشطة فقط، يقدم MiniMax-M2 أداءً يُضاهي النماذج الضخمة، مما يجعله خيارًا مثاليًا للتطبيقات عالية الكفاءة."
+  },
  "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."
  },
@@ -1049,6 +1052,9 @@
  "deepseek-r1-0528": {
    "description": "نموذج كامل القوة بحجم 685 مليار، صدر في 28 مايو 2025. استخدم DeepSeek-R1 تقنيات التعلم المعزز على نطاق واسع في مرحلة ما بعد التدريب، مما عزز بشكل كبير قدرات الاستدلال للنموذج مع وجود بيانات تعليمية قليلة جدًا. يتمتع بأداء عالي وقدرات قوية في المهام المتعلقة بالرياضيات، البرمجة، والاستدلال اللغوي الطبيعي."
  },
+  "deepseek-r1-250528": {
+    "description": "DeepSeek R1 250528، النسخة الكاملة من نموذج الاستدلال DeepSeek-R1، مناسب للمهام الرياضية والمنطقية المعقدة."
+  },
  "deepseek-r1-70b-fast-online": {
    "description": "DeepSeek R1 70B النسخة السريعة، تدعم البحث المتصل في الوقت الحقيقي، وتوفر سرعة استجابة أسرع مع الحفاظ على أداء النموذج."
  },
@@ -1059,31 +1065,34 @@
    "description": "deepseek-r1-distill-llama هو نموذج مستخلص من DeepSeek-R1 بناءً على Llama."
  },
  "deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek R1 - النموذج الأكبر والأذكى في مجموعة DeepSeek - تم تقطيره إلى بنية Llama 70B. بناءً على اختبارات المعايير والتقييمات البشرية، يظهر هذا النموذج ذكاءً أكبر من Llama 70B الأصلي، خاصة في المهام التي تتطلب دقة رياضية وحقائق."
+    "description": "DeepSeek R1 Distill Llama 70B، نموذج تقطير يجمع بين قدرات الاستدلال العامة لـ R1 ونظام Llama البيئي."
  },
  "deepseek-r1-distill-llama-8b": {
-    "description": "نموذج DeepSeek-R1-Distill تم تطويره من خلال تقنية تقطير المعرفة، حيث تم تعديل عينات تم إنشاؤها بواسطة DeepSeek-R1 على نماذج مفتوحة المصدر مثل Qwen وLlama."
+    "description": "DeepSeek-R1-Distill-Llama-8B هو نموذج لغوي كبير مقطر مبني على Llama-3.1-8B، يستخدم مخرجات DeepSeek R1."
+  },
+  "deepseek-r1-distill-qianfan-70b": {
+    "description": "DeepSeek R1 Distill Qianfan 70B، نموذج تقطير R1 مبني على Qianfan-70B، يتميز بكفاءة عالية من حيث التكلفة."
+  },
+  "deepseek-r1-distill-qianfan-8b": {
+    "description": "DeepSeek R1 Distill Qianfan 8B، نموذج تقطير R1 مبني على Qianfan-8B، مناسب للتطبيقات المتوسطة والصغيرة."
  },
  "deepseek-r1-distill-qianfan-llama-70b": {
-    "description": "تم إصداره لأول مرة في 14 فبراير 2025، تم استخلاصه بواسطة فريق تطوير نموذج Qianfan باستخدام Llama3_70B كنموذج أساسي (مبني على Meta Llama)، وتم إضافة نصوص Qianfan إلى بيانات الاستخلاص."
-  },
-  "deepseek-r1-distill-qianfan-llama-8b": {
-    "description": "تم إصداره لأول مرة في 14 فبراير 2025، تم استخلاصه بواسطة فريق تطوير نموذج Qianfan باستخدام Llama3_8B كنموذج أساسي (مبني على Meta Llama)، وتم إضافة نصوص Qianfan إلى بيانات الاستخلاص."
+    "description": "DeepSeek R1 Distill Qianfan Llama 70B، نموذج تقطير R1 مبني على Llama-70B."
  },
  "deepseek-r1-distill-qwen": {
    "description": "deepseek-r1-distill-qwen هو نموذج مستخلص من DeepSeek-R1 بناءً على Qwen."
  },
  "deepseek-r1-distill-qwen-1.5b": {
-    "description": "نموذج DeepSeek-R1-Distill تم تطويره من خلال تقنية تقطير المعرفة، حيث تم تعديل عينات تم إنشاؤها بواسطة DeepSeek-R1 على نماذج مفتوحة المصدر مثل Qwen وLlama."
+    "description": "DeepSeek R1 Distill Qwen 1.5B، نموذج تقطير R1 فائق الخفة، مناسب للبيئات ذات الموارد المحدودة جداً."
  },
  "deepseek-r1-distill-qwen-14b": {
-    "description": "نموذج DeepSeek-R1-Distill تم تطويره من خلال تقنية تقطير المعرفة، حيث تم تعديل عينات تم إنشاؤها بواسطة DeepSeek-R1 على نماذج مفتوحة المصدر مثل Qwen وLlama."
+    "description": "DeepSeek R1 Distill Qwen 14B، نموذج تقطير R1 متوسط الحجم، مناسب للنشر في سيناريوهات متعددة."
  },
  "deepseek-r1-distill-qwen-32b": {
-    "description": "نموذج DeepSeek-R1-Distill تم تطويره من خلال تقنية تقطير المعرفة، حيث تم تعديل عينات تم إنشاؤها بواسطة DeepSeek-R1 على نماذج مفتوحة المصدر مثل Qwen وLlama."
+    "description": "DeepSeek R1 Distill Qwen 32B، نموذج تقطير R1 مبني على Qwen-32B، يوازن بين الأداء والتكلفة."
  },
  "deepseek-r1-distill-qwen-7b": {
-    "description": "نموذج DeepSeek-R1-Distill تم تطويره من خلال تقنية تقطير المعرفة، حيث تم تعديل عينات تم إنشاؤها بواسطة DeepSeek-R1 على نماذج مفتوحة المصدر مثل Qwen وLlama."
+    "description": "DeepSeek R1 Distill Qwen 7B، نموذج تقطير R1 خفيف الوزن، مناسب للبيئات الطرفية والخاصة بالمؤسسات."
  },
  "deepseek-r1-fast-online": {
    "description": "DeepSeek R1 النسخة السريعة الكاملة، تدعم البحث المتصل في الوقت الحقيقي، تجمع بين القدرات القوية لـ 671 مليار معلمة وسرعة استجابة أسرع."
@@ -1112,12 +1121,24 @@
  "deepseek-v3.1-terminus": {
    "description": "DeepSeek-V3.1-Terminus هو إصدار محسن من نموذج اللغة الكبير أطلقته DeepSeek، ومُصمم خصيصًا للأجهزة الطرفية."
  },
+  "deepseek-v3.1-think-250821": {
+    "description": "DeepSeek V3.1 Think 250821، نموذج تفكير عميق بإصدار Terminus، مناسب لسيناريوهات الاستدلال عالية الأداء."
+  },
  "deepseek-v3.1:671b": {
    "description": "DeepSeek V3.1: نموذج استدلال من الجيل التالي يعزز القدرات على الاستدلال المعقد والتفكير التسلسلي، مناسب للمهام التي تتطلب تحليلاً عميقًا."
  },
  "deepseek-v3.2-exp": {
    "description": "deepseek-v3.2-exp يُدخل آلية الانتباه المتفرق، بهدف تحسين كفاءة التدريب والاستدلال عند معالجة النصوص الطويلة، بسعر أقل من deepseek-v3.1."
  },
+  "deepseek-v3.2-think": {
+    "description": "DeepSeek V3.2 Think، النسخة الكاملة من نموذج التفكير العميق، معزّز بقدرات استدلال طويلة السلسلة."
+  },
+  "deepseek-vl2": {
+    "description": "DeepSeek VL2، نموذج متعدد الوسائط يدعم فهم الصور والنصوص والإجابات البصرية الدقيقة."
+  },
+  "deepseek-vl2-small": {
+    "description": "DeepSeek VL2 Small، نسخة خفيفة متعددة الوسائط، مناسبة للبيئات ذات الموارد المحدودة وسيناريوهات الحمل العالي."
+  },
  "deepseek/deepseek-chat-v3-0324": {
    "description": "DeepSeek V3 هو نموذج مختلط خبير يحتوي على 685B من المعلمات، وهو أحدث إصدار من سلسلة نماذج الدردشة الرائدة لفريق DeepSeek.\n\nيستفيد من نموذج [DeepSeek V3](/deepseek/deepseek-chat-v3) ويظهر أداءً ممتازًا في مجموعة متنوعة من المهام."
  },
@@ -1137,7 +1158,7 @@
    "description": "DeepSeek-R1 يعزز بشكل كبير قدرة الاستدلال للنموذج حتى مع وجود بيانات تعليمية قليلة جدًا. قبل إخراج الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من التفكير لتحسين دقة الإجابة النهائية."
  },
  "deepseek/deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek-R1-Distill-Llama-70B هو نسخة مكثفة وأكثر كفاءة من نموذج Llama 70B. يحافظ على أداء قوي في مهام توليد النصوص مع تقليل استهلاك الحوسبة لتسهيل النشر والبحث. يتم تشغيله بواسطة Groq باستخدام وحدة معالجة اللغة المخصصة (LPU) لتوفير استدلال سريع وفعال."
+    "description": "DeepSeek R1 Distill Llama 70B هو نموذج لغوي ضخم مبني على Llama3.3 70B، وقد تم تحسينه باستخدام نتائج DeepSeek R1، ليحقق أداءً تنافسيًا يعادل النماذج الرائدة الكبيرة."
  },
  "deepseek/deepseek-r1-distill-llama-8b": {
    "description": "DeepSeek R1 Distill Llama 8B هو نموذج لغوي كبير مكرر يعتمد على Llama-3.1-8B-Instruct، تم تدريبه باستخدام مخرجات DeepSeek R1."
@@ -1253,83 +1274,89 @@
  "emohaa": {
    "description": "Emohaa هو نموذج نفسي، يتمتع بقدرات استشارية متخصصة، يساعد المستخدمين في فهم القضايا العاطفية."
  },
-  "ernie-3.5-128k": {
-    "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، يغطي كمية هائلة من البيانات باللغة الصينية والإنجليزية، ويتميز بقدرات عامة قوية، تلبي متطلبات معظم حالات الحوار، والإجابة، والتوليد، وتطبيقات المكونات الإضافية؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة."
-  },
-  "ernie-3.5-8k": {
-    "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، يغطي كمية هائلة من البيانات باللغة الصينية والإنجليزية، ويتميز بقدرات عامة قوية، تلبي متطلبات معظم حالات الحوار، والإجابة، والتوليد، وتطبيقات المكونات الإضافية؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة."
-  },
-  "ernie-3.5-8k-preview": {
-    "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، يغطي كمية هائلة من البيانات باللغة الصينية والإنجليزية، ويتميز بقدرات عامة قوية، تلبي متطلبات معظم حالات الحوار، والإجابة، والتوليد، وتطبيقات المكونات الإضافية؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة."
-  },
-  "ernie-4.0-8k-latest": {
-    "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، والذي حقق ترقية شاملة في القدرات مقارنةً بـ ERNIE 3.5، ويستخدم على نطاق واسع في مشاهد المهام المعقدة في مختلف المجالات؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة."
-  },
-  "ernie-4.0-8k-preview": {
-    "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، والذي حقق ترقية شاملة في القدرات مقارنةً بـ ERNIE 3.5، ويستخدم على نطاق واسع في مشاهد المهام المعقدة في مختلف المجالات؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة."
-  },
-  "ernie-4.0-turbo-128k": {
-    "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، والذي يظهر أداءً ممتازًا بشكل شامل، ويستخدم على نطاق واسع في مشاهد المهام المعقدة في مختلف المجالات؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة. مقارنةً بـ ERNIE 4.0، يظهر أداءً أفضل."
-  },
-  "ernie-4.0-turbo-8k-latest": {
-    "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، والذي يظهر أداءً ممتازًا بشكل شامل، ويستخدم على نطاق واسع في مشاهد المهام المعقدة في مختلف المجالات؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة. مقارنةً بـ ERNIE 4.0، يظهر أداءً أفضل."
-  },
-  "ernie-4.0-turbo-8k-preview": {
-    "description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، والذي يظهر أداءً ممتازًا بشكل شامل، ويستخدم على نطاق واسع في مشاهد المهام المعقدة في مختلف المجالات؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة. مقارنةً بـ ERNIE 4.0، يظهر أداءً أفضل."
+  "ernie-4.5-0.3b": {
+    "description": "ERNIE 4.5 0.3B، نموذج مفتوح المصدر وخفيف الوزن، مناسب للنشر المحلي والمخصص."
  },
  "ernie-4.5-21b-a3b": {
-    "description": "ERNIE 4.5 21B A3B هو نموذج خبراء هجين أطلقته Baidu Wenxin، يتمتع بقدرات قوية في الاستدلال ودعم متعدد اللغات."
+    "description": "ERNIE 4.5 21B A3B، نموذج كبير مفتوح المصدر، يتميز بأداء قوي في مهام الفهم والتوليد."
  },
  "ernie-4.5-300b-a47b": {
    "description": "ERNIE 4.5 300B A47B هو نموذج خبراء هجين فائق الحجم أطلقته Baidu Wenxin، يتميز بقدرات استدلال فائقة."
  },
  "ernie-4.5-8k-preview": {
-    "description": "نموذج ونسين 4.5 هو نموذج أساسي جديد متعدد الوسائط تم تطويره ذاتيًا بواسطة بايدو، من خلال نمذجة متعددة الوسائط لتحقيق تحسين متزامن، ويظهر قدرة ممتازة على الفهم متعدد الوسائط؛ يتمتع بقدرات لغوية متقدمة، مع تحسين شامل في الفهم، والتوليد، والمنطق، والذاكرة، مع تحسين كبير في إزالة الأوهام، والاستدلال المنطقي، وقدرات البرمجة."
+    "description": "ERNIE 4.5 8K Preview، نموذج معاينة بسياق 8K، مخصص لتجربة واختبار قدرات Wenxin 4.5."
  },
  "ernie-4.5-turbo-128k": {
-    "description": "تم تعزيز Wenxin 4.5 Turbo بشكل ملحوظ في مجالات مثل تقليل الهلوسة، والاستدلال المنطقي، وقدرات البرمجة. مقارنةً بـ Wenxin 4.5، فهو أسرع وأقل تكلفة. تم تحسين قدرات النموذج بشكل شامل لتلبية احتياجات معالجة المحادثات الطويلة متعددة الجولات، ومهام فهم الأسئلة والأجوبة للنصوص الطويلة."
+    "description": "ERNIE 4.5 Turbo 128K، نموذج عام عالي الأداء، يدعم البحث المعزز واستدعاء الأدوات، مناسب لمهام مثل الأسئلة والأجوبة، البرمجة، والوكلاء الذكيين."
+  },
+  "ernie-4.5-turbo-128k-preview": {
+    "description": "ERNIE 4.5 Turbo 128K Preview، نسخة معاينة توفر تجربة مماثلة للنسخة الرسمية، مناسبة للاختبار والتكامل المرحلي."
  },
  "ernie-4.5-turbo-32k": {
-    "description": "تم تعزيز Wenxin 4.5 Turbo بشكل ملحوظ في مجالات مثل تقليل الهلوسة، والاستدلال المنطقي، وقدرات البرمجة. مقارنةً بـ Wenxin 4.5، فهو أسرع وأقل تكلفة. تم تحسين قدرات الإبداع النصي، والأسئلة والأجوبة بشكل ملحوظ. زادت مدة الإخراج وتأخير الجمل الكاملة مقارنةً بـ ERNIE 4.5."
+    "description": "ERNIE 4.5 Turbo 32K، نسخة بسياق متوسط إلى طويل، مناسبة للأسئلة والأجوبة، استرجاع المعرفة، والحوار متعدد الجولات."
+  },
+  "ernie-4.5-turbo-latest": {
+    "description": "ERNIE 4.5 Turbo Latest، نسخة محسّنة شاملة، مناسبة كنموذج رئيسي عام في بيئات الإنتاج."
+  },
+  "ernie-4.5-turbo-vl": {
+    "description": "ERNIE 4.5 Turbo VL، نموذج متعدد الوسائط ناضج، مناسب لمهام فهم الصور والنصوص في بيئات الإنتاج."
  },
  "ernie-4.5-turbo-vl-32k": {
-    "description": "إصدار جديد من نموذج Wenxin Yiyan، مع تحسينات ملحوظة في فهم الصور، والإبداع، والترجمة، والبرمجة، ويدعم لأول مرة طول سياق يصل إلى 32K، مع تقليل ملحوظ في تأخير أول توكن."
+    "description": "ERNIE 4.5 Turbo VL 32K، نسخة متعددة الوسائط بسياق متوسط إلى طويل، مناسبة لفهم مشترك للوثائق الطويلة والصور."
+  },
+  "ernie-4.5-turbo-vl-32k-preview": {
+    "description": "ERNIE 4.5 Turbo VL 32K Preview، نسخة معاينة متعددة الوسائط بسياق 32K، لتقييم قدرات الفهم البصري في السياقات الطويلة."
+  },
+  "ernie-4.5-turbo-vl-latest": {
+    "description": "ERNIE 4.5 Turbo VL Latest، أحدث نسخة متعددة الوسائط، تقدم أداءً محسّناً في فهم الصور والنصوص والاستدلال."
+  },
+  "ernie-4.5-turbo-vl-preview": {
+    "description": "ERNIE 4.5 Turbo VL Preview، نموذج معاينة متعدد الوسائط، يدعم فهم وتوليد الصور والنصوص، مناسب لتجربة الأسئلة البصرية وفهم المحتوى."
+  },
+  "ernie-4.5-vl-28b-a3b": {
+    "description": "ERNIE 4.5 VL 28B A3B، نموذج متعدد الوسائط مفتوح المصدر، يدعم مهام الفهم والاستدلال بين الصور والنصوص."
+  },
+  "ernie-5.0-thinking-preview": {
+    "description": "Wenxin 5.0 Thinking Preview، نموذج رائد شامل متعدد الوسائط، يدعم النصوص، الصور، الصوت، والفيديو، مع قدرات متقدمة مناسبة للأسئلة المعقدة، الإبداع، والوكلاء الذكيين."
  },
  "ernie-char-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."
+    "description": "ERNIE Character 8K، نموذج حواري بشخصيات، مناسب لبناء شخصيات IP وحوارات طويلة الأمد."
  },
  "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."
+    "description": "ERNIE Character Fiction 8K، نموذج شخصيات مخصص لكتابة الروايات والقصص، مناسب لتوليد نصوص طويلة."
+  },
+  "ernie-char-fiction-8k-preview": {
+    "description": "ERNIE Character Fiction 8K Preview، نسخة معاينة لنموذج الشخصيات والقصص، مخصصة لتجربة الوظائف والاختبار."
  },
  "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."
+    "description": "ERNIE iRAG Edit، نموذج تحرير الصور يدعم المسح، إعادة الرسم، وتوليد المتغيرات."
  },
  "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."
+    "description": "ERNIE Lite 8K، نموذج عام خفيف الوزن، مناسب للأسئلة اليومية وتوليد المحتوى بتكلفة منخفضة."
  },
  "ernie-lite-pro-128k": {
-    "description": "نموذج اللغة الكبير الخفيف الذي طورته بايدو، يجمع بين أداء النموذج الممتاز وأداء الاستدلال، ويظهر أداءً أفضل من ERNIE Lite، مناسب للاستخدام مع بطاقات تسريع الذكاء الاصطناعي ذات القدرة الحاسوبية المنخفضة."
+    "description": "ERNIE Lite Pro 128K، نموذج خفيف عالي الأداء، مناسب للمهام الحساسة من حيث التأخير والتكلفة."
  },
  "ernie-novel-8k": {
-    "description": "نموذج اللغة الكبير العام الذي طورته بايدو، يظهر مزايا واضحة في القدرة على كتابة روايات، ويمكن استخدامه أيضًا في مشاهد مثل المسرحيات القصيرة والأفلام."
+    "description": "ERNIE Novel 8K، نموذج مخصص لكتابة الروايات الطويلة وسيناريوهات IP، بارع في السرد متعدد الشخصيات والخطوط."
  },
  "ernie-speed-128k": {
-    "description": "نموذج اللغة الكبير عالي الأداء الذي طورته بايدو، والذي تم إصداره في عام 2024، يتمتع بقدرات عامة ممتازة، مناسب كنموذج أساسي للتعديل، مما يساعد على معالجة مشكلات المشاهد المحددة بشكل أفضل، ويظهر أداءً ممتازًا في الاستدلال."
+    "description": "ERNIE Speed 128K، نموذج كبير بدون تكلفة إدخال/إخراج، مناسب لفهم النصوص الطويلة والتجارب واسعة النطاق."
+  },
+  "ernie-speed-8k": {
+    "description": "ERNIE Speed 8K، نموذج مجاني وسريع، مناسب للحوار اليومي والمهام النصية الخفيفة."
  },
  "ernie-speed-pro-128k": {
-    "description": "نموذج اللغة الكبير عالي الأداء الذي طورته بايدو، والذي تم إصداره في عام 2024، يتمتع بقدرات عامة ممتازة، ويظهر أداءً أفضل من ERNIE Speed، مناسب كنموذج أساسي للتعديل، مما يساعد على معالجة مشكلات المشاهد المحددة بشكل أفضل، ويظهر أداءً ممتازًا في الاستدلال."
+    "description": "ERNIE Speed Pro 128K، نموذج عالي التوافر وكفاءة التكلفة، مناسب للخدمات عبر الإنترنت واسعة النطاق وتطبيقات المؤسسات."
  },
  "ernie-tiny-8k": {
-    "description": "ERNIE Tiny هو نموذج اللغة الكبير عالي الأداء الذي طورته بايدو، وتكاليف النشر والتعديل هي الأدنى بين نماذج سلسلة Wenxin."
-  },
-  "ernie-x1-32k": {
-    "description": "يمتلك قدرة أقوى على الفهم والتخطيط والتفكير والتطور. كنموذج تفكير عميق شامل، يتميز Wenxin X1 بالدقة والإبداع والبلاغة، ويظهر أداءً متميزًا في مجالات مثل الأسئلة والأجوبة باللغة الصينية، والإبداع الأدبي، وكتابة النصوص، والحوار اليومي، والاستدلال المنطقي، والحسابات المعقدة، واستخدام الأدوات."
-  },
-  "ernie-x1-32k-preview": {
-    "description": "نموذج Ernie X1 الكبير يتمتع بقدرات أقوى في الفهم، التخطيط، التفكير النقدي، والتطور. كنموذج تفكير عميق أكثر شمولاً، يجمع Ernie X1 بين الدقة، الإبداع، والبلاغة، ويتميز بشكل خاص في أسئلة المعرفة باللغة الصينية، الإبداع الأدبي، كتابة النصوص، المحادثات اليومية، الاستدلال المنطقي، الحسابات المعقدة، واستدعاء الأدوات."
+    "description": "ERNIE Tiny 8K، نموذج فائق الخفة، مناسب للأسئلة البسيطة، التصنيف، وسيناريوهات الاستدلال منخفضة التكلفة."
  },
  "ernie-x1-turbo-32k": {
-    "description": "يتميز هذا النموذج بأداء أفضل مقارنةً بـ ERNIE-X1-32K."
+    "description": "ERNIE X1 Turbo 32K، نموذج تفكير سريع بسياق طويل 32K، مناسب للاستدلال المعقد والحوار متعدد الجولات."
+  },
+  "ernie-x1.1-preview": {
+    "description": "ERNIE X1.1 Preview، نسخة معاينة من نموذج التفكير ERNIE X1.1، مناسبة لاختبار القدرات والتحقق منها."
  },
  "fal-ai/bytedance/seedream/v4": {
    "description": "نموذج توليد الصور Seedream 4.0 من فريق Seed في ByteDance، يدعم إدخال النص والصورة، ويوفر تجربة توليد صور عالية الجودة وقابلة للتحكم بدرجة كبيرة. يعتمد على أوامر نصية لتوليد الصور."
@@ -1389,7 +1416,7 @@
    "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."
+    "description": "FLUX.1-schnell، نموذج توليد صور عالي الأداء، مناسب لإنشاء صور متعددة الأنماط بسرعة."
  },
  "gemini-1.0-pro-001": {
    "description": "Gemini 1.0 Pro 001 (تعديل) يوفر أداءً مستقرًا وقابلًا للتعديل، وهو الخيار المثالي لحلول المهام المعقدة."
@@ -1538,6 +1565,9 @@
  "glm-4-0520": {
    "description": "GLM-4-0520 هو أحدث إصدار من النموذج، مصمم للمهام المعقدة والمتنوعة، ويظهر أداءً ممتازًا."
  },
+  "glm-4-32b-0414": {
+    "description": "GLM-4 32B 0414، إصدار من سلسلة GLM للنماذج العامة الكبيرة، يدعم توليد النصوص وفهمها في مهام متعددة."
+  },
  "glm-4-9b-chat": {
    "description": "يُظهر GLM-4-9B-Chat أداءً عاليًا في مجالات الدلالة، والرياضيات، والاستدلال، والبرمجة، والمعرفة. كما يدعم تصفح الويب، وتنفيذ الأكواد، واستدعاء الأدوات المخصصة، والاستدلال على النصوص الطويلة. يدعم 26 لغة من بينها اليابانية والكورية والألمانية."
  },
@@ -1826,6 +1856,18 @@
  "gpt-5-pro": {
    "description": "يستخدم GPT-5 pro قدرة حسابية أكبر للتفكير بشكل أعمق، ويواصل تقديم إجابات أفضل باستمرار."
  },
+  "gpt-5.1": {
+    "description": "GPT-5.1 — نموذج رائد مُحسَّن لمهام البرمجة والوكلاء، يدعم قوة استدلال قابلة للتخصيص وسياقًا أطول."
+  },
+  "gpt-5.1-chat-latest": {
+    "description": "GPT-5.1 Chat: إصدار GPT-5.1 مخصص لـ ChatGPT، مثالي لسيناريوهات المحادثة."
+  },
+  "gpt-5.1-codex": {
+    "description": "GPT-5.1 Codex: إصدار من GPT-5.1 مُحسَّن لمهام البرمجة القائمة على الوكلاء، يمكن استخدامه في واجهة Responses API لتدفقات عمل أكثر تعقيدًا في البرمجة والوكلاء."
+  },
+  "gpt-5.1-codex-mini": {
+    "description": "GPT-5.1 Codex mini: إصدار مصغر ومنخفض التكلفة من Codex، مُحسَّن لمهام البرمجة القائمة على الوكلاء."
+  },
  "gpt-audio": {
    "description": "GPT Audio هو نموذج دردشة عام موجه لإدخال وإخراج الصوت، ويدعم استخدام الصوت في واجهة برمجة تطبيقات Chat Completions."
  },
@@ -2001,13 +2043,13 @@
    "description": "سلسلة نماذج Imagen لتحويل النص إلى صورة من الجيل الرابع"
  },
  "imagen-4.0-generate-preview-06-06": {
-    "description": "سلسلة نموذج Imagen للجيل الرابع لتحويل النص إلى صورة"
+    "description": "سلسلة نماذج Imagen من الجيل الرابع لتحويل النص إلى صورة"
  },
  "imagen-4.0-ultra-generate-001": {
    "description": "سلسلة نماذج Imagen لتحويل النص إلى صورة من الجيل الرابع — إصدار Ultra"
  },
  "imagen-4.0-ultra-generate-preview-06-06": {
-    "description": "نسخة ألترا من سلسلة نموذج Imagen للجيل الرابع لتحويل النص إلى صورة"
+    "description": "النسخة Ultra من سلسلة نماذج Imagen من الجيل الرابع لتحويل النص إلى صورة"
  },
  "inception/mercury-coder-small": {
    "description": "Mercury Coder Small هو الخيار المثالي لمهام توليد الكود، وتصحيح الأخطاء، وإعادة الهيكلة، مع أدنى تأخير."
@@ -2036,14 +2078,26 @@
  "internlm3-latest": {
    "description": "سلسلة نماذجنا الأحدث، تتمتع بأداء استدلال ممتاز، تتصدر نماذج المصدر المفتوح من نفس الفئة. تشير بشكل افتراضي إلى أحدث نماذج سلسلة InternLM3 التي تم إصدارها."
  },
+  "internvl2.5-38b-mpo": {
+    "description": "InternVL2.5 38B MPO، نموذج ما قبل التدريب متعدد الوسائط، يدعم مهام الاستدلال المعقدة بين الصور والنصوص."
+  },
  "internvl2.5-latest": {
    "description": "نحن لا نزال ندعم إصدار InternVL2.5، الذي يتمتع بأداء ممتاز ومستقر. يشير بشكل افتراضي إلى أحدث نموذج من سلسلة InternVL2.5، الحالي هو internvl2.5-78b."
  },
+  "internvl3-14b": {
+    "description": "InternVL3 14B، نموذج متعدد الوسائط متوسط الحجم، يوازن بين الأداء والتكلفة."
+  },
+  "internvl3-1b": {
+    "description": "InternVL3 1B، نموذج متعدد الوسائط خفيف الوزن، مناسب للنشر في البيئات ذات الموارد المحدودة."
+  },
+  "internvl3-38b": {
+    "description": "InternVL3 38B، نموذج مفتوح المصدر كبير متعدد الوسائط، مناسب لمهام فهم الصور والنصوص عالية الدقة."
+  },
  "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."
+    "description": "ERNIE iRAG، نموذج توليد معزز باسترجاع الصور، يدعم البحث بالصور، استرجاع الصور والنصوص، وتوليد المحتوى."
  },
  "jamba-large": {
    "description": "أقوى وأحدث نموذج لدينا، مصمم لمعالجة المهام المعقدة على مستوى المؤسسات، ويتميز بأداء استثنائي."
@@ -2064,7 +2118,7 @@
    "description": "نموذج kimi-k2-0905-preview يدعم طول سياق 256k، يتمتع بقدرات ترميز وكيل أقوى، وجمالية وعملية أفضل في الشيفرة الأمامية، وفهم سياق محسن."
  },
  "kimi-k2-instruct": {
-    "description": "Kimi K2 Instruct هو نموذج لغة كبير أطلقته Moonshot AI، يتمتع بقدرة فائقة على معالجة السياقات الطويلة."
+    "description": "Kimi K2 Instruct، نموذج الاستدلال الرسمي من Kimi، يدعم السياق الطويل، البرمجة، الأسئلة والأجوبة، وغيرها من السيناريوهات."
  },
  "kimi-k2-turbo-preview": {
    "description": "kimi-k2 هو نموذج أساسي بمعمارية MoE يتمتع بقدرات قوية للغاية في البرمجة وقدرات الوكيل (Agent)، بإجمالي معلمات يبلغ 1 تريليون والمعلمات المُفعَّلة 32 مليار. في اختبارات الأداء المعيارية للفئات الرئيسية مثل الاستدلال المعرفي العام والبرمجة والرياضيات والوكلاء (Agent)، تفوق أداء نموذج K2 على النماذج المفتوحة المصدر السائدة الأخرى."
@@ -2174,6 +2228,9 @@
  "megrez-3b-instruct": {
    "description": "Megrez 3B Instruct هو نموذج صغير الحجم وعالي الكفاءة أطلقته شركة Wuwen Xinqiong."
  },
+  "meituan/longcat-flash-chat": {
+    "description": "نموذج أساسي غير تأملي مفتوح المصدر من Meituan، مُحسَّن للتفاعل الحواري ومهام الوكلاء الذكيين، ويتميز في استدعاء الأدوات وسيناريوهات التفاعل المعقدة متعددة الجولات."
+  },
  "meta-llama-3-70b-instruct": {
    "description": "نموذج قوي بحجم 70 مليار معلمة يتفوق في التفكير، والترميز، وتطبيقات اللغة الواسعة."
  },
@@ -2405,6 +2462,12 @@
  "minimax-m2": {
    "description": "MiniMax M2 هو نموذج لغوي كبير وفعّال، تم تطويره خصيصًا لتلبية احتياجات الترميز وتدفقات عمل الوكلاء."
  },
+  "minimax/minimax-m2": {
+    "description": "مصمم خصيصًا للترميز الفعّال وتدفقات عمل الوكلاء."
+  },
+  "minimaxai/minimax-m2": {
+    "description": "MiniMax-M2 هو نموذج خبراء مختلط (MoE) مدمج وسريع وفعّال من حيث التكلفة، يحتوي على 230 مليار معلمة إجمالية و10 مليارات معلمة نشطة، صُمم لتحقيق أداء فائق في مهام الترميز والوكالة، مع الحفاظ على ذكاء عام قوي. يتميز هذا النموذج بأداء ممتاز في تحرير الملفات المتعددة، ودورة الترميز-التنفيذ-الإصلاح، والتحقق من الاختبارات والإصلاح، وسلاسل الأدوات المعقدة ذات الروابط الطويلة، مما يجعله خيارًا مثاليًا لسير عمل المطورين."
+  },
  "ministral-3b-latest": {
    "description": "Ministral 3B هو نموذج حافة عالمي المستوى من Mistral."
  },
@@ -2735,6 +2798,54 @@
  "pro-deepseek-v3": {
    "description": "نموذج مخصص لخدمات المؤسسات، يشمل خدمات متزامنة."
  },
+  "qianfan-70b": {
+    "description": "Qianfan 70B، نموذج صيني كبير المعلمات، مناسب لإنشاء محتوى عالي الجودة ومهام الاستدلال المعقدة."
+  },
+  "qianfan-8b": {
+    "description": "Qianfan 8B، نموذج عام متوسط الحجم، مناسب لتوليد النصوص والإجابة على الأسئلة بتوازن بين التكلفة والأداء."
+  },
+  "qianfan-agent-intent-32k": {
+    "description": "Qianfan Agent Intent 32K، نموذج مخصص للتعرف على النوايا وتنسيق الوكلاء، يدعم السياقات الطويلة."
+  },
+  "qianfan-agent-lite-8k": {
+    "description": "Qianfan Agent Lite 8K، نموذج وكيل خفيف الوزن، مناسب للحوارات متعددة الجولات منخفضة التكلفة وتنسيق الأعمال."
+  },
+  "qianfan-agent-speed-32k": {
+    "description": "Qianfan Agent Speed 32K، نموذج وكيل عالي التحكم في التدفق، مناسب لتطبيقات الوكلاء واسعة النطاق ومتعددة المهام."
+  },
+  "qianfan-agent-speed-8k": {
+    "description": "Qianfan Agent Speed 8K، نموذج وكيل عالي التوازي مخصص للحوارات القصيرة والمتوسطة والاستجابة السريعة."
+  },
+  "qianfan-check-vl": {
+    "description": "Qianfan Check VL، نموذج مراجعة واكتشاف متعدد الوسائط، يدعم التحقق من توافق الصور والنصوص والتعرف عليها."
+  },
+  "qianfan-composition": {
+    "description": "Qianfan Composition، نموذج إبداعي متعدد الوسائط، يدعم الفهم والتوليد المدمج للنصوص والصور."
+  },
+  "qianfan-engcard-vl": {
+    "description": "Qianfan EngCard VL، نموذج تعرف متعدد الوسائط مخصص للسيناريوهات الإنجليزية."
+  },
+  "qianfan-lightning-128b-a19b": {
+    "description": "Qianfan Lightning 128B A19B، نموذج صيني عام عالي الأداء، مناسب للأسئلة المعقدة ومهام الاستدلال واسعة النطاق."
+  },
+  "qianfan-llama-vl-8b": {
+    "description": "Qianfan Llama VL 8B، نموذج متعدد الوسائط مبني على Llama، مخصص لمهام الفهم العام للنصوص والصور."
+  },
+  "qianfan-multipicocr": {
+    "description": "Qianfan MultiPicOCR، نموذج OCR متعدد الصور، يدعم اكتشاف وتعرف النصوص في صور متعددة."
+  },
+  "qianfan-qi-vl": {
+    "description": "Qianfan QI VL، نموذج سؤال وجواب متعدد الوسائط، يدعم الاسترجاع الدقيق والإجابة في سيناريوهات الصور والنصوص المعقدة."
+  },
+  "qianfan-singlepicocr": {
+    "description": "Qianfan SinglePicOCR، نموذج OCR لصورة واحدة، يدعم التعرف عالي الدقة على الأحرف."
+  },
+  "qianfan-vl-70b": {
+    "description": "Qianfan VL 70B، نموذج لغة بصرية كبير المعلمات، مناسب لفهم الصور والنصوص المعقدة."
+  },
+  "qianfan-vl-8b": {
+    "description": "Qianfan VL 8B، نموذج لغة بصرية خفيف الوزن، مناسب للأسئلة اليومية حول الصور والنصوص والتحليل."
+  },
  "qvq-72b-preview": {
    "description": "نموذج QVQ هو نموذج بحث تجريبي تم تطويره بواسطة فريق Qwen، يركز على تعزيز قدرات الاستدلال البصري، خاصة في مجال الاستدلال الرياضي."
  },
@@ -2886,7 +2997,7 @@
    "description": "نموذج Qwen 2.5 مفتوح المصدر بحجم 72B."
  },
  "qwen2.5-7b-instruct": {
-    "description": "نموذج Qwen 2.5 مفتوح المصدر بحجم 7B."
+    "description": "Qwen2.5 7B Instruct، نموذج تعليمات مفتوح المصدر ناضج، مناسب للحوار والتوليد في سيناريوهات متعددة."
  },
  "qwen2.5-coder-1.5b-instruct": {
    "description": "نموذج كود تونغي، النسخة مفتوحة المصدر."
@@ -2919,13 +3030,13 @@
    "description": "تدعم نماذج سلسلة Qwen-Omni إدخال بيانات متعددة الأنماط، بما في ذلك الفيديو والصوت والصور والنصوص، وتخرج الصوت والنص."
  },
  "qwen2.5-vl-32b-instruct": {
-    "description": "سلسلة نماذج Qwen2.5-VL تعزز مستوى الذكاء والفعّالية والملاءمة للنماذج، مما يجعل أداءها أفضل في سيناريوهات مثل المحادثات الطبيعية، وإنشاء المحتوى، وتقديم الخدمات المتخصصة، وتطوير الأكواد. يستخدم الإصدار 32B تقنية التعلم المعزز لتحسين النموذج، مقارنةً بنماذج سلسلة Qwen2.5 VL الأخرى، حيث يقدم أسلوب إخراج أكثر توافقًا مع تفضيلات البشر، وقدرة على استنتاج المسائل الرياضية المعقدة، بالإضافة إلى فهم واستدلال دقيق للصور."
+    "description": "Qwen2.5 VL 32B Instruct، نموذج متعدد الوسائط مفتوح المصدر، مناسب للنشر الخاص والتطبيقات المتنوعة."
  },
  "qwen2.5-vl-72b-instruct": {
    "description": "تحسين شامل في اتباع التعليمات، الرياضيات، حل المشكلات، والبرمجة، وزيادة قدرة التعرف على العناصر البصرية، يدعم تنسيقات متعددة لتحديد العناصر البصرية بدقة، ويدعم فهم ملفات الفيديو الطويلة (حتى 10 دقائق) وتحديد اللحظات الزمنية بدقة، قادر على فهم التسلسل الزمني والسرعة، يدعم التحكم في أنظمة التشغيل أو الوكلاء المحمولة بناءً على قدرات التحليل والتحديد، قوي في استخراج المعلومات الرئيسية وإخراج البيانات بتنسيق Json، هذه النسخة هي النسخة 72B، وهي الأقوى في هذه السلسلة."
  },
  "qwen2.5-vl-7b-instruct": {
-    "description": "تحسين شامل في اتباع التعليمات، الرياضيات، حل المشكلات، والبرمجة، وزيادة قدرة التعرف على العناصر البصرية، يدعم تنسيقات متعددة لتحديد العناصر البصرية بدقة، ويدعم فهم ملفات الفيديو الطويلة (حتى 10 دقائق) وتحديد اللحظات الزمنية بدقة، قادر على فهم التسلسل الزمني والسرعة، يدعم التحكم في أنظمة التشغيل أو الوكلاء المحمولة بناءً على قدرات التحليل والتحديد، قوي في استخراج المعلومات الرئيسية وإخراج البيانات بتنسيق Json، هذه النسخة هي النسخة 72B، وهي الأقوى في هذه السلسلة."
+    "description": "Qwen2.5 VL 7B Instruct، نموذج متعدد الوسائط خفيف الوزن، يوازن بين تكلفة النشر وقدرات التعرف."
  },
  "qwen2.5-vl-instruct": {
    "description": "Qwen2.5-VL هو أحدث إصدار من نماذج الرؤية واللغة في عائلة نماذج Qwen."
@@ -2952,46 +3063,46 @@
    "description": "Qwen3 هو الجيل الجديد من نموذج اللغة واسع النطاق من علي بابا، يدعم مجموعة متنوعة من احتياجات التطبيقات بأداء ممتاز."
  },
  "qwen3-0.6b": {
-    "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."
+    "description": "Qwen3 0.6B، نموذج للمبتدئين، مناسب للاستدلال البسيط والبيئات ذات الموارد المحدودة للغاية."
  },
  "qwen3-1.7b": {
-    "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."
+    "description": "Qwen3 1.7B، نموذج فائق الخفة، سهل النشر على الحواف والأجهزة الطرفية."
  },
  "qwen3-14b": {
-    "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."
+    "description": "Qwen3 14B، نموذج متوسط الحجم، مناسب للأسئلة متعددة اللغات وتوليد النصوص."
  },
  "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."
+    "description": "Qwen3 235B A22B، نموذج عام كبير، مخصص لمهام معقدة متعددة."
  },
  "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)."
+    "description": "Qwen3 235B A22B Instruct 2507، نموذج تعليمات عام رائد، مناسب لمهام التوليد والاستدلال المتنوعة."
  },
  "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."
+    "description": "Qwen3 235B A22B Thinking 2507، نموذج تفكير واسع النطاق، مخصص للاستدلال عالي الصعوبة."
  },
  "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."
+    "description": "Qwen3 30B A3B، نموذج عام متوسط إلى كبير الحجم، يوازن بين التكلفة والأداء."
  },
  "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."
+    "description": "Qwen3 30B A3B Instruct 2507، نموذج تعليمات متوسط إلى كبير الحجم، مناسب للتوليد عالي الجودة والإجابة على الأسئلة."
  },
  "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."
+    "description": "Qwen3 30B A3B Thinking 2507، نموذج تفكير متوسط إلى كبير الحجم، يوازن بين الدقة والتكلفة."
  },
  "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."
+    "description": "Qwen3 32B، مناسب للمهام العامة التي تتطلب قدرات فهم أقوى."
  },
  "qwen3-4b": {
-    "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."
+    "description": "Qwen3 4B، مناسب للتطبيقات الصغيرة والمتوسطة وسيناريوهات الاستدلال المحلي."
  },
  "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."
+    "description": "Qwen3 8B، نموذج خفيف الوزن، مرن في النشر، مناسب للأعمال عالية التوازي."
  },
  "qwen3-coder-30b-a3b-instruct": {
    "description": "النسخة مفتوحة المصدر من نموذج Qwen3 للبرمجة. النموذج الأحدث qwen3-coder-30b-a3b-instruct مبني على Qwen3، ويتميز بقدرات قوية كوكيل برمجي، بارع في استخدام الأدوات والتفاعل مع البيئات، ويجمع بين مهارات البرمجة الذاتية والقدرات العامة."
  },
  "qwen3-coder-480b-a35b-instruct": {
-    "description": "نسخة مفتوحة المصدر من نموذج كود Tongyi Qianwen. أحدث نموذج qwen3-coder-480b-a35b-instruct مبني على Qwen3 لتوليد الكود، يتمتع بقدرات قوية كوكيل برمجي، بارع في استدعاء الأدوات والتفاعل مع البيئة، قادر على البرمجة الذاتية مع أداء برمجي ممتاز وقدرات عامة."
+    "description": "Qwen3 Coder 480B A35B Instruct، نموذج برمجة رائد، يدعم البرمجة متعددة اللغات وفهم الشيفرات المعقدة."
  },
  "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."
@@ -3005,32 +3116,41 @@
  "qwen3-max": {
    "description": "سلسلة نماذج Tongyi Qianwen 3 Max، التي تحسنت بشكل كبير مقارنة بسلسلة 2.5 في القدرات العامة، فهم النصوص باللغتين الصينية والإنجليزية، اتباع التعليمات المعقدة، المهام المفتوحة الذاتية، القدرات متعددة اللغات، واستدعاء الأدوات؛ مع تقليل الأوهام المعرفية للنموذج. النسخة الأحدث من qwen3-max: مقارنةً بنسخة qwen3-max-preview، تم ترقية خاصة في برمجة الوكلاء واستدعاء الأدوات. النسخة الرسمية المنشورة وصلت إلى مستوى SOTA في المجال، وتلبي احتياجات الوكلاء في سيناريوهات أكثر تعقيدًا."
  },
+  "qwen3-max-preview": {
+    "description": "أفضل نموذج في سلسلة Tongyi Qianwen، مناسب للمهام المعقدة ومتعددة الخطوات. يدعم التفكير في الإصدار التجريبي."
+  },
  "qwen3-next-80b-a3b-instruct": {
    "description": "نموذج مفتوح المصدر من الجيل الجديد لوضع عدم التفكير مبني على Qwen3، يتميز بفهم أفضل للنصوص الصينية مقارنة بالإصدار السابق (Tongyi Qianwen 3-235B-A22B-Instruct-2507)، مع تعزيز في قدرات الاستدلال المنطقي وأداء أفضل في مهام توليد النصوص."
  },
  "qwen3-next-80b-a3b-thinking": {
-    "description": "نموذج مفتوح المصدر من الجيل الجديد لوضع التفكير مبني على Qwen3، يتميز بتحسين في الالتزام بالتعليمات مقارنة بالإصدار السابق (Tongyi Qianwen 3-235B-A22B-Thinking-2507)، مع ردود ملخصة وأكثر إيجازًا من النموذج."
+    "description": "Qwen3 Next 80B A3B Thinking، إصدار استدلال رائد مخصص للمهام المعقدة."
  },
  "qwen3-omni-flash": {
    "description": "نموذج Qwen-Omni قادر على استقبال مدخلات متعددة الوسائط مثل النصوص، الصور، الصوت، والفيديو، ويولّد ردودًا على شكل نص أو صوت. يوفر أصواتًا بشرية متعددة، ويدعم إخراج الصوت بعدة لغات ولهجات، ويمكن استخدامه في مجالات مثل إنشاء النصوص، التعرف البصري، والمساعدات الصوتية."
  },
  "qwen3-vl-235b-a22b-instruct": {
-    "description": "Qwen3 VL 235B A22B في وضع غير التفكير (Instruct)، مصمم لسيناريوهات الأوامر غير المعتمدة على التفكير، مع الحفاظ على قدرات قوية في الفهم البصري."
+    "description": "Qwen3 VL 235B A22B Instruct، نموذج متعدد الوسائط رائد، مخصص للفهم والإبداع عالي المتطلبات."
  },
  "qwen3-vl-235b-a22b-thinking": {
-    "description": "Qwen3 VL 235B A22B في وضع التفكير (نسخة مفتوحة المصدر)، مخصص للمهام المعقدة التي تتطلب استدلالًا عاليًا وفهمًا لمقاطع الفيديو الطويلة، ويقدم قدرات رائدة في الاستدلال البصري والنصي."
+    "description": "Qwen3 VL 235B A22B Thinking، إصدار تفكير رائد، مخصص للاستدلال والتخطيط متعدد الوسائط المعقد."
  },
  "qwen3-vl-30b-a3b-instruct": {
-    "description": "Qwen3 VL 30B في وضع غير التفكير (Instruct)، موجه لسيناريوهات متابعة الأوامر العامة، مع الحفاظ على مستوى عالٍ من الفهم والتوليد متعدد الوسائط."
+    "description": "Qwen3 VL 30B A3B Instruct، نموذج كبير متعدد الوسائط، يوازن بين الدقة وأداء الاستدلال."
  },
  "qwen3-vl-30b-a3b-thinking": {
-    "description": "Qwen-VL (نسخة مفتوحة المصدر) يوفر قدرات في الفهم البصري وتوليد النصوص، ويدعم التفاعل الذكي، الترميز البصري، الإدراك المكاني، فهم الفيديوهات الطويلة والتفكير العميق، مع دعم قوي للتعرف على النصوص المتقدمة وتعدد اللغات في البيئات المعقدة."
+    "description": "Qwen3 VL 30B A3B Thinking، إصدار تفكير مخصص للمهام متعددة الوسائط المعقدة."
+  },
+  "qwen3-vl-32b-instruct": {
+    "description": "Qwen3 VL 32B Instruct، نموذج تعليمات متعدد الوسائط، مناسب للأسئلة والإبداع عالي الجودة في الصور والنصوص."
+  },
+  "qwen3-vl-32b-thinking": {
+    "description": "Qwen3 VL 32B Thinking، إصدار تفكير متعدد الوسائط، يعزز الاستدلال المعقد والتحليل طويل السلسلة."
  },
  "qwen3-vl-8b-instruct": {
-    "description": "Qwen3 VL 8B في وضع غير التفكير (Instruct)، مناسب لمهام التوليد والتعرف متعدد الوسائط الروتينية."
+    "description": "Qwen3 VL 8B Instruct، نموذج متعدد الوسائط خفيف الوزن، مناسب للأسئلة البصرية اليومية وتكامل التطبيقات."
  },
  "qwen3-vl-8b-thinking": {
-    "description": "Qwen3 VL 8B في وضع التفكير، مخصص لسيناريوهات الاستدلال والتفاعل متعدد الوسائط الخفيفة، مع الحفاظ على قدرة فهم السياق الطويل."
+    "description": "Qwen3 VL 8B Thinking، نموذج سلسلة تفكير متعدد الوسائط، مناسب للاستدلال الدقيق على المعلومات البصرية."
  },
  "qwen3-vl-flash": {
    "description": "Qwen3 VL Flash: نسخة خفيفة وسريعة للاستدلال، مناسبة للسيناريوهات الحساسة للزمن أو التي تتطلب معالجة عدد كبير من الطلبات."
@@ -3263,6 +3383,12 @@
  "wizardlm2:8x22b": {
    "description": "WizardLM 2 هو نموذج لغوي تقدمه Microsoft AI، يتميز بأداء ممتاز في الحوار المعقد، واللغات المتعددة، والاستدلال، والمساعدين الذكيين."
  },
+  "x-ai/grok-4-fast": {
+    "description": "يسعدنا أن نعلن عن إصدار Grok 4 Fast، وهو أحدث تقدم لنا في نماذج الاستدلال الفعّالة من حيث التكلفة."
+  },
+  "x-ai/grok-code-fast-1": {
+    "description": "يسعدنا إطلاق grok-code-fast-1، وهو نموذج استدلال سريع وفعّال من حيث التكلفة يتميز في ترميز الوكلاء."
+  },
  "x1": {
    "description": "سيتم ترقية نموذج Spark X1 بشكل أكبر، حيث ستحقق المهام العامة مثل الاستدلال، وتوليد النصوص، وفهم اللغة نتائج تتماشى مع OpenAI o1 و DeepSeek R1."
  },
@@ -3323,6 +3449,9 @@
  "yi-vision-v2": {
    "description": "نموذج مهام بصرية معقدة، يوفر فهمًا عالي الأداء وقدرات تحليلية بناءً على صور متعددة."
  },
+  "z-ai/glm-4.6": {
+    "description": "GLM-4.6 هو النموذج الرائد الأحدث من Zhipu، ويتفوق على الجيل السابق في الترميز المتقدم، ومعالجة النصوص الطويلة، والاستدلال، وقدرات الوكلاء الذكيين."
+  },
  "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."
  },
@@ -236,6 +236,8 @@
  },
  "inspector": {
    "args": "عرض قائمة المعلمات",
+    "delete": "حذف استدعاء الأداة",
+    "orphanedToolCall": "قد تكون رسالة استدعاء الأداة هذه معزولة بسبب ظروف غير طبيعية، مما قد يؤثر على تنفيذ الوكيل بشكل صحيح. يُرجى إزالتها.",
    "pluginRender": "عرض واجهة الإضافة"
  },
  "list": {
@@ -251,14 +253,20 @@
  },
  "localSystem": {
    "apiName": {
+      "editLocalFile": "تحرير الملف",
+      "getCommandOutput": "الحصول على مخرجات الأوامر",
+      "globLocalFiles": "البحث عن الملفات المطابقة",
+      "grepContent": "البحث في المحتوى",
+      "killCommand": "إيقاف تنفيذ الأمر",
      "listLocalFiles": "عرض قائمة الملفات",
      "moveLocalFiles": "نقل الملفات",
      "readLocalFile": "قراءة محتوى الملف",
      "renameLocalFile": "إعادة تسمية",
+      "runCommand": "تشغيل الأمر",
      "searchLocalFiles": "بحث في الملفات",
      "writeLocalFile": "كتابة في الملف"
    },
-    "title": "الملفات المحلية"
+    "title": "النظام المحلي"
  },
  "mcpInstall": {
    "CHECKING_INSTALLATION": "جارٍ فحص بيئة التثبيت...",
@@ -15,8 +15,22 @@
    "prompt": "كلمة تلميح"
  },
  "localFiles": {
+    "editFile": {
+      "newString": "استبدال بـ",
+      "oldString": "البحث عن",
+      "replaceAll": "استبدال جميع المطابقات",
+      "replaceFirst": "استبدال أول مطابقة فقط"
+    },
    "file": "ملف",
    "folder": "مجلد",
+    "moveFiles": {
+      "itemsMoved": "تم نقل {{count}} عنصر:",
+      "itemsMoved_one": "تم نقل {{count}} عنصر:",
+      "itemsMoved_other": "تم نقل {{count}} عنصر:",
+      "itemsToMove": "{{count}} عنصر في انتظار النقل:",
+      "itemsToMove_one": "{{count}} عنصر في انتظار النقل:",
+      "itemsToMove_other": "{{count}} عنصر في انتظار النقل:"
+    },
    "open": "فتح",
    "openFile": "فتح ملف",
    "openFolder": "فتح مجلد",
@@ -26,7 +40,12 @@
    "readFile": "قراءة الملف",
    "readFileError": "فشل في قراءة الملف، يرجى التحقق من صحة مسار الملف",
    "readFiles": "قراءة الملفات",
-    "readFilesError": "فشل في قراءة الملفات، يرجى التحقق من صحة مسار الملف"
+    "readFilesError": "فشل في قراءة الملفات، يرجى التحقق من صحة مسار الملف",
+    "writeFile": {
+      "characters": "أحرف",
+      "preview": "معاينة المحتوى",
+      "truncated": "تم الاقتطاع"
+    }
  },
  "search": {
    "createNewSearch": "إنشاء سجل بحث جديد",
@@ -6,6 +6,7 @@
    "confirmRemoveUnstarred": "سيتم حذف المواضيع غير المفضلة، ولن يمكن استعادتها بعد الحذف، يرجى توخي الحذر.",
    "duplicate": "إنشاء نسخة",
    "export": "تصدير الموضوع",
+    "openInNewWindow": "افتح الصفحة في نافذة جديدة",
    "removeAll": "حذف جميع المواضيع",
    "removeUnstarred": "حذف المواضيع غير المفضلة"
  },
@@ -17,6 +17,7 @@
  "availableAgents": "Налични асистенти",
  "backToBottom": "Върни се в началото",
  "chatList": {
+    "expandMessage": "Разгъни съобщението",
    "longMessageDetail": "Вижте детайлите"
  },
  "clearCurrentMessages": "Изчисти съобщенията от текущата сесия",
@@ -173,9 +174,11 @@
    "title": "Споменаване на членове"
  },
  "messageAction": {
+    "collapse": "Скрий съобщението",
    "continueGeneration": "Продължи генерирането",
    "delAndRegenerate": "Изтрий и прегенерирай",
    "deleteDisabledByThreads": "Съществуват подтеми, не можете да изтриете.",
+    "expand": "Разгъни съобщението",
    "regenerate": "Прегенерирай"
  },
  "messages": {
@@ -240,6 +243,7 @@
  "noMatchingAgents": "Няма съвпадащи членове",
  "noMembersYet": "В тази група все още няма членове. Щракнете върху бутона +, за да поканите асистенти.",
  "noSelectedAgents": "Все още не са избрани членове",
+  "openInNewWindow": "Отвори в нов прозорец",
  "owner": "Собственик на групата",
  "pin": "Закачи",
  "pinOff": "Откачи",
@@ -326,6 +330,11 @@
    "screenshot": "Екранна снимка",
    "settings": "Настройки за експортиране",
    "text": "Текст",
+    "widthMode": {
+      "label": "Режим на ширина",
+      "narrow": "Режим за тесен екран",
+      "wide": "Режим за широк екран"
+    },
    "withBackground": "Включи фоново изображение",
    "withFooter": "Включи долен колонтитул",
    "withPluginInfo": "Включи информация за плъгина",
@@ -368,6 +377,28 @@
    "remained": "Оставащи",
    "used": "Използвани"
  },
+  "tool": {
+    "intervention": {
+      "approve": "Одобряване",
+      "approveAndRemember": "Одобряване и запомняне",
+      "approveOnce": "Одобряване само този път",
+      "mode": {
+        "allowList": "Бял списък",
+        "allowListDesc": "Автоматично се изпълняват само одобрените инструменти",
+        "autoRun": "Автоматично одобрение",
+        "autoRunDesc": "Автоматично одобряване на всички изпълнения на инструменти",
+        "manual": "Ръчно",
+        "manualDesc": "Необходимо е ръчно одобрение при всяко извикване"
+      },
+      "reject": "Отхвърляне",
+      "rejectAndContinue": "Откажи и опитай отново",
+      "rejectOnly": "Откажи",
+      "rejectReasonPlaceholder": "Въведете причина за отхвърляне, за да помогнете на агента да разбере и подобри бъдещите действия",
+      "rejectTitle": "Отхвърляне на това извикване на инструмент",
+      "rejectedWithReason": "Това извикване на инструмент беше умишлено отхвърлено: {{reason}}",
+      "toolRejected": "Това извикване на инструмент беше умишлено отхвърлено"
+    }
+  },
  "topic": {
    "checkOpenNewTopic": "Да се отвори ли нова тема?",
    "checkSaveCurrentMessages": "Искате ли да запазите текущата сесия като тема?",
@@ -135,6 +135,7 @@
    }
  },
  "close": "Затвори",
+  "confirm": "Потвърди",
  "contact": "Свържете се с нас",
  "copy": "Копирай",
  "copyFail": "Копирането не е успешно",
@@ -285,6 +286,7 @@
  "oauth": "SSO Вход",
  "officialSite": "Официален сайт",
  "ok": "Добре",
+  "or": "или",
  "password": "Парола",
  "pin": "Закачи",
  "pinOff": "Откачи",
@@ -106,6 +106,12 @@
    "keyPlaceholder": "Ключ",
    "valuePlaceholder": "Стойност"
  },
+  "LocalFile": {
+    "action": {
+      "open": "Отвори",
+      "showInFolder": "Показване в папката"
+    }
+  },
  "MaxTokenSlider": {
    "unlimited": "Неограничено"
  },
@@ -102,7 +102,7 @@
      "SPII": "Вашето съдържание може да съдържа чувствителна лична информация. За да защитите поверителността, моля, премахнете съответната чувствителна информация и опитайте отново.",
      "default": "Съдържанието е блокирано: {{blockReason}}。请调整您的请求内容后重试。"
    },
-    "InsufficientQuota": "Съжаляваме, квотата за този ключ е достигнала лимита. Моля, проверете баланса на акаунта си или увеличете квотата на ключа и опитайте отново.",
+    "InsufficientQuota": "Съжаляваме, но квотата за този ключ е изчерпана. Моля, проверете дали имате достатъчен баланс в акаунта си или увеличете квотата на ключа и опитайте отново.",
    "InvalidAccessCode": "Невалиден или празен код за достъп. Моля, въведете правилния код за достъп или добавете персонализиран API ключ.",
    "InvalidBedrockCredentials": "Удостоверяването на Bedrock е неуспешно. Моля, проверете AccessKeyId/SecretAccessKey и опитайте отново.",
    "InvalidClerkUser": "很抱歉，你当前尚未登录，请先登录或注册账号后继续操作",
@@ -131,7 +131,7 @@
    "PluginServerError": "Заявката към сървъра на плъгина върна грешка. Моля, проверете файла на манифеста на плъгина, конфигурацията на плъгина или изпълнението на сървъра въз основа на информацията за грешката по-долу",
    "PluginSettingsInvalid": "Този плъгин трябва да бъде конфигуриран правилно, преди да може да се използва. Моля, проверете дали конфигурацията ви е правилна",
    "ProviderBizError": "Грешка в услугата на {{provider}}, моля проверете следната информация или опитайте отново",
-    "QuotaLimitReached": "Съжаляваме, но текущото използване на токени или брой на заявките е достигнало лимита на квотата за този ключ. Моля, увеличете квотата на ключа или опитайте отново по-късно.",
+    "QuotaLimitReached": "Съжаляваме, но текущото използване на токени или броят на заявките е достигнало лимита на квотата за този ключ. Моля, увеличете квотата на ключа или опитайте отново по-късно.",
    "StreamChunkError": "Грешка при парсирането на съобщение от потокова заявка. Моля, проверете дали текущият API интерфейс отговаря на стандартите или се свържете с вашия доставчик на API за консултация.",
    "SubscriptionKeyMismatch": "Съжаляваме, но поради случайна системна грешка, текущото използване на абонамента временно е невалидно. Моля, кликнете върху бутона по-долу, за да възстановите абонамента, или се свържете с нас по имейл за поддръжка.",
    "SubscriptionPlanLimit": "Вашият абонаментен план е изчерпан, не можете да използвате тази функция. Моля, надстройте до по-висок план или конфигурирайте персонализиран модел API, за да продължите да използвате.",
@@ -1,5 +1,8 @@
 {
-  "desc": "Управлявайте своите знания",
+  "addFolder": "Създаване на папка",
+  "addKnowledge": "Добавяне на знание",
+  "addPage": "Създаване на документ",
+  "desc": "Управлявайте знанията си за работа, учене и живот.",
  "detail": {
    "basic": {
      "createdAt": "Дата на създаване",
@@ -21,15 +24,89 @@
      "embeddingStatus": "Векторизация"
    }
  },
+  "documentEditor": {
+    "addIcon": "Добавяне на икона",
+    "autoSaveMessage": "Документът се запазва автоматично, не е необходимо ръчно запазване",
+    "chooseIcon": "Избор на икона",
+    "deleteConfirm": {
+      "content": "Документът ще бъде изтрит и няма да може да бъде възстановен. Моля, бъдете внимателни.",
+      "title": "Изтриване на документ"
+    },
+    "deleteError": "Неуспешно изтриване на документа",
+    "deleteSuccess": "Документът беше изтрит успешно",
+    "editedAt": "Последна редакция на {{time}}",
+    "editedBy": "Последно редактиран от {{name}}",
+    "editorPlaceholder": "Въведете съдържанието на документа, натиснете / за меню с команди",
+    "empty": {
+      "createNewDocument": "Създаване на нов документ",
+      "title": "Изберете документ, за да започнете",
+      "uploadMarkdown": "Качване на Markdown файл"
+    },
+    "linkCopied": "Връзката е копирана",
+    "menu": {
+      "copyLink": "Копиране на връзка",
+      "exportDocument": "Експортиране на документ",
+      "importDocument": "Импортиране на документ",
+      "pin": "Закачане на документа"
+    },
+    "saving": "Запазване...",
+    "titlePlaceholder": "Без заглавие",
+    "wordCount": "{{wordCount}} думи"
+  },
+  "documentList": {
+    "copyContent": "Копиране на цялото съдържание",
+    "documentCount": "Общо {{count}} документа",
+    "duplicate": "Създаване на копие",
+    "empty": "Все още няма документи. Натиснете бутона по-горе, за да създадете първия си документ",
+    "noResults": "Няма намерени съвпадащи документи",
+    "selectNote": "Изберете документ, за да започнете редактиране",
+    "untitled": "Без заглавие"
+  },
  "empty": "Няма качени файлове/папки",
  "header": {
    "actions": {
      "newFolder": "Нова папка",
+      "newPage": "Създаване на нов документ",
      "uploadFile": "Качване на файл",
      "uploadFolder": "Качване на папка"
    },
+    "newDocumentButton": "Нов документ",
+    "newNoteDialog": {
+      "cancel": "Отказ",
+      "editTitle": "Редактиране на документ",
+      "emptyContent": "Съдържанието на документа не може да бъде празно",
+      "loadError": "Неуспешно зареждане на документа, моля опитайте отново",
+      "loading": "Зареждане...",
+      "save": "Запази",
+      "saveError": "Неуспешно запазване на документа, моля опитайте отново",
+      "saveSuccess": "Документът беше запазен успешно",
+      "title": "Нов документ",
+      "updateSuccess": "Документът беше обновен успешно"
+    },
    "uploadButton": "Качване"
  },
+  "home": {
+    "getStarted": "Започнете",
+    "greeting": "Начало",
+    "quickActions": "Бързи действия",
+    "recentDocuments": "Скорошни документи",
+    "recentFiles": "Скорошни файлове",
+    "subtitle": "Добре дошли в базата знания. Започнете да управлявате вашите документи оттук",
+    "uploadEntries": {
+      "files": {
+        "title": "Качване на файлове"
+      },
+      "folder": {
+        "title": "Качване на папка"
+      },
+      "knowledgeBase": {
+        "title": "Създай база знания"
+      },
+      "newDocument": {
+        "title": "Създай нов документ"
+      }
+    }
+  },
  "knowledgeBase": {
    "list": {
      "confirmRemoveKnowledgeBase": "Сигурни ли сте, че искате да изтриете тази база знания? Файловете в нея няма да бъдат изтрити, а ще бъдат преместени в общите файлове. След изтриването на базата знания, тя не може да бъде възстановена, моля, действайте внимателно.",
@@ -38,6 +115,10 @@
    "new": "Нова база знания",
    "title": "База знания"
  },
+  "menu": {
+    "allDocuments": "Всички документи",
+    "allFiles": "Всички файлове"
+  },
  "networkError": "Неуспешно получаване на базата от знания, моля, проверете интернет връзката и опитайте отново",
  "notSupportGuide": {
    "desc": "Текущият инстанс е в режим на клиентска база данни и не поддържа функцията за управление на файлове. Моля, превключете на <1>режим на сървърна база данни</1> или използвайте директно <3>LobeChat Cloud</3>",
@@ -61,12 +142,16 @@
    "downloadFile": "Изтеглете файла",
    "unsupportedFileAndContact": "Този формат на файла не поддържа онлайн преглед. Ако имате нужда от преглед, моля, <1>свържете се с нас</1>."
  },
+  "searchDocumentPlaceholder": "Търсене на документи",
  "searchFilePlaceholder": "Търсене на файл",
  "tab": {
-    "all": "Всички файлове",
+    "all": "Всички",
    "audios": "Аудио",
    "documents": "Документи",
+    "home": "Начало",
    "images": "Снимки",
+    "moreTypes": "Още типове",
+    "pages": "Документи",
    "videos": "Видеа",
    "websites": "Уебсайтове"
  },
@@ -295,7 +295,7 @@
      },
      "helpDoc": "Ръководство за конфигуриране",
      "responsesApi": {
-        "desc": "Използва новия формат на заявките на OpenAI, отключващ функции като вериги на мислене и други усъвършенствани възможности",
+        "desc": "Използва новия формат за заявки на OpenAI, отключвайки разширени функции като вериги на мисълта (поддържа се само от моделите на OpenAI)",
        "title": "Използване на Responses API стандарта"
      },
      "waitingForMore": "Още модели са в <1>планиране</1>, моля, очаквайте"
@@ -236,6 +236,9 @@
  "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."
  },
+  "MiniMaxAI/MiniMax-M2": {
+    "description": "MiniMax-M2 преосмисля ефективността на интелигентните агенти. Това е компактен, бърз и икономичен MoE модел с общо 230 милиарда параметъра и 10 милиарда активни параметъра, създаден за постигане на върхова производителност при кодиране и задачи, свързани с интелигентни агенти, като същевременно поддържа силен общ интелект. Със само 10 милиарда активни параметъра, MiniMax-M2 предлага производителност, сравнима с тази на мащабни модели, което го прави идеален избор за приложения с висока ефективност."
+  },
  "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."
  },
@@ -1049,6 +1052,9 @@
  "deepseek-r1-0528": {
    "description": "Пълноценен модел с 685 милиарда параметри, пуснат на 28 май 2025 г. DeepSeek-R1 използва мащабно обучение с подсилване в последващия етап на обучение, значително подобрявайки способността за разсъждение с минимални анотирани данни. Отличава се с висока производителност и способности в задачи по математика, кодиране и естествен езиков разсъждения."
  },
+  "deepseek-r1-250528": {
+    "description": "DeepSeek R1 250528, пълнофункционален модел за дедукция DeepSeek-R1, подходящ за сложни математически и логически задачи."
+  },
  "deepseek-r1-70b-fast-online": {
    "description": "DeepSeek R1 70B бърза версия, поддържаща търсене в реално време, предлагаща по-бърза скорост на отговор, без да компрометира производителността на модела."
  },
@@ -1059,31 +1065,34 @@
    "description": "deepseek-r1-distill-llama е модел, дестилиран от DeepSeek-R1 на базата на Llama."
  },
  "deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek R1 - по-голям и по-интелигентен модел в комплекта DeepSeek - е дестилиран в архитектурата Llama 70B. На базата на бенчмаркове и човешка оценка, този модел е по-интелигентен от оригиналния Llama 70B, особено в задачи, изискващи математическа и фактическа точност."
+    "description": "DeepSeek R1 Distill Llama 70B, дистилиран модел, съчетаващ универсалните дедуктивни способности на R1 с екосистемата на Llama."
  },
  "deepseek-r1-distill-llama-8b": {
-    "description": "Моделите от серията DeepSeek-R1-Distill са получени чрез техника на знание дестилация, като се фино настройват образците, генерирани от DeepSeek-R1, спрямо отворени модели като Qwen и Llama."
+    "description": "DeepSeek-R1-Distill-Llama-8B е дистилиран голям езиков модел, базиран на Llama-3.1-8B, използващ изхода на DeepSeek R1."
+  },
+  "deepseek-r1-distill-qianfan-70b": {
+    "description": "DeepSeek R1 Distill Qianfan 70B, дистилиран модел R1, базиран на Qianfan-70B, с високо съотношение цена/качество."
+  },
+  "deepseek-r1-distill-qianfan-8b": {
+    "description": "DeepSeek R1 Distill Qianfan 8B, дистилиран модел R1, базиран на Qianfan-8B, подходящ за малки и средни приложения."
  },
  "deepseek-r1-distill-qianfan-llama-70b": {
-    "description": "Първоначално пуснат на 14 февруари 2025 г., дестилиран от екипа за разработка на модела Qianfan с базов модел Llama3_70B (създаден с Meta Llama), в дестилираните данни също е добавен корпус от Qianfan."
-  },
-  "deepseek-r1-distill-qianfan-llama-8b": {
-    "description": "Първоначално пуснат на 14 февруари 2025 г., дестилиран от екипа за разработка на модела Qianfan с базов модел Llama3_8B (създаден с Meta Llama), в дестилираните данни също е добавен корпус от Qianfan."
+    "description": "DeepSeek R1 Distill Qianfan Llama 70B, дистилиран модел R1, базиран на Llama-70B."
  },
  "deepseek-r1-distill-qwen": {
    "description": "deepseek-r1-distill-qwen е модел, базиран на Qwen, дестилиран от DeepSeek-R1."
  },
  "deepseek-r1-distill-qwen-1.5b": {
-    "description": "Моделите от серията DeepSeek-R1-Distill са получени чрез техника на знание дестилация, като се фино настройват образците, генерирани от DeepSeek-R1, спрямо отворени модели като Qwen и Llama."
+    "description": "DeepSeek R1 Distill Qwen 1.5B, ултралек дистилиран модел R1, подходящ за среди с изключително ограничени ресурси."
  },
  "deepseek-r1-distill-qwen-14b": {
-    "description": "Моделите от серията DeepSeek-R1-Distill са получени чрез техника на знание дестилация, като се фино настройват образците, генерирани от DeepSeek-R1, спрямо отворени модели като Qwen и Llama."
+    "description": "DeepSeek R1 Distill Qwen 14B, дистилиран модел R1 със среден мащаб, подходящ за разгръщане в различни сценарии."
  },
  "deepseek-r1-distill-qwen-32b": {
-    "description": "Моделите от серията DeepSeek-R1-Distill са получени чрез техника на знание дестилация, като се фино настройват образците, генерирани от DeepSeek-R1, спрямо отворени модели като Qwen и Llama."
+    "description": "DeepSeek R1 Distill Qwen 32B, дистилиран модел R1, базиран на Qwen-32B, балансиращ между производителност и разходи."
  },
  "deepseek-r1-distill-qwen-7b": {
-    "description": "Моделите от серията DeepSeek-R1-Distill са получени чрез техника на знание дестилация, като се фино настройват образците, генерирани от DeepSeek-R1, спрямо отворени модели като Qwen и Llama."
+    "description": "DeepSeek R1 Distill Qwen 7B, лек дистилиран модел R1, подходящ за edge устройства и частни корпоративни среди."
  },
  "deepseek-r1-fast-online": {
    "description": "DeepSeek R1 пълна бърза версия, поддържаща търсене в реално време, комбинираща мощността на 671B параметри с по-бърза скорост на отговор."
@@ -1112,12 +1121,24 @@
  "deepseek-v3.1-terminus": {
    "description": "DeepSeek-V3.1-Terminus е оптимизирана версия на голям езиков модел от DeepSeek, създаден специално за крайни устройства."
  },
+  "deepseek-v3.1-think-250821": {
+    "description": "DeepSeek V3.1 Think 250821, модел за дълбоко мислене, съответстващ на версията Terminus, подходящ за високопроизводителни дедуктивни задачи."
+  },
  "deepseek-v3.1:671b": {
    "description": "DeepSeek V3.1: следващо поколение модел за разсъждение, подобряващ способностите за сложни разсъждения и свързано мислене, подходящ за задачи, изискващи задълбочен анализ."
  },
  "deepseek-v3.2-exp": {
    "description": "deepseek-v3.2-exp въвежда механизъм за разредено внимание, с цел подобряване на ефективността при обучение и извод при обработка на дълги текстове, като цената е по-ниска от тази на deepseek-v3.1."
  },
+  "deepseek-v3.2-think": {
+    "description": "DeepSeek V3.2 Think, пълнофункционален модел за дълбоко мислене, с подсилени способности за дълговерижна дедукция."
+  },
+  "deepseek-vl2": {
+    "description": "DeepSeek VL2, мултимодален модел, поддържащ разбиране на изображения и текст, както и фино визуално въпроси-отговори."
+  },
+  "deepseek-vl2-small": {
+    "description": "DeepSeek VL2 Small, олекотена мултимодална версия, подходяща за среди с ограничени ресурси и висока едновременност."
+  },
  "deepseek/deepseek-chat-v3-0324": {
    "description": "DeepSeek V3 е експертен смесен модел с 685B параметри, последната итерация на флагманската серия чат модели на екипа DeepSeek.\n\nТой наследява модела [DeepSeek V3](/deepseek/deepseek-chat-v3) и показва отлични резултати в различни задачи."
  },
@@ -1137,7 +1158,7 @@
    "description": "DeepSeek-R1 значително подобрява способността за разсъждение на модела дори с много малко анотирани данни. Преди да изведе окончателния отговор, моделът първо генерира мисловна верига, за да повиши точността на крайния отговор."
  },
  "deepseek/deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek-R1-Distill-Llama-70B е дистилиран и по-ефективен вариант на 70B Llama модела. Той запазва силна производителност при генериране на текст, намалявайки изчислителните разходи за по-лесно внедряване и изследване. Обслужва се от Groq с помощта на техния персонализиран хардуер за езикова обработка (LPU), осигурявайки бързо и ефективно разсъждение."
+    "description": "DeepSeek R1 Distill Llama 70B е голям езиков модел, базиран на Llama3.3 70B, който използва фино настройване, извлечено от DeepSeek R1, за да постигне конкурентна производителност, съпоставима с водещите мащабни модели."
  },
  "deepseek/deepseek-r1-distill-llama-8b": {
    "description": "DeepSeek R1 Distill Llama 8B е дестилиран голям езиков модел, базиран на Llama-3.1-8B-Instruct, обучен с изхода на DeepSeek R1."
@@ -1253,83 +1274,89 @@
  "emohaa": {
    "description": "Emohaa е психологически модел с професионални консултантски способности, помагащ на потребителите да разберат емоционалните проблеми."
  },
-  "ernie-3.5-128k": {
-    "description": "Флагманският голям езиков модел, разработен от Baidu, обхваща огромно количество китайски и английски текстове, притежаващ силни общи способности, способен да отговори на повечето изисквания за диалогови въпроси и отговори, генериране на съдържание и приложения на плъгини; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията."
-  },
-  "ernie-3.5-8k": {
-    "description": "Флагманският голям езиков модел, разработен от Baidu, обхваща огромно количество китайски и английски текстове, притежаващ силни общи способности, способен да отговори на повечето изисквания за диалогови въпроси и отговори, генериране на съдържание и приложения на плъгини; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията."
-  },
-  "ernie-3.5-8k-preview": {
-    "description": "Флагманският голям езиков модел, разработен от Baidu, обхваща огромно количество китайски и английски текстове, притежаващ силни общи способности, способен да отговори на повечето изисквания за диалогови въпроси и отговори, генериране на съдържание и приложения на плъгини; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията."
-  },
-  "ernie-4.0-8k-latest": {
-    "description": "Флагманският голям езиков модел, разработен от Baidu, с изключителни подобрения в сравнение с ERNIE 3.5, широко приложим в сложни задачи в различни области; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията."
-  },
-  "ernie-4.0-8k-preview": {
-    "description": "Флагманският голям езиков модел, разработен от Baidu, с изключителни подобрения в сравнение с ERNIE 3.5, широко приложим в сложни задачи в различни области; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията."
-  },
-  "ernie-4.0-turbo-128k": {
-    "description": "Флагманският голям езиков модел, разработен от Baidu, с отлични общи резултати, широко приложим в сложни задачи в различни области; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията. В сравнение с ERNIE 4.0, показва по-добри резултати."
-  },
-  "ernie-4.0-turbo-8k-latest": {
-    "description": "Флагманският голям езиков модел, разработен от Baidu, с отлични общи резултати, широко приложим в сложни задачи в различни области; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията. В сравнение с ERNIE 4.0, показва по-добри резултати."
-  },
-  "ernie-4.0-turbo-8k-preview": {
-    "description": "Флагманският голям езиков модел, разработен от Baidu, с отлични общи резултати, широко приложим в сложни задачи в различни области; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията. В сравнение с ERNIE 4.0, показва по-добри резултати."
+  "ernie-4.5-0.3b": {
+    "description": "ERNIE 4.5 0.3B, отворен и лек модел, подходящ за локално и персонализирано внедряване."
  },
  "ernie-4.5-21b-a3b": {
-    "description": "ERNIE 4.5 21B A3B е хибриден експертен модел, разработен от Baidu Wenxin, с мощни способности за извеждане на заключения и поддръжка на множество езици."
+    "description": "ERNIE 4.5 21B A3B, отворен модел с голям брой параметри, с по-добра производителност при задачи за разбиране и генериране."
  },
  "ernie-4.5-300b-a47b": {
    "description": "ERNIE 4.5 300B A47B е мащабен хибриден експертен модел от Baidu Wenxin, отличаващ се с изключителни способности за извеждане на заключения."
  },
  "ernie-4.5-8k-preview": {
-    "description": "Моделът Ernie 4.5 е ново поколение оригинален много модален основен модел, разработен от Baidu, който постига съвместна оптимизация чрез многомодално моделиране, с отлични способности за разбиране на много модалности; предлага усъвършенствани езикови способности, с подобрено разбиране, генериране, логика и памет, значително подобрени способности за избягване на халюцинации, логическо разсъждение и код."
+    "description": "ERNIE 4.5 8K Preview, модел с 8K контекст за предварителен преглед, предназначен за тестване на възможностите на Wenxin 4.5."
  },
  "ernie-4.5-turbo-128k": {
-    "description": "Wenxin 4.5 Turbo показва значителни подобрения в областите на елиминиране на илюзии, логическо разсъждение и кодиране. В сравнение с Wenxin 4.5, е по-бърз и по-евтин. Моделът е с цялостно подобрени способности, по-добре отговарящи на задачите за обработка на многократни дълги исторически разговори и разбиране на дълги документи."
+    "description": "ERNIE 4.5 Turbo 128K, високопроизводителен универсален модел, поддържащ търсене с подобрение и използване на инструменти, подходящ за въпроси-отговори, код, агенти и други бизнес сценарии."
+  },
+  "ernie-4.5-turbo-128k-preview": {
+    "description": "ERNIE 4.5 Turbo 128K Preview, предварителна версия с възможности, идентични на официалната, подходяща за интеграционно тестване и поетапно внедряване."
  },
  "ernie-4.5-turbo-32k": {
-    "description": "Wenxin 4.5 Turbo показва значителни подобрения в областите на елиминиране на илюзии, логическо разсъждение и кодиране. В сравнение с Wenxin 4.5, е по-бърз и по-евтин. Способностите за текстово творчество и знания са значително подобрени. Дължината на изхода и времето за забавяне на цялото изречение са увеличени в сравнение с ERNIE 4.5."
+    "description": "ERNIE 4.5 Turbo 32K, версия с междинен контекст, подходяща за въпроси-отговори, търсене в бази знания и многократни диалози."
+  },
+  "ernie-4.5-turbo-latest": {
+    "description": "ERNIE 4.5 Turbo Latest, оптимизиран за цялостна производителност, подходящ като основен универсален модел за продукционна среда."
+  },
+  "ernie-4.5-turbo-vl": {
+    "description": "ERNIE 4.5 Turbo VL, зрял мултимодален модел, подходящ за задачи по разбиране и разпознаване на изображения и текст в продукционна среда."
  },
  "ernie-4.5-turbo-vl-32k": {
-    "description": "Нова версия на големия модел Wenxin, с значително подобрени способности за разбиране на изображения, творчество, превод и кодиране, за първи път поддържа контекстна дължина от 32K, значително намалено забавяне при първия токен."
+    "description": "ERNIE 4.5 Turbo VL 32K, мултимодална версия с междинен контекст, подходяща за съвместно разбиране на дълги документи и изображения."
+  },
+  "ernie-4.5-turbo-vl-32k-preview": {
+    "description": "ERNIE 4.5 Turbo VL 32K Preview, предварителна мултимодална версия с 32K контекст, улесняваща оценката на визуалните способности при дълъг контекст."
+  },
+  "ernie-4.5-turbo-vl-latest": {
+    "description": "ERNIE 4.5 Turbo VL Latest, най-новата мултимодална версия, предлагаща по-добро разбиране и дедукция на изображения и текст."
+  },
+  "ernie-4.5-turbo-vl-preview": {
+    "description": "ERNIE 4.5 Turbo VL Preview, предварителен мултимодален модел, поддържащ разбиране и генериране на изображения и текст, подходящ за визуални въпроси-отговори и разбиране на съдържание."
+  },
+  "ernie-4.5-vl-28b-a3b": {
+    "description": "ERNIE 4.5 VL 28B A3B, отворен мултимодален модел, поддържащ разбиране и дедукция на изображения и текст."
+  },
+  "ernie-5.0-thinking-preview": {
+    "description": "Wenxin 5.0 Thinking Preview, флагмански модел с пълна мултимодалност, поддържащ унифицирано моделиране на текст, изображения, аудио и видео, с цялостно подобрени способности, подходящ за сложни въпроси, творчество и интелигентни агенти."
  },
  "ernie-char-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."
+    "description": "ERNIE Character 8K, модел за диалог с характер и личност, подходящ за изграждане на IP персонажи и дългосрочни разговори."
  },
  "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."
+    "description": "ERNIE Character Fiction 8K, персонализиран модел за създаване на романи и сюжетни линии, подходящ за генериране на дълги истории."
+  },
+  "ernie-char-fiction-8k-preview": {
+    "description": "ERNIE Character Fiction 8K Preview, предварителна версия на модел за създаване на персонажи и сюжети, предназначена за тестване и демонстрация."
  },
  "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."
+    "description": "ERNIE iRAG Edit, модел за редактиране на изображения, поддържащ изтриване, прерисуване и генериране на варианти."
  },
  "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."
+    "description": "ERNIE Lite 8K, лек универсален модел, подходящ за ежедневни въпроси и генериране на съдържание с ограничен бюджет."
  },
  "ernie-lite-pro-128k": {
-    "description": "Лек голям езиков модел, разработен от Baidu, който съчетава отлични резултати с производителност на разсъжденията, с по-добри резултати в сравнение с ERNIE Lite, подходящ за използване с AI ускорителни карти с ниска изчислителна мощ."
+    "description": "ERNIE Lite Pro 128K, лек и високопроизводителен модел, подходящ за бизнес сценарии, чувствителни към закъснение и разходи."
  },
  "ernie-novel-8k": {
-    "description": "Общ голям езиков модел, разработен от Baidu, с очевидни предимства в продължаването на разкази, подходящ и за кратки пиеси и филми."
+    "description": "ERNIE Novel 8K, модел за създаване на дълги романи и IP сюжети, с умения за многоперсонажно и многолинейно повествование."
  },
  "ernie-speed-128k": {
-    "description": "Най-новият високопроизводителен голям езиков модел, разработен от Baidu през 2024 г., с отлични общи способности, подходящ за финализиране на специфични проблеми, с отлична производителност на разсъжденията."
+    "description": "ERNIE Speed 128K, голям модел без разходи за вход/изход, подходящ за разбиране на дълги текстове и мащабно тестване."
+  },
+  "ernie-speed-8k": {
+    "description": "ERNIE Speed 8K, безплатен и бърз модел, подходящ за ежедневни разговори и леки текстови задачи."
  },
  "ernie-speed-pro-128k": {
-    "description": "Най-новият високопроизводителен голям езиков модел, разработен от Baidu през 2024 г., с отлични общи способности, с по-добри резултати в сравнение с ERNIE Speed, подходящ за финализиране на специфични проблеми, с отлична производителност на разсъжденията."
+    "description": "ERNIE Speed Pro 128K, модел с висока едновременност и отлична цена/производителност, подходящ за мащабни онлайн услуги и корпоративни приложения."
  },
  "ernie-tiny-8k": {
-    "description": "ERNIE Tiny е модел с изключителна производителност, разработен от Baidu, с най-ниски разходи за внедряване и фина настройка сред моделите от серията Wenxin."
-  },
-  "ernie-x1-32k": {
-    "description": "Разполага с по-силни способности за разбиране, планиране, размисъл и еволюция. Като модел за дълбоко мислене с по-пълни способности, Wenxin X1 съчетава точност, креативност и изящество, и се представя особено добре в области като китайски знания, литературно творчество, писане на документи, ежедневни разговори, логическо разсъждение, сложни изчисления и извикване на инструменти."
-  },
-  "ernie-x1-32k-preview": {
-    "description": "Моделът Wenxin X1 притежава по-силни способности за разбиране, планиране, размисъл и еволюция. Като модел за дълбоко мислене с по-широки възможности, Wenxin X1 съчетава точност, креативност и изящество, особено в области като китайски знания и отговори, литературно творчество, писане на документи, ежедневни разговори, логическо разсъждение, сложни изчисления и извикване на инструменти."
+    "description": "ERNIE Tiny 8K, ултралек модел, подходящ за прости въпроси, класификация и други нискобюджетни дедуктивни задачи."
  },
  "ernie-x1-turbo-32k": {
-    "description": "В сравнение с ERNIE-X1-32K, моделът предлага по-добри резултати и производителност."
+    "description": "ERNIE X1 Turbo 32K, модел за бързо мислене с 32K дълъг контекст, подходящ за сложна дедукция и многократни диалози."
+  },
+  "ernie-x1.1-preview": {
+    "description": "ERNIE X1.1 Preview, предварителна версия на модела за мислене ERNIE X1.1, подходяща за тестване и валидиране на способности."
  },
  "fal-ai/bytedance/seedream/v4": {
    "description": "Seedream 4.0 е модел за генериране на изображения, разработен от екипа Seed на ByteDance, поддържа вход от текст и изображения, предоставя висококонтролирано и качествено генериране на изображения. Генерира изображения на базата на текстови подсказки."
@@ -1389,7 +1416,7 @@
    "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."
+    "description": "FLUX.1-schnell, високопроизводителен модел за генериране на изображения, подходящ за бързо създаване на изображения в различни стилове."
  },
  "gemini-1.0-pro-001": {
    "description": "Gemini 1.0 Pro 001 (Тунинг) предлага стабилна и настройваема производителност, идеален избор за решения на сложни задачи."
@@ -1538,6 +1565,9 @@
  "glm-4-0520": {
    "description": "GLM-4-0520 е най-новата версия на модела, проектирана за високо сложни и разнообразни задачи, с отлични резултати."
  },
+  "glm-4-32b-0414": {
+    "description": "GLM-4 32B 0414, универсален голям езиков модел от серията GLM, поддържащ многозадачно генериране и разбиране на текст."
+  },
  "glm-4-9b-chat": {
    "description": "GLM-4-9B-Chat показва висока производителност в области като семантика, математика, логическо мислене, програмиране и общи знания. Поддържа също така уеб браузване, изпълнение на код, извикване на персонализирани инструменти и извеждане на заключения от дълги текстове. Поддържа 26 езика, включително японски, корейски и немски."
  },
@@ -1826,6 +1856,18 @@
  "gpt-5-pro": {
    "description": "GPT-5 pro използва повече изчислителна мощност за по-задълбочено мислене и постоянно предоставя по-добри отговори."
  },
+  "gpt-5.1": {
+    "description": "GPT-5.1 — флагмански модел, оптимизиран за кодиране и задачи с агенти, поддържа конфигурируема интензивност на разсъждение и по-дълъг контекст."
+  },
+  "gpt-5.1-chat-latest": {
+    "description": "GPT-5.1 Chat: вариант на GPT-5.1 за ChatGPT, подходящ за чат сценарии."
+  },
+  "gpt-5.1-codex": {
+    "description": "GPT-5.1 Codex: версия на GPT-5.1, оптимизирана за агентски задачи по кодиране, използваема в Responses API за по-сложни работни потоци с код и агенти."
+  },
+  "gpt-5.1-codex-mini": {
+    "description": "GPT-5.1 Codex mini: по-компактен и икономичен вариант на Codex, оптимизиран за агентски задачи по кодиране."
+  },
  "gpt-audio": {
    "description": "GPT Audio е универсален чат модел, ориентиран към аудио вход и изход, поддържащ използване на аудио I/O в Chat Completions API."
  },
@@ -2001,13 +2043,13 @@
    "description": "Imagen: серия от модели от 4-то поколение за генериране на изображения от текст"
  },
  "imagen-4.0-generate-preview-06-06": {
-    "description": "Imagen 4-то поколение текст-към-изображение модел серия"
+    "description": "Четвърто поколение модели Imagen за генериране на изображения от текст."
  },
  "imagen-4.0-ultra-generate-001": {
    "description": "Imagen, 4-то поколение модел за преобразуване на текст в изображение, серия Ultra"
  },
  "imagen-4.0-ultra-generate-preview-06-06": {
-    "description": "Imagen 4-то поколение текст-към-изображение модел серия Ултра версия"
+    "description": "Ultra версия на четвъртото поколение модели Imagen за генериране на изображения от текст."
  },
  "inception/mercury-coder-small": {
    "description": "Mercury Coder Small е идеален за задачи по генериране, отстраняване на грешки и рефакториране на код с минимална латентност."
@@ -2036,14 +2078,26 @@
  "internlm3-latest": {
    "description": "Нашата най-нова серия модели с изключителна производителност на разсъжденията, водеща в категорията на отворените модели. По подразбиране сочи към най-ново публикуваната серия модели InternLM3."
  },
+  "internvl2.5-38b-mpo": {
+    "description": "InternVL2.5 38B MPO, мултимодален предварително обучен модел, способен на сложни задачи за визуално-текстово разсъждение."
+  },
  "internvl2.5-latest": {
    "description": "Версията InternVL2.5, която все още поддържаме, предлага отлична и стабилна производителност. По подразбиране сочи към нашата най-нова версия на серията InternVL2.5, текущо сочи към internvl2.5-78b."
  },
+  "internvl3-14b": {
+    "description": "InternVL3 14B, мултимодален модел със среден мащаб, постигащ баланс между производителност и разходи."
+  },
+  "internvl3-1b": {
+    "description": "InternVL3 1B, лек мултимодален модел, подходящ за внедряване в среди с ограничени ресурси."
+  },
+  "internvl3-38b": {
+    "description": "InternVL3 38B, мащабен мултимодален модел с отворен код, предназначен за задачи с висока точност на визуално-текстово разбиране."
+  },
  "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."
+    "description": "ERNIE iRAG, модел за генериране, подсилен с визуално търсене, поддържащ търсене по изображение, визуално-текстово търсене и създаване на съдържание."
  },
  "jamba-large": {
    "description": "Нашият най-мощен и напреднал модел, проектиран за справяне с комплексни задачи на корпоративно ниво, с изключителна производителност."
@@ -2064,7 +2118,7 @@
    "description": "Моделът kimi-k2-0905-preview има контекстна дължина от 256k, с по-силни способности за агентно кодиране, по-изразителна естетика и практичност на фронтенд кода, както и по-добро разбиране на контекста."
  },
  "kimi-k2-instruct": {
-    "description": "Kimi K2 Instruct е голям езиков модел, разработен от Moonshot AI, с изключителна способност за обработка на дълъг контекст."
+    "description": "Kimi K2 Instruct, официален модел за извеждане от Kimi, поддържащ дълъг контекст, програмиране, въпроси и отговори и други сценарии."
  },
  "kimi-k2-turbo-preview": {
    "description": "Kimi-k2 е базов модел с MoE архитектура, който притежава изключителни възможности за работа с код и агентни функции. Общият брой параметри е 1T, а активните параметри са 32B. В бенчмарковете за основни категории като общо знание и разсъждение, програмиране, математика и агентни задачи, моделът K2 превъзхожда другите водещи отворени модели."
@@ -2174,6 +2228,9 @@
  "megrez-3b-instruct": {
    "description": "Megrez 3B Instruct е ефективен модел с малък брой параметри, разработен от Wuwen Xinqiong."
  },
+  "meituan/longcat-flash-chat": {
+    "description": "Longcat Flash Chat е с отворен код от Meituan и представлява базов модел без мисловни процеси, оптимизиран за диалогови взаимодействия и задачи на интелигентни агенти, с изключителна ефективност при използване на инструменти и в сложни многократни взаимодействия."
+  },
  "meta-llama-3-70b-instruct": {
    "description": "Мощен модел с 70 милиарда параметри, отличаващ се в разсъждения, кодиране и широки езикови приложения."
  },
@@ -2405,6 +2462,12 @@
  "minimax-m2": {
    "description": "MiniMax M2 е ефективен голям езиков модел, създаден специално за кодиране и работни процеси с агенти."
  },
+  "minimax/minimax-m2": {
+    "description": "Създаден специално за ефективно кодиране и работни потоци с агенти."
+  },
+  "minimaxai/minimax-m2": {
+    "description": "MiniMax-M2 е компактен, бърз и икономичен хибриден експертен (MoE) модел с общо 230 милиарда параметъра и 10 милиарда активни параметъра, създаден за постигане на върхова производителност при кодиране и задачи, свързани с интелигентни агенти, като същевременно поддържа силен общ интелект. Моделът се отличава с отлична работа при редактиране на множество файлове, затворен цикъл кодиране-изпълнение-поправка, тестване и валидиране на поправки, както и при сложни дълговерижни инструментални процеси, което го прави идеален избор за работния процес на разработчиците."
+  },
  "ministral-3b-latest": {
    "description": "Ministral 3B е световен лидер сред моделите на Mistral."
  },
@@ -2735,6 +2798,54 @@
  "pro-deepseek-v3": {
    "description": "Специализиран модел за корпоративни услуги, включващ паралелна обработка."
  },
+  "qianfan-70b": {
+    "description": "Qianfan 70B, голям китайски езиков модел, подходящ за създаване на висококачествено съдържание и сложни разсъждения."
+  },
+  "qianfan-8b": {
+    "description": "Qianfan 8B, универсален модел със среден мащаб, балансиращ между разходи и ефективност за генериране на текст и въпроси и отговори."
+  },
+  "qianfan-agent-intent-32k": {
+    "description": "Qianfan Agent Intent 32K, модел за разпознаване на намерения и оркестрация на интелигентни агенти, поддържащ дълъг контекст."
+  },
+  "qianfan-agent-lite-8k": {
+    "description": "Qianfan Agent Lite 8K, лек модел за интелигентни агенти, подходящ за нискобюджетни многократни диалози и бизнес оркестрация."
+  },
+  "qianfan-agent-speed-32k": {
+    "description": "Qianfan Agent Speed 32K, високопроизводителен модел за интелигентни агенти, подходящ за мащабни и многозадачни приложения."
+  },
+  "qianfan-agent-speed-8k": {
+    "description": "Qianfan Agent Speed 8K, модел за интелигентни агенти с висока едновременност, предназначен за кратки диалози и бързи отговори."
+  },
+  "qianfan-check-vl": {
+    "description": "Qianfan Check VL, мултимодален модел за проверка и откриване на съдържание, поддържащ съответствие и разпознаване на визуално-текстово съдържание."
+  },
+  "qianfan-composition": {
+    "description": "Qianfan Composition, мултимодален творчески модел, поддържащ разбиране и генериране на комбинирано визуално и текстово съдържание."
+  },
+  "qianfan-engcard-vl": {
+    "description": "Qianfan EngCard VL, мултимодален модел, фокусиран върху англоезични сценарии за разпознаване."
+  },
+  "qianfan-lightning-128b-a19b": {
+    "description": "Qianfan Lightning 128B A19B, високопроизводителен универсален китайски езиков модел, подходящ за сложни въпроси и мащабни разсъждения."
+  },
+  "qianfan-llama-vl-8b": {
+    "description": "Qianfan Llama VL 8B, мултимодален модел, базиран на Llama, предназначен за общо визуално-текстово разбиране."
+  },
+  "qianfan-multipicocr": {
+    "description": "Qianfan MultiPicOCR, OCR модел за множество изображения, поддържащ откриване и разпознаване на текст от няколко изображения."
+  },
+  "qianfan-qi-vl": {
+    "description": "Qianfan QI VL, мултимодален въпросно-отговорен модел, поддържащ прецизно търсене и отговори в сложни визуално-текстови сценарии."
+  },
+  "qianfan-singlepicocr": {
+    "description": "Qianfan SinglePicOCR, OCR модел за едно изображение, поддържащ високоточна разпознаваемост на символи."
+  },
+  "qianfan-vl-70b": {
+    "description": "Qianfan VL 70B, голям визуално-езиков модел, подходящ за сложни визуално-текстови задачи."
+  },
+  "qianfan-vl-8b": {
+    "description": "Qianfan VL 8B, лек визуално-езиков модел, подходящ за ежедневни визуално-текстови въпроси и анализи."
+  },
  "qvq-72b-preview": {
    "description": "QVQ моделът е експериментален изследователски модел, разработен от екипа на Qwen, фокусиран върху повишаване на визуалните способности за разсъждение, особено в областта на математическото разсъждение."
  },
@@ -2886,7 +2997,7 @@
    "description": "Модел с мащаб 72B, отворен за обществеността от Qwen 2.5."
  },
  "qwen2.5-7b-instruct": {
-    "description": "Модел с мащаб 7B, отворен за обществеността от Qwen 2.5."
+    "description": "Qwen2.5 7B Instruct, зрял отворен модел с инструкции, подходящ за диалози и генериране в различни сценарии."
  },
  "qwen2.5-coder-1.5b-instruct": {
    "description": "通义千问（Qwen） е отворен код модел за програмиране."
@@ -2919,13 +3030,13 @@
    "description": "Моделите от серията Qwen-Omni поддържат входни данни от множество модалности, включително видео, аудио, изображения и текст, и изходят аудио и текст."
  },
  "qwen2.5-vl-32b-instruct": {
-    "description": "Моделите от серията Qwen2.5-VL подобряват интелигентността, практичността и приложимостта на модела, като ги правят по-ефективни в сценарии като естествени разговори, създаване на съдържание, професионални услуги и разработка на код. Версията 32B използва технологии за обучение с подсилване за оптимизиране на модела, предлагайки в сравнение с другите модели от серията Qwen2.5 VL по-съответстващ на човешките предпочитания стил на изход, способност за разсъждение върху сложни математически проблеми, както и фино разбиране и разсъждение на изображения."
+    "description": "Qwen2.5 VL 32B Instruct, мултимодален отворен модел, подходящ за частно внедряване и разнообразни приложения."
  },
  "qwen2.5-vl-72b-instruct": {
    "description": "Подобрение на следването на инструкции, математика, решаване на проблеми и код, повишаване на способността за разпознаване на обекти, поддържа директно точно локализиране на визуални елементи в различни формати, поддържа разбиране на дълги видео файлове (до 10 минути) и локализиране на събития в секунда, може да разбира времеви последователности и скорости, базирано на способности за анализ и локализация, поддържа управление на OS или Mobile агенти, силна способност за извличане на ключова информация и изход в JSON формат, тази версия е 72B, най-силната версия в серията."
  },
  "qwen2.5-vl-7b-instruct": {
-    "description": "Подобрение на следването на инструкции, математика, решаване на проблеми и код, повишаване на способността за разпознаване на обекти, поддържа директно точно локализиране на визуални елементи в различни формати, поддържа разбиране на дълги видео файлове (до 10 минути) и локализиране на събития в секунда, може да разбира времеви последователности и скорости, базирано на способности за анализ и локализация, поддържа управление на OS или Mobile агенти, силна способност за извличане на ключова информация и изход в JSON формат, тази версия е 72B, най-силната версия в серията."
+    "description": "Qwen2.5 VL 7B Instruct, лек мултимодален модел, балансиращ между разходи за внедряване и разпознаваемост."
  },
  "qwen2.5-vl-instruct": {
    "description": "Qwen2.5-VL е най-новата версия на визуално-езиковия модел от семейството Qwen."
@@ -2952,46 +3063,46 @@
    "description": "Qwen3 е новото поколение на Alibaba голям езиков модел, който предлага отлична производителност, за да отговори на разнообразни приложения."
  },
  "qwen3-0.6b": {
-    "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."
+    "description": "Qwen3 0.6B, начален модел, подходящ за прости разсъждения и среди с изключително ограничени ресурси."
  },
  "qwen3-1.7b": {
-    "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."
+    "description": "Qwen3 1.7B, ултралек модел, удобен за внедряване на крайни и гранични устройства."
  },
  "qwen3-14b": {
-    "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."
+    "description": "Qwen3 14B, модел със среден мащаб, подходящ за многоезични въпроси и генериране на текст."
  },
  "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."
+    "description": "Qwen3 235B A22B, универсален голям модел, предназначен за различни сложни задачи."
  },
  "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)."
+    "description": "Qwen3 235B A22B Instruct 2507, флагмански универсален модел с инструкции, подходящ за генериране и разсъждение."
  },
  "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."
+    "description": "Qwen3 235B A22B Thinking 2507, ултрамащабен мисловен модел, предназначен за сложни разсъждения."
  },
  "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."
+    "description": "Qwen3 30B A3B, универсален модел със средно голям мащаб, балансиращ между разходи и ефективност."
  },
  "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."
+    "description": "Qwen3 30B A3B Instruct 2507, модел със среден мащаб с инструкции, подходящ за висококачествено генериране и въпроси и 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."
+    "description": "Qwen3 30B A3B Thinking 2507, мисловен модел със среден мащаб, балансиращ между точност и разходи."
  },
  "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."
+    "description": "Qwen3 32B, подходящ за универсални задачи, изискващи по-силни способности за разбиране."
  },
  "qwen3-4b": {
-    "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."
+    "description": "Qwen3 4B, подходящ за малки и средни приложения и локални сценарии за извеждане."
  },
  "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."
+    "description": "Qwen3 8B, лек модел с гъвкаво внедряване, подходящ за приложения с висока едновременност."
  },
  "qwen3-coder-30b-a3b-instruct": {
    "description": "Откритият кодов модел на Tongyi Qianwen. Най-новият qwen3-coder-30b-a3b-instruct е модел за генериране на код, базиран на Qwen3, с мощни способности като Coding Agent, умело използва инструменти и взаимодейства с околната среда, способен на автономно програмиране и отлични кодови умения, съчетани с общи способности."
  },
  "qwen3-coder-480b-a35b-instruct": {
-    "description": "Отворена версия на кодовия модел Tongyi Qianwen. Най-новият qwen3-coder-480b-a35b-instruct е кодов модел, базиран на Qwen3, с мощни Coding Agent способности, умения за използване на инструменти и взаимодействие с околната среда, способен на автономно програмиране с отлични кодови и общи умения."
+    "description": "Qwen3 Coder 480B A35B Instruct, флагмански модел за програмиране, поддържащ многoезично кодиране и сложен анализ на код."
  },
  "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."
@@ -3005,32 +3116,41 @@
  "qwen3-max": {
    "description": "Серията Max на Tongyi Qianwen 3 предлага значително подобрена обща способност в сравнение с серия 2.5, с подобрено разбиране на текст на китайски и английски, способност за следване на сложни инструкции, умения за субективни отворени задачи, многоезични възможности и повишена способност за извикване на инструменти; моделът демонстрира по-малко халюцинации на знания. Последният модел qwen3-max включва специални подобрения в програмирането на агенти и извикването на инструменти в сравнение с версията qwen3-max-preview. Официалната версия, публикувана сега, достига SOTA ниво в своята област и е адаптирана за по-сложни изисквания на интелигентни агенти."
  },
+  "qwen3-max-preview": {
+    "description": "Най-ефективният модел от серията Tongyi Qianwen, подходящ за сложни и многоетапни задачи. Прегледната версия вече поддържа разсъждение."
+  },
  "qwen3-next-80b-a3b-instruct": {
    "description": "Базирано на Qwen3, ново поколение отворен модел без мисловен режим, който предлага по-добро разбиране на китайски текстове, подобрени логически умения и по-добри резултати при задачи за генериране на текст в сравнение с предишната версия (Tongyi Qianwen 3-235B-A22B-Instruct-2507)."
  },
  "qwen3-next-80b-a3b-thinking": {
-    "description": "Базирано на Qwen3, ново поколение отворен модел с мисловен режим, който подобрява спазването на инструкции и предоставя по-кратки и точни обобщения в сравнение с предишната версия (Tongyi Qianwen 3-235B-A22B-Thinking-2507)."
+    "description": "Qwen3 Next 80B A3B Thinking, флагманска версия за разсъждение, предназначена за сложни задачи."
  },
  "qwen3-omni-flash": {
    "description": "Моделът Qwen-Omni приема комбинирани входове от текст, изображения, аудио и видео, и генерира отговори под формата на текст или реч. Предлага разнообразни хуманизирани гласове, поддържа много езици и диалекти, и е приложим в сценарии като текстово творчество, визуално разпознаване и гласови асистенти."
  },
  "qwen3-vl-235b-a22b-instruct": {
-    "description": "Qwen3 VL 235B A22B в non-thinking режим (Instruct), подходящ за инструкции без необходимост от дълбоко разсъждение, като същевременно запазва силни визуални разбирания."
+    "description": "Qwen3 VL 235B A22B Instruct, флагмански мултимодален модел, предназначен за взискателни задачи по разбиране и творчество."
  },
  "qwen3-vl-235b-a22b-thinking": {
-    "description": "Qwen3 VL 235B A22B в мисловен режим (отворен код), предназначен за сложни задачи с интензивно разсъждение и разбиране на дълги видеа, предоставяйки водещи способности за визуално и текстово разсъждение."
+    "description": "Qwen3 VL 235B A22B Thinking, флагманска мисловна версия, използвана за сложни мултимодални разсъждения и планиране."
  },
  "qwen3-vl-30b-a3b-instruct": {
-    "description": "Qwen3 VL 30B в non-thinking режим (Instruct), насочен към обичайни сценарии за следване на инструкции, като същевременно поддържа високо ниво на мултимодално разбиране и генериране."
+    "description": "Qwen3 VL 30B A3B Instruct, голям мултимодален модел, балансиращ между точност и производителност при разсъждение."
  },
  "qwen3-vl-30b-a3b-thinking": {
-    "description": "Qwen-VL (отворен код) предлага способности за визуално разбиране и генериране на текст, поддържа взаимодействие с интелигентни агенти, визуално кодиране, пространствено възприятие, разбиране на дълги видеа и дълбоко мислене, с подобрено разпознаване на текст и многоезична поддръжка в сложни сценарии."
+    "description": "Qwen3 VL 30B A3B Thinking, дълбока мисловна версия за сложни мултимодални задачи."
+  },
+  "qwen3-vl-32b-instruct": {
+    "description": "Qwen3 VL 32B Instruct, мултимодален модел с фино настройване по инструкции, подходящ за висококачествени визуално-текстови въпроси и творчество."
+  },
+  "qwen3-vl-32b-thinking": {
+    "description": "Qwen3 VL 32B Thinking, мултимодална дълбока мисловна версия, подсилваща сложни разсъждения и анализ на дълги вериги."
  },
  "qwen3-vl-8b-instruct": {
-    "description": "Qwen3 VL 8B в non-thinking режим (Instruct), подходящ за стандартни задачи по мултимодално генериране и разпознаване."
+    "description": "Qwen3 VL 8B Instruct, лек мултимодален модел, подходящ за ежедневни визуални въпроси и интеграция в приложения."
  },
  "qwen3-vl-8b-thinking": {
-    "description": "Qwen3 VL 8B в мисловен режим, предназначен за леки мултимодални задачи по разсъждение и взаимодействие, като същевременно запазва способността за разбиране на дълъг контекст."
+    "description": "Qwen3 VL 8B Thinking, мултимодален модел с мисловна верига, подходящ за детайлно разсъждение върху визуална информация."
  },
  "qwen3-vl-flash": {
    "description": "Qwen3 VL Flash: олекотена версия за високоскоростно разсъждение, подходяща за сценарии, чувствителни към закъснение или с голям обем заявки."
@@ -3263,6 +3383,12 @@
  "wizardlm2:8x22b": {
    "description": "WizardLM 2 е езиков модел, предоставен от Microsoft AI, който се отличава в сложни диалози, многоезичност, разсъждение и интелигентни асистенти."
  },
+  "x-ai/grok-4-fast": {
+    "description": "С радост представяме Grok 4 Fast — нашият най-нов напредък в модели за ефективно и икономично извеждане."
+  },
+  "x-ai/grok-code-fast-1": {
+    "description": "С гордост представяме grok-code-fast-1 — бърз и икономичен модел за извеждане, който се отличава в агентно кодиране."
+  },
  "x1": {
    "description": "Моделът Spark X1 ще бъде допълнително обновен, като на базата на водещите в страната резултати в математически задачи, ще постигне ефекти в общи задачи като разсъждение, генериране на текст и разбиране на език, сравними с OpenAI o1 и DeepSeek R1."
  },
@@ -3323,6 +3449,9 @@
  "yi-vision-v2": {
    "description": "Модел за сложни визуални задачи, предлагащ висока производителност в разбирането и анализа на базата на множество изображения."
  },
+  "z-ai/glm-4.6": {
+    "description": "GLM-4.6 е най-новият флагмански модел на Zhipu, който значително надминава предшествениците си в напреднало кодиране, обработка на дълги текстове, извеждане и способности на интелигентни агенти."
+  },
  "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."
  },
@@ -236,6 +236,8 @@
  },
  "inspector": {
    "args": "Преглед на списъка с параметри",
+    "delete": "Изтриване на извикване на инструмент",
+    "orphanedToolCall": "Това извикване на инструмент може да е станало изолирано поради необичайни причини, което може да повлияе на нормалното изпълнение на агента. Моля, премахнете го.",
    "pluginRender": "Преглед на интерфейса на плъгина"
  },
  "list": {
@@ -251,14 +253,20 @@
  },
  "localSystem": {
    "apiName": {
+      "editLocalFile": "Редактиране на файл",
+      "getCommandOutput": "Получаване на изход от командата",
+      "globLocalFiles": "Търсене на съвпадащи файлове",
+      "grepContent": "Търсене на съдържание",
+      "killCommand": "Прекратяване на изпълнението на командата",
      "listLocalFiles": "Преглед на списък с файлове",
      "moveLocalFiles": "Преместване на файлове",
      "readLocalFile": "Четене на съдържание на файл",
      "renameLocalFile": "Преименуване",
+      "runCommand": "Изпълни код",
      "searchLocalFiles": "Търсене на файлове",
      "writeLocalFile": "Запис в файл"
    },
-    "title": "Локални файлове"
+    "title": "Локална система"
  },
  "mcpInstall": {
    "CHECKING_INSTALLATION": "Проверка на инсталационната среда...",
@@ -15,8 +15,22 @@
    "prompt": "подсказка"
  },
  "localFiles": {
+    "editFile": {
+      "newString": "Замени с",
+      "oldString": "Търсене на съдържание",
+      "replaceAll": "Замени всички съвпадения",
+      "replaceFirst": "Замени само първото съвпадение"
+    },
    "file": "Файл",
    "folder": "Папка",
+    "moveFiles": {
+      "itemsMoved": "Преместени {{count}} елемента:",
+      "itemsMoved_one": "Преместен {{count}} елемент:",
+      "itemsMoved_other": "Преместени {{count}} елемента:",
+      "itemsToMove": "{{count}} елемента за преместване:",
+      "itemsToMove_one": "{{count}} елемент за преместване:",
+      "itemsToMove_other": "{{count}} елемента за преместване:"
+    },
    "open": "Отвори",
    "openFile": "Отвори файл",
    "openFolder": "Отвори папка",
@@ -26,7 +40,12 @@
    "readFile": "Прочети файл",
    "readFileError": "Неуспешно четене на файла, моля, проверете дали пътят към файла е правилен",
    "readFiles": "Прочети файлове",
-    "readFilesError": "Неуспешно четене на файловете, моля, проверете дали пътят към файловете е правилен"
+    "readFilesError": "Неуспешно четене на файловете, моля, проверете дали пътят към файловете е правилен",
+    "writeFile": {
+      "characters": "Знаци",
+      "preview": "Преглед на съдържанието",
+      "truncated": "Съкратено"
+    }
  },
  "search": {
    "createNewSearch": "Създаване на нова търсене",
@@ -6,6 +6,7 @@
    "confirmRemoveUnstarred": "Ще бъдат изтрити темите, които не са запазени. След изтриването им не може да се възстановят. Моля, действайте внимателно.",
    "duplicate": "Създаване на копие",
    "export": "Експортиране на темата",
+    "openInNewWindow": "Отвори страницата в нов прозорец",
    "removeAll": "Изтриване на всички теми",
    "removeUnstarred": "Изтриване на незапазените теми"
  },
@@ -17,6 +17,7 @@
  "availableAgents": "Verfügbare Assistenten",
  "backToBottom": "Zurück zum Ende",
  "chatList": {
+    "expandMessage": "Nachricht anzeigen",
    "longMessageDetail": "Details anzeigen"
  },
  "clearCurrentMessages": "Aktuelle Nachrichten löschen",
@@ -173,9 +174,11 @@
    "title": "Mitglieder erwähnen"
  },
  "messageAction": {
+    "collapse": "Nachricht ausblenden",
    "continueGeneration": "Generierung fortsetzen",
    "delAndRegenerate": "Löschen und neu generieren",
    "deleteDisabledByThreads": "Es gibt Unterthemen, die Löschung ist nicht möglich.",
+    "expand": "Nachricht anzeigen",
    "regenerate": "Neu generieren"
  },
  "messages": {
@@ -240,6 +243,7 @@
  "noMatchingAgents": "Keine passenden Mitglieder gefunden",
  "noMembersYet": "Diese Gruppe hat noch keine Mitglieder. Klicken Sie auf die +-Schaltfläche, um Assistenten einzuladen.",
  "noSelectedAgents": "Noch keine Mitglieder ausgewählt",
+  "openInNewWindow": "In neuem Fenster öffnen",
  "owner": "Gruppeninhaber",
  "pin": "Anheften",
  "pinOff": "Anheften aufheben",
@@ -326,6 +330,11 @@
    "screenshot": "Screenshot",
    "settings": "Exporteinstellungen",
    "text": "Text",
+    "widthMode": {
+      "label": "Breitenmodus",
+      "narrow": "Schmalbildmodus",
+      "wide": "Breitbildmodus"
+    },
    "withBackground": "Mit Hintergrundbild",
    "withFooter": "Mit Fußzeile",
    "withPluginInfo": "Mit Plugin-Informationen",
@@ -368,6 +377,28 @@
    "remained": "Verbleibend",
    "used": "Verwendet"
  },
+  "tool": {
+    "intervention": {
+      "approve": "Genehmigen",
+      "approveAndRemember": "Genehmigen und merken",
+      "approveOnce": "Nur dieses Mal genehmigen",
+      "mode": {
+        "allowList": "Positivliste",
+        "allowListDesc": "Nur automatisch genehmigte Tools ausführen",
+        "autoRun": "Automatisch genehmigen",
+        "autoRunDesc": "Alle Tool-Ausführungen automatisch genehmigen",
+        "manual": "Manuell",
+        "manualDesc": "Jede Ausführung muss manuell genehmigt werden"
+      },
+      "reject": "Ablehnen",
+      "rejectAndContinue": "Ablehnen und erneut ausführen",
+      "rejectOnly": "Ablehnen",
+      "rejectReasonPlaceholder": "Die Angabe eines Ablehnungsgrundes hilft dem Agenten, zukünftige Aktionen zu verbessern",
+      "rejectTitle": "Tool-Ausführung ablehnen",
+      "rejectedWithReason": "Die Tool-Ausführung wurde abgelehnt: {{reason}}",
+      "toolRejected": "Die Tool-Ausführung wurde abgelehnt"
+    }
+  },
  "topic": {
    "checkOpenNewTopic": "Soll ein neues Thema eröffnet werden?",
    "checkSaveCurrentMessages": "Möchten Sie die aktuelle Konversation als Thema speichern?",
@@ -135,6 +135,7 @@
    }
  },
  "close": "Schließen",
+  "confirm": "Bestätigen",
  "contact": "Kontakt",
  "copy": "Kopieren",
  "copyFail": "Kopieren fehlgeschlagen",
@@ -285,6 +286,7 @@
  "oauth": "SSO-Anmeldung",
  "officialSite": "Offizielle Website",
  "ok": "OK",
+  "or": "oder",
  "password": "Passwort",
  "pin": "Anheften",
  "pinOff": "Anheften aufheben",
@@ -106,6 +106,12 @@
    "keyPlaceholder": "Schlüssel",
    "valuePlaceholder": "Wert"
  },
+  "LocalFile": {
+    "action": {
+      "open": "Öffnen",
+      "showInFolder": "Im Ordner anzeigen"
+    }
+  },
  "MaxTokenSlider": {
    "unlimited": "Unbegrenzt"
  },
@@ -102,7 +102,7 @@
      "SPII": "Ihr Inhalt könnte sensible personenbezogene Daten enthalten. Zum Schutz der Privatsphäre entfernen Sie bitte diese Informationen und versuchen Sie es erneut.",
      "default": "Inhalt blockiert: {{blockReason}}. Bitte passen Sie Ihre Anfrage an und versuchen Sie es erneut."
    },
-    "InsufficientQuota": "Es tut uns leid, das Kontingent (Quota) für diesen Schlüssel ist erreicht. Bitte überprüfen Sie Ihr Kontoguthaben oder erhöhen Sie das Kontingent des Schlüssels und versuchen Sie es erneut.",
+    "InsufficientQuota": "Es tut uns leid, das Kontingent dieses Schlüssels wurde erreicht. Bitte überprüfen Sie, ob Ihr Kontostand ausreichend ist, oder erhöhen Sie das Kontingent des Schlüssels und versuchen Sie es erneut.",
    "InvalidAccessCode": "Das Passwort ist ungültig oder leer. Bitte geben Sie das richtige Zugangspasswort ein oder fügen Sie einen benutzerdefinierten API-Schlüssel hinzu.",
    "InvalidBedrockCredentials": "Die Bedrock-Authentifizierung ist fehlgeschlagen. Bitte überprüfen Sie AccessKeyId/SecretAccessKey und versuchen Sie es erneut.",
    "InvalidClerkUser": "Entschuldigung, du bist derzeit nicht angemeldet. Bitte melde dich an oder registriere ein Konto, um fortzufahren.",
@@ -131,7 +131,7 @@
    "PluginServerError": "Fehler bei der Serveranfrage des Plugins. Bitte überprüfen Sie die Fehlerinformationen unten in Ihrer Plugin-Beschreibungsdatei, Plugin-Konfiguration oder Serverimplementierung",
    "PluginSettingsInvalid": "Das Plugin muss korrekt konfiguriert werden, um verwendet werden zu können. Bitte überprüfen Sie Ihre Konfiguration auf Richtigkeit",
    "ProviderBizError": "Fehler bei der Anforderung des {{provider}}-Dienstes. Bitte überprüfen Sie die folgenden Informationen oder versuchen Sie es erneut.",
-    "QuotaLimitReached": "Es tut uns leid, die aktuelle Token-Nutzung oder die Anzahl der Anfragen hat das Kontingent (Quota) für diesen Schlüssel erreicht. Bitte erhöhen Sie das Kontingent für diesen Schlüssel oder versuchen Sie es später erneut.",
+    "QuotaLimitReached": "Es tut uns leid, die Anzahl der Token oder Anfragen hat das Kontingent dieses Schlüssels erreicht. Bitte erhöhen Sie das Kontingent des Schlüssels oder versuchen Sie es später erneut.",
    "StreamChunkError": "Fehler beim Parsen des Nachrichtenchunks der Streaming-Anfrage. Bitte überprüfen Sie, ob die aktuelle API-Schnittstelle den Standards entspricht, oder wenden Sie sich an Ihren API-Anbieter.",
    "SubscriptionKeyMismatch": "Es tut uns leid, aufgrund eines vorübergehenden Systemfehlers ist das aktuelle Abonnement vorübergehend ungültig. Bitte klicken Sie auf die Schaltfläche unten, um das Abonnement wiederherzustellen, oder kontaktieren Sie uns per E-Mail für Unterstützung.",
    "SubscriptionPlanLimit": "Ihr Abonnementspunktestand ist erschöpft, Sie können diese Funktion nicht nutzen. Bitte upgraden Sie auf einen höheren Plan oder konfigurieren Sie die benutzerdefinierte Modell-API, um weiterhin zu verwenden.",
@@ -1,5 +1,8 @@
 {
-  "desc": "Verwalte dein Wissen",
+  "addFolder": "Ordner erstellen",
+  "addKnowledge": "Wissen hinzufügen",
+  "addPage": "Dokument erstellen",
+  "desc": "Verwalte dein Wissen für Arbeit, Studium und Alltag.",
  "detail": {
    "basic": {
      "createdAt": "Erstellungszeit",
@@ -21,15 +24,89 @@
      "embeddingStatus": "Vektorisierung"
    }
  },
+  "documentEditor": {
+    "addIcon": "Symbol hinzufügen",
+    "autoSaveMessage": "Das Dokument wird automatisch gespeichert, ein manuelles Speichern ist nicht erforderlich.",
+    "chooseIcon": "Symbol auswählen",
+    "deleteConfirm": {
+      "content": "Dieses Dokument wird gelöscht und kann danach nicht wiederhergestellt werden. Bitte seien Sie vorsichtig.",
+      "title": "Dokument löschen"
+    },
+    "deleteError": "Löschen des Dokuments fehlgeschlagen",
+    "deleteSuccess": "Dokument erfolgreich gelöscht",
+    "editedAt": "Zuletzt bearbeitet am {{time}}",
+    "editedBy": "Zuletzt bearbeitet von {{name}}",
+    "editorPlaceholder": "Geben Sie den Dokumentinhalt ein, drücken Sie / für das Befehlsmenü",
+    "empty": {
+      "createNewDocument": "Neues Dokument erstellen",
+      "title": "Wählen Sie ein Dokument, um zu beginnen",
+      "uploadMarkdown": "Markdown-Datei hochladen"
+    },
+    "linkCopied": "Link wurde kopiert",
+    "menu": {
+      "copyLink": "Link kopieren",
+      "exportDocument": "Dokument exportieren",
+      "importDocument": "Dokument importieren",
+      "pin": "Dokument anheften"
+    },
+    "saving": "Speichern...",
+    "titlePlaceholder": "Ohne Titel",
+    "wordCount": "{{wordCount}} Wörter"
+  },
+  "documentList": {
+    "copyContent": "Gesamten Inhalt kopieren",
+    "documentCount": "Insgesamt {{count}} Dokumente",
+    "duplicate": "Kopie erstellen",
+    "empty": "Noch keine Dokumente vorhanden. Klicken Sie oben, um Ihr erstes Dokument zu erstellen.",
+    "noResults": "Keine passenden Dokumente gefunden",
+    "selectNote": "Wählen Sie ein Dokument zum Bearbeiten",
+    "untitled": "Ohne Titel"
+  },
  "empty": "Keine hochgeladenen Dateien/Ordner vorhanden",
  "header": {
    "actions": {
      "newFolder": "Neuen Ordner erstellen",
+      "newPage": "Neues Dokument",
      "uploadFile": "Datei hochladen",
      "uploadFolder": "Ordner hochladen"
    },
+    "newDocumentButton": "Neues Dokument",
+    "newNoteDialog": {
+      "cancel": "Abbrechen",
+      "editTitle": "Dokument bearbeiten",
+      "emptyContent": "Der Dokumentinhalt darf nicht leer sein",
+      "loadError": "Fehler beim Laden des Dokuments. Bitte versuchen Sie es erneut.",
+      "loading": "Wird geladen...",
+      "save": "Speichern",
+      "saveError": "Fehler beim Speichern des Dokuments. Bitte versuchen Sie es erneut.",
+      "saveSuccess": "Dokument erfolgreich gespeichert",
+      "title": "Neues Dokument",
+      "updateSuccess": "Dokument erfolgreich aktualisiert"
+    },
    "uploadButton": "Hochladen"
  },
+  "home": {
+    "getStarted": "Loslegen",
+    "greeting": "Loslegen",
+    "quickActions": "Schnellaktionen",
+    "recentDocuments": "Kürzlich verwendete Dokumente",
+    "recentFiles": "Kürzlich verwendete Dateien",
+    "subtitle": "Willkommen im Wissensspeicher. Beginnen Sie hier mit der Verwaltung Ihrer Dokumente.",
+    "uploadEntries": {
+      "files": {
+        "title": "Dateien hochladen"
+      },
+      "folder": {
+        "title": "Ordner hochladen"
+      },
+      "knowledgeBase": {
+        "title": "Neue Wissensdatenbank"
+      },
+      "newDocument": {
+        "title": "Neues Dokument"
+      }
+    }
+  },
  "knowledgeBase": {
    "list": {
      "confirmRemoveKnowledgeBase": "Die Wissensdatenbank wird gelöscht, die darin enthaltenen Dateien werden nicht gelöscht, sondern in den gesamten Dateien verschoben. Nach dem Löschen der Wissensdatenbank kann sie nicht wiederhergestellt werden, bitte vorsichtig vorgehen.",
@@ -38,6 +115,10 @@
    "new": "Neue Wissensdatenbank",
    "title": "Wissensdatenbank"
  },
+  "menu": {
+    "allDocuments": "Alle Dokumente",
+    "allFiles": "Alle Dateien"
+  },
  "networkError": "Fehler beim Abrufen der Wissensdatenbank. Bitte überprüfen Sie Ihre Netzwerkverbindung und versuchen Sie es erneut.",
  "notSupportGuide": {
    "desc": "Die aktuelle Bereitstellung ist im Client-Datenbankmodus und unterstützt keine Dateiverwaltungsfunktionen. Bitte wechseln Sie zu <1>Server-Datenbank-Bereitstellungsmodus</1> oder verwenden Sie direkt <3>LobeChat Cloud</3>",
@@ -61,12 +142,16 @@
    "downloadFile": "Datei herunterladen",
    "unsupportedFileAndContact": "Dieses Dateiformat wird derzeit nicht für die Online-Vorschau unterstützt. Wenn Sie eine Vorschau wünschen, können Sie uns gerne <1>Feedback geben</1>."
  },
+  "searchDocumentPlaceholder": "Dokumente durchsuchen",
  "searchFilePlaceholder": "Datei suchen",
  "tab": {
-    "all": "Alle Dateien",
+    "all": "Alle",
    "audios": "Audio",
    "documents": "Dokumente",
+    "home": "Startseite",
    "images": "Bilder",
+    "moreTypes": "Weitere Typen",
+    "pages": "Dokumente",
    "videos": "Videos",
    "websites": "Webseiten"
  },
@@ -295,7 +295,7 @@
      },
      "helpDoc": "Konfigurationsanleitung",
      "responsesApi": {
-        "desc": "Verwendet das neue Anforderungsformat von OpenAI, um fortgeschrittene Funktionen wie Chain-of-Thought freizuschalten",
+        "desc": "Verwendet das neue Anforderungsformat von OpenAI, um erweiterte Funktionen wie Chain-of-Thought freizuschalten (nur mit OpenAI-Modellen kompatibel)",
        "title": "Verwendung des Responses API-Standards"
      },
      "waitingForMore": "Weitere Modelle werden <1>geplant</1>, bitte warten Sie"
@@ -236,6 +236,9 @@
  "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."
  },
+  "MiniMaxAI/MiniMax-M2": {
+    "description": "MiniMax-M2 definiert Effizienz für Agenten neu. Es handelt sich um ein kompaktes, schnelles und kosteneffizientes MoE-Modell mit insgesamt 230 Milliarden Parametern und 10 Milliarden aktiven Parametern. Es wurde für Spitzenleistungen bei Codierungs- und Agentenaufgaben entwickelt und bewahrt gleichzeitig eine starke allgemeine Intelligenz. Mit nur 10 Milliarden aktiven Parametern bietet MiniMax-M2 eine Leistung, die mit groß angelegten Modellen vergleichbar ist, und ist damit die ideale Wahl für Anwendungen mit hohen Effizienzanforderungen."
+  },
  "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."
  },
@@ -1049,6 +1052,9 @@
  "deepseek-r1-0528": {
    "description": "Das voll ausgestattete 685B-Modell, veröffentlicht am 28. Mai 2025. DeepSeek-R1 nutzt im Nachtrainingsprozess umfangreiche Verstärkungslernverfahren und verbessert die Modell-Inferenzfähigkeit erheblich, selbst bei minimalen annotierten Daten. Es zeigt hohe Leistung und starke Fähigkeiten in Mathematik, Programmierung und natürlicher Sprachlogik."
  },
+  "deepseek-r1-250528": {
+    "description": "DeepSeek R1 250528, die Vollversion des DeepSeek-R1-Inferenzmodells, geeignet für anspruchsvolle Mathematik- und Logikaufgaben."
+  },
  "deepseek-r1-70b-fast-online": {
    "description": "DeepSeek R1 70B Schnellversion, die Echtzeit-Online-Suche unterstützt und eine schnellere Reaktionszeit bei gleichbleibender Modellleistung bietet."
  },
@@ -1059,31 +1065,34 @@
    "description": "deepseek-r1-distill-llama ist ein Modell, das auf der Grundlage von Llama aus DeepSeek-R1 destilliert wurde."
  },
  "deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek R1 – das größere und intelligentere Modell im DeepSeek-Paket – wurde in die Llama 70B-Architektur destilliert. Basierend auf Benchmark-Tests und menschlicher Bewertung ist dieses Modell intelligenter als das ursprüngliche Llama 70B, insbesondere bei Aufgaben, die mathematische und faktische Genauigkeit erfordern."
+    "description": "DeepSeek R1 Distill Llama 70B, ein distilliertes Modell, das die allgemeine R1-Inferenzfähigkeit mit dem Llama-Ökosystem kombiniert."
  },
  "deepseek-r1-distill-llama-8b": {
-    "description": "Das DeepSeek-R1-Distill Modell wurde durch Wissensdistillationstechniken entwickelt, indem Proben, die von DeepSeek-R1 generiert wurden, auf Qwen, Llama und andere Open-Source-Modelle feinabgestimmt wurden."
+    "description": "DeepSeek-R1-Distill-Llama-8B ist ein distilliertes großes Sprachmodell auf Basis von Llama-3.1-8B unter Verwendung der Ausgaben von DeepSeek R1."
+  },
+  "deepseek-r1-distill-qianfan-70b": {
+    "description": "DeepSeek R1 Distill Qianfan 70B, ein kosteneffizientes R1-Distillationsmodell basierend auf Qianfan-70B."
+  },
+  "deepseek-r1-distill-qianfan-8b": {
+    "description": "DeepSeek R1 Distill Qianfan 8B, ein R1-Distillationsmodell auf Basis von Qianfan-8B, geeignet für mittelgroße und kleinere Anwendungen."
  },
  "deepseek-r1-distill-qianfan-llama-70b": {
-    "description": "Erstmals veröffentlicht am 14. Februar 2025, destilliert vom Qianfan-Modellteam auf Basis des Llama3_70B Modells (gebaut mit Meta Llama), wobei auch die Qianfan-Korpora in die Destillationsdaten aufgenommen wurden."
-  },
-  "deepseek-r1-distill-qianfan-llama-8b": {
-    "description": "Erstmals veröffentlicht am 14. Februar 2025, destilliert vom Qianfan-Modellteam auf Basis des Llama3_8B Modells (gebaut mit Meta Llama), wobei auch die Qianfan-Korpora in die Destillationsdaten aufgenommen wurden."
+    "description": "DeepSeek R1 Distill Qianfan Llama 70B, ein R1-Distillationsmodell basierend auf Llama-70B."
  },
  "deepseek-r1-distill-qwen": {
    "description": "deepseek-r1-distill-qwen ist ein Modell, das auf der Grundlage von Qwen durch Distillierung aus DeepSeek-R1 erstellt wurde."
  },
  "deepseek-r1-distill-qwen-1.5b": {
-    "description": "Das DeepSeek-R1-Distill Modell wurde durch Wissensdistillationstechniken entwickelt, indem Proben, die von DeepSeek-R1 generiert wurden, auf Qwen, Llama und andere Open-Source-Modelle feinabgestimmt wurden."
+    "description": "DeepSeek R1 Distill Qwen 1.5B, ein ultraleichtes R1-Distillationsmodell, ideal für Umgebungen mit sehr begrenzten Ressourcen."
  },
  "deepseek-r1-distill-qwen-14b": {
-    "description": "Das DeepSeek-R1-Distill Modell wurde durch Wissensdistillationstechniken entwickelt, indem Proben, die von DeepSeek-R1 generiert wurden, auf Qwen, Llama und andere Open-Source-Modelle feinabgestimmt wurden."
+    "description": "DeepSeek R1 Distill Qwen 14B, ein mittelgroßes R1-Distillationsmodell, geeignet für den Einsatz in verschiedenen Szenarien."
  },
  "deepseek-r1-distill-qwen-32b": {
-    "description": "Das DeepSeek-R1-Distill Modell wurde durch Wissensdistillationstechniken entwickelt, indem Proben, die von DeepSeek-R1 generiert wurden, auf Qwen, Llama und andere Open-Source-Modelle feinabgestimmt wurden."
+    "description": "DeepSeek R1 Distill Qwen 32B, ein R1-Distillationsmodell basierend auf Qwen-32B, das Leistung und Kosten ausbalanciert."
  },
  "deepseek-r1-distill-qwen-7b": {
-    "description": "Das DeepSeek-R1-Distill Modell wurde durch Wissensdistillationstechniken entwickelt, indem Proben, die von DeepSeek-R1 generiert wurden, auf Qwen, Llama und andere Open-Source-Modelle feinabgestimmt wurden."
+    "description": "DeepSeek R1 Distill Qwen 7B, ein leichtgewichtiges R1-Distillationsmodell, geeignet für Edge-Computing und unternehmensinterne Umgebungen."
  },
  "deepseek-r1-fast-online": {
    "description": "DeepSeek R1 Vollschnellversion, die Echtzeit-Online-Suche unterstützt und die leistungsstarken Fähigkeiten von 671B Parametern mit einer schnelleren Reaktionszeit kombiniert."
@@ -1112,12 +1121,24 @@
  "deepseek-v3.1-terminus": {
    "description": "DeepSeek-V3.1-Terminus ist eine optimierte Version des großen Sprachmodells von DeepSeek, speziell für Endgeräte entwickelt."
  },
+  "deepseek-v3.1-think-250821": {
+    "description": "DeepSeek V3.1 Think 250821, das Deep-Thinking-Modell der Terminus-Version, geeignet für leistungsstarke Inferenzszenarien."
+  },
  "deepseek-v3.1:671b": {
    "description": "DeepSeek V3.1: Ein Inferenzmodell der nächsten Generation, das komplexe Schlussfolgerungen und verknüpfte Denkfähigkeiten verbessert und sich für Aufgaben eignet, die tiefgehende Analysen erfordern."
  },
  "deepseek-v3.2-exp": {
    "description": "deepseek-v3.2-exp führt einen sparsamen Aufmerksamkeitsmechanismus ein, um die Effizienz beim Training und der Inferenz bei der Verarbeitung langer Texte zu verbessern. Der Preis liegt unter dem von deepseek-v3.1."
  },
+  "deepseek-v3.2-think": {
+    "description": "DeepSeek V3.2 Think, die Vollversion des Deep-Thinking-Modells mit verbesserter Fähigkeit zur Langketteninferenz."
+  },
+  "deepseek-vl2": {
+    "description": "DeepSeek VL2, ein multimodales Modell mit Unterstützung für Bild-Text-Verständnis und fein abgestimmte visuelle Fragebeantwortung."
+  },
+  "deepseek-vl2-small": {
+    "description": "DeepSeek VL2 Small, eine leichte multimodale Version, geeignet für ressourcenbeschränkte und hochparallele Szenarien."
+  },
  "deepseek/deepseek-chat-v3-0324": {
    "description": "DeepSeek V3 ist ein Experten-Mischmodell mit 685B Parametern und die neueste Iteration der Flaggschiff-Chatmodellreihe des DeepSeek-Teams.\n\nEs erbt das [DeepSeek V3](/deepseek/deepseek-chat-v3) Modell und zeigt hervorragende Leistungen in verschiedenen Aufgaben."
  },
@@ -1137,7 +1158,7 @@
    "description": "DeepSeek-R1 verbessert die Modellschlussfolgerungsfähigkeit erheblich, selbst bei sehr begrenzten annotierten Daten. Vor der Ausgabe der endgültigen Antwort generiert das Modell eine Denkprozesskette, um die Genauigkeit der Antwort zu erhöhen."
  },
  "deepseek/deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek-R1-Distill-Llama-70B ist eine destillierte, effizientere Variante des 70B Llama Modells. Es behält starke Leistung bei Textgenerierungsaufgaben bei und reduziert den Rechenaufwand für einfachere Bereitstellung und Forschung. Betrieben von Groq mit deren maßgeschneiderter Language Processing Unit (LPU) Hardware für schnelle und effiziente Inferenz."
+    "description": "DeepSeek R1 Distill Llama 70B ist ein großes Sprachmodell auf Basis von Llama3.3 70B. Durch Feintuning mit den Ausgaben von DeepSeek R1 erreicht es eine konkurrenzfähige Leistung, die mit führenden Großmodellen vergleichbar ist."
  },
  "deepseek/deepseek-r1-distill-llama-8b": {
    "description": "DeepSeek R1 Distill Llama 8B ist ein distilliertes großes Sprachmodell, das auf Llama-3.1-8B-Instruct basiert und durch Training mit den Ausgaben von DeepSeek R1 erstellt wurde."
@@ -1253,83 +1274,89 @@
  "emohaa": {
    "description": "Emohaa ist ein psychologisches Modell mit professionellen Beratungsfähigkeiten, das den Nutzern hilft, emotionale Probleme zu verstehen."
  },
-  "ernie-3.5-128k": {
-    "description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle deckt eine riesige Menge an chinesischen und englischen Korpora ab und bietet starke allgemeine Fähigkeiten, die die meisten Anforderungen an Dialogfragen, kreative Generierung und Plugin-Anwendungen erfüllen; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten."
-  },
-  "ernie-3.5-8k": {
-    "description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle deckt eine riesige Menge an chinesischen und englischen Korpora ab und bietet starke allgemeine Fähigkeiten, die die meisten Anforderungen an Dialogfragen, kreative Generierung und Plugin-Anwendungen erfüllen; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten."
-  },
-  "ernie-3.5-8k-preview": {
-    "description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle deckt eine riesige Menge an chinesischen und englischen Korpora ab und bietet starke allgemeine Fähigkeiten, die die meisten Anforderungen an Dialogfragen, kreative Generierung und Plugin-Anwendungen erfüllen; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten."
-  },
-  "ernie-4.0-8k-latest": {
-    "description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle hat im Vergleich zu ERNIE 3.5 eine umfassende Verbesserung der Modellfähigkeiten erreicht und ist weit verbreitet in komplexen Aufgabenbereichen anwendbar; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten."
-  },
-  "ernie-4.0-8k-preview": {
-    "description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle hat im Vergleich zu ERNIE 3.5 eine umfassende Verbesserung der Modellfähigkeiten erreicht und ist weit verbreitet in komplexen Aufgabenbereichen anwendbar; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten."
-  },
-  "ernie-4.0-turbo-128k": {
-    "description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle zeigt hervorragende Gesamtergebnisse und ist weit verbreitet in komplexen Aufgabenbereichen anwendbar; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten. Im Vergleich zu ERNIE 4.0 bietet es eine bessere Leistung."
-  },
-  "ernie-4.0-turbo-8k-latest": {
-    "description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle zeigt hervorragende Gesamtergebnisse und ist weit verbreitet in komplexen Aufgabenbereichen anwendbar; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten. Im Vergleich zu ERNIE 4.0 bietet es eine bessere Leistung."
-  },
-  "ernie-4.0-turbo-8k-preview": {
-    "description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle zeigt hervorragende Gesamtergebnisse und ist weit verbreitet in komplexen Aufgabenbereichen anwendbar; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten. Im Vergleich zu ERNIE 4.0 bietet es eine bessere Leistung."
+  "ernie-4.5-0.3b": {
+    "description": "ERNIE 4.5 0.3B, ein leichtgewichtiges Open-Source-Modell, ideal für lokale und maßgeschneiderte Bereitstellungen."
  },
  "ernie-4.5-21b-a3b": {
-    "description": "ERNIE 4.5 21B A3B ist ein hybrides Expertenmodell von Baidu Wenxin mit herausragenden Fähigkeiten im logischen Denken und in der Mehrsprachigkeit."
+    "description": "ERNIE 4.5 21B A3B, ein Open-Source-Modell mit großer Parameteranzahl, leistungsstark bei Verständnis- und Generierungsaufgaben."
  },
  "ernie-4.5-300b-a47b": {
    "description": "ERNIE 4.5 300B A47B ist ein großskaliges hybrides Expertenmodell von Baidu Wenxin mit exzellenten Fähigkeiten im logischen Schlussfolgern."
  },
  "ernie-4.5-8k-preview": {
-    "description": "Das ERNIE 4.5 Modell ist ein neu entwickeltes, natives multimodales Basis-Modell von Baidu, das durch die gemeinsame Modellierung mehrerer Modalitäten eine synergistische Optimierung erreicht und über hervorragende multimodale Verständnisfähigkeiten verfügt; es bietet verbesserte Sprachfähigkeiten, umfassende Verbesserungen in Verständnis, Generierung, Logik und Gedächtnis, sowie signifikante Verbesserungen in der Vermeidung von Halluzinationen, logischen Schlussfolgerungen und Programmierfähigkeiten."
+    "description": "ERNIE 4.5 8K Preview, ein Vorschau-Modell mit 8K-Kontext, zur Erprobung und zum Testen der Fähigkeiten von Wenxin 4.5."
  },
  "ernie-4.5-turbo-128k": {
-    "description": "Wenxin 4.5 Turbo hat deutliche Verbesserungen in den Bereichen Halluzinationen reduzieren, logisches Denken und Programmierfähigkeiten. Im Vergleich zu Wenxin 4.5 ist es schneller und kostengünstiger. Die Modellfähigkeiten wurden umfassend verbessert, um besser mit mehrstufigen, langen historischen Dialogen und der Beantwortung von Fragen zu langen Dokumenten umzugehen."
+    "description": "ERNIE 4.5 Turbo 128K, ein leistungsstarkes Allzweckmodell mit Unterstützung für suchbasierte Erweiterung und Tool-Nutzung, geeignet für QA, Code, Agenten und mehr."
+  },
+  "ernie-4.5-turbo-128k-preview": {
+    "description": "ERNIE 4.5 Turbo 128K Preview, eine Vorschauversion mit denselben Fähigkeiten wie die finale Version, ideal für Integrationstests und schrittweise Einführung."
  },
  "ernie-4.5-turbo-32k": {
-    "description": "Wenxin 4.5 Turbo hat deutliche Verbesserungen in den Bereichen Halluzinationen reduzieren, logisches Denken und Programmierfähigkeiten. Im Vergleich zu Wenxin 4.5 ist es schneller und kostengünstiger. Die Fähigkeiten in der Textkreation und Wissensfragen haben sich erheblich verbessert. Die Ausgabelänge und die Verzögerung bei vollständigen Sätzen sind im Vergleich zu ERNIE 4.5 gestiegen."
+    "description": "ERNIE 4.5 Turbo 32K, eine Version mit mittellangem Kontext, geeignet für QA, Wissensdatenbankabfragen und mehrstufige Dialoge."
+  },
+  "ernie-4.5-turbo-latest": {
+    "description": "ERNIE 4.5 Turbo Latest, die neueste Version mit umfassender Leistungsoptimierung, ideal als Hauptmodell für Produktionsumgebungen."
+  },
+  "ernie-4.5-turbo-vl": {
+    "description": "ERNIE 4.5 Turbo VL, ein ausgereiftes multimodales Modell für Bild-Text-Verständnis und Erkennung in Produktionsumgebungen."
  },
  "ernie-4.5-turbo-vl-32k": {
-    "description": "Die neueste Version des Wenxin Yi Yan Modells hat signifikante Verbesserungen in den Bereichen Bildverständnis, Kreation, Übersetzung und Programmierung. Es unterstützt erstmals eine Kontextlänge von 32K, und die Verzögerung beim ersten Token wurde erheblich reduziert."
+    "description": "ERNIE 4.5 Turbo VL 32K, eine multimodale Version mit mittellangem Textkontext, geeignet für das kombinierte Verständnis von langen Dokumenten und Bildern."
+  },
+  "ernie-4.5-turbo-vl-32k-preview": {
+    "description": "ERNIE 4.5 Turbo VL 32K Preview, eine Vorschauversion des multimodalen 32K-Modells zur Bewertung der Langkontext-Bildverarbeitungsfähigkeiten."
+  },
+  "ernie-4.5-turbo-vl-latest": {
+    "description": "ERNIE 4.5 Turbo VL Latest, die neueste multimodale Version mit verbesserter Bild-Text-Verständnis- und Inferenzleistung."
+  },
+  "ernie-4.5-turbo-vl-preview": {
+    "description": "ERNIE 4.5 Turbo VL Preview, ein multimodales Vorschau-Modell mit Unterstützung für Bild-Text-Verständnis und -Generierung, ideal für visuelle QA und Inhaltsverständnis."
+  },
+  "ernie-4.5-vl-28b-a3b": {
+    "description": "ERNIE 4.5 VL 28B A3B, ein Open-Source-Multimodalmodell für Bild-Text-Verständnis und Inferenzaufgaben."
+  },
+  "ernie-5.0-thinking-preview": {
+    "description": "Wenxin 5.0 Thinking Preview, ein natives, multimodales Flaggschiffmodell mit einheitlicher Modellierung von Text, Bild, Audio und Video. Umfassend verbesserte Fähigkeiten für komplexe QA, kreative Aufgaben und Agentenszenarien."
  },
  "ernie-char-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."
+    "description": "ERNIE Character 8K, ein dialogorientiertes Modell mit Charakterpersönlichkeit, ideal für IP-Charakterentwicklung und langfristige Begleitdialoge."
  },
  "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."
+    "description": "ERNIE Character Fiction 8K, ein Persönlichkeitsmodell für Roman- und Storytelling, geeignet für die Generierung langer Geschichten."
+  },
+  "ernie-char-fiction-8k-preview": {
+    "description": "ERNIE Character Fiction 8K Preview, eine Vorschauversion für Charakter- und Storytelling-Modelle zur Funktionsbewertung und zum Testen."
  },
  "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."
+    "description": "ERNIE iRAG Edit, ein Bildbearbeitungsmodell mit Unterstützung für Bildlöschung, Neuzeichnung und Varianten-Generierung."
  },
  "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."
+    "description": "ERNIE Lite 8K, ein leichtgewichtiges Allzweckmodell, ideal für kostensensitive Alltags-QA- und Content-Generierungsszenarien."
  },
  "ernie-lite-pro-128k": {
-    "description": "Das von Baidu entwickelte leichtgewichtige große Sprachmodell bietet sowohl hervorragende Modellleistung als auch Inferenzleistung, die besser ist als die von ERNIE Lite, und ist geeignet für die Verwendung mit AI-Beschleunigungskarten mit geringer Rechenleistung."
+    "description": "ERNIE Lite Pro 128K, ein leichtes Hochleistungsmodell, geeignet für latenz- und kostensensitive Geschäftsanwendungen."
  },
  "ernie-novel-8k": {
-    "description": "Das von Baidu entwickelte allgemeine große Sprachmodell hat deutliche Vorteile in der Fähigkeit zur Fortsetzung von Romanen und kann auch in Szenarien wie Kurzdramen und Filmen eingesetzt werden."
+    "description": "ERNIE Novel 8K, ein Modell für Romane und IP-Storytelling, spezialisiert auf Mehrcharakter- und Multistrang-Erzählungen."
  },
  "ernie-speed-128k": {
-    "description": "Das neueste hochleistungsfähige große Sprachmodell von Baidu, das 2024 veröffentlicht wurde, bietet hervorragende allgemeine Fähigkeiten und eignet sich gut als Basismodell für Feinabstimmungen, um spezifische Szenarien besser zu bewältigen, während es auch hervorragende Inferenzleistungen bietet."
+    "description": "ERNIE Speed 128K, ein großes Modell ohne Ein-/Ausgabegebühren, ideal für Langtextverständnis und großflächige Testszenarien."
+  },
+  "ernie-speed-8k": {
+    "description": "ERNIE Speed 8K, ein kostenloses Schnellmodell, geeignet für alltägliche Dialoge und leichte Textaufgaben."
  },
  "ernie-speed-pro-128k": {
-    "description": "Das neueste hochleistungsfähige große Sprachmodell von Baidu, das 2024 veröffentlicht wurde, bietet hervorragende allgemeine Fähigkeiten und ist besser als ERNIE Speed, geeignet als Basismodell für Feinabstimmungen, um spezifische Szenarien besser zu bewältigen, während es auch hervorragende Inferenzleistungen bietet."
+    "description": "ERNIE Speed Pro 128K, ein hochgradig paralleles und kosteneffizientes Modell, ideal für großflächige Online-Dienste und Unternehmensanwendungen."
  },
  "ernie-tiny-8k": {
-    "description": "ERNIE Tiny ist ein hochleistungsfähiges großes Sprachmodell, dessen Bereitstellungs- und Feinabstimmungskosten die niedrigsten unter den Wenshin-Modellen sind."
-  },
-  "ernie-x1-32k": {
-    "description": "Verfügt über stärkere Fähigkeiten in Verständnis, Planung, Reflexion und Evolution. Als umfassenderes tiefes Denkmodell kombiniert Wenxin X1 Genauigkeit, Kreativität und Ausdruckskraft und zeigt herausragende Leistungen in den Bereichen chinesische Wissensfragen, literarische Kreation, Textverfassung, alltägliche Gespräche, logisches Denken, komplexe Berechnungen und Werkzeugnutzung."
-  },
-  "ernie-x1-32k-preview": {
-    "description": "Das große Modell ERNIE X1 verfügt über verbesserte Fähigkeiten in Verständnis, Planung, Reflexion und Evolution. Als umfassenderes tiefes Denkmodell kombiniert ERNIE X1 Genauigkeit, Kreativität und Ausdruckskraft und zeigt herausragende Leistungen in den Bereichen chinesische Wissensabfragen, literarisches Schaffen, Textverfassung, alltägliche Gespräche, logisches Denken, komplexe Berechnungen und Werkzeugnutzung."
+    "description": "ERNIE Tiny 8K, ein extrem leichtes Modell, geeignet für einfache QA-, Klassifizierungs- und kostengünstige Inferenzszenarien."
  },
  "ernie-x1-turbo-32k": {
-    "description": "Im Vergleich zu ERNIE-X1-32K bietet dieses Modell bessere Leistung und Effizienz."
+    "description": "ERNIE X1 Turbo 32K, ein Hochgeschwindigkeits-Denkmodell mit 32K-Kontext, geeignet für komplexe Inferenz und mehrstufige Dialoge."
+  },
+  "ernie-x1.1-preview": {
+    "description": "ERNIE X1.1 Preview, eine Vorschauversion des Denkmodells ERNIE X1.1, geeignet für Fähigkeitsvalidierung und Tests."
  },
  "fal-ai/bytedance/seedream/v4": {
    "description": "Seedream 4.0 Bildgenerierungsmodell vom Seed-Team von ByteDance, unterstützt Texteingaben und Bilder und bietet eine hochgradig kontrollierbare, qualitativ hochwertige Bildgenerierung. Bilder werden basierend auf Textanweisungen erzeugt."
@@ -1389,7 +1416,7 @@
    "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."
+    "description": "FLUX.1-schnell, ein leistungsstarkes Bildgenerierungsmodell, ideal für die schnelle Erstellung von Bildern in verschiedenen Stilen."
  },
  "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."
@@ -1538,6 +1565,9 @@
  "glm-4-0520": {
    "description": "GLM-4-0520 ist die neueste Modellversion, die für hochkomplexe und vielfältige Aufgaben konzipiert wurde und hervorragende Leistungen zeigt."
  },
+  "glm-4-32b-0414": {
+    "description": "GLM-4 32B 0414, eine Version des allgemeinen GLM-Großmodells mit Unterstützung für Textgenerierung und -verständnis in mehreren Aufgaben."
+  },
  "glm-4-9b-chat": {
    "description": "GLM-4-9B-Chat bietet hohe Leistung in Bereichen wie Semantik, Mathematik, logisches Denken, Programmierung und Wissen. Es unterstützt Web-Browsing, Code-Ausführung, benutzerdefinierte Tool-Nutzung und Langtext-Inferenz. Unterstützt 26 Sprachen, darunter Japanisch, Koreanisch und Deutsch."
  },
@@ -1826,6 +1856,18 @@
  "gpt-5-pro": {
    "description": "GPT-5 Pro nutzt mehr Rechenleistung für tiefgreifendere Überlegungen und liefert kontinuierlich bessere Antworten."
  },
+  "gpt-5.1": {
+    "description": "GPT-5.1 – Flaggschiffmodell, optimiert für Programmier- und Agentenaufgaben, unterstützt konfigurierbare Rechenintensität und längere Kontexte."
+  },
+  "gpt-5.1-chat-latest": {
+    "description": "GPT-5.1 Chat: Eine Variante von GPT-5.1 für ChatGPT, ideal für Konversationsszenarien."
+  },
+  "gpt-5.1-codex": {
+    "description": "GPT-5.1 Codex: Eine für agentenbasierte Programmieraufgaben optimierte Version von GPT-5.1, geeignet für komplexe Code- und Agenten-Workflows über die Responses API."
+  },
+  "gpt-5.1-codex-mini": {
+    "description": "GPT-5.1 Codex mini: Eine kompaktere und kostengünstigere Codex-Variante, optimiert für agentenbasierte Programmieraufgaben."
+  },
  "gpt-audio": {
    "description": "GPT Audio ist ein universelles Chatmodell für Audioeingabe und -ausgabe, das Audio-I/O in der Chat Completions API unterstützt."
  },
@@ -2001,13 +2043,13 @@
    "description": "Imagen, Text-zu-Bild-Modellreihe der 4. Generation"
  },
  "imagen-4.0-generate-preview-06-06": {
-    "description": "Imagen 4. Generation Text-zu-Bild Modellserie"
+    "description": "Vierte Generation der Imagen-Modelle zur Text-zu-Bild-Generierung."
  },
  "imagen-4.0-ultra-generate-001": {
    "description": "Imagen, Text-zu-Bild-Modell der 4. Generation (Ultra-Version)"
  },
  "imagen-4.0-ultra-generate-preview-06-06": {
-    "description": "Imagen 4. Generation Text-zu-Bild Modellserie Ultra-Version"
+    "description": "Ultra-Version der vierten Generation der Imagen-Modelle zur Text-zu-Bild-Generierung."
  },
  "inception/mercury-coder-small": {
    "description": "Mercury Coder Small ist ideal für Codegenerierung, Debugging und Refactoring-Aufgaben mit minimaler Latenz."
@@ -2036,14 +2078,26 @@
  "internlm3-latest": {
    "description": "Unsere neueste Modellreihe bietet herausragende Inferenzleistungen und führt die Open-Source-Modelle in ihrer Gewichtsklasse an. Standardmäßig verweist sie auf unser neuestes veröffentlichtes InternLM3-Modell."
  },
+  "internvl2.5-38b-mpo": {
+    "description": "InternVL2.5 38B MPO, ein multimodales vortrainiertes Modell, das komplexe Bild-Text-Inferenzaufgaben unterstützt."
+  },
  "internvl2.5-latest": {
    "description": "Die von uns weiterhin unterstützte Version InternVL2.5 bietet hervorragende und stabile Leistungen. Standardmäßig verweist es auf unser neuestes veröffentlichtes InternVL2.5-Modell, derzeit auf internvl2.5-78b."
  },
+  "internvl3-14b": {
+    "description": "InternVL3 14B, ein mittelgroßes multimodales Modell mit ausgewogenem Verhältnis zwischen Leistung und Kosten."
+  },
+  "internvl3-1b": {
+    "description": "InternVL3 1B, ein leichtgewichtiges multimodales Modell, geeignet für den Einsatz in ressourcenbeschränkten Umgebungen."
+  },
+  "internvl3-38b": {
+    "description": "InternVL3 38B, ein großskaliges Open-Source-Multimodalmodell, geeignet für hochpräzises Bild-Text-Verständnis."
+  },
  "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."
+    "description": "ERNIE iRAG, ein bildgestütztes Retrieval-Augmented-Generation-Modell mit Unterstützung für Bildsuche, Bild-Text-Retrieval und Inhaltserzeugung."
  },
  "jamba-large": {
    "description": "Unser leistungsstärkstes und fortschrittlichstes Modell, das speziell für die Bewältigung komplexer Aufgaben auf Unternehmensebene entwickelt wurde und herausragende Leistung bietet."
@@ -2064,7 +2118,7 @@
    "description": "Das Modell kimi-k2-0905-preview hat eine Kontextlänge von 256k, verfügt über stärkere Agentic-Coding-Fähigkeiten, eine herausragendere Ästhetik und Praktikabilität von Frontend-Code sowie ein besseres Kontextverständnis."
  },
  "kimi-k2-instruct": {
-    "description": "Kimi K2 Instruct ist ein großes Sprachmodell von Moonshot AI mit der Fähigkeit zur Verarbeitung extrem langer Kontexte."
+    "description": "Kimi K2 Instruct, das offizielle Inferenzmodell von Kimi mit Unterstützung für Langkontext, Code, QA und mehr."
  },
  "kimi-k2-turbo-preview": {
    "description": "kimi-k2 ist ein Basis-Modell mit MoE-Architektur und besonders starken Fähigkeiten im Bereich Code und Agenten. Es verfügt über insgesamt 1T Parameter und 32B aktivierte Parameter. In Benchmark-Tests der wichtigsten Kategorien – allgemeines Wissens-Reasoning, Programmierung, Mathematik und Agenten – übertrifft das K2-Modell die Leistung anderer gängiger Open‑Source‑Modelle."
@@ -2174,6 +2228,9 @@
  "megrez-3b-instruct": {
    "description": "Megrez 3B Instruct ist ein effizientes Modell mit geringer Parameteranzahl, entwickelt von Wuwen Xinqiong."
  },
+  "meituan/longcat-flash-chat": {
+    "description": "Ein von Meituan entwickeltes Open-Source-Basismodell, das speziell für dialogorientierte Interaktionen und agentenbasierte Aufgaben optimiert wurde und sich besonders bei Werkzeugaufrufen und komplexen mehrstufigen Dialogszenarien auszeichnet."
+  },
  "meta-llama-3-70b-instruct": {
    "description": "Ein leistungsstarkes Modell mit 70 Milliarden Parametern, das in den Bereichen Schlussfolgerungen, Programmierung und breiten Sprachanwendungen herausragt."
  },
@@ -2405,6 +2462,12 @@
  "minimax-m2": {
    "description": "MiniMax M2 ist ein leistungsstarkes, effizientes Sprachmodell, das speziell für Programmier- und Agenten-Workflows entwickelt wurde."
  },
+  "minimax/minimax-m2": {
+    "description": "Speziell entwickelt für effizientes Codieren und Agenten-Workflows."
+  },
+  "minimaxai/minimax-m2": {
+    "description": "MiniMax-M2 ist ein kompaktes, schnelles und kosteneffizientes Mixture-of-Experts (MoE)-Modell mit 230 Milliarden Gesamtparametern und 10 Milliarden aktiven Parametern. Es wurde für höchste Leistung bei Codierungs- und Agentenaufgaben entwickelt und bietet gleichzeitig eine starke allgemeine Intelligenz. Das Modell überzeugt bei Aufgaben wie der Bearbeitung mehrerer Dateien, dem Code-Ausführen-Fehlerbeheben-Zyklus, Testverifikation und -korrektur sowie bei komplexen, lang verknüpften Toolchains – und ist damit die ideale Wahl für Entwickler-Workflows."
+  },
  "ministral-3b-latest": {
    "description": "Ministral 3B ist das weltbeste Edge-Modell von Mistral."
  },
@@ -2735,6 +2798,54 @@
  "pro-deepseek-v3": {
    "description": "Modell für exklusive Unternehmensdienste, inklusive paralleler Serviceunterstützung."
  },
+  "qianfan-70b": {
+    "description": "Qianfan 70B, ein großparametrisches chinesisches Modell, geeignet für hochwertige Inhaltserstellung und komplexe Schlussfolgerungsaufgaben."
+  },
+  "qianfan-8b": {
+    "description": "Qianfan 8B, ein mittelgroßes Allzweckmodell, ideal für Textgenerierung und Frage-Antwort-Szenarien mit ausgewogenem Kosten-Nutzen-Verhältnis."
+  },
+  "qianfan-agent-intent-32k": {
+    "description": "Qianfan Agent Intent 32K, ein Modell für Absichtserkennung und Agenten-Orchestrierung, unterstützt Szenarien mit langem Kontext."
+  },
+  "qianfan-agent-lite-8k": {
+    "description": "Qianfan Agent Lite 8K, ein leichtgewichtiges Agentenmodell, geeignet für kostengünstige Mehrfachdialoge und Geschäftsprozesse."
+  },
+  "qianfan-agent-speed-32k": {
+    "description": "Qianfan Agent Speed 32K, ein hochperformantes Agentenmodell mit hoher Durchsatzrate, ideal für groß angelegte, mehrfache Aufgabenanwendungen."
+  },
+  "qianfan-agent-speed-8k": {
+    "description": "Qianfan Agent Speed 8K, ein hochgradig paralleles Agentenmodell für mittlere bis kurze Dialoge und schnelle Reaktionen."
+  },
+  "qianfan-check-vl": {
+    "description": "Qianfan Check VL, ein multimodales Modell zur Inhaltsprüfung und -erkennung, unterstützt Aufgaben zur Einhaltung von Bild-Text-Richtlinien."
+  },
+  "qianfan-composition": {
+    "description": "Qianfan Composition, ein multimodales Kreativmodell, unterstützt integriertes Verständnis und Generierung von Bild und Text."
+  },
+  "qianfan-engcard-vl": {
+    "description": "Qianfan EngCard VL, ein multimodales Erkennungsmodell, spezialisiert auf englischsprachige Szenarien."
+  },
+  "qianfan-lightning-128b-a19b": {
+    "description": "Qianfan Lightning 128B A19B, ein leistungsstarkes chinesisches Allzweckmodell, geeignet für komplexe Frage-Antwort- und groß angelegte Schlussfolgerungsaufgaben."
+  },
+  "qianfan-llama-vl-8b": {
+    "description": "Qianfan Llama VL 8B, ein auf Llama basierendes multimodales Modell für allgemeines Bild-Text-Verständnis."
+  },
+  "qianfan-multipicocr": {
+    "description": "Qianfan MultiPicOCR, ein OCR-Modell für mehrere Bilder, unterstützt Texterkennung und -extraktion aus mehreren Bildern."
+  },
+  "qianfan-qi-vl": {
+    "description": "Qianfan QI VL, ein multimodales Frage-Antwort-Modell, ermöglicht präzise Suche und Beantwortung in komplexen Bild-Text-Szenarien."
+  },
+  "qianfan-singlepicocr": {
+    "description": "Qianfan SinglePicOCR, ein OCR-Modell für Einzelbilder, unterstützt hochpräzise Zeichenerkennung."
+  },
+  "qianfan-vl-70b": {
+    "description": "Qianfan VL 70B, ein großparametrisches visuell-sprachliches Modell, geeignet für komplexe Bild-Text-Verständnisaufgaben."
+  },
+  "qianfan-vl-8b": {
+    "description": "Qianfan VL 8B, ein leichtgewichtiges visuell-sprachliches Modell, ideal für alltägliche Bild-Text-Fragen und Analysen."
+  },
  "qvq-72b-preview": {
    "description": "Das QVQ-Modell ist ein experimentelles Forschungsmodell, das vom Qwen-Team entwickelt wurde und sich auf die Verbesserung der visuellen Schlussfolgerungsfähigkeiten konzentriert, insbesondere im Bereich der mathematischen Schlussfolgerungen."
  },
@@ -2886,7 +2997,7 @@
    "description": "Das 72B-Modell von Tongyi Qianwen 2.5 ist öffentlich zugänglich."
  },
  "qwen2.5-7b-instruct": {
-    "description": "Das 7B-Modell von Tongyi Qianwen 2.5 ist öffentlich zugänglich."
+    "description": "Qwen2.5 7B Instruct, ein ausgereiftes Open-Source-Instruktionsmodell, geeignet für Dialoge und Generierung in verschiedenen Szenarien."
  },
  "qwen2.5-coder-1.5b-instruct": {
    "description": "Die Open-Source-Version des Qwen-Codemodells."
@@ -2919,13 +3030,13 @@
    "description": "Das Qwen-Omni-Modell der Serie unterstützt die Eingabe verschiedener Modalitäten, einschließlich Video, Audio, Bilder und Text, und gibt Audio und Text aus."
  },
  "qwen2.5-vl-32b-instruct": {
-    "description": "Die Qwen2.5-VL-Modellreihe verbessert die Intelligenz, Praktikabilität und Anwendbarkeit des Modells, sodass es in Szenarien wie natürlichen Dialogen, Inhaltserstellung, Fachwissensdiensten und Codeentwicklung besser abschneidet. Die 32B-Version verwendet Techniken des verstärkenden Lernens zur Optimierung des Modells. Im Vergleich zu anderen Modellen der Qwen2.5-VL-Reihe bietet sie einen für Menschen präferierten Ausgabe-Stil, Fähigkeiten zur Inferenz komplexer mathematischer Probleme sowie die Fähigkeit zur feingranularen Bildverarbeitung und -inferenz."
+    "description": "Qwen2.5 VL 32B Instruct, ein multimodales Open-Source-Modell, ideal für private Bereitstellung und vielseitige Anwendungen."
  },
  "qwen2.5-vl-72b-instruct": {
    "description": "Verbesserte Befolgung von Anweisungen, Mathematik, Problemlösung und Programmierung, gesteigerte Erkennungsfähigkeiten für alle Arten von visuellen Elementen, Unterstützung für die präzise Lokalisierung visueller Elemente in verschiedenen Formaten, Verständnis von langen Videodateien (maximal 10 Minuten) und sekundengenauer Ereigniszeitpunktlokalisierung, Fähigkeit zur zeitlichen Einordnung und Geschwindigkeitsverständnis, Unterstützung für die Steuerung von OS- oder Mobile-Agenten basierend auf Analyse- und Lokalisierungsfähigkeiten, starke Fähigkeit zur Extraktion von Schlüsselinformationen und JSON-Format-Ausgabe. Diese Version ist die leistungsstärkste Version der 72B-Serie."
  },
  "qwen2.5-vl-7b-instruct": {
-    "description": "Verbesserte Befolgung von Anweisungen, Mathematik, Problemlösung und Programmierung, gesteigerte Erkennungsfähigkeiten für alle Arten von visuellen Elementen, Unterstützung für die präzise Lokalisierung visueller Elemente in verschiedenen Formaten, Verständnis von langen Videodateien (maximal 10 Minuten) und sekundengenauer Ereigniszeitpunktlokalisierung, Fähigkeit zur zeitlichen Einordnung und Geschwindigkeitsverständnis, Unterstützung für die Steuerung von OS- oder Mobile-Agenten basierend auf Analyse- und Lokalisierungsfähigkeiten, starke Fähigkeit zur Extraktion von Schlüsselinformationen und JSON-Format-Ausgabe. Diese Version ist die leistungsstärkste Version der 72B-Serie."
+    "description": "Qwen2.5 VL 7B Instruct, ein leichtgewichtiges multimodales Modell, das Kosten und Erkennungsleistung ausbalanciert."
  },
  "qwen2.5-vl-instruct": {
    "description": "Qwen2.5-VL ist die neueste Version des visuellen Sprachmodells in der Qwen-Modellfamilie."
@@ -2952,46 +3063,46 @@
    "description": "Qwen3 ist das neue, großangelegte Sprachmodell von Alibaba, das mit hervorragender Leistung vielfältige Anwendungsbedürfnisse unterstützt."
  },
  "qwen3-0.6b": {
-    "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."
+    "description": "Qwen3 0.6B, ein Einstiegsmodell, geeignet für einfache Schlussfolgerungen und stark ressourcenbeschränkte Umgebungen."
  },
  "qwen3-1.7b": {
-    "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."
+    "description": "Qwen3 1.7B, ein ultraleichtes Modell, ideal für Edge- und Endgerätebereitstellung."
  },
  "qwen3-14b": {
-    "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."
+    "description": "Qwen3 14B, ein mittelgroßes Modell, geeignet für mehrsprachige Frage-Antwort- und Textgenerierungsaufgaben."
  },
  "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."
+    "description": "Qwen3 235B A22B, ein universelles Großmodell für eine Vielzahl komplexer Aufgaben."
  },
  "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)."
+    "description": "Qwen3 235B A22B Instruct 2507, ein universelles Flaggschiff-Instruktionsmodell, geeignet für vielfältige Generierungs- und Schlussfolgerungsaufgaben."
  },
  "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."
+    "description": "Qwen3 235B A22B Thinking 2507, ein extrem großskaliges Denkmodell, ideal für hochkomplexe Schlussfolgerungen."
  },
  "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."
+    "description": "Qwen3 30B A3B, ein mittelgroßes bis großes Allzweckmodell mit ausgewogenem Verhältnis zwischen Kosten und Leistung."
  },
  "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."
+    "description": "Qwen3 30B A3B Instruct 2507, ein mittelgroßes bis großes Instruktionsmodell, geeignet für hochwertige Generierung und Frage-Antwort-Aufgaben."
  },
  "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."
+    "description": "Qwen3 30B A3B Thinking 2507, ein mittelgroßes bis großes Denkmodell mit ausgewogener Genauigkeit und Effizienz."
  },
  "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."
+    "description": "Qwen3 32B, geeignet für allgemeine Aufgaben mit erhöhtem Verständnisbedarf."
  },
  "qwen3-4b": {
-    "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."
+    "description": "Qwen3 4B, ideal für mittelgroße bis kleine Anwendungen und lokale Inferenzszenarien."
  },
  "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."
+    "description": "Qwen3 8B, ein leichtgewichtiges Modell mit flexibler Bereitstellung, geeignet für hochparallele Anwendungen."
  },
  "qwen3-coder-30b-a3b-instruct": {
    "description": "Open-Source-Version des Qwen-Codegenerierungsmodells. Das neueste qwen3-coder-30b-a3b-instruct basiert auf Qwen3 und bietet leistungsstarke Coding-Agent-Fähigkeiten. Es ist spezialisiert auf Tool-Nutzung und Interaktion mit Umgebungen, ermöglicht autonomes Programmieren und kombiniert herausragende Programmierfähigkeiten mit allgemeinen Fähigkeiten."
  },
  "qwen3-coder-480b-a35b-instruct": {
-    "description": "Open-Source-Code-Modell von Tongyi Qianwen. Das neueste qwen3-coder-480b-a35b-instruct basiert auf Qwen3, verfügt über starke Coding-Agent-Fähigkeiten, ist versiert im Werkzeugaufruf und in der Umgebungskommunikation und ermöglicht selbstständiges Programmieren mit hervorragender Codequalität und allgemeinen Fähigkeiten."
+    "description": "Qwen3 Coder 480B A35B Instruct, ein Flaggschiff-Code-Modell, unterstützt mehrsprachige Programmierung und komplexes Codeverständnis."
  },
  "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."
@@ -3005,32 +3116,41 @@
  "qwen3-max": {
    "description": "Tongyi Qianwen 3 Max Modellserie, die im Vergleich zur 2.5 Serie eine deutliche Verbesserung der allgemeinen Fähigkeiten bietet, einschließlich verbesserter Textverständnisfähigkeiten in Chinesisch und Englisch, komplexer Befolgung von Anweisungen, subjektiver offener Aufgaben, Mehrsprachigkeit und Tool-Integration; das Modell zeigt weniger Wissenshalluzinationen. Die neueste qwen3-max Version wurde speziell im Bereich Agentenprogrammierung und Tool-Integration weiterentwickelt. Die offizielle Veröffentlichung erreicht SOTA-Niveau in Fachgebieten und ist für komplexere Agentenanforderungen optimiert."
  },
+  "qwen3-max-preview": {
+    "description": "Das leistungsstärkste Modell der Tongyi Qianwen-Serie, geeignet für komplexe, mehrstufige Aufgaben. Vorschauversion mit Denkfähigkeit."
+  },
  "qwen3-next-80b-a3b-instruct": {
    "description": "Ein neues Open-Source-Modell der nächsten Generation im Nicht-Denk-Modus basierend auf Qwen3. Im Vergleich zur vorherigen Version (Tongyi Qianwen 3-235B-A22B-Instruct-2507) bietet es eine verbesserte chinesische Textverständnisfähigkeit, verstärkte logische Schlussfolgerungen und bessere Leistung bei textgenerierenden Aufgaben."
  },
  "qwen3-next-80b-a3b-thinking": {
-    "description": "Ein neues Open-Source-Modell der nächsten Generation im Denkmodus basierend auf Qwen3. Im Vergleich zur vorherigen Version (Tongyi Qianwen 3-235B-A22B-Thinking-2507) wurde die Befehlsbefolgung verbessert und die Modellantworten sind prägnanter zusammengefasst."
+    "description": "Qwen3 Next 80B A3B Thinking, eine Flaggschiff-Version für komplexe Schlussfolgerungsaufgaben."
  },
  "qwen3-omni-flash": {
    "description": "Das Qwen-Omni-Modell kann kombinierte Eingaben aus Text, Bildern, Audio und Video verarbeiten und Antworten in Text- oder Sprachform generieren. Es bietet verschiedene menschenähnliche Sprachstile, unterstützt mehrsprachige und dialektale Sprachausgabe und eignet sich für Anwendungen wie Textgenerierung, visuelle Erkennung und Sprachassistenten."
  },
  "qwen3-vl-235b-a22b-instruct": {
-    "description": "Qwen3 VL 235B A22B im Non-Thinking-Modus (Instruct), geeignet für Anwendungsfälle mit einfachen Anweisungen, bei gleichzeitig starker visueller Verständnisfähigkeit."
+    "description": "Qwen3 VL 235B A22B Instruct, ein Flaggschiff-Multimodalmodell für anspruchsvolle Verständnis- und Kreativaufgaben."
  },
  "qwen3-vl-235b-a22b-thinking": {
-    "description": "Qwen3 VL 235B A22B im Thinking-Modus (Open-Source-Version), bietet erstklassige visuelle und textbasierte Schlussfolgerungsfähigkeiten für komplexe Aufgaben mit hoher kognitiver Anforderung und Langvideo-Verständnis."
+    "description": "Qwen3 VL 235B A22B Thinking, die Denkversion des Flaggschiffs für komplexe multimodale Schlussfolgerungs- und Planungsaufgaben."
  },
  "qwen3-vl-30b-a3b-instruct": {
-    "description": "Qwen3 VL 30B im Non-Thinking-Modus (Instruct), konzipiert für allgemeine Anweisungsfolgeszenarien mit starker multimodaler Verständnis- und Generierungsfähigkeit."
+    "description": "Qwen3 VL 30B A3B Instruct, ein großes multimodales Modell mit ausgewogener Genauigkeit und Schlussfolgerungsleistung."
  },
  "qwen3-vl-30b-a3b-thinking": {
-    "description": "Qwen-VL (Open-Source-Version) bietet visuelles Verständnis und Textgenerierung, unterstützt Agenteninteraktion, visuelle Kodierung, räumliches Bewusstsein, Langvideo-Verständnis und tiefes Denken. Es verfügt über starke Texterkennungs- und Mehrsprachenfähigkeiten in komplexen Szenarien."
+    "description": "Qwen3 VL 30B A3B Thinking, eine tiefgreifende Denkversion für komplexe multimodale Aufgaben."
+  },
+  "qwen3-vl-32b-instruct": {
+    "description": "Qwen3 VL 32B Instruct, ein multimodales Instruktionsmodell, geeignet für hochwertige Bild-Text-Fragen und kreative Aufgaben."
+  },
+  "qwen3-vl-32b-thinking": {
+    "description": "Qwen3 VL 32B Thinking, eine multimodale Denkversion mit Fokus auf komplexe Schlussfolgerungen und Langkettenanalysen."
  },
  "qwen3-vl-8b-instruct": {
-    "description": "Qwen3 VL 8B im Non-Thinking-Modus (Instruct), geeignet für Standardaufgaben der multimodalen Generierung und Erkennung."
+    "description": "Qwen3 VL 8B Instruct, ein leichtgewichtiges multimodales Modell, ideal für alltägliche visuelle Fragen und Anwendungsintegration."
  },
  "qwen3-vl-8b-thinking": {
-    "description": "Qwen3 VL 8B im Thinking-Modus, konzipiert für leichte multimodale Schlussfolgerungs- und Interaktionsszenarien, mit erhaltener Fähigkeit zum Verständnis langer Kontexte."
+    "description": "Qwen3 VL 8B Thinking, ein multimodales Denkmodell, geeignet für detaillierte Schlussfolgerungen aus visuellen Informationen."
  },
  "qwen3-vl-flash": {
    "description": "Qwen3 VL Flash: eine leichtgewichtige, hochperformante Version für schnelle Inferenz, ideal für latenzkritische oder großvolumige Anfragen."
@@ -3263,6 +3383,12 @@
  "wizardlm2:8x22b": {
    "description": "WizardLM 2 ist ein Sprachmodell von Microsoft AI, das in komplexen Dialogen, mehrsprachigen Anwendungen, Schlussfolgerungen und intelligenten Assistenten besonders gut abschneidet."
  },
+  "x-ai/grok-4-fast": {
+    "description": "Wir freuen uns, Grok 4 Fast vorzustellen – unseren neuesten Fortschritt im Bereich kosteneffizienter Inferenzmodelle."
+  },
+  "x-ai/grok-code-fast-1": {
+    "description": "Wir freuen uns, grok-code-fast-1 zu präsentieren – ein schnelles und kosteneffizientes Inferenzmodell mit hervorragender Leistung im Bereich Agenten-Codierung."
+  },
  "x1": {
    "description": "Das Spark X1 Modell wird weiter verbessert und erreicht in allgemeinen Aufgaben wie Schlussfolgerungen, Textgenerierung und Sprachverständnis Ergebnisse, die mit OpenAI o1 und DeepSeek R1 vergleichbar sind, basierend auf der bereits führenden Leistung in mathematischen Aufgaben."
  },
@@ -3323,6 +3449,9 @@
  "yi-vision-v2": {
    "description": "Ein Modell für komplexe visuelle Aufgaben, das leistungsstarke Verständnis- und Analysefähigkeiten auf der Grundlage mehrerer Bilder bietet."
  },
+  "z-ai/glm-4.6": {
+    "description": "Das neueste Flaggschiffmodell von Zhipu, GLM-4.6, übertrifft seine Vorgänger deutlich in den Bereichen fortgeschrittenes Codieren, Verarbeitung langer Texte, logisches Schließen und agentenbasierte Fähigkeiten."
+  },
  "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."
  },
@@ -236,6 +236,8 @@
  },
  "inspector": {
    "args": "Parameterliste anzeigen",
+    "delete": "Werkzeugaufruf löschen",
+    "orphanedToolCall": "Dieser Werkzeugaufruf könnte aufgrund eines Fehlers verwaist sein, was den normalen Ablauf des Agenten beeinträchtigen kann. Bitte entfernen Sie ihn.",
    "pluginRender": "Plugin-Oberfläche anzeigen"
  },
  "list": {
@@ -251,14 +253,20 @@
  },
  "localSystem": {
    "apiName": {
+      "editLocalFile": "Datei bearbeiten",
+      "getCommandOutput": "Codeausgabe abrufen",
+      "globLocalFiles": "Dateien durchsuchen",
+      "grepContent": "Inhalt durchsuchen",
+      "killCommand": "Codeausführung beenden",
      "listLocalFiles": "Dateiliste anzeigen",
      "moveLocalFiles": "Dateien verschieben",
      "readLocalFile": "Dateiinhalt lesen",
      "renameLocalFile": "Datei umbenennen",
+      "runCommand": "Befehl ausführen",
      "searchLocalFiles": "Dateien suchen",
      "writeLocalFile": "Datei schreiben"
    },
-    "title": "Lokale Dateien"
+    "title": "Lokales System"
  },
  "mcpInstall": {
    "CHECKING_INSTALLATION": "Installationsumgebung wird geprüft...",
@@ -15,8 +15,22 @@
    "prompt": "Hinweiswort"
  },
  "localFiles": {
+    "editFile": {
+      "newString": "Ersetzen durch",
+      "oldString": "Suchbegriff",
+      "replaceAll": "Alle Vorkommen ersetzen",
+      "replaceFirst": "Nur erstes Vorkommen ersetzen"
+    },
    "file": "Datei",
    "folder": "Ordner",
+    "moveFiles": {
+      "itemsMoved": "{{count}} Elemente wurden verschoben:",
+      "itemsMoved_one": "{{count}} Element wurde verschoben:",
+      "itemsMoved_other": "{{count}} Elemente wurden verschoben:",
+      "itemsToMove": "{{count}} Elemente zum Verschieben:",
+      "itemsToMove_one": "{{count}} Element zum Verschieben:",
+      "itemsToMove_other": "{{count}} Elemente zum Verschieben:"
+    },
    "open": "Öffnen",
    "openFile": "Datei öffnen",
    "openFolder": "Ordner öffnen",
@@ -26,7 +40,12 @@
    "readFile": "Datei lesen",
    "readFileError": "Fehler beim Lesen der Datei, bitte überprüfen Sie den Dateipfad",
    "readFiles": "Dateien lesen",
-    "readFilesError": "Fehler beim Lesen der Dateien, bitte überprüfen Sie den Dateipfad"
+    "readFilesError": "Fehler beim Lesen der Dateien, bitte überprüfen Sie den Dateipfad",
+    "writeFile": {
+      "characters": "Zeichen",
+      "preview": "Vorschau des Inhalts",
+      "truncated": "Abgeschnitten"
+    }
  },
  "search": {
    "createNewSearch": "Neue Suchanfrage erstellen",
@@ -6,6 +6,7 @@
    "confirmRemoveUnstarred": "Nicht markierte Themen werden gelöscht. Nach dem Löschen können sie nicht wiederhergestellt werden. Bitte vorsichtig handeln.",
    "duplicate": "Kopie erstellen",
    "export": "Thema exportieren",
+    "openInNewWindow": "Seite in einem neuen Fenster öffnen",
    "removeAll": "Alle Themen löschen",
    "removeUnstarred": "Nicht markierte Themen löschen"
  },
@@ -17,6 +17,7 @@
  "availableAgents": "Available assistants",
  "backToBottom": "Back to bottom",
  "chatList": {
+    "expandMessage": "Expand Message",
    "longMessageDetail": "View Details"
  },
  "clearCurrentMessages": "Clear current session messages",
@@ -173,9 +174,11 @@
    "title": "Mention Members"
  },
  "messageAction": {
+    "collapse": "Collapse Message",
    "continueGeneration": "Continue Generating",
    "delAndRegenerate": "Delete and Regenerate",
    "deleteDisabledByThreads": "There are subtopics, deletion is not allowed",
+    "expand": "Expand Message",
    "regenerate": "Regenerate"
  },
  "messages": {
@@ -240,6 +243,7 @@
  "noMatchingAgents": "No matching members found",
  "noMembersYet": "This group doesn't have any members yet. Click the + button to invite assistants.",
  "noSelectedAgents": "No members selected yet",
+  "openInNewWindow": "Open in a new window",
  "owner": "Group Owner",
  "pin": "Pin",
  "pinOff": "Unpin",
@@ -326,6 +330,11 @@
    "screenshot": "Screenshot",
    "settings": "Export Settings",
    "text": "Text",
+    "widthMode": {
+      "label": "Width Mode",
+      "narrow": "Narrow",
+      "wide": "Wide"
+    },
    "withBackground": "Include Background Image",
    "withFooter": "Include Footer",
    "withPluginInfo": "Include Plugin Information",
@@ -368,6 +377,28 @@
    "remained": "Remaining",
    "used": "Used"
  },
+  "tool": {
+    "intervention": {
+      "approve": "Approve",
+      "approveAndRemember": "Approve and Remember",
+      "approveOnce": "Approve This Time Only",
+      "mode": {
+        "allowList": "Allow List",
+        "allowListDesc": "Only automatically execute approved tools",
+        "autoRun": "Auto Approve",
+        "autoRunDesc": "Automatically approve all tool executions",
+        "manual": "Manual",
+        "manualDesc": "Manual approval required for each invocation"
+      },
+      "reject": "Reject",
+      "rejectAndContinue": "Reject and Retry",
+      "rejectOnly": "Reject",
+      "rejectReasonPlaceholder": "Providing a reason will help the Agent understand and improve future actions",
+      "rejectTitle": "Reject This Tool Invocation",
+      "rejectedWithReason": "This tool invocation was actively rejected: {{reason}}",
+      "toolRejected": "This tool invocation was actively rejected"
+    }
+  },
  "topic": {
    "checkOpenNewTopic": "Enable new topic?",
    "checkSaveCurrentMessages": "Do you want to save the current conversation as a topic?",
@@ -135,6 +135,7 @@
    }
  },
  "close": "Close",
+  "confirm": "Confirm",
  "contact": "Contact Us",
  "copy": "Copy",
  "copyFail": "Copy failed",
@@ -285,6 +286,7 @@
  "oauth": "SSO Login",
  "officialSite": "Official Website",
  "ok": "OK",
+  "or": "or",
  "password": "Password",
  "pin": "Pin",
  "pinOff": "Unpin",
@@ -106,6 +106,12 @@
    "keyPlaceholder": "Key",
    "valuePlaceholder": "Value"
  },
+  "LocalFile": {
+    "action": {
+      "open": "Open",
+      "showInFolder": "Show in Folder"
+    }
+  },
  "MaxTokenSlider": {
    "unlimited": "Unlimited"
  },
@@ -102,7 +102,7 @@
      "SPII": "Your content may contain sensitive personally identifiable information (PII). To protect privacy, please remove any sensitive details and try again.",
      "default": "Content blocked: {{blockReason}}. Please adjust your request and try again."
    },
-    "InsufficientQuota": "Sorry, the quota for this key has been reached. Please check your account balance or increase the key quota and try again.",
+    "InsufficientQuota": "Sorry, the quota for this key has been reached. Please check if your account balance is sufficient or try again after increasing the key's quota.",
    "InvalidAccessCode": "Invalid access code or empty. Please enter the correct access code or add a custom API Key.",
    "InvalidBedrockCredentials": "Bedrock authentication failed. Please check the AccessKeyId/SecretAccessKey and retry.",
    "InvalidClerkUser": "Sorry, you are not currently logged in. Please log in or register an account to continue.",
@@ -131,7 +131,7 @@
    "PluginServerError": "Plugin server request returned an error. Please check your plugin manifest file, plugin configuration, or server implementation based on the error information below",
    "PluginSettingsInvalid": "This plugin needs to be correctly configured before it can be used. Please check if your configuration is correct",
    "ProviderBizError": "Error requesting {{provider}} service, please troubleshoot or retry based on the following information",
-    "QuotaLimitReached": "We apologize, but the current token usage or number of requests has reached the quota limit for this key. Please increase the quota for this key or try again later.",
+    "QuotaLimitReached": "Sorry, the token usage or request count has reached the quota limit for this key. Please increase the key's quota or try again later.",
    "StreamChunkError": "Error parsing the message chunk of the streaming request. Please check if the current API interface complies with the standard specifications, or contact your API provider for assistance.",
    "SubscriptionKeyMismatch": "We apologize for the inconvenience. Due to a temporary system malfunction, your current subscription usage is inactive. Please click the button below to restore your subscription, or contact us via email for support.",
    "SubscriptionPlanLimit": "Your subscription points have been exhausted, and you cannot use this feature. Please upgrade to a higher plan or configure a custom model API to continue using it.",
@@ -1,5 +1,8 @@
 {
-  "desc": "Manage your knowledge",
+  "addFolder": "Create Folder",
+  "addKnowledge": "Add Knowledge",
+  "addPage": "Create Document",
+  "desc": "Manage your knowledge for work, study, and life.",
  "detail": {
    "basic": {
      "createdAt": "Creation Time",
@@ -21,15 +24,89 @@
      "embeddingStatus": "embedding"
    }
  },
+  "documentEditor": {
+    "addIcon": "Add Icon",
+    "autoSaveMessage": "Document auto-saves, no manual save needed",
+    "chooseIcon": "Choose Icon",
+    "deleteConfirm": {
+      "content": "This document will be deleted permanently and cannot be recovered. Please proceed with caution.",
+      "title": "Delete Document"
+    },
+    "deleteError": "Failed to delete document",
+    "deleteSuccess": "Document deleted successfully",
+    "editedAt": "Edited {{time}}",
+    "editedBy": "Edited by {{name}}",
+    "editorPlaceholder": "Type document content, press / to open command menu",
+    "empty": {
+      "createNewDocument": "Create New Document",
+      "title": "Select a document to start",
+      "uploadMarkdown": "Upload Markdown File"
+    },
+    "linkCopied": "Link copied",
+    "menu": {
+      "copyLink": "Copy Link",
+      "exportDocument": "Export Document",
+      "importDocument": "Import Document",
+      "pin": "Pin Document"
+    },
+    "saving": "Saving...",
+    "titlePlaceholder": "Untitled",
+    "wordCount": "{{wordCount}} words"
+  },
+  "documentList": {
+    "copyContent": "Copy All",
+    "documentCount": "Total {{count}} documents",
+    "duplicate": "Duplicate",
+    "empty": "No documents yet. Click the button above to create your first one.",
+    "noResults": "No matching documents found.",
+    "selectNote": "Select a document to start editing.",
+    "untitled": "Untitled"
+  },
  "empty": "No files or folders have been uploaded yet.",
  "header": {
    "actions": {
      "newFolder": "New Folder",
+      "newPage": "New Document",
      "uploadFile": "Upload File",
      "uploadFolder": "Upload Folder"
    },
+    "newDocumentButton": "New Document",
+    "newNoteDialog": {
+      "cancel": "Cancel",
+      "editTitle": "Edit Document",
+      "emptyContent": "Document content cannot be empty.",
+      "loadError": "Failed to load the document. Please try again.",
+      "loading": "Loading...",
+      "save": "Save",
+      "saveError": "Failed to save the document. Please try again.",
+      "saveSuccess": "Document saved successfully.",
+      "title": "New Document",
+      "updateSuccess": "Document updated successfully."
+    },
    "uploadButton": "Upload"
  },
+  "home": {
+    "getStarted": "Get Started",
+    "greeting": "Get Started",
+    "quickActions": "Quick Actions",
+    "recentDocuments": "Recent Documents",
+    "recentFiles": "Recent Files",
+    "subtitle": "Welcome to your knowledge base. Start managing your documents here.",
+    "uploadEntries": {
+      "files": {
+        "title": "Upload Files"
+      },
+      "folder": {
+        "title": "Upload Folder"
+      },
+      "knowledgeBase": {
+        "title": "Create Knowledge Base"
+      },
+      "newDocument": {
+        "title": "Create Document"
+      }
+    }
+  },
  "knowledgeBase": {
    "list": {
      "confirmRemoveKnowledgeBase": "You are about to delete this knowledge base. The files within will not be deleted and will be moved to All Files. Once deleted, the knowledge base cannot be recovered. Please proceed with caution.",
@@ -38,6 +115,10 @@
    "new": "New Knowledge Base",
    "title": "Knowledge Base"
  },
+  "menu": {
+    "allDocuments": "All Documents",
+    "allFiles": "All Files"
+  },
  "networkError": "Failed to retrieve the knowledge base. Please check your network connection and try again.",
  "notSupportGuide": {
    "desc": "The current deployment instance is in client database mode, and file management features are not available. Please switch to <1>server database deployment mode</1>, or use <3>LobeChat Cloud</3> directly.",
@@ -61,12 +142,16 @@
    "downloadFile": "Download File",
    "unsupportedFileAndContact": "This file format is not currently supported for online preview. If you have a request for previewing, feel free to <1>contact us</1>."
  },
+  "searchDocumentPlaceholder": "Search documents",
  "searchFilePlaceholder": "Search Files",
  "tab": {
-    "all": "All Files",
+    "all": "All",
    "audios": "Audio",
    "documents": "Documents",
+    "home": "Home",
    "images": "Images",
+    "moreTypes": "More Types",
+    "pages": "Pages",
    "videos": "Videos",
    "websites": "Websites"
  },
@@ -295,7 +295,7 @@
      },
      "helpDoc": "Configuration Guide",
      "responsesApi": {
-        "desc": "Utilizes OpenAI's next-generation request format specification to unlock advanced features like chain of thought",
+        "desc": "Uses OpenAI's next-generation request format specification to unlock advanced features like chain-of-thought (supported by OpenAI models only)",
        "title": "Use Responses API Specification"
      },
      "waitingForMore": "More models are currently <1>planned for integration</1>, please stay tuned"
@@ -236,6 +236,9 @@
  "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."
  },
+  "MiniMaxAI/MiniMax-M2": {
+    "description": "MiniMax-M2 redefines efficiency for intelligent agents. It is a compact, fast, and cost-effective Mixture of Experts (MoE) model with 230 billion total parameters and 10 billion active parameters. Designed for top-tier performance in coding and agent tasks, it also maintains strong general intelligence. With only 10 billion active parameters, MiniMax-M2 delivers performance comparable to large-scale models, making it an ideal choice for high-efficiency applications."
+  },
  "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."
  },
@@ -1049,6 +1052,9 @@
  "deepseek-r1-0528": {
    "description": "The full-capacity 685B model released on May 28, 2025. DeepSeek-R1 extensively employs reinforcement learning during post-training, significantly enhancing reasoning capabilities with minimal labeled data. It demonstrates strong performance in mathematics, coding, and natural language reasoning tasks."
  },
+  "deepseek-r1-250528": {
+    "description": "DeepSeek R1 250528, the full-performance DeepSeek-R1 inference model, ideal for complex mathematical and logical tasks."
+  },
  "deepseek-r1-70b-fast-online": {
    "description": "DeepSeek R1 70B fast version, supporting real-time online search, providing faster response times while maintaining model performance."
  },
@@ -1059,31 +1065,34 @@
    "description": "deepseek-r1-distill-llama is a model distilled from DeepSeek-R1 based on Llama."
  },
  "deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek R1—the larger and smarter model in the DeepSeek suite—has been distilled into the Llama 70B architecture. Based on benchmark tests and human evaluations, this model is smarter than the original Llama 70B, especially excelling in tasks requiring mathematical and factual accuracy."
+    "description": "DeepSeek R1 Distill Llama 70B, a distilled model combining general R1 inference capabilities with the Llama ecosystem."
  },
  "deepseek-r1-distill-llama-8b": {
-    "description": "The DeepSeek-R1-Distill series models are fine-tuned versions of samples generated by DeepSeek-R1, using knowledge distillation techniques on open-source models like Qwen and Llama."
+    "description": "DeepSeek-R1-Distill-Llama-8B is a distilled large language model based on Llama-3.1-8B, utilizing outputs from DeepSeek R1."
+  },
+  "deepseek-r1-distill-qianfan-70b": {
+    "description": "DeepSeek R1 Distill Qianfan 70B, a cost-effective R1 distilled model based on Qianfan-70B."
+  },
+  "deepseek-r1-distill-qianfan-8b": {
+    "description": "DeepSeek R1 Distill Qianfan 8B, an R1 distilled model based on Qianfan-8B, suitable for small to medium-scale applications."
  },
  "deepseek-r1-distill-qianfan-llama-70b": {
-    "description": "First released on February 14, 2025, distilled by the Qianfan model development team using Llama3_70B as the base model (Built with Meta Llama), with Qianfan's corpus also added to the distilled data."
-  },
-  "deepseek-r1-distill-qianfan-llama-8b": {
-    "description": "First released on February 14, 2025, distilled by the Qianfan model development team using Llama3_8B as the base model (Built with Meta Llama), with Qianfan's corpus also added to the distilled data."
+    "description": "DeepSeek R1 Distill Qianfan Llama 70B, an R1 distilled model based on Llama-70B."
  },
  "deepseek-r1-distill-qwen": {
    "description": "deepseek-r1-distill-qwen is a model distilled from DeepSeek-R1 based on Qwen."
  },
  "deepseek-r1-distill-qwen-1.5b": {
-    "description": "The DeepSeek-R1-Distill series models are fine-tuned versions of samples generated by DeepSeek-R1, using knowledge distillation techniques on open-source models like Qwen and Llama."
+    "description": "DeepSeek R1 Distill Qwen 1.5B, an ultra-lightweight R1 distilled model designed for extremely low-resource environments."
  },
  "deepseek-r1-distill-qwen-14b": {
-    "description": "The DeepSeek-R1-Distill series models are fine-tuned versions of samples generated by DeepSeek-R1, using knowledge distillation techniques on open-source models like Qwen and Llama."
+    "description": "DeepSeek R1 Distill Qwen 14B, a mid-sized R1 distilled model suitable for multi-scenario deployment."
  },
  "deepseek-r1-distill-qwen-32b": {
-    "description": "The DeepSeek-R1-Distill series models are fine-tuned versions of samples generated by DeepSeek-R1, using knowledge distillation techniques on open-source models like Qwen and Llama."
+    "description": "DeepSeek R1 Distill Qwen 32B, an R1 distilled model based on Qwen-32B, balancing performance and cost."
  },
  "deepseek-r1-distill-qwen-7b": {
-    "description": "The DeepSeek-R1-Distill series models are fine-tuned versions of samples generated by DeepSeek-R1, using knowledge distillation techniques on open-source models like Qwen and Llama."
+    "description": "DeepSeek R1 Distill Qwen 7B, a lightweight R1 distilled model ideal for edge computing and enterprise private deployments."
  },
  "deepseek-r1-fast-online": {
    "description": "DeepSeek R1 full fast version, supporting real-time online search, combining the powerful capabilities of 671B parameters with faster response times."
@@ -1112,12 +1121,24 @@
  "deepseek-v3.1-terminus": {
    "description": "DeepSeek-V3.1-Terminus is an optimized large language model developed by DeepSeek, specifically tailored for terminal devices."
  },
+  "deepseek-v3.1-think-250821": {
+    "description": "DeepSeek V3.1 Think 250821, a deep reasoning model aligned with the Terminus version, suitable for high-performance inference scenarios."
+  },
  "deepseek-v3.1:671b": {
    "description": "DeepSeek V3.1: The next-generation reasoning model that enhances complex reasoning and chain-of-thought capabilities, suitable for tasks requiring in-depth analysis."
  },
  "deepseek-v3.2-exp": {
    "description": "deepseek-v3.2-exp introduces a sparse attention mechanism designed to enhance training and inference efficiency when processing long texts, priced lower than deepseek-v3.1."
  },
+  "deepseek-v3.2-think": {
+    "description": "DeepSeek V3.2 Think, a full-performance deep reasoning model with enhanced long-chain reasoning capabilities."
+  },
+  "deepseek-vl2": {
+    "description": "DeepSeek VL2, a multimodal model supporting image-text understanding and fine-grained visual question answering."
+  },
+  "deepseek-vl2-small": {
+    "description": "DeepSeek VL2 Small, a lightweight multimodal version designed for resource-constrained and high-concurrency scenarios."
+  },
  "deepseek/deepseek-chat-v3-0324": {
    "description": "DeepSeek V3 is a 685B parameter expert mixture model, the latest iteration in the DeepSeek team's flagship chat model series.\n\nIt inherits from the [DeepSeek V3](/deepseek/deepseek-chat-v3) model and performs excellently across various tasks."
  },
@@ -1137,7 +1158,7 @@
    "description": "DeepSeek-R1 greatly improves model reasoning capabilities with minimal labeled data. Before outputting the final answer, the model first generates a chain of thought to enhance answer accuracy."
  },
  "deepseek/deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek-R1-Distill-Llama-70B is a distilled, more efficient variant of the 70B Llama model. It maintains strong performance on text generation tasks while reducing computational overhead for easier deployment and research. Served by Groq using its custom Language Processing Unit (LPU) hardware for fast, efficient inference."
+    "description": "DeepSeek R1 Distill Llama 70B is a large language model based on Llama3.3 70B. Fine-tuned using outputs from DeepSeek R1, it achieves competitive performance on par with leading-edge large models."
  },
  "deepseek/deepseek-r1-distill-llama-8b": {
    "description": "DeepSeek R1 Distill Llama 8B is a distilled large language model based on Llama-3.1-8B-Instruct, trained using outputs from DeepSeek R1."
@@ -1253,83 +1274,89 @@
  "emohaa": {
    "description": "Emohaa is a psychological model with professional counseling capabilities, helping users understand emotional issues."
  },
-  "ernie-3.5-128k": {
-    "description": "Baidu's flagship large-scale language model, covering a vast amount of Chinese and English corpus, possesses strong general capabilities to meet the requirements of most dialogue Q&A, creative generation, and plugin application scenarios; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information."
-  },
-  "ernie-3.5-8k": {
-    "description": "Baidu's flagship large-scale language model, covering a vast amount of Chinese and English corpus, possesses strong general capabilities to meet the requirements of most dialogue Q&A, creative generation, and plugin application scenarios; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information."
-  },
-  "ernie-3.5-8k-preview": {
-    "description": "Baidu's flagship large-scale language model, covering a vast amount of Chinese and English corpus, possesses strong general capabilities to meet the requirements of most dialogue Q&A, creative generation, and plugin application scenarios; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information."
-  },
-  "ernie-4.0-8k-latest": {
-    "description": "Baidu's flagship ultra-large-scale language model, which has achieved a comprehensive upgrade in model capabilities compared to ERNIE 3.5, widely applicable to complex task scenarios across various fields; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information."
-  },
-  "ernie-4.0-8k-preview": {
-    "description": "Baidu's flagship ultra-large-scale language model, which has achieved a comprehensive upgrade in model capabilities compared to ERNIE 3.5, widely applicable to complex task scenarios across various fields; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information."
-  },
-  "ernie-4.0-turbo-128k": {
-    "description": "Baidu's flagship ultra-large-scale language model, demonstrating outstanding overall performance, widely applicable to complex task scenarios across various fields; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information. It performs better than ERNIE 4.0 in terms of performance."
-  },
-  "ernie-4.0-turbo-8k-latest": {
-    "description": "Baidu's flagship ultra-large-scale language model, demonstrating outstanding overall performance, widely applicable to complex task scenarios across various fields; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information. It performs better than ERNIE 4.0 in terms of performance."
-  },
-  "ernie-4.0-turbo-8k-preview": {
-    "description": "Baidu's flagship ultra-large-scale language model, demonstrating outstanding overall performance, widely applicable to complex task scenarios across various fields; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information. It performs better than ERNIE 4.0 in terms of performance."
+  "ernie-4.5-0.3b": {
+    "description": "ERNIE 4.5 0.3B, an open-source lightweight model suitable for local and customized deployments."
  },
  "ernie-4.5-21b-a3b": {
-    "description": "ERNIE 4.5 21B A3B is a Mixture of Experts model from Baidu's Wenxin series, offering strong reasoning and multilingual capabilities."
+    "description": "ERNIE 4.5 21B A3B, an open-source large-parameter model with stronger performance in understanding and generation tasks."
  },
  "ernie-4.5-300b-a47b": {
    "description": "ERNIE 4.5 300B A47B is a large-scale Mixture of Experts model from Baidu's Wenxin series, delivering exceptional reasoning performance."
  },
  "ernie-4.5-8k-preview": {
-    "description": "ERNIE 4.5 is Baidu's self-developed next-generation native multimodal foundational model, achieving collaborative optimization through joint modeling of multiple modalities, with excellent multimodal understanding capabilities; it features enhanced language abilities, with significant improvements in understanding, generation, logic, and memory, as well as reduced hallucinations and improved logical reasoning and coding capabilities."
+    "description": "ERNIE 4.5 8K Preview, an 8K context preview model for experiencing and testing ERNIE 4.5 capabilities."
  },
  "ernie-4.5-turbo-128k": {
-    "description": "Wenxin 4.5 Turbo shows significant enhancements in reducing hallucinations, logical reasoning, and coding capabilities. Compared to Wenxin 4.5, it is faster and more cost-effective. The model's capabilities have been comprehensively improved to better meet the needs of multi-turn long history dialogue processing and long document understanding Q&A tasks."
+    "description": "ERNIE 4.5 Turbo 128K, a high-performance general-purpose model supporting search augmentation and tool invocation, suitable for Q&A, coding, agents, and more."
+  },
+  "ernie-4.5-turbo-128k-preview": {
+    "description": "ERNIE 4.5 Turbo 128K Preview, offering the same capabilities as the official version, ideal for integration testing and staging."
  },
  "ernie-4.5-turbo-32k": {
-    "description": "Wenxin 4.5 Turbo has also shown significant enhancements in reducing hallucinations, logical reasoning, and coding capabilities. Compared to Wenxin 4.5, it is faster and more cost-effective. There are notable improvements in text creation and knowledge Q&A capabilities. The output length and sentence delay have increased compared to ERNIE 4.5."
+    "description": "ERNIE 4.5 Turbo 32K, a medium-to-long context version suitable for Q&A, knowledge retrieval, and multi-turn conversations."
+  },
+  "ernie-4.5-turbo-latest": {
+    "description": "ERNIE 4.5 Turbo Latest, optimized for overall performance, ideal as a general-purpose production model."
+  },
+  "ernie-4.5-turbo-vl": {
+    "description": "ERNIE 4.5 Turbo VL, a mature multimodal model for image-text understanding and recognition in production environments."
  },
  "ernie-4.5-turbo-vl-32k": {
-    "description": "A brand new version of the Wenxin large model, with significant improvements in image understanding, creation, translation, and coding capabilities, now supports a context length of 32K for the first time, with a significant reduction in first token delay."
+    "description": "ERNIE 4.5 Turbo VL 32K, a medium-to-long text multimodal version for joint understanding of long documents and images."
+  },
+  "ernie-4.5-turbo-vl-32k-preview": {
+    "description": "ERNIE 4.5 Turbo VL 32K Preview, a 32K multimodal preview version for evaluating long-context visual capabilities."
+  },
+  "ernie-4.5-turbo-vl-latest": {
+    "description": "ERNIE 4.5 Turbo VL Latest, the latest multimodal version offering improved image-text understanding and reasoning."
+  },
+  "ernie-4.5-turbo-vl-preview": {
+    "description": "ERNIE 4.5 Turbo VL Preview, a multimodal preview model supporting image-text understanding and generation, ideal for visual Q&A and content comprehension."
+  },
+  "ernie-4.5-vl-28b-a3b": {
+    "description": "ERNIE 4.5 VL 28B A3B, an open-source multimodal model supporting image-text understanding and reasoning tasks."
+  },
+  "ernie-5.0-thinking-preview": {
+    "description": "ERNIE 5.0 Thinking Preview, a native all-modality flagship model supporting unified modeling of text, image, audio, and video, with comprehensive capability upgrades for complex Q&A, creative tasks, and agent scenarios."
  },
  "ernie-char-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."
+    "description": "ERNIE Character 8K, a persona dialogue model ideal for IP character building and long-term companion conversations."
  },
  "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."
+    "description": "ERNIE Character Fiction 8K, a persona model for novel and story creation, suitable for generating long-form narratives."
+  },
+  "ernie-char-fiction-8k-preview": {
+    "description": "ERNIE Character Fiction 8K Preview, a preview model for character and story creation, designed for feature testing and experience."
  },
  "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."
+    "description": "ERNIE iRAG Edit, an image editing model supporting image erasure, redrawing, and variant generation."
  },
  "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."
+    "description": "ERNIE Lite 8K, a lightweight general-purpose model suitable for cost-sensitive daily Q&A and content generation."
  },
  "ernie-lite-pro-128k": {
-    "description": "Baidu's lightweight large language model, balancing excellent model performance with inference efficiency, offering better performance than ERNIE Lite, suitable for low-power AI acceleration card inference."
+    "description": "ERNIE Lite Pro 128K, a lightweight high-performance model ideal for latency- and cost-sensitive business scenarios."
  },
  "ernie-novel-8k": {
-    "description": "Baidu's general-purpose large language model, which has a significant advantage in novel continuation capabilities and can also be used in short plays, movies, and other scenarios."
+    "description": "ERNIE Novel 8K, a model for long-form novel and IP story creation, skilled in multi-character and multi-threaded storytelling."
  },
  "ernie-speed-128k": {
-    "description": "Baidu's latest self-developed high-performance large language model released in 2024, with excellent general capabilities, suitable as a base model for fine-tuning to better address specific scenario issues while also demonstrating excellent inference performance."
+    "description": "ERNIE Speed 128K, a large model with no input/output cost, suitable for long-text understanding and large-scale trials."
+  },
+  "ernie-speed-8k": {
+    "description": "ERNIE Speed 8K, a free and fast model ideal for daily conversations and lightweight text tasks."
  },
  "ernie-speed-pro-128k": {
-    "description": "Baidu's latest self-developed high-performance large language model released in 2024, with excellent general capabilities, offering better performance than ERNIE Speed, suitable as a base model for fine-tuning to better address specific scenario issues while also demonstrating excellent inference performance."
+    "description": "ERNIE Speed Pro 128K, a high-concurrency, cost-effective model suitable for large-scale online services and enterprise applications."
  },
  "ernie-tiny-8k": {
-    "description": "ERNIE Tiny is Baidu's ultra-high-performance large language model, with the lowest deployment and fine-tuning costs among the Wenxin series models."
-  },
-  "ernie-x1-32k": {
-    "description": "Possesses stronger abilities in understanding, planning, reflection, and evolution. As a more comprehensive deep thinking model, Wenxin X1 combines accuracy, creativity, and eloquence, excelling in areas such as Chinese knowledge Q&A, literary creation, document writing, daily conversation, logical reasoning, complex calculations, and tool invocation."
-  },
-  "ernie-x1-32k-preview": {
-    "description": "The ERNIE X1 model possesses stronger understanding, planning, reflection, and evolution capabilities. As a more comprehensive deep thinking model, ERNIE X1 excels in accuracy, creativity, and eloquence, particularly in Chinese knowledge Q&A, literary creation, document writing, daily conversation, logical reasoning, complex calculations, and tool invocation."
+    "description": "ERNIE Tiny 8K, an ultra-lightweight model for simple Q&A, classification, and other low-cost inference scenarios."
  },
  "ernie-x1-turbo-32k": {
-    "description": "The model performs better in terms of effectiveness and performance compared to ERNIE-X1-32K."
+    "description": "ERNIE X1 Turbo 32K, a high-speed reasoning model with 32K long context, ideal for complex reasoning and multi-turn dialogue."
+  },
+  "ernie-x1.1-preview": {
+    "description": "ERNIE X1.1 Preview, a preview version of the ERNIE X1.1 reasoning model, suitable for capability validation and testing."
  },
  "fal-ai/bytedance/seedream/v4": {
    "description": "Seedream 4.0 image generation model developed by ByteDance Seed team supports text and image inputs, providing a highly controllable and high-quality image generation experience. Generates images based on text prompts."
@@ -1389,7 +1416,7 @@
    "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."
+    "description": "FLUX.1-schnell, a high-performance image generation model for fast creation of multi-style 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."
@@ -1538,6 +1565,9 @@
  "glm-4-0520": {
    "description": "GLM-4-0520 is the latest model version designed for highly complex and diverse tasks, demonstrating outstanding performance."
  },
+  "glm-4-32b-0414": {
+    "description": "GLM-4 32B 0414, a general-purpose large model from the GLM series, supporting multi-task text generation and understanding."
+  },
  "glm-4-9b-chat": {
    "description": "GLM-4-9B-Chat demonstrates high performance across semantics, mathematics, reasoning, coding, and knowledge. It also supports web browsing, code execution, custom tool invocation, and long-text reasoning. Supports 26 languages including Japanese, Korean, and German."
  },
@@ -1826,6 +1856,18 @@
  "gpt-5-pro": {
    "description": "GPT-5 Pro leverages greater computational power for deeper reasoning and consistently delivers improved answers."
  },
+  "gpt-5.1": {
+    "description": "GPT-5.1 — A flagship model optimized for coding and agent tasks, featuring configurable reasoning strength and extended context support."
+  },
+  "gpt-5.1-chat-latest": {
+    "description": "GPT-5.1 Chat: A variant of GPT-5.1 tailored for ChatGPT, ideal for conversational scenarios."
+  },
+  "gpt-5.1-codex": {
+    "description": "GPT-5.1 Codex: A GPT-5.1 variant optimized for agentic coding tasks, designed for more complex code/agent workflows via the Responses API."
+  },
+  "gpt-5.1-codex-mini": {
+    "description": "GPT-5.1 Codex mini: A smaller, more cost-effective Codex variant optimized for agentic coding tasks."
+  },
  "gpt-audio": {
    "description": "GPT Audio is a general-purpose chat model designed for audio input and output, supporting audio I/O in the Chat Completions API."
  },
@@ -2001,13 +2043,13 @@
    "description": "Imagen 4th-generation text-to-image model series"
  },
  "imagen-4.0-generate-preview-06-06": {
-    "description": "Imagen 4th generation text-to-image model series"
+    "description": "Imagen 4th-generation text-to-image model series."
  },
  "imagen-4.0-ultra-generate-001": {
    "description": "Imagen 4th-generation text-to-image model, Ultra version"
  },
  "imagen-4.0-ultra-generate-preview-06-06": {
-    "description": "Imagen 4th generation text-to-image model series Ultra version"
+    "description": "Ultra version of the 4th-generation Imagen text-to-image model series."
  },
  "inception/mercury-coder-small": {
    "description": "Mercury Coder Small is ideal for code generation, debugging, and refactoring tasks, offering minimal latency."
@@ -2036,14 +2078,26 @@
  "internlm3-latest": {
    "description": "Our latest model series boasts exceptional inference performance, leading the pack among open-source models of similar scale. It defaults to our most recently released InternLM3 series models."
  },
+  "internvl2.5-38b-mpo": {
+    "description": "InternVL2.5 38B MPO, a multimodal pre-trained model supporting complex image-text reasoning tasks."
+  },
  "internvl2.5-latest": {
    "description": "The InternVL2.5 version we continue to maintain, offering excellent and stable performance. It defaults to our latest released InternVL2.5 series model, currently pointing to internvl2.5-78b."
  },
+  "internvl3-14b": {
+    "description": "InternVL3 14B, a mid-sized multimodal model balancing performance and cost."
+  },
+  "internvl3-1b": {
+    "description": "InternVL3 1B, a lightweight multimodal model suitable for deployment in resource-constrained environments."
+  },
+  "internvl3-38b": {
+    "description": "InternVL3 38B, a large-scale open-source multimodal model for high-precision image-text understanding tasks."
+  },
  "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."
+    "description": "ERNIE iRAG, an image retrieval-augmented generation model supporting image search, image-text retrieval, and content generation."
  },
  "jamba-large": {
    "description": "Our most powerful and advanced model, designed for handling complex enterprise-level tasks with exceptional performance."
@@ -2064,7 +2118,7 @@
    "description": "The kimi-k2-0905-preview model has a context length of 256k, featuring stronger Agentic Coding capabilities, more outstanding aesthetics and practicality of frontend code, and better context understanding."
  },
  "kimi-k2-instruct": {
-    "description": "Kimi K2 Instruct is a large language model developed by Moonshot AI, featuring ultra-long context processing capabilities."
+    "description": "Kimi K2 Instruct, the official Kimi inference model supporting long context, code, Q&A, and more."
  },
  "kimi-k2-turbo-preview": {
    "description": "Kimi-K2 is a Mixture-of-Experts (MoE) foundation model with exceptional coding and agent capabilities, featuring 1T total parameters and 32B activated parameters. In benchmark evaluations across core categories — general knowledge reasoning, programming, mathematics, and agent tasks — the K2 model outperforms other leading open-source models."
@@ -2174,6 +2228,9 @@
  "megrez-3b-instruct": {
    "description": "Megrez 3B Instruct is a compact and efficient model developed by Wuwen Xinqiong."
  },
+  "meituan/longcat-flash-chat": {
+    "description": "An open-source foundational model from Meituan, optimized for conversational interactions and agent-based tasks. Excels in tool usage and complex multi-turn dialogue scenarios."
+  },
  "meta-llama-3-70b-instruct": {
    "description": "A powerful 70-billion parameter model excelling in reasoning, coding, and broad language applications."
  },
@@ -2405,6 +2462,12 @@
  "minimax-m2": {
    "description": "MiniMax M2 is a high-efficiency large language model built for coding and agent-based workflows."
  },
+  "minimax/minimax-m2": {
+    "description": "Purpose-built for efficient coding and agent workflows."
+  },
+  "minimaxai/minimax-m2": {
+    "description": "MiniMax-M2 is a compact, fast, and cost-efficient Mixture of Experts (MoE) model with 230 billion total parameters and 10 billion active parameters. It is engineered for top performance in coding and agent tasks while maintaining robust general intelligence. Excelling in multi-file editing, code-run-debug loops, test validation and repair, and complex long-chain tool integrations, it is an ideal choice for developer workflows."
+  },
  "ministral-3b-latest": {
    "description": "Ministral 3B is Mistral's top-tier edge model."
  },
@@ -2735,6 +2798,54 @@
  "pro-deepseek-v3": {
    "description": "Enterprise-exclusive service model with concurrent service support."
  },
+  "qianfan-70b": {
+    "description": "Qianfan 70B, a large-parameter Chinese model suitable for high-quality content generation and complex reasoning tasks."
+  },
+  "qianfan-8b": {
+    "description": "Qianfan 8B, a medium-sized general-purpose model balancing cost and performance for text generation and Q&A."
+  },
+  "qianfan-agent-intent-32k": {
+    "description": "Qianfan Agent Intent 32K, a model for intent recognition and agent orchestration, supporting long-context scenarios."
+  },
+  "qianfan-agent-lite-8k": {
+    "description": "Qianfan Agent Lite 8K, a lightweight agent model for low-cost multi-turn dialogue and business orchestration."
+  },
+  "qianfan-agent-speed-32k": {
+    "description": "Qianfan Agent Speed 32K, a high-throughput agent model for large-scale, multi-task agent applications."
+  },
+  "qianfan-agent-speed-8k": {
+    "description": "Qianfan Agent Speed 8K, a high-concurrency agent model for short-to-medium conversations and fast response."
+  },
+  "qianfan-check-vl": {
+    "description": "Qianfan Check VL, a multimodal content moderation and detection model supporting image-text compliance and recognition tasks."
+  },
+  "qianfan-composition": {
+    "description": "Qianfan Composition, a multimodal creative model supporting integrated image-text understanding and generation."
+  },
+  "qianfan-engcard-vl": {
+    "description": "Qianfan EngCard VL, a multimodal recognition model focused on English-language scenarios."
+  },
+  "qianfan-lightning-128b-a19b": {
+    "description": "Qianfan Lightning 128B A19B, a high-performance Chinese general-purpose model for complex Q&A and large-scale reasoning tasks."
+  },
+  "qianfan-llama-vl-8b": {
+    "description": "Qianfan Llama VL 8B, a multimodal model based on Llama for general image-text understanding tasks."
+  },
+  "qianfan-multipicocr": {
+    "description": "Qianfan MultiPicOCR, a multi-image OCR model supporting text detection and recognition across multiple images."
+  },
+  "qianfan-qi-vl": {
+    "description": "Qianfan QI VL, a multimodal Q&A model supporting accurate retrieval and question answering in complex image-text scenarios."
+  },
+  "qianfan-singlepicocr": {
+    "description": "Qianfan SinglePicOCR, a single-image OCR model supporting high-precision character recognition."
+  },
+  "qianfan-vl-70b": {
+    "description": "Qianfan VL 70B, a large-parameter vision-language model for complex image-text understanding scenarios."
+  },
+  "qianfan-vl-8b": {
+    "description": "Qianfan VL 8B, a lightweight vision-language model suitable for daily image-text Q&A and analysis."
+  },
  "qvq-72b-preview": {
    "description": "The QVQ model is an experimental research model developed by the Qwen team, focusing on enhancing visual reasoning capabilities, particularly in the field of mathematical reasoning."
  },
@@ -2886,7 +2997,7 @@
    "description": "The 72B model of Tongyi Qianwen 2.5 is open-sourced."
  },
  "qwen2.5-7b-instruct": {
-    "description": "The 7B model of Tongyi Qianwen 2.5 is open-sourced."
+    "description": "Qwen2.5 7B Instruct, a mature open-source instruction model designed for versatile dialogue and content generation."
  },
  "qwen2.5-coder-1.5b-instruct": {
    "description": "Open-source version of the Qwen coding model."
@@ -2919,13 +3030,13 @@
    "description": "The Qwen-Omni series models support input of various modalities, including video, audio, images, and text, and output audio and text."
  },
  "qwen2.5-vl-32b-instruct": {
-    "description": "The Qwen2.5-VL model series enhances the model's intelligence level, practicality, and applicability, delivering superior performance in scenarios such as natural conversations, content creation, professional knowledge services, and code development. The 32B version employs reinforcement learning techniques to optimize the model, offering more human-preferred output styles, enhanced reasoning capabilities for complex mathematical problems, and fine-grained image understanding and reasoning compared to other models in the Qwen2.5-VL series."
+    "description": "Qwen2.5 VL 32B Instruct, a multimodal open-source model ideal for private deployment and diverse applications."
  },
  "qwen2.5-vl-72b-instruct": {
    "description": "This version enhances instruction following, mathematics, problem-solving, and coding capabilities, improving the ability to recognize various formats and accurately locate visual elements. It supports understanding long video files (up to 10 minutes) and pinpointing events in seconds, comprehending the sequence and speed of time, and based on parsing and locating capabilities, it supports controlling OS or Mobile agents. It has strong key information extraction and JSON output capabilities, and this version is the most powerful in the series at 72B."
  },
  "qwen2.5-vl-7b-instruct": {
-    "description": "This version enhances instruction following, mathematics, problem-solving, and coding capabilities, improving the ability to recognize various formats and accurately locate visual elements. It supports understanding long video files (up to 10 minutes) and pinpointing events in seconds, comprehending the sequence and speed of time, and based on parsing and locating capabilities, it supports controlling OS or Mobile agents. It has strong key information extraction and JSON output capabilities, and this version is the most powerful in the series at 72B."
+    "description": "Qwen2.5 VL 7B Instruct, a lightweight multimodal model balancing deployment cost and recognition capabilities."
  },
  "qwen2.5-vl-instruct": {
    "description": "Qwen2.5-VL is the latest version of the visual language model in the Qwen model family."
@@ -2952,46 +3063,46 @@
    "description": "Qwen3 is Alibaba's next-generation large-scale language model, designed to support diverse application needs with outstanding performance."
  },
  "qwen3-0.6b": {
-    "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."
+    "description": "Qwen3 0.6B, an entry-level model suitable for basic reasoning and highly resource-constrained environments."
  },
  "qwen3-1.7b": {
-    "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."
+    "description": "Qwen3 1.7B, an ultra-lightweight model optimized for edge and on-device deployment."
  },
  "qwen3-14b": {
-    "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."
+    "description": "Qwen3 14B, a mid-sized model ideal for multilingual Q&A and text generation tasks."
  },
  "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."
+    "description": "Qwen3 235B A22B, a general-purpose large model built for a wide range of complex tasks."
  },
  "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)."
+    "description": "Qwen3 235B A22B Instruct 2507, a flagship general-purpose instruction model for diverse generation and reasoning tasks."
  },
  "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."
+    "description": "Qwen3 235B A22B Thinking 2507, an ultra-large-scale reasoning model tailored for high-difficulty inference."
  },
  "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."
+    "description": "Qwen3 30B A3B, a medium-to-large general-purpose model offering a balance between cost and performance."
  },
  "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."
+    "description": "Qwen3 30B A3B Instruct 2507, a medium-to-large instruction model designed for high-quality generation and Q&A."
  },
  "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."
+    "description": "Qwen3 30B A3B Thinking 2507, a medium-to-large reasoning model balancing accuracy and cost."
  },
  "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."
+    "description": "Qwen3 32B, a general-purpose model suited for tasks requiring stronger comprehension capabilities."
  },
  "qwen3-4b": {
-    "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."
+    "description": "Qwen3 4B, ideal for small to medium-scale applications and local inference scenarios."
  },
  "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."
+    "description": "Qwen3 8B, a lightweight model with flexible deployment, suitable for high-concurrency workloads."
  },
  "qwen3-coder-30b-a3b-instruct": {
    "description": "The open-source version of the Tongyi Qianwen code model. The latest qwen3-coder-30b-a3b-instruct is a code generation model based on Qwen3, featuring powerful Coding Agent capabilities. It excels at tool usage and environment interaction, enabling autonomous programming with outstanding coding and general abilities."
  },
  "qwen3-coder-480b-a35b-instruct": {
-    "description": "Open-source version of Tongyi Qianwen's code model. The latest qwen3-coder-480b-a35b-instruct is a code generation model based on Qwen3, featuring powerful Coding Agent capabilities, proficient in tool invocation and environment interaction, enabling autonomous programming with excellent coding and general capabilities."
+    "description": "Qwen3 Coder 480B A35B Instruct, a flagship code model supporting multilingual programming and complex code understanding."
  },
  "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."
@@ -3005,32 +3116,41 @@
  "qwen3-max": {
    "description": "Tongyi Qianwen 3 series Max model, which shows significant overall improvements compared to the 2.5 series, including enhanced bilingual (Chinese and English) text understanding, complex instruction following, subjective open-domain task capabilities, multilingual support, and tool invocation abilities; the model also exhibits fewer hallucinations. The latest qwen3-max model features specialized upgrades in agent programming and tool invocation compared to the qwen3-max-preview version. The officially released model achieves state-of-the-art performance in its domain and is adapted to more complex agent scenarios."
  },
+  "qwen3-max-preview": {
+    "description": "The most advanced model in the Qwen series, ideal for complex, multi-step tasks. Preview version now supports reasoning."
+  },
  "qwen3-next-80b-a3b-instruct": {
    "description": "A new generation of non-thinking mode open-source model based on Qwen3. Compared to the previous version (Tongyi Qianwen 3-235B-A22B-Instruct-2507), it offers better Chinese text comprehension, enhanced logical reasoning abilities, and improved performance in text generation tasks."
  },
  "qwen3-next-80b-a3b-thinking": {
-    "description": "A new generation of thinking mode open-source model based on Qwen3. Compared to the previous version (Tongyi Qianwen 3-235B-A22B-Thinking-2507), it features improved instruction-following capabilities and more concise model-generated summaries."
+    "description": "Qwen3 Next 80B A3B Thinking, a flagship reasoning model version designed for complex tasks."
  },
  "qwen3-omni-flash": {
    "description": "The Qwen-Omni model accepts multimodal input including text, images, audio, and video, and generates responses in text or speech. It offers a variety of human-like voice tones, supports multilingual and dialectal speech output, and is applicable to scenarios such as text creation, visual recognition, and voice assistants."
  },
  "qwen3-vl-235b-a22b-instruct": {
-    "description": "Qwen3 VL 235B A22B Instruct Mode (non-thinking), designed for instruction-following scenarios without deep reasoning, while maintaining strong visual understanding capabilities."
+    "description": "Qwen3 VL 235B A22B Instruct, a flagship multimodal model built for high-demand comprehension and creative tasks."
  },
  "qwen3-vl-235b-a22b-thinking": {
-    "description": "Qwen3 VL 235B A22B Thinking Mode (open-source version), tailored for complex reasoning and long video understanding tasks, offering top-tier visual and textual reasoning performance."
+    "description": "Qwen3 VL 235B A22B Thinking, a flagship reasoning edition for complex multimodal inference and planning."
  },
  "qwen3-vl-30b-a3b-instruct": {
-    "description": "Qwen3 VL 30B Instruct Mode (non-thinking), designed for general instruction-following scenarios, with strong multimodal understanding and generation capabilities."
+    "description": "Qwen3 VL 30B A3B Instruct, a large multimodal model balancing accuracy and inference performance."
  },
  "qwen3-vl-30b-a3b-thinking": {
-    "description": "The open-source Qwen-VL model provides visual understanding and text generation capabilities. It supports agent interaction, visual encoding, spatial awareness, long video comprehension, and deep reasoning, with enhanced text recognition and multilingual support in complex scenarios."
+    "description": "Qwen3 VL 30B A3B Thinking, a deep reasoning version tailored for complex multimodal tasks."
+  },
+  "qwen3-vl-32b-instruct": {
+    "description": "Qwen3 VL 32B Instruct, a multimodal instruction-tuned model for high-quality visual-text Q&A and creative tasks."
+  },
+  "qwen3-vl-32b-thinking": {
+    "description": "Qwen3 VL 32B Thinking, a multimodal deep reasoning model enhanced for complex inference and long-chain analysis."
  },
  "qwen3-vl-8b-instruct": {
-    "description": "Qwen3 VL 8B Instruct Mode (non-thinking), suitable for standard multimodal generation and recognition tasks."
+    "description": "Qwen3 VL 8B Instruct, a lightweight multimodal model ideal for everyday visual Q&A and application integration."
  },
  "qwen3-vl-8b-thinking": {
-    "description": "Qwen3 VL 8B Thinking Mode, designed for lightweight multimodal reasoning and interaction scenarios, while retaining long-context understanding capabilities."
+    "description": "Qwen3 VL 8B Thinking, a multimodal chain-of-thought model designed for detailed reasoning over visual information."
  },
  "qwen3-vl-flash": {
    "description": "Qwen3 VL Flash: a lightweight, high-speed inference version ideal for latency-sensitive or high-volume request scenarios."
@@ -3263,6 +3383,12 @@
  "wizardlm2:8x22b": {
    "description": "WizardLM 2 is a language model provided by Microsoft AI, excelling in complex dialogues, multilingual capabilities, reasoning, and intelligent assistant applications."
  },
+  "x-ai/grok-4-fast": {
+    "description": "We’re excited to introduce Grok 4 Fast, our latest advancement in cost-effective reasoning models."
+  },
+  "x-ai/grok-code-fast-1": {
+    "description": "We’re proud to launch grok-code-fast-1, a fast and cost-efficient reasoning model that excels in agent-based coding tasks."
+  },
  "x1": {
    "description": "The Spark X1 model will undergo further upgrades, achieving results in reasoning, text generation, and language understanding tasks that match OpenAI o1 and DeepSeek R1, building on its leading position in domestic mathematical tasks."
  },
@@ -3323,6 +3449,9 @@
  "yi-vision-v2": {
    "description": "A complex visual task model that provides high-performance understanding and analysis capabilities based on multiple images."
  },
+  "z-ai/glm-4.6": {
+    "description": "GLM-4.6, the latest flagship model from Zhipu AI, delivers significant improvements over its predecessor in advanced coding, long-form text processing, reasoning, and agent capabilities."
+  },
  "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."
  },
@@ -236,6 +236,8 @@
  },
  "inspector": {
    "args": "View Argument List",
+    "delete": "Delete Tool Call",
+    "orphanedToolCall": "This tool call message may have become orphaned due to an unexpected issue, which could affect the Agent's normal operation. Please remove it.",
    "pluginRender": "View Plugin Interface"
  },
  "list": {
@@ -251,14 +253,20 @@
  },
  "localSystem": {
    "apiName": {
+      "getCommandOutput": "Get Code Output",
+      "globLocalFiles": "Match Files",
+      "grepContent": "Search Content",
+      "killCommand": "Kill Code Execution",
      "listLocalFiles": "View File List",
      "moveLocalFiles": "Move Files",
      "readLocalFile": "Read File Content",
      "renameLocalFile": "Rename",
+      "runCommand": "Run Code",
      "searchLocalFiles": "Search Files",
-      "writeLocalFile": "Write File"
+      "writeLocalFile": "Write File",
+      "editLocalFile": "Edit File"
    },
-    "title": "Local Files"
+    "title": "Local System"
  },
  "mcpInstall": {
    "CHECKING_INSTALLATION": "Checking installation environment...",
@@ -15,8 +15,22 @@
    "prompt": "Prompt"
  },
  "localFiles": {
+    "editFile": {
+      "newString": "Replace with",
+      "oldString": "Find",
+      "replaceAll": "Replace all occurrences",
+      "replaceFirst": "Replace first occurrence only"
+    },
    "file": "File",
    "folder": "Folder",
+    "moveFiles": {
+      "itemsMoved": "{{count}} item(s) moved:",
+      "itemsMoved_one": "{{count}} item moved:",
+      "itemsMoved_other": "{{count}} items moved:",
+      "itemsToMove": "{{count}} item(s) to move:",
+      "itemsToMove_one": "{{count}} item to move:",
+      "itemsToMove_other": "{{count}} items to move:"
+    },
    "open": "Open",
    "openFile": "Open File",
    "openFolder": "Open Folder",
@@ -26,7 +40,12 @@
    "readFile": "Read File",
    "readFileError": "Failed to read file, please check if the file path is correct",
    "readFiles": "Read Files",
-    "readFilesError": "Failed to read files, please check if the file path is correct"
+    "readFilesError": "Failed to read files, please check if the file path is correct",
+    "writeFile": {
+      "characters": "characters",
+      "preview": "Content Preview",
+      "truncated": "truncated"
+    }
  },
  "search": {
    "createNewSearch": "Create a new search record",
@@ -6,6 +6,7 @@
    "confirmRemoveUnstarred": "You are about to delete unstarred topics. This action cannot be undone, please proceed with caution.",
    "duplicate": "Create Copy",
    "export": "Export Topics",
+    "openInNewWindow": "Open in a new window",
    "removeAll": "Delete All Topics",
    "removeUnstarred": "Delete Unstarred Topics"
  },
@@ -17,6 +17,7 @@
  "availableAgents": "Agentes disponibles",
  "backToBottom": "Volver al fondo",
  "chatList": {
+    "expandMessage": "Expandir mensaje",
    "longMessageDetail": "Ver detalles"
  },
  "clearCurrentMessages": "Borrar mensajes actuales",
@@ -173,9 +174,11 @@
    "title": "Mencionar miembros"
  },
  "messageAction": {
+    "collapse": "Ocultar mensaje",
    "continueGeneration": "Continuar generando",
    "delAndRegenerate": "Eliminar y Regenerar",
    "deleteDisabledByThreads": "Existen subtemas, no se puede eliminar",
+    "expand": "Expandir mensaje",
    "regenerate": "Regenerar"
  },
  "messages": {
@@ -240,6 +243,7 @@
  "noMatchingAgents": "No se encontraron miembros coincidentes",
  "noMembersYet": "Este grupo aún no tiene miembros. Haz clic en el botón + para invitar asistentes.",
  "noSelectedAgents": "Aún no se han seleccionado miembros",
+  "openInNewWindow": "Abrir en una nueva ventana",
  "owner": "Propietario del grupo",
  "pin": "Fijar",
  "pinOff": "Desfijar",
@@ -326,6 +330,11 @@
    "screenshot": "Captura de pantalla",
    "settings": "Configuración de exportación",
    "text": "Texto",
+    "widthMode": {
+      "label": "Modo de ancho",
+      "narrow": "Modo de pantalla estrecha",
+      "wide": "Modo de pantalla ancha"
+    },
    "withBackground": "Incluir imagen de fondo",
    "withFooter": "Incluir pie de página",
    "withPluginInfo": "Incluir información del plugin",
@@ -368,6 +377,28 @@
    "remained": "Restante",
    "used": "Usado"
  },
+  "tool": {
+    "intervention": {
+      "approve": "Aprobar",
+      "approveAndRemember": "Aprobar y recordar",
+      "approveOnce": "Aprobar solo esta vez",
+      "mode": {
+        "allowList": "Lista blanca",
+        "allowListDesc": "Ejecutar automáticamente solo las herramientas aprobadas",
+        "autoRun": "Aprobación automática",
+        "autoRunDesc": "Aprobar automáticamente la ejecución de todas las herramientas",
+        "manual": "Manual",
+        "manualDesc": "Se requiere aprobación manual para cada ejecución"
+      },
+      "reject": "Rechazar",
+      "rejectAndContinue": "Rechazar y volver a intentar",
+      "rejectOnly": "Rechazar",
+      "rejectReasonPlaceholder": "Ingresar una razón ayudará al agente a comprender y mejorar futuras acciones",
+      "rejectTitle": "Rechazar esta ejecución de herramienta",
+      "rejectedWithReason": "Esta ejecución de herramienta fue rechazada: {{reason}}",
+      "toolRejected": "Esta ejecución de herramienta fue rechazada"
+    }
+  },
  "topic": {
    "checkOpenNewTopic": "¿Abrir un nuevo tema?",
    "checkSaveCurrentMessages": "¿Desea guardar la conversación actual como tema?",
@@ -135,6 +135,7 @@
    }
  },
  "close": "Cerrar",
+  "confirm": "Confirmar",
  "contact": "Contacto",
  "copy": "Copiar",
  "copyFail": "Fallo al copiar",
@@ -285,6 +286,7 @@
  "oauth": "Inicio de sesión SSO",
  "officialSite": "Sitio oficial",
  "ok": "Aceptar",
+  "or": "o",
  "password": "Contraseña",
  "pin": "Fijar",
  "pinOff": "Quitar fijación",
@@ -106,6 +106,12 @@
    "keyPlaceholder": "Clave",
    "valuePlaceholder": "Valor"
  },
+  "LocalFile": {
+    "action": {
+      "open": "Abrir",
+      "showInFolder": "Mostrar en la carpeta"
+    }
+  },
  "MaxTokenSlider": {
    "unlimited": "Sin límite"
  },
@@ -102,7 +102,7 @@
      "SPII": "Su contenido podría contener información personal sensible. Para proteger la privacidad, elimine la información sensible y vuelva a intentarlo.",
      "default": "Contenido bloqueado: {{blockReason}}. Ajuste su solicitud y vuelva a intentarlo."
    },
-    "InsufficientQuota": "Lo sentimos, la cuota de esta clave ha alcanzado su límite. Por favor, verifique si el saldo de su cuenta es suficiente o aumente la cuota de la clave y vuelva a intentarlo.",
+    "InsufficientQuota": "Lo sentimos, la cuota de esta clave ha alcanzado su límite. Por favor, verifica si el saldo de tu cuenta es suficiente o aumenta la cuota de la clave antes de intentarlo nuevamente.",
    "InvalidAccessCode": "La contraseña no es válida o está vacía. Por favor, introduce una contraseña de acceso válida o añade una clave API personalizada",
    "InvalidBedrockCredentials": "La autenticación de Bedrock no se ha completado con éxito, por favor, verifica AccessKeyId/SecretAccessKey e inténtalo de nuevo",
    "InvalidClerkUser": "Lo siento mucho, actualmente no has iniciado sesión. Por favor, inicia sesión o regístrate antes de continuar.",
@@ -131,7 +131,7 @@
    "PluginServerError": "Error al recibir la respuesta del servidor del complemento. Verifique el archivo de descripción del complemento, la configuración del complemento o la implementación del servidor según la información de error a continuación",
    "PluginSettingsInvalid": "Este complemento necesita una configuración correcta antes de poder usarse. Verifique si su configuración es correcta",
    "ProviderBizError": "Se produjo un error al solicitar el servicio de {{provider}}, por favor, revise la siguiente información o inténtelo de nuevo",
-    "QuotaLimitReached": "Lo sentimos, el uso actual de tokens o el número de solicitudes ha alcanzado el límite de cuota de esta clave. Por favor, aumenta la cuota de esta clave o intenta de nuevo más tarde.",
+    "QuotaLimitReached": "Lo sentimos, el uso de tokens o el número de solicitudes ha alcanzado el límite de cuota de esta clave. Por favor, aumenta la cuota de la clave o inténtalo más tarde.",
    "StreamChunkError": "Error de análisis del bloque de mensajes de la solicitud en streaming. Por favor, verifica si la API actual cumple con las normas estándar o contacta a tu proveedor de API para más información.",
    "SubscriptionKeyMismatch": "Lo sentimos, debido a un fallo ocasional del sistema, el uso de la suscripción actual ha dejado de ser válido temporalmente. Por favor, haga clic en el botón de abajo para restaurar la suscripción o contáctenos por correo electrónico para obtener soporte.",
    "SubscriptionPlanLimit": "Se han agotado sus puntos de suscripción, no puede utilizar esta función. Por favor, actualice a un plan superior o configure la API del modelo personalizado para continuar.",
@@ -1,5 +1,8 @@
 {
-  "desc": "Gestiona tu conocimiento",
+  "addFolder": "Crear carpeta",
+  "addKnowledge": "Agregar conocimiento",
+  "addPage": "Crear documento",
+  "desc": "Gestiona tus conocimientos de trabajo, estudio y vida.",
  "detail": {
    "basic": {
      "createdAt": "Fecha de creación",
@@ -21,15 +24,89 @@
      "embeddingStatus": "Vectorización"
    }
  },
+  "documentEditor": {
+    "addIcon": "Agregar ícono",
+    "autoSaveMessage": "El documento se guarda automáticamente, no es necesario guardarlo manualmente",
+    "chooseIcon": "Elegir ícono",
+    "deleteConfirm": {
+      "content": "Estás a punto de eliminar este documento. Una vez eliminado, no se podrá recuperar. Procede con precaución.",
+      "title": "Eliminar documento"
+    },
+    "deleteError": "Error al eliminar el documento",
+    "deleteSuccess": "Documento eliminado con éxito",
+    "editedAt": "Última edición el {{time}}",
+    "editedBy": "Editado por última vez por {{name}}",
+    "editorPlaceholder": "Escribe el contenido del documento, pulsa / para abrir el menú de comandos",
+    "empty": {
+      "createNewDocument": "Crear nuevo documento",
+      "title": "Selecciona un documento para comenzar",
+      "uploadMarkdown": "Subir archivo Markdown"
+    },
+    "linkCopied": "Enlace copiado",
+    "menu": {
+      "copyLink": "Copiar enlace",
+      "exportDocument": "Exportar documento",
+      "importDocument": "Importar documento",
+      "pin": "Fijar documento"
+    },
+    "saving": "Guardando...",
+    "titlePlaceholder": "Sin título",
+    "wordCount": "{{wordCount}} palabras"
+  },
+  "documentList": {
+    "copyContent": "Copiar todo el contenido",
+    "documentCount": "Total de {{count}} documentos",
+    "duplicate": "Crear una copia",
+    "empty": "No hay documentos. Haz clic en el botón de arriba para crear tu primer documento",
+    "noResults": "No se encontraron documentos coincidentes",
+    "selectNote": "Selecciona un documento para comenzar a editar",
+    "untitled": "Sin título"
+  },
  "empty": "No hay archivos/carpetas subidos aún",
  "header": {
    "actions": {
      "newFolder": "Nueva carpeta",
+      "newPage": "Nuevo documento",
      "uploadFile": "Subir archivo",
      "uploadFolder": "Subir carpeta"
    },
+    "newDocumentButton": "Nuevo documento",
+    "newNoteDialog": {
+      "cancel": "Cancelar",
+      "editTitle": "Editar documento",
+      "emptyContent": "El contenido del documento no puede estar vacío",
+      "loadError": "Error al cargar el documento, por favor intenta de nuevo",
+      "loading": "Cargando...",
+      "save": "Guardar",
+      "saveError": "Error al guardar el documento, por favor intenta de nuevo",
+      "saveSuccess": "Documento guardado con éxito",
+      "title": "Nuevo documento",
+      "updateSuccess": "Documento actualizado con éxito"
+    },
    "uploadButton": "Subir"
  },
+  "home": {
+    "getStarted": "Comenzar",
+    "greeting": "Comenzar",
+    "quickActions": "Acciones rápidas",
+    "recentDocuments": "Documentos recientes",
+    "recentFiles": "Archivos recientes",
+    "subtitle": "Bienvenido a tu base de conocimientos. Comienza aquí a gestionar tus documentos y notas",
+    "uploadEntries": {
+      "files": {
+        "title": "Subir archivos"
+      },
+      "folder": {
+        "title": "Subir carpeta"
+      },
+      "knowledgeBase": {
+        "title": "Nueva base de conocimientos"
+      },
+      "newDocument": {
+        "title": "Nuevo documento"
+      }
+    }
+  },
  "knowledgeBase": {
    "list": {
      "confirmRemoveKnowledgeBase": "Estás a punto de eliminar esta base de conocimientos. Los archivos no se eliminarán, se moverán a Todos los archivos. Una vez eliminada, la base de conocimientos no se podrá recuperar, por favor actúa con precaución.",
@@ -38,6 +115,10 @@
    "new": "Nueva base de conocimientos",
    "title": "Base de conocimientos"
  },
+  "menu": {
+    "allDocuments": "Todos los documentos",
+    "allFiles": "Todos los archivos"
+  },
  "networkError": "Error al obtener la base de conocimientos, por favor verifica la conexión a internet y vuelve a intentarlo",
  "notSupportGuide": {
    "desc": "La instancia de despliegue actual está en modo de base de datos cliente, no se puede utilizar la función de gestión de archivos. Por favor, cambia a <1>modo de despliegue de base de datos en servidor</1>, o utiliza directamente <3>LobeChat Cloud</3>",
@@ -61,12 +142,16 @@
    "downloadFile": "Descargar archivo",
    "unsupportedFileAndContact": "Este formato de archivo no es compatible con la vista previa en línea. Si desea solicitar una vista previa, no dude en <1>contactarnos</1>."
  },
+  "searchDocumentPlaceholder": "Buscar documentos",
  "searchFilePlaceholder": "Buscar archivo",
  "tab": {
-    "all": "Todos los archivos",
+    "all": "Todo",
    "audios": "Audios",
    "documents": "Documentos",
+    "home": "Inicio",
    "images": "Imágenes",
+    "moreTypes": "Más tipos",
+    "pages": "Documentos",
    "videos": "Videos",
    "websites": "Sitios web"
  },
@@ -295,7 +295,7 @@
      },
      "helpDoc": "Guía de configuración",
      "responsesApi": {
-        "desc": "Utiliza el nuevo formato de solicitud de OpenAI para desbloquear características avanzadas como cadenas de pensamiento",
+        "desc": "Adopta el nuevo formato de solicitud de OpenAI, desbloqueando funciones avanzadas como la cadena de pensamiento (solo compatible con modelos de OpenAI)",
        "title": "Uso de la especificación Responses API"
      },
      "waitingForMore": "Más modelos están en <1>planificación de integración</1>, por favor, espera"
@@ -236,6 +236,9 @@
  "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."
  },
+  "MiniMaxAI/MiniMax-M2": {
+    "description": "MiniMax-M2 redefine la eficiencia para los agentes inteligentes. Es un modelo MoE compacto, rápido y rentable, con un total de 230 mil millones de parámetros y 10 mil millones de parámetros activos. Está diseñado para ofrecer un rendimiento de primer nivel en tareas de codificación y agentes, manteniendo al mismo tiempo una inteligencia general sólida. Con solo 10 mil millones de parámetros activos, MiniMax-M2 ofrece un rendimiento comparable al de modelos a gran escala, lo que lo convierte en una opción ideal para aplicaciones de alta eficiencia."
+  },
  "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."
  },
@@ -1049,6 +1052,9 @@
  "deepseek-r1-0528": {
    "description": "Modelo completo de 685 mil millones de parámetros, lanzado el 28 de mayo de 2025. DeepSeek-R1 utiliza técnicas de aprendizaje reforzado a gran escala en la fase de postentrenamiento, mejorando significativamente la capacidad de razonamiento del modelo con muy pocos datos etiquetados. Presenta alto rendimiento y gran capacidad en tareas de matemáticas, código y razonamiento en lenguaje natural."
  },
+  "deepseek-r1-250528": {
+    "description": "DeepSeek R1 250528, versión completa del modelo de inferencia DeepSeek-R1, ideal para tareas complejas de matemáticas y lógica."
+  },
  "deepseek-r1-70b-fast-online": {
    "description": "DeepSeek R1 70B versión rápida, que soporta búsqueda en línea en tiempo real, ofreciendo una velocidad de respuesta más rápida mientras mantiene el rendimiento del modelo."
  },
@@ -1059,31 +1065,34 @@
    "description": "deepseek-r1-distill-llama es un modelo basado en Llama destilado a partir de DeepSeek-R1."
  },
  "deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek R1, el modelo más grande e inteligente del conjunto DeepSeek, ha sido destilado en la arquitectura Llama 70B. Basado en pruebas de referencia y evaluaciones humanas, este modelo es más inteligente que el Llama 70B original, destacándose especialmente en tareas que requieren precisión matemática y factual."
+    "description": "DeepSeek R1 Distill Llama 70B, modelo destilado que combina la capacidad de inferencia R1 con el ecosistema Llama."
  },
  "deepseek-r1-distill-llama-8b": {
-    "description": "El modelo de la serie DeepSeek-R1-Distill se obtiene mediante la técnica de destilación de conocimiento, ajustando muestras generadas por DeepSeek-R1 a modelos de código abierto como Qwen y Llama."
+    "description": "DeepSeek-R1-Distill-Llama-8B es un modelo de lenguaje grande destilado basado en Llama-3.1-8B, utilizando las salidas de DeepSeek R1."
+  },
+  "deepseek-r1-distill-qianfan-70b": {
+    "description": "DeepSeek R1 Distill Qianfan 70B, modelo destilado R1 basado en Qianfan-70B, con excelente relación calidad-precio."
+  },
+  "deepseek-r1-distill-qianfan-8b": {
+    "description": "DeepSeek R1 Distill Qianfan 8B, modelo destilado R1 basado en Qianfan-8B, ideal para aplicaciones medianas y pequeñas."
  },
  "deepseek-r1-distill-qianfan-llama-70b": {
-    "description": "Lanzado por primera vez el 14 de febrero de 2025, destilado por el equipo de desarrollo del modelo Qianfan a partir del modelo base Llama3_70B (Construido con Meta Llama), con datos de destilación que también incluyen el corpus de Qianfan."
-  },
-  "deepseek-r1-distill-qianfan-llama-8b": {
-    "description": "Lanzado por primera vez el 14 de febrero de 2025, destilado por el equipo de desarrollo del modelo Qianfan a partir del modelo base Llama3_8B (Construido con Meta Llama), con datos de destilación que también incluyen el corpus de Qianfan."
+    "description": "DeepSeek R1 Distill Qianfan Llama 70B, modelo destilado R1 basado en Llama-70B."
  },
  "deepseek-r1-distill-qwen": {
    "description": "deepseek-r1-distill-qwen es un modelo basado en Qwen destilado a partir de DeepSeek-R1."
  },
  "deepseek-r1-distill-qwen-1.5b": {
-    "description": "El modelo de la serie DeepSeek-R1-Distill se obtiene mediante la técnica de destilación de conocimiento, ajustando muestras generadas por DeepSeek-R1 a modelos de código abierto como Qwen y Llama."
+    "description": "DeepSeek R1 Distill Qwen 1.5B, modelo R1 ultraligero, adecuado para entornos con recursos extremadamente limitados."
  },
  "deepseek-r1-distill-qwen-14b": {
-    "description": "El modelo de la serie DeepSeek-R1-Distill se obtiene mediante la técnica de destilación de conocimiento, ajustando muestras generadas por DeepSeek-R1 a modelos de código abierto como Qwen y Llama."
+    "description": "DeepSeek R1 Distill Qwen 14B, modelo R1 de tamaño medio, ideal para despliegue en múltiples escenarios."
  },
  "deepseek-r1-distill-qwen-32b": {
-    "description": "El modelo de la serie DeepSeek-R1-Distill se obtiene mediante la técnica de destilación de conocimiento, ajustando muestras generadas por DeepSeek-R1 a modelos de código abierto como Qwen y Llama."
+    "description": "DeepSeek R1 Distill Qwen 32B, modelo destilado R1 basado en Qwen-32B, equilibrando rendimiento y coste."
  },
  "deepseek-r1-distill-qwen-7b": {
-    "description": "El modelo de la serie DeepSeek-R1-Distill se obtiene mediante la técnica de destilación de conocimiento, ajustando muestras generadas por DeepSeek-R1 a modelos de código abierto como Qwen y Llama."
+    "description": "DeepSeek R1 Distill Qwen 7B, modelo R1 ligero, adecuado para entornos perimetrales y empresariales privados."
  },
  "deepseek-r1-fast-online": {
    "description": "DeepSeek R1 versión rápida completa, que soporta búsqueda en línea en tiempo real, combinando la potente capacidad de 671B de parámetros con una velocidad de respuesta más rápida."
@@ -1112,12 +1121,24 @@
  "deepseek-v3.1-terminus": {
    "description": "DeepSeek-V3.1-Terminus es una versión optimizada del modelo de lenguaje a gran escala lanzado por DeepSeek, especialmente diseñado para dispositivos terminales."
  },
+  "deepseek-v3.1-think-250821": {
+    "description": "DeepSeek V3.1 Think 250821, modelo de pensamiento profundo correspondiente a la versión Terminus, ideal para escenarios de inferencia de alto rendimiento."
+  },
  "deepseek-v3.1:671b": {
    "description": "DeepSeek V3.1: modelo de inferencia de próxima generación que mejora las capacidades de razonamiento complejo y pensamiento en cadena, ideal para tareas que requieren análisis profundo."
  },
  "deepseek-v3.2-exp": {
    "description": "deepseek-v3.2-exp introduce el mecanismo de atención dispersa, con el objetivo de mejorar la eficiencia en el entrenamiento y la inferencia al procesar textos largos, con un precio inferior al de deepseek-v3.1."
  },
+  "deepseek-v3.2-think": {
+    "description": "DeepSeek V3.2 Think, versión completa del modelo de pensamiento profundo, con capacidades mejoradas de razonamiento de cadenas largas."
+  },
+  "deepseek-vl2": {
+    "description": "DeepSeek VL2, modelo multimodal que admite comprensión de imágenes y texto, así como preguntas visuales de alta precisión."
+  },
+  "deepseek-vl2-small": {
+    "description": "DeepSeek VL2 Small, versión multimodal ligera, adecuada para entornos con recursos limitados y escenarios de alta concurrencia."
+  },
  "deepseek/deepseek-chat-v3-0324": {
    "description": "DeepSeek V3 es un modelo experto de mezcla de 685B parámetros, la última iteración de la serie de modelos de chat insignia del equipo de DeepSeek.\n\nHereda el modelo [DeepSeek V3](/deepseek/deepseek-chat-v3) y se desempeña excepcionalmente en diversas tareas."
  },
@@ -1137,7 +1158,7 @@
    "description": "DeepSeek-R1 mejora enormemente la capacidad de razonamiento del modelo con muy pocos datos etiquetados. Antes de generar la respuesta final, el modelo produce una cadena de pensamiento para aumentar la precisión de la respuesta."
  },
  "deepseek/deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek-R1-Distill-Llama-70B es una variante destilada y más eficiente del modelo Llama de 70B. Mantiene un rendimiento sólido en tareas de generación de texto, reduciendo el costo computacional para facilitar su despliegue e investigación. Operado por Groq con su hardware personalizado de unidad de procesamiento de lenguaje (LPU) para ofrecer inferencia rápida y eficiente."
+    "description": "DeepSeek R1 Distill Llama 70B es un modelo de lenguaje de gran escala basado en Llama3.3 70B. Este modelo ha sido ajustado finamente utilizando las salidas de DeepSeek R1, logrando un rendimiento competitivo comparable al de los modelos más avanzados del mercado."
  },
  "deepseek/deepseek-r1-distill-llama-8b": {
    "description": "DeepSeek R1 Distill Llama 8B es un modelo de lenguaje grande destilado basado en Llama-3.1-8B-Instruct, entrenado utilizando la salida de DeepSeek R1."
@@ -1253,83 +1274,89 @@
  "emohaa": {
    "description": "Emohaa es un modelo psicológico con capacidades de consulta profesional, ayudando a los usuarios a comprender problemas emocionales."
  },
-  "ernie-3.5-128k": {
-    "description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, cubre una vasta cantidad de corpus en chino e inglés, con potentes capacidades generales que satisfacen la mayoría de los requisitos de preguntas y respuestas en diálogos, generación creativa y aplicaciones de plugins; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas."
-  },
-  "ernie-3.5-8k": {
-    "description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, cubre una vasta cantidad de corpus en chino e inglés, con potentes capacidades generales que satisfacen la mayoría de los requisitos de preguntas y respuestas en diálogos, generación creativa y aplicaciones de plugins; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas."
-  },
-  "ernie-3.5-8k-preview": {
-    "description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, cubre una vasta cantidad de corpus en chino e inglés, con potentes capacidades generales que satisfacen la mayoría de los requisitos de preguntas y respuestas en diálogos, generación creativa y aplicaciones de plugins; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas."
-  },
-  "ernie-4.0-8k-latest": {
-    "description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, de ultra gran escala, ha logrado una actualización completa de capacidades en comparación con ERNIE 3.5, siendo ampliamente aplicable en escenarios de tareas complejas en diversos campos; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas."
-  },
-  "ernie-4.0-8k-preview": {
-    "description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, de ultra gran escala, ha logrado una actualización completa de capacidades en comparación con ERNIE 3.5, siendo ampliamente aplicable en escenarios de tareas complejas en diversos campos; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas."
-  },
-  "ernie-4.0-turbo-128k": {
-    "description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, de ultra gran escala, muestra un rendimiento excepcional en general, siendo ampliamente aplicable en escenarios de tareas complejas en diversos campos; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas. En comparación con ERNIE 4.0, presenta un rendimiento superior."
-  },
-  "ernie-4.0-turbo-8k-latest": {
-    "description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, de ultra gran escala, muestra un rendimiento excepcional en general, siendo ampliamente aplicable en escenarios de tareas complejas en diversos campos; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas. En comparación con ERNIE 4.0, presenta un rendimiento superior."
-  },
-  "ernie-4.0-turbo-8k-preview": {
-    "description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, de ultra gran escala, muestra un rendimiento excepcional en general, siendo ampliamente aplicable en escenarios de tareas complejas en diversos campos; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas. En comparación con ERNIE 4.0, presenta un rendimiento superior."
+  "ernie-4.5-0.3b": {
+    "description": "ERNIE 4.5 0.3B, modelo ligero de código abierto, ideal para despliegues locales y personalizados."
  },
  "ernie-4.5-21b-a3b": {
-    "description": "ERNIE 4.5 21B A3B es un modelo de expertos mixto desarrollado por Wenxin de Baidu, con potentes capacidades de razonamiento y soporte multilingüe."
+    "description": "ERNIE 4.5 21B A3B, modelo de gran tamaño de código abierto, con mejor rendimiento en tareas de comprensión y generación."
  },
  "ernie-4.5-300b-a47b": {
    "description": "ERNIE 4.5 300B A47B es un modelo de expertos mixto a gran escala desarrollado por Wenxin de Baidu, con capacidades de razonamiento excepcionales."
  },
  "ernie-4.5-8k-preview": {
-    "description": "El modelo grande Wenxin 4.5 es un nuevo modelo base multimodal nativo desarrollado por Baidu, que logra una optimización colaborativa a través de modelado conjunto de múltiples modalidades, con excelentes capacidades de comprensión multimodal; presenta una capacidad lingüística más avanzada, con mejoras en comprensión, generación, lógica y memoria, así como una notable reducción de alucinaciones y mejoras en razonamiento lógico y capacidades de codificación."
+    "description": "ERNIE 4.5 8K Preview, modelo de vista previa con contexto de 8K, diseñado para probar y experimentar las capacidades de ERNIE 4.5."
  },
  "ernie-4.5-turbo-128k": {
-    "description": "ERNIE 4.5 Turbo presenta mejoras significativas en la eliminación de ilusiones, razonamiento lógico y capacidades de codificación. En comparación con ERNIE 4.5, es más rápido y más económico. Las capacidades del modelo se han mejorado de manera integral, satisfaciendo mejor el procesamiento de diálogos de larga historia y tareas de comprensión de documentos extensos."
+    "description": "ERNIE 4.5 Turbo 128K, modelo general de alto rendimiento, compatible con búsqueda mejorada y uso de herramientas, ideal para preguntas y respuestas, código, agentes inteligentes y más."
+  },
+  "ernie-4.5-turbo-128k-preview": {
+    "description": "ERNIE 4.5 Turbo 128K Preview, versión de vista previa con capacidades equivalentes a la versión oficial, ideal para pruebas y ajustes."
  },
  "ernie-4.5-turbo-32k": {
-    "description": "ERNIE 4.5 Turbo también ha mejorado significativamente en la eliminación de ilusiones, razonamiento lógico y capacidades de codificación. En comparación con ERNIE 4.5, es más rápido y más económico. Las capacidades en creación de texto y preguntas y respuestas han mejorado notablemente. La longitud de salida y la latencia de oraciones completas han aumentado en comparación con ERNIE 4.5."
+    "description": "ERNIE 4.5 Turbo 32K, versión de contexto medio-largo, adecuada para preguntas y respuestas, recuperación de bases de conocimiento y diálogos multivuelta."
+  },
+  "ernie-4.5-turbo-latest": {
+    "description": "ERNIE 4.5 Turbo Última versión, optimizada en rendimiento general, ideal como modelo principal en entornos de producción."
+  },
+  "ernie-4.5-turbo-vl": {
+    "description": "ERNIE 4.5 Turbo VL, modelo multimodal maduro, ideal para tareas de comprensión e identificación de imágenes y texto en producción."
  },
  "ernie-4.5-turbo-vl-32k": {
-    "description": "Nueva versión del modelo de gran escala de ERNIE, con mejoras significativas en comprensión de imágenes, creación, traducción y codificación, que ahora soporta una longitud de contexto de 32K, con una latencia de primer token notablemente reducida."
+    "description": "ERNIE 4.5 Turbo VL 32K, versión multimodal de texto largo, adecuada para comprensión conjunta de documentos extensos e imágenes."
+  },
+  "ernie-4.5-turbo-vl-32k-preview": {
+    "description": "ERNIE 4.5 Turbo VL 32K Preview, versión de vista previa multimodal 32K, útil para evaluar capacidades visuales de contexto largo."
+  },
+  "ernie-4.5-turbo-vl-latest": {
+    "description": "ERNIE 4.5 Turbo VL Última versión, versión más reciente multimodal, con mejor rendimiento en comprensión e inferencia de imágenes y texto."
+  },
+  "ernie-4.5-turbo-vl-preview": {
+    "description": "ERNIE 4.5 Turbo VL Preview, modelo multimodal de vista previa, compatible con comprensión y generación de imágenes y texto, ideal para preguntas visuales y experiencias de comprensión de contenido."
+  },
+  "ernie-4.5-vl-28b-a3b": {
+    "description": "ERNIE 4.5 VL 28B A3B, modelo multimodal de código abierto, compatible con tareas de comprensión e inferencia de imágenes y texto."
+  },
+  "ernie-5.0-thinking-preview": {
+    "description": "ERNIE 5.0 Thinking Preview, modelo insignia nativo totalmente multimodal, compatible con modelado unificado de texto, imagen, audio y video, con capacidades integrales mejoradas, ideal para preguntas complejas, creación y agentes inteligentes."
  },
  "ernie-char-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."
+    "description": "ERNIE Character 8K, modelo de diálogo con personalidad, ideal para construcción de personajes IP y conversaciones de acompañamiento a largo plazo."
  },
  "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."
+    "description": "ERNIE Character Fiction 8K, modelo de personalidad orientado a la creación de novelas y tramas, ideal para generación de historias largas."
+  },
+  "ernie-char-fiction-8k-preview": {
+    "description": "ERNIE Character Fiction 8K Preview, versión de vista previa del modelo de creación de personajes y tramas, para pruebas y experiencia funcional."
  },
  "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."
+    "description": "ERNIE iRAG Edit, modelo de edición de imágenes que admite borrado, repintado y generación de variantes."
  },
  "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."
+    "description": "ERNIE Lite 8K, modelo general ligero, ideal para preguntas y respuestas diarias y generación de contenido con sensibilidad al coste."
  },
  "ernie-lite-pro-128k": {
-    "description": "Modelo de lenguaje grande ligero desarrollado internamente por Baidu, que combina un excelente rendimiento del modelo con una buena capacidad de inferencia, con un rendimiento superior al de ERNIE Lite, adecuado para su uso en tarjetas de aceleración de IA de bajo consumo."
+    "description": "ERNIE Lite Pro 128K, modelo ligero de alto rendimiento, ideal para escenarios sensibles a la latencia y al coste."
  },
  "ernie-novel-8k": {
-    "description": "Modelo de lenguaje grande general desarrollado internamente por Baidu, con ventajas notables en la capacidad de continuar novelas, también aplicable en escenarios de cortometrajes y películas."
+    "description": "ERNIE Novel 8K, modelo para creación de novelas largas y tramas IP, experto en narrativas multirrol y multilínea."
  },
  "ernie-speed-128k": {
-    "description": "El modelo de lenguaje grande de alto rendimiento desarrollado internamente por Baidu, lanzado en 2024, tiene capacidades generales excepcionales, adecuado como modelo base para ajustes finos, manejando mejor problemas específicos de escenarios, y con un excelente rendimiento de inferencia."
+    "description": "ERNIE Speed 128K, modelo grande sin coste de entrada/salida, ideal para comprensión de textos largos y pruebas a gran escala."
+  },
+  "ernie-speed-8k": {
+    "description": "ERNIE Speed 8K, modelo gratuito y rápido, ideal para conversaciones diarias y tareas ligeras de texto."
  },
  "ernie-speed-pro-128k": {
-    "description": "El modelo de lenguaje grande de alto rendimiento desarrollado internamente por Baidu, lanzado en 2024, tiene capacidades generales excepcionales, con un rendimiento superior al de ERNIE Speed, adecuado como modelo base para ajustes finos, manejando mejor problemas específicos de escenarios, y con un excelente rendimiento de inferencia."
+    "description": "ERNIE Speed Pro 128K, modelo de alta concurrencia y excelente relación calidad-precio, ideal para servicios en línea a gran escala y aplicaciones empresariales."
  },
  "ernie-tiny-8k": {
-    "description": "ERNIE Tiny es un modelo de lenguaje grande de alto rendimiento desarrollado internamente por Baidu, con los costos de implementación y ajuste más bajos entre los modelos de la serie Wenxin."
-  },
-  "ernie-x1-32k": {
-    "description": "Posee una comprensión, planificación, reflexión y capacidad de evolución más fuertes. Como un modelo de pensamiento profundo más completo, ERNIE-X1 combina precisión, creatividad y elocuencia, destacándose especialmente en preguntas y respuestas en chino, creación literaria, redacción de documentos, diálogos cotidianos, razonamiento lógico, cálculos complejos y llamadas a herramientas."
-  },
-  "ernie-x1-32k-preview": {
-    "description": "El modelo grande Wenxin X1 posee una mayor capacidad de comprensión, planificación, reflexión y evolución. Como un modelo de pensamiento profundo más completo, Wenxin X1 combina precisión, creatividad y elocuencia, destacándose especialmente en preguntas y respuestas de conocimiento en chino, creación literaria, redacción de documentos, diálogos cotidianos, razonamiento lógico, cálculos complejos y llamadas a herramientas."
+    "description": "ERNIE Tiny 8K, modelo ultraligero, ideal para preguntas simples, clasificación y escenarios de inferencia de bajo coste."
  },
  "ernie-x1-turbo-32k": {
-    "description": "Mejora en comparación con ERNIE-X1-32K, con mejores resultados y rendimiento."
+    "description": "ERNIE X1 Turbo 32K, modelo de pensamiento rápido con contexto largo de 32K, ideal para razonamiento complejo y diálogos multivuelta."
+  },
+  "ernie-x1.1-preview": {
+    "description": "ERNIE X1.1 Preview, versión de vista previa del modelo de pensamiento ERNIE X1.1, ideal para validación y pruebas de capacidades."
  },
  "fal-ai/bytedance/seedream/v4": {
    "description": "El modelo de generación de imágenes Seedream 4.0, desarrollado por el equipo Seed de ByteDance, soporta entrada de texto e imagen, ofreciendo una experiencia de generación de imágenes altamente controlable y de alta calidad. Genera imágenes basadas en indicaciones de texto."
@@ -1389,7 +1416,7 @@
    "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."
+    "description": "FLUX.1-schnell, modelo de generación de imágenes de alto rendimiento, ideal para crear rápidamente imágenes de múltiples estilos."
  },
  "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."
@@ -1538,6 +1565,9 @@
  "glm-4-0520": {
    "description": "GLM-4-0520 es la última versión del modelo, diseñada para tareas altamente complejas y diversas, con un rendimiento excepcional."
  },
+  "glm-4-32b-0414": {
+    "description": "GLM-4 32B 0414, versión del modelo general de la serie GLM, compatible con generación y comprensión de texto multitarea."
+  },
  "glm-4-9b-chat": {
    "description": "GLM-4-9B-Chat ofrece un alto rendimiento en semántica, matemáticas, razonamiento, programación y conocimiento. También admite navegación web, ejecución de código, uso de herramientas personalizadas e inferencia de textos largos. Compatible con 26 idiomas, incluidos japonés, coreano y alemán."
  },
@@ -1826,6 +1856,18 @@
  "gpt-5-pro": {
    "description": "GPT-5 pro utiliza más capacidad de cómputo para pensar de forma más profunda y ofrecer respuestas de mayor calidad de manera constante."
  },
+  "gpt-5.1": {
+    "description": "GPT-5.1: modelo insignia optimizado para tareas de codificación y agentes, con soporte para intensidad de razonamiento configurable y contextos más largos."
+  },
+  "gpt-5.1-chat-latest": {
+    "description": "GPT-5.1 Chat: variante de GPT-5.1 para ChatGPT, ideal para escenarios conversacionales."
+  },
+  "gpt-5.1-codex": {
+    "description": "GPT-5.1 Codex: versión de GPT-5.1 optimizada para tareas de codificación agentica, disponible en la API de Respuestas para flujos de trabajo de código/agente más complejos."
+  },
+  "gpt-5.1-codex-mini": {
+    "description": "GPT-5.1 Codex mini: variante de Codex más compacta y económica, optimizada para tareas de codificación agentica."
+  },
  "gpt-audio": {
    "description": "GPT Audio es un modelo de chat general para entrada y salida de audio, compatible con el uso de audio I/O en la API de Chat Completions."
  },
@@ -2001,13 +2043,13 @@
    "description": "Serie Imagen de cuarta generación para generar imágenes a partir de texto."
  },
  "imagen-4.0-generate-preview-06-06": {
-    "description": "Serie de modelos de texto a imagen de cuarta generación de Imagen"
+    "description": "Serie de modelos de generación de imágenes de texto a imagen de cuarta generación de Imagen."
  },
  "imagen-4.0-ultra-generate-001": {
    "description": "Imagen, serie de modelos de texto a imagen de cuarta generación, versión Ultra"
  },
  "imagen-4.0-ultra-generate-preview-06-06": {
-    "description": "Serie de modelos de texto a imagen de cuarta generación de Imagen, versión Ultra"
+    "description": "Versión Ultra de la serie de modelos de generación de imágenes de texto a imagen de cuarta generación de Imagen."
  },
  "inception/mercury-coder-small": {
    "description": "Mercury Coder Small es la opción ideal para tareas de generación, depuración y refactorización de código, con latencia mínima."
@@ -2036,14 +2078,26 @@
  "internlm3-latest": {
    "description": "Nuestra última serie de modelos, con un rendimiento de inferencia excepcional, lidera el mercado de modelos de código abierto de tamaño similar. Apunta por defecto a nuestra serie de modelos InternLM3 más reciente."
  },
+  "internvl2.5-38b-mpo": {
+    "description": "InternVL2.5 38B MPO, modelo multimodal preentrenado, compatible con tareas complejas de inferencia de imágenes y texto."
+  },
  "internvl2.5-latest": {
    "description": "La versión InternVL2.5 que seguimos manteniendo, que ofrece un rendimiento excelente y estable. Por defecto, apunta a nuestra serie de modelos InternVL2.5 más reciente, actualmente apuntando a internvl2.5-78b."
  },
+  "internvl3-14b": {
+    "description": "InternVL3 14B, modelo multimodal de tamaño medio, equilibrando rendimiento y coste."
+  },
+  "internvl3-1b": {
+    "description": "InternVL3 1B, modelo multimodal ligero, ideal para despliegue en entornos con recursos limitados."
+  },
+  "internvl3-38b": {
+    "description": "InternVL3 38B, modelo multimodal de código abierto a gran escala, ideal para tareas de comprensión de imágenes y texto de alta precisión."
+  },
  "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."
+    "description": "ERNIE iRAG, modelo de generación mejorada por recuperación de imágenes, compatible con búsqueda por imagen, recuperación de imágenes y texto, y generación de contenido."
  },
  "jamba-large": {
    "description": "Nuestro modelo más potente y avanzado, diseñado para manejar tareas complejas a nivel empresarial, con un rendimiento excepcional."
@@ -2064,7 +2118,7 @@
    "description": "El modelo kimi-k2-0905-preview tiene una longitud de contexto de 256k, con una mayor capacidad de codificación agentiva, una estética y funcionalidad mejoradas en el código frontend, y una mejor comprensión del contexto."
  },
  "kimi-k2-instruct": {
-    "description": "Kimi K2 Instruct es un modelo de lenguaje a gran escala desarrollado por Moonshot AI, con capacidad para manejar contextos extremadamente largos."
+    "description": "Kimi K2 Instruct, modelo de inferencia oficial de Kimi, compatible con contexto largo, código, preguntas y respuestas, entre otros escenarios."
  },
  "kimi-k2-turbo-preview": {
    "description": "kimi-k2 es un modelo base con arquitectura MoE que ofrece potentes capacidades para código y agentes, con 1T parámetros totales y 32B parámetros activados. En las pruebas de referencia en categorías principales como razonamiento de conocimiento general, programación, matemáticas y agentes, el rendimiento del modelo K2 supera al de otros modelos de código abierto más extendidos."
@@ -2174,6 +2228,9 @@
  "megrez-3b-instruct": {
    "description": "Megrez 3B Instruct es un modelo eficiente de bajo número de parámetros desarrollado por Wuwen Xinqiong."
  },
+  "meituan/longcat-flash-chat": {
+    "description": "Modelo base no reflexivo de código abierto de Meituan, optimizado para interacciones conversacionales y tareas de agentes inteligentes, con un rendimiento destacado en llamadas a herramientas y escenarios complejos de múltiples turnos."
+  },
  "meta-llama-3-70b-instruct": {
    "description": "Un poderoso modelo de 70 mil millones de parámetros que sobresale en razonamiento, codificación y amplias aplicaciones de lenguaje."
  },
@@ -2405,6 +2462,12 @@
  "minimax-m2": {
    "description": "MiniMax M2 es un modelo de lenguaje grande y eficiente, diseñado para flujos de trabajo de codificación y agentes."
  },
+  "minimax/minimax-m2": {
+    "description": "Diseñado para una codificación eficiente y flujos de trabajo de agentes."
+  },
+  "minimaxai/minimax-m2": {
+    "description": "MiniMax-M2 es un modelo de expertos mixtos (MoE) compacto, rápido y rentable, con un total de 230 mil millones de parámetros y 10 mil millones de parámetros activos. Está diseñado para ofrecer un rendimiento de primer nivel en tareas de codificación y agentes, manteniendo una inteligencia general robusta. El modelo destaca en edición de múltiples archivos, ciclos cerrados de codificación-ejecución-corrección, verificación y corrección de pruebas, así como en complejas cadenas de herramientas de enlaces largos, lo que lo convierte en una opción ideal para los flujos de trabajo de los desarrolladores."
+  },
  "ministral-3b-latest": {
    "description": "Ministral 3B es el modelo de borde de primer nivel mundial de Mistral."
  },
@@ -2735,6 +2798,54 @@
  "pro-deepseek-v3": {
    "description": "Modelo exclusivo para servicios empresariales, incluye servicio concurrente."
  },
+  "qianfan-70b": {
+    "description": "Qianfan 70B, un modelo chino de gran tamaño, ideal para la generación de contenido de alta calidad y tareas de razonamiento complejo."
+  },
+  "qianfan-8b": {
+    "description": "Qianfan 8B, un modelo general de tamaño medio, adecuado para generación de texto y preguntas y respuestas con equilibrio entre coste y rendimiento."
+  },
+  "qianfan-agent-intent-32k": {
+    "description": "Qianfan Agent Intent 32K, modelo orientado al reconocimiento de intenciones y orquestación de agentes, compatible con contextos largos."
+  },
+  "qianfan-agent-lite-8k": {
+    "description": "Qianfan Agent Lite 8K, modelo ligero de agente, ideal para diálogos multivuelta de bajo coste y orquestación empresarial."
+  },
+  "qianfan-agent-speed-32k": {
+    "description": "Qianfan Agent Speed 32K, modelo de agente de alto rendimiento, adecuado para aplicaciones de agentes a gran escala y multitarea."
+  },
+  "qianfan-agent-speed-8k": {
+    "description": "Qianfan Agent Speed 8K, modelo de agente de alta concurrencia, diseñado para diálogos cortos y respuestas rápidas."
+  },
+  "qianfan-check-vl": {
+    "description": "Qianfan Check VL, modelo de revisión y detección de contenido multimodal, compatible con tareas de cumplimiento e identificación de imágenes y texto."
+  },
+  "qianfan-composition": {
+    "description": "Qianfan Composition, modelo de creación multimodal, compatible con comprensión y generación combinada de texto e imagen."
+  },
+  "qianfan-engcard-vl": {
+    "description": "Qianfan EngCard VL, modelo de reconocimiento multimodal enfocado en escenarios en inglés."
+  },
+  "qianfan-lightning-128b-a19b": {
+    "description": "Qianfan Lightning 128B A19B, modelo general de alto rendimiento en chino, ideal para preguntas complejas y tareas de razonamiento a gran escala."
+  },
+  "qianfan-llama-vl-8b": {
+    "description": "Qianfan Llama VL 8B, modelo multimodal basado en Llama, orientado a tareas generales de comprensión de texto e imagen."
+  },
+  "qianfan-multipicocr": {
+    "description": "Qianfan MultiPicOCR, modelo OCR para múltiples imágenes, compatible con detección y reconocimiento de texto en varias imágenes."
+  },
+  "qianfan-qi-vl": {
+    "description": "Qianfan QI VL, modelo de preguntas y respuestas multimodal, diseñado para recuperación precisa y respuestas en escenarios complejos de texto e imagen."
+  },
+  "qianfan-singlepicocr": {
+    "description": "Qianfan SinglePicOCR, modelo OCR para una sola imagen, compatible con reconocimiento de caracteres de alta precisión."
+  },
+  "qianfan-vl-70b": {
+    "description": "Qianfan VL 70B, modelo de lenguaje visual de gran tamaño, ideal para escenarios complejos de comprensión de texto e imagen."
+  },
+  "qianfan-vl-8b": {
+    "description": "Qianfan VL 8B, modelo de lenguaje visual ligero, adecuado para preguntas y respuestas cotidianas sobre imágenes y análisis."
+  },
  "qvq-72b-preview": {
    "description": "El modelo QVQ es un modelo de investigación experimental desarrollado por el equipo de Qwen, enfocado en mejorar la capacidad de razonamiento visual, especialmente en el ámbito del razonamiento matemático."
  },
@@ -2886,7 +2997,7 @@
    "description": "El modelo de 72B de Tongyi Qwen 2.5, de código abierto."
  },
  "qwen2.5-7b-instruct": {
-    "description": "El modelo de 7B de Tongyi Qwen 2.5, de código abierto."
+    "description": "Qwen2.5 7B Instruct, modelo de instrucciones de código abierto maduro, adecuado para diálogos y generación en múltiples escenarios."
  },
  "qwen2.5-coder-1.5b-instruct": {
    "description": "La versión de código abierto del modelo Qwen para codificación."
@@ -2919,13 +3030,13 @@
    "description": "La serie de modelos Qwen-Omni admite la entrada de datos de múltiples modalidades, incluyendo video, audio, imágenes y texto, y produce audio y texto como salida."
  },
  "qwen2.5-vl-32b-instruct": {
-    "description": "La serie de modelos Qwen2.5-VL ha mejorado el nivel de inteligencia, utilidad y aplicabilidad del modelo, optimizando su rendimiento en escenarios como conversaciones naturales, creación de contenido, servicios de conocimiento especializado y desarrollo de código. La versión 32B utiliza técnicas de aprendizaje por refuerzo para optimizar el modelo, ofreciendo en comparación con otros modelos de la serie Qwen2.5 VL, un estilo de salida más acorde con las preferencias humanas, capacidad de razonamiento para problemas matemáticos complejos, así como comprensión y razonamiento detallado de imágenes."
+    "description": "Qwen2.5 VL 32B Instruct, modelo multimodal de código abierto, ideal para despliegue privado y aplicaciones en diversos escenarios."
  },
  "qwen2.5-vl-72b-instruct": {
    "description": "Mejora general en seguimiento de instrucciones, matemáticas, resolución de problemas y código, con capacidades de reconocimiento de objetos mejoradas, soporta formatos diversos para localizar elementos visuales con precisión, y puede entender archivos de video largos (hasta 10 minutos) y localizar eventos en segundos, comprendiendo la secuencia y velocidad del tiempo, soportando el control de agentes en OS o móviles, con fuerte capacidad de extracción de información clave y salida en formato Json. Esta versión es la de 72B, la más potente de la serie."
  },
  "qwen2.5-vl-7b-instruct": {
-    "description": "Mejora general en seguimiento de instrucciones, matemáticas, resolución de problemas y código, con capacidades de reconocimiento de objetos mejoradas, soporta formatos diversos para localizar elementos visuales con precisión, y puede entender archivos de video largos (hasta 10 minutos) y localizar eventos en segundos, comprendiendo la secuencia y velocidad del tiempo, soportando el control de agentes en OS o móviles, con fuerte capacidad de extracción de información clave y salida en formato Json. Esta versión es la de 72B, la más potente de la serie."
+    "description": "Qwen2.5 VL 7B Instruct, modelo multimodal ligero, que equilibra coste de implementación y capacidad de reconocimiento."
  },
  "qwen2.5-vl-instruct": {
    "description": "Qwen2.5-VL es la última versión del modelo de lenguaje visual de la familia de modelos Qwen."
@@ -2952,46 +3063,46 @@
    "description": "Qwen3 es la nueva generación de modelo de lenguaje a gran escala de Alibaba, que ofrece un rendimiento excepcional para satisfacer diversas necesidades de aplicación."
  },
  "qwen3-0.6b": {
-    "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."
+    "description": "Qwen3 0.6B, modelo de nivel inicial, adecuado para razonamiento simple y entornos con recursos extremadamente limitados."
  },
  "qwen3-1.7b": {
-    "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."
+    "description": "Qwen3 1.7B, modelo ultraligero, fácil de implementar en dispositivos periféricos y terminales."
  },
  "qwen3-14b": {
-    "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."
+    "description": "Qwen3 14B, modelo de tamaño medio, ideal para generación de texto y preguntas multilingües."
  },
  "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."
+    "description": "Qwen3 235B A22B, modelo general de gran tamaño, orientado a tareas complejas diversas."
  },
  "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)."
+    "description": "Qwen3 235B A22B Instruct 2507, modelo insignia de instrucciones, ideal para generación y razonamiento en múltiples tareas."
  },
  "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."
+    "description": "Qwen3 235B A22B Thinking 2507, modelo de pensamiento a gran escala, diseñado para razonamiento de alta dificultad."
  },
  "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."
+    "description": "Qwen3 30B A3B, modelo general de tamaño medio a grande, equilibrado entre coste y rendimiento."
  },
  "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."
+    "description": "Qwen3 30B A3B Instruct 2507, modelo de instrucciones de tamaño medio a grande, ideal para generación y preguntas de alta calidad."
  },
  "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."
+    "description": "Qwen3 30B A3B Thinking 2507, modelo de pensamiento de tamaño medio a grande, que equilibra precisión y coste."
  },
  "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."
+    "description": "Qwen3 32B, adecuado para tareas generales que requieren mayor capacidad de comprensión."
  },
  "qwen3-4b": {
-    "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."
+    "description": "Qwen3 4B, ideal para aplicaciones pequeñas y medianas y escenarios de inferencia local."
  },
  "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."
+    "description": "Qwen3 8B, modelo ligero, implementación flexible, adecuado para servicios de alta concurrencia."
  },
  "qwen3-coder-30b-a3b-instruct": {
    "description": "Versión de código abierto del modelo de codificación Tongyi Qianwen. El nuevo qwen3-coder-30b-a3b-instruct, basado en Qwen3, es un modelo de generación de código con potentes capacidades como Agente de Programación, especializado en llamadas a herramientas e interacción con entornos, capaz de programar de forma autónoma con habilidades de codificación sobresalientes y capacidades generales."
  },
  "qwen3-coder-480b-a35b-instruct": {
-    "description": "Versión de código abierto del modelo de código Tongyi Qianwen. El más reciente qwen3-coder-480b-a35b-instruct está basado en Qwen3, con fuertes capacidades de agente de codificación, experto en llamadas a herramientas e interacción con entornos, capaz de programación autónoma y con habilidades sobresalientes de código y capacidades generales."
+    "description": "Qwen3 Coder 480B A35B Instruct, modelo insignia para programación, compatible con múltiples lenguajes y comprensión de código complejo."
  },
  "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."
@@ -3005,32 +3116,41 @@
  "qwen3-max": {
    "description": "La serie Max de Tongyi Qianwen 3 representa una mejora significativa en la capacidad general respecto a la serie 2.5, con habilidades mejoradas en comprensión de texto en chino e inglés, seguimiento de instrucciones complejas, tareas abiertas subjetivas, multilingüismo y llamadas a herramientas; además, reduce las alucinaciones de conocimiento del modelo. La última versión qwen3-max ha sido especialmente mejorada en programación de agentes y llamadas a herramientas respecto a la versión previa qwen3-max-preview. El modelo oficial lanzado alcanza un nivel SOTA en su campo, adaptándose a demandas más complejas de agentes."
  },
+  "qwen3-max-preview": {
+    "description": "El modelo más avanzado de la serie Tongyi Qianwen, ideal para tareas complejas y de múltiples pasos. La versión preliminar ya admite razonamiento."
+  },
  "qwen3-next-80b-a3b-instruct": {
    "description": "Modelo de código abierto de nueva generación basado en Qwen3 en modo no reflexivo, que ofrece una mejor comprensión del texto en chino, mayor capacidad de razonamiento lógico y un mejor desempeño en tareas de generación de texto en comparación con la versión anterior (Tongyi Qianwen 3-235B-A22B-Instruct-2507)."
  },
  "qwen3-next-80b-a3b-thinking": {
-    "description": "Modelo de código abierto de nueva generación basado en Qwen3 en modo reflexivo, que mejora la capacidad de seguir instrucciones y ofrece respuestas más concisas en comparación con la versión anterior (Tongyi Qianwen 3-235B-A22B-Thinking-2507)."
+    "description": "Qwen3 Next 80B A3B Thinking, versión insignia de razonamiento orientada a tareas complejas."
  },
  "qwen3-omni-flash": {
    "description": "El modelo Qwen-Omni puede recibir entradas combinadas de texto, imágenes, audio y video, y generar respuestas en forma de texto o voz. Ofrece múltiples voces humanizadas, admite salida de voz en varios idiomas y dialectos, y puede aplicarse en escenarios como creación de texto, reconocimiento visual y asistentes de voz."
  },
  "qwen3-vl-235b-a22b-instruct": {
-    "description": "Qwen3 VL 235B A22B en modo sin razonamiento (Instruct), adecuado para escenarios de instrucciones sin razonamiento, manteniendo una potente capacidad de comprensión visual."
+    "description": "Qwen3 VL 235B A22B Instruct, modelo multimodal insignia, orientado a escenarios exigentes de comprensión y creación."
  },
  "qwen3-vl-235b-a22b-thinking": {
-    "description": "Qwen3 VL 235B A22B en modo de razonamiento (versión de código abierto), diseñado para escenarios complejos que requieren razonamiento avanzado y comprensión de videos largos, ofreciendo capacidades de razonamiento visual + textual de primer nivel."
+    "description": "Qwen3 VL 235B A22B Thinking, versión de pensamiento insignia, diseñada para tareas complejas de razonamiento y planificación multimodal."
  },
  "qwen3-vl-30b-a3b-instruct": {
-    "description": "Qwen3 VL 30B en modo sin razonamiento (Instruct), orientado a escenarios comunes de seguimiento de instrucciones, manteniendo una alta capacidad de comprensión y generación multimodal."
+    "description": "Qwen3 VL 30B A3B Instruct, modelo multimodal de gran tamaño, que equilibra precisión y rendimiento de razonamiento."
  },
  "qwen3-vl-30b-a3b-thinking": {
-    "description": "Qwen-VL (versión de código abierto) ofrece capacidades de comprensión visual y generación de texto, compatible con interacción de agentes, codificación visual, percepción espacial, comprensión de videos largos y pensamiento profundo, con un sólido reconocimiento de texto y soporte multilingüe en escenarios complejos."
+    "description": "Qwen3 VL 30B A3B Thinking, versión de pensamiento para tareas multimodales complejas."
+  },
+  "qwen3-vl-32b-instruct": {
+    "description": "Qwen3 VL 32B Instruct, modelo multimodal ajustado por instrucciones, ideal para preguntas y creación de alta calidad con texto e imagen."
+  },
+  "qwen3-vl-32b-thinking": {
+    "description": "Qwen3 VL 32B Thinking, versión de pensamiento multimodal, reforzada para razonamiento complejo y análisis de cadenas largas."
  },
  "qwen3-vl-8b-instruct": {
-    "description": "Qwen3 VL 8B en modo sin razonamiento (Instruct), adecuado para tareas comunes de generación y reconocimiento multimodal."
+    "description": "Qwen3 VL 8B Instruct, modelo multimodal ligero, adecuado para preguntas visuales cotidianas e integración en aplicaciones."
  },
  "qwen3-vl-8b-thinking": {
-    "description": "Qwen3 VL 8B en modo de razonamiento, orientado a escenarios ligeros de razonamiento e interacción multimodal, manteniendo la capacidad de comprensión de contextos largos."
+    "description": "Qwen3 VL 8B Thinking, modelo de cadena de pensamiento multimodal, ideal para razonamiento detallado sobre información visual."
  },
  "qwen3-vl-flash": {
    "description": "Qwen3 VL Flash: versión ligera de inferencia rápida, ideal para escenarios sensibles a la latencia o con solicitudes en gran volumen."
@@ -3263,6 +3383,12 @@
  "wizardlm2:8x22b": {
    "description": "WizardLM 2 es un modelo de lenguaje proporcionado por Microsoft AI, que destaca en diálogos complejos, multilingües, razonamiento y asistentes inteligentes."
  },
+  "x-ai/grok-4-fast": {
+    "description": "Nos complace presentar Grok 4 Fast, nuestro último avance en modelos de inferencia rentables."
+  },
+  "x-ai/grok-code-fast-1": {
+    "description": "Nos complace lanzar grok-code-fast-1, un modelo de inferencia rápido y rentable con un rendimiento sobresaliente en codificación para agentes."
+  },
  "x1": {
    "description": "El modelo Spark X1 se actualizará aún más, logrando resultados en tareas generales como razonamiento, generación de texto y comprensión del lenguaje que se comparan con OpenAI o1 y DeepSeek R1, además de liderar en tareas matemáticas en el país."
  },
@@ -3323,6 +3449,9 @@
  "yi-vision-v2": {
    "description": "Modelo para tareas visuales complejas, que ofrece capacidades de comprensión y análisis de alto rendimiento basadas en múltiples imágenes."
  },
+  "z-ai/glm-4.6": {
+    "description": "El nuevo modelo insignia de Zhipu, GLM-4.6, supera ampliamente a su predecesor en codificación avanzada, procesamiento de textos largos, razonamiento y capacidades de agentes inteligentes."
+  },
  "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."
  },
@@ -236,6 +236,8 @@
  },
  "inspector": {
    "args": "Ver lista de parámetros",
+    "delete": "Eliminar llamada a la herramienta",
+    "orphanedToolCall": "Este mensaje de llamada a la herramienta podría haberse quedado huérfano debido a circunstancias excepcionales, lo que puede afectar el funcionamiento normal del agente. Por favor, elimínelo.",
    "pluginRender": "Ver interfaz del plugin"
  },
  "list": {
@@ -251,14 +253,20 @@
  },
  "localSystem": {
    "apiName": {
+      "editLocalFile": "Editar archivo",
+      "getCommandOutput": "Obtener salida del código",
+      "globLocalFiles": "Buscar archivos coincidentes",
+      "grepContent": "Buscar contenido",
+      "killCommand": "Detener ejecución del código",
      "listLocalFiles": "Ver lista de archivos",
      "moveLocalFiles": "Mover archivos",
      "readLocalFile": "Leer contenido del archivo",
      "renameLocalFile": "Renombrar",
+      "runCommand": "Ejecutar código",
      "searchLocalFiles": "Buscar archivos",
      "writeLocalFile": "Escribir archivo"
    },
-    "title": "Archivos locales"
+    "title": "Sistema local"
  },
  "mcpInstall": {
    "CHECKING_INSTALLATION": "Verificando entorno de instalación...",
@@ -15,8 +15,22 @@
    "prompt": "Palabra de aviso"
  },
  "localFiles": {
+    "editFile": {
+      "newString": "Reemplazar con",
+      "oldString": "Buscar",
+      "replaceAll": "Reemplazar todas las coincidencias",
+      "replaceFirst": "Reemplazar solo la primera coincidencia"
+    },
    "file": "Archivo",
    "folder": "Carpeta",
+    "moveFiles": {
+      "itemsMoved": "Se han movido {{count}} elementos:",
+      "itemsMoved_one": "Se ha movido {{count}} elemento:",
+      "itemsMoved_other": "Se han movido {{count}} elementos:",
+      "itemsToMove": "{{count}} elementos por mover:",
+      "itemsToMove_one": "{{count}} elemento por mover:",
+      "itemsToMove_other": "{{count}} elementos por mover:"
+    },
    "open": "Abrir",
    "openFile": "Abrir archivo",
    "openFolder": "Abrir carpeta",
@@ -26,7 +40,12 @@
    "readFile": "Leer archivo",
    "readFileError": "Error al leer el archivo, por favor verifica si la ruta del archivo es correcta",
    "readFiles": "Leer archivos",
-    "readFilesError": "Error al leer los archivos, por favor verifica si la ruta del archivo es correcta"
+    "readFilesError": "Error al leer los archivos, por favor verifica si la ruta del archivo es correcta",
+    "writeFile": {
+      "characters": "caracteres",
+      "preview": "Vista previa del contenido",
+      "truncated": "Truncado"
+    }
  },
  "search": {
    "createNewSearch": "Crear un nuevo registro de búsqueda",
@@ -6,6 +6,7 @@
    "confirmRemoveUnstarred": "Se eliminarán los temas no favoritos. Una vez eliminados, no se podrán recuperar. Por favor, actúe con precaución.",
    "duplicate": "Crear copia",
    "export": "Exportar tema",
+    "openInNewWindow": "Abrir en una nueva ventana",
    "removeAll": "Eliminar todos los temas",
    "removeUnstarred": "Eliminar temas no favoritos"
  },
@@ -17,6 +17,7 @@
  "availableAgents": "دستیاران در دسترس",
  "backToBottom": "بازگشت به پایین",
  "chatList": {
+    "expandMessage": "گسترش پیام",
    "longMessageDetail": "مشاهده جزئیات"
  },
  "clearCurrentMessages": "پاک کردن پیام‌های جلسه فعلی",
@@ -173,9 +174,11 @@
    "title": "ذکر اعضا"
  },
  "messageAction": {
+    "collapse": "بستن پیام",
    "continueGeneration": "ادامه تولید",
    "delAndRegenerate": "حذف و بازتولید",
    "deleteDisabledByThreads": "زیرموضوع وجود دارد، نمی‌توان حذف کرد",
+    "expand": "گسترش پیام",
    "regenerate": "بازتولید"
  },
  "messages": {
@@ -240,6 +243,7 @@
  "noMatchingAgents": "عضوی مطابق با جستجو یافت نشد",
  "noMembersYet": "این گروه هنوز عضوی ندارد. برای دعوت دستیاران، روی دکمهٔ + کلیک کنید.",
  "noSelectedAgents": "هنوز هیچ عضوی انتخاب نشده است",
+  "openInNewWindow": "باز کردن در یک پنجره جدید",
  "owner": "صاحب گروه",
  "pin": "سنجاق کردن",
  "pinOff": "لغو سنجاق",
@@ -326,6 +330,11 @@
    "screenshot": "اسکرین‌شات",
    "settings": "تنظیمات خروجی",
    "text": "متن",
+    "widthMode": {
+      "label": "حالت عرض",
+      "narrow": "حالت صفحه باریک",
+      "wide": "حالت صفحه عریض"
+    },
    "withBackground": "شامل تصویر پس‌زمینه",
    "withFooter": "شامل پاورقی",
    "withPluginInfo": "شامل اطلاعات افزونه",
@@ -368,6 +377,28 @@
    "remained": "باقی‌مانده",
    "used": "استفاده شده"
  },
+  "tool": {
+    "intervention": {
+      "approve": "تأیید",
+      "approveAndRemember": "تأیید و به خاطر سپردن",
+      "approveOnce": "تأیید فقط برای این بار",
+      "mode": {
+        "allowList": "فهرست مجاز",
+        "allowListDesc": "فقط ابزارهای تأییدشده به‌صورت خودکار اجرا می‌شوند",
+        "autoRun": "تأیید خودکار",
+        "autoRunDesc": "تأیید خودکار اجرای همه ابزارها",
+        "manual": "دستی",
+        "manualDesc": "نیاز به تأیید دستی برای هر بار فراخوانی"
+      },
+      "reject": "رد کردن",
+      "rejectAndContinue": "رد کردن و تلاش مجدد برای اجرا",
+      "rejectOnly": "رد کردن",
+      "rejectReasonPlaceholder": "وارد کردن دلیل رد به Agent کمک می‌کند تا اقدامات بعدی را بهینه کند",
+      "rejectTitle": "رد این فراخوانی ابزار",
+      "rejectedWithReason": "این فراخوانی ابزار با دلیل زیر رد شد:{{reason}}",
+      "toolRejected": "این فراخوانی ابزار به‌صورت دستی رد شد"
+    }
+  },
  "topic": {
    "checkOpenNewTopic": "آیا مایل به باز کردن موضوع جدید هستید؟",
    "checkSaveCurrentMessages": "آیا مایل به ذخیره مکالمه فعلی به عنوان موضوع هستید؟",
@@ -135,6 +135,7 @@
    }
  },
  "close": "بستن",
+  "confirm": "تأیید",
  "contact": "تماس با ما",
  "copy": "کپی",
  "copyFail": "کپی ناموفق بود",
@@ -285,6 +286,7 @@
  "oauth": "ورود با SSO",
  "officialSite": "وب‌سایت رسمی",
  "ok": "تأیید",
+  "or": "یا",
  "password": "رمز عبور",
  "pin": "سنجاق کردن",
  "pinOff": "لغو سنجاق کردن",
@@ -106,6 +106,12 @@
    "keyPlaceholder": "کلید",
    "valuePlaceholder": "مقدار"
  },
+  "LocalFile": {
+    "action": {
+      "open": "باز کردن",
+      "showInFolder": "نمایش در پوشه"
+    }
+  },
  "MaxTokenSlider": {
    "unlimited": "نامحدود"
  },
@@ -102,7 +102,7 @@
      "SPII": "محتوای شما ممکن است شامل اطلاعات هویتی حساس فردی باشد. برای محافظت از حریم خصوصی، لطفاً اطلاعات حساس را حذف کرده و دوباره تلاش کنید.",
      "default": "محتوا مسدود شد: {{blockReason}}。لطفاً محتوای درخواست خود را اصلاح کرده و دوباره تلاش کنید."
    },
-    "InsufficientQuota": "متأسفیم، سهمیه این کلید به حداکثر رسیده است، لطفاً موجودی حساب خود را بررسی کرده یا سهمیه کلید را افزایش دهید و دوباره تلاش کنید",
+    "InsufficientQuota": "متأسفیم، سهمیه این کلید به حداکثر رسیده است. لطفاً موجودی حساب خود را بررسی کرده یا پس از افزایش سهمیه کلید دوباره تلاش کنید.",
    "InvalidAccessCode": "رمز عبور نادرست یا خالی است، لطفاً رمز عبور صحیح را وارد کنید یا API Key سفارشی اضافه کنید",
    "InvalidBedrockCredentials": "اعتبارسنجی Bedrock ناموفق بود، لطفاً AccessKeyId/SecretAccessKey را بررسی کرده و دوباره تلاش کنید",
    "InvalidClerkUser": "متأسفیم، شما هنوز وارد نشده‌اید، لطفاً ابتدا وارد شوید یا ثبت‌نام کنید و سپس ادامه دهید",
@@ -131,7 +131,7 @@
    "PluginServerError": "درخواست سرور افزونه با خطا مواجه شد، لطفاً بر اساس اطلاعات زیر فایل توصیف افزونه، پیکربندی افزونه یا پیاده‌سازی سرور را بررسی کنید",
    "PluginSettingsInvalid": "این افزونه نیاز به پیکربندی صحیح دارد تا قابل استفاده باشد، لطفاً پیکربندی خود را بررسی کنید",
    "ProviderBizError": "درخواست به سرویس {{provider}} با خطا مواجه شد، لطفاً بر اساس اطلاعات زیر بررسی کنید یا دوباره تلاش کنید",
-    "QuotaLimitReached": "متأسفیم، میزان استفاده از توکن یا تعداد درخواست‌های شما به حد مجاز این کلید رسیده است، لطفاً سهمیه کلید را افزایش دهید یا بعداً دوباره تلاش کنید",
+    "QuotaLimitReached": "متأسفیم، میزان استفاده از توکن یا تعداد درخواست‌ها به حداکثر سهمیه این کلید رسیده است. لطفاً سهمیه کلید را افزایش داده یا بعداً دوباره تلاش کنید.",
    "StreamChunkError": "خطا در تجزیه بلوک پیام درخواست جریانی، لطفاً بررسی کنید که آیا API فعلی با استانداردها مطابقت دارد یا با ارائه‌دهنده API خود تماس بگیرید",
    "SubscriptionKeyMismatch": "متأسفیم، به دلیل یک نقص موقتی در سیستم، مصرف فعلی اشتراک به طور موقت غیر فعال شده است. لطفاً بر روی دکمه زیر کلیک کنید تا اشتراک خود را بازیابی کنید، یا با ما از طریق ایمیل تماس بگیرید تا از ما پشتیبانی دریافت کنید.",
    "SubscriptionPlanLimit": "نقاط اشتراک شما تمام شده است و نمی‌توانید از این ویژگی استفاده کنید. لطفاً به یک طرح بالاتر ارتقا دهید یا پس از پیکربندی API مدل سفارشی، به استفاده ادامه دهید.",
@@ -1,5 +1,8 @@
 {
-  "desc": "مدیریت دانش شما",
+  "addFolder": "ایجاد پوشه",
+  "addKnowledge": "افزودن دانش",
+  "addPage": "ایجاد سند",
+  "desc": "مدیریت دانش کاری، تحصیلی و زندگی شما.",
  "detail": {
    "basic": {
      "createdAt": "زمان ایجاد",
@@ -21,15 +24,89 @@
      "embeddingStatus": "برداری‌سازی"
    }
  },
+  "documentEditor": {
+    "addIcon": "افزودن آیکون",
+    "autoSaveMessage": "سند به‌صورت خودکار ذخیره می‌شود، نیازی به ذخیره دستی نیست",
+    "chooseIcon": "انتخاب آیکون",
+    "deleteConfirm": {
+      "content": "در شرف حذف این سند هستید. پس از حذف، قابل بازیابی نخواهد بود. لطفاً با احتیاط عمل کنید.",
+      "title": "حذف سند"
+    },
+    "deleteError": "حذف سند ناموفق بود",
+    "deleteSuccess": "سند با موفقیت حذف شد",
+    "editedAt": "آخرین ویرایش در {{time}}",
+    "editedBy": "آخرین ویرایش توسط {{name}}",
+    "editorPlaceholder": "محتوای سند را وارد کنید، برای باز کردن منوی دستورات / را فشار دهید",
+    "empty": {
+      "createNewDocument": "ایجاد سند جدید",
+      "title": "برای شروع یک سند انتخاب کنید",
+      "uploadMarkdown": "بارگذاری فایل Markdown"
+    },
+    "linkCopied": "پیوند کپی شد",
+    "menu": {
+      "copyLink": "کپی پیوند",
+      "exportDocument": "صادرات سند",
+      "importDocument": "وارد کردن سند",
+      "pin": "سند را سنجاق کن"
+    },
+    "saving": "در حال ذخیره‌سازی...",
+    "titlePlaceholder": "بدون عنوان",
+    "wordCount": "{{wordCount}} کلمه"
+  },
+  "documentList": {
+    "copyContent": "کپی کل محتوا",
+    "documentCount": "مجموع {{count}} سند",
+    "duplicate": "ایجاد نسخه مشابه",
+    "empty": "هیچ سندی موجود نیست، برای ایجاد اولین سند خود روی دکمه بالا کلیک کنید",
+    "noResults": "سندی مطابق با جستجو یافت نشد",
+    "selectNote": "برای ویرایش یک سند انتخاب کنید",
+    "untitled": "بدون عنوان"
+  },
  "empty": "هیچ فایل/پوشه‌ای بارگذاری نشده است",
  "header": {
    "actions": {
      "newFolder": "ایجاد پوشه جدید",
+      "newPage": "ایجاد سند جدید",
      "uploadFile": "بارگذاری فایل",
      "uploadFolder": "بارگذاری پوشه"
    },
+    "newDocumentButton": "سند جدید",
+    "newNoteDialog": {
+      "cancel": "لغو",
+      "editTitle": "ویرایش سند",
+      "emptyContent": "محتوای سند نمی‌تواند خالی باشد",
+      "loadError": "بارگذاری سند ناموفق بود، لطفاً دوباره تلاش کنید",
+      "loading": "در حال بارگذاری...",
+      "save": "ذخیره",
+      "saveError": "ذخیره سند ناموفق بود، لطفاً دوباره تلاش کنید",
+      "saveSuccess": "سند با موفقیت ذخیره شد",
+      "title": "سند جدید",
+      "updateSuccess": "سند با موفقیت به‌روزرسانی شد"
+    },
    "uploadButton": "بارگذاری"
  },
+  "home": {
+    "getStarted": "شروع کنید",
+    "greeting": "شروع",
+    "quickActions": "دسترسی سریع",
+    "recentDocuments": "اسناد اخیر",
+    "recentFiles": "فایل‌های اخیر",
+    "subtitle": "به پایگاه دانش خوش آمدید، از اینجا مدیریت اسناد خود را آغاز کنید",
+    "uploadEntries": {
+      "files": {
+        "title": "بارگذاری فایل"
+      },
+      "folder": {
+        "title": "بارگذاری پوشه"
+      },
+      "knowledgeBase": {
+        "title": "ایجاد پایگاه دانش جدید"
+      },
+      "newDocument": {
+        "title": "ایجاد سند جدید"
+      }
+    }
+  },
  "knowledgeBase": {
    "list": {
      "confirmRemoveKnowledgeBase": "این پایگاه دانش به زودی حذف خواهد شد، اما فایل‌های آن حذف نخواهند شد و به بخش همه فایل‌ها منتقل می‌شوند. پس از حذف پایگاه دانش، امکان بازیابی آن وجود نخواهد داشت، لطفاً با دقت عمل کنید.",
@@ -38,6 +115,10 @@
    "new": "ایجاد پایگاه دانش جدید",
    "title": "پایگاه دانش"
  },
+  "menu": {
+    "allDocuments": "همه اسناد",
+    "allFiles": "تمام فایل‌ها"
+  },
  "networkError": "دریافت مخزن دانش ناموفق بود، لطفاً پس از بررسی اتصال شبکه دوباره تلاش کنید.",
  "notSupportGuide": {
    "desc": "استقرار فعلی در حالت پایگاه داده کلاینت است و امکان استفاده از قابلیت مدیریت فایل وجود ندارد. لطفاً به <1>حالت استقرار پایگاه داده سرور</1> تغییر دهید، یا مستقیماً از <3>LobeChat Cloud</3> استفاده کنید.",
@@ -61,12 +142,16 @@
    "downloadFile": "دانلود فایل",
    "unsupportedFileAndContact": "فرمت این فایل در حال حاضر از پیش‌نمایش آنلاین پشتیبانی نمی‌کند. در صورت نیاز به پیش‌نمایش، لطفاً <1>به ما بازخورد دهید</1>."
  },
+  "searchDocumentPlaceholder": "جستجوی سند",
  "searchFilePlaceholder": "جستجوی فایل",
  "tab": {
-    "all": "همه فایل‌ها",
+    "all": "همه",
    "audios": "صداها",
    "documents": "اسناد",
+    "home": "خانه",
    "images": "تصاویر",
+    "moreTypes": "انواع بیشتر",
+    "pages": "اسناد",
    "videos": "ویدیوها",
    "websites": "وب‌سایت‌ها"
  },
@@ -295,7 +295,7 @@
      },
      "helpDoc": "راهنمای پیکربندی",
      "responsesApi": {
-        "desc": "استفاده از قالب درخواست نسل جدید OpenAI برای باز کردن ویژگی‌های پیشرفته مانند زنجیره تفکر",
+        "desc": "با استفاده از قالب جدید درخواست OpenAI، ویژگی‌های پیشرفته‌ای مانند زنجیره تفکر فعال می‌شود (فقط برای مدل‌های OpenAI پشتیبانی می‌شود)",
        "title": "استفاده از استاندارد Responses API"
      },
      "waitingForMore": "مدل‌های بیشتری در حال <1>برنامه‌ریزی برای اتصال</1> هستند، لطفاً منتظر بمانید"
@@ -236,6 +236,9 @@
  "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."
  },
+  "MiniMaxAI/MiniMax-M2": {
+    "description": "MiniMax-M2 بهره‌وری را برای عامل‌های هوشمند بازتعریف می‌کند. این یک مدل MoE فشرده، سریع و مقرون‌به‌صرفه است که دارای ۲۳۰ میلیارد پارامتر کلی و ۱۰ میلیارد پارامتر فعال می‌باشد. این مدل برای ارائه عملکردی در سطح بالا در وظایف کدنویسی و عامل‌های هوشمند طراحی شده است، در حالی که هوش عمومی قدرتمندی را نیز حفظ می‌کند. تنها با ۱۰ میلیارد پارامتر فعال، MiniMax-M2 عملکردی هم‌تراز با مدل‌های بسیار بزرگ ارائه می‌دهد و آن را به گزینه‌ای ایده‌آل برای کاربردهای با بهره‌وری بالا تبدیل می‌کند."
+  },
  "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."
  },
@@ -1049,6 +1052,9 @@
  "deepseek-r1-0528": {
    "description": "مدل کامل 685 میلیارد پارامتری، منتشر شده در ۲۸ مه ۲۰۲۵. DeepSeek-R1 در مرحله پس‌آموزش به طور گسترده از تکنیک‌های یادگیری تقویتی استفاده کرده است و با داده‌های برچسب‌خورده بسیار کم، توانایی استدلال مدل را به طور قابل توجهی افزایش داده است. این مدل در وظایف ریاضی، کدنویسی و استدلال زبان طبیعی عملکرد و توانایی بالایی دارد."
  },
+  "deepseek-r1-250528": {
+    "description": "DeepSeek R1 250528، نسخه کامل مدل استنتاجی DeepSeek-R1، مناسب برای وظایف دشوار ریاضی و منطقی."
+  },
  "deepseek-r1-70b-fast-online": {
    "description": "DeepSeek R1 70B نسخه سریع است که از جستجوی آنلاین زنده پشتیبانی می‌کند و در عین حفظ عملکرد مدل، سرعت پاسخ‌دهی سریع‌تری را ارائه می‌دهد."
  },
@@ -1059,31 +1065,34 @@
    "description": "deepseek-r1-distill-llama مدلی است که بر اساس Llama از DeepSeek-R1 استخراج شده است."
  },
  "deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek R1 - مدل بزرگتر و هوشمندتر در مجموعه DeepSeek - به معماری Llama 70B تقطیر شده است. بر اساس آزمون‌های معیار و ارزیابی‌های انسانی، این مدل از Llama 70B اصلی هوشمندتر است، به ویژه در وظایفی که نیاز به دقت ریاضی و واقعی دارند."
+    "description": "DeepSeek R1 Distill Llama 70B، مدل تقطیر شده‌ای که توانایی استنتاج R1 را با اکوسیستم Llama ترکیب می‌کند."
  },
  "deepseek-r1-distill-llama-8b": {
-    "description": "مدل‌های سری DeepSeek-R1-Distill از طریق تکنیک تقطیر دانش، نمونه‌های تولید شده توسط DeepSeek-R1 را برای تنظیم دقیق بر روی مدل‌های متن‌باز مانند Qwen و Llama به کار می‌برند."
+    "description": "DeepSeek-R1-Distill-Llama-8B، یک مدل زبان بزرگ تقطیر شده بر پایه Llama-3.1-8B با استفاده از خروجی‌های DeepSeek R1."
+  },
+  "deepseek-r1-distill-qianfan-70b": {
+    "description": "DeepSeek R1 Distill Qianfan 70B، مدل تقطیر شده R1 بر پایه Qianfan-70B با بهره‌وری بالا."
+  },
+  "deepseek-r1-distill-qianfan-8b": {
+    "description": "DeepSeek R1 Distill Qianfan 8B، مدل تقطیر شده R1 بر پایه Qianfan-8B، مناسب برای کاربردهای کوچک و متوسط."
  },
  "deepseek-r1-distill-qianfan-llama-70b": {
-    "description": "این مدل در تاریخ 14 فوریه 2025 برای اولین بار منتشر شد و توسط تیم توسعه مدل بزرگ Qianfan با استفاده از Llama3_70B به عنوان مدل پایه (ساخته شده با متا لاما) تقطیر شده است و داده‌های تقطیر شده همچنین شامل متون Qianfan است."
-  },
-  "deepseek-r1-distill-qianfan-llama-8b": {
-    "description": "این مدل در تاریخ 14 فوریه 2025 برای اولین بار منتشر شد و توسط تیم توسعه مدل بزرگ Qianfan با استفاده از Llama3_8B به عنوان مدل پایه (ساخته شده با متا لاما) تقطیر شده است و داده‌های تقطیر شده همچنین شامل متون Qianfan است."
+    "description": "DeepSeek R1 Distill Qianfan Llama 70B، مدل تقطیر شده R1 بر پایه Llama-70B."
  },
  "deepseek-r1-distill-qwen": {
    "description": "deepseek-r1-distill-qwen مدلی است که بر اساس Qwen از DeepSeek-R1 استخراج شده است."
  },
  "deepseek-r1-distill-qwen-1.5b": {
-    "description": "مدل‌های سری DeepSeek-R1-Distill از طریق تکنیک تقطیر دانش، نمونه‌های تولید شده توسط DeepSeek-R1 را برای تنظیم دقیق بر روی مدل‌های متن‌باز مانند Qwen و Llama به کار می‌برند."
+    "description": "DeepSeek R1 Distill Qwen 1.5B، مدل تقطیر شده فوق سبک R1، مناسب برای محیط‌های با منابع بسیار محدود."
  },
  "deepseek-r1-distill-qwen-14b": {
-    "description": "مدل‌های سری DeepSeek-R1-Distill از طریق تکنیک تقطیر دانش، نمونه‌های تولید شده توسط DeepSeek-R1 را برای تنظیم دقیق بر روی مدل‌های متن‌باز مانند Qwen و Llama به کار می‌برند."
+    "description": "DeepSeek R1 Distill Qwen 14B، مدل تقطیر شده R1 با مقیاس متوسط، مناسب برای استقرار در سناریوهای مختلف."
  },
  "deepseek-r1-distill-qwen-32b": {
-    "description": "مدل‌های سری DeepSeek-R1-Distill از طریق تکنیک تقطیر دانش، نمونه‌های تولید شده توسط DeepSeek-R1 را برای تنظیم دقیق بر روی مدل‌های متن‌باز مانند Qwen و Llama به کار می‌برند."
+    "description": "DeepSeek R1 Distill Qwen 32B، مدل تقطیر شده R1 بر پایه Qwen-32B، با تعادل بین عملکرد و هزینه."
  },
  "deepseek-r1-distill-qwen-7b": {
-    "description": "مدل‌های سری DeepSeek-R1-Distill از طریق تکنیک تقطیر دانش، نمونه‌های تولید شده توسط DeepSeek-R1 را برای تنظیم دقیق بر روی مدل‌های متن‌باز مانند Qwen و Llama به کار می‌برند."
+    "description": "DeepSeek R1 Distill Qwen 7B، مدل تقطیر شده سبک R1، مناسب برای محیط‌های لبه‌ای و خصوصی‌سازی سازمانی."
  },
  "deepseek-r1-fast-online": {
    "description": "DeepSeek R1 نسخه سریع کامل است که از جستجوی آنلاین زنده پشتیبانی می‌کند و ترکیبی از توانایی‌های قوی 671B پارامتر و سرعت پاسخ‌دهی سریع‌تر است."
@@ -1112,12 +1121,24 @@
  "deepseek-v3.1-terminus": {
    "description": "DeepSeek-V3.1-Terminus نسخه‌ای بهینه‌سازی‌شده از مدل زبان بزرگ DeepSeek است که به‌طور خاص برای دستگاه‌های نهایی طراحی شده است."
  },
+  "deepseek-v3.1-think-250821": {
+    "description": "DeepSeek V3.1 Think 250821، مدل تفکر عمیق نسخه Terminus، مناسب برای سناریوهای استنتاج با عملکرد بالا."
+  },
  "deepseek-v3.1:671b": {
    "description": "DeepSeek V3.1: مدل استنتاج نسل بعدی که توانایی‌های استنتاج پیچیده و تفکر زنجیره‌ای را بهبود بخشیده و برای وظایفی که نیاز به تحلیل عمیق دارند مناسب است."
  },
  "deepseek-v3.2-exp": {
    "description": "deepseek-v3.2-exp مکانیزم توجه پراکنده را معرفی می‌کند که هدف آن افزایش کارایی آموزش و استنتاج در پردازش متون بلند است و قیمت آن کمتر از deepseek-v3.1 می‌باشد."
  },
+  "deepseek-v3.2-think": {
+    "description": "DeepSeek V3.2 Think، نسخه کامل مدل تفکر عمیق با توانایی تقویت‌شده در استنتاج زنجیره‌ای طولانی."
+  },
+  "deepseek-vl2": {
+    "description": "DeepSeek VL2، مدل چندوجهی با پشتیبانی از درک تصویر و متن و پرسش و پاسخ بصری دقیق."
+  },
+  "deepseek-vl2-small": {
+    "description": "DeepSeek VL2 Small، نسخه سبک چندوجهی، مناسب برای محیط‌های با منابع محدود و بارگذاری بالا."
+  },
  "deepseek/deepseek-chat-v3-0324": {
    "description": "DeepSeek V3 یک مدل ترکیبی متخصص با 685B پارامتر است و جدیدترین نسخه از سری مدل‌های چت پرچمدار تیم DeepSeek می‌باشد.\n\nاین مدل از [DeepSeek V3](/deepseek/deepseek-chat-v3) به ارث برده و در انواع وظایف عملکرد عالی از خود نشان می‌دهد."
  },
@@ -1137,7 +1158,7 @@
    "description": "DeepSeek-R1 با داشتن داده‌های برچسب‌خورده بسیار محدود، توانایی استدلال مدل را به طور چشمگیری افزایش داده است. قبل از ارائه پاسخ نهایی، مدل ابتدا یک زنجیره فکری را تولید می‌کند تا دقت پاسخ نهایی را بهبود بخشد."
  },
  "deepseek/deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek-R1-Distill-Llama-70B نسخه تقطیر شده و بهینه‌تر مدل 70B Llama است. این مدل در وظایف تولید متن عملکرد قوی خود را حفظ کرده و هزینه محاسباتی را کاهش داده تا استقرار و پژوهش را تسهیل کند. توسط Groq با استفاده از سخت‌افزار واحد پردازش زبان سفارشی (LPU) ارائه می‌شود تا استدلال سریع و کارآمد فراهم کند."
+    "description": "DeepSeek R1 Distill Llama 70B یک مدل زبان بزرگ مبتنی بر Llama3.3 70B است که با استفاده از خروجی‌های تنظیم‌شده DeepSeek R1، به عملکردی رقابتی در سطح مدل‌های پیشرفته بزرگ دست یافته است."
  },
  "deepseek/deepseek-r1-distill-llama-8b": {
    "description": "DeepSeek R1 Distill Llama 8B یک مدل زبان بزرگ تقطیر شده مبتنی بر Llama-3.1-8B-Instruct است که با استفاده از خروجی DeepSeek R1 آموزش دیده است."
@@ -1253,83 +1274,89 @@
  "emohaa": {
    "description": "Emohaa یک مدل روان‌شناختی است که دارای توانایی مشاوره حرفه‌ای بوده و به کاربران در درک مسائل احساسی کمک می‌کند."
  },
-  "ernie-3.5-128k": {
-    "description": "مدل زبان بزرگ پرچمدار خود توسعه یافته توسط بایدو، که شامل حجم وسیعی از متون چینی و انگلیسی است و دارای توانایی‌های عمومی قوی است که می‌تواند نیازهای اکثر موارد پرسش و پاسخ، تولید خلاقانه و کاربردهای افزونه را برآورده کند؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا اطلاعات پرسش و پاسخ به روز باشد."
-  },
-  "ernie-3.5-8k": {
-    "description": "مدل زبان بزرگ پرچمدار خود توسعه یافته توسط بایدو، که شامل حجم وسیعی از متون چینی و انگلیسی است و دارای توانایی‌های عمومی قوی است که می‌تواند نیازهای اکثر موارد پرسش و پاسخ، تولید خلاقانه و کاربردهای افزونه را برآورده کند؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا اطلاعات پرسش و پاسخ به روز باشد."
-  },
-  "ernie-3.5-8k-preview": {
-    "description": "مدل زبان بزرگ پرچمدار خود توسعه یافته توسط بایدو، که شامل حجم وسیعی از متون چینی و انگلیسی است و دارای توانایی‌های عمومی قوی است که می‌تواند نیازهای اکثر موارد پرسش و پاسخ، تولید خلاقانه و کاربردهای افزونه را برآورده کند؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا اطلاعات پرسش و پاسخ به روز باشد."
-  },
-  "ernie-4.0-8k-latest": {
-    "description": "مدل زبان بزرگ فوق‌العاده پرچمدار خود توسعه یافته توسط بایدو، که نسبت به ERNIE 3.5 به‌روزرسانی‌های جامع‌تری در توانایی‌های مدل داشته و به طور گسترده‌ای در زمینه‌های مختلف برای وظایف پیچیده کاربرد دارد؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا اطلاعات پرسش و پاسخ به روز باشد."
-  },
-  "ernie-4.0-8k-preview": {
-    "description": "مدل زبان بزرگ فوق‌العاده پرچمدار خود توسعه یافته توسط بایدو، که نسبت به ERNIE 3.5 به‌روزرسانی‌های جامع‌تری در توانایی‌های مدل داشته و به طور گسترده‌ای در زمینه‌های مختلف برای وظایف پیچیده کاربرد دارد؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا اطلاعات پرسش و پاسخ به روز باشد."
-  },
-  "ernie-4.0-turbo-128k": {
-    "description": "مدل زبان بزرگ فوق‌العاده پرچمدار خود توسعه یافته توسط بایدو، که عملکرد کلی آن بسیار خوب است و به طور گسترده‌ای در زمینه‌های مختلف برای وظایف پیچیده کاربرد دارد؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا اطلاعات پرسش و پاسخ به روز باشد. نسبت به ERNIE 4.0 در عملکرد بهتر است."
-  },
-  "ernie-4.0-turbo-8k-latest": {
-    "description": "مدل زبان بزرگ فوق‌العاده پرچمدار خود توسعه یافته توسط بایدو، که عملکرد کلی آن بسیار خوب است و به طور گسترده‌ای در زمینه‌های مختلف برای وظایف پیچیده کاربرد دارد؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا اطلاعات پرسش و پاسخ به روز باشد. نسبت به ERNIE 4.0 در عملکرد بهتر است."
-  },
-  "ernie-4.0-turbo-8k-preview": {
-    "description": "مدل زبان بزرگ فوق‌العاده پرچمدار خود توسعه یافته توسط بایدو، که عملکرد کلی آن بسیار خوب است و به طور گسترده‌ای در زمینه‌های مختلف برای وظایف پیچیده کاربرد دارد؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی می‌کند تا اطلاعات پرسش و پاسخ به روز باشد. نسبت به ERNIE 4.0 در عملکرد بهتر است."
+  "ernie-4.5-0.3b": {
+    "description": "ERNIE 4.5 0.3B، مدل سبک متن‌باز، مناسب برای استقرار محلی و سفارشی‌سازی."
  },
  "ernie-4.5-21b-a3b": {
-    "description": "ERNIE 4.5 21B A3B یک مدل متخصص ترکیبی است که توسط Wenxin Baidu توسعه یافته و دارای توانایی‌های قوی در استدلال و پشتیبانی از چند زبان می‌باشد."
+    "description": "ERNIE 4.5 21B A3B، مدل بزرگ متن‌باز با عملکرد قوی در وظایف درک و تولید."
  },
  "ernie-4.5-300b-a47b": {
    "description": "ERNIE 4.5 300B A47B یک مدل بسیار بزرگ متخصص ترکیبی است که توسط Wenxin Baidu ارائه شده و از توانایی استدلالی برجسته‌ای برخوردار است."
  },
  "ernie-4.5-8k-preview": {
-    "description": "مدل بزرگ 4.5 Ernie یک مدل پایه چندرسانه‌ای نسل جدید است که توسط بایدو به‌طور مستقل توسعه یافته و از طریق مدل‌سازی مشترک چندین حالت به بهینه‌سازی هم‌زمان دست می‌یابد و توانایی درک چندرسانه‌ای فوق‌العاده‌ای دارد؛ دارای توانایی‌های زبانی پیشرفته‌تر، درک، تولید، منطق و حافظه به‌طور کلی بهبود یافته و توانایی‌های حذف توهم، استدلال منطقی و کد به‌طور قابل توجهی افزایش یافته است."
+    "description": "ERNIE 4.5 8K Preview، مدل پیش‌نمایش با زمینه 8K، برای تجربه و آزمایش قابلیت‌های Wenxin 4.5."
  },
  "ernie-4.5-turbo-128k": {
-    "description": "Wenxin 4.5 Turbo در زمینه‌های کاهش توهم، استدلال منطقی و توانایی کدنویسی به‌طور قابل توجهی بهبود یافته است. در مقایسه با Wenxin 4.5، سرعت بالاتر و قیمت کمتری دارد. توانایی‌های مدل به‌طور کلی افزایش یافته و بهتر می‌تواند به پردازش مکالمات طولانی با تاریخچه چند دور و وظایف درک پرسش و پاسخ متون طولانی پاسخ دهد."
+    "description": "ERNIE 4.5 Turbo 128K، مدل عمومی با عملکرد بالا، پشتیبانی از جستجوی تقویتی و ابزارها، مناسب برای پرسش و پاسخ، کدنویسی و عامل‌های هوشمند."
+  },
+  "ernie-4.5-turbo-128k-preview": {
+    "description": "ERNIE 4.5 Turbo 128K Preview، نسخه پیش‌نمایش با قابلیت‌های مشابه نسخه رسمی، مناسب برای تست و هماهنگی."
  },
  "ernie-4.5-turbo-32k": {
-    "description": "Wenxin 4.5 Turbo در زمینه‌های کاهش توهم، استدلال منطقی و توانایی کدنویسی به‌طور قابل توجهی بهبود یافته است. در مقایسه با Wenxin 4.5، سرعت بالاتر و قیمت کمتری دارد. توانایی‌های خلق متن و پرسش و پاسخ به‌طور قابل توجهی افزایش یافته است. طول خروجی و تأخیر در جملات کامل نسبت به ERNIE 4.5 افزایش یافته است."
+    "description": "ERNIE 4.5 Turbo 32K، نسخه با زمینه متوسط تا بلند، مناسب برای پرسش و پاسخ، جستجوی پایگاه دانش و مکالمات چندمرحله‌ای."
+  },
+  "ernie-4.5-turbo-latest": {
+    "description": "ERNIE 4.5 Turbo آخرین نسخه، با بهینه‌سازی عملکرد کلی، مناسب به‌عنوان مدل اصلی در محیط‌های تولیدی."
+  },
+  "ernie-4.5-turbo-vl": {
+    "description": "ERNIE 4.5 Turbo VL، مدل چندوجهی بالغ، مناسب برای درک و شناسایی تصویر و متن در محیط‌های تولیدی."
  },
  "ernie-4.5-turbo-vl-32k": {
-    "description": "نسخه جدید مدل بزرگ Wenxin، توانایی‌های درک تصویر، خلق، ترجمه و کدنویسی به‌طور قابل توجهی افزایش یافته است و برای اولین بار از طول زمینه 32K پشتیبانی می‌کند، تأخیر در اولین توکن به‌طور قابل توجهی کاهش یافته است."
+    "description": "ERNIE 4.5 Turbo VL 32K، نسخه چندوجهی با زمینه متوسط تا بلند، مناسب برای درک ترکیبی اسناد بلند و تصاویر."
+  },
+  "ernie-4.5-turbo-vl-32k-preview": {
+    "description": "ERNIE 4.5 Turbo VL 32K Preview، نسخه پیش‌نمایش چندوجهی 32K، مناسب برای ارزیابی توانایی درک بصری با زمینه بلند."
+  },
+  "ernie-4.5-turbo-vl-latest": {
+    "description": "ERNIE 4.5 Turbo VL Latest، آخرین نسخه چندوجهی با درک و استنتاج تصویر و متن بهینه‌شده."
+  },
+  "ernie-4.5-turbo-vl-preview": {
+    "description": "ERNIE 4.5 Turbo VL Preview، مدل پیش‌نمایش چندوجهی، پشتیبانی از درک و تولید تصویر و متن، مناسب برای تجربه پرسش و پاسخ بصری و درک محتوا."
+  },
+  "ernie-4.5-vl-28b-a3b": {
+    "description": "ERNIE 4.5 VL 28B A3B، مدل چندوجهی متن‌باز، پشتیبانی از وظایف درک و استنتاج تصویر و متن."
+  },
+  "ernie-5.0-thinking-preview": {
+    "description": "پیش‌نمایش ERNIE 5.0 Thinking، مدل پرچم‌دار چندوجهی بومی، پشتیبانی از مدل‌سازی یکپارچه متن، تصویر، صدا و ویدیو، با ارتقاء جامع توانایی‌ها، مناسب برای پرسش و پاسخ پیچیده، تولید محتوا و عامل‌های هوشمند."
  },
  "ernie-char-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."
+    "description": "ERNIE Character 8K، مدل مکالمه با شخصیت، مناسب برای ساخت شخصیت‌های IP و گفت‌وگوی همراه بلندمدت."
  },
  "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."
+    "description": "ERNIE Character Fiction 8K، مدل شخصیت‌پردازی برای داستان‌نویسی و خلق روایت، مناسب برای تولید داستان‌های بلند."
+  },
+  "ernie-char-fiction-8k-preview": {
+    "description": "ERNIE Character Fiction 8K Preview، نسخه پیش‌نمایش مدل شخصیت و داستان‌پردازی، برای تجربه و آزمایش عملکرد."
  },
  "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."
+    "description": "ERNIE iRAG Edit، مدل ویرایش تصویر با قابلیت حذف، بازسازی و تولید نسخه‌های متنوع."
  },
  "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."
+    "description": "ERNIE Lite 8K، مدل عمومی سبک، مناسب برای پرسش و پاسخ روزمره و تولید محتوا با هزینه پایین."
  },
  "ernie-lite-pro-128k": {
-    "description": "مدل زبان بزرگ سبک خود توسعه یافته توسط بایدو که تعادل خوبی بین عملکرد مدل و عملکرد استدلال دارد و عملکرد بهتری نسبت به ERNIE Lite دارد و برای استفاده در کارت‌های تسریع AI با توان محاسباتی پایین مناسب است."
+    "description": "ERNIE Lite Pro 128K، مدل سبک با عملکرد بالا، مناسب برای سناریوهای حساس به تأخیر و هزینه."
  },
  "ernie-novel-8k": {
-    "description": "مدل زبان بزرگ عمومی خود توسعه یافته توسط بایدو که در توانایی ادامه نوشتن رمان مزیت قابل توجهی دارد و همچنین می‌تواند در صحنه‌های کوتاه‌نمایش و فیلم‌ها استفاده شود."
+    "description": "ERNIE Novel 8K، مدل تولید رمان بلند و داستان‌های IP، متخصص در روایت چندشخصیتی و چندخطی."
  },
  "ernie-speed-128k": {
-    "description": "مدل زبان بزرگ با عملکرد بالا که به تازگی در سال 2024 توسط بایدو منتشر شده است، دارای توانایی‌های عمومی عالی است و برای تنظیم دقیق به عنوان مدل پایه مناسب است و می‌تواند به خوبی مسائل خاص را مدیریت کند و همچنین دارای عملکرد استدلال بسیار خوبی است."
+    "description": "ERNIE Speed 128K، مدل بزرگ بدون هزینه ورودی/خروجی، مناسب برای درک متن بلند و آزمایش‌های گسترده."
+  },
+  "ernie-speed-8k": {
+    "description": "ERNIE Speed 8K، مدل رایگان و سریع، مناسب برای مکالمات روزمره و وظایف متنی سبک."
  },
  "ernie-speed-pro-128k": {
-    "description": "مدل زبان بزرگ با عملکرد بالا که به تازگی در سال 2024 توسط بایدو منتشر شده است، دارای توانایی‌های عمومی عالی است و عملکرد بهتری نسبت به ERNIE Speed دارد و برای تنظیم دقیق به عنوان مدل پایه مناسب است و می‌تواند به خوبی مسائل خاص را مدیریت کند و همچنین دارای عملکرد استدلال بسیار خوبی است."
+    "description": "ERNIE Speed Pro 128K، مدل با کارایی بالا و هزینه مناسب، مناسب برای خدمات آنلاین گسترده و کاربردهای سازمانی."
  },
  "ernie-tiny-8k": {
-    "description": "ERNIE Tiny مدل زبان بزرگ با عملکرد فوق‌العاده بالا است که هزینه‌های استقرار و تنظیم آن در بین مدل‌های سری Wenxin کمترین است."
-  },
-  "ernie-x1-32k": {
-    "description": "دارای توانایی‌های قوی‌تر در درک، برنامه‌ریزی، تفکر و تکامل. به عنوان یک مدل تفکر عمیق با قابلیت‌های جامع‌تر، Wenxin X1 دقت، خلاقیت و بلاغت را در کنار هم دارد و در زمینه‌های پرسش و پاسخ دانش چینی، خلق ادبیات، نوشتن متون، گفتگوهای روزمره، استدلال منطقی، محاسبات پیچیده و استفاده از ابزارها به‌ویژه عملکرد برجسته‌ای دارد."
-  },
-  "ernie-x1-32k-preview": {
-    "description": "مدل بزرگ ERNIE X1 دارای توانایی‌های قوی‌تری در درک، برنامه‌ریزی، تفکر و تکامل است. به عنوان یک مدل تفکر عمیق با قابلیت‌های جامع‌تر، ERNIE X1 دقت، خلاقیت و بلاغت را در زمینه‌های پرسش و پاسخ دانش چینی، خلق ادبیات، نوشتن متون، گفتگوهای روزمره، استدلال منطقی، محاسبات پیچیده و فراخوانی ابزارها به نمایش می‌گذارد."
+    "description": "ERNIE Tiny 8K، مدل فوق سبک، مناسب برای پرسش و پاسخ ساده، طبقه‌بندی و استنتاج کم‌هزینه."
  },
  "ernie-x1-turbo-32k": {
-    "description": "مدل نسبت به ERNIE-X1-32K از نظر عملکرد و کارایی بهتر است."
+    "description": "ERNIE X1 Turbo 32K، مدل تفکر سریع با زمینه بلند 32K، مناسب برای استنتاج پیچیده و مکالمات چندمرحله‌ای."
+  },
+  "ernie-x1.1-preview": {
+    "description": "ERNIE X1.1 Preview، نسخه پیش‌نمایش مدل تفکر ERNIE X1.1، مناسب برای ارزیابی و آزمایش توانایی‌ها."
  },
  "fal-ai/bytedance/seedream/v4": {
    "description": "مدل تولید تصویر Seedream 4.0 توسط تیم Seed شرکت ByteDance توسعه یافته است، از ورودی متن و تصویر پشتیبانی می‌کند و تجربه‌ای با کنترل بالا و کیفیت عالی در تولید تصویر ارائه می‌دهد. تصاویر بر اساس متن توصیفی تولید می‌شوند."
@@ -1389,7 +1416,7 @@
    "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."
+    "description": "FLUX.1-schnell، مدل تولید تصویر با عملکرد بالا، مناسب برای تولید سریع تصاویر با سبک‌های متنوع."
  },
  "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."
@@ -1538,6 +1565,9 @@
  "glm-4-0520": {
    "description": "GLM-4-0520 جدیدترین نسخه مدل است که برای وظایف بسیار پیچیده و متنوع طراحی شده و عملکردی عالی دارد."
  },
+  "glm-4-32b-0414": {
+    "description": "GLM-4 32B 0414، نسخه عمومی مدل بزرگ سری GLM، پشتیبانی از تولید و درک متن در وظایف چندگانه."
+  },
  "glm-4-9b-chat": {
    "description": "GLM-4-9B-Chat عملکرد بالایی در زمینه‌های معناشناسی، ریاضیات، استدلال، کدنویسی و دانش دارد. همچنین از مرور وب، اجرای کد، فراخوانی ابزارهای سفارشی و استدلال متون بلند پشتیبانی می‌کند. این مدل از ۲۶ زبان از جمله ژاپنی، کره‌ای و آلمانی پشتیبانی می‌نماید."
  },
@@ -1826,6 +1856,18 @@
  "gpt-5-pro": {
    "description": "GPT-5 pro با استفاده از محاسبات بیشتر، عمیق‌تر می‌اندیشد و به طور مداوم پاسخ‌های بهتری ارائه می‌دهد."
  },
+  "gpt-5.1": {
+    "description": "GPT-5.1 — مدل پرچم‌دار بهینه‌سازی‌شده برای وظایف کدنویسی و عامل‌ها، با پشتیبانی از شدت استدلال قابل تنظیم و زمینه‌های طولانی‌تر."
+  },
+  "gpt-5.1-chat-latest": {
+    "description": "GPT-5.1 Chat: نسخه‌ای از GPT-5.1 برای ChatGPT، مناسب برای سناریوهای گفتگو."
+  },
+  "gpt-5.1-codex": {
+    "description": "GPT-5.1 Codex: نسخه‌ای از GPT-5.1 بهینه‌سازی‌شده برای وظایف کدنویسی عامل‌محور، قابل استفاده در API پاسخ‌ها برای جریان‌های کاری پیچیده‌تر در زمینه کد و عامل‌ها."
+  },
+  "gpt-5.1-codex-mini": {
+    "description": "GPT-5.1 Codex mini: نسخه‌ای کوچک‌تر و مقرون‌به‌صرفه‌تر از Codex، بهینه‌سازی‌شده برای وظایف کدنویسی عامل‌محور."
+  },
  "gpt-audio": {
    "description": "GPT Audio مدلی عمومی برای چت با ورودی و خروجی صوتی است که از استفاده از ورودی/خروجی صوتی در API تکمیل چت پشتیبانی می‌کند."
  },
@@ -2001,13 +2043,13 @@
    "description": "سری مدل‌های Imagen نسل چهارم برای تولید تصویر از متن"
  },
  "imagen-4.0-generate-preview-06-06": {
-    "description": "سری مدل متن به تصویر نسل چهارم Imagen"
+    "description": "سری مدل‌های نسل چهارم Imagen برای تولید تصویر از متن"
  },
  "imagen-4.0-ultra-generate-001": {
    "description": "نسخهٔ اولترا از مجموعهٔ مدل‌های متن‌به‌تصویر Imagen نسل چهارم"
  },
  "imagen-4.0-ultra-generate-preview-06-06": {
-    "description": "نسخه اولترا سری مدل متن به تصویر نسل چهارم Imagen"
+    "description": "نسخه Ultra از سری مدل‌های نسل چهارم Imagen برای تولید تصویر از متن"
  },
  "inception/mercury-coder-small": {
    "description": "Mercury Coder Small انتخاب ایده‌آل برای تولید، اشکال‌زدایی و بازسازی کد با کمترین تأخیر است."
@@ -2036,14 +2078,26 @@
  "internlm3-latest": {
    "description": "سری جدیدترین مدل‌های ما با عملکرد استدلال برجسته، پیشتاز مدل‌های متن‌باز در همان سطح هستند. به طور پیش‌فرض به جدیدترین مدل‌های سری InternLM3 ما اشاره دارد."
  },
+  "internvl2.5-38b-mpo": {
+    "description": "InternVL2.5 38B MPO، مدل پیش‌آموزش چندوجهی، پشتیبانی از وظایف پیچیده استنتاج تصویر و متن."
+  },
  "internvl2.5-latest": {
    "description": "ما هنوز در حال نگهداری نسخه InternVL2.5 هستیم که دارای عملکرد عالی و پایدار است. به طور پیش‌فرض به جدیدترین مدل‌های سری InternVL2.5 ما اشاره دارد که در حال حاضر به internvl2.5-78b اشاره دارد."
  },
+  "internvl3-14b": {
+    "description": "InternVL3 14B، مدل چندوجهی با مقیاس متوسط، با تعادل بین عملکرد و هزینه."
+  },
+  "internvl3-1b": {
+    "description": "InternVL3 1B، مدل چندوجهی سبک، مناسب برای استقرار در محیط‌های با منابع محدود."
+  },
+  "internvl3-38b": {
+    "description": "InternVL3 38B، مدل بزرگ چندوجهی متن‌باز، مناسب برای وظایف درک تصویر و متن با دقت بالا."
+  },
  "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."
+    "description": "ERNIE iRAG، مدل تولید تقویت‌شده با بازیابی تصویر، پشتیبانی از جستجوی تصویری، بازیابی تصویر و متن و تولید محتوا."
  },
  "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."
@@ -2064,7 +2118,7 @@
    "description": "مدل پیش‌نمایش kimi-k2-0905 دارای طول متن ۲۵۶ هزار توکنی است و توانایی‌های قوی‌تری در برنامه‌نویسی عامل‌محور، زیبایی و کاربردی بودن کدهای فرانت‌اند و درک بهتر متن دارد."
  },
  "kimi-k2-instruct": {
-    "description": "Kimi K2 Instruct یک مدل زبان بزرگ است که توسط Moonshot AI توسعه یافته و دارای توانایی پردازش زمینه‌های بسیار طولانی می‌باشد."
+    "description": "Kimi K2 Instruct، مدل استنتاج رسمی Kimi، پشتیبانی از زمینه بلند، کدنویسی، پرسش و پاسخ و سناریوهای متنوع."
  },
  "kimi-k2-turbo-preview": {
    "description": "kimi-k2 یک مدل پایه با معماری MoE است که دارای توانمندی‌های بسیار قوی در حوزهٔ برنامه‌نویسی و عامل‌ها (Agent) می‌باشد. مجموع پارامترها 1T و پارامترهای فعال‌شده 32B است. در آزمون‌های بنچمارک در دسته‌های اصلی مانند استدلال دانش عمومی، برنامه‌نویسی، ریاضیات و Agent، عملکرد مدل K2 از سایر مدل‌های متن‌باز مرسوم پیشی گرفته است."
@@ -2174,6 +2228,9 @@
  "megrez-3b-instruct": {
    "description": "Megrez 3B Instruct یک مدل کم‌پارامتر و کارآمد است که توسط Wuwen Xinqiong ارائه شده است."
  },
+  "meituan/longcat-flash-chat": {
+    "description": "مدل پایه غیرتفکری متن‌باز Meituan که به‌طور ویژه برای تعاملات گفت‌وگویی و وظایف عامل‌ها بهینه‌سازی شده است و در فراخوانی ابزارها و سناریوهای پیچیده چندمرحله‌ای عملکرد برجسته‌ای دارد."
+  },
  "meta-llama-3-70b-instruct": {
    "description": "یک مدل قدرتمند با ۷۰ میلیارد پارامتر که در استدلال، کدنویسی و کاربردهای گسترده زبانی عملکرد برجسته‌ای دارد."
  },
@@ -2405,6 +2462,12 @@
  "minimax-m2": {
    "description": "MiniMax M2 یک مدل زبانی بزرگ و کارآمد است که به‌طور خاص برای کدنویسی و جریان‌های کاری عامل‌محور طراحی شده است."
  },
+  "minimax/minimax-m2": {
+    "description": "ویژه طراحی شده برای کدنویسی کارآمد و جریان‌های کاری عامل‌ها."
+  },
+  "minimaxai/minimax-m2": {
+    "description": "MiniMax-M2 یک مدل فشرده، سریع و مقرون‌به‌صرفه از نوع متخصصان ترکیبی (MoE) است که دارای ۲۳۰ میلیارد پارامتر کلی و ۱۰ میلیارد پارامتر فعال می‌باشد. این مدل برای ارائه عملکردی عالی در وظایف کدنویسی و عامل‌های هوشمند طراحی شده و در عین حال هوش عمومی قدرتمندی را حفظ می‌کند. این مدل در ویرایش چندفایلی، چرخه کدنویسی-اجرا-اصلاح، آزمون و تصحیح، و زنجیره ابزارهای پیچیده و طولانی عملکردی برجسته دارد و گزینه‌ای ایده‌آل برای جریان کاری توسعه‌دهندگان محسوب می‌شود."
+  },
  "ministral-3b-latest": {
    "description": "Ministral 3B مدل پیشرفته و برتر Mistral در سطح جهانی است."
  },
@@ -2735,6 +2798,54 @@
  "pro-deepseek-v3": {
    "description": "مدل اختصاصی برای خدمات سازمانی، شامل پشتیبانی از سرویس‌های هم‌زمان."
  },
+  "qianfan-70b": {
+    "description": "Qianfan 70B، یک مدل چینی با پارامترهای بزرگ، مناسب برای تولید محتوای با کیفیت بالا و وظایف استدلال پیچیده است."
+  },
+  "qianfan-8b": {
+    "description": "Qianfan 8B، یک مدل عمومی متوسط، مناسب برای تولید متن و پاسخ‌گویی با توازن بین هزینه و کارایی."
+  },
+  "qianfan-agent-intent-32k": {
+    "description": "Qianfan Agent Intent 32K، مدلی برای شناسایی نیت و سازمان‌دهی عامل‌ها، پشتیبانی از سناریوهای با زمینه طولانی."
+  },
+  "qianfan-agent-lite-8k": {
+    "description": "Qianfan Agent Lite 8K، مدل سبک‌وزن عامل، مناسب برای گفتگوهای چندمرحله‌ای کم‌هزینه و سازمان‌دهی کسب‌وکار."
+  },
+  "qianfan-agent-speed-32k": {
+    "description": "Qianfan Agent Speed 32K، مدل عامل با کنترل جریان بالا، مناسب برای کاربردهای عامل در مقیاس بزرگ و چندوظیفه‌ای."
+  },
+  "qianfan-agent-speed-8k": {
+    "description": "Qianfan Agent Speed 8K، مدل عامل با توان پاسخ‌گویی سریع و هم‌زمانی بالا، مناسب برای گفتگوهای کوتاه و متوسط."
+  },
+  "qianfan-check-vl": {
+    "description": "Qianfan Check VL، مدل بررسی و تشخیص محتوای چندرسانه‌ای، پشتیبانی از تطابق و شناسایی تصویر و متن."
+  },
+  "qianfan-composition": {
+    "description": "Qianfan Composition، مدل تولید محتوای چندرسانه‌ای، پشتیبانی از درک و تولید ترکیبی تصویر و متن."
+  },
+  "qianfan-engcard-vl": {
+    "description": "Qianfan EngCard VL، مدل شناسایی چندرسانه‌ای با تمرکز بر سناریوهای انگلیسی."
+  },
+  "qianfan-lightning-128b-a19b": {
+    "description": "Qianfan Lightning 128B A19B، مدل عمومی چینی با عملکرد بالا، مناسب برای پرسش و پاسخ پیچیده و استدلال در مقیاس بزرگ."
+  },
+  "qianfan-llama-vl-8b": {
+    "description": "Qianfan Llama VL 8B، مدل چندرسانه‌ای مبتنی بر Llama، مناسب برای وظایف عمومی درک تصویر و متن."
+  },
+  "qianfan-multipicocr": {
+    "description": "Qianfan MultiPicOCR، مدل OCR چندتصویری، پشتیبانی از شناسایی و تشخیص متن در چندین تصویر."
+  },
+  "qianfan-qi-vl": {
+    "description": "Qianfan QI VL، مدل پرسش و پاسخ چندرسانه‌ای، پشتیبانی از جستجو و پاسخ دقیق در سناریوهای پیچیده تصویر و متن."
+  },
+  "qianfan-singlepicocr": {
+    "description": "Qianfan SinglePicOCR، مدل OCR تک‌تصویری، پشتیبانی از شناسایی دقیق کاراکترها."
+  },
+  "qianfan-vl-70b": {
+    "description": "Qianfan VL 70B، مدل زبان تصویری با پارامترهای بزرگ، مناسب برای درک پیچیده تصویر و متن."
+  },
+  "qianfan-vl-8b": {
+    "description": "Qianfan VL 8B، مدل سبک زبان تصویری، مناسب برای پرسش و پاسخ روزمره و تحلیل تصویر و متن."
+  },
  "qvq-72b-preview": {
    "description": "مدل QVQ یک مدل تحقیقاتی تجربی است که توسط تیم Qwen توسعه یافته و بر بهبود توانایی استدلال بصری، به‌ویژه در زمینه استدلال ریاضی تمرکز دارد."
  },
@@ -2886,7 +2997,7 @@
    "description": "مدل 72B مقیاس بازمتن Qwen 2.5 برای استفاده عمومی."
  },
  "qwen2.5-7b-instruct": {
-    "description": "مدل 7B متن‌باز Qwen 2.5 برای استفاده عمومی."
+    "description": "Qwen2.5 7B Instruct، مدل دستورالعمل متن‌باز و بالغ، مناسب برای گفتگو و تولید در سناریوهای مختلف."
  },
  "qwen2.5-coder-1.5b-instruct": {
    "description": "نسخه متن‌باز مدل کد Qwen."
@@ -2919,13 +3030,13 @@
    "description": "مدل‌های سری Qwen-Omni از ورودی‌های چندگانه شامل ویدیو، صدا، تصویر و متن پشتیبانی می‌کنند و خروجی‌هایی به صورت صدا و متن ارائه می‌دهند."
  },
  "qwen2.5-vl-32b-instruct": {
-    "description": "سری مدل‌های Qwen2.5-VL سطح هوش، کاربردی بودن و مناسب بودن مدل را افزایش داده است تا عملکرد بهتری در مکالمات طبیعی، خلق محتوا، ارائه خدمات دانش تخصصی و توسعه کد ارائه دهد. نسخه 32B با استفاده از تکنیک‌های یادگیری تقویتی مدل را بهینه کرده است و نسبت به سایر مدل‌های سری Qwen2.5 VL، سبک خروجی مطابق با ترجیحات انسانی، توانایی استدلال در مسائل ریاضی پیچیده و درک و استدلال دقیق تصاویر را فراهم می‌کند."
+    "description": "Qwen2.5 VL 32B Instruct، مدل چندرسانه‌ای متن‌باز، مناسب برای استقرار خصوصی و کاربردهای متنوع."
  },
  "qwen2.5-vl-72b-instruct": {
    "description": "پیروی از دستورات، ریاضیات، حل مسائل، بهبود کلی کد، بهبود توانایی شناسایی همه چیز، پشتیبانی از فرمت‌های مختلف برای شناسایی دقیق عناصر بصری، پشتیبانی از درک فایل‌های ویدیویی طولانی (حداکثر 10 دقیقه) و شناسایی لحظات رویداد در سطح ثانیه، توانایی درک زمان و سرعت، بر اساس توانایی تجزیه و تحلیل و شناسایی، پشتیبانی از کنترل عامل‌های OS یا Mobile، توانایی استخراج اطلاعات کلیدی و خروجی به فرمت Json قوی، این نسخه 72B است و قوی‌ترین نسخه در این سری است."
  },
  "qwen2.5-vl-7b-instruct": {
-    "description": "پیروی از دستورات، ریاضیات، حل مسائل، بهبود کلی کد، بهبود توانایی شناسایی همه چیز، پشتیبانی از فرمت‌های مختلف برای شناسایی دقیق عناصر بصری، پشتیبانی از درک فایل‌های ویدیویی طولانی (حداکثر 10 دقیقه) و شناسایی لحظات رویداد در سطح ثانیه، توانایی درک زمان و سرعت، بر اساس توانایی تجزیه و تحلیل و شناسایی، پشتیبانی از کنترل عامل‌های OS یا Mobile، توانایی استخراج اطلاعات کلیدی و خروجی به فرمت Json قوی، این نسخه 72B است و قوی‌ترین نسخه در این سری است."
+    "description": "Qwen2.5 VL 7B Instruct، مدل سبک چندرسانه‌ای، توازن بین هزینه استقرار و توان شناسایی."
  },
  "qwen2.5-vl-instruct": {
    "description": "Qwen2.5-VL نسخه جدید مدل زبانی و بصری از خانواده مدل‌های Qwen است."
@@ -2952,46 +3063,46 @@
    "description": "Qwen3 مدل زبان نسل جدید علی‌بابا است که با عملکرد عالی، نیازهای متنوع کاربردی را پشتیبانی می‌کند."
  },
  "qwen3-0.6b": {
-    "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."
+    "description": "Qwen3 0.6B، مدل سطح ابتدایی، مناسب برای استدلال ساده و محیط‌های با منابع بسیار محدود."
  },
  "qwen3-1.7b": {
-    "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."
+    "description": "Qwen3 1.7B، مدل فوق‌سبک، مناسب برای استقرار در لبه و دستگاه‌های نهایی."
  },
  "qwen3-14b": {
-    "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."
+    "description": "Qwen3 14B، مدل متوسط، مناسب برای پرسش و پاسخ چندزبانه و تولید متن."
  },
  "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."
+    "description": "Qwen3 235B A22B، مدل بزرگ عمومی، مناسب برای وظایف پیچیده گوناگون."
  },
  "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."
+    "description": "Qwen3 235B A22B Instruct 2507، مدل دستورالعمل پرچم‌دار عمومی، مناسب برای تولید و استدلال در وظایف مختلف."
  },
  "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."
+    "description": "Qwen3 235B A22B Thinking 2507، مدل تفکر در مقیاس بسیار بزرگ، مناسب برای استدلال‌های دشوار."
  },
  "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."
+    "description": "Qwen3 30B A3B، مدل عمومی متوسط تا بزرگ، توازن بین هزینه و کارایی."
  },
  "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."
+    "description": "Qwen3 30B A3B Instruct 2507، مدل دستورالعمل متوسط تا بزرگ، مناسب برای تولید با کیفیت و پرسش و پاسخ."
  },
  "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."
+    "description": "Qwen3 30B A3B Thinking 2507، مدل تفکر متوسط تا بزرگ، توازن بین دقت و هزینه."
  },
  "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."
+    "description": "Qwen3 32B، مناسب برای وظایف عمومی که نیاز به درک قوی‌تری دارند."
  },
  "qwen3-4b": {
-    "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."
+    "description": "Qwen3 4B، مناسب برای کاربردهای کوچک تا متوسط و سناریوهای استدلال محلی."
  },
  "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."
+    "description": "Qwen3 8B، مدل سبک، با استقرار انعطاف‌پذیر، مناسب برای کاربردهای با هم‌زمانی بالا."
  },
  "qwen3-coder-30b-a3b-instruct": {
    "description": "نسخه متن‌باز مدل کدنویسی Qwen. مدل جدید qwen3-coder-30b-a3b-instruct بر پایه Qwen3 ساخته شده و دارای توانایی‌های قدرتمند در نقش عامل کدنویس (Coding Agent) است. این مدل در فراخوانی ابزارها و تعامل با محیط مهارت دارد و ضمن حفظ توانایی‌های عمومی، قابلیت برنامه‌نویسی خودکار و تولید کد پیشرفته را ارائه می‌دهد."
  },
  "qwen3-coder-480b-a35b-instruct": {
-    "description": "نسخه متن‌باز مدل کدنویسی Tongyi Qianwen. جدیدترین مدل qwen3-coder-480b-a35b-instruct مبتنی بر Qwen3 است و دارای توانایی‌های قوی عامل کدنویسی، مهارت در فراخوانی ابزارها و تعامل با محیط است و قادر به برنامه‌نویسی خودکار با توانایی کدنویسی برجسته و همچنین توانایی‌های عمومی است."
+    "description": "Qwen3 Coder 480B A35B Instruct، مدل پرچم‌دار کدنویسی، پشتیبانی از برنامه‌نویسی چندزبانه و درک کد پیچیده."
  },
  "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."
@@ -3005,32 +3116,41 @@
  "qwen3-max": {
    "description": "مدل سری Qwen3-Max از Tongyi Qianwen 3 که نسبت به سری 2.5 به طور کلی توانایی‌های عمومی بهبود یافته‌ای دارد؛ شامل درک متن دو زبانه چینی و انگلیسی، پیروی از دستورالعمل‌های پیچیده، توانایی انجام وظایف باز و ذهنی، پشتیبانی چندزبانه و فراخوانی ابزارها که همه به طور قابل توجهی تقویت شده‌اند؛ خطاهای دانش مدل نیز کاهش یافته است. جدیدترین مدل Qwen3-Max نسبت به نسخه پیش‌نمایش Qwen3-Max در زمینه برنامه‌نویسی هوشمند و فراخوانی ابزارها به‌روزرسانی‌های ویژه‌ای داشته است. نسخه رسمی منتشر شده به سطح SOTA حوزه رسیده و برای نیازهای پیچیده‌تر هوش مصنوعی تطبیق یافته است."
  },
+  "qwen3-max-preview": {
+    "description": "بهترین مدل در سری Qwen، مناسب برای وظایف پیچیده و چندمرحله‌ای. نسخه پیش‌نمایش اکنون از قابلیت تفکر پشتیبانی می‌کند."
+  },
  "qwen3-next-80b-a3b-instruct": {
    "description": "مدل متن‌باز نسل جدید بدون حالت تفکر مبتنی بر Qwen3، که نسبت به نسخه قبلی (Tongyi Qianwen 3-235B-A22B-Instruct-2507) در درک متن‌های چینی بهتر است، توانایی استدلال منطقی بهبود یافته و عملکرد بهتری در وظایف تولید متن دارد."
  },
  "qwen3-next-80b-a3b-thinking": {
-    "description": "مدل متن‌باز نسل جدید با حالت تفکر مبتنی بر Qwen3، که نسبت به نسخه قبلی (Tongyi Qianwen 3-235B-A22B-Thinking-2507) در پیروی از دستورات پیشرفت داشته و پاسخ‌های مدل خلاصه‌تر شده‌اند."
+    "description": "Qwen3 Next 80B A3B Thinking، نسخه پرچم‌دار مدل استدلال برای وظایف پیچیده."
  },
  "qwen3-omni-flash": {
    "description": "مدل Qwen-Omni قادر است ورودی‌هایی از انواع مختلف مانند متن، تصویر، صدا و ویدیو را دریافت کرده و پاسخ‌هایی به صورت متن یا گفتار تولید کند. این مدل از صداهای شبه‌انسانی متنوع، چندزبانگی و گویش‌های مختلف پشتیبانی می‌کند و در کاربردهایی مانند تولید محتوا، تشخیص بصری و دستیار صوتی قابل استفاده است."
  },
  "qwen3-vl-235b-a22b-instruct": {
-    "description": "Qwen3 VL 235B A22B در حالت غیرتفکری (Instruct) طراحی شده و برای سناریوهای دستورالعملی بدون نیاز به استدلال مناسب است، در حالی که توانایی قوی در درک بصری را حفظ می‌کند."
+    "description": "Qwen3 VL 235B A22B Instruct، مدل چندرسانه‌ای پرچم‌دار، مناسب برای درک و تولید در سناریوهای با نیاز بالا."
  },
  "qwen3-vl-235b-a22b-thinking": {
-    "description": "Qwen3 VL 235B A22B در حالت تفکری (نسخه متن‌باز) برای سناریوهای پیچیده با نیاز به استدلال قوی و درک ویدیوهای طولانی طراحی شده و توانایی استدلال ترکیبی متن و تصویر در سطح بالا را ارائه می‌دهد."
+    "description": "Qwen3 VL 235B A22B Thinking، نسخه تفکر پرچم‌دار، برای استدلال و برنامه‌ریزی چندرسانه‌ای پیچیده."
  },
  "qwen3-vl-30b-a3b-instruct": {
-    "description": "Qwen3 VL 30B در حالت غیرتفکری (Instruct) برای سناریوهای معمول پیروی از دستورالعمل طراحی شده و توانایی درک و تولید چندرسانه‌ای بالایی را حفظ می‌کند."
+    "description": "Qwen3 VL 30B A3B Instruct، مدل بزرگ چندرسانه‌ای، توازن بین دقت و عملکرد استدلال."
  },
  "qwen3-vl-30b-a3b-thinking": {
-    "description": "Qwen-VL (نسخه متن‌باز) توانایی درک بصری و تولید متن را ارائه می‌دهد و از تعامل با عامل‌ها، رمزگذاری بصری، درک فضایی، تحلیل ویدیوهای طولانی و تفکر عمیق پشتیبانی می‌کند. همچنین در سناریوهای پیچیده، توانایی تشخیص متن و پشتیبانی چندزبانه قوی‌تری دارد."
+    "description": "Qwen3 VL 30B A3B Thinking، نسخه تفکر برای وظایف پیچیده چندرسانه‌ای."
+  },
+  "qwen3-vl-32b-instruct": {
+    "description": "Qwen3 VL 32B Instruct، مدل دستورالعمل چندرسانه‌ای، مناسب برای پرسش و پاسخ تصویری با کیفیت و تولید محتوا."
+  },
+  "qwen3-vl-32b-thinking": {
+    "description": "Qwen3 VL 32B Thinking، نسخه تفکر چندرسانه‌ای، تقویت‌شده برای استدلال پیچیده و تحلیل زنجیره‌ای طولانی."
  },
  "qwen3-vl-8b-instruct": {
-    "description": "Qwen3 VL 8B در حالت غیرتفکری (Instruct) برای وظایف معمول تولید و شناسایی چندرسانه‌ای مناسب است."
+    "description": "Qwen3 VL 8B Instruct، مدل سبک چندرسانه‌ای، مناسب برای پرسش و پاسخ تصویری روزمره و یکپارچه‌سازی در برنامه‌ها."
  },
  "qwen3-vl-8b-thinking": {
-    "description": "Qwen3 VL 8B در حالت تفکری برای سناریوهای سبک استدلال چندرسانه‌ای و تعامل طراحی شده و توانایی درک متون با زمینه طولانی را حفظ می‌کند."
+    "description": "Qwen3 VL 8B Thinking، مدل زنجیره تفکر چندرسانه‌ای، مناسب برای استدلال دقیق بر اساس اطلاعات تصویری."
  },
  "qwen3-vl-flash": {
    "description": "Qwen3 VL Flash نسخه‌ای سبک و با سرعت بالای استدلال است که برای سناریوهای حساس به تأخیر یا درخواست‌های حجیم مناسب می‌باشد."
@@ -3263,6 +3383,12 @@
  "wizardlm2:8x22b": {
    "description": "WizardLM 2 یک مدل زبانی ارائه شده توسط مایکروسافت AI است که در زمینه‌های مکالمات پیچیده، چندزبانه، استدلال و دستیارهای هوشمند عملکرد برجسته‌ای دارد."
  },
+  "x-ai/grok-4-fast": {
+    "description": "ما با خوشحالی Grok 4 Fast را معرفی می‌کنیم، جدیدترین پیشرفت ما در زمینه مدل‌های استنتاجی مقرون‌به‌صرفه."
+  },
+  "x-ai/grok-code-fast-1": {
+    "description": "ما با افتخار grok-code-fast-1 را معرفی می‌کنیم، مدلی سریع و اقتصادی برای استنتاج که در کدنویسی عامل‌ها عملکردی عالی دارد."
+  },
  "x1": {
    "description": "مدل Spark X1 به‌زودی ارتقا خواهد یافت و در زمینه وظایف ریاضی که در کشور پیشرو است، عملکردهای استدلال، تولید متن و درک زبان را با OpenAI o1 و DeepSeek R1 مقایسه خواهد کرد."
  },
@@ -3323,6 +3449,9 @@
  "yi-vision-v2": {
    "description": "مدل‌های پیچیده بصری که قابلیت‌های درک و تحلیل با عملکرد بالا را بر اساس چندین تصویر ارائه می‌دهند."
  },
+  "z-ai/glm-4.6": {
+    "description": "جدیدترین مدل پرچم‌دار Zhipu به نام GLM-4.6 که در کدنویسی پیشرفته، پردازش متون طولانی، استنتاج و توانایی‌های عامل‌ها به‌طور کامل از نسل قبلی پیشی گرفته است."
+  },
  "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."
  },
@@ -236,6 +236,8 @@
  },
  "inspector": {
    "args": "مشاهده لیست پارامترها",
+    "delete": "حذف فراخوانی ابزار",
+    "orphanedToolCall": "این پیام فراخوانی ابزار ممکن است به دلایل غیرعادی به یک پیام یتیم تبدیل شده باشد که می‌تواند عملکرد عادی عامل را مختل کند. لطفاً آن را حذف کنید.",
    "pluginRender": "مشاهده رابط افزونه"
  },
  "list": {
@@ -251,14 +253,20 @@
  },
  "localSystem": {
    "apiName": {
+      "editLocalFile": "ویرایش فایل",
+      "getCommandOutput": "دریافت خروجی کد",
+      "globLocalFiles": "جستجوی فایل‌ها با الگو",
+      "grepContent": "جستجوی محتوا",
+      "killCommand": "متوقف کردن اجرای کد",
      "listLocalFiles": "مشاهده لیست فایل‌ها",
      "moveLocalFiles": "جابجایی فایل‌ها",
      "readLocalFile": "خواندن محتوای فایل",
      "renameLocalFile": "تغییر نام",
+      "runCommand": "اجرای کد",
      "searchLocalFiles": "جستجوی فایل‌ها",
      "writeLocalFile": "نوشتن در فایل"
    },
-    "title": "فایل‌های محلی"
+    "title": "سیستم محلی"
  },
  "mcpInstall": {
    "CHECKING_INSTALLATION": "در حال بررسی محیط نصب...",
@@ -15,8 +15,22 @@
    "prompt": "کلمات کلیدی"
  },
  "localFiles": {
+    "editFile": {
+      "newString": "جایگزین با",
+      "oldString": "یافتن محتوا",
+      "replaceAll": "جایگزینی تمام موارد",
+      "replaceFirst": "فقط اولین مورد را جایگزین کن"
+    },
    "file": "فایل",
    "folder": "پوشه",
+    "moveFiles": {
+      "itemsMoved": "{{count}} مورد منتقل شد:",
+      "itemsMoved_one": "{{count}} مورد منتقل شد:",
+      "itemsMoved_other": "{{count}} مورد منتقل شد:",
+      "itemsToMove": "{{count}} مورد برای انتقال:",
+      "itemsToMove_one": "{{count}} مورد برای انتقال:",
+      "itemsToMove_other": "{{count}} مورد برای انتقال:"
+    },
    "open": "باز کردن",
    "openFile": "باز کردن فایل",
    "openFolder": "باز کردن پوشه",
@@ -26,7 +40,12 @@
    "readFile": "خواندن فایل",
    "readFileError": "خطا در خواندن فایل، لطفاً مسیر فایل را بررسی کنید",
    "readFiles": "خواندن فایل‌ها",
-    "readFilesError": "خطا در خواندن فایل‌ها، لطفاً مسیر فایل‌ها را بررسی کنید"
+    "readFilesError": "خطا در خواندن فایل‌ها، لطفاً مسیر فایل‌ها را بررسی کنید",
+    "writeFile": {
+      "characters": "کاراکتر",
+      "preview": "پیش‌نمایش محتوا",
+      "truncated": "بریده شده"
+    }
  },
  "search": {
    "createNewSearch": "ایجاد جستجوی جدید",
@@ -6,6 +6,7 @@
    "confirmRemoveUnstarred": "در حال حذف موضوعات بدون علامت، پس از حذف قابل بازیابی نخواهد بود، لطفاً با احتیاط عمل کنید.",
    "duplicate": "ایجاد نسخه",
    "export": "صادرات موضوع",
+    "openInNewWindow": "باز کردن صفحه در پنجره‌ای جدید",
    "removeAll": "حذف تمام موضوعات",
    "removeUnstarred": "حذف موضوعات بدون علامت"
  },
@@ -17,6 +17,7 @@
  "availableAgents": "Assistants disponibles",
  "backToBottom": "Retour en bas",
  "chatList": {
+    "expandMessage": "Développer le message",
    "longMessageDetail": "Voir les détails"
  },
  "clearCurrentMessages": "Effacer les messages actuels",
@@ -173,9 +174,11 @@
    "title": "Mentionner un membre"
  },
  "messageAction": {
+    "collapse": "Réduire le message",
    "continueGeneration": "Continuer la génération",
    "delAndRegenerate": "Supprimer et régénérer",
    "deleteDisabledByThreads": "Il existe des sous-sujets, la suppression n'est pas possible.",
+    "expand": "Développer le message",
    "regenerate": "Régénérer"
  },
  "messages": {
@@ -240,6 +243,7 @@
  "noMatchingAgents": "Aucun membre correspondant trouvé",
  "noMembersYet": "Ce groupe n'a pas encore de membres. Cliquez sur le bouton + pour inviter des assistants.",
  "noSelectedAgents": "Aucun membre sélectionné",
+  "openInNewWindow": "Ouvrir dans une nouvelle fenêtre",
  "owner": "Propriétaire du groupe",
  "pin": "Épingler",
  "pinOff": "Désépingler",
@@ -326,6 +330,11 @@
    "screenshot": "Capture d'écran",
    "settings": "Paramètres d'exportation",
    "text": "Texte",
+    "widthMode": {
+      "label": "Mode de largeur",
+      "narrow": "Mode écran étroit",
+      "wide": "Mode écran large"
+    },
    "withBackground": "Avec image de fond",
    "withFooter": "Avec pied de page",
    "withPluginInfo": "Avec informations sur le plugin",
@@ -368,6 +377,28 @@
    "remained": "Restant",
    "used": "Utilisé"
  },
+  "tool": {
+    "intervention": {
+      "approve": "Approuver",
+      "approveAndRemember": "Approuver et mémoriser",
+      "approveOnce": "Approuver une seule fois",
+      "mode": {
+        "allowList": "Liste blanche",
+        "allowListDesc": "Exécuter automatiquement uniquement les outils approuvés",
+        "autoRun": "Exécution automatique",
+        "autoRunDesc": "Approuver automatiquement l'exécution de tous les outils",
+        "manual": "Manuel",
+        "manualDesc": "Chaque appel nécessite une approbation manuelle"
+      },
+      "reject": "Rejeter",
+      "rejectAndContinue": "Rejeter et réessayer",
+      "rejectOnly": "Rejeter",
+      "rejectReasonPlaceholder": "Saisir une raison de rejet aidera l'agent à comprendre et à améliorer ses actions futures",
+      "rejectTitle": "Rejeter cet appel d'outil",
+      "rejectedWithReason": "Cet appel d'outil a été rejeté volontairement : {{reason}}",
+      "toolRejected": "Cet appel d'outil a été rejeté volontairement"
+    }
+  },
  "topic": {
    "checkOpenNewTopic": "Voulez-vous ouvrir un nouveau sujet ?",
    "checkSaveCurrentMessages": "Voulez-vous enregistrer la conversation actuelle en tant que sujet ?",
@@ -135,6 +135,7 @@
    }
  },
  "close": "Fermer",
+  "confirm": "Confirmer",
  "contact": "Nous contacter",
  "copy": "Copier",
  "copyFail": "Échec de la copie",
@@ -285,6 +286,7 @@
  "oauth": "Connexion SSO",
  "officialSite": "Site officiel",
  "ok": "OK",
+  "or": "ou",
  "password": "Mot de passe",
  "pin": "Épingler",
  "pinOff": "Désactiver l'épinglage",
@@ -106,6 +106,12 @@
    "keyPlaceholder": "Clé",
    "valuePlaceholder": "Valeur"
  },
+  "LocalFile": {
+    "action": {
+      "open": "Ouvrir",
+      "showInFolder": "Afficher dans le dossier"
+    }
+  },
  "MaxTokenSlider": {
    "unlimited": "Illimité"
  },
@@ -102,7 +102,7 @@
      "SPII": "Votre contenu peut contenir des informations personnelles sensibles. Pour protéger la vie privée, veuillez retirer ces informations sensibles puis réessayer.",
      "default": "Contenu bloqué : {{blockReason}}. Veuillez modifier votre demande et réessayer."
    },
-    "InsufficientQuota": "Désolé, le quota de cette clé a atteint sa limite. Veuillez vérifier si le solde de votre compte est suffisant ou augmenter le quota de la clé avant de réessayer.",
+    "InsufficientQuota": "Désolé, le quota associé à cette clé a été atteint. Veuillez vérifier si le solde de votre compte est suffisant ou augmenter le quota de la clé avant de réessayer.",
    "InvalidAccessCode": "Le mot de passe est incorrect ou vide. Veuillez saisir le mot de passe d'accès correct ou ajouter une clé API personnalisée.",
    "InvalidBedrockCredentials": "L'authentification Bedrock a échoué, veuillez vérifier AccessKeyId/SecretAccessKey et réessayer",
    "InvalidClerkUser": "Désolé, vous n'êtes pas actuellement connecté. Veuillez vous connecter ou vous inscrire avant de continuer.",
@@ -131,7 +131,7 @@
    "PluginServerError": "Erreur de réponse du serveur du plugin. Veuillez vérifier le fichier de description du plugin, la configuration du plugin ou la mise en œuvre côté serveur en fonction des informations d'erreur ci-dessous",
    "PluginSettingsInvalid": "Ce plugin doit être correctement configuré avant de pouvoir être utilisé. Veuillez vérifier votre configuration",
    "ProviderBizError": "Erreur de service {{provider}}. Veuillez vérifier les informations suivantes ou réessayer.",
-    "QuotaLimitReached": "Désolé, l'utilisation actuelle des tokens ou le nombre de requêtes a atteint la limite de quota de cette clé. Veuillez augmenter le quota de cette clé ou réessayer plus tard.",
+    "QuotaLimitReached": "Désolé, la consommation de jetons ou le nombre de requêtes a atteint la limite de quota de cette clé. Veuillez augmenter le quota de la clé ou réessayer plus tard.",
    "StreamChunkError": "Erreur de parsing du bloc de message de la requête en streaming. Veuillez vérifier si l'API actuelle respecte les normes ou contacter votre fournisseur d'API pour des conseils.",
    "SubscriptionKeyMismatch": "Nous sommes désolés, en raison d'une défaillance système occasionnelle, l'utilisation actuelle de l'abonnement est temporairement inactive. Veuillez cliquer sur le bouton ci-dessous pour rétablir votre abonnement ou nous contacter par e-mail pour obtenir de l'aide.",
    "SubscriptionPlanLimit": "Votre quota d'abonnement est épuisé, vous ne pouvez pas utiliser cette fonctionnalité. Veuillez passer à un plan supérieur ou configurer l'API du modèle personnalisé pour continuer à l'utiliser.",
@@ -1,5 +1,8 @@
 {
-  "desc": "Gérez vos connaissances",
+  "addFolder": "Créer un dossier",
+  "addKnowledge": "Ajouter des connaissances",
+  "addPage": "Créer un document",
+  "desc": "Gérez vos connaissances liées au travail, aux études et à la vie quotidienne.",
  "detail": {
    "basic": {
      "createdAt": "Date de création",
@@ -21,15 +24,89 @@
      "embeddingStatus": "Vectorisation"
    }
  },
+  "documentEditor": {
+    "addIcon": "Ajouter une icône",
+    "autoSaveMessage": "Le document est enregistré automatiquement, aucune action manuelle requise",
+    "chooseIcon": "Choisir une icône",
+    "deleteConfirm": {
+      "content": "Ce document va être supprimé. Cette action est irréversible, veuillez procéder avec prudence.",
+      "title": "Supprimer le document"
+    },
+    "deleteError": "Échec de la suppression du document",
+    "deleteSuccess": "Document supprimé avec succès",
+    "editedAt": "Dernière modification le {{time}}",
+    "editedBy": "Dernière modification par {{name}}",
+    "editorPlaceholder": "Saisissez le contenu du document, appuyez sur / pour ouvrir le menu de commandes",
+    "empty": {
+      "createNewDocument": "Créer un nouveau document",
+      "title": "Sélectionnez un document pour commencer",
+      "uploadMarkdown": "Téléverser un fichier Markdown"
+    },
+    "linkCopied": "Lien copié",
+    "menu": {
+      "copyLink": "Copier le lien",
+      "exportDocument": "Exporter le document",
+      "importDocument": "Importer un document",
+      "pin": "Épingler le document"
+    },
+    "saving": "Enregistrement en cours...",
+    "titlePlaceholder": "Sans titre",
+    "wordCount": "{{wordCount}} mots"
+  },
+  "documentList": {
+    "copyContent": "Copier tout le contenu",
+    "documentCount": "{{count}} documents au total",
+    "duplicate": "Créer une copie",
+    "empty": "Aucun document pour le moment, cliquez sur le bouton ci-dessus pour créer votre premier document",
+    "noResults": "Aucun document correspondant trouvé",
+    "selectNote": "Sélectionnez un document pour commencer l’édition",
+    "untitled": "Sans titre"
+  },
  "empty": "Aucun fichier/dossier téléchargé pour le moment",
  "header": {
    "actions": {
      "newFolder": "Nouveau dossier",
+      "newPage": "Nouveau document",
      "uploadFile": "Télécharger un fichier",
      "uploadFolder": "Télécharger un dossier"
    },
+    "newDocumentButton": "Nouveau document",
+    "newNoteDialog": {
+      "cancel": "Annuler",
+      "editTitle": "Modifier le document",
+      "emptyContent": "Le contenu du document ne peut pas être vide",
+      "loadError": "Échec du chargement du document, veuillez réessayer",
+      "loading": "Chargement...",
+      "save": "Enregistrer",
+      "saveError": "Échec de l’enregistrement du document, veuillez réessayer",
+      "saveSuccess": "Document enregistré avec succès",
+      "title": "Nouveau document",
+      "updateSuccess": "Document mis à jour avec succès"
+    },
    "uploadButton": "Télécharger"
  },
+  "home": {
+    "getStarted": "Commencer",
+    "greeting": "Commencer",
+    "quickActions": "Actions rapides",
+    "recentDocuments": "Documents récents",
+    "recentFiles": "Fichiers récents",
+    "subtitle": "Bienvenue dans votre base de connaissances, commencez ici à gérer vos documents",
+    "uploadEntries": {
+      "files": {
+        "title": "Téléverser des fichiers"
+      },
+      "folder": {
+        "title": "Téléverser un dossier"
+      },
+      "knowledgeBase": {
+        "title": "Créer une base de connaissances"
+      },
+      "newDocument": {
+        "title": "Nouveau document"
+      }
+    }
+  },
  "knowledgeBase": {
    "list": {
      "confirmRemoveKnowledgeBase": "Vous allez supprimer cette base de connaissances. Les fichiers ne seront pas supprimés, mais déplacés dans tous les fichiers. La suppression de la base de connaissances est irréversible, veuillez agir avec prudence.",
@@ -38,6 +115,10 @@
    "new": "Nouvelle base de connaissances",
    "title": "Base de connaissances"
  },
+  "menu": {
+    "allDocuments": "Tous les documents",
+    "allFiles": "Tous les fichiers"
+  },
  "networkError": "Échec de l'accès à la base de connaissances, veuillez vérifier votre connexion réseau et réessayer",
  "notSupportGuide": {
    "desc": "L'instance déployée actuellement est en mode base de données client, la fonction de gestion des fichiers n'est pas disponible. Veuillez passer en <1>mode de déploiement de base de données serveur</1>, ou utilisez directement <3>LobeChat Cloud</3>",
@@ -61,12 +142,16 @@
    "downloadFile": "Télécharger le fichier",
    "unsupportedFileAndContact": "Ce format de fichier n'est pas encore pris en charge pour l'aperçu en ligne. Si vous souhaitez un aperçu, n'hésitez pas à <1>nous contacter</1>."
  },
+  "searchDocumentPlaceholder": "Rechercher un document",
  "searchFilePlaceholder": "Rechercher un fichier",
  "tab": {
-    "all": "Tous les fichiers",
+    "all": "Tout",
    "audios": "Audio",
    "documents": "Documents",
+    "home": "Accueil",
    "images": "Images",
+    "moreTypes": "Plus de types",
+    "pages": "Documents",
    "videos": "Vidéos",
    "websites": "Sites web"
  },
@@ -295,7 +295,7 @@
      },
      "helpDoc": "Guide de configuration",
      "responsesApi": {
-        "desc": "Utilise la nouvelle norme de format de requête d'OpenAI, débloquant des fonctionnalités avancées telles que les chaînes de pensée",
+        "desc": "Adopte le nouveau format de requête de dernière génération d'OpenAI, permettant de débloquer des fonctionnalités avancées telles que la chaîne de pensée (pris en charge uniquement par les modèles OpenAI)",
        "title": "Utiliser la norme Responses API"
      },
      "waitingForMore": "D'autres modèles sont en <1>planification d'intégration</1>, restez à l'écoute"
@@ -236,6 +236,9 @@
  "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."
  },
+  "MiniMaxAI/MiniMax-M2": {
+    "description": "MiniMax-M2 redéfinit l'efficacité pour les agents intelligents. Il s'agit d'un modèle MoE compact, rapide et économique, doté de 230 milliards de paramètres totaux et de 10 milliards de paramètres actifs, conçu pour offrir des performances de pointe dans les tâches de codage et d'agents, tout en conservant une intelligence générale puissante. Avec seulement 10 milliards de paramètres actifs, MiniMax-M2 offre des performances comparables à celles des modèles de grande taille, ce qui en fait un choix idéal pour les applications à haute efficacité."
+  },
  "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."
  },
@@ -1049,6 +1052,9 @@
  "deepseek-r1-0528": {
    "description": "Modèle complet de 685 milliards de paramètres, publié le 28 mai 2025. DeepSeek-R1 utilise massivement l'apprentissage par renforcement en phase post-entraînement, améliorant considérablement les capacités de raisonnement du modèle avec très peu de données annotées. Il excelle en mathématiques, codage, raisonnement en langage naturel et autres tâches complexes."
  },
+  "deepseek-r1-250528": {
+    "description": "DeepSeek R1 250528, version complète du modèle d'inférence DeepSeek-R1, idéal pour les tâches complexes en mathématiques et en logique."
+  },
  "deepseek-r1-70b-fast-online": {
    "description": "DeepSeek R1 70B version rapide, prenant en charge la recherche en ligne en temps réel, offrant une vitesse de réponse plus rapide tout en maintenant les performances du modèle."
  },
@@ -1059,31 +1065,34 @@
    "description": "deepseek-r1-distill-llama est un modèle dérivé par distillation de DeepSeek-R1 à partir de Llama."
  },
  "deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek R1 — le modèle plus grand et plus intelligent de la suite DeepSeek — a été distillé dans l'architecture Llama 70B. Basé sur des tests de référence et des évaluations humaines, ce modèle est plus intelligent que le Llama 70B d'origine, en particulier dans les tâches nécessitant précision mathématique et factuelle."
+    "description": "DeepSeek R1 Distill Llama 70B, modèle distillé combinant les capacités d'inférence R1 avec l'écosystème Llama."
  },
  "deepseek-r1-distill-llama-8b": {
-    "description": "Le modèle de la série DeepSeek-R1-Distill est obtenu par la technique de distillation des connaissances, en ajustant les échantillons générés par DeepSeek-R1 sur des modèles open source tels que Qwen et Llama."
+    "description": "DeepSeek-R1-Distill-Llama-8B est un grand modèle de langage distillé basé sur Llama-3.1-8B, utilisant les sorties de DeepSeek R1."
+  },
+  "deepseek-r1-distill-qianfan-70b": {
+    "description": "DeepSeek R1 Distill Qianfan 70B, modèle distillé R1 basé sur Qianfan-70B, offrant un excellent rapport qualité-prix."
+  },
+  "deepseek-r1-distill-qianfan-8b": {
+    "description": "DeepSeek R1 Distill Qianfan 8B, modèle distillé R1 basé sur Qianfan-8B, adapté aux applications de taille moyenne à petite."
  },
  "deepseek-r1-distill-qianfan-llama-70b": {
-    "description": "Publié pour la première fois le 14 février 2025, distillé par l'équipe de développement du modèle Qianfan à partir du modèle de base Llama3_70B (construit avec Meta Llama), avec des données de distillation ajoutées provenant des corpus de Qianfan."
-  },
-  "deepseek-r1-distill-qianfan-llama-8b": {
-    "description": "Publié pour la première fois le 14 février 2025, distillé par l'équipe de développement du modèle Qianfan à partir du modèle de base Llama3_8B (construit avec Meta Llama), avec des données de distillation ajoutées provenant des corpus de Qianfan."
+    "description": "DeepSeek R1 Distill Qianfan Llama 70B, modèle distillé R1 basé sur Llama-70B."
  },
  "deepseek-r1-distill-qwen": {
    "description": "deepseek-r1-distill-qwen est un modèle dérivé par distillation de Qwen à partir de DeepSeek-R1."
  },
  "deepseek-r1-distill-qwen-1.5b": {
-    "description": "Le modèle de la série DeepSeek-R1-Distill est obtenu par la technique de distillation des connaissances, en ajustant les échantillons générés par DeepSeek-R1 sur des modèles open source tels que Qwen et Llama."
+    "description": "DeepSeek R1 Distill Qwen 1.5B, modèle distillé R1 ultra-léger, conçu pour les environnements à très faibles ressources."
  },
  "deepseek-r1-distill-qwen-14b": {
-    "description": "Le modèle de la série DeepSeek-R1-Distill est obtenu par la technique de distillation des connaissances, en ajustant les échantillons générés par DeepSeek-R1 sur des modèles open source tels que Qwen et Llama."
+    "description": "DeepSeek R1 Distill Qwen 14B, modèle distillé R1 de taille moyenne, adapté à un déploiement multi-scénarios."
  },
  "deepseek-r1-distill-qwen-32b": {
-    "description": "Le modèle de la série DeepSeek-R1-Distill est obtenu par la technique de distillation des connaissances, en ajustant les échantillons générés par DeepSeek-R1 sur des modèles open source tels que Qwen et Llama."
+    "description": "DeepSeek R1 Distill Qwen 32B, modèle distillé R1 basé sur Qwen-32B, équilibrant performance et coût."
  },
  "deepseek-r1-distill-qwen-7b": {
-    "description": "Le modèle de la série DeepSeek-R1-Distill est obtenu par la technique de distillation des connaissances, en ajustant les échantillons générés par DeepSeek-R1 sur des modèles open source tels que Qwen et Llama."
+    "description": "DeepSeek R1 Distill Qwen 7B, modèle distillé R1 léger, idéal pour les environnements en périphérie ou privés d'entreprise."
  },
  "deepseek-r1-fast-online": {
    "description": "DeepSeek R1 version rapide complète, prenant en charge la recherche en ligne en temps réel, combinant la puissance des 671B de paramètres avec une vitesse de réponse plus rapide."
@@ -1112,12 +1121,24 @@
  "deepseek-v3.1-terminus": {
    "description": "DeepSeek-V3.1-Terminus est une version optimisée pour terminaux du grand modèle linguistique lancé par DeepSeek, spécialement conçu pour les appareils terminaux."
  },
+  "deepseek-v3.1-think-250821": {
+    "description": "DeepSeek V3.1 Think 250821, modèle de réflexion avancée correspondant à la version Terminus, conçu pour des scénarios d'inférence haute performance."
+  },
  "deepseek-v3.1:671b": {
    "description": "DeepSeek V3.1 : modèle de raisonnement de nouvelle génération, améliorant les capacités de raisonnement complexe et de réflexion en chaîne, adapté aux tâches nécessitant une analyse approfondie."
  },
  "deepseek-v3.2-exp": {
    "description": "deepseek-v3.2-exp introduit un mécanisme d'attention parcimonieuse, visant à améliorer l'efficacité de l'entraînement et de l'inférence lors du traitement de longs textes, à un prix inférieur à celui de deepseek-v3.1."
  },
+  "deepseek-v3.2-think": {
+    "description": "DeepSeek V3.2 Think, version complète du modèle de réflexion avancée, renforçant les capacités de raisonnement à long terme."
+  },
+  "deepseek-vl2": {
+    "description": "DeepSeek VL2, modèle multimodal prenant en charge la compréhension image-texte et les questions-réponses visuelles fines."
+  },
+  "deepseek-vl2-small": {
+    "description": "DeepSeek VL2 Small, version multimodale légère, adaptée aux environnements à ressources limitées et aux scénarios à forte concurrence."
+  },
  "deepseek/deepseek-chat-v3-0324": {
    "description": "DeepSeek V3 est un modèle hybride d'experts avec 685B de paramètres, représentant la dernière itération de la série de modèles de chat phare de l'équipe DeepSeek.\n\nIl hérite du modèle [DeepSeek V3](/deepseek/deepseek-chat-v3) et excelle dans diverses tâches."
  },
@@ -1137,7 +1158,7 @@
    "description": "DeepSeek-R1 améliore considérablement les capacités de raisonnement du modèle avec très peu de données annotées. Avant de fournir la réponse finale, le modèle génère une chaîne de pensée pour améliorer la précision de la réponse."
  },
  "deepseek/deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek-R1-Distill-Llama-70B est une variante distillée et plus efficace du modèle Llama 70B. Il conserve de solides performances en génération de texte tout en réduisant les coûts de calcul pour faciliter le déploiement et la recherche. Il est servi par Groq avec son matériel personnalisé LPU pour un raisonnement rapide et efficace."
+    "description": "DeepSeek R1 Distill Llama 70B est un grand modèle de langage basé sur Llama3.3 70B. Grâce au fine-tuning réalisé à partir des sorties de DeepSeek R1, il atteint des performances compétitives comparables à celles des modèles de pointe de grande envergure."
  },
  "deepseek/deepseek-r1-distill-llama-8b": {
    "description": "DeepSeek R1 Distill Llama 8B est un modèle de langage distillé basé sur Llama-3.1-8B-Instruct, entraîné en utilisant les sorties de DeepSeek R1."
@@ -1253,83 +1274,89 @@
  "emohaa": {
    "description": "Emohaa est un modèle psychologique, doté de compétences de conseil professionnel, aidant les utilisateurs à comprendre les problèmes émotionnels."
  },
-  "ernie-3.5-128k": {
-    "description": "Le modèle de langage de grande taille phare 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 questions-réponses, de génération créative et d'applications de plugins ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse."
-  },
-  "ernie-3.5-8k": {
-    "description": "Le modèle de langage de grande taille phare 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 questions-réponses, de génération créative et d'applications de plugins ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse."
-  },
-  "ernie-3.5-8k-preview": {
-    "description": "Le modèle de langage de grande taille phare 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 questions-réponses, de génération créative et d'applications de plugins ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse."
-  },
-  "ernie-4.0-8k-latest": {
-    "description": "Le modèle de langage de très grande taille phare développé par Baidu, par rapport à ERNIE 3.5, a réalisé une mise à niveau complète des capacités du modèle, largement applicable à des scénarios de tâches complexes dans divers domaines ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse."
-  },
-  "ernie-4.0-8k-preview": {
-    "description": "Le modèle de langage de très grande taille phare développé par Baidu, par rapport à ERNIE 3.5, a réalisé une mise à niveau complète des capacités du modèle, largement applicable à des scénarios de tâches complexes dans divers domaines ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse."
-  },
-  "ernie-4.0-turbo-128k": {
-    "description": "Le modèle de langage de très grande taille phare développé par Baidu, avec d'excellentes performances globales, largement applicable à des scénarios de tâches complexes dans divers domaines ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse. Par rapport à ERNIE 4.0, il offre de meilleures performances."
-  },
-  "ernie-4.0-turbo-8k-latest": {
-    "description": "Le modèle de langage de très grande taille phare développé par Baidu, avec d'excellentes performances globales, largement applicable à des scénarios de tâches complexes dans divers domaines ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse. Par rapport à ERNIE 4.0, il offre de meilleures performances."
-  },
-  "ernie-4.0-turbo-8k-preview": {
-    "description": "Le modèle de langage de très grande taille phare développé par Baidu, avec d'excellentes performances globales, largement applicable à des scénarios de tâches complexes dans divers domaines ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse. Par rapport à ERNIE 4.0, il offre de meilleures performances."
+  "ernie-4.5-0.3b": {
+    "description": "ERNIE 4.5 0.3B, modèle open source léger, idéal pour les déploiements locaux et personnalisés."
  },
  "ernie-4.5-21b-a3b": {
-    "description": "ERNIE 4.5 21B A3B est un modèle à experts mixtes développé par Wenxin de Baidu, offrant de puissantes capacités de raisonnement et de traitement multilingue."
+    "description": "ERNIE 4.5 21B A3B, modèle open source à grande capacité, offrant de meilleures performances en compréhension et génération."
  },
  "ernie-4.5-300b-a47b": {
    "description": "ERNIE 4.5 300B A47B est un modèle à très grande échelle à experts mixtes lancé par Wenxin de Baidu, doté d'excellentes capacités de raisonnement."
  },
  "ernie-4.5-8k-preview": {
-    "description": "Le modèle ERNIE 4.5 est un nouveau modèle de base multimodal natif développé par Baidu, réalisant une optimisation collaborative grâce à la modélisation conjointe de plusieurs modalités, avec d'excellentes capacités de compréhension multimodale ; il possède des capacités linguistiques améliorées, avec des améliorations significatives dans la compréhension, la génération, la logique et la mémoire, ainsi qu'une réduction des hallucinations et une amélioration des capacités de raisonnement logique et de codage."
+    "description": "ERNIE 4.5 8K Preview, modèle de prévisualisation avec contexte 8K, pour tester les capacités de Wenxin 4.5."
  },
  "ernie-4.5-turbo-128k": {
-    "description": "Wenxin 4.5 Turbo présente des améliorations significatives en matière de réduction des hallucinations, de raisonnement logique et de capacités de codage. Comparé à Wenxin 4.5, il est plus rapide et moins cher. Les capacités du modèle sont globalement améliorées, répondant mieux aux tâches de traitement de dialogues longs avec plusieurs tours et de compréhension de documents longs."
+    "description": "ERNIE 4.5 Turbo 128K, modèle universel haute performance, prenant en charge la recherche augmentée et l'appel d'outils, adapté à divers scénarios comme les questions-réponses, le code et les agents intelligents."
+  },
+  "ernie-4.5-turbo-128k-preview": {
+    "description": "ERNIE 4.5 Turbo 128K Preview, version de prévisualisation offrant les mêmes capacités que la version officielle, idéale pour les tests et l'intégration."
  },
  "ernie-4.5-turbo-32k": {
-    "description": "Wenxin 4.5 Turbo a également connu des améliorations notables en matière de réduction des hallucinations, de raisonnement logique et de capacités de codage. Comparé à Wenxin 4.5, il est plus rapide et moins cher. Les capacités de création de texte et de questions-réponses ont considérablement progressé. La longueur de sortie et le délai de phrase complète sont légèrement augmentés par rapport à ERNIE 4.5."
+    "description": "ERNIE 4.5 Turbo 32K, version à contexte moyen-long, adaptée aux questions-réponses, à la recherche dans les bases de connaissances et aux dialogues multi-tours."
+  },
+  "ernie-4.5-turbo-latest": {
+    "description": "ERNIE 4.5 Turbo Latest, dernière version optimisée pour la performance globale, idéale comme modèle principal en production."
+  },
+  "ernie-4.5-turbo-vl": {
+    "description": "ERNIE 4.5 Turbo VL, modèle multimodal mature, adapté aux tâches de compréhension et de reconnaissance image-texte en production."
  },
  "ernie-4.5-turbo-vl-32k": {
-    "description": "Nouvelle version du grand modèle Wenxin Yiyan, avec des capacités significativement améliorées en compréhension d'images, création, traduction et codage, prenant en charge pour la première fois une longueur de contexte de 32K, avec un délai de premier token considérablement réduit."
+    "description": "ERNIE 4.5 Turbo VL 32K, version multimodale à contexte moyen-long, conçue pour la compréhension conjointe de longs documents et d'images."
+  },
+  "ernie-4.5-turbo-vl-32k-preview": {
+    "description": "ERNIE 4.5 Turbo VL 32K Preview, version de prévisualisation multimodale 32K, facilitant l'évaluation des capacités visuelles à long contexte."
+  },
+  "ernie-4.5-turbo-vl-latest": {
+    "description": "ERNIE 4.5 Turbo VL Latest, dernière version multimodale, offrant une meilleure compréhension et inférence image-texte."
+  },
+  "ernie-4.5-turbo-vl-preview": {
+    "description": "ERNIE 4.5 Turbo VL Preview, modèle multimodal de prévisualisation, prenant en charge la compréhension et la génération image-texte, idéal pour les questions-réponses visuelles et l'exploration de contenu."
+  },
+  "ernie-4.5-vl-28b-a3b": {
+    "description": "ERNIE 4.5 VL 28B A3B, modèle multimodal open source, prenant en charge les tâches de compréhension et de raisonnement image-texte."
+  },
+  "ernie-5.0-thinking-preview": {
+    "description": "Wenxin 5.0 Thinking Preview, modèle phare natif tout-modale, prenant en charge le texte, l'image, l'audio et la vidéo, avec des capacités globales améliorées, adapté aux questions complexes, à la création et aux agents intelligents."
  },
  "ernie-char-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."
+    "description": "ERNIE Character 8K, modèle de dialogue avec personnalité, idéal pour la création de personnages IP et les conversations d'accompagnement à long terme."
  },
  "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."
+    "description": "ERNIE Character Fiction 8K, modèle de personnalité destiné à la création de romans et de scénarios, adapté à la génération de récits longs."
+  },
+  "ernie-char-fiction-8k-preview": {
+    "description": "ERNIE Character Fiction 8K Preview, version de prévisualisation du modèle de création de personnages et de scénarios, pour tester les fonctionnalités."
  },
  "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."
+    "description": "ERNIE iRAG Edit, modèle d'édition d'image prenant en charge l'effacement, la retouche et la génération de variantes."
  },
  "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."
+    "description": "ERNIE Lite 8K, modèle universel léger, adapté aux questions-réponses quotidiennes et à la génération de contenu à faible coût."
  },
  "ernie-lite-pro-128k": {
-    "description": "Un modèle de langage léger développé par Baidu, alliant d'excellentes performances du modèle et performances d'inférence, avec des résultats supérieurs à ceux d'ERNIE Lite, adapté à une utilisation sur des cartes d'accélération AI à faible puissance."
+    "description": "ERNIE Lite Pro 128K, modèle léger haute performance, conçu pour les scénarios sensibles à la latence et au coût."
  },
  "ernie-novel-8k": {
-    "description": "Le modèle de langage général développé par Baidu, avec un avantage évident dans la capacité de continuation de romans, également applicable à des scénarios de courtes pièces, de films, etc."
+    "description": "ERNIE Novel 8K, modèle de création de romans longs et de scénarios IP, expert en narration multi-personnages et multi-intrigues."
  },
  "ernie-speed-128k": {
-    "description": "Le modèle de langage haute performance développé par Baidu, publié en 2024, avec d'excellentes capacités générales, adapté comme modèle de base pour un affinage, permettant de mieux traiter des problèmes spécifiques, tout en offrant d'excellentes performances d'inférence."
+    "description": "ERNIE Speed 128K, grand modèle sans frais d'entrée/sortie, adapté à la compréhension de longs textes et aux essais à grande échelle."
+  },
+  "ernie-speed-8k": {
+    "description": "ERNIE Speed 8K, modèle rapide et gratuit, idéal pour les dialogues quotidiens et les tâches textuelles légères."
  },
  "ernie-speed-pro-128k": {
-    "description": "Le modèle de langage haute performance développé par Baidu, publié en 2024, avec d'excellentes capacités générales, offrant de meilleures performances que l'ERNIE Speed, adapté comme modèle de base pour un affinage, permettant de mieux traiter des problèmes spécifiques, tout en offrant d'excellentes performances d'inférence."
+    "description": "ERNIE Speed Pro 128K, modèle haute performance et économique, adapté aux services en ligne à grande échelle et aux applications d'entreprise."
  },
  "ernie-tiny-8k": {
-    "description": "ERNIE Tiny est un modèle de langage à très haute performance développé par Baidu, avec les coûts de déploiement et d'affinage les plus bas parmi les modèles de la série Wenxin."
-  },
-  "ernie-x1-32k": {
-    "description": "Doté de capacités supérieures de compréhension, de planification, de réflexion et d'évolution. En tant que modèle de pensée profonde plus complet, Wenxin X1 allie précision, créativité et élégance, et excelle particulièrement dans les domaines des questions-réponses en chinois, de la création littéraire, de la rédaction de documents, des dialogues quotidiens, du raisonnement logique, des calculs complexes et de l'appel d'outils."
-  },
-  "ernie-x1-32k-preview": {
-    "description": "Le grand modèle Wenxin X1 possède des capacités de compréhension, de planification, de réflexion et d'évolution plus fortes. En tant que modèle de pensée profonde plus complet, Wenxin X1 allie précision, créativité et éloquence, se distinguant particulièrement dans les domaines des questions-réponses en chinois, de la création littéraire, de la rédaction de documents, des dialogues quotidiens, du raisonnement logique, des calculs complexes et de l'appel d'outils."
+    "description": "ERNIE Tiny 8K, modèle ultra-léger, adapté aux scénarios d'inférence à faible coût comme les questions simples et la classification."
  },
  "ernie-x1-turbo-32k": {
-    "description": "Par rapport à ERNIE-X1-32K, le modèle offre de meilleures performances et résultats."
+    "description": "ERNIE X1 Turbo 32K, modèle de réflexion rapide avec contexte long 32K, adapté au raisonnement complexe et aux dialogues multi-tours."
+  },
+  "ernie-x1.1-preview": {
+    "description": "ERNIE X1.1 Preview, version de prévisualisation du modèle de réflexion ERNIE X1.1, pour validation et test des capacités."
  },
  "fal-ai/bytedance/seedream/v4": {
    "description": "Le modèle de génération d'images Seedream 4.0, développé par l'équipe Seed de ByteDance, prend en charge les entrées texte et image, offrant une expérience de génération d'images de haute qualité et très contrôlable. Il génère des images à partir d'invites textuelles."
@@ -1389,7 +1416,7 @@
    "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."
+    "description": "FLUX.1-schnell, modèle de génération d'image haute performance, idéal pour créer rapidement des images dans divers styles."
  },
  "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."
@@ -1538,6 +1565,9 @@
  "glm-4-0520": {
    "description": "GLM-4-0520 est la dernière version du modèle, conçue pour des tâches hautement complexes et diversifiées, avec des performances exceptionnelles."
  },
+  "glm-4-32b-0414": {
+    "description": "GLM-4 32B 0414, version universelle de la série GLM, prenant en charge la génération et la compréhension de texte multi-tâches."
+  },
  "glm-4-9b-chat": {
    "description": "GLM-4-9B-Chat offre des performances élevées dans les domaines de la sémantique, des mathématiques, du raisonnement, du code et des connaissances. Il prend également en charge la navigation web, l'exécution de code, l'appel d'outils personnalisés et le raisonnement sur de longs textes. Prise en charge de 26 langues, dont le japonais, le coréen et l’allemand."
  },
@@ -1826,6 +1856,18 @@
  "gpt-5-pro": {
    "description": "GPT-5 Pro utilise davantage de puissance de calcul pour approfondir sa réflexion et fournir des réponses toujours plus pertinentes."
  },
+  "gpt-5.1": {
+    "description": "GPT-5.1 — Modèle phare optimisé pour les tâches de codage et d'agents, avec une intensité de raisonnement configurable et un contexte étendu."
+  },
+  "gpt-5.1-chat-latest": {
+    "description": "GPT-5.1 Chat : Variante de GPT-5.1 conçue pour ChatGPT, idéale pour les interactions conversationnelles."
+  },
+  "gpt-5.1-codex": {
+    "description": "GPT-5.1 Codex : Version de GPT-5.1 optimisée pour les tâches de codage agentiques, utilisable via l'API Responses pour des flux de travail code/agent plus complexes."
+  },
+  "gpt-5.1-codex-mini": {
+    "description": "GPT-5.1 Codex mini : Variante plus légère et économique de Codex, optimisée pour les tâches de codage agentiques."
+  },
  "gpt-audio": {
    "description": "GPT Audio est un modèle de chat universel orienté vers l'entrée et la sortie audio, supportant l'utilisation d'entrées/sorties audio dans l'API Chat Completions."
  },
@@ -2001,13 +2043,13 @@
    "description": "Série de modèles Imagen de 4ᵉ génération pour la génération d'images à partir de texte"
  },
  "imagen-4.0-generate-preview-06-06": {
-    "description": "Série de modèles de génération d'images à partir de texte Imagen 4e génération"
+    "description": "Série de modèles de génération d'images de quatrième génération Imagen"
  },
  "imagen-4.0-ultra-generate-001": {
    "description": "Série de modèles Imagen 4e génération pour la génération d'images à partir de texte — version Ultra"
  },
  "imagen-4.0-ultra-generate-preview-06-06": {
-    "description": "Série de modèles de génération d'images à partir de texte Imagen 4e génération version Ultra"
+    "description": "Version Ultra de la série de modèles de génération d'images de quatrième génération Imagen"
  },
  "inception/mercury-coder-small": {
    "description": "Mercury Coder Small est idéal pour les tâches de génération, débogage et refactorisation de code, avec une latence minimale."
@@ -2036,14 +2078,26 @@
  "internlm3-latest": {
    "description": "Notre dernière série de modèles, avec des performances d'inférence exceptionnelles, en tête des modèles open source de même niveau. Par défaut, elle pointe vers notre dernière version du modèle InternLM3."
  },
+  "internvl2.5-38b-mpo": {
+    "description": "InternVL2.5 38B MPO, modèle pré-entraîné multimodal, conçu pour les tâches complexes de raisonnement image-texte."
+  },
  "internvl2.5-latest": {
    "description": "Version InternVL2.5 que nous maintenons encore, offrant des performances excellentes et stables. Il pointe par défaut vers notre dernier modèle de la série InternVL2.5, actuellement vers internvl2.5-78b."
  },
+  "internvl3-14b": {
+    "description": "InternVL3 14B, modèle multimodal de taille moyenne, équilibrant performance et coût."
+  },
+  "internvl3-1b": {
+    "description": "InternVL3 1B, modèle multimodal léger, adapté aux déploiements dans des environnements à ressources limitées."
+  },
+  "internvl3-38b": {
+    "description": "InternVL3 38B, grand modèle multimodal open source, conçu pour des tâches de compréhension image-texte de haute précision."
+  },
  "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."
+    "description": "ERNIE iRAG, modèle de génération améliorée par recherche d'image, prenant en charge la recherche d'image par image, la recherche image-texte et la génération de contenu."
  },
  "jamba-large": {
    "description": "Notre modèle le plus puissant et avancé, conçu pour traiter des tâches complexes de niveau entreprise, offrant des performances exceptionnelles."
@@ -2064,7 +2118,7 @@
    "description": "Le modèle kimi-k2-0905-preview dispose d'une longueur de contexte de 256k, offrant une capacité renforcée de codage agentique, une meilleure esthétique et utilité du code front-end, ainsi qu'une compréhension contextuelle améliorée."
  },
  "kimi-k2-instruct": {
-    "description": "Kimi K2 Instruct est un grand modèle linguistique développé par Moonshot AI, capable de traiter des contextes ultra-longs."
+    "description": "Kimi K2 Instruct, modèle d'inférence officiel de Kimi, prenant en charge le long contexte, le code, les questions-réponses et d'autres scénarios."
  },
  "kimi-k2-turbo-preview": {
    "description": "kimi-k2 est un modèle de base à architecture MoE doté de capacités remarquables en programmation et en agents autonomes, avec 1T de paramètres au total et 32B de paramètres activés. Dans les principaux tests de référence couvrant le raisonnement général, la programmation, les mathématiques et les agents, le modèle K2 surpasse les autres modèles open source majeurs."
@@ -2174,6 +2228,9 @@
  "megrez-3b-instruct": {
    "description": "Megrez 3B Instruct est un modèle efficace à faible nombre de paramètres lancé par Wuwen Xinqiong."
  },
+  "meituan/longcat-flash-chat": {
+    "description": "Modèle de base non réflexif open source de Meituan, optimisé pour les interactions conversationnelles et les tâches d'agents intelligents, offrant d'excellentes performances dans les appels d'outils et les scénarios d'interactions complexes à plusieurs tours."
+  },
  "meta-llama-3-70b-instruct": {
    "description": "Un puissant modèle de 70 milliards de paramètres excelling dans le raisonnement, le codage et les applications linguistiques larges."
  },
@@ -2405,6 +2462,12 @@
  "minimax-m2": {
    "description": "MiniMax M2 est un modèle de langage de grande taille, efficace et conçu pour les flux de travail en codage et en automatisation."
  },
+  "minimax/minimax-m2": {
+    "description": "Conçu pour un codage efficace et des flux de travail d'agents performants."
+  },
+  "minimaxai/minimax-m2": {
+    "description": "MiniMax-M2 est un modèle MoE (Mixture of Experts) compact, rapide et économique, doté de 230 milliards de paramètres totaux et de 10 milliards de paramètres actifs. Il est conçu pour offrir des performances optimales dans les tâches de codage et d'agents, tout en maintenant une intelligence générale robuste. Ce modèle excelle dans l'édition multi-fichiers, les boucles de codage-exécution-correction, la vérification et la correction de tests, ainsi que dans les chaînes d'outils complexes à long terme, ce qui en fait un choix idéal pour les flux de travail des développeurs."
+  },
  "ministral-3b-latest": {
    "description": "Ministral 3B est le modèle de pointe de Mistral sur le marché."
  },
@@ -2735,6 +2798,54 @@
  "pro-deepseek-v3": {
    "description": "Modèle dédié aux services d'entreprise, incluant les services en parallèle."
  },
+  "qianfan-70b": {
+    "description": "Qianfan 70B, un modèle chinois de grande taille, idéal pour la génération de contenu de haute qualité et les tâches de raisonnement complexes."
+  },
+  "qianfan-8b": {
+    "description": "Qianfan 8B, un modèle généraliste de taille moyenne, adapté à la génération de texte et aux scénarios de questions-réponses avec un bon équilibre entre coût et performance."
+  },
+  "qianfan-agent-intent-32k": {
+    "description": "Qianfan Agent Intent 32K, un modèle conçu pour la reconnaissance d’intention et l’orchestration d’agents, prenant en charge des contextes longs."
+  },
+  "qianfan-agent-lite-8k": {
+    "description": "Qianfan Agent Lite 8K, un modèle d’agent léger, adapté aux dialogues multi-tours à faible coût et à l’orchestration de processus métier."
+  },
+  "qianfan-agent-speed-32k": {
+    "description": "Qianfan Agent Speed 32K, un modèle d’agent à haut débit, conçu pour des applications d’agents à grande échelle et multi-tâches."
+  },
+  "qianfan-agent-speed-8k": {
+    "description": "Qianfan Agent Speed 8K, un modèle d’agent à haute concurrence, optimisé pour les dialogues courts et les réponses rapides."
+  },
+  "qianfan-check-vl": {
+    "description": "Qianfan Check VL, un modèle de vérification multimodale, prenant en charge la conformité et la détection dans les contenus image-texte."
+  },
+  "qianfan-composition": {
+    "description": "Qianfan Composition, un modèle de création multimodale, capable de comprendre et de générer des contenus combinant texte et image."
+  },
+  "qianfan-engcard-vl": {
+    "description": "Qianfan EngCard VL, un modèle de reconnaissance multimodale spécialisé pour les scénarios en anglais."
+  },
+  "qianfan-lightning-128b-a19b": {
+    "description": "Qianfan Lightning 128B A19B, un modèle chinois haute performance, adapté aux questions complexes et au raisonnement à grande échelle."
+  },
+  "qianfan-llama-vl-8b": {
+    "description": "Qianfan Llama VL 8B, un modèle multimodal basé sur Llama, conçu pour les tâches générales de compréhension image-texte."
+  },
+  "qianfan-multipicocr": {
+    "description": "Qianfan MultiPicOCR, un modèle OCR multi-images, capable de détecter et reconnaître du texte sur plusieurs images."
+  },
+  "qianfan-qi-vl": {
+    "description": "Qianfan QI VL, un modèle de questions-réponses multimodal, optimisé pour la recherche précise et les réponses dans des contextes image-texte complexes."
+  },
+  "qianfan-singlepicocr": {
+    "description": "Qianfan SinglePicOCR, un modèle OCR pour image unique, offrant une reconnaissance de caractères haute précision."
+  },
+  "qianfan-vl-70b": {
+    "description": "Qianfan VL 70B, un modèle visuel-langagier de grande taille, adapté aux scénarios complexes de compréhension image-texte."
+  },
+  "qianfan-vl-8b": {
+    "description": "Qianfan VL 8B, un modèle visuel-langagier léger, idéal pour les questions-réponses et analyses image-texte du quotidien."
+  },
  "qvq-72b-preview": {
    "description": "Le modèle QVQ est un modèle de recherche expérimental développé par l'équipe Qwen, axé sur l'amélioration des capacités de raisonnement visuel, en particulier dans le domaine du raisonnement mathématique."
  },
@@ -2886,7 +2997,7 @@
    "description": "Le modèle de 72B de Tongyi Qwen 2.5, open source."
  },
  "qwen2.5-7b-instruct": {
-    "description": "Le modèle de 7B de Tongyi Qwen 2.5, open source."
+    "description": "Qwen2.5 7B Instruct, un modèle open source mature basé sur des instructions, adapté aux dialogues et à la génération dans divers contextes."
  },
  "qwen2.5-coder-1.5b-instruct": {
    "description": "Version open-source du modèle de code Qwen."
@@ -2919,13 +3030,13 @@
    "description": "La série de modèles Qwen-Omni prend en charge l'entrée de données multimodales, y compris des vidéos, de l'audio, des images et du texte, et produit de l'audio et du texte en sortie."
  },
  "qwen2.5-vl-32b-instruct": {
-    "description": "La série de modèles Qwen2.5-VL améliore l'intelligence, l'utilité et l'adaptabilité des modèles, offrant des performances supérieures dans des scénarios tels que les conversations naturelles, la création de contenu, les services d'expertise professionnelle et le développement de code. La version 32B utilise des techniques d'apprentissage par renforcement pour optimiser le modèle, fournissant par rapport aux autres modèles de la série Qwen2.5 VL un style de sortie plus conforme aux préférences humaines, une capacité de raisonnement sur des problèmes mathématiques complexes, ainsi qu'une compréhension fine et un raisonnement sur les images."
+    "description": "Qwen2.5 VL 32B Instruct, un modèle multimodal open source, adapté au déploiement privé et à des applications variées."
  },
  "qwen2.5-vl-72b-instruct": {
    "description": "Amélioration globale des capacités de suivi des instructions, mathématiques, résolution de problèmes et code, amélioration des capacités de reconnaissance, support de divers formats pour un positionnement précis des éléments visuels, compréhension de fichiers vidéo longs (jusqu'à 10 minutes) et localisation d'événements en temps réel, capable de comprendre l'ordre temporel et la vitesse, supportant le contrôle d'agents OS ou Mobile basé sur des capacités d'analyse et de localisation, avec une forte capacité d'extraction d'informations clés et de sortie au format Json. Cette version est la version 72B, la plus puissante de cette série."
  },
  "qwen2.5-vl-7b-instruct": {
-    "description": "Amélioration globale des capacités de suivi des instructions, mathématiques, résolution de problèmes et code, amélioration des capacités de reconnaissance, support de divers formats pour un positionnement précis des éléments visuels, compréhension de fichiers vidéo longs (jusqu'à 10 minutes) et localisation d'événements en temps réel, capable de comprendre l'ordre temporel et la vitesse, supportant le contrôle d'agents OS ou Mobile basé sur des capacités d'analyse et de localisation, avec une forte capacité d'extraction d'informations clés et de sortie au format Json. Cette version est la version 72B, la plus puissante de cette série."
+    "description": "Qwen2.5 VL 7B Instruct, un modèle multimodal léger, équilibrant coût de déploiement et capacité de reconnaissance."
  },
  "qwen2.5-vl-instruct": {
    "description": "Qwen2.5-VL est la dernière version du modèle de langage visuel de la famille de modèles Qwen."
@@ -2952,46 +3063,46 @@
    "description": "Qwen3 est le nouveau modèle de langage à grande échelle d'Alibaba, offrant d'excellentes performances pour répondre à des besoins d'application diversifiés."
  },
  "qwen3-0.6b": {
-    "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."
+    "description": "Qwen3 0.6B, un modèle d’entrée de gamme, adapté au raisonnement simple et aux environnements à ressources très limitées."
  },
  "qwen3-1.7b": {
-    "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."
+    "description": "Qwen3 1.7B, un modèle ultra-léger, facile à déployer sur les dispositifs en périphérie ou terminaux."
  },
  "qwen3-14b": {
-    "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."
+    "description": "Qwen3 14B, un modèle de taille moyenne, adapté aux questions-réponses multilingues et à la génération de texte."
  },
  "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."
+    "description": "Qwen3 235B A22B, un grand modèle généraliste, conçu pour une variété de tâches complexes."
  },
  "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)."
+    "description": "Qwen3 235B A22B Instruct 2507, un modèle Instruct phare, adapté à la génération et au raisonnement dans divers scénarios."
  },
  "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."
+    "description": "Qwen3 235B A22B Thinking 2507, un modèle de raisonnement à très grande échelle, conçu pour les tâches de réflexion avancée."
  },
  "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."
+    "description": "Qwen3 30B A3B, un modèle généraliste de taille moyenne à grande, équilibrant coût et performance."
  },
  "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."
+    "description": "Qwen3 30B A3B Instruct 2507, un modèle Instruct de taille moyenne à grande, adapté à la génération de haute qualité et aux questions-réponses."
  },
  "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."
+    "description": "Qwen3 30B A3B Thinking 2507, un modèle de réflexion de taille moyenne à grande, alliant précision et maîtrise des coûts."
  },
  "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."
+    "description": "Qwen3 32B, un modèle généraliste adapté aux tâches nécessitant une compréhension approfondie."
  },
  "qwen3-4b": {
-    "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."
+    "description": "Qwen3 4B, adapté aux applications de petite à moyenne taille et aux scénarios d’inférence locale."
  },
  "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."
+    "description": "Qwen3 8B, un modèle léger et flexible, idéal pour les services à haute concurrence."
  },
  "qwen3-coder-30b-a3b-instruct": {
    "description": "Version open source du modèle de génération de code Qwen. Le dernier qwen3-coder-30b-a3b-instruct, basé sur Qwen3, est un modèle puissant de génération de code doté de capacités avancées d’agent de codage. Il excelle dans l’appel d’outils et l’interaction avec l’environnement, permettant une programmation autonome tout en conservant des compétences générales solides."
  },
  "qwen3-coder-480b-a35b-instruct": {
-    "description": "Version open source du modèle de code Tongyi Qianwen. Le dernier qwen3-coder-480b-a35b-instruct est un modèle de génération de code basé sur Qwen3, doté de puissantes capacités d'agent de codage, expert en appels d'outils et interactions environnementales, capable de programmation autonome avec d'excellentes compétences en code tout en conservant des capacités générales."
+    "description": "Qwen3 Coder 480B A35B Instruct, un modèle de codage de niveau phare, prenant en charge la programmation multilingue et la compréhension de code complexe."
  },
  "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."
@@ -3005,32 +3116,41 @@
  "qwen3-max": {
    "description": "La série Max de Tongyi Qianwen 3 offre une amélioration significative par rapport à la série 2.5 en termes de capacités générales. Elle renforce notablement la compréhension du texte en chinois et en anglais, la capacité à suivre des instructions complexes, les tâches ouvertes subjectives, les compétences multilingues et l'appel d'outils ; le modèle présente également moins d'hallucinations de connaissances. La dernière version du modèle qwen3-max, comparée à la version preview, a bénéficié d'une mise à niveau spécifique en programmation d'agents et en appel d'outils. La version officielle publiée atteint un niveau SOTA dans son domaine, adaptée aux besoins plus complexes des agents intelligents."
  },
+  "qwen3-max-preview": {
+    "description": "Le modèle le plus performant de la série Tongyi Qianwen, adapté aux tâches complexes et à étapes multiples. La version de prévisualisation prend déjà en charge la réflexion."
+  },
  "qwen3-next-80b-a3b-instruct": {
    "description": "Modèle open source de nouvelle génération en mode non réflexif basé sur Qwen3, offrant une meilleure compréhension du texte en chinois, des capacités de raisonnement logique renforcées et de meilleures performances dans les tâches de génération de texte par rapport à la version précédente (Tongyi Qianwen 3-235B-A22B-Instruct-2507)."
  },
  "qwen3-next-80b-a3b-thinking": {
-    "description": "Modèle open source de nouvelle génération en mode réflexif basé sur Qwen3, avec une meilleure conformité aux instructions et des réponses plus concises dans les résumés par rapport à la version précédente (Tongyi Qianwen 3-235B-A22B-Thinking-2507)."
+    "description": "Qwen3 Next 80B A3B Thinking, une version de raisonnement phare conçue pour les tâches complexes."
  },
  "qwen3-omni-flash": {
    "description": "Le modèle Qwen-Omni accepte des entrées combinées de texte, image, audio et vidéo, et génère des réponses sous forme de texte ou de voix. Il propose plusieurs voix synthétiques réalistes, prend en charge plusieurs langues et dialectes, et peut être utilisé dans des scénarios tels que la création de contenu, la reconnaissance visuelle et les assistants vocaux."
  },
  "qwen3-vl-235b-a22b-instruct": {
-    "description": "Qwen3 VL 235B A22B en mode non-réfléchissant (Instruct), conçu pour les scénarios d'instructions simples tout en conservant de puissantes capacités de compréhension visuelle."
+    "description": "Qwen3 VL 235B A22B Instruct, un modèle multimodal phare, destiné aux scénarios exigeants de compréhension et de création."
  },
  "qwen3-vl-235b-a22b-thinking": {
-    "description": "Qwen3 VL 235B A22B en mode réfléchi (version open source), offre des capacités de raisonnement visuel et textuel de pointe pour les scénarios complexes nécessitant une compréhension approfondie et un raisonnement sur de longues vidéos."
+    "description": "Qwen3 VL 235B A22B Thinking, version de réflexion phare, conçue pour le raisonnement et la planification multimodale complexes."
  },
  "qwen3-vl-30b-a3b-instruct": {
-    "description": "Qwen3 VL 30B en mode non-réfléchissant (Instruct), adapté aux scénarios d'instructions générales, avec de solides capacités de compréhension et de génération multimodales."
+    "description": "Qwen3 VL 30B A3B Instruct, un grand modèle multimodal, équilibrant précision et performance de raisonnement."
  },
  "qwen3-vl-30b-a3b-thinking": {
-    "description": "Qwen-VL (version open source) offre des capacités de compréhension visuelle et de génération de texte, prenant en charge l’interaction avec des agents, l’encodage visuel, la perception spatiale, la compréhension de longues vidéos et le raisonnement approfondi. Il excelle également dans la reconnaissance de texte complexe et le support multilingue dans des contextes complexes."
+    "description": "Qwen3 VL 30B A3B Thinking, version de réflexion approfondie pour les tâches multimodales complexes."
+  },
+  "qwen3-vl-32b-instruct": {
+    "description": "Qwen3 VL 32B Instruct, un modèle multimodal affiné par instruction, adapté aux questions-réponses image-texte de haute qualité et à la création."
+  },
+  "qwen3-vl-32b-thinking": {
+    "description": "Qwen3 VL 32B Thinking, version de réflexion multimodale, renforçant le raisonnement complexe et l’analyse à long terme."
  },
  "qwen3-vl-8b-instruct": {
-    "description": "Qwen3 VL 8B en mode non-réfléchissant (Instruct), idéal pour les tâches courantes de génération et de reconnaissance multimodales."
+    "description": "Qwen3 VL 8B Instruct, un modèle multimodal léger, idéal pour les questions-réponses visuelles quotidiennes et l’intégration applicative."
  },
  "qwen3-vl-8b-thinking": {
-    "description": "Qwen3 VL 8B en mode réfléchi, conçu pour des scénarios légers de raisonnement et d’interaction multimodale, tout en conservant une bonne compréhension des longs contextes."
+    "description": "Qwen3 VL 8B Thinking, un modèle de chaîne de pensée multimodale, adapté au raisonnement détaillé sur les informations visuelles."
  },
  "qwen3-vl-flash": {
    "description": "Qwen3 VL Flash : version allégée à inférence rapide, idéale pour les scénarios sensibles à la latence ou les requêtes en grand volume."
@@ -3263,6 +3383,12 @@
  "wizardlm2:8x22b": {
    "description": "WizardLM 2 est un modèle de langage proposé par Microsoft AI, particulièrement performant dans les domaines des dialogues complexes, du multilinguisme, du raisonnement et des assistants intelligents."
  },
+  "x-ai/grok-4-fast": {
+    "description": "Nous sommes ravis de présenter Grok 4 Fast, notre dernière avancée en matière de modèles de raisonnement rentables."
+  },
+  "x-ai/grok-code-fast-1": {
+    "description": "Nous sommes heureux de lancer grok-code-fast-1, un modèle de raisonnement rapide et économique, particulièrement performant pour le codage assisté par agent."
+  },
  "x1": {
    "description": "Le modèle Spark X1 sera mis à niveau, et sur la base de ses performances déjà leaders dans les tâches mathématiques, il atteindra des résultats comparables dans des tâches générales telles que le raisonnement, la génération de texte et la compréhension du langage, en se mesurant à OpenAI o1 et DeepSeek R1."
  },
@@ -3323,6 +3449,9 @@
  "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."
  },
+  "z-ai/glm-4.6": {
+    "description": "GLM-4.6, le tout dernier modèle phare de Zhipu, surpasse son prédécesseur dans les domaines du codage avancé, du traitement de longs textes, du raisonnement et des capacités d'agents intelligents."
+  },
  "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."
  },
@@ -236,6 +236,8 @@
  },
  "inspector": {
    "args": "Voir la liste des paramètres",
+    "delete": "Supprimer l'appel d'outil",
+    "orphanedToolCall": "Cet appel d'outil est peut-être devenu orphelin en raison d'une erreur, ce qui pourrait perturber le bon fonctionnement de l'agent. Veuillez le supprimer.",
    "pluginRender": "Voir l'interface du plugin"
  },
  "list": {
@@ -251,14 +253,20 @@
  },
  "localSystem": {
    "apiName": {
+      "editLocalFile": "Modifier le fichier",
+      "getCommandOutput": "Obtenir la sortie du code",
+      "globLocalFiles": "Rechercher des fichiers correspondants",
+      "grepContent": "Rechercher dans le contenu",
+      "killCommand": "Arrêter l'exécution du code",
      "listLocalFiles": "Voir la liste des fichiers",
      "moveLocalFiles": "Déplacer les fichiers",
      "readLocalFile": "Lire le contenu du fichier",
      "renameLocalFile": "Renommer",
+      "runCommand": "Exécuter le code",
      "searchLocalFiles": "Rechercher des fichiers",
      "writeLocalFile": "Écrire dans un fichier"
    },
-    "title": "Fichiers locaux"
+    "title": "Système local"
  },
  "mcpInstall": {
    "CHECKING_INSTALLATION": "Vérification de l'environnement d'installation...",
@@ -15,8 +15,22 @@
    "prompt": "Mot de rappel"
  },
  "localFiles": {
+    "editFile": {
+      "newString": "Remplacer par",
+      "oldString": "Rechercher",
+      "replaceAll": "Remplacer toutes les occurrences",
+      "replaceFirst": "Remplacer uniquement la première occurrence"
+    },
    "file": "Fichier",
    "folder": "Dossier",
+    "moveFiles": {
+      "itemsMoved": "{{count}} élément(s) déplacé(s) :",
+      "itemsMoved_one": "{{count}} élément déplacé :",
+      "itemsMoved_other": "{{count}} éléments déplacés :",
+      "itemsToMove": "{{count}} élément(s) à déplacer :",
+      "itemsToMove_one": "{{count}} élément à déplacer :",
+      "itemsToMove_other": "{{count}} éléments à déplacer :"
+    },
    "open": "Ouvrir",
    "openFile": "Ouvrir le fichier",
    "openFolder": "Ouvrir le dossier",
@@ -26,7 +40,12 @@
    "readFile": "Lire le fichier",
    "readFileError": "Échec de la lecture du fichier, veuillez vérifier si le chemin du fichier est correct",
    "readFiles": "Lire les fichiers",
-    "readFilesError": "Échec de la lecture des fichiers, veuillez vérifier si le chemin du fichier est correct"
+    "readFilesError": "Échec de la lecture des fichiers, veuillez vérifier si le chemin du fichier est correct",
+    "writeFile": {
+      "characters": "caractères",
+      "preview": "Aperçu du contenu",
+      "truncated": "Tronqué"
+    }
  },
  "search": {
    "createNewSearch": "Créer un nouvel enregistrement de recherche",
@@ -6,6 +6,7 @@
    "confirmRemoveUnstarred": "Vous allez supprimer les sujets non favoris. Cette action est irréversible, veuillez agir avec prudence.",
    "duplicate": "Créer une copie",
    "export": "Exporter le sujet",
+    "openInNewWindow": "Ouvrir dans une nouvelle fenêtre",
    "removeAll": "Supprimer tous les sujets",
    "removeUnstarred": "Supprimer les sujets non favoris"
  },
@@ -17,6 +17,7 @@
  "availableAgents": "Assistenti disponibili",
  "backToBottom": "Torna in fondo",
  "chatList": {
+    "expandMessage": "Espandi messaggio",
    "longMessageDetail": "Visualizza dettagli"
  },
  "clearCurrentMessages": "Cancella messaggi attuali",
@@ -173,9 +174,11 @@
    "title": "Menziona membri"
  },
  "messageAction": {
+    "collapse": "Comprimi messaggio",
    "continueGeneration": "Continua a generare",
    "delAndRegenerate": "Elimina e rigenera",
    "deleteDisabledByThreads": "Esistono sottoargomenti, non è possibile eliminare",
+    "expand": "Espandi messaggio",
    "regenerate": "Rigenera"
  },
  "messages": {
@@ -240,6 +243,7 @@
  "noMatchingAgents": "Nessun membro corrispondente trovato",
  "noMembersYet": "Questo gruppo non ha ancora membri. Clicca sul pulsante + per invitare assistenti.",
  "noSelectedAgents": "Nessun membro selezionato",
+  "openInNewWindow": "Apri in una nuova finestra",
  "owner": "Proprietario del gruppo",
  "pin": "Fissa in alto",
  "pinOff": "Annulla fissaggio in alto",
@@ -326,6 +330,11 @@
    "screenshot": "Screenshot",
    "settings": "Impostazioni di esportazione",
    "text": "Testo",
+    "widthMode": {
+      "label": "Modalità larghezza",
+      "narrow": "Modalità schermo stretto",
+      "wide": "Modalità schermo ampio"
+    },
    "withBackground": "Con immagine di sfondo",
    "withFooter": "Con piè di pagina",
    "withPluginInfo": "Con informazioni sul plugin",
@@ -368,6 +377,28 @@
    "remained": "Rimasti",
    "used": "Utilizzati"
  },
+  "tool": {
+    "intervention": {
+      "approve": "Approva",
+      "approveAndRemember": "Approva e ricorda",
+      "approveOnce": "Approva solo questa volta",
+      "mode": {
+        "allowList": "Lista consentiti",
+        "allowListDesc": "Esegui automaticamente solo gli strumenti approvati",
+        "autoRun": "Approvazione automatica",
+        "autoRunDesc": "Approva automaticamente l'esecuzione di tutti gli strumenti",
+        "manual": "Manuale",
+        "manualDesc": "Richiede approvazione manuale per ogni utilizzo"
+      },
+      "reject": "Rifiuta",
+      "rejectAndContinue": "Rifiuta e riprova",
+      "rejectOnly": "Rifiuta",
+      "rejectReasonPlaceholder": "Inserire il motivo del rifiuto aiuterà l'agente a comprendere e ottimizzare le azioni future",
+      "rejectTitle": "Rifiuta questa esecuzione dello strumento",
+      "rejectedWithReason": "Questa esecuzione dello strumento è stata rifiutata: {{reason}}",
+      "toolRejected": "Questa esecuzione dello strumento è stata rifiutata"
+    }
+  },
  "topic": {
    "checkOpenNewTopic": "Abilitare un nuovo argomento?",
    "checkSaveCurrentMessages": "Vuoi salvare la conversazione attuale come argomento?",
@@ -135,6 +135,7 @@
    }
  },
  "close": "Chiudi",
+  "confirm": "Conferma",
  "contact": "Contattaci",
  "copy": "Copia",
  "copyFail": "Copia non riuscita",
@@ -285,6 +286,7 @@
  "oauth": "Accesso SSO",
  "officialSite": "Sito ufficiale",
  "ok": "OK",
+  "or": "o",
  "password": "Password",
  "pin": "Fissa in alto",
  "pinOff": "Annulla fissaggio",
@@ -106,6 +106,12 @@
    "keyPlaceholder": "Chiave",
    "valuePlaceholder": "Valore"
  },
+  "LocalFile": {
+    "action": {
+      "open": "Apri",
+      "showInFolder": "Mostra nella cartella"
+    }
+  },
  "MaxTokenSlider": {
    "unlimited": "Illimitato"
  },
@@ -102,7 +102,7 @@
      "SPII": "Il tuo contenuto potrebbe contenere informazioni personali sensibili. Per proteggere la privacy, rimuovi tali informazioni e riprova.",
      "default": "Contenuto bloccato: {{blockReason}}. Modifica la richiesta e riprova."
    },
-    "InsufficientQuota": "Ci dispiace, la quota per questa chiave ha raggiunto il limite. Si prega di controllare il saldo dell'account o di aumentare la quota della chiave e riprovare.",
+    "InsufficientQuota": "Siamo spiacenti, la quota associata a questa chiave ha raggiunto il limite. Verifica che il saldo del tuo account sia sufficiente oppure aumenta la quota della chiave e riprova.",
    "InvalidAccessCode": "Password incorrect or empty, please enter the correct access password, or add a custom API Key",
    "InvalidBedrockCredentials": "Autenticazione Bedrock non riuscita, controlla AccessKeyId/SecretAccessKey e riprova",
    "InvalidClerkUser": "Spiacenti, al momento non hai effettuato l'accesso. Per favore, effettua l'accesso o registrati prima di continuare.",
@@ -131,7 +131,7 @@
    "PluginServerError": "Errore nella risposta del server del plugin. Verifica il file descrittivo del plugin, la configurazione del plugin o l'implementazione del server",
    "PluginSettingsInvalid": "Il plugin deve essere configurato correttamente prima di poter essere utilizzato. Verifica che la tua configurazione sia corretta",
    "ProviderBizError": "Errore di business del fornitore {{provider}}. Si prega di controllare le informazioni seguenti o riprovare.",
-    "QuotaLimitReached": "Ci dispiace, l'uso attuale dei token o il numero di richieste ha raggiunto il limite di quota per questa chiave. Si prega di aumentare la quota di questa chiave o riprovare più tardi.",
+    "QuotaLimitReached": "Siamo spiacenti, l'utilizzo dei token o il numero di richieste ha raggiunto il limite della quota per questa chiave. Aumenta la quota della chiave o riprova più tardi.",
    "StreamChunkError": "Erro di analisi del blocco di messaggi della richiesta in streaming. Controlla se l'interfaccia API attuale è conforme agli standard o contatta il tuo fornitore di API per ulteriori informazioni.",
    "SubscriptionKeyMismatch": "Ci scusiamo, ma a causa di un'imprevista anomalia di sistema, l'attuale utilizzo dell'abbonamento è temporaneamente non valido. Si prega di fare clic sul pulsante qui sotto per ripristinare l'abbonamento o contattarci via email per ricevere supporto.",
    "SubscriptionPlanLimit": "I tuoi punti di abbonamento sono esauriti, non puoi utilizzare questa funzione. Ti preghiamo di passare a un piano superiore o di configurare un modello API personalizzato per continuare a utilizzare.",
@@ -1,5 +1,8 @@
 {
-  "desc": "Gestisci le tue conoscenze",
+  "addFolder": "Crea cartella",
+  "addKnowledge": "Aggiungi conoscenza",
+  "addPage": "Crea documento",
+  "desc": "Gestisci le tue conoscenze su lavoro, studio e vita.",
  "detail": {
    "basic": {
      "createdAt": "Data di creazione",
@@ -21,15 +24,89 @@
      "embeddingStatus": "Vettorizzazione"
    }
  },
+  "documentEditor": {
+    "addIcon": "Aggiungi icona",
+    "autoSaveMessage": "Il documento viene salvato automaticamente, non è necessario salvarlo manualmente",
+    "chooseIcon": "Scegli icona",
+    "deleteConfirm": {
+      "content": "Stai per eliminare questo documento. Una volta eliminato, non potrà essere recuperato. Procedi con cautela.",
+      "title": "Elimina documento"
+    },
+    "deleteError": "Eliminazione del documento non riuscita",
+    "deleteSuccess": "Documento eliminato con successo",
+    "editedAt": "Ultima modifica il {{time}}",
+    "editedBy": "Ultima modifica di {{name}}",
+    "editorPlaceholder": "Inserisci il contenuto del documento, premi / per aprire il menu dei comandi",
+    "empty": {
+      "createNewDocument": "Crea un nuovo documento",
+      "title": "Seleziona un documento per iniziare",
+      "uploadMarkdown": "Carica un file Markdown"
+    },
+    "linkCopied": "Link copiato",
+    "menu": {
+      "copyLink": "Copia link",
+      "exportDocument": "Esporta documento",
+      "importDocument": "Importa documento",
+      "pin": "Fissa documento"
+    },
+    "saving": "Salvataggio in corso...",
+    "titlePlaceholder": "Senza titolo",
+    "wordCount": "{{wordCount}} parole"
+  },
+  "documentList": {
+    "copyContent": "Copia tutto il contenuto",
+    "documentCount": "Totale {{count}} documenti",
+    "duplicate": "Crea una copia",
+    "empty": "Nessun documento disponibile. Clicca sul pulsante in alto per creare il tuo primo documento",
+    "noResults": "Nessun documento corrispondente trovato",
+    "selectNote": "Seleziona un documento per iniziare a modificare",
+    "untitled": "Senza titolo"
+  },
  "empty": "Nessun file/cartella caricato",
  "header": {
    "actions": {
      "newFolder": "Nuova cartella",
+      "newPage": "Nuovo documento",
      "uploadFile": "Carica file",
      "uploadFolder": "Carica cartella"
    },
+    "newDocumentButton": "Nuovo documento",
+    "newNoteDialog": {
+      "cancel": "Annulla",
+      "editTitle": "Modifica documento",
+      "emptyContent": "Il contenuto del documento non può essere vuoto",
+      "loadError": "Caricamento del documento non riuscito, riprova",
+      "loading": "Caricamento in corso...",
+      "save": "Salva",
+      "saveError": "Salvataggio del documento non riuscito, riprova",
+      "saveSuccess": "Documento salvato con successo",
+      "title": "Nuovo documento",
+      "updateSuccess": "Documento aggiornato con successo"
+    },
    "uploadButton": "Carica"
  },
+  "home": {
+    "getStarted": "Inizia subito",
+    "greeting": "Inizia",
+    "quickActions": "Azioni rapide",
+    "recentDocuments": "Documenti recenti",
+    "recentFiles": "File recenti",
+    "subtitle": "Benvenuto nel tuo archivio di conoscenza, inizia a gestire i tuoi documenti da qui",
+    "uploadEntries": {
+      "files": {
+        "title": "Carica file"
+      },
+      "folder": {
+        "title": "Carica cartella"
+      },
+      "knowledgeBase": {
+        "title": "Crea nuova base di conoscenza"
+      },
+      "newDocument": {
+        "title": "Crea nuovo documento"
+      }
+    }
+  },
  "knowledgeBase": {
    "list": {
      "confirmRemoveKnowledgeBase": "Stai per eliminare questa knowledge base. I file al suo interno non verranno eliminati, ma spostati in 'Tutti i file'. Una volta eliminata, la knowledge base non potrà essere recuperata, procedi con cautela.",
@@ -38,6 +115,10 @@
    "new": "Nuova knowledge base",
    "title": "Knowledge Base"
  },
+  "menu": {
+    "allDocuments": "Tutti i documenti",
+    "allFiles": "Tutti i file"
+  },
  "networkError": "Impossibile ottenere la knowledge base, controlla la connessione di rete e riprova",
  "notSupportGuide": {
    "desc": "L'istanza attuale è in modalità database client e non supporta la gestione dei file. Passa a <1>modalità di distribuzione del database server</1>, oppure utilizza direttamente <3>LobeChat Cloud</3>",
@@ -61,12 +142,16 @@
    "downloadFile": "Scarica file",
    "unsupportedFileAndContact": "Questo formato di file non è attualmente supportato per la visualizzazione online. Se hai bisogno di una visualizzazione, ti preghiamo di <1>contattarci</1>."
  },
+  "searchDocumentPlaceholder": "Cerca documenti",
  "searchFilePlaceholder": "Cerca file",
  "tab": {
-    "all": "Tutti i file",
+    "all": "Tutti",
    "audios": "Audio",
    "documents": "Documenti",
+    "home": "Home",
    "images": "Immagini",
+    "moreTypes": "Altri tipi",
+    "pages": "Documenti",
    "videos": "Video",
    "websites": "Siti web"
  },
@@ -295,7 +295,7 @@
      },
      "helpDoc": "Guida alla configurazione",
      "responsesApi": {
-        "desc": "Utilizza il nuovo formato di richiesta di OpenAI per sbloccare funzionalità avanzate come la catena di pensiero",
+        "desc": "Utilizza il nuovo formato di richiesta di OpenAI per sbloccare funzionalità avanzate come la catena di pensiero (supportato solo dai modelli OpenAI)",
        "title": "Utilizza lo standard Responses API"
      },
      "waitingForMore": "Altri modelli sono in fase di <1>implementazione</1>, resta sintonizzato"
@@ -236,6 +236,9 @@
  "MiniMaxAI/MiniMax-M1-80k": {
    "description": "MiniMax-M1 è un modello di inferenza a grande scala con pesi open source e attenzione mista, con 456 miliardi di parametri, di cui circa 45,9 miliardi attivati per ogni token. Il modello supporta nativamente un contesto ultra-lungo di 1 milione di token e, grazie al meccanismo di attenzione lampo, riduce del 75% il carico computazionale in operazioni floating point rispetto a DeepSeek R1 in compiti di generazione con 100.000 token. Inoltre, MiniMax-M1 adotta un'architettura MoE (Mixture of Experts), combinando l'algoritmo CISPO e un design di attenzione mista per un addestramento efficiente tramite apprendimento rinforzato, raggiungendo prestazioni leader nel settore per inferenze con input lunghi e scenari reali di ingegneria software."
  },
+  "MiniMaxAI/MiniMax-M2": {
+    "description": "MiniMax-M2 ridefinisce l'efficienza per gli agenti intelligenti. È un modello MoE compatto, veloce ed economico, con 230 miliardi di parametri totali e 10 miliardi di parametri attivi, progettato per offrire prestazioni di alto livello nei compiti di codifica e agenti, mantenendo al contempo una solida intelligenza generale. Con soli 10 miliardi di parametri attivi, MiniMax-M2 offre prestazioni paragonabili a quelle dei modelli su larga scala, rendendolo la scelta ideale per applicazioni ad alta efficienza."
+  },
  "Moonshot-Kimi-K2-Instruct": {
    "description": "Con un totale di 1 trilione di parametri e 32 miliardi di parametri attivi, questo modello non pensante raggiunge livelli d'eccellenza in conoscenze all'avanguardia, matematica e programmazione, ed è particolarmente adatto a compiti di agenti generici. Ottimizzato per attività di agenti, non solo risponde a domande ma può anche agire. Ideale per chat improvvisate, conversazioni generiche e esperienze di agenti, è un modello riflessivo che non richiede lunghi tempi di elaborazione."
  },
@@ -1049,6 +1052,9 @@
  "deepseek-r1-0528": {
    "description": "Modello completo da 685 miliardi di parametri, rilasciato il 28 maggio 2025. DeepSeek-R1 utilizza ampiamente tecniche di apprendimento rinforzato nella fase post-addestramento, migliorando notevolmente le capacità di ragionamento del modello con pochissimi dati annotati. Eccelle in matematica, programmazione, ragionamento in linguaggio naturale e altre attività."
  },
+  "deepseek-r1-250528": {
+    "description": "DeepSeek R1 250528, versione completa del modello di inferenza DeepSeek-R1, ideale per compiti complessi di matematica e logica."
+  },
  "deepseek-r1-70b-fast-online": {
    "description": "DeepSeek R1 70B versione veloce, supporta la ricerca online in tempo reale, fornendo una velocità di risposta più rapida mantenendo le prestazioni del modello."
  },
@@ -1059,31 +1065,34 @@
    "description": "deepseek-r1-distill-llama è un modello derivato da Llama attraverso la distillazione di DeepSeek-R1."
  },
  "deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek R1 - il modello più grande e intelligente del pacchetto DeepSeek - è stato distillato nell'architettura Llama 70B. Basato su test di benchmark e valutazioni umane, questo modello è più intelligente del Llama 70B originale, mostrando prestazioni eccezionali in compiti che richiedono precisione matematica e fattuale."
+    "description": "DeepSeek R1 Distill Llama 70B, modello distillato che unisce le capacità di inferenza R1 con l'ecosistema Llama."
  },
  "deepseek-r1-distill-llama-8b": {
-    "description": "Il modello della serie DeepSeek-R1-Distill è stato ottenuto tramite la tecnologia di distillazione della conoscenza, ottimizzando i campioni generati da DeepSeek-R1 su modelli open source come Qwen e Llama."
+    "description": "DeepSeek-R1-Distill-Llama-8B è un grande modello linguistico distillato basato su Llama-3.1-8B, addestrato con output di DeepSeek R1."
+  },
+  "deepseek-r1-distill-qianfan-70b": {
+    "description": "DeepSeek R1 Distill Qianfan 70B, modello distillato R1 basato su Qianfan-70B, con ottimo rapporto qualità-prezzo."
+  },
+  "deepseek-r1-distill-qianfan-8b": {
+    "description": "DeepSeek R1 Distill Qianfan 8B, modello distillato R1 basato su Qianfan-8B, adatto per applicazioni di piccola e media scala."
  },
  "deepseek-r1-distill-qianfan-llama-70b": {
-    "description": "Rilasciato per la prima volta il 14 febbraio 2025, distillato dal team di ricerca del grande modello Qianfan utilizzando Llama3_70B come modello base (costruito con Meta Llama), con l'aggiunta di dati di Qianfan nel set di dati di distillazione."
-  },
-  "deepseek-r1-distill-qianfan-llama-8b": {
-    "description": "Rilasciato per la prima volta il 14 febbraio 2025, distillato dal team di ricerca del grande modello Qianfan utilizzando Llama3_8B come modello base (costruito con Meta Llama), con l'aggiunta di dati di Qianfan nel set di dati di distillazione."
+    "description": "DeepSeek R1 Distill Qianfan Llama 70B, modello distillato R1 basato su Llama-70B."
  },
  "deepseek-r1-distill-qwen": {
    "description": "deepseek-r1-distill-qwen è un modello distillato da Qwen basato su DeepSeek-R1."
  },
  "deepseek-r1-distill-qwen-1.5b": {
-    "description": "Il modello della serie DeepSeek-R1-Distill è stato ottenuto tramite la tecnologia di distillazione della conoscenza, ottimizzando i campioni generati da DeepSeek-R1 su modelli open source come Qwen e Llama."
+    "description": "DeepSeek R1 Distill Qwen 1.5B, modello distillato R1 ultra-leggero, ideale per ambienti con risorse estremamente limitate."
  },
  "deepseek-r1-distill-qwen-14b": {
-    "description": "Il modello della serie DeepSeek-R1-Distill è stato ottenuto tramite la tecnologia di distillazione della conoscenza, ottimizzando i campioni generati da DeepSeek-R1 su modelli open source come Qwen e Llama."
+    "description": "DeepSeek R1 Distill Qwen 14B, modello distillato R1 di media scala, adatto a molteplici scenari di distribuzione."
  },
  "deepseek-r1-distill-qwen-32b": {
-    "description": "Il modello della serie DeepSeek-R1-Distill è stato ottenuto tramite la tecnologia di distillazione della conoscenza, ottimizzando i campioni generati da DeepSeek-R1 su modelli open source come Qwen e Llama."
+    "description": "DeepSeek R1 Distill Qwen 32B, modello distillato R1 basato su Qwen-32B, bilancia prestazioni e costi."
  },
  "deepseek-r1-distill-qwen-7b": {
-    "description": "Il modello della serie DeepSeek-R1-Distill è stato ottenuto tramite la tecnologia di distillazione della conoscenza, ottimizzando i campioni generati da DeepSeek-R1 su modelli open source come Qwen e Llama."
+    "description": "DeepSeek R1 Distill Qwen 7B, modello distillato R1 leggero, adatto per ambienti edge e deployment aziendali privati."
  },
  "deepseek-r1-fast-online": {
    "description": "DeepSeek R1 versione veloce completa, supporta la ricerca online in tempo reale, combinando la potenza dei 671B parametri con una velocità di risposta più rapida."
@@ -1112,12 +1121,24 @@
  "deepseek-v3.1-terminus": {
    "description": "DeepSeek-V3.1-Terminus è una versione ottimizzata per dispositivi terminali del modello linguistico di grandi dimensioni sviluppato da DeepSeek."
  },
+  "deepseek-v3.1-think-250821": {
+    "description": "DeepSeek V3.1 Think 250821, modello di pensiero profondo corrispondente alla versione Terminus, ideale per scenari di inferenza ad alte prestazioni."
+  },
  "deepseek-v3.1:671b": {
    "description": "DeepSeek V3.1: modello di inferenza di nuova generazione che migliora le capacità di ragionamento complesso e di pensiero a catena, adatto a compiti che richiedono analisi approfondite."
  },
  "deepseek-v3.2-exp": {
    "description": "deepseek-v3.2-exp introduce un meccanismo di attenzione sparsa, progettato per migliorare l'efficienza di addestramento e inferenza nel trattamento di testi lunghi, con un costo inferiore rispetto a deepseek-v3.1."
  },
+  "deepseek-v3.2-think": {
+    "description": "DeepSeek V3.2 Think, versione completa del modello di pensiero profondo, potenziato per il ragionamento su catene lunghe."
+  },
+  "deepseek-vl2": {
+    "description": "DeepSeek VL2, modello multimodale che supporta la comprensione immagine-testo e il question answering visivo a grana fine."
+  },
+  "deepseek-vl2-small": {
+    "description": "DeepSeek VL2 Small, versione multimodale leggera, adatta a scenari con risorse limitate e alta concorrenza."
+  },
  "deepseek/deepseek-chat-v3-0324": {
    "description": "DeepSeek V3 è un modello misto esperto con 685B di parametri, l'ultima iterazione della serie di modelli di chat di punta del team DeepSeek.\n\nEredita il modello [DeepSeek V3](/deepseek/deepseek-chat-v3) e si comporta eccezionalmente in vari compiti."
  },
@@ -1137,7 +1158,7 @@
    "description": "DeepSeek-R1 migliora notevolmente la capacità di ragionamento del modello anche con pochissimi dati annotati. Prima di fornire la risposta finale, il modello genera una catena di pensieri per aumentare la precisione della risposta."
  },
  "deepseek/deepseek-r1-distill-llama-70b": {
-    "description": "DeepSeek-R1-Distill-Llama-70B è una variante distillata e più efficiente del modello Llama da 70B. Mantiene prestazioni robuste nelle attività di generazione testuale, riducendo il carico computazionale per facilitare il deployment e la ricerca. Servito da Groq con il suo hardware personalizzato Language Processing Unit (LPU) per inferenze rapide ed efficienti."
+    "description": "DeepSeek R1 Distill Llama 70B è un modello linguistico di grandi dimensioni basato su Llama3.3 70B. Grazie al fine-tuning effettuato con l'output di DeepSeek R1, il modello raggiunge prestazioni competitive paragonabili a quelle dei modelli all'avanguardia di grandi dimensioni."
  },
  "deepseek/deepseek-r1-distill-llama-8b": {
    "description": "DeepSeek R1 Distill Llama 8B è un modello di linguaggio distillato basato su Llama-3.1-8B-Instruct, addestrato utilizzando l'output di DeepSeek R1."
@@ -1253,83 +1274,89 @@
  "emohaa": {
    "description": "Emohaa è un modello psicologico, con capacità di consulenza professionale, aiuta gli utenti a comprendere i problemi emotivi."
  },
-  "ernie-3.5-128k": {
-    "description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, coprendo un'enorme quantità di dati in cinese e inglese, con forti capacità generali, in grado di soddisfare la maggior parte delle esigenze di domande e risposte, generazione creativa e scenari di applicazione di plugin; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte."
-  },
-  "ernie-3.5-8k": {
-    "description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, coprendo un'enorme quantità di dati in cinese e inglese, con forti capacità generali, in grado di soddisfare la maggior parte delle esigenze di domande e risposte, generazione creativa e scenari di applicazione di plugin; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte."
-  },
-  "ernie-3.5-8k-preview": {
-    "description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, coprendo un'enorme quantità di dati in cinese e inglese, con forti capacità generali, in grado di soddisfare la maggior parte delle esigenze di domande e risposte, generazione creativa e scenari di applicazione di plugin; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte."
-  },
-  "ernie-4.0-8k-latest": {
-    "description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, con un aggiornamento completo delle capacità rispetto a ERNIE 3.5, ampiamente applicabile a scenari di compiti complessi in vari campi; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte."
-  },
-  "ernie-4.0-8k-preview": {
-    "description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, con un aggiornamento completo delle capacità rispetto a ERNIE 3.5, ampiamente applicabile a scenari di compiti complessi in vari campi; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte."
-  },
-  "ernie-4.0-turbo-128k": {
-    "description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, con prestazioni complessive eccezionali, ampiamente applicabile a scenari di compiti complessi in vari campi; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte. Rispetto a ERNIE 4.0, offre prestazioni migliori."
-  },
-  "ernie-4.0-turbo-8k-latest": {
-    "description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, con prestazioni complessive eccezionali, ampiamente applicabile a scenari di compiti complessi in vari campi; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte. Rispetto a ERNIE 4.0, offre prestazioni migliori."
-  },
-  "ernie-4.0-turbo-8k-preview": {
-    "description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, con prestazioni complessive eccezionali, ampiamente applicabile a scenari di compiti complessi in vari campi; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte. Rispetto a ERNIE 4.0, offre prestazioni migliori."
+  "ernie-4.5-0.3b": {
+    "description": "ERNIE 4.5 0.3B, modello open source leggero, ideale per deployment locali e personalizzati."
  },
  "ernie-4.5-21b-a3b": {
-    "description": "ERNIE 4.5 21B A3B è un modello esperto ibrido sviluppato da Wenxin di Baidu, con eccellenti capacità di ragionamento e supporto multilingue."
+    "description": "ERNIE 4.5 21B A3B, modello open source con parametri elevati, eccellente in compiti di comprensione e generazione."
  },
  "ernie-4.5-300b-a47b": {
    "description": "ERNIE 4.5 300B A47B è un modello esperto ibrido su larga scala sviluppato da Wenxin di Baidu, con prestazioni eccezionali nel ragionamento."
  },
  "ernie-4.5-8k-preview": {
-    "description": "Il modello di grandi dimensioni Wenxin 4.5 è una nuova generazione di modello di base multimodale sviluppato autonomamente da Baidu, realizzato attraverso la modellazione congiunta di più modalità per ottenere un'ottimizzazione collaborativa, con eccellenti capacità di comprensione multimodale; presenta capacità linguistiche più avanzate, con miglioramenti significativi nella comprensione, generazione, logica e memoria, riducendo le illusioni e migliorando il ragionamento logico e le capacità di codifica."
+    "description": "ERNIE 4.5 8K Preview, modello di anteprima con contesto 8K, per testare e sperimentare le capacità di ERNIE 4.5."
  },
  "ernie-4.5-turbo-128k": {
-    "description": "ERNIE 4.5 Turbo ha mostrato miglioramenti significativi nella riduzione delle allucinazioni, nel ragionamento logico e nelle capacità di codifica. Rispetto a ERNIE 4.5, è più veloce e più economico. Le capacità del modello sono state ampliate per soddisfare meglio le esigenze di gestione di conversazioni lunghe e storiche e di domande e risposte su documenti lunghi."
+    "description": "ERNIE 4.5 Turbo 128K, modello generico ad alte prestazioni, supporta ricerca potenziata e strumenti, adatto a Q&A, codice, agenti e altro."
+  },
+  "ernie-4.5-turbo-128k-preview": {
+    "description": "ERNIE 4.5 Turbo 128K Preview, versione di anteprima con capacità equivalenti alla versione ufficiale, ideale per test e integrazione."
  },
  "ernie-4.5-turbo-32k": {
-    "description": "ERNIE 4.5 Turbo ha mostrato miglioramenti significativi nella riduzione delle allucinazioni, nel ragionamento logico e nelle capacità di codifica. Rispetto a ERNIE 4.5, è più veloce e più economico. Le capacità di creazione di testi e domande e risposte sono notevolmente migliorate. La lunghezza dell'output e il ritardo delle frasi complete sono aumentati rispetto a ERNIE 4.5."
+    "description": "ERNIE 4.5 Turbo 32K, versione con contesto medio-lungo, adatta a Q&A, ricerca in knowledge base e dialoghi multi-turno."
+  },
+  "ernie-4.5-turbo-latest": {
+    "description": "ERNIE 4.5 Turbo Ultima versione, ottimizzata per prestazioni generali, ideale come modello principale in ambienti di produzione."
+  },
+  "ernie-4.5-turbo-vl": {
+    "description": "ERNIE 4.5 Turbo VL, modello multimodale maturo, adatto a compiti di comprensione e riconoscimento immagine-testo in produzione."
  },
  "ernie-4.5-turbo-vl-32k": {
-    "description": "Nuova versione del modello ERNIE, con capacità significativamente migliorate nella comprensione, creazione, traduzione e codifica delle immagini, supportando per la prima volta una lunghezza di contesto di 32K, con un ritardo del primo token notevolmente ridotto."
+    "description": "ERNIE 4.5 Turbo VL 32K, versione multimodale per testi lunghi, adatta alla comprensione congiunta di documenti e immagini."
+  },
+  "ernie-4.5-turbo-vl-32k-preview": {
+    "description": "ERNIE 4.5 Turbo VL 32K Preview, versione di anteprima multimodale 32K, utile per valutare le capacità visive su contesti lunghi."
+  },
+  "ernie-4.5-turbo-vl-latest": {
+    "description": "ERNIE 4.5 Turbo VL Ultima versione, modello multimodale aggiornato, con migliori prestazioni in comprensione e ragionamento immagine-testo."
+  },
+  "ernie-4.5-turbo-vl-preview": {
+    "description": "ERNIE 4.5 Turbo VL Preview, modello multimodale di anteprima, supporta comprensione e generazione immagine-testo, ideale per Q&A visivo e contenuti."
+  },
+  "ernie-4.5-vl-28b-a3b": {
+    "description": "ERNIE 4.5 VL 28B A3B, modello multimodale open source, supporta compiti di comprensione e ragionamento immagine-testo."
+  },
+  "ernie-5.0-thinking-preview": {
+    "description": "ERNIE 5.0 Thinking Preview, modello flagship nativo multimodale, supporta testo, immagini, audio e video, ideale per Q&A complessi, creazione e agenti intelligenti."
  },
  "ernie-char-8k": {
-    "description": "Un modello di linguaggio di grandi dimensioni sviluppato internamente da Baidu, adatto per scenari di applicazione come NPC nei giochi, dialoghi di assistenza clienti e interpretazione di ruoli nei dialoghi, con uno stile di personaggio più distintivo e coerente, capacità di seguire istruzioni più forti e prestazioni di inferenza migliori."
+    "description": "ERNIE Character 8K, modello di dialogo con personalità, adatto alla creazione di personaggi IP e conversazioni a lungo termine."
  },
  "ernie-char-fiction-8k": {
-    "description": "Un modello di linguaggio di grandi dimensioni sviluppato internamente da Baidu, adatto per scenari di applicazione come NPC nei giochi, dialoghi di assistenza clienti e interpretazione di ruoli nei dialoghi, con uno stile di personaggio più distintivo e coerente, capacità di seguire istruzioni più forti e prestazioni di inferenza migliori."
+    "description": "ERNIE Character Fiction 8K, modello di personalità per narrativa e creazione di trame, ideale per generazione di storie lunghe."
+  },
+  "ernie-char-fiction-8k-preview": {
+    "description": "ERNIE Character Fiction 8K Preview, versione di anteprima per creazione di personaggi e trame, utile per test e valutazione."
  },
  "ernie-irag-edit": {
-    "description": "Il modello di editing immagini ERNIE iRAG sviluppato da Baidu supporta operazioni come cancellazione (erase), ridipintura (repaint) e variazione (variation) basate su immagini."
+    "description": "ERNIE iRAG Edit, modello di editing immagini che supporta rimozione, ritocco e generazione di varianti."
  },
  "ernie-lite-8k": {
-    "description": "ERNIE Lite è un modello di linguaggio di grandi dimensioni sviluppato internamente da Baidu, che bilancia prestazioni eccellenti del modello e prestazioni di inferenza, adatto per l'uso con schede di accelerazione AI a bassa potenza."
+    "description": "ERNIE Lite 8K, modello generico leggero, adatto a Q&A quotidiani e generazione di contenuti a basso costo."
  },
  "ernie-lite-pro-128k": {
-    "description": "Un modello di linguaggio di grandi dimensioni leggero sviluppato internamente da Baidu, che bilancia prestazioni eccellenti del modello e prestazioni di inferenza, con risultati migliori rispetto a ERNIE Lite, adatto per l'uso con schede di accelerazione AI a bassa potenza."
+    "description": "ERNIE Lite Pro 128K, modello leggero ad alte prestazioni, ideale per scenari sensibili a latenza e costi."
  },
  "ernie-novel-8k": {
-    "description": "Un modello di linguaggio di grandi dimensioni sviluppato internamente da Baidu, con un evidente vantaggio nella capacità di continuare romanzi, utilizzabile anche in scenari come cortometraggi e film."
+    "description": "ERNIE Novel 8K, modello per narrativa lunga e creazione di trame IP, eccelle in narrazione multi-personaggio e multi-trama."
  },
  "ernie-speed-128k": {
-    "description": "Il modello di linguaggio di grandi dimensioni ad alte prestazioni sviluppato internamente da Baidu, rilasciato nel 2024, con capacità generali eccellenti, adatto come modello di base per la messa a punto, per affrontare meglio i problemi specifici, mantenendo eccellenti prestazioni di inferenza."
+    "description": "ERNIE Speed 128K, grande modello senza costi di I/O, adatto a comprensione di testi lunghi e test su larga scala."
+  },
+  "ernie-speed-8k": {
+    "description": "ERNIE Speed 8K, modello gratuito e veloce, adatto a dialoghi quotidiani e compiti testuali leggeri."
  },
  "ernie-speed-pro-128k": {
-    "description": "Il modello di linguaggio di grandi dimensioni ad alte prestazioni sviluppato internamente da Baidu, rilasciato nel 2024, con capacità generali eccellenti, con risultati migliori rispetto a ERNIE Speed, adatto come modello di base per la messa a punto, per affrontare meglio i problemi specifici, mantenendo eccellenti prestazioni di inferenza."
+    "description": "ERNIE Speed Pro 128K, modello ad alta concorrenza e ottimo rapporto qualità-prezzo, ideale per servizi online su larga scala e applicazioni aziendali."
  },
  "ernie-tiny-8k": {
-    "description": "ERNIE Tiny è un modello di linguaggio di grandi dimensioni ad alte prestazioni sviluppato internamente da Baidu, con i costi di distribuzione e messa a punto più bassi della serie Wencin."
-  },
-  "ernie-x1-32k": {
-    "description": "Possiede una comprensione, pianificazione, riflessione e capacità evolutive superiori. Come modello di pensiero profondo più completo, ERNIE-X1 combina accuratezza, creatività e stile, eccellendo in domande e risposte in cinese, creazione letteraria, scrittura di documenti, conversazioni quotidiane, ragionamento logico, calcoli complessi e utilizzo di strumenti."
-  },
-  "ernie-x1-32k-preview": {
-    "description": "Il grande modello Wénxīn X1 possiede una comprensione, pianificazione, riflessione e capacità evolutive superiori. Come modello di pensiero profondo più completo, Wénxīn X1 combina precisione, creatività e stile, eccellendo in domande e risposte in cinese, creazione letteraria, scrittura di documenti, conversazioni quotidiane, ragionamento logico, calcoli complessi e invocazione di strumenti."
+    "description": "ERNIE Tiny 8K, modello ultra-leggero, adatto a Q&A semplici, classificazione e inferenza a basso costo."
  },
  "ernie-x1-turbo-32k": {
-    "description": "Rispetto a ERNIE-X1-32K, il modello offre prestazioni e risultati migliori."
+    "description": "ERNIE X1 Turbo 32K, modello di pensiero veloce con contesto lungo 32K, adatto a ragionamento complesso e dialoghi multi-turno."
+  },
+  "ernie-x1.1-preview": {
+    "description": "ERNIE X1.1 Preview, versione di anteprima del modello di pensiero ERNIE X1.1, utile per test e validazione delle capacità."
  },
  "fal-ai/bytedance/seedream/v4": {
    "description": "Il modello di generazione immagini Seedream 4.0, sviluppato dal team Seed di ByteDance, supporta input di testo e immagini, offrendo un'esperienza di generazione immagini altamente controllabile e di alta qualità. Genera immagini basate su prompt testuali."
@@ -1389,7 +1416,7 @@
    "description": "FLUX.1 [schnell], attualmente il modello open source più avanzato a pochi passaggi, supera non solo i concorrenti simili ma anche potenti modelli non raffinati come Midjourney v6.0 e DALL·E 3 (HD). Ottimizzato per mantenere tutta la diversità di output della fase di pre-addestramento, migliora significativamente qualità visiva, aderenza alle istruzioni, variazioni di dimensione/proporzione, gestione dei font e diversità di output rispetto ai modelli più avanzati sul mercato, offrendo un'esperienza creativa più ricca e variegata."
  },
  "flux.1-schnell": {
-    "description": "Trasformatore di flusso rettificato con 12 miliardi di parametri, capace di generare immagini basate su descrizioni testuali."
+    "description": "FLUX.1-schnell, modello ad alte prestazioni per generazione di immagini, ideale per creare rapidamente immagini in vari stili."
  },
  "gemini-1.0-pro-001": {
    "description": "Gemini 1.0 Pro 001 (Tuning) offre prestazioni stabili e ottimizzabili, è la scelta ideale per soluzioni a compiti complessi."
@@ -1538,6 +1565,9 @@
  "glm-4-0520": {
    "description": "GLM-4-0520 è l'ultima versione del modello, progettata per compiti altamente complessi e diversificati, con prestazioni eccezionali."
  },
+  "glm-4-32b-0414": {
+    "description": "GLM-4 32B 0414, versione del modello generico della serie GLM, supporta generazione e comprensione testuale multi-task."
+  },
  "glm-4-9b-chat": {
    "description": "GLM-4-9B-Chat offre prestazioni elevate in semantica, matematica, ragionamento, programmazione e conoscenza. Supporta anche la navigazione web, l'esecuzione di codice, l'invocazione di strumenti personalizzati e il ragionamento su testi lunghi. Supporta 26 lingue, tra cui giapponese, coreano e tedesco."
  },
@@ -1826,6 +1856,18 @@
  "gpt-5-pro": {
    "description": "GPT-5 Pro utilizza maggiori risorse computazionali per un'elaborazione più profonda, offrendo risposte sempre più accurate e pertinenti."
  },
+  "gpt-5.1": {
+    "description": "GPT-5.1 — Modello di punta ottimizzato per compiti di codifica e agent, supporta intensità di inferenza configurabile e contesto esteso."
+  },
+  "gpt-5.1-chat-latest": {
+    "description": "GPT-5.1 Chat: Variante di GPT-5.1 per ChatGPT, ideale per scenari di conversazione."
+  },
+  "gpt-5.1-codex": {
+    "description": "GPT-5.1 Codex: Versione di GPT-5.1 ottimizzata per compiti di codifica agentica, utilizzabile nell'API Responses per flussi di lavoro complessi di codice/agent."
+  },
+  "gpt-5.1-codex-mini": {
+    "description": "GPT-5.1 Codex mini: Variante più compatta e conveniente di Codex, ottimizzata per compiti di codifica agentica."
+  },
  "gpt-audio": {
    "description": "GPT Audio è un modello di chat universale per input e output audio, supporta l'uso di I/O audio nell'API Chat Completions."
  },
@@ -2001,13 +2043,13 @@
    "description": "Serie di modelli Imagen di quarta generazione per la generazione di immagini da testo"
  },
  "imagen-4.0-generate-preview-06-06": {
-    "description": "Serie di modelli di generazione di immagini da testo di quarta generazione Imagen"
+    "description": "Serie di modelli di generazione di immagini di quarta generazione Imagen"
  },
  "imagen-4.0-ultra-generate-001": {
    "description": "Imagen, serie di modelli testo-in-immagine di quarta generazione, versione Ultra"
  },
  "imagen-4.0-ultra-generate-preview-06-06": {
-    "description": "Serie di modelli di generazione di immagini da testo di quarta generazione Imagen versione Ultra"
+    "description": "Versione Ultra della serie di modelli di generazione di immagini di quarta generazione Imagen"
  },
  "inception/mercury-coder-small": {
    "description": "Mercury Coder Small è la scelta ideale per compiti di generazione, debug e refactoring di codice, con latenza minima."
@@ -2036,14 +2078,26 @@
  "internlm3-latest": {
    "description": "La nostra ultima serie di modelli, con prestazioni di inferenza eccezionali, è leader tra i modelli open source della stessa classe. Punta di default ai modelli della serie InternLM3 appena rilasciati."
  },
+  "internvl2.5-38b-mpo": {
+    "description": "InternVL2.5 38B MPO, modello multimodale pre-addestrato, supporta compiti complessi di ragionamento immagine-testo."
+  },
  "internvl2.5-latest": {
    "description": "La versione InternVL2.5 che stiamo ancora mantenendo, offre prestazioni eccellenti e stabili. Punta di default al nostro ultimo modello della serie InternVL2.5, attualmente indirizzato a internvl2.5-78b."
  },
+  "internvl3-14b": {
+    "description": "InternVL3 14B, modello multimodale di media scala, bilancia prestazioni e costi."
+  },
+  "internvl3-1b": {
+    "description": "InternVL3 1B, modello multimodale leggero, adatto a deployment in ambienti con risorse limitate."
+  },
+  "internvl3-38b": {
+    "description": "InternVL3 38B, modello multimodale open source su larga scala, ideale per compiti di comprensione immagine-testo ad alta precisione."
+  },
  "internvl3-latest": {
    "description": "Il nostro ultimo modello multimodale, con una maggiore capacità di comprensione delle immagini e del testo, e una comprensione delle immagini a lungo termine, offre prestazioni paragonabili ai migliori modelli closed-source. Punta di default al nostro ultimo modello della serie InternVL, attualmente indirizzato a internvl3-78b."
  },
  "irag-1.0": {
-    "description": "iRAG (image based RAG) sviluppato da Baidu è una tecnologia di generazione immagini da testo potenziata da retrieval, che combina risorse di miliardi di immagini di Baidu Search con potenti modelli di base per generare immagini ultra-realistiche, superando di gran lunga i sistemi nativi di generazione da testo a immagine, eliminando l'effetto artificiale AI e mantenendo bassi costi. iRAG è caratterizzato da assenza di allucinazioni, realismo estremo e risultati immediati."
+    "description": "ERNIE iRAG, modello di generazione potenziata da ricerca visiva, supporta ricerca per immagine, retrieval immagine-testo e generazione di contenuti."
  },
  "jamba-large": {
    "description": "Il nostro modello più potente e avanzato, progettato per gestire compiti complessi a livello aziendale, con prestazioni eccezionali."
@@ -2064,7 +2118,7 @@
    "description": "Il modello kimi-k2-0905-preview ha una lunghezza di contesto di 256k, con capacità di Agentic Coding più forti, una migliore estetica e praticità del codice frontend, e una migliore comprensione del contesto."
  },
  "kimi-k2-instruct": {
-    "description": "Kimi K2 Instruct è un modello linguistico di grandi dimensioni sviluppato da Moonshot AI, con capacità avanzate di gestione di contesti molto estesi."
+    "description": "Kimi K2 Instruct, modello ufficiale di inferenza Kimi, supporta contesto lungo, codice, Q&A e altri scenari."
  },
  "kimi-k2-turbo-preview": {
    "description": "kimi-k2 è un modello di base con architettura MoE che offre potenti capacità di programmazione e di agent, con 1T di parametri totali e 32B di parametri attivi. Nei benchmark delle principali categorie — ragionamento su conoscenze generali, programmazione, matematica e agent — il modello K2 supera gli altri modelli open source più diffusi."
@@ -2174,6 +2228,9 @@
  "megrez-3b-instruct": {
    "description": "Megrez 3B Instruct è un modello efficiente a basso numero di parametri sviluppato da Wuwen Xinqiong."
  },
+  "meituan/longcat-flash-chat": {
+    "description": "Modello base non riflessivo open source di Meituan, ottimizzato per l'interazione dialogica e i compiti degli agenti intelligenti, eccelle nell'uso di strumenti e in scenari complessi di conversazione multi-turno."
+  },
  "meta-llama-3-70b-instruct": {
    "description": "Un potente modello con 70 miliardi di parametri che eccelle nel ragionamento, nella codifica e nelle ampie applicazioni linguistiche."
  },
@@ -2405,6 +2462,12 @@
  "minimax-m2": {
    "description": "MiniMax M2 è un modello linguistico di grandi dimensioni, efficiente e progettato per flussi di lavoro di codifica e agenti intelligenti."
  },
+  "minimax/minimax-m2": {
+    "description": "Progettato per una codifica efficiente e flussi di lavoro con agenti."
+  },
+  "minimaxai/minimax-m2": {
+    "description": "MiniMax-M2 è un modello MoE (Mixture of Experts) compatto, veloce ed economico, con 230 miliardi di parametri totali e 10 miliardi di parametri attivi, progettato per offrire prestazioni eccellenti nei compiti di codifica e agenti, mantenendo una forte intelligenza generale. Si distingue per le sue prestazioni in attività come l'editing di file multipli, il ciclo chiuso codifica-esecuzione-correzione, la verifica e correzione dei test, e le complesse catene di strumenti a collegamento lungo, rendendolo una scelta ideale per i flussi di lavoro degli sviluppatori."
+  },
  "ministral-3b-latest": {
    "description": "Ministral 3B è il modello di punta di Mistral per edge computing."
  },
@@ -2735,6 +2798,54 @@
  "pro-deepseek-v3": {
    "description": "Modello dedicato ai servizi aziendali, con supporto per servizi concorrenti."
  },
+  "qianfan-70b": {
+    "description": "Qianfan 70B, un modello cinese di grandi dimensioni, adatto alla generazione di contenuti di alta qualità e a compiti di ragionamento complesso."
+  },
+  "qianfan-8b": {
+    "description": "Qianfan 8B, un modello generico di medie dimensioni, ideale per la generazione di testi e scenari di domande e risposte con un buon equilibrio tra costi e prestazioni."
+  },
+  "qianfan-agent-intent-32k": {
+    "description": "Qianfan Agent Intent 32K, un modello per il riconoscimento delle intenzioni e l'orchestrazione degli agenti, supporta contesti lunghi."
+  },
+  "qianfan-agent-lite-8k": {
+    "description": "Qianfan Agent Lite 8K, un modello leggero per agenti, adatto a dialoghi multi-turno a basso costo e orchestrazione aziendale."
+  },
+  "qianfan-agent-speed-32k": {
+    "description": "Qianfan Agent Speed 32K, un modello per agenti ad alto controllo di flusso, ideale per applicazioni su larga scala e multi-tasking."
+  },
+  "qianfan-agent-speed-8k": {
+    "description": "Qianfan Agent Speed 8K, un modello per agenti ad alta concorrenza, progettato per dialoghi brevi e risposte rapide."
+  },
+  "qianfan-check-vl": {
+    "description": "Qianfan Check VL, un modello multimodale per la revisione e il rilevamento dei contenuti, supporta compiti di conformità e riconoscimento immagine-testo."
+  },
+  "qianfan-composition": {
+    "description": "Qianfan Composition, un modello multimodale per la creazione di contenuti, supporta la comprensione e generazione integrata di testo e immagini."
+  },
+  "qianfan-engcard-vl": {
+    "description": "Qianfan EngCard VL, un modello multimodale focalizzato su scenari in lingua inglese."
+  },
+  "qianfan-lightning-128b-a19b": {
+    "description": "Qianfan Lightning 128B A19B, un modello cinese ad alte prestazioni, adatto a domande complesse e compiti di ragionamento su larga scala."
+  },
+  "qianfan-llama-vl-8b": {
+    "description": "Qianfan Llama VL 8B, un modello multimodale basato su Llama, progettato per compiti generici di comprensione immagine-testo."
+  },
+  "qianfan-multipicocr": {
+    "description": "Qianfan MultiPicOCR, un modello OCR per immagini multiple, supporta il rilevamento e riconoscimento del testo su più immagini."
+  },
+  "qianfan-qi-vl": {
+    "description": "Qianfan QI VL, un modello multimodale per domande e risposte, ottimizzato per il recupero e la risposta precisa in scenari immagine-testo complessi."
+  },
+  "qianfan-singlepicocr": {
+    "description": "Qianfan SinglePicOCR, un modello OCR per singola immagine, supporta il riconoscimento di caratteri ad alta precisione."
+  },
+  "qianfan-vl-70b": {
+    "description": "Qianfan VL 70B, un modello visivo-linguistico di grandi dimensioni, adatto a scenari complessi di comprensione immagine-testo."
+  },
+  "qianfan-vl-8b": {
+    "description": "Qianfan VL 8B, un modello visivo-linguistico leggero, ideale per domande e risposte quotidiane su contenuti visivi e analisi."
+  },
  "qvq-72b-preview": {
    "description": "Il modello QVQ è un modello di ricerca sperimentale sviluppato dal team Qwen, focalizzato sul miglioramento delle capacità di ragionamento visivo, in particolare nel campo del ragionamento matematico."
  },
@@ -2886,7 +2997,7 @@
    "description": "Modello da 72B di Tongyi Qwen 2.5, open source."
  },
  "qwen2.5-7b-instruct": {
-    "description": "Modello da 7B di Tongyi Qwen 2.5, open source."
+    "description": "Qwen2.5 7B Instruct, un modello open source maturo per istruzioni, adatto a dialoghi e generazione in vari scenari."
  },
  "qwen2.5-coder-1.5b-instruct": {
    "description": "Versione open-source del modello di codice Qwen."
@@ -2919,13 +3030,13 @@
    "description": "La serie di modelli Qwen-Omni supporta l'input di dati multimodali, inclusi video, audio, immagini e testo, e produce output audio e testo."
  },
  "qwen2.5-vl-32b-instruct": {
-    "description": "La serie di modelli Qwen2.5-VL ha migliorato il livello di intelligenza, praticità e applicabilità del modello, rendendolo più performante in scenari come conversazioni naturali, creazione di contenuti, servizi di conoscenza specialistica e sviluppo di codice. La versione 32B utilizza tecniche di apprendimento rinforzato per ottimizzare il modello, offrendo uno stile di output più in linea con le preferenze umane, capacità di ragionamento per problemi matematici complessi e comprensione e ragionamento dettagliati di immagini rispetto ad altri modelli della serie Qwen2.5 VL."
+    "description": "Qwen2.5 VL 32B Instruct, un modello open source multimodale, adatto a implementazioni private e applicazioni versatili."
  },
  "qwen2.5-vl-72b-instruct": {
    "description": "Miglioramento complessivo nella seguire istruzioni, matematica, risoluzione di problemi e codice, con capacità di riconoscimento universale migliorate, supporto per formati diversi per il posizionamento preciso degli elementi visivi, comprensione di file video lunghi (fino a 10 minuti) e localizzazione di eventi in tempo reale, capacità di comprendere sequenze temporali e velocità, supporto per il controllo di agenti OS o Mobile basato su capacità di analisi e localizzazione, forte capacità di estrazione di informazioni chiave e output in formato Json, questa versione è la 72B, la versione più potente della serie."
  },
  "qwen2.5-vl-7b-instruct": {
-    "description": "Miglioramento complessivo nella seguire istruzioni, matematica, risoluzione di problemi e codice, con capacità di riconoscimento universale migliorate, supporto per formati diversi per il posizionamento preciso degli elementi visivi, comprensione di file video lunghi (fino a 10 minuti) e localizzazione di eventi in tempo reale, capacità di comprendere sequenze temporali e velocità, supporto per il controllo di agenti OS o Mobile basato su capacità di analisi e localizzazione, forte capacità di estrazione di informazioni chiave e output in formato Json, questa versione è la 72B, la versione più potente della serie."
+    "description": "Qwen2.5 VL 7B Instruct, un modello multimodale leggero, bilancia costi di implementazione e capacità di riconoscimento."
  },
  "qwen2.5-vl-instruct": {
    "description": "Qwen2.5-VL è la versione più recente del modello visivo-linguistico della famiglia Qwen."
@@ -2952,46 +3063,46 @@
    "description": "Qwen3 è la nuova generazione di modelli linguistici su larga scala di Alibaba, che supporta una varietà di esigenze applicative con prestazioni eccellenti."
  },
  "qwen3-0.6b": {
-    "description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
+    "description": "Qwen3 0.6B, un modello entry-level, adatto a ragionamenti semplici e ambienti con risorse estremamente limitate."
  },
  "qwen3-1.7b": {
-    "description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
+    "description": "Qwen3 1.7B, un modello ultra-leggero, facile da implementare su dispositivi edge e terminali."
  },
  "qwen3-14b": {
-    "description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
+    "description": "Qwen3 14B, un modello di medie dimensioni, adatto a generazione di testi e domande e risposte in più lingue."
  },
  "qwen3-235b-a22b": {
-    "description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
+    "description": "Qwen3 235B A22B, un modello generico di grandi dimensioni, progettato per una varietà di compiti complessi."
  },
  "qwen3-235b-a22b-instruct-2507": {
-    "description": "Modello open source non pensante basato su Qwen3, con miglioramenti lievi nella creatività soggettiva e nella sicurezza rispetto alla versione precedente (Tongyi Qianwen 3-235B-A22B)."
+    "description": "Qwen3 235B A22B Instruct 2507, modello Instruct di punta, adatto a compiti di generazione e ragionamento avanzati."
  },
  "qwen3-235b-a22b-thinking-2507": {
-    "description": "Modello open source in modalità pensiero basato su Qwen3, con miglioramenti significativi in logica, capacità generali, potenziamento della conoscenza e creatività rispetto alla versione precedente (Tongyi Qianwen 3-235B-A22B), adatto a scenari di ragionamento complessi e impegnativi."
+    "description": "Qwen3 235B A22B Thinking 2507, un modello di pensiero su scala ultra-grande, ideale per ragionamenti complessi."
  },
  "qwen3-30b-a3b": {
-    "description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
+    "description": "Qwen3 30B A3B, un modello generico di medie-grandi dimensioni, bilancia costi e prestazioni."
  },
  "qwen3-30b-a3b-instruct-2507": {
-    "description": "Rispetto alla versione precedente (Qwen3-30B-A3B), le capacità generali in cinese, inglese e multilingue sono state notevolmente migliorate. Ottimizzazione specifica per compiti soggettivi e aperti, con un allineamento molto più marcato alle preferenze degli utenti, in grado di fornire risposte più utili."
+    "description": "Qwen3 30B A3B Instruct 2507, un modello Instruct di medie-grandi dimensioni, adatto a generazione e domande di alta qualità."
  },
  "qwen3-30b-a3b-thinking-2507": {
-    "description": "Modello open source in modalità pensante basato su Qwen3, che rispetto alla versione precedente (Tongyi Qianwen 3-30B-A3B) presenta miglioramenti significativi nelle capacità logiche, generali, di conoscenza e creative, adatto a scenari complessi che richiedono un ragionamento avanzato."
+    "description": "Qwen3 30B A3B Thinking 2507, un modello di pensiero di medie-grandi dimensioni, bilancia precisione e costi."
  },
  "qwen3-32b": {
-    "description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
+    "description": "Qwen3 32B, adatto a compiti generici che richiedono una maggiore capacità di comprensione."
  },
  "qwen3-4b": {
-    "description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
+    "description": "Qwen3 4B, adatto ad applicazioni di piccole e medie dimensioni e scenari di inferenza locale."
  },
  "qwen3-8b": {
-    "description": "Qwen3 è un modello di nuova generazione con capacità notevolmente migliorate, raggiungendo livelli leader del settore in inferenza, generazione generale, agenti e multilinguismo, e supporta il passaggio tra modalità di pensiero."
+    "description": "Qwen3 8B, un modello leggero e flessibile, ideale per applicazioni ad alta concorrenza."
  },
  "qwen3-coder-30b-a3b-instruct": {
    "description": "Versione open source del modello di codifica Tongyi Qianwen. Il nuovo qwen3-coder-30b-a3b-instruct, basato su Qwen3, è un modello di generazione di codice con potenti capacità da Coding Agent, eccellente nell'uso di strumenti e interazione con ambienti, in grado di programmare autonomamente con elevate competenze generali."
  },
  "qwen3-coder-480b-a35b-instruct": {
-    "description": "Versione open source del modello di codice Tongyi Qianwen. L'ultimo qwen3-coder-480b-a35b-instruct è un modello di generazione codice basato su Qwen3, con potenti capacità di Coding Agent, esperto nell'uso di strumenti e interazione ambientale, capace di programmazione autonoma con eccellenti capacità di codice e capacità generali."
+    "description": "Qwen3 Coder 480B A35B Instruct, un modello di codice di livello flagship, supporta programmazione multilingue e comprensione di codice complesso."
  },
  "qwen3-coder-flash": {
    "description": "Modello di codice Tongyi Qianwen. L'ultima serie di modelli Qwen3-Coder si basa su Qwen3 per la generazione di codice, con potenti capacità di Coding Agent, eccellente nell'invocazione di strumenti e interazione con l'ambiente, in grado di programmare autonomamente, con capacità di codice eccezionali e abilità generali."
@@ -3005,32 +3116,41 @@
  "qwen3-max": {
    "description": "La serie Max di Tongyi Qianwen 3 rappresenta un significativo miglioramento rispetto alla serie 2.5 in termini di capacità generali. Le capacità di comprensione del testo in cinese e inglese, l'aderenza a istruzioni complesse, la gestione di compiti soggettivi aperti, le capacità multilingue e l'invocazione di strumenti sono tutte notevolmente potenziate; il modello presenta meno allucinazioni di conoscenza. L'ultima versione qwen3-max ha effettuato aggiornamenti specifici in programmazione intelligente e invocazione di strumenti rispetto alla versione preview. Il modello ufficiale rilasciato raggiunge livelli SOTA nel settore, adattandosi a scenari più complessi per agenti intelligenti."
  },
+  "qwen3-max-preview": {
+    "description": "Il modello più avanzato della serie Tongyi Qianwen, adatto a compiti complessi e multi-step. La versione di anteprima supporta già il ragionamento."
+  },
  "qwen3-next-80b-a3b-instruct": {
    "description": "Modello open source di nuova generazione basato su Qwen3 in modalità non riflessiva, con una migliore comprensione del testo in cinese rispetto alla versione precedente (Tongyi Qianwen 3-235B-A22B-Instruct-2507), capacità di ragionamento logico potenziate e prestazioni superiori nelle attività di generazione di testo."
  },
  "qwen3-next-80b-a3b-thinking": {
-    "description": "Modello open source di nuova generazione basato su Qwen3 in modalità riflessiva, con migliorata capacità di seguire le istruzioni rispetto alla versione precedente (Tongyi Qianwen 3-235B-A22B-Thinking-2507) e risposte di sintesi più concise."
+    "description": "Qwen3 Next 80B A3B Thinking, versione di punta per il ragionamento, progettata per compiti complessi."
  },
  "qwen3-omni-flash": {
    "description": "Il modello Qwen-Omni accetta input multimodali combinati come testo, immagini, audio e video, generando risposte in forma testuale o vocale. Offre voci sintetiche realistiche, supporta più lingue e dialetti, ed è adatto a scenari come creazione di contenuti, riconoscimento visivo e assistenti vocali."
  },
  "qwen3-vl-235b-a22b-instruct": {
-    "description": "Qwen3 VL 235B A22B in modalità non pensante (Instruct), ideale per scenari di istruzioni semplici, mantenendo una forte capacità di comprensione visiva."
+    "description": "Qwen3 VL 235B A22B Instruct, modello multimodale di punta, progettato per scenari di comprensione e creazione ad alta richiesta."
  },
  "qwen3-vl-235b-a22b-thinking": {
-    "description": "Qwen3 VL 235B A22B in modalità pensante (versione open source), progettato per scenari complessi che richiedono ragionamento avanzato e comprensione di video lunghi, con capacità di ragionamento visivo e testuale di livello superiore."
+    "description": "Qwen3 VL 235B A22B Thinking, versione di pensiero di punta, per compiti complessi di ragionamento e pianificazione multimodale."
  },
  "qwen3-vl-30b-a3b-instruct": {
-    "description": "Qwen3 VL 30B in modalità non pensante (Instruct), adatto a scenari di istruzioni generali, con buone capacità di comprensione e generazione multimodale."
+    "description": "Qwen3 VL 30B A3B Instruct, un grande modello multimodale, bilancia precisione e capacità di ragionamento."
  },
  "qwen3-vl-30b-a3b-thinking": {
-    "description": "Qwen-VL (versione open source) offre capacità di comprensione visiva e generazione testuale, supporta interazione con agenti intelligenti, codifica visiva, percezione spaziale, comprensione di video lunghi e pensiero profondo, con eccellenti prestazioni in riconoscimento testuale e supporto multilingue in scenari complessi."
+    "description": "Qwen3 VL 30B A3B Thinking, versione di pensiero per compiti multimodali complessi."
+  },
+  "qwen3-vl-32b-instruct": {
+    "description": "Qwen3 VL 32B Instruct, un modello multimodale ottimizzato con istruzioni, adatto a domande e creazioni immagine-testo di alta qualità."
+  },
+  "qwen3-vl-32b-thinking": {
+    "description": "Qwen3 VL 32B Thinking, versione di pensiero multimodale, potenzia il ragionamento complesso e l'analisi a catena lunga."
  },
  "qwen3-vl-8b-instruct": {
-    "description": "Qwen3 VL 8B in modalità non pensante (Instruct), adatto a compiti multimodali comuni di generazione e riconoscimento."
+    "description": "Qwen3 VL 8B Instruct, un modello multimodale leggero, adatto a domande visive quotidiane e integrazione applicativa."
  },
  "qwen3-vl-8b-thinking": {
-    "description": "Qwen3 VL 8B in modalità pensante, progettato per scenari leggeri di ragionamento e interazione multimodale, mantenendo la capacità di comprensione di contesti estesi."
+    "description": "Qwen3 VL 8B Thinking, un modello di catena di pensiero multimodale, adatto a ragionamenti dettagliati su informazioni visive."
  },
  "qwen3-vl-flash": {
    "description": "Qwen3 VL Flash: versione leggera e ad alta velocità di ragionamento, ideale per scenari sensibili alla latenza o con richieste su larga scala."
@@ -3263,6 +3383,12 @@
  "wizardlm2:8x22b": {
    "description": "WizardLM 2 è un modello di linguaggio fornito da Microsoft AI, particolarmente efficace in dialoghi complessi, multilingue, ragionamento e assistenti intelligenti."
  },
+  "x-ai/grok-4-fast": {
+    "description": "Siamo lieti di presentare Grok 4 Fast, il nostro ultimo progresso nei modelli di inferenza ad alta efficienza in termini di costi."
+  },
+  "x-ai/grok-code-fast-1": {
+    "description": "Siamo entusiasti di lanciare grok-code-fast-1, un modello di inferenza rapido ed economico, eccellente nella codifica per agenti."
+  },
  "x1": {
    "description": "Il modello Spark X1 sarà ulteriormente aggiornato, raggiungendo risultati in compiti generali come ragionamento, generazione di testo e comprensione del linguaggio, in linea con OpenAI o1 e DeepSeek R1, partendo da una posizione di leadership nei compiti matematici."
  },
@@ -3323,6 +3449,9 @@
  "yi-vision-v2": {
    "description": "Modello per compiti visivi complessi, che offre capacità di comprensione e analisi ad alte prestazioni basate su più immagini."
  },
+  "z-ai/glm-4.6": {
+    "description": "GLM-4.6, il nuovo modello di punta di Zhipu, supera ampiamente la generazione precedente in codifica avanzata, gestione di testi lunghi, capacità di ragionamento e competenze degli agenti."
+  },
  "zai-org/GLM-4.5": {
    "description": "GLM-4.5 è un modello base progettato per applicazioni agenti intelligenti, che utilizza un'architettura Mixture-of-Experts (MoE). Ottimizzato profondamente per chiamate a strumenti, navigazione web, ingegneria del software e programmazione frontend, supporta integrazioni fluide con agenti di codice come Claude Code e Roo Code. Adotta una modalità di inferenza ibrida per adattarsi a scenari di ragionamento complessi e uso quotidiano."
  },
@@ -236,6 +236,8 @@
  },
  "inspector": {
    "args": "Visualizza lista parametri",
+    "delete": "Elimina chiamata allo strumento",
+    "orphanedToolCall": "Questo messaggio di chiamata allo strumento potrebbe essere diventato orfano a causa di un'anomalia, il che potrebbe compromettere il corretto funzionamento dell'agente. Si consiglia di rimuoverlo.",
    "pluginRender": "Visualizza interfaccia plugin"
  },
  "list": {
@@ -251,14 +253,20 @@
  },
  "localSystem": {
    "apiName": {
+      "editLocalFile": "Modifica file",
+      "getCommandOutput": "Ottieni output del codice",
+      "globLocalFiles": "Cerca file corrispondenti",
+      "grepContent": "Cerca contenuto",
+      "killCommand": "Termina esecuzione del codice",
      "listLocalFiles": "Visualizza lista file",
      "moveLocalFiles": "Sposta file",
      "readLocalFile": "Leggi contenuto file",
      "renameLocalFile": "Rinomina",
+      "runCommand": "Esegui codice",
      "searchLocalFiles": "Cerca file",
      "writeLocalFile": "Scrivi file"
    },
-    "title": "File locali"
+    "title": "Sistema locale"
  },
  "mcpInstall": {
    "CHECKING_INSTALLATION": "Verifica ambiente di installazione...",
--- a/Show More
+++ b/Show More