refactor claude code

### [Version 1.97.9](https://github.com/lobehub/lobe-chat/compare/v1.97.8...v1.97.9)
<sup>Released on **2025-07-10**</sup>

#### 💄 Styles

- **misc**: Integrate Amazon Cognito for user authentication.

<br/>

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

#### Styles

* **misc**: Integrate Amazon Cognito for user authentication, closes [#7472](https://github.com/lobehub/lobe-chat/issues/7472) ([56f4e98](https://github.com/lobehub/lobe-chat/commit/56f4e98))

</details>

<div align="right">

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

</div>

.cursor/rules/backend-architecture.mdc

@@ -28,70 +28,73 @@ LobeChat 的后端设计注重模块化、可测试性和灵活性，以适应
 
 其主要分层如下：
 
-1.  **客户端服务层 (`src/services`)**:
-    *   位于 src/services/。
-    *   这是客户端业务逻辑的核心层，负责封装各种业务操作和数据处理逻辑。
-    *   **环境适配**: 根据不同的运行环境，服务层会选择合适的数据访问方式：
-        *   **本地数据库模式**: 直接调用 `Model` 层进行数据操作，适用于浏览器 PGLite 和本地 Electron 应用。
-        *   **远程数据库模式**: 通过 `tRPC` 客户端调用服务端 API，适用于需要云同步的场景。
-    *   **类型转换**: 对于简单的数据类型转换，直接在此层进行类型断言，如 `this.pluginModel.query() as Promise<LobeTool[]>`
-    *   每个服务模块通常包含 `client.ts`（本地模式）、`server.ts`（远程模式）和 `type.ts`（接口定义）文件，在实现时应该确保本地模式和远程模式业务逻辑实现一致，只是数据库不同。
+1.  客户端服务层 (`src/services`):
 
-2.  **API 接口层 (`TRPC`)**:
-    *   位于 src/server/routers/
-    *   使用 `tRPC` 构建类型安全的 API。Router 根据运行时环境（如 Edge Functions, Node.js Lambda）进行组织。
-    *   负责接收客户端请求，并将其路由到相应的 `Service` 层进行处理。
-    *   新建 lambda 端点时可以参考 src/server/routers/lambda/_template.ts
+    - 位于 src/services/。
+    - 这是客户端业务逻辑的核心层，负责封装各种业务操作和数据处理逻辑。
+    - 环境适配: 根据不同的运行环境，服务层会选择合适的数据访问方式：
+        - 本地数据库模式: 直接调用 `Model` 层进行数据操作，适用于浏览器 PGLite 和本地 Electron 应用。
+        - 远程数据库模式: 通过 `tRPC` 客户端调用服务端 API，适用于需要云同步的场景。
+    - 类型转换: 对于简单的数据类型转换，直接在此层进行类型断言，如 `this.pluginModel.query() as Promise<LobeTool[]>`
+    - 每个服务模块通常包含 `client.ts`（本地模式）、`server.ts`（远程模式）和 `type.ts`（接口定义）文件，在实现时应该确保本地模式和远程模式业务逻辑实现一致，只是数据库不同。
 
-3.  **服务端服务层 (`server/services`)**:
-    *   位于 src/server/services/。
-    *   核心职责是封装独立的、可复用的业务逻辑单元。这些服务应易于测试。
-    *   **平台差异抽象**: 一个关键特性是通过其内部的 `impls` 子目录（例如 src/server/services/file/impls 包含 s3.ts 和 local.ts）来抹平不同运行环境带来的差异（例如云端使用 S3 存储，桌面版使用本地文件系统）。这使得上层（如 `tRPC` routers）无需关心底层具体实现。
-    *   目标是使 `tRPC` router 层的逻辑尽可能纯粹，专注于请求处理和业务流程编排。
-    *   服务会调用 `Repository` 层或直接调用 `Model` 层进行数据持久化和检索，也可能调用其他服务。
+2.  API 接口层 (`TRPC`):
 
-4.  **仓库层 (`Repositories`)**:
-    *   位于 src/database/repositories/。
-    *   主要处理**复杂的跨表查询和数据聚合**逻辑，特别是当需要从**多个 `Model`** 获取数据并进行组合时。
-    *   与 `Model` 层不同，`Repository` 层专注于复杂的业务查询场景，而不涉及简单的领域模型转换。
-    *   当业务逻辑涉及多表关联、复杂的数据统计或需要事务处理时，会使用 `Repository` 层。
-    *   如果数据操作简单（仅涉及单个 `Model`），则通常直接在 `src/services` 层调用 `Model` 并进行简单的类型断言。
+    - 位于 src/server/routers/
+    - 使用 `tRPC` 构建类型安全的 API。Router 根据运行时环境（如 Edge Functions, Node.js Lambda）进行组织。
+    - 负责接收客户端请求，并将其路由到相应的 `Service` 层进行处理。
+    - 新建 lambda 端点时可以参考 src/server/routers/lambda/\_template.ts
 
-5.  **模型层 (`Models`)**:
-    *   位于 src/database/models/ (例如 src/database/models/plugin.ts 和 src/database/models/document.ts)。
-    *   提供对数据库中各个表（由 src/database/schemas/ 中的 Drizzle ORM schema 定义）的基本 CRUD (创建、读取、更新、删除) 操作和简单的查询能力。
-    *   `Model` 类专注于单个数据表的直接操作，**不涉及复杂的领域模型转换**，这些转换通常在上层的 `src/services` 中通过类型断言完成。
-    * model（例如 Topic） 层接口经常需要从对应的 schema 层导入 NewTopic 和 TopicItem
-    * 创建新的 model 时可以参考 src/database/models/_template.ts
+3.  仓库层 (`Repositories`):
 
-6.  **数据库 (`Database`)**:
-    *   **客户端模式 (浏览器/PWA)**: 使用 PGLite (基于 WASM 的 PostgreSQL)，数据存储在用户浏览器本地。
-    *   **服务端模式 (云部署)**: 使用远程 PostgreSQL 数据库。
-    *   **Electron 桌面应用**:
-        *   Electron 客户端会启动一个本地 Node.js 服务。
-        *   本地服务通过 `tRPC` 与 Electron 的渲染进程通信。
-        *   数据库选择依赖于是否开启**云同步**功能：
-            *   **云同步开启**: 连接到远程 PostgreSQL 数据库。
-            *   **云同步关闭**: 使用 PGLite (通过 Node.js 的 WASM 实现) 在本地存储数据。
+    - 位于 src/database/repositories/。
+    - 主要处理复杂的跨表查询和数据聚合逻辑，特别是当需要从多个 `Model` 获取数据并进行组合时。
+    - 与 `Model` 层不同，`Repository` 层专注于复杂的业务查询场景，而不涉及简单的领域模型转换。
+    - 当业务逻辑涉及多表关联、复杂的数据统计或需要事务处理时，会使用 `Repository` 层。
+    - 如果数据操作简单（仅涉及单个 `Model`），则通常直接在 `src/services` 层调用 `Model` 并进行简单的类型断言。
+
+4.  模型层 (`Models`):
+
+    - 位于 src/database/models/ (例如 src/database/models/plugin.ts 和 src/database/models/document.ts)。
+    - 提供对数据库中各个表（由 src/database/schemas/ 中的 Drizzle ORM schema 定义）的基本 CRUD (创建、读取、更新、删除) 操作和简单的查询能力。
+    - `Model` 类专注于单个数据表的直接操作，不涉及复杂的领域模型转换，这些转换通常在上层的 `src/services` 中通过类型断言完成。
+    - model（例如 Topic） 层接口经常需要从对应的 schema 层导入 NewTopic 和 TopicItem
+    - 创建新的 model 时可以参考 src/database/models/\_template.ts
+
+5.  数据库 (`Database`):
+    - 客户端模式 (浏览器/PWA): 使用 PGLite (基于 WASM 的 PostgreSQL)，数据存储在用户浏览器本地。
+    - 服务端模式 (云部署): 使用远程 PostgreSQL 数据库。
+    - Electron 桌面应用:
+        - Electron 客户端会启动一个本地 Node.js 服务。
+        - 本地服务通过 `tRPC` 与 Electron 的渲染进程通信。
+        - 数据库选择依赖于是否开启云同步功能：
+            - 云同步开启: 连接到远程 PostgreSQL 数据库。
+            - 云同步关闭: 使用 PGLite (通过 Node.js 的 WASM 实现) 在本地存储数据。
 
 ## 数据流向说明
 
 ### 浏览器/PWA 模式
+
 ```
-UI (React) → Zustand State → Model Layer → PGLite (本地数据库)
+UI (React) → Zustand action -> Client Service → Model Layer → PGLite (本地数据库)
 ```
 
 ### 服务端模式
+
 ```
-UI (React) → Zustand State → tRPC Client → tRPC Routers → Services → Repositories/Models → Remote PostgreSQL
+UI (React) → Zustand action → Client Service -> TRPC Client → TRPC Routers  → Repositories/Models → Remote PostgreSQL
 ```
 
 ### Electron 桌面应用模式
+
 ```
-UI (Electron Renderer) → Zustand State → tRPC Client → 本地 Node.js 服务 → tRPC Routers → Services → Repositories/Models → PGLite/Remote PostgreSQL (取决于云同步设置)
+UI (Electron Renderer) → Zustand action → Client Service -> TRPC Client → 本地 Node.js 服务 → TRPC Routers → Repositories/Models → PGLite/Remote PostgreSQL (取决于云同步设置)
 ```
 
+## 服务层 (Server Services)
 
-
-
-
+-  位于 src/server/services/。
+-  核心职责是封装独立的、可复用的业务逻辑单元。这些服务应易于测试。
+-  平台差异抽象: 一个关键特性是通过其内部的 `impls` 子目录（例如 src/server/services/file/impls 包含 s3.ts 和 local.ts）来抹平不同运行环境带来的差异（例如云端使用 S3 存储，桌面版使用本地文件系统）。这使得上层（如 `tRPC` routers）无需关心底层具体实现。
+-  目标是使 `tRPC` router 层的逻辑尽可能纯粹，专注于请求处理和业务流程编排。
+-  服务可能会调用 `Repository` 层或直接调用 `Model` 层进行数据持久化和检索，也可能调用其他服务。

.cursor/rules/code-review.mdc

@@ -0,0 +1,69 @@
+---
+description: How to code review
+globs: 
+alwaysApply: false
+---
+# Role Description
+
+- You are a senior full-stack engineer skilled in performance optimization, security, and design systems.  
+- You excel at reviewing code and providing constructive feedback.  
+- Your task is to review submitted Git diffs **in Chinese** and return a structured review report.  
+- Review style: concise, direct, focused on what matters most, with actionable suggestions.
+
+## Before the Review
+
+Gather the modified code and context. Please strictly follow the process below:
+
+1. Use `read_file` to read [package.json](mdc:package.json)
+2. Use terminal to run command `git diff HEAD | cat` to obtain the diff and list the changed files. If you recieived empty result, run the same command once more.
+3. Use `read_file` to open each changed file.  
+4. Use `read_file` to read  [rules-attach.mdc](mdc:.cursor/rules/rules-attach.mdc). Even if you think it's unnecessary, you must read it.
+5. combine changed files, step3 and `agent_requestable_workspace_rules`, list the rules which need to read 
+6. Use `read_file` to read the rules list in step 5
+
+## Review
+
+### Code Style
+
+- Ensure JSDoc comments accurately reflect the implementation; update them when needed.  
+- Look for opportunities to simplify or modernize code with the latest JavaScript/TypeScript features.  
+- Prefer `async`/`await` over callbacks or chained `.then` promises.  
+- Use consistent, descriptive naming—avoid obscure abbreviations.  
+- Replace magic numbers or strings with well-named constants.  
+- Use semantically meaningful variable, function, and class names.
+- Ignore purely formatting issues and other autofixable lint problems.
+
+### Code Optimization
+
+- Prefer `for…of` loops to index-based `for` loops when feasible.  
+- Decide whether callbacks should be **debounced** or **throttled**.  
+- Use components from `@lobehub/ui`, Ant Design, or the existing design system instead of raw HTML tags (e.g., `Button` vs. `button`).  
+- reuse npm packages already installed (e.g., `lodash/omit`) rather than reinventing the wheel.  
+- Design for dark mode and mobile responsiveness:  
+  - Use the `antd-style` token system instead of hard-coded colors.  
+  - Select the proper component variants.  
+- Performance considerations:  
+  - Where safe, convert sequential async flows to concurrent ones with `Promise.all`, `Promise.race`, etc.  
+  - Query only the required columns from a database rather than selecting entire rows.
+
+### Obvious Bugs
+
+- Do not silently swallow errors in `catch` blocks; at minimum, log them.  
+- Revert temporary code used only for testing (e.g., debug logs, temporary configs).  
+- Remove empty handlers (e.g., an empty `onClick`).  
+- Confirm the UI degrades gracefully for unauthenticated users.
+
+## After the Review: output
+
+1. Summary
+    - Start with a brief explanation of what the change set does.  
+    - Summarize the changes for each modified file (or logical group).
+2. Comments Issues
+    - List the most critical issues first.  
+    - Use an ordered list, which will be convenient for me to reference later.
+    - For each issue:
+      - Mark severity tag (`❌ Must fix`, `⚠️ Should fix`, `💅 Nitpick`)  
+      - Provode file path to the relevant file.
+      - Provide recommended fix  
+    - End with a **git commit** command, instruct the author to run it.  
+      - We use gitmoji to label commit messages, format: [emoji] <type>(<scope>): <subject>

.cursor/rules/cursor-rules.mdc

@@ -0,0 +1,28 @@
+---
+description: cursor rules writing and optimization guide
+globs: 
+alwaysApply: false
+---
+当你编写或修改 Cursor Rule 时，请遵循以下准则：
+
+- 当你知道 rule 的文件名时，使用 `read_file` 而不是 `fetch_rules` 去读取它们，它们都在项目根目录的 `.cursor/rules/` 文件夹下
+
+- 代码示例
+  - 示例应尽量精简，仅保留演示核心
+  - 删除与示例无关的导入/导出语句，但保留必要的导入
+  - 同一文件存在多个示例时，若前文已演示模块导入，后续示例可省略重复导入
+  - 无需书写 `export`
+  - 可省略与演示无关或重复的 props、配置对象属性、try/catch、CSS 等代码
+  - 删除无关注释，保留有助理解的注释
+
+- 格式
+  - 修改前请先确认原始文档语言，并保持一致
+  - 无序列表统一使用 `-`
+  - 列表末尾的句号是多余的
+  - 非必要不使用加粗、行内代码等样式，Rule 主要供 LLM 阅读
+  - 避免中英文逐句对照。若括号内容为示例而非翻译，可保留
+
+- Review
+  - 修正 Markdown 语法问题
+  - 纠正错别字
+  - 指出示例与说明不一致之处

.cursor/rules/cursor-ux-optimize.mdc

@@ -1,27 +0,0 @@
----
-description: 
-globs: 
-alwaysApply: false
----
-## Formatting Response
-
-This is about how you should format your responses.
-
-### Render Markdown Table
-
-- Be aware that the cursor chat you are in can't render markdown table correctly.
-- IMPORTANT: Tables need to be rendered in plain text and not markdown
-
-When rendering tables, do not use markdown table syntax or plain text alone. Instead, place the entire table inside a code/text block (using triple backticks). This ensures the table formatting is preserved and readable in the chat interface.
-
-Example:
-
-```plaintext
-+----+---------+-----------+
-| ID |  Name   |   Role    |
-+----+---------+-----------+
-| 1  | Alice   | Admin     |
-| 2  | Bob     | User      |
-| 3  | Charlie | Moderator |
-+----+---------+-----------+
-```

.cursor/rules/cursor-ux.mdc

@@ -0,0 +1,94 @@
+---
+description: 
+globs: 
+alwaysApply: true
+---
+# Guide to Optimize Output(Response) Rendering
+
+## File Path and Code Symbol Rendering
+
+- When rendering file paths, use backtick wrapping instead of markdown links so they can be parsed as clickable links in Cursor IDE.
+
+    - Good: `src/components/Button.tsx`
+    - Bad: [src/components/Button.tsx](mdc:src/components/Button.tsx)
+
+- When rendering functions, variables, or other code symbols, use backtick wrapping so they can be parsed as navigable links in Cursor IDE
+    - Good: The `useState` hook in `MyComponent`
+    - Bad: The useState hook in MyComponent
+     
+## Markdown Render
+
+- don't use br tag to wrap in table cell
+
+## Terminal Command Output
+
+- If terminal commands don't produce output, it's likely due to paging issues. Try piping the command to `cat` to ensure full output is displayed.
+    - Good: `git show commit_hash -- file.txt | cat`
+    - Good: `git log --oneline | cat`
+    - Reason: Some git commands use pagers by default, which may prevent output from being captured properly
+
+## Mermaid Diagram Generation: Strict Syntax Validation Checklist
+
+Before producing any Mermaid diagram, you **must** compare your final code line-by-line against every rule in the following checklist to ensure 100% compliance. **This is a hard requirement and takes precedence over other stylistic suggestions.** Please follow these action steps:
+
+1.  Plan the Mermaid diagram logic in your mind.
+2.  Write the Mermaid code.
+3.  **Carefully review your code line-by-line against the entire checklist below.**
+4.  Fix any aspect of your code that doesn't comply.
+5.  Use the `validateMermaid` tool to check your code for syntax errors. Only proceed if validation passes.
+6.  Output the final, compliant, and copy-ready Mermaid code block.
+7.  Immediately after the Mermaid code block, output:  
+    I have checked that the Mermaid syntax fully complies with the validation checklist.
+
+---
+
+### Checklist Details
+
+#### Rule 1: Edge Labels – Must Be Plain Text Only  
+> **Essence:** Anything inside `|...|` must contain pure, unformatted text. Absolutely NO Markdown, list markers, or parentheses/brackets allowed—these often cause rendering failures.
+
+-   **✅ Do:** `A -->|Process plain text data| B`
+-   **❌ Don't:** `A -->|1. Ordered list item| B`    (No numbered lists)
+-   **❌ Don't:** `CC --"1. fetch('/api/...')"--> API`   (No square brackets)
+-   **❌ Don't:** `A -->|- Unordered list item| B`   (No hyphen lists)
+-   **❌ Don't:** `A -->|Transform (important)| B`   (No parentheses)
+-   **❌ Don't:** `A -->|Transform [important]| B`   (No square brackets)
+
+#### Rule 2: Node Definition – Handle Special Characters with Care  
+> **Essence:** When node text or subgraph titles contain special characters like `()` or `[]`, wrap the text in quotes to avoid conflicts with Mermaid shape syntax.
+
+-   **When your node text includes parentheses (e.g., 'React (JSX)'):**
+    -   **✅ Do:** `I_REACT["<b>React component (JSX)</b>"]` (Quotes wrap all text)
+    -   **❌ Don't:** `I_REACT(<b>React component (JSX)</b>)` (Wrong, Mermaid parses this as a shape)
+    -   **❌ Don't:** `subgraph Plugin Features (Plugins)` (Wrong, subgraph titles with parentheses must also be wrapped in quotes)
+
+#### Rule 3: Double Quotes in Text – Must Be Escaped  
+> **Essence:** Use `&quot;` for double quotes **inside node text**.
+
+-   **✅ Do:** `A[This node contains &quot;quotes&quot;]`
+-   **❌ Don't:** `A[This node contains "quotes"]`
+
+#### Rule 4: All Formatting Must Use HTML Tags (NOT Markdown!)  
+> **Essence:** For newlines, bold, and other text formatting in nodes, use HTML tags only. Markdown is not supported.
+
+-   **✅ Do (robust):** `A["<b>Bold</b> and <code>code</code><br>This is a new line"]`
+-   **❌ Don't (not rendered):** `C["# This is a heading"]`
+-   **❌ Don't (not rendered):** ``C["`const` means constant"]``
+-   **⚠️ Warning (unreliable):** `B["Markdown **bold** might sometimes work but DON'T rely on it"]`
+
+#### Rule 5: No HTML Tags for Participants and Message Labels (Sequence Diagrams)  
+> **Important Addition:**  
+> In Mermaid sequence diagrams, you MUST NOT use any HTML tags (such as `<b>`, `<code>`, etc.) in:
+> - `participant` display names (`as` part)
+> - Message labels (the text after `:` in diagram flows)
+>
+> These tags are generally not rendered—they may appear as-is or cause compatibility issues.
+
+-   **✅ Do:** `participant A as Client`
+-   **❌ Don't:** `participant A as <b>Client</b>`
+-   **✅ Do:** `A->>B: 1. Establish connection`
+-   **❌ Don't:** `A->>B: 1. <code>Establish connection</code>`
+
+---
+
+**Validate each Mermaid code block by running it through the `validateMermaid` tool before delivering your output!**

.cursor/rules/debug-usage.mdc

@@ -0,0 +1,84 @@
+---
+description: 包含添加 debug 日志请求时
+globs: 
+alwaysApply: false
+---
+# Debug 包使用指南
+
+本项目使用 [debug](mdc:https:/github.com/debug-js/debug) 包进行调试日志记录。使用此规则来确保团队成员统一调试日志格式。
+
+## 基本用法
+
+1. 导入 debug 包：
+
+```typescript
+import debug from 'debug';
+```
+
+2. 创建一个命名空间的日志记录器：
+
+```typescript
+// 格式: lobe:[模块]:[子模块]
+const log = debug('lobe-[模块名]:[子模块名]');
+```
+
+3. 使用日志记录器：
+
+```typescript
+log('简单消息');
+log('带变量的消息: %O', object);
+log('格式化数字: %d', number);
+```
+
+## 命名空间约定
+
+- 桌面应用相关: `lobe-desktop:[模块]`
+- 服务端相关: `lobe-server:[模块]`
+- 客户端相关: `lobe-client:[模块]`
+- 路由相关: `lobe-[类型]-router:[模块]`
+
+## 格式说明符
+
+- `%O` - 对象展开（推荐用于复杂对象）
+- `%o` - 对象
+- `%s` - 字符串
+- `%d` - 数字
+
+## 示例
+
+查看 [market/index.ts](mdc:src/server/routers/edge/market/index.ts) 中的使用示例：
+
+```typescript
+import debug from 'debug';
+
+const log = debug('lobe-edge-router:market');
+
+log('getAgent input: %O', input);
+```
+
+## 启用调试
+
+要在开发时启用调试输出，需设置环境变量：
+
+### 在浏览器中
+
+在控制台执行：
+```javascript
+localStorage.debug = 'lobe-*'
+```
+
+### 在 Node.js 环境中
+
+```bash
+DEBUG=lobe-* npm run dev
+# 或者
+DEBUG=lobe-* pnpm dev
+```
+
+### 在 Electron 应用中
+
+可以在主进程和渲染进程启动前设置环境变量：
+
+```typescript
+process.env.DEBUG = 'lobe-*';
+```

.cursor/rules/debug.mdc

@@ -0,0 +1,193 @@
+---
+description: Debug 调试指南
+globs: 
+alwaysApply: false
+---
+# Debug 调试指南
+
+## 💡 调试流程概览
+
+当遇到问题时，请按照以下优先级进行处理：
+
+1. **快速判断** - 对于熟悉的错误，直接提供解决方案
+2. **信息收集** - 使用工具搜索相关代码和配置
+3. **网络搜索** - 查找现有解决方案
+4. **定位调试** - 添加日志进行问题定位
+5. **临时方案** - 如果找不到根本解决方案，提供临时解决方案
+6. **解决实施** - 提供可维护的最终解决方案
+
+## 🔍 错误信息分析
+
+### 错误来源识别
+
+错误信息可能来自：
+
+- **Terminal 输出** - 构建、运行时错误
+- **浏览器控制台** - 前端 JavaScript 错误
+- **开发工具** - ESLint、TypeScript、测试框架等
+- **服务器日志** - API、数据库连接等后端错误
+- **截图或文本** - 用户直接提供的错误信息
+
+## 🛠️ 信息收集工具
+
+### 代码搜索工具
+
+使用以下工具收集相关信息，并根据场景选择最合适的工具：
+
+- **`codebase_search` (语义搜索)**
+    - **何时使用**: 当你不确定具体的代码实现，想要寻找相关概念、功能或逻辑时。
+    - **示例**: `查询"文件上传"功能的实现`
+- **`grep_search` (精确/正则搜索)**
+    - **何时使用**: 当你知道要查找的确切字符串、函数名、变量名或一个特定的模式时。
+    - **示例**: `查找所有使用了 'useState' 的地方`
+- **`file_search` (文件搜索)**
+    - **何时使用**: 当你知道文件名的一部分，需要快速定位文件时。
+    - **示例**: `查找 'Button.tsx' 组件`
+- **`read_file` (内容读取)**
+    - **何时使用**: 在定位到具体文件后，用于查看其完整内容和上下文。
+- **`web_search` (网络搜索)**
+    - **何时使用**: 当错误信息可能与第三方库、API 或常见问题相关时，用于获取外部信息。
+
+### 环境与依赖检查
+
+- **检查 `package.json`**: 查看 `scripts` 了解项目如何运行、构建和测试。查看 `dependencies` 和 `devDependencies` 确认库版本，版本冲突有时是问题的根源。
+- **运行测试**: 使用 `ni vitest` 运行单元测试和集成测试，这可以快速定位功能回归或组件错误。
+
+### 项目特定搜索目标
+
+针对 lobe-chat 项目，重点关注：
+
+- **配置文件**: [package.json](mdc:package.json), [next.config.mjs](mdc:next.config.mjs)
+- **核心功能**: `src/features/` 下的相关模块
+- **状态管理**: `src/store/` 下的 Zustand stores
+- **数据库**: `src/database/` 和 `src/migrations/`
+- **类型定义**: `src/types/` 下的类型文件
+- **服务层**: `src/services/` 下的 API 服务
+- **启动流程**: [apps/desktop/src/main/core/App.ts](mdc:apps/desktop/src/main/core/App.ts) - 了解应用启动流程
+
+## 🌐 网络搜索策略
+
+### 搜索顺序优先级
+
+1. **和问题相关的项目的 github issue**
+
+2. **技术社区**
+    - Stack Overflow
+    - GitHub Discussions
+    - Reddit
+
+3. **官方文档**
+    - 使用 `mcp_context7_resolve-library-id` 和 `mcp_context7_get-library-docs` 工具
+    - 查阅官方文档网站
+
+### 搜索关键词策略
+
+- **错误信息**: 完整的错误消息
+- **技术栈**: "Next.js 15" + "error message"
+- **上下文**: 添加功能相关的关键词
+
+## 🔧 问题定位与结构化思考
+
+如果问题比较复杂，我们要按照先定位问题，再解决问题的大方向进行。
+
+### 结构化思考工具
+
+对于复杂或多步骤的调试任务，使用 `mcp_sequential-thinking_sequentialthinking` 工具来结构化思考过程。这有助于：
+
+- **分解问题**: 将大问题拆解成可管理的小步骤。
+- **清晰追踪**: 记录每一步的发现和决策，避免遗漏。
+- **自我修正**: 在过程中评估和调整调试路径。
+
+### 日志调试
+
+在问题产生的路径上添加日志，可以简单使用 `console.log` 或者参考 [debug-usage.mdc](mdc:.cursor/rules/debug-usage.mdc) 使用 `debug` 模块。添加完日志后，请求我运行相关的代码并提供关键输出和错误信息。
+
+### 引导式交互调试
+
+虽然我无法直接操作浏览器开发者工具，但我可以引导你进行交互式调试：
+
+1.  **设置断点**: 我会告诉你可以在哪些关键代码行设置断点。
+2.  **检查变量**: 我会请你在断点处检查特定变量的值或 `props`/`state`。
+3.  **分析调用栈**: 我会请你提供调用栈信息，以帮助理解代码执行流程。
+
+## 💡 临时解决方案策略
+
+当无法找到根本解决方案时，提供临时解决方案：
+
+### 临时方案准则
+
+- **快速修复** - 优先让功能可用
+- **最小修改** - 减少对现有代码的影响
+- **清晰标记** - 明确标注这是临时方案
+- **后续计划** - 说明后续如何找到更好的解决方案
+
+### 临时方案模板
+
+```markdown
+## 临时解决方案 ⚠️
+
+**问题**: [简要描述问题]
+
+**临时修复**:
+[具体的临时修复步骤]
+
+**风险说明**:
+
+- [可能的副作用或限制]
+- [需要注意的事项]
+
+**后续计划**:
+
+- [ ] 深入调研根本原因
+- [ ] 寻找更优雅的解决方案
+- [ ] 监控是否有其他影响
+```
+
+## ✅ 解决方案准则
+
+### 方案质量标准
+
+提供的解决方案应该：
+
+- **✅ 低侵入性** - 最小化对现有代码的修改
+- **✅ 可维护性** - 易于理解和后续维护
+- **✅ 类型安全** - 符合 TypeScript 规范
+- **✅ 最佳实践** - 遵循项目的编码规范
+- **✅ 测试友好** - 便于编写和运行测试
+- **❌ 避免长期 Hack** - 临时方案可以 hack，但要明确标注
+
+### 解决方案模板
+
+```markdown
+## 问题原因
+
+[简要说明问题产生的根本原因]
+
+## 解决方案
+
+[详细的解决步骤]
+
+## 代码修改
+
+[具体的代码变更]
+
+## 验证方法
+
+[如何验证问题已解决]
+
+## 预防措施
+
+[如何避免类似问题再次发生]
+```
+
+## 🔄 迭代调试流程
+
+如果初次解决方案无效：
+
+1.  **重新收集信息** - 基于新的错误信息搜索
+2.  **深入代码分析** - 查看更多相关代码文件
+3.  **运行相关测试** - 编写或运行一个失败的测试来稳定复现问题。
+4.  **扩大搜索范围** - 搜索更广泛的相关问题
+5.  **请求更多日志** - 添加更详细的调试信息
+6.  **提供临时方案** - 如果根本解决方案复杂，先提供临时修复
+7.  **分解问题** - 将复杂问题拆解为更小的子问题

.cursor/rules/desktop-controller-tests.mdc

@@ -0,0 +1,188 @@
+---
+description: 桌面端测试
+globs:
+alwaysApply: false
+---
+# 桌面端控制器单元测试指南
+
+## 测试框架与目录结构
+
+LobeChat 桌面端使用 Vitest 作为测试框架。控制器的单元测试应放置在对应控制器文件同级的 `__tests__` 目录下，并以原控制器文件名加 `.test.ts` 作为文件名。
+
+```
+apps/desktop/src/main/controllers/
+├── __tests__/
+│   ├── index.test.ts
+│   ├── MenuCtr.test.ts
+│   └── ...
+├── McpCtr.ts
+├── MenuCtr.ts
+└── ...
+```
+
+## 测试文件基本结构
+
+```typescript
+import { beforeEach, describe, expect, it, vi } from 'vitest';
+
+import type { App } from '@/core/App';
+
+import YourController from '../YourControllerName';
+
+// 模拟依赖
+vi.mock('依赖模块', () => ({
+  依赖函数: vi.fn(),
+}));
+
+// 模拟 App 实例
+const mockApp = {
+  // 按需模拟必要的 App 属性和方法
+} as unknown as App;
+
+describe('YourController', () => {
+  let controller: YourController;
+
+  beforeEach(() => {
+    vi.clearAllMocks();
+    controller = new YourController(mockApp);
+  });
+
+  describe('方法名', () => {
+    it('测试场景描述', async () => {
+      // 准备测试数据
+
+      // 执行被测方法
+      const result = await controller.方法名(参数);
+
+      // 验证结果
+      expect(result).toMatchObject(预期结果);
+    });
+  });
+});
+```
+
+## 模拟外部依赖
+
+### 模拟模块函数
+
+```typescript
+const mockFunction = vi.fn();
+
+vi.mock('module-name', () => ({
+  functionName: mockFunction,
+}));
+```
+
+### 模拟 Node.js 核心模块
+
+例如模拟 `child_process.exec` 和 `util.promisify`:
+
+```typescript
+// 存储模拟的 exec 实现
+const mockExecImpl = vi.fn();
+
+// 模拟 child_process.exec
+vi.mock('child_process', () => ({
+  exec: vi.fn((cmd, callback) => {
+    return mockExecImpl(cmd, callback);
+  }),
+}));
+
+// 模拟 util.promisify
+vi.mock('util', () => ({
+  promisify: vi.fn((fn) => {
+    return async (cmd: string) => {
+      return new Promise((resolve, reject) => {
+        mockExecImpl(cmd, (error: Error | null, result: any) => {
+          if (error) reject(error);
+          else resolve(result);
+        });
+      });
+    };
+  }),
+}));
+```
+
+## 编写有效的测试用例
+
+### 测试分类
+
+将测试用例分为不同类别，每个类别测试一个特定场景：
+
+```typescript
+// 成功场景
+it('应该成功完成操作', async () => {});
+
+// 边界条件
+it('应该处理边界情况', async () => {});
+
+// 错误处理
+it('应该优雅地处理错误', async () => {});
+```
+
+### 设置测试数据
+
+```typescript
+// 模拟返回值
+mockExecImpl.mockImplementation((cmd: string, callback: any) => {
+  if (cmd === '命令') {
+    callback(null, { stdout: '成功输出' });
+  } else {
+    callback(new Error('错误信息'), null);
+  }
+});
+```
+
+### 断言
+
+使用 Vitest 的断言函数验证结果：
+
+```typescript
+// 检查基本值
+expect(result.success).toBe(true);
+
+// 检查对象部分匹配
+expect(result.data).toMatchObject({
+  key: 'value',
+});
+
+// 检查数组
+expect(result.items).toHaveLength(2);
+expect(result.items[0].name).toBe('expectedName');
+
+// 检查函数调用
+expect(mockFunction).toHaveBeenCalledWith(expectedArgs);
+expect(mockFunction).toHaveBeenCalledTimes(1);
+```
+
+## 最佳实践
+
+1. **隔离测试**：确保每个测试互不影响，使用 `beforeEach` 重置模拟和状态
+2. **全面覆盖**：测试正常流程、边界条件和错误处理
+3. **清晰命名**：测试名称应清晰描述测试内容和预期结果
+4. **避免测试实现细节**：测试应该关注行为而非实现细节，使代码重构不会破坏测试
+5. **模拟外部依赖**：使用 `vi.mock()` 模拟所有外部依赖，减少测试的不确定性
+
+## 示例：测试 IPC 事件处理方法
+
+```typescript
+it('应该正确处理 IPC 事件', async () => {
+  // 模拟依赖
+  mockSomething.mockReturnValue({ result: 'success' });
+
+  // 调用 IPC 方法
+  const result = await controller.ipcMethodName({
+    param1: 'value1',
+    param2: 'value2',
+  });
+
+  // 验证结果
+  expect(result).toEqual({
+    success: true,
+    data: { result: 'success' },
+  });
+
+  // 验证依赖调用
+  expect(mockSomething).toHaveBeenCalledWith('value1', 'value2');
+});
+```

.cursor/rules/desktop-feature-implementation.mdc

@@ -1,5 +1,5 @@
 ---
-description:
+description: 当要做 electron 相关工作时
 globs:
 alwaysApply: false
 ---

.cursor/rules/i18n/i18n.mdc

@@ -3,52 +3,52 @@ description: i18n workflow and troubleshooting
 globs: 
 alwaysApply: false
 ---
-# LobeChat Internationalization (i18n) Guide
+# LobeChat 国际化指南
 
-## Architecture Overview
+## 架构概览
 
-LobeChat uses **react-i18next** for internationalization with a well-structured namespace approach:
+LobeChat 使用 react-i18next 进行国际化，采用良好的命名空间架构：
 
-- **Default language**: Chinese (zh-CN) - serves as the source language
-- **Supported locales**: 18 languages including English, Japanese, Korean, Arabic, etc.
-- **Framework**: react-i18next with Next.js app router
-- **Translation automation**: [@lobehub/i18n-cli](mdc:package.json) for automated translations, config file: .i18nrc.js
+- 默认语言：中文（zh-CN），作为源语言
+- 支持语言：18 种语言，包括英语、日语、韩语、阿拉伯语等
+- 框架：react-i18next 配合 Next.js app router
+- 翻译自动化：@lobehub/i18n-cli 用于自动翻译，配置文件：.i18nrc.js
 
-## Directory Structure
+## 目录结构
 
 ```
 src/locales/
-├── default/           # Source language files (zh-CN)
-│   ├── index.ts      # Namespace exports
-│   ├── common.ts     # Common translations
-│   ├── chat.ts       # Chat-related translations
-│   ├── setting.ts    # Settings translations
-│   └── ...           # Other namespace files
-└── resources.ts      # Type definitions and locale config
+├── default/           # 源语言文件（zh-CN）
+│   ├── index.ts      # 命名空间导出
+│   ├── common.ts     # 通用翻译
+│   ├── chat.ts       # 聊天相关翻译
+│   ├── setting.ts    # 设置翻译
+│   └── ...           # 其他命名空间文件
+└── resources.ts      # 类型定义和语言配置
 
-locales/               # Translated files
-├── en-US/            # English translations
-│   ├── common.json   # Common translations
-│   ├── chat.json     # Chat translations
-│   ├── setting.json  # Settings translations
-│   └── ...           # Other namespace JSON files
-├── ja-JP/            # Japanese translations
+locales/               # 翻译文件
+├── en-US/            # 英语翻译
+│   ├── common.json   # 通用翻译
+│   ├── chat.json     # 聊天翻译
+│   ├── setting.json  # 设置翻译
+│   └── ...           # 其他命名空间 JSON 文件
+├── ja-JP/            # 日语翻译
 │   ├── common.json
 │   ├── chat.json
 │   └── ...
-└── ...               # Other language folders
+└── ...               # 其他语言文件夹
 ```
 
-## Workflow for Adding New Translations
+## 添加新翻译的工作流程
 
-### 1. Add New Translation Keys
+### 1. 添加新的翻译键
 
-**Step 1**: Add translation key to the appropriate namespace file in [src/locales/default/](mdc:src/locales/default)
+第一步：在 src/locales/default 目录下的相应命名空间文件中添加翻译键
 
 ```typescript
-// Example: src/locales/default/common.ts
+// 示例：src/locales/default/common.ts
 export default {
-    // ... existing keys
+    // ... 现有键
     newFeature: {
         title: "新功能标题",
         description: "功能描述文案",
@@ -57,40 +57,40 @@ export default {
 };
 ```
 
-**Step 2**: If creating a new namespace, export it in [src/locales/default/index.ts](mdc:src/locales/default/index.ts)
+第二步：如果创建新命名空间，需要在 src/locales/default/index.ts 中导出
 
 ```typescript
 import newNamespace from "./newNamespace";
 
 const resources = {
-    // ... existing namespaces
+    // ... 现有命名空间
     newNamespace,
 } as const;
 ```
 
-### 2. Translation Process
+### 2. 翻译过程
 
-**Development Mode** (Recommended):
+开发模式：
 
-- Manually add Chinese translations to corresponding JSON files in `locales/zh-CN/namespace.json`, this avoids running slow automation during development
-- Don't auto add translations for other language like English etc, most of developer is Chinese,
+一般情况下不需要你帮我跑自动翻译工具，跑一次很久，需要的时候我会自己跑。
+但是为了立马能看到效果，还是需要先翻译 `locales/zh-CN/namespace.json`，不需要翻译其它语言。
 
-**Production Mode**:
+生产模式：
 
 ```bash
-# Generate translations for all languages
+# 为所有语言生成翻译
 npm run i18n
 ```
 
-## Usage in Components
+## 在组件中使用
 
-### Basic Usage with Hooks
+### 基本用法
 
 ```tsx
 import { useTranslation } from "react-i18next";
 
 const MyComponent = () => {
-    const { t } = useTranslation("common"); // namespace
+    const { t } = useTranslation("common");
 
     return (
         <div>
@@ -102,58 +102,56 @@ const MyComponent = () => {
 };
 ```
 
-### With Parameters
+### 带参数的用法
 
 ```tsx
 const { t } = useTranslation("common");
 
-// Translation key with interpolation
 <p>{t("welcome.message", { name: "John" })}</p>;
 
-// Corresponding locale file:
+// 对应的语言文件：
 // welcome: { message: '欢迎 {{name}} 使用!' }
 ```
 
-### Multiple Namespaces
+### 多个命名空间
 
 ```tsx
 const { t } = useTranslation(['common', 'chat']);
 
-// Access different namespaces
 <button>{t('common:save')}</button>
 <span>{t('chat:typing')}</span>
 ```
 
-## Type Safety
+## 类型安全
 
-The project uses TypeScript for type-safe translations with auto-generated types from [src/locales/resources.ts](mdc:src/locales/resources.ts):
+项目使用 TypeScript 实现类型安全的翻译，类型从 src/locales/resources.ts 自动生成：
 
 ```typescript
 import type { DefaultResources, NS, Locales } from "@/locales/resources";
 
-// Available types:
-// - NS: Available namespace keys ('common' | 'chat' | 'setting' | ...)
-// - Locales: Supported locale codes ('en-US' | 'zh-CN' | 'ja-JP' | ...)
+// 可用类型：
+// - NS: 可用命名空间键 ('common' | 'chat' | 'setting' | ...)
+// - Locales: 支持的语言代码 ('en-US' | 'zh-CN' | 'ja-JP' | ...)
 
-// Type-safe namespace usage
-const namespace: NS = "common"; // ✅ Valid
-const locale: Locales = "en-US"; // ✅ Valid
+const namespace: NS = "common";
+const locale: Locales = "en-US";
 ```
 
-## Best Practices
+## 最佳实践
 
-### 1. Namespace Organization
+### 1. 命名空间组织
 
-- **common**: Shared UI elements (buttons, labels, actions)
-- **chat**: Chat-specific features
-- **setting**: Configuration and settings
-- **error**: Error messages and handling
-- **[feature]**: Feature-specific or page specific namespaces
+- common: 共享 UI 元素（按钮、标签、操作）
+- chat: 聊天特定功能
+- setting: 配置和设置
+- error: 错误消息和处理
+- [feature]: 功能特定或页面特定的命名空间
+- components: 可复用组件文案
 
-### 2. Key Naming Conventions
+### 2. 键命名约定
 
 ```typescript
-// ✅ Good: Hierarchical structure
+// ✅ 好：层次结构
 export default {
     modal: {
         confirm: {
@@ -167,17 +165,17 @@ export default {
     },
 };
 
-// ❌ Avoid: Flat structure
+// ❌ 避免：扁平结构
 export default {
     modalConfirmTitle: "确认操作",
     modalConfirmMessage: "确定要执行此操作吗？",
 };
 ```
 
-## Troubleshooting
+## 故障排除
 
-### Missing Translation Keys
+### 缺少翻译键
 
-- Check if the key exists in src/locales/default/namespace.ts
-- Ensure proper namespace import in component
-- Ensure new namespaces are exported in [src/locales/default/index.ts](mdc:src/locales/default/index.ts)
+- 检查键是否存在于 src/locales/default/namespace.ts 中
+- 确保在组件中正确导入命名空间
+- 确保新命名空间已在 src/locales/default/index.ts 中导出

.cursor/rules/packages/lobe-ui.mdc

@@ -1,72 +0,0 @@
----
-description: @lobehub/ui components list
-globs: 
-alwaysApply: false
----
-## @lobehub/ui Components
-
-- General
-  ActionIcon
-  ActionIconGroup
-  Block
-  Button
-  Icon
-- Data Display
-  Avatar
-  Collapse
-  FileTypeIcon
-  FluentEmoji
-  GuideCard
-  Highlighter
-  Hotkey
-  Image
-  List
-  Markdown
-  MaterialFileTypeIcon
-  Mermaid
-  Segmented
-  Snippet
-  SortableList
-  Tag
-  Tooltip
-  Video
-- Data Entry
-  AutoComplete
-  CodeEditor
-  ColorSwatches
-  CopyButton
-  DatePicker
-  EditableText
-  EmojiPicker
-  Form
-  FormModal
-  HotkeyInput
-  ImageSelect
-  Input
-  SearchBar
-  Select
-  SliderWithInput
-  ThemeSwitch
-- Feedback
-  Alert
-  Drawer
-  Modal
-- Layout
-  DraggablePanel
-  Footer
-  Grid
-  Header
-  Layout
-  MaskShadow
-  ScrollShadow
-- Navigation
-  Burger
-  Dropdown
-  Menu
-  SideNav
-  Tabs
-  Toc
-- Theme
-  ConfigProvider
-  FontLoader
-  ThemeProvider

.cursor/rules/packages/react-layout-kit.mdc

@@ -5,11 +5,11 @@ alwaysApply: false
 ---
 # React Layout Kit 使用指南
 
-`react-layout-kit` 是一个功能丰富的 React flex 布局组件库，在 lobe-chat 项目中被广泛使用。以下是重点组件的使用方法：
+react-layout-kit 是一个功能丰富的 React flex 布局组件库，在 lobe-chat 项目中被广泛使用。以下是重点组件的使用方法：
 
 ## Flexbox 组件
 
-Flexbox 是最常用的布局组件，用于创建弹性布局，类似于 CSS 的 `display: flex`。
+Flexbox 是最常用的布局组件，用于创建弹性布局，类似于 CSS 的 display: flex。
 
 ### 基本用法
 
@@ -31,16 +31,16 @@ import { Flexbox } from 'react-layout-kit';
 
 ### 常用属性
 
-- `horizontal`: 布尔值，设置为水平方向布局
-- `flex`: 数值或字符串，控制 flex 属性
-- `gap`: 数值，设置子元素之间的间距
-- `align`: 对齐方式，如 'center', 'flex-start' 等
-- `justify`: 主轴对齐方式，如 'space-between', 'center' 等
-- `padding`: 内边距值
-- `paddingInline`: 水平内边距值
-- `paddingBlock`: 垂直内边距值
-- `width/height`: 设置宽高，通常用 `'100%'` 或具体像素值
-- `style`: 自定义样式对象
+- horizontal: 布尔值，设置为水平方向布局
+- flex: 数值或字符串，控制 flex 属性
+- gap: 数值，设置子元素之间的间距
+- align: 对齐方式，如 'center', 'flex-start' 等
+- justify: 主轴对齐方式，如 'space-between', 'center' 等
+- padding: 内边距值
+- paddingInline: 水平内边距值
+- paddingBlock: 垂直内边距值
+- width/height: 设置宽高，通常用 '100%' 或具体像素值
+- style: 自定义样式对象
 
 ### 实际应用示例
 
@@ -60,12 +60,7 @@ import { Flexbox } from 'react-layout-kit';
   </Flexbox>
   
   {/* 中间内容区 */}
-  <Flexbox
-    flex={1}
-    style={{
-      height: '100%',
-    }}
-  >
+  <Flexbox flex={1} style={{ height: '100%' }}>
     {/* 主要内容 */}
     <Flexbox flex={1} padding={24} style={{ overflowY: 'auto' }}>
       <MainContent />
@@ -91,8 +86,6 @@ Center 是对 Flexbox 的封装，使子元素水平和垂直居中。
 ### 基本用法
 
 ```jsx
-import { Center } from 'react-layout-kit';
-
 <Center width={'100%'} height={'100%'}>
   <Content />
 </Center>
@@ -118,9 +111,9 @@ Center 组件继承了 Flexbox 的所有属性，同时默认设置了居中对
 
 ## 最佳实践
 
-1. 使用 `flex={1}` 让组件填充可用空间
-2. 使用 `gap` 代替传统的 margin 设置元素间距
-3. 嵌套 Flexbox 创建复杂布局
-4. 设置 `overflow: 'auto'` 使内容可滚动
-5. 使用 `horizontal` 创建水平布局，默认为垂直布局
-6. 与 `antd-style` 的 `useTheme` hook 配合使用创建主题响应式的布局
+- 使用 flex={1} 让组件填充可用空间
+- 使用 gap 代替传统的 margin 设置元素间距
+- 嵌套 Flexbox 创建复杂布局
+- 设置 overflow: 'auto' 使内容可滚动
+- 使用 horizontal 创建水平布局，默认为垂直布局
+- 与 antd-style 的 useTheme hook 配合使用创建主题响应式的布局

.cursor/rules/react-component.mdc

@@ -6,12 +6,14 @@ alwaysApply: false
 # react component 编写指南
 
 - 如果要写复杂样式的话用 antd-style ，简单的话可以用 style 属性直接写内联样式
-- 如果需要 flex 布局或者居中布局应该使用 react-layout-kit
-- 选择组件库中的组件时优先使用 [lobe-ui.mdc](mdc:.cursor/rules/package-usage/lobe-ui.mdc) 有的，然后才是 antd 的，不知道 @lobehub/ui 的组件怎么用，有哪些属性，就自己搜下这个项目其它地方怎么用的，不要瞎猜
+- 如果需要 flex 布局或者居中布局应该使用 react-layout-kit 的 Flexbox 和 Center 组件
+- 选择组件时优先顺序应该是 src/components > 安装的组件 package > lobe-ui > antd
 
-## 访问 theme 的两种方式
+## antd-style token system
 
-### 使用 antd-style 的 useTheme hook
+### 访问 token system 的两种方式
+
+#### 使用 antd-style 的 useTheme hook
 
 ```tsx
 import { useTheme } from 'antd-style';
@@ -32,7 +34,7 @@ const MyComponent = () => {
 }
 ```
 
-### 使用 antd-style 的 createStyles
+#### 使用 antd-style 的 createStyles
 
 ```tsx
 const useStyles = createStyles(({ css, token }) => {
@@ -65,4 +67,87 @@ const Card: FC<CardProps> = ({ title, content }) => {
     </Flexbox>
   );
 };
-```
+```
+
+### 一些你经常会忘记使用的 token
+
+请注意使用下面的 token 而不是 css 字面值。可以访问 https://ant.design/docs/react/customize-theme-cn 了解所有 token
+
+- 动画类
+    - token.motionDurationMid
+    - token.motionEaseInOut
+- 包围盒属性
+    - token.paddingSM
+    - token.marginLG
+
+
+## Lobe UI 包含的组件
+
+- 不知道 @lobehub/ui 的组件怎么用，有哪些属性，就自己搜下这个项目其它地方怎么用的，不要瞎猜，大部分组件都是在 antd 的基础上扩展了属性
+- 具体用法不懂可以联网搜索，例如 ActionIcon 就爬取 https://ui.lobehub.com/components/action-icon
+
+- General
+  ActionIcon
+  ActionIconGroup
+  Block
+  Button
+  Icon
+- Data Display
+  Avatar
+  Collapse
+  FileTypeIcon
+  FluentEmoji
+  GuideCard
+  Highlighter
+  Hotkey
+  Image
+  List
+  Markdown
+  MaterialFileTypeIcon
+  Mermaid
+  Segmented
+  Snippet
+  SortableList
+  Tag
+  Tooltip
+  Video
+- Data Entry
+  AutoComplete
+  CodeEditor
+  ColorSwatches
+  CopyButton
+  DatePicker
+  EditableText
+  EmojiPicker
+  Form
+  FormModal
+  HotkeyInput
+  ImageSelect
+  Input
+  SearchBar
+  Select
+  SliderWithInput
+  ThemeSwitch
+- Feedback
+  Alert
+  Drawer
+  Modal
+- Layout
+  DraggablePanel
+  Footer
+  Grid
+  Header
+  Layout
+  MaskShadow
+  ScrollShadow
+- Navigation
+  Burger
+  Dropdown
+  Menu
+  SideNav
+  Tabs
+  Toc
+- Theme
+  ConfigProvider
+  FontLoader
+  ThemeProvider

.cursor/rules/rules-attach.mdc

@@ -0,0 +1,76 @@
+---
+description: 
+globs: 
+alwaysApply: true
+---
+# LobeChat Cursor Rules System Guide
+
+This document explains how the LobeChat project's Cursor rules system works and serves as an index for manually accessible rules.
+
+## 🎯 Core Principle
+
+**All rules are equal** - there are no priorities or "recommendations" between different rule sources. You should follow all applicable rules simultaneously.
+
+## 📚 Four Ways to Access Rules
+
+### 1. **Always Applied Rules** - `always_applied_workspace_rules`
+- **What**: Core project guidelines that are always active
+- **Content**: Project tech stack, basic coding standards, output formatting rules
+- **Access**: No tools needed - automatically provided in every conversation
+
+### 2. **Dynamic Context Rules** - `cursor_rules_context`
+- **What**: Rules automatically matched based on files referenced in the conversation
+- **Trigger**: Only when user **explicitly @ mentions files** or **opens files in Cursor**
+- **Content**: May include brief descriptions or full rule content, depending on relevance
+- **Access**: No tools needed - automatically updated when files are referenced
+
+### 3. **Agent Requestable Rules** - `agent_requestable_workspace_rules`
+- **What**: Detailed operational guides that can be requested on-demand
+- **Access**: Use `fetch_rules` tool with rule names
+- **Examples**: `debug`, `i18n/i18n`, `code-review`
+
+### 4. **Manual Rules Index** - This file + `read_file`
+- **What**: Additional rules not covered by the above mechanisms
+- **Why needed**: Cursor's rule system only supports "agent request" or "auto attach" modes
+- **Access**: Use `read_file` tool to read specific `.mdc` files
+
+## 🔧 When to Use `read_file` for Rules
+
+Use `read_file` to access rules from the index below when:
+
+1. **Gap identification**: You determine a rule is needed for the current task
+2. **No auto-trigger**: The rule isn't provided in `cursor_rules_context` (because relevant files weren't @ mentioned)
+3. **Not agent-requestable**: The rule isn't available via `fetch_rules`
+
+## 📋 Available Rules Index
+
+The following rules are available via `read_file` from the `.cursor/rules/` directory:
+
+- `backend-architecture.mdc` – Backend layer architecture and design guidelines
+- `zustand-action-patterns.mdc` – Recommended patterns for organizing Zustand actions
+- `zustand-slice-organization.mdc` – Best practices for structuring Zustand slices
+- `drizzle-schema-style-guide.mdc` – Style guide for defining Drizzle ORM schemas
+- `react-component.mdc` – React component style guide and conventions
+
+## ❌ Common Misunderstandings to Avoid
+
+1. **"Priority confusion"**: There's no hierarchy between rule sources - they're complementary, not competitive
+2. **"Dynamic expectations"**: `cursor_rules_context` only updates when you @ files - it won't automatically include rules for tasks you're thinking about
+3. **"Tool redundancy"**: Each access method serves a different purpose - they're not alternatives to choose from
+
+## 🛠️ Practical Workflow
+
+```
+1. Start with always_applied_workspace_rules (automatic)
+2. Check cursor_rules_context for auto-matched rules (automatic) 
+3. If you need specific guides: fetch_rules (manual)
+4. If you identify gaps: consult this index → read_file (manual)
+```
+
+## Example Decision Flow
+
+**Scenario**: Working on a new Zustand store slice
+1. Follow always_applied_workspace_rules ✅
+2. If store files were @ mentioned → use cursor_rules_context rules ✅  
+3. Need detailed Zustand guidance → `read_file('.cursor/rules/zustand-slice-organization.mdc')` ✅
+4. All rules apply simultaneously - no conflicts ✅

.cursor/rules/system-role.mdc

@@ -14,9 +14,9 @@ You are an expert in UI/UX design, proficient in web interaction patterns, respo
 
 ## Problem Solving
 
+- Before formulating any response, you must first gather context by using tools like codebase_search, grep_search, file_search, web_search, fetch_rules, context7, and read_file to avoid making assumptions.
 - When modifying existing code, clearly describe the differences and reasons for the changes
 - Provide alternative solutions that may be better overall or superior in specific aspects
-- Always consider using the latest technologies, standards, and APIs to strive for code optimization, not just the conventional wisdom
 - Provide optimization suggestions for deprecated API usage
 - Cite sources whenever possible at the end, not inline
 - When you provide multiple solutions, provide the recommended solution first, and note it as `Recommended`
@@ -25,18 +25,14 @@ You are an expert in UI/UX design, proficient in web interaction patterns, respo
 
 ## Code Implementation
 
-- Write minimal code changes that are ONLY directly related to the requirements
 - Write correct, up-to-date, bug-free, fully functional, secure, maintainable and efficient code
 - First, think step-by-step: describe your plan in detailed pseudocode before implementation
 - Confirm the plan before writing code
 - Focus on maintainable over being performant
 - Leave NO TODOs, placeholders, or missing pieces
 - Be sure to reference file names
-- Please respect my prettier preferences when you provide code
 - When you notice I have manually modified the code, that was definitely on purpose and do not revert them
-- Don't remove meaningful code comments, be sure to keep original comments when providing applied code
-- Update the code comments when needed after you modify the related code
 - If documentation links or required files are missing, ask for them before proceeding with the task rather than making assumptions
 - If you're unable to access or retrieve content from websites, please inform me immediately and request the specific information needed rather than making assumptions
-- Sometimes ESLint errors may not be reasonable, and making changes could introduce logical bugs. If you find an ESLint rule unreasonable, disable it directly. For example, with the 'prefer-dom-node-text-content' rule, there are actual differences between innerText and textContent
 - You can use emojis, npm packages like `chalk`/`chalk-animation`/`terminal-link`/`gradient-string`/`log-symbols`/`boxen`/`consola`/`@clack/prompts` to create beautiful terminal output
+- Don't run `tsc --noEmit` to check ts syntax error, because our project is very large and the validate very slow

.cursor/rules/testing-guide.mdc

@@ -0,0 +1,881 @@
+---
+description: 
+globs: *.test.ts,*.test.tsx
+alwaysApply: false
+---
+---
+type: agent-requested
+title: 测试指南 - LobeChat Testing Guide
+description: LobeChat 项目的 Vitest 测试环境配置、运行方式、修复原则指南
+---
+
+# 测试指南 - LobeChat Testing Guide
+
+## 🧪 测试环境概览
+
+LobeChat 项目使用 Vitest 测试库，配置了两种不同的测试环境：
+
+### 客户端测试环境 (DOM Environment)
+
+- **配置文件**: [vitest.config.ts](mdc:vitest.config.ts)
+- **环境**: Happy DOM (浏览器环境模拟)
+- **数据库**: PGLite (浏览器环境的 PostgreSQL)
+- **用途**: 测试前端组件、客户端逻辑、React 组件等
+- **设置文件**: [tests/setup.ts](mdc:tests/setup.ts)
+
+### 服务端测试环境 (Node Environment)
+
+- **配置文件**: [vitest.config.server.ts](mdc:vitest.config.server.ts)
+- **环境**: Node.js
+- **数据库**: 真实的 PostgreSQL 数据库
+- **并发限制**: 单线程运行 (`singleFork: true`)
+- **用途**: 测试数据库模型、服务端逻辑、API 端点等
+- **设置文件**: [tests/setup-db.ts](mdc:tests/setup-db.ts)
+
+## 🚀 测试运行命令
+
+### package.json 脚本说明
+
+查看 [package.json](mdc:package.json) 中的测试相关脚本：
+
+```json
+{
+    "test": "npm run test-app && npm run test-server",
+    "test-app": "vitest run --config vitest.config.ts",
+    "test-app:coverage": "vitest run --config vitest.config.ts --coverage",
+    "test-server": "vitest run --config vitest.config.server.ts",
+    "test-server:coverage": "vitest run --config vitest.config.server.ts --coverage"
+}
+```
+
+### 推荐的测试运行方式
+
+#### ✅ 正确的命令格式
+
+```bash
+# 运行所有客户端测试
+npx vitest run --config vitest.config.ts
+
+# 运行所有服务端测试
+npx vitest run --config vitest.config.server.ts
+
+# 运行特定测试文件 (支持模糊匹配)
+npx vitest run --config vitest.config.ts basic
+npx vitest run --config vitest.config.ts user.test.ts
+
+# 运行特定文件的特定行号
+npx vitest run --config vitest.config.ts src/utils/helper.test.ts:25
+npx vitest run --config vitest.config.ts basic/foo.test.ts:10,basic/foo.test.ts:25
+
+# 过滤特定测试用例名称
+npx vitest -t "test case name" --config vitest.config.ts
+
+# 组合使用文件和测试名称过滤
+npx vitest run --config vitest.config.ts filename.test.ts -t "specific test"
+```
+
+#### ❌ 避免的命令格式
+
+```bash
+# ❌ 不要使用 pnpm test xxx (这不是有效的 vitest 命令)
+pnpm test some-file
+
+# ❌ 不要使用裸 vitest (会进入 watch 模式)
+vitest test-file.test.ts
+
+# ❌ 不要混淆测试环境
+npx vitest run --config vitest.config.server.ts client-component.test.ts
+```
+
+### 关键运行参数说明
+
+- **`vitest run`**: 运行一次测试然后退出 (避免 watch 模式)
+- **`vitest`**: 默认进入 watch 模式，持续监听文件变化
+- **`--config`**: 指定配置文件，选择正确的测试环境
+- **`-t`**: 过滤测试用例名称，支持正则表达式
+- **`--coverage`**: 生成测试覆盖率报告
+
+## 🔧 测试修复原则
+
+### 核心原则 ⚠️
+
+1. **充分阅读测试代码**: 在修复测试之前，必须完整理解测试的意图和实现
+2. **测试优先修复**: 如果是测试本身写错了，修改测试而不是实现代码
+3. **专注单一问题**: 只修复指定的测试，不要添加额外测试或功能
+4. **不自作主张**: 不要因为发现其他问题就直接修改，先提出再讨论
+
+### 测试修复流程
+
+```mermaid
+flowchart TD
+    subgraph "阶段一：分析与复现"
+        A[开始：收到测试失败报告] --> B[定位并运行失败的测试];
+        B --> C{是否能在本地复现?};
+        C -->|否| D[检查测试环境/配置/依赖];
+        C -->|是| E[分析：阅读测试代码、错误日志、Git 历史];
+    end
+
+    subgraph "阶段二：诊断与调试"
+        E --> F[建立假设：问题出在测试、代码还是环境?];
+        F --> G["调试：使用 console.log 或 debugger 深入检查"];
+        G --> H{假设是否被证实?};
+        H -->|否, 重新假设| F;
+    end
+
+    subgraph "阶段三：修复与验证"
+        H -->|是| I{确定根本原因};
+        I -->|测试逻辑错误| J[修复测试代码];
+        I -->|实现代码 Bug| K[修复实现代码];
+        I -->|环境/配置问题| L[修复配置或依赖];
+        J --> M[验证修复：重新运行失败的测试];
+        K --> M;
+        L --> M;
+        M --> N{测试是否通过?};
+        N -->|否, 修复无效| F;
+        N -->|是| O[扩大验证：运行当前文件内所有测试];
+        O --> P{是否全部通过?};
+        P -->|否, 引入新问题| F;
+    end
+
+    subgraph "阶段四：总结"
+        P -->|是| Q[完成：撰写修复总结];
+    end
+
+    D --> F;
+```
+
+### 修复完成后的总结
+
+测试修复完成后，应该提供简要说明，包括：
+
+1. **错误原因分析**: 说明测试失败的根本原因
+    - 测试逻辑错误
+    - 实现代码bug
+    - 环境配置问题
+    - 依赖变更导致的问题
+
+2. **修复方法说明**: 简述采用的修复方式
+    - 修改了哪些文件
+    - 采用了什么解决方案
+    - 为什么选择这种修复方式
+
+**示例格式**:
+
+```markdown
+## 测试修复总结
+
+**错误原因**: 测试中的 mock 数据格式与实际 API 返回格式不匹配，导致断言失败。
+
+**修复方法**: 更新了测试文件中的 mock 数据结构，使其与最新的 API 响应格式保持一致。具体修改了 `user.test.ts` 中的 `mockUserData` 对象结构。
+```
+
+## 📂 测试文件组织
+
+### 文件命名约定
+
+- **客户端测试**: `*.test.ts`, `*.test.tsx` (任意位置)
+- **服务端测试**: `src/database/models/**/*.test.ts`, `src/database/server/**/*.test.ts` (限定路径)
+
+### 测试文件组织风格
+
+项目采用 **测试文件与源文件同目录** 的组织风格：
+
+- 测试文件放在对应源文件的同一目录下
+- 命名格式：`原文件名.test.ts` 或 `原文件名.test.tsx`
+
+例如：
+
+```
+src/components/Button/
+├── index.tsx           # 源文件
+└── index.test.tsx      # 测试文件
+```
+
+## 🛠️ 测试调试技巧
+
+### 运行失败测试的步骤
+
+1. **确定测试类型**: 查看文件路径确定使用哪个配置
+2. **运行单个测试**: 使用 `-t` 参数隔离问题
+3. **检查错误日志**: 仔细阅读错误信息和堆栈跟踪
+4. **查看最近修改记录**: 检查相关文件的最近变更情况
+5. **添加调试日志**: 在测试中添加 `console.log` 了解执行流程
+
+### Electron IPC 接口测试策略 🖥️
+
+对于涉及 Electron IPC 接口的测试，由于提供真实的 Electron 环境比较复杂，采用 **Mock 返回值** 的方式进行测试。
+
+#### 基本 Mock 设置
+
+```typescript
+import { vi } from "vitest";
+import { electronIpcClient } from "@/server/modules/ElectronIPCClient";
+
+// Mock Electron IPC 客户端
+vi.mock("@/server/modules/ElectronIPCClient", () => ({
+    electronIpcClient: {
+        getFilePathById: vi.fn(),
+        deleteFiles: vi.fn(),
+        // 根据需要添加其他 IPC 方法
+    },
+}));
+```
+
+#### 在测试中设置 Mock 行为
+
+```typescript
+beforeEach(() => {
+    // 重置所有 Mock
+    vi.resetAllMocks();
+
+    // 设置默认的 Mock 返回值
+    vi.mocked(electronIpcClient.getFilePathById).mockResolvedValue(
+        "/path/to/file.txt"
+    );
+    vi.mocked(electronIpcClient.deleteFiles).mockResolvedValue({
+        success: true,
+    });
+});
+```
+
+#### 测试不同场景的示例
+
+```typescript
+it("应该处理文件删除成功的情况", async () => {
+    // 设置成功场景的 Mock
+    vi.mocked(electronIpcClient.deleteFiles).mockResolvedValue({
+        success: true,
+    });
+
+    const result = await service.deleteFiles(["desktop://file1.txt"]);
+
+    expect(electronIpcClient.deleteFiles).toHaveBeenCalledWith([
+        "desktop://file1.txt",
+    ]);
+    expect(result.success).toBe(true);
+});
+
+it("应该处理文件删除失败的情况", async () => {
+    // 设置失败场景的 Mock
+    vi.mocked(electronIpcClient.deleteFiles).mockRejectedValue(
+        new Error("删除失败")
+    );
+
+    const result = await service.deleteFiles(["desktop://file1.txt"]);
+
+    expect(result.success).toBe(false);
+    expect(result.errors).toBeDefined();
+});
+```
+
+#### Mock 策略的优势
+
+1. **环境简化**: 避免了复杂的 Electron 环境搭建
+2. **测试可控**: 可以精确控制 IPC 调用的返回值和行为
+3. **场景覆盖**: 容易测试各种成功/失败场景
+4. **执行速度**: Mock 调用比真实 IPC 调用更快
+
+#### 注意事项
+
+- **Mock 准确性**: 确保 Mock 的行为与真实 IPC 接口行为一致
+- **类型安全**: 使用 `vi.mocked()` 确保类型安全
+- **Mock 重置**: 在 `beforeEach` 中重置 Mock 状态，避免测试间干扰
+- **调用验证**: 不仅要验证返回值，还要验证 IPC 方法是否被正确调用
+
+### 检查最近修改记录 🔍
+
+为了更好地判断测试失败的根本原因，需要**系统性地检查相关文件的修改历史**。这是问题定位的关键步骤。
+
+#### 第一步：确定需要检查的文件范围
+
+1. **测试文件本身**: `path/to/component.test.ts`
+2. **对应的实现文件**: `path/to/component.ts` 或 `path/to/component/index.ts`
+3. **相关依赖文件**: 测试或实现中导入的其他模块
+
+#### 第二步：检查当前工作目录状态
+
+```bash
+# 查看所有未提交的修改状态
+git status
+
+# 重点关注测试文件和实现文件是否有未提交的修改
+git status | grep -E "(test|spec)"
+```
+
+#### 第三步：检查未提交的修改内容
+
+```bash
+# 查看测试文件的未提交修改 (工作区 vs 暂存区)
+git diff path/to/component.test.ts | cat
+
+# 查看对应实现文件的未提交修改
+git diff path/to/component.ts | cat
+
+# 查看已暂存但未提交的修改
+git diff --cached path/to/component.test.ts | cat
+git diff --cached path/to/component.ts | cat
+```
+
+#### 第四步：检查提交历史和时间相关性
+
+**首先查看提交时间，判断修改的时效性**：
+
+```bash
+# 查看测试文件的最近提交历史，包含提交时间
+git log --pretty=format:"%h %ad %s" --date=relative -5 path/to/component.test.ts | cat
+
+# 查看实现文件的最近提交历史，包含提交时间
+git log --pretty=format:"%h %ad %s" --date=relative -5 path/to/component.ts | cat
+
+# 查看详细的提交时间（ISO格式，便于精确判断）
+git log --pretty=format:"%h %ad %an %s" --date=iso -3 path/to/component.ts | cat
+git log --pretty=format:"%h %ad %an %s" --date=iso -3 path/to/component.test.ts | cat
+```
+
+**判断提交的参考价值**：
+
+1. **最近提交（24小时内）**: 🔴 **高度相关** - 很可能是导致测试失败的直接原因
+2. **近期提交（1-7天内）**: 🟡 **中等相关** - 可能相关，需要仔细分析修改内容
+3. **较早提交（超过1周）**: ⚪ **低相关性** - 除非是重大重构，否则不太可能是直接原因
+
+#### 第五步：基于时间相关性查看具体修改内容
+
+**根据提交时间的远近，优先查看最近的修改**：
+
+```bash
+# 如果有24小时内的提交，重点查看这些修改
+git show HEAD -- path/to/component.test.ts | cat
+git show HEAD -- path/to/component.ts | cat
+
+# 查看次新的提交（如果最新提交时间较远）
+git show HEAD~1 -- path/to/component.ts | cat
+git show <recent-commit-hash> -- path/to/component.ts | cat
+
+# 对比最近两次提交的差异
+git diff HEAD~1 HEAD -- path/to/component.ts | cat
+```
+
+#### 第六步：分析修改与测试失败的关系
+
+基于修改记录和时间相关性判断：
+
+1. **最近修改了实现代码**:
+
+    ```bash
+    # 重点检查实现逻辑的变化
+    git diff HEAD~1 path/to/component.ts | cat
+    ```
+
+    - 很可能是实现代码的变更导致测试失败
+    - 检查实现逻辑是否正确
+    - 确认测试是否需要相应更新
+
+2. **最近修改了测试代码**:
+
+    ```bash
+    # 重点检查测试逻辑的变化
+    git diff HEAD~1 path/to/component.test.ts | cat
+    ```
+
+    - 可能是测试本身写错了
+    - 检查测试逻辑和断言是否正确
+    - 确认测试是否符合实现的预期行为
+
+3. **两者都有最近修改**:
+
+    ```bash
+    # 对比两个文件的修改时间
+    git log --pretty=format:"%ad %f" --date=iso -1 path/to/component.ts | cat
+    git log --pretty=format:"%ad %f" --date=iso -1 path/to/component.test.ts | cat
+    ```
+
+    - 需要综合分析两者的修改
+    - 确定哪个修改更可能导致问题
+    - 优先检查时间更近的修改
+
+4. **都没有最近修改**:
+    - 可能是依赖变更或环境问题
+    - 检查 `package.json`、配置文件等的修改
+    - 查看是否有全局性的代码重构
+
+#### 修改记录检查示例
+
+```bash
+# 完整的检查流程示例
+echo "=== 检查文件修改状态 ==="
+git status | grep component
+
+echo "=== 检查未提交修改 ==="
+git diff src/components/Button/index.test.tsx | cat
+git diff src/components/Button/index.tsx | cat
+
+echo "=== 检查提交历史和时间 ==="
+git log --pretty=format:"%h %ad %s" --date=relative -3 src/components/Button/index.test.tsx | cat
+git log --pretty=format:"%h %ad %s" --date=relative -3 src/components/Button/index.tsx | cat
+
+echo "=== 根据时间优先级查看修改内容 ==="
+# 如果有24小时内的提交，重点查看
+git show HEAD -- src/components/Button/index.tsx | cat
+```
+
+## 🗃️ 数据库 Model 测试指南
+
+### 测试环境选择 💡
+
+数据库 Model 层通过环境变量控制数据库类型，在两种测试环境下有不同的数据库后端：客户端环境 (PGLite) 和 服务端环境 (PostgreSQL)
+
+### ⚠️ 双环境验证要求
+
+**对于所有 Model 测试，必须在两个环境下都验证通过**：
+
+#### 完整验证流程
+
+```bash
+# 1. 先在客户端环境测试（快速验证）
+npx vitest run --config vitest.config.ts src/database/models/__tests__/myModel.test.ts
+
+# 2. 再在服务端环境测试（兼容性验证）
+npx vitest run --config vitest.config.server.ts src/database/models/__tests__/myModel.test.ts
+```
+
+### 创建新 Model 测试的最佳实践 📋
+
+#### 1. 参考现有实现和测试模板
+
+创建新 Model 测试前，**必须先参考现有的实现模式**：
+
+- **Model 实现参考**: 
+- **测试模板参考**: 
+- **复杂示例参考**: 
+
+#### 2. 用户权限检查 - 安全第一 🔒
+
+这是**最关键的安全要求**。所有涉及用户数据的操作都必须包含用户权限检查：
+
+**❌ 错误示例 - 存在安全漏洞**:
+
+```typescript
+// 危险：缺少用户权限检查，任何用户都能操作任何数据
+update = async (id: string, data: Partial<MyModel>) => {
+    return this.db
+        .update(myTable)
+        .set(data)
+        .where(eq(myTable.id, id)) // ❌ 只检查 ID，没有检查 userId
+        .returning();
+};
+```
+
+**✅ 正确示例 - 安全的实现**:
+
+```typescript
+// 安全：必须同时匹配 ID 和 userId
+update = async (id: string, data: Partial<MyModel>) => {
+    return this.db
+        .update(myTable)
+        .set(data)
+        .where(
+            and(
+                eq(myTable.id, id),
+                eq(myTable.userId, this.userId) // ✅ 用户权限检查
+            )
+        )
+        .returning();
+};
+```
+
+**必须进行用户权限检查的方法**：
+
+- `update()` - 更新操作
+- `delete()` - 删除操作
+- `findById()` - 查找特定记录
+- 任何涉及特定记录的查询或修改操作
+
+#### 3. 测试文件结构和必测场景
+
+**基本测试结构**:
+
+```typescript
+// @vitest-environment node
+describe("MyModel", () => {
+    describe("create", () => {
+        it("should create a new record");
+        it("should handle edge cases");
+    });
+
+    describe("queryAll", () => {
+        it("should return records for current user only");
+        it("should handle empty results");
+    });
+
+    describe("update", () => {
+        it("should update own records");
+        it("should NOT update other users records"); // 🔒 安全测试
+    });
+
+    describe("delete", () => {
+        it("should delete own records");
+        it("should NOT delete other users records"); // 🔒 安全测试
+    });
+
+    describe("user isolation", () => {
+        it("should enforce user data isolation"); // 🔒 核心安全测试
+    });
+});
+```
+
+**必须测试的安全场景** 🔒:
+
+```typescript
+it("should not update records of other users", async () => {
+    // 创建其他用户的记录
+    const [otherUserRecord] = await serverDB
+        .insert(myTable)
+        .values({ userId: "other-user", data: "original" })
+        .returning();
+
+    // 尝试更新其他用户的记录
+    const result = await myModel.update(otherUserRecord.id, { data: "hacked" });
+
+    // 应该返回 undefined 或空数组（因为权限检查失败）
+    expect(result).toBeUndefined();
+
+    // 验证原始数据未被修改
+    const unchanged = await serverDB.query.myTable.findFirst({
+        where: eq(myTable.id, otherUserRecord.id),
+    });
+    expect(unchanged?.data).toBe("original"); // 数据应该保持不变
+});
+```
+
+#### 4. Mock 外部依赖服务
+
+如果 Model 依赖外部服务（如 FileService），需要正确 Mock：
+
+**设置 Mock**:
+
+```typescript
+// 在文件顶部设置 Mock
+const mockGetFullFileUrl = vi.fn();
+vi.mock("@/server/services/file", () => ({
+    FileService: vi.fn().mockImplementation(() => ({
+        getFullFileUrl: mockGetFullFileUrl,
+    })),
+}));
+
+// 在 beforeEach 中重置和配置 Mock
+beforeEach(async () => {
+    vi.clearAllMocks();
+    mockGetFullFileUrl.mockImplementation(
+        (url: string) => `https://example.com/${url}`
+    );
+});
+```
+
+**验证 Mock 调用**:
+
+```typescript
+it("should process URLs through FileService", async () => {
+    // ... 测试逻辑
+
+    // 验证 Mock 被正确调用
+    expect(mockGetFullFileUrl).toHaveBeenCalledWith("expected-url");
+    expect(mockGetFullFileUrl).toHaveBeenCalledTimes(1);
+});
+```
+
+#### 5. 数据库状态管理
+
+**正确的数据清理模式**:
+
+```typescript
+const userId = "test-user";
+const otherUserId = "other-user";
+
+beforeEach(async () => {
+    // 清理用户表（级联删除相关数据）
+    await serverDB.delete(users);
+
+    // 创建测试用户
+    await serverDB.insert(users).values([{ id: userId }, { id: otherUserId }]);
+});
+
+afterEach(async () => {
+    // 清理测试数据
+    await serverDB.delete(users);
+});
+```
+
+#### 6. 测试数据类型和外键约束处理 ⚠️
+
+**必须使用 Schema 导出的类型**:
+
+```typescript
+// ✅ 正确：使用 schema 导出的类型
+import { NewGenerationBatch, NewGeneration } from '../../schemas';
+
+const testBatch: NewGenerationBatch = {
+    userId,
+    generationTopicId: 'test-topic-id',
+    provider: 'test-provider',
+    model: 'test-model',
+    prompt: 'Test prompt for image generation',
+    width: 1024,
+    height: 1024,
+    config: { /* ... */ },
+};
+
+const testGeneration: NewGeneration = {
+    id: 'test-gen-id',
+    generationBatchId: 'test-batch-id',
+    asyncTaskId: null, // 处理外键约束
+    fileId: null,      // 处理外键约束
+    seed: 12345,
+    userId,
+};
+```
+
+```typescript
+// ❌ 错误：没有类型声明或使用错误类型
+const testBatch = {  // 缺少类型声明
+    generationTopicId: 'test-topic-id',
+    // ...
+};
+
+const testGeneration = {  // 缺少类型声明
+    asyncTaskId: 'invalid-uuid',  // 外键约束错误
+    fileId: 'non-existent-file',  // 外键约束错误
+    // ...
+};
+```
+
+**外键约束处理策略**:
+
+1. **使用 null 值**: 对于可选的外键字段，使用 null 避免约束错误
+2. **创建关联记录**: 如果需要测试关联关系，先创建被引用的记录
+3. **理解约束关系**: 了解哪些字段有外键约束，避免引用不存在的记录
+
+```typescript
+// 外键约束处理示例
+beforeEach(async () => {
+    // 清理数据库
+    await serverDB.delete(users);
+    
+    // 创建测试用户
+    await serverDB.insert(users).values([{ id: userId }]);
+    
+    // 如果需要测试文件关联，创建文件记录
+    if (needsFileAssociation) {
+        await serverDB.insert(files).values({
+            id: 'test-file-id',
+            userId,
+            name: 'test.jpg',
+            url: 'test-url',
+            size: 1024,
+            fileType: 'image/jpeg',
+        });
+    }
+});
+```
+
+**排序测试的可预测性**:
+
+```typescript
+// ✅ 正确：使用明确的时间戳确保排序结果可预测
+it('should find batches by topic id in correct order', async () => {
+    const oldDate = new Date('2024-01-01T10:00:00Z');
+    const newDate = new Date('2024-01-02T10:00:00Z');
+    
+    const batch1 = { ...testBatch, prompt: 'First batch', userId, createdAt: oldDate };
+    const batch2 = { ...testBatch, prompt: 'Second batch', userId, createdAt: newDate };
+
+    await serverDB.insert(generationBatches).values([batch1, batch2]);
+
+    const results = await generationBatchModel.findByTopicId(testTopic.id);
+
+    expect(results[0].prompt).toBe('Second batch'); // 最新优先 (desc order)
+    expect(results[1].prompt).toBe('First batch');
+});
+```
+
+```typescript
+// ❌ 错误：依赖数据库的默认时间戳，结果不可预测
+it('should find batches by topic id', async () => {
+    const batch1 = { ...testBatch, prompt: 'First batch', userId };
+    const batch2 = { ...testBatch, prompt: 'Second batch', userId };
+
+    await serverDB.insert(generationBatches).values([batch1, batch2]);
+    
+    // 插入顺序和数据库时间戳可能不一致，导致测试不稳定
+    const results = await generationBatchModel.findByTopicId(testTopic.id);
+    expect(results[0].prompt).toBe('Second batch'); // 可能失败
+});
+```
+
+
+
+### 常见问题和解决方案 💡
+
+#### 问题 1：权限检查缺失导致安全漏洞
+
+**现象**: 测试失败，用户能修改其他用户的数据
+**解决**: 在 Model 的 `update` 和 `delete` 方法中添加 `and(eq(table.id, id), eq(table.userId, this.userId))`
+
+#### 问题 2：Mock 未生效或验证失败
+
+**现象**: `undefined is not a spy` 错误
+**解决**: 检查 Mock 设置位置和方式，确保在测试文件顶部设置，在 `beforeEach` 中重置
+
+#### 问题 3：测试数据污染
+
+**现象**: 测试间相互影响，结果不稳定
+**解决**: 在 `beforeEach` 和 `afterEach` 中正确清理数据库状态
+
+#### 问题 4：外部依赖导致测试失败
+
+**现象**: 因为真实的外部服务调用导致测试不稳定
+**解决**: Mock 所有外部依赖，使测试更可控和快速
+
+#### 问题 5：外键约束违反导致测试失败
+
+**现象**: `insert or update on table "xxx" violates foreign key constraint`
+**解决**: 
+- 将可选外键字段设为 `null` 而不是无效的字符串值
+- 或者先创建被引用的记录，再创建当前记录
+
+```typescript
+// ❌ 错误：无效的外键值
+const testData = {
+    asyncTaskId: 'invalid-uuid',  // 表中不存在此记录
+    fileId: 'non-existent-file',  // 表中不存在此记录
+};
+
+// ✅ 正确：使用 null 值
+const testData = {
+    asyncTaskId: null,  // 避免外键约束
+    fileId: null,       // 避免外键约束
+};
+
+// ✅ 或者：先创建被引用的记录
+beforeEach(async () => {
+    const [asyncTask] = await serverDB.insert(asyncTasks).values({
+        id: 'valid-task-id',
+        status: 'pending',
+        type: 'generation',
+    }).returning();
+    
+    const testData = {
+        asyncTaskId: asyncTask.id,  // 使用有效的外键值
+    };
+});
+```
+
+#### 问题 6：排序测试结果不一致
+
+**现象**: 相同的测试有时通过，有时失败，特别是涉及排序的测试
+**解决**: 使用明确的时间戳，不要依赖数据库的默认时间戳
+
+```typescript
+// ❌ 错误：依赖插入顺序和默认时间戳
+await serverDB.insert(table).values([data1, data2]);  // 时间戳不可预测
+
+// ✅ 正确：明确指定时间戳
+const oldDate = new Date('2024-01-01T10:00:00Z');
+const newDate = new Date('2024-01-02T10:00:00Z');
+await serverDB.insert(table).values([
+    { ...data1, createdAt: oldDate },
+    { ...data2, createdAt: newDate },
+]);
+```
+
+#### 问题 7：Mock 验证失败或调用次数不匹配
+
+**现象**: `expect(mockFunction).toHaveBeenCalledWith(...)` 失败
+**解决**: 
+- 检查 Mock 函数的实际调用参数和期望参数是否完全匹配
+- 确认 Mock 在正确的时机被重置和配置
+- 使用 `toHaveBeenCalledTimes()` 验证调用次数
+
+```typescript
+// 在 beforeEach 中正确配置 Mock
+beforeEach(() => {
+    vi.clearAllMocks();  // 重置所有 Mock
+    
+    mockGetFullFileUrl.mockImplementation((url: string) => `https://example.com/${url}`);
+    mockTransformGeneration.mockResolvedValue({
+        id: 'test-id',
+        // ... 其他字段
+    });
+});
+
+// 测试中验证 Mock 调用
+it('should call FileService with correct parameters', async () => {
+    await model.someMethod();
+    
+    // 验证调用参数
+    expect(mockGetFullFileUrl).toHaveBeenCalledWith('expected-url');
+    // 验证调用次数
+    expect(mockGetFullFileUrl).toHaveBeenCalledTimes(1);
+});
+```
+
+### Model 测试检查清单 ✅
+
+创建 Model 测试时，请确保以下各项都已完成：
+
+#### 🔧 基础配置
+- [ ] **双环境验证** - 在客户端环境 (vitest.config.ts) 和服务端环境 (vitest.config.server.ts) 下都测试通过
+- [ ] 参考了 `_template.ts` 和现有 Model 的实现模式
+- [ ] **使用正确的 Schema 类型** - 测试数据使用 `NewXxx` 类型声明，如 `NewGenerationBatch`、`NewGeneration`
+
+#### 🔒 安全测试
+- [ ] **所有涉及用户数据的操作都包含用户权限检查**
+- [ ] 包含了用户权限隔离的安全测试
+- [ ] 测试了用户无法访问其他用户数据的场景
+
+#### 🗃️ 数据处理
+- [ ] **正确处理外键约束** - 使用 `null` 值或先创建被引用记录
+- [ ] **排序测试使用明确时间戳** - 不依赖数据库默认时间，确保结果可预测
+- [ ] 在 `beforeEach` 和 `afterEach` 中正确管理数据库状态
+- [ ] 所有测试都能独立运行且互不干扰
+
+#### 🎭 Mock 和外部依赖
+- [ ] 正确 Mock 了外部依赖服务 (如 FileService、GenerationModel)
+- [ ] 在 `beforeEach` 中重置和配置 Mock
+- [ ] 验证了 Mock 服务的调用参数和次数
+- [ ] 测试了外部服务错误场景的处理
+
+#### 📋 测试覆盖
+- [ ] 测试覆盖了所有主要方法 (create, query, update, delete)
+- [ ] 测试了边界条件和错误场景
+- [ ] 包含了空结果处理的测试
+- [ ] **确认两个环境下的测试结果一致**
+
+#### 🚨 常见问题检查
+- [ ] 没有外键约束违反错误
+- [ ] 排序测试结果稳定可预测
+- [ ] Mock 验证无失败
+- [ ] 无测试数据污染问题
+
+### 安全警告 ⚠️
+
+**数据库 Model 层是安全的第一道防线**。如果 Model 层缺少用户权限检查：
+
+1. **任何用户都能访问和修改其他用户的数据**
+2. **即使上层有权限检查，也可能被绕过**
+3. **可能导致严重的数据泄露和安全事故**
+
+因此，**每个涉及用户数据的 Model 方法都必须包含用户权限检查，且必须有对应的安全测试来验证这些检查的有效性**。
+
+## 🎯 总结
+
+修复测试时，记住以下关键点：
+
+- **使用正确的命令**: `npx vitest run --config [config-file]`
+- **理解测试意图**: 先读懂测试再修复
+- **查看最近修改**: 检查相关文件的 git 修改记录，判断问题根源
+- **选择正确环境**: 客户端测试用 `vitest.config.ts`，服务端用 `vitest.config.server.ts`
+- **专注单一问题**: 只修复当前的测试失败
+- **验证修复结果**: 确保修复后测试通过且无副作用
+- **提供修复总结**: 说明错误原因和修复方法
+- **Model 测试安全第一**: 必须包含用户权限检查和对应的安全测试
+- **Model 双环境验证**: 必须在 PGLite 和 PostgreSQL 两个环境下都验证通过

.cursor/rules/typescript.mdc

@@ -0,0 +1,19 @@
+---
+description: 
+globs: *.ts,*.tsx,*.mts
+alwaysApply: false
+---
+
+TypeScript Code Style Guide:
+
+- Avoid explicit type annotations when TypeScript can infer types.
+- Avoid defining `any` type variables (e.g., `let a: number;` instead of `let a;`).
+- Use the most accurate type possible (e.g., use `Record<PropertyKey, unknown>` instead of `object`).
+- Prefer `interface` over `type` (e.g., define react component props).
+- Use `as const satisfies XyzInterface` instead of `as const` when suitable
+- import index.ts module(directory module) like `@/db/index` instead of `@/db`
+- Instead of calling Date.now() multiple times, assign it to a constant once and reuse it. This ensures consistency and improves readability
+- Always refactor repeated logic into a reusable function
+- Don't remove meaningful code comments, be sure to keep original comments when providing applied code
+- Update the code comments when needed after you modify the related code
+- Please respect my prettier preferences when you provide code

.cursor/rules/zustand-action-patterns.mdc

@@ -87,7 +87,7 @@ internal_dispatchTopic: (payload, action) => {
 
 ### 使用 Reducer 模式的场景
 
-**适用于复杂的数据结构管理**，特别是：
+适用于复杂的数据结构管理，特别是：
 - 管理对象列表或映射（如 `messagesMap`, `topicMaps`）
 - 需要乐观更新的场景
 - 状态转换逻辑复杂
@@ -125,7 +125,7 @@ export const messagesReducer = (state: ChatMessage[], payload: MessageDispatch):
 
 ### 使用简单 `set` 的场景
 
-**适用于简单状态更新**：
+适用于简单状态更新：
 - 切换布尔值
 - 更新简单字符串/数字
 - 设置单一状态字段
@@ -204,6 +204,43 @@ internal_createMessage: async (message, context) => {
 },
 ```
 
+### 删除操作模式（不使用乐观更新）
+
+删除操作通常不适合乐观更新，因为：
+- 删除是破坏性操作，错误恢复复杂
+- 用户对删除操作的即时反馈期望较低
+- 删除失败时恢复原状态会造成困惑
+
+```typescript
+// 删除操作的标准模式 - 无乐观更新
+removeGenerationTopic: async (id: string) => {
+  const { internal_removeGenerationTopic } = get();
+  await internal_removeGenerationTopic(id);
+},
+
+internal_removeGenerationTopic: async (id: string) => {
+  // 1. 显示加载状态
+  get().internal_updateGenerationTopicLoading(id, true);
+  
+  try {
+    // 2. 直接调用后端服务
+    await generationTopicService.deleteTopic(id);
+    
+    // 3. 刷新数据获取最新状态
+    await get().refreshGenerationTopics();
+  } finally {
+    // 4. 确保清除加载状态（无论成功或失败）
+    get().internal_updateGenerationTopicLoading(id, false);
+  }
+},
+```
+
+删除操作的特点：
+- 直接调用服务，不预先更新状态
+- 依赖 loading 状态提供用户反馈
+- 操作完成后刷新整个列表确保一致性
+- 使用 `try/finally` 确保 loading 状态总是被清理
+
 ## 加载状态管理模式
 
 LobeChat 使用统一的加载状态管理模式：
@@ -292,27 +329,32 @@ refreshTopic: async () => {
 ## 命名规范总结
 
 ### Action 命名模式
-- **Public Actions**: 动词形式，描述用户意图
+- Public Actions: 动词形式，描述用户意图
   - `createTopic`, `sendMessage`, `regenerateMessage`
-- **Internal Actions**: `internal_` + 动词，描述内部操作
+- Internal Actions: `internal_` + 动词，描述内部操作
   - `internal_createTopic`, `internal_updateMessageContent`
-- **Dispatch Methods**: `internal_dispatch` + 实体名
+- Dispatch Methods: `internal_dispatch` + 实体名
   - `internal_dispatchTopic`, `internal_dispatchMessage`
-- **Toggle Methods**: `internal_toggle` + 状态名
+- Toggle Methods: `internal_toggle` + 状态名
   - `internal_toggleMessageLoading`, `internal_toggleChatLoading`
 
 ### 状态命名模式
-- **ID 数组**: `[entity]LoadingIds`, `[entity]EditingIds`
-- **映射结构**: `[entity]Maps`, `[entity]Map`
-- **当前激活**: `active[Entity]Id`
-- **初始化标记**: `[entity]sInit`
+- ID 数组: `[entity]LoadingIds`, `[entity]EditingIds`
+- 映射结构: `[entity]Maps`, `[entity]Map`
+- 当前激活: `active[Entity]Id`
+- 初始化标记: `[entity]sInit`
 
 ## 最佳实践
 
-1. **始终实现乐观更新**：对于用户交互频繁的操作
-2. **加载状态管理**：使用统一的加载状态数组管理并发操作
-3. **类型安全**：为所有 action payload 定义 TypeScript 接口
-4. **SWR 集成**：使用 SWR 管理数据获取和缓存失效
-5. **AbortController**：为长时间运行的操作提供取消能力
+1. 合理使用乐观更新：
+   - ✅ 适用：创建、更新操作（用户交互频繁）
+   - ❌ 避免：删除操作（破坏性操作，错误恢复复杂）
+2. 加载状态管理：使用统一的加载状态数组管理并发操作
+3. 类型安全：为所有 action payload 定义 TypeScript 接口
+4. SWR 集成：使用 SWR 管理数据获取和缓存失效
+5. AbortController：为长时间运行的操作提供取消能力
+6. 操作模式选择：
+   - 创建/更新：乐观更新 + 最终一致性
+   - 删除：加载状态 + 服务调用 + 数据刷新
 
 这套 Action 组织模式确保了代码的一致性、可维护性，并提供了优秀的用户体验。

.cursor/rules/zustand-slice-organization.mdc

@@ -13,10 +13,10 @@ LobeChat 的 `chat` store (`src/store/chat/`) 采用模块化的 slice 结构来
 
 ### 关键聚合文件
 
-- **`src/store/chat/initialState.ts`**: 聚合所有 slice 的初始状态
-- **`src/store/chat/store.ts`**: 定义顶层的 `ChatStore`，组合所有 slice 的 actions
-- **`src/store/chat/selectors.ts`**: 统一导出所有 slice 的 selectors
-- **`src/store/chat/helpers.ts`**: 提供聊天相关的辅助函数
+- `src/store/chat/initialState.ts`: 聚合所有 slice 的初始状态
+- `src/store/chat/store.ts`: 定义顶层的 `ChatStore`，组合所有 slice 的 actions
+- `src/store/chat/selectors.ts`: 统一导出所有 slice 的 selectors
+- `src/store/chat/helpers.ts`: 提供聊天相关的辅助函数
 
 ### Store 聚合模式
 
@@ -81,7 +81,7 @@ src/store/chat/slices/
 
 ### 文件职责说明
 
-1. **`initialState.ts`**:
+1. `initialState.ts`:
    - 定义 slice 的 TypeScript 状态接口
    - 提供初始状态默认值
 
@@ -104,7 +104,7 @@ export const initialTopicState: ChatTopicState = {
 };
 ```
 
-2. **`reducer.ts`** (复杂状态使用):
+2. `reducer.ts` (复杂状态使用):
    - 定义纯函数 reducer，处理同步状态转换
    - 使用 `immer` 确保不可变更新
 
@@ -150,10 +150,10 @@ export const topicReducer = (state: ChatTopic[] = [], payload: ChatTopicDispatch
 };
 ```
 
-3. **`selectors.ts`**:
+3. `selectors.ts`:
    - 提供状态查询和计算函数
    - 供 UI 组件使用的状态订阅接口
-   - **重要**: 使用 `export const xxxSelectors` 模式聚合所有 selectors
+   - 重要: 使用 `export const xxxSelectors` 模式聚合所有 selectors
 
 ```typescript
 // 典型的 selectors.ts 结构
@@ -277,22 +277,22 @@ export { aiChatSelectors } from './slices/aiChat/selectors';
 
 ## 最佳实践
 
-1. **Slice 划分原则**:
+1. Slice 划分原则:
    - 按功能领域划分（message, topic, aiChat 等）
    - 每个 slice 管理相关的状态和操作
    - 避免 slice 之间的强耦合
 
-2. **文件命名规范**:
+2. 文件命名规范:
    - 使用小驼峰命名 slice 目录
    - 文件名使用一致的模式（action.ts, selectors.ts 等）
    - 复杂 actions 时使用 actions/ 子目录
 
-3. **状态结构设计**:
+3. 状态结构设计:
    - 扁平化的状态结构，避免深层嵌套
    - 使用 Map 结构管理列表数据
    - 分离加载状态和业务数据
 
-4. **类型安全**:
+4. 类型安全:
    - 为每个 slice 定义清晰的 TypeScript 接口
    - 使用 Zustand 的 StateCreator 确保类型一致性
    - 在顶层聚合时保持类型安全

.env.example

@@ -232,3 +232,10 @@ OPENAI_API_KEY=sk-xxxxxxxxx
 
 # Specify the Embedding model and Reranker model(unImplemented)
 # DEFAULT_FILES_CONFIG="embedding_model=openai/embedding-text-3-small,reranker_model=cohere/rerank-english-v3.0,query_mode=full_text"
+
+########################################
+########## MCP Service Config ##########
+########################################
+
+# MCP tool call timeout (milliseconds)
+# MCP_TOOL_TIMEOUT=60000

.github/scripts/create-failure-issue.js

@@ -0,0 +1,256 @@
+/**
+ * Create or update GitHub issue when i18n workflow fails
+ * Usage: node create-failure-issue.js
+ */
+
+module.exports = async ({ github, context, core }) => {
+  const runUrl = `https://github.com/${context.repo.owner}/${context.repo.repo}/actions/runs/${context.runId}`;
+  const timestamp = new Date().toISOString();
+  const date = timestamp.split('T')[0];
+
+  // Get error details from environment variables
+  const errorDetails = {
+    validateEnv: process.env.ERROR_VALIDATE_ENV || '',
+    rebaseAttempt: process.env.ERROR_REBASE_ATTEMPT || '',
+    createBranch: process.env.ERROR_CREATE_BRANCH || '',
+    installDeps: process.env.ERROR_INSTALL_DEPS || '',
+    runI18n: process.env.ERROR_RUN_I18N || '',
+    commitPush: process.env.ERROR_COMMIT_PUSH || '',
+  };
+
+  // Get step conclusions from environment variables
+  const stepStatus = {
+    validateEnv: process.env.STEP_VALIDATE_ENV || 'Not run',
+    checkBranch: process.env.STEP_CHECK_BRANCH || 'Not run',
+    rebaseAttempt: process.env.STEP_REBASE_ATTEMPT || 'Not run',
+    createBranch: process.env.STEP_CREATE_BRANCH || 'Not run',
+    installDeps: process.env.STEP_INSTALL_DEPS || 'Not run',
+    runI18n: process.env.STEP_RUN_I18N || 'Not run',
+    commitPush: process.env.STEP_COMMIT_PUSH || 'Not run',
+    createPr: process.env.STEP_CREATE_PR || 'Not run',
+  };
+
+  // Find the first non-empty error
+  const mainError =
+    Object.values(errorDetails).find((error) => error && error.trim()) || 'Unknown error occurred';
+
+  // Determine error category for better troubleshooting
+  const getErrorCategory = (error) => {
+    if (error.includes('API') || error.includes('authentication')) return 'API/Authentication';
+    if (error.includes('network') || error.includes('timeout')) return 'Network/Connectivity';
+    if (error.includes('dependencies') || error.includes('bun')) return 'Dependencies';
+    if (error.includes('git') || error.includes('branch') || error.includes('rebase'))
+      return 'Git Operations';
+    if (error.includes('permission') || error.includes('token')) return 'Permissions';
+    return 'General';
+  };
+
+  const errorCategory = getErrorCategory(mainError);
+
+  const issueTitle = `🚨 Daily i18n Update Failed - ${date}`;
+
+  const issueBody = `## 🚨 Automated i18n Update Failure
+
+**Timestamp:** ${timestamp}  
+**Workflow Run:** [#${context.runNumber}](${runUrl})  
+**Repository:** ${context.repo.owner}/${context.repo.repo}  
+**Branch:** ${context.ref}  
+**Commit:** ${context.sha}
+
+## ❌ Error Details
+**Primary Error:** ${mainError}  
+**Category:** ${errorCategory}
+
+## 🔍 Step Status
+| Step | Status |
+|------|--------|
+| Environment Validation | ${stepStatus.validateEnv} |
+| Branch Check | ${stepStatus.checkBranch} |
+| Rebase Attempt | ${stepStatus.rebaseAttempt} |
+| Branch Creation | ${stepStatus.createBranch} |
+| Dependencies | ${stepStatus.installDeps} |
+| i18n Update | ${stepStatus.runI18n} |
+| Git Operations | ${stepStatus.commitPush} |
+| PR Creation | ${stepStatus.createPr} |
+
+## 🔧 Environment Info
+- **Runner OS:** ${process.env.RUNNER_OS || 'Unknown'}
+- **Bun Version:** ${process.env.BUN_VERSION || 'Default'}
+- **Workflow:** \`${context.workflow}\`
+
+## 📋 Debug Information
+Debug logs have been uploaded as artifacts and will be available for 7 days.
+
+${getErrorCategoryHelp(errorCategory)}
+
+## 🛠️ General Troubleshooting Steps
+1. Check if all required secrets are properly configured
+2. Verify OpenAI API quota and billing status  
+3. Review the workflow run logs for detailed error messages
+4. Check if there are any ongoing GitHub API issues
+5. Manually trigger the workflow to retry
+
+## 📊 Workflow Statistics
+- **Run Number:** ${context.runNumber}
+- **Run ID:** ${context.runId}
+- **Event:** ${context.eventName}
+
+---
+**Auto-generated by:** [\`${context.workflow}\`](${runUrl})  
+**Labels:** automated, bug, i18n, workflow-failure, ${errorCategory.toLowerCase().replace(/[^a-z0-9]/g, '-')}`;
+
+  try {
+    // Search for existing open issues with similar title
+    const existingIssues = await github.rest.issues.listForRepo({
+      owner: context.repo.owner,
+      repo: context.repo.repo,
+      labels: 'automated,workflow-failure',
+      state: 'open',
+      per_page: 50,
+    });
+
+    const todayPrefix = `🚨 Daily i18n Update Failed - ${date}`;
+    const existingIssue = existingIssues.data.find((issue) => issue.title.startsWith(todayPrefix));
+
+    if (existingIssue) {
+      // Update existing issue with comment
+      const commentBody = `## 🔄 Additional Failure
+
+**Timestamp:** ${timestamp}  
+**Workflow Run:** [#${context.runNumber}](${runUrl})  
+**Error Category:** ${errorCategory}  
+**Error:** ${mainError}
+
+Same issue occurred again. Please investigate the recurring problem.
+
+### Quick Actions
+- [ ] Check API quotas and billing
+- [ ] Verify network connectivity
+- [ ] Review recent changes that might cause conflicts
+- [ ] Consider manual intervention
+
+---
+*This is failure #${(await getFailureCount(github, context, existingIssue.number)) + 1} for today.*`;
+
+      await github.rest.issues.createComment({
+        owner: context.repo.owner,
+        repo: context.repo.repo,
+        issue_number: existingIssue.number,
+        body: commentBody,
+      });
+
+      // Add priority label if this is a recurring issue
+      const failureCount = await getFailureCount(github, context, existingIssue.number);
+      if (failureCount >= 2) {
+        await github.rest.issues.addLabels({
+          owner: context.repo.owner,
+          repo: context.repo.repo,
+          issue_number: existingIssue.number,
+          labels: ['priority-high', 'recurring'],
+        });
+      }
+
+      core.info(`✅ Updated existing issue #${existingIssue.number}`);
+      core.setOutput('issue-number', existingIssue.number);
+      core.setOutput('issue-url', existingIssue.html_url);
+      core.setOutput('action', 'updated');
+    } else {
+      // Create new issue
+      const labels = [
+        'automated',
+        'bug',
+        'i18n',
+        'workflow-failure',
+        errorCategory.toLowerCase().replace(/[^a-z0-9]/g, '-'),
+      ];
+
+      const issue = await github.rest.issues.create({
+        owner: context.repo.owner,
+        repo: context.repo.repo,
+        title: issueTitle,
+        body: issueBody,
+        labels: labels,
+      });
+
+      core.info(`✅ Created new issue #${issue.data.number}`);
+      core.setOutput('issue-number', issue.data.number);
+      core.setOutput('issue-url', issue.data.html_url);
+      core.setOutput('action', 'created');
+    }
+  } catch (error) {
+    core.setFailed(`Failed to create or update issue: ${error.message}`);
+    throw error;
+  }
+};
+
+/**
+ * Get category-specific help text
+ */
+function getErrorCategoryHelp(category) {
+  const helpTexts = {
+    'API/Authentication': `
+### 🔑 API/Authentication Issues
+- Verify \`OPENAI_API_KEY\` is correctly set and valid
+- Check if API key has sufficient quota/credits
+- Ensure \`GH_TOKEN\` has necessary permissions
+- Test API connectivity manually`,
+
+    'Network/Connectivity': `
+### 🌐 Network/Connectivity Issues  
+- Check if OpenAI API is experiencing outages
+- Verify proxy settings if using \`OPENAI_PROXY_URL\`
+- Retry the workflow as this might be temporary
+- Check GitHub Actions service status`,
+
+    'Dependencies': `
+### 📦 Dependencies Issues
+- Verify \`bun\` version compatibility
+- Check for package.json changes that might affect dependencies
+- Clear cache and retry installation
+- Review recent dependency updates`,
+
+    'Git Operations': `
+### 🔧 Git Operations Issues
+- Check for conflicting changes in target branch
+- Verify repository permissions
+- Review recent commits that might cause conflicts
+- Manual branch cleanup might be required`,
+
+    'Permissions': `
+### 🔐 Permissions Issues
+- Verify \`GH_TOKEN\` has \`repo\` and \`issues\` permissions
+- Check if token can create/update PRs and branches
+- Ensure token hasn't expired
+- Review repository settings and branch protection rules`,
+
+    'General': `
+### 🔍 General Issues
+- Review detailed error logs in workflow run
+- Check for recent changes in codebase
+- Verify all environment variables are set
+- Consider running workflow manually with debug enabled`,
+  };
+
+  return helpTexts[category] || helpTexts['General'];
+}
+
+/**
+ * Count how many times this issue has failed today
+ */
+async function getFailureCount(github, context, issueNumber) {
+  try {
+    const comments = await github.rest.issues.listComments({
+      owner: context.repo.owner,
+      repo: context.repo.repo,
+      issue_number: issueNumber,
+    });
+
+    const today = new Date().toISOString().split('T')[0];
+    return comments.data.filter(
+      (comment) =>
+        comment.body.includes('Additional Failure') && comment.created_at.startsWith(today),
+    ).length;
+  } catch (error) {
+    return 0;
+  }
+}

.github/workflows/auto-i18n.yml

@@ -0,0 +1,71 @@
+name: Daily i18n Update
+
+on:
+  schedule:
+    - cron: '0 0 * * *'
+  workflow_dispatch:
+
+# Add permissions configuration
+permissions:
+  contents: write
+  pull-requests: write
+
+jobs:
+  update-i18n:
+    runs-on: ubuntu-latest
+    timeout-minutes: 30
+
+    steps:
+      - name: Configure Git
+        run: |
+          git config --global user.name "lobehubbot"
+          git config --global user.email "i@lobehub.com"
+
+      - uses: actions/checkout@v4
+        with:
+          ref: ${{ github.event.pull_request.head.ref }}
+
+      - name: Install bun
+        uses: oven-sh/setup-bun@v1
+        with:
+          bun-version: ${{ secrets.BUN_VERSION }}
+
+      - name: Install deps
+        run: bun i
+
+      - name: Update i18n
+        run: bun run i18n
+        env:
+          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}
+          OPENAI_PROXY_URL: ${{ secrets.OPENAI_PROXY_URL }}
+
+      - name: create pull request
+        id: cpr
+        uses: peter-evans/create-pull-request@v7
+        with:
+          token: ${{ secrets.GH_TOKEN }}
+          add-paths: |
+            locales/**/*.json
+          labels: |
+            i18n
+            automated
+            style
+          branch: style/auto-i18n
+          delete-branch: true
+          title: '🤖 style: update i18n'
+          commit-message: '💄 style: update i18n'
+          body: |
+            This PR was automatically generated by the i18n update workflow.
+            Please review the changes and merge if everything looks good.
+
+            ## 🤖 Automation Info
+              - Workflow: `${{ github.workflow }}`
+              - Run ID: `${{ github.run_id }}`
+              - Commit: `${{ github.sha }}`
+
+            <details>
+            <summary>i18n Update Log</summary>
+            ```bash
+            $(cat i18n_update.log)
+            ```
+            </details>

.i18nrc.js

@@ -24,6 +24,7 @@ module.exports = defineConfig({
     'fa-IR',
   ],
   temperature: 0,
+  saveImmediately: true,
   modelName: 'gpt-4.1-mini',
   experimental: {
     jsonMode: true,

Dockerfile

@@ -226,6 +226,8 @@ ENV \
     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

Dockerfile.database

@@ -270,6 +270,8 @@ ENV \
     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

Dockerfile.pglite

@@ -224,6 +224,8 @@ ENV \
     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

README.md

@@ -4,8 +4,8 @@
 
 # Lobe Chat
 
-An open-source, modern-design ChatGPT/LLMs UI/Framework.<br/>
-Supports speech-synthesis, multi-modal, and extensible ([function call][docs-functionc-call]) plugin system.<br/>
+An open-source, modern design ChatGPT/LLMs UI/framework.<br/>
+Supports speech synthesis, multi-modal, and extensible ([function call][docs-function-call]) plugin system.<br/>
 One-click **FREE** deployment of your private OpenAI ChatGPT/Claude/Gemini/Groq/Ollama chat application.
 
 **English** · [简体中文](./README.zh-CN.md) · [Official Site][official-site] · [Changelog][changelog] · [Documents][docs] · [Blog][blog] · [Feedback][github-issues-link]
@@ -39,7 +39,7 @@ One-click **FREE** deployment of your private OpenAI ChatGPT/Claude/Gemini/Groq/
 
 <sup>Pioneering the new age of thinking and creating. Built for you, the Super Individual.</sup>
 
-[![][github-trending-shield]][github-trending-url]
+[![][github-trending-shield]][github-trending-url] <br /> <br /> <a href="https://vercel.com/oss"> <img alt="Vercel OSS Program" src="https://vercel.com/oss/program-badge.svg" /> </a>
 
 ![][image-overview]
 
@@ -52,22 +52,26 @@ One-click **FREE** deployment of your private OpenAI ChatGPT/Claude/Gemini/Groq/
 
 - [👋🏻 Getting Started & Join Our Community](#-getting-started--join-our-community)
 - [✨ Features](#-features)
-  - [`1` Chain of Thought](#1-chain-of-thought)
-  - [`2` Branching Conversations](#2-branching-conversations)
-  - [`3` Artifacts Support](#3-artifacts-support)
-  - [`4` File Upload /Knowledge Base](#4-file-upload-knowledge-base)
-  - [`5` Multi-Model Service Provider Support](#5-multi-model-service-provider-support)
-  - [`6` Local Large Language Model (LLM) Support](#6-local-large-language-model-llm-support)
-  - [`7` Model Visual Recognition](#7-model-visual-recognition)
-  - [`8` TTS & STT Voice Conversation](#8-tts--stt-voice-conversation)
-  - [`9` Text to Image Generation](#9-text-to-image-generation)
-  - [`10` Plugin System (Function Calling)](#10-plugin-system-function-calling)
-  - [`11` Agent Market (GPTs)](#11-agent-market-gpts)
-  - [`12` Support Local / Remote Database](#12-support-local--remote-database)
-  - [`13` Support Multi-User Management](#13-support-multi-user-management)
-  - [`14` Progressive Web App (PWA)](#14-progressive-web-app-pwa)
-  - [`15` Mobile Device Adaptation](#15-mobile-device-adaptation)
-  - [`16` Custom Themes](#16-custom-themes)
+  - [✨ MCP Plugin One-Click Installation](#-mcp-plugin-one-click-installation)
+  - [🏪 MCP Marketplace](#-mcp-marketplace)
+  - [🖥️ Desktop App](#️-desktop-app)
+  - [🌐 Smart Internet Search](#-smart-internet-search)
+  - [Chain of Thought](#chain-of-thought)
+  - [Branching Conversations](#branching-conversations)
+  - [Artifacts Support](#artifacts-support)
+  - [File Upload /Knowledge Base](#file-upload-knowledge-base)
+  - [Multi-Model Service Provider Support](#multi-model-service-provider-support)
+  - [Local Large Language Model (LLM) Support](#local-large-language-model-llm-support)
+  - [Model Visual Recognition](#model-visual-recognition)
+  - [TTS & STT Voice Conversation](#tts--stt-voice-conversation)
+  - [Text to Image Generation](#text-to-image-generation)
+  - [Plugin System (Function Calling)](#plugin-system-function-calling)
+  - [Agent Market (GPTs)](#agent-market-gpts)
+  - [Support Local / Remote Database](#support-local--remote-database)
+  - [Support Multi-User Management](#support-multi-user-management)
+  - [Progressive Web App (PWA)](#progressive-web-app-pwa)
+  - [Mobile Device Adaptation](#mobile-device-adaptation)
+  - [Custom Themes](#custom-themes)
   - [`*` What's more](#-whats-more)
 - [⚡️ Performance](#️-performance)
 - [🛳 Self Hosting](#-self-hosting)
@@ -114,9 +118,59 @@ Whether for users or professional developers, LobeHub will be your AI Agent play
 
 ## ✨ Features
 
+Transform your AI experience with LobeChat's powerful features designed for seamless connectivity, enhanced productivity, and unlimited creativity.
+
+![][image-feat-mcp]
+
+### ✨ MCP Plugin One-Click Installation
+
+**Seamlessly Connect Your AI to the World**
+
+Unlock the full potential of your AI by enabling smooth, secure, and dynamic interactions with external tools, data sources, and services. LobeChat's MCP (Model Context Protocol) plugin system breaks down the barriers between your AI and the digital ecosystem, allowing for unprecedented connectivity and functionality.
+
+Transform your conversations into powerful workflows by connecting to databases, APIs, file systems, and more. Experience the freedom of AI that truly understands and interacts with your world.
+
+[![][back-to-top]](#readme-top)
+
+![][image-feat-mcp-market]
+
+### 🏪 MCP Marketplace
+
+**Discover, Connect, Extend**
+
+Browse a growing library of MCP plugins to expand your AI's capabilities and streamline your workflows effortlessly. Visit [lobehub.com/mcp](https://lobehub.com/mcp) to explore the MCP Marketplace, which offers a curated collection of integrations that enhance your AI's ability to work with various tools and services.
+
+From productivity tools to development environments, discover new ways to extend your AI's reach and effectiveness. Connect with the community and find the perfect plugins for your specific needs.
+
+[![][back-to-top]](#readme-top)
+
+![][image-feat-desktop]
+
+### 🖥️ Desktop App
+
+**Peak Performance, Zero Distractions**
+
+Get the full LobeChat experience without browser limitations—lightweight, focused, and always ready to go. Our desktop application provides a dedicated environment for your AI interactions, ensuring optimal performance and minimal distractions.
+
+Experience faster response times, better resource management, and a more stable connection to your AI assistant. The desktop app is designed for users who demand the best performance from their AI tools.
+
+[![][back-to-top]](#readme-top)
+
+![][image-feat-web-search]
+
+### 🌐 Smart Internet Search
+
+**Online Knowledge On Demand**
+
+With real-time internet access, your AI keeps up with the world—news, data, trends, and more. Stay informed and get the most current information available, enabling your AI to provide accurate and up-to-date responses.
+
+Access live information, verify facts, and explore current events without leaving your conversation. Your AI becomes a gateway to the world's knowledge, always current and comprehensive.
+
+[![][back-to-top]](#readme-top)
+
 [![][image-feat-cot]][docs-feat-cot]
 
-### `1` [Chain of Thought][docs-feat-cot]
+### [Chain of Thought][docs-feat-cot]
 
 Experience AI reasoning like never before. Watch as complex problems unfold step by step through our innovative Chain of Thought (CoT) visualization. This breakthrough feature provides unprecedented transparency into AI's decision-making process, allowing you to observe how conclusions are reached in real-time.
 
@@ -126,7 +180,7 @@ By breaking down complex reasoning into clear, logical steps, you can better und
 
 [![][image-feat-branch]][docs-feat-branch]
 
-### `2` [Branching Conversations][docs-feat-branch]
+### [Branching Conversations][docs-feat-branch]
 
 Introducing a more natural and flexible way to chat with AI. With Branch Conversations, your discussions can flow in multiple directions, just like human conversations do. Create new conversation branches from any message, giving you the freedom to explore different paths while preserving the original context.
 
@@ -141,7 +195,7 @@ This groundbreaking feature transforms linear conversations into dynamic, tree-l
 
 [![][image-feat-artifacts]][docs-feat-artifacts]
 
-### `3` [Artifacts Support][docs-feat-artifacts]
+### [Artifacts Support][docs-feat-artifacts]
 
 Experience the power of Claude Artifacts, now integrated into LobeChat. This revolutionary feature expands the boundaries of AI-human interaction, enabling real-time creation and visualization of diverse content formats.
 
@@ -155,7 +209,7 @@ Create and visualize with unprecedented flexibility:
 
 [![][image-feat-knowledgebase]][docs-feat-knowledgebase]
 
-### `4` [File Upload /Knowledge Base][docs-feat-knowledgebase]
+### [File Upload /Knowledge Base][docs-feat-knowledgebase]
 
 LobeChat supports file upload and knowledge base functionality. You can upload various types of files including documents, images, audio, and video, as well as create knowledge bases, making it convenient for users to manage and search for files. Additionally, you can utilize files and knowledge base features during conversations, enabling a richer dialogue experience.
 
@@ -173,7 +227,7 @@ LobeChat supports file upload and knowledge base functionality. You can upload v
 
 [![][image-feat-privoder]][docs-feat-provider]
 
-### `5` [Multi-Model Service Provider Support][docs-feat-provider]
+### [Multi-Model Service Provider Support][docs-feat-provider]
 
 In the continuous development of LobeChat, we deeply understand the importance of diversity in model service providers for meeting the needs of the community when providing AI conversation services. Therefore, we have expanded our support to multiple model service providers, rather than being limited to a single one, in order to offer users a more diverse and rich selection of conversations.
 
@@ -191,14 +245,13 @@ We have implemented support for the following model service providers:
 - **[Bedrock](https://lobechat.com/discover/provider/bedrock)**: Bedrock is a service provided by Amazon AWS, focusing on delivering advanced AI language and visual models for enterprises. Its model family includes Anthropic's Claude series, Meta's Llama 3.1 series, and more, offering a range of options from lightweight to high-performance, supporting tasks such as text generation, conversation, and image processing for businesses of varying scales and needs.
 - **[Google](https://lobechat.com/discover/provider/google)**: Google's Gemini series represents its most advanced, versatile AI models, developed by Google DeepMind, designed for multimodal capabilities, supporting seamless understanding and processing of text, code, images, audio, and video. Suitable for various environments from data centers to mobile devices, it significantly enhances the efficiency and applicability of AI models.
 - **[DeepSeek](https://lobechat.com/discover/provider/deepseek)**: DeepSeek is a company focused on AI technology research and application, with its latest model DeepSeek-V2.5 integrating general dialogue and code processing capabilities, achieving significant improvements in human preference alignment, writing tasks, and instruction following.
-- **[PPIO](https://lobechat.com/discover/provider/ppio)**: PPIO supports stable and cost-efficient open-source LLM APIs, such as DeepSeek, Llama, Qwen etc.
 - **[HuggingFace](https://lobechat.com/discover/provider/huggingface)**: The HuggingFace Inference API provides a fast and free way for you to explore thousands of models for various tasks. Whether you are prototyping for a new application or experimenting with the capabilities of machine learning, this API gives you instant access to high-performance models across multiple domains.
 - **[OpenRouter](https://lobechat.com/discover/provider/openrouter)**: OpenRouter is a service platform providing access to various cutting-edge large model interfaces, supporting OpenAI, Anthropic, LLaMA, and more, suitable for diverse development and application needs. Users can flexibly choose the optimal model and pricing based on their requirements, enhancing the AI experience.
 - **[Cloudflare Workers AI](https://lobechat.com/discover/provider/cloudflare)**: Run serverless GPU-powered machine learning models on Cloudflare's global network.
-
-<details><summary><kbd>See more providers (+32)</kbd></summary>
-
 - **[GitHub](https://lobechat.com/discover/provider/github)**: With GitHub Models, developers can become AI engineers and leverage the industry's leading AI models.
+
+<details><summary><kbd>See more providers (+31)</kbd></summary>
+
 - **[Novita](https://lobechat.com/discover/provider/novita)**: Novita AI is a platform providing a variety of large language models and AI image generation API services, flexible, reliable, and cost-effective. It supports the latest open-source models like Llama3 and Mistral, offering a comprehensive, user-friendly, and auto-scaling API solution for generative AI application development, suitable for the rapid growth of AI startups.
 - **[PPIO](https://lobechat.com/discover/provider/ppio)**: PPIO supports stable and cost-efficient open-source LLM APIs, such as DeepSeek, Llama, Qwen etc.
 - **[Together AI](https://lobechat.com/discover/provider/togetherai)**: Together AI is dedicated to achieving leading performance through innovative AI models, offering extensive customization capabilities, including rapid scaling support and intuitive deployment processes to meet various enterprise needs.
@@ -206,7 +259,7 @@ We have implemented support for the following model service providers:
 - **[Groq](https://lobechat.com/discover/provider/groq)**: Groq's LPU inference engine has excelled in the latest independent large language model (LLM) benchmarks, redefining the standards for AI solutions with its remarkable speed and efficiency. Groq represents instant inference speed, demonstrating strong performance in cloud-based deployments.
 - **[Perplexity](https://lobechat.com/discover/provider/perplexity)**: Perplexity is a leading provider of conversational generation models, offering various advanced Llama 3.1 models that support both online and offline applications, particularly suited for complex natural language processing tasks.
 - **[Mistral](https://lobechat.com/discover/provider/mistral)**: Mistral provides advanced general, specialized, and research models widely used in complex reasoning, multilingual tasks, and code generation. Through functional calling interfaces, users can integrate custom functionalities for specific applications.
-- **[ModelScope](https://lobechat.com/discover/provider/modelscope)**:
+- **[ModelScope](https://lobechat.com/discover/provider/modelscope)**: ModelScope is a model-as-a-service platform launched by Alibaba Cloud, offering a wide range of AI models and inference services.
 - **[Ai21Labs](https://lobechat.com/discover/provider/ai21)**: AI21 Labs builds foundational models and AI systems for enterprises, accelerating the application of generative AI in production.
 - **[Upstage](https://lobechat.com/discover/provider/upstage)**: Upstage focuses on developing AI models for various business needs, including Solar LLM and document AI, aiming to achieve artificial general intelligence (AGI) for work. It allows for the creation of simple conversational agents through Chat API and supports functional calling, translation, embedding, and domain-specific applications.
 - **[xAI (Grok)](https://lobechat.com/discover/provider/xai)**: xAI is a company dedicated to building artificial intelligence to accelerate human scientific discovery. Our mission is to advance our collective understanding of the universe.
@@ -233,7 +286,7 @@ We have implemented support for the following model service providers:
 
 </details>
 
-> 📊 Total providers: [<kbd>**42**</kbd>](https://lobechat.com/discover/providers)
+> 📊 Total providers: [<kbd>**41**</kbd>](https://lobechat.com/discover/providers)
 
  <!-- PROVIDER LIST -->
 
@@ -247,7 +300,7 @@ At the same time, we are also planning to support more model service providers.
 
 [![][image-feat-local]][docs-feat-local]
 
-### `6` [Local Large Language Model (LLM) Support][docs-feat-local]
+### [Local Large Language Model (LLM) Support][docs-feat-local]
 
 To meet the specific needs of users, LobeChat also supports the use of local models based on [Ollama](https://ollama.ai), allowing users to flexibly use their own or third-party models.
 
@@ -263,7 +316,7 @@ To meet the specific needs of users, LobeChat also supports the use of local mod
 
 [![][image-feat-vision]][docs-feat-vision]
 
-### `7` [Model Visual Recognition][docs-feat-vision]
+### [Model Visual Recognition][docs-feat-vision]
 
 LobeChat now supports OpenAI's latest [`gpt-4-vision`](https://platform.openai.com/docs/guides/vision) model with visual recognition capabilities,
 a multimodal intelligence that can perceive visuals. Users can easily upload or drag and drop images into the dialogue box,
@@ -281,7 +334,7 @@ Whether it's sharing images in daily use or interpreting images within specific
 
 [![][image-feat-tts]][docs-feat-tts]
 
-### `8` [TTS & STT Voice Conversation][docs-feat-tts]
+### [TTS & STT Voice Conversation][docs-feat-tts]
 
 LobeChat supports Text-to-Speech (TTS) and Speech-to-Text (STT) technologies, enabling our application to convert text messages into clear voice outputs,
 allowing users to interact with our conversational agent as if they were talking to a real person. Users can choose from a variety of voices to pair with the agent.
@@ -298,7 +351,7 @@ Users can choose the voice that suits their personal preferences or specific sce
 
 [![][image-feat-t2i]][docs-feat-t2i]
 
-### `9` [Text to Image Generation][docs-feat-t2i]
+### [Text to Image Generation][docs-feat-t2i]
 
 With support for the latest text-to-image generation technology, LobeChat now allows users to invoke image creation tools directly within conversations with the agent. By leveraging the capabilities of AI tools such as [`DALL-E 3`](https://openai.com/dall-e-3), [`MidJourney`](https://www.midjourney.com/), and [`Pollinations`](https://pollinations.ai/), the agents are now equipped to transform your ideas into images.
 
@@ -312,7 +365,7 @@ This enables a more private and immersive creative process, allowing for the sea
 
 [![][image-feat-plugin]][docs-feat-plugin]
 
-### `10` [Plugin System (Function Calling)][docs-feat-plugin]
+### [Plugin System (Function Calling)][docs-feat-plugin]
 
 The plugin ecosystem of LobeChat is an important extension of its core functionality, greatly enhancing the practicality and flexibility of the LobeChat assistant.
 
@@ -335,7 +388,7 @@ In addition, these plugins are not limited to news aggregation, but can also ext
 | [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`                                                  |
 | [Google CSE](https://lobechat.com/discover/plugin/google-cse)<br/><sup>By **vsnthdev** on **2024-12-02**</sup>               | Searches Google through their official CSE API.<br/>`web` `search`                                                      |
 
-> 📊 Total plugins: [<kbd>**43**</kbd>](https://lobechat.com/discover/plugins)
+> 📊 Total plugins: [<kbd>**42**</kbd>](https://lobechat.com/discover/plugins)
 
  <!-- PLUGIN LIST -->
 
@@ -347,7 +400,7 @@ In addition, these plugins are not limited to news aggregation, but can also ext
 
 [![][image-feat-agent]][docs-feat-agent]
 
-### `11` [Agent Market (GPTs)][docs-feat-agent]
+### [Agent Market (GPTs)][docs-feat-agent]
 
 In LobeChat Agent Marketplace, creators can discover a vibrant and innovative community that brings together a multitude of well-designed agents,
 which not only play an important role in work scenarios but also offer great convenience in learning processes.
@@ -367,14 +420,14 @@ Our marketplace is not just a showcase platform but also a collaborative space.
 
 <!-- AGENT LIST -->
 
-| Recent Submits                                                                                                                                                                                        | Description                                                                                                                                                      |
-| ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- |
-| [学术论文综述专家](https://lobechat.com/discover/assistant/academic-paper-overview)<br/><sup>By **[arvinxx](https://github.com/arvinxx)** on **2025-03-11**</sup>                                     | 擅长高质量文献检索与分析的学术研究助手<br/>`学术研究` `文献检索` `数据分析` `信息提取` `咨询`                                                                    |
-| [Cron Expression Assistant](https://lobechat.com/discover/assistant/crontab-generate)<br/><sup>By **[edgesider](https://github.com/edgesider)** on **2025-02-17**</sup>                               | Crontab Expression Generator<br/>`crontab` `time-expression` `trigger-time` `generator` `technical-assistance`                                                   |
-| [Xiao Zhi French Translation Assistant](https://lobechat.com/discover/assistant/xiao-zhi-french-translation-asst-v-1)<br/><sup>By **[WeR-Best](https://github.com/WeR-Best)** on **2025-02-10**</sup> | A friendly, professional, and empathetic AI assistant for French translation<br/>`ai-assistant` `french-translation` `cross-cultural-communication` `creativity` |
-| [Investment Assistant](https://lobechat.com/discover/assistant/graham-investmentassi)<br/><sup>By **[farsightlin](https://github.com/farsightlin)** on **2025-02-06**</sup>                           | Helps users calculate the data needed for valuation<br/>`investment` `valuation` `financial-analysis` `calculator`                                               |
+| Recent Submits                                                                                                                                                                 | Description                                                                                                                                                                                                              |
+| ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
+| [Turtle Soup Host](https://lobechat.com/discover/assistant/lateral-thinking-puzzle)<br/><sup>By **[CSY2022](https://github.com/CSY2022)** on **2025-06-19**</sup>              | A turtle soup host needs to provide the scenario, the complete story (truth of the event), and the key point (the condition for guessing correctly).<br/>`turtle-soup` `reasoning` `interaction` `puzzle` `role-playing` |
+| [Gourmet Reviewer🍟](https://lobechat.com/discover/assistant/food-reviewer)<br/><sup>By **[renhai-lab](https://github.com/renhai-lab)** on **2025-06-17**</sup>                | Food critique expert<br/>`gourmet` `review` `writing`                                                                                                                                                                    |
+| [Academic Writing Assistant](https://lobechat.com/discover/assistant/academic-writing-assistant)<br/><sup>By **[swarfte](https://github.com/swarfte)** on **2025-06-17**</sup> | Expert in academic research paper writing and formal documentation<br/>`academic-writing` `research` `formal-style`                                                                                                      |
+| [Minecraft Senior Developer](https://lobechat.com/discover/assistant/java-development)<br/><sup>By **[iamyuuk](https://github.com/iamyuuk)** on **2025-06-17**</sup>           | Expert in advanced Java development and Minecraft mod and server plugin development<br/>`development` `programming` `minecraft` `java`                                                                                   |
 
-> 📊 Total agents: [<kbd>**488**</kbd> ](https://lobechat.com/discover/assistants)
+> 📊 Total agents: [<kbd>**505**</kbd> ](https://lobechat.com/discover/assistants)
 
  <!-- AGENT LIST -->
 
@@ -386,7 +439,7 @@ Our marketplace is not just a showcase platform but also a collaborative space.
 
 [![][image-feat-database]][docs-feat-database]
 
-### `12` [Support Local / Remote Database][docs-feat-database]
+### [Support Local / Remote Database][docs-feat-database]
 
 LobeChat supports the use of both server-side and local databases. Depending on your needs, you can choose the appropriate deployment solution:
 
@@ -403,7 +456,7 @@ Regardless of which database you choose, LobeChat can provide you with an excell
 
 [![][image-feat-auth]][docs-feat-auth]
 
-### `13` [Support Multi-User Management][docs-feat-auth]
+### [Support Multi-User Management][docs-feat-auth]
 
 LobeChat supports multi-user management and provides two main user authentication and management solutions to meet different needs:
 
@@ -421,7 +474,7 @@ Regardless of which user management solution you choose, LobeChat can provide yo
 
 [![][image-feat-pwa]][docs-feat-pwa]
 
-### `14` [Progressive Web App (PWA)][docs-feat-pwa]
+### [Progressive Web App (PWA)][docs-feat-pwa]
 
 We deeply understand the importance of providing a seamless experience for users in today's multi-device environment.
 Therefore, we have adopted Progressive Web Application ([PWA](https://support.google.com/chrome/answer/9658361)) technology,
@@ -448,7 +501,7 @@ providing smooth animations, responsive layouts, and adapting to different devic
 
 [![][image-feat-mobile]][docs-feat-mobile]
 
-### `15` [Mobile Device Adaptation][docs-feat-mobile]
+### [Mobile Device Adaptation][docs-feat-mobile]
 
 We have carried out a series of optimization designs for mobile devices to enhance the user's mobile experience. Currently, we are iterating on the mobile user experience to achieve smoother and more intuitive interactions. If you have any suggestions or ideas, we welcome you to provide feedback through GitHub Issues or Pull Requests.
 
@@ -460,7 +513,7 @@ We have carried out a series of optimization designs for mobile devices to enhan
 
 [![][image-feat-theme]][docs-feat-theme]
 
-### `16` [Custom Themes][docs-feat-theme]
+### [Custom Themes][docs-feat-theme]
 
 As a design-engineering-oriented application, LobeChat places great emphasis on users' personalized experiences,
 hence introducing flexible and diverse theme modes, including a light mode for daytime and a dark mode for nighttime.
@@ -628,7 +681,7 @@ This project provides some additional configuration items set with environment v
 
 ## 🧩 Plugins
 
-Plugins provide a means to extend the [Function Calling][docs-functionc-call] capabilities of LobeChat. They can be used to introduce new function calls and even new ways to render message results. If you are interested in plugin development, please refer to our [📘 Plugin Development Guide][docs-plugin-dev] in the Wiki.
+Plugins provide a means to extend the [Function Calling][docs-function-call] capabilities of LobeChat. They can be used to introduce new function calls and even new ways to render message results. If you are interested in plugin development, please refer to our [📘 Plugin Development Guide][docs-plugin-dev] in the Wiki.
 
 - [lobe-chat-plugins][lobe-chat-plugins]: This is the plugin index for LobeChat. It accesses index.json from this repository to display a list of available plugins for LobeChat to the user.
 - [chat-plugin-template][chat-plugin-template]: This is the plugin template for LobeChat plugin development.
@@ -822,7 +875,7 @@ This project is [Apache 2.0](./LICENSE) licensed.
 [docs-feat-theme]: https://lobehub.com/docs/usage/features/theme
 [docs-feat-tts]: https://lobehub.com/docs/usage/features/tts
 [docs-feat-vision]: https://lobehub.com/docs/usage/features/vision
-[docs-functionc-call]: https://lobehub.com/blog/openai-function-call
+[docs-function-call]: https://lobehub.com/blog/openai-function-call
 [docs-lighthouse]: https://github.com/lobehub/lobe-chat/wiki/Lighthouse
 [docs-plugin-dev]: https://lobehub.com/docs/usage/plugins/development
 [docs-self-hosting]: https://lobehub.com/docs/self-hosting/start
@@ -859,8 +912,11 @@ This project is [Apache 2.0](./LICENSE) licensed.
 [image-feat-branch]: https://github.com/user-attachments/assets/92f72082-02bd-4835-9c54-b089aad7fd41
 [image-feat-cot]: https://github.com/user-attachments/assets/f74f1139-d115-4e9c-8c43-040a53797a5e
 [image-feat-database]: https://github.com/user-attachments/assets/f1697c8b-d1fb-4dac-ba05-153c6295d91d
+[image-feat-desktop]: https://github.com/user-attachments/assets/a7bac8d3-ea96-4000-bb39-fadc9b610f96
 [image-feat-knowledgebase]: https://github.com/user-attachments/assets/7da7a3b2-92fd-4630-9f4e-8560c74955ae
 [image-feat-local]: https://github.com/user-attachments/assets/1239da50-d832-4632-a7ef-bd754c0f3850
+[image-feat-mcp]: https://github.com/user-attachments/assets/1be85d36-3975-4413-931f-27e05e440995
+[image-feat-mcp-market]: https://github.com/user-attachments/assets/bb114f9f-24c5-4000-a984-c10d187da5a0
 [image-feat-mobile]: https://github.com/user-attachments/assets/32cf43c4-96bd-4a4c-bfb6-59acde6fe380
 [image-feat-plugin]: https://github.com/user-attachments/assets/66a891ac-01b6-4e3f-b978-2eb07b489b1b
 [image-feat-privoder]: https://github.com/user-attachments/assets/e553e407-42de-4919-977d-7dbfcf44a821
@@ -869,6 +925,7 @@ This project is [Apache 2.0](./LICENSE) licensed.
 [image-feat-theme]: https://github.com/user-attachments/assets/b47c39f1-806f-492b-8fcb-b0fa973937c1
 [image-feat-tts]: https://github.com/user-attachments/assets/50189597-2cc3-4002-b4c8-756a52ad5c0a
 [image-feat-vision]: https://github.com/user-attachments/assets/18574a1f-46c2-4cbc-af2c-35a86e128a07
+[image-feat-web-search]: https://github.com/user-attachments/assets/cfdc48ac-b5f8-4a00-acee-db8f2eba09ad
 [image-overview]: https://github.com/user-attachments/assets/dbfaa84a-2c82-4dd9-815c-5be616f264a4
 [image-star]: https://github.com/user-attachments/assets/c3b482e7-cef5-4e94-bef9-226900ecfaab
 [issues-link]: https://img.shields.io/github/issues/lobehub/lobe-chat.svg?style=flat

README.zh-CN.md

@@ -52,22 +52,26 @@
 
 - [👋🏻 开始使用 & 交流](#-开始使用--交流)
 - [✨ 特性一览](#-特性一览)
-  - [`1` 思维链 (CoT)](#1-思维链-cot)
-  - [`2` 分支对话](#2-分支对话)
-  - [`3` 支持白板 (Artifacts)](#3-支持白板-artifacts)
-  - [`4` 文件上传 / 知识库](#4-文件上传--知识库)
-  - [`5` 多模型服务商支持](#5-多模型服务商支持)
-  - [`6` 支持本地大语言模型 (LLM)](#6-支持本地大语言模型-llm)
-  - [`7` 模型视觉识别 (Model Visual)](#7-模型视觉识别-model-visual)
-  - [`8` TTS & STT 语音会话](#8-tts--stt-语音会话)
-  - [`9` Text to Image 文生图](#9-text-to-image-文生图)
-  - [`10` 插件系统 (Tools Calling)](#10-插件系统-tools-calling)
-  - [`11` 助手市场 (GPTs)](#11-助手市场-gpts)
-  - [`12` 支持本地 / 远程数据库](#12-支持本地--远程数据库)
-  - [`13` 支持多用户管理](#13-支持多用户管理)
-  - [`14` 渐进式 Web 应用 (PWA)](#14-渐进式-web-应用-pwa)
-  - [`15` 移动设备适配](#15-移动设备适配)
-  - [`16` 自定义主题](#16-自定义主题)
+  - [✨ MCP 插件一键安装](#-mcp-插件一键安装)
+  - [🏪 MCP 市场](#-mcp-市场)
+  - [🖥️ 桌面应用](#️-桌面应用)
+  - [🌐 智能联网搜索](#-智能联网搜索)
+  - [思维链 (CoT)](#思维链-cot)
+  - [分支对话](#分支对话)
+  - [支持白板 (Artifacts)](#支持白板-artifacts)
+  - [文件上传 / 知识库](#文件上传--知识库)
+  - [多模型服务商支持](#多模型服务商支持)
+  - [支持本地大语言模型 (LLM)](#支持本地大语言模型-llm)
+  - [模型视觉识别 (Model Visual)](#模型视觉识别-model-visual)
+  - [TTS & STT 语音会话](#tts--stt-语音会话)
+  - [Text to Image 文生图](#text-to-image-文生图)
+  - [插件系统 (Tools Calling)](#插件系统-tools-calling)
+  - [助手市场 (GPTs)](#助手市场-gpts)
+  - [支持本地 / 远程数据库](#支持本地--远程数据库)
+  - [支持多用户管理](#支持多用户管理)
+  - [渐进式 Web 应用 (PWA)](#渐进式-web-应用-pwa)
+  - [移动设备适配](#移动设备适配)
+  - [自定义主题](#自定义主题)
   - [`*` 更多特性](#-更多特性)
 - [⚡️ 性能测试](#️-性能测试)
 - [🛳 开箱即用](#-开箱即用)
@@ -114,9 +118,59 @@
 
 ## ✨ 特性一览
 
+通过 LobeChat 的强大功能，体验为无缝连接、提升效率和无限创意而设计的全新 AI 体验。
+
+### ✨ MCP 插件一键安装
+
+[![](https://github.com/user-attachments/assets/1be85d36-3975-4413-931f-27e05e440995)](https://lobehub.com/mcp)
+
+**无缝连接你的 AI 与世界**
+
+通过启用与外部工具、数据源和服务的平滑、安全和动态交互，释放你的 AI 的全部潜力。基于 MCP（模型上下文协议）的插件系统打破了 AI 与数字生态系统之间的壁垒，实现了前所未有的连接性和功能性。
+
+将对话转化为强大的工作流程，连接数据库、API、文件系统等。体验真正理解并与你的世界互动的 AI Agent。
+
+[![][back-to-top]](#readme-top)
+
+### 🏪 MCP 市场
+
+![][image-feat-mcp-market]
+
+**发现、连接、扩展**
+
+浏览不断增长的 MCP 插件库，轻松扩展你的 AI 能力并简化工作流程。访问 [lobehub.com/mcp](https://lobehub.com/mcp) 探索 MCP 市场，提供精选的集成集合，增强你的 AI 与各种工具和服务协作的能力。
+
+从生产力工具到开发环境，发现扩展 AI 覆盖范围和效率的新方式。与社区连接，找到满足特定需求的完美插件。
+
+[![][back-to-top]](#readme-top)
+
+### 🖥️ 桌面应用
+
+![][image-feat-desktop]
+
+**巅峰性能，零干扰**
+
+获得完整的 LobeChat 体验，摆脱浏览器限制 —— 轻量级、专注且随时就绪。我们的桌面应用程序为你的 AI 交互提供专用环境，确保最佳性能和最小干扰。
+
+体验更快的响应时间、更好的资源管理和与 AI 助手的更稳定连接。桌面应用专为要求 AI 工具最佳性能的用户设计。
+
+[![][back-to-top]](#readme-top)
+
+### 🌐 智能联网搜索
+
+![][image-feat-web-search]
+
+**在线知识，按需获取**
+
+通过实时联网访问，你的 AI 与世界保持同步 —— 新闻、数据、趋势等。保持信息更新，获取最新可用信息，使你的 AI 能够提供准确和最新的回复。
+
+访问实时信息，验证事实，探索当前事件，无需离开对话。你的 AI 成为通向世界知识的门户，始终保持最新和全面。
+
+[![][back-to-top]](#readme-top)
+
 [![][image-feat-cot]][docs-feat-cot]
 
-### `1` [思维链 (CoT)][docs-feat-cot]
+### [思维链 (CoT)][docs-feat-cot]
 
 体验前所未有的 AI 推理过程。通过创新的思维链（CoT）可视化功能，您可以实时观察复杂问题是如何一步步被解析的。这项突破性的功能为 AI 的决策过程提供了前所未有的透明度，让您能够清晰地了解结论是如何得出的。
 
@@ -126,7 +180,7 @@
 
 [![][image-feat-branch]][docs-feat-branch]
 
-### `2` [分支对话][docs-feat-branch]
+### [分支对话][docs-feat-branch]
 
 为您带来更自然、更灵活的 AI 对话方式。通过分支对话功能，您的讨论可以像人类对话一样自然延伸。在任意消息处创建新的对话分支，让您在保留原有上下文的同时，自由探索不同的对话方向。
 
@@ -141,7 +195,7 @@
 
 [![][image-feat-artifacts]][docs-feat-artifacts]
 
-### `3` [支持白板 (Artifacts)][docs-feat-artifacts]
+### [支持白板 (Artifacts)][docs-feat-artifacts]
 
 体验集成于 LobeChat 的 Claude Artifacts 能力。这项革命性功能突破了 AI 人机交互的边界，让您能够实时创建和可视化各种格式的内容。
 
@@ -155,7 +209,7 @@
 
 [![][image-feat-knowledgebase]][docs-feat-knowledgebase]
 
-### `4` [文件上传 / 知识库][docs-feat-knowledgebase]
+### [文件上传 / 知识库][docs-feat-knowledgebase]
 
 LobeChat 支持文件上传与知识库功能，你可以上传文件、图片、音频、视频等多种类型的文件，以及创建知识库，方便用户管理和查找文件。同时在对话中使用文件和知识库功能，实现更加丰富的对话体验。
 
@@ -173,7 +227,7 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 
 [![][image-feat-privoder]][docs-feat-provider]
 
-### `5` [多模型服务商支持][docs-feat-provider]
+### [多模型服务商支持][docs-feat-provider]
 
 在 LobeChat 的不断发展过程中，我们深刻理解到在提供 AI 会话服务时模型服务商的多样性对于满足社区需求的重要性。因此，我们不再局限于单一的模型服务商，而是拓展了对多种模型服务商的支持，以便为用户提供更为丰富和多样化的会话选择。
 
@@ -191,14 +245,13 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 - **[Bedrock](https://lobechat.com/discover/provider/bedrock)**: Bedrock 是亚马逊 AWS 提供的一项服务，专注于为企业提供先进的 AI 语言模型和视觉模型。其模型家族包括 Anthropic 的 Claude 系列、Meta 的 Llama 3.1 系列等，涵盖从轻量级到高性能的多种选择，支持文本生成、对话、图像处理等多种任务，适用于不同规模和需求的企业应用。
 - **[Google](https://lobechat.com/discover/provider/google)**: Google 的 Gemini 系列是其最先进、通用的 AI 模型，由 Google DeepMind 打造，专为多模态设计，支持文本、代码、图像、音频和视频的无缝理解与处理。适用于从数据中心到移动设备的多种环境，极大提升了 AI 模型的效率与应用广泛性。
 - **[DeepSeek](https://lobechat.com/discover/provider/deepseek)**: DeepSeek 是一家专注于人工智能技术研究和应用的公司，其最新模型 DeepSeek-V3 多项评测成绩超越 Qwen2.5-72B 和 Llama-3.1-405B 等开源模型，性能对齐领军闭源模型 GPT-4o 与 Claude-3.5-Sonnet。
-- **[PPIO](https://lobechat.com/discover/provider/ppio)**: PPIO 派欧云提供稳定、高性价比的开源模型 API 服务，支持 DeepSeek 全系列、Llama、Qwen 等行业领先大模型。
 - **[HuggingFace](https://lobechat.com/discover/provider/huggingface)**: HuggingFace Inference API 提供了一种快速且免费的方式，让您可以探索成千上万种模型，适用于各种任务。无论您是在为新应用程序进行原型设计，还是在尝试机器学习的功能，这个 API 都能让您即时访问多个领域的高性能模型。
 - **[OpenRouter](https://lobechat.com/discover/provider/openrouter)**: OpenRouter 是一个提供多种前沿大模型接口的服务平台，支持 OpenAI、Anthropic、LLaMA 及更多，适合多样化的开发和应用需求。用户可根据自身需求灵活选择最优的模型和价格，助力 AI 体验的提升。
 - **[Cloudflare Workers AI](https://lobechat.com/discover/provider/cloudflare)**: 在 Cloudflare 的全球网络上运行由无服务器 GPU 驱动的机器学习模型。
-
-<details><summary><kbd>See more providers (+32)</kbd></summary>
-
 - **[GitHub](https://lobechat.com/discover/provider/github)**: 通过 GitHub 模型，开发人员可以成为 AI 工程师，并使用行业领先的 AI 模型进行构建。
+
+<details><summary><kbd>See more providers (+31)</kbd></summary>
+
 - **[Novita](https://lobechat.com/discover/provider/novita)**: Novita AI 是一个提供多种大语言模型与 AI 图像生成的 API 服务的平台，灵活、可靠且具有成本效益。它支持 Llama3、Mistral 等最新的开源模型，并为生成式 AI 应用开发提供了全面、用户友好且自动扩展的 API 解决方案，适合 AI 初创公司的快速发展。
 - **[PPIO](https://lobechat.com/discover/provider/ppio)**: PPIO 派欧云提供稳定、高性价比的开源模型 API 服务，支持 DeepSeek 全系列、Llama、Qwen 等行业领先大模型。
 - **[Together AI](https://lobechat.com/discover/provider/togetherai)**: Together AI 致力于通过创新的 AI 模型实现领先的性能，提供广泛的自定义能力，包括快速扩展支持和直观的部署流程，满足企业的各种需求。
@@ -206,7 +259,7 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 - **[Groq](https://lobechat.com/discover/provider/groq)**: Groq 的 LPU 推理引擎在最新的独立大语言模型（LLM）基准测试中表现卓越，以其惊人的速度和效率重新定义了 AI 解决方案的标准。Groq 是一种即时推理速度的代表，在基于云的部署中展现了良好的性能。
 - **[Perplexity](https://lobechat.com/discover/provider/perplexity)**: Perplexity 是一家领先的对话生成模型提供商，提供多种先进的 Llama 3.1 模型，支持在线和离线应用，特别适用于复杂的自然语言处理任务。
 - **[Mistral](https://lobechat.com/discover/provider/mistral)**: Mistral 提供先进的通用、专业和研究型模型，广泛应用于复杂推理、多语言任务、代码生成等领域，通过功能调用接口，用户可以集成自定义功能，实现特定应用。
-- **[ModelScope](https://lobechat.com/discover/provider/modelscope)**:
+- **[ModelScope](https://lobechat.com/discover/provider/modelscope)**: ModelScope 是阿里云推出的模型即服务平台，提供丰富的 AI 模型和推理服务。
 - **[Ai21Labs](https://lobechat.com/discover/provider/ai21)**: AI21 Labs 为企业构建基础模型和人工智能系统，加速生成性人工智能在生产中的应用。
 - **[Upstage](https://lobechat.com/discover/provider/upstage)**: Upstage 专注于为各种商业需求开发 AI 模型，包括 Solar LLM 和文档 AI，旨在实现工作的人造通用智能（AGI）。通过 Chat API 创建简单的对话代理，并支持功能调用、翻译、嵌入以及特定领域应用。
 - **[xAI (Grok)](https://lobechat.com/discover/provider/xai)**: xAI 是一家致力于构建人工智能以加速人类科学发现的公司。我们的使命是推动我们对宇宙的共同理解。
@@ -233,7 +286,7 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 
 </details>
 
-> 📊 Total providers: [<kbd>**42**</kbd>](https://lobechat.com/discover/providers)
+> 📊 Total providers: [<kbd>**41**</kbd>](https://lobechat.com/discover/providers)
 
  <!-- PROVIDER LIST -->
 
@@ -247,7 +300,7 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 
 [![][image-feat-local]][docs-feat-local]
 
-### `6` [支持本地大语言模型 (LLM)][docs-feat-local]
+### [支持本地大语言模型 (LLM)][docs-feat-local]
 
 为了满足特定用户的需求，LobeChat 还基于 [Ollama](https://ollama.ai) 支持了本地模型的使用，让用户能够更灵活地使用自己的或第三方的模型。
 
@@ -263,7 +316,7 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
 
 [![][image-feat-vision]][docs-feat-vision]
 
-### `7` [模型视觉识别 (Model Visual)][docs-feat-vision]
+### [模型视觉识别 (Model Visual)][docs-feat-vision]
 
 LobeChat 已经支持 OpenAI 最新的 [`gpt-4-vision`](https://platform.openai.com/docs/guides/vision) 支持视觉识别的模型，这是一个具备视觉识别能力的多模态应用。
 用户可以轻松上传图片或者拖拽图片到对话框中，助手将能够识别图片内容，并在此基础上进行智能对话，构建更智能、更多元化的聊天场景。
@@ -278,7 +331,7 @@ LobeChat 已经支持 OpenAI 最新的 [`gpt-4-vision`](https://platform.openai.
 
 [![][image-feat-tts]][docs-feat-tts]
 
-### `8` [TTS & STT 语音会话][docs-feat-tts]
+### [TTS & STT 语音会话][docs-feat-tts]
 
 LobeChat 支持文字转语音（Text-to-Speech，TTS）和语音转文字（Speech-to-Text，STT）技术，这使得我们的应用能够将文本信息转化为清晰的语音输出，用户可以像与真人交谈一样与我们的对话助手进行交流。
 用户可以从多种声音中选择，给助手搭配合适的音源。 同时，对于那些倾向于听觉学习或者想要在忙碌中获取信息的用户来说，TTS 提供了一个极佳的解决方案。
@@ -293,7 +346,7 @@ LobeChat 支持文字转语音（Text-to-Speech，TTS）和语音转文字（Spe
 
 [![][image-feat-t2i]][docs-feat-t2i]
 
-### `9` [Text to Image 文生图][docs-feat-t2i]
+### [Text to Image 文生图][docs-feat-t2i]
 
 支持最新的文本到图片生成技术，LobeChat 现在能够让用户在与助手对话中直接调用文生图工具进行创作。
 通过利用 [`DALL-E 3`](https://openai.com/dall-e-3)、[`MidJourney`](https://www.midjourney.com/) 和 [`Pollinations`](https://pollinations.ai/) 等 AI 工具的能力， 助手们现在可以将你的想法转化为图像。
@@ -307,7 +360,7 @@ LobeChat 支持文字转语音（Text-to-Speech，TTS）和语音转文字（Spe
 
 [![][image-feat-plugin]][docs-feat-plugin]
 
-### `10` [插件系统 (Tools Calling)][docs-feat-plugin]
+### [插件系统 (Tools Calling)][docs-feat-plugin]
 
 LobeChat 的插件生态系统是其核心功能的重要扩展，它极大地增强了 ChatGPT 的实用性和灵活性。
 
@@ -328,7 +381,7 @@ LobeChat 的插件生态系统是其核心功能的重要扩展，它极大地
 | [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`                                   |
 | [谷歌自定义搜索引擎](https://lobechat.com/discover/plugin/google-cse)<br/><sup>By **vsnthdev** on **2024-12-02**</sup>     | 通过他们的官方自定义搜索引擎 API 搜索谷歌。<br/>`网络` `搜索`                      |
 
-> 📊 Total plugins: [<kbd>**43**</kbd>](https://lobechat.com/discover/plugins)
+> 📊 Total plugins: [<kbd>**42**</kbd>](https://lobechat.com/discover/plugins)
 
  <!-- PLUGIN LIST -->
 
@@ -340,7 +393,7 @@ LobeChat 的插件生态系统是其核心功能的重要扩展，它极大地
 
 [![][image-feat-agent]][docs-feat-agent]
 
-### `11` [助手市场 (GPTs)][docs-feat-agent]
+### [助手市场 (GPTs)][docs-feat-agent]
 
 在 LobeChat 的助手市场中，创作者们可以发现一个充满活力和创新的社区，它汇聚了众多精心设计的助手，这些助手不仅在工作场景中发挥着重要作用，也在学习过程中提供了极大的便利。
 我们的市场不仅是一个展示平台，更是一个协作的空间。在这里，每个人都可以贡献自己的智慧，分享个人开发的助手。
@@ -356,14 +409,14 @@ LobeChat 的插件生态系统是其核心功能的重要扩展，它极大地
 
 <!-- AGENT LIST -->
 
-| 最近新增                                                                                                                                                                         | 描述                                                                                          |
-| -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------- |
-| [学术论文综述专家](https://lobechat.com/discover/assistant/academic-paper-overview)<br/><sup>By **[arvinxx](https://github.com/arvinxx)** on **2025-03-11**</sup>                | 擅长高质量文献检索与分析的学术研究助手<br/>`学术研究` `文献检索` `数据分析` `信息提取` `咨询` |
-| [Cron 表达式助手](https://lobechat.com/discover/assistant/crontab-generate)<br/><sup>By **[edgesider](https://github.com/edgesider)** on **2025-02-17**</sup>                    | Crontab 表达式生成<br/>`crontab` `时间表达` `触发时间` `生成器` `技术辅助`                    |
-| [小智法语翻译助手](https://lobechat.com/discover/assistant/xiao-zhi-french-translation-asst-v-1)<br/><sup>By **[WeR-Best](https://github.com/WeR-Best)** on **2025-02-10**</sup> | 友好、专业、富有同理心的法语翻译 AI 助手<br/>`ai助手` `法语翻译` `跨文化交流` `创造力`        |
-| [投资小助手](https://lobechat.com/discover/assistant/graham-investmentassi)<br/><sup>By **[farsightlin](https://github.com/farsightlin)** on **2025-02-06**</sup>                | 帮助用户计算估值所需的一些数据<br/>`投资` `估值` `财务分析` `计算器`                          |
+| 最近新增                                                                                                                                                         | 描述                                                                                                              |
+| ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------- |
+| [海龟汤主持人](https://lobechat.com/discover/assistant/lateral-thinking-puzzle)<br/><sup>By **[CSY2022](https://github.com/CSY2022)** on **2025-06-19**</sup>    | 一个海龟汤主持人，需要自己提供汤面，汤底与关键点（猜中的判定条件）。<br/>`海龟汤` `推理` `互动` `谜题` `角色扮演` |
+| [美食评论员🍟](https://lobechat.com/discover/assistant/food-reviewer)<br/><sup>By **[renhai-lab](https://github.com/renhai-lab)** on **2025-06-17**</sup>        | 美食评价专家<br/>`美食` `评价` `写作`                                                                             |
+| [学术写作助手](https://lobechat.com/discover/assistant/academic-writing-assistant)<br/><sup>By **[swarfte](https://github.com/swarfte)** on **2025-06-17**</sup> | 专业的学术研究论文写作和正式文档编写专家<br/>`学术写作` `研究` `正式风格`                                         |
+| [Minecraft 资深开发者](https://lobechat.com/discover/assistant/java-development)<br/><sup>By **[iamyuuk](https://github.com/iamyuuk)** on **2025-06-17**</sup>   | 擅长高级 Java 开发及 Minecraft 开发<br/>`开发` `编程` `minecraft` `java`                                          |
 
-> 📊 Total agents: [<kbd>**488**</kbd> ](https://lobechat.com/discover/assistants)
+> 📊 Total agents: [<kbd>**505**</kbd> ](https://lobechat.com/discover/assistants)
 
  <!-- AGENT LIST -->
 
@@ -375,7 +428,7 @@ LobeChat 的插件生态系统是其核心功能的重要扩展，它极大地
 
 [![][image-feat-database]][docs-feat-database]
 
-### `12` [支持本地 / 远程数据库][docs-feat-database]
+### [支持本地 / 远程数据库][docs-feat-database]
 
 LobeChat 支持同时使用服务端数据库和本地数据库。根据您的需求，您可以选择合适的部署方案：
 
@@ -392,7 +445,7 @@ LobeChat 支持同时使用服务端数据库和本地数据库。根据您的
 
 [![][image-feat-auth]][docs-feat-auth]
 
-### `13` [支持多用户管理][docs-feat-auth]
+### [支持多用户管理][docs-feat-auth]
 
 LobeChat 支持多用户管理，提供了两种主要的用户认证和管理方案，以满足不同需求：
 
@@ -410,7 +463,7 @@ LobeChat 支持多用户管理，提供了两种主要的用户认证和管理
 
 [![][image-feat-pwa]][docs-feat-pwa]
 
-### `14` [渐进式 Web 应用 (PWA)][docs-feat-pwa]
+### [渐进式 Web 应用 (PWA)][docs-feat-pwa]
 
 我们深知在当今多设备环境下为用户提供无缝体验的重要性。为此，我们采用了渐进式 Web 应用 [PWA](https://support.google.com/chrome/answer/9658361) 技术，
 这是一种能够将网页应用提升至接近原生应用体验的现代 Web 技术。通过 PWA，LobeChat 能够在桌面和移动设备上提供高度优化的用户体验，同时保持轻量级和高性能的特点。
@@ -423,7 +476,6 @@ LobeChat 支持多用户管理，提供了两种主要的用户认证和管理
 > - 在电脑上运行 Chrome 或 Edge 浏览器 .
 > - 访问 LobeChat 网页 .
 > - 在地址栏的右上角，单击 <kbd>安装</kbd> 图标 .
-> - 根据屏幕上的指示完成 PWA 的安装 .
 
 <div align="right">
 
@@ -433,7 +485,7 @@ LobeChat 支持多用户管理，提供了两种主要的用户认证和管理
 
 [![][image-feat-mobile]][docs-feat-mobile]
 
-### `15` [移动设备适配][docs-feat-mobile]
+### [移动设备适配][docs-feat-mobile]
 
 针对移动设备进行了一系列的优化设计，以提升用户的移动体验。目前，我们正在对移动端的用户体验进行版本迭代，以实现更加流畅和直观的交互。如果您有任何建议或想法，我们非常欢迎您通过 GitHub Issues 或者 Pull Requests 提供反馈。
 
@@ -445,7 +497,7 @@ LobeChat 支持多用户管理，提供了两种主要的用户认证和管理
 
 [![][image-feat-theme]][docs-feat-theme]
 
-### `16` [自定义主题][docs-feat-theme]
+### [自定义主题][docs-feat-theme]
 
 作为设计工程师出身，LobeChat 在界面设计上充分考虑用户的个性化体验，因此引入了灵活多变的主题模式，其中包括日间的亮色模式和夜间的深色模式。
 除了主题模式的切换，还提供了一系列的颜色定制选项，允许用户根据自己的喜好来调整应用的主题色彩。无论是想要沉稳的深蓝，还是希望活泼的桃粉，或者是专业的灰白，用户都能够在 LobeChat 中找到匹配自己风格的颜色选择。
@@ -532,7 +584,7 @@ LobeChat 提供了 Vercel 的 自托管版本 和 [Docker 镜像][docker-release
 
 #### 保持更新
 
-如果你根据 README 中的一键部署步骤部署了自己的项目，你可能会发现总是被提示 “有可用更新”。这是因为 Vercel 默认为你创建新项目而非 fork 本项目，这将导致无法准确检测更新。
+如果你根据 README 中的一键部署步骤部署了自己的项目，你可能会发现总是被提示 "有可用更新"。这是因为 Vercel 默认为你创建新项目而非 fork 本项目，这将导致无法准确检测更新。
 
 > \[!TIP]
 >
@@ -546,9 +598,9 @@ LobeChat 提供了 Vercel 的 自托管版本 和 [Docker 镜像][docker-release
 [![][docker-size-shield]][docker-size-link]
 [![][docker-pulls-shield]][docker-pulls-link]
 
-We provide a Docker image for deploying the LobeChat service on your own private device. Use the following command to start the LobeChat service:
+我们提供了一个用于在您自己的私有设备上部署 LobeChat 服务的 Docker 镜像。请使用以下命令启动 LobeChat 服务：
 
-1. create a folder to for storage files
+1. 创建一个用于存储文件的文件夹
 
 ```fish
 $ mkdir lobe-chat-db && cd lobe-chat-db
@@ -881,8 +933,10 @@ This project is [Apache 2.0](./LICENSE) licensed.
 [image-feat-branch]: https://github.com/user-attachments/assets/92f72082-02bd-4835-9c54-b089aad7fd41
 [image-feat-cot]: https://github.com/user-attachments/assets/f74f1139-d115-4e9c-8c43-040a53797a5e
 [image-feat-database]: https://github.com/user-attachments/assets/f1697c8b-d1fb-4dac-ba05-153c6295d91d
+[image-feat-desktop]: https://github.com/user-attachments/assets/a7bac8d3-ea96-4000-bb39-fadc9b610f96
 [image-feat-knowledgebase]: https://github.com/user-attachments/assets/7da7a3b2-92fd-4630-9f4e-8560c74955ae
 [image-feat-local]: https://github.com/user-attachments/assets/1239da50-d832-4632-a7ef-bd754c0f3850
+[image-feat-mcp-market]: https://github.com/user-attachments/assets/bb114f9f-24c5-4000-a984-c10d187da5a0
 [image-feat-mobile]: https://github.com/user-attachments/assets/32cf43c4-96bd-4a4c-bfb6-59acde6fe380
 [image-feat-plugin]: https://github.com/user-attachments/assets/66a891ac-01b6-4e3f-b978-2eb07b489b1b
 [image-feat-privoder]: https://github.com/user-attachments/assets/e553e407-42de-4919-977d-7dbfcf44a821
@@ -891,6 +945,7 @@ This project is [Apache 2.0](./LICENSE) licensed.
 [image-feat-theme]: https://github.com/user-attachments/assets/b47c39f1-806f-492b-8fcb-b0fa973937c1
 [image-feat-tts]: https://github.com/user-attachments/assets/50189597-2cc3-4002-b4c8-756a52ad5c0a
 [image-feat-vision]: https://github.com/user-attachments/assets/18574a1f-46c2-4cbc-af2c-35a86e128a07
+[image-feat-web-search]: https://github.com/user-attachments/assets/cfdc48ac-b5f8-4a00-acee-db8f2eba09ad
 [image-overview]: https://github.com/user-attachments/assets/dbfaa84a-2c82-4dd9-815c-5be616f264a4
 [image-star]: https://github.com/user-attachments/assets/c3b482e7-cef5-4e94-bef9-226900ecfaab
 [issues-link]: https://img.shields.io/github/issues/lobehub/lobe-chat.svg?style=flat

apps/desktop/.npmrc

@@ -2,3 +2,4 @@ lockfile=false
 shamefully-hoist=true
 electron_mirror=https://npmmirror.com/mirrors/electron/
 electron_builder_binaries_mirror=https://npmmirror.com/mirrors/electron-builder-binaries/
+ignore-workspace-root-check=true

apps/desktop/docs/CLAUDE_CODE_INTEGRATION.md

@@ -0,0 +1,229 @@
+# Claude Code Integration
+
+This document describes the Claude Code SDK integration in LobeChat Desktop application.
+
+## Overview
+
+Claude Code SDK enables running Claude Code as a subprocess, providing AI-powered coding assistance capabilities. The integration supports:
+
+- **Multi-turn conversations** with context retention
+- **File operations** (read/write)
+- **Code execution** through bash commands
+- **Session management** and continuation
+- **Real-time streaming** responses
+- **Cost tracking** per session
+
+## Accessing Claude Code
+
+In the LobeChat Desktop application, you can access Claude Code through:
+
+1. **Sidebar Navigation**: Click the code icon (`</>`) in the sidebar (desktop only)
+2. **Direct URL**: Navigate to `/claude-code` in the application
+
+The Claude Code interface provides:
+- A code editor for writing prompts
+- Real-time streaming message display
+- Session management with history
+- Cost tracking and usage statistics
+
+## Architecture
+
+### Components
+
+1. **IPC Layer** (`packages/electron-client-ipc`)
+   - Type definitions for Claude Code events
+   - IPC event interfaces for main/render communication
+
+2. **Main Process Controller** (`apps/desktop/src/main/controllers/ClaudeCodeCtr.ts`)
+   - Handles Claude Code SDK integration
+   - Manages streaming sessions and abort controllers
+   - Tracks session history
+
+3. **React Hook** (`src/hooks/useClaudeCode.ts`)
+   - Provides easy-to-use interface for React components
+   - Handles IPC communication with main process
+   - Manages streaming state and events
+
+4. **UI Page** (`src/app/[variants]/(main)/claude-code/`)
+   - User interface for interacting with Claude Code
+   - Query editor with syntax highlighting
+   - Session management interface
+   - Real-time message streaming display
+
+## Setup
+
+### Prerequisites
+
+1. Install Claude Code SDK dependency:
+   ```bash
+   npm install @anthropic-ai/claude-code
+   ```
+
+2. Set up authentication:
+   ```bash
+   # Option 1: Anthropic API Key
+   export ANTHROPIC_API_KEY="your-api-key"
+   
+   # Option 2: Amazon Bedrock
+   export CLAUDE_CODE_USE_BEDROCK=1
+   # Configure AWS credentials
+   
+   # Option 3: Google Vertex AI
+   export CLAUDE_CODE_USE_VERTEX=1
+   # Configure Google Cloud credentials
+   ```
+
+## Usage
+
+### Basic Query
+
+```typescript
+import { useClaudeCode } from '@/hooks/useClaudeCode';
+
+const MyComponent = () => {
+  const { query, isLoading } = useClaudeCode();
+
+  const handleQuery = async () => {
+    const result = await query('Write a function to calculate Fibonacci numbers', {
+      maxTurns: 3,
+      outputFormat: 'json',
+    });
+    
+    console.log(result.messages);
+    console.log(result.sessionId);
+  };
+};
+```
+
+### Streaming Query
+
+```typescript
+const { startStreamingQuery, isLoading } = useClaudeCode({
+  onStreamMessage: (message) => {
+    console.log('New message:', message);
+  },
+  onStreamComplete: (sessionId) => {
+    console.log('Stream completed:', sessionId);
+  },
+  onStreamError: (error) => {
+    console.error('Stream error:', error);
+  },
+});
+
+const handleStream = async () => {
+  await startStreamingQuery('Build a React component', {
+    maxTurns: 5,
+    outputFormat: 'stream-json',
+    allowedTools: ['Read', 'Write', 'Bash'],
+  });
+};
+```
+
+### Session Management
+
+```typescript
+const { recentSessions, fetchRecentSessions, clearSession } = useClaudeCode();
+
+// Get recent sessions
+await fetchRecentSessions();
+
+// Continue a previous session
+await startStreamingQuery('Continue', {
+  resumeSessionId: session.sessionId,
+});
+
+// Clear a session
+await clearSession(sessionId);
+```
+
+## IPC Events
+
+### Client Dispatch Events (Renderer → Main)
+
+- `claudeCodeQuery` - Execute a Claude Code query
+- `claudeCodeStreamStart` - Start a streaming query
+- `claudeCodeStreamStop` - Stop an active stream
+- `claudeCodeCreateAbortController` - Create abort controller
+- `claudeCodeAbort` - Trigger abort
+- `claudeCodeGetRecentSessions` - Get session history
+- `claudeCodeClearSession` - Clear a specific session
+- `claudeCodeCheckAvailability` - Check if Claude Code is available
+
+### Broadcast Events (Main → Renderer)
+
+- `claudeCodeStreamMessage` - Stream message event
+- `claudeCodeStreamComplete` - Stream completion event
+- `claudeCodeStreamError` - Stream error event
+
+## Configuration Options
+
+```typescript
+interface ClaudeCodeOptions {
+  maxTurns?: number;              // Maximum conversation turns
+  systemPrompt?: string;           // Override system prompt
+  appendSystemPrompt?: string;     // Append to system prompt
+  cwd?: string;                   // Working directory
+  allowedTools?: string[] | string; // Allowed tools
+  disallowedTools?: string[] | string; // Disallowed tools
+  permissionMode?: 'default' | 'acceptEdits' | 'bypassPermissions' | 'plan';
+  outputFormat?: 'text' | 'json' | 'stream-json';
+  inputFormat?: 'text' | 'stream-json';
+  mcpConfig?: string;             // MCP configuration file path
+  permissionPromptTool?: string;   // MCP tool for permissions
+  verbose?: boolean;              // Enable verbose logging
+  continueLastSession?: boolean;   // Continue last session
+  resumeSessionId?: string;        // Resume specific session
+}
+```
+
+## Message Types
+
+```typescript
+interface ClaudeCodeMessage {
+  type: 'assistant' | 'user' | 'system' | 'result';
+  message?: any;
+  session_id?: string;
+  subtype?: string;
+  duration_ms?: number;
+  duration_api_ms?: number;
+  is_error?: boolean;
+  num_turns?: number;
+  result?: string;
+  total_cost_usd?: number;
+  apiKeySource?: string;
+  cwd?: string;
+  tools?: string[];
+  mcp_servers?: Array<{ name: string; status: string }>;
+  model?: string;
+  permissionMode?: 'default' | 'acceptEdits' | 'bypassPermissions' | 'plan';
+}
+```
+
+## Best Practices
+
+1. **Always check availability** before using Claude Code
+2. **Handle errors gracefully** - both sync and async errors
+3. **Use abort controllers** for long-running operations
+4. **Monitor costs** through session tracking
+5. **Clean up sessions** when no longer needed
+6. **Set appropriate tool permissions** based on use case
+
+## Troubleshooting
+
+### Claude Code not available
+
+1. Check if running in Electron desktop app
+2. Verify API key is set correctly
+3. Check environment variables
+
+### Streaming not working
+
+1. Ensure proper event listeners are set up
+2. Check for abort controller conflicts
+3. Verify stream ID is unique
+
+### Session continuation fails
+
+1. Check if session ID is valid
+2. Ensure session hasn't been cleared
+3. Verify prompt is appropriate for continuation 

apps/desktop/package.json

@@ -24,7 +24,7 @@
     "lint": "eslint --cache ",
     "pg-server": "bun run scripts/pglite-server.ts",
     "start": "electron-vite preview",
-    "typecheck": "tsc --noEmit -p tsconfig.json"
+    "typecheck": "tsgo --noEmit -p tsconfig.json"
   },
   "dependencies": {
     "electron-updater": "^6.6.2",
@@ -45,9 +45,10 @@
     "@types/resolve": "^1.20.6",
     "@types/semver": "^7.7.0",
     "@types/set-cookie-parser": "^2.4.10",
+    "@typescript/native-preview": "latest",
     "consola": "^3.1.0",
     "cookie": "^1.0.2",
-    "electron": "^36.2.0",
+    "electron": "^37.2.0",
     "electron-builder": "^26.0.12",
     "electron-is": "^3.0.0",
     "electron-log": "^5.3.3",

apps/desktop/src/main/appBrowsers.ts

@@ -13,7 +13,7 @@ export const appBrowsers = {
     identifier: 'chat',
     keepAlive: true,
     minWidth: 400,
-    path: '/chat',
+    path: '/claude-code',
     showOnInit: true,
     titleBarStyle: 'hidden',
     vibrancy: 'under-window',
@@ -26,6 +26,7 @@ export const appBrowsers = {
     identifier: 'devtools',
     maximizable: false,
     minWidth: 400,
+    parentIdentifier: 'chat',
     path: '/desktop/devtools',
     titleBarStyle: 'hiddenInset',
     vibrancy: 'under-window',
@@ -37,6 +38,7 @@ export const appBrowsers = {
     identifier: 'settings',
     keepAlive: true,
     minWidth: 600,
+    parentIdentifier: 'chat',
     path: '/settings',
     titleBarStyle: 'hidden',
     vibrancy: 'under-window',

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

@@ -0,0 +1,361 @@
+import {
+  ClaudeCodeMessage,
+  ClaudeCodeOptions,
+  ClaudeCodeQueryParams,
+  ClaudeCodeQueryResult,
+  ClaudeCodeSessionInfo,
+  ClaudeCodeStreamingParams,
+} from '@lobechat/electron-client-ipc';
+import { app } from 'electron';
+import { join } from 'node:path';
+
+import { createClaudeCodeModule } from '@/modules/claudeCode';
+import { createLogger } from '@/utils/logger';
+
+import { ControllerModule, ipcClientEvent } from './index';
+
+const logger = createLogger('controllers:ClaudeCodeCtr');
+
+interface StreamingSession {
+  abortController: AbortController;
+  sessionId?: string;
+  streamId: string;
+}
+
+export default class ClaudeCodeCtr extends ControllerModule {
+  private claudeCodeModule = createClaudeCodeModule({
+    debugMode: Boolean(process.env.DEBUG),
+  });
+  private streamingSessions = new Map<string, StreamingSession>();
+  private abortControllers = new Map<string, AbortController>();
+  private sessionHistory = new Map<string, ClaudeCodeSessionInfo>();
+
+  /**
+   * 检查 Claude Code 是否可用
+   */
+  @ipcClientEvent('claudeCodeCheckAvailability')
+  async checkAvailability(): Promise<{
+    apiKeySource?: string;
+    available: boolean;
+    error?: string;
+    version?: string;
+  }> {
+    try {
+      return await this.claudeCodeModule.checkAvailability();
+    } catch (error) {
+      logger.error('Error checking Claude Code availability:', error);
+      return {
+        available: false,
+        error: error.message,
+      };
+    }
+  }
+
+  /**
+   * 执行 Claude Code 查询
+   */
+  @ipcClientEvent('claudeCodeQuery')
+  async executeQuery(params: ClaudeCodeQueryParams): Promise<ClaudeCodeQueryResult> {
+    try {
+      logger.info('Executing Claude Code query:', params.prompt);
+
+      const abortController = params.abortSignal
+        ? this.abortControllers.get(params.abortSignal)
+        : new AbortController();
+
+      const messages: ClaudeCodeMessage[] = [];
+      let sessionId: string | undefined;
+
+      const queryParams = {
+        abortController,
+        options: this.buildOptions(params.options),
+        prompt: params.prompt,
+      };
+
+      for await (const message of this.claudeCodeModule.query(queryParams)) {
+        messages.push(message);
+
+        if (message.session_id) {
+          sessionId = message.session_id;
+        }
+      }
+
+      // 更新会话历史
+      if (sessionId) {
+        this.updateSessionHistory(sessionId, messages);
+      }
+
+      return {
+        messages,
+        sessionId: sessionId || '',
+        success: true,
+      };
+    } catch (error) {
+      logger.error('Error executing Claude Code query:', error);
+      return {
+        error: error.message,
+        messages: [],
+        sessionId: '',
+        success: false,
+      };
+    }
+  }
+
+  /**
+   * 开始流式查询
+   */
+  @ipcClientEvent('claudeCodeStreamStart')
+  async startStreamingQuery(
+    params: ClaudeCodeStreamingParams,
+  ): Promise<{ error?: string; success: boolean }> {
+    try {
+      logger.info('Starting streaming Claude Code query:', params.streamId);
+
+      const abortController = params.abortSignal
+        ? this.abortControllers.get(params.abortSignal)
+        : new AbortController();
+
+      const session: StreamingSession = {
+        abortController,
+        streamId: params.streamId,
+      };
+
+      this.streamingSessions.set(params.streamId, session);
+
+      // 在后台执行流式查询
+      this.executeStreamingQuery(params, abortController);
+
+      return { success: true };
+    } catch (error) {
+      logger.error('Error starting streaming query:', error);
+      return { error: error.message, success: false };
+    }
+  }
+
+  /**
+   * 停止流式查询
+   */
+  @ipcClientEvent('claudeCodeStreamStop')
+  async stopStreamingQuery(streamId: string): Promise<{ success: boolean }> {
+    try {
+      logger.info('Stopping streaming query:', streamId);
+
+      const session = this.streamingSessions.get(streamId);
+      if (session) {
+        session.abortController.abort();
+        this.streamingSessions.delete(streamId);
+      }
+
+      return { success: true };
+    } catch (error) {
+      logger.error('Error stopping streaming query:', error);
+      return { success: false };
+    }
+  }
+
+  /**
+   * 创建 AbortController
+   */
+  @ipcClientEvent('claudeCodeCreateAbortController')
+  createAbortController(): { signalId: string } {
+    const signalId = `abort-${Date.now()}-${Math.random().toString(36).slice(2, 11)}`;
+    const abortController = new AbortController();
+    this.abortControllers.set(signalId, abortController);
+
+    logger.debug('Created AbortController:', signalId);
+
+    // 清理过期的 AbortController（30分钟后）
+    setTimeout(
+      () => {
+        this.abortControllers.delete(signalId);
+      },
+      30 * 60 * 1000,
+    );
+
+    return { signalId };
+  }
+
+  /**
+   * 触发 abort
+   */
+  @ipcClientEvent('claudeCodeAbort')
+  abort(signalId: string): { success: boolean } {
+    try {
+      const abortController = this.abortControllers.get(signalId);
+      if (abortController) {
+        abortController.abort();
+        this.abortControllers.delete(signalId);
+        logger.debug('Aborted signal:', signalId);
+        return { success: true };
+      }
+      return { success: false };
+    } catch (error) {
+      logger.error('Error aborting:', error);
+      return { success: false };
+    }
+  }
+
+  /**
+   * 获取最近的会话列表
+   */
+  @ipcClientEvent('claudeCodeGetRecentSessions')
+  getRecentSessions(): ClaudeCodeSessionInfo[] {
+    const sessions = Array.from(this.sessionHistory.values());
+    // 按最后活跃时间排序
+    sessions.sort((a, b) => b.lastActiveAt - a.lastActiveAt);
+    // 返回最近 20 个会话
+    return sessions.slice(0, 20);
+  }
+
+  /**
+   * 清除指定会话
+   */
+  @ipcClientEvent('claudeCodeClearSession')
+  clearSession(sessionId: string): { success: boolean } {
+    try {
+      this.sessionHistory.delete(sessionId);
+      logger.debug('Cleared session:', sessionId);
+      return { success: true };
+    } catch (error) {
+      logger.error('Error clearing session:', error);
+      return { success: false };
+    }
+  }
+
+  /**
+   * 执行流式查询（后台）
+   */
+  private async executeStreamingQuery(
+    params: ClaudeCodeStreamingParams,
+    abortController: AbortController,
+  ) {
+    try {
+      const { streamId } = params;
+      let sessionId: string | undefined;
+      let messageCount = 0;
+
+      logger.debug('Starting streaming query execution for stream:', streamId);
+
+      const queryParams = {
+        abortController,
+        options: this.buildOptions(params.options),
+        prompt: params.prompt,
+      };
+
+      try {
+        for await (const message of this.claudeCodeModule.query(queryParams)) {
+          messageCount++;
+
+          logger.debug(`Stream ${streamId} - Message ${messageCount}:`, message.type);
+          logger.debug('output message:', message);
+
+          // 广播消息到渲染进程
+          this.app.browserManager.broadcastToAllWindows('claudeCodeStreamMessage', {
+            message,
+            streamId,
+          });
+
+          if (message.session_id) {
+            sessionId = message.session_id;
+            const session = this.streamingSessions.get(streamId);
+            if (session) {
+              session.sessionId = sessionId;
+            }
+          }
+        }
+
+        logger.debug(`Stream ${streamId} completed with ${messageCount} messages`);
+      } catch (queryError) {
+        logger.error('Error in Claude Code query:', queryError);
+        throw queryError;
+      }
+
+      // 更新会话历史
+      if (sessionId) {
+        // 这里我们不存储所有消息，只更新会话信息
+        const existingSession = this.sessionHistory.get(sessionId);
+        if (existingSession) {
+          existingSession.lastActiveAt = Date.now();
+          existingSession.turnCount++;
+        } else {
+          this.sessionHistory.set(sessionId, {
+            createdAt: Date.now(),
+            lastActiveAt: Date.now(),
+            sessionId,
+            turnCount: 1,
+          });
+        }
+      }
+
+      // 广播完成事件
+      this.app.browserManager.broadcastToAllWindows('claudeCodeStreamComplete', {
+        sessionId: sessionId || '',
+        streamId,
+      });
+
+      logger.debug('Stream completed successfully:', streamId);
+
+      // 清理
+      this.streamingSessions.delete(streamId);
+    } catch (error) {
+      logger.error('Error in streaming query:', error);
+
+      // 广播错误事件
+      this.app.browserManager.broadcastToAllWindows('claudeCodeStreamError', {
+        error: error.message,
+        streamId: params.streamId,
+      });
+
+      // 清理
+      this.streamingSessions.delete(params.streamId);
+    }
+  }
+
+  /**
+   * 构建选项对象
+   */
+  private buildOptions(options?: ClaudeCodeOptions): ClaudeCodeOptions {
+    const defaultOptions: ClaudeCodeOptions = {
+      maxTurns: 5,
+      outputFormat: 'stream-json',
+    };
+
+    if (!options) {
+      return defaultOptions;
+    }
+
+    // 处理选项
+    const processedOptions: ClaudeCodeOptions = { ...defaultOptions, ...options };
+
+    // 如果提供了 mcpConfig 路径，确保它是绝对路径
+    if (options.mcpConfig && !join(options.mcpConfig).startsWith('/')) {
+      processedOptions.mcpConfig = join(app.getPath('userData'), options.mcpConfig);
+    }
+
+    return processedOptions;
+  }
+
+  /**
+   * 更新会话历史
+   */
+  private updateSessionHistory(sessionId: string, messages: ClaudeCodeMessage[]) {
+    const resultMessage = messages.find((m) => m.type === 'result');
+
+    const existingSession = this.sessionHistory.get(sessionId);
+    if (existingSession) {
+      existingSession.lastActiveAt = Date.now();
+      existingSession.turnCount++;
+      if (resultMessage?.total_cost_usd) {
+        existingSession.totalCost = (existingSession.totalCost || 0) + resultMessage.total_cost_usd;
+      }
+    } else {
+      this.sessionHistory.set(sessionId, {
+        createdAt: Date.now(),
+        lastActiveAt: Date.now(),
+        sessionId,
+        totalCost: resultMessage?.total_cost_usd,
+        turnCount: 1,
+      });
+    }
+  }
+}

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

@@ -1,15 +1,27 @@
 import { ElectronAppState, ThemeMode } from '@lobechat/electron-client-ipc';
-import { app, shell, systemPreferences } from 'electron';
+import { app, nativeTheme, shell, systemPreferences } from 'electron';
 import { macOS } from 'electron-is';
 import { readFileSync, writeFileSync } from 'node:fs';
 import { join } from 'node:path';
 import process from 'node:process';
 
 import { DB_SCHEMA_HASH_FILENAME, LOCAL_DATABASE_DIR, userDataDir } from '@/const/dir';
+import { createLogger } from '@/utils/logger';
 
 import { ControllerModule, ipcClientEvent, ipcServerEvent } from './index';
 
+const logger = createLogger('controllers:SystemCtr');
+
 export default class SystemController extends ControllerModule {
+  private systemThemeListenerInitialized = false;
+
+  /**
+   * Initialize system theme listener when app is ready
+   */
+  afterAppReady() {
+    this.initializeSystemThemeListener();
+  }
+
   /**
    * Handles the 'getDesktopAppState' IPC request.
    * Gathers essential application and system information.
@@ -26,6 +38,7 @@ export default class SystemController extends ControllerModule {
       isMac: platform === 'darwin',
       isWindows: platform === 'win32',
       platform: platform as 'darwin' | 'win32' | 'linux',
+      systemAppearance: nativeTheme.shouldUseDarkColors ? 'dark' : 'light',
       userPath: {
         // User Paths (ensure keys match UserPathData / DesktopAppState interface)
         desktop: app.getPath('desktop'),
@@ -100,4 +113,37 @@ export default class SystemController extends ControllerModule {
   private get DB_SCHEMA_HASH_PATH() {
     return join(this.app.appStoragePath, DB_SCHEMA_HASH_FILENAME);
   }
+
+  /**
+   * Initialize system theme listener to monitor OS theme changes
+   */
+  private initializeSystemThemeListener() {
+    if (this.systemThemeListenerInitialized) {
+      logger.debug('System theme listener already initialized');
+      return;
+    }
+
+    logger.info('Initializing system theme listener');
+
+    // Get initial system theme
+    const initialDarkMode = nativeTheme.shouldUseDarkColors;
+    const initialSystemTheme: ThemeMode = initialDarkMode ? 'dark' : 'light';
+    logger.info(`Initial system theme: ${initialSystemTheme}`);
+
+    // Listen for system theme changes
+    nativeTheme.on('updated', () => {
+      const isDarkMode = nativeTheme.shouldUseDarkColors;
+      const systemTheme: ThemeMode = isDarkMode ? 'dark' : 'light';
+
+      logger.info(`System theme changed to: ${systemTheme}`);
+
+      // Broadcast system theme change to all renderer processes
+      this.app.browserManager.broadcastToAllWindows('systemThemeChanged', {
+        themeMode: systemTheme,
+      });
+    });
+
+    this.systemThemeListenerInitialized = true;
+    logger.info('System theme listener initialized successfully');
+  }
 }

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

@@ -1,5 +1,11 @@
 import { MainBroadcastEventKey, MainBroadcastParams } from '@lobechat/electron-client-ipc';
-import { BrowserWindow, BrowserWindowConstructorOptions, ipcMain, nativeTheme } from 'electron';
+import {
+  BrowserWindow,
+  BrowserWindowConstructorOptions,
+  ipcMain,
+  nativeTheme,
+  screen,
+} from 'electron';
 import os from 'node:os';
 import { join } from 'node:path';
 
@@ -19,6 +25,7 @@ export interface BrowserWindowOpts extends BrowserWindowConstructorOptions {
    */
   identifier: string;
   keepAlive?: boolean;
+  parentIdentifier?: string;
   path: string;
   showOnInit?: boolean;
   title?: string;
@@ -145,9 +152,41 @@ export default class Browser {
 
   show() {
     logger.debug(`Showing window: ${this.identifier}`);
+    if (!this._browserWindow.isDestroyed()) this.determineWindowPosition();
+
     this.browserWindow.show();
   }
 
+  private determineWindowPosition() {
+    const { parentIdentifier } = this.options;
+
+    if (parentIdentifier) {
+      // todo: fix ts type
+      const parentWin = this.app.browserManager.retrieveByIdentifier(parentIdentifier as any);
+      if (parentWin) {
+        logger.debug(`[${this.identifier}] Found parent window: ${parentIdentifier}`);
+
+        const display = screen.getDisplayNearestPoint(parentWin.browserWindow.getContentBounds());
+        if (display) {
+          const {
+            workArea: { x, y, width: displayWidth, height: displayHeight },
+          } = display;
+
+          const { width, height } = this._browserWindow.getContentBounds();
+          logger.debug(
+            `[${this.identifier}] Display bounds: x=${x}, y=${y}, width=${displayWidth}, height=${displayHeight}`,
+          );
+
+          // Calculate new position
+          const newX = Math.floor(Math.max(x + (displayWidth - width) / 2, x));
+          const newY = Math.floor(Math.max(y + (displayHeight - height) / 2, y));
+          logger.debug(`[${this.identifier}] Calculated position: x=${newX}, y=${newY}`);
+          this._browserWindow.setPosition(newX, newY, false);
+        }
+      }
+    }
+  }
+
   hide() {
     logger.debug(`Hiding window: ${this.identifier}`);
     this.browserWindow.hide();

apps/desktop/src/main/modules/claudeCode/impl.ts

@@ -0,0 +1,353 @@
+import { ClaudeCodeMessage } from '@lobechat/electron-client-ipc';
+import { type ChildProcess, spawn } from 'node:child_process';
+import { type Interface, createInterface } from 'node:readline';
+
+import { createLogger } from '@/utils/logger';
+
+import {
+  ClaudeCodeImpl,
+  ClaudeCodeProcessOptions,
+  ClaudeCodeQueryParams,
+  ClaudeCodeRuntimeConfig,
+} from './type';
+
+const logger = createLogger('modules:claude-code');
+
+/**
+ * Claude Code Service Implementation
+ */
+export class ClaudeCodeServiceImpl extends ClaudeCodeImpl {
+  private activeProcesses = new Map<string, ChildProcess>();
+  private config: ClaudeCodeRuntimeConfig;
+
+  constructor(config: ClaudeCodeRuntimeConfig = {}) {
+    super();
+    this.config = {
+      debugMode: config.debugMode ?? Boolean(process.env.DEBUG),
+      maxMemoryUsage: config.maxMemoryUsage ?? 1024 * 1024 * 1024, // 1GB
+      timeoutMs: config.timeoutMs ?? 30 * 60 * 1000, // 30 minutes
+    };
+  }
+
+  /**
+   * Execute Claude Code query
+   */
+  async *query(params: ClaudeCodeQueryParams): AsyncGenerator<ClaudeCodeMessage> {
+    const processId = this.generateProcessId();
+    let childProcess: ChildProcess | null = null;
+    let readline: Interface | null = null;
+
+    // Set entrypoint environment variable
+    if (!process.env.CLAUDE_CODE_ENTRYPOINT) {
+      process.env.CLAUDE_CODE_ENTRYPOINT = 'sdk-ts';
+    }
+
+    // Build process options
+    const processOptions = this.buildProcessOptions(params);
+
+    // Spawn child process using claude command directly
+    childProcess = spawn('claude', processOptions.args, {
+      cwd: processOptions.cwd,
+      env: { ...process.env, ...processOptions.env },
+      signal: params.abortController?.signal,
+      stdio: ['pipe', 'pipe', 'pipe'],
+    });
+
+    // Register process
+    this.activeProcesses.set(processId, childProcess);
+
+    // Handle process cleanup
+    const cleanup = () => {
+      if (childProcess && !childProcess.killed) {
+        childProcess.kill('SIGTERM');
+      }
+      this.activeProcesses.delete(processId);
+    };
+
+    // Setup abort handling
+    params.abortController?.signal.addEventListener('abort', cleanup);
+    process.on('exit', cleanup);
+
+    // Handle stdin
+    if (typeof params.prompt === 'string') {
+      childProcess.stdin?.end();
+    } else {
+      // Handle stream input if needed
+      this.streamToStdin(params.prompt, childProcess.stdin, params.abortController);
+    }
+
+    // Handle stderr in debug mode
+    if (this.config.debugMode && childProcess.stderr) {
+      childProcess.stderr.on('data', (data) => {
+        logger.debug('Claude Code stderr:', data.toString());
+      });
+    }
+
+    try {
+      // Handle process errors
+      let processError: Error | null = null;
+      childProcess.on('error', (error) => {
+        processError = new Error(`Failed to spawn Claude Code process: ${error.message}`);
+      });
+
+      // Create a promise to wait for process completion
+      const processExitPromise = new Promise<void>((resolve, reject) => {
+        childProcess!.on('close', (code) => {
+          if (params.abortController?.signal.aborted) {
+            reject(new Error('Claude Code process aborted by user'));
+          } else if (code !== 0) {
+            reject(new Error(`Claude Code process exited with code ${code}`));
+          } else {
+            resolve();
+          }
+        });
+      });
+
+      // Create readline interface for stdout and yield messages
+      if (childProcess.stdout) {
+        readline = createInterface({ input: childProcess.stdout });
+
+        try {
+          for await (const line of readline) {
+            if (processError) {
+              throw processError;
+            }
+
+            if (line.trim()) {
+              try {
+                const message = JSON.parse(line);
+                yield message;
+              } catch (parseError) {
+                logger.error('Failed to parse JSON line:', line, parseError);
+                continue;
+              }
+            }
+          }
+        } finally {
+          readline.close();
+        }
+      }
+
+      // Wait for process to complete
+      await processExitPromise;
+    } finally {
+      // Cleanup
+      if (readline) {
+        readline.close();
+      }
+      cleanup();
+      params.abortController?.signal.removeEventListener('abort', cleanup);
+    }
+  }
+
+  /**
+   * Check Claude Code availability
+   */
+  async checkAvailability(): Promise<{
+    apiKeySource?: string;
+    available: boolean;
+    error?: string;
+    version?: string;
+  }> {
+    try {
+      // Check environment variables
+      const apiKey = process.env.ANTHROPIC_API_KEY;
+      const useBedrock = process.env.CLAUDE_CODE_USE_BEDROCK === '1';
+      const useVertex = process.env.CLAUDE_CODE_USE_VERTEX === '1';
+
+      if (!apiKey && !useBedrock && !useVertex) {
+        return {
+          available: false,
+          error:
+            'No API credentials found. Please set ANTHROPIC_API_KEY or configure third-party provider.',
+        };
+      }
+
+      let apiKeySource = 'unknown';
+      if (apiKey) apiKeySource = 'anthropic';
+      else if (useBedrock) apiKeySource = 'bedrock';
+      else if (useVertex) apiKeySource = 'vertex';
+
+      // Check if claude command exists
+      const claudeExists = await this.checkClaudeCommandExists();
+      if (!claudeExists) {
+        return {
+          available: false,
+          error: 'Claude CLI command not found. Please install Claude CLI first.',
+        };
+      }
+
+      // Get version
+      const version = await this.getVersion();
+
+      return {
+        apiKeySource,
+        available: true,
+        version,
+      };
+    } catch (error) {
+      logger.error('Error checking Claude Code availability:', error);
+      return {
+        available: false,
+        error: error.message,
+      };
+    }
+  }
+
+  /**
+   * Get Claude Code executable path
+   */
+  async getExecutablePath(): Promise<string> {
+    // Return claude command directly
+    return 'claude';
+  }
+
+  /**
+   * Clean up resources
+   */
+  cleanup(): void {
+    // Kill all active processes
+    for (const [processId, childProcess] of this.activeProcesses) {
+      if (!childProcess.killed) {
+        childProcess.kill('SIGTERM');
+      }
+    }
+    this.activeProcesses.clear();
+  }
+
+  /**
+   * Check if claude command exists
+   */
+  private async checkClaudeCommandExists(): Promise<boolean> {
+    return new Promise((resolve) => {
+      const testProcess = spawn('which', ['claude'], { stdio: 'pipe' });
+
+      testProcess.on('close', (code) => {
+        resolve(code === 0);
+      });
+
+      testProcess.on('error', () => {
+        resolve(false);
+      });
+    });
+  }
+
+  /**
+   * Build process options from query parameters
+   */
+  private buildProcessOptions(params: ClaudeCodeQueryParams): ClaudeCodeProcessOptions {
+    const args = ['--output-format', 'stream-json'];
+
+    if (this.config.debugMode) {
+      args.push('--verbose');
+    }
+
+    const options = params.options || {};
+
+    // Add options to args
+    if (options.systemPrompt) {
+      args.push('--system-prompt', options.systemPrompt);
+    }
+    if (options.appendSystemPrompt) {
+      args.push('--append-system-prompt', options.appendSystemPrompt);
+    }
+    if (options.maxTurns) {
+      args.push('--max-turns', options.maxTurns.toString());
+    }
+    if (options.permissionPromptTool) {
+      args.push('--permission-prompt-tool', options.permissionPromptTool);
+    }
+    if (options.continueLastSession) {
+      args.push('--continue');
+    }
+    if (options.resumeSessionId) {
+      args.push('--resume', options.resumeSessionId);
+    }
+    if (options.allowedTools) {
+      const tools = Array.isArray(options.allowedTools)
+        ? options.allowedTools.join(',')
+        : options.allowedTools;
+      args.push('--allowedTools', tools);
+    }
+    if (options.disallowedTools) {
+      const tools = Array.isArray(options.disallowedTools)
+        ? options.disallowedTools.join(',')
+        : options.disallowedTools;
+      args.push('--disallowedTools', tools);
+    }
+    if (options.mcpConfig) {
+      args.push('--mcp-config', options.mcpConfig);
+    }
+    if (options.permissionMode && options.permissionMode !== 'default') {
+      args.push('--permission-mode', options.permissionMode);
+    }
+
+    // Add prompt
+    if (typeof params.prompt === 'string') {
+      args.push('--print', params.prompt.trim());
+    } else {
+      args.push('--input-format', 'stream-json');
+    }
+
+    return {
+      args,
+      cwd: options.cwd,
+      env: {},
+    };
+  }
+
+  /**
+   * Generate unique process ID
+   */
+  private generateProcessId(): string {
+    return `claude-code-${Date.now()}-${Math.random().toString(36).slice(2, 11)}`;
+  }
+
+  /**
+   * Stream input to stdin
+   */
+  private async streamToStdin(
+    stream: any,
+    stdin: any,
+    abortController?: AbortController,
+  ): Promise<void> {
+    try {
+      for await (const message of stream) {
+        if (abortController?.signal.aborted) break;
+        stdin.write(JSON.stringify(message) + '\n');
+      }
+      stdin.end();
+    } catch (error) {
+      logger.error('Error streaming to stdin:', error);
+      stdin.end();
+    }
+  }
+
+  /**
+   * Get Claude Code version
+   */
+  private async getVersion(): Promise<string> {
+    return new Promise((resolve) => {
+      const versionProcess = spawn('claude', ['--version'], { stdio: 'pipe' });
+
+      let output = '';
+      versionProcess.stdout?.on('data', (data) => {
+        output += data.toString();
+      });
+
+      versionProcess.on('close', (code) => {
+        if (code === 0) {
+          // Extract version from output
+          const versionMatch = output.match(/(\d+\.\d+\.\d+)/);
+          resolve(versionMatch ? versionMatch[1] : 'unknown');
+        } else {
+          resolve('unknown');
+        }
+      });
+
+      versionProcess.on('error', () => {
+        resolve('unknown');
+      });
+    });
+  }
+}

apps/desktop/src/main/modules/claudeCode/index.ts

@@ -0,0 +1,18 @@
+import { ClaudeCodeServiceImpl } from './impl';
+import { ClaudeCodeImpl, ClaudeCodeRuntimeConfig } from './type';
+
+/**
+ * Create Claude Code module instance
+ */
+export const createClaudeCodeModule = (config?: ClaudeCodeRuntimeConfig): ClaudeCodeImpl => {
+  return new ClaudeCodeServiceImpl(config);
+};
+
+// Export types and implementation
+export type {
+  ClaudeCodeProcessOptions,
+  ClaudeCodeProcessResult,
+  ClaudeCodeQueryParams,
+  ClaudeCodeRuntimeConfig,
+  ClaudeCodeStreamingParams,
+} from './type';

apps/desktop/src/main/modules/claudeCode/type.ts

@@ -0,0 +1,74 @@
+import { ClaudeCodeMessage, ClaudeCodeOptions } from '@lobechat/electron-client-ipc';
+
+/**
+ * Claude Code Query Parameters
+ */
+export interface ClaudeCodeQueryParams {
+  abortController?: AbortController;
+  options?: ClaudeCodeOptions;
+  prompt: string;
+}
+
+/**
+ * Claude Code Streaming Parameters
+ */
+export interface ClaudeCodeStreamingParams extends ClaudeCodeQueryParams {
+  streamId: string;
+}
+
+/**
+ * Claude Code Service Implementation Abstract Class
+ */
+export abstract class ClaudeCodeImpl {
+  /**
+   * Execute Claude Code query
+   * @param params Query parameters
+   * @returns AsyncGenerator of ClaudeCodeMessage
+   */
+  abstract query(params: ClaudeCodeQueryParams): AsyncGenerator<ClaudeCodeMessage>;
+
+  /**
+   * Check Claude Code availability
+   * @returns Promise with availability status
+   */
+  abstract checkAvailability(): Promise<{
+    apiKeySource?: string;
+    available: boolean;
+    error?: string;
+    version?: string;
+  }>;
+  /**
+   * Clean up resources
+   */
+  abstract cleanup(): void;
+}
+
+/**
+ * Claude Code Process Options
+ */
+export interface ClaudeCodeProcessOptions {
+  args: string[];
+  cwd?: string;
+  env?: Record<string, string>;
+  executable?: string;
+  executableArgs?: string[];
+  pathToClaudeCodeExecutable?: string;
+}
+
+/**
+ * Claude Code Process Result
+ */
+export interface ClaudeCodeProcessResult {
+  exitCode: number;
+  killed: boolean;
+  signal?: string;
+}
+
+/**
+ * Claude Code Runtime Configuration
+ */
+export interface ClaudeCodeRuntimeConfig {
+  debugMode?: boolean;
+  maxMemoryUsage?: number;
+  timeoutMs?: number;
+}

apps/desktop/src/main/utils/next-electron-rsc.ts

@@ -58,7 +58,7 @@ export const createRequest = async ({
 
       for (const cookie of cookies) {
         const { name, value } = cookie;
-        cookiesHeader.push(serializeCookie(name, value)); // ...(options as any)?
+        cookiesHeader.push(serializeCookie(name, value));
       }
 
       req.headers.cookie = cookiesHeader.join('; ');
@@ -305,20 +305,27 @@ export function createHandler({
         );
 
         for (const cookie of cookies) {
-          const expires = cookie.expires
-            ? cookie.expires.getTime()
-            : cookie.maxAge
-              ? Date.now() + cookie.maxAge * 1000
-              : undefined;
+          let expirationDate: number | undefined;
 
-          if (expires && expires < Date.now()) {
+          if (cookie.expires) {
+            // expires 是 Date 对象，转换为秒级时间戳
+            expirationDate = Math.floor(cookie.expires.getTime() / 1000);
+          } else if (cookie.maxAge) {
+            // maxAge 是秒数，计算过期时间戳
+            expirationDate = Math.floor(Date.now() / 1000) + cookie.maxAge;
+          }
+
+          // 如果都没有，则为 session cookie，不设置 expirationDate
+
+          // 检查是否已过期
+          if (expirationDate && expirationDate < Math.floor(Date.now() / 1000)) {
             await session.cookies.remove(request.url, cookie.name);
             continue;
           }
 
           await session.cookies.set({
             domain: cookie.domain,
-            expirationDate: expires,
+            expirationDate,
             httpOnly: cookie.httpOnly,
             name: cookie.name,
             path: cookie.path,

changelog/v1.json

@@ -1,4 +1,389 @@
 [
+  {
+    "children": {
+      "improvements": ["Integrate Amazon Cognito for user authentication."]
+    },
+    "date": "2025-07-10",
+    "version": "1.97.9"
+  },
+  {
+    "children": {},
+    "date": "2025-07-10",
+    "version": "1.97.8"
+  },
+  {
+    "children": {
+      "improvements": ["Add google search grounding for Vertex AI."]
+    },
+    "date": "2025-07-10",
+    "version": "1.97.7"
+  },
+  {
+    "children": {
+      "improvements": ["Replace utility-types with type-fest."]
+    },
+    "date": "2025-07-10",
+    "version": "1.97.6"
+  },
+  {
+    "children": {
+      "improvements": ["Fix: solve the loading was strange spin when switch show."]
+    },
+    "date": "2025-07-10",
+    "version": "1.97.5"
+  },
+  {
+    "children": {
+      "improvements": ["Add grok-4-0709 model from xAI, fix theme issue in desktop."]
+    },
+    "date": "2025-07-10",
+    "version": "1.97.4"
+  },
+  {
+    "children": {},
+    "date": "2025-07-10",
+    "version": "1.97.3"
+  },
+  {
+    "children": {
+      "improvements": ["Implement data analytics event tracking framework."]
+    },
+    "date": "2025-07-10",
+    "version": "1.97.2"
+  },
+  {
+    "children": {
+      "fixes": ["Fix locale hydration error in SSR."]
+    },
+    "date": "2025-07-10",
+    "version": "1.97.1"
+  },
+  {
+    "children": {
+      "features": ["Add MCP marketplace and mcp plugin one-click installation in desktop."]
+    },
+    "date": "2025-07-08",
+    "version": "1.97.0"
+  },
+  {
+    "children": {
+      "improvements": ["Add MCP_TOOL_TIMEOUT env and improve debug usage guide."]
+    },
+    "date": "2025-07-08",
+    "version": "1.96.20"
+  },
+  {
+    "children": {
+      "fixes": ["Pin officeparser@5.1.1 to fix server error."]
+    },
+    "date": "2025-07-07",
+    "version": "1.96.19"
+  },
+  {
+    "children": {
+      "fixes": ["Change the wrong github checkmodel name."],
+      "improvements": ["Files hello pages should scroll."]
+    },
+    "date": "2025-07-06",
+    "version": "1.96.18"
+  },
+  {
+    "children": {},
+    "date": "2025-07-03",
+    "version": "1.96.17"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-07-03",
+    "version": "1.96.16"
+  },
+  {
+    "children": {
+      "fixes": ["Wrong Gemini 2.5 Pro thinkbudget."]
+    },
+    "date": "2025-07-02",
+    "version": "1.96.15"
+  },
+  {
+    "children": {
+      "improvements": ["Migrate to @google/genai SDK for Google Gemini API and Vertex AI."]
+    },
+    "date": "2025-07-01",
+    "version": "1.96.14"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-07-01",
+    "version": "1.96.13"
+  },
+  {
+    "children": {
+      "fixes": ["Pin antd@5.26.2 to fix build error."],
+      "improvements": ["Add DeepResearch models from OpenAI."]
+    },
+    "date": "2025-06-30",
+    "version": "1.96.12"
+  },
+  {
+    "children": {},
+    "date": "2025-06-28",
+    "version": "1.96.11"
+  },
+  {
+    "children": {
+      "fixes": ["Fix desktop chunk issue."]
+    },
+    "date": "2025-06-28",
+    "version": "1.96.10"
+  },
+  {
+    "children": {
+      "fixes": ["Google Gemini tools declarations."]
+    },
+    "date": "2025-06-23",
+    "version": "1.96.9"
+  },
+  {
+    "children": {
+      "improvements": ["Optimized Gemini thinkingBudget configuration."]
+    },
+    "date": "2025-06-23",
+    "version": "1.96.8"
+  },
+  {
+    "children": {
+      "improvements": ["Add blockAds & stealth params for Browserless."]
+    },
+    "date": "2025-06-23",
+    "version": "1.96.7"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-06-23",
+    "version": "1.96.6"
+  },
+  {
+    "children": {
+      "fixes": ["Remove unsupported parameters of Hunyuan."]
+    },
+    "date": "2025-06-22",
+    "version": "1.96.5"
+  },
+  {
+    "children": {},
+    "date": "2025-06-22",
+    "version": "1.96.4"
+  },
+  {
+    "children": {},
+    "date": "2025-06-22",
+    "version": "1.96.3"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-06-22",
+    "version": "1.96.2"
+  },
+  {
+    "children": {
+      "fixes": ["Fix MiniMax-M1 reasoning tag missing."]
+    },
+    "date": "2025-06-21",
+    "version": "1.96.1"
+  },
+  {
+    "children": {
+      "features": ["Add v0 (Vercel) provider support."],
+      "fixes": ["Fix inputTemplate behavior."]
+    },
+    "date": "2025-06-20",
+    "version": "1.96.0"
+  },
+  {
+    "children": {
+      "features": ["Add Brave & Google PSE & Kagi as build-in Search Provider."]
+    },
+    "date": "2025-06-20",
+    "version": "1.95.0"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-06-20",
+    "version": "1.94.17"
+  },
+  {
+    "children": {
+      "fixes": ["Correctly pass reasoning.summary."]
+    },
+    "date": "2025-06-19",
+    "version": "1.94.16"
+  },
+  {
+    "children": {
+      "improvements": ["Update model card for Gemini 2.5 Pro via OpenRouter."]
+    },
+    "date": "2025-06-19",
+    "version": "1.94.15"
+  },
+  {
+    "children": {
+      "improvements": ["Update i18n."]
+    },
+    "date": "2025-06-19",
+    "version": "1.94.14"
+  },
+  {
+    "children": {
+      "improvements": [
+        "Update Gemini 2.5 Pro, Flash GA models. Add Gemini 2.5 Flash-Lite Preview model."
+      ]
+    },
+    "date": "2025-06-18",
+    "version": "1.94.13"
+  },
+  {
+    "children": {
+      "improvements": ["Add MiniMax-M1 model."]
+    },
+    "date": "2025-06-18",
+    "version": "1.94.12"
+  },
+  {
+    "children": {
+      "fixes": ["Enhance the multi-display window opening experience."]
+    },
+    "date": "2025-06-17",
+    "version": "1.94.11"
+  },
+  {
+    "children": {
+      "fixes": ["Improve chat selectors and enhance topic handling logic."]
+    },
+    "date": "2025-06-15",
+    "version": "1.94.10"
+  },
+  {
+    "children": {
+      "improvements": ["Add kimi-thinking-preview model from Moonshot."]
+    },
+    "date": "2025-06-15",
+    "version": "1.94.9"
+  },
+  {
+    "children": {
+      "fixes": ["Correctly handle reasoning_effort."]
+    },
+    "date": "2025-06-15",
+    "version": "1.94.8"
+  },
+  {
+    "children": {
+      "improvements": ["Add Doubao Seed 1.6 model."]
+    },
+    "date": "2025-06-12",
+    "version": "1.94.7"
+  },
+  {
+    "children": {
+      "fixes": ["Abort the Gemini request correctly & Add openai o3-pro."]
+    },
+    "date": "2025-06-12",
+    "version": "1.94.6"
+  },
+  {
+    "children": {
+      "improvements": ["Support web_search_preview & fix some bug form OpenAI Response API."]
+    },
+    "date": "2025-06-12",
+    "version": "1.94.5"
+  },
+  {
+    "children": {
+      "improvements": ["Transition animation switch."]
+    },
+    "date": "2025-06-11",
+    "version": "1.94.4"
+  },
+  {
+    "children": {},
+    "date": "2025-06-11",
+    "version": "1.94.3"
+  },
+  {
+    "children": {
+      "fixes": ["Update Gemini range of thinkingBudget."]
+    },
+    "date": "2025-06-11",
+    "version": "1.94.2"
+  },
+  {
+    "children": {
+      "improvements": ["Update pplx abilities tags, support vision."]
+    },
+    "date": "2025-06-10",
+    "version": "1.94.1"
+  },
+  {
+    "children": {
+      "features": ["Support google sso as auth provider."],
+      "fixes": ["Restore reasoningEffort in setting."]
+    },
+    "date": "2025-06-10",
+    "version": "1.94.0"
+  },
+  {
+    "children": {
+      "improvements": ["Refactor branding info."]
+    },
+    "date": "2025-06-10",
+    "version": "1.93.3"
+  },
+  {
+    "children": {
+      "improvements": ["Refactor <think> & </think> handling."]
+    },
+    "date": "2025-06-09",
+    "version": "1.93.2"
+  },
+  {
+    "children": {
+      "fixes": ["Fix openai default Responses API issue."]
+    },
+    "date": "2025-06-08",
+    "version": "1.93.1"
+  },
+  {
+    "children": {
+      "features": ["Support OpenAI Responses API mode."]
+    },
+    "date": "2025-06-08",
+    "version": "1.93.0"
+  },
+  {
+    "children": {
+      "fixes": ["Fix client s3 getObject throw error."],
+      "improvements": ["Support OpenRouter Claude 4 reasoning."]
+    },
+    "date": "2025-06-08",
+    "version": "1.92.3"
+  },
+  {
+    "children": {
+      "improvements": ["Add support to azureopenai embedding."]
+    },
+    "date": "2025-06-07",
+    "version": "1.92.2"
+  },
   {
     "children": {
       "improvements": ["Improve {{username}} placeholder variable, Update Gemini & Qwen models."]

docker-compose/local/docker-compose.yml

@@ -33,7 +33,7 @@ services:
       - lobe-network
 
   minio:
-    image: minio/minio
+    image: minio/minio:RELEASE.2025-04-22T22-12-26Z
     container_name: lobe-minio
     network_mode: 'service:network-service'
     volumes:

docker-compose/local/logto/docker-compose.yml

@@ -33,7 +33,7 @@ services:
       - lobe-network
 
   minio:
-    image: minio/minio
+    image: minio/minio:RELEASE.2025-04-22T22-12-26Z
     container_name: lobe-minio
     network_mode: 'service:network-service'
     volumes:

docker-compose/local/zitadel/docker-compose.yml

@@ -32,7 +32,7 @@ services:
       - lobe-network
 
   minio:
-    image: minio/minio
+    image: minio/minio:RELEASE.2025-04-22T22-12-26Z
     container_name: lobe-minio
     network_mode: 'service:network-service'
     volumes:

docker-compose/production/logto/docker-compose.yml

@@ -18,7 +18,7 @@ services:
     restart: always
 
   minio:
-    image: minio/minio
+    image: minio/minio:RELEASE.2025-04-22T22-12-26Z
     container_name: lobe-minio
     ports:
       - '9000:9000'

docker-compose/production/zitadel/docker-compose.yml

@@ -18,7 +18,7 @@ services:
     restart: always
 
   minio:
-    image: minio/minio
+    image: minio/minio:RELEASE.2025-04-22T22-12-26Z
     container_name: lobe-minio
     ports:
       - '9000:9000'

docs/development/database-schema.dbml

@@ -94,6 +94,7 @@ table ai_providers {
   key_vaults text
   source varchar(20)
   settings jsonb
+  config jsonb
   accessed_at "timestamp with time zone" [not null, default: `now()`]
   created_at "timestamp with time zone" [not null, default: `now()`]
   updated_at "timestamp with time zone" [not null, default: `now()`]
@@ -621,6 +622,55 @@ table rag_eval_evaluation_records {
   updated_at "timestamp with time zone" [not null, default: `now()`]
 }
 
+table rbac_permissions {
+  id integer [pk, not null]
+  code text [not null, unique]
+  name text [not null]
+  description text
+  category text [not null]
+  is_active boolean [not null, default: true]
+  accessed_at "timestamp with time zone" [not null, default: `now()`]
+  created_at "timestamp with time zone" [not null, default: `now()`]
+  updated_at "timestamp with time zone" [not null, default: `now()`]
+}
+
+table rbac_role_permissions {
+  role_id integer [not null]
+  permission_id integer [not null]
+  created_at "timestamp with time zone" [not null, default: `now()`]
+
+  indexes {
+    (role_id, permission_id) [pk]
+    role_id [name: 'rbac_role_permissions_role_id_idx']
+    permission_id [name: 'rbac_role_permissions_permission_id_idx']
+  }
+}
+
+table rbac_roles {
+  id integer [pk, not null]
+  name text [not null, unique]
+  display_name text [not null]
+  description text
+  is_system boolean [not null, default: false]
+  is_active boolean [not null, default: true]
+  accessed_at "timestamp with time zone" [not null, default: `now()`]
+  created_at "timestamp with time zone" [not null, default: `now()`]
+  updated_at "timestamp with time zone" [not null, default: `now()`]
+}
+
+table rbac_user_roles {
+  user_id text [not null]
+  role_id integer [not null]
+  created_at "timestamp with time zone" [not null, default: `now()`]
+  expires_at "timestamp with time zone"
+
+  indexes {
+    (user_id, role_id) [pk]
+    user_id [name: 'rbac_user_roles_user_id_idx']
+    role_id [name: 'rbac_user_roles_role_id_idx']
+  }
+}
+
 table agents_to_sessions {
   agent_id text [not null]
   session_id text [not null]
@@ -814,4 +864,4 @@ ref: topic_documents.document_id > documents.id
 
 ref: topic_documents.topic_id > topics.id
 
-ref: topics.session_id - sessions.id
+ref: topics.session_id - sessions.id

docs/self-hosting/advanced/auth.mdx

@@ -53,6 +53,8 @@ Currently supported identity verification services include:
   <Card href={'/docs/self-hosting/advanced/auth/next-auth/logto'} title={'Logto'} />
 
   <Card href={'/docs/self-hosting/advanced/auth/next-auth/keycloak'} title={'Keycloak'} />
+
+  <Card href={'/docs/self-hosting/advanced/auth/next-auth/google'} title={'Google'} />
 </Cards>
 
 Click on the links to view the corresponding platform's configuration documentation.
@@ -75,6 +77,7 @@ The order corresponds to the display order of the SSO providers.
 | Microsoft Entra ID    | `microsoft-entra-id`    |
 | ZITADEL               | `zitadel`               |
 | Keycloak              | `keycloak`              |
+| Google                | `google`                |
 
 ## Other SSO Providers
 

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

@@ -0,0 +1,82 @@
+---
+
+title: Configuration of Google SSO Authentication Service for LobeChat
+description: >-
+Learn how to configure Google SSO Authentication Service for LobeChat,
+create OAuth applications, add users, and set up environment variables for seamless integration.
+tags:
+
+* Google SSO
+* Authentication Service
+* Google Cloud
+* OAuth
+* SSO
+* Environment Variables
+* LobeChat
+
+---
+
+# Configuration of Google SSO Authentication Service
+
+<Steps>
+  ### Create a Google Cloud OAuth 2.0 Client
+
+In your [Google Cloud Console][google-cloud-console], navigate to **APIs & Services > Credentials**.
+
+Click on **Create Credentials** and select **OAuth client ID**.
+
+If you haven't already set up a consent screen, you will be prompted to do so. Complete the OAuth consent screen setup (specify app name, support email, and add authorized users if needed).
+
+Select **Web application** as the application type.
+
+In the **Authorized redirect URIs** section, enter:
+
+```bash
+https://your-domain/api/auth/callback/google
+```
+
+\<Callout type={'info'}>
+\- You can add or modify redirect URIs after registration, but make sure the URL matches your deployed LobeChat instance.
+\- Replace "your-domain" with your actual domain. </Callout>
+
+Click **Create**.
+
+After creation, copy the **Client ID** and **Client Secret**.
+
+  <Image alt="Google OAuth Setup" inStep src="https://developers.google.com/static/identity/images/gsi/web/gcs-signin-2.png" />
+
+### Add Users (Optional for Internal Use Only)
+
+If your application is in **Testing** or **Internal** publishing status, add user emails in the OAuth consent screen under **Test users**.
+Users not added here will not be able to authenticate.
+
+### Configure Environment Variables
+
+When deploying LobeChat, configure the following environment variables:
+
+| Environment Variable      | Type     | Description                                                                                                          |
+| ------------------------- | -------- | -------------------------------------------------------------------------------------------------------------------- |
+| `NEXT_AUTH_SECRET`        | Required | Key to encrypt Auth.js session tokens. Generate using: `openssl rand -base64 32`                                     |
+| `NEXT_AUTH_SSO_PROVIDERS` | Required | Select the single sign-on provider for LobeChat. Use `google` for Google SSO.                                        |
+| `AUTH_GOOGLE_ID`          | Required | Client ID from Google Cloud OAuth.                                                                                   |
+| `AUTH_GOOGLE_SECRET`      | Required | Client Secret from Google Cloud OAuth.                                                                               |
+| `NEXTAUTH_URL`            | Required | Specifies the callback address for Auth.js when performing OAuth authentication. E.g. `https://your-domain/api/auth` |
+
+\<Callout type={'tip'}>
+See [📘 environment variables](/docs/self-hosting/environment-variable#google) for more details on these variables. </Callout> </Steps>
+
+<Callout>
+  After successful deployment, users can sign in to LobeChat using their Google accounts (those added as Test Users, if not in production).
+</Callout>
+
+## Advanced Configuration
+
+See the [Google Identity Platform Documentation][google-identity-docs] for advanced options, scopes, and consent screen configuration.
+
+## Related Resources
+
+* [Quickstart: Configure a Google OAuth client][google-oauth-quickstart]
+
+[google-cloud-console]: https://console.cloud.google.com/apis/credentials
+[google-oauth-quickstart]: https://developers.google.com/identity/protocols/oauth2/web-server#creatingcred
+[google-identity-docs]: https://developers.google.com/identity

docs/self-hosting/advanced/online-search.mdx

@@ -14,16 +14,168 @@ tags:
 
 # Configuring Online Search Functionality
 
-LobeChat supports configuring online search functionality for AI, allowing it to access the latest web information and provide more accurate and timely responses. The online search feature is based on the [SearXNG](https://github.com/searxng/searxng) search engine, which is a privacy-respecting metasearch engine that aggregates results from multiple search engines.
+LobeChat supports configuring **web search functionality** for AI, enabling it to retrieve real-time information from the internet to provide more accurate and up-to-date responses. Web search supports multiple search engine providers, including [SearXNG](https://github.com/searxng/searxng), [Search1API](https://www.search1api.com), [Google](https://programmablesearchengine.google.com), and [Brave](https://brave.com/search/api), among others.
 
-<Callout type={'info'}>
-  SearXNG is an open-source metasearch engine that can be self-hosted or accessed via public
-  instances. By configuring SearXNG, LobeChat enables AI to retrieve the latest internet
-  information, allowing it to answer time-sensitive questions and provide up-to-date news.
+<Callout type="info">
+  Web search allows AI to access time-sensitive content, such as the latest news, technology trends, or product information. You can deploy the open-source SearXNG yourself, or choose to integrate mainstream search services like Search1API, Google, Brave, etc., combining them freely based on your use case.
 </Callout>
 
+By setting the search service environment variable `SEARCH_PROVIDERS` and the corresponding API Keys, LobeChat will query multiple sources and return the results. You can also configure crawler service environment variables such as `CRAWLER_IMPLS` (e.g., `browserless`, `firecrawl`, `tavily`, etc.) to extract webpage content, enhancing the capability of search + reading.
+
 # Core Environment Variables
 
+## `CRAWLER_IMPLS`
+
+Configure available web crawlers for structured extraction of webpage content.
+
+```env
+CRAWLER_IMPLS="native,search1api"
+```
+
+Supported crawler types are listed below:
+
+| Value         | Description                                                                                                         | Environment Variable       |
+| ------------- | ------------------------------------------------------------------------------------------------------------------- | -------------------------- |
+| `browserless` | Headless browser crawler based on [Browserless](https://www.browserless.io/), suitable for rendering complex pages. | `BROWSERLESS_TOKEN`        |
+| `exa`         | Crawler capabilities provided by [Exa](https://exa.ai/), API required.                                              | `EXA_API_KEY`              |
+| `firecrawl`   | [Firecrawl](https://firecrawl.dev/) headless browser API, ideal for modern websites.                                | `FIRECRAWL_API_KEY`        |
+| `jina`        | Crawler service from [Jina AI](https://jina.ai/), supports fast content summarization.                              | `JINA_READER_API_KEY`      |
+| `native`      | Built-in general-purpose crawler for standard web structures.                                                       |                            |
+| `search1api`  | Page crawling capabilities from [Search1API](https://www.search1api.com), great for structured content extraction.  | `SEARCH1API_CRAWL_API_KEY` |
+| `tavily`      | Web scraping and summarization API from [Tavily](https://www.tavily.com/).                                          | `TAVILY_API_KEY`           |
+
+> 💡 Setting multiple crawlers increases success rate; the system will try different ones based on priority.
+
+---
+
+## `SEARCH_PROVIDERS`
+
+Configure which search engine providers to use for web search.
+
+```env
+SEARCH_PROVIDERS="searxng"
+```
+
+Supported search engines include:
+
+| Value        | Description                                                                             | Environment Variable                        |
+| ------------ | --------------------------------------------------------------------------------------- | ------------------------------------------- |
+| `anspire`    | Search service provided by [Anspire](https://anspire.ai/).                              | `ANSPIRE_API_KEY`                           |
+| `bocha`      | Search service from [Bocha](https://open.bochaai.com/).                                 | `BOCHA_API_KEY`                             |
+| `brave`      | [Brave](https://search.brave.com/help/api), a privacy-friendly search source.           | `BRAVE_API_KEY`                             |
+| `exa`        | [Exa](https://exa.ai/), a search API designed for AI.                                   | `EXA_API_KEY`                               |
+| `firecrawl`  | Search capabilities via [Firecrawl](https://firecrawl.dev/).                            | `FIRECRAWL_API_KEY`                         |
+| `google`     | Uses [Google Programmable Search Engine](https://programmablesearchengine.google.com/). | `GOOGLE_PSE_API_KEY` `GOOGLE_PSE_ENGINE_ID` |
+| `jina`       | Semantic search provided by [Jina AI](https://jina.ai/).                                | `JINA_READER_API_KEY`                       |
+| `kagi`       | Premium search API by [Kagi](https://kagi.com/), requires a subscription key.           | `KAGI_API_KEY`                              |
+| `search1api` | Aggregated search capabilities from [Search1API](https://www.search1api.com).           | `SEARCH1API_CRAWL_API_KEY`                  |
+| `searxng`    | Use a self-hosted or public [SearXNG](https://searx.space/) instance.                   | `SEARXNG_URL`                               |
+| `tavily`     | [Tavily](https://www.tavily.com/), offers fast web summaries and answers.               | `TAVILY_API_KEY`                            |
+
+> ⚠️ Some search providers require you to apply for an API Key and configure it in your `.env` file.
+
+---
+
+## `BROWSERLESS_URL`
+
+Specifies the API endpoint for [Browserless](https://www.browserless.io/), used for web crawling tasks. Browserless is a browser automation platform based on Headless Chrome, ideal for rendering dynamic pages.
+
+```env
+BROWSERLESS_URL=https://chrome.browserless.io
+```
+
+> 📌 Usually used together with `CRAWLER_IMPLS=browserless`.
+
+---
+
+## `BROWSERLESS_BLOCK_ADS`
+
+Enables ad blocking functionality. When using [Browserless](https://www.browserless.io/) for web scraping, it automatically blocks common ad resources (such as scripts, images, trackers, etc.), improving scraping speed and page clarity.
+
+```env
+BROWSERLESS_BLOCK_ADS=1
+```
+
+> 📌 Supported values:
+>
+> - `1`: Enable ad blocking (recommended);
+> - `0`: Disable ad blocking (default).
+
+> ✅ It is recommended to use with `BROWSERLESS_STEALTH_MODE=1` to enhance stealth and scraping success rate.
+
+---
+
+## `BROWSERLESS_STEALTH_MODE`
+
+Enables stealth mode. When using [Browserless](https://www.browserless.io/) for web scraping, it applies various anti-detection techniques (such as modifying the user agent, removing webdriver traits, simulating user interactions) to bypass anti-bot mechanisms.
+
+```env
+BROWSERLESS_STEALTH_MODE=1
+```
+
+> 📌 Supported values:
+>
+> - `1`: Enable stealth mode (recommended);
+> - `0`: Disable stealth mode (default).
+
+> ⚠️ Some websites use advanced anti-scraping techniques. Enabling stealth mode can significantly improve scraping success rate.
+
+---
+
+## `GOOGLE_PSE_ENGINE_ID`
+
+Configure the Search Engine ID for Google Programmable Search Engine (Google PSE), used to restrict the search scope. Must be used alongside `GOOGLE_PSE_API_KEY`.
+
+```env
+GOOGLE_PSE_ENGINE_ID=your-google-cx-id
+```
+
+> 🔑 How to get it: Visit [programmablesearchengine.google.com](https://programmablesearchengine.google.com/), create a search engine, and obtain the `cx` parameter.
+
+---
+
+## `FIRECRAWL_URL`
+
+Sets the access URL for the [Firecrawl](https://firecrawl.dev/) API, used for web content scraping. Default value:
+
+```env
+FIRECRAWL_URL=https://api.firecrawl.dev/v1
+```
+
+> ⚙️ Usually does not need to be changed unless you’re using a self-hosted version or a proxy service.
+
+---
+
+## `TAVILY_SEARCH_DEPTH`
+
+Configure the result depth for [Tavily](https://www.tavily.com/) searches.
+
+```env
+TAVILY_SEARCH_DEPTH=basic
+```
+
+Supported values:
+
+- `basic`: Fast search, returns brief results;
+- `advanced`: Deep search, returns more context and web page details.
+
+---
+
+## `TAVILY_EXTRACT_DEPTH`
+
+Configure how deeply Tavily extracts content from web pages.
+
+```env
+TAVILY_EXTRACT_DEPTH=basic
+```
+
+Supported values:
+
+- `basic`: Extracts basic info like title and content summary;
+- `advanced`: Extracts structured data, lists, charts, and more from web pages.
+
+---
+
 ## `SEARXNG_URL`
 
 The URL of the SearXNG instance, which is a necessary configuration to enable the online search functionality. For example:

docs/self-hosting/advanced/online-search.zh-CN.mdx

@@ -10,15 +10,168 @@ tags:
 
 # 配置联网搜索功能
 
-LobeChat 支持为 AI 配置联网搜索功能，这使得 AI 能够获取最新的网络信息，从而提供更准确、更及时的回答。联网搜索功能基于 [SearXNG](https://github.com/searxng/searxng) 搜索引擎，它是一个尊重隐私的元搜索引擎，可以聚合多个搜索引擎的结果。
+LobeChat 支持为 AI 配置**联网搜索功能**，使其能够实时获取互联网信息，从而提供更准确、最新的回答。联网搜索支持多个搜索引擎提供商，包括 [SearXNG](https://github.com/searxng/searxng)、[Search1API](https://www.search1api.com)、[Google](https://programmablesearchengine.google.com)、[Brave](https://brave.com/search/api) 等。
 
-<Callout type={'info'}>
-  SearXNG 是一个开源的元搜索引擎，可以自行部署，也可以使用公共实例。通过配置 SearXNG，LobeChat
-  可以让 AI 获取最新的互联网信息，从而回答时效性问题、提供最新资讯。
+<Callout type="info">
+  联网搜索可以让 AI 获取时效性内容，如最新新闻、技术动态或产品信息。你可以使用开源的 SearXNG 自行部署，也可以选择集成主流搜索引擎服务，如 Search1API、Google、Brave 等，根据你的使用场景自由组合。
 </Callout>
 
+通过设置搜索服务环境变量 `SEARCH_PROVIDERS` 和对应的 API Key，LobeChat 将在多个搜索源中查询并返回结果。你还可以搭配配置爬虫服务环境变量 `CRAWLER_IMPLS`（如 `browserless`、`firecrawl`、`tavily` 等）以提取网页内容，实现搜索 + 阅读的增强能力。
+
 # 核心环境变量
 
+## `CRAWLER_IMPLS`
+
+配置可用的网页爬虫，用于对网页进行结构化内容提取。
+
+```env
+CRAWLER_IMPLS="native,search1api"
+```
+
+支持的爬虫类型如下：
+
+| 值             | 说明                                                               | 环境变量                       |
+| ------------- | ---------------------------------------------------------------- | -------------------------- |
+| `browserless` | 基于 [Browserless](https://www.browserless.io/) 的无头浏览器爬虫，适合渲染复杂页面。 | `BROWSERLESS_TOKEN`        |
+| `exa`         | 使用 [Exa](https://exa.ai/) 提供的爬虫能力，需申请 API。                       | `EXA_API_KEY`              |
+| `firecrawl`   | [Firecrawl](https://firecrawl.dev/) 无头浏览器 API，适合现代网站抓取。          | `FIRECRAWL_API_KEY`        |
+| `jina`        | 使用 [Jina AI](https://jina.ai/) 的爬虫服务，支持快速提取摘要信息。                 | `JINA_READER_API_KEY`      |
+| `native`      | 内置通用爬虫，适用于标准网页结构。                                                |                            |
+| `search1api`  | 利用 [Search1API](https://www.search1api.com) 提供的页面抓取能力，适合结构化内容提取。 | `SEARCH1API_CRAWL_API_KEY` |
+| `tavily`      | 使用 [Tavily](https://www.tavily.com/) 的网页抓取与摘要 API。               | `TAVILY_API_KEY`           |
+
+> 💡 设置多个爬虫可提升成功率，系统将根据优先级尝试不同爬虫。
+
+---
+
+## `SEARCH_PROVIDERS`
+
+配置联网搜索使用的搜索引擎提供商。
+
+```env
+SEARCH_PROVIDERS="searxng"
+```
+
+支持的搜索引擎如下：
+
+| 值            | 说明                                                                                    | 环境变量                                        |
+| ------------ | ------------------------------------------------------------------------------------- | ------------------------------------------- |
+| `anspire`    | 基于 [Anspire（安思派）](https://anspire.ai/) 提供的搜索服务。                                       | `ANSPIRE_API_KEY`                           |
+| `bocha`      | 基于 [Bocha（博查）](https://open.bochaai.com/) 提供的搜索服务。                                    | `BOCHA_API_KEY`                             |
+| `brave`      | [Brave](https://search.brave.com/help/api)，隐私友好的搜索源。                                  | `BRAVE_API_KEY`                             |
+| `exa`        | [Exa](https://exa.ai/)，面向 AI 的搜索 API。                                                 | `EXA_API_KEY`                               |
+| `firecrawl`  | 支持 [Firecrawl](https://firecrawl.dev/) 提供的搜索服务。                                       | `FIRECRAWL_API_KEY`                         |
+| `google`     | 使用 [Google Programmable Search Engine](https://programmablesearchengine.google.com/)。 | `GOOGLE_PSE_API_KEY` `GOOGLE_PSE_ENGINE_ID` |
+| `jina`       | 使用 [Jina AI](https://jina.ai/) 提供的语义搜索服务。                                             | `JINA_READER_API_KEY`                       |
+| `kagi`       | [Kagi](https://kagi.com/) 提供的高级搜索 API，需订阅 Key。                                        | `KAGI_API_KEY`                              |
+| `search1api` | 使用 [Search1API](https://www.search1api.com) 聚合搜索能力。                                   | `SEARCH1API_CRAWL_API_KEY`                  |
+| `searxng`    | 使用自托管或公共 [SearXNG](https://searx.space/) 实例。                                          | `SEARXNG_URL`                               |
+| `tavily`     | [Tavily](https://www.tavily.com/)，快速网页摘要与答案返回。                                        | `TAVILY_API_KEY`                            |
+
+> ⚠️ 某些搜索提供商需要单独申请 API Key，并在 `.env` 中配置相关凭证。
+
+---
+
+## `BROWSERLESS_URL`
+
+指定 [Browserless](https://www.browserless.io/) 服务的 API 地址，用于执行网页爬取任务。Browserless 是一个基于无头浏览器（Headless Chrome）的浏览器自动化平台，适合处理需要渲染的动态页面。
+
+```env
+BROWSERLESS_URL=https://chrome.browserless.io
+```
+
+> 📌 通常需要搭配 `CRAWLER_IMPLS=browserless` 启用。
+
+---
+
+## `BROWSERLESS_BLOCK_ADS`
+
+启用广告拦截功能，在使用 [Browserless](https://www.browserless.io/) 进行网页抓取时自动屏蔽常见广告资源（如脚本、图片、追踪器等），提高抓取速度与页面清晰度。
+
+```env
+BROWSERLESS_BLOCK_ADS=1
+```
+
+> 📌 支持的值：
+>
+> - `1`：启用广告拦截（推荐）；
+> - `0`：禁用广告拦截（默认）。
+
+> ✅ 建议与 `BROWSERLESS_STEALTH_MODE=1` 一起使用，提高爬虫的隐蔽性和成功率。
+
+---
+
+## `BROWSERLESS_STEALTH_MODE`
+
+启用隐身模式，在使用 [Browserless](https://www.browserless.io/) 抓取网页时，通过一系列防检测手段（如修改 UA、移除 webdriver 特征、模拟用户操作）来规避反爬虫机制。
+
+```env
+BROWSERLESS_STEALTH_MODE=1
+```
+
+> 📌 支持的值：
+>
+> - `1`：启用隐身模式（推荐）；
+> - `0`：禁用隐身模式（默认）。
+
+> ⚠️ 某些网站存在高级反爬机制，启用隐身模式可以显著提升抓取成功率。
+
+---
+
+## `GOOGLE_PSE_ENGINE_ID`
+
+配置 Google Programmable Search Engine（Google PSE）的搜索引擎 ID，用于限定搜索范围。需配合 `GOOGLE_PSE_API_KEY` 一起使用。
+
+```env
+GOOGLE_PSE_ENGINE_ID=your-google-cx-id
+```
+
+> 🔑 获取方式：访问 [programmablesearchengine.google.com](https://programmablesearchengine.google.com/)，创建搜索引擎后获取 `cx` 参数值。
+
+---
+
+## `FIRECRAWL_URL`
+
+设置 [Firecrawl](https://firecrawl.dev/) API 的访问地址。用于网页内容抓取，默认值如下：
+
+```env
+FIRECRAWL_URL=https://api.firecrawl.dev/v1
+```
+
+> ⚙️ 一般无需修改，除非你使用的是自托管版本或代理服务。
+
+---
+
+## `TAVILY_SEARCH_DEPTH`
+
+配置 [Tavily](https://www.tavily.com/) 搜索的结果深度。
+
+```env
+TAVILY_SEARCH_DEPTH=basic
+```
+
+支持的值：
+
+- `basic`: 快速搜索，返回简要结果；
+- `advanced`: 深度搜索，返回更多上下文和网页信息。
+
+---
+
+## `TAVILY_EXTRACT_DEPTH`
+
+配置 Tavily 在抓取网页内容时的提取深度。
+
+```env
+TAVILY_EXTRACT_DEPTH=basic
+```
+
+支持的值：
+
+- `basic`: 提取标题、正文摘要等基础信息；
+- `advanced`: 提取网页的结构化信息、列表、图表等更多内容。
+
+---
+
 ## `SEARXNG_URL`
 
 SearXNG 实例的 URL 地址，这是启用联网搜索功能的必要配置。例如：

docs/self-hosting/server-database/docker-compose.mdx

@@ -754,7 +754,7 @@ services:
       - lobe-network
 
   minio:
-    image: minio/minio
+    image: minio/minio:RELEASE.2025-04-22T22-12-26Z
     container_name: lobe-minio
     network_mode: 'service:network-service'
     volumes:

docs/usage/features/desktop.mdx

@@ -0,0 +1,53 @@
+---
+title: LobeChat Desktop Application
+description: >-
+  Experience the full power of LobeChat without browser limitations. A
+  lightweight, focused, and always-ready desktop app offering a dedicated
+  environment and optimal performance.
+tags:
+  - Desktop Application
+  - Native App
+  - Performance Optimization
+  - Dedicated Environment
+  - Offline Use
+  - System Integration
+  - User Experience
+---
+
+# Desktop Application
+
+<Image alt={'Desktop Application'} borderless cover src={'https://github.com/user-attachments/assets/a7bac8d3-ea96-4000-bb39-fadc9b610f96'}> />
+
+**Peak Performance, Zero Distractions**
+
+Unlock the full LobeChat experience without the constraints of a browser — lightweight, focused, and always ready. Our desktop application provides a dedicated environment for your AI interactions, ensuring optimal performance with minimal distractions.
+
+Enjoy faster response times, better resource management, and a more stable connection to your AI assistant. The desktop app is designed for users who demand the best performance from their AI tools.
+
+## Why Choose the Desktop Application
+
+### 🚀 Superior Performance
+
+<Callout type={'tip'}>
+The desktop app delivers faster response times and a smoother user experience compared to the browser version.
+</Callout>
+
+- **Dedicated Process**: Runs independently, free from browser limitations  
+- **Memory Optimization**: More efficient memory management and resource allocation  
+- **GPU Acceleration**: Fully leverages hardware acceleration capabilities  
+- **Low Latency**: Reduces network delays and page load times  
+
+### 🎯 Focused Experience
+
+- **Distraction-Free Environment**: Eliminates interruptions from browser tabs, bookmarks bar, and more  
+- **Full-Screen Mode**: Supports immersive, full-screen usage  
+- **Quick Launch**: Auto-start on boot, ready whenever you are  
+- **Keyboard Shortcuts**: Extensive shortcut support to boost productivity  
+
+### 🔒 Secure and Reliable
+
+- **Local Storage**: Data securely stored locally for enhanced privacy  
+- **Offline Capability**: Partial functionality available offline  
+- **Automatic Updates**: Always up to date without manual intervention  
+- **Data Backup**: Comprehensive data backup and recovery features
+

docs/usage/features/desktop.zh-CN.mdx

@@ -0,0 +1,49 @@
+---
+title: LobeChat 桌面应用
+description: 获得完整的 LobeChat 体验，摆脱浏览器限制。轻量级、专注且随时就绪的桌面应用，提供专用环境和最佳性能。
+tags:
+  - 桌面应用
+  - 原生应用
+  - 性能优化
+  - 专用环境
+  - 离线使用
+  - 系统集成
+  - 用户体验
+---
+
+# 桌面应用
+
+<Image alt={'桌面应用'} borderless cover src={'https://github.com/user-attachments/assets/a7bac8d3-ea96-4000-bb39-fadc9b610f96'} />
+
+**巅峰性能，零干扰**
+
+获得完整的 LobeChat 体验，摆脱浏览器限制 —— 轻量级、专注且随时就绪。我们的桌面应用程序为你的 AI 交互提供专用环境，确保最佳性能和最小干扰。
+
+体验更快的响应时间、更好的资源管理和与 AI 助手的更稳定连接。桌面应用专为要求 AI 工具最佳性能的用户设计。
+
+## 为什么选择桌面应用
+
+### 🚀 卓越性能
+
+<Callout type={'tip'}>
+  桌面应用提供比浏览器版本更快的响应速度和更流畅的用户体验。
+</Callout>
+
+- **专用进程**：独立运行，不受浏览器限制
+- **内存优化**：更高效的内存管理和资源分配
+- **GPU 加速**：充分利用硬件加速能力
+- **低延迟**：减少网络延迟和页面加载时间
+
+### 🎯 专注体验
+
+- **无干扰环境**：摆脱浏览器标签页、书签栏等干扰
+- **全屏模式**：支持全屏和沉浸式体验
+- **快速启动**：开机自启动，随时可用
+- **键盘快捷键**：丰富的快捷键支持，提高操作效率
+
+### 🔒 安全可靠
+
+- **本地存储**：数据安全存储在本地，隐私保护更好
+- **离线能力**：部分功能支持离线使用
+- **自动更新**：无需手动更新，始终保持最新版本
+- **数据备份**：完整的数据备份和恢复功能

docs/usage/features/mcp-market.mdx

@@ -0,0 +1,26 @@
+---
+title: 'MCP Marketplace - Discover, Connect, Expand'
+description: >-
+  Browse the ever-growing MCP plugin library to effortlessly enhance your AI
+  capabilities and streamline workflows. Explore the MCP Marketplace to find
+  curated collections of integrations.
+tags:
+  - MCP Marketplace
+  - Plugin Library
+  - Integrations
+  - Extensions
+  - Workflows
+  - Community
+  - Developers
+---
+
+# MCP Marketplace
+
+<Image alt={'MCP Marketplace'} borderless cover src={'https://github.com/user-attachments/assets/bb114f9f-24c5-4000-a984-c10d187da5a0'}> />
+
+**Discover, Connect, Expand**
+
+Browse the ever-growing MCP plugin library to effortlessly enhance your AI capabilities and streamline your workflows. Visit [lobehub.com/mcp](https://lobehub.com/mcp) to explore the MCP Marketplace, featuring curated collections of integrations that empower your AI to collaborate seamlessly with a variety of tools and services.
+
+From productivity tools to development environments, discover new ways to extend AI’s reach and efficiency. Connect with the community to find the perfect plugin tailored to your specific needs.
+

docs/usage/features/mcp-market.zh-CN.mdx

@@ -0,0 +1,22 @@
+---
+title: MCP 市场 - 发现、连接、扩展
+description: 浏览不断增长的 MCP 插件库，轻松扩展你的 AI 能力并简化工作流程。探索 MCP 市场，发现精选的集成集合。
+tags:
+  - MCP 市场
+  - 插件库
+  - 集成
+  - 扩展
+  - 工作流程
+  - 社区
+  - 开发者
+---
+
+# MCP 市场
+
+<Image alt={'MCP 市场'} borderless cover src={'https://github.com/user-attachments/assets/bb114f9f-24c5-4000-a984-c10d187da5a0'} />
+
+**发现、连接、扩展**
+
+浏览不断增长的 MCP 插件库，轻松扩展你的 AI 能力并简化工作流程。访问 [lobehub.com/mcp](https://lobehub.com/mcp) 探索 MCP 市场，提供精选的集成集合，增强你的 AI 与各种工具和服务协作的能力。
+
+从生产力工具到开发环境，发现扩展 AI 覆盖范围和效率的新方式。与社区连接，找到满足特定需求的完美插件。

docs/usage/features/mcp.mdx

@@ -0,0 +1,58 @@
+---
+title: MCP Plugin One-Click Installation - Seamlessly Connect AI with the World
+description: >-
+  Unlock the full potential of AI through the MCP (Model Context Protocol)
+  plugin system, enabling smooth, secure, and dynamic interactions with external
+  tools, data sources, and services.
+tags:
+  - MCP
+  - Model Context Protocol
+  - Plugin System
+  - One-Click Installation
+  - Tool Integration
+  - Workflow
+  - External Services
+---
+
+# MCP Plugin One-Click Installation
+
+<Image alt={'MCP Plugin One-Click Installation'} borderless cover src={'https://github.com/user-attachments/assets/1be85d36-3975-4413-931f-27e05e440995'}> />
+
+**Seamlessly Connect Your AI with the World**
+
+Unlock the full potential of your AI by enabling smooth, secure, and dynamic interactions with external tools, data sources, and services. The MCP (Model Context Protocol)-based plugin system breaks down barriers between AI and the digital ecosystem, delivering unprecedented connectivity and functionality.
+
+Transform conversations into powerful workflows by connecting databases, APIs, file systems, and more. Experience an AI Agent that truly understands and interacts with your world.
+
+## What is MCP (Model Context Protocol)?
+
+MCP (Model Context Protocol) is an open protocol standard that provides AI models with a standardized way to access and interact with external resources. Through MCP, AI assistants can:
+
+- 🔗 **Secure Connections**: Establish secure links with various tools and services  
+- 🔄 **Dynamic Interaction**: Retrieve and update external data in real time  
+- 🛡️ **Permission Control**: Manage access rights with fine-grained precision  
+- 📊 **Context Awareness**: Maintain rich conversational context information  
+
+## Key Features
+
+### 🚀 One-Click Installation Experience
+
+<Callout type={'tip'}>
+No complicated setup required—installing and configuring MCP plugins takes just a few clicks.
+</Callout>
+
+- **Rapid Deployment**: From discovery to use in under one minute  
+- **Automatic Configuration**: The system handles connection and permission settings automatically  
+- **Instant Activation**: Ready to use in conversations immediately after installation  
+
+### 🔌 Extensive Connectivity
+
+MCP plugins support connections to a wide variety of external resources:
+
+- **Databases**: MySQL, PostgreSQL, MongoDB, and more  
+- **API Services**: REST APIs, GraphQL, WebSocket  
+- **File Systems**: Local files, cloud storage, version control  
+- **Development Tools**: GitHub, GitLab, Jira, Slack  
+- **Office Suites**: Google Workspace, Microsoft 365  
+- **Professional Tools**: Docker, Kubernetes, Jenkins
+

docs/usage/features/mcp.zh-CN.mdx

@@ -0,0 +1,54 @@
+---
+title: MCP 插件一键安装 - 无缝连接 AI 与世界
+description: 通过 MCP（模型上下文协议）插件系统，释放 AI 的全部潜力，实现与外部工具、数据源和服务的平滑、安全和动态交互。
+tags:
+  - MCP
+  - 模型上下文协议
+  - 插件系统
+  - 一键安装
+  - 工具集成
+  - 工作流程
+  - 外部服务
+---
+
+# MCP 插件一键安装
+
+<Image alt={'MCP 插件一键安装'} borderless cover src={'https://github.com/user-attachments/assets/1be85d36-3975-4413-931f-27e05e440995'} />
+
+**无缝连接你的 AI 与世界**
+
+通过启用与外部工具、数据源和服务的平滑、安全和动态交互，释放你的 AI 的全部潜力。基于 MCP（模型上下文协议）的插件系统打破了 AI 与数字生态系统之间的壁垒，实现了前所未有的连接性和功能性。
+
+将对话转化为强大的工作流程，连接数据库、API、文件系统等。体验真正理解并与你的世界互动的 AI Agent。
+
+## 什么是 MCP（模型上下文协议）？
+
+MCP（Model Context Protocol）是一个开放的协议标准，它为 AI 模型提供了一个标准化的方式来访问和交互外部资源。通过 MCP，AI 助手可以：
+
+- 🔗 **安全连接**：与各种工具和服务建立安全的连接
+- 🔄 **动态交互**：实时获取和更新外部数据
+- 🛡️ **权限控制**：精细化的访问权限管理
+- 📊 **上下文感知**：维护丰富的对话上下文信息
+
+## 主要特性
+
+### 🚀 一键式安装体验
+
+<Callout type={'tip'}>
+  无需复杂的配置过程，只需几次点击即可完成 MCP 插件的安装和配置。
+</Callout>
+
+- **快速部署**：从发现到使用，整个过程不超过 1 分钟
+- **自动配置**：系统自动处理连接和权限设置
+- **即时生效**：安装完成后立即可在对话中使用
+
+### 🔌 广泛的连接能力
+
+MCP 插件支持连接各种类型的外部资源：
+
+- **数据库**：MySQL、PostgreSQL、MongoDB 等
+- **API 服务**：REST API、GraphQL、WebSocket
+- **文件系统**：本地文件、云存储、版本控制
+- **开发工具**：GitHub、GitLab、Jira、Slack
+- **办公软件**：Google Workspace、Microsoft 365
+- **专业工具**：Docker、Kubernetes、Jenkins

docs/usage/features/search.mdx

@@ -0,0 +1,56 @@
+---
+title: 'Intelligent Connected Search - Online Knowledge, On Demand'
+description: >-
+  Stay synchronized with the world through real-time online access. Obtain the
+  latest information, verify facts, and explore current events without leaving
+  the conversation.
+tags:
+  - Connected Search
+  - Real-time Information
+  - Search Engines
+  - Information Retrieval
+  - Fact Verification
+  - Real-time Data
+  - Knowledge Updates
+---
+
+# Intelligent Connected Search
+
+<Image alt={'Intelligent Connected Search'} borderless cover src={'https://github.com/user-attachments/assets/cfdc48ac-b5f8-4a00-acee-db8f2eba09ad'}> />
+
+**Online Knowledge, On Demand**
+
+Stay in sync with the world through real-time online access — news, data, trends, and more. Keep your information up to date and access the latest available data, enabling your AI to provide accurate and current responses.
+
+Access real-time information, verify facts, and explore ongoing events without leaving the conversation. Your AI becomes a gateway to the world’s knowledge, always up-to-date and comprehensive.
+
+## Features Overview
+
+### 🌐 Real-Time Information Access
+
+<Callout type={'tip'}>
+Intelligent Connected Search empowers AI to access the latest internet information, ensuring accuracy and timeliness in responses.
+</Callout>
+
+- **Breaking News**: Get the latest news reports and event updates
+- **Market Data**: Real-time stock prices, exchange rates, cryptocurrency values
+- **Weather Information**: Global weather forecasts and meteorological data
+- **Traffic Conditions**: Live traffic updates and road status
+- **Sports Events**: Match results, schedules, and statistics
+
+### 🔍 Multi-Source Search Engines
+
+Supports multiple search engines to ensure comprehensive and accurate information:
+
+- **Google**: The world’s largest search engine
+- **Bing**: Microsoft’s search engine
+- **DuckDuckGo**: Privacy-focused search engine
+
+### 📊 Structured Data Retrieval
+
+- **Academic Papers**: Access academic databases and journals
+- **Technical Documentation**: Obtain the latest technical documents and API references
+- **Statistical Data**: Government statistics, survey reports, market research
+- **Product Information**: Product details and reviews from e-commerce platforms
+- **Laws and Regulations**: Latest legal texts and policy interpretations
+

docs/usage/features/search.zh-CN.mdx

@@ -0,0 +1,52 @@
+---
+title: 智能联网搜索 - 在线知识，按需获取
+description: 通过实时联网访问，你的 AI 与世界保持同步。获取最新信息，验证事实，探索当前事件，无需离开对话。
+tags:
+  - 联网搜索
+  - 实时信息
+  - 搜索引擎
+  - 信息获取
+  - 事实验证
+  - 实时数据
+  - 知识更新
+---
+
+# 智能联网搜索
+
+<Image alt={'智能联网搜索'} borderless cover src={'https://github.com/user-attachments/assets/cfdc48ac-b5f8-4a00-acee-db8f2eba09ad'} />
+
+**在线知识，按需获取**
+
+通过实时联网访问，你的 AI 与世界保持同步 —— 新闻、数据、趋势等。保持信息更新，获取最新可用信息，使你的 AI 能够提供准确和最新的回复。
+
+访问实时信息，验证事实，探索当前事件，无需离开对话。你的 AI 成为通向世界知识的门户，始终保持最新和全面。
+
+## 功能概述
+
+### 🌐 实时信息获取
+
+<Callout type={'tip'}>
+  智能联网搜索让 AI 能够访问最新的互联网信息，确保回答的准确性和时效性。
+</Callout>
+
+- **实时新闻**：获取最新的新闻报道和事件动态
+- **市场数据**：实时股价、汇率、加密货币价格
+- **天气信息**：全球天气预报和气象数据
+- **交通状况**：实时路况和交通信息
+- **体育赛事**：比赛结果、赛程和统计数据
+
+### 🔍 多源搜索引擎
+
+支持多个搜索引擎，确保信息的全面性和准确性：
+
+- **Google**：全球最大的搜索引擎
+- **Bing**：Microsoft 搜索引擎
+- **DuckDuckGo**：注重隐私的搜索引擎
+
+### 📊 结构化数据获取
+
+- **学术论文**：访问学术数据库和期刊
+- **技术文档**：获取最新的技术文档和 API 资料
+- **统计数据**：政府统计、调查报告、市场研究
+- **产品信息**：电商平台的产品详情和评价
+- **法律法规**：最新的法律条文和政策解读

locales/ar/discover.json

@@ -10,13 +10,57 @@
     },
     "description": "مقدمة المساعد",
     "detail": "تفاصيل",
+    "details": {
+      "capabilities": {
+        "knowledge": {
+          "desc": "المساعد مزود بقواعد المعرفة التالية لمساعدتك في الإجابة على المزيد من الأسئلة.",
+          "title": "قاعدة المعرفة"
+        },
+        "plugin": {
+          "desc": "المساعد مزود بالإضافة التالية لمساعدتك في إتمام المزيد من المهام.",
+          "title": "الإضافات المدمجة"
+        },
+        "title": "قدرات المساعد"
+      },
+      "overview": {
+        "example": "عرض المساعد",
+        "title": "نظرة عامة"
+      },
+      "related": {
+        "listTitle": "المساعدون المرتبطون",
+        "more": "عرض المزيد",
+        "title": "اقتراحات ذات صلة"
+      },
+      "sidebar": {
+        "toc": "المحتوى"
+      },
+      "summary": {
+        "title": "ما الذي يمكنك فعله باستخدام هذا المساعد؟"
+      },
+      "systemRole": {
+        "openingMessage": "رسالة الافتتاح",
+        "openingQuestions": "أسئلة الافتتاح",
+        "title": "إعدادات المساعد"
+      }
+    },
     "list": "قائمة المساعدين",
     "more": "المزيد",
     "plugins": "دمج الإضافات",
     "recentSubmits": "آخر التحديثات",
+    "sorts": {
+      "createdAt": "تم النشر مؤخراً",
+      "identifier": "معرف المساعد",
+      "knowledgeCount": "عدد قواعد المعرفة",
+      "pluginCount": "عدد الإضافات",
+      "title": "اسم المساعد",
+      "tokenUsage": "استهلاك التوكن"
+    },
     "suggestions": "اقتراحات ذات صلة",
     "systemRole": "إعدادات المساعد",
-    "try": "جرب"
+    "tokenUsage": "استهلاك توكنات تعليمات المساعد",
+    "try": "جرب",
+    "withKnowledge": "هذا المساعد مزود بقاعدة معرفة",
+    "withPlugin": "هذا المساعد مزود بالإضافة"
   },
   "back": "عودة إلى الاكتشاف",
   "category": {
@@ -41,6 +85,7 @@
       "all": "الكل",
       "gaming-entertainment": "ألعاب وترفيه",
       "life-style": "أسلوب حياة",
+      "lifestyle": "نمط الحياة",
       "media-generate": "توليد الوسائط",
       "science-education": "علوم وتعليم",
       "social": "وسائل التواصل الاجتماعي",
@@ -102,10 +147,368 @@
     "featuredTools": "إضافات مميزة",
     "more": "اكتشف المزيد"
   },
+  "isClaimed": "تم المطالبة",
+  "isFeatured": "مميز",
+  "isOfficial": "معتمد رسميًا",
   "like": "أحب",
+  "mcp": {
+    "categories": {
+      "all": {
+        "description": "جميع خوادم MCP",
+        "name": "الكل"
+      },
+      "business": {
+        "description": "الخدمات التجارية والمؤسساتية",
+        "name": "الخدمات التجارية"
+      },
+      "developer": {
+        "description": "أدوات وخدمات متعلقة بالتطوير",
+        "name": "أدوات التطوير"
+      },
+      "gaming-entertainment": {
+        "description": "الألعاب، الترفيه والأنشطة الترفيهية",
+        "name": "الألعاب والترفيه"
+      },
+      "health-wellness": {
+        "description": "الصحة، اللياقة والعناية بالجسم والعقل",
+        "name": "الصحة والعافية"
+      },
+      "lifestyle": {
+        "description": "أسلوب الحياة الشخصية، العادات والأنشطة اليومية",
+        "name": "نمط الحياة"
+      },
+      "media-generate": {
+        "description": "إنشاء، تحرير ومعالجة الوسائط",
+        "name": "إنشاء الوسائط"
+      },
+      "news": {
+        "description": "تجميع الأخبار، التقارير وخدمات المعلومات",
+        "name": "الأخبار والمعلومات"
+      },
+      "productivity": {
+        "description": "إدارة المهام، الملاحظات وأدوات الكفاءة",
+        "name": "أدوات الإنتاجية"
+      },
+      "science-education": {
+        "description": "البحث العلمي، التعلم وأدوات التعليم",
+        "name": "العلوم والتعليم"
+      },
+      "social": {
+        "description": "الشبكات الاجتماعية والتواصل",
+        "name": "وسائل التواصل الاجتماعي"
+      },
+      "stocks-finance": {
+        "description": "أسواق المال، التداول والاستثمار",
+        "name": "الأسهم والمالية"
+      },
+      "tools": {
+        "description": "أدوات وخدمات عامة وعملية",
+        "name": "أدوات عملية"
+      },
+      "travel-transport": {
+        "description": "تخطيط السفر والتنقل",
+        "name": "السفر والنقل"
+      },
+      "weather": {
+        "description": "توقعات الطقس وخدمات الأرصاد الجوية",
+        "name": "الطقس والأرصاد"
+      },
+      "web-search": {
+        "description": "البحث على الويب واسترجاع المعلومات",
+        "name": "استرجاع المعلومات"
+      }
+    },
+    "details": {
+      "connectionType": {
+        "hybrid": {
+          "desc": "هذه الخدمة يمكن تشغيلها محلياً أو على السحابة حسب الإعداد أو سيناريو الاستخدام، وتتمتع بقدرة تشغيل مزدوجة.",
+          "title": "خدمة هجينة"
+        },
+        "local": {
+          "desc": "هذا الخادم يعمل فقط على جهاز العميل المحلي، ويتطلب التثبيت والاعتماد على الموارد المحلية.",
+          "title": "خدمة محلية"
+        },
+        "remote": {
+          "desc": "هذا الخادم مستضاف ويعمل عن بُعد، لأنه يعتمد بشكل رئيسي على خدمات بعيدة ولا يعتمد على البيئة المحلية.",
+          "title": "خدمة سحابية"
+        }
+      },
+      "deployment": {
+        "args": "المعطيات",
+        "checkCommand": "أمر التحقق",
+        "command": "الأمر",
+        "commandLine": "اعتمادات النظام",
+        "connection": "طريقة الاتصال",
+        "connectionType": "نوع الاتصال",
+        "description": "طريقة تثبيت ونشر الإضافة",
+        "descriptionPlaceholder": "وصف اختياري",
+        "empty": "لا توجد خيارات نشر حالياً",
+        "env": "متغيرات البيئة",
+        "guide": "تعليمات التثبيت",
+        "installation": "التثبيت عبر {{method}}",
+        "installationMethod": "طريقة التثبيت",
+        "other": "إعدادات أخرى",
+        "packageName": "اسم الحزمة",
+        "platform": {
+          "steps": {
+            "claude": "- افتح تطبيق **Claude Desktop**\n- اذهب إلى **الإعدادات** ثم اختر **المطور**\n- اضغط على **تحرير الإعدادات**\n- افتح ملف **claude_desktop_config.json**\n- انسخ والصق إعدادات الخادم في الملف الحالي ثم احفظ",
+            "cline": "- افتح VS Code مع إضافة Cline المثبتة\n- اضغط على أيقونة Cline في الشريط الجانبي\n- اختر **MCP Servers** من القائمة المنسدلة\n- في تبويب **الخوادم البعيدة**، أدخل اسم الخادم ورابط MCP الخاص بك\n- اضغط **Add Server** للاتصال",
+            "cursor": "- انتقل إلى **الإعدادات** ثم إعدادات Cursor\n- اختر **MCP** من الجانب الأيسر\n- اضغط على **إضافة خادم MCP عالمي جديد** في الأعلى يمين\n- انسخ والصق إعدادات الخادم في الملف الحالي ثم احفظ",
+            "lobeChat": "- افتح تطبيق **LobeChat لسطح المكتب**\n- اذهب إلى **الإعدادات** - **المساعد الافتراضي**\n- اختر **إعدادات الإضافة** - **إضافة مخصصة**\n- اضغط على **استيراد سريع لإعدادات JSON**\n- انسخ والصق إعدادات الخادم في مربع النص ثم ثبت",
+            "openai": "- افتح تطبيق **OpenAI** أو بيئة التطوير الخاصة بك\n- قم بإعداد أدوات MCP في **Responses API**\n- أضف كتلة MCP إلى مصفوفة **tools** في طلب API\n- عيّن **server_url** إلى نقطة نهاية خادم MCP الخاص بك\n- أدرج رؤوس المصادقة المطلوبة (مفتاح API، رموز، إلخ)\n- استخدم معلمة `allowed_tools` لتقييد الأدوات المكشوفة\n- عيّن `require_approval` للتحكم في موافقة تنفيذ الأدوات",
+            "vscode": "- افتح VS Code\n- افتح لوحة الأوامر (`Ctrl+Shift+P` / `Cmd+Shift+P`)\n- اكتب **MCP: Add Server** واختره\n- اختر الإضافة إلى مساحة العمل أو إعدادات المستخدم\n- انسخ والصق إعدادات الخادم"
+          },
+          "title": "التثبيت على {{platform}}"
+        },
+        "recommended": "موصى به",
+        "systemDependencies": "اعتمادات النظام",
+        "table": {
+          "description": "الوصف",
+          "name": "الاسم",
+          "required": "مطلوب",
+          "type": "النوع"
+        },
+        "title": "طريقة التثبيت"
+      },
+      "githubBadge": {
+        "desc": "يقوم LobeHub بمسح مستودعات الأكواد والوثائق بانتظام من أجل:\n\n- التأكد من أن خوادم MCP تعمل بشكل صحيح.\n- استخراج ميزات الخادم مثل الأدوات، الموارد، التعليمات والمعطيات المطلوبة.\n- تساعد شارة التقييم المستخدمين على تقييم أمان الخادم، ميزاته ودليل التثبيت بسرعة.\n\nيرجى نسخ الكود التالي إلى ملف `README.md` الخاص بك:"
+      },
+      "nav": {
+        "needHelp": "هل تحتاج مساعدة؟",
+        "reportIssue": "الإبلاغ عن مشكلة",
+        "viewSourceCode": "عرض الشيفرة المصدرية"
+      },
+      "overview": {
+        "title": "نظرة عامة"
+      },
+      "related": {
+        "listTitle": "خوادم MCP ذات الصلة",
+        "more": "عرض المزيد",
+        "title": "اقتراحات ذات صلة"
+      },
+      "schema": {
+        "mode": {
+          "docs": "الوثائق"
+        },
+        "prompts": {
+          "arguments": "إعدادات المعطيات",
+          "desc": "قوالب تفاعلية يتم تفعيلها باختيار المستخدم",
+          "empty": "لا توجد تعليمات حالياً",
+          "instructions": "تعليمات",
+          "table": {
+            "description": "الوصف",
+            "name": "الاسم",
+            "required": "مطلوب"
+          },
+          "title": "قائمة التعليمات"
+        },
+        "resources": {
+          "desc": "بيانات سياقية مرفقة ومدارة من قبل العميل",
+          "empty": "لا توجد موارد",
+          "table": {
+            "description": "الوصف",
+            "mineType": "نوع MIME",
+            "name": "الاسم",
+            "uri": "رابط URI"
+          },
+          "title": "قائمة الموارد"
+        },
+        "title": "وظائف الإضافة",
+        "tools": {
+          "desc": "واجهات وظائف مكشوفة لنموذج اللغة الكبير (LLM) لتنفيذ العمليات",
+          "empty": "لا توجد أدوات",
+          "inputSchema": "وصف الإدخال",
+          "instructions": "تعليمات",
+          "table": {
+            "description": "الوصف",
+            "name": "الاسم",
+            "required": "مطلوب",
+            "type": "النوع"
+          },
+          "title": "قائمة الأدوات"
+        }
+      },
+      "score": {
+        "claimed": {
+          "desc": "تمت المطالبة بهذا الخادم من قبل المالك، مما يضمن ملكيته وإدارته.",
+          "title": "مطالب به من قبل المالك"
+        },
+        "deployMoreThanManual": {
+          "desc": "يوفر هذا الخادم طرق تثبيت أكثر سهولة من الطريقة اليدوية، مما يسمح للمستخدمين بالنشر والاستخدام بسهولة.",
+          "title": "يوفر طرق تثبيت سهلة"
+        },
+        "deployment": {
+          "desc": "يوفر هذا الخادم على الأقل طريقة تثبيت واحدة تسمح للمستخدمين بالنشر والاستخدام.",
+          "descWithCount": "يوفر هذا الخادم {{number}} طريقة تثبيت تسمح للمستخدمين بالنشر والاستخدام.",
+          "title": "يوفر طريقة تثبيت واحدة على الأقل"
+        },
+        "license": {
+          "desc": "يحتوي هذا المستودع على ملف LICENSE.",
+          "descWithlicense": "رخصة هذا المستودع هي {{license}}.",
+          "title": "يحتوي على رخصة"
+        },
+        "listTitle": "تفاصيل التقييم",
+        "notClaimed": {
+          "desc": "إذا كنت مالك هذا الخادم، يمكنك المطالبة به بالطرق التالية.",
+          "title": "غير مطالب به من قبل المالك"
+        },
+        "prompts": {
+          "desc": "يوفر هذا الخادم تعليمات تسمح للمستخدمين بالتفاعل مع الخدمة.",
+          "descWithCount": "يوفر هذا الخادم {{number}} تعليمات تسمح للمستخدمين بالتفاعل مع الخدمة.",
+          "title": "يحتوي على تعليمات"
+        },
+        "readme": {
+          "desc": "يحتوي هذا المستودع على ملف README.md.",
+          "title": "يحتوي على README"
+        },
+        "resources": {
+          "desc": "يوفر هذا الخادم موارد تسمح للمستخدمين بإرفاق وإدارة بيانات السياق.",
+          "descWithCount": "يوفر هذا الخادم {{number}} موارد تسمح للمستخدمين بإرفاق وإدارة بيانات السياق.",
+          "title": "يحتوي على موارد"
+        },
+        "title": "التقييم",
+        "tools": {
+          "desc": "يجب أن يوفر الخادم أداة واحدة على الأقل تسمح للمستخدمين بتنفيذ عمليات محددة.",
+          "descWithCount": "يوفر هذا الخادم {{number}} أداة تسمح للمستخدمين بتنفيذ عمليات محددة.",
+          "title": "يحتوي على أداة واحدة على الأقل"
+        },
+        "validated": {
+          "desc": "تم التحقق من هذا الخادم لضمان جودته وموثوقيته.",
+          "title": "تم التحقق منه"
+        }
+      },
+      "scoreLevel": {
+        "a": {
+          "desc": "تم التحقق من هذا الخادم بدقة، ويوفر وظائف شاملة وتجربة مستخدم عالية الجودة.",
+          "fullTitle": "إضافة ممتازة",
+          "title": "ممتاز"
+        },
+        "b": {
+          "desc": "يوفر هذا الخادم وظائف وتجربة مستخدم جيدة، لكنه قد يحتاج إلى تحسين في بعض الجوانب.",
+          "fullTitle": "وظائف جيدة",
+          "title": "جيد"
+        },
+        "f": {
+          "desc": "وظائف هذا الخادم غير مكتملة أو جودته منخفضة، ينصح المستخدمون بالحذر عند الاستخدام.",
+          "fullTitle": "جودة ضعيفة",
+          "title": "ضعيف"
+        }
+      },
+      "settings": {
+        "capabilities": {
+          "prompts": "التلميحات",
+          "resources": "الموارد",
+          "title": "قدرات الإضافة",
+          "tools": "الأدوات"
+        },
+        "configuration": {
+          "title": "تكوين الإضافة"
+        },
+        "connection": {
+          "args": "معاملات التشغيل",
+          "command": "أمر التشغيل",
+          "title": "معلومات الاتصال",
+          "type": "نوع الاتصال",
+          "url": "عنوان الخدمة"
+        },
+        "saveSettings": "حفظ الإعدادات",
+        "title": "إعدادات الإضافة"
+      },
+      "sidebar": {
+        "install": "تثبيت خادم MCP",
+        "meta": {
+          "homepage": "الصفحة الرئيسية",
+          "installCount": "عدد التثبيتات",
+          "language": "لغة المصدر",
+          "license": "الرخصة",
+          "published": "تاريخ النشر",
+          "repo": "مستودع الشيفرة",
+          "stars": "عدد النجوم",
+          "title": "معلومات مفصلة",
+          "updated": "آخر تحديث"
+        },
+        "moreServerConfig": "عرض التفاصيل",
+        "recommendServers": "خوادم MCP ذات صلة",
+        "serverConfig": "إعدادات التثبيت",
+        "toc": "المحتوى"
+      },
+      "summary": {
+        "title": "ما الذي يمكنك فعله باستخدام خادم MCP هذا؟"
+      },
+      "totalScore": {
+        "description": "الدرجة الإجمالية المحسوبة بناءً على مؤشرات متعددة",
+        "legend": {
+          "aGrade": "الدرجة أ ({{minPercent}}-100%)",
+          "bGrade": "الدرجة ب ({{minPercent}}-{{maxPercent}}%)",
+          "fGrade": "الدرجة ف (0-{{maxPercent}}%)"
+        },
+        "pointsFormat": "{{score}}/{{total}} نقاط",
+        "popover": {
+          "completedOptional": "✅ تم إكمال الخيارات الاختيارية ({{count}} عناصر)",
+          "completedRequired": "✅ تم إكمال العناصر المطلوبة ({{count}} عناصر)",
+          "incompleteOptional": "⏸️ لم تكتمل الخيارات الاختيارية ({{count}} عناصر)",
+          "incompleteRequired": "❌ لم تكتمل العناصر المطلوبة ({{count}} عناصر)",
+          "title": "تفاصيل التقييم"
+        },
+        "ratingFormat": "التقييم: {{level}}",
+        "scoreInfo": {
+          "items": "عناصر",
+          "points": "نقاط",
+          "requiredItems": "عناصر مطلوبة"
+        },
+        "title": "الدرجة الإجمالية"
+      },
+      "versions": {
+        "table": {
+          "isLatest": "أحدث إصدار",
+          "isValidated": "تم التحقق",
+          "publishAt": "تاريخ النشر",
+          "version": "الإصدار"
+        },
+        "title": "سجل الإصدارات"
+      }
+    },
+    "hero": {
+      "desc": "منصة MCP Servers مفتوحة المصدر وقابلة للنشر، تساعد أنظمة الذكاء الاصطناعي على الوصول بسهولة إلى أنظمة الملفات، قواعد البيانات، واجهات برمجة التطبيقات وغيرها من الموارد الحيوية، لتوسيع قدرات الذكاء الاصطناعي الخاصة بك بشكل شامل.",
+      "subTitle": "مفتوح المصدر وجاهز للاستخدام",
+      "title": "سوق MCP مفتوح المصدر للذكاء الاصطناعي"
+    },
+    "sorts": {
+      "createdAt": "أضيف مؤخراً",
+      "installCount": "عدد التثبيتات",
+      "isFeatured": "الإضافات المميزة",
+      "isValidated": "الإضافات التي تم التحقق منها",
+      "promptsCount": "عدد التعليمات",
+      "ratingCount": "عدد التقييمات",
+      "resourcesCount": "عدد الموارد",
+      "toolsCount": "عدد الأدوات",
+      "updatedAt": "تم التحديث مؤخراً"
+    },
+    "title": "سوق MCP",
+    "unvalidated": {
+      "desc": "هذا الخادم MCP لم يتم التحقق منه بعد",
+      "title": "غير مُحقق"
+    },
+    "validated": {
+      "desc": "تم التحقق من هذا الخادم MCP لضمان جودته وموثوقيته.",
+      "descWithDate": "تم التحقق من هذا الخادم MCP بتاريخ {{date}} لضمان جودته وموثوقيته.",
+      "title": "تم التحقق"
+    }
+  },
   "models": {
+    "abilities": "قدرات النموذج",
     "chat": "بدء المحادثة",
     "contentLength": "أقصى طول للسياق",
+    "details": {
+      "overview": {
+        "title": "نظرة عامة"
+      },
+      "related": {
+        "listTitle": "النماذج ذات الصلة",
+        "more": "عرض المزيد",
+        "title": "اقتراحات ذات صلة"
+      }
+    },
     "free": "مجاني",
     "guide": "دليل الإعداد",
     "list": "قائمة النماذج",
@@ -156,11 +559,30 @@
       "throughput": "معدل النقل",
       "throughputTooltip": "متوسط عدد Tokens المنقولة في الطلبات المتدفقة في الثانية"
     },
+    "sorts": {
+      "contextWindowTokens": "طول السياق",
+      "identifier": "معرف النموذج",
+      "inputPrice": "سعر الإدخال",
+      "outputPrice": "سعر الإخراج",
+      "providerCount": "عدد المزودين",
+      "releasedAt": "تم النشر مؤخراً"
+    },
     "suggestions": "نماذج ذات صلة",
     "supportedProviders": "مزودو الخدمة المدعومون لهذا النموذج"
   },
   "plugins": {
     "community": "إضافات المجتمع",
+    "details": {
+      "settings": {
+        "title": "إعدادات الإضافة"
+      },
+      "summary": {
+        "title": "ما الذي يمكنك فعله باستخدام هذه الإضافة؟"
+      },
+      "tools": {
+        "title": "أدوات الإضافة"
+      }
+    },
     "install": "تثبيت الإضافة",
     "installed": "تم التثبيت",
     "list": "قائمة الإضافات",
@@ -173,36 +595,54 @@
     "more": "المزيد",
     "official": "إضافات رسمية",
     "recentSubmits": "آخر التحديثات",
+    "sorts": {
+      "createdAt": "تم النشر مؤخراً",
+      "identifier": "معرف الإضافة",
+      "title": "اسم الإضافة"
+    },
     "suggestions": "اقتراحات ذات صلة"
   },
   "providers": {
     "config": "تكوين مزود الخدمة",
+    "details": {
+      "guide": {
+        "title": "دليل الاندماج"
+      },
+      "overview": {
+        "title": "نظرة عامة"
+      },
+      "related": {
+        "listTitle": "مزودو الخدمة ذات الصلة",
+        "more": "عرض المزيد",
+        "title": "اقتراحات ذات صلة"
+      }
+    },
     "list": "قائمة مزودي النماذج",
     "modelCount": "{{count}} نموذج",
+    "modelName": "اسم النموذج",
     "modelSite": "وثائق النموذج",
     "more": "المزيد",
     "officialSite": "الموقع الرسمي",
     "showAllModels": "عرض جميع النماذج",
+    "sorts": {
+      "default": "الترتيب الافتراضي",
+      "identifier": "معرف المزود",
+      "modelCount": "عدد النماذج"
+    },
     "suggestions": "مزودو الخدمة ذوو الصلة",
     "supportedModels": "النماذج المدعومة"
   },
+  "publishedTime": "نشر في",
   "search": {
     "placeholder": "ابحث عن اسم أو كلمة مفتاحية...",
     "result": "{{count}} نتيجة بحث حول <highlight>{{keyword}}</highlight>",
     "searching": "جارٍ البحث..."
   },
-  "sort": {
-    "mostLiked": "الأكثر إعجابًا",
-    "mostUsed": "الأكثر استخدامًا",
-    "newest": "الأحدث",
-    "oldest": "الأقدم",
-    "recommended": "موصى به"
-  },
   "tab": {
-    "assistants": "المساعدون",
+    "assistant": "المساعد",
     "home": "الصفحة الرئيسية",
-    "models": "النماذج",
-    "plugins": "الإضافات",
-    "providers": "مزودو النماذج"
+    "model": "النموذج",
+    "plugin": "الإضافة",
+    "provider": "مزود النموذج"
   }
 }

locales/ar/metadata.json

@@ -13,6 +13,10 @@
       "title": "مساعدات الذكاء الاصطناعي"
     },
     "description": "إنشاء المحتوى، الكتابة، الأسئلة والأجوبة، توليد الصور، توليد الفيديو، توليد الصوت، الوكلاء الذكيون، سير العمل الآلي، تطبيقات الذكاء الاصطناعي المخصصة، تخصيص منصة تطبيقات الذكاء الاصطناعي الخاصة بك",
+    "mcp": {
+      "description": "ابحث وقارن واتصل بآلاف خوادم MCP، مما يساعد أنظمة الذكاء الاصطناعي على الوصول بسهولة إلى أنظمة الملفات وقواعد البيانات وواجهات برمجة التطبيقات وغيرها من الموارد الحيوية، لتوسيع قدرات الذكاء الاصطناعي الخاصة بك بشكل شامل",
+      "title": "سوق خوادم MCP"
+    },
     "models": {
       "description": "استكشاف نماذج الذكاء الاصطناعي الرائجة OpenAI / GPT / Claude 3 / Gemini / Ollama / Azure / DeepSeek",
       "title": "نماذج الذكاء الاصطناعي"

locales/ar/modelProvider.json

@@ -208,6 +208,10 @@
         "title": "استخدام وضع الطلب من العميل"
       },
       "helpDoc": "دليل التكوين",
+      "responsesApi": {
+        "desc": "استخدام معيار طلبات الجيل الجديد من OpenAI، لفتح ميزات متقدمة مثل سلسلة التفكير",
+        "title": "استخدام معيار Responses API"
+      },
       "waitingForMore": "المزيد من النماذج قيد <1>التخطيط للإدماج</1>، يرجى الانتظار"
     },
     "createNew": {

locales/ar/models.json

@@ -176,9 +176,15 @@
   "Meta-Llama-3.3-70B-Instruct": {
     "description": "Llama 3.3 هو النموذج اللغوي مفتوح المصدر متعدد اللغات الأكثر تقدمًا في سلسلة Llama، حيث يقدم تجربة تنافس أداء نموذج 405B بتكلفة منخفضة للغاية. يعتمد على هيكل Transformer، وتم تحسين فائدته وأمانه من خلال التعديل الدقيق تحت الإشراف (SFT) والتعلم المعزز من خلال ردود الفعل البشرية (RLHF). تم تحسين إصدار التعديل الخاص به ليكون مثاليًا للحوار متعدد اللغات، حيث يتفوق في العديد من المعايير الصناعية على العديد من نماذج الدردشة مفتوحة ومغلقة المصدر. تاريخ انتهاء المعرفة هو ديسمبر 2023."
   },
+  "MiniMax-M1": {
+    "description": "نموذج استدلال جديد مطور ذاتيًا. رائد عالميًا: 80 ألف سلسلة تفكير × 1 مليون إدخال، أداء يضاهي أفضل النماذج العالمية."
+  },
   "MiniMax-Text-01": {
     "description": "في سلسلة نماذج MiniMax-01، قمنا بإجراء ابتكارات جريئة: تم تنفيذ آلية الانتباه الخطي على نطاق واسع لأول مرة، لم يعد هيكل Transformer التقليدي هو الخيار الوحيد. يصل عدد معلمات هذا النموذج إلى 456 مليار، مع تنشيط واحد يصل إلى 45.9 مليار. الأداء الشامل للنموذج يتساوى مع النماذج الرائدة في الخارج، بينما يمكنه معالجة سياقات تصل إلى 4 ملايين توكن، وهو 32 مرة من GPT-4o و20 مرة من Claude-3.5-Sonnet."
   },
+  "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."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) هو نموذج تعليمات عالي الدقة، مناسب للحسابات المعقدة."
   },
@@ -206,15 +212,9 @@
   "Phi-3.5-vision-instrust": {
     "description": "النسخة المحدثة من نموذج Phi-3-vision."
   },
-  "Pro/Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct هو نموذج لغوي كبير تم تعديله وفقًا للتعليمات في سلسلة Qwen2، بحجم 1.5B. يعتمد هذا النموذج على بنية Transformer، ويستخدم تقنيات مثل دالة تنشيط SwiGLU، وتحويل QKV، والانتباه الجماعي. أظهر أداءً ممتازًا في فهم اللغة، والتوليد، والقدرات متعددة اللغات، والترميز، والرياضيات، والاستدلال في العديد من اختبارات المعايير، متجاوزًا معظم النماذج مفتوحة المصدر."
-  },
   "Pro/Qwen/Qwen2-7B-Instruct": {
     "description": "Qwen2-7B-Instruct هو نموذج لغوي كبير تم تعديله وفقًا للتعليمات في سلسلة Qwen2، بحجم 7B. يعتمد هذا النموذج على بنية Transformer، ويستخدم تقنيات مثل دالة تنشيط SwiGLU، وتحويل QKV، والانتباه الجماعي. يمكنه معالجة المدخلات الكبيرة. أظهر النموذج أداءً ممتازًا في فهم اللغة، والتوليد، والقدرات متعددة اللغات، والترميز، والرياضيات، والاستدلال في العديد من اختبارات المعايير، متجاوزًا معظم النماذج مفتوحة المصدر."
   },
-  "Pro/Qwen/Qwen2-VL-7B-Instruct": {
-    "description": "Qwen2-VL هو النسخة الأحدث من نموذج Qwen-VL، وقد حقق أداءً متقدمًا في اختبارات الفهم البصري."
-  },
   "Pro/Qwen/Qwen2.5-7B-Instruct": {
     "description": "Qwen2.5-7B-Instruct هو أحد أحدث نماذج اللغة الكبيرة التي أصدرتها Alibaba Cloud. يتمتع هذا النموذج بقدرات محسنة بشكل ملحوظ في مجالات الترميز والرياضيات. كما يوفر دعمًا للغات متعددة، تغطي أكثر من 29 لغة، بما في ذلك الصينية والإنجليزية. أظهر النموذج تحسينات ملحوظة في اتباع التعليمات، وفهم البيانات الهيكلية، وتوليد المخرجات الهيكلية (خاصة JSON)."
   },
@@ -230,8 +230,8 @@
   "Pro/deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 هو نموذج استدلال مدفوع بالتعلم المعزز (RL)، يعالج مشكلات التكرار وقابلية القراءة في النموذج. قبل التعلم المعزز، أدخل DeepSeek-R1 بيانات بدء التشغيل الباردة، مما أدى إلى تحسين أداء الاستدلال. إنه يتفوق في المهام الرياضية، والبرمجة، والاستدلال مقارنةً بـ OpenAI-o1، وقد حسّن الأداء العام من خلال طرق تدريب مصممة بعناية."
   },
-  "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B": {
-    "description": "DeepSeek-R1-Distill-Qwen-1.5B هو نموذج تم الحصول عليه من خلال تقطير المعرفة بناءً على Qwen2.5-Math-1.5B. تم ضبط هذا النموذج باستخدام 800 ألف عينة مختارة تم إنشاؤها بواسطة DeepSeek-R1، حيث أظهر أداءً جيدًا في معايير متعددة. كنموذج خفيف الوزن، حقق دقة 83.9٪ في MATH-500، ومعدل نجاح 28.9٪ في AIME 2024، وحصل على تقييم 954 في CodeForces، مما يظهر قدرة استدلالية تتجاوز حجم معلماته."
+  "Pro/deepseek-ai/DeepSeek-R1-0120": {
+    "description": "DeepSeek-R1 هو نموذج استدلال مدفوع بالتعلم المعزز (RL)، يعالج مشاكل التكرار وقابلية القراءة في النماذج. قبل التعلم المعزز، أدخل DeepSeek-R1 بيانات بدء باردة لتحسين أداء الاستدلال. يظهر أداءً مماثلًا لـ OpenAI-o1 في مهام الرياضيات، البرمجة، والاستدلال، مع تحسينات شاملة بفضل طرق التدريب المصممة بعناية."
   },
   "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B": {
     "description": "DeepSeek-R1-Distill-Qwen-7B هو نموذج تم الحصول عليه من خلال تقطير المعرفة بناءً على Qwen2.5-Math-7B. تم ضبط هذا النموذج باستخدام 800 ألف عينة مختارة تم إنشاؤها بواسطة DeepSeek-R1، مما يظهر قدرات استدلالية ممتازة. أظهر أداءً متميزًا في العديد من الاختبارات المعيارية، حيث حقق دقة 92.8٪ في MATH-500، ومعدل نجاح 55.5٪ في AIME 2024، ودرجة 1189 في CodeForces، مما يظهر قدرات قوية في الرياضيات والبرمجة كنموذج بحجم 7B."
@@ -254,9 +254,6 @@
   "Qwen/QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview هو أحدث نموذج بحث تجريبي من Qwen، يركز على تعزيز قدرات الاستدلال للذكاء الاصطناعي. من خلال استكشاف آليات معقدة مثل خلط اللغة والاستدلال التكراري، تشمل المزايا الرئيسية القدرة القوية على التحليل الاستدلالي، والقدرات الرياضية والبرمجية. في الوقت نفسه، هناك أيضًا مشكلات في تبديل اللغة، ودورات الاستدلال، واعتبارات الأمان، واختلافات في القدرات الأخرى."
   },
-  "Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct هو نموذج لغوي كبير تم تعديله وفقًا للتعليمات في سلسلة Qwen2، بحجم 1.5B. يعتمد هذا النموذج على بنية Transformer، ويستخدم تقنيات مثل دالة تنشيط SwiGLU، وتحويل QKV، والانتباه الجماعي. أظهر أداءً ممتازًا في فهم اللغة، والتوليد، والقدرات متعددة اللغات، والترميز، والرياضيات، والاستدلال في العديد من اختبارات المعايير، متجاوزًا معظم النماذج مفتوحة المصدر."
-  },
   "Qwen/Qwen2-72B-Instruct": {
     "description": "Qwen2 هو نموذج لغوي عام متقدم، يدعم أنواع متعددة من التعليمات."
   },
@@ -416,14 +413,11 @@
   "THUDM/GLM-Z1-Rumination-32B-0414": {
     "description": "GLM-Z1-Rumination-32B-0414 هو نموذج استدلال عميق يتمتع بقدرة على التفكير العميق (مقابل Deep Research من OpenAI). على عكس نماذج التفكير العميق التقليدية، يستخدم نموذج التفكير العميق وقتًا أطول لحل المشكلات الأكثر انفتاحًا وتعقيدًا."
   },
-  "THUDM/chatglm3-6b": {
-    "description": "ChatGLM3-6B هو نموذج مفتوح المصدر من سلسلة ChatGLM، تم تطويره بواسطة Zhizhu AI. يحتفظ هذا النموذج بخصائص الجيل السابق الممتازة، مثل سلاسة المحادثة وانخفاض عتبة النشر، بينما يقدم ميزات جديدة. تم تدريبه على بيانات تدريب أكثر تنوعًا، وعدد أكبر من خطوات التدريب، واستراتيجيات تدريب أكثر منطقية، مما يجعله نموذجًا ممتازًا بين النماذج المدربة مسبقًا التي تقل عن 10B. يدعم ChatGLM3-6B المحادثات متعددة الجولات، واستدعاء الأدوات، وتنفيذ الشيفرة، ومهام الوكلاء في سيناريوهات معقدة. بالإضافة إلى نموذج المحادثة، تم إصدار النموذج الأساسي ChatGLM-6B-Base ونموذج المحادثة الطويلة ChatGLM3-6B-32K. النموذج مفتوح بالكامل للأبحاث الأكاديمية، ويسمح بالاستخدام التجاري المجاني بعد التسجيل."
-  },
   "THUDM/glm-4-9b-chat": {
     "description": "GLM-4 9B هو إصدار مفتوح المصدر، يوفر تجربة حوار محسنة لتطبيقات الحوار."
   },
-  "Vendor-A/Qwen/Qwen2.5-72B-Instruct": {
-    "description": "Qwen2.5-72B-Instruct هو أحد أحدث نماذج اللغة الكبيرة التي أصدرتها Alibaba Cloud. يتمتع هذا النموذج بقدرات محسنة بشكل ملحوظ في مجالات الترميز والرياضيات. كما يوفر دعمًا للغات متعددة، تغطي أكثر من 29 لغة، بما في ذلك الصينية والإنجليزية. أظهر النموذج تحسينات ملحوظة في اتباع التعليمات، وفهم البيانات الهيكلية، وتوليد المخرجات الهيكلية (خاصة JSON)."
+  "Tongyi-Zhiwen/QwenLong-L1-32B": {
+    "description": "QwenLong-L1-32B هو أول نموذج استدلال كبير السياق طويل مدرب بالتعلم المعزز (LRM)، مخصص لتحسين مهام الاستدلال على النصوص الطويلة. يستخدم إطار تعلم معزز لتوسيع السياق تدريجيًا، محققًا انتقالًا مستقرًا من السياق القصير إلى الطويل. في سبعة اختبارات معيارية للأسئلة على مستندات طويلة، تفوق QwenLong-L1-32B على نماذج رائدة مثل OpenAI-o3-mini و Qwen3-235B-A22B، وأداءه قابل للمقارنة مع Claude-3.7-Sonnet-Thinking. يتميز النموذج بمهارات عالية في الاستدلال الرياضي، المنطقي، والاستدلال متعدد القفزات."
   },
   "Yi-34B-Chat": {
     "description": "Yi-1.5-34B، مع الحفاظ على القدرات اللغوية العامة الممتازة للنموذج الأصلي، تم تدريبه بشكل إضافي على 500 مليار توكن عالي الجودة، مما أدى إلى تحسين كبير في المنطق الرياضي وقدرات الترميز."
@@ -560,6 +554,12 @@
   "anthropic/claude-3.7-sonnet": {
     "description": "Claude 3.7 Sonnet هو أكثر النماذج ذكاءً من Anthropic حتى الآن، وهو أيضًا أول نموذج مختلط للتفكير في السوق. يمكن لـ Claude 3.7 Sonnet إنتاج استجابات شبه فورية أو تفكير تدريجي ممتد، حيث يمكن للمستخدمين رؤية هذه العمليات بوضوح. يتميز Sonnet بشكل خاص في البرمجة، وعلوم البيانات، ومعالجة الصور، والمهام الوكيلة."
   },
+  "anthropic/claude-opus-4": {
+    "description": "كلود أوبوس 4 هو أقوى نموذج من أنثروبيك لمعالجة المهام المعقدة للغاية. يتميز بأداء ممتاز وذكاء وسلاسة وفهم عميق."
+  },
+  "anthropic/claude-sonnet-4": {
+    "description": "كلود سونيت 4 يمكنه إنتاج استجابات شبه فورية أو تفكير تدريجي مطول، حيث يمكن للمستخدمين رؤية هذه العمليات بوضوح. كما يمكن لمستخدمي API التحكم بدقة في مدة تفكير النموذج."
+  },
   "aya": {
     "description": "Aya 23 هو نموذج متعدد اللغات أطلقته Cohere، يدعم 23 لغة، مما يسهل التطبيقات اللغوية المتنوعة."
   },
@@ -665,6 +665,9 @@
   "codestral-latest": {
     "description": "Codestral هو نموذج توليد متقدم يركز على توليد الشيفرة، تم تحسينه لمهام الملء الوسيط وإكمال الشيفرة."
   },
+  "codex-mini-latest": {
+    "description": "codex-mini-latest هو نسخة محسنة من o4-mini، مخصصة لـ Codex CLI. بالنسبة للاستخدام المباشر عبر API، نوصي بالبدء من gpt-4.1."
+  },
   "cognitivecomputations/dolphin-mixtral-8x22b": {
     "description": "Dolphin Mixtral 8x22B هو نموذج مصمم للامتثال للتعليمات، والحوار، والبرمجة."
   },
@@ -722,6 +725,9 @@
   "compound-beta-mini": {
     "description": "Compound-beta-mini هو نظام ذكاء اصطناعي مركب، مدعوم بنماذج مفتوحة متاحة في GroqCloud، يمكنه استخدام الأدوات بشكل ذكي وانتقائي للإجابة على استفسارات المستخدمين."
   },
+  "computer-use-preview": {
+    "description": "نموذج computer-use-preview هو نموذج مخصص مصمم خصيصًا لـ \"أدوات استخدام الكمبيوتر\"، تم تدريبه لفهم وتنفيذ المهام المتعلقة بالكمبيوتر."
+  },
   "dall-e-2": {
     "description": "النموذج الثاني من DALL·E، يدعم توليد صور أكثر واقعية ودقة، بدقة تعادل أربعة أضعاف الجيل الأول."
   },
@@ -734,6 +740,12 @@
   "deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 هو نموذج استدلال مدفوع بالتعلم المعزز (RL) يعالج مشكلات التكرار وقابلية القراءة في النموذج. قبل استخدام RL، قدم DeepSeek-R1 بيانات بدء باردة، مما أدى إلى تحسين أداء الاستدلال. إنه يقدم أداءً مماثلاً لـ OpenAI-o1 في المهام الرياضية والبرمجية والاستدلال، وقد حسّن النتائج العامة من خلال طرق تدريب مصممة بعناية."
   },
+  "deepseek-ai/DeepSeek-R1-0528": {
+    "description": "DeepSeek R1 يعزز بشكل كبير عمق قدرات الاستدلال والاستنتاج من خلال زيادة الموارد الحاسوبية وإدخال آليات تحسين الخوارزميات في مرحلة ما بعد التدريب. يظهر النموذج أداءً ممتازًا في تقييمات معيارية متنوعة، بما في ذلك الرياضيات، البرمجة، والمنطق العام. أداؤه العام يقترب الآن من النماذج الرائدة مثل O3 و Gemini 2.5 Pro."
+  },
+  "deepseek-ai/DeepSeek-R1-0528-Qwen3-8B": {
+    "description": "DeepSeek-R1-0528-Qwen3-8B هو نموذج تم الحصول عليه من تقطير سلسلة التفكير من DeepSeek-R1-0528 إلى Qwen3 8B Base. حقق هذا النموذج أداءً متقدمًا (SOTA) بين النماذج المفتوحة المصدر، متفوقًا على Qwen3 8B بنسبة 10% في اختبار AIME 2024، ووصل إلى مستوى أداء Qwen3-235B-thinking. أظهر أداءً ممتازًا في الاستدلال الرياضي، البرمجة، والمنطق العام عبر عدة اختبارات معيارية، ويشارك نفس بنية Qwen3-8B لكنه يستخدم تكوين محلل الرموز الخاص بـ DeepSeek-R1-0528."
+  },
   "deepseek-ai/DeepSeek-R1-Distill-Llama-70B": {
     "description": "نموذج التقطير DeepSeek-R1، تم تحسين أداء الاستدلال من خلال التعلم المعزز وبيانات البداية الباردة، ويعيد نموذج المصدر فتح معايير المهام المتعددة."
   },
@@ -779,6 +791,9 @@
   "deepseek-r1": {
     "description": "DeepSeek-R1 هو نموذج استدلال مدفوع بالتعلم المعزز (RL) يعالج مشكلات التكرار وقابلية القراءة في النموذج. قبل استخدام RL، قدم DeepSeek-R1 بيانات بدء باردة، مما أدى إلى تحسين أداء الاستدلال. إنه يقدم أداءً مماثلاً لـ OpenAI-o1 في المهام الرياضية والبرمجية والاستدلال، وقد حسّن النتائج العامة من خلال طرق تدريب مصممة بعناية."
   },
+  "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-r1-70b-fast-online": {
     "description": "DeepSeek R1 70B النسخة السريعة، تدعم البحث المتصل في الوقت الحقيقي، وتوفر سرعة استجابة أسرع مع الحفاظ على أداء النموذج."
   },
@@ -836,9 +851,6 @@
   "deepseek-v3-0324": {
     "description": "DeepSeek-V3-0324 هو نموذج MoE يحتوي على 671 مليار معلمة، ويتميز بقدرات بارزة في البرمجة والتقنية، وفهم السياق ومعالجة النصوص الطويلة."
   },
-  "deepseek/deepseek-chat": {
-    "description": "نموذج مفتوح المصدر جديد يجمع بين القدرات العامة وقدرات البرمجة، لا يحتفظ فقط بقدرات الحوار العامة لنموذج الدردشة الأصلي وقدرات معالجة الأكواد القوية لنموذج Coder، بل يتماشى أيضًا بشكل أفضل مع تفضيلات البشر. بالإضافة إلى ذلك، حقق DeepSeek-V2.5 تحسينات كبيرة في مهام الكتابة، واتباع التعليمات، وغيرها من المجالات."
-  },
   "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."
   },
@@ -848,6 +860,12 @@
   "deepseek/deepseek-r1": {
     "description": "DeepSeek-R1 يعزز بشكل كبير من قدرة النموذج على الاستدلال في ظل وجود بيانات محدودة جدًا. قبل تقديم الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من التفكير لتحسين دقة الإجابة النهائية."
   },
+  "deepseek/deepseek-r1-0528": {
+    "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-r1-0528:free": {
+    "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 نموذج لغوي كبير يعتمد على Llama3.3 70B، حيث يحقق أداءً تنافسيًا مماثلاً للنماذج الرائدة الكبيرة من خلال استخدام التعديلات المستندة إلى مخرجات DeepSeek R1."
   },
@@ -899,6 +917,15 @@
   "doubao-1.5-vision-lite": {
     "description": "Doubao-1.5-vision-lite هو نموذج كبير متعدد الوسائط تم ترقيته حديثًا، يدعم التعرف على الصور بدقة غير محدودة ونسب عرض إلى ارتفاع متطرفة، ويعزز قدرات الاستدلال البصري، التعرف على الوثائق، فهم المعلومات التفصيلية، واتباع التعليمات. يدعم نافذة سياق 128k، وطول الإخراج يدعم حتى 16k توكن."
   },
+  "doubao-seed-1.6": {
+    "description": "نموذج Doubao-Seed-1.6 متعدد الوسائط للتفكير العميق، يدعم ثلاثة أوضاع تفكير: تلقائي/تفكير/عدم تفكير. في وضع عدم التفكير، يتحسن أداء النموذج بشكل كبير مقارنة بـ Doubao-1.5-pro/250115. يدعم نافذة سياق تصل إلى 256k وطول إخراج يصل إلى 16k رمز."
+  },
+  "doubao-seed-1.6-flash": {
+    "description": "نموذج Doubao-Seed-1.6-flash هو نموذج متعدد الوسائط للتفكير العميق بسرعات استدلال فائقة، حيث يحتاج TPOT فقط إلى 10 مللي ثانية؛ يدعم فهم النصوص والرؤية، وتفوق قدرات فهم النصوص على الجيل السابق lite، وفهم الرؤية يضاهي نماذج pro المنافسة. يدعم نافذة سياق تصل إلى 256k وطول إخراج يصل إلى 16k رمز."
+  },
+  "doubao-seed-1.6-thinking": {
+    "description": "نموذج Doubao-Seed-1.6-thinking يعزز قدرات التفكير بشكل كبير، مقارنة بـ Doubao-1.5-thinking-pro، مع تحسينات إضافية في القدرات الأساسية مثل البرمجة والرياضيات والاستدلال المنطقي، ويدعم الفهم البصري. يدعم نافذة سياق تصل إلى 256k وطول إخراج يصل إلى 16k رمز."
+  },
   "emohaa": {
     "description": "Emohaa هو نموذج نفسي، يتمتع بقدرات استشارية متخصصة، يساعد المستخدمين في فهم القضايا العاطفية."
   },
@@ -1037,6 +1064,12 @@
   "gemini-2.0-flash-preview-image-generation": {
     "description": "نموذج معاينة Gemini 2.0 Flash، يدعم توليد الصور"
   },
+  "gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash هو نموذج Google الأكثر فعالية من حيث التكلفة، ويوفر وظائف شاملة."
+  },
+  "gemini-2.5-flash-lite-preview-06-17": {
+    "description": "Gemini 2.5 Flash-Lite Preview هو أصغر وأكفأ نموذج من Google، مصمم للاستخدام واسع النطاق."
+  },
   "gemini-2.5-flash-preview-04-17": {
     "description": "معاينة فلاش جمنّي 2.5 هي النموذج الأكثر كفاءة من جوجل، حيث تقدم مجموعة شاملة من الميزات."
   },
@@ -1046,6 +1079,9 @@
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview هو نموذج Google الأكثر فعالية من حيث التكلفة، يقدم وظائف شاملة."
   },
+  "gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro هو نموذج التفكير الأكثر تقدمًا من Google، قادر على استدلال المشكلات المعقدة في البرمجة والرياضيات ومجالات STEM، بالإضافة إلى تحليل مجموعات البيانات الكبيرة ومستودعات الأكواد والوثائق باستخدام سياق طويل."
+  },
   "gemini-2.5-pro-exp-03-25": {
     "description": "نموذج Gemini 2.5 Pro التجريبي هو الأكثر تقدمًا من Google، قادر على استنتاج المشكلات المعقدة في البرمجة والرياضيات وعلوم STEM، بالإضافة إلى تحليل مجموعات البيانات الكبيرة ومكتبات الشيفرات والمستندات باستخدام سياقات طويلة."
   },
@@ -1055,6 +1091,9 @@
   "gemini-2.5-pro-preview-05-06": {
     "description": "Gemini 2.5 Pro Preview هو نموذج التفكير الأكثر تقدمًا من Google، قادر على الاستدلال حول الشيفرات، الرياضيات، والمشكلات المعقدة في مجالات STEM، بالإضافة إلى تحليل مجموعات البيانات الكبيرة، ومكتبات الشيفرات، والمستندات باستخدام سياقات طويلة."
   },
+  "gemini-2.5-pro-preview-06-05": {
+    "description": "جيميني 2.5 برو بريڤيو هو أحدث نموذج تفكيري من جوجل، قادر على استنتاج حلول للمشكلات المعقدة في مجالات البرمجة، الرياضيات، والعلوم والتكنولوجيا والهندسة والرياضيات (STEM)، بالإضافة إلى تحليل مجموعات بيانات كبيرة، قواعد بيانات البرمجة، والوثائق باستخدام سياق طويل."
+  },
   "gemma-7b-it": {
     "description": "Gemma 7B مناسب لمعالجة المهام المتوسطة والصغيرة، ويجمع بين الكفاءة من حيث التكلفة."
   },
@@ -1142,14 +1181,20 @@
   "google/gemini-2.0-flash-exp:free": {
     "description": "Gemini 2.0 Flash Experimental هو أحدث نموذج ذكاء اصطناعي متعدد الوسائط من Google، مع تحسينات ملحوظة في الجودة مقارنة بالإصدارات السابقة، خاصة في المعرفة العالمية، الشيفرات، والسياقات الطويلة."
   },
+  "google/gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash هو النموذج الرئيسي الأكثر تقدمًا من Google، مصمم خصيصًا للمهام المتقدمة في الاستدلال، الترميز، الرياضيات والعلوم. يحتوي على قدرة مدمجة على \"التفكير\"، مما يمكنه من تقديم استجابات بدقة أعلى ومعالجة سياقية أكثر تفصيلاً.\n\nملاحظة: يحتوي هذا النموذج على نسختين: نسخة التفكير ونسخة غير التفكير. تختلف تكلفة الإخراج بشكل ملحوظ بناءً على تفعيل قدرة التفكير. إذا اخترت النسخة القياسية (بدون لاحقة \":thinking\"), سيتجنب النموذج بوضوح توليد رموز التفكير.\n\nلاستغلال قدرة التفكير واستلام رموز التفكير، يجب عليك اختيار النسخة \":thinking\"، والتي ستؤدي إلى تكلفة إخراج أعلى للتفكير.\n\nبالإضافة إلى ذلك، يمكن تكوين Gemini 2.5 Flash من خلال معلمة \"الحد الأقصى لعدد رموز الاستدلال\" كما هو موضح في الوثائق (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
+  },
   "google/gemini-2.5-flash-preview": {
     "description": "Gemini 2.5 Flash هو النموذج الرائد الأكثر تقدمًا من Google، مصمم للاستدلال المتقدم، الترميز، المهام الرياضية والعلمية. يحتوي على قدرة \"التفكير\" المدمجة، مما يمكّنه من تقديم استجابات بدقة أعلى ومعالجة سياقات أكثر تفصيلاً.\n\nملاحظة: يحتوي هذا النموذج على نوعين: التفكير وغير التفكير. تختلف تسعير الإخراج بشكل ملحوظ بناءً على ما إذا كانت قدرة التفكير مفعلة. إذا اخترت النوع القياسي (بدون لاحقة \" :thinking \")، سيتجنب النموذج بشكل صريح توليد رموز التفكير.\n\nلاستغلال قدرة التفكير واستقبال رموز التفكير، يجب عليك اختيار النوع \" :thinking \"، مما سيؤدي إلى تسعير إخراج تفكير أعلى.\n\nبالإضافة إلى ذلك، يمكن تكوين Gemini 2.5 Flash من خلال معلمة \"الحد الأقصى لعدد رموز الاستدلال\"، كما هو موضح في الوثائق (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
   "google/gemini-2.5-flash-preview:thinking": {
     "description": "Gemini 2.5 Flash هو النموذج الرائد الأكثر تقدمًا من Google، مصمم للاستدلال المتقدم، الترميز، المهام الرياضية والعلمية. يحتوي على قدرة \"التفكير\" المدمجة، مما يمكّنه من تقديم استجابات بدقة أعلى ومعالجة سياقات أكثر تفصيلاً.\n\nملاحظة: يحتوي هذا النموذج على نوعين: التفكير وغير التفكير. تختلف تسعير الإخراج بشكل ملحوظ بناءً على ما إذا كانت قدرة التفكير مفعلة. إذا اخترت النوع القياسي (بدون لاحقة \" :thinking \")، سيتجنب النموذج بشكل صريح توليد رموز التفكير.\n\nلاستغلال قدرة التفكير واستقبال رموز التفكير، يجب عليك اختيار النوع \" :thinking \"، مما سيؤدي إلى تسعير إخراج تفكير أعلى.\n\nبالإضافة إلى ذلك، يمكن تكوين Gemini 2.5 Flash من خلال معلمة \"الحد الأقصى لعدد رموز الاستدلال\"، كما هو موضح في الوثائق (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
-  "google/gemini-2.5-pro-preview-03-25": {
-    "description": "Gemini 2.5 Pro هو نموذج الذكاء الاصطناعي الأكثر تقدمًا من Google، مصمم للاستدلال المتقدم، الترميز، المهام الرياضية والعلمية. يتميز بقدرة \"التفكير\"، مما يمكّنه من الاستدلال بدقة أعلى ومعالجة سياقات أكثر تفصيلاً. حقق Gemini 2.5 Pro أداءً رائدًا في عدة اختبارات معيارية، بما في ذلك تصدره في تصنيف LMArena، مما يعكس تميز توافق تفضيلات البشر وقدرته على حل المشكلات المعقدة."
+  "google/gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro هو نموذج التفكير الأكثر تقدمًا من Google، قادر على الاستدلال في مسائل معقدة في البرمجة، الرياضيات ومجالات العلوم والتكنولوجيا والهندسة والرياضيات (STEM)، بالإضافة إلى استخدام السياق الطويل لتحليل مجموعات بيانات كبيرة، قواعد الشيفرة والمستندات."
+  },
+  "google/gemini-2.5-pro-preview": {
+    "description": "معاينة Gemini 2.5 Pro هي أحدث نموذج تفكيري من Google، قادر على استنتاج المشكلات المعقدة في مجالات البرمجة والرياضيات والعلوم والتكنولوجيا والهندسة والرياضيات (STEM)، بالإضافة إلى استخدام سياق طويل لتحليل مجموعات البيانات الكبيرة، وقواعد الشيفرة، والوثائق."
   },
   "google/gemini-flash-1.5": {
     "description": "يقدم Gemini 1.5 Flash قدرات معالجة متعددة الوسائط محسّنة، مناسبة لمجموعة متنوعة من سيناريوهات المهام المعقدة."
@@ -1259,9 +1304,15 @@
   "gpt-4o-mini": {
     "description": "نموذج GPT-4o mini هو أحدث نموذج أطلقته OpenAI بعد GPT-4 Omni، ويدعم إدخال الصور والنصوص وإخراج النصوص. كأحد نماذجهم المتقدمة الصغيرة، فهو أرخص بكثير من النماذج الرائدة الأخرى في الآونة الأخيرة، وأرخص بأكثر من 60% من GPT-3.5 Turbo. يحتفظ بذكاء متقدم مع قيمة ممتازة. حصل GPT-4o mini على 82% في اختبار MMLU، وهو حاليًا يتفوق على GPT-4 في تفضيلات الدردشة."
   },
+  "gpt-4o-mini-audio-preview": {
+    "description": "نموذج GPT-4o mini Audio، يدعم إدخال وإخراج الصوت."
+  },
   "gpt-4o-mini-realtime-preview": {
     "description": "الإصدار المصغر الفوري من GPT-4o، يدعم إدخال وإخراج الصوت والنص في الوقت الحقيقي."
   },
+  "gpt-4o-mini-search-preview": {
+    "description": "نسخة معاينة بحث GPT-4o mini هي نموذج مدرب خصيصًا لفهم وتنفيذ استعلامات البحث على الويب، باستخدام واجهة برمجة تطبيقات Chat Completions. بالإضافة إلى رسوم الرموز، يتم فرض رسوم على استعلامات البحث على الويب لكل استدعاء أداة."
+  },
   "gpt-4o-mini-tts": {
     "description": "GPT-4o mini TTS هو نموذج تحويل النص إلى كلام، مبني على GPT-4o mini، يقدم إنتاج كلمات صوتية عالية الجودة بسعر أقل."
   },
@@ -1274,6 +1325,9 @@
   "gpt-4o-realtime-preview-2024-12-17": {
     "description": "الإصدار الفوري من GPT-4o، يدعم إدخال وإخراج الصوت والنص في الوقت الحقيقي."
   },
+  "gpt-4o-search-preview": {
+    "description": "نسخة معاينة بحث GPT-4o هي نموذج مدرب خصيصًا لفهم وتنفيذ استعلامات البحث على الويب، باستخدام واجهة برمجة تطبيقات Chat Completions. بالإضافة إلى رسوم الرموز، يتم فرض رسوم على استعلامات البحث على الويب لكل استدعاء أداة."
+  },
   "grok-2-1212": {
     "description": "لقد تم تحسين هذا النموذج في الدقة، والامتثال للتعليمات، والقدرة على التعامل مع لغات متعددة."
   },
@@ -1307,6 +1361,9 @@
   "hunyuan-large-longcontext": {
     "description": "يتفوق في معالجة المهام الطويلة مثل تلخيص الوثائق والأسئلة والأجوبة المتعلقة بالوثائق، كما يمتلك القدرة على معالجة مهام إنشاء النصوص العامة. يظهر أداءً ممتازًا في تحليل وإنشاء النصوص الطويلة، مما يمكنه من التعامل بفعالية مع متطلبات معالجة المحتوى الطويل المعقد والمفصل."
   },
+  "hunyuan-large-vision": {
+    "description": "هذا النموذج مناسب لمشاهد فهم الصور والنصوص، وهو نموذج لغوي بصري كبير مبني على تدريب Hunyuan Large، يدعم إدخال صور متعددة بأي دقة مع نص، ويولد محتوى نصي، مع تركيز على مهام فهم الصور والنصوص، مع تحسين ملحوظ في القدرات متعددة اللغات."
+  },
   "hunyuan-lite": {
     "description": "تم الترقية إلى هيكل MOE، مع نافذة سياق تصل إلى 256k، متفوقًا على العديد من النماذج مفتوحة المصدر في تقييمات NLP، البرمجة، الرياضيات، والصناعات."
   },
@@ -1331,18 +1388,18 @@
   "hunyuan-t1-20250321": {
     "description": "بناء شامل لقدرات النموذج في العلوم الإنسانية والطبيعية، مع قدرة قوية على التقاط المعلومات من النصوص الطويلة. يدعم الاستدلال والإجابة على مشكلات علمية متنوعة من الرياضيات/المنطق/العلوم/الشيفرات."
   },
+  "hunyuan-t1-20250403": {
+    "description": "تعزيز قدرة توليد الأكواد على مستوى المشروع؛ تحسين جودة كتابة النصوص المولدة؛ تعزيز قدرة فهم النصوص متعددة الجولات، والامتثال لتعليمات toB، وفهم الكلمات؛ تحسين مشاكل الخلط بين النصوص المبسطة والتقليدية والخلط بين اللغات الصينية والإنجليزية في المخرجات."
+  },
+  "hunyuan-t1-20250529": {
+    "description": "محسن لإنشاء النصوص وكتابة المقالات، مع تحسين القدرات في البرمجة الأمامية، الرياضيات، والمنطق العلمي، بالإضافة إلى تعزيز القدرة على اتباع التعليمات."
+  },
   "hunyuan-t1-latest": {
     "description": "أول نموذج استدلال هجين ضخم في الصناعة، يوسع قدرات الاستدلال، بسرعة فك تشفير فائقة، ويعزز التوافق مع تفضيلات البشر."
   },
   "hunyuan-t1-vision": {
     "description": "نموذج تفكير عميق متعدد الوسائط من Hunyuan، يدعم سلاسل التفكير الأصلية متعددة الوسائط، بارع في معالجة مختلف سيناريوهات الاستدلال على الصور، ويحقق تحسينًا شاملاً مقارنة بنموذج التفكير السريع في مسائل العلوم."
   },
-  "hunyuan-translation": {
-    "description": "يدعم الترجمة بين 15 لغة بما في ذلك الصينية والإنجليزية واليابانية والفرنسية والبرتغالية والإسبانية والتركية والروسية والعربية والكورية والإيطالية والألمانية والفيتنامية والماليزية والإندونيسية، ويعتمد على مجموعة تقييم الترجمة متعددة السيناريوهات لتقييم تلقائي باستخدام درجة COMET، حيث يتفوق بشكل عام على نماذج السوق المماثلة في القدرة على الترجمة بين اللغات الشائعة."
-  },
-  "hunyuan-translation-lite": {
-    "description": "يدعم نموذج الترجمة هونيون الترجمة الحوارية بلغة طبيعية؛ يدعم الترجمة بين 15 لغة بما في ذلك الصينية والإنجليزية واليابانية والفرنسية والبرتغالية والإسبانية والتركية والروسية والعربية والكورية والإيطالية والألمانية والفيتنامية والماليزية والإندونيسية."
-  },
   "hunyuan-turbo": {
     "description": "نسخة المعاينة من الجيل الجديد من نموذج اللغة الكبير، يستخدم هيكل نموذج الخبراء المختلط (MoE) الجديد، مما يوفر كفاءة استدلال أسرع وأداء أقوى مقارنة بـ hunyuan-pro."
   },
@@ -1355,8 +1412,14 @@
   "hunyuan-turbo-vision": {
     "description": "نموذج اللغة البصرية الرائد من الجيل الجديد، يستخدم هيكل نموذج الخبراء المختلط (MoE) الجديد، مع تحسين شامل في القدرات المتعلقة بفهم النصوص والصور، وإنشاء المحتوى، والأسئلة والأجوبة المعرفية، والتحليل والاستدلال مقارنة بالنماذج السابقة."
   },
-  "hunyuan-turbos-20250226": {
-    "description": "hunyuan-TurboS pv2.1.2 هو إصدار ثابت تم تحديث قاعدة التدريب لرموز التوكن؛ تعزيز القدرات الفكرية في الرياضيات/المنطق/البرمجة؛ تحسين تجربة الاستخدام العامة باللغتين الصينية والإنجليزية، بما في ذلك إنشاء النصوص، وفهم النصوص، والأسئلة والأجوبة المعرفية، والدردشة."
+  "hunyuan-turbos-20250313": {
+    "description": "توحيد أسلوب خطوات حل المسائل الرياضية، وتعزيز الأسئلة والأجوبة متعددة الجولات في الرياضيات. تحسين أسلوب الإجابة في الإبداع النصي، إزالة الطابع الآلي، وزيادة البلاغة."
+  },
+  "hunyuan-turbos-20250416": {
+    "description": "ترقية قاعدة التدريب المسبق لتعزيز فهم القاعدة والامتثال للتعليمات؛ تعزيز القدرات العلمية مثل الرياضيات، البرمجة، المنطق، والعلوم خلال مرحلة المحاذاة؛ تحسين جودة الكتابة الإبداعية، فهم النصوص، دقة الترجمة، والإجابة على الأسئلة المعرفية في المجالات الأدبية؛ تعزيز قدرات الوكلاء في مختلف المجالات، مع التركيز على تحسين فهم الحوار متعدد الجولات."
+  },
+  "hunyuan-turbos-20250604": {
+    "description": "ترقية قاعدة التدريب المسبق، مع تحسينات في مهارات الكتابة وفهم القراءة، وزيادة كبيرة في القدرات البرمجية والعلمية، وتحسين مستمر في اتباع التعليمات المعقدة."
   },
   "hunyuan-turbos-latest": {
     "description": "hunyuan-TurboS هو أحدث إصدار من نموذج هونيان الرائد، يتمتع بقدرات تفكير أقوى وتجربة أفضل."
@@ -1364,15 +1427,12 @@
   "hunyuan-turbos-longtext-128k-20250325": {
     "description": "بارع في معالجة المهام الطويلة مثل تلخيص الوثائق والأسئلة والأجوبة، كما يمتلك القدرة على معالجة مهام توليد النصوص العامة. يظهر أداءً ممتازًا في تحليل وتوليد النصوص الطويلة، ويمكنه التعامل بفعالية مع متطلبات معالجة المحتوى الطويل والمعقد."
   },
-  "hunyuan-turbos-vision": {
-    "description": "هذا النموذج مناسب لمشاهد فهم النصوص والصور، وهو نموذج لغة بصري رائد من الجيل الجديد يعتمد على turbos الأحدث، يركز على المهام المتعلقة بفهم النصوص والصور، بما في ذلك التعرف على الكيانات المستندة إلى الصور، الأسئلة والأجوبة المعرفية، إنشاء النصوص، وحل المشكلات من خلال التصوير، مع تحسين شامل مقارنة بالنموذج السابق."
+  "hunyuan-turbos-role-plus": {
+    "description": "أحدث نموذج تمثيل الأدوار من Hunyuan، نموذج تم تدريبه بدقة من قبل Hunyuan الرسمي، يعتمد على نموذج Hunyuan مع بيانات مشاهد تمثيل الأدوار للتدريب الإضافي، ويقدم أداءً أساسيًا أفضل في مشاهد تمثيل الأدوار."
   },
   "hunyuan-vision": {
     "description": "نموذج Hunyuan الأحدث متعدد الوسائط، يدعم إدخال الصور والنصوص لتوليد محتوى نصي."
   },
-  "internlm/internlm2_5-20b-chat": {
-    "description": "نموذج مفتوح المصدر مبتكر InternLM2.5، يعزز الذكاء الحواري من خلال عدد كبير من المعلمات."
-  },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 يوفر حلول حوار ذكية في عدة سيناريوهات."
   },
@@ -1400,6 +1460,9 @@
   "kimi-latest": {
     "description": "يستخدم منتج كيمي المساعد الذكي أحدث نموذج كبير من كيمي، وقد يحتوي على ميزات لم تستقر بعد. يدعم فهم الصور، وسيختار تلقائيًا نموذج 8k/32k/128k كنموذج للتسعير بناءً على طول سياق الطلب."
   },
+  "kimi-thinking-preview": {
+    "description": "نموذج kimi-thinking-preview هو نموذج تفكير متعدد الوسائط يتمتع بقدرات استدلال متعددة الوسائط وعامة، مقدم من الجانب المظلم للقمر، يتقن الاستدلال العميق ويساعد في حل المزيد من المسائل الصعبة."
+  },
   "learnlm-1.5-pro-experimental": {
     "description": "LearnLM هو نموذج لغوي تجريبي محدد المهام، تم تدريبه ليتماشى مع مبادئ علوم التعلم، يمكنه اتباع التعليمات النظامية في سيناريوهات التعليم والتعلم، ويعمل كمدرب خبير."
   },
@@ -1781,6 +1844,9 @@
   "moonshot-v1-auto": {
     "description": "يمكن لـ Moonshot V1 Auto اختيار النموذج المناسب بناءً على عدد الرموز المستخدمة في السياق الحالي."
   },
+  "moonshotai/Kimi-Dev-72B": {
+    "description": "Kimi-Dev-72B هو نموذج مفتوح المصدر للبرمجة، تم تحسينه عبر تعلم معزز واسع النطاق، قادر على إنتاج تصحيحات مستقرة وجاهزة للإنتاج مباشرة. حقق هذا النموذج نتيجة قياسية جديدة بنسبة 60.4% على SWE-bench Verified، محطماً الأرقام القياسية للنماذج المفتوحة المصدر في مهام هندسة البرمجيات الآلية مثل إصلاح العيوب ومراجعة الشيفرة."
+  },
   "nousresearch/hermes-2-pro-llama-3-8b": {
     "description": "Hermes 2 Pro Llama 3 8B هو إصدار مطور من Nous Hermes 2، ويحتوي على أحدث مجموعات البيانات المطورة داخليًا."
   },
@@ -1802,15 +1868,27 @@
   "o1-preview": {
     "description": "o1 هو نموذج استدلال جديد من OpenAI، مناسب للمهام المعقدة التي تتطلب معرفة عامة واسعة. يحتوي هذا النموذج على 128K من السياق وتاريخ انتهاء المعرفة في أكتوبر 2023."
   },
+  "o1-pro": {
+    "description": "سلسلة نماذج o1 مدربة بالتعلم المعزز، قادرة على التفكير قبل الإجابة وتنفيذ مهام استدلال معقدة. يستخدم نموذج o1-pro موارد حسابية أكبر للتفكير بشكل أعمق، مما يضمن تقديم إجابات ذات جودة أعلى باستمرار."
+  },
   "o3": {
     "description": "o3 هو نموذج قوي شامل، يظهر أداءً ممتازًا في مجالات متعددة. يضع معايير جديدة في المهام الرياضية، العلمية، البرمجية، واستدلال الرؤية. كما أنه بارع في الكتابة التقنية واتباع التعليمات. يمكن للمستخدمين استخدامه لتحليل النصوص، الأكواد، والصور، وحل المشكلات المعقدة متعددة الخطوات."
   },
+  "o3-deep-research": {
+    "description": "o3-deep-research هو نموذج البحث العميق الأكثر تقدمًا لدينا، مصمم خصيصًا للتعامل مع مهام البحث المعقدة متعددة الخطوات. يمكنه البحث وتجميع المعلومات من الإنترنت، كما يمكنه الوصول إلى بياناتك الخاصة واستخدامها من خلال موصل MCP."
+  },
   "o3-mini": {
     "description": "o3-mini هو أحدث نموذج استدلال صغير لدينا، يقدم ذكاءً عالياً تحت نفس تكاليف التأخير والأداء مثل o1-mini."
   },
+  "o3-pro": {
+    "description": "نموذج o3-pro يستخدم المزيد من الحسابات للتفكير بشكل أعمق وتقديم إجابات أفضل دائمًا، ويدعم فقط الاستخدام ضمن Responses API."
+  },
   "o4-mini": {
     "description": "o4-mini هو أحدث نموذج صغير من سلسلة o. تم تحسينه للاستدلال السريع والفعال، ويظهر كفاءة وأداء عاليين في المهام البرمجية والرؤية."
   },
+  "o4-mini-deep-research": {
+    "description": "o4-mini-deep-research هو نموذج البحث العميق الأسرع والأكثر اقتصادية لدينا — مثالي للتعامل مع مهام البحث المعقدة متعددة الخطوات. يمكنه البحث وتجميع المعلومات من الإنترنت، كما يمكنه الوصول إلى بياناتك الخاصة واستخدامها من خلال موصل MCP."
+  },
   "open-codestral-mamba": {
     "description": "Codestral Mamba هو نموذج لغة Mamba 2 يركز على توليد الشيفرة، ويوفر دعمًا قويًا لمهام الشيفرة المتقدمة والاستدلال."
   },
@@ -1886,11 +1964,17 @@
   "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."
   },
-  "qvq-max-latest": {
-    "description": "نموذج QVQ للرؤية البصرية، يدعم الإدخال البصري وإخراج سلسلة التفكير، ويظهر قدرات أقوى في الرياضيات، البرمجة، التحليل البصري، الإبداع، والمهام العامة."
+  "qvq-max": {
+    "description": "نموذج Tongyi Qianwen QVQ للاستدلال البصري، يدعم الإدخال البصري وإخراج سلسلة التفكير، ويظهر قدرة أقوى في الرياضيات، البرمجة، التحليل البصري، الإبداع، والمهام العامة."
   },
-  "qwen-coder-plus-latest": {
-    "description": "نموذج كود Qwen الشامل."
+  "qvq-plus": {
+    "description": "نموذج استدلال بصري يدعم الإدخال البصري وإخراج سلسلة التفكير. النسخة بلس التي تلت نموذج qvq-max، تتميز بسرعة استدلال أعلى وتوازن أفضل بين الأداء والتكلفة مقارنة بنموذج qvq-max."
+  },
+  "qwen-coder-plus": {
+    "description": "نموذج Tongyi Qianwen للبرمجة."
+  },
+  "qwen-coder-turbo": {
+    "description": "نموذج Tongyi Qianwen للبرمجة."
   },
   "qwen-coder-turbo-latest": {
     "description": "نموذج Qwen للبرمجة."
@@ -1898,41 +1982,44 @@
   "qwen-long": {
     "description": "نموذج Qwen العملاق للغة، يدعم سياقات نصية طويلة، بالإضافة إلى وظائف الحوار المستندة إلى الوثائق الطويلة والعديد من الوثائق."
   },
+  "qwen-math-plus": {
+    "description": "نموذج Tongyi Qianwen للرياضيات مخصص لحل المسائل الرياضية."
+  },
   "qwen-math-plus-latest": {
     "description": "نموذج Qwen الرياضي مصمم خصيصًا لحل المسائل الرياضية."
   },
+  "qwen-math-turbo": {
+    "description": "نموذج Tongyi Qianwen للرياضيات مخصص لحل المسائل الرياضية."
+  },
   "qwen-math-turbo-latest": {
     "description": "نموذج Qwen الرياضي مصمم خصيصًا لحل المسائل الرياضية."
   },
   "qwen-max": {
     "description": "نموذج لغة ضخم من توغي بمستوى مئات المليارات، يدعم إدخال لغات مختلفة مثل الصينية والإنجليزية. هو النموذج الذي يقف خلف إصدار توغي 2.5."
   },
-  "qwen-max-latest": {
-    "description": "نموذج لغة ضخم من Qwen بمستوى تريليونات، يدعم إدخال لغات مختلفة مثل الصينية والإنجليزية، وهو النموذج API وراء إصدار Qwen 2.5."
-  },
-  "qwen-omni-turbo-latest": {
-    "description": "تدعم نماذج كيوين-أومني إدخال بيانات متعددة الأنماط، بما في ذلك الفيديو والصوت والصور والنصوص، وتخرج الصوت والنص."
+  "qwen-omni-turbo": {
+    "description": "سلسلة نماذج Qwen-Omni تدعم إدخال بيانات متعددة الوسائط، بما في ذلك الفيديو، الصوت، الصور، والنص، وتنتج صوتًا ونصًا."
   },
   "qwen-plus": {
     "description": "نموذج لغة ضخم من توغي، نسخة معززة، يدعم إدخال لغات مختلفة مثل الصينية والإنجليزية."
   },
-  "qwen-plus-latest": {
-    "description": "نسخة محسنة من نموذج لغة Qwen الضخم، تدعم إدخال لغات مختلفة مثل الصينية والإنجليزية."
-  },
   "qwen-turbo": {
     "description": "نموذج لغة ضخم من توغي، يدعم إدخال لغات مختلفة مثل الصينية والإنجليزية."
   },
-  "qwen-turbo-latest": {
-    "description": "نموذج لغة ضخم من Qwen، يدعم إدخال لغات مختلفة مثل الصينية والإنجليزية."
-  },
   "qwen-vl-chat-v1": {
     "description": "نموذج Qwen العملاق للغة البصرية يدعم طرق تفاعل مرنة، بما في ذلك الصور المتعددة، والأسئلة والأجوبة المتعددة، والإبداع."
   },
+  "qwen-vl-max": {
+    "description": "نموذج Tongyi Qianwen البصري فائق الحجم. مقارنة بالنسخة المعززة، يعزز مرة أخرى قدرة الاستدلال البصري والامتثال للتعليمات، ويوفر مستوى أعلى من الإدراك البصري والمعرفي."
+  },
   "qwen-vl-max-latest": {
     "description": "نموذج اللغة البصرية الكبير Qwen. مقارنةً بالنسخة المحسّنة، تعزز مرة أخرى من قدرة الاستدلال البصري وقدرة اتباع التعليمات، مما يوفر مستوى أعلى من الإدراك البصري والمعرفة."
   },
-  "qwen-vl-ocr-latest": {
-    "description": "نموذج OCR الخاص بـ Tongyi Qianwen هو نموذج استخراج النصوص، يركز على قدرة استخراج النصوص من أنواع الصور مثل الوثائق، الجداول، الأسئلة، والنصوص المكتوبة بخط اليد. يمكنه التعرف على عدة لغات، بما في ذلك: الصينية، الإنجليزية، الفرنسية، اليابانية، الكورية، الألمانية، الروسية، الإيطالية، الفيتنامية، والعربية."
+  "qwen-vl-ocr": {
+    "description": "نموذج OCR الخاص بـ Tongyi Qianwen مخصص لاستخراج النصوص، يركز على استخراج النصوص من الصور مثل الوثائق، الجداول، الأسئلة، والكتابة اليدوية. يمكنه التعرف على عدة لغات، منها: الصينية، الإنجليزية، الفرنسية، اليابانية، الكورية، الألمانية، الروسية، الإيطالية، الفيتنامية، والعربية."
+  },
+  "qwen-vl-plus": {
+    "description": "نسخة معززة من نموذج Tongyi Qianwen الكبير للغة البصرية. تعزز بشكل كبير قدرة التعرف على التفاصيل والقدرة على التعرف على النصوص، تدعم صورًا بدقة تزيد عن مليون بكسل وأبعاد بأي نسبة عرض إلى ارتفاع."
   },
   "qwen-vl-plus-latest": {
     "description": "نسخة محسّنة من نموذج اللغة البصرية الكبير Qwen. تعزز بشكل كبير من قدرة التعرف على التفاصيل وقدرة التعرف على النصوص، وتدعم دقة تصل إلى أكثر من مليون بكسل وأبعاد صور بأي نسبة عرض إلى ارتفاع."
@@ -2021,6 +2108,9 @@
   "qwen2.5-coder-1.5b-instruct": {
     "description": "نموذج كود تونغي، النسخة مفتوحة المصدر."
   },
+  "qwen2.5-coder-14b-instruct": {
+    "description": "نسخة مفتوحة المصدر من نموذج Tongyi Qianwen للبرمجة."
+  },
   "qwen2.5-coder-32b-instruct": {
     "description": "الإصدار المفتوح من نموذج كود Qwen الشامل."
   },
@@ -2111,8 +2201,8 @@
   "qwq-32b-preview": {
     "description": "نموذج QwQ هو نموذج بحث تجريبي تم تطويره بواسطة فريق Qwen، يركز على تعزيز قدرات الاستدلال للذكاء الاصطناعي."
   },
-  "qwq-plus-latest": {
-    "description": "نموذج استدلال QwQ المدرب على نموذج Qwen2.5، الذي يعزز بشكل كبير من قدرة الاستدلال للنموذج من خلال التعلم المعزز. تصل المؤشرات الأساسية للنموذج (AIME 24/25، LiveCodeBench) وبعض المؤشرات العامة (IFEval، LiveBench وغيرها) إلى مستوى DeepSeek-R1 الكامل."
+  "qwq-plus": {
+    "description": "نموذج استدلال QwQ المدرب على نموذج Qwen2.5، يعزز بشكل كبير قدرة الاستدلال من خلال التعلم المعزز. حقق النموذج مؤشرات رئيسية في الرياضيات والبرمجة (AIME 24/25، LiveCodeBench) وبعض المؤشرات العامة (IFEval، LiveBench وغيرها) بمستوى DeepSeek-R1 الكامل."
   },
   "qwq_32b": {
     "description": "نموذج استدلال متوسط الحجم من سلسلة Qwen. مقارنة بنماذج تحسين التعليمات التقليدية، يظهر QwQ، الذي يتمتع بقدرة على التفكير والاستدلال، أداءً محسّنًا بشكل ملحوظ في المهام اللاحقة، خاصة عند حل المشكلات الصعبة."
@@ -2195,6 +2285,9 @@
   "taichu_vl": {
     "description": "يجمع بين فهم الصور، ونقل المعرفة، والاستدلال المنطقي، ويظهر أداءً بارزًا في مجال الأسئلة والأجوبة النصية والصورية."
   },
+  "tencent/Hunyuan-A13B-Instruct": {
+    "description": "Hunyuan-A13B-Instruct يحتوي على 80 مليار معلمة، ويمكن تفعيل 13 مليار معلمة فقط لمنافسة النماذج الأكبر، ويدعم الاستدلال المختلط بين \"التفكير السريع/التفكير البطيء\"؛ فهم مستقر للنصوص الطويلة؛ تم التحقق من قدرات الوكيل عبر BFCL-v3 وτ-Bench، مع أداء متقدم؛ يجمع بين GQA وتنسيقات التكميم المتعددة لتحقيق استدلال فعال."
+  },
   "text-embedding-3-large": {
     "description": "أقوى نموذج لتضمين النصوص، مناسب للمهام الإنجليزية وغير الإنجليزية."
   },
@@ -2246,6 +2339,15 @@
   "us.anthropic.claude-3-7-sonnet-20250219-v1:0": {
     "description": "كلود 3.7 سونيت هو أسرع نموذج من الجيل التالي من أنثروبيك. مقارنةً بكلود 3 هايكو، تم تحسين كلود 3.7 سونيت في جميع المهارات، وتجاوز العديد من اختبارات الذكاء لأكبر نموذج من الجيل السابق، كلود 3 أوبس."
   },
+  "v0-1.0-md": {
+    "description": "نموذج v0-1.0-md هو نموذج قديم يتم تقديمه من خلال واجهة برمجة التطبيقات v0"
+  },
+  "v0-1.5-lg": {
+    "description": "نموذج v0-1.5-lg مناسب للمهام المتقدمة في التفكير أو الاستدلال"
+  },
+  "v0-1.5-md": {
+    "description": "نموذج v0-1.5-md مناسب للمهام اليومية وتوليد واجهات المستخدم (UI)"
+  },
   "whisper-1": {
     "description": "نموذج التعرف على الصوت العام، يدعم التعرف على الصوت متعدد اللغات، والترجمة الصوتية، والتعرف على اللغات."
   },

locales/ar/plugin.json

@@ -12,6 +12,15 @@
     "tool_call": "طلب استدعاء الأداة"
   },
   "detailModal": {
+    "customPlugin": {
+      "description": "يرجى الانتقال إلى صفحة التحرير لمشاهدة التفاصيل",
+      "editBtn": "حرر الآن",
+      "title": "هذه إضافة مخصصة"
+    },
+    "emptyState": {
+      "description": "يرجى تثبيت هذه الإضافة أولاً لعرض قدرات الإضافة وخيارات التكوين",
+      "title": "عرض تفاصيل الإضافة بعد التثبيت"
+    },
     "info": {
       "description": "وصف واجهة برمجة التطبيقات",
       "name": "اسم واجهة برمجة التطبيقات"
@@ -230,6 +239,50 @@
     },
     "title": "الملفات المحلية"
   },
+  "mcpInstall": {
+    "CHECKING_INSTALLATION": "جارٍ فحص بيئة التثبيت...",
+    "COMPLETED": "اكتمل التثبيت",
+    "CONFIGURATION_REQUIRED": "يرجى إكمال التكوينات المطلوبة للمتابعة في التثبيت",
+    "ERROR": "خطأ في التثبيت",
+    "FETCHING_MANIFEST": "جارٍ جلب ملف وصف الإضافة...",
+    "GETTING_SERVER_MANIFEST": "جارٍ تهيئة خادم MCP...",
+    "INSTALLING_PLUGIN": "جارٍ تثبيت الإضافة...",
+    "configurationDescription": "تتطلب هذه الإضافة من MCP إعداد معلمات لتعمل بشكل صحيح، يرجى ملء المعلومات الضرورية.",
+    "configurationRequired": "تكوين معلمات الإضافة",
+    "continueInstall": "متابعة التثبيت",
+    "dependenciesDescription": "تتطلب هذه الإضافة تثبيت الاعتمادات النظامية التالية لتعمل بشكل صحيح، يرجى تثبيت الاعتمادات المفقودة حسب التعليمات ثم النقر على إعادة الفحص للمتابعة.",
+    "dependenciesRequired": "يرجى تثبيت الاعتمادات النظامية للإضافة",
+    "dependencyStatus": {
+      "installed": "مثبّت",
+      "notInstalled": "غير مثبّت",
+      "requiredVersion": "الإصدار المطلوب: {{version}}"
+    },
+    "errorDetails": {
+      "args": "المعطيات",
+      "command": "الأمر",
+      "connectionParams": "معلمات الاتصال",
+      "env": "متغيرات البيئة",
+      "errorOutput": "سجل الأخطاء",
+      "exitCode": "رمز الخروج",
+      "hideDetails": "إخفاء التفاصيل",
+      "originalError": "الخطأ الأصلي",
+      "showDetails": "عرض التفاصيل"
+    },
+    "errorTypes": {
+      "CONNECTION_FAILED": "فشل الاتصال",
+      "INITIALIZATION_TIMEOUT": "انتهت مهلة التهيئة",
+      "PROCESS_SPAWN_ERROR": "فشل بدء العملية",
+      "UNKNOWN_ERROR": "خطأ غير معروف",
+      "VALIDATION_ERROR": "فشل التحقق من المعطيات"
+    },
+    "installError": "فشل تثبيت إضافة MCP، سبب الفشل: {{detail}}",
+    "installMethods": {
+      "manual": "التثبيت اليدوي:",
+      "recommended": "طريقة التثبيت الموصى بها:"
+    },
+    "recheckDependencies": "إعادة فحص",
+    "skipDependencies": "تخطي الفحص"
+  },
   "pluginList": "قائمة الإضافات",
   "search": {
     "apiName": {
@@ -266,16 +319,48 @@
   },
   "setting": "إعدادات الإضافة",
   "settings": {
+    "capabilities": {
+      "prompts": "نصوص التوجيه",
+      "resources": "الموارد",
+      "title": "قدرات الإضافة",
+      "tools": "الأدوات"
+    },
+    "configuration": {
+      "title": "تكوين الإضافة"
+    },
+    "connection": {
+      "args": "معطيات التشغيل",
+      "command": "أمر التشغيل",
+      "title": "معلومات الاتصال",
+      "type": "نوع الاتصال",
+      "url": "عنوان الخدمة"
+    },
+    "edit": "تحرير",
+    "envConfigDescription": "سيتم تمرير هذه الإعدادات كمتغيرات بيئية إلى العملية عند بدء تشغيل خادم MCP",
+    "httpTypeNotice": "لا توجد متغيرات بيئية تحتاج إلى التكوين لإضافات MCP من نوع HTTP",
     "indexUrl": {
       "title": "فهرس السوق",
       "tooltip": "غير مدعوم حاليا للتحرير عبر الإنترنت، يرجى ضبطه عند نشر المتغيرات البيئية"
     },
+    "messages": {
+      "connectionUpdateFailed": "فشل تحديث معلومات الاتصال",
+      "connectionUpdateSuccess": "تم تحديث معلومات الاتصال بنجاح",
+      "envUpdateFailed": "فشل حفظ متغيرات البيئة",
+      "envUpdateSuccess": "تم حفظ متغيرات البيئة بنجاح"
+    },
     "modalDesc": "بعد ضبط عنوان سوق الإضافات، يمكن استخدام سوق الإضافات المخصص",
+    "rules": {
+      "argsRequired": "يرجى إدخال معلمات التشغيل",
+      "commandRequired": "يرجى إدخال أمر التشغيل",
+      "urlRequired": "يرجى إدخال عنوان الخدمة"
+    },
+    "saveSettings": "حفظ الإعدادات",
     "title": "ضبط سوق الإضافات"
   },
   "showInPortal": "يرجى الاطلاع على التفاصيل في مساحة العمل",
   "store": {
     "actions": {
+      "cancel": "إلغاء التثبيت",
       "confirmUninstall": "سيتم إلغاء تثبيت الإضافة، وسيتم مسح تكوين الإضافة، يرجى تأكيد العملية",
       "detail": "التفاصيل",
       "install": "تثبيت",
@@ -286,13 +371,15 @@
     "communityPlugin": "مجتمع ثالث",
     "customPlugin": "مخصص",
     "empty": "لا توجد إضافات مثبتة حاليا",
+    "emptySelectHint": "اختر إضافة لمعاينة التفاصيل",
     "installAllPlugins": "تثبيت الكل",
     "networkError": "فشل الحصول على متجر الإضافات، يرجى التحقق من الاتصال بالشبكة وإعادة المحاولة",
     "placeholder": "ابحث عن اسم الإضافة أو الكلمات الرئيسية...",
     "releasedAt": "صدر في {{createdAt}}",
     "tabs": {
-      "all": "الكل",
-      "installed": "مثبتة"
+      "installed": "مثبتة",
+      "mcp": "إضافة MCP",
+      "old": "إضافة LobeChat"
     },
     "title": "متجر الإضافات"
   },

locales/ar/providers.json

@@ -71,6 +71,9 @@
   "mistral": {
     "description": "تقدم Mistral نماذج متقدمة عامة ومتخصصة وبحثية، تستخدم على نطاق واسع في الاستدلال المعقد، والمهام متعددة اللغات، وتوليد الشيفرات، من خلال واجهة استدعاء الوظائف، يمكن للمستخدمين دمج وظائف مخصصة لتحقيق تطبيقات محددة."
   },
+  "modelscope": {
+    "description": "ModelScope هو منصة نموذج كخدمة أطلقتها علي بابا كلاود، تقدم مجموعة واسعة من نماذج الذكاء الاصطناعي وخدمات الاستدلال."
+  },
   "moonshot": {
     "description": "Moonshot هي منصة مفتوحة أطلقتها شركة Beijing Dark Side Technology Co.، Ltd، تقدم مجموعة متنوعة من نماذج معالجة اللغة الطبيعية، وتغطي مجالات واسعة، بما في ذلك ولكن لا تقتصر على إنشاء المحتوى، والبحث الأكاديمي، والتوصيات الذكية، والتشخيص الطبي، وتدعم معالجة النصوص الطويلة والمهام المعقدة."
   },
@@ -131,6 +134,9 @@
   "upstage": {
     "description": "تتخصص Upstage في تطوير نماذج الذكاء الاصطناعي لتلبية احتياجات الأعمال المتنوعة، بما في ذلك Solar LLM وDocument AI، بهدف تحقيق الذكاء الاصطناعي العام (AGI) القائم على العمل. من خلال واجهة Chat API، يمكن إنشاء وكلاء حوار بسيطين، وتدعم استدعاء الوظائف، والترجمة، والتضمين، وتطبيقات المجالات المحددة."
   },
+  "v0": {
+    "description": "v0 هو مساعد برمجة تعاوني، كل ما عليك هو وصف أفكارك بلغة طبيعية، وسيقوم بإنشاء الشيفرة وواجهة المستخدم (UI) لمشروعك."
+  },
   "vertexai": {
     "description": "سلسلة جيميني من جوجل هي نماذج الذكاء الاصطناعي الأكثر تقدمًا وعمومية، تم تطويرها بواسطة جوجل ديب مايند، مصممة خصيصًا لتكون متعددة الوسائط، تدعم الفهم والمعالجة السلسة للنصوص، الأكواد، الصور، الصوتيات، والفيديو. تناسب مجموعة متنوعة من البيئات، من مراكز البيانات إلى الأجهزة المحمولة، مما يعزز بشكل كبير كفاءة نماذج الذكاء الاصطناعي وتطبيقاتها الواسعة."
   },

locales/ar/setting.json

@@ -129,6 +129,7 @@
     "waitingForMore": "يتم <1>التخطيط لتوفير</1> المزيد من النماذج، ترقبوا المزيد"
   },
   "plugin": {
+    "addMCPPlugin": "إضافة مكون MCP",
     "addTooltip": "إضافة البرنامج المساعد",
     "clearDeprecated": "مسح البرامج المساعدة الغير صالحة",
     "empty": "لا توجد برامج مساعدة مثبتة حاليًا، نرحب بك لزيارة <1>متجر البرامج المساعدة</1> للاستكشاف",
@@ -220,7 +221,7 @@
     },
     "inputTemplate": {
       "desc": "سيتم ملء أحدث رسالة من المستخدم في هذا القالب",
-      "placeholder": "القالب المُعالج مسبقًا {{input_template}} سيتم استبداله بالمعلومات المُدخلة في الوقت الحقيقي",
+      "placeholder": "القالب المُعالج مسبقًا {{text}} سيتم استبداله بالمعلومات المُدخلة في الوقت الحقيقي",
       "title": "معالجة مُدخلات المستخدم"
     },
     "submit": "تحديث تفضيلات الدردشة",
@@ -240,7 +241,19 @@
     "mermaidTheme": {
       "title": "موضوع حورية البحر"
     },
-    "title": "مظهر الدردشة"
+    "title": "مظهر الدردشة",
+    "transitionMode": {
+      "desc": "رسوم انتقال رسائل الدردشة",
+      "options": {
+        "fadeIn": "تلاشي",
+        "none": {
+          "desc": "يعتمد هذا على طريقة إخراج استجابة النموذج، يرجى الاختبار بنفسك.",
+          "value": "بدون"
+        },
+        "smooth": "سلس"
+      },
+      "title": "رسوم الانتقال"
+    }
   },
   "settingCommon": {
     "lang": {
@@ -259,6 +272,9 @@
     "enableMaxTokens": {
       "title": "تمكين الحد الأقصى للردود"
     },
+    "enableReasoningEffort": {
+      "title": "تمكين ضبط قوة الاستدلال"
+    },
     "frequencyPenalty": {
       "desc": "كلما زادت القيمة، كانت المفردات أكثر تنوعًا؛ وكلما انخفضت القيمة، كانت المفردات أكثر بساطة ووضوحًا",
       "title": "تنوع المفردات"
@@ -278,6 +294,15 @@
       "desc": "كلما زادت القيمة، زادت الميل إلى استخدام تعبيرات مختلفة، مما يتجنب تكرار المفاهيم؛ وكلما انخفضت القيمة، زادت الميل إلى استخدام المفاهيم أو السرد المتكرر، مما يجعل التعبير أكثر اتساقًا",
       "title": "تنوع التعبير"
     },
+    "reasoningEffort": {
+      "desc": "كلما زادت القيمة، زادت قوة الاستدلال، ولكن قد يؤدي ذلك إلى زيادة وقت الاستجابة واستهلاك الرموز",
+      "options": {
+        "high": "عالي",
+        "low": "منخفض",
+        "medium": "متوسط"
+      },
+      "title": "قوة الاستدلال"
+    },
     "submit": "تحديث إعدادات النموذج",
     "temperature": {
       "desc": "كلما زادت القيمة، كانت الإجابات أكثر إبداعًا وخيالًا؛ وكلما انخفضت القيمة، كانت الإجابات أكثر دقة",

locales/bg-BG/discover.json

@@ -10,13 +10,57 @@
     },
     "description": "Представяне на асистента",
     "detail": "Детайли",
+    "details": {
+      "capabilities": {
+        "knowledge": {
+          "desc": "Асистентът включва следните бази знания, които ще ви помогнат да отговаряте на повече въпроси.",
+          "title": "База знания"
+        },
+        "plugin": {
+          "desc": "Асистентът включва следните плъгини, които ще ви помогнат да изпълнявате повече задачи.",
+          "title": "Вградени плъгини"
+        },
+        "title": "Възможности на асистента"
+      },
+      "overview": {
+        "example": "Демонстрация на асистента",
+        "title": "Преглед"
+      },
+      "related": {
+        "listTitle": "Свързани асистенти",
+        "more": "Виж още",
+        "title": "Свързани препоръки"
+      },
+      "sidebar": {
+        "toc": "Съдържание"
+      },
+      "summary": {
+        "title": "Какво можете да правите с този асистент?"
+      },
+      "systemRole": {
+        "openingMessage": "Начално съобщение",
+        "openingQuestions": "Начални въпроси",
+        "title": "Настройки на асистента"
+      }
+    },
     "list": "Списък с асистенти",
     "more": "Още",
     "plugins": "Интегрирани плъгини",
     "recentSubmits": "Наскоро обновено",
+    "sorts": {
+      "createdAt": "Последно публикуван",
+      "identifier": "ID на асистента",
+      "knowledgeCount": "Брой бази знания",
+      "pluginCount": "Брой плъгини",
+      "title": "Име на асистента",
+      "tokenUsage": "Използване на токени"
+    },
     "suggestions": "Свързани предложения",
     "systemRole": "Настройки на асистента",
-    "try": "Опитай"
+    "tokenUsage": "Използване на токени в подсказките на асистента",
+    "try": "Опитай",
+    "withKnowledge": "Този асистент включва база знания",
+    "withPlugin": "Този асистент включва плъгин"
   },
   "back": "Назад към открития",
   "category": {
@@ -41,6 +85,7 @@
       "all": "Всички",
       "gaming-entertainment": "Игри и развлечения",
       "life-style": "Начин на живот",
+      "lifestyle": "Начин на живот",
       "media-generate": "Генериране на медии",
       "science-education": "Наука и образование",
       "social": "Социални медии",
@@ -102,10 +147,368 @@
     "featuredTools": "Препоръчани инструменти",
     "more": "Открий повече"
   },
+  "isClaimed": "Претендирано",
+  "isFeatured": "Препоръчано",
+  "isOfficial": "Официално удостоверено",
   "like": "Харесвам",
+  "mcp": {
+    "categories": {
+      "all": {
+        "description": "Всички MCP сървъри",
+        "name": "Всички"
+      },
+      "business": {
+        "description": "Бизнес и корпоративни услуги",
+        "name": "Бизнес услуги"
+      },
+      "developer": {
+        "description": "Инструменти и услуги за разработчици",
+        "name": "Инструменти за разработчици"
+      },
+      "gaming-entertainment": {
+        "description": "Игри, забавления и свободно време",
+        "name": "Игри и забавления"
+      },
+      "health-wellness": {
+        "description": "Здраве, фитнес и грижа за тялото и ума",
+        "name": "Здраве и уелнес"
+      },
+      "lifestyle": {
+        "description": "Личен начин на живот, навици и ежедневни дейности",
+        "name": "Начин на живот"
+      },
+      "media-generate": {
+        "description": "Създаване, редактиране и обработка на медия",
+        "name": "Генериране на медия"
+      },
+      "news": {
+        "description": "Новинарски агрегатори, репортажи и информационни услуги",
+        "name": "Новини и информация"
+      },
+      "productivity": {
+        "description": "Управление на задачи, бележки и инструменти за продуктивност",
+        "name": "Инструменти за продуктивност"
+      },
+      "science-education": {
+        "description": "Научни изследвания, обучение и образователни инструменти",
+        "name": "Наука и образование"
+      },
+      "social": {
+        "description": "Социални мрежи и комуникация",
+        "name": "Социални медии"
+      },
+      "stocks-finance": {
+        "description": "Финансови пазари, търговия и инвестиции",
+        "name": "Финанси и акции"
+      },
+      "tools": {
+        "description": "Общи полезни инструменти и услуги",
+        "name": "Полезни инструменти"
+      },
+      "travel-transport": {
+        "description": "Планиране на пътувания и транспорт",
+        "name": "Пътувания и транспорт"
+      },
+      "weather": {
+        "description": "Прогнози за времето и метеорологични услуги",
+        "name": "Време и метеорология"
+      },
+      "web-search": {
+        "description": "Уеб търсене и информационно извличане",
+        "name": "Информационно търсене"
+      }
+    },
+    "details": {
+      "connectionType": {
+        "hybrid": {
+          "desc": "Тази услуга може да работи локално или в облака според конфигурацията или сценария на използване, осигурявайки двойна възможност за работа.",
+          "title": "Хибридна услуга"
+        },
+        "local": {
+          "desc": "Този сървър може да работи само на локалното клиентско устройство, изисква инсталация и зависи от локални ресурси.",
+          "title": "Локална услуга"
+        },
+        "remote": {
+          "desc": "Този сървър се хоства и работи отдалечено, тъй като основно разчита на отдалечени услуги и не зависи от локална среда.",
+          "title": "Облачна услуга"
+        }
+      },
+      "deployment": {
+        "args": "Аргументи",
+        "checkCommand": "Проверка на команда",
+        "command": "Команда",
+        "commandLine": "Системни зависимости",
+        "connection": "Тип връзка",
+        "connectionType": "Тип връзка",
+        "description": "Начин на инсталация и разгръщане на плъгина",
+        "descriptionPlaceholder": "По избор описание",
+        "empty": "Няма налични опции за разгръщане",
+        "env": "Променливи на средата",
+        "guide": "Инструкции за инсталация",
+        "installation": "Инсталиране чрез {{method}}",
+        "installationMethod": "Метод на инсталация",
+        "other": "Други настройки",
+        "packageName": "Име на пакета",
+        "platform": {
+          "steps": {
+            "claude": "- Отворете приложението **Claude Desktop**\n- Отидете в **Настройки**, след това изберете **Разработчик**\n- Кликнете върху **Редактиране на конфигурация**\n- Отворете файла **claude_desktop_config.json**\n- Копирайте и поставете конфигурацията на сървъра във файла и запазете",
+            "cline": "- Отворете VS Code с инсталирано разширение Cline\n- Кликнете върху иконата на Cline в страничната лента\n- Изберете **MCP Servers** от падащото меню\n- В раздела **Remote Servers** въведете името на сървъра и URL на вашия MCP сървър\n- Кликнете върху **Add Server**, за да се свържете",
+            "cursor": "- Отидете в **Настройки**, след това изберете настройките на Cursor\n- Изберете **MCP** от лявата страна\n- Кликнете върху **Добавяне на нов глобален MCP сървър** в горния десен ъгъл\n- Копирайте и поставете конфигурацията на сървъра във файла и запазете",
+            "lobeChat": "- Отворете приложението **LobeChat Desktop**\n- Отидете в **Настройки** - **По подразбиране асистент**\n- Изберете **Настройки на плъгини** - **Потребителски плъгини**\n- Кликнете върху **Бърз импорт на JSON конфигурация**\n- Копирайте и поставете конфигурацията на сървъра в текстовото поле и инсталирайте",
+            "openai": "- Отворете вашето **OpenAI приложение** или среда за разработка\n- Конфигурирайте MCP инструментите в **Responses API**\n- Добавете MCP блока в масива **tools** на API заявката\n- Задайте **server_url** към вашия MCP сървърен край\n- Включете необходимите заглавки за удостоверяване (API ключ, токени и др.)\n- Използвайте параметъра `allowed_tools`, за да ограничите достъпа до инструментите\n- Задайте `require_approval`, за да контролирате одобрението за изпълнение на инструментите",
+            "vscode": "- Отворете VS Code\n- Отворете командния панел (`Ctrl+Shift+P` / `Cmd+Shift+P`)\n- Въведете **MCP: Add Server** и го изберете\n- Изберете дали да добавите към работната област или потребителските настройки\n- Копирайте и поставете конфигурацията на сървъра"
+          },
+          "title": "Инсталиране в {{platform}}"
+        },
+        "recommended": "Препоръчано",
+        "systemDependencies": "Системни зависимости",
+        "table": {
+          "description": "Описание",
+          "name": "Име",
+          "required": "Задължително",
+          "type": "Тип"
+        },
+        "title": "Метод на инсталация"
+      },
+      "githubBadge": {
+        "desc": "LobeHub редовно сканира хранилищата с код и документация, за да:\n\n- Потвърди, че MCP сървърът работи правилно.\n- Извлече характеристики на сървъра, като инструменти, ресурси, подсказки и необходими параметри.\n- Нашият Badge помага на потребителите бързо да оценят сигурността, функционалността и инструкциите за инсталация на MCP сървъра.\n\nМоля, копирайте следния код във вашия файл `README.md`:"
+      },
+      "nav": {
+        "needHelp": "Нуждаете се от помощ?",
+        "reportIssue": "Докладвайте проблем",
+        "viewSourceCode": "Вижте изходния код"
+      },
+      "overview": {
+        "title": "Преглед"
+      },
+      "related": {
+        "listTitle": "Свързани MCP сървъри",
+        "more": "Виж още",
+        "title": "Свързани препоръки"
+      },
+      "schema": {
+        "mode": {
+          "docs": "Документация"
+        },
+        "prompts": {
+          "arguments": "Конфигурация на параметрите",
+          "desc": "Интерактивни шаблони, задействани от потребителя",
+          "empty": "Няма подсказки",
+          "instructions": "Инструкции",
+          "table": {
+            "description": "Описание",
+            "name": "Име",
+            "required": "Задължително"
+          },
+          "title": "Списък с подсказки"
+        },
+        "resources": {
+          "desc": "Контекстуални данни, добавяни и управлявани от клиента",
+          "empty": "Няма ресурси",
+          "table": {
+            "description": "Описание",
+            "mineType": "MIME тип",
+            "name": "Име",
+            "uri": "URI"
+          },
+          "title": "Списък с ресурси"
+        },
+        "title": "Функции на плъгина",
+        "tools": {
+          "desc": "Интерфейси за функции, изложени на големия езиков модел (LLM) за изпълнение на операции",
+          "empty": "Няма инструменти",
+          "inputSchema": "Описание на входа",
+          "instructions": "Инструкции",
+          "table": {
+            "description": "Описание",
+            "name": "Име",
+            "required": "Задължително",
+            "type": "Тип"
+          },
+          "title": "Списък с инструменти"
+        }
+      },
+      "score": {
+        "claimed": {
+          "desc": "Този MCP сървър е заявен от собственика, което гарантира собствеността и управлението му.",
+          "title": "Заявено от собственика"
+        },
+        "deployMoreThanManual": {
+          "desc": "Този MCP сървър предлага по-удобни методи за инсталация, различни от ръчната, позволяващи лесно разгръщане и използване.",
+          "title": "Предлага удобни методи за инсталация"
+        },
+        "deployment": {
+          "desc": "Този MCP сървър предлага поне един метод за инсталация, позволяващ разгръщане и използване.",
+          "descWithCount": "Този MCP сървър предлага {{number}} метода за инсталация, позволяващи разгръщане и използване.",
+          "title": "Предлага поне един метод за инсталация"
+        },
+        "license": {
+          "desc": "Това хранилище съдържа LICENSE файл.",
+          "descWithlicense": "Лицензът на това хранилище е {{license}}.",
+          "title": "Съдържа LICENSE"
+        },
+        "listTitle": "Детайли за оценката",
+        "notClaimed": {
+          "desc": "Ако сте собственик на този MCP сървър, можете да го заявите по следния начин.",
+          "title": "Не е заявен от собственик"
+        },
+        "prompts": {
+          "desc": "Този MCP сървър предоставя подсказки, позволяващи взаимодействие с услугата.",
+          "descWithCount": "Този MCP сървър предоставя {{number}} подсказки, позволяващи взаимодействие с услугата.",
+          "title": "Включва подсказки"
+        },
+        "readme": {
+          "desc": "Това хранилище съдържа README.md файл.",
+          "title": "Съдържа README"
+        },
+        "resources": {
+          "desc": "Този MCP сървър предоставя ресурси, позволяващи добавяне и управление на контекстуални данни.",
+          "descWithCount": "Този MCP сървър предоставя {{number}} ресурси, позволяващи добавяне и управление на контекстуални данни.",
+          "title": "Включва ресурси"
+        },
+        "title": "Оценка",
+        "tools": {
+          "desc": "Услугата трябва да предоставя поне един инструмент, позволяващ изпълнение на определени операции.",
+          "descWithCount": "Този MCP сървър предоставя {{number}} инструмента, позволяващи изпълнение на определени операции.",
+          "title": "Включва поне един инструмент"
+        },
+        "validated": {
+          "desc": "Този MCP сървър е преминал проверка на инсталацията, гарантираща качество и надеждност.",
+          "title": "Преминал проверка"
+        }
+      },
+      "scoreLevel": {
+        "a": {
+          "desc": "Този MCP сървър е строго проверен, предоставя пълна функционалност и висококачествен потребителски опит.",
+          "fullTitle": "Отличен плъгин",
+          "title": "Висококачествен"
+        },
+        "b": {
+          "desc": "Този MCP сървър предлага добри функции и потребителски опит, но може да се нуждае от подобрения в някои области.",
+          "fullTitle": "Добра функционалност",
+          "title": "Добър"
+        },
+        "f": {
+          "desc": "Този MCP сървър е с непълна функционалност или ниско качество, препоръчва се потребителите да бъдат внимателни при използване.",
+          "fullTitle": "Ниско качество",
+          "title": "Слаб"
+        }
+      },
+      "settings": {
+        "capabilities": {
+          "prompts": "Подсказки",
+          "resources": "Ресурси",
+          "title": "Възможности на приставката",
+          "tools": "Инструменти"
+        },
+        "configuration": {
+          "title": "Конфигурация на приставката"
+        },
+        "connection": {
+          "args": "Аргументи за стартиране",
+          "command": "Команда за стартиране",
+          "title": "Информация за връзка",
+          "type": "Тип връзка",
+          "url": "Адрес на услугата"
+        },
+        "saveSettings": "Запази настройките",
+        "title": "Настройки на приставката"
+      },
+      "sidebar": {
+        "install": "Инсталиране на MCP сървър",
+        "meta": {
+          "homepage": "Официален уебсайт",
+          "installCount": "Брой инсталации",
+          "language": "Език на изходния код",
+          "license": "Лиценз",
+          "published": "Дата на публикуване",
+          "repo": "Хранилище с изходен код",
+          "stars": "Брой звезди",
+          "title": "Подробна информация",
+          "updated": "Последна актуализация"
+        },
+        "moreServerConfig": "Виж подробности",
+        "recommendServers": "Свързани MCP",
+        "serverConfig": "Конфигурация за инсталация",
+        "toc": "Съдържание"
+      },
+      "summary": {
+        "title": "Какво можете да правите с този MCP сървър?"
+      },
+      "totalScore": {
+        "description": "Общ резултат, изчислен въз основа на различни показатели",
+        "legend": {
+          "aGrade": "Ниво A ({{minPercent}}-100%)",
+          "bGrade": "Ниво B ({{minPercent}}-{{maxPercent}}%)",
+          "fGrade": "Ниво F (0-{{maxPercent}}%)"
+        },
+        "pointsFormat": "{{score}}/{{total}} точки",
+        "popover": {
+          "completedOptional": "✅ Завършени незадължителни елементи ({{count}})",
+          "completedRequired": "✅ Завършени задължителни елементи ({{count}})",
+          "incompleteOptional": "⏸️ Незавършени незадължителни елементи ({{count}})",
+          "incompleteRequired": "❌ Незавършени задължителни елементи ({{count}})",
+          "title": "Детайли за оценката"
+        },
+        "ratingFormat": "Оценка: {{level}}",
+        "scoreInfo": {
+          "items": "елементи",
+          "points": "точки",
+          "requiredItems": "задължителни елементи"
+        },
+        "title": "Общ резултат"
+      },
+      "versions": {
+        "table": {
+          "isLatest": "Последна версия",
+          "isValidated": "Преминала проверка",
+          "publishAt": "Дата на публикуване",
+          "version": "Версия"
+        },
+        "title": "История на версиите"
+      }
+    },
+    "hero": {
+      "desc": "Отворена и разгръщаема платформа MCP сървъри, която помага на AI системите лесно да имат достъп до файлови системи, бази данни, API и други ключови ресурси, разширявайки вашите AI възможности.",
+      "subTitle": "Отворен код & готово за използване",
+      "title": "Отворен MCP пазар за AI"
+    },
+    "sorts": {
+      "createdAt": "Последно добавено",
+      "installCount": "Брой инсталации",
+      "isFeatured": "Препоръчани плъгини",
+      "isValidated": "Проверени плъгини",
+      "promptsCount": "Брой подсказки",
+      "ratingCount": "Брой оценки",
+      "resourcesCount": "Брой ресурси",
+      "toolsCount": "Брой инструменти",
+      "updatedAt": "Последна актуализация"
+    },
+    "title": "MCP пазар",
+    "unvalidated": {
+      "desc": "Този MCP сървър все още не е проверен",
+      "title": "Непроверен"
+    },
+    "validated": {
+      "desc": "Този MCP сървър е проверен, гарантирайки качество и надеждност.",
+      "descWithDate": "Този MCP сървър е проверен на {{date}}, гарантирайки качество и надеждност.",
+      "title": "Проверен"
+    }
+  },
   "models": {
+    "abilities": "Възможности на модела",
     "chat": "Започни разговор",
     "contentLength": "Максимална дължина на контекста",
+    "details": {
+      "overview": {
+        "title": "Преглед"
+      },
+      "related": {
+        "listTitle": "Свързани модели",
+        "more": "Виж още",
+        "title": "Свързани препоръки"
+      }
+    },
     "free": "Безплатно",
     "guide": "Ръководство за конфигурация",
     "list": "Списък на моделите",
@@ -156,11 +559,30 @@
       "throughput": "Пропускателна способност",
       "throughputTooltip": "Среден брой Token, предавани на секунда за поточни заявки"
     },
+    "sorts": {
+      "contextWindowTokens": "Дължина на контекста",
+      "identifier": "ID на модела",
+      "inputPrice": "Цена за вход",
+      "outputPrice": "Цена за изход",
+      "providerCount": "Брой доставчици",
+      "releasedAt": "Последно публикуван"
+    },
     "suggestions": "Свързани модели",
     "supportedProviders": "Доставчици, поддържащи този модел"
   },
   "plugins": {
     "community": "Обществени плъгини",
+    "details": {
+      "settings": {
+        "title": "Настройки на приставката"
+      },
+      "summary": {
+        "title": "Какво можете да правите с този плъгин?"
+      },
+      "tools": {
+        "title": "Инструменти на приставката"
+      }
+    },
     "install": "Инсталирай плъгин",
     "installed": "Инсталиран",
     "list": "Списък с плъгини",
@@ -173,36 +595,54 @@
     "more": "Още",
     "official": "Официални плъгини",
     "recentSubmits": "Наскоро обновени",
+    "sorts": {
+      "createdAt": "Последно публикуван",
+      "identifier": "ID на плъгина",
+      "title": "Име на плъгина"
+    },
     "suggestions": "Свързани предложения"
   },
   "providers": {
     "config": "Конфигуриране на доставчици",
+    "details": {
+      "guide": {
+        "title": "Ръководство за интеграция"
+      },
+      "overview": {
+        "title": "Преглед"
+      },
+      "related": {
+        "listTitle": "Свързани доставчици",
+        "more": "Виж още",
+        "title": "Свързани препоръки"
+      }
+    },
     "list": "Списък на доставчиците на модели",
     "modelCount": "{{count}} модела",
+    "modelName": "Име на модела",
     "modelSite": "Документация на моделите",
     "more": "Още",
     "officialSite": "Официален сайт",
     "showAllModels": "Покажи всички модели",
+    "sorts": {
+      "default": "Подредба по подразбиране",
+      "identifier": "ID на доставчика",
+      "modelCount": "Брой модели"
+    },
     "suggestions": "Свързани доставчици",
     "supportedModels": "Поддържани модели"
   },
+  "publishedTime": "Публикувано на",
   "search": {
     "placeholder": "Търсене по име, описание или ключови думи...",
     "result": "{{count}} резултата за <highlight>{{keyword}}</highlight>",
     "searching": "Търсене..."
   },
-  "sort": {
-    "mostLiked": "Най-подобни",
-    "mostUsed": "Най-използвани",
-    "newest": "От ново към старо",
-    "oldest": "От старо към ново",
-    "recommended": "Препоръчани"
-  },
   "tab": {
-    "assistants": "Асистенти",
+    "assistant": "Асистент",
     "home": "Начална страница",
-    "models": "Модели",
-    "plugins": "Плъгини",
-    "providers": "Доставчици на модели"
+    "model": "Модел",
+    "plugin": "Плъгин",
+    "provider": "Доставчик на модели"
   }
 }

locales/bg-BG/metadata.json

@@ -13,6 +13,10 @@
       "title": "AI асистенти"
     },
     "description": "Създаване на съдържание, копиране, въпроси и отговори, генериране на изображения, генериране на видео, генериране на глас, интелигентни агенти, автоматизирани работни потоци, персонализирани AI приложения, персонализирайте своя собствена AI работна станция",
+    "mcp": {
+      "description": "Търсете, сравнявайте и се свързвайте с хиляди MCP сървъри, които помагат на AI системите лесно да имат достъп до файлови системи, бази данни, API и други ключови ресурси, като по този начин значително разширяват възможностите на вашия AI",
+      "title": "Пазар на MCP сървъри"
+    },
     "models": {
       "description": "Изследвайте основните AI модели OpenAI / GPT / Claude 3 / Gemini / Ollama / Azure / DeepSeek",
       "title": "AI модели"

locales/bg-BG/modelProvider.json

@@ -208,6 +208,10 @@
         "title": "Използване на клиентски режим на запитвания"
       },
       "helpDoc": "Ръководство за конфигуриране",
+      "responsesApi": {
+        "desc": "Използва новия формат на заявките на OpenAI, отключващ функции като вериги на мислене и други усъвършенствани възможности",
+        "title": "Използване на Responses API стандарта"
+      },
       "waitingForMore": "Още модели са в <1>планиране</1>, моля, очаквайте"
     },
     "createNew": {

locales/bg-BG/models.json

@@ -176,9 +176,15 @@
   "Meta-Llama-3.3-70B-Instruct": {
     "description": "Llama 3.3 е най-напредналият многоезичен отворен голям езиков модел от серията Llama, който предлага производителност, сравнима с 405B моделите, на изключително ниска цена. Базиран на структурата Transformer и подобрен чрез супервизирано фино настройване (SFT) и обучение с човешка обратна връзка (RLHF) за повишаване на полезността и безопасността. Неговата версия с оптимизация за инструкции е специално проектирана за многоезични диалози и показва по-добри резултати от много от наличните отворени и затворени чат модели на множество индустриални бенчмаркове. Краен срок за знанията е декември 2023 г."
   },
+  "MiniMax-M1": {
+    "description": "Изцяло ново самостоятелно разработено модел за разсъждение. Световен лидер: 80K вериги на мислене x 1M вход, с резултати, сравними с водещите модели в чужбина."
+  },
   "MiniMax-Text-01": {
     "description": "В серията модели MiniMax-01 направихме смели иновации: за първи път реализирахме мащабно линейно внимание, традиционната архитектура на Transformer вече не е единственият избор. Параметрите на този модел достигат 4560 милиарда, с единична активация от 45.9 милиарда. Общата производителност на модела е на нивото на водещите модели в чужбина, като същевременно ефективно обработва глобалния контекст от 4 милиона токена, което е 32 пъти повече от GPT-4o и 20 пъти повече от Claude-3.5-Sonnet."
   },
+  "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."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) е модел с висока точност за инструкции, подходящ за сложни изчисления."
   },
@@ -206,15 +212,9 @@
   "Phi-3.5-vision-instrust": {
     "description": "Актуализирана версия на модела Phi-3-vision."
   },
-  "Pro/Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct е голям езиков модел с параметри 1.5B от серията Qwen2, специално настроен за инструкции. Моделът е базиран на архитектурата Transformer и използва технологии като SwiGLU активационна функция, QKV отклонение за внимание и групова внимание. Той показва отлични резултати в множество бенчмаркове за разбиране на езика, генериране, многоезични способности, кодиране, математика и разсъждения, надминавайки повечето отворени модели. В сравнение с Qwen1.5-1.8B-Chat, Qwen2-1.5B-Instruct показва значителни подобрения в тестовете MMLU, HumanEval, GSM8K, C-Eval и IFEval, въпреки че параметрите са малко по-малко."
-  },
   "Pro/Qwen/Qwen2-7B-Instruct": {
     "description": "Qwen2-7B-Instruct е голям езиков модел с параметри 7B от серията Qwen2, специално настроен за инструкции. Моделът е базиран на архитектурата Transformer и използва технологии като SwiGLU активационна функция, QKV отклонение за внимание и групова внимание. Той може да обработва големи входни данни. Моделът показва отлични резултати в множество бенчмаркове за разбиране на езика, генериране, многоезични способности, кодиране, математика и разсъждения, надминавайки повечето отворени модели и показвайки конкурентоспособност на определени задачи в сравнение с патентовани модели. Qwen2-7B-Instruct показва значителни подобрения в множество оценки в сравнение с Qwen1.5-7B-Chat."
   },
-  "Pro/Qwen/Qwen2-VL-7B-Instruct": {
-    "description": "Qwen2-VL е най-новата итерация на модела Qwen-VL, който е постигнал водещи резултати в тестовете за визуално разбиране."
-  },
   "Pro/Qwen/Qwen2.5-7B-Instruct": {
     "description": "Qwen2.5-7B-Instruct е един от най-новите големи езикови модели, публикувани от Alibaba Cloud. Този 7B модел показва значителни подобрения в областите на кодирането и математиката. Моделът предлага многоезична поддръжка, обхващаща над 29 езика, включително китайски, английски и др. Моделът показва значителни подобрения в следването на инструкции, разбирането на структурирани данни и генерирането на структурирани изходи (особено JSON)."
   },
@@ -230,8 +230,8 @@
   "Pro/deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 е модел за инференция, управляван от обучение с подсилване (RL), който решава проблемите с повторяемостта и четимостта в моделите. Преди RL, DeepSeek-R1 въвежда данни за студен старт, за да оптимизира допълнително производителността на инференцията. Той показва сравними резултати с OpenAI-o1 в математически, кодови и инференционни задачи и подобрява общата ефективност чрез внимателно проектирани методи на обучение."
   },
-  "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B": {
-    "description": "DeepSeek-R1-Distill-Qwen-1.5B е модел, получен чрез дистилация на знания от Qwen2.5-Math-1.5B. Моделът е фино настроен с 800 000 избрани проби, генерирани от DeepSeek-R1, и демонстрира добро представяне в множество тестове. Като лек модел, той постига 83,9% точност в MATH-500, 28,9% успеваемост в AIME 2024 и рейтинг от 954 в CodeForces, показвайки способности за разсъждение, които надхвърлят неговия мащаб на параметри."
+  "Pro/deepseek-ai/DeepSeek-R1-0120": {
+    "description": "DeepSeek-R1 е модел за разсъждение, задвижван от усилено обучение (RL), който решава проблеми с повторяемост и четимост в модела. Преди RL, DeepSeek-R1 въвежда студено стартиране на данни за допълнително оптимизиране на разсъжденията. Моделът постига резултати, сравними с OpenAI-o1 в задачи по математика, кодиране и разсъждение, и подобрява общата ефективност чрез внимателно проектирани методи за обучение."
   },
   "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B": {
     "description": "DeepSeek-R1-Distill-Qwen-7B е модел, получен чрез дистилация на знания от Qwen2.5-Math-7B. Този модел е фино настроен с 800 000 избрани проби, генерирани от DeepSeek-R1, и демонстрира изключителни способности за разсъждение. Той се представя отлично в множество тестове, постигайки 92,8% точност в MATH-500, 55,5% успеваемост в AIME 2024 и рейтинг от 1189 в CodeForces, показвайки силни математически и програмистки способности за модел с мащаб 7B."
@@ -254,9 +254,6 @@
   "Qwen/QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview е най-новият експериментален изследователски модел на Qwen, който се фокусира върху подобряване на AI разсъдъчните способности. Чрез изследване на сложни механизми като езикови смеси и рекурсивно разсъждение, основните предимства включват мощни аналитични способности, математически и програмистки умения. В същото време съществуват проблеми с езиковото превключване, цикли на разсъждение, съображения за безопасност и разлики в други способности."
   },
-  "Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct е голям езиков модел с параметри 1.5B от серията Qwen2, специално настроен за инструкции. Моделът е базиран на архитектурата Transformer и използва технологии като SwiGLU активационна функция, QKV отклонение за внимание и групова внимание. Той показва отлични резултати в множество бенчмаркове за разбиране на езика, генериране, многоезични способности, кодиране, математика и разсъждения, надминавайки повечето отворени модели. В сравнение с Qwen1.5-1.8B-Chat, Qwen2-1.5B-Instruct показва значителни подобрения в тестовете MMLU, HumanEval, GSM8K, C-Eval и IFEval, въпреки че параметрите са малко по-малко."
-  },
   "Qwen/Qwen2-72B-Instruct": {
     "description": "Qwen2 е напреднал универсален езиков модел, поддържащ множество типове инструкции."
   },
@@ -416,14 +413,11 @@
   "THUDM/GLM-Z1-Rumination-32B-0414": {
     "description": "GLM-Z1-Rumination-32B-0414 е модел за дълбочинно разсъждение с дълбоки способности за разсъждение (сравним с Deep Research на OpenAI). За разлика от типичните модели за дълбочинно разсъждение, моделът за разсъждение използва по-дълго време за дълбочинно разсъждение, за да решава по-отворени и сложни проблеми."
   },
-  "THUDM/chatglm3-6b": {
-    "description": "ChatGLM3-6B е отворен модел от серията ChatGLM, разработен от Zhizhu AI. Моделът запазва отличителните характеристики на предшествениците си, като плавност на разговора и ниски изисквания за внедряване, докато въвежда нови функции. Той използва по-разнообразни тренировъчни данни, по-пълноценни тренировъчни стъпки и по-разумни тренировъчни стратегии, показвайки отлични резултати сред предварително обучените модели под 10B. ChatGLM3-6B поддържа многократни разговори, извикване на инструменти, изпълнение на код и сложни сценарии на задачи на агенти. Освен модела за разговори, са отворени и основният модел ChatGLM-6B-Base и моделът за дълги текстови разговори ChatGLM3-6B-32K. Моделът е напълно отворен за академични изследвания и позволява безплатна търговска употреба след регистрация."
-  },
   "THUDM/glm-4-9b-chat": {
     "description": "GLM-4 9B е отворен код версия, предоставяща оптимизирано изживяване в разговорните приложения."
   },
-  "Vendor-A/Qwen/Qwen2.5-72B-Instruct": {
-    "description": "Qwen2.5-72B-Instruct е един от най-новите големи езикови модели, публикувани от Alibaba Cloud. Този 72B модел показва значителни подобрения в областите на кодирането и математиката. Моделът предлага многоезична поддръжка, обхващаща над 29 езика, включително китайски, английски и др. Моделът показва значителни подобрения в следването на инструкции, разбирането на структурирани данни и генерирането на структурирани изходи (особено JSON)."
+  "Tongyi-Zhiwen/QwenLong-L1-32B": {
+    "description": "QwenLong-L1-32B е първият голям модел за разсъждение с дълъг контекст, обучен чрез усилено обучение (LRM), специално оптимизиран за задачи с дълги текстове. Моделът използва прогресивна рамка за разширяване на контекста чрез усилено обучение, осигурявайки стабилен преход от кратък към дълъг контекст. В седем базови теста за въпроси и отговори с дълъг контекст QwenLong-L1-32B превъзхожда водещи модели като OpenAI-o3-mini и Qwen3-235B-A22B, с производителност, сравнима с Claude-3.7-Sonnet-Thinking. Моделът е особено силен в математическо, логическо и многократно разсъждение."
   },
   "Yi-34B-Chat": {
     "description": "Yi-1.5-34B значително подобрява математическата логика и способностите в кодирането, като запазва отличните общи езикови способности на оригиналната серия модели, чрез инкрементално обучение с 500 милиарда висококачествени токени."
@@ -560,6 +554,12 @@
   "anthropic/claude-3.7-sonnet": {
     "description": "Claude 3.7 Sonnet е най-интелигентният модел на Anthropic до момента и е първият хибриден модел за разсъждение на пазара. Claude 3.7 Sonnet може да генерира почти мигновени отговори или удължено стъпково мислене, което позволява на потребителите ясно да видят тези процеси. Sonnet е особено добър в програмирането, науката за данни, визуалната обработка и агентските задачи."
   },
+  "anthropic/claude-opus-4": {
+    "description": "Claude Opus 4 е най-мощният модел на Anthropic за справяне с изключително сложни задачи. Той се отличава с изключителна производителност, интелигентност, плавност и разбиране."
+  },
+  "anthropic/claude-sonnet-4": {
+    "description": "Claude Sonnet 4 може да генерира почти мигновени отговори или удължено стъпково мислене, което потребителите могат ясно да проследят. Потребителите на API също така имат прецизен контрол върху времето за мислене на модела."
+  },
   "aya": {
     "description": "Aya 23 е многозначен модел, представен от Cohere, поддържащ 23 езика, предоставяйки удобство за многоезични приложения."
   },
@@ -665,6 +665,9 @@
   "codestral-latest": {
     "description": "Codestral е авангарден генеративен модел, фокусиран върху генерирането на код, оптимизиран за междинно попълване и задачи за допълване на код."
   },
+  "codex-mini-latest": {
+    "description": "codex-mini-latest е фина настройка на o4-mini, специално предназначена за Codex CLI. За директна употреба чрез API препоръчваме да започнете с gpt-4.1."
+  },
   "cognitivecomputations/dolphin-mixtral-8x22b": {
     "description": "Dolphin Mixtral 8x22B е модел, проектиран за следване на инструкции, диалози и програмиране."
   },
@@ -722,6 +725,9 @@
   "compound-beta-mini": {
     "description": "Compound-beta-mini е композитна AI система, подкрепена от публично достъпни модели в GroqCloud, която интелигентно и селективно използва инструменти за отговор на запитвания на потребителите."
   },
+  "computer-use-preview": {
+    "description": "Моделът computer-use-preview е специално създаден за „инструменти за използване на компютър“, обучен да разбира и изпълнява задачи, свързани с компютри."
+  },
   "dall-e-2": {
     "description": "Второ поколение модел DALL·E, поддържащ по-реалистично и точно генериране на изображения, с резолюция 4 пъти по-висока от първото поколение."
   },
@@ -734,6 +740,12 @@
   "deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 е модел за извеждане, управляван от подсилено обучение (RL), който решава проблемите с повторяемостта и четимостта в модела. Преди RL, DeepSeek-R1 въвежда данни за студен старт, за да оптимизира допълнително производителността на извеждане. Той показва сравнима производителност с OpenAI-o1 в математически, кодови и извеждащи задачи и подобрява общите резултати чрез внимателно проектирани методи на обучение."
   },
+  "deepseek-ai/DeepSeek-R1-0528": {
+    "description": "DeepSeek R1 значително подобрява дълбочината на разсъждения и изводи чрез използване на увеличени изчислителни ресурси и въвеждане на алгоритмични оптимизации по време на последващото обучение. Моделът постига отлични резултати в различни базови оценки, включително математика, програмиране и обща логика. Общата му производителност вече е близка до водещи модели като O3 и Gemini 2.5 Pro."
+  },
+  "deepseek-ai/DeepSeek-R1-0528-Qwen3-8B": {
+    "description": "DeepSeek-R1-0528-Qwen3-8B е модел, получен чрез дистилация на мисловни вериги от DeepSeek-R1-0528 към Qwen3 8B Base. Този модел постига най-съвременна (SOTA) производителност сред отворените модели, превъзхождайки Qwen3 8B с 10% в теста AIME 2024 и достига нивото на Qwen3-235B-thinking. Моделът показва отлични резултати в математическо разсъждение, програмиране и обща логика, с архитектура, идентична на Qwen3-8B, но споделяща конфигурацията на токенизатора на DeepSeek-R1-0528."
+  },
   "deepseek-ai/DeepSeek-R1-Distill-Llama-70B": {
     "description": "DeepSeek-R1 дестилиран модел, оптимизира производителността на разсъжденията чрез подсилено учене и данни за студен старт, отворен модел, който обновява многозадачния стандарт."
   },
@@ -779,6 +791,9 @@
   "deepseek-r1": {
     "description": "DeepSeek-R1 е модел за извеждане, управляван от подсилено обучение (RL), който решава проблемите с повторяемостта и четимостта в модела. Преди RL, DeepSeek-R1 въвежда данни за студен старт, за да оптимизира допълнително производителността на извеждане. Той показва сравнима производителност с OpenAI-o1 в математически, кодови и извеждащи задачи и подобрява общите резултати чрез внимателно проектирани методи на обучение."
   },
+  "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-r1-70b-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."
   },
@@ -836,9 +851,6 @@
   "deepseek-v3-0324": {
     "description": "DeepSeek-V3-0324 е MoE модел с 671B параметри, който се отличава с предимства в програмирането и техническите способности, разбирането на контекста и обработката на дълги текстове."
   },
-  "deepseek/deepseek-chat": {
-    "description": "Новооткритият отворен модел, който съчетава общи и кодови способности, не само запазва общата диалогова способност на оригиналния Chat модел и мощната способност за обработка на код на Coder модела, но също така по-добре се съобразява с човешките предпочитания. Освен това, DeepSeek-V2.5 постигна значителни подобрения в задачи по писане, следване на инструкции и много други."
-  },
   "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."
   },
@@ -848,6 +860,12 @@
   "deepseek/deepseek-r1": {
     "description": "DeepSeek-R1 значително подобри способността на модела за разсъждение при наличието на много малко маркирани данни. Преди да предостави окончателния отговор, моделът първо ще изведе част от съдържанието на веригата на мислене, за да повиши точността на окончателния отговор."
   },
+  "deepseek/deepseek-r1-0528": {
+    "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-r1-0528:free": {
+    "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 голям езиков модел, базиран на Llama3.3 70B, който използва фина настройка на изхода на DeepSeek R1, за да постигне конкурентна производителност, сравнима с големите водещи модели."
   },
@@ -899,6 +917,15 @@
   "doubao-1.5-vision-lite": {
     "description": "Doubao-1.5-vision-lite е ново обновление на мултимодалния модел, поддържащ разпознаване на изображения с произволна резолюция и екстремни съотношения на дължина и ширина, подобряващ способностите за визуални разсъждения, разпознаване на документи, разбиране на детайлна информация и следване на инструкции. Поддържа контекстуален прозорец от 128k, с максимална дължина на изхода от 16k токена."
   },
+  "doubao-seed-1.6": {
+    "description": "Doubao-Seed-1.6 е нов мултимодален модел за дълбоко мислене, който поддържа три режима на мислене: auto, thinking и non-thinking. В non-thinking режим моделът значително превъзхожда Doubao-1.5-pro/250115. Поддържа контекстен прозорец от 256k и максимална дължина на изхода до 16k токена."
+  },
+  "doubao-seed-1.6-flash": {
+    "description": "Doubao-Seed-1.6-flash е мултимодален модел за дълбоко мислене с изключително бързо изчисление, TPOT отнема само 10ms; поддържа както текстово, така и визуално разбиране, като текстовите му възможности надминават предишното поколение lite, а визуалното разбиране е на нивото на професионалните модели на конкурентите. Поддържа контекстен прозорец от 256k и максимална дължина на изхода до 16k токена."
+  },
+  "doubao-seed-1.6-thinking": {
+    "description": "Doubao-Seed-1.6-thinking моделът значително подобрява способностите за мислене в сравнение с Doubao-1.5-thinking-pro, с допълнителни подобрения в кодиране, математика и логическо разсъждение, като поддържа визуално разбиране. Поддържа контекстен прозорец от 256k и максимална дължина на изхода до 16k токена."
+  },
   "emohaa": {
     "description": "Emohaa е психологически модел с професионални консултантски способности, помагащ на потребителите да разберат емоционалните проблеми."
   },
@@ -1037,6 +1064,12 @@
   "gemini-2.0-flash-preview-image-generation": {
     "description": "Gemini 2.0 Flash предварителен модел, поддържащ генериране на изображения"
   },
+  "gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash е най-ефективният модел на Google, предлагащ пълна функционалност."
+  },
+  "gemini-2.5-flash-lite-preview-06-17": {
+    "description": "Gemini 2.5 Flash-Lite Preview е най-малкият и най-ефективен модел на Google, проектиран за мащабна употреба."
+  },
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview е моделът с най-добро съотношение цена-качество на Google, предлагащ пълна функционалност."
   },
@@ -1046,6 +1079,9 @@
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview е най-ефективният модел на Google, предлагащ пълна функционалност."
   },
+  "gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro е най-напредналият мисловен модел на Google, способен да разсъждава върху сложни проблеми в областта на кода, математиката и STEM, както и да анализира големи набори от данни, кодови бази и документи с дълъг контекст."
+  },
   "gemini-2.5-pro-exp-03-25": {
     "description": "Gemini 2.5 Pro Experimental е най-напредналият модел на мислене на Google, способен да разсъждава по сложни проблеми в код, математика и STEM области, както и да анализира големи набори от данни, кодови библиотеки и документи, използвайки дълъг контекст."
   },
@@ -1055,6 +1091,9 @@
   "gemini-2.5-pro-preview-05-06": {
     "description": "Gemini 2.5 Pro Preview е най-напредналият модел на Google за мислене, способен да разсъждава по сложни проблеми в кодиране, математика и STEM области, както и да анализира големи набори от данни, кодови библиотеки и документи с дълъг контекст."
   },
+  "gemini-2.5-pro-preview-06-05": {
+    "description": "Gemini 2.5 Pro Preview е най-напредналият мисловен модел на Google, способен да разсъждава върху сложни проблеми в областта на кодирането, математиката и STEM, както и да анализира големи набори от данни, кодови бази и документи с дълъг контекст."
+  },
   "gemma-7b-it": {
     "description": "Gemma 7B е подходяща за обработка на средни и малки задачи, съчетаваща икономичност."
   },
@@ -1142,14 +1181,20 @@
   "google/gemini-2.0-flash-exp:free": {
     "description": "Gemini 2.0 Flash Experimental е най-новият експериментален мултимодален AI модел на Google, с определено подобрение в качеството в сравнение с предишните версии, особено по отношение на световни знания, код и дълъг контекст."
   },
+  "google/gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash е най-усъвършенстваният основен модел на Google, специално проектиран за напреднали задачи по разсъждение, кодиране, математика и наука. Той включва вградена способност за „мислене“, която му позволява да предоставя отговори с по-висока точност и по-детайлна обработка на контекста.\n\nЗабележка: Този модел има два варианта: с мислене и без мислене. Ценообразуването на изхода се различава значително в зависимост от това дали способността за мислене е активирана. Ако изберете стандартния вариант (без суфикса „:thinking“), моделът ясно избягва генерирането на мисловни токени.\n\nЗа да използвате способността за мислене и да получавате мисловни токени, трябва да изберете варианта „:thinking“, което ще доведе до по-висока цена за изход с мислене.\n\nОсвен това, Gemini 2.5 Flash може да бъде конфигуриран чрез параметъра „максимален брой токени за разсъждение“, както е описано в документацията (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
+  },
   "google/gemini-2.5-flash-preview": {
     "description": "Gemini 2.5 Flash е най-напредналият основен модел на Google, проектиран за напреднали разсъждения, кодиране, математика и научни задачи. Той включва вградена способност за \"мислене\", което му позволява да предоставя отговори с по-висока точност и детайлна обработка на контекста.\n\nЗабележка: Този модел има два варианта: с мислене и без мислене. Цените на изхода значително варират в зависимост от активирането на способността за мислене. Ако изберете стандартния вариант (без суфикс \":thinking\"), моделът ще избягва генерирането на токени за мислене.\n\nЗа да се възползвате от способността за мислене и да получите токени за мислене, трябва да изберете варианта \":thinking\", което ще доведе до по-високи цени на изхода за мислене.\n\nОсвен това, Gemini 2.5 Flash може да бъде конфигуриран чрез параметъра \"максимален брой токени за разсъждение\", както е описано в документацията (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
   "google/gemini-2.5-flash-preview:thinking": {
     "description": "Gemini 2.5 Flash е най-напредналият основен модел на Google, проектиран за напреднали разсъждения, кодиране, математика и научни задачи. Той включва вградена способност за \"мислене\", което му позволява да предоставя отговори с по-висока точност и детайлна обработка на контекста.\n\nЗабележка: Този модел има два варианта: с мислене и без мислене. Цените на изхода значително варират в зависимост от активирането на способността за мислене. Ако изберете стандартния вариант (без суфикс \":thinking\"), моделът ще избягва генерирането на токени за мислене.\n\nЗа да се възползвате от способността за мислене и да получите токени за мислене, трябва да изберете варианта \":thinking\", което ще доведе до по-високи цени на изхода за мислене.\n\nОсвен това, Gemini 2.5 Flash може да бъде конфигуриран чрез параметъра \"максимален брой токени за разсъждение\", както е описано в документацията (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
-  "google/gemini-2.5-pro-preview-03-25": {
-    "description": "Gemini 2.5 Pro е най-напредналият AI модел на Google, проектиран за напреднали разсъждения, кодиране, математика и научни задачи. Той притежава способността за \"мислене\", което му позволява да разсъждава с по-висока точност и детайлна обработка на контекста. Gemini 2.5 Pro постига топ производителност в множество бенчмарков, включително първо място в класацията на LMArena, отразявайки изключителна съвместимост с човешките предпочитания и способност за решаване на сложни проблеми."
+  "google/gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro е най-усъвършенстваният мисловен модел на Google, способен да извършва разсъждения върху сложни проблеми в областта на кодирането, математиката и STEM, както и да анализира големи набори от данни, кодови бази и документи с дълъг контекст."
+  },
+  "google/gemini-2.5-pro-preview": {
+    "description": "Gemini 2.5 Pro Preview е най-усъвършенстваният мисловен модел на Google, способен да извършва разсъждения върху сложни проблеми в областта на кодирането, математиката и STEM, както и да анализира големи набори от данни, кодови бази и документи с дълъг контекст."
   },
   "google/gemini-flash-1.5": {
     "description": "Gemini 1.5 Flash предлага оптимизирани мултимодални обработващи способности, подходящи за различни сложни задачи."
@@ -1259,9 +1304,15 @@
   "gpt-4o-mini": {
     "description": "GPT-4o mini е най-новият модел на OpenAI, след GPT-4 Omni, който поддържа текстово и визуално въвеждане и генерира текст. Като най-напредналият им малък модел, той е значително по-евтин от другите нови модели и е с над 60% по-евтин от GPT-3.5 Turbo. Запазва най-съвременната интелигентност, като същевременно предлага значителна стойност за парите. GPT-4o mini получи 82% на теста MMLU и в момента е с по-висок рейтинг от GPT-4 по предпочитания за чат."
   },
+  "gpt-4o-mini-audio-preview": {
+    "description": "GPT-4o mini Audio модел, поддържа вход и изход на аудио."
+  },
   "gpt-4o-mini-realtime-preview": {
     "description": "Реален вариант на GPT-4o-mini, поддържащ вход и изход на аудио и текст в реално време."
   },
+  "gpt-4o-mini-search-preview": {
+    "description": "GPT-4o mini предварителна версия за търсене е модел, специално обучен за разбиране и изпълнение на заявки за уеб търсене, използващ Chat Completions API. Освен таксите за токени, заявките за уеб търсене се таксуват и на всяко извикване на инструмента."
+  },
   "gpt-4o-mini-tts": {
     "description": "GPT-4o mini TTS е модел за преобразуване на текст в реч, базиран на GPT-4o mini, предлагащ висококачествено генериране на реч при по-ниска цена."
   },
@@ -1274,6 +1325,9 @@
   "gpt-4o-realtime-preview-2024-12-17": {
     "description": "Реален вариант на GPT-4o, поддържащ вход и изход на аудио и текст в реално време."
   },
+  "gpt-4o-search-preview": {
+    "description": "GPT-4o предварителна версия за търсене е модел, специално обучен за разбиране и изпълнение на заявки за уеб търсене, използващ Chat Completions API. Освен таксите за токени, заявките за уеб търсене се таксуват и на всяко извикване на инструмента."
+  },
   "grok-2-1212": {
     "description": "Този модел е подобрен по отношение на точност, спазване на инструкции и многоезични способности."
   },
@@ -1307,6 +1361,9 @@
   "hunyuan-large-longcontext": {
     "description": "Специализира в обработката на дълги текстови задачи, като резюмета на документи и отговори на въпроси, и също така притежава способността да обработва общи текстови генериращи задачи. Показва отлични резултати в анализа и генерирането на дълги текстове, ефективно справяйки се с комплексни и подробни изисквания за обработка на дълги текстове."
   },
+  "hunyuan-large-vision": {
+    "description": "Този модел е подходящ за сцени с разбиране на изображения и текст, базиран на Hunyuan Large, голям визуално-езиков модел, който поддържа вход с множество изображения с произволна резолюция и текст, генерира текстово съдържание, фокусиран върху задачи, свързани с разбиране на изображения и текст, с значително подобрени мултиезикови способности за разбиране на изображения и текст."
+  },
   "hunyuan-lite": {
     "description": "Актуализиран до MOE структура, контекстният прозорец е 256k, водещ в множество оценъчни набори в NLP, код, математика и индустрия, пред много от отворените модели."
   },
@@ -1331,18 +1388,18 @@
   "hunyuan-t1-20250321": {
     "description": "Цялостно изграждане на моделни способности в хуманитарни и точни науки, с висока способност за улавяне на дълги текстови информации. Поддържа разсъждения и отговори на научни въпроси от всякаква трудност, включително математика, логика, наука и код."
   },
+  "hunyuan-t1-20250403": {
+    "description": "Подобряване на възможностите за генериране на код на проектно ниво; повишаване качеството на текстовото писане; подобряване на разбирането на теми, многократното следване на инструкции и разбирането на думи и изрази; оптимизиране на проблемите с изход, смесващ опростен и традиционен китайски, както и китайски и английски."
+  },
+  "hunyuan-t1-20250529": {
+    "description": "Оптимизиран за текстово творчество и писане на есета, подобрява уменията в кодирането, математиката и логическото разсъждение, както и способността за следване на инструкции."
+  },
   "hunyuan-t1-latest": {
     "description": "Първият в индустрията свръхголям хибриден трансформаторен модел за инференция, който разширява инференционните способности, предлага изключителна скорост на декодиране и допълнително съгласува човешките предпочитания."
   },
   "hunyuan-t1-vision": {
     "description": "Модел за дълбоко мултимодално разбиране Hunyuan, поддържащ естествени мултимодални вериги на мислене, експертен в различни сценарии за разсъждение върху изображения, с цялостно подобрение спрямо бързите мисловни модели при научни задачи."
   },
-  "hunyuan-translation": {
-    "description": "Поддържа автоматичен превод между 15 езика, включително китайски, английски, японски, френски, португалски, испански, турски, руски, арабски, корейски, италиански, немски, виетнамски, малайски и индонезийски, базиран на автоматизирана оценка COMET, с цялостна преводна способност, която е по-добра от моделите на пазара с подобен мащаб."
-  },
-  "hunyuan-translation-lite": {
-    "description": "Моделът за превод HunYuan поддържа естествено езиково диалогово превеждане; поддържа автоматичен превод между 15 езика, включително китайски, английски, японски, френски, португалски, испански, турски, руски, арабски, корейски, италиански, немски, виетнамски, малайски и индонезийски."
-  },
   "hunyuan-turbo": {
     "description": "Предварителна версия на новото поколение голям езиков модел на HunYuan, използваща нова структура на смесен експертен модел (MoE), с по-бърза скорост на извеждане и по-силни резултати в сравнение с hunyuan-pro."
   },
@@ -1355,8 +1412,14 @@
   "hunyuan-turbo-vision": {
     "description": "Новото поколение визуално езиково флагманско голямо модел на Hunyuan, използващо нова структура на смесен експертен модел (MoE), с цялостно подобрение на способностите за основно разпознаване, създаване на съдържание, отговори на въпроси и анализ и разсъждение в сравнение с предишното поколение модели."
   },
-  "hunyuan-turbos-20250226": {
-    "description": "hunyuan-TurboS pv2.1.2 фиксирана версия, предтренировъчна база с увеличен брой токени; подобрени способности за разсъждение в математика/логика/код и др.; подобрено изживяване на китайски и английски, включително текстово творчество, разбиране на текст, въпроси и отговори, разговори и др."
+  "hunyuan-turbos-20250313": {
+    "description": "Уеднаквяване на стила на стъпките за решаване на математически задачи, засилване на многократните въпроси и отговори по математика. Оптимизация на стила на отговорите при текстово творчество, премахване на изкуствения интелектуален оттенък и добавяне на литературна изразителност."
+  },
+  "hunyuan-turbos-20250416": {
+    "description": "Актуализация на предварително обучената основа, засилване на разбирането и следването на инструкции; подобряване на научните способности в математика, кодиране, логика и наука по време на фазата на съгласуване; повишаване качеството на творческото писане, разбирането на текстове, точността на преводите и знанията в хуманитарните науки; засилване на възможностите на агенти в различни области, с особен акцент върху разбирането на многократни диалози."
+  },
+  "hunyuan-turbos-20250604": {
+    "description": "Актуализирана предварително обучена основа, подобрени умения за писане и разбиране на текст, значително подобрени способности в кодирането и точните науки, както и непрекъснато усъвършенстване в следването на сложни инструкции."
   },
   "hunyuan-turbos-latest": {
     "description": "hunyuan-TurboS е последната версия на флагманския модел Hunyuan, с по-силни способности за разсъждение и по-добро потребителско изживяване."
@@ -1364,15 +1427,12 @@
   "hunyuan-turbos-longtext-128k-20250325": {
     "description": "Специализирана в обработката на дълги текстови задачи като резюмета на документи и въпроси и отговори, също така притежава способността да се справя с общи задачи по генериране на текст. Показва отлични резултати в анализа и генерирането на дълги текстове, ефективно справяйки се с комплексни и детайлни изисквания за обработка на дълги текстове."
   },
-  "hunyuan-turbos-vision": {
-    "description": "Този модел е подходящ за сцени на разбиране на текст и изображения, базиран на новото поколение визуален езиков модел Turbos, фокусирайки се върху задачи, свързани с разбиране на текст и изображения, включително разпознаване на обекти на базата на изображения, въпроси и отговори, създаване на текст и решаване на проблеми чрез снимки, с цялостно подобрение в сравнение с предишното поколение."
+  "hunyuan-turbos-role-plus": {
+    "description": "Най-новият модел за ролеви игри на Hunyuan, официално фино настроен и обучен от Hunyuan, базиран на Hunyuan модел с допълнително обучение върху набор от данни за ролеви игри, осигуряващ по-добри основни резултати в ролеви игрови сцени."
   },
   "hunyuan-vision": {
     "description": "Най-новият мултимодален модел на HunYuan, поддържащ генериране на текстово съдържание от изображения и текстови входове."
   },
-  "internlm/internlm2_5-20b-chat": {
-    "description": "Иновативният отворен модел InternLM2.5 повишава интелигентността на диалога чрез голям брой параметри."
-  },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 предлага интелигентни решения за диалог в множество сценарии."
   },
@@ -1400,6 +1460,9 @@
   "kimi-latest": {
     "description": "Kimi интелигентен асистент използва най-новия Kimi голям модел, който може да съдържа нестабилни функции. Поддържа разбиране на изображения и автоматично избира 8k/32k/128k модел за таксуване в зависимост от дължината на контекста на заявката."
   },
+  "kimi-thinking-preview": {
+    "description": "Моделът kimi-thinking-preview, предоставен от „Тъмната страна на Луната“, е мултимодален мисловен модел с възможности за мултимодално и общо разсъждение, който е експерт в дълбокото разсъждение и помага за решаването на по-сложни задачи."
+  },
   "learnlm-1.5-pro-experimental": {
     "description": "LearnLM е експериментален езиков модел, специфичен за задачи, обучен да отговаря на принципите на научното обучение, способен да следва системни инструкции в учебни и обучителни сценарии, да действа като експертен ментор и др."
   },
@@ -1781,6 +1844,9 @@
   "moonshot-v1-auto": {
     "description": "Moonshot V1 Auto може да избере подходящ модел в зависимост от количеството токени, заето от текущия контекст."
   },
+  "moonshotai/Kimi-Dev-72B": {
+    "description": "Kimi-Dev-72B е голям отворен модел за код, оптимизиран чрез мащабно подсилено обучение, способен да генерира стабилни и директно приложими пачове. Този модел постига нов рекорд от 60,4 % на SWE-bench Verified, подобрявайки резултатите на отворени модели в автоматизирани задачи за софтуерно инженерство като поправка на дефекти и преглед на код."
+  },
   "nousresearch/hermes-2-pro-llama-3-8b": {
     "description": "Hermes 2 Pro Llama 3 8B е обновена версия на Nous Hermes 2, включваща най-новите вътрешно разработени набори от данни."
   },
@@ -1802,15 +1868,27 @@
   "o1-preview": {
     "description": "o1 е новият модел за изводи на OpenAI, подходящ за сложни задачи, изискващи обширни общи знания. Моделът разполага с контекст от 128K и дата на знание до октомври 2023."
   },
+  "o1-pro": {
+    "description": "Моделите от серията o1 са обучени чрез подсилващо обучение, което им позволява да мислят преди да отговорят и да изпълняват сложни задачи за разсъждение. Моделът o1-pro използва повече изчислителни ресурси за по-задълбочено мислене, осигурявайки постоянно по-високо качество на отговорите."
+  },
   "o3": {
     "description": "o3 е универсален и мощен модел, който показва отлични резултати в множество области. Той задава нови стандарти за задачи по математика, наука, програмиране и визуални разсъждения. Също така е добър в техническото писане и следването на инструкции. Потребителите могат да го използват за анализ на текст, код и изображения, за решаване на сложни проблеми с множество стъпки."
   },
+  "o3-deep-research": {
+    "description": "o3-deep-research е нашият най-напреднал модел за дълбоко изследване, специално проектиран за обработка на сложни многократни изследователски задачи. Той може да търси и обобщава информация от интернет, както и да осъществява достъп и използва вашите собствени данни чрез MCP конектор."
+  },
   "o3-mini": {
     "description": "o3-mini е нашият най-нов малък модел за инференция, който предлага висока интелигентност при същите разходи и цели за закъснение като o1-mini."
   },
+  "o3-pro": {
+    "description": "Моделът o3-pro използва повече изчислителна мощ за по-задълбочено мислене и винаги предоставя по-добри отговори, като се поддържа само чрез Responses API."
+  },
   "o4-mini": {
     "description": "o4-mini е нашият най-нов малък модел от серията o. Той е оптимизиран за бързо и ефективно извеждане, показвайки изключителна ефективност и производителност в задачи по кодиране и визуализация."
   },
+  "o4-mini-deep-research": {
+    "description": "o4-mini-deep-research е нашият по-бърз и по-достъпен модел за дълбоко изследване — идеален за обработка на сложни многократни изследователски задачи. Той може да търси и обобщава информация от интернет, както и да осъществява достъп и използва вашите собствени данни чрез MCP конектор."
+  },
   "open-codestral-mamba": {
     "description": "Codestral Mamba е модел на езика Mamba 2, специализиран в генерирането на код, предоставящ мощна поддръжка за напреднали кодови и разсъждателни задачи."
   },
@@ -1886,11 +1964,17 @@
   "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."
   },
-  "qvq-max-latest": {
-    "description": "Моделът за визуално разсъждение QVQ на Tongyi Qianwen поддържа визуален вход и изход на вериги от мисли, демонстрирайки по-силни способности в математика, програмиране, визуален анализ, творчество и общи задачи."
+  "qvq-max": {
+    "description": "Tongyi Qianwen QVQ визуален разсъждаващ модел, поддържащ визуален вход и изход на мисловни вериги, показващ по-силни способности в математика, програмиране, визуален анализ, творчество и общи задачи."
   },
-  "qwen-coder-plus-latest": {
-    "description": "Модел за кодиране Qwen с общо предназначение."
+  "qvq-plus": {
+    "description": "Модел за визуално разсъждение. Поддържа визуален вход и изход на мисловни вериги. Версия plus, пусната след модела qvq-max, предлага по-бързо разсъждение и по-добър баланс между ефективност и разходи в сравнение с qvq-max."
+  },
+  "qwen-coder-plus": {
+    "description": "Tongyi Qianwen модел за кодиране."
+  },
+  "qwen-coder-turbo": {
+    "description": "Tongyi Qianwen модел за кодиране."
   },
   "qwen-coder-turbo-latest": {
     "description": "Моделът на кода Qwen."
@@ -1898,41 +1982,44 @@
   "qwen-long": {
     "description": "Qwen е мащабен езиков модел, който поддържа дълги текстови контексти и диалогови функции, базирани на дълги документи и множество документи."
   },
+  "qwen-math-plus": {
+    "description": "Tongyi Qianwen математически модел, специално предназначен за решаване на математически задачи."
+  },
   "qwen-math-plus-latest": {
     "description": "Математическият модел Qwen е специално проектиран за решаване на математически задачи."
   },
+  "qwen-math-turbo": {
+    "description": "Tongyi Qianwen математически модел, специално предназначен за решаване на математически задачи."
+  },
   "qwen-math-turbo-latest": {
     "description": "Математическият модел Qwen е специално проектиран за решаване на математически задачи."
   },
   "qwen-max": {
     "description": "通义千问（Qwen） е моделиран на база багатограмния езиков модел с хипотетично ниво на милярд, поддържащ различни езици, включително китайски и английски, и в момента служи като API на продукта версия 2.5 на 通义千问."
   },
-  "qwen-max-latest": {
-    "description": "Qwen Max е езиков модел с мащаб от стотици милиарди параметри, който поддържа вход на различни езици, включително китайски и английски. В момента е основният API модел зад версията на продукта Qwen 2.5."
-  },
-  "qwen-omni-turbo-latest": {
-    "description": "Моделите от серията Qwen-Omni поддържат входни данни от множество модалности, включително видео, аудио, изображения и текст, и генерират аудио и текст."
+  "qwen-omni-turbo": {
+    "description": "Серията модели Qwen-Omni поддържа входни данни от различни модалности, включително видео, аудио, изображения и текст, и изходи аудио и текст."
   },
   "qwen-plus": {
     "description": "通义千问（Qwen） е подобрена версия на мащабен езиков модел, който поддържа вход на различни езици, включително китайски и английски."
   },
-  "qwen-plus-latest": {
-    "description": "Разширената версия на Qwen Turbo е мащабен езиков модел, който поддържа вход на различни езици, включително китайски и английски."
-  },
   "qwen-turbo": {
     "description": "通义千问（Qwen） е мащабен езиков модел, който поддържа вход на различни езици, включително китайски и английски."
   },
-  "qwen-turbo-latest": {
-    "description": "Моделът на езика Qwen Turbo е мащабен езиков модел, който поддържа вход на различни езици, включително китайски и английски."
-  },
   "qwen-vl-chat-v1": {
     "description": "Qwen VL поддържа гъвкави интерактивни методи, включително множество изображения, многократни въпроси и отговори, творчество и др."
   },
+  "qwen-vl-max": {
+    "description": "Супер голям визуално-езиков модел Tongyi Qianwen. В сравнение с подсилената версия, допълнително подобрява визуалното разсъждение и следване на инструкции, предоставяйки по-високо ниво на визуално възприятие и познание."
+  },
   "qwen-vl-max-latest": {
     "description": "Qwen-VL Max е модел за визуален език с изключително голям мащаб. В сравнение с подобрената версия, той отново подобрява способността за визуално разсъждение и следване на инструкции, предоставяйки по-високо ниво на визуално възприятие и познание."
   },
-  "qwen-vl-ocr-latest": {
-    "description": "Qwen OCR е специализиран модел за извличане на текст, фокусиран върху способността за извличане на текст от изображения на документи, таблици, тестови въпроси, ръкописен текст и др. Той може да разпознава множество езици, включително: китайски, английски, френски, японски, корейски, немски, руски, италиански, виетнамски и арабски."
+  "qwen-vl-ocr": {
+    "description": "Tongyi Qianwen OCR е специализиран модел за извличане на текст, фокусиран върху документи, таблици, тестови задачи, ръкописен текст и други видове изображения. Моделът може да разпознава множество езици, включително китайски, английски, френски, японски, корейски, немски, руски, италиански, виетнамски и арабски."
+  },
+  "qwen-vl-plus": {
+    "description": "Подсилена версия на големия визуално-езиков модел Tongyi Qianwen. Значително подобрена способност за разпознаване на детайли и текст, поддържа изображения с резолюция над милион пиксела и произволни пропорции."
   },
   "qwen-vl-plus-latest": {
     "description": "Моделят за визуален език Qwen-VL Plus е подобрена версия с голям мащаб. Значително подобрява способността за разпознаване на детайли и текст, поддържа резолюция над милион пиксела и изображения с произволно съотношение на страните."
@@ -2021,6 +2108,9 @@
   "qwen2.5-coder-1.5b-instruct": {
     "description": "通义千问（Qwen） е отворен код модел за програмиране."
   },
+  "qwen2.5-coder-14b-instruct": {
+    "description": "Отворена версия на Tongyi Qianwen модел за кодиране."
+  },
   "qwen2.5-coder-32b-instruct": {
     "description": "Отворена версия на модела за кодиране Qwen с общо предназначение."
   },
@@ -2111,8 +2201,8 @@
   "qwq-32b-preview": {
     "description": "QwQ моделът е експериментален изследователски модел, разработен от екипа на Qwen, който се фокусира върху подобряване на AI разсъдъчните способности."
   },
-  "qwq-plus-latest": {
-    "description": "QwQ моделът за изводи, обучен на базата на модела Qwen2.5, значително подобрява способностите си за изводи чрез усилено обучение. Основните показатели на модела, като математически код и други ключови индикатори (AIME 24/25, LiveCodeBench), както и някои общи индикатори (IFEval, LiveBench и др.), достигат нивото на DeepSeek-R1 в пълна версия."
+  "qwq-plus": {
+    "description": "QwQ е модел за разсъждение, обучен на базата на Qwen2.5, който значително подобрява способностите за разсъждение чрез усилено обучение. Основните показатели на модела в математика и кодиране (AIME 24/25, LiveCodeBench), както и някои общи показатели (IFEval, LiveBench и др.) достигат нивото на пълната версия на DeepSeek-R1."
   },
   "qwq_32b": {
     "description": "Модел за разсъждение със среден размер от серията Qwen. В сравнение с традиционните модели за настройка на инструкции, QwQ, който притежава способности за разсъждение и разсъждение, може значително да подобри производителността в задачи с по-висока сложност."
@@ -2195,6 +2285,9 @@
   "taichu_vl": {
     "description": "Съчетава способности за разбиране на изображения, прехвърляне на знания и логическо обяснение, като показва отлични резултати в областта на въпросите и отговорите с текст и изображения."
   },
+  "tencent/Hunyuan-A13B-Instruct": {
+    "description": "Hunyuan-A13B-Instruct има 80 милиарда параметри, като активиране на 13 милиарда параметри е достатъчно за съпоставяне с по-големи модели, поддържа хибридно разсъждение „бързо мислене/бавно мислене“; стабилно разбиране на дълги текстове; потвърдено с BFCL-v3 и τ-Bench, с водещи възможности на агент; комбинира GQA и множество формати за квантоване за ефективно разсъждение."
+  },
   "text-embedding-3-large": {
     "description": "Най-мощният модел за векторизация, подходящ за английски и неанглийски задачи."
   },
@@ -2246,6 +2339,15 @@
   "us.anthropic.claude-3-7-sonnet-20250219-v1:0": {
     "description": "Claude 3.7 сонет е най-бързият модел от следващото поколение на Anthropic. В сравнение с Claude 3 Haiku, Claude 3.7 Сонет е подобрен във всички умения и надминава най-големия модел от предишното поколение Claude 3 Opus в много интелектуални тестове."
   },
+  "v0-1.0-md": {
+    "description": "Моделът v0-1.0-md е стара версия, която се обслужва чрез v0 API"
+  },
+  "v0-1.5-lg": {
+    "description": "Моделът v0-1.5-lg е подходящ за задачи, изискващи напреднало мислене или разсъждение"
+  },
+  "v0-1.5-md": {
+    "description": "Моделът v0-1.5-md е подходящ за ежедневни задачи и генериране на потребителски интерфейс (UI)"
+  },
   "whisper-1": {
     "description": "Универсален модел за разпознаване на реч, поддържащ многоезично разпознаване на реч, превод на реч и разпознаване на езици."
   },

locales/bg-BG/plugin.json

@@ -12,6 +12,15 @@
     "tool_call": "заявка за инструмент"
   },
   "detailModal": {
+    "customPlugin": {
+      "description": "Моля, посетете страницата за редактиране, за да видите подробности",
+      "editBtn": "Редактирай сега",
+      "title": "Това е персонализиран плъгин"
+    },
+    "emptyState": {
+      "description": "Моля, инсталирайте този плъгин, за да видите възможностите и опциите за конфигурация на плъгина",
+      "title": "Вижте подробностите за плъгина след инсталиране"
+    },
     "info": {
       "description": "Описание на API",
       "name": "Име на API"
@@ -230,6 +239,50 @@
     },
     "title": "Локални файлове"
   },
+  "mcpInstall": {
+    "CHECKING_INSTALLATION": "Проверка на инсталационна среда...",
+    "COMPLETED": "Инсталацията е завършена",
+    "CONFIGURATION_REQUIRED": "Моля, завършете необходимата конфигурация, за да продължите с инсталацията",
+    "ERROR": "Грешка при инсталацията",
+    "FETCHING_MANIFEST": "Извличане на описанието на плъгина...",
+    "GETTING_SERVER_MANIFEST": "Инициализиране на MCP сървъра...",
+    "INSTALLING_PLUGIN": "Инсталиране на плъгина...",
+    "configurationDescription": "Този MCP плъгин изисква конфигурационни параметри за правилна работа, моля, попълнете необходимата информация",
+    "configurationRequired": "Конфигуриране на параметрите на плъгина",
+    "continueInstall": "Продължи с инсталацията",
+    "dependenciesDescription": "Този плъгин изисква инсталиране на следните системни зависимости за правилна работа. Моля, инсталирайте липсващите зависимости според указанията и след това натиснете 'Пре-проверка', за да продължите с инсталацията.",
+    "dependenciesRequired": "Моля, инсталирайте системните зависимости на плъгина",
+    "dependencyStatus": {
+      "installed": "Инсталирано",
+      "notInstalled": "Не е инсталирано",
+      "requiredVersion": "Изисквана версия: {{version}}"
+    },
+    "errorDetails": {
+      "args": "Аргументи",
+      "command": "Команда",
+      "connectionParams": "Параметри за връзка",
+      "env": "Променливи на средата",
+      "errorOutput": "Журнал на грешките",
+      "exitCode": "Код на изход",
+      "hideDetails": "Скрий детайли",
+      "originalError": "Първоначална грешка",
+      "showDetails": "Покажи детайли"
+    },
+    "errorTypes": {
+      "CONNECTION_FAILED": "Връзката не бе осъществена",
+      "INITIALIZATION_TIMEOUT": "Времето за инициализация изтече",
+      "PROCESS_SPAWN_ERROR": "Неуспешно стартиране на процеса",
+      "UNKNOWN_ERROR": "Неизвестна грешка",
+      "VALIDATION_ERROR": "Грешка при валидиране на параметрите"
+    },
+    "installError": "Инсталацията на MCP плъгина не бе успешна, причина: {{detail}}",
+    "installMethods": {
+      "manual": "Ръчна инсталация:",
+      "recommended": "Препоръчителен метод за инсталация:"
+    },
+    "recheckDependencies": "Пре-проверка",
+    "skipDependencies": "Пропусни проверката"
+  },
   "pluginList": "Списък с плъгини",
   "search": {
     "apiName": {
@@ -266,16 +319,48 @@
   },
   "setting": "Настройки на плъгина",
   "settings": {
+    "capabilities": {
+      "prompts": "Подсказки",
+      "resources": "Ресурси",
+      "title": "Възможности на плъгина",
+      "tools": "Инструменти"
+    },
+    "configuration": {
+      "title": "Конфигурация на плъгина"
+    },
+    "connection": {
+      "args": "Параметри за стартиране",
+      "command": "Команда за стартиране",
+      "title": "Информация за връзка",
+      "type": "Тип връзка",
+      "url": "Адрес на услугата"
+    },
+    "edit": "Редактиране",
+    "envConfigDescription": "Тези настройки ще бъдат предадени като променливи на средата при стартиране на MCP сървъра",
+    "httpTypeNotice": "MCP плъгините от тип HTTP нямат нужда от конфигуриране на променливи на средата",
     "indexUrl": {
       "title": "Индекс на пазара",
       "tooltip": "Редактирането не се поддържа в момента"
     },
+    "messages": {
+      "connectionUpdateFailed": "Неуспешна актуализация на информацията за връзка",
+      "connectionUpdateSuccess": "Информацията за връзка е успешно актуализирана",
+      "envUpdateFailed": "Неуспешно запазване на променливите на средата",
+      "envUpdateSuccess": "Променливите на средата са успешно запазени"
+    },
     "modalDesc": "След като конфигурирате адреса на пазара на плъгини, можете да използвате персонализиран пазар на плъгини",
+    "rules": {
+      "argsRequired": "Моля, въведете параметри за стартиране",
+      "commandRequired": "Моля, въведете команда за стартиране",
+      "urlRequired": "Моля, въведете адрес на услугата"
+    },
+    "saveSettings": "Запази настройките",
     "title": "Конфигуриране на пазара на плъгини"
   },
   "showInPortal": "Моля, вижте подробностите в работното пространство",
   "store": {
     "actions": {
+      "cancel": "Отказване на инсталацията",
       "confirmUninstall": "Плъгинът е на път да бъде деинсталиран. След деинсталирането конфигурацията на плъгина ще бъде изчистена. Моля, потвърдете операцията си.",
       "detail": "Подробности",
       "install": "Инсталирай",
@@ -286,13 +371,15 @@
     "communityPlugin": "От трети страни",
     "customPlugin": "Персонализиран плъгин",
     "empty": "Все още няма инсталирани плъгини",
+    "emptySelectHint": "Изберете плъгин, за да прегледате подробна информация",
     "installAllPlugins": "Инсталирай всички",
     "networkError": "Неуспешно извличане на магазина за плъгини. Моля, проверете мрежовата си връзка и опитайте отново",
     "placeholder": "Търсене на име на плъгин, описание или ключова дума...",
     "releasedAt": "Издаден на {{createdAt}}",
     "tabs": {
-      "all": "Всички",
-      "installed": "Инсталирани"
+      "installed": "Инсталирани",
+      "mcp": "MCP добавки",
+      "old": "LobeChat плъгини"
     },
     "title": "Магазин за плъгини"
   },

locales/bg-BG/providers.json

@@ -71,6 +71,9 @@
   "mistral": {
     "description": "Mistral предлага напреднали универсални, професионални и изследователски модели, широко използвани в сложни разсъждения, многоезични задачи, генериране на код и др. Чрез интерфейси за извикване на функции, потребителите могат да интегрират персонализирани функции за специфични приложения."
   },
+  "modelscope": {
+    "description": "ModelScope е платформа за модели като услуга, пусната от Alibaba Cloud, която предлага богато разнообразие от AI модели и услуги за извод."
+  },
   "moonshot": {
     "description": "Moonshot е отворена платформа, представена от Beijing Dark Side Technology Co., Ltd., предлагаща множество модели за обработка на естествен език, с широко приложение, включително, но не само, създаване на съдържание, академични изследвания, интелигентни препоръки, медицинска диагностика и др., поддържаща обработка на дълги текстове и сложни генериращи задачи."
   },
@@ -131,6 +134,9 @@
   "upstage": {
     "description": "Upstage се фокусира върху разработването на AI модели за различни бизнес нужди, включително Solar LLM и документен AI, с цел постигане на човешки универсален интелект (AGI). Създава прости диалогови агенти чрез Chat API и поддържа извикване на функции, превод, вграждане и специфични приложения."
   },
+  "v0": {
+    "description": "v0 е асистент за програмиране в екип, който ви позволява да описвате идеите си с естествен език и автоматично генерира код и потребителски интерфейс (UI) за вашия проект"
+  },
   "vertexai": {
     "description": "Серията Gemini на Google е най-напредналият и универсален AI модел, създаден от Google DeepMind, проектиран за мултимодалност, който поддържа безпроблемно разбиране и обработка на текст, код, изображения, аудио и видео. Подходящ за различни среди, от центрове за данни до мобилни устройства, значително увеличава ефективността и приложимостта на AI моделите."
   },

locales/bg-BG/setting.json

@@ -129,6 +129,7 @@
     "waitingForMore": "Още модели са <1>планирани да бъдат добавени</1>, очаквайте"
   },
   "plugin": {
+    "addMCPPlugin": "Добавяне на MCP плъгин",
     "addTooltip": "Персонализиран плъгин",
     "clearDeprecated": "Премахване на остарели плъгини",
     "empty": "Все още няма инсталирани плъгини, не се колебайте да разгледате <1>магазина за плъгини</1>",
@@ -220,7 +221,7 @@
     },
     "inputTemplate": {
       "desc": "Последното съобщение на потребителя ще бъде попълнено в този шаблон",
-      "placeholder": "Шаблонът за предварителна обработка {{input_template}} ще бъде заменен с информация за въвеждане в реално време",
+      "placeholder": "Шаблонът за предварителна обработка {{text}} ще бъде заменен с информация за въвеждане в реално време",
       "title": "Предварителна обработка на потребителския вход"
     },
     "submit": "Актуализиране на предпочитанията за чат",
@@ -240,7 +241,19 @@
     "mermaidTheme": {
       "title": "Тема русалка"
     },
-    "title": "Външен вид на чата"
+    "title": "Външен вид на чата",
+    "transitionMode": {
+      "desc": "Анимация на прехода на съобщенията в чата",
+      "options": {
+        "fadeIn": "Постепенно появяване",
+        "none": {
+          "desc": "Зависи от начина на отговор на модела, моля, тествайте сами.",
+          "value": "Без"
+        },
+        "smooth": "Плавно"
+      },
+      "title": "Анимация на прехода"
+    }
   },
   "settingCommon": {
     "lang": {
@@ -259,6 +272,9 @@
     "enableMaxTokens": {
       "title": "Активиране на ограничението за максимален брой токени"
     },
+    "enableReasoningEffort": {
+      "title": "Активиране на настройката за интензивност на разсъжденията"
+    },
     "frequencyPenalty": {
       "desc": "Колкото по-голяма е стойността, толкова по-богат и разнообразен е речникът; колкото по-ниска е стойността, толкова по-прост и обикновен е речникът.",
       "title": "Богатство на речника"
@@ -278,6 +294,15 @@
       "desc": "Колкото по-голяма е стойността, толкова по-склонен е към различни изрази, избягвайки повторение на концепции; колкото по-ниска е стойността, толкова по-склонен е да използва повторение на концепции или разкази, изразявайки по-голяма последователност.",
       "title": "Разнообразие на изразите"
     },
+    "reasoningEffort": {
+      "desc": "Колкото по-висока е стойността, толкова по-силна е способността за разсъждение, но това може да увеличи времето за отговор и консумацията на токени",
+      "options": {
+        "high": "Високо",
+        "low": "Ниско",
+        "medium": "Средно"
+      },
+      "title": "Интензивност на разсъжденията"
+    },
     "submit": "Актуализиране на настройките на модела",
     "temperature": {
       "desc": "Колкото по-голямо е числото, толкова по-креативни и въображаеми са отговорите; колкото по-малко е числото, толкова по-строги са отговорите",

locales/de-DE/discover.json

@@ -10,13 +10,57 @@
     },
     "description": "Assistentenbeschreibung",
     "detail": "Details",
+    "details": {
+      "capabilities": {
+        "knowledge": {
+          "desc": "Der Assistent verfügt über die folgenden Wissensdatenbanken, die Ihnen helfen, mehr Fragen zu beantworten.",
+          "title": "Wissensdatenbank"
+        },
+        "plugin": {
+          "desc": "Der Assistent verfügt über die folgenden Plugins, die Ihnen helfen, mehr Aufgaben zu erledigen.",
+          "title": "Eingebaute Plugins"
+        },
+        "title": "Assistentenfähigkeiten"
+      },
+      "overview": {
+        "example": "Assistenten-Demo",
+        "title": "Übersicht"
+      },
+      "related": {
+        "listTitle": "Verwandte Assistenten",
+        "more": "Mehr anzeigen",
+        "title": "Empfehlungen"
+      },
+      "sidebar": {
+        "toc": "Inhaltsverzeichnis"
+      },
+      "summary": {
+        "title": "Was können Sie mit diesem Assistenten tun?"
+      },
+      "systemRole": {
+        "openingMessage": "Eröffnungsnachricht",
+        "openingQuestions": "Eröffnungsfragen",
+        "title": "Assistenteneinstellungen"
+      }
+    },
     "list": "Assistentenliste",
     "more": "Mehr",
     "plugins": "Integrations-Plugins",
     "recentSubmits": "Neueste Aktualisierungen",
+    "sorts": {
+      "createdAt": "Zuletzt veröffentlicht",
+      "identifier": "Assistenten-ID",
+      "knowledgeCount": "Anzahl der Wissensdatenbanken",
+      "pluginCount": "Anzahl der Plugins",
+      "title": "Assistentenname",
+      "tokenUsage": "Token-Verbrauch"
+    },
     "suggestions": "Ähnliche Empfehlungen",
     "systemRole": "Assistenteneinstellungen",
-    "try": "Ausprobieren"
+    "tokenUsage": "Token-Verbrauch der Assistenten-Prompt",
+    "try": "Ausprobieren",
+    "withKnowledge": "Dieser Assistent enthält Wissensdatenbanken",
+    "withPlugin": "Dieser Assistent enthält Plugins"
   },
   "back": "Zurück zur Entdeckung",
   "category": {
@@ -41,6 +85,7 @@
       "all": "Alle",
       "gaming-entertainment": "Gaming & Unterhaltung",
       "life-style": "Lebensstil",
+      "lifestyle": "Lebensstil",
       "media-generate": "Medienerstellung",
       "science-education": "Wissenschaft & Bildung",
       "social": "Soziale Medien",
@@ -102,10 +147,368 @@
     "featuredTools": "Empfohlene Plugins",
     "more": "Mehr entdecken"
   },
+  "isClaimed": "Beansprucht",
+  "isFeatured": "Empfohlen",
+  "isOfficial": "Offiziell zertifiziert",
   "like": "Mögen",
+  "mcp": {
+    "categories": {
+      "all": {
+        "description": "Alle MCP-Server",
+        "name": "Alle"
+      },
+      "business": {
+        "description": "Geschäfts- und Unternehmensdienste",
+        "name": "Geschäftsdienste"
+      },
+      "developer": {
+        "description": "Entwicklerbezogene Werkzeuge und Dienste",
+        "name": "Entwicklerwerkzeuge"
+      },
+      "gaming-entertainment": {
+        "description": "Spiele, Unterhaltung und Freizeitaktivitäten",
+        "name": "Spiel & Unterhaltung"
+      },
+      "health-wellness": {
+        "description": "Gesundheit, Fitness und Körper-Geist-Pflege",
+        "name": "Gesundheit & Wellness"
+      },
+      "lifestyle": {
+        "description": "Persönlicher Lebensstil, Gewohnheiten und tägliche Aktivitäten",
+        "name": "Lebensstil"
+      },
+      "media-generate": {
+        "description": "Medienerstellung, -bearbeitung und -verarbeitung",
+        "name": "Medienerzeugung"
+      },
+      "news": {
+        "description": "Nachrichtenaggregation, Berichterstattung und Informationsdienste",
+        "name": "Nachrichten & Information"
+      },
+      "productivity": {
+        "description": "Aufgabenmanagement, Notizen und Effizienzwerkzeuge",
+        "name": "Produktivitätstools"
+      },
+      "science-education": {
+        "description": "Wissenschaftliche Forschung, Lernen und Bildungstools",
+        "name": "Wissenschaft & Bildung"
+      },
+      "social": {
+        "description": "Soziale Netzwerke und Kommunikation",
+        "name": "Soziale Medien"
+      },
+      "stocks-finance": {
+        "description": "Finanzmärkte, Handel und Investitionen",
+        "name": "Aktien & Finanzen"
+      },
+      "tools": {
+        "description": "Allgemeine praktische Werkzeuge und Dienste",
+        "name": "Nützliche Werkzeuge"
+      },
+      "travel-transport": {
+        "description": "Reiseplanung und Verkehrsmittel",
+        "name": "Reise & Verkehr"
+      },
+      "weather": {
+        "description": "Wettervorhersage und meteorologische Dienste",
+        "name": "Wetter"
+      },
+      "web-search": {
+        "description": "Websuche und Informationsrecherche",
+        "name": "Informationsrecherche"
+      }
+    },
+    "details": {
+      "connectionType": {
+        "hybrid": {
+          "desc": "Dieser Dienst kann je nach Konfiguration oder Nutzungsszenario lokal oder in der Cloud ausgeführt werden und verfügt über eine doppelte Betriebsfähigkeit.",
+          "title": "Hybrider Dienst"
+        },
+        "local": {
+          "desc": "Dieser Server kann nur auf dem lokalen Gerät des Clients ausgeführt werden und erfordert die Installation sowie lokale Ressourcen.",
+          "title": "Lokaler Dienst"
+        },
+        "remote": {
+          "desc": "Dieser Server wird remote gehostet, da er hauptsächlich auf Remote-Dienste angewiesen ist und nicht auf die lokale Umgebung.",
+          "title": "Cloud-Dienst"
+        }
+      },
+      "deployment": {
+        "args": "Parameter",
+        "checkCommand": "Prüfbefehl",
+        "command": "Befehl",
+        "commandLine": "Systemabhängigkeiten",
+        "connection": "Verbindungsart",
+        "connectionType": "Verbindungstyp",
+        "description": "Installations- und Bereitstellungsart des Plugins",
+        "descriptionPlaceholder": "Optionale Beschreibung",
+        "empty": "Keine Bereitstellungsoptionen verfügbar",
+        "env": "Umgebungsvariablen",
+        "guide": "Installationsanleitung",
+        "installation": "Installation über {{method}}",
+        "installationMethod": "Installationsmethode",
+        "other": "Weitere Einstellungen",
+        "packageName": "Paketname",
+        "platform": {
+          "steps": {
+            "claude": "- Öffnen Sie die **Claude Desktop**-Anwendung\n- Gehen Sie zu **Einstellungen** und wählen Sie **Entwickler**\n- Klicken Sie auf **Konfiguration bearbeiten**\n- Öffnen Sie die Datei **claude_desktop_config.json**\n- Kopieren und fügen Sie die Serverkonfiguration in die bestehende Datei ein und speichern Sie",
+            "cline": "- Öffnen Sie VS Code mit installiertem Cline-Plugin\n- Klicken Sie auf das Cline-Symbol in der Seitenleiste\n- Wählen Sie im Dropdown-Menü **MCP Servers**\n- Geben Sie im Tab **Remote Servers** den Servernamen und Ihre MCP-Server-URL ein\n- Klicken Sie auf **Server hinzufügen**, um die Verbindung herzustellen",
+            "cursor": "- Navigieren Sie zu **Einstellungen** und wählen Sie Cursor-Einstellungen\n- Wählen Sie links **MCP**\n- Klicken Sie oben rechts auf **Neuen globalen MCP-Server hinzufügen**\n- Kopieren und fügen Sie die Serverkonfiguration in die bestehende Datei ein und speichern Sie",
+            "lobeChat": "- Öffnen Sie die **LobeChat Desktop**-Anwendung\n- Gehen Sie zu **Einstellungen** - **Standardassistent**\n- Wählen Sie dann **Plugin-Einstellungen** - **Benutzerdefinierte Plugins**\n- Klicken Sie auf **Schnellimport JSON-Konfiguration**\n- Kopieren und fügen Sie die Serverkonfiguration in das Textfeld ein und installieren Sie",
+            "openai": "- Öffnen Sie Ihre **OpenAI-Anwendung** oder Entwicklungsumgebung\n- Konfigurieren Sie MCP-Tools in der **Responses API**\n- Fügen Sie im API-Request-Array **tools** den MCP-Block hinzu\n- Setzen Sie **server_url** auf Ihren MCP-Server-Endpunkt\n- Fügen Sie die für die Authentifizierung erforderlichen Header (API-Schlüssel, Token usw.) hinzu\n- Verwenden Sie den Parameter `allowed_tools`, um die freigegebenen Tools zu beschränken\n- Setzen Sie `require_approval`, um die Ausführung von Tools zu genehmigen",
+            "vscode": "- Öffnen Sie VS Code\n- Öffnen Sie die Befehlspalette (`Ctrl+Shift+P` / `Cmd+Shift+P`)\n- Geben Sie **MCP: Add Server** ein und wählen Sie es aus\n- Wählen Sie aus, ob der Server zur Arbeitsbereichs- oder Benutzereinstellung hinzugefügt werden soll\n- Kopieren und fügen Sie die Serverkonfiguration ein"
+          },
+          "title": "Installation in {{platform}}"
+        },
+        "recommended": "Empfohlen",
+        "systemDependencies": "Systemabhängigkeiten",
+        "table": {
+          "description": "Beschreibung",
+          "name": "Name",
+          "required": "Erforderlich",
+          "type": "Typ"
+        },
+        "title": "Installationsmethode"
+      },
+      "githubBadge": {
+        "desc": "LobeHub scannt regelmäßig Code-Repositories und Dokumentationen, um:\n\n- Sicherzustellen, dass MCP-Server ordnungsgemäß laufen.\n- Servermerkmale wie Tools, Ressourcen, Prompts und erforderliche Parameter zu extrahieren.\n- Unser Badge hilft Nutzern, die Sicherheit, Funktionalität und Installationsanleitung des MCP-Servers schnell zu bewerten.\n\nBitte kopieren Sie den folgenden Code in Ihre `README.md`-Datei:"
+      },
+      "nav": {
+        "needHelp": "Brauchen Sie Hilfe?",
+        "reportIssue": "Problem melden",
+        "viewSourceCode": "Quellcode ansehen"
+      },
+      "overview": {
+        "title": "Übersicht"
+      },
+      "related": {
+        "listTitle": "Verwandte MCP-Server",
+        "more": "Mehr anzeigen",
+        "title": "Empfehlungen"
+      },
+      "schema": {
+        "mode": {
+          "docs": "Dokumentation"
+        },
+        "prompts": {
+          "arguments": "Parameterkonfiguration",
+          "desc": "Interaktive Vorlagen, die vom Nutzer ausgewählt und ausgelöst werden",
+          "empty": "Keine Prompts verfügbar",
+          "instructions": "Anweisungen",
+          "table": {
+            "description": "Beschreibung",
+            "name": "Name",
+            "required": "Erforderlich"
+          },
+          "title": "Prompt-Liste"
+        },
+        "resources": {
+          "desc": "Kontextdaten, die vom Client angehängt und verwaltet werden",
+          "empty": "Keine Ressourcen verfügbar",
+          "table": {
+            "description": "Beschreibung",
+            "mineType": "MIME-Typ",
+            "name": "Name",
+            "uri": "URI"
+          },
+          "title": "Ressourcenliste"
+        },
+        "title": "Plugin-Funktionalität",
+        "tools": {
+          "desc": "Funktionale Schnittstellen, die dem großen Sprachmodell (LLM) zur Ausführung von Operationen bereitgestellt werden",
+          "empty": "Keine Werkzeuge verfügbar",
+          "inputSchema": "Eingabebeschreibung",
+          "instructions": "Anweisungen",
+          "table": {
+            "description": "Beschreibung",
+            "name": "Name",
+            "required": "Erforderlich",
+            "type": "Typ"
+          },
+          "title": "Werkzeugliste"
+        }
+      },
+      "score": {
+        "claimed": {
+          "desc": "Dieser MCP-Server wurde vom Eigentümer beansprucht, um Eigentum und Verwaltung sicherzustellen.",
+          "title": "Vom Eigentümer beansprucht"
+        },
+        "deployMoreThanManual": {
+          "desc": "Dieser MCP-Server bietet benutzerfreundlichere Installationsmethoden als nur manuelle, die eine einfache Bereitstellung und Nutzung ermöglichen.",
+          "title": "Bietet benutzerfreundliche Installationsmethoden"
+        },
+        "deployment": {
+          "desc": "Dieser MCP-Server bietet mindestens eine Installationsmethode, die eine Bereitstellung und Nutzung ermöglicht.",
+          "descWithCount": "Dieser MCP-Server bietet {{number}} Installationsmethoden, die eine Bereitstellung und Nutzung ermöglichen.",
+          "title": "Bietet mindestens eine Installationsmethode"
+        },
+        "license": {
+          "desc": "Dieses Repository enthält eine LICENSE-Datei.",
+          "descWithlicense": "Die Lizenz dieses Repositories ist {{license}}.",
+          "title": "Mit LICENSE"
+        },
+        "listTitle": "Bewertungsdetails",
+        "notClaimed": {
+          "desc": "Wenn Sie Eigentümer dieses MCP-Servers sind, können Sie ihn wie folgt beanspruchen.",
+          "title": "Nicht vom Eigentümer beansprucht"
+        },
+        "prompts": {
+          "desc": "Dieser MCP-Server bietet Prompts, die eine Interaktion mit dem Dienst ermöglichen.",
+          "descWithCount": "Dieser MCP-Server bietet {{number}} Prompts, die eine Interaktion mit dem Dienst ermöglichen.",
+          "title": "Enthält Prompts"
+        },
+        "readme": {
+          "desc": "Dieses Repository enthält eine README.md-Datei.",
+          "title": "Mit README"
+        },
+        "resources": {
+          "desc": "Dieser MCP-Server bietet Ressourcen, die das Anhängen und Verwalten von Kontextdaten ermöglichen.",
+          "descWithCount": "Dieser MCP-Server bietet {{number}} Ressourcen, die das Anhängen und Verwalten von Kontextdaten ermöglichen.",
+          "title": "Enthält Ressourcen"
+        },
+        "title": "Bewertung",
+        "tools": {
+          "desc": "Der Dienst muss mindestens ein Werkzeug bereitstellen, das die Ausführung bestimmter Operationen ermöglicht.",
+          "descWithCount": "Dieser MCP-Server bietet {{number}} Werkzeuge, die die Ausführung bestimmter Operationen ermöglichen.",
+          "title": "Enthält mindestens ein Werkzeug"
+        },
+        "validated": {
+          "desc": "Dieser MCP-Server wurde durch eine Installationsvalidierung geprüft, um Qualität und Zuverlässigkeit sicherzustellen.",
+          "title": "Validiert"
+        }
+      },
+      "scoreLevel": {
+        "a": {
+          "desc": "Dieser MCP-Server wurde streng validiert und bietet umfassende Funktionen sowie eine hochwertige Benutzererfahrung.",
+          "fullTitle": "Ausgezeichnetes Plugin",
+          "title": "Hervorragend"
+        },
+        "b": {
+          "desc": "Dieser MCP-Server bietet gute Funktionen und Benutzererfahrung, könnte aber in einigen Bereichen verbessert werden.",
+          "fullTitle": "Gut funktionierend",
+          "title": "Gut"
+        },
+        "f": {
+          "desc": "Dieser MCP-Server ist unvollständig oder von geringer Qualität, Nutzer sollten vorsichtig sein.",
+          "fullTitle": "Mangelhafte Qualität",
+          "title": "Mangelhaft"
+        }
+      },
+      "settings": {
+        "capabilities": {
+          "prompts": "Eingabeaufforderungen",
+          "resources": "Ressourcen",
+          "title": "Plugin-Fähigkeiten",
+          "tools": "Werkzeuge"
+        },
+        "configuration": {
+          "title": "Plugin-Konfiguration"
+        },
+        "connection": {
+          "args": "Startparameter",
+          "command": "Startbefehl",
+          "title": "Verbindungsinformationen",
+          "type": "Verbindungstyp",
+          "url": "Dienstadresse"
+        },
+        "saveSettings": "Einstellungen speichern",
+        "title": "Plugin-Einstellungen"
+      },
+      "sidebar": {
+        "install": "MCP-Server installieren",
+        "meta": {
+          "homepage": "Offizielle Webseite",
+          "installCount": "Installationen",
+          "language": "Quellcode-Sprache",
+          "license": "Lizenz",
+          "published": "Veröffentlichungsdatum",
+          "repo": "Quellcode-Repository",
+          "stars": "Sterne",
+          "title": "Details",
+          "updated": "Zuletzt aktualisiert"
+        },
+        "moreServerConfig": "Details anzeigen",
+        "recommendServers": "Empfohlene MCPs",
+        "serverConfig": "Installationskonfiguration",
+        "toc": "Inhaltsverzeichnis"
+      },
+      "summary": {
+        "title": "Was können Sie mit diesem MCP-Server tun?"
+      },
+      "totalScore": {
+        "description": "Gesamtpunktzahl basierend auf verschiedenen Bewertungsindikatoren",
+        "legend": {
+          "aGrade": "Note A ({{minPercent}}-100%)",
+          "bGrade": "Note B ({{minPercent}}-{{maxPercent}}%)",
+          "fGrade": "Note F (0-{{maxPercent}}%)"
+        },
+        "pointsFormat": "{{score}}/{{total}} Punkte",
+        "popover": {
+          "completedOptional": "✅ Optionale Punkte abgeschlossen ({{count}})",
+          "completedRequired": "✅ Pflichtpunkte abgeschlossen ({{count}})",
+          "incompleteOptional": "⏸️ Optionale Punkte nicht abgeschlossen ({{count}})",
+          "incompleteRequired": "❌ Pflichtpunkte nicht abgeschlossen ({{count}})",
+          "title": "Bewertungsdetails"
+        },
+        "ratingFormat": "Bewertung: {{level}}",
+        "scoreInfo": {
+          "items": "Elemente",
+          "points": "Punkte",
+          "requiredItems": "Pflichtpunkte"
+        },
+        "title": "Gesamtpunktzahl"
+      },
+      "versions": {
+        "table": {
+          "isLatest": "Neueste Version",
+          "isValidated": "Validiert",
+          "publishAt": "Veröffentlichungsdatum",
+          "version": "Version"
+        },
+        "title": "Versionsverlauf"
+      }
+    },
+    "hero": {
+      "desc": "Offene, bereitstellbare MCP-Server-Plattform, die KI-Systemen den einfachen Zugriff auf Dateisysteme, Datenbanken, APIs und andere wichtige Ressourcen ermöglicht und Ihre KI-Fähigkeiten umfassend erweitert.",
+      "subTitle": "Open Source & sofort einsatzbereit",
+      "title": "Open Source MCP-Marktplatz für KI"
+    },
+    "sorts": {
+      "createdAt": "Zuletzt hinzugefügt",
+      "installCount": "Installationen",
+      "isFeatured": "Empfohlenes Plugin",
+      "isValidated": "Validiertes Plugin",
+      "promptsCount": "Anzahl der Prompts",
+      "ratingCount": "Anzahl der Bewertungen",
+      "resourcesCount": "Anzahl der Ressourcen",
+      "toolsCount": "Anzahl der Werkzeuge",
+      "updatedAt": "Zuletzt aktualisiert"
+    },
+    "title": "MCP-Marktplatz",
+    "unvalidated": {
+      "desc": "Dieser MCP-Server wurde noch nicht validiert",
+      "title": "Nicht validiert"
+    },
+    "validated": {
+      "desc": "Dieser MCP-Server wurde validiert, um Qualität und Zuverlässigkeit sicherzustellen.",
+      "descWithDate": "Dieser MCP-Server wurde am {{date}} validiert, um Qualität und Zuverlässigkeit sicherzustellen.",
+      "title": "Validiert"
+    }
+  },
   "models": {
+    "abilities": "Modellfähigkeiten",
     "chat": "Gespräch starten",
     "contentLength": "Maximale Kontextlänge",
+    "details": {
+      "overview": {
+        "title": "Übersicht"
+      },
+      "related": {
+        "listTitle": "Verwandte Modelle",
+        "more": "Mehr anzeigen",
+        "title": "Empfehlungen"
+      }
+    },
     "free": "Kostenlos",
     "guide": "Konfigurationsanleitung",
     "list": "Modellliste",
@@ -156,11 +559,30 @@
       "throughput": "Durchsatz",
       "throughputTooltip": "Durchschnittliche Anzahl von Tokens, die pro Sekunde bei Stream-Anfragen übertragen werden"
     },
+    "sorts": {
+      "contextWindowTokens": "Kontextfenstergröße",
+      "identifier": "Modell-ID",
+      "inputPrice": "Eingabepreis",
+      "outputPrice": "Ausgabepreis",
+      "providerCount": "Anzahl der Anbieter",
+      "releasedAt": "Zuletzt veröffentlicht"
+    },
     "suggestions": "Verwandte Modelle",
     "supportedProviders": "Anbieter, die dieses Modell unterstützen"
   },
   "plugins": {
     "community": "Community-Plugins",
+    "details": {
+      "settings": {
+        "title": "Plugin-Einstellungen"
+      },
+      "summary": {
+        "title": "Was können Sie mit diesem Plugin tun?"
+      },
+      "tools": {
+        "title": "Plugin-Werkzeuge"
+      }
+    },
     "install": "Plugin installieren",
     "installed": "Installiert",
     "list": "Plugin-Liste",
@@ -173,36 +595,54 @@
     "more": "Mehr",
     "official": "Offizielle Plugins",
     "recentSubmits": "Neueste Aktualisierungen",
+    "sorts": {
+      "createdAt": "Zuletzt veröffentlicht",
+      "identifier": "Plugin-ID",
+      "title": "Plugin-Name"
+    },
     "suggestions": "Ähnliche Empfehlungen"
   },
   "providers": {
     "config": "Anbieter konfigurieren",
+    "details": {
+      "guide": {
+        "title": "Integrationsanleitung"
+      },
+      "overview": {
+        "title": "Übersicht"
+      },
+      "related": {
+        "listTitle": "Verwandte Anbieter",
+        "more": "Mehr anzeigen",
+        "title": "Empfehlungen"
+      }
+    },
     "list": "Liste der Modellanbieter",
     "modelCount": "{{count}} Modelle",
+    "modelName": "Modellname",
     "modelSite": "Modell-Dokumentation",
     "more": "Mehr",
     "officialSite": "Offizielle Webseite",
     "showAllModels": "Alle Modelle anzeigen",
+    "sorts": {
+      "default": "Standard-Sortierung",
+      "identifier": "Anbieter-ID",
+      "modelCount": "Anzahl der Modelle"
+    },
     "suggestions": "Verwandte Anbieter",
     "supportedModels": "Unterstützte Modelle"
   },
+  "publishedTime": "Veröffentlicht am",
   "search": {
     "placeholder": "Suche nach Namen, Beschreibung oder Schlüsselwörtern...",
     "result": "{{count}} Ergebnisse zu <highlight>{{keyword}}</highlight>",
     "searching": "Suche läuft..."
   },
-  "sort": {
-    "mostLiked": "Am meisten gemocht",
-    "mostUsed": "Am häufigsten verwendet",
-    "newest": "Neueste zuerst",
-    "oldest": "Älteste zuerst",
-    "recommended": "Empfohlen"
-  },
   "tab": {
-    "assistants": "Assistenten",
+    "assistant": "Assistent",
     "home": "Startseite",
-    "models": "Modelle",
-    "plugins": "Plugins",
-    "providers": "Modellanbieter"
+    "model": "Modell",
+    "plugin": "Plugin",
+    "provider": "Modellanbieter"
   }
 }

locales/de-DE/metadata.json

@@ -13,6 +13,10 @@
       "title": "KI-Assistenten"
     },
     "description": "Inhaltserstellung, Textverfassung, Fragen und Antworten, Bildgenerierung, Videoerstellung, Sprachsynthese, intelligente Agenten, automatisierte Workflows, benutzerdefinierte AI-Anwendungen, passe deine eigene AI-Anwendungsplattform an",
+    "mcp": {
+      "description": "Durchsuchen, vergleichen und verbinden Sie Tausende von MCP-Servern, um KI-Systemen den einfachen Zugriff auf Dateisysteme, Datenbanken, APIs und andere wichtige Ressourcen zu ermöglichen und Ihre KI-Fähigkeiten umfassend zu erweitern.",
+      "title": "MCP-Server-Marktplatz"
+    },
     "models": {
       "description": "Entdecke gängige AI-Modelle wie OpenAI / GPT / Claude 3 / Gemini / Ollama / Azure / DeepSeek",
       "title": "KI-Modelle"

locales/de-DE/modelProvider.json

@@ -208,6 +208,10 @@
         "title": "Client-Anforderungsmodus verwenden"
       },
       "helpDoc": "Konfigurationsanleitung",
+      "responsesApi": {
+        "desc": "Verwendet das neue Anforderungsformat von OpenAI, um fortgeschrittene Funktionen wie Chain-of-Thought freizuschalten",
+        "title": "Verwendung des Responses API-Standards"
+      },
       "waitingForMore": "Weitere Modelle werden <1>geplant</1>, bitte warten Sie"
     },
     "createNew": {

locales/de-DE/models.json

@@ -176,9 +176,15 @@
   "Meta-Llama-3.3-70B-Instruct": {
     "description": "Llama 3.3 ist das fortschrittlichste mehrsprachige Open-Source-Sprachmodell der Llama-Serie, das eine Leistung bietet, die mit einem 405B-Modell vergleichbar ist, und das zu extrem niedrigen Kosten. Es basiert auf der Transformer-Architektur und wurde durch überwachte Feinabstimmung (SFT) und verstärkendes Lernen mit menschlichem Feedback (RLHF) in Bezug auf Nützlichkeit und Sicherheit verbessert. Die auf Anweisungen optimierte Version ist speziell für mehrsprachige Dialoge optimiert und übertrifft in mehreren Branchenbenchmarks viele verfügbare Open-Source- und geschlossene Chat-Modelle. Das Wissensdatum endet im Dezember 2023."
   },
+  "MiniMax-M1": {
+    "description": "Ein völlig neu entwickeltes Inferenzmodell. Weltweit führend: 80K Denkketten x 1M Eingaben, Leistung auf Augenhöhe mit den besten Modellen im Ausland."
+  },
   "MiniMax-Text-01": {
     "description": "In der MiniMax-01-Serie haben wir mutige Innovationen vorgenommen: Erstmals wurde die lineare Aufmerksamkeitsmechanismus in großem Maßstab implementiert, sodass die traditionelle Transformer-Architektur nicht mehr die einzige Wahl ist. Dieses Modell hat eine Parameteranzahl von bis zu 456 Milliarden, wobei eine Aktivierung 45,9 Milliarden beträgt. Die Gesamtleistung des Modells kann mit den besten Modellen im Ausland mithalten und kann gleichzeitig effizient den weltweit längsten Kontext von 4 Millionen Tokens verarbeiten, was 32-mal so viel wie GPT-4o und 20-mal so viel wie Claude-3.5-Sonnet ist."
   },
+  "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."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) ist ein hochpräzises Anweisungsmodell, das für komplexe Berechnungen geeignet ist."
   },
@@ -206,15 +212,9 @@
   "Phi-3.5-vision-instrust": {
     "description": "Aktualisierte Version des Phi-3-vision-Modells."
   },
-  "Pro/Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct ist das anweisungsfeinabgestimmte große Sprachmodell der Qwen2-Serie mit einer Parametergröße von 1,5B. Dieses Modell basiert auf der Transformer-Architektur und verwendet Technologien wie die SwiGLU-Aktivierungsfunktion, QKV-Offsets und gruppierte Abfrageaufmerksamkeit. Es zeigt hervorragende Leistungen in der Sprachverständnis, -generierung, Mehrsprachigkeit, Codierung, Mathematik und Inferenz in mehreren Benchmark-Tests und übertrifft die meisten Open-Source-Modelle. Im Vergleich zu Qwen1.5-1.8B-Chat zeigt Qwen2-1.5B-Instruct in Tests wie MMLU, HumanEval, GSM8K, C-Eval und IFEval signifikante Leistungsverbesserungen, obwohl die Parameteranzahl etwas geringer ist."
-  },
   "Pro/Qwen/Qwen2-7B-Instruct": {
     "description": "Qwen2-7B-Instruct ist das anweisungsfeinabgestimmte große Sprachmodell der Qwen2-Serie mit einer Parametergröße von 7B. Dieses Modell basiert auf der Transformer-Architektur und verwendet Technologien wie die SwiGLU-Aktivierungsfunktion, QKV-Offsets und gruppierte Abfrageaufmerksamkeit. Es kann große Eingaben verarbeiten. Das Modell zeigt hervorragende Leistungen in der Sprachverständnis, -generierung, Mehrsprachigkeit, Codierung, Mathematik und Inferenz in mehreren Benchmark-Tests und übertrifft die meisten Open-Source-Modelle und zeigt in bestimmten Aufgaben eine vergleichbare Wettbewerbsfähigkeit mit proprietären Modellen. Qwen2-7B-Instruct übertrifft Qwen1.5-7B-Chat in mehreren Bewertungen und zeigt signifikante Leistungsverbesserungen."
   },
-  "Pro/Qwen/Qwen2-VL-7B-Instruct": {
-    "description": "Qwen2-VL ist die neueste Iteration des Qwen-VL-Modells, das in visuellen Verständnis-Benchmarks erstklassige Leistungen erzielt."
-  },
   "Pro/Qwen/Qwen2.5-7B-Instruct": {
     "description": "Qwen2.5-7B-Instruct ist eines der neuesten großen Sprachmodelle, die von Alibaba Cloud veröffentlicht wurden. Dieses 7B-Modell hat signifikante Verbesserungen in den Bereichen Codierung und Mathematik. Das Modell bietet auch mehrsprachige Unterstützung und deckt über 29 Sprachen ab, einschließlich Chinesisch und Englisch. Es zeigt signifikante Verbesserungen in der Befolgung von Anweisungen, im Verständnis strukturierter Daten und in der Generierung strukturierter Ausgaben (insbesondere JSON)."
   },
@@ -230,8 +230,8 @@
   "Pro/deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 ist ein durch verstärkendes Lernen (RL) gesteuertes Inferenzmodell, das Probleme mit Wiederholungen und Lesbarkeit im Modell löst. Vor dem RL führte DeepSeek-R1 Kaltstartdaten ein, um die Inferenzleistung weiter zu optimieren. Es zeigt in mathematischen, programmierbezogenen und Inferenzaufgaben eine vergleichbare Leistung zu OpenAI-o1 und verbessert die Gesamtleistung durch sorgfältig gestaltete Trainingsmethoden."
   },
-  "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B": {
-    "description": "DeepSeek-R1-Distill-Qwen-1.5B ist ein Modell, das durch Wissensdistillierung auf Basis von Qwen2.5-Math-1.5B erstellt wurde. Dieses Modell wurde mit 800.000 sorgfältig ausgewählten Beispielen, die von DeepSeek-R1 generiert wurden, feinjustiert und zeigt in mehreren Benchmarks gute Leistungen. Als leichtgewichtiges Modell erreicht es eine Genauigkeit von 83,9 % auf MATH-500, einen Durchgangsrate von 28,9 % auf AIME 2024 und eine Bewertung von 954 auf CodeForces, was seine inferenziellen Fähigkeiten über seine Parametergröße hinaus zeigt."
+  "Pro/deepseek-ai/DeepSeek-R1-0120": {
+    "description": "DeepSeek-R1 ist ein durch verstärkendes Lernen (RL) gesteuertes Inferenzmodell, das Probleme der Wiederholungen und Lesbarkeit im Modell löst. Vor RL wurde ein Cold-Start-Datensatz eingeführt, um die Inferenzleistung weiter zu optimieren. Es zeigt vergleichbare Leistungen zu OpenAI-o1 in Mathematik, Programmierung und Inferenzaufgaben und verbessert die Gesamtleistung durch sorgfältig gestaltete Trainingsmethoden."
   },
   "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B": {
     "description": "DeepSeek-R1-Distill-Qwen-7B ist ein Modell, das durch Wissensdistillierung auf Basis von Qwen2.5-Math-7B erstellt wurde. Dieses Modell wurde mit 800.000 sorgfältig ausgewählten Beispielen, die von DeepSeek-R1 generiert wurden, feinjustiert und zeigt ausgezeichnete Inferenzfähigkeiten. Es erzielte in mehreren Benchmarks hervorragende Ergebnisse, darunter eine Genauigkeit von 92,8 % im MATH-500, einen Durchgangsrate von 55,5 % im AIME 2024 und eine Bewertung von 1189 auf CodeForces, was seine starken mathematischen und programmierischen Fähigkeiten als Modell mit 7B Parametern unterstreicht."
@@ -254,9 +254,6 @@
   "Qwen/QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview ist das neueste experimentelle Forschungsmodell von Qwen, das sich auf die Verbesserung der KI-Inferenzfähigkeiten konzentriert. Durch die Erforschung komplexer Mechanismen wie Sprachmischung und rekursive Inferenz bietet es Hauptvorteile wie starke Analysefähigkeiten, mathematische und Programmierfähigkeiten. Gleichzeitig gibt es Herausforderungen wie Sprachwechsel, Inferenzzyklen, Sicherheitsüberlegungen und Unterschiede in anderen Fähigkeiten."
   },
-  "Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct ist das anweisungsfeinabgestimmte große Sprachmodell der Qwen2-Serie mit einer Parametergröße von 1,5B. Dieses Modell basiert auf der Transformer-Architektur und verwendet Technologien wie die SwiGLU-Aktivierungsfunktion, QKV-Offsets und gruppierte Abfrageaufmerksamkeit. Es zeigt hervorragende Leistungen in der Sprachverständnis, -generierung, Mehrsprachigkeit, Codierung, Mathematik und Inferenz in mehreren Benchmark-Tests und übertrifft die meisten Open-Source-Modelle. Im Vergleich zu Qwen1.5-1.8B-Chat zeigt Qwen2-1.5B-Instruct in Tests wie MMLU, HumanEval, GSM8K, C-Eval und IFEval signifikante Leistungsverbesserungen, obwohl die Parameteranzahl etwas geringer ist."
-  },
   "Qwen/Qwen2-72B-Instruct": {
     "description": "Qwen2 ist ein fortschrittliches allgemeines Sprachmodell, das eine Vielzahl von Anweisungsarten unterstützt."
   },
@@ -416,14 +413,11 @@
   "THUDM/GLM-Z1-Rumination-32B-0414": {
     "description": "GLM-Z1-Rumination-32B-0414 ist ein tiefes Schlussfolgerungsmodell mit nachdenklichen Fähigkeiten (vergleichbar mit OpenAI's Deep Research). Im Gegensatz zu typischen tiefen Denkmodellen verwendet das nachdenkliche Modell längere Zeiträume des tiefen Denkens, um offenere und komplexere Probleme zu lösen."
   },
-  "THUDM/chatglm3-6b": {
-    "description": "ChatGLM3-6B ist das Open-Source-Modell der ChatGLM-Serie, das von Zhizhu AI entwickelt wurde. Dieses Modell bewahrt die hervorragenden Eigenschaften der Vorgängermodelle, wie flüssige Dialoge und niedrige Bereitstellungskosten, während es neue Funktionen einführt. Es verwendet vielfältigere Trainingsdaten, eine größere Anzahl an Trainingsschritten und eine sinnvollere Trainingsstrategie und zeigt hervorragende Leistungen unter den vortrainierten Modellen mit weniger als 10B. ChatGLM3-6B unterstützt mehrstufige Dialoge, Tool-Aufrufe, Code-Ausführung und Agentenaufgaben in komplexen Szenarien. Neben dem Dialogmodell wurden auch das Basis-Modell ChatGLM-6B-Base und das lange Textdialogmodell ChatGLM3-6B-32K als Open Source veröffentlicht. Dieses Modell ist vollständig für akademische Forschung geöffnet und erlaubt auch kostenlose kommerzielle Nutzung nach Registrierung."
-  },
   "THUDM/glm-4-9b-chat": {
     "description": "GLM-4 9B ist die Open-Source-Version, die ein optimiertes Dialogerlebnis für Konversationsanwendungen bietet."
   },
-  "Vendor-A/Qwen/Qwen2.5-72B-Instruct": {
-    "description": "Qwen2.5-72B-Instruct ist eines der neuesten großen Sprachmodelle, die von Alibaba Cloud veröffentlicht wurden. Dieses 72B-Modell hat signifikante Verbesserungen in den Bereichen Codierung und Mathematik. Das Modell bietet auch mehrsprachige Unterstützung und deckt über 29 Sprachen ab, einschließlich Chinesisch und Englisch. Es zeigt signifikante Verbesserungen in der Befolgung von Anweisungen, im Verständnis strukturierter Daten und in der Generierung strukturierter Ausgaben (insbesondere JSON)."
+  "Tongyi-Zhiwen/QwenLong-L1-32B": {
+    "description": "QwenLong-L1-32B ist das erste große Langkontext-Inferenzmodell (LRM), das mit verstärkendem Lernen trainiert wurde und speziell für Langtext-Inferenzaufgaben optimiert ist. Das Modell erreicht durch ein progressives Kontext-Erweiterungs-Framework eine stabile Übertragung von kurzen zu langen Kontexten. In sieben Langkontext-Dokumenten-Q&A-Benchmarks übertrifft QwenLong-L1-32B Flaggschiffmodelle wie OpenAI-o3-mini und Qwen3-235B-A22B und erreicht eine Leistung vergleichbar mit Claude-3.7-Sonnet-Thinking. Es ist besonders stark in komplexen Aufgaben wie mathematischer, logischer und mehrstufiger Inferenz."
   },
   "Yi-34B-Chat": {
     "description": "Yi-1.5-34B hat die hervorragenden allgemeinen Sprachfähigkeiten des ursprünglichen Modells beibehalten und durch inkrementelles Training von 500 Milliarden hochwertigen Tokens die mathematische Logik und Codierungsfähigkeiten erheblich verbessert."
@@ -560,6 +554,12 @@
   "anthropic/claude-3.7-sonnet": {
     "description": "Claude 3.7 Sonnet ist das intelligenteste Modell von Anthropic bis heute und das erste hybride Inferenzmodell auf dem Markt. Claude 3.7 Sonnet kann nahezu sofortige Antworten oder verlängerte, schrittweise Überlegungen erzeugen, wobei die Benutzer diesen Prozess klar nachvollziehen können. Sonnet ist besonders gut in den Bereichen Programmierung, Datenwissenschaft, visuelle Verarbeitung und Agentenaufgaben."
   },
+  "anthropic/claude-opus-4": {
+    "description": "Claude Opus 4 ist das leistungsstärkste Modell von Anthropic zur Bewältigung hochkomplexer Aufgaben. Es zeichnet sich durch herausragende Leistung, Intelligenz, Flüssigkeit und Verständnis aus."
+  },
+  "anthropic/claude-sonnet-4": {
+    "description": "Claude Sonnet 4 kann nahezu sofortige Antworten oder verlängerte schrittweise Überlegungen erzeugen, die für den Nutzer klar nachvollziehbar sind. API-Nutzer können zudem die Denkzeit des Modells präzise steuern."
+  },
   "aya": {
     "description": "Aya 23 ist ein mehrsprachiges Modell von Cohere, das 23 Sprachen unterstützt und die Anwendung in einer Vielzahl von Sprachen erleichtert."
   },
@@ -665,6 +665,9 @@
   "codestral-latest": {
     "description": "Codestral ist ein hochmodernes Generierungsmodell, das sich auf die Codegenerierung konzentriert und für Aufgaben wie das Ausfüllen von Zwischenräumen und die Codevervollständigung optimiert wurde."
   },
+  "codex-mini-latest": {
+    "description": "codex-mini-latest ist eine feinabgestimmte Version von o4-mini, speziell für Codex CLI entwickelt. Für die direkte Nutzung über die API empfehlen wir den Start mit gpt-4.1."
+  },
   "cognitivecomputations/dolphin-mixtral-8x22b": {
     "description": "Dolphin Mixtral 8x22B ist ein Modell, das für die Befolgung von Anweisungen, Dialoge und Programmierung entwickelt wurde."
   },
@@ -722,6 +725,9 @@
   "compound-beta-mini": {
     "description": "Compound-beta-mini ist ein hybrides KI-System, das von öffentlich verfügbaren Modellen in GroqCloud unterstützt wird und intelligent und selektiv Werkzeuge zur Beantwortung von Benutzeranfragen einsetzt."
   },
+  "computer-use-preview": {
+    "description": "Das Modell computer-use-preview ist ein speziell für „Computeranwendungstools“ entwickeltes Modell, das darauf trainiert wurde, computerbezogene Aufgaben zu verstehen und auszuführen."
+  },
   "dall-e-2": {
     "description": "Zweite Generation des DALL·E-Modells, unterstützt realistischere und genauere Bildgenerierung, mit einer Auflösung, die viermal so hoch ist wie die der ersten Generation."
   },
@@ -734,6 +740,12 @@
   "deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 ist ein durch verstärkendes Lernen (RL) gesteuertes Inferenzmodell, das die Probleme der Wiederholbarkeit und Lesbarkeit im Modell löst. Vor dem RL führte DeepSeek-R1 Kaltstartdaten ein, um die Inferenzleistung weiter zu optimieren. Es zeigt in mathematischen, programmierbezogenen und Inferenzaufgaben eine vergleichbare Leistung zu OpenAI-o1 und verbessert durch sorgfältig gestaltete Trainingsmethoden die Gesamteffizienz."
   },
+  "deepseek-ai/DeepSeek-R1-0528": {
+    "description": "DeepSeek R1 verbessert durch den Einsatz erhöhter Rechenressourcen und die Einführung algorithmischer Optimierungsmechanismen im Nachtraining signifikant die Tiefe seiner Schlussfolgerungs- und Deduktionsfähigkeiten. Das Modell zeigt hervorragende Leistungen in verschiedenen Benchmark-Tests, einschließlich Mathematik, Programmierung und allgemeiner Logik. Die Gesamtleistung nähert sich führenden Modellen wie O3 und Gemini 2.5 Pro an."
+  },
+  "deepseek-ai/DeepSeek-R1-0528-Qwen3-8B": {
+    "description": "DeepSeek-R1-0528-Qwen3-8B ist ein Modell, das durch Destillation der Denkprozesskette vom DeepSeek-R1-0528-Modell auf das Qwen3 8B Base Modell gewonnen wurde. Es erreicht in Open-Source-Modellen den Stand der Technik (SOTA), übertrifft im AIME 2024 Test Qwen3 8B um 10 % und erreicht die Leistungsstufe von Qwen3-235B-thinking. Das Modell zeigt hervorragende Leistungen in Mathematik, Programmierung und allgemeiner Logik in mehreren Benchmarks. Die Architektur entspricht Qwen3-8B, teilt jedoch die Tokenizer-Konfiguration von DeepSeek-R1-0528."
+  },
   "deepseek-ai/DeepSeek-R1-Distill-Llama-70B": {
     "description": "Das DeepSeek-R1-Distill-Modell optimiert die Inferenzleistung durch verstärkendes Lernen und Kaltstartdaten. Das Open-Source-Modell setzt neue Maßstäbe für Multitasking."
   },
@@ -779,6 +791,9 @@
   "deepseek-r1": {
     "description": "DeepSeek-R1 ist ein durch verstärkendes Lernen (RL) gesteuertes Inferenzmodell, das die Probleme der Wiederholbarkeit und Lesbarkeit im Modell löst. Vor dem RL führte DeepSeek-R1 Kaltstartdaten ein, um die Inferenzleistung weiter zu optimieren. Es zeigt in mathematischen, programmierbezogenen und Inferenzaufgaben eine vergleichbare Leistung zu OpenAI-o1 und verbessert durch sorgfältig gestaltete Trainingsmethoden die Gesamteffizienz."
   },
+  "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-r1-70b-fast-online": {
     "description": "DeepSeek R1 70B Schnellversion, die Echtzeit-Online-Suche unterstützt und eine schnellere Reaktionszeit bei gleichbleibender Modellleistung bietet."
   },
@@ -836,9 +851,6 @@
   "deepseek-v3-0324": {
     "description": "DeepSeek-V3-0324 ist ein MoE-Modell mit 671 Milliarden Parametern, das in den Bereichen Programmierung und technische Fähigkeiten, Kontextverständnis und Verarbeitung langer Texte herausragende Vorteile bietet."
   },
-  "deepseek/deepseek-chat": {
-    "description": "Ein neues Open-Source-Modell, das allgemeine und Codefähigkeiten vereint. Es behält nicht nur die allgemeinen Dialogfähigkeiten des ursprünglichen Chat-Modells und die leistungsstarken Codeverarbeitungsfähigkeiten des Coder-Modells bei, sondern stimmt auch besser mit menschlichen Vorlieben überein. Darüber hinaus hat DeepSeek-V2.5 in vielen Bereichen wie Schreibaufgaben und Befehlsbefolgung erhebliche Verbesserungen erzielt."
-  },
   "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."
   },
@@ -848,6 +860,12 @@
   "deepseek/deepseek-r1": {
     "description": "DeepSeek-R1 hat die Schlussfolgerungsfähigkeiten des Modells erheblich verbessert, selbst bei nur wenigen gekennzeichneten Daten. Bevor das Modell die endgültige Antwort ausgibt, gibt es zunächst eine Denkprozesskette aus, um die Genauigkeit der endgültigen Antwort zu erhöhen."
   },
+  "deepseek/deepseek-r1-0528": {
+    "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-r1-0528:free": {
+    "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 ein großes Sprachmodell, das auf Llama3.3 70B basiert und durch Feinabstimmung mit den Ausgaben von DeepSeek R1 eine wettbewerbsfähige Leistung erreicht, die mit großen, fortschrittlichen Modellen vergleichbar ist."
   },
@@ -899,6 +917,15 @@
   "doubao-1.5-vision-lite": {
     "description": "Doubao-1.5-vision-lite ist ein neu verbessertes multimodales großes Modell, das beliebige Auflösungen und extreme Seitenverhältnisse bei der Bilderkennung unterstützt und die Fähigkeiten in visueller Schlussfolgerung, Dokumentenerkennung, Detailverständnis und Befolgung von Anweisungen verbessert. Es unterstützt ein Kontextfenster von 128k und eine maximale Ausgabelänge von 16k Tokens."
   },
+  "doubao-seed-1.6": {
+    "description": "Doubao-Seed-1.6 ist ein neues multimodales Modell für tiefgehendes Denken, das drei Denkmodi unterstützt: auto, thinking und non-thinking. Im non-thinking-Modus ist die Leistung im Vergleich zu Doubao-1.5-pro/250115 deutlich verbessert. Unterstützt ein Kontextfenster von 256k und eine maximale Ausgabelänge von 16k Tokens."
+  },
+  "doubao-seed-1.6-flash": {
+    "description": "Doubao-Seed-1.6-flash ist ein multimodales Modell für tiefgehendes Denken mit extrem schneller Inferenzgeschwindigkeit, TPOT benötigt nur 10 ms; unterstützt sowohl Text- als auch visuelle Verarbeitung, die Textverständnisfähigkeit übertrifft die vorherige Lite-Generation, das visuelle Verständnis ist vergleichbar mit den Pro-Modellen der Konkurrenz. Unterstützt ein Kontextfenster von 256k und eine maximale Ausgabelänge von 16k Tokens."
+  },
+  "doubao-seed-1.6-thinking": {
+    "description": "Das Doubao-Seed-1.6-thinking Modell verfügt über stark verbesserte Denkfähigkeiten. Im Vergleich zu Doubao-1.5-thinking-pro wurden die Grundfähigkeiten in Coding, Mathematik und logischem Denken weiter verbessert und unterstützt visuelles Verständnis. Unterstützt ein Kontextfenster von 256k und eine maximale Ausgabelänge von 16k Tokens."
+  },
   "emohaa": {
     "description": "Emohaa ist ein psychologisches Modell mit professionellen Beratungsfähigkeiten, das den Nutzern hilft, emotionale Probleme zu verstehen."
   },
@@ -1037,6 +1064,12 @@
   "gemini-2.0-flash-preview-image-generation": {
     "description": "Gemini 2.0 Flash Vorschau-Modell, unterstützt die Bildgenerierung"
   },
+  "gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash ist Googles kosteneffizientestes Modell und bietet umfassende Funktionen."
+  },
+  "gemini-2.5-flash-lite-preview-06-17": {
+    "description": "Gemini 2.5 Flash-Lite Preview ist Googles kleinstes und kosteneffizientestes Modell, speziell für den großflächigen Einsatz konzipiert."
+  },
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview ist das kosteneffizienteste Modell von Google und bietet umfassende Funktionen."
   },
@@ -1046,6 +1079,9 @@
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview ist Googles kosteneffizientestes Modell mit umfassenden Funktionen."
   },
+  "gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro ist Googles fortschrittlichstes Denkmodell, das komplexe Probleme in den Bereichen Code, Mathematik und MINT-Fächer lösen kann und große Datensätze, Codebasen und Dokumente mit langem Kontext analysiert."
+  },
   "gemini-2.5-pro-exp-03-25": {
     "description": "Gemini 2.5 Pro Experimental ist Googles fortschrittlichstes Denkmodell, das in der Lage ist, komplexe Probleme in den Bereichen Code, Mathematik und STEM zu analysieren. Es kann auch lange Kontexte nutzen, um große Datensätze, Codebasen und Dokumente zu analysieren."
   },
@@ -1055,6 +1091,9 @@
   "gemini-2.5-pro-preview-05-06": {
     "description": "Gemini 2.5 Pro Preview ist Googles fortschrittlichstes Denkmodell, das in der Lage ist, komplexe Probleme in den Bereichen Code, Mathematik und STEM zu analysieren und große Datensätze, Codebasen und Dokumente mithilfe von Langzeitkontext zu analysieren."
   },
+  "gemini-2.5-pro-preview-06-05": {
+    "description": "Gemini 2.5 Pro Preview ist Googles fortschrittlichstes Denkmodell, das komplexe Probleme in den Bereichen Code, Mathematik und MINT-Fächer lösen kann und große Datensätze, Codebasen und Dokumente mit langem Kontext analysiert."
+  },
   "gemma-7b-it": {
     "description": "Gemma 7B eignet sich für die Verarbeitung von mittelgroßen Aufgaben und bietet ein gutes Kosten-Nutzen-Verhältnis."
   },
@@ -1142,14 +1181,20 @@
   "google/gemini-2.0-flash-exp:free": {
     "description": "Gemini 2.0 Flash Experimental ist Googles neuestes experimentelles multimodales KI-Modell, das im Vergleich zu früheren Versionen eine gewisse Qualitätsverbesserung aufweist, insbesondere in Bezug auf Weltwissen, Code und langen Kontext."
   },
+  "google/gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash ist Googles fortschrittlichstes Hauptmodell, speziell entwickelt für anspruchsvolle Aufgaben in den Bereichen logisches Denken, Programmierung, Mathematik und Wissenschaft. Es verfügt über eingebaute \"Denkfähigkeiten\", die es ermöglichen, Antworten mit höherer Genauigkeit und detaillierter Kontextverarbeitung zu liefern.\n\nHinweis: Dieses Modell gibt es in zwei Varianten: mit und ohne Denkfähigkeit. Die Preisgestaltung für die Ausgabe variiert erheblich, je nachdem, ob die Denkfähigkeit aktiviert ist. Wenn Sie die Standardvariante (ohne den Suffix \":thinking\") wählen, vermeidet das Modell ausdrücklich die Erzeugung von Denk-Token.\n\nUm die Denkfähigkeit zu nutzen und Denk-Token zu erhalten, müssen Sie die \":thinking\"-Variante wählen, was zu höheren Kosten für die Denk-Ausgabe führt.\n\nDarüber hinaus kann Gemini 2.5 Flash über den Parameter \"Maximale Tokenanzahl für das Denken\" konfiguriert werden, wie in der Dokumentation beschrieben (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
+  },
   "google/gemini-2.5-flash-preview": {
     "description": "Gemini 2.5 Flash ist Googles fortschrittlichstes Hauptmodell, das für fortgeschrittenes Denken, Codierung, Mathematik und wissenschaftliche Aufgaben entwickelt wurde. Es enthält die eingebaute Fähigkeit zu \"denken\", was es ihm ermöglicht, Antworten mit höherer Genauigkeit und detaillierter Kontextverarbeitung zu liefern.\n\nHinweis: Dieses Modell hat zwei Varianten: Denken und Nicht-Denken. Die Ausgabepreise variieren erheblich, je nachdem, ob die Denkfähigkeit aktiviert ist oder nicht. Wenn Sie die Standardvariante (ohne den Suffix \":thinking\") wählen, wird das Modell ausdrücklich vermeiden, Denk-Tokens zu generieren.\n\nUm die Denkfähigkeit zu nutzen und Denk-Tokens zu erhalten, müssen Sie die \":thinking\"-Variante wählen, was zu höheren Preisen für Denk-Ausgaben führt.\n\nDarüber hinaus kann Gemini 2.5 Flash über den Parameter \"maximale Tokenanzahl für das Denken\" konfiguriert werden, wie in der Dokumentation beschrieben (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
   "google/gemini-2.5-flash-preview:thinking": {
     "description": "Gemini 2.5 Flash ist Googles fortschrittlichstes Hauptmodell, das für fortgeschrittenes Denken, Codierung, Mathematik und wissenschaftliche Aufgaben entwickelt wurde. Es enthält die eingebaute Fähigkeit zu \"denken\", was es ihm ermöglicht, Antworten mit höherer Genauigkeit und detaillierter Kontextverarbeitung zu liefern.\n\nHinweis: Dieses Modell hat zwei Varianten: Denken und Nicht-Denken. Die Ausgabepreise variieren erheblich, je nachdem, ob die Denkfähigkeit aktiviert ist oder nicht. Wenn Sie die Standardvariante (ohne den Suffix \":thinking\") wählen, wird das Modell ausdrücklich vermeiden, Denk-Tokens zu generieren.\n\nUm die Denkfähigkeit zu nutzen und Denk-Tokens zu erhalten, müssen Sie die \":thinking\"-Variante wählen, was zu höheren Preisen für Denk-Ausgaben führt.\n\nDarüber hinaus kann Gemini 2.5 Flash über den Parameter \"maximale Tokenanzahl für das Denken\" konfiguriert werden, wie in der Dokumentation beschrieben (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
-  "google/gemini-2.5-pro-preview-03-25": {
-    "description": "Gemini 2.5 Pro ist Googles fortschrittlichstes KI-Modell, das für fortgeschrittenes Denken, Codierung, Mathematik und wissenschaftliche Aufgaben entwickelt wurde. Es verfügt über die Fähigkeit zu \"denken\", was es ihm ermöglicht, Antworten mit höherer Genauigkeit und detaillierter Kontextverarbeitung zu generieren. Gemini 2.5 Pro hat in mehreren Benchmark-Tests Spitzenleistungen erzielt, darunter den ersten Platz in der LMArena-Rangliste, was die hervorragende Ausrichtung an menschlichen Vorlieben und die Fähigkeit zur Lösung komplexer Probleme widerspiegelt."
+  "google/gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro ist Googles fortschrittlichstes Denkmodell, das in der Lage ist, komplexe Probleme in den Bereichen Code, Mathematik und MINT-Fächer zu analysieren sowie große Datensätze, Codebasen und Dokumente mit langem Kontext zu untersuchen."
+  },
+  "google/gemini-2.5-pro-preview": {
+    "description": "Gemini 2.5 Pro Preview ist Googles fortschrittlichstes Denkmodell, das in der Lage ist, komplexe Probleme in den Bereichen Code, Mathematik und MINT zu analysieren sowie große Datensätze, Codebasen und Dokumente mit langem Kontext zu untersuchen."
   },
   "google/gemini-flash-1.5": {
     "description": "Gemini 1.5 Flash bietet optimierte multimodale Verarbeitungsfähigkeiten, die für verschiedene komplexe Aufgabenszenarien geeignet sind."
@@ -1259,9 +1304,15 @@
   "gpt-4o-mini": {
     "description": "GPT-4o mini ist das neueste Modell von OpenAI, das nach GPT-4 Omni veröffentlicht wurde und sowohl Text- als auch Bildinput unterstützt. Als ihr fortschrittlichstes kleines Modell ist es viel günstiger als andere neueste Modelle und kostet über 60 % weniger als GPT-3.5 Turbo. Es behält die fortschrittliche Intelligenz bei und bietet gleichzeitig ein hervorragendes Preis-Leistungs-Verhältnis. GPT-4o mini erzielte 82 % im MMLU-Test und rangiert derzeit in den Chat-Präferenzen über GPT-4."
   },
+  "gpt-4o-mini-audio-preview": {
+    "description": "GPT-4o mini Audio Modell, unterstützt Audioeingabe und -ausgabe."
+  },
   "gpt-4o-mini-realtime-preview": {
     "description": "Echtzeitversion von GPT-4o-mini, unterstützt Audio- und Texteingabe sowie -ausgabe in Echtzeit."
   },
+  "gpt-4o-mini-search-preview": {
+    "description": "Die GPT-4o mini Suchvorschau ist ein speziell trainiertes Modell zur Interpretation und Ausführung von Websuchanfragen, das die Chat Completions API verwendet. Neben den Token-Gebühren fallen für Websuchanfragen zusätzliche Gebühren pro Tool-Aufruf an."
+  },
   "gpt-4o-mini-tts": {
     "description": "GPT-4o mini TTS ist ein Text-to-Speech-Modell, das auf GPT-4o mini basiert und hochwertige Sprachgenerierung bei niedrigeren Kosten bietet."
   },
@@ -1274,6 +1325,9 @@
   "gpt-4o-realtime-preview-2024-12-17": {
     "description": "Echtzeitversion von GPT-4o, unterstützt Audio- und Texteingabe sowie -ausgabe in Echtzeit."
   },
+  "gpt-4o-search-preview": {
+    "description": "Die GPT-4o Suchvorschau ist ein speziell trainiertes Modell zur Interpretation und Ausführung von Websuchanfragen, das die Chat Completions API verwendet. Neben den Token-Gebühren fallen für Websuchanfragen zusätzliche Gebühren pro Tool-Aufruf an."
+  },
   "grok-2-1212": {
     "description": "Dieses Modell hat Verbesserungen in Bezug auf Genauigkeit, Befolgung von Anweisungen und Mehrsprachigkeit erfahren."
   },
@@ -1307,6 +1361,9 @@
   "hunyuan-large-longcontext": {
     "description": "Besonders gut geeignet für lange Textaufgaben wie Dokumentenzusammenfassungen und Dokumentenfragen, verfügt es auch über die Fähigkeit, allgemeine Textgenerierungsaufgaben zu bearbeiten. Es zeigt hervorragende Leistungen bei der Analyse und Generierung von langen Texten und kann effektiv mit komplexen und detaillierten Anforderungen an die Verarbeitung von langen Inhalten umgehen."
   },
+  "hunyuan-large-vision": {
+    "description": "Dieses Modell eignet sich für Szenarien mit Bild- und Textverständnis. Es basiert auf dem Hunyuan Large-Modell und ist ein großes visuelles Sprachmodell, das beliebige Auflösungen und mehrere Bilder plus Texteingaben unterstützt und Textinhalte generiert. Der Fokus liegt auf Aufgaben im Bereich Bild-Text-Verständnis mit deutlichen Verbesserungen in mehrsprachigen Bild-Text-Verständnisfähigkeiten."
+  },
   "hunyuan-lite": {
     "description": "Aufgerüstet auf eine MOE-Struktur mit einem Kontextfenster von 256k, führt es in mehreren Bewertungssets in NLP, Code, Mathematik und Industrie zahlreiche Open-Source-Modelle an."
   },
@@ -1331,18 +1388,18 @@
   "hunyuan-t1-20250321": {
     "description": "Umfassende Entwicklung der Modellfähigkeiten in Geistes- und Naturwissenschaften, starke Fähigkeit zur Erfassung langer Textinformationen. Unterstützt die Lösung von wissenschaftlichen Problemen in verschiedenen Schwierigkeitsgraden, einschließlich Mathematik, logischem Denken, Wissenschaft und Code."
   },
+  "hunyuan-t1-20250403": {
+    "description": "Verbesserung der Codegenerierungsfähigkeiten auf Projektebene; Steigerung der Qualität von Textgenerierung und Schreibstil; Verbesserung des Verständnisses von Themen in mehrstufigen Dialogen, Befehlsbefolgung und Wortverständnis; Optimierung von Ausgaben mit gemischten traditionellen und vereinfachten chinesischen Schriftzeichen sowie gemischten chinesisch-englischen Texten."
+  },
+  "hunyuan-t1-20250529": {
+    "description": "Optimiert für Textkreation und Aufsatzschreiben, verbessert die Fähigkeiten in Frontend-Programmierung, Mathematik und logischem Denken sowie die Befolgung von Anweisungen."
+  },
   "hunyuan-t1-latest": {
     "description": "Das erste ultra-skalierbare Hybrid-Transformer-Mamba-Inferenzmodell der Branche, das die Inferenzfähigkeiten erweitert, eine extrem hohe Dekodierungsgeschwindigkeit bietet und weiter auf menschliche Präferenzen abgestimmt ist."
   },
   "hunyuan-t1-vision": {
     "description": "Hunyuan ist ein multimodales Verständnis- und Tiefdenkmodell, das native multimodale lange Denkprozesse unterstützt. Es ist spezialisiert auf verschiedene Bildinferenzszenarien und zeigt im Vergleich zu Schnelldenkmodellen umfassende Verbesserungen bei naturwissenschaftlichen Problemen."
   },
-  "hunyuan-translation": {
-    "description": "Unterstützt die Übersetzung zwischen Chinesisch und Englisch, Japanisch, Französisch, Portugiesisch, Spanisch, Türkisch, Russisch, Arabisch, Koreanisch, Italienisch, Deutsch, Vietnamesisch, Malaiisch und Indonesisch in 15 Sprachen. Basierend auf einem automatisierten Bewertungs-Framework COMET, das auf mehrsprachigen Übersetzungsbewertungsszenarien basiert, übertrifft es insgesamt die Übersetzungsfähigkeiten anderer Modelle ähnlicher Größe auf dem Markt."
-  },
-  "hunyuan-translation-lite": {
-    "description": "Das Hunyuan-Übersetzungsmodell unterstützt die dialogbasierte Übersetzung in natürlicher Sprache; es unterstützt die Übersetzung zwischen Chinesisch und Englisch, Japanisch, Französisch, Portugiesisch, Spanisch, Türkisch, Russisch, Arabisch, Koreanisch, Italienisch, Deutsch, Vietnamesisch, Malaiisch und Indonesisch in 15 Sprachen."
-  },
   "hunyuan-turbo": {
     "description": "Die Vorschauversion des neuen großen Sprachmodells von Hunyuan verwendet eine neuartige hybride Expertenmodellstruktur (MoE) und bietet im Vergleich zu Hunyuan-Pro eine schnellere Inferenz und bessere Leistung."
   },
@@ -1355,8 +1412,14 @@
   "hunyuan-turbo-vision": {
     "description": "Das neue Flaggschiff-Modell der visuellen Sprache von Hunyuan, das eine brandneue Struktur des gemischten Expertenmodells (MoE) verwendet, bietet umfassende Verbesserungen in den Fähigkeiten zur grundlegenden Erkennung, Inhaltserstellung, Wissensfragen und Analyse sowie Schlussfolgerungen im Vergleich zum vorherigen Modell."
   },
-  "hunyuan-turbos-20250226": {
-    "description": "hunyuan-TurboS pv2.1.2 ist eine feste Version mit aktualisierten Trainings-Tokens; verbesserte Denkfähigkeiten in Mathematik/Logik/Code; verbesserte allgemeine Erfahrung in Chinesisch und Englisch, einschließlich Textgenerierung, Textverständnis, Wissensfragen und Smalltalk."
+  "hunyuan-turbos-20250313": {
+    "description": "Vereinheitlichung des Stils bei mathematischen Lösungswegen und Verstärkung der mehrstufigen mathematischen Frage-Antwort-Interaktion. Optimierung des Antwortstils bei Textkreationen, Entfernung von KI-typischen Merkmalen und Steigerung der literarischen Ausdruckskraft."
+  },
+  "hunyuan-turbos-20250416": {
+    "description": "Upgrade der vortrainierten Basis zur Stärkung des Befehlsverständnisses und der Befehlsbefolgung; Verbesserung der naturwissenschaftlichen Fähigkeiten in Mathematik, Programmierung, Logik und Wissenschaft während der Feinabstimmungsphase; Steigerung der Qualität in literarischer Kreativität, Textverständnis, Übersetzungsgenauigkeit und Wissensfragen; Verstärkung der Agentenfähigkeiten in verschiedenen Bereichen mit Schwerpunkt auf dem Verständnis mehrstufiger Dialoge."
+  },
+  "hunyuan-turbos-20250604": {
+    "description": "Upgrade der vortrainierten Basis, verbessert Schreib- und Leseverständnisfähigkeiten, steigert deutlich die Programmier- und naturwissenschaftlichen Kompetenzen und verbessert kontinuierlich die Befolgung komplexer Anweisungen."
   },
   "hunyuan-turbos-latest": {
     "description": "hunyuan-TurboS ist die neueste Version des Hunyuan-Flaggschiffmodells, das über verbesserte Denkfähigkeiten und ein besseres Nutzungserlebnis verfügt."
@@ -1364,15 +1427,12 @@
   "hunyuan-turbos-longtext-128k-20250325": {
     "description": "Experte für die Verarbeitung von langen Textaufgaben wie Dokumentenzusammenfassungen und Dokumentenfragen, mit der Fähigkeit, allgemeine Textgenerierungsaufgaben zu bewältigen. Es zeigt hervorragende Leistungen bei der Analyse und Generierung von langen Texten und kann komplexe und detaillierte Anforderungen an die Verarbeitung langer Inhalte effektiv bewältigen."
   },
-  "hunyuan-turbos-vision": {
-    "description": "Dieses Modell eignet sich für Szenarien der Bild-Text-Verständnis und ist das neueste Flaggschiffmodell der turbos von Hunyuan, das sich auf Aufgaben des Bild-Text-Verstehens konzentriert, einschließlich bildbasierter Entitätsidentifikation, Wissensfragen, Texterstellung und Problemlösung durch Fotografieren, mit umfassenden Verbesserungen im Vergleich zur vorherigen Generation."
+  "hunyuan-turbos-role-plus": {
+    "description": "Die neueste Version des Hunyuan-Rollenspielsmodells, feinabgestimmt und trainiert von Hunyuan, basiert auf dem Hunyuan-Modell und wurde mit Datensätzen für Rollenspielszenarien weiter trainiert, um in Rollenspielszenarien bessere Grundleistungen zu erzielen."
   },
   "hunyuan-vision": {
     "description": "Das neueste multimodale Modell von Hunyuan unterstützt die Eingabe von Bildern und Text zur Generierung von Textinhalten."
   },
-  "internlm/internlm2_5-20b-chat": {
-    "description": "Das innovative Open-Source-Modell InternLM2.5 hat durch eine große Anzahl von Parametern die Dialogintelligenz erhöht."
-  },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 bietet intelligente Dialoglösungen in mehreren Szenarien."
   },
@@ -1400,6 +1460,9 @@
   "kimi-latest": {
     "description": "Das Kimi intelligente Assistenzprodukt verwendet das neueste Kimi Großmodell, das möglicherweise noch instabile Funktionen enthält. Es unterstützt die Bildverarbeitung und wählt automatisch das Abrechnungsmodell 8k/32k/128k basierend auf der Länge des angeforderten Kontexts aus."
   },
+  "kimi-thinking-preview": {
+    "description": "Das kimi-thinking-preview Modell von Moon’s Dark Side ist ein multimodales Denkmodell mit Fähigkeiten zu multimodalem und allgemeinem logischem Denken. Es ist spezialisiert auf tiefgehende Schlussfolgerungen und hilft dabei, komplexere und schwierigere Aufgaben zu lösen."
+  },
   "learnlm-1.5-pro-experimental": {
     "description": "LearnLM ist ein experimentelles, aufgabenorientiertes Sprachmodell, das darauf trainiert wurde, den Prinzipien der Lernwissenschaft zu entsprechen und in Lehr- und Lernszenarien systematische Anweisungen zu befolgen, als Expertenmentor zu fungieren usw."
   },
@@ -1781,6 +1844,9 @@
   "moonshot-v1-auto": {
     "description": "Moonshot V1 Auto kann basierend auf der Anzahl der im aktuellen Kontext verwendeten Tokens das geeignete Modell auswählen."
   },
+  "moonshotai/Kimi-Dev-72B": {
+    "description": "Kimi-Dev-72B ist ein Open-Source-Großmodell für Quellcode, das durch umfangreiche Verstärkungslernoptimierung robuste und direkt produktionsreife Patches erzeugen kann. Dieses Modell erreichte auf SWE-bench Verified eine neue Höchstpunktzahl von 60,4 % und stellte damit einen Rekord für Open-Source-Modelle bei automatisierten Software-Engineering-Aufgaben wie Fehlerbehebung und Code-Review auf."
+  },
   "nousresearch/hermes-2-pro-llama-3-8b": {
     "description": "Hermes 2 Pro Llama 3 8B ist die aktualisierte Version von Nous Hermes 2 und enthält die neuesten intern entwickelten Datensätze."
   },
@@ -1802,15 +1868,27 @@
   "o1-preview": {
     "description": "o1 ist OpenAIs neues Inferenzmodell, das für komplexe Aufgaben geeignet ist, die umfangreiches Allgemeinwissen erfordern. Das Modell hat einen Kontext von 128K und einen Wissensstand bis Oktober 2023."
   },
+  "o1-pro": {
+    "description": "Die o1-Modellreihe wurde durch verstärkendes Lernen trainiert, um vor der Antwort nachzudenken und komplexe logische Aufgaben auszuführen. Das o1-pro Modell nutzt mehr Rechenressourcen für tiefere Überlegungen und liefert dadurch kontinuierlich qualitativ hochwertigere Antworten."
+  },
   "o3": {
     "description": "o3 ist ein vielseitiges und leistungsstarkes Modell, das in mehreren Bereichen hervorragende Leistungen zeigt. Es setzt neue Maßstäbe für mathematische, wissenschaftliche, programmiertechnische und visuelle Schlussfolgerungsaufgaben. Es ist auch versiert in technischer Schreibweise und der Befolgung von Anweisungen. Benutzer können es nutzen, um Texte, Code und Bilder zu analysieren und komplexe Probleme mit mehreren Schritten zu lösen."
   },
+  "o3-deep-research": {
+    "description": "o3-deep-research ist unser fortschrittlichstes Deep-Research-Modell, das speziell für die Bearbeitung komplexer, mehrstufiger Forschungsaufgaben entwickelt wurde. Es kann Informationen aus dem Internet suchen und zusammenfassen sowie über den MCP-Connector auf Ihre eigenen Daten zugreifen und diese nutzen."
+  },
   "o3-mini": {
     "description": "o3-mini ist unser neuestes kompaktes Inferenzmodell, das bei den gleichen Kosten- und Verzögerungszielen wie o1-mini hohe Intelligenz bietet."
   },
+  "o3-pro": {
+    "description": "Das o3-pro Modell verwendet mehr Rechenleistung für tiefere Überlegungen und liefert stets bessere Antworten. Es ist ausschließlich über die Responses API nutzbar."
+  },
   "o4-mini": {
     "description": "o4-mini ist unser neuestes kompaktes Modell der o-Serie. Es wurde für schnelle und effektive Inferenz optimiert und zeigt in Programmier- und visuellen Aufgaben eine hohe Effizienz und Leistung."
   },
+  "o4-mini-deep-research": {
+    "description": "o4-mini-deep-research ist unser schnelleres und kostengünstigeres Deep-Research-Modell – ideal für die Bearbeitung komplexer, mehrstufiger Forschungsaufgaben. Es kann Informationen aus dem Internet suchen und zusammenfassen sowie über den MCP-Connector auf Ihre eigenen Daten zugreifen und diese nutzen."
+  },
   "open-codestral-mamba": {
     "description": "Codestral Mamba ist ein auf die Codegenerierung spezialisiertes Mamba 2-Sprachmodell, das starke Unterstützung für fortschrittliche Code- und Schlussfolgerungsaufgaben bietet."
   },
@@ -1886,11 +1964,17 @@
   "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."
   },
-  "qvq-max-latest": {
-    "description": "Das QVQ-Vision-Reasoning-Modell von Tongyi Qianwen unterstützt visuelle Eingaben und Denkkettenausgaben und zeigt in Mathematik, Programmierung, visueller Analyse, kreativen Aufgaben und allgemeinen Aufgaben eine stärkere Leistungsfähigkeit."
+  "qvq-max": {
+    "description": "Tongyi Qianwen QVQ visuelles Schlussfolgerungsmodell, unterstützt visuelle Eingaben und Denkprozessketten-Ausgaben, zeigt stärkere Fähigkeiten in Mathematik, Programmierung, visueller Analyse, Kreativität und allgemeinen Aufgaben."
   },
-  "qwen-coder-plus-latest": {
-    "description": "Tongyi Qianwen Code-Modell."
+  "qvq-plus": {
+    "description": "Visuelles Schlussfolgerungsmodell. Unterstützt visuelle Eingaben und Denkprozess-Ausgaben. Die Plus-Version, die auf dem qvq-max-Modell basiert, bietet schnellere Inferenzgeschwindigkeit sowie ein ausgewogeneres Verhältnis von Leistung und Kosten."
+  },
+  "qwen-coder-plus": {
+    "description": "Tongyi Qianwen Codierungsmodell."
+  },
+  "qwen-coder-turbo": {
+    "description": "Tongyi Qianwen Codierungsmodell."
   },
   "qwen-coder-turbo-latest": {
     "description": "Das Tongyi Qianwen Code-Modell."
@@ -1898,41 +1982,44 @@
   "qwen-long": {
     "description": "Qwen ist ein groß angelegtes Sprachmodell, das lange Textkontexte unterstützt und Dialogfunktionen für verschiedene Szenarien wie lange Dokumente und mehrere Dokumente bietet."
   },
+  "qwen-math-plus": {
+    "description": "Tongyi Qianwen Mathematikmodell, speziell für mathematische Problemlösungen entwickelt."
+  },
   "qwen-math-plus-latest": {
     "description": "Das Tongyi Qianwen Mathematikmodell ist speziell für die Lösung von mathematischen Problemen konzipiert."
   },
+  "qwen-math-turbo": {
+    "description": "Tongyi Qianwen Mathematikmodell, speziell für mathematische Problemlösungen entwickelt."
+  },
   "qwen-math-turbo-latest": {
     "description": "Das Tongyi Qianwen Mathematikmodell ist speziell für die Lösung von mathematischen Problemen konzipiert."
   },
   "qwen-max": {
     "description": "Qwen Max ist ein großangelegtes Sprachmodell auf Billionenebene, das Eingaben in verschiedenen Sprachen wie Chinesisch und Englisch unterstützt und das API-Modell hinter der aktuellen Produktversion von Qwen 2.5 ist."
   },
-  "qwen-max-latest": {
-    "description": "Der Tongyi Qianwen ist ein Sprachmodell mit einem Umfang von mehreren Billionen, das Eingaben in verschiedenen Sprachen wie Chinesisch und Englisch unterstützt und die API-Modelle hinter der aktuellen Version 2.5 von Tongyi Qianwen darstellt."
-  },
-  "qwen-omni-turbo-latest": {
-    "description": "Die Qwen-Omni-Serie unterstützt die Eingabe von Daten in verschiedenen Modalitäten, einschließlich Video, Audio, Bilder und Text, und gibt Audio und Text aus."
+  "qwen-omni-turbo": {
+    "description": "Die Qwen-Omni-Modellreihe unterstützt die Eingabe verschiedener Modalitäten, einschließlich Video, Audio, Bild und Text, und gibt Audio und Text aus."
   },
   "qwen-plus": {
     "description": "Qwen Plus ist die verbesserte Version des großangelegten Sprachmodells, das Eingaben in verschiedenen Sprachen wie Chinesisch und Englisch unterstützt."
   },
-  "qwen-plus-latest": {
-    "description": "Der Tongyi Qianwen ist die erweiterte Version eines groß angelegten Sprachmodells, das Eingaben in verschiedenen Sprachen wie Chinesisch und Englisch unterstützt."
-  },
   "qwen-turbo": {
     "description": "Qwen Turbo ist ein großangelegtes Sprachmodell, das Eingaben in verschiedenen Sprachen wie Chinesisch und Englisch unterstützt."
   },
-  "qwen-turbo-latest": {
-    "description": "Der Tongyi Qianwen ist ein groß angelegtes Sprachmodell, das Eingaben in verschiedenen Sprachen wie Chinesisch und Englisch unterstützt."
-  },
   "qwen-vl-chat-v1": {
     "description": "Qwen VL unterstützt flexible Interaktionsmethoden, einschließlich Mehrbild-, Mehrfachfragen und kreativen Fähigkeiten."
   },
+  "qwen-vl-max": {
+    "description": "Tongyi Qianwen extrem großskaliges visuelles Sprachmodell. Im Vergleich zur erweiterten Version weitere Steigerung der visuellen Schlussfolgerungs- und Befehlsbefolgungsfähigkeiten, bietet ein höheres Niveau visueller Wahrnehmung und Kognition."
+  },
   "qwen-vl-max-latest": {
     "description": "Das Tongyi Qianwen Ultra-Scale Visuelle Sprachmodell. Im Vergleich zur verbesserten Version wurden die Fähigkeiten zur visuellen Schlussfolgerung und Befolgung von Anweisungen weiter gesteigert, was ein höheres Niveau an visueller Wahrnehmung und Kognition bietet."
   },
-  "qwen-vl-ocr-latest": {
-    "description": "Tongyi Qianwen OCR ist ein spezialisiertes Modell zur Textextraktion, das sich auf die Textextraktionsfähigkeiten von Dokumenten, Tabellen, Prüfungsfragen und handschriftlichen Texten konzentriert. Es kann verschiedene Schriftarten erkennen und unterstützt derzeit folgende Sprachen: Chinesisch, Englisch, Französisch, Japanisch, Koreanisch, Deutsch, Russisch, Italienisch, Vietnamesisch und Arabisch."
+  "qwen-vl-ocr": {
+    "description": "Tongyi Qianwen OCR ist ein spezialisiertes Modell zur Textextraktion, fokussiert auf Dokumente, Tabellen, Prüfungsaufgaben, Handschrift und andere Bildtypen. Es erkennt verschiedene Sprachen, darunter Chinesisch, Englisch, Französisch, Japanisch, Koreanisch, Deutsch, Russisch, Italienisch, Vietnamesisch und Arabisch."
+  },
+  "qwen-vl-plus": {
+    "description": "Erweiterte Version des Tongyi Qianwen großskaligen visuellen Sprachmodells. Deutliche Verbesserung der Detail- und Texterkennungsfähigkeiten, unterstützt Bildauflösungen von über einer Million Pixeln und beliebige Seitenverhältnisse."
   },
   "qwen-vl-plus-latest": {
     "description": "Die verbesserte Version des Tongyi Qianwen, eines großangelegten visuellen Sprachmodells. Deutlich verbesserte Fähigkeiten zur Detailerkennung und Texterkennung, unterstützt Bildauflösungen von über einer Million Pixel und beliebige Seitenverhältnisse."
@@ -2021,6 +2108,9 @@
   "qwen2.5-coder-1.5b-instruct": {
     "description": "Die Open-Source-Version des Qwen-Codemodells."
   },
+  "qwen2.5-coder-14b-instruct": {
+    "description": "Open-Source-Version des Tongyi Qianwen Codierungsmodells."
+  },
   "qwen2.5-coder-32b-instruct": {
     "description": "Open-Source-Version des Tongyi Qianwen Code-Modells."
   },
@@ -2111,8 +2201,8 @@
   "qwq-32b-preview": {
     "description": "Das QwQ-Modell ist ein experimentelles Forschungsmodell, das vom Qwen-Team entwickelt wurde und sich auf die Verbesserung der KI-Inferenzfähigkeiten konzentriert."
   },
-  "qwq-plus-latest": {
-    "description": "Das QwQ-Inferenzmodell, das auf dem Qwen2.5-Modell trainiert wurde, hat durch verstärktes Lernen die Inferenzfähigkeiten des Modells erheblich verbessert. Die Kernmetriken des Modells, wie mathematische Codes (AIME 24/25, LiveCodeBench) sowie einige allgemeine Metriken (IFEval, LiveBench usw.), erreichen das Niveau der DeepSeek-R1 Vollversion."
+  "qwq-plus": {
+    "description": "Das QwQ-Inferenzmodell basiert auf dem Qwen2.5-Modell und verbessert die Modellschlussfolgerungsfähigkeiten durch verstärkendes Lernen erheblich. Die Kernmetriken in Mathematik und Programmierung (AIME 24/25, LiveCodeBench) sowie einige allgemeine Metriken (IFEval, LiveBench usw.) erreichen das volle Leistungsniveau von DeepSeek-R1."
   },
   "qwq_32b": {
     "description": "Ein mittelgroßes Schlussfolgerungsmodell der Qwen-Serie. Im Vergleich zu traditionellen Modellen mit Anweisungsoptimierung zeigt QwQ, das über Denk- und Schlussfolgerungsfähigkeiten verfügt, in nachgelagerten Aufgaben, insbesondere bei der Lösung schwieriger Probleme, eine signifikante Leistungssteigerung."
@@ -2195,6 +2285,9 @@
   "taichu_vl": {
     "description": "Integriert Fähigkeiten wie Bildverständnis, Wissensübertragung und logische Attribution und zeigt herausragende Leistungen im Bereich der Bild-Text-Fragen."
   },
+  "tencent/Hunyuan-A13B-Instruct": {
+    "description": "Hunyuan-A13B-Instruct verfügt über 80 Milliarden Parameter, von denen 13 Milliarden aktiviert werden können, um mit größeren Modellen zu konkurrieren. Es unterstützt eine hybride Denkweise aus „schnellem Denken/langsamem Denken“; die Verarbeitung langer Texte ist stabil; durch BFCL-v3 und τ-Bench validiert, übertrifft die Agentenfähigkeit andere Modelle; in Kombination mit GQA und mehreren Quantisierungsformaten ermöglicht es effiziente Inferenz."
+  },
   "text-embedding-3-large": {
     "description": "Das leistungsstärkste Vektormodell, geeignet für englische und nicht-englische Aufgaben."
   },
@@ -2246,6 +2339,15 @@
   "us.anthropic.claude-3-7-sonnet-20250219-v1:0": {
     "description": "Claude 3.7 Sonett ist das schnellste nächste Modell von Anthropic. Im Vergleich zu Claude 3 Haiku hat Claude 3.7 Sonett in allen Fähigkeiten Verbesserungen erfahren und übertrifft in vielen intellektuellen Benchmark-Tests das größte Modell der vorherigen Generation, Claude 3 Opus."
   },
+  "v0-1.0-md": {
+    "description": "Das Modell v0-1.0-md ist ein älteres Modell, das über die v0 API bereitgestellt wird"
+  },
+  "v0-1.5-lg": {
+    "description": "Das Modell v0-1.5-lg eignet sich für anspruchsvolle Denk- oder Schlussfolgerungsaufgaben"
+  },
+  "v0-1.5-md": {
+    "description": "Das Modell v0-1.5-md ist für alltägliche Aufgaben und die Generierung von Benutzeroberflächen (UI) geeignet"
+  },
   "whisper-1": {
     "description": "Allgemeines Spracherkennungsmodell, unterstützt mehrsprachige Spracherkennung, Sprachübersetzung und Spracherkennung."
   },

locales/de-DE/plugin.json

@@ -12,6 +12,15 @@
     "tool_call": "Tool Call Request"
   },
   "detailModal": {
+    "customPlugin": {
+      "description": "Bitte gehen Sie zur Bearbeitungsseite, um Details anzuzeigen",
+      "editBtn": "Jetzt bearbeiten",
+      "title": "Dies ist ein benutzerdefiniertes Plugin"
+    },
+    "emptyState": {
+      "description": "Bitte installieren Sie dieses Plugin, um die Funktionen und Konfigurationsoptionen anzuzeigen",
+      "title": "Nach der Installation Plugin-Details anzeigen"
+    },
     "info": {
       "description": "API-Beschreibung",
       "name": "API-Name"
@@ -230,6 +239,50 @@
     },
     "title": "Lokale Dateien"
   },
+  "mcpInstall": {
+    "CHECKING_INSTALLATION": "Installationsumgebung wird überprüft...",
+    "COMPLETED": "Installation abgeschlossen",
+    "CONFIGURATION_REQUIRED": "Bitte schließen Sie die erforderliche Konfiguration ab, um mit der Installation fortzufahren",
+    "ERROR": "Installationsfehler",
+    "FETCHING_MANIFEST": "Plugin-Manifest wird abgerufen...",
+    "GETTING_SERVER_MANIFEST": "MCP-Server wird initialisiert...",
+    "INSTALLING_PLUGIN": "Plugin wird installiert...",
+    "configurationDescription": "Dieses MCP-Plugin benötigt Konfigurationsparameter, um ordnungsgemäß zu funktionieren. Bitte füllen Sie die notwendigen Konfigurationsinformationen aus.",
+    "configurationRequired": "Plugin-Parameter konfigurieren",
+    "continueInstall": "Installation fortsetzen",
+    "dependenciesDescription": "Dieses Plugin benötigt die Installation folgender Systemabhängigkeiten, um korrekt zu funktionieren. Bitte installieren Sie die fehlenden Abhängigkeiten gemäß Anleitung und klicken Sie anschließend auf 'Erneut prüfen', um die Installation fortzusetzen.",
+    "dependenciesRequired": "Bitte installieren Sie die Systemabhängigkeiten des Plugins",
+    "dependencyStatus": {
+      "installed": "Installiert",
+      "notInstalled": "Nicht installiert",
+      "requiredVersion": "Benötigte Version: {{version}}"
+    },
+    "errorDetails": {
+      "args": "Parameter",
+      "command": "Befehl",
+      "connectionParams": "Verbindungsparameter",
+      "env": "Umgebungsvariablen",
+      "errorOutput": "Fehlerprotokoll",
+      "exitCode": "Beendigungscode",
+      "hideDetails": "Details ausblenden",
+      "originalError": "Ursprünglicher Fehler",
+      "showDetails": "Details anzeigen"
+    },
+    "errorTypes": {
+      "CONNECTION_FAILED": "Verbindung fehlgeschlagen",
+      "INITIALIZATION_TIMEOUT": "Initialisierung zeitüberschritten",
+      "PROCESS_SPAWN_ERROR": "Prozessstart fehlgeschlagen",
+      "UNKNOWN_ERROR": "Unbekannter Fehler",
+      "VALIDATION_ERROR": "Parameterüberprüfung fehlgeschlagen"
+    },
+    "installError": "MCP-Plugin-Installation fehlgeschlagen, Grund: {{detail}}",
+    "installMethods": {
+      "manual": "Manuelle Installation:",
+      "recommended": "Empfohlene Installationsmethode:"
+    },
+    "recheckDependencies": "Erneut prüfen",
+    "skipDependencies": "Prüfung überspringen"
+  },
   "pluginList": "Plugin-Liste",
   "search": {
     "apiName": {
@@ -266,16 +319,48 @@
   },
   "setting": "Plugin-Einstellung",
   "settings": {
+    "capabilities": {
+      "prompts": "Eingabeaufforderungen",
+      "resources": "Ressourcen",
+      "title": "Plugin-Fähigkeiten",
+      "tools": "Werkzeuge"
+    },
+    "configuration": {
+      "title": "Plugin-Konfiguration"
+    },
+    "connection": {
+      "args": "Startparameter",
+      "command": "Startbefehl",
+      "title": "Verbindungsinformationen",
+      "type": "Verbindungstyp",
+      "url": "Dienstadresse"
+    },
+    "edit": "Bearbeiten",
+    "envConfigDescription": "Diese Konfigurationen werden als Umgebungsvariablen beim Start des MCP-Servers an den Prozess übergeben",
+    "httpTypeNotice": "Für HTTP-Typ MCP-Plugins sind derzeit keine Umgebungsvariablen zu konfigurieren",
     "indexUrl": {
       "title": "Marktindex",
       "tooltip": "Online-Bearbeitung wird derzeit nicht unterstützt. Bitte über Umgebungsvariablen bei der Bereitstellung festlegen."
     },
+    "messages": {
+      "connectionUpdateFailed": "Aktualisierung der Verbindungsinformationen fehlgeschlagen",
+      "connectionUpdateSuccess": "Verbindungsinformationen erfolgreich aktualisiert",
+      "envUpdateFailed": "Speichern der Umgebungsvariablen fehlgeschlagen",
+      "envUpdateSuccess": "Umgebungsvariablen erfolgreich gespeichert"
+    },
     "modalDesc": "Nachdem Sie die Adresse des Plugin-Marktes konfiguriert haben, können Sie den benutzerdefinierten Plugin-Markt verwenden.",
+    "rules": {
+      "argsRequired": "Bitte Startparameter eingeben",
+      "commandRequired": "Bitte Startbefehl eingeben",
+      "urlRequired": "Bitte Dienstadresse eingeben"
+    },
+    "saveSettings": "Einstellungen speichern",
     "title": "Plugin-Markteinstellungen"
   },
   "showInPortal": "Bitte überprüfen Sie die Details im Portal",
   "store": {
     "actions": {
+      "cancel": "Installation abbrechen",
       "confirmUninstall": "Das Plugin wird deinstalliert und alle Konfigurationen werden gelöscht. Bitte bestätigen Sie Ihre Aktion.",
       "detail": "Details",
       "install": "Installieren",
@@ -286,13 +371,15 @@
     "communityPlugin": "Community",
     "customPlugin": "Benutzerdefiniert",
     "empty": "Keine installierten Plugins vorhanden",
+    "emptySelectHint": "Wählen Sie ein Plugin aus, um Details anzuzeigen",
     "installAllPlugins": "Alle installieren",
     "networkError": "Fehler beim Abrufen des Plugin-Shops. Bitte überprüfen Sie die Netzwerkverbindung und versuchen Sie es erneut.",
     "placeholder": "Suche nach Plugin-Namen, Beschreibung oder Stichwort...",
     "releasedAt": "Veröffentlicht am {{createdAt}}",
     "tabs": {
-      "all": "Alle",
-      "installed": "Installiert"
+      "installed": "Installiert",
+      "mcp": "MCP-Plugin",
+      "old": "LobeChat-Plugin"
     },
     "title": "Plugin-Shop"
   },

locales/de-DE/providers.json

@@ -71,6 +71,9 @@
   "mistral": {
     "description": "Mistral bietet fortschrittliche allgemeine, spezialisierte und forschungsorientierte Modelle an, die in Bereichen wie komplexe Schlussfolgerungen, mehrsprachige Aufgaben und Code-Generierung weit verbreitet sind. Durch Funktionsaufrufschnittstellen können Benutzer benutzerdefinierte Funktionen integrieren und spezifische Anwendungen realisieren."
   },
+  "modelscope": {
+    "description": "ModelScope ist eine von Alibaba Cloud eingeführte Plattform für Modelle als Dienstleistung, die eine Vielzahl von KI-Modellen und Inferenzdiensten anbietet."
+  },
   "moonshot": {
     "description": "Moonshot ist eine Open-Source-Plattform, die von Beijing Dark Side Technology Co., Ltd. eingeführt wurde und eine Vielzahl von Modellen zur Verarbeitung natürlicher Sprache anbietet, die in vielen Bereichen Anwendung finden, darunter, aber nicht beschränkt auf, Inhaltserstellung, akademische Forschung, intelligente Empfehlungen und medizinische Diagnosen, und unterstützt die Verarbeitung langer Texte und komplexer Generierungsaufgaben."
   },
@@ -131,6 +134,9 @@
   "upstage": {
     "description": "Upstage konzentriert sich auf die Entwicklung von KI-Modellen für verschiedene geschäftliche Anforderungen, einschließlich Solar LLM und Dokumenten-KI, mit dem Ziel, künstliche allgemeine Intelligenz (AGI) zu erreichen. Es ermöglicht die Erstellung einfacher Dialogagenten über die Chat-API und unterstützt Funktionsaufrufe, Übersetzungen, Einbettungen und spezifische Anwendungsbereiche."
   },
+  "v0": {
+    "description": "v0 ist ein Pair-Programming-Assistent, bei dem Sie Ihre Ideen einfach in natürlicher Sprache beschreiben können, und er generiert Code und Benutzeroberflächen (UI) für Ihr Projekt."
+  },
   "vertexai": {
     "description": "Die Gemini-Serie von Google ist das fortschrittlichste, universelle KI-Modell, das von Google DeepMind entwickelt wurde. Es ist speziell für multimodale Anwendungen konzipiert und unterstützt das nahtlose Verständnis und die Verarbeitung von Text, Code, Bildern, Audio und Video. Es eignet sich für eine Vielzahl von Umgebungen, von Rechenzentren bis hin zu mobilen Geräten, und verbessert erheblich die Effizienz und Anwendbarkeit von KI-Modellen."
   },

locales/de-DE/setting.json

@@ -129,6 +129,7 @@
     "waitingForMore": "Weitere Modelle werden <1>geplant</1>, bitte freuen Sie sich auf weitere Updates"
   },
   "plugin": {
+    "addMCPPlugin": "MCP-Plugin hinzufügen",
     "addTooltip": "Benutzerdefiniertes Plugin",
     "clearDeprecated": "Entfernen Sie ungültige Plugins",
     "empty": "Keine installierten Plugins vorhanden. Besuchen Sie den <1>Plugin-Store</1>, um mehr zu entdecken.",
@@ -220,7 +221,7 @@
     },
     "inputTemplate": {
       "desc": "Die neueste Benutzernachricht wird in dieses Template eingefügt",
-      "placeholder": "Vorlagen-{{input_template}} werden durch Echtzeit-Eingabeinformationen ersetzt",
+      "placeholder": "Vorlagen-{{text}} werden durch Echtzeit-Eingabeinformationen ersetzt",
       "title": "Benutzereingabe-Vorverarbeitung"
     },
     "submit": "Chat-Präferenzen aktualisieren",
@@ -240,7 +241,19 @@
     "mermaidTheme": {
       "title": "Mermaid-Thema"
     },
-    "title": "Chatdesign"
+    "title": "Chatdesign",
+    "transitionMode": {
+      "desc": "Übergangsanimation der Chatnachrichten",
+      "options": {
+        "fadeIn": "Einblenden",
+        "none": {
+          "desc": "Dies hängt von der Art der Antwort des Modells ab, bitte testen Sie es selbst.",
+          "value": "Keine"
+        },
+        "smooth": "Sanft"
+      },
+      "title": "Übergangsanimation"
+    }
   },
   "settingCommon": {
     "lang": {
@@ -259,6 +272,9 @@
     "enableMaxTokens": {
       "title": "Maximale Token pro Antwort aktivieren"
     },
+    "enableReasoningEffort": {
+      "title": "Aktivieren der Anpassung der Schlussfolgerungsintensität"
+    },
     "frequencyPenalty": {
       "desc": "Je höher der Wert, desto vielfältiger und abwechslungsreicher die Wortwahl; je niedriger der Wert, desto einfacher und schlichter die Wortwahl",
       "title": "Wortvielfalt"
@@ -278,6 +294,15 @@
       "desc": "Je höher der Wert, desto eher werden unterschiedliche Ausdrucksweisen bevorzugt, um Wiederholungen zu vermeiden; je niedriger der Wert, desto eher werden wiederholte Konzepte oder Erzählungen verwendet, was zu einer konsistenteren Ausdrucksweise führt",
       "title": "Ausdrucksvielfalt"
     },
+    "reasoningEffort": {
+      "desc": "Je höher der Wert, desto stärker die Schlussfolgerungsfähigkeit, kann jedoch die Antwortzeit und den Token-Verbrauch erhöhen",
+      "options": {
+        "high": "Hoch",
+        "low": "Niedrig",
+        "medium": "Mittel"
+      },
+      "title": "Schlussfolgerungsintensität"
+    },
     "submit": "Modell-Einstellungen aktualisieren",
     "temperature": {
       "desc": "Je höher der Wert, desto kreativer und einfallsreicher die Antworten; je niedriger der Wert, desto strenger die Antworten",

locales/en-US/discover.json

@@ -10,13 +10,57 @@
     },
     "description": "Assistant Introduction",
     "detail": "Details",
+    "details": {
+      "capabilities": {
+        "knowledge": {
+          "desc": "The assistant is equipped with the following knowledge bases to help you answer more questions.",
+          "title": "Knowledge Base"
+        },
+        "plugin": {
+          "desc": "The assistant is equipped with the following plugins to help you complete more tasks.",
+          "title": "Built-in Plugins"
+        },
+        "title": "Assistant Capabilities"
+      },
+      "overview": {
+        "example": "Assistant Demo",
+        "title": "Overview"
+      },
+      "related": {
+        "listTitle": "Related Assistants",
+        "more": "View More",
+        "title": "Related Recommendations"
+      },
+      "sidebar": {
+        "toc": "Table of Contents"
+      },
+      "summary": {
+        "title": "What can you do with this assistant?"
+      },
+      "systemRole": {
+        "openingMessage": "Opening Message",
+        "openingQuestions": "Opening Questions",
+        "title": "Assistant Settings"
+      }
+    },
     "list": "Assistant List",
     "more": "More",
     "plugins": "Integrated Plugins",
     "recentSubmits": "Recent Updates",
+    "sorts": {
+      "createdAt": "Recently Published",
+      "identifier": "Assistant ID",
+      "knowledgeCount": "Number of Knowledge Bases",
+      "pluginCount": "Number of Plugins",
+      "title": "Assistant Name",
+      "tokenUsage": "Token Usage"
+    },
     "suggestions": "Related Recommendations",
     "systemRole": "Assistant Settings",
-    "try": "Try It Out"
+    "tokenUsage": "Assistant Prompt Token Usage",
+    "try": "Try It Out",
+    "withKnowledge": "This assistant includes knowledge bases",
+    "withPlugin": "This assistant includes plugins"
   },
   "back": "Back to Discovery",
   "category": {
@@ -41,6 +85,7 @@
       "all": "All",
       "gaming-entertainment": "Gaming & Entertainment",
       "life-style": "Lifestyle",
+      "lifestyle": "Lifestyle",
       "media-generate": "Media Generation",
       "science-education": "Science & Education",
       "social": "Social Media",
@@ -102,10 +147,368 @@
     "featuredTools": "Featured Plugins",
     "more": "Discover More"
   },
+  "isClaimed": "Claimed",
+  "isFeatured": "Featured",
+  "isOfficial": "Officially Verified",
   "like": "Like",
+  "mcp": {
+    "categories": {
+      "all": {
+        "description": "All MCP Servers",
+        "name": "All"
+      },
+      "business": {
+        "description": "Business and Enterprise Services",
+        "name": "Business Services"
+      },
+      "developer": {
+        "description": "Developer-related Tools and Services",
+        "name": "Developer Tools"
+      },
+      "gaming-entertainment": {
+        "description": "Games, Entertainment, and Leisure Activities",
+        "name": "Gaming & Entertainment"
+      },
+      "health-wellness": {
+        "description": "Health, Fitness, and Wellness",
+        "name": "Health & Wellness"
+      },
+      "lifestyle": {
+        "description": "Personal Lifestyle, Habits, and Daily Activities",
+        "name": "Lifestyle"
+      },
+      "media-generate": {
+        "description": "Media Generation, Editing, and Processing",
+        "name": "Media Generation"
+      },
+      "news": {
+        "description": "News Aggregation, Reporting, and Information Services",
+        "name": "News & Information"
+      },
+      "productivity": {
+        "description": "Task Management, Notes, and Productivity Tools",
+        "name": "Productivity Tools"
+      },
+      "science-education": {
+        "description": "Scientific Research, Learning, and Educational Tools",
+        "name": "Science & Education"
+      },
+      "social": {
+        "description": "Social Networks and Communication",
+        "name": "Social Media"
+      },
+      "stocks-finance": {
+        "description": "Financial Markets, Trading, and Investment",
+        "name": "Stocks & Finance"
+      },
+      "tools": {
+        "description": "General-purpose Practical Tools and Services",
+        "name": "Utility Tools"
+      },
+      "travel-transport": {
+        "description": "Travel Planning and Transportation",
+        "name": "Travel & Transport"
+      },
+      "weather": {
+        "description": "Weather Forecasting and Meteorological Services",
+        "name": "Weather"
+      },
+      "web-search": {
+        "description": "Web Search and Information Retrieval",
+        "name": "Information Retrieval"
+      }
+    },
+    "details": {
+      "connectionType": {
+        "hybrid": {
+          "desc": "This service can run locally or in the cloud depending on configuration or usage scenario, offering dual operation capability.",
+          "title": "Hybrid Service"
+        },
+        "local": {
+          "desc": "This server can only run on the client’s local device, requiring installation and relying on local resources.",
+          "title": "Local Service"
+        },
+        "remote": {
+          "desc": "This server is hosted remotely because it mainly depends on remote services and does not rely on the local environment.",
+          "title": "Cloud Service"
+        }
+      },
+      "deployment": {
+        "args": "Arguments",
+        "checkCommand": "Check Command",
+        "command": "Command",
+        "commandLine": "System Dependencies",
+        "connection": "Connection Method",
+        "connectionType": "Connection Type",
+        "description": "Plugin Installation and Deployment Method",
+        "descriptionPlaceholder": "Optional Description",
+        "empty": "No Deployment Options Available",
+        "env": "Environment Variables",
+        "guide": "Installation Guide",
+        "installation": "Install via {{method}}",
+        "installationMethod": "Installation Method",
+        "other": "Other Settings",
+        "packageName": "Package Name",
+        "platform": {
+          "steps": {
+            "claude": "- Open the **Claude Desktop** app\n- Go to **Settings**, then select **Developer**\n- Click **Edit Configuration**\n- Open the **claude_desktop_config.json** file\n- Copy and paste the server configuration into the existing file, then save",
+            "cline": "- Open VS Code with the Cline extension installed\n- Click the Cline icon in the sidebar\n- Select **MCP Servers** from the dropdown menu\n- In the **Remote Servers** tab, enter the server name and your MCP server URL\n- Click **Add Server** to connect",
+            "cursor": "- Navigate to **Settings**, then select Cursor settings\n- Choose **MCP** on the left\n- Click **Add New Global MCP Server** at the top right\n- Copy and paste the server configuration into the existing file, then save",
+            "lobeChat": "- Open the **LobeChat Desktop** app\n- Go to **Settings** - **Default Assistant**\n- Then select **Plugin Settings** - **Custom Plugins**\n- Click **Quick Import JSON Configuration**\n- Copy and paste the server configuration into the text box, then install",
+            "openai": "- Open your **OpenAI app** or development environment\n- Configure MCP tools in the **Responses API**\n- Add MCP blocks to the **tools** array in API requests\n- Set **server_url** to your MCP server endpoint\n- Include required authentication headers (API key, token, etc.)\n- Use the `allowed_tools` parameter to restrict exposed tools\n- Set `require_approval` to control tool execution approval",
+            "vscode": "- Open VS Code\n- Open the command palette (`Ctrl+Shift+P` / `Cmd+Shift+P`)\n- Type **MCP: Add Server** and select it\n- Choose to add to workspace or user settings\n- Copy and paste the server configuration"
+          },
+          "title": "Install on {{platform}}"
+        },
+        "recommended": "Recommended",
+        "systemDependencies": "System Dependencies",
+        "table": {
+          "description": "Description",
+          "name": "Name",
+          "required": "Required",
+          "type": "Type"
+        },
+        "title": "Installation Method"
+      },
+      "githubBadge": {
+        "desc": "LobeHub regularly scans code repositories and documentation to:\n\n- Confirm MCP server operational status.\n- Extract server features such as tools, resources, prompts, and required parameters.\n- Our badge helps users quickly assess MCP server security, feature set, and installation instructions.\n\nPlease copy the following code into your `README.md` file:"
+      },
+      "nav": {
+        "needHelp": "Need Help?",
+        "reportIssue": "Report Issue",
+        "viewSourceCode": "View Source Code"
+      },
+      "overview": {
+        "title": "Overview"
+      },
+      "related": {
+        "listTitle": "Related MCP Servers",
+        "more": "View More",
+        "title": "Related Recommendations"
+      },
+      "schema": {
+        "mode": {
+          "docs": "Documentation"
+        },
+        "prompts": {
+          "arguments": "Parameter Configuration",
+          "desc": "Interactive templates triggered by user selection",
+          "empty": "No Prompts Available",
+          "instructions": "Instruction Description",
+          "table": {
+            "description": "Description",
+            "name": "Name",
+            "required": "Required"
+          },
+          "title": "Prompt List"
+        },
+        "resources": {
+          "desc": "Context data attached and managed by the client",
+          "empty": "No Resources Available",
+          "table": {
+            "description": "Description",
+            "mineType": "MIME Type",
+            "name": "Name",
+            "uri": "URI"
+          },
+          "title": "Resource List"
+        },
+        "title": "Plugin Features",
+        "tools": {
+          "desc": "Functional interfaces exposed to large language models (LLM) to perform operations",
+          "empty": "No Tools Available",
+          "inputSchema": "Input Description",
+          "instructions": "Instruction Description",
+          "table": {
+            "description": "Description",
+            "name": "Name",
+            "required": "Required",
+            "type": "Type"
+          },
+          "title": "Tool List"
+        }
+      },
+      "score": {
+        "claimed": {
+          "desc": "This MCP Server has been claimed by the owner, ensuring its ownership and management.",
+          "title": "Claimed by Owner"
+        },
+        "deployMoreThanManual": {
+          "desc": "This MCP Server offers installation methods friendlier than Manual, allowing users to deploy and use it easily.",
+          "title": "Offers Friendly Installation Methods"
+        },
+        "deployment": {
+          "desc": "This MCP Server provides at least one installation method, allowing users to deploy and use it.",
+          "descWithCount": "This MCP Server provides {{number}} installation methods, allowing users to deploy and use it.",
+          "title": "Provides At Least One Installation Method"
+        },
+        "license": {
+          "desc": "This repository contains a LICENSE file.",
+          "descWithlicense": "This repository is licensed under {{license}}.",
+          "title": "Has LICENSE"
+        },
+        "listTitle": "Score Details",
+        "notClaimed": {
+          "desc": "If you are the owner of this MCP Server, you can claim it by the following methods.",
+          "title": "Not Claimed by Owner"
+        },
+        "prompts": {
+          "desc": "This MCP Server provides prompts, allowing users to interact with the service.",
+          "descWithCount": "This MCP Server provides {{number}} prompts, allowing users to interact with the service.",
+          "title": "Includes Prompts"
+        },
+        "readme": {
+          "desc": "This repository contains a README.md file.",
+          "title": "Has README"
+        },
+        "resources": {
+          "desc": "This MCP Server provides resources, allowing users to attach and manage context data.",
+          "descWithCount": "This MCP Server provides {{number}} resources, allowing users to attach and manage context data.",
+          "title": "Includes Resources"
+        },
+        "title": "Score",
+        "tools": {
+          "desc": "The service must provide at least one tool, allowing users to perform specific operations.",
+          "descWithCount": "This MCP Server provides {{number}} tool features, allowing users to perform specific operations.",
+          "title": "Includes At Least One Tool"
+        },
+        "validated": {
+          "desc": "This MCP Server has passed installation validation, ensuring its quality and reliability.",
+          "title": "Validated"
+        }
+      },
+      "scoreLevel": {
+        "a": {
+          "desc": "This MCP Server has been rigorously validated, providing comprehensive features and a high-quality user experience.",
+          "fullTitle": "Excellent Plugin",
+          "title": "Premium"
+        },
+        "b": {
+          "desc": "This MCP Server offers good features and user experience but may need improvements in some areas.",
+          "fullTitle": "Good Functionality",
+          "title": "Good"
+        },
+        "f": {
+          "desc": "This MCP Server is incomplete or of low quality; users are advised to use it cautiously.",
+          "fullTitle": "Poor Quality",
+          "title": "Poor"
+        }
+      },
+      "settings": {
+        "capabilities": {
+          "prompts": "Prompts",
+          "resources": "Resources",
+          "title": "Plugin Capabilities",
+          "tools": "Tools"
+        },
+        "configuration": {
+          "title": "Plugin Configuration"
+        },
+        "connection": {
+          "args": "Startup Arguments",
+          "command": "Startup Command",
+          "title": "Connection Information",
+          "type": "Connection Type",
+          "url": "Service URL"
+        },
+        "saveSettings": "Save Settings",
+        "title": "Plugin Settings"
+      },
+      "sidebar": {
+        "install": "Install MCP Server",
+        "meta": {
+          "homepage": "Official Homepage",
+          "installCount": "Install Count",
+          "language": "Source Language",
+          "license": "License",
+          "published": "Published Date",
+          "repo": "Source Repository",
+          "stars": "Stars",
+          "title": "Details",
+          "updated": "Last Updated"
+        },
+        "moreServerConfig": "View Details",
+        "recommendServers": "Related MCP",
+        "serverConfig": "Installation Configuration",
+        "toc": "Table of Contents"
+      },
+      "summary": {
+        "title": "What can you do with this MCP Server?"
+      },
+      "totalScore": {
+        "description": "Total score calculated based on various indicators",
+        "legend": {
+          "aGrade": "Grade A ({{minPercent}}-100%)",
+          "bGrade": "Grade B ({{minPercent}}-{{maxPercent}}%)",
+          "fGrade": "Grade F (0-{{maxPercent}}%)"
+        },
+        "pointsFormat": "{{score}}/{{total}} points",
+        "popover": {
+          "completedOptional": "✅ Completed Optional Items ({{count}})",
+          "completedRequired": "✅ Completed Required Items ({{count}})",
+          "incompleteOptional": "⏸️ Incomplete Optional Items ({{count}})",
+          "incompleteRequired": "❌ Incomplete Required Items ({{count}})",
+          "title": "Score Details"
+        },
+        "ratingFormat": "Rating: {{level}}",
+        "scoreInfo": {
+          "items": "Items",
+          "points": "Points",
+          "requiredItems": "Required Items"
+        },
+        "title": "Total Score"
+      },
+      "versions": {
+        "table": {
+          "isLatest": "Latest Version",
+          "isValidated": "Validated",
+          "publishAt": "Published Date",
+          "version": "Version"
+        },
+        "title": "Version History"
+      }
+    },
+    "hero": {
+      "desc": "An open-source, deployable MCP Servers platform that helps AI systems easily access key resources such as file systems, databases, APIs, and more, comprehensively expanding your AI capabilities.",
+      "subTitle": "Open Source & Ready to Use",
+      "title": "Open Source MCP Marketplace for AI"
+    },
+    "sorts": {
+      "createdAt": "Recently Added",
+      "installCount": "Install Count",
+      "isFeatured": "Featured Plugins",
+      "isValidated": "Validated Plugins",
+      "promptsCount": "Number of Prompts",
+      "ratingCount": "Number of Ratings",
+      "resourcesCount": "Number of Resources",
+      "toolsCount": "Number of Tools",
+      "updatedAt": "Recently Updated"
+    },
+    "title": "MCP Marketplace",
+    "unvalidated": {
+      "desc": "This MCP Server has not been validated yet",
+      "title": "Unvalidated"
+    },
+    "validated": {
+      "desc": "This MCP Server has been validated to ensure its quality and reliability.",
+      "descWithDate": "This MCP Server was validated on {{date}} to ensure its quality and reliability.",
+      "title": "Validated"
+    }
+  },
   "models": {
+    "abilities": "Model Capabilities",
     "chat": "Start Conversation",
     "contentLength": "Maximum Context Length",
+    "details": {
+      "overview": {
+        "title": "Overview"
+      },
+      "related": {
+        "listTitle": "Related Models",
+        "more": "View More",
+        "title": "Related Recommendations"
+      }
+    },
     "free": "Free",
     "guide": "Configuration Guide",
     "list": "Model List",
@@ -156,11 +559,30 @@
       "throughput": "Throughput",
       "throughputTooltip": "Average number of tokens transmitted per second for stream requests"
     },
+    "sorts": {
+      "contextWindowTokens": "Context Length",
+      "identifier": "Model ID",
+      "inputPrice": "Input Price",
+      "outputPrice": "Output Price",
+      "providerCount": "Number of Providers",
+      "releasedAt": "Recently Released"
+    },
     "suggestions": "Related Models",
     "supportedProviders": "Providers Supporting This Model"
   },
   "plugins": {
     "community": "Community Plugins",
+    "details": {
+      "settings": {
+        "title": "Plugin Settings"
+      },
+      "summary": {
+        "title": "What can you do with this plugin?"
+      },
+      "tools": {
+        "title": "Plugin Tools"
+      }
+    },
     "install": "Install Plugin",
     "installed": "Installed",
     "list": "Plugin List",
@@ -173,36 +595,54 @@
     "more": "More",
     "official": "Official Plugins",
     "recentSubmits": "Recently Updated",
+    "sorts": {
+      "createdAt": "Recently Published",
+      "identifier": "Plugin ID",
+      "title": "Plugin Name"
+    },
     "suggestions": "Related Recommendations"
   },
   "providers": {
     "config": "Configure Provider",
+    "details": {
+      "guide": {
+        "title": "Integration Guide"
+      },
+      "overview": {
+        "title": "Overview"
+      },
+      "related": {
+        "listTitle": "Related Providers",
+        "more": "View More",
+        "title": "Related Recommendations"
+      }
+    },
     "list": "Model Provider List",
     "modelCount": "{{count}} models",
+    "modelName": "Model Name",
     "modelSite": "Model Documentation",
     "more": "More",
     "officialSite": "Official Website",
     "showAllModels": "Show All Models",
+    "sorts": {
+      "default": "Default Sorting",
+      "identifier": "Provider ID",
+      "modelCount": "Number of Models"
+    },
     "suggestions": "Related Providers",
     "supportedModels": "Supported Models"
   },
+  "publishedTime": "Published on",
   "search": {
     "placeholder": "Search by name, description, or keywords...",
     "result": "{{count}} results about <highlight>{{keyword}}</highlight>",
     "searching": "Searching..."
   },
-  "sort": {
-    "mostLiked": "Most Liked",
-    "mostUsed": "Most Used",
-    "newest": "Newest First",
-    "oldest": "Oldest First",
-    "recommended": "Recommended"
-  },
   "tab": {
-    "assistants": "Assistants",
+    "assistant": "Assistant",
     "home": "Home",
-    "models": "Models",
-    "plugins": "Plugins",
-    "providers": "Model Providers"
+    "model": "Model",
+    "plugin": "Plugin",
+    "provider": "Model Provider"
   }
 }

locales/en-US/metadata.json

@@ -13,6 +13,10 @@
       "title": "AI Assistants"
     },
     "description": "Content creation, copywriting, Q&A, image generation, video generation, voice generation, intelligent agents, automated workflows, custom AI applications, customize your own AI application workspace",
+    "mcp": {
+      "description": "Search, compare, and connect to thousands of MCP Servers, enabling AI systems to easily access file systems, databases, APIs, and other essential resources, comprehensively expanding your AI capabilities.",
+      "title": "MCP Servers Marketplace"
+    },
     "models": {
       "description": "Explore mainstream AI models OpenAI / GPT / Claude 3 / Gemini / Ollama / Azure / DeepSeek",
       "title": "AI Models"

locales/en-US/modelProvider.json

@@ -208,6 +208,10 @@
         "title": "Use Client Request Mode"
       },
       "helpDoc": "Configuration Guide",
+      "responsesApi": {
+        "desc": "Utilizes OpenAI's next-generation request format specification to unlock advanced features like chain of thought",
+        "title": "Use Responses API Specification"
+      },
       "waitingForMore": "More models are currently <1>planned for integration</1>, please stay tuned"
     },
     "createNew": {

locales/en-US/models.json

@@ -176,9 +176,15 @@
   "Meta-Llama-3.3-70B-Instruct": {
     "description": "Llama 3.3 is the most advanced multilingual open-source large language model in the Llama series, offering performance comparable to a 405B model at a very low cost. Based on the Transformer architecture, it enhances usability and safety through supervised fine-tuning (SFT) and reinforcement learning from human feedback (RLHF). Its instruction-tuned version is optimized for multilingual dialogue and outperforms many open-source and closed chat models on various industry benchmarks. Knowledge cutoff date is December 2023."
   },
+  "MiniMax-M1": {
+    "description": "A brand-new self-developed inference model. Globally leading: 80K reasoning chains x 1M input, performance comparable to top overseas models."
+  },
   "MiniMax-Text-01": {
     "description": "In the MiniMax-01 series of models, we have made bold innovations: for the first time, we have implemented a linear attention mechanism on a large scale, making the traditional Transformer architecture no longer the only option. This model has a parameter count of up to 456 billion, with a single activation of 45.9 billion. Its overall performance rivals that of top overseas models while efficiently handling the world's longest context of 4 million tokens, which is 32 times that of GPT-4o and 20 times that of Claude-3.5-Sonnet."
   },
+  "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."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) is a high-precision instruction model suitable for complex computations."
   },
@@ -206,15 +212,9 @@
   "Phi-3.5-vision-instrust": {
     "description": "An updated version of the Phi-3-vision model."
   },
-  "Pro/Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct is an instruction-tuned large language model in the Qwen2 series, with a parameter size of 1.5B. This model is based on the Transformer architecture and employs techniques such as the SwiGLU activation function, attention QKV bias, and group query attention. It excels in language understanding, generation, multilingual capabilities, coding, mathematics, and reasoning across multiple benchmark tests, surpassing most open-source models. Compared to Qwen1.5-1.8B-Chat, Qwen2-1.5B-Instruct shows significant performance improvements in tests such as MMLU, HumanEval, GSM8K, C-Eval, and IFEval, despite having slightly fewer parameters."
-  },
   "Pro/Qwen/Qwen2-7B-Instruct": {
     "description": "Qwen2-7B-Instruct is an instruction-tuned large language model in the Qwen2 series, with a parameter size of 7B. This model is based on the Transformer architecture and employs techniques such as the SwiGLU activation function, attention QKV bias, and group query attention. It can handle large-scale inputs. The model excels in language understanding, generation, multilingual capabilities, coding, mathematics, and reasoning across multiple benchmark tests, surpassing most open-source models and demonstrating competitive performance comparable to proprietary models in certain tasks. Qwen2-7B-Instruct outperforms Qwen1.5-7B-Chat in multiple evaluations, showing significant performance improvements."
   },
-  "Pro/Qwen/Qwen2-VL-7B-Instruct": {
-    "description": "Qwen2-VL is the latest iteration of the Qwen-VL model, achieving state-of-the-art performance in visual understanding benchmarks."
-  },
   "Pro/Qwen/Qwen2.5-7B-Instruct": {
     "description": "Qwen2.5-7B-Instruct is one of the latest large language models released by Alibaba Cloud. This 7B model shows significant improvements in coding and mathematics. It also provides multilingual support, covering over 29 languages, including Chinese and English. The model has made notable advancements in instruction following, understanding structured data, and generating structured outputs, especially JSON."
   },
@@ -230,8 +230,8 @@
   "Pro/deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 is a reinforcement learning (RL) driven inference model that addresses issues of repetitiveness and readability in models. Prior to RL, DeepSeek-R1 introduced cold start data to further optimize inference performance. It performs comparably to OpenAI-o1 in mathematical, coding, and reasoning tasks, and enhances overall effectiveness through carefully designed training methods."
   },
-  "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B": {
-    "description": "DeepSeek-R1-Distill-Qwen-1.5B is a model derived from Qwen2.5-Math-1.5B through knowledge distillation. Fine-tuned with 800,000 carefully selected samples generated by DeepSeek-R1, this model demonstrates commendable performance across multiple benchmarks. As a lightweight model, it achieves an accuracy of 83.9% on MATH-500, a pass rate of 28.9% on AIME 2024, and a score of 954 on CodeForces, showcasing reasoning capabilities that exceed its parameter scale."
+  "Pro/deepseek-ai/DeepSeek-R1-0120": {
+    "description": "DeepSeek-R1 is a reinforcement learning (RL) driven reasoning model that addresses issues of repetition and readability. Before RL, it introduced cold-start data to further optimize reasoning performance. It performs comparably to OpenAI-o1 in mathematics, coding, and reasoning tasks and improves overall effectiveness through carefully designed training methods."
   },
   "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B": {
     "description": "DeepSeek-R1-Distill-Qwen-7B is a model derived from Qwen2.5-Math-7B through knowledge distillation. It was fine-tuned using 800,000 carefully selected samples generated by DeepSeek-R1, demonstrating exceptional reasoning capabilities. The model achieves outstanding performance across multiple benchmarks, including 92.8% accuracy on MATH-500, a 55.5% pass rate on AIME 2024, and a score of 1189 on CodeForces, showcasing strong mathematical and programming abilities for a 7B-scale model."
@@ -254,9 +254,6 @@
   "Qwen/QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview is Qwen's latest experimental research model, focusing on enhancing AI reasoning capabilities. By exploring complex mechanisms such as language mixing and recursive reasoning, its main advantages include strong analytical reasoning, mathematical, and programming abilities. However, it also faces challenges such as language switching issues, reasoning loops, safety considerations, and differences in other capabilities."
   },
-  "Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct is an instruction-tuned large language model in the Qwen2 series, with a parameter size of 1.5B. This model is based on the Transformer architecture and employs techniques such as the SwiGLU activation function, attention QKV bias, and group query attention. It excels in language understanding, generation, multilingual capabilities, coding, mathematics, and reasoning across multiple benchmark tests, surpassing most open-source models. Compared to Qwen1.5-1.8B-Chat, Qwen2-1.5B-Instruct shows significant performance improvements in tests such as MMLU, HumanEval, GSM8K, C-Eval, and IFEval, despite having slightly fewer parameters."
-  },
   "Qwen/Qwen2-72B-Instruct": {
     "description": "Qwen2 is an advanced general-purpose language model that supports various types of instructions."
   },
@@ -416,14 +413,11 @@
   "THUDM/GLM-Z1-Rumination-32B-0414": {
     "description": "GLM-Z1-Rumination-32B-0414 is a deep reasoning model with reflective capabilities (comparable to OpenAI's Deep Research). Unlike typical deep thinking models, reflective models engage in longer periods of deep thought to tackle more open and complex problems."
   },
-  "THUDM/chatglm3-6b": {
-    "description": "ChatGLM3-6B is an open-source model from the ChatGLM series, developed by Zhipu AI. This model retains the excellent features of its predecessor, such as smooth dialogue and low deployment barriers, while introducing new features. It utilizes more diverse training data, more extensive training steps, and more reasonable training strategies, performing exceptionally well among pre-trained models under 10B. ChatGLM3-6B supports multi-turn dialogues, tool invocation, code execution, and complex scenarios such as Agent tasks. In addition to the dialogue model, the foundational model ChatGLM-6B-Base and the long-text dialogue model ChatGLM3-6B-32K are also open-sourced. The model is fully open for academic research and allows free commercial use after registration."
-  },
   "THUDM/glm-4-9b-chat": {
     "description": "GLM-4 9B is an open-source version that provides an optimized conversational experience for chat applications."
   },
-  "Vendor-A/Qwen/Qwen2.5-72B-Instruct": {
-    "description": "Qwen2.5-72B-Instruct is one of the latest large language models released by Alibaba Cloud. This 72B model shows significant improvements in coding and mathematics. It also provides multilingual support, covering over 29 languages, including Chinese and English. The model has made notable advancements in instruction following, understanding structured data, and generating structured outputs, especially JSON."
+  "Tongyi-Zhiwen/QwenLong-L1-32B": {
+    "description": "QwenLong-L1-32B is the first large reasoning model (LRM) trained with reinforcement learning for long-context tasks, optimized specifically for long-text reasoning. It achieves stable transfer from short to long contexts through a progressive context expansion reinforcement learning framework. In seven long-context document QA benchmarks, QwenLong-L1-32B outperforms flagship models like OpenAI-o3-mini and Qwen3-235B-A22B, with performance comparable to Claude-3.7-Sonnet-Thinking. The model excels in complex tasks such as mathematical reasoning, logical reasoning, and multi-hop reasoning."
   },
   "Yi-34B-Chat": {
     "description": "Yi-1.5-34B significantly enhances mathematical logic and coding abilities by incrementally training on 500 billion high-quality tokens while maintaining the excellent general language capabilities of the original series."
@@ -560,6 +554,12 @@
   "anthropic/claude-3.7-sonnet": {
     "description": "Claude 3.7 Sonnet is Anthropic's most advanced model to date and the first hybrid reasoning model on the market. Claude 3.7 Sonnet can generate near-instant responses or extended step-by-step reasoning, allowing users to clearly observe these processes. Sonnet excels particularly in programming, data science, visual processing, and agent tasks."
   },
+  "anthropic/claude-opus-4": {
+    "description": "Claude Opus 4 is Anthropic's most powerful model designed for handling highly complex tasks. It excels in performance, intelligence, fluency, and comprehension."
+  },
+  "anthropic/claude-sonnet-4": {
+    "description": "Claude Sonnet 4 can generate near-instant responses or extended step-by-step reasoning, allowing users to clearly observe these processes. API users also have fine-grained control over the model's thinking time."
+  },
   "aya": {
     "description": "Aya 23 is a multilingual model launched by Cohere, supporting 23 languages, facilitating diverse language applications."
   },
@@ -665,6 +665,9 @@
   "codestral-latest": {
     "description": "Codestral is a cutting-edge generative model focused on code generation, optimized for intermediate filling and code completion tasks."
   },
+  "codex-mini-latest": {
+    "description": "codex-mini-latest is a fine-tuned version of o4-mini, specifically designed for Codex CLI. For direct API usage, we recommend starting with gpt-4.1."
+  },
   "cognitivecomputations/dolphin-mixtral-8x22b": {
     "description": "Dolphin Mixtral 8x22B is a model designed for instruction following, dialogue, and programming."
   },
@@ -722,6 +725,9 @@
   "compound-beta-mini": {
     "description": "Compound-beta-mini is a composite AI system supported by publicly available models in GroqCloud, intelligently and selectively using tools to answer user queries."
   },
+  "computer-use-preview": {
+    "description": "The computer-use-preview model is a dedicated model designed for \"computer usage tools,\" trained to understand and execute computer-related tasks."
+  },
   "dall-e-2": {
     "description": "The second generation DALL·E model, supporting more realistic and accurate image generation, with a resolution four times that of the first generation."
   },
@@ -734,6 +740,12 @@
   "deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 is a reinforcement learning (RL) driven inference model that addresses issues of repetitiveness and readability within the model. Prior to RL, DeepSeek-R1 introduced cold start data to further optimize inference performance. It performs comparably to OpenAI-o1 in mathematical, coding, and reasoning tasks, and enhances overall effectiveness through meticulously designed training methods."
   },
+  "deepseek-ai/DeepSeek-R1-0528": {
+    "description": "DeepSeek R1 significantly enhances its reasoning and inference depth by leveraging increased computational resources and introducing algorithmic optimizations during post-training. The model performs excellently across various benchmarks, including mathematics, programming, and general logic. Its overall performance now approaches leading models such as O3 and Gemini 2.5 Pro."
+  },
+  "deepseek-ai/DeepSeek-R1-0528-Qwen3-8B": {
+    "description": "DeepSeek-R1-0528-Qwen3-8B is a model distilled from DeepSeek-R1-0528's chain of thought into Qwen3 8B Base. It achieves state-of-the-art (SOTA) performance among open-source models, surpassing Qwen3 8B by 10% in the AIME 2024 test and reaching the performance level of Qwen3-235B-thinking. The model excels in mathematics reasoning, programming, and general logic benchmarks. It shares the same architecture as Qwen3-8B but uses the tokenizer configuration from DeepSeek-R1-0528."
+  },
   "deepseek-ai/DeepSeek-R1-Distill-Llama-70B": {
     "description": "The DeepSeek-R1 distillation model optimizes inference performance through reinforcement learning and cold-start data, refreshing the benchmark for open-source models across multiple tasks."
   },
@@ -779,6 +791,9 @@
   "deepseek-r1": {
     "description": "DeepSeek-R1 is a reinforcement learning (RL) driven inference model that addresses issues of repetitiveness and readability within the model. Prior to RL, DeepSeek-R1 introduced cold start data to further optimize inference performance. It performs comparably to OpenAI-o1 in mathematical, coding, and reasoning tasks, and enhances overall effectiveness through meticulously designed training methods."
   },
+  "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-r1-70b-fast-online": {
     "description": "DeepSeek R1 70B fast version, supporting real-time online search, providing faster response times while maintaining model performance."
   },
@@ -836,9 +851,6 @@
   "deepseek-v3-0324": {
     "description": "DeepSeek-V3-0324 is a 671B parameter MoE model, excelling in programming and technical capabilities, contextual understanding, and long text processing."
   },
-  "deepseek/deepseek-chat": {
-    "description": "A new open-source model that integrates general and coding capabilities, retaining the general conversational abilities of the original Chat model and the powerful code handling capabilities of the Coder model, while better aligning with human preferences. Additionally, DeepSeek-V2.5 has achieved significant improvements in writing tasks, instruction following, and more."
-  },
   "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."
   },
@@ -848,6 +860,12 @@
   "deepseek/deepseek-r1": {
     "description": "DeepSeek-R1 significantly enhances model reasoning capabilities with minimal labeled data. Before outputting the final answer, the model first provides a chain of thought to improve the accuracy of the final response."
   },
+  "deepseek/deepseek-r1-0528": {
+    "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-r1-0528:free": {
+    "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 large language model based on Llama3.3 70B, which achieves competitive performance comparable to large cutting-edge models by utilizing fine-tuning from DeepSeek R1 outputs."
   },
@@ -899,6 +917,15 @@
   "doubao-1.5-vision-lite": {
     "description": "Doubao-1.5-vision-lite is a newly upgraded multimodal large model that supports image recognition at any resolution and extreme aspect ratios, enhancing visual reasoning, document recognition, detail comprehension, and instruction following capabilities. It supports a context window of 128k and an output length of up to 16k tokens."
   },
+  "doubao-seed-1.6": {
+    "description": "Doubao-Seed-1.6 is a brand-new multimodal deep thinking model supporting auto, thinking, and non-thinking modes. In non-thinking mode, its performance significantly surpasses Doubao-1.5-pro/250115. It supports a 256k context window and output lengths up to 16k tokens."
+  },
+  "doubao-seed-1.6-flash": {
+    "description": "Doubao-Seed-1.6-flash is an ultra-fast multimodal deep thinking model with inference speed as low as 10ms on TPOT; it supports both text and visual understanding. Its text comprehension exceeds the previous lite generation, and its visual understanding rivals competitor pro series models. It supports a 256k context window and output lengths up to 16k tokens."
+  },
+  "doubao-seed-1.6-thinking": {
+    "description": "Doubao-Seed-1.6-thinking significantly enhances thinking capabilities compared to Doubao-1.5-thinking-pro, with further improvements in coding, math, and logical reasoning skills. It supports visual understanding and a 256k context window, with output lengths up to 16k tokens."
+  },
   "emohaa": {
     "description": "Emohaa is a psychological model with professional counseling capabilities, helping users understand emotional issues."
   },
@@ -1037,6 +1064,12 @@
   "gemini-2.0-flash-preview-image-generation": {
     "description": "Gemini 2.0 Flash preview model, supports image generation"
   },
+  "gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash is Google's most cost-effective model, offering comprehensive capabilities."
+  },
+  "gemini-2.5-flash-lite-preview-06-17": {
+    "description": "Gemini 2.5 Flash-Lite Preview is Google's smallest and most cost-efficient model, designed for large-scale usage."
+  },
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview is Google's most cost-effective model, offering a comprehensive set of features."
   },
@@ -1046,6 +1079,9 @@
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview is Google's most cost-effective model, offering comprehensive capabilities."
   },
+  "gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro is Google's most advanced reasoning model, capable of tackling complex problems in coding, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using long-context processing."
+  },
   "gemini-2.5-pro-exp-03-25": {
     "description": "Gemini 2.5 Pro Experimental is Google's most advanced thinking model, capable of reasoning about complex problems in code, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using long context."
   },
@@ -1055,6 +1091,9 @@
   "gemini-2.5-pro-preview-05-06": {
     "description": "Gemini 2.5 Pro Preview is Google's most advanced reasoning model, capable of reasoning about complex problems in code, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using long context."
   },
+  "gemini-2.5-pro-preview-06-05": {
+    "description": "Gemini 2.5 Pro Preview is Google's most advanced cognitive model, capable of reasoning through complex problems in code, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using long-context understanding."
+  },
   "gemma-7b-it": {
     "description": "Gemma 7B is suitable for medium to small-scale task processing, offering cost-effectiveness."
   },
@@ -1142,14 +1181,20 @@
   "google/gemini-2.0-flash-exp:free": {
     "description": "Gemini 2.0 Flash Experimental is Google's latest experimental multimodal AI model, showing a quality improvement compared to historical versions, especially in world knowledge, code, and long context."
   },
+  "google/gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash is Google's most advanced flagship model, designed for advanced reasoning, coding, mathematics, and scientific tasks. It features built-in \"thinking\" capabilities, enabling it to provide responses with higher accuracy and more nuanced contextual understanding.\n\nNote: This model has two variants: thinking and non-thinking. Output pricing varies significantly depending on whether the thinking capability is activated. If you choose the standard variant (without the \":thinking\" suffix), the model will explicitly avoid generating thinking tokens.\n\nTo leverage the thinking capability and receive thinking tokens, you must select the \":thinking\" variant, which incurs higher pricing for thinking outputs.\n\nAdditionally, Gemini 2.5 Flash can be configured via the \"max tokens for reasoning\" parameter, as detailed in the documentation (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
+  },
   "google/gemini-2.5-flash-preview": {
     "description": "Gemini 2.5 Flash is Google's most advanced flagship model, designed for advanced reasoning, coding, mathematics, and scientific tasks. It includes built-in 'thinking' capabilities that allow it to provide responses with higher accuracy and detailed context handling.\n\nNote: This model has two variants: thinking and non-thinking. Output pricing varies significantly based on whether the thinking capability is activated. If you choose the standard variant (without the ':thinking' suffix), the model will explicitly avoid generating thinking tokens.\n\nTo leverage the thinking capability and receive thinking tokens, you must select the ':thinking' variant, which will incur higher thinking output pricing.\n\nAdditionally, Gemini 2.5 Flash can be configured via the 'maximum tokens for reasoning' parameter, as described in the documentation (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
   "google/gemini-2.5-flash-preview:thinking": {
     "description": "Gemini 2.5 Flash is Google's most advanced flagship model, designed for advanced reasoning, coding, mathematics, and scientific tasks. It includes built-in 'thinking' capabilities that allow it to provide responses with higher accuracy and detailed context handling.\n\nNote: This model has two variants: thinking and non-thinking. Output pricing varies significantly based on whether the thinking capability is activated. If you choose the standard variant (without the ':thinking' suffix), the model will explicitly avoid generating thinking tokens.\n\nTo leverage the thinking capability and receive thinking tokens, you must select the ':thinking' variant, which will incur higher thinking output pricing.\n\nAdditionally, Gemini 2.5 Flash can be configured via the 'maximum tokens for reasoning' parameter, as described in the documentation (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
-  "google/gemini-2.5-pro-preview-03-25": {
-    "description": "Gemini 2.5 Pro is Google's cutting-edge AI model designed for advanced reasoning, coding, mathematics, and scientific tasks. It features 'thinking' capabilities that enable it to reason responses with higher accuracy and detailed context handling. Gemini 2.5 Pro has achieved top performance in multiple benchmark tests, including ranking first on the LMArena leaderboard, reflecting exceptional human preference alignment and complex problem-solving abilities."
+  "google/gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro is Google's most advanced thinking model, capable of reasoning through complex problems in code, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using long-context processing."
+  },
+  "google/gemini-2.5-pro-preview": {
+    "description": "Gemini 2.5 Pro Preview is Google's most advanced thinking model, capable of reasoning through complex problems in code, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using extended context."
   },
   "google/gemini-flash-1.5": {
     "description": "Gemini 1.5 Flash offers optimized multimodal processing capabilities, suitable for various complex task scenarios."
@@ -1259,9 +1304,15 @@
   "gpt-4o-mini": {
     "description": "GPT-4o mini is the latest model released by OpenAI after GPT-4 Omni, supporting both image and text input while outputting text. As their most advanced small model, it is significantly cheaper than other recent cutting-edge models, costing over 60% less than GPT-3.5 Turbo. It maintains state-of-the-art intelligence while offering remarkable cost-effectiveness. GPT-4o mini scored 82% on the MMLU test and currently ranks higher than GPT-4 in chat preferences."
   },
+  "gpt-4o-mini-audio-preview": {
+    "description": "GPT-4o mini Audio model supports audio input and output."
+  },
   "gpt-4o-mini-realtime-preview": {
     "description": "GPT-4o-mini real-time version, supporting real-time audio and text input and output."
   },
+  "gpt-4o-mini-search-preview": {
+    "description": "GPT-4o mini Search Preview is a model specifically trained to understand and execute web search queries, using the Chat Completions API. In addition to token fees, web search queries incur charges per tool invocation."
+  },
   "gpt-4o-mini-tts": {
     "description": "GPT-4o mini TTS is a text-to-speech model based on GPT-4o mini, providing high-quality speech generation at a lower cost."
   },
@@ -1274,6 +1325,9 @@
   "gpt-4o-realtime-preview-2024-12-17": {
     "description": "GPT-4o real-time version, supporting real-time audio and text input and output."
   },
+  "gpt-4o-search-preview": {
+    "description": "GPT-4o Search Preview is a model specifically trained to understand and execute web search queries, using the Chat Completions API. In addition to token fees, web search queries incur charges per tool invocation."
+  },
   "grok-2-1212": {
     "description": "This model has improved in accuracy, instruction adherence, and multilingual capabilities."
   },
@@ -1307,6 +1361,9 @@
   "hunyuan-large-longcontext": {
     "description": "Specializes in handling long text tasks such as document summarization and question answering, while also capable of general text generation tasks. It excels in analyzing and generating long texts, effectively addressing complex and detailed long-form content processing needs."
   },
+  "hunyuan-large-vision": {
+    "description": "This model is designed for image-text understanding scenarios. It is a vision-language large model based on Hunyuan Large training, supporting multi-image plus text input at any resolution to generate textual content. It focuses on image-text understanding tasks and shows significant improvements in multilingual image-text comprehension."
+  },
   "hunyuan-lite": {
     "description": "Upgraded to a MOE structure with a context window of 256k, leading many open-source models in various NLP, coding, mathematics, and industry benchmarks."
   },
@@ -1331,18 +1388,18 @@
   "hunyuan-t1-20250321": {
     "description": "Comprehensively builds model capabilities in both arts and sciences, with strong long-text information capture ability. Supports reasoning and answering various scientific questions, including mathematics, logic, science, and code, of varying difficulty."
   },
+  "hunyuan-t1-20250403": {
+    "description": "Enhance project-level code generation capabilities; improve the quality of text generation and writing; enhance multi-turn topic understanding, ToB instruction compliance, and word comprehension; optimize issues with mixed traditional and simplified Chinese as well as mixed Chinese and English output."
+  },
+  "hunyuan-t1-20250529": {
+    "description": "Optimized for text creation and essay writing, with enhanced abilities in frontend coding, mathematics, logical reasoning, and improved instruction-following capabilities."
+  },
   "hunyuan-t1-latest": {
     "description": "The industry's first ultra-large-scale Hybrid-Transformer-Mamba inference model, enhancing reasoning capabilities with exceptional decoding speed, further aligning with human preferences."
   },
   "hunyuan-t1-vision": {
     "description": "Hunyuan is a multimodal deep thinking model supporting native multimodal chain-of-thought reasoning, excelling in various image reasoning scenarios and significantly outperforming fast-thinking models on science problems."
   },
-  "hunyuan-translation": {
-    "description": "Supports translation between Chinese and 15 other languages including English, Japanese, French, Portuguese, Spanish, Turkish, Russian, Arabic, Korean, Italian, German, Vietnamese, Malay, and Indonesian. It is based on a multi-scenario translation evaluation set with automated COMET scoring, demonstrating overall superior translation capabilities compared to similarly scaled models in the market."
-  },
-  "hunyuan-translation-lite": {
-    "description": "The Hunyuan translation model supports natural language conversational translation; it supports translation between Chinese and 15 other languages including English, Japanese, French, Portuguese, Spanish, Turkish, Russian, Arabic, Korean, Italian, German, Vietnamese, Malay, and Indonesian."
-  },
   "hunyuan-turbo": {
     "description": "The preview version of the next-generation Hunyuan large language model, featuring a brand-new mixed expert model (MoE) structure, which offers faster inference efficiency and stronger performance compared to Hunyuan Pro."
   },
@@ -1355,8 +1412,14 @@
   "hunyuan-turbo-vision": {
     "description": "The next-generation flagship visual language model from Hunyuan, utilizing a new mixed expert model (MoE) structure, with comprehensive improvements in basic recognition, content creation, knowledge Q&A, and analytical reasoning capabilities compared to the previous generation model."
   },
-  "hunyuan-turbos-20250226": {
-    "description": "hunyuan-TurboS pv2.1.2 fixed version with upgraded training tokens; enhanced reasoning capabilities in mathematics, logic, and coding; improved performance in both Chinese and English across text creation, comprehension, knowledge Q&A, and casual conversation."
+  "hunyuan-turbos-20250313": {
+    "description": "Standardize the style of mathematical problem-solving steps and strengthen multi-turn math Q&A. Optimize text creation by refining response style, removing AI-like tone, and adding literary flair."
+  },
+  "hunyuan-turbos-20250416": {
+    "description": "Upgrade the pre-training foundation to strengthen instruction understanding and compliance; enhance STEM abilities in mathematics, coding, logic, and science during alignment; improve humanities capabilities such as creative writing quality, text comprehension, translation accuracy, and knowledge Q&A; boost agent capabilities across various domains, with a focus on multi-turn dialogue understanding."
+  },
+  "hunyuan-turbos-20250604": {
+    "description": "Upgraded pretraining foundation with improved writing and reading comprehension skills, significantly enhanced coding and STEM abilities, and continuous improvements in following complex instructions."
   },
   "hunyuan-turbos-latest": {
     "description": "The latest version of hunyuan-TurboS, the flagship model of Hunyuan, features enhanced reasoning capabilities and improved user experience."
@@ -1364,15 +1427,12 @@
   "hunyuan-turbos-longtext-128k-20250325": {
     "description": "Specializes in handling long text tasks such as document summarization and question answering, while also capable of general text generation tasks. It excels in analyzing and generating long texts, effectively addressing complex and detailed long-form content processing needs."
   },
-  "hunyuan-turbos-vision": {
-    "description": "This model is suitable for image-text understanding scenarios and is based on the latest turbos from Hunyuan, focusing on tasks related to image-text understanding, including image-based entity recognition, knowledge Q&A, copywriting, and problem-solving from photos, with comprehensive improvements over the previous generation."
+  "hunyuan-turbos-role-plus": {
+    "description": "The latest Hunyuan role-playing model, officially fine-tuned and trained by Hunyuan. It is further trained on role-playing scenario datasets based on the Hunyuan model, delivering better foundational performance in role-playing contexts."
   },
   "hunyuan-vision": {
     "description": "The latest multimodal model from Hunyuan, supporting image + text input to generate textual content."
   },
-  "internlm/internlm2_5-20b-chat": {
-    "description": "The innovative open-source model InternLM2.5 enhances dialogue intelligence through a large number of parameters."
-  },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 offers intelligent dialogue solutions across multiple scenarios."
   },
@@ -1400,6 +1460,9 @@
   "kimi-latest": {
     "description": "The Kimi Smart Assistant product uses the latest Kimi large model, which may include features that are not yet stable. It supports image understanding and will automatically select the 8k/32k/128k model as the billing model based on the length of the request context."
   },
+  "kimi-thinking-preview": {
+    "description": "kimi-thinking-preview is a multimodal thinking model provided by Dark Side of the Moon, featuring multimodal and general reasoning abilities. It excels at deep reasoning to help solve more complex and challenging problems."
+  },
   "learnlm-1.5-pro-experimental": {
     "description": "LearnLM is an experimental, task-specific language model trained to align with learning science principles, capable of following systematic instructions in teaching and learning scenarios, acting as an expert tutor, among other roles."
   },
@@ -1781,6 +1844,9 @@
   "moonshot-v1-auto": {
     "description": "Moonshot V1 Auto can select the appropriate model based on the number of tokens used in the current context."
   },
+  "moonshotai/Kimi-Dev-72B": {
+    "description": "Kimi-Dev-72B is an open-source large code model optimized through extensive reinforcement learning, capable of producing robust, production-ready patches. This model achieved a new high score of 60.4% on SWE-bench Verified, setting a record for open-source models in automated software engineering tasks such as defect repair and code review."
+  },
   "nousresearch/hermes-2-pro-llama-3-8b": {
     "description": "Hermes 2 Pro Llama 3 8B is an upgraded version of Nous Hermes 2, featuring the latest internally developed datasets."
   },
@@ -1802,15 +1868,27 @@
   "o1-preview": {
     "description": "o1 is OpenAI's new reasoning model, suitable for complex tasks that require extensive general knowledge. This model features a 128K context and has a knowledge cutoff date of October 2023."
   },
+  "o1-pro": {
+    "description": "The o1 series models are trained with reinforcement learning to think before answering and perform complex reasoning tasks. The o1-pro model uses more computational resources for deeper thinking, consistently delivering higher-quality responses."
+  },
   "o3": {
     "description": "o3 is a versatile and powerful model that excels across multiple domains. It sets new benchmarks for tasks in mathematics, science, programming, and visual reasoning. It is also skilled in technical writing and instruction following, allowing users to analyze text, code, and images to solve complex multi-step problems."
   },
+  "o3-deep-research": {
+    "description": "o3-deep-research is our most advanced deep research model, specifically designed to handle complex multi-step research tasks. It can search and synthesize information from the internet, as well as access and utilize your proprietary data through the MCP connector."
+  },
   "o3-mini": {
     "description": "o3-mini is our latest small inference model that delivers high intelligence while maintaining the same cost and latency targets as o1-mini."
   },
+  "o3-pro": {
+    "description": "The o3-pro model employs increased computation for deeper thinking and consistently better answers. It is only available for use under the Responses API."
+  },
   "o4-mini": {
     "description": "o4-mini is our latest small model in the o series. It is optimized for fast and efficient inference, demonstrating high efficiency and performance in coding and visual tasks."
   },
+  "o4-mini-deep-research": {
+    "description": "o4-mini-deep-research is our faster and more affordable deep research model—ideal for tackling complex multi-step research tasks. It can search and synthesize information from the internet, as well as access and utilize your proprietary data through the MCP connector."
+  },
   "open-codestral-mamba": {
     "description": "Codestral Mamba is a language model focused on code generation, providing strong support for advanced coding and reasoning tasks."
   },
@@ -1886,11 +1964,17 @@
   "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."
   },
-  "qvq-max-latest": {
-    "description": "The QVQ visual reasoning model supports visual input and thinking chain output, demonstrating stronger capabilities in mathematics, programming, visual analysis, creative writing, and general tasks."
+  "qvq-max": {
+    "description": "Tongyi Qianwen QVQ visual reasoning model supports visual input and chain-of-thought output, demonstrating stronger capabilities in mathematics, programming, visual analysis, creation, and general tasks."
   },
-  "qwen-coder-plus-latest": {
-    "description": "Tongyi Qianwen code model."
+  "qvq-plus": {
+    "description": "A visual reasoning model supporting visual inputs and chain-of-thought outputs. The plus version, succeeding the qvq-max model, offers faster reasoning speed and a more balanced trade-off between performance and cost."
+  },
+  "qwen-coder-plus": {
+    "description": "Tongyi Qianwen coding model."
+  },
+  "qwen-coder-turbo": {
+    "description": "Tongyi Qianwen coding model."
   },
   "qwen-coder-turbo-latest": {
     "description": "The Tongyi Qianwen Coder model."
@@ -1898,41 +1982,44 @@
   "qwen-long": {
     "description": "Qwen is a large-scale language model that supports long text contexts and dialogue capabilities based on long documents and multiple documents."
   },
+  "qwen-math-plus": {
+    "description": "Tongyi Qianwen math model specialized for solving mathematical problems."
+  },
   "qwen-math-plus-latest": {
     "description": "The Tongyi Qianwen Math model is specifically designed for solving mathematical problems."
   },
+  "qwen-math-turbo": {
+    "description": "Tongyi Qianwen math model specialized for solving mathematical problems."
+  },
   "qwen-math-turbo-latest": {
     "description": "The Tongyi Qianwen Math model is specifically designed for solving mathematical problems."
   },
   "qwen-max": {
     "description": "Qwen Max is a trillion-level large-scale language model that supports input in various languages including Chinese and English, and is the API model behind the current Qwen 2.5 product version."
   },
-  "qwen-max-latest": {
-    "description": "Tongyi Qianwen Max is a large-scale language model with hundreds of billions of parameters, supporting input in various languages, including Chinese and English. It is the API model behind the current Tongyi Qianwen 2.5 product version."
-  },
-  "qwen-omni-turbo-latest": {
-    "description": "The Qwen-Omni series of models supports input of various modalities, including video, audio, images, and text, and outputs both audio and text."
+  "qwen-omni-turbo": {
+    "description": "Qwen-Omni series models support multi-modal inputs including video, audio, images, and text, and output audio and text."
   },
   "qwen-plus": {
     "description": "Qwen Plus is an enhanced large-scale language model supporting input in various languages including Chinese and English."
   },
-  "qwen-plus-latest": {
-    "description": "Tongyi Qianwen Plus is an enhanced version of the large-scale language model, supporting input in various languages, including Chinese and English."
-  },
   "qwen-turbo": {
     "description": "Qwen Turbo is a large-scale language model supporting input in various languages including Chinese and English."
   },
-  "qwen-turbo-latest": {
-    "description": "Tongyi Qianwen is a large-scale language model that supports input in various languages, including Chinese and English."
-  },
   "qwen-vl-chat-v1": {
     "description": "Qwen VL supports flexible interaction methods, including multi-image, multi-turn Q&A, and creative capabilities."
   },
+  "qwen-vl-max": {
+    "description": "Tongyi Qianwen ultra-large-scale vision-language model. Compared to the enhanced version, it further improves visual reasoning and instruction compliance, providing higher levels of visual perception and cognition."
+  },
   "qwen-vl-max-latest": {
     "description": "Tongyi Qianwen's ultra-large-scale visual language model. Compared to the enhanced version, it further improves visual reasoning and instruction-following abilities, providing a higher level of visual perception and cognition."
   },
-  "qwen-vl-ocr-latest": {
-    "description": "The Tongyi Qianwen OCR is a proprietary model for text extraction, focusing on the ability to extract text from images of documents, tables, exam papers, and handwritten text. It can recognize multiple languages, currently supporting: Chinese, English, French, Japanese, Korean, German, Russian, Italian, Vietnamese, and Arabic."
+  "qwen-vl-ocr": {
+    "description": "Tongyi Qianwen OCR is a dedicated text extraction model focusing on documents, tables, exam questions, handwritten text, and other image types. It can recognize multiple languages currently supported: Chinese, English, French, Japanese, Korean, German, Russian, Italian, Vietnamese, and Arabic."
+  },
+  "qwen-vl-plus": {
+    "description": "Enhanced version of Tongyi Qianwen large-scale vision-language model. Greatly improves detail recognition and text recognition capabilities, supporting images with resolutions over one million pixels and arbitrary aspect ratios."
   },
   "qwen-vl-plus-latest": {
     "description": "Tongyi Qianwen's large-scale visual language model enhanced version. Significantly improves detail recognition and text recognition capabilities, supporting ultra-high pixel resolution and images of any aspect ratio."
@@ -2021,6 +2108,9 @@
   "qwen2.5-coder-1.5b-instruct": {
     "description": "Open-source version of the Qwen coding model."
   },
+  "qwen2.5-coder-14b-instruct": {
+    "description": "Open-source version of Tongyi Qianwen coding model."
+  },
   "qwen2.5-coder-32b-instruct": {
     "description": "Open-source version of the Tongyi Qianwen code model."
   },
@@ -2111,8 +2201,8 @@
   "qwq-32b-preview": {
     "description": "The QwQ model is an experimental research model developed by the Qwen team, focusing on enhancing AI reasoning capabilities."
   },
-  "qwq-plus-latest": {
-    "description": "The QwQ inference model is trained based on the Qwen2.5 model, significantly enhancing its reasoning capabilities through reinforcement learning. The core metrics of the model, including mathematical code (AIME 24/25, LiveCodeBench) and some general metrics (IFEval, LiveBench, etc.), reach the level of the full version of DeepSeek-R1."
+  "qwq-plus": {
+    "description": "QwQ reasoning model trained based on Qwen2.5, significantly enhancing reasoning ability through reinforcement learning. Core metrics in mathematics and coding (AIME 24/25, LiveCodeBench) and some general benchmarks (IFEval, LiveBench, etc.) reach the full-power level of DeepSeek-R1."
   },
   "qwq_32b": {
     "description": "A medium-sized reasoning model in the Qwen series. Compared to traditional instruction-tuned models, QwQ, with its thinking and reasoning capabilities, significantly enhances performance in downstream tasks, especially in solving challenging problems."
@@ -2195,6 +2285,9 @@
   "taichu_vl": {
     "description": "Integrates capabilities in image understanding, knowledge transfer, and logical attribution, excelling in the field of image-text question answering."
   },
+  "tencent/Hunyuan-A13B-Instruct": {
+    "description": "Hunyuan-A13B-Instruct has 80 billion parameters, with 13 billion activated parameters matching the performance of larger models. It supports hybrid reasoning with 'fast thinking/slow thinking'; offers stable long-text comprehension; validated by BFCL-v3 and τ-Bench, demonstrating leading agent capabilities; integrates GQA and multiple quantization formats for efficient inference."
+  },
   "text-embedding-3-large": {
     "description": "The most powerful vectorization model, suitable for both English and non-English tasks."
   },
@@ -2246,6 +2339,15 @@
   "us.anthropic.claude-3-7-sonnet-20250219-v1:0": {
     "description": "Claude 3.7 Sonnet is Anthropic's fastest next-generation model. Compared to Claude 3 Haiku, Claude 3.7 Sonnet shows improvements across various skills and surpasses the previous generation's largest model, Claude 3 Opus, in many intelligence benchmark tests."
   },
+  "v0-1.0-md": {
+    "description": "The v0-1.0-md model is a legacy model served through the v0 API."
+  },
+  "v0-1.5-lg": {
+    "description": "The v0-1.5-lg model is suitable for advanced thinking or reasoning tasks."
+  },
+  "v0-1.5-md": {
+    "description": "The v0-1.5-md model is suitable for everyday tasks and user interface (UI) generation."
+  },
   "whisper-1": {
     "description": "A universal speech recognition model that supports multilingual speech recognition, speech translation, and language identification."
   },

locales/en-US/plugin.json

@@ -12,6 +12,15 @@
     "tool_call": "tool call request"
   },
   "detailModal": {
+    "customPlugin": {
+      "description": "Please visit the edit page to view details",
+      "editBtn": "Edit Now",
+      "title": "This is a Custom Plugin"
+    },
+    "emptyState": {
+      "description": "Please install this plugin first to view its capabilities and configuration options",
+      "title": "View Plugin Details After Installation"
+    },
     "info": {
       "description": "API Description",
       "name": "API Name"
@@ -230,6 +239,50 @@
     },
     "title": "Local Files"
   },
+  "mcpInstall": {
+    "CHECKING_INSTALLATION": "Checking installation environment...",
+    "COMPLETED": "Installation completed",
+    "CONFIGURATION_REQUIRED": "Please complete the necessary configuration before continuing the installation",
+    "ERROR": "Installation error",
+    "FETCHING_MANIFEST": "Fetching plugin manifest...",
+    "GETTING_SERVER_MANIFEST": "Initializing MCP server...",
+    "INSTALLING_PLUGIN": "Installing plugin...",
+    "configurationDescription": "This MCP plugin requires configuration parameters to function properly. Please fill in the necessary configuration information.",
+    "configurationRequired": "Configure plugin parameters",
+    "continueInstall": "Continue installation",
+    "dependenciesDescription": "This plugin requires the following system dependencies to work properly. Please install the missing dependencies as instructed, then click recheck to continue the installation.",
+    "dependenciesRequired": "Please install the plugin's system dependencies",
+    "dependencyStatus": {
+      "installed": "Installed",
+      "notInstalled": "Not installed",
+      "requiredVersion": "Required version: {{version}}"
+    },
+    "errorDetails": {
+      "args": "Arguments",
+      "command": "Command",
+      "connectionParams": "Connection parameters",
+      "env": "Environment variables",
+      "errorOutput": "Error log",
+      "exitCode": "Exit code",
+      "hideDetails": "Hide details",
+      "originalError": "Original error",
+      "showDetails": "Show details"
+    },
+    "errorTypes": {
+      "CONNECTION_FAILED": "Connection failed",
+      "INITIALIZATION_TIMEOUT": "Initialization timeout",
+      "PROCESS_SPAWN_ERROR": "Process spawn error",
+      "UNKNOWN_ERROR": "Unknown error",
+      "VALIDATION_ERROR": "Parameter validation failed"
+    },
+    "installError": "MCP plugin installation failed. Reason: {{detail}}",
+    "installMethods": {
+      "manual": "Manual installation:",
+      "recommended": "Recommended installation method:"
+    },
+    "recheckDependencies": "Recheck",
+    "skipDependencies": "Skip check"
+  },
   "pluginList": "Plugin List",
   "search": {
     "apiName": {
@@ -266,16 +319,48 @@
   },
   "setting": "Plugin Settings",
   "settings": {
+    "capabilities": {
+      "prompts": "Prompts",
+      "resources": "Resources",
+      "title": "Plugin Capabilities",
+      "tools": "Tools"
+    },
+    "configuration": {
+      "title": "Plugin Configuration"
+    },
+    "connection": {
+      "args": "Startup arguments",
+      "command": "Startup command",
+      "title": "Connection Information",
+      "type": "Connection type",
+      "url": "Service address"
+    },
+    "edit": "Edit",
+    "envConfigDescription": "These configurations will be passed as environment variables to the process when the MCP server starts",
+    "httpTypeNotice": "No environment variables need to be configured for HTTP type MCP plugins",
     "indexUrl": {
       "title": "Marketplace Index",
       "tooltip": "Editing is not supported at the moment"
     },
+    "messages": {
+      "connectionUpdateFailed": "Failed to update connection information",
+      "connectionUpdateSuccess": "Connection information updated successfully",
+      "envUpdateFailed": "Failed to save environment variables",
+      "envUpdateSuccess": "Environment variables saved successfully"
+    },
     "modalDesc": "After configuring the address of the plugin marketplace, you can use a custom plugin marketplace",
+    "rules": {
+      "argsRequired": "Please enter startup arguments",
+      "commandRequired": "Please enter the startup command",
+      "urlRequired": "Please enter the service address"
+    },
+    "saveSettings": "Save settings",
     "title": "Configure Plugin Marketplace"
   },
   "showInPortal": "Please check the details in the Portal view",
   "store": {
     "actions": {
+      "cancel": "Cancel installation",
       "confirmUninstall": "The plugin is about to be uninstalled. After uninstalling, the plugin configuration will be cleared. Please confirm your operation.",
       "detail": "Details",
       "install": "Install",
@@ -286,13 +371,15 @@
     "communityPlugin": "Third-party",
     "customPlugin": "Custom Plugin",
     "empty": "No installed plugins yet",
+    "emptySelectHint": "Select a plugin to preview detailed information",
     "installAllPlugins": "Install All",
     "networkError": "Failed to fetch plugin store. Please check your network connection and try again",
     "placeholder": "Search for plugin name, description, or keyword...",
     "releasedAt": "Released at {{createdAt}}",
     "tabs": {
-      "all": "All",
-      "installed": "Installed"
+      "installed": "Installed",
+      "mcp": "MCP Plugins",
+      "old": "LobeChat Plugins"
     },
     "title": "Plugin Store"
   },

locales/en-US/providers.json

@@ -71,6 +71,9 @@
   "mistral": {
     "description": "Mistral provides advanced general, specialized, and research models widely used in complex reasoning, multilingual tasks, and code generation. Through functional calling interfaces, users can integrate custom functionalities for specific applications."
   },
+  "modelscope": {
+    "description": "ModelScope is a model-as-a-service platform launched by Alibaba Cloud, offering a wide range of AI models and inference services."
+  },
   "moonshot": {
     "description": "Moonshot is an open-source platform launched by Beijing Dark Side Technology Co., Ltd., providing various natural language processing models with a wide range of applications, including but not limited to content creation, academic research, intelligent recommendations, and medical diagnosis, supporting long text processing and complex generation tasks."
   },
@@ -131,6 +134,9 @@
   "upstage": {
     "description": "Upstage focuses on developing AI models for various business needs, including Solar LLM and document AI, aiming to achieve artificial general intelligence (AGI) for work. It allows for the creation of simple conversational agents through Chat API and supports functional calling, translation, embedding, and domain-specific applications."
   },
+  "v0": {
+    "description": "v0 is a pair programming assistant that generates code and user interfaces (UI) for your projects based on your natural language descriptions."
+  },
   "vertexai": {
     "description": "Google's Gemini series is its most advanced and versatile AI model, developed by Google DeepMind. It is designed for multimodal use, supporting seamless understanding and processing of text, code, images, audio, and video. Suitable for a variety of environments, from data centers to mobile devices, it significantly enhances the efficiency and applicability of AI models."
   },

locales/en-US/setting.json

@@ -129,6 +129,7 @@
     "waitingForMore": "More models are <1>planned to be added</1>, stay tuned"
   },
   "plugin": {
+    "addMCPPlugin": "Add MCP Plugin",
     "addTooltip": "Custom Plugin",
     "clearDeprecated": "Remove Deprecated Plugins",
     "empty": "No installed plugins yet, feel free to explore the <1>Plugin Store</1>",
@@ -220,7 +221,7 @@
     },
     "inputTemplate": {
       "desc": "The user's latest message will be filled into this template",
-      "placeholder": "Preprocessing template {{input_template}} will be replaced with real-time input information",
+      "placeholder": "Preprocessing template {{text}} will be replaced with real-time input information",
       "title": "User Input Preprocessing"
     },
     "submit": "Update Chat Preferences",
@@ -240,7 +241,19 @@
     "mermaidTheme": {
       "title": "Mermaid Theme"
     },
-    "title": "Chat Appearance"
+    "title": "Chat Appearance",
+    "transitionMode": {
+      "desc": "Transition animation for chat messages",
+      "options": {
+        "fadeIn": "Fade In",
+        "none": {
+          "desc": "This depends on the model's response output method; please test it yourself.",
+          "value": "None"
+        },
+        "smooth": "Smooth"
+      },
+      "title": "Transition Animation"
+    }
   },
   "settingCommon": {
     "lang": {
@@ -259,6 +272,9 @@
     "enableMaxTokens": {
       "title": "Enable Max Tokens Limit"
     },
+    "enableReasoningEffort": {
+      "title": "Enable Reasoning Effort Adjustment"
+    },
     "frequencyPenalty": {
       "desc": "The higher the value, the more diverse and rich the vocabulary; the lower the value, the simpler and more straightforward the language.",
       "title": "Vocabulary Richness"
@@ -278,6 +294,15 @@
       "desc": "The higher the value, the more inclined to use different expressions and avoid concept repetition; the lower the value, the more inclined to use repeated concepts or narratives, resulting in more consistent expression.",
       "title": "Expression Divergence"
     },
+    "reasoningEffort": {
+      "desc": "Higher values enhance reasoning ability but may increase response time and token usage.",
+      "options": {
+        "high": "High",
+        "low": "Low",
+        "medium": "Medium"
+      },
+      "title": "Reasoning Effort"
+    },
     "submit": "Update Model Settings",
     "temperature": {
       "desc": "The higher the value, the more creative and imaginative the responses; the lower the value, the more rigorous the responses.",

locales/es-ES/discover.json

@@ -10,13 +10,57 @@
     },
     "description": "Introducción al asistente",
     "detail": "Detalles",
+    "details": {
+      "capabilities": {
+        "knowledge": {
+          "desc": "El asistente incluye las siguientes bases de conocimiento para ayudarte a responder más preguntas.",
+          "title": "Base de Conocimiento"
+        },
+        "plugin": {
+          "desc": "El asistente incluye los siguientes complementos para ayudarte a completar más tareas.",
+          "title": "Complementos Integrados"
+        },
+        "title": "Capacidades del Asistente"
+      },
+      "overview": {
+        "example": "Demostración del Asistente",
+        "title": "Resumen"
+      },
+      "related": {
+        "listTitle": "Asistentes Relacionados",
+        "more": "Ver más",
+        "title": "Recomendaciones Relacionadas"
+      },
+      "sidebar": {
+        "toc": "Índice"
+      },
+      "summary": {
+        "title": "¿Qué puedes hacer con este asistente?"
+      },
+      "systemRole": {
+        "openingMessage": "Mensaje de apertura",
+        "openingQuestions": "Preguntas iniciales",
+        "title": "Configuración del Asistente"
+      }
+    },
     "list": "Lista de asistentes",
     "more": "Más",
     "plugins": "Integrar complementos",
     "recentSubmits": "Actualizaciones recientes",
+    "sorts": {
+      "createdAt": "Publicado recientemente",
+      "identifier": "ID del Asistente",
+      "knowledgeCount": "Cantidad de bases de conocimiento",
+      "pluginCount": "Cantidad de complementos",
+      "title": "Nombre del Asistente",
+      "tokenUsage": "Uso de Tokens"
+    },
     "suggestions": "Recomendaciones relacionadas",
     "systemRole": "Configuración del asistente",
-    "try": "Prueba"
+    "tokenUsage": "Uso de Tokens en el prompt del asistente",
+    "try": "Prueba",
+    "withKnowledge": "Este asistente incluye bases de conocimiento",
+    "withPlugin": "Este asistente incluye complementos"
   },
   "back": "Volver a Descubrir",
   "category": {
@@ -41,6 +85,7 @@
       "all": "Todo",
       "gaming-entertainment": "Juegos y entretenimiento",
       "life-style": "Estilo de vida",
+      "lifestyle": "Estilo de vida",
       "media-generate": "Generación de medios",
       "science-education": "Ciencia y educación",
       "social": "Redes sociales",
@@ -102,10 +147,368 @@
     "featuredTools": "Plugins recomendados",
     "more": "Descubre más"
   },
+  "isClaimed": "Reclamado",
+  "isFeatured": "Destacado",
+  "isOfficial": "Certificado oficial",
   "like": "Me gusta",
+  "mcp": {
+    "categories": {
+      "all": {
+        "description": "Todos los servidores MCP",
+        "name": "Todos"
+      },
+      "business": {
+        "description": "Servicios comerciales y empresariales",
+        "name": "Servicios Comerciales"
+      },
+      "developer": {
+        "description": "Herramientas y servicios relacionados con el desarrollo",
+        "name": "Herramientas de Desarrollo"
+      },
+      "gaming-entertainment": {
+        "description": "Juegos, entretenimiento y actividades recreativas",
+        "name": "Juegos y Entretenimiento"
+      },
+      "health-wellness": {
+        "description": "Salud, fitness y bienestar mental y físico",
+        "name": "Salud y Bienestar"
+      },
+      "lifestyle": {
+        "description": "Estilo de vida personal, hábitos y actividades diarias",
+        "name": "Estilo de Vida"
+      },
+      "media-generate": {
+        "description": "Generación, edición y procesamiento de medios",
+        "name": "Generación de Medios"
+      },
+      "news": {
+        "description": "Agregación de noticias, reportajes y servicios informativos",
+        "name": "Noticias e Información"
+      },
+      "productivity": {
+        "description": "Gestión de tareas, notas y herramientas de productividad",
+        "name": "Herramientas de Productividad"
+      },
+      "science-education": {
+        "description": "Investigación científica, aprendizaje y herramientas educativas",
+        "name": "Ciencia y Educación"
+      },
+      "social": {
+        "description": "Redes sociales y comunicación",
+        "name": "Medios Sociales"
+      },
+      "stocks-finance": {
+        "description": "Mercados financieros, trading e inversión",
+        "name": "Finanzas y Bolsa"
+      },
+      "tools": {
+        "description": "Herramientas y servicios prácticos generales",
+        "name": "Herramientas Útiles"
+      },
+      "travel-transport": {
+        "description": "Planificación de viajes y transporte",
+        "name": "Viajes y Transporte"
+      },
+      "weather": {
+        "description": "Pronósticos meteorológicos y servicios climáticos",
+        "name": "Clima y Meteorología"
+      },
+      "web-search": {
+        "description": "Búsqueda web y recuperación de información",
+        "name": "Recuperación de Información"
+      }
+    },
+    "details": {
+      "connectionType": {
+        "hybrid": {
+          "desc": "Este servicio puede ejecutarse localmente o en la nube según la configuración o el escenario de uso, ofreciendo capacidades duales.",
+          "title": "Servicio Híbrido"
+        },
+        "local": {
+          "desc": "Este servidor solo puede ejecutarse en el dispositivo local del cliente, requiere instalación y depende de recursos locales.",
+          "title": "Servicio Local"
+        },
+        "remote": {
+          "desc": "Este servidor está alojado y ejecutado remotamente, ya que depende principalmente de servicios remotos y no del entorno local.",
+          "title": "Servicio en la Nube"
+        }
+      },
+      "deployment": {
+        "args": "Argumentos",
+        "checkCommand": "Comando de verificación",
+        "command": "Comando",
+        "commandLine": "Dependencias del sistema",
+        "connection": "Conexión",
+        "connectionType": "Tipo de conexión",
+        "description": "Método de instalación y despliegue del complemento",
+        "descriptionPlaceholder": "Descripción opcional",
+        "empty": "No hay opciones de despliegue disponibles",
+        "env": "Variables de entorno",
+        "guide": "Instrucciones de instalación",
+        "installation": "Instalado mediante {{method}}",
+        "installationMethod": "Método de instalación",
+        "other": "Configuraciones adicionales",
+        "packageName": "Nombre del paquete",
+        "platform": {
+          "steps": {
+            "claude": "- Abre la aplicación **Claude Desktop**\n- Ve a **Configuración** y luego selecciona **Desarrollador**\n- Haz clic en **Editar configuración**\n- Abre el archivo **claude_desktop_config.json**\n- Copia y pega la configuración del servidor en el archivo existente y guarda",
+            "cline": "- Abre VS Code con la extensión Cline instalada\n- Haz clic en el icono de Cline en la barra lateral\n- Selecciona **MCP Servers** en el menú desplegable\n- En la pestaña **Remote Servers**, introduce el nombre del servidor y la URL de tu servidor MCP\n- Haz clic en **Add Server** para conectar",
+            "cursor": "- Navega a **Configuración** y selecciona la configuración de Cursor\n- En el panel izquierdo, elige **MCP**\n- Haz clic en **Agregar nuevo servidor MCP global** en la esquina superior derecha\n- Copia y pega la configuración del servidor en el archivo existente y guarda",
+            "lobeChat": "- Abre la aplicación de escritorio **LobeChat**\n- Ve a **Configuración** - **Asistente predeterminado**\n- Luego selecciona **Configuración de complementos** - **Complementos personalizados**\n- Haz clic en **Importar configuración JSON rápidamente**\n- Copia y pega la configuración del servidor en el cuadro de texto y procede a instalar",
+            "openai": "- Abre tu aplicación o entorno de desarrollo de **OpenAI**\n- Configura la herramienta MCP en la **API de respuestas**\n- Añade el bloque MCP en el array **tools** de la solicitud API\n- Establece **server_url** al endpoint de tu servidor MCP\n- Incluye los encabezados necesarios para autenticación (clave API, token, etc.)\n- Usa el parámetro `allowed_tools` para limitar las herramientas expuestas\n- Configura `require_approval` para controlar la aprobación de ejecución de herramientas",
+            "vscode": "- Abre VS Code\n- Abre la paleta de comandos (`Ctrl+Shift+P` / `Cmd+Shift+P`)\n- Escribe **MCP: Add Server** y selecciónalo\n- Elige agregar a la configuración del espacio de trabajo o del usuario\n- Copia y pega la configuración del servidor"
+          },
+          "title": "Instalación en {{platform}}"
+        },
+        "recommended": "Recomendado",
+        "systemDependencies": "Dependencias del sistema",
+        "table": {
+          "description": "Descripción",
+          "name": "Nombre",
+          "required": "Obligatorio",
+          "type": "Tipo"
+        },
+        "title": "Método de instalación"
+      },
+      "githubBadge": {
+        "desc": "LobeHub escanea periódicamente repositorios y documentación para:\n\n- Confirmar que el servidor MCP está funcionando correctamente.\n- Extraer características del servidor, como herramientas, recursos, prompts y parámetros requeridos.\n- Nuestra insignia ayuda a los usuarios a evaluar rápidamente la seguridad, características y guía de instalación del servidor MCP.\n\nPor favor, copia el siguiente código en tu archivo `README.md`:"
+      },
+      "nav": {
+        "needHelp": "¿Necesitas ayuda?",
+        "reportIssue": "Reportar un problema",
+        "viewSourceCode": "Ver código fuente"
+      },
+      "overview": {
+        "title": "Resumen"
+      },
+      "related": {
+        "listTitle": "Servidores MCP relacionados",
+        "more": "Ver más",
+        "title": "Recomendaciones relacionadas"
+      },
+      "schema": {
+        "mode": {
+          "docs": "Documentación"
+        },
+        "prompts": {
+          "arguments": "Configuración de parámetros",
+          "desc": "Plantillas interactivas activadas por el usuario",
+          "empty": "No hay prompts disponibles",
+          "instructions": "Instrucciones",
+          "table": {
+            "description": "Descripción",
+            "name": "Nombre",
+            "required": "Obligatorio"
+          },
+          "title": "Lista de Prompts"
+        },
+        "resources": {
+          "desc": "Datos contextuales adjuntados y gestionados por el cliente",
+          "empty": "No hay recursos disponibles",
+          "table": {
+            "description": "Descripción",
+            "mineType": "Tipo MIME",
+            "name": "Nombre",
+            "uri": "URI"
+          },
+          "title": "Lista de Recursos"
+        },
+        "title": "Funciones del complemento",
+        "tools": {
+          "desc": "Interfaces funcionales expuestas al modelo de lenguaje (LLM) para realizar operaciones",
+          "empty": "No hay herramientas disponibles",
+          "inputSchema": "Descripción de entrada",
+          "instructions": "Instrucciones",
+          "table": {
+            "description": "Descripción",
+            "name": "Nombre",
+            "required": "Obligatorio",
+            "type": "Tipo"
+          },
+          "title": "Lista de Herramientas"
+        }
+      },
+      "score": {
+        "claimed": {
+          "desc": "Este servidor MCP ha sido reclamado por su propietario, asegurando su propiedad y gestión.",
+          "title": "Reclamado por el propietario"
+        },
+        "deployMoreThanManual": {
+          "desc": "Este servidor MCP ofrece métodos de instalación más amigables que el manual, permitiendo un despliegue y uso sencillo.",
+          "title": "Ofrece métodos de instalación amigables"
+        },
+        "deployment": {
+          "desc": "Este servidor MCP ofrece al menos un método de instalación para permitir su despliegue y uso.",
+          "descWithCount": "Este servidor MCP ofrece {{number}} métodos de instalación para permitir su despliegue y uso.",
+          "title": "Ofrece al menos un método de instalación"
+        },
+        "license": {
+          "desc": "Este repositorio contiene un archivo LICENSE.",
+          "descWithlicense": "La licencia de este repositorio es {{license}}.",
+          "title": "Con licencia"
+        },
+        "listTitle": "Detalles de puntuación",
+        "notClaimed": {
+          "desc": "Si eres el propietario de este servidor MCP, puedes reclamarlo mediante los siguientes métodos.",
+          "title": "No reclamado por el propietario"
+        },
+        "prompts": {
+          "desc": "Este servidor MCP ofrece prompts que permiten la interacción con el servicio.",
+          "descWithCount": "Este servidor MCP ofrece {{number}} prompts que permiten la interacción con el servicio.",
+          "title": "Incluye prompts"
+        },
+        "readme": {
+          "desc": "Este repositorio contiene un archivo README.md.",
+          "title": "Con README"
+        },
+        "resources": {
+          "desc": "Este servidor MCP ofrece recursos que permiten adjuntar y gestionar datos contextuales.",
+          "descWithCount": "Este servidor MCP ofrece {{number}} recursos que permiten adjuntar y gestionar datos contextuales.",
+          "title": "Incluye recursos"
+        },
+        "title": "Puntuación",
+        "tools": {
+          "desc": "El servicio debe proporcionar al menos una herramienta que permita a los usuarios realizar operaciones específicas.",
+          "descWithCount": "Este servidor MCP ofrece {{number}} herramientas que permiten a los usuarios realizar operaciones específicas.",
+          "title": "Incluye al menos una herramienta"
+        },
+        "validated": {
+          "desc": "Este servidor MCP ha sido validado en su instalación, asegurando su calidad y fiabilidad.",
+          "title": "Validado"
+        }
+      },
+      "scoreLevel": {
+        "a": {
+          "desc": "Este servidor MCP ha sido rigurosamente validado, ofreciendo funcionalidades completas y una experiencia de usuario de alta calidad.",
+          "fullTitle": "Complemento Excelente",
+          "title": "Excelente"
+        },
+        "b": {
+          "desc": "Este servidor MCP ofrece buenas funcionalidades y experiencia de usuario, aunque puede requerir mejoras en algunos aspectos.",
+          "fullTitle": "Funcionalidad Buena",
+          "title": "Bueno"
+        },
+        "f": {
+          "desc": "Este servidor MCP tiene funcionalidades incompletas o baja calidad, se recomienda precaución al usarlo.",
+          "fullTitle": "Calidad Deficiente",
+          "title": "Deficiente"
+        }
+      },
+      "settings": {
+        "capabilities": {
+          "prompts": "Indicaciones",
+          "resources": "Recursos",
+          "title": "Capacidades del complemento",
+          "tools": "Herramientas"
+        },
+        "configuration": {
+          "title": "Configuración del complemento"
+        },
+        "connection": {
+          "args": "Parámetros de inicio",
+          "command": "Comando de inicio",
+          "title": "Información de conexión",
+          "type": "Tipo de conexión",
+          "url": "Dirección del servicio"
+        },
+        "saveSettings": "Guardar configuración",
+        "title": "Configuración del complemento"
+      },
+      "sidebar": {
+        "install": "Instalar servidor MCP",
+        "meta": {
+          "homepage": "Página principal",
+          "installCount": "Número de instalaciones",
+          "language": "Lenguaje del código fuente",
+          "license": "Licencia",
+          "published": "Fecha de publicación",
+          "repo": "Repositorio de código fuente",
+          "stars": "Número de estrellas",
+          "title": "Información detallada",
+          "updated": "Última actualización"
+        },
+        "moreServerConfig": "Ver detalles",
+        "recommendServers": "MCP relacionados",
+        "serverConfig": "Configuración de instalación",
+        "toc": "Índice"
+      },
+      "summary": {
+        "title": "¿Qué puedes hacer con este servidor MCP?"
+      },
+      "totalScore": {
+        "description": "Puntuación total calculada en base a varios indicadores",
+        "legend": {
+          "aGrade": "Grado A ({{minPercent}}-100%)",
+          "bGrade": "Grado B ({{minPercent}}-{{maxPercent}}%)",
+          "fGrade": "Grado F (0-{{maxPercent}}%)"
+        },
+        "pointsFormat": "{{score}}/{{total}} puntos",
+        "popover": {
+          "completedOptional": "✅ Opcionales completados ({{count}} ítems)",
+          "completedRequired": "✅ Obligatorios completados ({{count}} ítems)",
+          "incompleteOptional": "⏸️ Opcionales no completados ({{count}} ítems)",
+          "incompleteRequired": "❌ Obligatorios no completados ({{count}} ítems)",
+          "title": "Detalles de la puntuación"
+        },
+        "ratingFormat": "Calificación: {{level}}",
+        "scoreInfo": {
+          "items": "ítems",
+          "points": "puntos",
+          "requiredItems": "ítems obligatorios"
+        },
+        "title": "Puntuación total"
+      },
+      "versions": {
+        "table": {
+          "isLatest": "Última versión",
+          "isValidated": "Validado",
+          "publishAt": "Fecha de publicación",
+          "version": "Versión"
+        },
+        "title": "Historial de versiones"
+      }
+    },
+    "hero": {
+      "desc": "Plataforma de servidores MCP de código abierto y desplegable que ayuda a los sistemas de IA a acceder fácilmente a sistemas de archivos, bases de datos, APIs y otros recursos clave, ampliando completamente tus capacidades de IA.",
+      "subTitle": "Código abierto y listo para usar",
+      "title": "Mercado MCP de código abierto para IA"
+    },
+    "sorts": {
+      "createdAt": "Añadido recientemente",
+      "installCount": "Número de instalaciones",
+      "isFeatured": "Complemento recomendado",
+      "isValidated": "Complemento validado",
+      "promptsCount": "Número de prompts",
+      "ratingCount": "Número de valoraciones",
+      "resourcesCount": "Número de recursos",
+      "toolsCount": "Número de herramientas",
+      "updatedAt": "Última actualización"
+    },
+    "title": "Mercado MCP",
+    "unvalidated": {
+      "desc": "Este servidor MCP no ha sido validado aún",
+      "title": "No validado"
+    },
+    "validated": {
+      "desc": "Este servidor MCP ha sido validado, asegurando su calidad y fiabilidad.",
+      "descWithDate": "Este servidor MCP fue validado el {{date}}, asegurando su calidad y fiabilidad.",
+      "title": "Validado"
+    }
+  },
   "models": {
+    "abilities": "Capacidades del modelo",
     "chat": "Iniciar conversación",
     "contentLength": "Longitud máxima del contexto",
+    "details": {
+      "overview": {
+        "title": "Resumen"
+      },
+      "related": {
+        "listTitle": "Modelos relacionados",
+        "more": "Ver más",
+        "title": "Recomendaciones relacionadas"
+      }
+    },
     "free": "Gratis",
     "guide": "Guía de configuración",
     "list": "Lista de modelos",
@@ -156,11 +559,30 @@
       "throughput": "Rendimiento",
       "throughputTooltip": "Número promedio de Tokens transmitidos por segundo en solicitudes de flujo"
     },
+    "sorts": {
+      "contextWindowTokens": "Longitud del contexto",
+      "identifier": "ID del modelo",
+      "inputPrice": "Precio de entrada",
+      "outputPrice": "Precio de salida",
+      "providerCount": "Número de proveedores",
+      "releasedAt": "Publicado recientemente"
+    },
     "suggestions": "Modelos relacionados",
     "supportedProviders": "Proveedores que admiten este modelo"
   },
   "plugins": {
     "community": "Complementos de la comunidad",
+    "details": {
+      "settings": {
+        "title": "Configuración del complemento"
+      },
+      "summary": {
+        "title": "¿Qué puedes hacer con este complemento?"
+      },
+      "tools": {
+        "title": "Herramientas del complemento"
+      }
+    },
     "install": "Instalar complemento",
     "installed": "Instalado",
     "list": "Lista de complementos",
@@ -173,36 +595,54 @@
     "more": "Más",
     "official": "Complementos oficiales",
     "recentSubmits": "Actualizaciones recientes",
+    "sorts": {
+      "createdAt": "Publicado recientemente",
+      "identifier": "ID del complemento",
+      "title": "Nombre del complemento"
+    },
     "suggestions": "Recomendaciones relacionadas"
   },
   "providers": {
     "config": "Configurar proveedor",
+    "details": {
+      "guide": {
+        "title": "Guía de integración"
+      },
+      "overview": {
+        "title": "Resumen"
+      },
+      "related": {
+        "listTitle": "Proveedores relacionados",
+        "more": "Ver más",
+        "title": "Recomendaciones relacionadas"
+      }
+    },
     "list": "Lista de proveedores de modelos",
     "modelCount": "{{count}} modelos",
+    "modelName": "Nombre del modelo",
     "modelSite": "Documentación del modelo",
     "more": "Más",
     "officialSite": "Sitio web oficial",
     "showAllModels": "Mostrar todos los modelos",
+    "sorts": {
+      "default": "Orden predeterminado",
+      "identifier": "ID del proveedor",
+      "modelCount": "Cantidad de modelos"
+    },
     "suggestions": "Proveedores relacionados",
     "supportedModels": "Modelos soportados"
   },
+  "publishedTime": "Publicado en",
   "search": {
     "placeholder": "Buscar nombre, descripción o palabras clave...",
     "result": "{{count}} resultados de búsqueda sobre <highlight>{{keyword}}</highlight>",
     "searching": "Buscando..."
   },
-  "sort": {
-    "mostLiked": "Más gustados",
-    "mostUsed": "Más utilizados",
-    "newest": "De nuevo a viejo",
-    "oldest": "De viejo a nuevo",
-    "recommended": "Recomendado"
-  },
   "tab": {
-    "assistants": "Asistentes",
+    "assistant": "Asistente",
     "home": "Inicio",
-    "models": "Modelos",
-    "plugins": "Complementos",
-    "providers": "Proveedores de modelos"
+    "model": "Modelo",
+    "plugin": "Complemento",
+    "provider": "Proveedor de modelos"
   }
 }

locales/es-ES/metadata.json

@@ -13,6 +13,10 @@
       "title": "Asistentes de IA"
     },
     "description": "Creación de contenido, redacción, preguntas y respuestas, generación de imágenes, generación de videos, generación de voz, Agentes inteligentes, flujos de trabajo automatizados, aplicaciones de IA personalizadas, personaliza tu espacio de trabajo de aplicaciones AI",
+    "mcp": {
+      "description": "Busca, compara y conecta miles de servidores MCP, ayudando a los sistemas de IA a acceder fácilmente a sistemas de archivos, bases de datos, API y otros recursos clave, ampliando integralmente tus capacidades de IA",
+      "title": "Mercado de Servidores MCP"
+    },
     "models": {
       "description": "Explora los modelos de IA más populares OpenAI / GPT / Claude 3 / Gemini / Ollama / Azure / DeepSeek",
       "title": "Modelos de IA"

locales/es-ES/modelProvider.json

@@ -208,6 +208,10 @@
         "title": "Usar modo de solicitud del cliente"
       },
       "helpDoc": "Guía de configuración",
+      "responsesApi": {
+        "desc": "Utiliza el nuevo formato de solicitud de OpenAI para desbloquear características avanzadas como cadenas de pensamiento",
+        "title": "Uso de la especificación Responses API"
+      },
       "waitingForMore": "Más modelos están en <1>planificación de integración</1>, por favor, espera"
     },
     "createNew": {

locales/es-ES/models.json

@@ -176,9 +176,15 @@
   "Meta-Llama-3.3-70B-Instruct": {
     "description": "Llama 3.3 es el modelo de lenguaje de código abierto multilingüe más avanzado de la serie Llama, que ofrece un rendimiento comparable al modelo de 405B a un costo extremadamente bajo. Basado en la estructura Transformer, y mejorado en utilidad y seguridad a través de ajuste fino supervisado (SFT) y aprendizaje por refuerzo con retroalimentación humana (RLHF). Su versión ajustada por instrucciones está optimizada para diálogos multilingües, superando a muchos modelos de chat de código abierto y cerrados en múltiples benchmarks de la industria. La fecha límite de conocimiento es diciembre de 2023."
   },
+  "MiniMax-M1": {
+    "description": "Modelo de inferencia de desarrollo propio completamente nuevo. Líder mundial: 80K cadenas de pensamiento x 1M de entradas, con un rendimiento comparable a los modelos de vanguardia internacionales."
+  },
   "MiniMax-Text-01": {
     "description": "En la serie de modelos MiniMax-01, hemos realizado una innovación audaz: la implementación a gran escala del mecanismo de atención lineal, donde la arquitectura Transformer tradicional ya no es la única opción. Este modelo tiene una cantidad de parámetros de hasta 456 mil millones, con 45.9 mil millones por activación. El rendimiento general del modelo es comparable a los mejores modelos internacionales, y puede manejar de manera eficiente contextos de hasta 4 millones de tokens, que es 32 veces más que GPT-4o y 20 veces más que Claude-3.5-Sonnet."
   },
+  "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."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) es un modelo de instrucciones de alta precisión, adecuado para cálculos complejos."
   },
@@ -206,15 +212,9 @@
   "Phi-3.5-vision-instrust": {
     "description": "Versión actualizada del modelo Phi-3-vision."
   },
-  "Pro/Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct es un modelo de lenguaje a gran escala de ajuste fino por instrucciones dentro de la serie Qwen2, con un tamaño de parámetros de 1.5B. Este modelo se basa en la arquitectura Transformer, utilizando funciones de activación SwiGLU, sesgos de atención QKV y atención de consulta agrupada, entre otras técnicas. Ha destacado en múltiples pruebas de referencia en comprensión del lenguaje, generación, capacidad multilingüe, codificación, matemáticas y razonamiento, superando a la mayoría de los modelos de código abierto. En comparación con Qwen1.5-1.8B-Chat, Qwen2-1.5B-Instruct ha mostrado mejoras significativas en pruebas como MMLU, HumanEval, GSM8K, C-Eval e IFEval, a pesar de tener un número de parámetros ligeramente menor."
-  },
   "Pro/Qwen/Qwen2-7B-Instruct": {
     "description": "Qwen2-7B-Instruct es un modelo de lenguaje a gran escala de ajuste fino por instrucciones dentro de la serie Qwen2, con un tamaño de parámetros de 7B. Este modelo se basa en la arquitectura Transformer, utilizando funciones de activación SwiGLU, sesgos de atención QKV y atención de consulta agrupada, entre otras técnicas. Es capaz de manejar entradas a gran escala. Este modelo ha destacado en múltiples pruebas de referencia en comprensión del lenguaje, generación, capacidad multilingüe, codificación, matemáticas y razonamiento, superando a la mayoría de los modelos de código abierto y mostrando competitividad comparable a modelos propietarios en ciertas tareas. Qwen2-7B-Instruct ha mostrado mejoras significativas en múltiples evaluaciones en comparación con Qwen1.5-7B-Chat."
   },
-  "Pro/Qwen/Qwen2-VL-7B-Instruct": {
-    "description": "Qwen2-VL es la última iteración del modelo Qwen-VL, alcanzando un rendimiento de vanguardia en pruebas de comprensión visual."
-  },
   "Pro/Qwen/Qwen2.5-7B-Instruct": {
     "description": "Qwen2.5-7B-Instruct es uno de los últimos modelos de lenguaje a gran escala lanzados por Alibaba Cloud. Este modelo de 7B ha mejorado significativamente en áreas como codificación y matemáticas. También ofrece soporte multilingüe, abarcando más de 29 idiomas, incluidos chino e inglés. El modelo ha mostrado mejoras significativas en el seguimiento de instrucciones, comprensión de datos estructurados y generación de salidas estructuradas (especialmente JSON)."
   },
@@ -230,8 +230,8 @@
   "Pro/deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 es un modelo de inferencia impulsado por aprendizaje por refuerzo (RL) que aborda problemas de repetitividad y legibilidad en el modelo. Antes del RL, DeepSeek-R1 introdujo datos de arranque en frío, optimizando aún más el rendimiento de inferencia. Se desempeña de manera comparable a OpenAI-o1 en tareas matemáticas, de código e inferencia, y mejora el rendimiento general a través de métodos de entrenamiento cuidadosamente diseñados."
   },
-  "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B": {
-    "description": "DeepSeek-R1-Distill-Qwen-1.5B es un modelo obtenido mediante destilación de conocimiento basado en Qwen2.5-Math-1.5B. Este modelo fue ajustado utilizando 800,000 muestras seleccionadas generadas por DeepSeek-R1, demostrando un rendimiento notable en múltiples benchmarks. Como modelo ligero, alcanzó una precisión del 83.9% en MATH-500, una tasa de aprobación del 28.9% en AIME 2024 y una puntuación de 954 en CodeForces, mostrando capacidades de razonamiento que superan su escala de parámetros."
+  "Pro/deepseek-ai/DeepSeek-R1-0120": {
+    "description": "DeepSeek-R1 es un modelo de razonamiento impulsado por aprendizaje reforzado (RL) que aborda problemas de repetición y legibilidad en modelos. Antes del RL, DeepSeek-R1 introdujo datos de arranque en frío para optimizar aún más el rendimiento del razonamiento. Su desempeño en matemáticas, código y tareas de razonamiento es comparable a OpenAI-o1, y mejora el rendimiento general mediante métodos de entrenamiento cuidadosamente diseñados."
   },
   "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B": {
     "description": "DeepSeek-R1-Distill-Qwen-7B es un modelo obtenido mediante destilación de conocimiento basado en Qwen2.5-Math-7B. Este modelo se ha ajustado utilizando 800.000 muestras seleccionadas generadas por DeepSeek-R1, demostrando una excelente capacidad de razonamiento. Ha mostrado un rendimiento sobresaliente en múltiples pruebas de referencia, alcanzando un 92,8% de precisión en MATH-500, un 55,5% de tasa de aprobación en AIME 2024 y una puntuación de 1189 en CodeForces, lo que demuestra una fuerte capacidad matemática y de programación para un modelo de escala 7B."
@@ -254,9 +254,6 @@
   "Qwen/QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview es el último modelo de investigación experimental de Qwen, enfocado en mejorar la capacidad de razonamiento de la IA. A través de la exploración de mecanismos complejos como la mezcla de lenguajes y el razonamiento recursivo, sus principales ventajas incluyen una poderosa capacidad de análisis de razonamiento, así como habilidades matemáticas y de programación. Sin embargo, también presenta problemas de cambio de idioma, ciclos de razonamiento, consideraciones de seguridad y diferencias en otras capacidades."
   },
-  "Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct es un modelo de lenguaje a gran escala de ajuste fino por instrucciones dentro de la serie Qwen2, con un tamaño de parámetros de 1.5B. Este modelo se basa en la arquitectura Transformer, utilizando funciones de activación SwiGLU, sesgos de atención QKV y atención de consulta agrupada, entre otras técnicas. Ha destacado en múltiples pruebas de referencia en comprensión del lenguaje, generación, capacidad multilingüe, codificación, matemáticas y razonamiento, superando a la mayoría de los modelos de código abierto. En comparación con Qwen1.5-1.8B-Chat, Qwen2-1.5B-Instruct ha mostrado mejoras significativas en pruebas como MMLU, HumanEval, GSM8K, C-Eval e IFEval, a pesar de tener un número de parámetros ligeramente menor."
-  },
   "Qwen/Qwen2-72B-Instruct": {
     "description": "Qwen2 es un modelo de lenguaje general avanzado, que soporta múltiples tipos de instrucciones."
   },
@@ -416,14 +413,11 @@
   "THUDM/GLM-Z1-Rumination-32B-0414": {
     "description": "GLM-Z1-Rumination-32B-0414 es un modelo de inferencia profunda con capacidad de reflexión (en comparación con la investigación profunda de OpenAI). A diferencia de los modelos típicos de pensamiento profundo, el modelo de reflexión utiliza un tiempo de reflexión más prolongado para resolver problemas más abiertos y complejos."
   },
-  "THUDM/chatglm3-6b": {
-    "description": "ChatGLM3-6B es un modelo de código abierto de la serie ChatGLM, desarrollado por Zhipu AI. Este modelo conserva las excelentes características de su predecesor, como la fluidez en el diálogo y un bajo umbral de implementación, al tiempo que introduce nuevas características. Utiliza datos de entrenamiento más diversos, un mayor número de pasos de entrenamiento y estrategias de entrenamiento más razonables, destacando entre los modelos preentrenados de menos de 10B. ChatGLM3-6B admite diálogos de múltiples turnos, llamadas a herramientas, ejecución de código y tareas de agente en escenarios complejos. Además del modelo de diálogo, también se han lanzado el modelo base ChatGLM-6B-Base y el modelo de diálogo de texto largo ChatGLM3-6B-32K. Este modelo está completamente abierto para la investigación académica y permite el uso comercial gratuito tras el registro."
-  },
   "THUDM/glm-4-9b-chat": {
     "description": "GLM-4 9B es una versión de código abierto, que proporciona una experiencia de conversación optimizada para aplicaciones de diálogo."
   },
-  "Vendor-A/Qwen/Qwen2.5-72B-Instruct": {
-    "description": "Qwen2.5-72B-Instruct es uno de los últimos modelos de lenguaje a gran escala lanzados por Alibaba Cloud. Este modelo de 72B ha mejorado significativamente en áreas como codificación y matemáticas. También ofrece soporte multilingüe, abarcando más de 29 idiomas, incluidos chino e inglés. El modelo ha mostrado mejoras significativas en el seguimiento de instrucciones, comprensión de datos estructurados y generación de salidas estructuradas (especialmente JSON)."
+  "Tongyi-Zhiwen/QwenLong-L1-32B": {
+    "description": "QwenLong-L1-32B es el primer modelo de razonamiento a gran escala con contexto largo entrenado mediante aprendizaje reforzado (LRM), optimizado para tareas de razonamiento con textos extensos. Utiliza un marco de aprendizaje reforzado con expansión progresiva de contexto, logrando una transición estable de contexto corto a largo. En siete pruebas de referencia de preguntas y respuestas con documentos de contexto largo, QwenLong-L1-32B supera a modelos insignia como OpenAI-o3-mini y Qwen3-235B-A22B, con un rendimiento comparable a Claude-3.7-Sonnet-Thinking. Destaca en razonamiento matemático, lógico y de múltiples saltos."
   },
   "Yi-34B-Chat": {
     "description": "Yi-1.5-34B, manteniendo la excelente capacidad de lenguaje general de la serie original, ha mejorado significativamente la lógica matemática y la capacidad de codificación mediante un entrenamiento incremental de 500 mil millones de tokens de alta calidad."
@@ -560,6 +554,12 @@
   "anthropic/claude-3.7-sonnet": {
     "description": "Claude 3.7 Sonnet es el modelo más inteligente de Anthropic hasta la fecha y el primer modelo de razonamiento híbrido en el mercado. Claude 3.7 Sonnet puede generar respuestas casi instantáneas o un pensamiento prolongado y gradual, permitiendo a los usuarios observar claramente estos procesos. Sonnet es especialmente hábil en programación, ciencia de datos, procesamiento visual y tareas de agente."
   },
+  "anthropic/claude-opus-4": {
+    "description": "Claude Opus 4 es el modelo más potente de Anthropic para manejar tareas altamente complejas. Destaca por su rendimiento, inteligencia, fluidez y capacidad de comprensión excepcionales."
+  },
+  "anthropic/claude-sonnet-4": {
+    "description": "Claude Sonnet 4 puede generar respuestas casi instantáneas o razonamientos prolongados paso a paso, que los usuarios pueden seguir claramente. Los usuarios de la API también pueden controlar con precisión el tiempo de reflexión del modelo."
+  },
   "aya": {
     "description": "Aya 23 es un modelo multilingüe lanzado por Cohere, que admite 23 idiomas, facilitando aplicaciones de lenguaje diversas."
   },
@@ -665,6 +665,9 @@
   "codestral-latest": {
     "description": "Codestral es un modelo generativo de vanguardia enfocado en la generación de código, optimizado para tareas de completado de código y relleno intermedio."
   },
+  "codex-mini-latest": {
+    "description": "codex-mini-latest es una versión ajustada de o4-mini, diseñada específicamente para Codex CLI. Para uso directo a través de la API, recomendamos comenzar con gpt-4.1."
+  },
   "cognitivecomputations/dolphin-mixtral-8x22b": {
     "description": "Dolphin Mixtral 8x22B es un modelo diseñado para seguir instrucciones, diálogos y programación."
   },
@@ -722,6 +725,9 @@
   "compound-beta-mini": {
     "description": "Compound-beta-mini es un sistema de IA compuesto, respaldado por modelos de acceso abierto ya soportados en GroqCloud, que puede utilizar herramientas de manera inteligente y selectiva para responder a consultas de los usuarios."
   },
+  "computer-use-preview": {
+    "description": "El modelo computer-use-preview está diseñado exclusivamente para \"herramientas de uso informático\", entrenado para comprender y ejecutar tareas relacionadas con computadoras."
+  },
   "dall-e-2": {
     "description": "El segundo modelo DALL·E, que admite generación de imágenes más realistas y precisas, con una resolución cuatro veces mayor que la de la primera generación."
   },
@@ -734,6 +740,12 @@
   "deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 es un modelo de inferencia impulsado por aprendizaje reforzado (RL) que aborda los problemas de repetitividad y legibilidad en el modelo. Antes de RL, DeepSeek-R1 introdujo datos de arranque en frío, optimizando aún más el rendimiento de la inferencia. Su desempeño en tareas matemáticas, de código e inferencia es comparable al de OpenAI-o1, y ha mejorado su efectividad general a través de métodos de entrenamiento cuidadosamente diseñados."
   },
+  "deepseek-ai/DeepSeek-R1-0528": {
+    "description": "DeepSeek R1 mejora significativamente la profundidad de razonamiento e inferencia mediante el uso de recursos computacionales aumentados y la introducción de mecanismos de optimización algorítmica en el postentrenamiento. Este modelo destaca en diversas evaluaciones de referencia, incluyendo matemáticas, programación y lógica general. Su rendimiento global se acerca a modelos líderes como O3 y Gemini 2.5 Pro."
+  },
+  "deepseek-ai/DeepSeek-R1-0528-Qwen3-8B": {
+    "description": "DeepSeek-R1-0528-Qwen3-8B es un modelo obtenido mediante destilación de cadenas de pensamiento del modelo DeepSeek-R1-0528 al Qwen3 8B Base. Este modelo alcanza el estado del arte (SOTA) entre modelos de código abierto, superando a Qwen3 8B en un 10% en la prueba AIME 2024 y alcanzando el nivel de rendimiento de Qwen3-235B-thinking. Sobresale en razonamiento matemático, programación y lógica general, compartiendo arquitectura con Qwen3-8B pero utilizando la configuración de tokenizador de DeepSeek-R1-0528."
+  },
   "deepseek-ai/DeepSeek-R1-Distill-Llama-70B": {
     "description": "El modelo de destilación DeepSeek-R1 optimiza el rendimiento de inferencia mediante aprendizaje por refuerzo y datos de arranque en frío, actualizando el estándar de múltiples tareas en modelos de código abierto."
   },
@@ -779,6 +791,9 @@
   "deepseek-r1": {
     "description": "DeepSeek-R1 es un modelo de inferencia impulsado por aprendizaje reforzado (RL) que aborda los problemas de repetitividad y legibilidad en el modelo. Antes de RL, DeepSeek-R1 introdujo datos de arranque en frío, optimizando aún más el rendimiento de la inferencia. Su desempeño en tareas matemáticas, de código e inferencia es comparable al de OpenAI-o1, y ha mejorado su efectividad general a través de métodos de entrenamiento cuidadosamente diseñados."
   },
+  "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-r1-70b-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."
   },
@@ -836,9 +851,6 @@
   "deepseek-v3-0324": {
     "description": "DeepSeek-V3-0324 es un modelo MoE de 671B parámetros, destacándose en habilidades de programación y técnicas, comprensión del contexto y procesamiento de textos largos."
   },
-  "deepseek/deepseek-chat": {
-    "description": "Un nuevo modelo de código abierto que fusiona capacidades generales y de codificación, no solo conserva la capacidad de diálogo general del modelo Chat original y la potente capacidad de procesamiento de código del modelo Coder, sino que también se alinea mejor con las preferencias humanas. Además, DeepSeek-V2.5 ha logrado mejoras significativas en tareas de escritura, seguimiento de instrucciones y más."
-  },
   "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."
   },
@@ -848,6 +860,12 @@
   "deepseek/deepseek-r1": {
     "description": "DeepSeek-R1 mejora significativamente la capacidad de razonamiento del modelo con muy pocos datos etiquetados. Antes de proporcionar la respuesta final, el modelo genera una cadena de pensamiento para mejorar la precisión de la respuesta final."
   },
+  "deepseek/deepseek-r1-0528": {
+    "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-r1-0528:free": {
+    "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 un modelo de lenguaje de gran tamaño basado en Llama3.3 70B, que utiliza el ajuste fino de la salida de DeepSeek R1 para lograr un rendimiento competitivo comparable a los modelos de vanguardia de gran tamaño."
   },
@@ -899,6 +917,15 @@
   "doubao-1.5-vision-lite": {
     "description": "Doubao-1.5-vision-lite es un modelo multimodal de gran escala actualizado, que soporta el reconocimiento de imágenes de cualquier resolución y proporciones extremas, mejorando la capacidad de razonamiento visual, reconocimiento de documentos, comprensión de información detallada y seguimiento de instrucciones. Soporta una ventana de contexto de 128k, con una longitud de salida que admite hasta 16k tokens."
   },
+  "doubao-seed-1.6": {
+    "description": "Doubao-Seed-1.6 es un nuevo modelo multimodal de pensamiento profundo que soporta tres modos de pensamiento: automático, reflexivo y no reflexivo. En modo no reflexivo, el rendimiento del modelo mejora significativamente en comparación con Doubao-1.5-pro/250115. Soporta una ventana de contexto de 256k y una longitud máxima de salida de 16k tokens."
+  },
+  "doubao-seed-1.6-flash": {
+    "description": "Doubao-Seed-1.6-flash es un modelo multimodal de pensamiento profundo con velocidad de inferencia extrema, TPOT de solo 10 ms; soporta comprensión tanto textual como visual, con capacidad de comprensión textual superior a la generación lite anterior y comprensión visual comparable a la serie pro de competidores. Soporta una ventana de contexto de 256k y una longitud máxima de salida de 16k tokens."
+  },
+  "doubao-seed-1.6-thinking": {
+    "description": "El modelo Doubao-Seed-1.6-thinking tiene una capacidad de pensamiento significativamente mejorada. En comparación con Doubao-1.5-thinking-pro, mejora aún más en habilidades básicas como programación, matemáticas y razonamiento lógico, además de soportar comprensión visual. Soporta una ventana de contexto de 256k y una longitud máxima de salida de 16k tokens."
+  },
   "emohaa": {
     "description": "Emohaa es un modelo psicológico con capacidades de consulta profesional, ayudando a los usuarios a comprender problemas emocionales."
   },
@@ -1037,6 +1064,12 @@
   "gemini-2.0-flash-preview-image-generation": {
     "description": "Modelo de vista previa Gemini 2.0 Flash, que admite la generación de imágenes"
   },
+  "gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash es el modelo de mejor relación calidad-precio de Google, que ofrece funcionalidades completas."
+  },
+  "gemini-2.5-flash-lite-preview-06-17": {
+    "description": "Gemini 2.5 Flash-Lite Preview es el modelo más pequeño y con mejor relación calidad-precio de Google, diseñado para un uso a gran escala."
+  },
   "gemini-2.5-flash-preview-04-17": {
     "description": "Gemini 2.5 Flash Preview es el modelo más rentable de Google, que ofrece una funcionalidad completa."
   },
@@ -1046,6 +1079,9 @@
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview es el modelo de mejor relación calidad-precio de Google, que ofrece funcionalidades completas."
   },
+  "gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y áreas STEM, así como de analizar grandes conjuntos de datos, bases de código y documentos utilizando contextos largos."
+  },
   "gemini-2.5-pro-exp-03-25": {
     "description": "Gemini 2.5 Pro Experimental es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y campos STEM, además de utilizar contextos largos para analizar grandes conjuntos de datos, bibliotecas de código y documentos."
   },
@@ -1055,6 +1091,9 @@
   "gemini-2.5-pro-preview-05-06": {
     "description": "Gemini 2.5 Pro Preview es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y campos STEM, así como de analizar grandes conjuntos de datos, bibliotecas de código y documentos utilizando un análisis de contexto prolongado."
   },
+  "gemini-2.5-pro-preview-06-05": {
+    "description": "Gemini 2.5 Pro Preview es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y áreas STEM, así como analizar grandes conjuntos de datos, bases de código y documentos utilizando contextos extensos."
+  },
   "gemma-7b-it": {
     "description": "Gemma 7B es adecuado para el procesamiento de tareas de pequeña y mediana escala, combinando rentabilidad."
   },
@@ -1142,14 +1181,20 @@
   "google/gemini-2.0-flash-exp:free": {
     "description": "Gemini 2.0 Flash Experimental es el último modelo de IA multimodal experimental de Google, con una mejora de calidad en comparación con versiones anteriores, especialmente en conocimiento del mundo, código y contexto largo."
   },
+  "google/gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash es el modelo principal más avanzado de Google, diseñado para tareas avanzadas de razonamiento, codificación, matemáticas y ciencias. Incluye una capacidad incorporada de \"pensamiento\" que le permite proporcionar respuestas con mayor precisión y un manejo detallado del contexto.\n\nNota: este modelo tiene dos variantes: con pensamiento y sin pensamiento. La tarificación de salida varía significativamente según si la capacidad de pensamiento está activada. Si elige la variante estándar (sin el sufijo \":thinking\"), el modelo evitará explícitamente generar tokens de pensamiento.\n\nPara aprovechar la capacidad de pensamiento y recibir tokens de pensamiento, debe seleccionar la variante \":thinking\", lo que generará una tarificación más alta para la salida de pensamiento.\n\nAdemás, Gemini 2.5 Flash se puede configurar mediante el parámetro \"máximo de tokens para razonamiento\", como se describe en la documentación (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
+  },
   "google/gemini-2.5-flash-preview": {
     "description": "Gemini 2.5 Flash es el modelo principal más avanzado de Google, diseñado para razonamiento avanzado, codificación, matemáticas y tareas científicas. Incluye la capacidad de 'pensar' incorporada, lo que le permite proporcionar respuestas con mayor precisión y un manejo más detallado del contexto.\n\nNota: Este modelo tiene dos variantes: con pensamiento y sin pensamiento. La fijación de precios de salida varía significativamente según si la capacidad de pensamiento está activada. Si elige la variante estándar (sin el sufijo ':thinking'), el modelo evitará explícitamente generar tokens de pensamiento.\n\nPara aprovechar la capacidad de pensamiento y recibir tokens de pensamiento, debe elegir la variante ':thinking', lo que resultará en un precio de salida de pensamiento más alto.\n\nAdemás, Gemini 2.5 Flash se puede configurar a través del parámetro 'número máximo de tokens de razonamiento', como se describe en la documentación (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
   "google/gemini-2.5-flash-preview:thinking": {
     "description": "Gemini 2.5 Flash es el modelo principal más avanzado de Google, diseñado para razonamiento avanzado, codificación, matemáticas y tareas científicas. Incluye la capacidad de 'pensar' incorporada, lo que le permite proporcionar respuestas con mayor precisión y un manejo más detallado del contexto.\n\nNota: Este modelo tiene dos variantes: con pensamiento y sin pensamiento. La fijación de precios de salida varía significativamente según si la capacidad de pensamiento está activada. Si elige la variante estándar (sin el sufijo ':thinking'), el modelo evitará explícitamente generar tokens de pensamiento.\n\nPara aprovechar la capacidad de pensamiento y recibir tokens de pensamiento, debe elegir la variante ':thinking', lo que resultará en un precio de salida de pensamiento más alto.\n\nAdemás, Gemini 2.5 Flash se puede configurar a través del parámetro 'número máximo de tokens de razonamiento', como se describe en la documentación (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
-  "google/gemini-2.5-pro-preview-03-25": {
-    "description": "Gemini 2.5 Pro es el modelo de IA más avanzado de Google, diseñado para razonamiento avanzado, codificación, matemáticas y tareas científicas. Posee la capacidad de 'pensar', lo que le permite razonar respuestas con mayor precisión y un manejo más detallado del contexto. Gemini 2.5 Pro ha logrado un rendimiento de primer nivel en múltiples pruebas de referencia, incluyendo el primer lugar en la clasificación de LMArena, reflejando una alineación excepcional con las preferencias humanas y una capacidad de resolución de problemas complejos."
+  "google/gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y áreas STEM, así como de analizar grandes conjuntos de datos, bases de código y documentos utilizando contextos extensos."
+  },
+  "google/gemini-2.5-pro-preview": {
+    "description": "Gemini 2.5 Pro Preview es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y áreas STEM, así como de analizar grandes conjuntos de datos, bases de código y documentos utilizando contextos extensos."
   },
   "google/gemini-flash-1.5": {
     "description": "Gemini 1.5 Flash ofrece capacidades de procesamiento multimodal optimizadas, adecuadas para una variedad de escenarios de tareas complejas."
@@ -1259,9 +1304,15 @@
   "gpt-4o-mini": {
     "description": "GPT-4o mini es el último modelo lanzado por OpenAI después de GPT-4 Omni, que admite entradas de texto e imagen y genera texto como salida. Como su modelo más avanzado de menor tamaño, es mucho más económico que otros modelos de vanguardia recientes y es más de un 60% más barato que GPT-3.5 Turbo. Mantiene una inteligencia de vanguardia mientras ofrece una relación calidad-precio significativa. GPT-4o mini obtuvo un puntaje del 82% en la prueba MMLU y actualmente se clasifica por encima de GPT-4 en preferencias de chat."
   },
+  "gpt-4o-mini-audio-preview": {
+    "description": "Modelo GPT-4o mini Audio, que soporta entrada y salida de audio."
+  },
   "gpt-4o-mini-realtime-preview": {
     "description": "Versión en tiempo real de GPT-4o-mini, que admite entrada y salida de audio y texto en tiempo real."
   },
+  "gpt-4o-mini-search-preview": {
+    "description": "GPT-4o mini versión preliminar de búsqueda es un modelo entrenado específicamente para comprender y ejecutar consultas de búsqueda web, utilizando la API de Chat Completions. Además de los costos por tokens, las consultas de búsqueda web incurren en cargos por cada llamada a la herramienta."
+  },
   "gpt-4o-mini-tts": {
     "description": "GPT-4o mini TTS es un modelo de texto a voz basado en GPT-4o mini, que ofrece generación de voz de alta calidad a un costo más bajo."
   },
@@ -1274,6 +1325,9 @@
   "gpt-4o-realtime-preview-2024-12-17": {
     "description": "Versión en tiempo real de GPT-4o, que admite entrada y salida de audio y texto en tiempo real."
   },
+  "gpt-4o-search-preview": {
+    "description": "GPT-4o versión preliminar de búsqueda es un modelo entrenado específicamente para comprender y ejecutar consultas de búsqueda web, utilizando la API de Chat Completions. Además de los costos por tokens, las consultas de búsqueda web incurren en cargos por cada llamada a la herramienta."
+  },
   "grok-2-1212": {
     "description": "Este modelo ha mejorado en precisión, cumplimiento de instrucciones y capacidades multilingües."
   },
@@ -1307,6 +1361,9 @@
   "hunyuan-large-longcontext": {
     "description": "Especializado en tareas de texto largo como resúmenes de documentos y preguntas y respuestas de documentos, también tiene la capacidad de manejar tareas generales de generación de texto. Destaca en el análisis y generación de textos largos, pudiendo abordar eficazmente las necesidades de procesamiento de contenido largo y complejo."
   },
+  "hunyuan-large-vision": {
+    "description": "Este modelo es adecuado para escenarios de comprensión de imágenes y texto, basado en el modelo visual-lingüístico Hunyuan Large. Soporta entrada de múltiples imágenes de cualquier resolución junto con texto, generando contenido textual, con un enfoque en tareas relacionadas con la comprensión de imágenes y texto, mostrando mejoras significativas en capacidades multilingües."
+  },
   "hunyuan-lite": {
     "description": "Actualizado a una estructura MOE, con una ventana de contexto de 256k, lidera en múltiples conjuntos de evaluación en NLP, código, matemáticas, industria y más, superando a muchos modelos de código abierto."
   },
@@ -1331,18 +1388,18 @@
   "hunyuan-t1-20250321": {
     "description": "Construye de manera integral las capacidades de modelos en ciencias exactas y humanidades, con una fuerte capacidad para capturar información de textos largos. Soporta la inferencia y respuesta a problemas científicos de diversas dificultades, incluyendo matemáticas, lógica, ciencias y código."
   },
+  "hunyuan-t1-20250403": {
+    "description": "Mejora la capacidad de generación de código a nivel de proyecto; mejora la calidad de la escritura generada en texto; mejora la comprensión de temas en texto, el seguimiento de instrucciones tob en múltiples rondas y la comprensión de palabras; optimiza problemas de salida con mezcla de caracteres tradicionales y simplificados, así como mezcla de chino e inglés."
+  },
+  "hunyuan-t1-20250529": {
+    "description": "Optimiza la creación de textos, redacción de ensayos, mejora habilidades en programación frontend, matemáticas y razonamiento lógico, y aumenta la capacidad de seguir instrucciones."
+  },
   "hunyuan-t1-latest": {
     "description": "El primer modelo de inferencia híbrido de gran escala Hybrid-Transformer-Mamba de la industria, que amplía la capacidad de inferencia, ofrece una velocidad de decodificación excepcional y alinea aún más con las preferencias humanas."
   },
   "hunyuan-t1-vision": {
     "description": "Modelo de pensamiento profundo multimodal Hunyuan, que soporta cadenas de pensamiento nativas multimodales, sobresale en diversos escenarios de razonamiento con imágenes y mejora significativamente en problemas científicos en comparación con modelos de pensamiento rápido."
   },
-  "hunyuan-translation": {
-    "description": "Soporta la traducción entre 15 idiomas, incluyendo chino, inglés, japonés, francés, portugués, español, turco, ruso, árabe, coreano, italiano, alemán, vietnamita, malayo e indonesio, con evaluación automatizada basada en el conjunto de evaluación de traducción en múltiples escenarios y puntuación COMET, superando en general a modelos de tamaño similar en la capacidad de traducción entre idiomas comunes."
-  },
-  "hunyuan-translation-lite": {
-    "description": "El modelo de traducción Hunyuan admite traducción en un formato de diálogo natural; soporta la traducción entre chino, inglés, japonés, francés, portugués, español, turco, ruso, árabe, coreano, italiano, alemán, vietnamita, malayo e indonesio."
-  },
   "hunyuan-turbo": {
     "description": "Versión preliminar de la nueva generación del modelo de lenguaje de Hunyuan, que utiliza una nueva estructura de modelo de expertos mixtos (MoE), con una eficiencia de inferencia más rápida y un rendimiento más fuerte en comparación con Hunyuan-Pro."
   },
@@ -1355,8 +1412,14 @@
   "hunyuan-turbo-vision": {
     "description": "El nuevo modelo insignia de lenguaje visual de Hunyuan de nueva generación, que utiliza una nueva estructura de modelo de expertos mixtos (MoE), mejorando de manera integral las capacidades de reconocimiento básico, creación de contenido, preguntas y respuestas de conocimiento, y análisis y razonamiento en comparación con la generación anterior de modelos."
   },
-  "hunyuan-turbos-20250226": {
-    "description": "hunyuan-TurboS pv2.1.2 es una versión fija con un aumento en el número de tokens de entrenamiento; mejora en las capacidades de pensamiento en matemáticas/lógica/código; mejora en la experiencia general en chino e inglés, incluyendo creación de textos, comprensión de textos, preguntas y respuestas de conocimiento, y charlas informales."
+  "hunyuan-turbos-20250313": {
+    "description": "Unificación del estilo de pasos para resolver problemas matemáticos, fortaleciendo las preguntas y respuestas multilínea en matemáticas. Optimización del estilo de respuesta en creación de texto, eliminando el tono artificial de IA y aumentando la elegancia literaria."
+  },
+  "hunyuan-turbos-20250416": {
+    "description": "Actualización de la base de preentrenamiento para fortalecer la comprensión y el seguimiento de instrucciones; mejora en matemáticas, programación, lógica y ciencias durante la fase de alineación; mejora en calidad de escritura creativa, comprensión de texto, precisión en traducción y preguntas de conocimiento en humanidades; refuerzo de capacidades de agentes en diversos campos, con especial énfasis en la comprensión de diálogos multilínea."
+  },
+  "hunyuan-turbos-20250604": {
+    "description": "Actualización de la base de preentrenamiento, mejora en la escritura y comprensión lectora, aumento significativo en habilidades de programación y ciencias, y progreso continuo en el seguimiento de instrucciones complejas."
   },
   "hunyuan-turbos-latest": {
     "description": "hunyuan-TurboS es la última versión del modelo insignia Hunyuan, con una mayor capacidad de pensamiento y una mejor experiencia."
@@ -1364,15 +1427,12 @@
   "hunyuan-turbos-longtext-128k-20250325": {
     "description": "Especializado en tareas de texto largo como resúmenes de documentos y preguntas sobre documentos, también tiene la capacidad de manejar tareas generales de generación de texto. Destaca en el análisis y generación de textos largos, capaz de abordar eficazmente las necesidades complejas y detalladas de procesamiento de contenido extenso."
   },
-  "hunyuan-turbos-vision": {
-    "description": "Este modelo es adecuado para escenarios de comprensión de texto e imagen, es un nuevo modelo de lenguaje visual de última generación basado en los turbos de Hunyuan, enfocado en tareas relacionadas con la comprensión de texto e imagen, incluyendo reconocimiento de entidades basado en imágenes, preguntas y respuestas de conocimiento, creación de contenido, resolución de problemas a partir de fotos, etc., con mejoras generales en comparación con la generación anterior."
+  "hunyuan-turbos-role-plus": {
+    "description": "Modelo de rol más reciente de Hunyuan, afinado oficialmente por Hunyuan, entrenado adicionalmente con conjuntos de datos de escenarios de juego de roles, ofreciendo mejores resultados básicos en dichos escenarios."
   },
   "hunyuan-vision": {
     "description": "El último modelo multimodal de Hunyuan, que admite la entrada de imágenes y texto para generar contenido textual."
   },
-  "internlm/internlm2_5-20b-chat": {
-    "description": "El innovador modelo de código abierto InternLM2.5 mejora la inteligencia del diálogo mediante un gran número de parámetros."
-  },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 ofrece soluciones de diálogo inteligente en múltiples escenarios."
   },
@@ -1400,6 +1460,9 @@
   "kimi-latest": {
     "description": "El producto asistente inteligente Kimi utiliza el último modelo grande de Kimi, que puede incluir características que aún no están estables. Soporta la comprensión de imágenes y seleccionará automáticamente el modelo de facturación de 8k/32k/128k según la longitud del contexto de la solicitud."
   },
+  "kimi-thinking-preview": {
+    "description": "El modelo kimi-thinking-preview, proporcionado por la cara oculta de la luna, es un modelo multimodal de pensamiento con capacidades de razonamiento multimodal y general, especializado en razonamiento profundo para ayudar a resolver problemas más complejos."
+  },
   "learnlm-1.5-pro-experimental": {
     "description": "LearnLM es un modelo de lenguaje experimental y específico para tareas, entrenado para cumplir con los principios de la ciencia del aprendizaje, capaz de seguir instrucciones sistemáticas en escenarios de enseñanza y aprendizaje, actuando como un tutor experto, entre otros."
   },
@@ -1781,6 +1844,9 @@
   "moonshot-v1-auto": {
     "description": "Moonshot V1 Auto puede seleccionar el modelo adecuado según la cantidad de tokens ocupados en el contexto actual."
   },
+  "moonshotai/Kimi-Dev-72B": {
+    "description": "Kimi-Dev-72B es un modelo de código abierto de gran escala, optimizado mediante aprendizaje reforzado a gran escala, capaz de generar parches robustos y listos para producción. Este modelo alcanzó un nuevo récord del 60.4 % en SWE-bench Verified, estableciendo un nuevo estándar para modelos de código abierto en tareas automatizadas de ingeniería de software como la corrección de errores y la revisión de código."
+  },
   "nousresearch/hermes-2-pro-llama-3-8b": {
     "description": "Hermes 2 Pro Llama 3 8B es una versión mejorada de Nous Hermes 2, que incluye los conjuntos de datos más recientes desarrollados internamente."
   },
@@ -1802,15 +1868,27 @@
   "o1-preview": {
     "description": "o1 es el nuevo modelo de inferencia de OpenAI, adecuado para tareas complejas que requieren un amplio conocimiento general. Este modelo tiene un contexto de 128K y una fecha de corte de conocimiento en octubre de 2023."
   },
+  "o1-pro": {
+    "description": "La serie o1 ha sido entrenada mediante aprendizaje reforzado para pensar antes de responder y ejecutar tareas de razonamiento complejas. El modelo o1-pro utiliza más recursos computacionales para un pensamiento más profundo, proporcionando respuestas de calidad superior de manera continua."
+  },
   "o3": {
     "description": "o3 es un modelo versátil y potente, que destaca en múltiples campos. Establece un nuevo estándar para tareas de matemáticas, ciencia, programación y razonamiento visual. También es hábil en redacción técnica y seguimiento de instrucciones. Los usuarios pueden utilizarlo para analizar texto, código e imágenes, resolviendo problemas complejos de múltiples pasos."
   },
+  "o3-deep-research": {
+    "description": "o3-deep-research es nuestro modelo de investigación profunda más avanzado, diseñado específicamente para manejar tareas complejas de investigación en múltiples pasos. Puede buscar y sintetizar información de Internet, así como acceder y utilizar tus propios datos a través del conector MCP."
+  },
   "o3-mini": {
     "description": "o3-mini es nuestro último modelo de inferencia de tamaño pequeño, que ofrece alta inteligencia con los mismos objetivos de costo y latencia que o1-mini."
   },
+  "o3-pro": {
+    "description": "El modelo o3-pro utiliza más capacidad computacional para pensar más profundamente y siempre ofrecer mejores respuestas, soportado únicamente bajo la API de Responses."
+  },
   "o4-mini": {
     "description": "o4-mini es nuestro último modelo de la serie o en formato pequeño. Está optimizado para una inferencia rápida y efectiva, mostrando una alta eficiencia y rendimiento en tareas de codificación y visuales."
   },
+  "o4-mini-deep-research": {
+    "description": "o4-mini-deep-research es nuestro modelo de investigación profunda más rápido y asequible, ideal para manejar tareas complejas de investigación en múltiples pasos. Puede buscar y sintetizar información de Internet, así como acceder y utilizar tus propios datos a través del conector MCP."
+  },
   "open-codestral-mamba": {
     "description": "Codestral Mamba es un modelo de lenguaje Mamba 2 enfocado en la generación de código, que proporciona un fuerte apoyo para tareas avanzadas de codificación y razonamiento."
   },
@@ -1886,11 +1964,17 @@
   "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."
   },
-  "qvq-max-latest": {
-    "description": "El modelo de razonamiento visual QVQ de Tongyi Qianwen admite entradas visuales y salidas de cadena de pensamiento, mostrando capacidades más fuertes en matemáticas, programación, análisis visual, creación y tareas generales."
+  "qvq-max": {
+    "description": "Modelo de razonamiento visual QVQ de Tongyi Qianwen, que soporta entrada visual y salida de cadena de pensamiento, mostrando capacidades superiores en matemáticas, programación, análisis visual, creación y tareas generales."
   },
-  "qwen-coder-plus-latest": {
-    "description": "Modelo de código Qwen de Tongyi."
+  "qvq-plus": {
+    "description": "Modelo de razonamiento visual. Soporta entrada visual y salida en cadena de pensamiento. Versión plus lanzada tras el modelo qvq-max, con mayor velocidad de razonamiento y un equilibrio mejorado entre eficacia y coste en comparación con qvq-max."
+  },
+  "qwen-coder-plus": {
+    "description": "Modelo de código Tongyi Qianwen."
+  },
+  "qwen-coder-turbo": {
+    "description": "Modelo de código Tongyi Qianwen."
   },
   "qwen-coder-turbo-latest": {
     "description": "El modelo de código Tongyi Qwen."
@@ -1898,41 +1982,44 @@
   "qwen-long": {
     "description": "Qwen es un modelo de lenguaje a gran escala que admite contextos de texto largos y funciones de conversación basadas en documentos largos y múltiples."
   },
+  "qwen-math-plus": {
+    "description": "Modelo matemático Tongyi Qianwen especializado en resolución de problemas matemáticos."
+  },
   "qwen-math-plus-latest": {
     "description": "El modelo de matemáticas Tongyi Qwen está diseñado específicamente para resolver problemas matemáticos."
   },
+  "qwen-math-turbo": {
+    "description": "Modelo matemático Tongyi Qianwen especializado en resolución de problemas matemáticos."
+  },
   "qwen-math-turbo-latest": {
     "description": "El modelo de matemáticas Tongyi Qwen está diseñado específicamente para resolver problemas matemáticos."
   },
   "qwen-max": {
     "description": "El modelo de lenguaje a gran escala Qwen Max, de billones de parámetros, admite entradas en diferentes idiomas como chino e inglés, y actualmente es el modelo API detrás de la versión del producto Qwen 2.5."
   },
-  "qwen-max-latest": {
-    "description": "El modelo de lenguaje a gran escala Tongyi Qwen de nivel de cientos de miles de millones, que admite entradas en diferentes idiomas como chino e inglés, es el modelo API detrás de la versión del producto Tongyi Qwen 2.5."
-  },
-  "qwen-omni-turbo-latest": {
-    "description": "La serie de modelos Qwen-Omni admite la entrada de datos en múltiples modalidades, incluyendo video, audio, imágenes y texto, y produce audio y texto como salida."
+  "qwen-omni-turbo": {
+    "description": "La serie Qwen-Omni soporta entrada de múltiples modalidades, incluyendo video, audio, imágenes y texto, y produce salida en audio y texto."
   },
   "qwen-plus": {
     "description": "La versión mejorada del modelo de lenguaje a gran escala Qwen admite entradas en diferentes idiomas como chino e inglés."
   },
-  "qwen-plus-latest": {
-    "description": "La versión mejorada del modelo de lenguaje a gran escala Tongyi Qwen, que admite entradas en diferentes idiomas como chino e inglés."
-  },
   "qwen-turbo": {
     "description": "El modelo de lenguaje a gran escala Qwen-Turbo admite entradas en diferentes idiomas como chino e inglés."
   },
-  "qwen-turbo-latest": {
-    "description": "El modelo de lenguaje a gran escala Tongyi Qwen, que admite entradas en diferentes idiomas como chino e inglés."
-  },
   "qwen-vl-chat-v1": {
     "description": "Qwen VL admite formas de interacción flexibles, incluyendo múltiples imágenes, preguntas y respuestas en múltiples rondas, y capacidades creativas."
   },
+  "qwen-vl-max": {
+    "description": "Modelo visual-lingüístico a gran escala Tongyi Qianwen de máxima capacidad. En comparación con la versión mejorada, incrementa aún más la capacidad de razonamiento visual y el seguimiento de instrucciones, ofreciendo un nivel superior de percepción y cognición visual."
+  },
   "qwen-vl-max-latest": {
     "description": "Modelo de lenguaje visual a ultra gran escala Tongyi Qianwen. En comparación con la versión mejorada, mejora aún más la capacidad de razonamiento visual y de seguimiento de instrucciones, ofreciendo un nivel más alto de percepción y cognición visual."
   },
-  "qwen-vl-ocr-latest": {
-    "description": "Qwen OCR es un modelo especializado en extracción de texto, enfocado en la capacidad de extraer texto de imágenes de documentos, tablas, exámenes, escritura a mano, entre otros. Puede reconocer múltiples idiomas, actualmente soporta: chino, inglés, francés, japonés, coreano, alemán, ruso, italiano, vietnamita y árabe."
+  "qwen-vl-ocr": {
+    "description": "Tongyi Qianwen OCR es un modelo especializado en extracción de texto, enfocado en documentos, tablas, exámenes y escritura manuscrita. Puede reconocer múltiples idiomas, incluyendo chino, inglés, francés, japonés, coreano, alemán, ruso, italiano, vietnamita y árabe."
+  },
+  "qwen-vl-plus": {
+    "description": "Versión mejorada del modelo visual-lingüístico a gran escala Tongyi Qianwen. Mejora considerablemente la capacidad de reconocimiento de detalles y texto, soportando imágenes con resolución superior a un millón de píxeles y proporciones de aspecto arbitrarias."
   },
   "qwen-vl-plus-latest": {
     "description": "Versión mejorada del modelo de lenguaje visual a gran escala Tongyi Qianwen. Mejora significativamente la capacidad de reconocimiento de detalles y de texto, soportando imágenes con resolución de más de un millón de píxeles y proporciones de ancho y alto arbitrarias."
@@ -2021,6 +2108,9 @@
   "qwen2.5-coder-1.5b-instruct": {
     "description": "La versión de código abierto del modelo Qwen para codificación."
   },
+  "qwen2.5-coder-14b-instruct": {
+    "description": "Versión de código de código abierto del modelo Tongyi Qianwen."
+  },
   "qwen2.5-coder-32b-instruct": {
     "description": "Versión de código abierto del modelo de código Qwen de Tongyi."
   },
@@ -2111,8 +2201,8 @@
   "qwq-32b-preview": {
     "description": "El modelo QwQ es un modelo de investigación experimental desarrollado por el equipo de Qwen, enfocado en mejorar la capacidad de razonamiento de la IA."
   },
-  "qwq-plus-latest": {
-    "description": "El modelo de inferencia QwQ, entrenado con el modelo Qwen2.5, ha mejorado significativamente su capacidad de inferencia a través del aprendizaje por refuerzo. Los indicadores clave del modelo, como el código matemático y otros indicadores centrales (AIME 24/25, LiveCodeBench), así como algunos indicadores generales (IFEval, LiveBench, etc.), han alcanzado el nivel del modelo DeepSeek-R1 en su versión completa."
+  "qwq-plus": {
+    "description": "Modelo de razonamiento QwQ basado en el modelo Qwen2.5, que mejora significativamente la capacidad de razonamiento mediante aprendizaje reforzado. Los indicadores clave en matemáticas y código (AIME 24/25, LiveCodeBench) y algunos indicadores generales (IFEval, LiveBench, etc.) alcanzan el nivel completo de DeepSeek-R1."
   },
   "qwq_32b": {
     "description": "Modelo de inferencia de tamaño mediano de la serie Qwen. En comparación con los modelos tradicionales de ajuste por instrucciones, QwQ, que posee capacidades de pensamiento y razonamiento, puede mejorar significativamente el rendimiento en tareas de resolución de problemas, especialmente en tareas difíciles."
@@ -2195,6 +2285,9 @@
   "taichu_vl": {
     "description": "Integra capacidades de comprensión de imágenes, transferencia de conocimiento y atribución lógica, destacándose en el campo de preguntas y respuestas basadas en texto e imagen."
   },
+  "tencent/Hunyuan-A13B-Instruct": {
+    "description": "Hunyuan-A13B-Instruct cuenta con 80 mil millones de parámetros, activando solo 13 mil millones para igualar modelos más grandes, soporta razonamiento híbrido de \"pensamiento rápido/pensamiento lento\"; comprensión estable de textos largos; validado por BFCL-v3 y τ-Bench, con capacidades avanzadas de agente; combina GQA y múltiples formatos de cuantificación para lograr inferencias eficientes."
+  },
   "text-embedding-3-large": {
     "description": "El modelo de vectorización más potente, adecuado para tareas en inglés y no inglés."
   },
@@ -2246,6 +2339,15 @@
   "us.anthropic.claude-3-7-sonnet-20250219-v1:0": {
     "description": "Claude 3.7 sonnet es el modelo de próxima generación más rápido de Anthropic. En comparación con Claude 3 Haiku, Claude 3.7 Sonnet ha mejorado en todas las habilidades y ha superado al modelo más grande de la generación anterior, Claude 3 Opus, en muchas pruebas de referencia de inteligencia."
   },
+  "v0-1.0-md": {
+    "description": "El modelo v0-1.0-md es una versión antigua que ofrece servicios a través de la API v0"
+  },
+  "v0-1.5-lg": {
+    "description": "El modelo v0-1.5-lg es adecuado para tareas avanzadas de pensamiento o razonamiento"
+  },
+  "v0-1.5-md": {
+    "description": "El modelo v0-1.5-md es adecuado para tareas cotidianas y generación de interfaces de usuario (UI)"
+  },
   "whisper-1": {
     "description": "Modelo de reconocimiento de voz general, que admite reconocimiento de voz multilingüe, traducción de voz y reconocimiento de idiomas."
   },

locales/es-ES/plugin.json

@@ -12,6 +12,15 @@
     "tool_call": "solicitud de llamada de herramienta"
   },
   "detailModal": {
+    "customPlugin": {
+      "description": "Por favor, visite la página de edición para ver los detalles",
+      "editBtn": "Editar ahora",
+      "title": "Este es un complemento personalizado"
+    },
+    "emptyState": {
+      "description": "Por favor, instale este complemento para ver sus capacidades y opciones de configuración",
+      "title": "Ver detalles del complemento después de la instalación"
+    },
     "info": {
       "description": "Descripción de la API",
       "name": "Nombre de la API"
@@ -230,6 +239,50 @@
     },
     "title": "Archivos locales"
   },
+  "mcpInstall": {
+    "CHECKING_INSTALLATION": "Comprobando el entorno de instalación...",
+    "COMPLETED": "Instalación completada",
+    "CONFIGURATION_REQUIRED": "Por favor, complete la configuración necesaria antes de continuar con la instalación",
+    "ERROR": "Error de instalación",
+    "FETCHING_MANIFEST": "Obteniendo el archivo de descripción del plugin...",
+    "GETTING_SERVER_MANIFEST": "Inicializando el servidor MCP...",
+    "INSTALLING_PLUGIN": "Instalando el plugin...",
+    "configurationDescription": "Este plugin MCP requiere parámetros de configuración para funcionar correctamente, por favor complete la información necesaria",
+    "configurationRequired": "Configurar parámetros del plugin",
+    "continueInstall": "Continuar instalación",
+    "dependenciesDescription": "Este plugin requiere la instalación de las siguientes dependencias del sistema para funcionar correctamente. Por favor, instale las dependencias faltantes según las indicaciones y luego haga clic en 'Revisar de nuevo' para continuar la instalación.",
+    "dependenciesRequired": "Por favor, instale las dependencias del sistema para el plugin",
+    "dependencyStatus": {
+      "installed": "Instalado",
+      "notInstalled": "No instalado",
+      "requiredVersion": "Versión requerida: {{version}}"
+    },
+    "errorDetails": {
+      "args": "Parámetros",
+      "command": "Comando",
+      "connectionParams": "Parámetros de conexión",
+      "env": "Variables de entorno",
+      "errorOutput": "Registro de errores",
+      "exitCode": "Código de salida",
+      "hideDetails": "Ocultar detalles",
+      "originalError": "Error original",
+      "showDetails": "Mostrar detalles"
+    },
+    "errorTypes": {
+      "CONNECTION_FAILED": "Conexión fallida",
+      "INITIALIZATION_TIMEOUT": "Tiempo de inicialización agotado",
+      "PROCESS_SPAWN_ERROR": "Error al iniciar el proceso",
+      "UNKNOWN_ERROR": "Error desconocido",
+      "VALIDATION_ERROR": "Error de validación de parámetros"
+    },
+    "installError": "La instalación del plugin MCP falló, motivo: {{detail}}",
+    "installMethods": {
+      "manual": "Instalación manual:",
+      "recommended": "Método de instalación recomendado:"
+    },
+    "recheckDependencies": "Revisar de nuevo",
+    "skipDependencies": "Omitir revisión"
+  },
   "pluginList": "Lista de complementos",
   "search": {
     "apiName": {
@@ -266,16 +319,48 @@
   },
   "setting": "Configuración de complementos",
   "settings": {
+    "capabilities": {
+      "prompts": "Indicaciones",
+      "resources": "Recursos",
+      "title": "Capacidades del plugin",
+      "tools": "Herramientas"
+    },
+    "configuration": {
+      "title": "Configuración del plugin"
+    },
+    "connection": {
+      "args": "Parámetros de inicio",
+      "command": "Comando de inicio",
+      "title": "Información de conexión",
+      "type": "Tipo de conexión",
+      "url": "Dirección del servicio"
+    },
+    "edit": "Editar",
+    "envConfigDescription": "Estas configuraciones se pasarán como variables de entorno al proceso cuando se inicie el servidor MCP",
+    "httpTypeNotice": "Los complementos MCP de tipo HTTP no requieren variables de entorno configurables",
     "indexUrl": {
       "title": "Índice de mercado",
       "tooltip": "No se admite la edición en línea. Configure a través de variables de entorno al implementar."
     },
+    "messages": {
+      "connectionUpdateFailed": "Error al actualizar la información de conexión",
+      "connectionUpdateSuccess": "Información de conexión actualizada con éxito",
+      "envUpdateFailed": "Error al guardar las variables de entorno",
+      "envUpdateSuccess": "Variables de entorno guardadas con éxito"
+    },
     "modalDesc": "Después de configurar la dirección del mercado de complementos, puede utilizar un mercado personalizado de complementos.",
+    "rules": {
+      "argsRequired": "Por favor, introduzca los parámetros de inicio",
+      "commandRequired": "Por favor, introduzca el comando de inicio",
+      "urlRequired": "Por favor, introduzca la dirección del servicio"
+    },
+    "saveSettings": "Guardar configuración",
     "title": "Configuración del mercado de complementos"
   },
   "showInPortal": "Por favor, consulta los detalles en el portal de trabajo",
   "store": {
     "actions": {
+      "cancel": "Cancelar instalación",
       "confirmUninstall": "Está a punto de desinstalar este complemento. Se eliminará la configuración del complemento. Confirme su acción.",
       "detail": "Detalles",
       "install": "Instalar",
@@ -286,13 +371,15 @@
     "communityPlugin": "Comunidad",
     "customPlugin": "Personalizado",
     "empty": "No hay complementos instalados",
+    "emptySelectHint": "Seleccione un complemento para previsualizar los detalles",
     "installAllPlugins": "Instalar todos",
     "networkError": "Error al obtener la tienda de complementos. Verifique la conexión a internet e inténtelo de nuevo.",
     "placeholder": "Buscar por nombre, descripción o palabra clave del complemento...",
     "releasedAt": "Publicado el {{createdAt}}",
     "tabs": {
-      "all": "Todos",
-      "installed": "Instalados"
+      "installed": "Instalados",
+      "mcp": "Complemento MCP",
+      "old": "Plugin LobeChat"
     },
     "title": "Tienda de complementos"
   },

locales/es-ES/providers.json

@@ -71,6 +71,9 @@
   "mistral": {
     "description": "Mistral ofrece modelos avanzados generales, especializados y de investigación, ampliamente utilizados en razonamiento complejo, tareas multilingües, generación de código, etc. A través de interfaces de llamada de funciones, los usuarios pueden integrar funciones personalizadas para aplicaciones específicas."
   },
+  "modelscope": {
+    "description": "ModelScope es una plataforma de modelo como servicio lanzada por Alibaba Cloud, que ofrece una amplia variedad de modelos de IA y servicios de inferencia."
+  },
   "moonshot": {
     "description": "Moonshot es una plataforma de código abierto lanzada por Beijing Dark Side Technology Co., que ofrece una variedad de modelos de procesamiento del lenguaje natural, con aplicaciones en campos amplios, incluyendo pero no limitado a creación de contenido, investigación académica, recomendaciones inteligentes y diagnóstico médico, apoyando el procesamiento de textos largos y tareas de generación complejas."
   },
@@ -131,6 +134,9 @@
   "upstage": {
     "description": "Upstage se centra en desarrollar modelos de IA para diversas necesidades comerciales, incluidos Solar LLM y Document AI, con el objetivo de lograr una inteligencia general artificial (AGI) que trabaje para las personas. Crea agentes de diálogo simples a través de la API de Chat y admite llamadas de funciones, traducción, incrustaciones y aplicaciones de dominio específico."
   },
+  "v0": {
+    "description": "v0 es un asistente de programación en pareja; solo necesitas describir tus ideas en lenguaje natural y él generará código e interfaces de usuario (UI) para tu proyecto."
+  },
   "vertexai": {
     "description": "La serie Gemini de Google es su modelo de IA más avanzado y versátil, desarrollado por Google DeepMind, diseñado específicamente para ser multimodal, soportando la comprensión y procesamiento sin interrupciones de texto, código, imágenes, audio y video. Es adecuado para una variedad de entornos, desde centros de datos hasta dispositivos móviles, mejorando enormemente la eficiencia y la aplicabilidad de los modelos de IA."
   },

locales/es-ES/setting.json

@@ -129,6 +129,7 @@
     "waitingForMore": "Más modelos están en <1>planificación para su incorporación</1>, ¡estén atentos!"
   },
   "plugin": {
+    "addMCPPlugin": "Agregar complemento MCP",
     "addTooltip": "Agregar complemento personalizado",
     "clearDeprecated": "Eliminar complementos obsoletos",
     "empty": "No hay complementos instalados actualmente, visita la <1>tienda de complementos</1> para explorar",
@@ -220,7 +221,7 @@
     },
     "inputTemplate": {
       "desc": "El último mensaje del usuario se completará en esta plantilla",
-      "placeholder": "La plantilla de preprocesamiento {{input_template}} se reemplazará por la información de entrada en tiempo real",
+      "placeholder": "La plantilla de preprocesamiento {{text}} se reemplazará por la información de entrada en tiempo real",
       "title": "Preprocesamiento de entrada del usuario"
     },
     "submit": "Actualizar preferencias de chat",
@@ -240,7 +241,19 @@
     "mermaidTheme": {
       "title": "Tema Sirena"
     },
-    "title": "Apariencia del Chat"
+    "title": "Apariencia del Chat",
+    "transitionMode": {
+      "desc": "Animación de transición de los mensajes de chat",
+      "options": {
+        "fadeIn": "Aparecer gradualmente",
+        "none": {
+          "desc": "Depende de la forma en que el modelo genera la respuesta, por favor pruébelo usted mismo.",
+          "value": "Ninguna"
+        },
+        "smooth": "Suave"
+      },
+      "title": "Animación de transición"
+    }
   },
   "settingCommon": {
     "lang": {
@@ -259,6 +272,9 @@
     "enableMaxTokens": {
       "title": "Activar límite de tokens por respuesta"
     },
+    "enableReasoningEffort": {
+      "title": "Activar ajuste de intensidad de razonamiento"
+    },
     "frequencyPenalty": {
       "desc": "Cuanto mayor sea el valor, más rica y variada será la elección de palabras; cuanto menor sea el valor, más simples y directas serán las palabras.",
       "title": "Riqueza del vocabulario"
@@ -278,6 +294,15 @@
       "desc": "Cuanto mayor sea el valor, más se inclinará hacia diferentes formas de expresión, evitando la repetición de conceptos; cuanto menor sea el valor, más se inclinará hacia el uso de conceptos o narrativas repetidas, expresando mayor consistencia.",
       "title": "Diversidad de expresión"
     },
+    "reasoningEffort": {
+      "desc": "Cuanto mayor sea el valor, más fuerte será la capacidad de razonamiento, pero puede aumentar el tiempo de respuesta y el consumo de tokens",
+      "options": {
+        "high": "Alto",
+        "low": "Bajo",
+        "medium": "Medio"
+      },
+      "title": "Intensidad de razonamiento"
+    },
     "submit": "Actualizar configuración del modelo",
     "temperature": {
       "desc": "Cuanto mayor sea el valor, más creativas e imaginativas serán las respuestas; cuanto menor sea el valor, más rigurosas serán las respuestas",

locales/fa-IR/discover.json

@@ -10,13 +10,57 @@
     },
     "description": "معرفی دستیار",
     "detail": "جزئیات",
+    "details": {
+      "capabilities": {
+        "knowledge": {
+          "desc": "دستیار شامل پایگاه‌های دانش زیر است که به شما در پاسخ به سوالات بیشتر کمک می‌کند.",
+          "title": "پایگاه دانش"
+        },
+        "plugin": {
+          "desc": "دستیار شامل افزونه‌های زیر است که به شما در انجام وظایف بیشتر کمک می‌کند.",
+          "title": "افزونه‌های داخلی"
+        },
+        "title": "قابلیت‌های دستیار"
+      },
+      "overview": {
+        "example": "نمایش دستیار",
+        "title": "بررسی اجمالی"
+      },
+      "related": {
+        "listTitle": "دستیارهای مرتبط",
+        "more": "مشاهده بیشتر",
+        "title": "مطالب مرتبط"
+      },
+      "sidebar": {
+        "toc": "فهرست مطالب"
+      },
+      "summary": {
+        "title": "شما با این دستیار چه کارهایی می‌توانید انجام دهید؟"
+      },
+      "systemRole": {
+        "openingMessage": "پیام آغازین",
+        "openingQuestions": "سوالات آغازین",
+        "title": "تنظیمات دستیار"
+      }
+    },
     "list": "فهرست دستیاران",
     "more": "بیشتر",
     "plugins": "افزونه‌های یکپارچه",
     "recentSubmits": "آخرین به‌روزرسانی‌ها",
+    "sorts": {
+      "createdAt": "تازه‌ترین انتشار",
+      "identifier": "شناسه دستیار",
+      "knowledgeCount": "تعداد پایگاه‌های دانش",
+      "pluginCount": "تعداد افزونه‌ها",
+      "title": "نام دستیار",
+      "tokenUsage": "میزان استفاده از توکن"
+    },
     "suggestions": "پیشنهادات مرتبط",
     "systemRole": "تنظیمات دستیار",
-    "try": "امتحان کنید"
+    "tokenUsage": "میزان استفاده از توکن‌های راهنمای دستیار",
+    "try": "امتحان کنید",
+    "withKnowledge": "این دستیار دارای پایگاه دانش است",
+    "withPlugin": "این دستیار دارای افزونه است"
   },
   "back": "بازگشت به اکتشاف",
   "category": {
@@ -41,6 +85,7 @@
       "all": "همه",
       "gaming-entertainment": "بازی و سرگرمی",
       "life-style": "سبک زندگی",
+      "lifestyle": "سبک زندگی",
       "media-generate": "تولید رسانه",
       "science-education": "علم و آموزش",
       "social": "رسانه‌های اجتماعی",
@@ -102,10 +147,368 @@
     "featuredTools": "افزونه‌های پیشنهادی",
     "more": "کشف بیشتر"
   },
+  "isClaimed": "ادعا شده",
+  "isFeatured": "پیشنهاد شده",
+  "isOfficial": "تأیید شده رسمی",
   "like": "دوست داشتن",
+  "mcp": {
+    "categories": {
+      "all": {
+        "description": "تمام سرورهای MCP",
+        "name": "همه"
+      },
+      "business": {
+        "description": "خدمات تجاری و سازمانی",
+        "name": "خدمات تجاری"
+      },
+      "developer": {
+        "description": "ابزارها و خدمات مرتبط با توسعه",
+        "name": "ابزارهای توسعه"
+      },
+      "gaming-entertainment": {
+        "description": "بازی، سرگرمی و فعالیت‌های تفریحی",
+        "name": "بازی و سرگرمی"
+      },
+      "health-wellness": {
+        "description": "سلامت، تناسب اندام و مراقبت‌های جسمی و روانی",
+        "name": "سلامت و تندرستی"
+      },
+      "lifestyle": {
+        "description": "سبک زندگی شخصی، عادات و فعالیت‌های روزمره",
+        "name": "سبک زندگی"
+      },
+      "media-generate": {
+        "description": "تولید، ویرایش و پردازش رسانه",
+        "name": "تولید رسانه"
+      },
+      "news": {
+        "description": "خدمات جمع‌آوری اخبار، گزارش و اطلاعات",
+        "name": "اخبار و اطلاعات"
+      },
+      "productivity": {
+        "description": "مدیریت وظایف، یادداشت‌ها و ابزارهای بهره‌وری",
+        "name": "ابزارهای بهره‌وری"
+      },
+      "science-education": {
+        "description": "ابزارهای تحقیق علمی، یادگیری و آموزش",
+        "name": "علم و آموزش"
+      },
+      "social": {
+        "description": "شبکه‌های اجتماعی و ارتباطات",
+        "name": "رسانه‌های اجتماعی"
+      },
+      "stocks-finance": {
+        "description": "بازارهای مالی، معاملات و سرمایه‌گذاری",
+        "name": "بورس و مالی"
+      },
+      "tools": {
+        "description": "ابزارها و خدمات عمومی و کاربردی",
+        "name": "ابزارهای کاربردی"
+      },
+      "travel-transport": {
+        "description": "برنامه‌ریزی سفر و حمل و نقل",
+        "name": "سفر و حمل و نقل"
+      },
+      "weather": {
+        "description": "پیش‌بینی هوا و خدمات هواشناسی",
+        "name": "هواشناسی"
+      },
+      "web-search": {
+        "description": "جستجوی وب و بازیابی اطلاعات",
+        "name": "بازیابی اطلاعات"
+      }
+    },
+    "details": {
+      "connectionType": {
+        "hybrid": {
+          "desc": "این سرویس می‌تواند بر اساس پیکربندی یا سناریوی استفاده، به صورت محلی یا ابری اجرا شود و دارای قابلیت اجرای دوگانه است.",
+          "title": "سرویس ترکیبی"
+        },
+        "local": {
+          "desc": "این سرور فقط روی دستگاه محلی کلاینت اجرا می‌شود و نیاز به نصب و منابع محلی دارد.",
+          "title": "سرویس محلی"
+        },
+        "remote": {
+          "desc": "این سرور به صورت راه دور میزبانی می‌شود زیرا عمدتاً به سرویس‌های راه دور وابسته است و به محیط محلی وابسته نیست.",
+          "title": "سرویس ابری"
+        }
+      },
+      "deployment": {
+        "args": "پارامترها",
+        "checkCommand": "دستور بررسی",
+        "command": "دستور",
+        "commandLine": "وابستگی‌های سیستم",
+        "connection": "نوع اتصال",
+        "connectionType": "نوع اتصال",
+        "description": "روش نصب و استقرار افزونه",
+        "descriptionPlaceholder": "توضیحات اختیاری",
+        "empty": "گزینه استقرار موجود نیست",
+        "env": "متغیرهای محیطی",
+        "guide": "راهنمای نصب",
+        "installation": "نصب از طریق {{method}}",
+        "installationMethod": "روش نصب",
+        "other": "تنظیمات دیگر",
+        "packageName": "نام بسته",
+        "platform": {
+          "steps": {
+            "claude": "- برنامه **Claude Desktop** را باز کنید\n- به **تنظیمات** بروید و سپس **توسعه‌دهنده** را انتخاب کنید\n- روی **ویرایش پیکربندی** کلیک کنید\n- فایل **claude_desktop_config.json** را باز کنید\n- پیکربندی سرور را کپی و در فایل موجود جای‌گذاری کرده و ذخیره کنید",
+            "cline": "- VS Code با افزونه Cline را باز کنید\n- روی آیکون Cline در نوار کناری کلیک کنید\n- از منوی کشویی **MCP Servers** را انتخاب کنید\n- در برگه **Remote Servers** نام سرور و URL سرور MCP خود را وارد کنید\n- روی **Add Server** کلیک کنید تا متصل شوید",
+            "cursor": "- به **تنظیمات** بروید و تنظیمات Cursor را انتخاب کنید\n- در سمت چپ **MCP** را انتخاب کنید\n- روی **افزودن سرور جهانی جدید MCP** در بالا سمت راست کلیک کنید\n- پیکربندی سرور را کپی و در فایل موجود جای‌گذاری کرده و ذخیره کنید",
+            "lobeChat": "- برنامه **LobeChat دسکتاپ** را باز کنید\n- به **تنظیمات** - **دستیار پیش‌فرض** بروید\n- سپس **تنظیمات افزونه** - **افزونه سفارشی** را انتخاب کنید\n- روی **وارد کردن سریع پیکربندی JSON** کلیک کنید\n- پیکربندی سرور را در کادر متن جای‌گذاری کرده و نصب کنید",
+            "openai": "- برنامه **OpenAI** یا محیط توسعه خود را باز کنید\n- در API پاسخ‌ها MCP را پیکربندی کنید\n- بلوک MCP را به آرایه **tools** در درخواست API اضافه کنید\n- مقدار **server_url** را به نقطه پایانی سرور MCP خود تنظیم کنید\n- هدرهای مورد نیاز برای احراز هویت (کلید API، توکن و غیره) را شامل کنید\n- با پارامتر `allowed_tools` ابزارهای قابل دسترس را محدود کنید\n- با `require_approval` کنترل تایید اجرای ابزارها را تنظیم کنید",
+            "vscode": "- VS Code را باز کنید\n- پنل فرمان را باز کنید (`Ctrl+Shift+P` / `Cmd+Shift+P`)\n- عبارت **MCP: Add Server** را وارد کرده و انتخاب کنید\n- انتخاب کنید که به تنظیمات فضای کاری یا کاربر اضافه شود\n- پیکربندی سرور را کپی و جای‌گذاری کنید"
+          },
+          "title": "نصب در {{platform}}"
+        },
+        "recommended": "توصیه شده",
+        "systemDependencies": "وابستگی‌های سیستم",
+        "table": {
+          "description": "توضیحات",
+          "name": "نام",
+          "required": "الزامی",
+          "type": "نوع"
+        },
+        "title": "روش نصب"
+      },
+      "githubBadge": {
+        "desc": "LobeHub به طور منظم مخزن کد و مستندات را اسکن می‌کند تا:\n\n- اطمینان حاصل کند سرور MCP به درستی کار می‌کند.\n- ویژگی‌های سرور مانند ابزارها، منابع، پیام‌های راهنما و پارامترهای مورد نیاز را استخراج کند.\n- نشان ما به کاربران کمک می‌کند تا امنیت، ویژگی‌ها و راهنمای نصب سرور MCP را سریع ارزیابی کنند.\n\nلطفاً کد زیر را در فایل `README.md` خود کپی کنید:"
+      },
+      "nav": {
+        "needHelp": "نیاز به کمک؟",
+        "reportIssue": "گزارش مشکل",
+        "viewSourceCode": "مشاهده کد منبع"
+      },
+      "overview": {
+        "title": "بررسی اجمالی"
+      },
+      "related": {
+        "listTitle": "سرورهای MCP مرتبط",
+        "more": "مشاهده بیشتر",
+        "title": "مطالب مرتبط"
+      },
+      "schema": {
+        "mode": {
+          "docs": "مستندات"
+        },
+        "prompts": {
+          "arguments": "پیکربندی پارامترها",
+          "desc": "قالب‌های تعاملی که توسط کاربر برای راه‌اندازی انتخاب می‌شوند",
+          "empty": "هیچ راهنمایی موجود نیست",
+          "instructions": "دستورالعمل‌ها",
+          "table": {
+            "description": "توضیحات",
+            "name": "نام",
+            "required": "الزامی"
+          },
+          "title": "فهرست راهنمایی‌ها"
+        },
+        "resources": {
+          "desc": "داده‌های زمینه‌ای که توسط کلاینت اضافه و مدیریت می‌شوند",
+          "empty": "منبعی موجود نیست",
+          "table": {
+            "description": "توضیحات",
+            "mineType": "نوع MIME",
+            "name": "نام",
+            "uri": "آدرس URI"
+          },
+          "title": "فهرست منابع"
+        },
+        "title": "قابلیت‌های افزونه",
+        "tools": {
+          "desc": "رابط‌های عملکردی که به مدل زبان بزرگ (LLM) برای انجام عملیات ارائه می‌شود",
+          "empty": "ابزاری موجود نیست",
+          "inputSchema": "توضیح ورودی",
+          "instructions": "دستورالعمل‌ها",
+          "table": {
+            "description": "توضیحات",
+            "name": "نام",
+            "required": "الزامی",
+            "type": "نوع"
+          },
+          "title": "فهرست ابزارها"
+        }
+      },
+      "score": {
+        "claimed": {
+          "desc": "این سرور MCP توسط مالک آن تصدیق شده است تا مالکیت و مدیریت آن تضمین شود.",
+          "title": "توسط مالک تصدیق شده"
+        },
+        "deployMoreThanManual": {
+          "desc": "این سرور MCP روش‌های نصب دوستانه‌تری نسبت به Manual ارائه می‌دهد که به کاربران اجازه می‌دهد به آسانی نصب و استفاده کنند.",
+          "title": "روش‌های نصب دوستانه ارائه شده"
+        },
+        "deployment": {
+          "desc": "این سرور MCP حداقل یک روش نصب ارائه می‌دهد که به کاربران اجازه می‌دهد آن را نصب و استفاده کنند.",
+          "descWithCount": "این سرور MCP {{number}} روش نصب ارائه می‌دهد که به کاربران اجازه می‌دهد آن را نصب و استفاده کنند.",
+          "title": "حداقل یک روش نصب ارائه شده"
+        },
+        "license": {
+          "desc": "این مخزن شامل یک فایل LICENSE است.",
+          "descWithlicense": "مجوز این مخزن {{license}} است.",
+          "title": "دارای مجوز"
+        },
+        "listTitle": "جزئیات امتیاز",
+        "notClaimed": {
+          "desc": "اگر شما مالک این سرور MCP هستید، می‌توانید از طریق روش‌های زیر آن را تصدیق کنید.",
+          "title": "تصدیق نشده توسط مالک"
+        },
+        "prompts": {
+          "desc": "این سرور MCP راهنمایی‌هایی ارائه می‌دهد که به کاربران اجازه می‌دهد با سرویس تعامل داشته باشند.",
+          "descWithCount": "این سرور MCP {{number}} راهنمایی ارائه می‌دهد که به کاربران اجازه می‌دهد با سرویس تعامل داشته باشند.",
+          "title": "شامل راهنمایی‌ها"
+        },
+        "readme": {
+          "desc": "این مخزن شامل یک فایل README.md است.",
+          "title": "دارای README"
+        },
+        "resources": {
+          "desc": "این سرور MCP منابعی ارائه می‌دهد که به کاربران اجازه می‌دهد داده‌های زمینه‌ای را اضافه و مدیریت کنند.",
+          "descWithCount": "این سرور MCP {{number}} منبع ارائه می‌دهد که به کاربران اجازه می‌دهد داده‌های زمینه‌ای را اضافه و مدیریت کنند.",
+          "title": "شامل منابع"
+        },
+        "title": "امتیاز",
+        "tools": {
+          "desc": "سرویس باید حداقل یک ابزار ارائه دهد که به کاربران اجازه می‌دهد عملیات خاصی را انجام دهند.",
+          "descWithCount": "این سرور MCP {{number}} ابزار ارائه می‌دهد که به کاربران اجازه می‌دهد عملیات خاصی را انجام دهند.",
+          "title": "شامل حداقل یک ابزار"
+        },
+        "validated": {
+          "desc": "این سرور MCP از طریق نصب تایید شده است تا کیفیت و قابلیت اطمینان آن تضمین شود.",
+          "title": "تایید شده"
+        }
+      },
+      "scoreLevel": {
+        "a": {
+          "desc": "این سرور MCP به طور دقیق تایید شده و امکانات کامل و تجربه کاربری با کیفیت بالا ارائه می‌دهد.",
+          "fullTitle": "افزونه عالی",
+          "title": "عالی"
+        },
+        "b": {
+          "desc": "این سرور MCP امکانات و تجربه کاربری خوبی ارائه می‌دهد اما ممکن است در برخی جنبه‌ها نیاز به بهبود داشته باشد.",
+          "fullTitle": "عملکرد خوب",
+          "title": "خوب"
+        },
+        "f": {
+          "desc": "این سرور MCP ناقص یا کیفیت پایین دارد و به کاربران توصیه می‌شود با احتیاط استفاده کنند.",
+          "fullTitle": "کیفیت پایین",
+          "title": "ضعیف"
+        }
+      },
+      "settings": {
+        "capabilities": {
+          "prompts": "عبارات راهنما",
+          "resources": "منابع",
+          "title": "قابلیت‌های افزونه",
+          "tools": "ابزارها"
+        },
+        "configuration": {
+          "title": "پیکربندی افزونه"
+        },
+        "connection": {
+          "args": "پارامترهای راه‌اندازی",
+          "command": "دستور راه‌اندازی",
+          "title": "اطلاعات اتصال",
+          "type": "نوع اتصال",
+          "url": "آدرس سرویس"
+        },
+        "saveSettings": "ذخیره تنظیمات",
+        "title": "تنظیمات افزونه"
+      },
+      "sidebar": {
+        "install": "نصب سرور MCP",
+        "meta": {
+          "homepage": "صفحه اصلی",
+          "installCount": "تعداد نصب",
+          "language": "زبان منبع",
+          "license": "مجوز",
+          "published": "تاریخ انتشار",
+          "repo": "مخزن کد",
+          "stars": "تعداد ستاره",
+          "title": "اطلاعات جزئی",
+          "updated": "آخرین به‌روزرسانی"
+        },
+        "moreServerConfig": "مشاهده جزئیات",
+        "recommendServers": "سرورهای MCP مرتبط",
+        "serverConfig": "پیکربندی نصب",
+        "toc": "فهرست مطالب"
+      },
+      "summary": {
+        "title": "شما با این سرور MCP چه کارهایی می‌توانید انجام دهید؟"
+      },
+      "totalScore": {
+        "description": "امتیاز کلی محاسبه شده بر اساس شاخص‌های مختلف",
+        "legend": {
+          "aGrade": "رده A ({{minPercent}}-100%)",
+          "bGrade": "رده B ({{minPercent}}-{{maxPercent}}%)",
+          "fGrade": "رده F (0-{{maxPercent}}%)"
+        },
+        "pointsFormat": "{{score}}/{{total}} امتیاز",
+        "popover": {
+          "completedOptional": "✅ موارد اختیاری تکمیل شده ({{count}} مورد)",
+          "completedRequired": "✅ موارد الزامی تکمیل شده ({{count}} مورد)",
+          "incompleteOptional": "⏸️ موارد اختیاری تکمیل نشده ({{count}} مورد)",
+          "incompleteRequired": "❌ موارد الزامی تکمیل نشده ({{count}} مورد)",
+          "title": "جزئیات امتیاز"
+        },
+        "ratingFormat": "رتبه‌بندی: {{level}}",
+        "scoreInfo": {
+          "items": "موارد",
+          "points": "امتیاز",
+          "requiredItems": "موارد الزامی"
+        },
+        "title": "امتیاز کل"
+      },
+      "versions": {
+        "table": {
+          "isLatest": "آخرین نسخه",
+          "isValidated": "تایید شده",
+          "publishAt": "تاریخ انتشار",
+          "version": "نسخه"
+        },
+        "title": "تاریخچه نسخه‌ها"
+      }
+    },
+    "hero": {
+      "desc": "پلتفرم متن‌باز و قابل استقرار سرورهای MCP که به سیستم‌های هوش مصنوعی کمک می‌کند به آسانی به سیستم فایل، پایگاه داده، API و منابع کلیدی دیگر دسترسی داشته باشند و توانایی‌های هوش مصنوعی شما را به طور کامل گسترش دهند.",
+      "subTitle": "متن‌باز و آماده استفاده",
+      "title": "بازار متن‌باز MCP برای هوش مصنوعی"
+    },
+    "sorts": {
+      "createdAt": "تازه‌ترین اضافه شده",
+      "installCount": "تعداد نصب",
+      "isFeatured": "افزونه‌های پیشنهادی",
+      "isValidated": "افزونه‌های تایید شده",
+      "promptsCount": "تعداد راهنمایی‌ها",
+      "ratingCount": "تعداد امتیازها",
+      "resourcesCount": "تعداد منابع",
+      "toolsCount": "تعداد ابزارها",
+      "updatedAt": "آخرین به‌روزرسانی"
+    },
+    "title": "بازار MCP",
+    "unvalidated": {
+      "desc": "این سرور MCP هنوز تایید نشده است",
+      "title": "تایید نشده"
+    },
+    "validated": {
+      "desc": "این سرور MCP تایید شده است و کیفیت و قابلیت اطمینان آن تضمین شده است.",
+      "descWithDate": "این سرور MCP در تاریخ {{date}} تایید شده است و کیفیت و قابلیت اطمینان آن تضمین شده است.",
+      "title": "تایید شده"
+    }
+  },
   "models": {
+    "abilities": "قابلیت‌های مدل",
     "chat": "شروع گفتگو",
     "contentLength": "حداکثر طول محتوا",
+    "details": {
+      "overview": {
+        "title": "بررسی اجمالی"
+      },
+      "related": {
+        "listTitle": "مدل‌های مرتبط",
+        "more": "مشاهده بیشتر",
+        "title": "مطالب مرتبط"
+      }
+    },
     "free": "رایگان",
     "guide": "راهنمای پیکربندی",
     "list": "فهرست مدل‌ها",
@@ -156,11 +559,30 @@
       "throughput": "توان عملیاتی",
       "throughputTooltip": "میانگین تعداد توکن‌های منتقل شده در هر ثانیه در درخواست‌های جریانی"
     },
+    "sorts": {
+      "contextWindowTokens": "طول پنجره متنی",
+      "identifier": "شناسه مدل",
+      "inputPrice": "قیمت ورودی",
+      "outputPrice": "قیمت خروجی",
+      "providerCount": "تعداد ارائه‌دهندگان",
+      "releasedAt": "تازه‌ترین انتشار"
+    },
     "suggestions": "مدل‌های مرتبط",
     "supportedProviders": "ارائه‌دهندگان پشتیبانی شده برای این مدل"
   },
   "plugins": {
     "community": "پلاگین‌های انجمن",
+    "details": {
+      "settings": {
+        "title": "تنظیمات افزونه"
+      },
+      "summary": {
+        "title": "شما با این افزونه چه کارهایی می‌توانید انجام دهید؟"
+      },
+      "tools": {
+        "title": "ابزارهای افزونه"
+      }
+    },
     "install": "نصب پلاگین",
     "installed": "نصب شده",
     "list": "فهرست پلاگین‌ها",
@@ -173,36 +595,54 @@
     "more": "بیشتر",
     "official": "پلاگین‌های رسمی",
     "recentSubmits": "آخرین به‌روزرسانی‌ها",
+    "sorts": {
+      "createdAt": "تازه‌ترین انتشار",
+      "identifier": "شناسه افزونه",
+      "title": "نام افزونه"
+    },
     "suggestions": "پیشنهادات مرتبط"
   },
   "providers": {
     "config": "پیکربندی ارائه‌دهنده",
+    "details": {
+      "guide": {
+        "title": "راهنمای اتصال"
+      },
+      "overview": {
+        "title": "بررسی اجمالی"
+      },
+      "related": {
+        "listTitle": "ارائه‌دهندگان مرتبط",
+        "more": "مشاهده بیشتر",
+        "title": "مطالب مرتبط"
+      }
+    },
     "list": "فهرست ارائه‌دهندگان مدل",
     "modelCount": "{{count}} مدل",
+    "modelName": "نام مدل",
     "modelSite": "مستندات مدل",
     "more": "بیشتر",
     "officialSite": "وب‌سایت رسمی",
     "showAllModels": "نمایش همه مدل‌ها",
+    "sorts": {
+      "default": "مرتب‌سازی پیش‌فرض",
+      "identifier": "شناسه ارائه‌دهنده",
+      "modelCount": "تعداد مدل‌ها"
+    },
     "suggestions": "ارائه‌دهندگان مرتبط",
     "supportedModels": "مدل‌های پشتیبانی‌شده"
   },
+  "publishedTime": "منتشر شده در",
   "search": {
     "placeholder": "جستجوی نام، توضیحات یا کلمات کلیدی...",
     "result": "{{count}} نتیجه برای <highlight>{{keyword}}</highlight> یافت شد",
     "searching": "در حال جستجو..."
   },
-  "sort": {
-    "mostLiked": "بیشترین پسند",
-    "mostUsed": "بیشترین استفاده",
-    "newest": "جدیدترین",
-    "oldest": "قدیمی‌ترین",
-    "recommended": "توصیه‌شده"
-  },
   "tab": {
-    "assistants": "دستیارها",
+    "assistant": "دستیار",
     "home": "صفحه اصلی",
-    "models": "مدل‌ها",
-    "plugins": "افزونه‌ها",
-    "providers": "ارائه‌دهندگان مدل"
+    "model": "مدل",
+    "plugin": "افزونه",
+    "provider": "ارائه‌دهنده مدل"
   }
 }

locales/fa-IR/metadata.json

@@ -13,6 +13,10 @@
       "title": "دستیارهای AI"
     },
     "description": "تولید محتوا، نوشتن متن، پرسش و پاسخ، تولید تصویر، تولید ویدئو، تولید صدا، عامل هوشمند، جریان‌های کاری خودکار، برنامه‌های AI سفارشی‌سازی‌شده خود را بسازید",
+    "mcp": {
+      "description": "جستجو، مقایسه و اتصال به هزاران سرور MCP، به سیستم‌های هوش مصنوعی کمک می‌کند تا به راحتی به سیستم فایل، پایگاه داده، API و منابع کلیدی دیگر دسترسی پیدا کنند و توانایی‌های هوش مصنوعی شما را به طور کامل گسترش دهند",
+      "title": "بازار سرورهای MCP"
+    },
     "models": {
       "description": "کاوش مدل‌های اصلی AI مانند OpenAI / GPT / Claude 3 / Gemini / Ollama / Azure / DeepSeek",
       "title": "مدل‌های AI"

locales/fa-IR/modelProvider.json

@@ -208,6 +208,10 @@
         "title": "استفاده از مدل درخواست کلاینت"
       },
       "helpDoc": "راهنمای پیکربندی",
+      "responsesApi": {
+        "desc": "استفاده از قالب درخواست نسل جدید OpenAI برای باز کردن ویژگی‌های پیشرفته مانند زنجیره تفکر",
+        "title": "استفاده از استاندارد Responses API"
+      },
       "waitingForMore": "مدل‌های بیشتری در حال <1>برنامه‌ریزی برای اتصال</1> هستند، لطفاً منتظر بمانید"
     },
     "createNew": {

locales/fa-IR/models.json

@@ -176,9 +176,15 @@
   "Meta-Llama-3.3-70B-Instruct": {
     "description": "لاما 3.3 پیشرفته‌ترین مدل زبان چند زبانه و متن باز در سری لاما است که با هزینه‌ای بسیار کم، عملکردی مشابه مدل 405B را ارائه می‌دهد. این مدل بر اساس ساختار ترنسفورمر طراحی شده و از طریق تنظیم دقیق نظارتی (SFT) و یادگیری تقویتی با بازخورد انسانی (RLHF) بهبود یافته است تا کارایی و ایمنی آن افزایش یابد. نسخه تنظیم شده آن به طور خاص برای مکالمات چند زبانه بهینه‌سازی شده و در چندین معیار صنعتی، عملکردی بهتر از بسیاری از مدل‌های چت متن باز و بسته دارد. تاریخ قطع دانش آن تا دسامبر 2023 است."
   },
+  "MiniMax-M1": {
+    "description": "مدل استنتاج کاملاً توسعه‌یافته داخلی. پیشرو در جهان: ۸۰ هزار زنجیره فکری در برابر ۱ میلیون ورودی، عملکردی برابر با مدل‌های برتر خارجی."
+  },
   "MiniMax-Text-01": {
     "description": "در سری مدل‌های MiniMax-01، ما نوآوری‌های جسورانه‌ای انجام داده‌ایم: برای اولین بار مکانیزم توجه خطی را به طور وسیع پیاده‌سازی کرده‌ایم و معماری سنتی Transformer دیگر تنها گزینه نیست. این مدل دارای 456 میلیارد پارامتر است که در یک بار فعال‌سازی 45.9 میلیارد است. عملکرد کلی این مدل با بهترین مدل‌های خارجی برابری می‌کند و در عین حال می‌تواند به طور مؤثر به متن‌های طولانی جهانی با 4 میلیون توکن رسیدگی کند، که 32 برابر GPT-4o و 20 برابر Claude-3.5-Sonnet است."
   },
+  "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."
+  },
   "NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO": {
     "description": "Nous Hermes 2 - Mixtral 8x7B-DPO (46.7B) یک مدل دستورالعمل با دقت بالا است که برای محاسبات پیچیده مناسب است."
   },
@@ -206,15 +212,9 @@
   "Phi-3.5-vision-instrust": {
     "description": "نسخه به‌روزرسانی‌شده مدل Phi-3-vision."
   },
-  "Pro/Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct یک مدل زبانی بزرگ با تنظیم دقیق دستوری در سری Qwen2 است که اندازه پارامتر آن 1.5B است. این مدل بر اساس معماری Transformer ساخته شده و از تکنیک‌های SwiGLU،偏置 QKV توجه و توجه گروهی استفاده می‌کند. این مدل در درک زبان، تولید، توانایی چند زبانه، کدنویسی، ریاضی و استدلال در چندین آزمون معیار عملکرد عالی دارد و از اکثر مدل‌های متن باز پیشی گرفته است. در مقایسه با Qwen1.5-1.8B-Chat، Qwen2-1.5B-Instruct در آزمون‌های MMLU، HumanEval، GSM8K، C-Eval و IFEval بهبود قابل توجهی در عملکرد نشان داده است، هرچند که تعداد پارامترها کمی کمتر است."
-  },
   "Pro/Qwen/Qwen2-7B-Instruct": {
     "description": "Qwen2-7B-Instruct یک مدل زبانی بزرگ با تنظیم دقیق دستوری در سری Qwen2 است که اندازه پارامتر آن 7B است. این مدل بر اساس معماری Transformer ساخته شده و از تکنیک‌های SwiGLU،偏置 QKV توجه و توجه گروهی استفاده می‌کند. این مدل قادر به پردازش ورودی‌های بزرگ مقیاس است. این مدل در درک زبان، تولید، توانایی چند زبانه، کدنویسی، ریاضی و استدلال در چندین آزمون معیار عملکرد عالی دارد و از اکثر مدل‌های متن باز پیشی گرفته و در برخی وظایف رقابت قابل توجهی با مدل‌های اختصاصی نشان می‌دهد. Qwen2-7B-Instruct در چندین ارزیابی از Qwen1.5-7B-Chat پیشی گرفته و بهبود قابل توجهی در عملکرد نشان داده است."
   },
-  "Pro/Qwen/Qwen2-VL-7B-Instruct": {
-    "description": "Qwen2-VL جدیدترین نسخه از مدل Qwen-VL است که در آزمون‌های معیار درک بصری به پیشرفته‌ترین عملکرد دست یافته است."
-  },
   "Pro/Qwen/Qwen2.5-7B-Instruct": {
     "description": "Qwen2.5-7B-Instruct یکی از جدیدترین سری مدل‌های زبانی بزرگ منتشر شده توسط Alibaba Cloud است. این مدل 7B در زمینه‌های کدنویسی و ریاضی دارای توانایی‌های بهبود یافته قابل توجهی است. این مدل همچنین از پشتیبانی چند زبانه برخوردار است و بیش از 29 زبان از جمله چینی و انگلیسی را پوشش می‌دهد. این مدل در پیروی از دستورات، درک داده‌های ساختاری و تولید خروجی‌های ساختاری (به ویژه JSON) به طور قابل توجهی بهبود یافته است."
   },
@@ -230,8 +230,8 @@
   "Pro/deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 یک مدل استنتاجی مبتنی بر یادگیری تقویتی (RL) است که مشکلات تکرار و خوانایی را در مدل حل می‌کند. قبل از RL، DeepSeek-R1 داده‌های شروع سرد را معرفی کرده و عملکرد استنتاج را بهینه‌سازی کرده است. این مدل در وظایف ریاضی، کد و استنتاج با OpenAI-o1 عملکرد مشابهی دارد و از طریق روش‌های آموزشی به دقت طراحی شده، عملکرد کلی را بهبود می‌بخشد."
   },
-  "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B": {
-    "description": "DeepSeek-R1-Distill-Qwen-1.5B مدلی است که از Qwen2.5-Math-1.5B از طریق دستیابی به دانش (Knowledge Distillation) به دست آمده است. این مدل با استفاده از 800,000 نمونه انتخابی تولید شده توسط DeepSeek-R1 آموزش داده شده و در چندین تست استاندارد عملکرد خوبی نشان داده است. به عنوان یک مدل سبک، در MATH-500 دقت 83.9٪ را کسب کرده، در AIME 2024 نرخ موفقیت 28.9٪ داشته و در CodeForces نمره 954 به دست آورده که نشان‌دهنده توانایی استنتاج فراتر از حجم پارامترهای آن است."
+  "Pro/deepseek-ai/DeepSeek-R1-0120": {
+    "description": "DeepSeek-R1 مدلی استدلالی مبتنی بر یادگیری تقویتی (RL) که مشکلات تکراری بودن و خوانایی مدل را حل کرده است. پیش از RL، DeepSeek-R1 داده‌های شروع سرد را معرفی کرد تا عملکرد استدلال را بهبود بخشد. این مدل در ریاضیات، کد نویسی و وظایف استدلال عملکردی مشابه OpenAI-o1 دارد و با روش‌های آموزشی دقیق، اثر کلی را ارتقاء داده است."
   },
   "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B": {
     "description": "DeepSeek-R1-Distill-Qwen-7B مدلی است که بر اساس Qwen2.5-Math-7B از طریق دستیابی به دانش (Knowledge Distillation) ساخته شده است. این مدل با استفاده از 800,000 نمونه انتخابی تولید شده توسط DeepSeek-R1 آموزش داده شده و توانایی استنتاج ممتازی نشان می‌دهد. این مدل در چندین تست استاندارد عملکرد خوبی داشته است، از جمله دقت 92.8٪ در MATH-500، نرخ موفقیت 55.5٪ در AIME 2024 و نمره 1189 در CodeForces، که نشان‌دهنده توانایی‌های قوی ریاضی و برنامه‌نویسی برای یک مدل با حجم 7B است."
@@ -254,9 +254,6 @@
   "Qwen/QwQ-32B-Preview": {
     "description": "QwQ-32B-Preview جدیدترین مدل تحقیقاتی تجربی Qwen است که بر بهبود توانایی استدلال AI تمرکز دارد. با کاوش در مکانیزم‌های پیچیده‌ای مانند ترکیب زبان و استدلال بازگشتی، مزایای اصلی شامل توانایی تحلیل استدلال قوی، توانایی ریاضی و برنامه‌نویسی است. در عین حال، مشکلاتی مانند تغییر زبان، حلقه‌های استدلال، ملاحظات ایمنی و تفاوت‌های دیگر در توانایی‌ها وجود دارد."
   },
-  "Qwen/Qwen2-1.5B-Instruct": {
-    "description": "Qwen2-1.5B-Instruct یک مدل زبانی بزرگ با تنظیم دقیق دستوری در سری Qwen2 است که اندازه پارامتر آن 1.5B است. این مدل بر اساس معماری Transformer ساخته شده و از تکنیک‌های SwiGLU،偏置 QKV توجه و توجه گروهی استفاده می‌کند. این مدل در درک زبان، تولید، توانایی چند زبانه، کدنویسی، ریاضی و استدلال در چندین آزمون معیار عملکرد عالی دارد و از اکثر مدل‌های متن باز پیشی گرفته است. در مقایسه با Qwen1.5-1.8B-Chat، Qwen2-1.5B-Instruct در آزمون‌های MMLU، HumanEval، GSM8K، C-Eval و IFEval بهبود قابل توجهی در عملکرد نشان داده است، هرچند که تعداد پارامترها کمی کمتر است."
-  },
   "Qwen/Qwen2-72B-Instruct": {
     "description": "Qwen 2 Instruct (72B) دستورالعمل‌های دقیق برای کاربردهای سازمانی ارائه می‌دهد و به درستی به آن‌ها پاسخ می‌دهد."
   },
@@ -416,14 +413,11 @@
   "THUDM/GLM-Z1-Rumination-32B-0414": {
     "description": "GLM-Z1-Rumination-32B-0414 یک مدل استدلال عمیق با توانایی تفکر است (که با Deep Research OpenAI مقایسه می‌شود). برخلاف مدل‌های تفکر عمیق معمولی، این مدل از تفکر عمیق طولانی‌مدت برای حل مسائل باز و پیچیده استفاده می‌کند."
   },
-  "THUDM/chatglm3-6b": {
-    "description": "ChatGLM3-6B مدل متن باز از سری ChatGLM است که توسط AI Zhizhu توسعه یافته است. این مدل ویژگی‌های عالی نسل قبلی خود را حفظ کرده است، مانند روان بودن گفتگو و آستانه پایین برای استقرار، در عین حال ویژگی‌های جدیدی را معرفی کرده است. این مدل از داده‌های آموزشی متنوع‌تر، تعداد مراحل آموزشی بیشتر و استراتژی‌های آموزشی منطقی‌تر استفاده کرده و در میان مدل‌های پیش‌آموزش شده زیر 10B عملکرد عالی دارد. ChatGLM3-6B از گفتگوی چند دور، فراخوانی ابزار، اجرای کد و وظایف عامل در سناریوهای پیچیده پشتیبانی می‌کند. علاوه بر مدل گفتگویی، مدل پایه ChatGLM-6B-Base و مدل گفتگوی طولانی ChatGLM3-6B-32K نیز به صورت متن باز ارائه شده است. این مدل به طور کامل برای تحقیقات علمی باز است و پس از ثبت‌نام، استفاده تجاری رایگان نیز مجاز است."
-  },
   "THUDM/glm-4-9b-chat": {
     "description": "نسخه منبع باز GLM-4 9B، تجربه گفتگوی بهینه‌شده برای برنامه‌های مکالمه را ارائه می‌دهد."
   },
-  "Vendor-A/Qwen/Qwen2.5-72B-Instruct": {
-    "description": "Qwen2.5-72B-Instruct یکی از جدیدترین سری مدل‌های زبانی بزرگ منتشر شده توسط Alibaba Cloud است. این مدل 72B در زمینه‌های کدنویسی و ریاضی دارای توانایی‌های بهبود یافته قابل توجهی است. این مدل همچنین از پشتیبانی چند زبانه برخوردار است و بیش از 29 زبان از جمله چینی و انگلیسی را پوشش می‌دهد. این مدل در پیروی از دستورات، درک داده‌های ساختاری و تولید خروجی‌های ساختاری (به ویژه JSON) به طور قابل توجهی بهبود یافته است."
+  "Tongyi-Zhiwen/QwenLong-L1-32B": {
+    "description": "QwenLong-L1-32B نخستین مدل بزرگ استدلال با زمینه طولانی است که با یادگیری تقویتی آموزش دیده و به طور خاص برای وظایف استدلال متون طولانی بهینه شده است. این مدل با چارچوب یادگیری تقویتی توسعه تدریجی زمینه، انتقال پایدار از زمینه کوتاه به بلند را محقق ساخته است. در هفت آزمون معیار پرسش و پاسخ اسناد طولانی، QwenLong-L1-32B از مدل‌های پیشرو مانند OpenAI-o3-mini و Qwen3-235B-A22B پیشی گرفته و عملکردی مشابه Claude-3.7-Sonnet-Thinking دارد. این مدل در استدلال ریاضی، استدلال منطقی و استدلال چندمرحله‌ای مهارت ویژه‌ای دارد."
   },
   "Yi-34B-Chat": {
     "description": "Yi-1.5-34B با حفظ توانایی‌های زبان عمومی عالی مدل‌های قبلی خود، از طریق آموزش افزایشی 500 میلیارد توکن با کیفیت بالا، به طور قابل توجهی توانایی‌های منطقی ریاضی و کدنویسی را افزایش داده است."
@@ -560,6 +554,12 @@
   "anthropic/claude-3.7-sonnet": {
     "description": "Claude 3.7 Sonnet هو هوش مصنوعی پیشرفته‌ترین مدل Anthropic است و همچنین اولین مدل استدلال ترکیبی در بازار به شمار می‌رود. Claude 3.7 Sonnet می‌تواند پاسخ‌های تقریباً آنی یا تفکر تدریجی و طولانی‌تری تولید کند که کاربران می‌توانند این فرآیندها را به وضوح مشاهده کنند. Sonnet به‌ویژه در برنامه‌نویسی، علم داده، پردازش بصری و وظایف نمایندگی مهارت دارد."
   },
+  "anthropic/claude-opus-4": {
+    "description": "Claude Opus 4 قوی‌ترین مدل Anthropic برای انجام وظایف بسیار پیچیده است. این مدل در عملکرد، هوش، روانی و درک برتری چشمگیری دارد."
+  },
+  "anthropic/claude-sonnet-4": {
+    "description": "Claude Sonnet 4 می‌تواند پاسخ‌های تقریباً فوری یا تفکر گام به گام طولانی‌مدت تولید کند که کاربران می‌توانند این فرآیندها را به وضوح مشاهده کنند. کاربران API همچنین می‌توانند زمان تفکر مدل را به دقت کنترل کنند."
+  },
   "aya": {
     "description": "Aya 23 یک مدل چندزبانه است که توسط Cohere ارائه شده و از 23 زبان پشتیبانی می‌کند و برای برنامه‌های چندزبانه تسهیلات فراهم می‌آورد."
   },
@@ -665,6 +665,9 @@
   "codestral-latest": {
     "description": "Codestral یک مدل پیشرفته تولید کد است که بر تولید کد تمرکز دارد و برای وظایف تکمیل کد و پر کردن میان‌متن بهینه‌سازی شده است."
   },
+  "codex-mini-latest": {
+    "description": "codex-mini-latest نسخه‌ای تنظیم‌شده از o4-mini است که به‌طور خاص برای Codex CLI طراحی شده است. برای استفاده مستقیم از طریق API، ما توصیه می‌کنیم از gpt-4.1 شروع کنید."
+  },
   "cognitivecomputations/dolphin-mixtral-8x22b": {
     "description": "Dolphin Mixtral 8x22B یک مدل طراحی شده برای پیروی از دستورات، مکالمه و برنامه‌نویسی است."
   },
@@ -722,6 +725,9 @@
   "compound-beta-mini": {
     "description": "Compound-beta-mini یک سیستم هوش مصنوعی ترکیبی است که توسط مدل‌های عمومی قابل دسترس در GroqCloud پشتیبانی می‌شود و می‌تواند به‌طور هوشمند و انتخابی از ابزارها برای پاسخ به پرسش‌های کاربران استفاده کند."
   },
+  "computer-use-preview": {
+    "description": "مدل computer-use-preview به‌طور اختصاصی برای «ابزارهای استفاده از کامپیوتر» طراحی شده و آموزش دیده است تا وظایف مرتبط با کامپیوتر را درک و اجرا کند."
+  },
   "dall-e-2": {
     "description": "مدل نسل دوم DALL·E، پشتیبانی از تولید تصاویر واقعی‌تر و دقیق‌تر، با وضوح 4 برابر نسل اول."
   },
@@ -734,6 +740,12 @@
   "deepseek-ai/DeepSeek-R1": {
     "description": "DeepSeek-R1 یک مدل استنتاجی مبتنی بر یادگیری تقویتی (RL) است که به مشکلات تکرار و خوانایی در مدل پرداخته است. قبل از RL، DeepSeek-R1 داده‌های شروع سرد را معرفی کرد و عملکرد استنتاج را بهینه‌تر کرد. این مدل در وظایف ریاضی، کدنویسی و استنتاج با OpenAI-o1 عملکرد مشابهی دارد و با استفاده از روش‌های آموزشی به دقت طراحی شده، کیفیت کلی را بهبود بخشیده است."
   },
+  "deepseek-ai/DeepSeek-R1-0528": {
+    "description": "DeepSeek R1 با بهره‌گیری از منابع محاسباتی افزوده و مکانیزم‌های بهینه‌سازی الگوریتمی در فرایند پس‌آموزش، عمق توانایی استدلال و استنتاج خود را به طور قابل توجهی افزایش داده است. این مدل در ارزیابی‌های معیار مختلف از جمله ریاضیات، برنامه‌نویسی و منطق عمومی عملکرد برجسته‌ای دارد. عملکرد کلی آن اکنون به مدل‌های پیشرو مانند O3 و Gemini 2.5 Pro نزدیک شده است."
+  },
+  "deepseek-ai/DeepSeek-R1-0528-Qwen3-8B": {
+    "description": "DeepSeek-R1-0528-Qwen3-8B مدلی است که از تقطیر زنجیره فکری مدل DeepSeek-R1-0528 به Qwen3 8B Base به دست آمده است. این مدل در میان مدل‌های متن‌باز به عملکرد پیشرفته (SOTA) دست یافته و در آزمون AIME 2024، 10٪ بهتر از Qwen3 8B عمل کرده و به سطح عملکرد Qwen3-235B-thinking رسیده است. این مدل در استدلال ریاضی، برنامه‌نویسی و منطق عمومی در چندین آزمون معیار عملکرد برجسته‌ای دارد. ساختار آن مشابه Qwen3-8B است اما از پیکربندی توکنایزر DeepSeek-R1-0528 بهره می‌برد."
+  },
   "deepseek-ai/DeepSeek-R1-Distill-Llama-70B": {
     "description": "مدل تقطیر DeepSeek-R1 که با استفاده از یادگیری تقویتی و داده‌های شروع سرد عملکرد استدلال را بهینه‌سازی کرده و مدل‌های متن‌باز را به روز کرده است."
   },
@@ -779,6 +791,9 @@
   "deepseek-r1": {
     "description": "DeepSeek-R1 یک مدل استنتاجی مبتنی بر یادگیری تقویتی (RL) است که به مشکلات تکرار و خوانایی در مدل پرداخته است. قبل از RL، DeepSeek-R1 داده‌های شروع سرد را معرفی کرد و عملکرد استنتاج را بهینه‌تر کرد. این مدل در وظایف ریاضی، کدنویسی و استنتاج با OpenAI-o1 عملکرد مشابهی دارد و با استفاده از روش‌های آموزشی به دقت طراحی شده، کیفیت کلی را بهبود بخشیده است."
   },
+  "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-r1-70b-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."
   },
@@ -836,9 +851,6 @@
   "deepseek-v3-0324": {
     "description": "DeepSeek-V3-0324 یک مدل MoE با ۶۷۱ میلیارد پارامتر است که در زمینه‌های برنامه‌نویسی و توانایی‌های فنی، درک زمینه و پردازش متن‌های طولانی برتری دارد."
   },
-  "deepseek/deepseek-chat": {
-    "description": "مدل متن‌باز جدیدی که توانایی‌های عمومی و کدنویسی را ترکیب می‌کند. این مدل نه تنها توانایی گفتگوی عمومی مدل Chat و قدرت پردازش کد مدل Coder را حفظ کرده است، بلکه به ترجیحات انسانی نیز بهتر همسو شده است. علاوه بر این، DeepSeek-V2.5 در وظایف نوشتاری، پیروی از دستورات و سایر جنبه‌ها نیز بهبودهای قابل توجهی داشته است."
-  },
   "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."
   },
@@ -848,6 +860,12 @@
   "deepseek/deepseek-r1": {
     "description": "DeepSeek-R1 با وجود داده‌های برچسب‌گذاری شده بسیار کم، توانایی استدلال مدل را به طرز چشمگیری افزایش می‌دهد. قبل از ارائه پاسخ نهایی، مدل ابتدا یک زنجیره تفکر را تولید می‌کند تا دقت پاسخ نهایی را افزایش دهد."
   },
+  "deepseek/deepseek-r1-0528": {
+    "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-r1-0528:free": {
+    "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 یک مدل زبان بزرگ مبتنی بر Llama3.3 70B است که با استفاده از تنظیمات DeepSeek R1 به عملکرد رقابتی معادل مدل‌های پیشرفته بزرگ دست یافته است."
   },
@@ -899,6 +917,15 @@
   "doubao-1.5-vision-lite": {
     "description": "Doubao-1.5-vision-lite مدل بزرگ چندرسانه‌ای به‌روز شده است که از شناسایی تصاویر با هر وضوح و نسبت ابعاد بسیار طولانی پشتیبانی می‌کند و توانایی‌های استدلال بصری، شناسایی مستندات، درک اطلاعات جزئی و پیروی از دستورات را تقویت می‌کند. از پنجره متن 128k و حداکثر طول خروجی 16k توکن پشتیبانی می‌کند."
   },
+  "doubao-seed-1.6": {
+    "description": "مدل تفکر عمیق چندرسانه‌ای جدید Doubao-Seed-1.6 که از سه حالت تفکر auto/thinking/non-thinking پشتیبانی می‌کند. در حالت non-thinking، عملکرد مدل نسبت به Doubao-1.5-pro/250115 به‌طور قابل توجهی بهبود یافته است. از پنجره متنی ۲۵۶ هزار توکنی پشتیبانی می‌کند و طول خروجی تا ۱۶ هزار توکن قابل افزایش است."
+  },
+  "doubao-seed-1.6-flash": {
+    "description": "مدل تفکر عمیق چندرسانه‌ای Doubao-Seed-1.6-flash با سرعت استنتاج بسیار بالا، TPOT تنها ۱۰ میلی‌ثانیه است؛ همچنین از درک متن و تصویر پشتیبانی می‌کند، توانایی درک متنی آن از نسل قبلی lite بهتر است و درک تصویری آن با مدل‌های pro رقبا برابری می‌کند. از پنجره متنی ۲۵۶ هزار توکنی و طول خروجی تا ۱۶ هزار توکن پشتیبانی می‌کند."
+  },
+  "doubao-seed-1.6-thinking": {
+    "description": "مدل Doubao-Seed-1.6-thinking با توانایی تفکر به‌طور قابل توجهی تقویت شده است، نسبت به Doubao-1.5-thinking-pro در مهارت‌های پایه‌ای مانند برنامه‌نویسی، ریاضیات و استدلال منطقی پیشرفت داشته و از درک تصویری پشتیبانی می‌کند. از پنجره متنی ۲۵۶ هزار توکنی و طول خروجی تا ۱۶ هزار توکن پشتیبانی می‌کند."
+  },
   "emohaa": {
     "description": "Emohaa یک مدل روان‌شناختی است که دارای توانایی مشاوره حرفه‌ای بوده و به کاربران در درک مسائل احساسی کمک می‌کند."
   },
@@ -1037,6 +1064,12 @@
   "gemini-2.0-flash-preview-image-generation": {
     "description": "مدل پیش‌نمایش Gemini 2.0 Flash، از تولید تصویر پشتیبانی می‌کند"
   },
+  "gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash مدل با بهترین نسبت قیمت به کارایی گوگل است که امکانات جامع را ارائه می‌دهد."
+  },
+  "gemini-2.5-flash-lite-preview-06-17": {
+    "description": "Gemini 2.5 Flash-Lite Preview کوچک‌ترین و مقرون‌به‌صرفه‌ترین مدل گوگل است که برای استفاده در مقیاس بزرگ طراحی شده است."
+  },
   "gemini-2.5-flash-preview-04-17": {
     "description": "پیش‌نمایش فلش Gemini 2.5 مدل با بهترین قیمت و کیفیت گوگل است که امکانات جامع و کاملی را ارائه می‌دهد."
   },
@@ -1046,6 +1079,9 @@
   "gemini-2.5-flash-preview-05-20": {
     "description": "Gemini 2.5 Flash Preview مقرون‌به‌صرفه‌ترین مدل گوگل است که امکانات جامع ارائه می‌دهد."
   },
+  "gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro پیشرفته‌ترین مدل تفکر گوگل است که قادر به استنتاج مسائل پیچیده در حوزه کد، ریاضیات و STEM بوده و با استفاده از زمینه طولانی، تحلیل مجموعه داده‌ها، کدها و مستندات بزرگ را انجام می‌دهد."
+  },
   "gemini-2.5-pro-exp-03-25": {
     "description": "Gemini 2.5 Pro Experimental پیشرفته‌ترین مدل تفکر گوگل است که قادر به استدلال در مورد مسائل پیچیده در زمینه‌های کد، ریاضیات و STEM می‌باشد و همچنین می‌تواند با استفاده از زمینه‌های طولانی، مجموعه‌های داده بزرگ، کتابخانه‌های کد و مستندات را تحلیل کند."
   },
@@ -1055,6 +1091,9 @@
   "gemini-2.5-pro-preview-05-06": {
     "description": "Gemini 2.5 Pro Preview مدل پیشرفته تفکر گوگل است که قادر به استدلال در مورد کد، ریاضیات و مسائل پیچیده در زمینه STEM می‌باشد و می‌تواند با استفاده از تحلیل زمینه‌ای طولانی، مجموعه‌های داده بزرگ، کتابخانه‌های کد و مستندات را بررسی کند."
   },
+  "gemini-2.5-pro-preview-06-05": {
+    "description": "Gemini 2.5 Pro Preview پیشرفته‌ترین مدل تفکر گوگل است که قادر به استدلال درباره مسائل پیچیده در حوزه کد، ریاضیات و STEM است و می‌تواند با استفاده از زمینه طولانی، داده‌های بزرگ، مخازن کد و مستندات را تحلیل کند."
+  },
   "gemma-7b-it": {
     "description": "Gemma 7B برای پردازش وظایف کوچک و متوسط مناسب است و از نظر هزینه مؤثر است."
   },
@@ -1142,14 +1181,20 @@
   "google/gemini-2.0-flash-exp:free": {
     "description": "Gemini 2.0 Flash Experimental جدیدترین مدل هوش مصنوعی چندرسانه‌ای آزمایشی گوگل است که نسبت به نسخه‌های قبلی خود بهبود کیفیت قابل توجهی دارد، به ویژه در زمینه دانش جهانی، کد و زمینه‌های طولانی."
   },
+  "google/gemini-2.5-flash": {
+    "description": "Gemini 2.5 Flash پیشرفته‌ترین مدل اصلی گوگل است که به‌طور خاص برای استدلال پیشرفته، کدنویسی، ریاضیات و وظایف علمی طراحی شده است. این مدل دارای قابلیت «تفکر» داخلی است که به آن امکان می‌دهد پاسخ‌هایی با دقت بالاتر و پردازش دقیق‌تر زمینه ارائه دهد.\n\nتوجه: این مدل دو نسخه دارد: تفکری و غیرتفکری. قیمت‌گذاری خروجی به طور قابل توجهی بسته به فعال بودن قابلیت تفکر متفاوت است. اگر نسخه استاندارد (بدون پسوند «:thinking») را انتخاب کنید، مدل به‌طور صریح از تولید توکن‌های تفکر خودداری می‌کند.\n\nبرای بهره‌مندی از قابلیت تفکر و دریافت توکن‌های تفکر، باید نسخه «:thinking» را انتخاب کنید که منجر به قیمت‌گذاری بالاتر برای خروجی تفکر می‌شود.\n\nعلاوه بر این، Gemini 2.5 Flash را می‌توان از طریق پارامتر «حداکثر توکن‌های استدلال» پیکربندی کرد، همان‌طور که در مستندات آمده است (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
+  },
   "google/gemini-2.5-flash-preview": {
     "description": "Gemini 2.5 Flash مدل اصلی پیشرفته گوگل است که به طور خاص برای استدلال پیشرفته، کدنویسی، ریاضیات و وظایف علمی طراحی شده است. این مدل دارای قابلیت «تفکر» داخلی است که به آن اجازه می‌دهد پاسخ‌هایی با دقت بالاتر و پردازش زمینه‌ای دقیق‌تری ارائه دهد.\n\nتوجه: این مدل دارای دو واریانت است: تفکر و غیرتفکر. قیمت‌گذاری خروجی بسته به فعال بودن قابلیت تفکر به طور قابل توجهی متفاوت است. اگر شما واریانت استاندارد (بدون پسوند «:thinking») را انتخاب کنید، مدل به وضوح از تولید توکن‌های تفکر اجتناب خواهد کرد.\n\nبرای استفاده از قابلیت تفکر و دریافت توکن‌های تفکر، شما باید واریانت «:thinking» را انتخاب کنید که منجر به قیمت‌گذاری بالاتر خروجی تفکر خواهد شد.\n\nعلاوه بر این، Gemini 2.5 Flash می‌تواند از طریق پارامتر «حداکثر تعداد توکن‌های استدلال» پیکربندی شود، همانطور که در مستندات توضیح داده شده است (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
   "google/gemini-2.5-flash-preview:thinking": {
     "description": "Gemini 2.5 Flash مدل اصلی پیشرفته گوگل است که به طور خاص برای استدلال پیشرفته، کدنویسی، ریاضیات و وظایف علمی طراحی شده است. این مدل دارای قابلیت «تفکر» داخلی است که به آن اجازه می‌دهد پاسخ‌هایی با دقت بالاتر و پردازش زمینه‌ای دقیق‌تری ارائه دهد.\n\nتوجه: این مدل دارای دو واریانت است: تفکر و غیرتفکر. قیمت‌گذاری خروجی بسته به فعال بودن قابلیت تفکر به طور قابل توجهی متفاوت است. اگر شما واریانت استاندارد (بدون پسوند «:thinking») را انتخاب کنید، مدل به وضوح از تولید توکن‌های تفکر اجتناب خواهد کرد.\n\nبرای استفاده از قابلیت تفکر و دریافت توکن‌های تفکر، شما باید واریانت «:thinking» را انتخاب کنید که منجر به قیمت‌گذاری بالاتر خروجی تفکر خواهد شد.\n\nعلاوه بر این، Gemini 2.5 Flash می‌تواند از طریق پارامتر «حداکثر تعداد توکن‌های استدلال» پیکربندی شود، همانطور که در مستندات توضیح داده شده است (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
   },
-  "google/gemini-2.5-pro-preview-03-25": {
-    "description": "Gemini 2.5 Pro مدل هوش مصنوعی پیشرفته گوگل است که به طور خاص برای استدلال پیشرفته، کدنویسی، ریاضیات و وظایف علمی طراحی شده است. این مدل دارای قابلیت «تفکر» است که به آن اجازه می‌دهد پاسخ‌ها را با دقت بالاتر و پردازش زمینه‌ای دقیق‌تری استدلال کند. Gemini 2.5 Pro در چندین آزمون معیار عملکرد برتر را به دست آورده است، از جمله رتبه اول در جدول LMArena، که نشان‌دهنده هم‌راستایی برتر با ترجیحات انسانی و توانایی حل مسائل پیچیده است."
+  "google/gemini-2.5-pro": {
+    "description": "Gemini 2.5 Pro پیشرفته‌ترین مدل تفکری گوگل است که قادر به استدلال درباره مسائل پیچیده در حوزه کد، ریاضیات و STEM بوده و می‌تواند با استفاده از زمینه طولانی، داده‌های بزرگ، مخازن کد و مستندات را تحلیل کند."
+  },
+  "google/gemini-2.5-pro-preview": {
+    "description": "Gemini 2.5 Pro Preview پیشرفته‌ترین مدل فکری گوگل است که قادر به استدلال درباره مسائل پیچیده در زمینه کد، ریاضیات و حوزه‌های STEM بوده و همچنین می‌تواند با استفاده از متن‌های طولانی، مجموعه‌های داده بزرگ، کدها و مستندات را تحلیل کند."
   },
   "google/gemini-flash-1.5": {
     "description": "Gemini 1.5 Flash قابلیت پردازش چندوجهی بهینه‌شده را ارائه می‌دهد و برای انواع سناریوهای پیچیده مناسب است."
@@ -1259,9 +1304,15 @@
   "gpt-4o-mini": {
     "description": "یک راه‌حل هوش مصنوعی مقرون‌به‌صرفه که برای انواع وظایف متنی و تصویری مناسب است."
   },
+  "gpt-4o-mini-audio-preview": {
+    "description": "مدل GPT-4o mini Audio که از ورودی و خروجی صوتی پشتیبانی می‌کند."
+  },
   "gpt-4o-mini-realtime-preview": {
     "description": "نسخه زنده GPT-4o-mini، پشتیبانی از ورودی و خروجی صوتی و متنی به صورت زنده."
   },
+  "gpt-4o-mini-search-preview": {
+    "description": "نسخه پیش‌نمایش جستجوی GPT-4o mini مدلی است که به طور خاص برای درک و اجرای پرسش‌های جستجوی وب آموزش دیده است و از API تکمیل چت استفاده می‌کند. علاوه بر هزینه توکن‌ها، هر پرسش جستجوی وب بر اساس هر بار فراخوانی ابزار هزینه دریافت می‌کند."
+  },
   "gpt-4o-mini-tts": {
     "description": "GPT-4o mini TTS یک مدل تبدیل متن به گفتار است که بر اساس GPT-4o mini ساخته شده است و با قیمت پایین تری از GPT-4o mini ارائه می‌دهد."
   },
@@ -1274,6 +1325,9 @@
   "gpt-4o-realtime-preview-2024-12-17": {
     "description": "نسخه زنده GPT-4o، پشتیبانی از ورودی و خروجی صوتی و متنی به صورت زنده."
   },
+  "gpt-4o-search-preview": {
+    "description": "نسخه پیش‌نمایش جستجوی GPT-4o مدلی است که به طور خاص برای درک و اجرای پرسش‌های جستجوی وب آموزش دیده است و از API تکمیل چت استفاده می‌کند. علاوه بر هزینه توکن‌ها، هر پرسش جستجوی وب بر اساس هر بار فراخوانی ابزار هزینه دریافت می‌کند."
+  },
   "grok-2-1212": {
     "description": "این مدل در دقت، پیروی از دستورات و توانایی چند زبانه بهبود یافته است."
   },
@@ -1307,6 +1361,9 @@
   "hunyuan-large-longcontext": {
     "description": "متخصص در پردازش وظایف متنی طولانی مانند خلاصه‌سازی اسناد و پرسش و پاسخ اسنادی، همچنین توانایی پردازش وظایف تولید متن عمومی را دارد. در تحلیل و تولید متن‌های طولانی عملکرد فوق‌العاده‌ای دارد و می‌تواند به‌طور مؤثر به نیازهای پیچیده و دقیق پردازش محتوای طولانی پاسخ دهد."
   },
+  "hunyuan-large-vision": {
+    "description": "این مدل برای سناریوهای درک تصویر و متن مناسب است، یک مدل بزرگ زبان-بینایی مبتنی بر Hunyuan Large است که از ورودی چند تصویر با هر رزولوشن به همراه متن پشتیبانی می‌کند و محتوای متنی تولید می‌کند. تمرکز بر وظایف مرتبط با درک تصویر و متن دارد و در توانایی درک چندزبانه تصویر و متن بهبود قابل توجهی یافته است."
+  },
   "hunyuan-lite": {
     "description": "به ساختار MOE ارتقا یافته است، پنجره متنی 256k دارد و در چندین مجموعه ارزیابی در زمینه‌های NLP، کد، ریاضیات و صنایع از بسیاری از مدل‌های متن‌باز پیشی گرفته است."
   },
@@ -1331,18 +1388,18 @@
   "hunyuan-t1-20250321": {
     "description": "مدل‌های توانایی‌های علمی و انسانی را به طور کامل ایجاد می‌کند و توانایی بالایی در ضبط اطلاعات متنی طولانی دارد. از استدلال برای پاسخ به مسائل علمی مختلف با درجات سختی متفاوت در ریاضیات/منطق/علم/کد و غیره پشتیبانی می‌کند."
   },
+  "hunyuan-t1-20250403": {
+    "description": "افزایش توانایی تولید کد در سطح پروژه؛ بهبود کیفیت نوشتار تولید متن؛ ارتقاء توانایی درک موضوعات چندمرحله‌ای، پیروی از دستورات tob و درک واژگان؛ بهینه‌سازی مشکلات خروجی ترکیبی از زبان‌های ساده و سنتی و همچنین ترکیب چینی و انگلیسی."
+  },
+  "hunyuan-t1-20250529": {
+    "description": "بهینه‌سازی تولید متن، نوشتن مقاله، بهبود توانایی‌های کدنویسی فرانت‌اند، ریاضیات، استدلال منطقی و علوم پایه، و ارتقاء توانایی پیروی از دستورالعمل‌ها."
+  },
   "hunyuan-t1-latest": {
     "description": "اولین مدل استدلال هیبریدی-ترنسفورمر-مامبا با مقیاس فوق‌العاده بزرگ در صنعت، که توانایی استدلال را گسترش می‌دهد و سرعت رمزگشایی فوق‌العاده‌ای دارد و به طور بیشتری با ترجیحات انسانی هم‌راستا می‌شود."
   },
   "hunyuan-t1-vision": {
     "description": "مدل تفکر عمیق چندرسانه‌ای Hunyuan که از زنجیره تفکر بلند بومی چندرسانه‌ای پشتیبانی می‌کند، در پردازش انواع سناریوهای استدلال تصویری مهارت دارد و در مسائل علمی نسبت به مدل تفکر سریع بهبود قابل توجهی دارد."
   },
-  "hunyuan-translation": {
-    "description": "از ۱۵ زبان شامل چینی، انگلیسی، ژاپنی، فرانسوی، پرتغالی، اسپانیایی، ترکی، روسی، عربی، کره‌ای، ایتالیایی، آلمانی، ویتنامی، مالایی و اندونزیایی پشتیبانی می‌کند و به طور خودکار با استفاده از مجموعه ارزیابی ترجمه چند صحنه‌ای، امتیاز COMET را ارزیابی می‌کند. در توانایی ترجمه متقابل در بیش از ده زبان رایج، به طور کلی از مدل‌های هم‌مقیاس در بازار برتر است."
-  },
-  "hunyuan-translation-lite": {
-    "description": "مدل ترجمه هویوان از ترجمه گفتگویی زبان طبیعی پشتیبانی می‌کند؛ از ۱۵ زبان شامل چینی، انگلیسی، ژاپنی، فرانسوی، پرتغالی، اسپانیایی، ترکی، روسی، عربی، کره‌ای، ایتالیایی، آلمانی، ویتنامی، مالایی و اندونزیایی پشتیبانی می‌کند."
-  },
   "hunyuan-turbo": {
     "description": "نسخه پیش‌نمایش مدل زبان بزرگ نسل جدید HunYuan که از ساختار مدل متخصص ترکیبی (MoE) جدید استفاده می‌کند. در مقایسه با hunyuan-pro، کارایی استنتاج سریع‌تر و عملکرد بهتری دارد."
   },
@@ -1355,8 +1412,14 @@
   "hunyuan-turbo-vision": {
     "description": "مدل بزرگ زبان بصری نسل جدید Hunyuan، با استفاده از ساختار جدید مدل‌های متخصص ترکیبی (MoE)، در توانایی‌های مربوط به درک تصویر و متن، خلق محتوا، پرسش و پاسخ دانش و تحلیل استدلال نسبت به مدل‌های نسل قبلی به‌طور جامع بهبود یافته است."
   },
-  "hunyuan-turbos-20250226": {
-    "description": "hunyuan-TurboS pv2.1.2 نسخه ثابت پیش‌ساخته با ارتقاء تعداد توکن‌های آموزش؛ بهبود توانایی‌های تفکر در ریاضی/منطق/کد و بهبود تجربه عمومی در زبان‌های چینی و انگلیسی، شامل تولید متن، درک متن، پرسش و پاسخ دانش، گپ و گفت و غیره."
+  "hunyuan-turbos-20250313": {
+    "description": "یکسان‌سازی سبک مراحل حل مسائل ریاضی، تقویت پرسش و پاسخ چندمرحله‌ای ریاضی. بهینه‌سازی سبک پاسخ در تولید متن، حذف حس مصنوعی هوش مصنوعی و افزودن زیبایی ادبی."
+  },
+  "hunyuan-turbos-20250416": {
+    "description": "ارتقاء پایه پیش‌آموزش، تقویت توانایی درک و پیروی از دستورات پایه؛ تقویت مهارت‌های علوم پایه مانند ریاضیات، کد نویسی، منطق و علوم؛ بهبود کیفیت نوشتار خلاقانه، درک متن، دقت ترجمه و پاسخ به سوالات دانش؛ تقویت توانایی‌های عامل‌های حوزه‌های مختلف، با تمرکز ویژه بر درک گفتگوی چندمرحله‌ای."
+  },
+  "hunyuan-turbos-20250604": {
+    "description": "ارتقاء پایه پیش‌آموزش، بهبود توانایی‌های نوشتن و درک مطلب، افزایش قابل توجه توانایی‌های کدنویسی و علوم پایه، و بهبود مستمر در پیروی از دستورات پیچیده."
   },
   "hunyuan-turbos-latest": {
     "description": "hunyuan-TurboS آخرین نسخه مدل بزرگ پرچمدار مختلط است که دارای توانایی تفکر قوی‌تر و تجربه بهتری است."
@@ -1364,15 +1427,12 @@
   "hunyuan-turbos-longtext-128k-20250325": {
     "description": "این مدل در پردازش وظایف متنی طولانی مانند خلاصه‌سازی و پرسش و پاسخ مستندات مهارت دارد و همچنین توانایی پردازش وظایف تولید متن عمومی را دارد. در تحلیل و تولید متن‌های طولانی عملکرد فوق‌العاده‌ای دارد و می‌تواند به‌طور مؤثر به نیازهای پیچیده و دقیق پردازش محتوای طولانی پاسخ دهد."
   },
-  "hunyuan-turbos-vision": {
-    "description": "این مدل برای سناریوهای درک تصویر و متن مناسب است و بر اساس جدیدترین مدل‌های بصری زبانی turbos طراحی شده است و بر روی وظایف مرتبط با درک تصویر و متن تمرکز دارد، از جمله شناسایی موجودیت‌های مبتنی بر تصویر، پرسش و پاسخ دانش، نوشتن متن و حل مسائل با عکس. نسبت به نسل قبلی مدل به‌طور کلی بهبود یافته است."
+  "hunyuan-turbos-role-plus": {
+    "description": "جدیدترین مدل نقش‌آفرینی Hunyuan، مدل نقش‌آفرینی تنظیم‌شده رسمی Hunyuan است که بر اساس مدل Hunyuan و داده‌های سناریوی نقش‌آفرینی آموزش افزایشی دیده است و در سناریوهای نقش‌آفرینی عملکرد پایه بهتری دارد."
   },
   "hunyuan-vision": {
     "description": "جدیدترین مدل چندوجهی هون‌یوان، پشتیبانی از ورودی تصویر + متن برای تولید محتوای متنی."
   },
-  "internlm/internlm2_5-20b-chat": {
-    "description": "مدل نوآورانه و متن‌باز InternLM2.5، با استفاده از پارامترهای بزرگ مقیاس، هوش مکالمه را بهبود بخشیده است."
-  },
   "internlm/internlm2_5-7b-chat": {
     "description": "InternLM2.5 راه‌حل‌های گفتگوی هوشمند در چندین سناریو ارائه می‌دهد."
   },
@@ -1400,6 +1460,9 @@
   "kimi-latest": {
     "description": "محصول دستیار هوشمند کیمی از جدیدترین مدل بزرگ کیمی استفاده می‌کند و ممکن است شامل ویژگی‌های ناپایدار باشد. از درک تصویر پشتیبانی می‌کند و به‌طور خودکار بر اساس طول متن درخواست، مدل‌های 8k/32k/128k را به‌عنوان مدل محاسبه انتخاب می‌کند."
   },
+  "kimi-thinking-preview": {
+    "description": "مدل kimi-thinking-preview که توسط Moon’s Dark Side ارائه شده است، مدلی چندرسانه‌ای با توانایی استدلال چندوجهی و استدلال عمومی است که در استدلال عمیق مهارت دارد و به حل مسائل پیچیده‌تر کمک می‌کند."
+  },
   "learnlm-1.5-pro-experimental": {
     "description": "LearnLM یک مدل زبانی تجربی و خاص برای وظایف است که برای مطابقت با اصول علم یادگیری آموزش دیده است و می‌تواند در سناریوهای آموزشی و یادگیری از دستورات سیستم پیروی کند و به عنوان مربی متخصص عمل کند."
   },
@@ -1781,6 +1844,9 @@
   "moonshot-v1-auto": {
     "description": "Moonshot V1 Auto می‌تواند بر اساس تعداد توکن‌های اشغال شده در متن فعلی، مدل مناسب را انتخاب کند."
   },
+  "moonshotai/Kimi-Dev-72B": {
+    "description": "Kimi-Dev-72B یک مدل بزرگ کد منبع باز است که با یادگیری تقویتی گسترده بهینه شده است و قادر به تولید پچ‌های پایدار و قابل استفاده مستقیم در تولید می‌باشد. این مدل در SWE-bench Verified امتیاز جدید ۶۰.۴٪ را کسب کرده و رکورد مدل‌های منبع باز را در وظایف مهندسی نرم‌افزار خودکار مانند رفع اشکال و بازبینی کد شکسته است."
+  },
   "nousresearch/hermes-2-pro-llama-3-8b": {
     "description": "هرمس ۲ پرو لاما ۳ ۸B نسخه ارتقاء یافته Nous Hermes 2 است که شامل جدیدترین مجموعه داده‌های توسعه‌یافته داخلی می‌باشد."
   },
@@ -1802,15 +1868,27 @@
   "o1-preview": {
     "description": "تمرکز بر استدلال پیشرفته و حل مسائل پیچیده، از جمله وظایف ریاضی و علمی. بسیار مناسب برای برنامه‌هایی که نیاز به درک عمیق از زمینه و جریان کاری خودمختار دارند."
   },
+  "o1-pro": {
+    "description": "مدل‌های سری o1 با آموزش تقویتی قادر به تفکر پیش از پاسخ‌دهی و انجام وظایف استدلالی پیچیده هستند. مدل o1-pro از منابع محاسباتی بیشتری استفاده می‌کند تا تفکر عمیق‌تری داشته باشد و پاسخ‌های با کیفیت‌تری ارائه دهد."
+  },
   "o3": {
     "description": "o3 یک مدل همه‌کاره و قدرتمند است که در چندین حوزه عملکرد عالی دارد. این مدل استاندارد جدیدی برای وظایف ریاضی، علمی، برنامه‌نویسی و استدلال بصری تعیین کرده است. همچنین در نوشتن فنی و پیروی از دستورات نیز مهارت دارد. کاربران می‌توانند از آن برای تحلیل متن، کد و تصاویر و حل مسائل پیچیده چند مرحله‌ای استفاده کنند."
   },
+  "o3-deep-research": {
+    "description": "o3-deep-research پیشرفته‌ترین مدل تحقیق عمیق ما است که به‌طور خاص برای انجام وظایف تحقیقاتی پیچیده و چندمرحله‌ای طراحی شده است. این مدل می‌تواند از اینترنت جستجو و اطلاعات را ترکیب کند و همچنین از طریق اتصال MCP به داده‌های اختصاصی شما دسترسی پیدا کرده و از آن‌ها بهره‌برداری کند."
+  },
   "o3-mini": {
     "description": "o3-mini جدیدترین مدل استنتاج کوچک ماست که هوش بالایی را با هزینه و هدف تأخیر مشابه o1-mini ارائه می‌دهد."
   },
+  "o3-pro": {
+    "description": "مدل o3-pro با استفاده از محاسبات بیشتر، تفکر عمیق‌تری انجام می‌دهد و همواره پاسخ‌های بهتری ارائه می‌کند. فقط در API پاسخ‌ها قابل استفاده است."
+  },
   "o4-mini": {
     "description": "o4-mini جدیدترین مدل کوچک از سری o ما است. این مدل به‌طور خاص برای استدلال سریع و مؤثر بهینه‌سازی شده و در وظایف کدنویسی و بصری عملکرد بسیار بالایی دارد."
   },
+  "o4-mini-deep-research": {
+    "description": "o4-mini-deep-research مدل تحقیق عمیق سریع‌تر و مقرون‌به‌صرفه‌تر ما است که برای انجام وظایف تحقیقاتی پیچیده و چندمرحله‌ای بسیار مناسب است. این مدل می‌تواند از اینترنت جستجو و اطلاعات را ترکیب کند و همچنین از طریق اتصال MCP به داده‌های اختصاصی شما دسترسی پیدا کرده و از آن‌ها بهره‌برداری کند."
+  },
   "open-codestral-mamba": {
     "description": "Codestral Mamba یک مدل زبان Mamba 2 است که بر تولید کد تمرکز دارد و پشتیبانی قدرتمندی برای وظایف پیشرفته کدنویسی و استدلال ارائه می‌دهد."
   },
@@ -1886,11 +1964,17 @@
   "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."
   },
-  "qvq-max-latest": {
-    "description": "مدل استدلال بصری QVQ، ورودی‌های بصری و خروجی‌های زنجیره تفکر را پشتیبانی می‌کند و در ریاضیات، برنامه‌نویسی، تحلیل بصری، خلاقیت و وظایف عمومی عملکرد بهتری از خود نشان می‌دهد."
+  "qvq-max": {
+    "description": "مدل استدلال بینایی QVQ Tongyi Qianwen که از ورودی‌های بینایی و خروجی زنجیره فکری پشتیبانی می‌کند و در ریاضیات، برنامه‌نویسی، تحلیل بینایی، خلاقیت و وظایف عمومی توانایی‌های قوی‌تری نشان می‌دهد."
   },
-  "qwen-coder-plus-latest": {
-    "description": "مدل کد Qwen با قابلیت‌های جامع."
+  "qvq-plus": {
+    "description": "مدل استدلال بصری. پشتیبانی از ورودی‌های بصری و خروجی زنجیره تفکر، نسخه پلاس پس از مدل qvq-max، که نسبت به مدل qvq-max سرعت استدلال بالاتر و تعادل بهتری بین عملکرد و هزینه دارد."
+  },
+  "qwen-coder-plus": {
+    "description": "مدل کد نویسی Tongyi Qianwen."
+  },
+  "qwen-coder-turbo": {
+    "description": "مدل کد نویسی Tongyi Qianwen."
   },
   "qwen-coder-turbo-latest": {
     "description": "مدل کدنویسی تونگی چیان‌ون."
@@ -1898,41 +1982,44 @@
   "qwen-long": {
     "description": "مدل زبانی بسیار بزرگ Tongyi Qianwen که از متن‌های طولانی و همچنین قابلیت مکالمه در چندین سناریو مانند اسناد طولانی و چندین سند پشتیبانی می‌کند."
   },
+  "qwen-math-plus": {
+    "description": "مدل ریاضی Tongyi Qianwen که به طور خاص برای حل مسائل ریاضی طراحی شده است."
+  },
   "qwen-math-plus-latest": {
     "description": "مدل ریاضی Qwen یک مدل زبانی است که به طور خاص برای حل مسائل ریاضی طراحی شده است."
   },
+  "qwen-math-turbo": {
+    "description": "مدل ریاضی Tongyi Qianwen که به طور خاص برای حل مسائل ریاضی طراحی شده است."
+  },
   "qwen-math-turbo-latest": {
     "description": "مدل ریاضی Qwen Math Turbo یک مدل زبانی است که به طور خاص برای حل مسائل ریاضی طراحی شده است."
   },
   "qwen-max": {
     "description": "مدل زبان بسیار بزرگ و با ظرفیت Qwen با توانایی پشتیبانی از ورودی زبان‌های مختلف مانند چینی و انگلیسی، در حال حاضر مدل API پشت نسخه محصول Qwen 2.5 است."
   },
-  "qwen-max-latest": {
-    "description": "مدل زبانی بسیار بزرگ با مقیاس میلیاردی تونگی چیان‌ون، که از ورودی‌های زبان‌های مختلف مانند چینی، انگلیسی و غیره پشتیبانی می‌کند. مدل API پشت نسخه محصول تونگی چیان‌ون 2.5 فعلی."
-  },
-  "qwen-omni-turbo-latest": {
-    "description": "مدل‌های سری Qwen-Omni از ورودی داده‌های چندگانه شامل ویدیو، صدا، تصویر و متن پشتیبانی می‌کنند و خروجی‌های صوتی و متنی تولید می‌کنند."
+  "qwen-omni-turbo": {
+    "description": "مدل‌های سری Qwen-Omni از ورودی‌های چندرسانه‌ای مختلف از جمله ویدئو، صدا، تصویر و متن پشتیبانی می‌کنند و خروجی صوتی و متنی ارائه می‌دهند."
   },
   "qwen-plus": {
     "description": "مدل زبان بسیار بزرگ Qwen در نسخه تقویت شده، از ورودی زبان‌های مختلف مانند چینی و انگلیسی پشتیبانی می‌کند."
   },
-  "qwen-plus-latest": {
-    "description": "نسخه تقویت‌شده مدل زبانی بسیار بزرگ Tongyi Qianwen، پشتیبانی از ورودی به زبان‌های چینی، انگلیسی و سایر زبان‌ها."
-  },
   "qwen-turbo": {
     "description": "مدل زبان بسیار بزرگ Qwen، از ورودی زبان‌های مختلف مانند چینی و انگلیسی پشتیبانی می‌کند."
   },
-  "qwen-turbo-latest": {
-    "description": "مدل زبانی بسیار بزرگ Tongyi Qianwen که از ورودی‌های زبان‌های مختلف مانند چینی، انگلیسی و غیره پشتیبانی می‌کند."
-  },
   "qwen-vl-chat-v1": {
     "description": "مدل Qwen-VL از روش‌های تعاملی انعطاف‌پذیر پشتیبانی می‌کند، از جمله قابلیت‌های چندتصویری، پرسش و پاسخ چندمرحله‌ای و خلاقیت."
   },
+  "qwen-vl-max": {
+    "description": "مدل بزرگ زبان-بینایی فوق‌العاده بزرگ Tongyi Qianwen. نسبت به نسخه تقویت‌شده، توانایی استدلال بینایی و پیروی از دستورات را مجدداً ارتقاء داده و سطح بالاتری از ادراک و شناخت بینایی را ارائه می‌دهد."
+  },
   "qwen-vl-max-latest": {
     "description": "مدل زبان بصری فوق‌العاده بزرگ Qwen-VL. در مقایسه با نسخه تقویت‌شده، توانایی استدلال بصری و پیروی از دستورات را دوباره بهبود می‌بخشد و سطح بالاتری از ادراک و شناخت بصری را ارائه می‌دهد."
   },
-  "qwen-vl-ocr-latest": {
-    "description": "مدل OCR Qwen برای استخراج متن، بر روی توانایی استخراج متن از انواع تصاویر مانند اسناد، جداول، سوالات و متن‌های دست‌نویس تمرکز دارد. این مدل قادر به شناسایی انواع مختلف متون است و زبان‌های پشتیبانی شده شامل: چینی، انگلیسی، فرانسوی، ژاپنی، کره‌ای، آلمانی، روسی، ایتالیایی، ویتنامی و عربی می‌باشد."
+  "qwen-vl-ocr": {
+    "description": "مدل اختصاصی استخراج متن Tongyi Qianwen OCR که بر استخراج متن از تصاویر اسناد، جداول، سوالات و دست‌نوشته‌ها تمرکز دارد. این مدل قادر به شناسایی چندین زبان است که شامل چینی، انگلیسی، فرانسوی، ژاپنی، کره‌ای، آلمانی، روسی، ایتالیایی، ویتنامی و عربی می‌باشد."
+  },
+  "qwen-vl-plus": {
+    "description": "نسخه تقویت‌شده مدل بزرگ زبان-بینایی Tongyi Qianwen. توانایی شناسایی جزئیات و تشخیص متن را به طور چشمگیری افزایش داده و از تصاویر با رزولوشن بیش از یک میلیون پیکسل و نسبت ابعاد دلخواه پشتیبانی می‌کند."
   },
   "qwen-vl-plus-latest": {
     "description": "نسخه تقویت‌شده مدل زبان تصویری بزرگ تونگی چیان‌ون. بهبود قابل توجه در توانایی تشخیص جزئیات و شناسایی متن، پشتیبانی از وضوح بیش از یک میلیون پیکسل و تصاویر با هر نسبت طول به عرض."
@@ -2021,6 +2108,9 @@
   "qwen2.5-coder-1.5b-instruct": {
     "description": "نسخه متن‌باز مدل کد Qwen."
   },
+  "qwen2.5-coder-14b-instruct": {
+    "description": "نسخه متن‌باز مدل کد نویسی Tongyi Qianwen."
+  },
   "qwen2.5-coder-32b-instruct": {
     "description": "نسخه متن باز مدل کد Qwen."
   },
@@ -2111,8 +2201,8 @@
   "qwq-32b-preview": {
     "description": "مدل QwQ یک مدل تحقیقاتی تجربی است که توسط تیم Qwen توسعه یافته و بر تقویت توانایی استدلال AI تمرکز دارد."
   },
-  "qwq-plus-latest": {
-    "description": "مدل استنتاج QwQ مبتنی بر مدل Qwen2.5 است که از طریق یادگیری تقویتی به طور قابل توجهی توانایی استنتاج مدل را افزایش داده است. شاخص‌های اصلی مدل مانند کد ریاضی (AIME 24/25، LiveCodeBench) و برخی از شاخص‌های عمومی (IFEval، LiveBench و غیره) به سطح DeepSeek-R1 نسخه کامل رسیده‌اند."
+  "qwq-plus": {
+    "description": "مدل استدلال QwQ مبتنی بر مدل Qwen2.5 است که با یادگیری تقویتی توانایی استدلال مدل را به طور قابل توجهی افزایش داده است. شاخص‌های اصلی مدل در ریاضیات و کد نویسی (AIME 24/25، LiveCodeBench) و برخی شاخص‌های عمومی (IFEval، LiveBench و غیره) به سطح نسخه کامل DeepSeek-R1 رسیده‌اند."
   },
   "qwq_32b": {
     "description": "مدل استدلالی با اندازه متوسط از سری Qwen. نسبت به مدل‌های معمولی تنظیم‌شده بر اساس دستورات، QwQ که دارای توانایی‌های تفکر و استدلال است، در وظایف پایین‌دستی، به‌ویژه در حل مسائل دشوار، می‌تواند عملکرد را به‌طور قابل توجهی افزایش دهد."
@@ -2195,6 +2285,9 @@
   "taichu_vl": {
     "description": "توانایی‌های درک تصویر، انتقال دانش، و استدلال منطقی را ترکیب کرده و در زمینه پرسش و پاسخ تصویری و متنی عملکرد برجسته‌ای دارد."
   },
+  "tencent/Hunyuan-A13B-Instruct": {
+    "description": "Hunyuan-A13B-Instruct با ۸۰ میلیارد پارامتر، با فعال‌سازی ۱۳ میلیارد پارامتر قادر به رقابت با مدل‌های بزرگ‌تر است و از استدلال ترکیبی «تفکر سریع/تفکر کند» پشتیبانی می‌کند؛ درک متون بلند به صورت پایدار؛ توانایی عامل با تأیید BFCL-v3 و τ-Bench پیشرو است؛ با ترکیب GQA و چندین فرمت کوانتیزه‌سازی، استدلال کارآمد را محقق می‌سازد."
+  },
   "text-embedding-3-large": {
     "description": "قدرت‌مندترین مدل وکتور سازی، مناسب برای وظایف انگلیسی و غیرانگلیسی."
   },
@@ -2246,6 +2339,15 @@
   "us.anthropic.claude-3-7-sonnet-20250219-v1:0": {
     "description": "Claude 3.7 sonnet سریع‌ترین مدل نسل بعدی Anthropic است. در مقایسه با Claude 3 Haiku، Claude 3.7 Sonnet در تمام مهارت‌ها بهبود یافته و در بسیاری از آزمون‌های استاندارد هوش از بزرگ‌ترین مدل نسل قبلی، Claude 3 Opus، پیشی گرفته است."
   },
+  "v0-1.0-md": {
+    "description": "مدل v0-1.0-md نسخه قدیمی مدلی است که از طریق API نسخه v0 ارائه می‌شود"
+  },
+  "v0-1.5-lg": {
+    "description": "مدل v0-1.5-lg برای وظایف پیشرفته تفکر یا استدلال مناسب است"
+  },
+  "v0-1.5-md": {
+    "description": "مدل v0-1.5-md برای وظایف روزمره و تولید رابط کاربری (UI) مناسب است"
+  },
   "whisper-1": {
     "description": "مدل شناسایی گفتار عمومی، پشتیبانی از شناسایی گفتار چند زبانه، ترجمه گفتار و شناسایی زبان."
   },

locales/fa-IR/plugin.json

@@ -12,6 +12,15 @@
     "tool_call": "درخواست فراخوانی ابزار"
   },
   "detailModal": {
+    "customPlugin": {
+      "description": "لطفاً برای مشاهده جزئیات به صفحه ویرایش مراجعه کنید",
+      "editBtn": "ویرایش اکنون",
+      "title": "این یک افزونه سفارشی است"
+    },
+    "emptyState": {
+      "description": "لطفاً ابتدا این افزونه را نصب کنید تا قابلیت‌ها و گزینه‌های پیکربندی آن را مشاهده کنید",
+      "title": "پس از نصب، جزئیات افزونه را مشاهده کنید"
+    },
     "info": {
       "description": "توضیحات API",
       "name": "نام API"
@@ -230,6 +239,50 @@
     },
     "title": "فایل‌های محلی"
   },
+  "mcpInstall": {
+    "CHECKING_INSTALLATION": "در حال بررسی محیط نصب...",
+    "COMPLETED": "نصب کامل شد",
+    "CONFIGURATION_REQUIRED": "لطفاً پیکربندی‌های لازم را انجام دهید و سپس نصب را ادامه دهید",
+    "ERROR": "خطای نصب",
+    "FETCHING_MANIFEST": "در حال دریافت فایل توضیحات افزونه...",
+    "GETTING_SERVER_MANIFEST": "در حال راه‌اندازی سرور MCP...",
+    "INSTALLING_PLUGIN": "در حال نصب افزونه...",
+    "configurationDescription": "این افزونه MCP نیاز به پارامترهای پیکربندی دارد تا به درستی کار کند، لطفاً اطلاعات پیکربندی لازم را وارد کنید",
+    "configurationRequired": "پیکربندی پارامترهای افزونه",
+    "continueInstall": "ادامه نصب",
+    "dependenciesDescription": "این افزونه برای عملکرد صحیح نیاز به نصب وابستگی‌های سیستمی زیر دارد، لطفاً وابستگی‌های گمشده را طبق راهنما نصب کرده و سپس برای ادامه نصب روی بررسی مجدد کلیک کنید.",
+    "dependenciesRequired": "لطفاً وابستگی‌های سیستمی افزونه را نصب کنید",
+    "dependencyStatus": {
+      "installed": "نصب شده",
+      "notInstalled": "نصب نشده",
+      "requiredVersion": "نسخه مورد نیاز: {{version}}"
+    },
+    "errorDetails": {
+      "args": "پارامترها",
+      "command": "دستور",
+      "connectionParams": "پارامترهای اتصال",
+      "env": "متغیرهای محیطی",
+      "errorOutput": "گزارش خطا",
+      "exitCode": "کد خروج",
+      "hideDetails": "پنهان کردن جزئیات",
+      "originalError": "خطای اصلی",
+      "showDetails": "نمایش جزئیات"
+    },
+    "errorTypes": {
+      "CONNECTION_FAILED": "اتصال ناموفق بود",
+      "INITIALIZATION_TIMEOUT": "زمان راه‌اندازی به پایان رسید",
+      "PROCESS_SPAWN_ERROR": "خطا در راه‌اندازی فرآیند",
+      "UNKNOWN_ERROR": "خطای ناشناخته",
+      "VALIDATION_ERROR": "اعتبارسنجی پارامترها ناموفق بود"
+    },
+    "installError": "نصب افزونه MCP ناموفق بود، دلیل خطا: {{detail}}",
+    "installMethods": {
+      "manual": "نصب دستی:",
+      "recommended": "روش نصب پیشنهادی:"
+    },
+    "recheckDependencies": "بررسی مجدد",
+    "skipDependencies": "رد بررسی"
+  },
   "pluginList": "فهرست افزونه‌ها",
   "search": {
     "apiName": {
@@ -266,16 +319,48 @@
   },
   "setting": "تنظیمات افزونه",
   "settings": {
+    "capabilities": {
+      "prompts": "عبارات راهنما",
+      "resources": "منابع",
+      "title": "قابلیت‌های افزونه",
+      "tools": "ابزارها"
+    },
+    "configuration": {
+      "title": "پیکربندی افزونه"
+    },
+    "connection": {
+      "args": "پارامترهای راه‌اندازی",
+      "command": "دستور راه‌اندازی",
+      "title": "اطلاعات اتصال",
+      "type": "نوع اتصال",
+      "url": "آدرس سرویس"
+    },
+    "edit": "ویرایش",
+    "envConfigDescription": "این تنظیمات به عنوان متغیرهای محیطی هنگام راه‌اندازی سرور MCP به فرآیند منتقل می‌شوند",
+    "httpTypeNotice": "افزونه‌های MCP با نوع HTTP در حال حاضر نیازی به تنظیم متغیرهای محیطی ندارند",
     "indexUrl": {
       "title": "شاخص بازار",
       "tooltip": "ویرایش آنلاین در حال حاضر پشتیبانی نمی‌شود، لطفاً از طریق متغیرهای محیطی در زمان استقرار تنظیم کنید"
     },
+    "messages": {
+      "connectionUpdateFailed": "به‌روزرسانی اطلاعات اتصال ناموفق بود",
+      "connectionUpdateSuccess": "اطلاعات اتصال با موفقیت به‌روزرسانی شد",
+      "envUpdateFailed": "ذخیره متغیرهای محیطی ناموفق بود",
+      "envUpdateSuccess": "متغیرهای محیطی با موفقیت ذخیره شدند"
+    },
     "modalDesc": "پس از پیکربندی آدرس بازار افزونه، می‌توانید از بازار افزونه سفارشی استفاده کنید",
+    "rules": {
+      "argsRequired": "لطفاً پارامترهای راه‌اندازی را وارد کنید",
+      "commandRequired": "لطفاً دستور راه‌اندازی را وارد کنید",
+      "urlRequired": "لطفاً آدرس سرویس را وارد کنید"
+    },
+    "saveSettings": "ذخیره تنظیمات",
     "title": "تنظیمات بازار افزونه"
   },
   "showInPortal": "لطفاً جزئیات را در فضای کاری مشاهده کنید",
   "store": {
     "actions": {
+      "cancel": "لغو نصب",
       "confirmUninstall": "در حال حذف این افزونه هستید. پس از حذف، تنظیمات افزونه پاک خواهد شد. لطفاً عملیات خود را تأیید کنید.",
       "detail": "جزئیات",
       "install": "نصب",
@@ -286,13 +371,15 @@
     "communityPlugin": "افزونه‌های جامعه",
     "customPlugin": "افزونه سفارشی",
     "empty": "هیچ افزونه‌ای نصب نشده است",
+    "emptySelectHint": "برای پیش‌نمایش جزئیات، افزونه‌ای را انتخاب کنید",
     "installAllPlugins": "نصب همه",
     "networkError": "دریافت فروشگاه افزونه‌ها ناموفق بود. لطفاً اتصال شبکه خود را بررسی کرده و دوباره تلاش کنید.",
     "placeholder": "نام افزونه، توضیحات یا کلمات کلیدی را جستجو کنید...",
     "releasedAt": "منتشر شده در {{createdAt}}",
     "tabs": {
-      "all": "همه",
-      "installed": "نصب شده"
+      "installed": "نصب شده",
+      "mcp": "افزونه MCP",
+      "old": "افزونه LobeChat"
     },
     "title": "فروشگاه افزونه‌ها"
   },