GLM-ASR
GLM-ASR は智譜の音声認識モデルで、音声を入力、テキストを出力として音声を書き起こす。公式モデルドキュメントの呼び出し例では、API モデル ID glm-asr が使用されている。(docs.bigmodel.cn) 文脈を利用して書き起こしテキストの流暢さと読みやすさを改善する。公式によると、騒音環境下で高い耐干渉性を持つ。 中国語、英語および中国の8種類の地方方言に対応する:東北官話、…
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。
GLM-ASR は智譜の音声認識モデルで、音声を入力、テキストを出力として音声を書き起こす。公式モデルドキュメントの呼び出し例では、API モデル ID glm-asr が使用されている。(docs.bigmodel.cn) 文脈を利用して書き起こしテキストの流暢さと読みやすさを改善する。公式によると、騒音環境下で高い耐干渉性を持つ。 中国語、英語および中国の8種類の地方方言に対応する:東北官話、…
Qwen-VL をベースに訓練された視覚理解・OCR モデルで、統一モデルを使用して画像とテキストの認識、解析、処理タスクを扱う。このバージョンは 2025 年 4 月 13 日のスナップショット。(docs.bailian.console.aliyun.com) 汎用認識、文書解析、表解析、情報抽出、多言語認識、数式認識の 6 種類のタスクを内蔵。文書、表、その他の画像から文字情報を抽出・整理す…
Tencentが発表した3Dコンテンツ生成モデルで、高精度かつテクスチャ付きの3Dアセットを作成するクリエイターや開発者を対象とする。技術レポートでは、形状生成とテクスチャ生成の2段階のプロセスを採用した3D拡散モデル体系と説明されている。(arxiv.org) テキストプロンプトまたは画像からの3Dモデル生成に対応し、複数の視点からの画像を使用したモデルおよびPBRマテリアルの生成にも対応する。…
Qwen-TTS は通義千問シリーズの音声合成モデルで、テキストを音声に変換します。このバージョンは 2025 年 4 月 10 日のモデルスナップショットです。中国語、英語、および中国語と英語が混在するテキストの入力に対応し、テキストに応じて出力の口調を適応的に調整でき、音声のストリーミング出力にも対応しています。(docs.bailian.console.aliyun.com) 中国語、英語、…
Gemini 2.5 Flash の 04-17 バージョンは、Google が 2025 年 4 月 17 日に発表した初期プレビューモデルで、推論能力、速度、コストを両立するマルチモーダルモデルとして位置づけられている。発表時には Gemini API、Google AI Studio、Vertex AI を通じて利用できた。(developers.googleblog.com) テキスト、画…
ERNIE-iRAG-Edit は百度が独自開発した画像編集モデルです。公式更新履歴に掲載されたバージョンは ERNIE-iRAG-Edit-1.0 で、2025年4月17日に千帆推論サービス API V2 の画像編集カテゴリに追加されました。(cloud.baidu.com) オブジェクトの消去(erase):マスクで選択した局所領域、主体、または背景を消去します。…
OpenAI o4-mini は、o シリーズの小型推論モデルで、迅速かつ低コストの推論に最適化されており、特に数学、プログラミング、視覚タスクに適しています。(openai.com) テキストと画像の入力、テキストの出力に対応し、図表や画像の分析、数学の問題解決、コード作成、データ分析に利用できます。 関数呼び出しと構造化出力に対応しています。リリース時には、ツールと組み合わせて、情報の検索やコ…
OpenAI o3 は複雑なタスク向けの推論モデルで、数学、科学、プログラミング、視覚推論を得意とし、技術文書の作成や、指示に従う複数ステップの分析にも利用できます。(openai.com) テキストと画像の入力を受け付け、テキストを出力します。画像とテキストを組み合わせて推論でき、図表、コード、複雑な問題の分析に適しています。 ChatGPT ではツールを使用できます。API では関数呼び出しに…
ERNIE X1 は百度の深い思考と推論のためのモデルです。入力で指定されたバージョンは ERNIE-X1-32K です。百度のモデル更新記録では、これを当該バージョンのメインバージョンと説明しており、対話 API を提供しています。(cloud.baidu.com) 百度によると、このモデルは理解、計画、振り返り、推論に重点を置いており、中国語の知識に関する質疑応答、文学創作、文章作成、日常会話…
GPT-4.1 nano は、GPT-4.1 シリーズの中で低レイテンシと低コストを重視したモデルです。固定バージョン ID は gpt-4.1-nano-2025-04-14 です。(developers.openai.com) テキストと画像の入力、テキストの出力に対応し、指示への追従とツール呼び出しを得意とします。関数呼び出し、構造化出力、ストリーミング出力にも対応しています。(develo…
GPT-4.1 mini は GPT-4.1 ファミリーの中で比較的小型かつ高速なモデルで、低遅延の汎用 API アプリケーション向けに、指示への追従、ツール呼び出し、コーディング、長いコンテキストの理解に重点を置いており、独立した推論ステップは使用しません。(developers.openai.com) テキストの入力と出力、および画像入力に対応し、関数呼び出し、構造化出力、ストリーミング出力を…
GPT-4.1 は、OpenAI が 2025 年 4 月 14 日に公開した API モデルで、プログラミング、指示への追従、長いコンテキストの理解に重点を置いています。API モデル ID は gpt-4.1 で、対応するリリーススナップショットは gpt-4.1-2025-04-14 です。(openai.com) テキストの入力と出力、画像入力に対応し、関数呼び出し、構造化出力、ストリーミ…
GLM-Z1-9B-0414 は、智谱が発表した約90億パラメータの小型推論モデルで、リソースが限られた環境や軽量なデプロイを対象としています。公式はこれを推論モデルとして掲載し、モデルの重みを公開しています。公式モデルページには MIT ライセンスと記載されています。(github.com) 公式の紹介によると、数学的推論と汎用タスクを得意とし、関連するテキスト推論や質問応答の用途に利用できます…
GLM-4-9B-0414 は GLM-4-0414 シリーズの 9B パラメータの対話モデルで、主に翻訳など大量の呼び出しを必要とする用途向けに最適化されている。公式にモデルの重みが提供されており、モデルリポジトリには MIT ライセンスが明記され、ローカルにデプロイできる。(github.com) テキスト生成と対話をサポートし、翻訳やその他の一括テキスト処理タスクに使用できる。 ネイティブの…
GLM-Z1-Rumination-32B-0414 は、智谱の GLM-4-32B-0414 シリーズに属する 320 億パラメータの深い推論モデルで、長時間の思考を必要とするオープンエンドな複雑タスクを対象としています。モデルカードには、中国語と英語のテキスト生成をサポートし、モデルの重みを MIT ライセンスで公開すると記載されています。(huggingface.co) 推論中に検索ツールを…
GLM-Z1-32B-0414 は、GLM-4-0414 シリーズの320億パラメータのテキスト推論モデルで、深い思考を必要とするタスクを対象としています。公式は 2025年4月14日に同シリーズを公開しました。(github.com) このモデルは GLM-4-32B-0414 を基盤とし、コールドスタート、拡張強化学習、および数学、コード、論理タスクの訓練を経て構築されており、数学的推論、コー…
GLM-4-32B-0414 は智谱の GLM-4-0414 シリーズに属する 320 億パラメータの対話モデルで、ローカルデプロイに適しています。公式では同シリーズの基盤モデルおよび GLM-Z1 推論モデルと区別して掲載し、モデルの重みをダウンロードできるようにしています。(github.com) モデルは指示への追従、エンジニアリングコード、関数呼び出しなどの能力について事後学習が行われてお…
GLM-4-32B-Base-0414 は GLM-4-0414 シリーズの約 320 億パラメータを持つ基盤言語モデルで、テキスト生成、追加学習、ローカルデプロイを対象としています。公式によると、約 15T の高品質データを使用して事前学習されており、その中には大量の推論系合成データが含まれ、後続の強化学習による拡張の基盤となっています。(huggingface.co) テキスト生成、モデル研究…
GLM-Z1-Flash は、GLM-Z1 シリーズの無料推論モデルで、推論モデルの利用障壁を下げることを目的としています。公式リリース記録の日付は 2025-04-14 です。(docs.bigmodel.cn) デフォルトで深い思考が有効になっており、数学的・論理的推論、長文文書の分析、コード生成などのタスクを対象としています。 公式ドキュメントには、ストリーミング出力、Function…
GLM-Z1-Air は、智譜が提供するコストパフォーマンスに優れた深い思考を行う推論モデルで、高頻度の呼び出しを伴う用途を対象としています。公式には 2025 年 4 月 14 日にこのモデルが発表されました。本項目に対応するバージョン識別子は GLM-Z1-Air-0414 です。(docs.bigmodel.cn) GLM-4-Air-250414 を基盤とし、数学、コード、論理などのタスク…