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

486 モデル

公開日の新しい順
Tencent

hunyuan-t1-vision-20250619

Tencent Hunyuan T1-Vision のマルチモーダル理解・深い思考モデルのバージョンで、マルチモーダルネイティブの長い思考連鎖に対応しています。Tencent は提供開始のお知らせで、このバージョンは前世代のデフォルトバージョンと比べて全面的に向上したと述べています。(cloud.tencent.com) 画像を用いた問題の分析や、図を含む理系問題への回答など、画像理解と推論のタス…

MiniMax

MiniMax Hailuo 02

MiniMax Hailuo 02 は MiniMax が公開した動画生成モデルで、クリエイターや開発者を対象とし、テキストまたは画像からの短編動画生成に対応している。公式は、複雑な指示への追従、ダイナミックな動作、物理シーンの表現を強調しており、ネイティブ 1080p 出力にも対応している。(minimax.io) テキストからの動画生成と画像からの動画生成に対応し、クリエイティブな短編、アニメ…

Google

Gemini Live 2.5 Flash Preview

Google が Gemini Live API 向けに提供するリアルタイム対話用のプレビューモデルで、低遅延の双方向音声・動画対話に重点を置いています。(aistudio.google.com) このモデルはリアルタイムのマルチモーダル対話に使用され、テキスト、音声、動画の入力と、テキストまたは音声による応答に対応しています。リアルタイム音声アシスタント、動画対話、低遅延の対話アプリケーションの…

Google

Gemini 2.5 Flash-Lite Preview

Gemini 2.5 Flash-Lite のプレビュー版で、コスト、レイテンシ、スループットに敏感なタスクを対象としています。Google はリリース時に、Gemini 2.5 シリーズの中で最も低コストかつ低レイテンシのモデルと位置付けました。(developers.googleblog.com) マルチモーダル入力に対応し、約 100 万 token のコンテキストウィンドウを備えています。…

Google

Gemini 2.5 Flash

Gemini 2.5 Flash は、Google が低遅延・高スループットのタスク向けに提供するマルチモーダル推論モデルで、性能とコストのバランスを重視しており、大規模処理やエージェントアプリケーションに適しています。(aistudio.google.com) テキスト、画像、音声、動画の入力を受け付け、テキストを生成します。思考予算を設定できます。(aistudio.google.com) 関…

Google

Gemini 2.5 Pro

Gemini 2.5 Pro は、複雑な推論、プログラミング、エージェントタスクを対象とした Google のマルチモーダル思考モデルです。Google は 2025 年 6 月 17 日に正式リリースと安定版への移行を発表しました。この安定版は、2025 年 6 月 5 日のプレビュー版からモデルの変更はありません。(developers.googleblog.com) テキスト、画像、音声、動…

MiniMax

MiniMax-M1-80k

MiniMax-M1-80k は、MiniMax-M1 シリーズの長文コンテキスト推論モデルであり、長い入力の処理と深い思考を必要とする複雑なタスク向けです。混合専門家(MoE)と Lightning Attention を含む混合アテンションアーキテクチャを採用し、総パラメータ数は 4560 億、各 token で約 459 億のパラメータが活性化されます。公式モデルカードでは、80k を思考予…

MiniMax

MiniMax-M1-40k

MiniMax-M1-40k は MiniMax M1 シリーズの大規模な混合注意機構を用いた推論モデルで、混合エキスパート(MoE)と Lightning Attention アーキテクチャを採用し、長いコンテキストと深い推論を必要とする複雑なタスクを対象としています。公式モデルカードによると、このバージョンは 40K token の思考予算で訓練されており、M1 は最大 100 万 token…

Moonshot AI

Kimi-Dev-72B

Kimi-Dev-72B は、ソフトウェアエンジニアリングの問題解決を目的としたオープンソースのコード大規模言語モデルです。Qwen2.5-72B を基盤とし、コード関連データによる学習と強化学習による最適化が行われています。公式発表は 2025 年 6 月 16 日に公開されました。(moonshotai.github.io) 問題の説明に基づいて修正が必要なファイルを特定し、コードの修正を生成…

Baidu

Qianfan-QI-VL

Qianfan-QI-VL は百度智能クラウドの千帆プラットフォームが独自開発した画像品質検査用の大規模視覚モデルで、プリセットサービスとして提供されており、主にECの商品画像の品質検査を対象としています。(qianfan.cloud.baidu.com) AIGC による人体の欠陥の検出、モザイクと透かしの識別、商標の検出に対応し、ECでアップロードされた商品画像の検査に利用できます。(qian…

Google

Imagen 4 Ultra Generate Preview

Imagen 4 Ultra のテキストから画像を生成するプレビューバージョンで、テキストプロンプトと高い整合性を持つ画像の生成に重点を置いている。入力はテキストプロンプト、出力は画像。(docs.cloud.google.com) 自然言語による記述に基づき、さまざまなスタイルや内容の画像を生成でき、クリエイティブなイラスト、漫画、ポストカード、ビジュアルコンセプトデザインなどの用途に適している…

Google

Imagen 4 Fast Generate Preview

Imagen 4 Fast Generate Preview は、Google が Vertex AI 上で提供する Imagen 4 の高速画像生成パブリックプレビュー版です。Google は 2025 年 6 月 11 日にリリースノートでこのプレビューモデルの ID を公表しました。(docs.cloud.google.com) テキストプロンプトに基づいて画像を生成し、クリエイティブなアイ…

Google

Imagen 4 Generate Preview

Google Imagen 4 シリーズの標準版テキスト画像生成モデルのプレビュー版。テキストプロンプトを入力し、画像を出力する。Fast 版および Ultra 版とは異なる。(developers.googleblog.com) テキストによる説明に基づき、写実的なスタイルや抽象的なスタイルなど、さまざまなスタイルの画像を生成する。Google によると、Imagen 4 は従来のモデルと比べて…

ByteDance

Doubao-Seed-1.6-flash

Doubao-Seed-1.6-flash は、豆包大規模モデル 1.6 シリーズの高速版であり、低遅延のマルチモーダル理解と推論を目的としている。公式のリリース一覧では、テキストと視覚の理解に対応し、深い思考能力を備えているとされている。公式のその後の紹介では、コード、推論、数学の能力の向上にも言及している。(docs.volcengine.com) 応答速度とコストが重視されるテキストまたは画…

ByteDance

Doubao-Seed-1.6-thinking

Doubao-Seed-1.6-thinking は、豆包 Seed 1.6 シリーズのうち、深い思考と視覚理解を強化したマルチモーダルモデルです。火山方舟の公式リリース表では、doubao-seed-1-6-thinking-250615 が2025年6月に新たにリリースされた視覚理解モデルとして掲載されています。このバージョン名は出典におけるバージョンを示すためのものであり、本レコードの…

ByteDance

Seedance 1.0

Seedance 1.0 は ByteDance の Seed チームによる動画生成基盤モデルで、2025-06-11 に正式にリリースされ、同日に技術報告書が公開されました。(seed.bytedance.com) テキストからの動画生成と画像からの動画生成に対応し、最大 1080p の動画を生成できます。 ネイティブなマルチショットのストーリー表現に対応しており、公式は 10 秒の動画内で 2…

OpenAI

OpenAI o3-pro

OpenAI o3-pro は o3 の推論版で、より多くの計算量を使用してより長い時間思考し、複雑な問題や回答の信頼性を重視するタスクを対象としています。o3 と同じ基盤モデルを使用しています。(help.openai.com) 数学、科学、プログラミング、教育、ビジネス分析、執筆支援など、深い推論を必要とするタスクに適しています。 ChatGPT において、リリース発表で述べられた能力には、ウ…

ByteDance

SeedEdit 3.0

SeedEdit 3.0 は、ByteDance の Seed チームがリリースした指示型画像編集モデルで、テキストから画像を生成するモデル Seedream 3.0 をベースとし、元画像とテキスト指示を使用して編集結果を生成します。公式発表の公開日は 2025-06-06 です。(seed.bytedance.com) このモデルは、編集指示に従いながら被写体、背景、細部を保持することを目的とし…

Tencent

hunyuan-translation-lite

Tencent Hunyuanの翻訳特化モデル。今回のバージョンはHunyuan 2B-Denseモデルを基に、多言語の教師ありファインチューニングデータによって翻訳能力を最適化し、Dense構造を採用している。(cloud.tencent.com) 自然言語による対話形式の翻訳と多言語間の相互翻訳に対応し、多言語テキストの翻訳やコンテンツのローカライズに利用できる。2025年6月の告知には、簡体…

Google

Gemini 2.5 Pro Preview

Google が 2025 年 6 月 5 日にリリースした Gemini 2.5 Pro のアップグレードプレビュー版で、複雑な推論やプログラミングタスク向けのマルチモーダル思考モデルです。(blog.google) コード生成、複雑なプログラミング、エージェントタスクを得意とし、数学、科学、知識に関する推論にも使用できます。(blog.google) Gemini 2.5 Pro はテキスト、…