GPT-6.2 Sol
この言語の紹介は準備中です。
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
この言語の紹介は準備中です。
GPT-6.2 Astraは、複雑な専門業務や難度の高いプロジェクト向けの推論モデルです。公開日は2026年11月17日です。(openai.com) ソフトウェアの作成・修正、既存コードのテスト、コンピューター操作、文書作成に対応します。Webサイト、ゲーム、3Dデザイン、科学研究、スライドやスプレッドシートの作成などに利用できます。(openai.com) テキストと画像を入力し、テキストを出…
Qwen4-Maxは、AlibabaのQwen4シリーズにおけるフラッグシップのマルチモーダルモデルです。2026年11月16日に発表されました。MoEアーキテクチャを採用し、総パラメータ数は2.4兆、トークン当たりの活性化パラメータ数は710億です。 (alibabacloud.com) テキスト・画像・動画を入力し、テキストを出力します。深い推論、ツール呼び出し、ウェブ検索、構造化出力に対応し…
ERNIE-Wizshot-MEは、人物の表情豊かな映像制作に特化した動画生成アプリケーションモデルです。Baiduは2026年11月12日に発表し、百度智能云の千帆プラットフォームでAPIを提供しています。(prnewswire.com) テキスト、画像、音声を組み合わせ、画像内の人物が話す動画を生成します。特に近景や顔のアップで、眉、口元、視線などの微細な表情を表現する用途を想定しています。製…
ERNIE-Light-DT-1.0は、長いコンテキストを低コストで扱うための軽量なテキスト入力・テキスト出力モデルです。Baiduの2026年11月12日の発表では「ERNIE Light Deep Thinking」と呼ばれ、百度智能云の製品ページには「ERNIE-Light-DT-1.0」と記載されています。発表日とモデルの初回提供日が同一かは確認できません。(prnewswire.com)…
Googleが2026年11月12日に発表した、日常的なコーディングやエージェント型ワークフローでの高速・効率的な実行を重視するモデルです。Gemini 4 Carbonを基に開発され、単独でも、他のモデルと組み合わせた実行役としても利用できます。 (blog.google) テキスト、画像、音声、動画を入力でき、テキストを出力します。リポジトリのコード修正・デバッグ、調査、データ分析、文書や表の…
2026年11月11日に発表された、ERNIE 5.5 Flash Baseを基に事後学習した基盤モデルのプレビュー版です。総パラメータ数は280B、トークンごとの活性化パラメータ数は14Bで、1Mトークンのコンテキストに対応します。百度は生成速度を200トークン/秒超と説明しています。(ernie.baidu.com) コーディング、複数段階の計画・実行、ツールを使うエージェント業務、長文資料の…
Qwen シリーズの次世代フラッグシップ・マルチモーダルモデルのプレビュー版。テキスト生成、画像・動画理解、深い推論を組み合わせ、コーディング、オフィス業務、フロントエンド設計、複雑なエージェントタスクに向けて提供される。公開日は 2026年11月11日。(alibabacloud.com) テキスト・画像・動画を入力し、テキストで回答する。Function Calling、Web 検索、組み込み…
Gemini 4 Carbonは、複雑な知識作業、ソフトウェア工学、サイバーセキュリティ、科学的推論における長期的なエージェント型ワークフロー向けのフロンティアモデルです。Gemini 4 Argonを基盤とし、難しい課題の深い推論や検証に重点を置いています。 (blog.google) テキスト、画像、音声、動画を入力でき、テキストを出力します。コンテキストウィンドウは入力と出力の合計で最大10…
Gemini Decision 1は、あらかじめ定めた選択肢について高速に判断するマルチモーダルモデルです。Google AI StudioのGemini APIから、Gemini Decisions APIを通じて利用できます。回答文をトークン単位で生成する代わりに、候補を一度のフォワードパスで評価し、確率や信頼度を返します。(blog.google) テキスト、画像、音声、動画、PDFを入力と…
AlphaGenome 2は、DNA配列とその変異が、特定のヒト細胞の種類や状態にどのような影響を及ぼすかを予測する、研究向けのDNA配列モデルです。Google DeepMindが2026年11月11日に発表しました。(deepmind.google) 約100万塩基のDNA配列と、組織・細胞種・細胞状態のうち指定した一つの条件を入力し、その条件におけるDNAの作用を予測します。 遺伝子発現、ヒ…
MiniMax-H3-Image向けのプロンプト拡張モデルです。短いテキスト指示を、生成したい画像の詳細な説明と推奨アスペクト比に変換します。画像そのものを生成するモデルではなく、画像生成ワークフローの前処理に利用します。公開されたテキストから画像への拡張用重みは、Qwen3.8-27BをファインチューニングしたFP4モデルです。 (huggingface.co)…
MiniMax H3-Imageの高速版画像生成モデル。テキストからの画像生成、参考画像に基づく生成、画像編集に対応する。標準版と同じAPIパラメーターおよび制限を使用する。公式発表では、Highspeedモードは主要な代替製品の3〜4倍の速度としているが、実際の処理時間を保証する数値ではない。(platform.minimax.io) テキスト入力、またはテキストと1〜16枚の参考画像を使って画…
MiniMax H3を基盤とする、重みが公開された静止画生成・編集モデル。テキストからの画像生成、参照画像に基づく生成、画像編集に対応する。コンセプトアート、商品ビジュアル、イラスト制作、既存画像の加工などに利用できる。(minimax.io) 画像編集では1~16枚の参照画像を使用でき、1リクエストで1~10枚を生成できる。出力形式はJPEG、PNG、WebP。(platform.minimax…
Claude Mythos 5.2は、サイバーセキュリティおよび生命科学の研究をはじめ、高度な推論や長時間にわたるエージェント作業向けのモデルです。Claude Fable 5.2と基盤モデルを共有しますが、Mythos 5.2は認証を受けた組織に提供されます。(anthropic.com) コーディング、推論、画像理解に対応し、ソフトウェア開発、セキュリティ研究、生命科学、科学・工学の課題に利用…
Claude Fable 5.2は、高度な推論、長時間にわたるエージェント作業、難しい技術課題向けのモデルです。入力はテキストと画像、出力はテキストに対応します。(platform.claude.com) コーディング、推論、画像理解を改善。ソフトウェア移行、複数段階の調査、科学・工学上の課題、文書や表計算資料の作成などに利用できます。(anthropic.com) コンテキストウィンドウは100…
Gemini Robotics 2.5は、ロボットの実世界での動作を支援する視覚・言語・行動(VLA)モデルです。Google DeepMindは、ロボットが習得できる技能の幅と習得速度を広げ、器用さ、信頼性、安全性を高めるモデルとして紹介しています。発表日は2026年11月10日です。(deepmind.google) トングでの配膳、贈り物のリボン結び、液体のピペット操作など、道具の使用や柔ら…
Seedream 5.5は、プロ向けの画像制作を想定した生成・編集モデルです。テキストや参照画像からの画像生成に加え、連続編集、透明素材生成、レイヤー分解に対応します。公式発表日は2026年11月9日です。 (seed.bytedance.com) 画像生成・編集:テキストからの生成、1枚の画像を使った生成・編集、最大10枚の参照画像を使った生成に対応します。…
Googleの、動画の生成・編集・延長・アップスケーリングに重点を置いたマルチモーダルモデル。Gemini APIとGoogle Cloudで一般提供されている。(blog.google) テキストや画像などを参考に、音声を同期した動画を生成できる。対話を重ねながら背景や商品、照明などを編集でき、最初と最後のフレームを指定した生成や動画延長にも対応する。(blog.google) 通常の動画生成・…
Kimi K3.1 Proは、Kimi K3を基に追加学習された、オープンウェイトのマルチモーダル・エージェントモデルです。MoE構造を採用し、総パラメータ数は2.8兆、トークン当たりの活性化パラメータ数は1040億。コンテキスト長は1,048,576トークンで、テキストと画像を扱います。(huggingface.co) コード生成・修正、長いコードベースや文書の分析、3D制作、金融調査、ツールを…