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

623 モデル

公開日の新しい順
Alibaba

万相2.1-图生视频-Turbo

万相2.1シリーズの画像生成動画Turboモデル。静止画像を比較的速く動的な動画に変換し、阿里云百炼を通じて推論サービスを提供する。(help.aliyun.com) 最初のフレームの画像から動画を生成し、プロンプトを併用して希望する動きや映像を記述できる。公式の紹介によると、このモデルは大幅で複雑な動き、物理法則の遵守、多様な芸術スタイル、映画・映像作品レベルの画質に対応し、指示に従う能力も向上…

Google

Gemini 2.0 Flash-Lite

Gemini 2.0 Flash-Lite は、Gemini 2.0 シリーズの中で速度、規模、費用対効果に最適化されたマルチモーダルモデルです。Google は 2025 年 2 月 25 日に正式提供開始を発表し、本番環境で利用できるようになりました。これに先立ち、公開プレビュー版が 2025 年 2 月 5 日にリリースされました。(aistudio.google.com) テキスト、画像、…

Anthropic

Claude 3.7 Sonnet

Claude 3.7 Sonnet は、Anthropic が 2025 年 2 月 24 日にリリースしたハイブリッド推論モデルで、同一モデル内で標準回答と拡張思考の 2 つのモードを提供します。(anthropic.com) テキストと画像の入力に対応し、テキストを出力します。対話、コンテンツ分析、創作作業、プログラミングに利用できます。(anthropic.com) 拡張思考モードでは、回答…

Moonshot AI

Moonlight-16B-A3B-Instruct

Moonlight-16B-A3B-Instruct は Moonshot AI が公開した指示に従うようファインチューニングされたテキスト生成モデルで、Mixture of Experts(MoE)アーキテクチャを採用し、総パラメータ数は約160億、トークンごとの活性化パラメータ数は約30億です。Moonlight は Muon…

Moonshot AI

Moonlight-16B-A3B

Moonlight-16B-A3B は Moonshot AI が公開した事前学習済みの基盤言語モデルで、混合エキスパート(MoE)アーキテクチャを採用し、総パラメータ数は約 160 億、各 token で有効化されるパラメータ数は約 30 億です。Muon オプティマイザを使用し、5.7 兆 token で学習されています。この基盤モデルは、別途公開された指示チューニング版 Moonlight-…

MiniMax

Image-01

Image-01 は MiniMax の画像生成モデルで、テキストによる説明に基づいてさまざまなサイズの画像を生成できます。公式料金ページでは過去のモデルとして掲載されています。(platform.minimax.io) テキストによる説明と参照画像からの画像生成に対応しており、クリエイティブデザイン、ソーシャルメディアの挿絵、商用ビジュアル素材に利用できます。(platform.minimax.…

Google

Document AI Custom Extractor v1.4

Google Cloud Document AI のカスタム文書情報抽出モデルのバージョンで、Gemini 2.0 Flash を搭載しています。ユーザーは抽出するフィールドを定義し、文書の内容を構造化されたエンティティに変換できます。(docs.cloud.google.com) カスタム schema に基づいて文書のフィールドを抽出し、さまざまな形式やレイアウトの業務文書の処理に適しています…

Alibaba

Qwen-Omni-Turbo

Qwen-Omni-Turbo は通義千問のマルチモーダル理解・生成モデルです。阿里雲百煉のモデル更新公告では、2025-02-14 に掲載されています。(help.aliyun.com) テキスト、画像、音声、動画の入力に対応し、複数モダリティを組み合わせた入力の理解にも対応します。 テキストと音声の同時ストリーミング出力に対応し、自然な対話向けの声質を4種類提供します。 マルチモーダルコンテン…

MiniMax

I2V-01-Director

I2V-01-Director は MiniMax Video-01 シリーズの画像から動画を生成するディレクター版モデルで、カメラワークの制御に重点を置いている。画像を入力し、テキストによる説明と組み合わせて動画を生成する。テキストから動画を生成するモデル T2V-01-Director と同じ 01-Director シリーズに属する。(minimaxi.com) プロンプト内のカメラワーク指…

MiniMax

T2V-01-Director

T2V-01-Director は、MiniMax の海螺動画モデルファミリーに属するテキストから動画を生成するモデルで、カメラワークの制御と映画的なストーリーテリングに重点を置いています。モデルはテキストプロンプトを受け取り、動画を生成します。画像から動画を生成するモデル I2V-01-Director とは異なります。(minimax.io) 自然言語または角括弧による指示でカメラワークを制御…

Google

Gemini 2.0 Flash-Lite Preview

Google が 2025 年 2 月 5 日にリリースした Gemini 2.0 Flash-Lite の公開プレビュー版で、コストと速度を重視する開発シーンを対象としています。Google によると、同じ速度とコストを維持しながら、ほとんどのベンチマークテストで Gemini 1.5 Flash を上回っています。(blog.google) マルチモーダル入力に対応し、約 100 万…

Google

Gemini 2.0 Pro Experimental

Gemini 2.0 Pro の実験的な公開プレビュー版。Google は発表時、当時の Gemini モデルの中でプログラミングと複雑なプロンプトの処理に最も優れたモデルと位置付けていた。(blog.google) マルチモーダル入力とテキスト出力に対応し、コード生成、複雑な問題の処理、大量の情報の分析と理解に適している。 公式に公表されたコンテキストウィンドウは 200 万トークン。実際の利用…

Google

Gemini 2.0 Flash

Gemini 2.0 Flash は、Google が高効率と本番環境での利用に向けて提供するマルチモーダルモデルです。gemini-2.0-flash-001 は 2025 年 2 月 5 日に一般提供版としてリリースされました。(aistudio.google.com) テキスト、画像、音声、動画の入力を受け付け、テキストを出力します。マルチモーダルコンテンツの理解、要約、情報抽出、対話などの…

Google

Document AI Enterprise Document OCR v2.1.1

Google Cloud Document AI の Enterprise Document OCR プロセッサのバージョンで、ドキュメントから文字とレイアウト情報を認識・抽出するために使用されます。公式は 2025 年 2 月 3 日に、このバージョンをリリース候補版(Release Candidate)として提供すると発表しました。現在のプロセッサ一覧では公開プレビュー版として掲載され、v2.…

DeepSeek

DeepSeek-V3

2024-12-26 · DeepSeek 対話、知識に関する質問、プログラミング向けの汎用混合エキスパートモデル。更新履歴では、この日に deepseek-chat の基盤が初版 V3 に切り替わった。 出典

Google

Gemini 2.0 Flash Experimental

2024-12-11 · Google Flash の速度を生かしつつマルチモーダル処理とツール利用を拡張した Gemini 2.0 の初期実験版。翌年の安定版ではない。 出典

DeepSeek

DeepSeek-R1-Lite-Preview

2024-11-20 · DeepSeek 複雑な問題を解く推論モデルのウェブプレビュー。後の正式版 R1 とは異なり、この日は R1 の重みの公開日でもない。 モデル名を ID として記載しており、API 用の識別子は未確認。 出典

Moonshot AI

k0-math

2024-11-16 · Moonshot AI Moonshot AI の数学問題向け推論モデル。モデルの発表は11月16日、それを使った Kimi 数学版ウェブサービスの開始は11月26日。 モデル名を ID として記載しており、API 用の識別子は未確認。 出典 1 · 出典 2

DeepSeek

DeepSeek-V2.5

2024-09-05 · DeepSeek 一般対話とプログラミングの能力を統合し、専用モデルの切り替えを減らした。ここでは12月の更新ではなく9月版を扱う。 モデル名を ID として記載しており、API 用の識別子は未確認。 出典

OpenAI

GPT-4o mini

2024-07-18 · OpenAI テキストと画像を入力できる小型マルチモーダルモデル。大量の分類、情報抽出、短い質問への回答に適し、GPT-4o とは異なる。 出典