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

407 モデル

公開日の新しい順
Moonshot AI

Kimi K3.1 Pro

Kimi K3.1 Proは、Kimi K3を追加学習したK3.1シリーズ初のフラッグシップモデル。約3兆パラメータ級で、最大1,048,576トークンのコンテキストと視覚理解に対応する。公式発表では、コーディング、3D制作、金融調査、長時間にわたるエージェント作業の改善を特徴としている。(kimi.ai) コード生成・修正、複数段階の開発作業、ツールを使うエージェント、長文書の分析や調査に利用で…

Tencent

WeVisOne-VL-4B

TencentのWeChat Visionが開発した、物体レベルからピクセルレベルまでの視覚認識を統合する視覚言語モデルの4B版。Qwen3-VLを基盤とし、構造化されたトークン予測と約960万パラメータのピクセルデコーダーを組み合わせる。モデル重みはApache 2.0ライセンスで公開されている。(huggingface.co) 画像とテキストによる指示を用いた物体検出、指示表現に基づく位置特定…

Tencent

WeVisOne-VL-2B

TencentのWeChat Visionチームが開発した、画像内の物体からピクセルまでを統一的に扱う視覚言語モデル。Qwen3-VLを基盤とする2B版で、公開重みと推論コードを利用できる。構造化された次トークン予測と約960万パラメータのピクセルデコーダーを組み合わせる。(huggingface.co) 画像とテキストによる指示を基に、物体検出、指示対象の位置特定、物体数の計数、ポイント指定、O…

ByteDance

Dreamina Seedance 2.5 4K

ByteDanceの動画生成モデル「Seedance 2.5」の4K出力に関するリリース。BytePlusのModelArk向けComfyUI連携資料では、Seedance 2.5で解像度を4kに設定する方法が案内されている。(github.com) テキスト、画像、動画、音声を用いた動画生成や、参照素材に基づく動画制作に対応。Seedance 2.5では、1回につき最大30枚の画像、10本の動画…

Google

Gemini Composite V2

GoogleのCX Agent Studioで、企業向け音声エージェントに最適化された複合モデル。Composite V1の後継で、2026年10月22日に一般提供(GA)が発表されました。このGAステータスはCX Agent Studio固有で、他のGoogle Cloud製品での提供状況を意味するものではありません。(docs.cloud.google.com) V1と同じListenerモデ…

Alibaba

Qwen-Audio-3.1-TTS-Plus

AlibabaのQwen-Audio-3.1-TTS-Plusは、高品質な音声とコンテンツ制作を重視したプロ向け音声合成モデルです。テキストを入力し、音声を出力します。公式発表日は2026年10月21日です。(docs.qwencloud.com) 多言語・方言、ストリーミング音声合成に対応します。自然言語の指示や細かなタグにより、感情、口調、役柄、話速、音量を調整できます。 既存音声、音声クロー…

Tencent

Hy-Nomas

Hy-Nomasは、複数ターンのテキスト指示とカメラ操作によって、自由形式のインタラクティブな動画世界を生成するモデルです。動画をセグメント単位で自己回帰的に生成し、KVキャッシュを使って過去の文脈を引き継ぎます。技術報告では、拡散バックボーンは80億パラメータとされています。(huggingface.co) 生成を続けながら、物体、動作、画風、場面などをテキストで指定できます。カメラ軌道による視…

MiniMax

MiniMax M3.1 Flash

MiniMax M3.1 Flashは、エージェント型タスク、コーディング、コンピューター操作、サイバーセキュリティを対象とする、高効率なマルチモーダルモデルです。公開日は2026年10月19日です。匿名モデル「Space Bunny」は本モデルの初期版だったとMiniMaxは説明しています。 (minimax.io) テキスト・画像・動画を入力し、テキストを出力します。コンテキストウィンドウは最…

DeepSeek

DeepSeek-V4.1-Flash-1017

DeepSeek-V4.1-Flash-1017は、2026年10月17日に公開されたDeepSeek-V4.1-Flashの更新版です。推論、コーディング、エージェントタスク、視覚理解を対象とするマルチモーダルモデルで、公式Webサイト、アプリ、APIで提供されています。APIのモデル名は deepseek-flash です。(api-docs.deepseek.com) テキストと画像の理解、…

OpenAI

GPT-Live-1.1 Quip

GPT-Live-1.1 Quipは、自然な音声会話を目的とするGPT-Live-1.1の小型版で、GPT-Live-1 miniの後継モデルです。OpenAIのシステムカードによると、Plus以上ではGPT-Live-1.1、それ以外ではQuipが標準の音声モデルです。(help.openai.com) 全二重の音声モデルとして、聞き取りと発話を同時に行い、間や割り込み、会話のペースの変化に対応…

Tencent

Hy-Memory-30B-A3B

Tencent Hunyuanが開発した、外部メモリシステムの長期記憶への書き込みに特化したモデル。MoE構成で、総パラメータ数は約30B、トークンごとの活性化パラメータ数は約3B。モデルの重みはApache 2.0ライセンスで公開されている。(huggingface.co) 保持すべき情報の選択、記憶の表現、新しい情報に基づく既存の記憶の更新を行う。 Mem0、MemOS、Hy-Memoryなど…

OpenAI

GPT-Live-1.1

GPT-Live-1の後継となる音声対話モデル。OpenAIは2026年10月15日、ChatGPT Voiceへの順次導入を発表した。小型版のGPT-Live-1.1 Quipは別モデル。(help.openai.com) 全二重方式で、聞きながら継続的に応答でき、間や割り込み、会話の速度変化に対応する。自然な音声会話、質問、アイデア出しなどに利用できる。(deploymentsafety.op…

Google

Gemini 4 Argon

Googleのフロンティアモデル。複雑で長時間にわたる実務向けに、推論、マルチモーダル理解、専門知識を組み合わせたモデルです。Google Cloudでの公開日は2026年10月13日です。 (cloud.google.com) 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。コーディング、複数ステップの調査、文書分析、金融・法律分析、科学・数学、サイバー防御などに利用できます。…

Zhipu AI

GLM-Legal

2026年10月12日に発表された、法律実務とエージェント型ワークフロー向けのモデル。GLM-5.3-Flashを基盤とし、法律コーパスによる中間学習と、模擬法律環境での強化学習を行っている。(z.ai) 複数の資料から争点を抽出し、事実と法的根拠を結び付け、論点や成果物を構成する用途を想定する。契約レビュー、証拠の照合、法令・コンプライアンス調査、法律文書の作成を支援できる。Wordへの変更履歴…

Alibaba

Qwen-Audio-3.1-TTS-Flash

リアルタイム対話向けに低遅延を重視した、テキストから音声を生成するモデルです。公式リリース日は 2026年10月12日 です。(docs.qwencloud.com) ストリーミング音声合成、システム音声、音声クローニング、音声デザインに対応します。 日本語を含む複数言語・方言に対応し、自然言語による指示やタグで感情、声の調子、話者の人物像、速度、音量などを調整できます。 音声アシスタント、リアル…

Alibaba

Qwen-Image-2.1-Turbo

Qwen-Image-2.1の高速化チェックポイントで、テキストからの画像生成と画像編集を行うモデルです。画像生成用の7Bパラメータのアーキテクチャを用い、8ステップのノイズ除去で推論できます。Alibaba Cloud Model StudioのAPIでも提供されています。(huggingface.co) 公開日: 2026年10月9日。公式リポジトリは同日にTurboモデルとAPIの公開を告知…

OpenAI

GPT-6 Luna

GPT-6 Luna (October) は、ChatGPTでの日常会話向けに調整されたGPT-6ファミリーのモデルです。OpenAIは2026年10月7日にChatGPT向け更新を発表し、FreeおよびGoプランへの展開は10月8日から開始すると説明しました。(openai.com) ChatGPTのIntelligent UIでは、質問に応じて文章、図、グラフ、ボタンなどを組み合わせた回答を生…

OpenAI

GPT-6 Sol

GPT-6 SolはOpenAIのGPT-6ファミリーのモデルです。2026年10月7日の発表では、ChatGPTのPlus、Pro、Business、Enterprise向けChat体験を支える、日常会話用に調整されたモデルとして紹介されました。同日の更新はChatに適用され、WorkとCodexのモデルは変更されませんでした。これはGPT-6 Sol自体の初公開日ではなく、当該Chat体験の発…

Anthropic

Claude Haiku 5.5

Claude Haiku 5.5は、大量処理や低遅延、コスト重視の用途向けに設計された小型モデルです。公開日は2026年10月7日です。(anthropic.com) テキストと画像を入力し、テキストを出力します。コンテキストウィンドウは100万トークン、通常の最大出力は12万8,000トークンです。(platform.claude.com) 要約、分類、情報抽出、ルーティング、データベースクエリ…

Google

Gemini Nano Banana 2.1

Gemini Nano Banana 2.1は、Nano Banana 2を更新した、高効率な画像生成・対話型画像編集モデルです。Google DeepMindによるとGemini 3.6 Flashを基盤としています。Gemini APIでは2026年10月6日に一般提供(GA)が発表されました。 (aistudio.google.com) Gemini APIのモデル仕様では、テキスト、画像、…