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

422 モデル

公開日の新しい順
Baidu

ERNIE 5.0 Preview

ERNIE 5.0 Previewは、Baiduのネイティブなオムニモーダル基盤モデルERNIE 5.0のプレビュー版です。Baiduは2025年11月13日のBaidu World 2025でERNIE 5.0を発表し、プレビュー版を一般向けにはERNIE Bot、企業向けには百度智能云の千帆プラットフォームで提供すると案内しました。(prnewswire.com) テキスト、画像、音声、動画を…

OpenAI

GPT-5.1 Thinking

GPT-5.1 Thinkingは、OpenAIのGPT-5.1シリーズにおける高度な推論モデルです。質問の難しさに応じて思考時間を調整し、簡単な質問には比較的速く、複雑な問題にはより時間をかけて対応します。技術的な概念の説明や複雑な業務上の課題に加え、APIではコーディングやエージェント型タスクにも利用できます。(openai.com) ChatGPT向け発表日:2025年11月12日。API向…

OpenAI

GPT-5.1 Instant

GPT-5.1 Instantは、ChatGPT向けの高速で会話的なGPT-5.1モデルです。OpenAIは、従来のGPT-5 Instantより指示への追従性と会話の自然さを改善したと説明しています。APIでのモデルIDは gpt-5.1-chat-latest です。(openai.com) 日常的な質問への回答、文章作成、相談、プログラミングや数学の支援に利用できます。 難しい質問では、回答…

Zhipu AI

WebVIA-Agent

WebVIA-Agentは、対話可能なWeb UIをコードに変換して検証する研究フレームワーク「WebVIA」の探索用視覚言語モデルです。GLM-4.1V-9B-Baseを基盤としています。(huggingface.co) Webサイトを探索し、操作によって変化する複数のUI状態のスクリーンショットを取得します。 ページのスクリーンショットやDOMツリーを基に、操作が必要なインタラクティブ要素の特…

Alibaba

GUI-Plus

GUI-Plusは、スマートフォンやデスクトップの画面理解と操作を対象とする、GUIシリーズの基盤モデルです。Alibabaの公式発表では、複数ステップのタスクや複数エージェントの協調に対応すると説明されています。公開日は2025年11月12日です。(help.aliyun.com) テキストと画像を入力し、テキストを出力します。スクリーンショットと自然言語の指示から意図を解釈し、クリック、入力、…

ByteDance

Doubao-Seed-Code

2025年11月11日に発表された、Agentic Coding向けに最適化されたプログラミングモデル。長いコードや複数モジュールの依存関係を扱う、最大256Kのコンテキストに対応する。(developer.volcengine.com) コード生成、開発タスクの実行、スタイルやバグの修正、フルスタック開発を支援する。 UIデザイン、スクリーンショット、手描きのスケッチを理解し、コード生成や画面の…

Tencent

Tencent HY 2.0 Instruct

Tencent HY 2.0 Instruct は、指示に従った文章生成向けの汎用モデルです。Tencent の公式発表によると、基盤モデルを TurboS から混元 2.0 に更新し、指示追従、複数ターンや長文の理解、文学創作、知識の正確性、コード、推論の能力を強化しています。公開日は 2025年11月11日 です。(cloud.tencent.com) 対話型アシスタント、長文の分析、文章作成…

Zhipu AI

UI2Code^N

UI2Code^Nは、UI画像からフロントエンドコードを生成し、視覚的なフィードバックを用いて反復的に改善するための視覚言語モデルです。GLM-4.1V-9B-Baseを基盤としています。(huggingface.co) UIのスクリーンショットからHTML、CSS、Reactなどのコードの初稿を生成します。 自然言語の指示に基づいて既存UIを編集します。 生成コードのレンダリング結果を参照し、元…

Tencent

Tencent HY 2.0 Think

Tencentの汎用テキスト生成モデル。従来のTurboSから混元2.0を基盤に採用し、複雑な指示への追従、複数ターンの対話、長文理解、コード、エージェント、推論能力を強化したと発表されている。公開日は2025年11月9日。(cloud.tencent.com) 深い推論、長文の分析、対話型アシスタント、コード関連作業、エージェントを用いた処理などに適する。TokenHubの旧モデル一覧では、深い…

Alibaba

Fun-ASR

Alibaba Cloud Model Studioで提供される、録音ファイル向けの非リアルタイム音声認識モデル。音声を入力し、テキストを出力する。HTTP APIで利用し、ホットワードによる認識精度の向上と話者分離に対応する。(help.aliyun.com) 日本語、英語、韓国語などを含む多言語と、中国語の方言・地域アクセントに対応する。公式案内は合計30言語としている。 句読点の予測や、数字…

OpenAI

GPT-5-Codex-Mini

GPT-5-Codex-Miniは、プログラミング用途向けのGPT-5-Codexを小型化し、コスト効率を高めたモデルです。2025年11月7日に、Codex CLIとIDE拡張機能のモデル選択肢として発表されました。 (help.openai.com) Codexでのコーディング作業に利用できるモデルです。発表時、ChatGPTサブスクリプションに含まれる利用枠で、GPT-5-Codexと比べて…

Alibaba

Fun-ASR-Realtime

Alibabaの通義研究所による、エンドツーエンドのリアルタイム音声認識モデルのスナップショット版。音声を入力し、文字起こしテキストを出力する。WebSocketでストリーミング音声を扱える。(help.aliyun.com) 中国語、英語、日本語や中国語の方言に対応。中国語と英語の切り替えにも対応する。ホットワードのカスタマイズ、句読点予測、ITNによる表記正規化、特定の語句の自動フィルタリング…

Moonshot AI

Kimi K2 Thinking

Kimi K2 Thinkingは、段階的な推論とツール呼び出しを組み合わせるThinking Agentモデルです。2025年11月6日に発表されました。公式モデルカードでは、重みが公開されています。(platform.kimi.com) 推論しながら動的にツールを呼び出し、調査、情報収集、コーディング、文章作成などの複数段階の作業に利用できます。公式評価では、200〜300回の連続したツール呼…

Moonshot AI

Kimi-Linear-48B-A3B-Instruct

Kimi-Linear-48B-A3B-Instructは、指示に従った対話・テキスト生成向けのモデルです。総パラメータ数は48B、活性化パラメータ数は3Bで、最大1Mトークンのコンテキストに対応します。Kimi Delta Attention(KDA)とグローバルMLAを3対1で組み合わせたハイブリッド構造を採用しています。 (github.com) 長文を含むテキストの理解・生成、文書の要約や…

Moonshot AI

Kimi-Linear-48B-A3B-Base

Kimi-Linear-48B-A3B-Baseは、Moonshot AIのテキスト生成向け事前学習済みベースモデルです。Mixture-of-Experts(MoE)構成で、総パラメータ数は480億、トークンごとの活性化パラメータ数は30億です。公式モデルカードは最大100万トークンのコンテキストを示しています。 (huggingface.co) Kimi Delta Attention(KDA…

Alibaba

Qwen-Image-Edit-Plus

AlibabaのQwen系列に属する画像編集モデル。指定されたリリースは固定スナップショット qwen-image-edit-plus-2025-10-30 で、2025年10月30日に公開された。初版Editモデルに比べ、推論性能とシステム安定性を改善し、画像生成・編集の応答時間を短縮したと公式は説明している。(help.aliyun.com) 画像とテキスト指示を用いた既存画像の編集に対応し、…

MiniMax

MiniMax-Hailuo-2.3-Fast

MiniMax-Hailuo-2.3-Fastは、Hailuo 2.3シリーズの高速・低コストな動画生成モデルです。画像を入力して短い動画を生成し、制作や一括生成における速度と費用を重視しています。公開日は2025年10月28日です。(minimax.io) 画像から動画を生成します。Hailuo 2.3シリーズは、人物の動きや表情、物理的な動作、映像効果、アニメ・イラストなどのスタイル表現を改善…

MiniMax

MiniMax-Hailuo-2.3

MiniMax-Hailuo-2.3は、Hailuo 02を基盤とする動画生成モデル。テキストからの動画生成と、画像を入力した動画生成に対応する。公開日は 2025年10月28日。(minimax.io) 人物の複雑な身体動作、物体の動き、表情の細かな変化、動きの指示への追従を改善。アニメ、イラスト、水墨画、ゲームCGなどのスタイル表現にも対応する。広告、マーケティング、映像制作や画像の動画化に利…

MiniMax

MiniMax-M2

MiniMax-M2は、コーディングとAIエージェントのワークフロー向けに開発された言語モデルです。Mixture of Experts(MoE)構造を採用し、総パラメータ数は2,300億、推論時の有効化パラメータ数は100億です。公開日は2025年10月27日です。 (minimax.io) 複数ファイルの編集、コードの実行・修正、テストに基づく修復など、開発工程を支援します。 複雑なタスクを計…

Alibaba

Qwen3-ASR-Flash-Realtime

Qwen3-ASR-Flash-Realtimeは、大規模言語モデルを基盤とするリアルタイム多言語音声認識モデルです。音声を入力し、認識結果をテキストで出力します。言語の自動判定に対応し、公式の国際版リリース告知では11言語の音声認識を説明しています。リアルタイム字幕や音声入力などに利用できます。 (help.aliyun.com) 公開日:2025年10月27日。公式の国際版リリース一覧では20…