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

512 モデル

公開日の新しい順
Alibaba

Text Embedding V4

通義実験室が Qwen3 を基に学習させた多言語汎用テキストベクトルモデルで、Qwen3-Embedding シリーズに属します。対話の回答を生成するのではなく、テキストを数値ベクトルに変換します。(docs.bailian.console.aliyun.com) 中国語、英語など 100 以上の主要言語と複数のプログラミング言語に対応しています。ベクトルの次元数は 64、128、256、512、…

Baidu

Qianfan-PublicOpinion-Classification

百度智能云千帆プラットフォームが独自開発した世論分析向けの大規模視覚モデル。かつてプリセットサービスとして提供され、主に画像のシーン分類とセンシティブなシーンの判定を行っていた。(qianfan.cloud.baidu.com) 画像からシーンを識別し、センシティブなシーンに該当するかを判定する。公式の例には、暴力事件、火災、交通事故、自然災害が含まれる。 画像における世論関連シーンの識別に利用で…

Tencent

hunyuan-turbos-20250604

Tencent混元 TurboSシリーズの固定バージョンであり、テキスト生成と理解を目的とした汎用大規模言語モデルです。このバージョンは 2025年6月4日に提供開始されました。(cloud.tencent.com) 公式発表によると、このバージョンでは事前学習済み基盤がアップグレードされ、文章作成と読解の能力が向上し、コードと理系分野の能力が大幅に向上するとともに、複雑な指示に従う能力が継続的に…

OpenAI

GPT-4o Realtime

GPT-4o Realtime は、リアルタイムの音声・テキスト対話向けのプレビューモデルです。OpenAI は 2025 年 6 月 3 日にスナップショット gpt-4o-realtime-preview-2025-06-03 を発表し、Realtime API でこのバージョンを提供しました。(community.openai.com) テキストと音声の入力・出力に対応し、WebRTC また…

OpenAI

GPT-4o Audio

GPT-4o Audio は、音声入力と出力をサポートする GPT-4o のプレビューモデルです。本項目は固定バージョン gpt-4o-audio-preview-2025-06-03 に対応し、リリース時には Chat Completions API を通じて提供されました。(community.openai.com) テキストと音声の入力・出力、ストリーミング出力、関数呼び出しをサポートし、音…

MiniMax

SynLogic-7B

SynLogic-7B は、論理推論向けの 7B 級テキスト生成モデルで、Qwen2.5-7B-Base をベースに、SynLogic データセットを用いた強化学習によって訓練されている。公式モデルカードでは言語は英語と記載されている。(huggingface.co) このモデルは数独、24 点、暗号など、27 種類の論理推論タスクを対象に訓練されており、訓練データは自動検証できる。公式によると、…

DeepSeek

DeepSeek-R1-0528-Qwen3-8B

DeepSeek-R1-0528-Qwen3-8B は、約80億パラメータのテキスト生成・推論モデルです。DeepSeek は、DeepSeek-R1-0528 の思考連鎖データを使用して、Qwen3-8B Base を蒸留・後学習しました。これは完全版の DeepSeek-R1-0528 モデルではありません。(api-docs.deepseek.com) このモデルは数学的推論、プログラミング…

Tencent

hunyuan-t1-20250529

Tencent Hunyuan T1シリーズの深層推論モデルのバージョンで、公式に 2025年5月29日に提供開始が告知された。(cloud.tencent.cn) 公式によると、このバージョンでは文章創作、作文、フロントエンドコード、数学および論理推論の能力が最適化され、指示に従う能力も向上した。執筆支援、フロントエンドコード生成、理系分野の推論などのタスクに利用できる。(cloud.tence…

DeepSeek

DeepSeek-R1-0528

DeepSeek-R1-0528 は DeepSeek-R1 のマイナーアップデートであり、深い思考と複雑な推論に位置づけられています。DeepSeek-V3 Base をベースモデルとして引き続き採用し、主に事後学習の手法を改善しています。リリース日は 2025 年 5 月 28 日です。(deepseek.com) 数学、プログラミング、汎用的な論理推論を対象とし、フロントエンドのコード生成、…

Tencent

hunyuan-large-vision

hunyuan-large-vision は混元 Large を基盤として訓練された視覚言語大規模モデルで、画像とテキストの理解を目的としています。(main.qcloudimg.com) 複数の画像とテキストを組み合わせた入力に対応し、テキストを生成します。公式発表によると、任意の解像度の画像入力に対応しています。 画像とテキストの理解タスクに重点を置いています。公式によると、多言語での画像とテ…

Tencent

hunyuan-turbos-vision-v1.1

Tencent混元がTurboSを基盤とする、画像・テキスト理解タスク向けのビジョン言語フラッグシップモデルのバージョン。(main.qcloudimg.com) 公式によると、このバージョンでは汎用的な画像理解の性能が改善され、画像に基づくエンティティ認識、知識に関する質疑応答、文章作成、写真による問題解答などの面で、前世代モデルより向上している。(main.qcloudimg.com) 今回の…

Anthropic

Claude Sonnet 4

Claude Sonnet 4 は、Anthropic が 2025 年 5 月 22 日に発表した Claude 4 シリーズのモデルで、プログラミング、推論、エージェントタスク向けに、能力と応答速度を両立しています。高速応答と拡張思考の 2 つのモードを提供します。(anthropic.com) テキストと画像の入力を理解し、テキストを生成できます。対話、分析、プログラミング、創作に利用できま…

Anthropic

Claude Opus 4

Claude Opus 4 は、Anthropic が 2025 年 5 月 22 日にリリースした Claude 4 シリーズのモデルで、リリース時には複雑なプログラミング、深い推論、長時間実行されるエージェントタスク向けに位置づけられていました。(anthropic.com) 高速応答と拡張思考の 2 つのモードをサポートし、複雑な問題の解決、コードの作成と修正、調査、執筆に利用できます。 並…

Tencent

hunyuan-t1-20250521

Tencent Hunyuan T1シリーズの深い推論を行うモデルの固定バージョンで、2025年5月21日にリリースされました。(main.qcloudimg.com) 公式によると、このバージョンでは数学、コード、科学、知識に関する質疑応答の能力が強化され、文系データの最適化によってテキストの創作・理解能力も向上しています。数学や科学の問題解決、コード関連タスク、知識に関する質疑応答、テキスト創…

Google

Veo 3

Veo 3 は Google が発表した動画生成モデルで、プロンプトに基づいて音声が同期した動画を生成でき、動画制作やビジュアルストーリーテリングを対象としている。(blog.google) テキストと画像のプロンプトに対応し、プロンプト内の短い物語を動画クリップに変換できる。 環境音、効果音、人物の会話を生成できる。Google は物理的な表現と口の動きの同期能力も強調している。 動画コンテンツ…

Google

Imagen 4 Ultra Generate Experimental 05-20

Google Imagen 4 シリーズの Ultra 画像生成実験版で、テキストプロンプトに基づいて高品質な画像を生成することを目的としています。Google は 2025 年 5 月 20 日に Vertex AI のリリースノートでこのプレビューモデルを発表し、当時は API および Vertex AI Studio を通じて利用できました。(docs.cloud.google.com) テ…

Google

Imagen 4 Generate Preview 05-20

Google Imagen 4 のテキストから画像を生成するパブリックプレビュー版で、当初は Vertex AI を通じて提供された。テキストプロンプトを受け取り、画像を生成する。公式発表のコード例では、このモデル ID が明示的に使用されている。(cloud.google.com) 公式紹介では、画像内の文字のレンダリング、プロンプトへの忠実性、さまざまな視覚スタイルでの画質、多言語プロンプトへ…

Google

Gemini 2.5 Flash Experimental Native Audio Thinking Dialog

Google Gemini 2.5 Flash シリーズの実験的なネイティブ音声対話モデルで、Gemini Live API のリアルタイム音声インタラクションを対象とし、対話能力と推論能力を組み合わせています。Google は 2025 年 5 月 20 日にこのモデルをリリースし、ネイティブ音声出力機能を明記しました。(aistudio.google.com) **ネイティブ音声対話:**音声…

Google

Gemini 2.5 Flash Preview Native Audio Dialog

Google Gemini 2.5 Flash シリーズのプレビューモデルで、Live API によるリアルタイム対話向けに設計され、ネイティブ音声出力機能を備えています。別途リリースされた Thinking バリアントやテキスト読み上げモデルとは異なるモデルです。(aistudio.google.com) 音声を理解し、音声を生成できます。リアルタイム音声アシスタントや対話アプリケーションの構築…

Google

Gemini 2.5 Flash Preview TTS

Gemini 2.5 Flash Preview TTS は、低遅延、コストパフォーマンス、制御可能な音声生成に重点を置いた Google のプレビュー版テキスト音声合成モデルです。入力はテキスト、出力は音声です。(aistudio.google.com) 一人または二人の音声を生成でき、指示によって音声スタイル、アクセント、話速を調整できます。(aistudio.google.com) ナレーシ…