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

545 モデル

公開日の新しい順
Alibaba

Qwen-VL-OCR

Qwen-VL をベースに訓練された視覚理解・OCR モデルで、統一モデルを使用して画像とテキストの認識、解析、処理タスクを扱う。このバージョンは 2025 年 4 月 13 日のスナップショット。(docs.bailian.console.aliyun.com) 汎用認識、文書解析、表解析、情報抽出、多言語認識、数式認識の 6 種類のタスクを内蔵。文書、表、その他の画像から文字情報を抽出・整理す…

Tencent

混元3D v2.5

Tencentが発表した3Dコンテンツ生成モデルで、高精度かつテクスチャ付きの3Dアセットを作成するクリエイターや開発者を対象とする。技術レポートでは、形状生成とテクスチャ生成の2段階のプロセスを採用した3D拡散モデル体系と説明されている。(arxiv.org) テキストプロンプトまたは画像からの3Dモデル生成に対応し、複数の視点からの画像を使用したモデルおよびPBRマテリアルの生成にも対応する。…

Alibaba

Qwen-TTS

Qwen-TTS は通義千問シリーズの音声合成モデルで、テキストを音声に変換します。このバージョンは 2025 年 4 月 10 日のモデルスナップショットです。中国語、英語、および中国語と英語が混在するテキストの入力に対応し、テキストに応じて出力の口調を適応的に調整でき、音声のストリーミング出力にも対応しています。(docs.bailian.console.aliyun.com) 中国語、英語、…

Google

Gemini 2.5 Flash

Gemini 2.5 Flash の 04-17 バージョンは、Google が 2025 年 4 月 17 日に発表した初期プレビューモデルで、推論能力、速度、コストを両立するマルチモーダルモデルとして位置づけられている。発表時には Gemini API、Google AI Studio、Vertex AI を通じて利用できた。(developers.googleblog.com) テキスト、画…

Baidu

ERNIE-iRAG-Edit

ERNIE-iRAG-Edit は百度が独自開発した画像編集モデルです。公式更新履歴に掲載されたバージョンは ERNIE-iRAG-Edit-1.0 で、2025年4月17日に千帆推論サービス API V2 の画像編集カテゴリに追加されました。(cloud.baidu.com) オブジェクトの消去(erase):マスクで選択した局所領域、主体、または背景を消去します。…

Baidu

ERNIE X1

ERNIE X1 は百度の深い思考と推論のためのモデルです。入力で指定されたバージョンは ERNIE-X1-32K です。百度のモデル更新記録では、これを当該バージョンのメインバージョンと説明しており、対話 API を提供しています。(cloud.baidu.com) 百度によると、このモデルは理解、計画、振り返り、推論に重点を置いており、中国語の知識に関する質疑応答、文学創作、文章作成、日常会話…

OpenAI

GPT-4.1

GPT-4.1 は、OpenAI が 2025 年 4 月 14 日に公開した API モデルで、プログラミング、指示への追従、長いコンテキストの理解に重点を置いています。API モデル ID は gpt-4.1 で、対応するリリーススナップショットは gpt-4.1-2025-04-14 です。(openai.com) テキストの入力と出力、画像入力に対応し、関数呼び出し、構造化出力、ストリーミ…

Zhipu AI

GLM-Z1-9B-0414

GLM-Z1-9B-0414 は、智谱が発表した約90億パラメータの小型推論モデルで、リソースが限られた環境や軽量なデプロイを対象としています。公式はこれを推論モデルとして掲載し、モデルの重みを公開しています。公式モデルページには MIT ライセンスと記載されています。(github.com) 公式の紹介によると、数学的推論と汎用タスクを得意とし、関連するテキスト推論や質問応答の用途に利用できます…

Zhipu AI

GLM-4-9B-0414

GLM-4-9B-0414 は GLM-4-0414 シリーズの 9B パラメータの対話モデルで、主に翻訳など大量の呼び出しを必要とする用途向けに最適化されている。公式にモデルの重みが提供されており、モデルリポジトリには MIT ライセンスが明記され、ローカルにデプロイできる。(github.com) テキスト生成と対話をサポートし、翻訳やその他の一括テキスト処理タスクに使用できる。 ネイティブの…

Zhipu AI

GLM-Z1-Rumination-32B-0414

GLM-Z1-Rumination-32B-0414 は、智谱の GLM-4-32B-0414 シリーズに属する 320 億パラメータの深い推論モデルで、長時間の思考を必要とするオープンエンドな複雑タスクを対象としています。モデルカードには、中国語と英語のテキスト生成をサポートし、モデルの重みを MIT ライセンスで公開すると記載されています。(huggingface.co) 推論中に検索ツールを…

Zhipu AI

GLM-Z1-32B-0414

GLM-Z1-32B-0414 は、GLM-4-0414 シリーズの320億パラメータのテキスト推論モデルで、深い思考を必要とするタスクを対象としています。公式は 2025年4月14日に同シリーズを公開しました。(github.com) このモデルは GLM-4-32B-0414 を基盤とし、コールドスタート、拡張強化学習、および数学、コード、論理タスクの訓練を経て構築されており、数学的推論、コー…

Zhipu AI

GLM-4-32B-0414

GLM-4-32B-0414 は智谱の GLM-4-0414 シリーズに属する 320 億パラメータの対話モデルで、ローカルデプロイに適しています。公式では同シリーズの基盤モデルおよび GLM-Z1 推論モデルと区別して掲載し、モデルの重みをダウンロードできるようにしています。(github.com) モデルは指示への追従、エンジニアリングコード、関数呼び出しなどの能力について事後学習が行われてお…

Zhipu AI

GLM-4-32B-Base-0414

GLM-4-32B-Base-0414 は GLM-4-0414 シリーズの約 320 億パラメータを持つ基盤言語モデルで、テキスト生成、追加学習、ローカルデプロイを対象としています。公式によると、約 15T の高品質データを使用して事前学習されており、その中には大量の推論系合成データが含まれ、後続の強化学習による拡張の基盤となっています。(huggingface.co) テキスト生成、モデル研究…

Zhipu AI

GLM-Z1-Flash

GLM-Z1-Flash は、GLM-Z1 シリーズの無料推論モデルで、推論モデルの利用障壁を下げることを目的としています。公式リリース記録の日付は 2025-04-14 です。(docs.bigmodel.cn) デフォルトで深い思考が有効になっており、数学的・論理的推論、長文文書の分析、コード生成などのタスクを対象としています。 公式ドキュメントには、ストリーミング出力、Function…

Zhipu AI

GLM-Z1-Air

GLM-Z1-Air は、智譜が提供するコストパフォーマンスに優れた深い思考を行う推論モデルで、高頻度の呼び出しを伴う用途を対象としています。公式には 2025 年 4 月 14 日にこのモデルが発表されました。本項目に対応するバージョン識別子は GLM-Z1-Air-0414 です。(docs.bigmodel.cn) GLM-4-Air-250414 を基盤とし、数学、コード、論理などのタスク…

Zhipu AI

GLM-Z1-AirX

GLM-Z1-AirX は GLM-Z1-Air の高速版で、超高速推論モデルとして位置づけられています。公式に 2025 年 4 月 14 日にリリースされ、リリース識別子は GLM-Z1-AirX-0414 です。(docs.bigmodel.cn) このモデルはテキスト入力とテキスト出力を採用し、論理推論、数学、プログラミングなどの複雑なタスクを対象としています。リアルタイムデータ分析やイン…

Zhipu AI

GLM-4-Flash-250414

GLM-4 シリーズの無料テキスト基盤モデルで、汎用タスクや軽量なアプリケーション向け。智譜は 2025 年 4 月 14 日にこのバージョンを公開した。(docs.bigmodel.cn) テキストを入力・出力とし、軽量な対話、質問応答、要約、テキスト処理などの用途に適している。 公式のモデル概要に記載されているコンテキストウィンドウは 128K tokens、最大出力は 16K tokens。…

Zhipu AI

GLM-4-Air-250414

GLM-4-Air-250414 は、智譜が 2025 年 4 月 14 日にリリースした、費用対効果の高い基盤言語モデルであり、複雑なタスクやエージェントアプリケーションを対象としています。(docs.bigmodel.cn) このモデルはテキストを入力として受け取り、テキストを生成します。公式には、指示追従、エンジニアリング向けコード生成、関数呼び出しの能力が重点的に紹介されており、Artif…

Google

Chirp 3: Transcription

Chirp 3: Transcription は、Google が多言語自動音声認識(ASR)向けに提供する生成モデルで、音声をテキストに文字起こしします。Google Cloud Speech-to-Text API V2 を通じて提供され、モデル識別子は chirp_3 です。(docs.cloud.google.com) ストリーミング認識、同期認識、バッチ認識をサポートし、リアルタイムの文…