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

579 モデル

公開日の新しい順
Zhipu AI

GLM-4-32B-Base-0414

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…

Zhipu AI

GLM-Z1-Flash

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…

Zhipu AI

GLM-Z1-Air

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…

Zhipu AI

GLM-Z1-AirX

GLM-Z1-AirX は GLM-Z1-Air の高速版で、超高速推論モデルとして位置づけられています。公式に 2025 年 4 月 14 日にリリースされ、リリース識別子は GLM-Z1-AirX-0414 です。(docs.bigmodel.cn) このモデルはテキスト入力とテキスト出力を採用し、論理推論、数学、プログラミングなどの複雑なタスクを対象としています。リアルタイムデータ分析やイン…

Zhipu AI

GLM-4-Flash-250414

GLM-4 シリーズの無料テキスト基盤モデルで、汎用タスクや軽量なアプリケーション向け。智譜は 2025 年 4 月 14 日にこのバージョンを公開した。(docs.bigmodel.cn) テキストを入力・出力とし、軽量な対話、質問応答、要約、テキスト処理などの用途に適している。 公式のモデル概要に記載されているコンテキストウィンドウは 128K tokens、最大出力は 16K tokens。…

Zhipu AI

GLM-4-Air-250414

GLM-4-Air-250414 は、智譜が 2025 年 4 月 14 日にリリースした、費用対効果の高い基盤言語モデルであり、複雑なタスクやエージェントアプリケーションを対象としています。(docs.bigmodel.cn) このモデルはテキストを入力として受け取り、テキストを生成します。公式には、指示追従、エンジニアリング向けコード生成、関数呼び出しの能力が重点的に紹介されており、Artif…

Google

Chirp 3: Transcription

Chirp 3: Transcription は、Google が多言語自動音声認識(ASR)向けに提供する生成モデルで、音声をテキストに文字起こしします。Google Cloud Speech-to-Text API V2 を通じて提供され、モデル識別子は chirp_3 です。(docs.cloud.google.com) ストリーミング認識、同期認識、バッチ認識をサポートし、リアルタイムの文…

Moonshot AI

Kimi-VL-A3B-Thinking

Kimi-VL-A3B-Thinking は Kimi-VL シリーズの視覚言語推論モデルで、複雑なテキストおよびマルチモーダル推論に重点を置いています。混合エキスパート(MoE)アーキテクチャを採用しており、公式に示された総パラメータ数は約160億、活性化パラメータ数は約30億、コンテキストウィンドウは128K tokenです。(huggingface.co) 画像とテキストを受け取り、テキスト…

Moonshot AI

Kimi-VL-A3B-Instruct

Kimi-VL-A3B-Instruct は効率的な推論を目的とした視覚言語指示モデルで、混合エキスパート(MoE)言語モデル、ネイティブ解像度の視覚エンコーダー MoonViT、および投影層を採用しています。公式に記載された総パラメータ数は約 160 億、活性化パラメータ数は約 30 億、コンテキストウィンドウは 128K です。(huggingface.co) モデルはテキストと視覚情報を組み…

Alibaba

Wan 2.1 KF2V Plus

万相 2.1 首尾フレーム動画生成 Plus 版は、国際向け動画生成サービス用のモデルです。最初と最後のフレームの2枚の画像から遷移動画を生成し、テキストプロンプトを組み合わせて内容を制御することもできます。公式公告では 2025 年 4 月 7 日に掲載されています。(docs.bailian.console.aliyun.com) 公式によると、モデルは大きく複雑な動き、多様なアートスタイル、…

MiniMax

Speech-02-Turbo

Speech-02-Turbo は MiniMax Speech-02 シリーズのテキスト音声合成モデルで、リアルタイムのインタラクション向けに最適化され、低遅延と音声品質のバランスを重視しています。Speech-02 シリーズは 2025 年 4 月 2 日にリリースされました。(minimax.io) 入力テキストを音声に合成し、ストリーミング出力に対応しています。話速、音量、音程を調整でき、…

MiniMax

Speech-02-HD

Speech-02-HD は、MiniMax Speech-02 シリーズの高忠実度音声生成向けテキスト音声合成モデルで、ナレーションやオーディオブックなど、音質を重視する用途に適しています。このシリーズは 2025 年 4 月 2 日にリリースされました。(minimax.io) テキストを入力して音声を生成します。多言語、さまざまなアクセント、感情表現に対応しています。後の公式技術紹介によると…

OpenAI

GPT-4o

GPT-4o は OpenAI のマルチモーダルモデルです。この項目は 2025 年 3 月 27 日の更新に対応しています。公開時、この更新は ChatGPT で提供され、API エイリアス chatgpt-4o-latest が指す最新のスナップショットとなりました。このエイリアスは固定された日付のバージョン識別子ではなく、指し示すスナップショットが変わる可能性があります。(help.open…

Alibaba

Qwen-Omni-Turbo

Qwen-Omni-Turbo は千問シリーズのマルチモーダル理解・生成モデルです。このバージョンは 2025 年 3 月 26 日のスナップショットであり、阿里雲百炼の 2025 年 3 月 27 日の更新記録に掲載されています。公式によると、視覚能力は 2025 年 1 月 19 日のスナップショットから大幅に向上しています。(docs.bailian.console.aliyun.com)…

Alibaba

QVQ-Max

QVQ-Max は通義千問 QVQ シリーズの視覚推論モデルで、視覚理解と深い思考のタスクを対象としています。Alibaba Cloud 百炼のモデル提供開始記録では、qvq-max は 2025 年 3 月 26 日に掲載されています。公式モデル資料によると、qvq-max の機能はスナップショット qvq-max-2025-03-25 と同等です。後者の名称に含まれる日付はスナップショットのバ…

OpenAI

GPT-4o image generation

GPT-4o image generation は、GPT-4o にネイティブに組み込まれたマルチモーダル画像生成機能で、テキストと画像の入力に基づいて画像を生成または変換できます。OpenAI は 2025 年 3 月 25 日にこの機能を公開しました。(openai.com) 自然言語に基づいて写真のようにリアルな画像やその他のスタイルの画像を生成し、画像内に文字を表示します。 対話の文脈を踏…

Google

Gemini 2.5 Pro Experimental

Google が 2025 年 3 月 25 日に公開した Gemini 2.5 Pro の公開実験版で、複雑なタスク向けのマルチモーダル思考モデルです。公式の公開記録によると、このバージョンでは思考モードがデフォルトで常に有効になっています。(blog.google) **推論とプログラミング:**数学、科学、複雑な問題の推論を対象とし、コードの生成、変換、編集のほか、ウェブアプリやコードエージ…

Alibaba

Wanx2.1-ImageEdit

Wanx2.1-ImageEdit は万相通義の画像編集モデルで、既存画像の部分編集または画像全体の編集を対象としています。プリセット編集タスクと指示による編集に対応し、入力と出力の両方に画像を含みます。(docs.bailian.console.aliyun.com) 画像のスタイル変換、線画からの画像生成、部分的な再描画、参照画像を用いた生成、画像の外側への拡張、画像の超解像などに対応し、画像…

Tencent

hunyuan-turbos-longtext-128k-20250325

Tencent Hunyuan TurboS の長文テキスト版で、TurboS をベースに追加学習を行い、混合エキスパート(MoE)アーキテクチャを採用している。Tencent Cloud の製品アップデートに記録されたリリース日は 2025年3月25日。(cloud.tencent.com) 公式によると、このモデルは文書の要約や文書に関する質問応答などの長文テキストタスクを得意とし、汎用的なテ…

Zhipu AI

CogView4-6B-Control

CogView4-6B-Control は、CogView4 シリーズの制御可能な画像生成モデルです。公式デモでは、テキストプロンプトと制御画像を使用して新しい画像を生成し、参照画像の構造を踏まえたビジュアル制作が必要な場面に利用できます。その基盤モデルである CogView4-6B は、中国語と英語のプロンプトおよび中国語の文字描画に対応しています。(huggingface.co) テキストによ…