Lyria 3 Pro
Googleのフルレングス楽曲生成モデル。2026年3月25日に発表され、開発者向けにGemini APIとGoogle AI Studioで公開プレビューとして提供された。(blog.google) テキストや画像から、約3分までの楽曲を生成。イントロ、ヴァース、サビ、ブリッジなどの構成を指定できる。(blog.google) ボーカル、インストゥルメンタル、歌詞の生成や、利用者が用意した歌詞に…
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。
Googleのフルレングス楽曲生成モデル。2026年3月25日に発表され、開発者向けにGemini APIとGoogle AI Studioで公開プレビューとして提供された。(blog.google) テキストや画像から、約3分までの楽曲を生成。イントロ、ヴァース、サビ、ブリッジなどの構成を指定できる。(blog.google) ボーカル、インストゥルメンタル、歌詞の生成や、利用者が用意した歌詞に…
MiniMax M2.7シリーズの高速版言語モデル。公式発表によると、通常版と同じ結果を、より高速に提供するAPI版です。シリーズの公開日は 2026年3月18日 です。(platform.minimax.io) ソフトウェア開発、コード生成・修正、ログ分析、バグ調査、コードセキュリティ、機械学習の作業支援。 エージェントチーム、複雑なスキル、動的なツール検索を利用する多段階のタスク。 Word、…
MiniMax-M2.7は、ソフトウェア開発や実務を支援するエージェント向け言語モデルです。2026年3月18日に発表されました。MiniMaxは、モデル自身の開発・改善プロセスに深く参加した初のモデルと位置づけています。(minimax.io) 開発支援:コード生成、リファクタリング、ログ分析、障害原因の調査、コードセキュリティ、機械学習、プロジェクトの一貫した開発。(minimax.io) エ…
GPT-5.4 nanoは、GPT-5.4系列の小型・低価格モデルです。速度とコストを重視する大量処理向けに設計され、分類、データ抽出、ランキング、簡単な補助作業を行うコーディング用サブエージェントに適しています。2026年3月17日に発表され、発表時はAPIのみで提供されました。(openai.com) テキストの入力・出力と画像入力に対応。コンテキストウィンドウは400,000トークン、最大出…
GPT-5.4 miniは、コーディング、コンピューター操作、サブエージェントに適した、高速・高効率の小型モデルです。大量のリクエストを処理する用途向けに設計されています。OpenAIによると、GPT-5 miniよりコーディング、推論、マルチモーダル理解、ツール利用が改善し、動作速度は2倍以上です。(openai.com) テキストと画像を入力でき、テキストを出力します。画像を直接出力するモデル…
GLM-5-Turboは、OpenClawを用いるエージェントの実行環境向けに最適化された基盤モデルです。複雑な指示の分解、外部ツールやSkillsの呼び出し、定時・継続タスク、長い処理手順の実行を重視しています。公式発表の公開日は2026年3月15日です。 (docs.bigmodel.cn) 複雑な目標を手順に分解し、複数エージェント間の作業分担を支援します。 Function Calling…
Googleが2026年3月10日に公開プレビューとして発表した、Geminiアーキテクチャーに基づくマルチモーダル埋め込みモデル。テキスト、画像、動画、音声、文書を共通の埋め込み空間に写像し、意味的な類似度を比較できる。発表時の提供経路はGemini APIとVertex AI。 (blog.google) 入力を数値ベクトルに変換し、テキストから画像を探すようなクロスモーダル検索に利用できる。…
GPT-5.4 Proは、複雑で難度の高い問題に対して、より多くの計算資源を使って推論するGPT-5.4の上位モデルです。APIモデルIDは gpt-5.4-pro、固定スナップショットは gpt-5.4-pro-2026-03-05 です。2026年3月5日に発表されました。 (openai.com) 複雑な調査、分析、専門的な知識労働、文書・表計算・プレゼンテーションの作成を支援します。GPT…
GPT-5.4は、複雑な専門業務向けの汎用モデルです。推論、コーディング、ツール利用を組み合わせ、ソフトウェア開発や複数段階の業務を支援します。2026年3月5日に発表され、API、Codex、ChatGPTでの提供が案内されました。APIのモデルIDは gpt-5.4、固定スナップショットは gpt-5.4-2026-03-05 です。 (openai.com) テキストと画像を入力として受け取…
MiniMax Music 2.5+は、楽曲生成を中心とするMiniMax Music 2.5に、ボーカルのないインストゥルメンタル音楽の生成機能を加えた音楽生成モデルです。公式発表日は2026年3月4日です。 (minimax.cn) スタイルを文章で指定し、歌詞やボーカルを必要としない音楽を生成できます。 (solutions.minimax.cn) クラシック管弦、ミニマリズム、電子音楽、ア…
Googleが2026年3月3日に発表した、Gemini 3シリーズの低遅延・低コストなマルチモーダル推論モデルのプレビュー版。大量のリクエストを処理する用途に最適化されている。発表時はGemini APIを通じてGoogle AI StudioとVertex AIでプレビュー提供された。(blog.google) テキスト、画像、動画、音声、PDFを入力として受け取り、テキストを出力する。入力上…
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…
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…