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…
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…
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…
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…
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…
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…
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…
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…
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-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-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…
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-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、…
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…
この言語の紹介は準備中です。