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

468 モデル

公開日の新しい順
Alibaba

Qwen3-Rerank

Qwen LLMを基盤とするテキスト再ランキングモデル。検索クエリと候補文書の関連性を評価し、検索結果を並べ替える。長文入力と多言語に対応し、テキスト検索やRAGに利用できる。公式説明では、性能はオープンソースのQwen3-Rerankシリーズに対応するとされる。推論サービスはAlibaba Cloud Model Studioが提供する。 (alibabacloud.com) 公式リリース一覧で…

OpenAI

GPT-5.6 Luna

GPT-5.6 Lunaは、GPT-5.6シリーズの高速・低コストモデルです。コストを重視する大量処理向けに設計されており、従来のGPT-5ファミリーのnano相当の位置づけです。(openai.com) テキストの入力・出力と画像入力に対応します。関数呼び出し、構造化出力、ストリーミングを利用できます。 推論強度はnone、low、medium、high、xhigh、maxから選択でき、既定値は…

OpenAI

GPT-5.6 Terra

GPT-5.6 Terraは、知能とコストのバランスを重視した、日常業務向けのGPT-5.6モデルです。OpenAIは、従来のGPT-5ファミリーにおけるminiクラスにおおむね相当すると説明しています。(openai.com) 限定プレビュー発表日: 2026年6月26日。発表当初は、選定されたパートナーなどを対象とした限定プレビューでした。(openai.com) 一般提供: 2026年7月9…

OpenAI

GPT-5.6 Sol

GPT-5.6 Solは、複雑な専門業務向けのGPT-5.6ファミリーのフラッグシップモデルです。2026年6月26日に一部の信頼できるパートナー向けの限定プレビューとして発表され、同年7月9日にChatGPT、Codex、OpenAI APIでの提供開始が発表されました。(openai.com) コーディング、複雑なコマンドライン作業、生物学の分析、サイバーセキュリティ研究などに利用できます。推…

Alibaba

Qwen-Image-2.0-Pro

Qwen-Image-2.0シリーズの高性能版に属する、画像生成と画像編集を統合したモデルです。推論サービスはAlibaba Cloud Model Studioが提供します。(alibabacloud.com) テキストと画像を入力し、画像を出力します。テキストからの画像生成や、既存画像の編集に利用できます。(alibabacloud.com) 約1,000トークンの指示に対応し、画像内の文字描…

OpenAI

GPT-5.5 Instant

GPT-5.5 Instantは、日常的な対話を対象とするChatGPTのモデルです。2026年5月5日に提供が開始され、当時はChatGPTの既定モデルとして、APIではchat-latestとして提供されました。2026年6月24日は、このモデルの会話品質に関する更新の発表日であり、初公開日ではありません。 (openai.com) 2026年6月24日の更新では、質問の背景にある目的の把握、…

Alibaba

Qwen-AgentWorld-35B-A3B

Qwen-AgentWorld-35B-A3Bは、AIエージェントの行動と対話履歴から環境の次の状態を予測する、エージェント環境シミュレーション向けの言語世界モデルです。Qwen3.5-35B-A3B-Baseを基盤とするMoEモデルで、総パラメータは350億、推論時の活性化パラメータは30億です。標準コンテキスト長は262,144トークンです。(huggingface.co) MCP、検索、ター…

ByteDance

Doubao-Seed-2.1-Turbo

Doubao-Seed-2.1-Turboは、Coding、エージェント、マルチモーダル理解の大規模な本番利用を想定した、低コスト・低遅延の深い推論モデルです。ByteDanceは、Seed 2.1シリーズを2026年6月23日に発表しました。これはシリーズの発表日であり、モデルID末尾の日付と同一とは限りません。(seed.bytedance.com) 深い推論、テキスト生成、マルチモーダル理解…

ByteDance

Doubao-Seed-2.1-Pro

ByteDanceのSeed2.1シリーズに属する、コーディングとエージェント向けの旗艦深層推論モデル。複雑な開発や長い手順を伴うタスクを対象とする。(docs.volcengine.com) 要件理解、コード生成、複数ファイルの修正、バグ修正、環境構築、結果検証などの開発支援。 長期計画、ツール呼び出し、ファイル処理、GUI操作を伴うエージェントタスク。 文書・画像・動画などの視覚情報の理解、資…

Baidu

Unlimited-OCR

Unlimited-OCRは、長文書のOCRと文書解析を目的とするオープンなモデルです。DeepSeek-OCRを基盤とし、総パラメータ数は約30億、推論時の活性化パラメータ数は約5.7億と公式に説明されています。(cloud.baidu.com) 単一画像や複数ページの文書を解析できます。公式のローカル推論例では、PDFをページ画像に変換してから処理します。(raw.githubusercont…

ByteDance

Seed-2.1-Pro-Preview

ByteDanceが公開した基盤モデルのプレビュー版です。2026年6月19日、Arena AIのCode Arenaでコミュニティ向けの早期アクセスが開始されました。(seed.bytedance.com) 公式発表ではCode Arenaでの試用が案内されています。ただし、具体的なコード生成能力、性能指標、対応モダリティなどの詳細は示されていません。(seed.bytedance.com) プ…

Alibaba

Fun-ASR-Flash

Alibaba Cloud Model Studioで提供される、短い音声ファイル向けの自動音声認識モデルです。音声を入力し、テキストを出力します。公式のモデル公開一覧では、公開日は2026年6月17日です。ID内の2026年6月15日は公開一覧上の日付とは異なります。(alibabacloud.com) 中国語の7大方言体系と20以上の地域の普通話アクセントに対応。日本語、英語、韓国語などにも対…

Zhipu AI

GLM-5.2

GLM-5.2は、長時間にわたるタスク、特にソフトウェア開発やエージェントによる複数段階の作業に向けた旗艦基盤モデルです。公式発表の公開日は2026年6月16日です。モデル重みは公開され、MITライセンスが適用されます。(z.ai) 入出力はテキスト。コンテキスト長は1Mトークン、最大出力は128Kトークンです。(docs.z.ai) 複数の思考モード、ストリーミング、関数呼び出し、コンテキストキ…

Alibaba

HappyHorse-1.1-I2V

HappyHorse-1.1-I2Vは、1枚の画像を先頭フレームとして動画を生成する画像生成動画モデルです。Alibabaの公式発表では、画像の理解、動きの滑らかさ、人物の同一性、文字描画、音と映像の同期などの改善が挙げられています。静止画像に動きを付ける短編動画制作に利用できます。 (alibabacloud.com) 音声に対応し、出力は480P・720P・1080P、3〜15秒、24 fps…

Alibaba

HappyHorse-1.1-R2V

HappyHorse-1.1-R2Vは、Alibaba Cloud Model Studioで提供される、参照画像から動画を生成するモデルです。テキストと最大9枚の参照画像を入力し、人物、場面、スタイル、カメラワークを反映した動画を生成します。公式発表では、被写体や画面の一貫性が向上したと説明されています。(alibabacloud.com) 参照画像を使った人物・場面・スタイルを伴う映像制作に利…

Alibaba

HappyHorse-1.1-T2V

Alibaba Cloud Model Studio(阿里云百炼)で提供されるテキストから動画を生成するモデル。2026年6月16日に公開された。公式発表によると、テキストの意味理解、カメラワーク、動きの生成を改善し、人物の動作や場面の雰囲気、物理的な動きの自然さ、映像の一貫性を高めている。 (alibabacloud.com) テキストプロンプトから音声付き動画を生成。映像アイデアの試作や短い動…

Alibaba

Qwen3.5-OCR

Qwen3.5系列のOCRモデル。文書解析、文字位置の特定、重要情報の抽出を目的とし、Alibaba Cloud Model Studioで提供される。公式発表日は2026年6月16日。 (alibabacloud.com) 画像からテキストを抽出し、身分証明書や運転免許証などの情報抽出に利用できる。 PDF文書の解析と複数ターンの対話に対応する。Responses APIでは画像とPDFを入力で…

Alibaba

Qwen-RobotWorld

Qwen-RobotWorldは、身体性を持つAI向けの、自然言語で条件付けられる動画世界モデルです。現在の視覚的な観測と自然言語による行動指示から、物理的に妥当な将来の視覚軌道を予測します。Qwen-Robot Suiteを構成するモデルの一つです。(alibabacloud.com) ロボットの物体操作、自動運転、屋内ナビゲーション、人の実演からロボットへの動作転移を対象とします。 指示中の物…

Alibaba

Qwen-RobotManip

Qwen-RobotManipは、Qwen-Robot Suiteのうち、ロボットによる物体操作を担う視覚・言語・行動(VLA)基盤モデルです。Qwen3.5-4Bの視覚言語バックボーンと、連続的な行動を生成するフローマッチング方式のDiffusion Transformerを組み合わせています。(qwen.ai) 視覚情報と自然言語の指示に基づき、ロボットの操作行動を生成します。未知の場面や指示…

Alibaba

Qwen-RobotNav

Qwen-RobotNavは、Qwen-Robot Suiteに含まれる、移動ロボット向けの視覚・言語・ナビゲーションモデルです。Qwen3-VLを基盤とし、上位のエージェントから呼び出せるナビゲーション機能として設計されています。(alibabacloud.com) 自然言語の指示に従った移動、地点・物体を目標とするナビゲーション、対象追跡、自動運転を共通の軌道予測インターフェースで扱います。(…