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

193 モデル

公開日の新しい順
OpenAI

GPT-5.6 Terra

GPT-5.6 Terraは、性能とコストのバランスを重視したGPT-5.6ファミリーのモデルです。OpenAIは、日常業務向けで、GPT-5.5に匹敵する性能をより低いコストで提供するモデルと位置付けています。(openai.com) テキストの入力・出力と画像入力に対応します。推論強度はnone、low、medium、high、xhigh、maxから選択でき、既定値はmediumです。(dev…

OpenAI

GPT-5.6 Sol

GPT-5.6ファミリーのフラッグシップモデル。複雑な専門業務向けに設計され、コーディング、知識労働、科学、サイバーセキュリティなどを用途とする。GPT-5.6ファミリーの一般提供開始日は2026年7月9日。それ以前の2026年6月26日には限定プレビューが開始された。 (openai.com) テキストの入力・出力と画像入力に対応。ストリーミング、関数呼び出し、構造化出力をサポートする。 コンテ…

OpenAI

GPT-Live-1 mini

GPT-Live-1 miniは、自然な音声対話を目的とするGPT-Liveシリーズのモデルです。2026年7月8日に発表され、ChatGPT Voice向けに段階的な提供が開始されました。 (openai.com) 全二重の音声対話:聞き取りと発話を同時に行い、相づち、発話の間、割り込みに対応します。リアルタイム翻訳にも利用できます。 (openai.com) 複雑な作業の委任:検索や高度な推論…

OpenAI

GPT-Live-1

GPT-Live-1は、自然で表現豊かなリアルタイム音声対話向けの全二重音声モデルです。聞き取りと発話を同時に行い、相づち、間、発話の割り込みに対応します。(openai.com) 音声・テキストの入出力に対応し、リアルタイムの会話や音声翻訳に利用できます。(developers.openai.com) より深い推論やツールの利用をバックエンドのモデルに委譲し、処理中も会話を続けられます。APIで…

ByteDance

Seedream 5.0 Pro

Seedream 5.0 Proは、複雑なデザインや実制作向けのマルチモーダル画像生成・編集モデルです。公式発表日は2026年7月8日です。(seed.bytedance.com) テキストからの画像生成、単一・複数の参照画像を使った生成、複数画像の合成。 データや文章を含む情報図、広告・販促物、教育・科学解説用ビジュアルの制作。 点、囲み、座標、手描きの印などを使った部分編集。色や素材の変更、人…

Tencent

HunyuanOCR-1.5

HunyuanOCR-1.5は、文字を中心とする視覚タスク向けの軽量なエンドツーエンドOCR特化型視覚言語モデルです。モデルカードには約10億パラメータと記載されています。公開日は2026年7月7日です。 (github.com) 文書解析、文字の検出・認識、情報抽出、画像内テキストの翻訳を単一モデルで扱います。文書のデジタル化や構造化情報の抽出に利用できます。 古文字や低リソース言語のOCR、複…

OpenAI

GPT-5.5 Instant Mini

GPT-5.5 Instant Mini は、ChatGPT のフォールバック用モデルです。2026年7月6日の発表では、GPT-5.5 Instant または Auto の利用上限に達した際に使われるモデルとして、GPT-5.3 Instant Mini を置き換えると説明されています。(help.openai.com) ChatGPT で会話を継続するために使用されます。OpenAI によると…

OpenAI

GPT-Realtime-2.1 mini

GPT-Realtime-2.1 miniは、高速かつ低コストのリアルタイム音声対話向けに蒸留された推論モデルです。OpenAIは2026年7月6日にリリースを発表しました。(developers.openai.com) テキストと音声の入力・出力、画像入力、関数呼び出し、推論トークンに対応します。リアルタイム音声アプリケーションやツールを使う音声エージェントに利用できます。…

OpenAI

GPT-Realtime-2.1

OpenAIのRealtime API向け音声対話・推論モデル。GPT-Realtime-2を更新し、英数字の認識、無音・ノイズへの対応、会話の割り込み処理を改善している。公開日は2026年7月6日。(developers.openai.com) 音声から音声への対話、指示への追従、関数呼び出しに対応し、複雑な音声エージェントのワークフローに利用できる。 推論の程度を調整できる。高く設定すると、遅…

Tencent

Hy3

Hy3は、Tencentが2026年7月6日に正式公開した、実用性とエージェント用途を重視する大規模言語モデルです。Hy3 previewを基盤に、性能、安定性、コスト効率を改善したとしています。高速・低速の思考を組み合わせたMixture-of-Experts(MoE)モデルで、総パラメータは2950億、活性化パラメータは210億です。(tencent.com) 複雑な推論、指示追従、文脈内学習…

Alibaba

万相2.7-参考生视频

Alibaba Cloud Model Studioで提供される、参照素材から動画を生成するモデルです。テキスト、画像、動画、音声を入力し、人物・小道具・場面の一貫性を保った動画生成を目的とします。画像と動画を混在させた参照は最大5点まで対応し、音声の音色も参照できます。単一人物の演技や複数人物の掛け合いなどに利用できます。 (help.aliyun.com) 公式掲載日:2026年7月1日。 2…

Alibaba

万相2.7-文生视频

Alibabaのテキストから動画を生成するモデル「万相2.7」の2026年6月12日スナップショット版。公式のモデル更新公告における掲載日は2026年7月1日。日付付きIDの6月12日はスナップショット日であり、公告日とは異なる。(help.aliyun.com) テキストの指示に基づき動画を生成する。音声URLを指定でき、音声を指定しない場合は動画内容に合うBGMや効果音を自動生成する。(hel…

Alibaba

Qwen3-Rerank

Qwen LLMを基盤とするテキスト再ランキングモデル。検索クエリと候補文書の関連性を評価し、検索結果を並べ替える。長文入力と多言語に対応し、テキスト検索やRAGに利用できる。公式説明では、性能はオープンソースのQwen3-Rerankシリーズに対応するとされる。推論サービスはAlibaba Cloud Model Studioが提供する。 (alibabacloud.com) 公式リリース一覧で…

Alibaba

Qwen-Image-2.0-Pro

Qwen-Image-2.0シリーズの高性能版に属する、画像生成と画像編集を統合したモデルです。推論サービスはAlibaba Cloud Model Studioが提供します。(alibabacloud.com) テキストと画像を入力し、画像を出力します。テキストからの画像生成や、既存画像の編集に利用できます。(alibabacloud.com) 約1,000トークンの指示に対応し、画像内の文字描…

Alibaba

Qwen-AgentWorld-35B-A3B

Qwen-AgentWorld-35B-A3Bは、AIエージェントの行動と対話履歴から環境の次の状態を予測する、エージェント環境シミュレーション向けの言語世界モデルです。Qwen3.5-35B-A3B-Baseを基盤とするMoEモデルで、総パラメータは350億、推論時の活性化パラメータは30億です。標準コンテキスト長は262,144トークンです。(huggingface.co) MCP、検索、ター…

ByteDance

Doubao-Seed-2.1-Pro

ByteDanceのSeed2.1シリーズに属する、コーディングとエージェント向けの旗艦深層推論モデル。複雑な開発や長い手順を伴うタスクを対象とする。(docs.volcengine.com) 要件理解、コード生成、複数ファイルの修正、バグ修正、環境構築、結果検証などの開発支援。 長期計画、ツール呼び出し、ファイル処理、GUI操作を伴うエージェントタスク。 文書・画像・動画などの視覚情報の理解、資…

Baidu

Unlimited-OCR

Unlimited-OCRは、長文書のOCRと文書解析を目的とするオープンなモデルです。DeepSeek-OCRを基盤とし、総パラメータ数は約30億、推論時の活性化パラメータ数は約5.7億と公式に説明されています。(cloud.baidu.com) 単一画像や複数ページの文書を解析できます。公式のローカル推論例では、PDFをページ画像に変換してから処理します。(raw.githubusercont…

ByteDance

Seed-2.1-Pro-Preview

ByteDanceが公開した基盤モデルのプレビュー版です。2026年6月19日、Arena AIのCode Arenaでコミュニティ向けの早期アクセスが開始されました。(seed.bytedance.com) 公式発表ではCode Arenaでの試用が案内されています。ただし、具体的なコード生成能力、性能指標、対応モダリティなどの詳細は示されていません。(seed.bytedance.com) プ…

Alibaba

Fun-ASR-Flash

Alibaba Cloud Model Studioで提供される、短い音声ファイル向けの自動音声認識モデルです。音声を入力し、テキストを出力します。公式のモデル公開一覧では、公開日は2026年6月17日です。ID内の2026年6月15日は公開一覧上の日付とは異なります。(alibabacloud.com) 中国語の7大方言体系と20以上の地域の普通話アクセントに対応。日本語、英語、韓国語などにも対…

Alibaba

HappyHorse-1.1-I2V

HappyHorse-1.1-I2Vは、1枚の画像を先頭フレームとして動画を生成する画像生成動画モデルです。Alibabaの公式発表では、画像の理解、動きの滑らかさ、人物の同一性、文字描画、音と映像の同期などの改善が挙げられています。静止画像に動きを付ける短編動画制作に利用できます。 (alibabacloud.com) 音声に対応し、出力は480P・720P・1080P、3〜15秒、24 fps…