モデルディレクトリ

最新の AI モデル

新しいモデルを公開日順に見つけられます。

公開日の新しい順7 言語
クリア

506 モデル

公開日の新しい順
Anthropic

Claude Mythos 5.1

Claude Mythos 5.1は、コーディング、知識労働、科学研究を対象とするAnthropicのモデルです。Claude Fable 5.1と同じ基盤モデルですが、安全対策の設定が異なり、Mythos 5.1は審査を受けた利用者向けにサイバーセキュリティと生命科学の作業を支援します。(anthropic.com) テキストと画像を入力し、テキストを出力します。コンテキストウィンドウは100万…

Anthropic

Claude Fable 5.1

Claude Fable 5.1は、Anthropicがコーディング、知識労働、複雑な推論、長時間にわたるエージェント作業向けに提供するモデルです。科学研究の支援も想定されています。公開日は2026年9月1日です。(anthropic.com) テキストと画像を入力として受け取り、テキストを出力します。 コンテキストウィンドウは100万トークン、最大出力は128,000トークンです。 適応的思考が…

Google

TimesFM-3

TimesFM-3は、Google Researchが開発した、ゼロショットの単変量・多変量時系列予測向け基盤モデルです。3億3,000万パラメータを持ち、実世界と合成データを合わせて1兆点を超える時系列データで事前学習されています。タスクごとの追加学習なしで、関連する複数系列を同時に予測できます。(research.google) 複数の予測対象に対し、点予測と第10〜第90パーセンタイルの9分…

Alibaba

Qwen-MT-Image-2.0

画像翻訳に特化したモデルサービス。画像内の文字を指定言語に翻訳し、元のレイアウトや内容の再現を目指す。公式発表日は2026年8月28日。 (alibabacloud.com) 中国語、英語、日本語などの画像翻訳に対応。用語定義・介入、分野のヒント、センシティブワードのフィルタリング、商品主体の検出をサポートする。多言語の画像ローカライズに利用できる。 (alibabacloud.com) 発表では…

Tencent

Tencent Hy4 preview

Tencent Hy4 previewは、ソフトウェア開発、オフィス業務、科学研究などの実務を対象とする、オープンソースの大規模言語モデルです。2026年8月28日に公開されました。Hy4の初期プレビュー版であり、正式版とは別のモデルです。(tencent.com) 総パラメータ数は770B、推論時の活性化パラメータ数は49Bです。 Tencent Cloud TokenHubでは、コンテキストウ…

Google

Gemini Omni 1.1 Flash

Googleが開発者向けに提供する、動画生成・編集に特化したマルチモーダルモデル。自然言語による編集や、映像制作の制御性を重視した製品版で、2026年8月27日に発表された。(blog.google) Gemini APIではテキスト、画像、動画を入力し、動画を出力できる。自然言語での対話的な編集にも対応する。(aistudio.google.com) 既存シーンを10秒単位で延長し、累計最大40…

ByteDance

Seed-Evolving

Seed-Evolvingは、Agentとコーディングを対象とするSeedシリーズの深い推論モデルです。統一Model ID doubao-seed-evolving で呼び出し、バージョン更新後も同じIDを利用できます。(docs.volcengine.com) 複雑なタスクの組み立て、長期計画、コード生成、ツール呼び出し、深い推論、マルチモーダル理解、構造化出力に対応します。開発、深い調査、ワ…

Google

Gemini 3.5 Transcribe Live

Googleの低遅延リアルタイム音声文字起こしモデル。Gemini Live APIをWebSocketまたはSDKから利用し、音声を連続入力しながらテキストを段階的に受け取れる。会話応答や音声生成を主目的とするモデルではなく、音声認識専用のパイプラインである。(aistudio.google.com) 発話中の暫定結果と、発話区間終了後の確定結果を返す。音声アプリ、リアルタイム字幕、音声入力など…

Google

Gemini 3.5 Transcribe

Googleの音声認識・文字起こしモデル。入力音声をテキストに変換し、録音済みの会議、通話記録、音声分析などに利用できる。85以上の言語を自動検出し、会話中の言語切り替えにも対応する。(blog.google) 発話の言い直しやフィラーを整理し、テキストを整形するスマート文字起こしに対応。 録音音声では話者分離、単語単位のタイムスタンプ、専門用語などのカスタム語彙に対応。 リアルタイム字幕や音声イ…

Zhipu AI

GLM-5.3-Flash

GLM-5.3-Flashは、GLM-5シリーズ初のネイティブマルチモーダルモデル。低コストの推論と、コーディング、視覚理解、エージェント業務を重視している。総パラメーターは320B、活性化パラメーターは18Bで、疎注意と線形注意を組み合わせたアーキテクチャを採用する。公式発表日は2026年8月26日。(z.ai) テキスト、画像、動画、ファイルを入力し、テキストを出力する。コンテキスト長は1Mト…

Alibaba

Qwen3.8-Flash

Qwen3.8-Flashは、推論・生成能力と応答速度を重視した通義千問のマルチモーダルモデルです。APIのモデル指定値はqwen3.8-flashです。公式発表日は2026年8月26日です。(docs.qwencloud.com) テキスト・画像・動画を入力し、テキストを出力します。長文書やコードベースの処理、プログラミング支援、エージェント型ワークフロー、図表や長い動画の分析に利用できます。…

Alibaba

Qwen3.8-Flash-Next

Qwen3.8-Flash-Nextは、Qwen4向けアーキテクチャの早期プレビューを兼ねる、重み公開型のマルチモーダルMoEモデルです。メインモデルは125Bパラメータ、追加のN-gram埋め込みは51Bパラメータで、1トークン当たり6Bパラメータが活性化します。(alibabacloud.com) テキストと画像を扱い、テキストを生成できます。長文処理、コーディング支援、オフィス業務、高頻度の…

Tencent

WeMM-Embedding-9B

TencentのWeChat Visionチームが開発した、約90億パラメータの汎用マルチモーダル埋め込みモデル。異なる種類のコンテンツを共通のベクトル空間で表現する。(github.com) テキスト、画像、動画、視覚文書、およびそれらを組み合わせた入力に対応する。 出力次元は64、128、256、512、1024、2048、4096から選択できる。 検索、推薦、分類、エージェントシステムなどに…

Tencent

WeMM-Embedding-4B

Tencentの微信視覚チームが開発した、Qwen3.5ベースの汎用マルチモーダル埋め込みモデルです。入力を共通のベクトル空間に表現し、テキスト生成ではなく特徴抽出や類似度計算に用います。(huggingface.co) テキスト、画像、動画、視覚文書、それらを交互に組み合わせた入力に対応します。 出力はL2正規化された埋め込みベクトルで、最大2,560次元です。Matryoshka方式により64…

Tencent

WeMM-Embedding-2B

TencentのWeChat Visionチームが開発した、Qwen3.5ベースの汎用マルチモーダル埋め込みモデルです。入力を共通のベクトル表現に変換し、検索や推薦などに利用できます。(huggingface.co) テキスト、画像、動画、視覚文書、およびそれらを交互に含む入力に対応します。通常は2,048次元のL2正規化済み埋め込みを出力します。(huggingface.co)…

DeepSeek

DeepSeek-V4-Flash-Vision-Exp

DeepSeek が 2026年8月21日に公開した、画像理解に対応する実験的なマルチモーダルモデルです。公式発表によると、テキストのみのエージェント、推論、世界知識の能力は DeepSeek-V4-Flash と同等で、視覚理解を要するエージェントのベンチマークでは同モデルを上回りました。(api-docs.deepseek.com) テキストと画像を混在させた入力に対応。画像理解とツールを組み…

Alibaba

Wan3.0-Video-Prime

Wan3.0-Video-Primeは、Wan3.0の動画生成モデルを高速化した版です。標準版と同等の機能を備え、生成速度の向上を目的としています。Alibaba Cloud Model Studioから利用できます。(alibabacloud.com) テキスト、画像、動画、音声、ファイル、リンクを入力し、動画を生成できます。テキストからの動画生成、画像からの動画生成(最初のフレームまたは最初と…

Zhipu AI

GLM-5.3

2026年8月14日に発表された、複雑なコーディング、長期にわたるエージェント作業、サイバーセキュリティ向けのテキストモデル。GLM-5.2と同じ基盤モデルを使い、追加学習の拡大によって能力を改善したと公式に説明されている。(z.ai) コード生成・修正、複数段階のソフトウェア開発、ターミナル操作、長期的なエージェント作業に適する。公式の社内評価では、コーディング能力がGLM-5.2比で50%向上…

Alibaba

Qwen3.8-27B

Qwen3.8-27Bは、AlibabaのQwenチームが開発した、270億パラメータのネイティブなマルチモーダル・密モデルです。モデルの重みはApache 2.0ライセンスで公開されています。公開日は2026年8月14日です。(github.com) テキスト・画像・動画を入力し、テキストを出力します。思考モードと非思考モードを切り替えられ、コーディング、文書や画像の理解、オフィス業務、調査、複…

Google

Gemini 3.7 Flash

Googleが2026年8月13日に発表した、コーディングとエージェント向けの高速・効率的なGemini 3系列モデル。Gemini 3.6 Flashを基盤とし、推論や複数段階のタスク実行を改善している。(blog.google) テキスト、画像、音声、動画を入力し、テキストを出力する。最大コンテキストは1,048,576トークン、最大出力は65,536トークン。(docs.cloud.goog…