Seed2.0 Pro
Seed2.0 Proは、複雑な推論や長い手順を伴うエージェント業務に向けた、ByteDanceの汎用モデルです。火山方舟の公式リリース一覧では、当該API IDを深い推論に対応するフラッグシップモデルとして掲載しています。(console.volcengine.com) 文書、表、グラフ、動画などのマルチモーダル理解、複数制約を伴う指示の実行、情報検索・要約・結論導出などの長手順タスクを想定して…
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。
Seed2.0 Proは、複雑な推論や長い手順を伴うエージェント業務に向けた、ByteDanceの汎用モデルです。火山方舟の公式リリース一覧では、当該API IDを深い推論に対応するフラッグシップモデルとして掲載しています。(console.volcengine.com) 文書、表、グラフ、動画などのマルチモーダル理解、複数制約を伴う指示の実行、情報検索・要約・結論導出などの長手順タスクを想定して…
GPT-5.3-Codexの小型版で、Codexでのリアルタイムなコーディング向けに設計された低遅延モデル。2026年2月12日に研究プレビューとして発表された。(openai.com) コードの局所的な修正、ロジックの変更、インターフェースの改善など、開発者と対話しながら素早く反復する作業に適する。 CerebrasのWafer Scale Engine 3を使った低遅延環境で、毎秒1,000ト…
M2.5-Lightningは、MiniMax M2.5の高速版で、コーディング、検索・ツール利用、オフィス業務など、実世界の生産性向上とAIエージェント向けに設計されたモデルです。公式発表によれば、通常版M2.5と能力は同じで、速度が異なります。公称スループットは約100トークン/秒です。 (minimax.io) 複数のプログラミング言語を使った設計、実装、コードレビュー、テストや、フルスタッ…
MiniMax-M2.5は、コーディング、ツール利用、検索、オフィス業務など、実世界の生産性向上とエージェント用途を重視した言語モデルです。数十万の複雑な実環境を用いた強化学習によって、タスクの分解と効率的な推論を強化したと発表されています。公開日は2026年2月12日です。(minimax.io) 複数のプログラミング言語に対応し、設計、実装、コードレビュー、テストなどの開発作業を支援します。…
GLM-5は、複雑なシステム開発と長時間にわたるエージェント作業を対象とした基盤モデルです。公式発表日は2026年2月12日です。モデルの重みはMITライセンスで公開されています。(z.ai) テキストの入力と出力に対応し、プログラミング、推論、タスクの計画・実行を支援します。 思考モード、ストリーミング、関数呼び出し、コンテキストキャッシュ、JSONなどの構造化出力に対応します。 用途には、コー…
GPT-5.3-Codexは、Codexなどの環境で、エージェントとしてソフトウェア開発を行うタスクに最適化されたOpenAIの推論モデルです。2026年2月5日に発表されました。 (openai.com) コードの作成・修正、テスト、デバッグ、ターミナル操作、Web開発などに利用できます。長時間にわたる作業中もユーザーが対話して方向を修正できます。 (openai.com) OpenAIの発表時…
Claude Opus 4.6は、Anthropicが2026年2月5日に発表した大規模言語モデルです。発表時のOpusシリーズの上位モデルで、コーディング、複雑な推論、長時間のエージェント型タスクや知識業務向けに設計されています。現在の公式ドキュメントでは、提供中のレガシーモデルと位置付けられています。(anthropic.com) Claude Opus 4.5と比べ、計画、コードレビュー、デ…
GLM-OCRは、文書の光学文字認識と解析に特化した、約9億パラメータの軽量マルチモーダルモデルです。CogViT視覚エンコーダーとGLM-0.5B言語デコーダーを組み合わせています。モデルはMITライセンス、公式リポジトリのコードはApache License 2.0で公開されています。(github.com) 写真、スクリーンショット、スキャン文書などから、本文、手書き文字、コード、印影、数式…
Kimi K2.5は、Moonshot AIが公開した、視覚理解とエージェント機能を備えるネイティブマルチモーダルモデルです。公開日は2026年1月27日です。Kimi K2を基盤に、画像・テキストを混合した約15兆トークンで追加事前学習されています。 (kimi.com) テキスト、画像、動画の理解、視覚情報に基づく推論、コーディング、ツール呼び出しに対応します。UI画像や動画をもとにしたコード…
DeepSeek-OCR 2は、文書画像の文字認識と構造解析を主な対象とする、公開ウェイトの視覚言語モデルです。公式リポジトリでは2026年1月27日に発表されています。(github.com) DeepEncoder V2を用い、画像の意味や文書構造に応じて視覚トークンを並べ替え、複雑なレイアウトの読み取りを支援します。(arxiv.org)…
MiniMax Speech 2.8は、テキストから自然な音声を生成する音声モデルです。公式発表日は 2026年1月23日 です。(minimax.io) 笑い、息継ぎ、ため息などのサウンドタグや言いよどみを利用し、会話らしい音声を生成します。 公式発表では、約10秒の音声サンプルによる声のクローン作成、背景ノイズや合成音のひずみの低減、中国語と日本語の間の発音改善を紹介しています。(minima…
Qwen3-Maxシリーズの推論・テキスト生成向けフラッグシップモデル。思考モードと非思考モードを備え、複雑な推論、指示への追従、エージェント用途を対象とする。思考モードでは、Web検索、Web情報抽出、コードインタープリターを利用できる。(qwen.ai) 複雑な質問への回答、調査、コードを使った問題解決などに利用できる。外部ツールの利用可否はサービスや設定に依存する。(qwen.ai) 入力・…
GLM-4.7-Flashは、性能と効率の両立を目指した軽量なテキスト生成モデルです。30B-A3BのMoE構成を採用し、モデルの重みはMITライセンスで公開されています。国内公式の発表では、GLM-4.7の無料版として高頻度の呼び出し向けに位置付けられています。(docs.bigmodel.cn) コード生成、タスク理解、推論、長文処理、文章作成、翻訳、ロールプレイに利用できます。…
GLM-Imageは、知識集約型の表現と高精細な画像生成を重視した、オープンソースの画像生成モデルです。9Bパラメータの自己回帰モデルと7Bパラメータの拡散デコーダーを組み合わせ、指示の理解、画面構成、細部や文字の描画を担います。(zhipuai.cn) テキストから画像を生成し、特に画像内の文字表現や複雑な情報を含む構図に対応します。公式発表では、画像編集、スタイル変換、人物の同一性維持、複数主…
MiniMax-M2.1は、多言語プログラミングや複雑な実務タスクに重点を置いた、エージェント向けのテキスト生成モデルです。公開日は2025年12月23日です。MiniMaxによると、MoE構造を採用し、総パラメータ数は約2,300億、推論時の活性化パラメータ数は約100億です。(minimax.io) Rust、Java、Go、C++、Kotlin、Objective-C、TypeScript、…
この言語の紹介は準備中です。
GLM-TTSは、テキストから音声を生成する産業向け音声合成システムです。2025年12月10日に発表され、モデルの重みが公開されました。BigModelではAPIとしても提供されています。(zhipuai.cn) 短い参照音声を用いたゼロショット音声クローンに対応します。公式モデルカードは参照音声の長さを3〜10秒としています。 多報酬強化学習によって感情や韻律の表現を改善し、ストリーミング推論…
GLM-ASR-Nano-2512は、実世界の複雑な音声環境を対象とする、約15億パラメータのオープンソース音声認識モデルです。音声を入力し、文字起こしを出力します。公式発表によると、特徴抽出に用いるWhisper V3音声エンコーダーの追加パラメータは、この15億には含まれていません。モデルカードのライセンス表記はMITです。 (zhipuai.cn) 標準中国語、英語に加え、広東語などの方言に…
DeepSeek-V3.2-Specialeは、DeepSeek-V3.2を長時間の思考に向けて強化し、DeepSeek-Math-V2の定理証明能力を組み合わせた研究向けの推論モデルです。2025年12月1日に公開されました。モデルの重みは公開されており、MITライセンスが示されています。(deepseek.com) 指示への追従、数学的証明、論理検証など、複雑な推論課題やモデル評価・研究を主な…
DeepSeek-V3.2は、2025年12月1日に公開された、推論とエージェント用途を重視する汎用言語モデルです。DeepSeek-V3.2-Expの正式な後継モデルとして発表されました。(deepseek.com) テキストの入力と出力に対応し、質問応答や一般的なエージェントタスクに利用できます。 推論能力と出力長のバランスを重視し、思考モード・非思考モードの両方でツール呼び出しをサポートしま…