Doubao-Seed-1.6-flash
Doubao-Seed-1.6-flash は、低遅延アプリケーション向けのマルチモーダル深い思考モデルで、テキストと視覚の理解に対応しています。火山方舟は 250828 を視覚理解モデルのバージョン更新として掲載しており、250715 版と比べてテキスト能力はほぼ同等で、視覚能力は大幅に向上しています。(docs.volcengine.com) モデルの性能、速度、コストのバランスが求められるス…
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
Doubao-Seed-1.6-flash は、低遅延アプリケーション向けのマルチモーダル深い思考モデルで、テキストと視覚の理解に対応しています。火山方舟は 250828 を視覚理解モデルのバージョン更新として掲載しており、250715 版と比べてテキスト能力はほぼ同等で、視覚能力は大幅に向上しています。(docs.volcengine.com) モデルの性能、速度、コストのバランスが求められるス…
gpt-realtime は、OpenAI がリアルタイムの音声対話向けに開発したマルチモーダルモデルであり、同社初の正式リリースされた Realtime モデルでもあります。音声を直接処理・生成し、音声認識モデルと音声合成モデルを連結することなく、開発者が低遅延の音声エージェントを構築できるようにすることを目的としています。2025 年 8 月 28 日、OpenAI はこのモデルと…
Qianfan-EngCard-VL は、Baidu が教育分野向けに提供する、特定分野に特化した画像理解モデルです。百度千帆は、このモデルを推論サービス API V2 の画像理解モデルとして掲載しています。(cloud.baidu.com) 領域の切り出しが完了した英語の解答カードの穴埋め部分を対象に、問題の元の順序に従って解答を自動認識でき、教育における採点支援に適しています。(qianfan…
百度千帆の特定分野に特化した画像理解モデルで、単一画像内の情報の識別と抽出を目的とする。公式コミュニティでは教育分野向けモデルとして掲載されている。(cloud.baidu.com) 単一画像内の情報を識別・抽出し、システム処理しやすい YAML 形式で出力する。 教育分野における画像内容の抽出や、その後の構造化処理に利用できる。(qianfan.cloud.baidu.com) 公式説明は単一画…