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

576 モデル

公開日の新しい順
OpenAI

GPT-4o Transcribe

GPT-4o Transcribe は GPT-4o をベースにした音声テキスト変換モデルで、OpenAI API を通じて音声をテキストに書き起こします。OpenAI は 2025 年 3 月 20 日にこのモデルを発表しました。(openai.com) 多言語の音声認識に対応しています。公式によると、オリジナルの Whisper モデルと比べて言語識別と精度が向上し、複数のベンチマークで単語誤…

Alibaba

GTE-Rerank-V2

GTE-Rerank-V2 は、通義実験室が開発した多言語テキスト再ランキングモデルです。クエリと候補文書の意味的な関連性に基づいて文書を並べ替え、セマンティック検索や検索拡張生成(RAG)などの用途に適しています。(help.aliyun.com) 中国語、英語、日本語、韓国語、タイ語など、50 以上の言語に対応しています。 初回検索で取得された候補文書を再スコアリングし、関連性のランキングを返…

Alibaba

Qwen-Plus-Character

Qwen-Plus-Character は、擬人化された対話を対象とする千問シリーズのテキスト生成・ロールプレイモデルです。動的更新版であり、公式はモデルの更新を事前に通知するとしています。(docs.bailian.console.aliyun.com) このモデルは、指定されたキャラクター設定の指示への追従、キャラクターの再現、話題の展開、傾聴と共感に向けて最適化されています。適用シーンには、…

OpenAI

o1-pro

o1-pro は OpenAI o1 シリーズの推論モデルで、難しい問題により多くの計算リソースを使用することで、推論と回答の一貫性を改善します。OpenAI API の更新履歴に記載されたリリース日は 2025 年 3 月 19 日で、対応するスナップショットは o1-pro-2025-03-19 です。(developers.openai.com) このモデルはテキストと画像の入力、テキスト出…

Baidu

ERNIE X1

ERNIE X1 は百度が発表した深い思考を行う推論モデルです。百度によると、マルチモーダル能力を備え、理解、計画、自己省察の能力が強化されています。(prnewswire.com) このモデルは、中国語の知識に関する質疑応答、文学創作、文書作成、日常会話、論理的推論、複雑な計算などのタスクを対象としています。百度の発表では、検索、文書に関する質疑応答、画像理解、コードの説明、ウェブページの閲覧な…

Baidu

ERNIE 4.5

百度の文心 4.5 シリーズのプレビュー版モデル。百度は文心 4.5 をネイティブマルチモーダル基盤大規模モデルと位置付け、開発者や企業向けに千帆 API サービスを提供している。(qianfan.cloud.baidu.com) 対話、テキスト理解と生成に対応し、質疑応答、コンテンツ作成、論理推論、コード関連のタスクに利用できる。 公式の更新記録と呼び出し例によると、このバージョンは画像理解に対…

Tencent

hunyuan-turbos-20250313

Tencent Hunyuan TurboS 旗艦大規模モデルの 2025-03-13 バージョン。汎用テキストタスク向けで、高速な応答を重視している。(cloud.tencent.com) 公式によると、このバージョンでは事前学習基盤の学習 token 数を増やし、数学、論理、コード関連の能力に加え、中国語・英語のテキスト作成、テキスト理解、知識に関する質疑応答、雑談の体験を向上させた。テキスト…

Google

Gemini Robotics-ER

Gemini Robotics-ER は、Google が Gemini 2.0 を基に発表した視覚言語モデルで、ER は「身体性推論」を意味する。ロボットに必要な空間理解に重点を置き、ロボットの既存の低レベルコントローラーと組み合わせて使用できる。物理的な動作を出力し、ロボットを直接制御するための Gemini Robotics とは異なる。(deepmind.google) 物体検出、物体の部…

Google

Gemini Robotics

Gemini Robotics は Gemini 2.0 を基盤として構築された視覚・言語・行動(VLA)モデルで、物理的な動作を出力モダリティとし、ロボットを直接制御することを目的としている。同時期に発表された、身体性を伴う推論に重点を置く Gemini Robotics-ER とは異なる。(deepmind.google) **汎化とインタラクション:**新しい物体、さまざまな指示、新しい環境…

OpenAI

computer-use-preview

computer-use-preview は、OpenAI のコンピューター操作ツール向けの専用研究プレビューモデルで、Operator に使用される Computer-Using Agent(CUA)モデルをベースとしています。OpenAI は 2025 年 3 月 11 日にこのモデルを発表しました。対応するスナップショットは computer-use-preview-2025-03-11 で…

OpenAI

GPT-4o mini search preview

GPT-4o mini search preview は、ウェブ検索向けの高速で低コストな小型プレビューモデルであり、Chat Completions API でウェブ検索クエリを理解して実行できるよう、特別に訓練されています。固定バージョンは gpt-4o-mini-search-preview-2025-03-11 です。(developers.openai.com) テキストの入力と出力をサ…

OpenAI

GPT-4o search preview

GPT-4o search preview は、Chat Completions API 向けのウェブ検索専用プレビューモデルで、ウェブ検索クエリを理解し実行するように訓練されています。日付付きのスナップショット ID は gpt-4o-search-preview-2025-03-11 です。(developers.openai.com) テキストの入力と出力、ストリーミング出力、構造化出力に対…

Google

Gemini Embedding Experimental

Google が 2025 年 3 月 7 日にリリースした実験的なテキスト埋め込みモデル。テキストをベクトルに変換して意味を表現するためのもので、対話形式の回答を生成するものではない。リリース時には Gemini API の embed_content インターフェースを通じて提供された。(developers.googleblog.com) 100 以上の言語に対応し、テキストやコードなどを処…

Alibaba

QwQ-Plus

QwQ-Plus は通義千問 QwQ の強化版推論モデルで、Qwen2.5 をベースに学習され、強化学習によって推論能力を向上させています。公式の提供開始日は 2025-03-05 で、本項目に対応するリリーススナップショットは qwq-plus-2025-03-05 です。(docs.bailian.console.aliyun.com) テキスト入力・テキスト出力に対応し、深い思考を要するタス…

Zhipu AI

CogView4-6B

CogView4-6B は智谱が発表したテキストから画像を生成するモデルで、約 60 億パラメータの CogView-4 Diffusers 版を採用し、テキストプロンプトを受け取って画像を生成します。公式は 2025 年 3 月 4 日に、このバージョンへの対応とオープンソース化を発表しました。(github.com) 中国語と英語のプロンプトに対応し、生成画像内に中国語の文字を描画できます。イ…