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

253 モデル

公開日の新しい順
Google

Gemini 3.5 Flash

Googleが2026年5月19日に発表したGemini 3.5シリーズのFlashモデル。Gemini 3 Flashを基盤とする、ネイティブなマルチモーダル推論モデルで、高速な応答とエージェント処理・コーディングを重視している。思考レベルにより、品質・コスト・遅延のバランスを調整できる。(blog.google) テキスト、画像、音声、動画を入力し、テキストを出力する。Google…

Alibaba

Qwen3.5-LiveTranslate-Flash-Realtime

Qwen3.5-Omniを基盤とする、リアルタイムの多言語音声・映像翻訳モデルです。音声を入力し、映像から取得した画像を文脈として併用できます。翻訳結果はテキスト、またはテキストと音声で出力できます。国際会議、ライブ配信のローカライズ、オンライン授業、商談などが想定用途です。(qwen.ai) 60言語を理解し、そのうち29言語はテキストと音声、残る31言語はテキストのみで出力できます。音声クロー…

OpenAI

GPT-Realtime-Whisper

GPT-Realtime-Whisperは、ライブ音声を低遅延で文字起こしするストリーミング音声認識モデルです。話者が話している間に文字起こしの差分を逐次出力し、遅延と認識精度の調整を必要とするリアルタイム用途向けに設計されています。Realtime APIで利用できます。 (openai.com) 会議、授業、放送、イベントのライブ字幕、会話中の議事録作成、利用者の発話を継続的に理解する音声エー…

OpenAI

GPT-Realtime-Translate

GPT-Realtime-Translateは、ライブの多言語音声体験向けに設計された、ストリーミング音声翻訳モデルです。OpenAIは2026年5月7日に発表し、Realtime APIで提供しています。(openai.com) 音声の入力中に翻訳音声と翻訳テキストを順次出力します。入力言語は自動検出され、出力先言語を指定します。発表時の対応範囲は入力70言語以上、出力13言語です。(devel…

OpenAI

GPT-Realtime-2

GPT-Realtime-2は、リアルタイムの音声対話とツール利用を目的としたOpenAIのモデルです。OpenAIは、GPT-5クラスの推論能力を備えた同社初の音声モデルとして発表しました。Realtime APIで利用できます。(openai.com) 音声から音声への対話に対応し、会話中の訂正や割り込みに対処しながら推論やツール呼び出しを行えます。並列ツール呼び出しにも対応します。 テキスト…

OpenAI

GPT-5.5-Cyber

GPT-5.5-Cyberは、専門的なサイバーセキュリティ業務向けモデルです。2026年5月7日、重要インフラを守る防御担当者向けに限定プレビューとして発表されました。(openai.com) 許可されたレッドチーム演習、侵入テスト、脆弱性の悪用可能性の検証など、専門的なセキュリティ作業を支援します。 初期プレビューは、GPT-5.5を大幅に上回る能力を目指したものではなく、主にセキュリティ関連の…

Google

Gemini 3.1 Flash-Lite

Gemini 3.1 Flash-Liteは、低遅延・低コストで大量の処理を行う用途に最適化された、Gemini 3系列のマルチモーダル推論モデルです。Gemini 3 Proを基盤としています。(storage.googleapis.com) 2026年3月3日にVertex AIで公開プレビューとして提供され、2026年5月7日にGemini Enterprise Agent…

OpenAI

GPT-5.5 Instant

GPT-5.5 Instantは、日常的な対話を対象とするOpenAIのモデルです。2026年5月5日に発表され、当時のChatGPTのデフォルトモデルであるGPT-5.3 Instantを置き換え、APIではchat-latestとして提供されました。(openai.com) 日常的な質問への、より明確で簡潔な回答や自然な対話。 アップロードされた写真・画像の分析、STEM分野の質問への回答、必…

DeepSeek

DeepSeek-V4-Flash-Base

DeepSeek-V4-Flash-Baseは、DeepSeek-V4シリーズのFlash系ベースモデルです。MoE(Mixture of Experts)構造を採用し、総パラメータ数は284B、活性化パラメータ数は13B、コンテキスト長は1Mトークンです。公開重みはFP8混合精度です。(huggingface.co) テキスト生成を基盤とし、知識、言語推論、コード、数学、長文コンテキストの評価が…

DeepSeek

DeepSeek-V4-Pro-Base

DeepSeek-V4-Pro-Baseは、DeepSeek-V4-Pro系列の事前学習済みベース言語モデルです。専門家混合(MoE)アーキテクチャを採用し、総パラメータ数は1.6兆、トークン当たりの活性化パラメータ数は490億です。公式モデル一覧では、コンテキスト長は100万トークン、重みの精度はFP8混合とされています。(huggingface.co) 公式評価には、知識、言語推論、コード、数…

DeepSeek

DeepSeek-V4-Flash

リリース日: 2026年4月24日。対象はプレビュー版 DeepSeek-V4-Flash-Preview。(deepseek.com) 位置付け: DeepSeek-V4シリーズの高速・効率重視のモデル。公式発表では総パラメータ数284B、トークン当たりの活性化パラメータ数13Bとされています。(api-docs.deepseek.com) 提供形態: 発表時にAPIを公開し、モデルの重みとコー…

DeepSeek

DeepSeek-V4-Pro

DeepSeek-V4-Proは、推論とエージェント用途に重点を置く汎用のMixture-of-Experts(MoE)言語モデルです。指定されたプレビュー版は2026年4月24日に公開され、モデル重みも公開されました。総パラメータ数は1.6兆、トークンごとの活性化パラメータ数は490億、コンテキスト長は最大100万トークンです。 (deepseek.com) 数学・STEM・コードに関する推論、…

OpenAI

GPT-5.5 Pro

GPT-5.5 Proは、難度の高い問題や高い精度を要する作業向けに、GPT-5.5より多くの計算資源を使って推論するモデルです。APIのモデルIDは gpt-5.5-pro、固定スナップショットは gpt-5.5-pro-2026-04-23 です。(openai.com) 複雑な調査、数学、データ分析、文書作成など、高度な推論と正確性が求められる作業に利用できます。OpenAIの公表評価では、…

OpenAI

GPT-5.5

GPT-5.5は、複雑な専門業務やコーディング向けのOpenAIのモデルです。コードの作成・デバッグ、オンライン調査、データ分析、文書・表計算の作成、ソフトウェア操作などを対象としています。複数段階のタスクで計画、ツール利用、結果確認を行う能力が強化されています。(openai.com) テキストの入出力と画像入力に対応。推論の強さは none、low、medium、high、xhigh から選択…

Moonshot AI

Kimi K2.6

Kimi K2.6は、コーディング、長時間にわたるタスク実行、エージェント連携に重点を置いた汎用マルチモーダルモデルです。2026年4月20日に公開されました。モデルの重みとコードはModified MIT Licenseで公開されています。(kimi.com) テキストと画像の入力に対応し、思考モードと非思考モードを利用できます。対話、コード生成、デバッグ、複数ステップの開発タスクに適しています…

Alibaba

Qwen3.6-Max-Preview

Qwen3.6-Max-Previewは、AlibabaのQwenチームによるホスト型・プロプライエタリモデルの早期プレビューです。公式発表日は2026年4月18日です。Qwen3.6-Plusと比較して、エージェント型コーディング、世界知識、指示追従の改善を目指しています。(qwen.ai) 公式発表では、コーディングエージェント、知識を要するタスク、指示に従った作業などを想定しています。公式評…

Anthropic

Claude Opus 4.7

Claude Opus 4.7は、Anthropicが2026年4月16日に一般提供を開始したモデルです。高度なソフトウェア開発、複雑な推論、長時間にわたるエージェント作業を対象としています。公式文書では、利用可能な旧世代モデルとして掲載されています。(anthropic.com) テキストと画像を入力し、テキストを出力します。画像理解はOpus 4.6から改善され、より高い解像度の画像を扱えます…

Anthropic

Claude Mythos Preview

Claude Mythos Previewは、Anthropicの汎用フロンティアモデルの研究プレビューです。高度な推論、エージェント型コーディング、サイバーセキュリティ作業を特徴としています。テキストと画像を入力でき、出力はテキストです。(anthropic.com) 複雑なソフトウェアの理解・変更、脆弱性の発見・再現・修正に利用できます。Anthropicによると、重要インフラに関連する多数の…

Zhipu AI

GLM-5.1

GLM-5.1は、長時間にわたる自律的な作業やエージェント型ソフトウェア開発を対象とするフラッグシップモデルです。公式発表日は2026年4月7日。MITライセンスでモデルが公開されています。(z.ai) 複雑な問題の分解、計画、ツールの実行、結果の確認、戦略の修正を繰り返す長期的なタスクを想定しています。用途にはリポジトリ生成、ソフトウェア開発、ターミナル操作、セキュリティ関連作業などがあります。…

Google

Veo 3.1 Lite Preview

Googleが開発者向けに提供した、Veo 3.1ファミリーの低コスト・高効率な動画生成プレビューモデル。大量の動画を扱うアプリケーションや制作ワークフロー向けに設計された。公開日は2026年3月31日。(blog.google) テキストまたは画像を入力し、音声付き動画を生成する。テキストからの動画生成と画像からの動画生成に対応。(aistudio.google.com) 解像度は720pまたは…