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

292 モデル

公開日の新しい順
ByteDance

Seed2.0 Pro

Seed2.0 Proは、複雑な推論や長い手順を伴うエージェント業務に向けた、ByteDanceの汎用モデルです。火山方舟の公式リリース一覧では、当該API IDを深い推論に対応するフラッグシップモデルとして掲載しています。(console.volcengine.com) 文書、表、グラフ、動画などのマルチモーダル理解、複数制約を伴う指示の実行、情報検索・要約・結論導出などの長手順タスクを想定して…

OpenAI

GPT-5.3-Codex-Spark

GPT-5.3-Codexの小型版で、Codexでのリアルタイムなコーディング向けに設計された低遅延モデル。2026年2月12日に研究プレビューとして発表された。(openai.com) コードの局所的な修正、ロジックの変更、インターフェースの改善など、開発者と対話しながら素早く反復する作業に適する。 CerebrasのWafer Scale Engine 3を使った低遅延環境で、毎秒1,000ト…

MiniMax

M2.5-Lightning

M2.5-Lightningは、MiniMax M2.5の高速版で、コーディング、検索・ツール利用、オフィス業務など、実世界の生産性向上とAIエージェント向けに設計されたモデルです。公式発表によれば、通常版M2.5と能力は同じで、速度が異なります。公称スループットは約100トークン/秒です。 (minimax.io) 複数のプログラミング言語を使った設計、実装、コードレビュー、テストや、フルスタッ…

MiniMax

MiniMax-M2.5

MiniMax-M2.5は、コーディング、ツール利用、検索、オフィス業務など、実世界の生産性向上とエージェント用途を重視した言語モデルです。数十万の複雑な実環境を用いた強化学習によって、タスクの分解と効率的な推論を強化したと発表されています。公開日は2026年2月12日です。(minimax.io) 複数のプログラミング言語に対応し、設計、実装、コードレビュー、テストなどの開発作業を支援します。…

Zhipu AI

GLM-5

GLM-5は、複雑なシステム開発と長時間にわたるエージェント作業を対象とした基盤モデルです。公式発表日は2026年2月12日です。モデルの重みはMITライセンスで公開されています。(z.ai) テキストの入力と出力に対応し、プログラミング、推論、タスクの計画・実行を支援します。 思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュ、JSONなどの構造化出力に対応します。 用途には、コー…

OpenAI

GPT-5.3-Codex

GPT-5.3-Codexは、Codexなどの環境で、エージェントとしてソフトウェア開発を行うタスクに最適化されたOpenAIの推論モデルです。2026年2月5日に発表されました。 (openai.com) コードの作成・修正、テスト、デバッグ、ターミナル操作、Web開発などに利用できます。長時間にわたる作業中もユーザーが対話して方向を修正できます。 (openai.com) OpenAIの発表時…

Anthropic

Claude Opus 4.6

Claude Opus 4.6は、Anthropicが2026年2月5日に発表した大規模言語モデルです。発表時のOpusシリーズの上位モデルで、コーディング、複雑な推論、長時間のエージェント型タスクや知識業務向けに設計されています。現在の公式ドキュメントでは、提供中のレガシーモデルと位置付けられています。(anthropic.com) Claude Opus 4.5と比べ、計画、コードレビュー、デ…

Zhipu AI

GLM-OCR

GLM-OCRは、文書の光学文字認識と解析に特化した、約9億パラメータの軽量マルチモーダルモデルです。CogViT視覚エンコーダーとGLM-0.5B言語デコーダーを組み合わせています。モデルはMITライセンス、公式リポジトリのコードはApache License 2.0で公開されています。(github.com) 写真、スクリーンショット、スキャン文書などから、本文、手書き文字、コード、印影、数式…

Moonshot AI

Kimi K2.5

Kimi K2.5は、Moonshot AIが公開した、視覚理解とエージェント機能を備えるネイティブマルチモーダルモデルです。公開日は2026年1月27日です。Kimi K2を基盤に、画像・テキストを混合した約15兆トークンで追加事前学習されています。 (kimi.com) テキスト、画像、動画の理解、視覚情報に基づく推論、コーディング、ツール呼び出しに対応します。UI画像や動画をもとにしたコード…

DeepSeek

DeepSeek-OCR 2

DeepSeek-OCR 2は、文書画像の文字認識と構造解析を主な対象とする、公開ウェイトの視覚言語モデルです。公式リポジトリでは2026年1月27日に発表されています。(github.com) DeepEncoder V2を用い、画像の意味や文書構造に応じて視覚トークンを並べ替え、複雑なレイアウトの読み取りを支援します。(arxiv.org)…

MiniMax

MiniMax Speech 2.8

MiniMax Speech 2.8は、テキストから自然な音声を生成する音声モデルです。公式発表日は 2026年1月23日 です。(minimax.io) 笑い、息継ぎ、ため息などのサウンドタグや言いよどみを利用し、会話らしい音声を生成します。 公式発表では、約10秒の音声サンプルによる声のクローン作成、背景ノイズや合成音のひずみの低減、中国語と日本語の間の発音改善を紹介しています。(minima…

Alibaba

Qwen3-Max-Thinking

Qwen3-Maxシリーズの推論・テキスト生成向けフラッグシップモデル。思考モードと非思考モードを備え、複雑な推論、指示への追従、エージェント用途を対象とする。思考モードでは、Web検索、Web情報抽出、コードインタープリターを利用できる。(qwen.ai) 複雑な質問への回答、調査、コードを使った問題解決などに利用できる。外部ツールの利用可否はサービスや設定に依存する。(qwen.ai) 入力・…

Zhipu AI

GLM-4.7-Flash

GLM-4.7-Flashは、性能と効率の両立を目指した軽量なテキスト生成モデルです。30B-A3BのMoE構成を採用し、モデルの重みはMITライセンスで公開されています。国内公式の発表では、GLM-4.7の無料版として高頻度の呼び出し向けに位置付けられています。(docs.bigmodel.cn) コード生成、タスク理解、推論、長文処理、文章作成、翻訳、ロールプレイに利用できます。…

Zhipu AI

GLM-Image

GLM-Imageは、知識集約型の表現と高精細な画像生成を重視した、オープンソースの画像生成モデルです。9Bパラメータの自己回帰モデルと7Bパラメータの拡散デコーダーを組み合わせ、指示の理解、画面構成、細部や文字の描画を担います。(zhipuai.cn) テキストから画像を生成し、特に画像内の文字表現や複雑な情報を含む構図に対応します。公式発表では、画像編集、スタイル変換、人物の同一性維持、複数主…

Alibaba

Qwen-Image-Max

Qwen-Image-Maxは、テキストから画像を生成するQwenのMax系列モデルです。本IDは2025年12月30日のスナップショットで、同日に公開されました。公式発表によると、Plus系列と比べて生成画像のAIらしさを抑え、人物の質感、自然なテクスチャ、画像内の文字表現を改善しています。(docs.modelstudio.console.alibabacloud.com) テキストを入力し、…

MiniMax

MiniMax-M2.1

MiniMax-M2.1は、多言語プログラミングや複雑な実務タスクに重点を置いた、エージェント向けのテキスト生成モデルです。公開日は2025年12月23日です。MiniMaxによると、MoE構造を採用し、総パラメータ数は約2,300億、推論時の活性化パラメータ数は約100億です。(minimax.io) Rust、Java、Go、C++、Kotlin、Objective-C、TypeScript、…

Google

Gemini 3 Flash Preview

Gemini 3 Flash Previewは、低遅延と効率を重視しつつ、Gemini 3の推論能力を提供するマルチモーダルモデルのプレビュー版です。公開日は2025年12月17日です。Googleは現在、従来世代のFlashモデルとして位置付けています。(blog.google) テキスト、画像、音声、動画を入力として受け取り、テキストを出力します。推論、構造化出力、関数呼び出し、コード実行、G…

Alibaba

Wan2.6-R2V

Wan2.6-R2Vは、参照素材とテキストの指示から音声付き動画を生成する、Wan2.6シリーズの参照動画生成モデルです。2025年12月16日に発表されました。人物、動物、物体の外見や、参照動画に含まれる声の特徴を保ちながら新しい場面を生成し、複数の被写体を共演させることができます。(alibabacloud.com) 複数キャラクターの共演や対話、複数ショットによるストーリー表現、映像と音声の…

MiniMax

VTP-Large-f16d64

VTP-Large-f16d64は、画像生成に利用する潜在表現の学習を目的とした、研究向けの視覚トークナイザーです。MiniMaxと華中科技大学の研究者によるVTPプロジェクトのLarge版で、画像・テキストの対照学習、自己教師あり学習、画像再構成を組み合わせています。公式モデルカードでは約7億パラメータと表示されています。(github.com) 画像を潜在表現に変換し、デコードして画像を再構成…

MiniMax

VTP-Base-f16d64

VTP-Base-f16d64は、画像生成向けの視覚トークナイザー事前学習フレームワーク「VTP」のBaseモデルです。画像とテキストの対照学習、自己教師あり学習、画像再構成を組み合わせ、生成に役立つ視覚表現を学習します。モデルカード上の規模は約3億パラメータです。(github.com) 画像特徴の抽出、画像とテキストの特徴を用いたゼロショット分類、画像の潜在表現への符号化と再構成に利用できます…