Tencent
Tencent Hy4
Tencent Hy4は、生産性向上や長時間にわたるエージェント型タスクを重視した、Tencentの次世代大規模言語モデルです。正式版は2026年11月4日に発表されました。発表時点でTencentはモデル重みとシステムカードを今後公開する予定と説明しており、発表時点ですでに公開済みとは確認できません。 (tencent.com) テキストと画像を入力し、テキストを出力。画像理解、複雑な図表分析、…
モデルを見る日本語
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。
OpenAI
GPT-Image-2.6 Flare
GPT-Image-2.6 Flareは、高速な反復作業を重視した画像生成・編集モデルです。テキストと画像を入力として受け取り、画像を生成・編集します。詳細や編集精度を特に重視する用途には、同シリーズのSunburstが位置付けられています。(developers.openai.com) 発表・API提供開始日： 2026年11月4日。(developers.openai.com) 主な用途： 広…
モデルを見る日本語
OpenAI
GPT-Image-2.6 Sunburst
GPT-Image-2.6 Sunburstは、細部や正確な編集を重視する画像生成・編集モデルです。テキストと画像を入力として受け取り、画像を出力します。公開日は2026年11月4日です。(openai.com) 画像の生成・編集、複雑な構図やレイアウトの作成、編集を重ねた際のキャラクター・製品・ブランドの細部の維持に対応します。 Image APIで、複雑度の調整、画像への書き込みを使った編集指…
モデルを見る日本語
Tencent
HyCell
HyCellは、単一細胞トランスクリプトームの解析を目的とする、約1,610万パラメータの埋め込みモデルです。ヒト細胞の生の遺伝子発現カウントを512次元の埋め込みに変換し、デコーダーで埋め込みから遺伝子発現を推定できます。CZ CELLxGENE Censusのヒト細胞約7,950万個を用い、細胞型ラベルなしで事前学習されています。(raw.githubusercontent.com) 凍結した…
モデルを見る日本語
OpenAI
GPT-6 Rosalind Research
GPT-6 Rosalind Researchは、GPT-6の推論能力を多段階の生命科学研究に適用する、承認制の研究向けモデルです。生物学的作業向けの安全対策が設けられています。APIモデルIDは gpt-6-rosalind です。(help.openai.com) 生物学データを横断した推論、科学ツールやデータベースの利用、文献・証拠の統合、仮説の生成・検討を支援します。用途には標的の探索・検…
モデルを見る日本語
OpenAI
GPT-6 Luna
GPT-6 Luna（October 29）は、ChatGPTで2026年10月7日に公開されたGPT-6 Lunaの更新版です。2026年10月29日公開の公式システムカード追補によると、回答をより簡潔にし、過度に同意する表現を減らしています。(deploymentsafety.openai.com) GPT-6 Lunaは、限定的なタスクや大量処理に適した効率重視のモデルです。一般的なGPT-…
モデルを見る日本語
Alibaba
Qwen-Audio-3.1-Realtime-Flash
Alibabaのリアルタイム双方向音声対話モデル。テキストと音声の入力・出力に対応し、音声アシスタントやリアルタイム対話アプリケーションに利用できる。公開日は2026年10月27日。(docs.qwencloud.com) Function Calling、ウェブ検索、音声クローンに対応。検索は enable_search で有効化し、Function Callingと併用できる。 接続プロトコル…
モデルを見る日本語
Baidu
文心 Unlimited OCR 2
百度が2026年10月27日に公開・オープンソース化した、長文書向けのマルチモーダル文書解析モデル。総パラメータ約3.3B、活性化パラメータ約0.5BのMoEモデルで、SR-SWAと無限視野デコーディングを用いて長文書の解析時の計算・メモリ負荷を抑える。(ai.baidu.com) 見出し、段落、表、数式、画像などの領域を認識し、位置、種類、階層、読順を伴う構造化文書を出力する。ページをまたぐ表や…
モデルを見る日本語
OpenAI
GPT-6.1 Terra
GPT-6.1 Terraは、視覚的推論、コンピューター操作、自然な文章作成を重視した、高速かつ効率的なモデルです。大量の業務を比較的低コストで処理する用途に位置付けられています。(openai.com) 商品写真とカタログの照合、技術図面の解釈、アプリケーション画面の操作、文書の作成・修正に利用できます。請求書の読み取りと会計ソフトへの入力なども想定されています。(developers.open…
モデルを見る日本語
Tencent
Hy-SimulMT-30B-A3B-Interleave
Tencent混元のリアルタイム同時通訳モデル「Hy-SimulMT」のInterleave版。音声を継続的に受け取り、中国語と英語の双方向翻訳を行う。Interleave版は翻訳文だけでなく原文も出力する。モデルカード上のライセンスはApache-2.0。(huggingface.co) 発話中に逐次翻訳し、会議、講演、インタビューなどでの利用を想定する。音声合成サービスを組み合わせることで、翻…
モデルを見る日本語
Tencent
Hy-SimulMT-30B-A3B
Tencent Hunyuanが開発したリアルタイム同時通訳モデル。中国語と英語の音声を双方向に翻訳し、話者の発話中から訳文を順次生成する。会議、講演、インタビューなどでの利用を想定している。(github.com) このモデルは翻訳文のみを出力する。原文と訳文の両方を出力するInterleave版は別のチェックポイント。FP8量子化版とGGUF版も公開されている。(github.com) 翻訳音…
モデルを見る日本語
Moonshot AI
Kimi K3.1 Pro Highspeed
Kimi K3.1 Pro の高速版。公式発表によると、標準版と同等のモデル能力を維持しながら、出力生成速度は約2〜3倍です。K3.1 Pro は約3兆パラメータ級のモデルで、Highspeed 版もネイティブな視覚理解と1,048,576トークンのコンテキストウィンドウを備えます。(kimi.ai) コーディング、デバッグ、長時間にわたるエージェント型ワークフロー、長文書や大規模コードベースの分…
モデルを見る日本語
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…
モデルを見る日本語
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…
モデルを見る日本語
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…
モデルを見る日本語
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…
モデルを見る日本語
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…
モデルを見る日本語
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…
モデルを見る日本語
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、…
モデルを見る日本語
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…
モデルを見る日本語