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

171 モデル

公開日の新しい順
Google

Gemini 3.8 Live Extended Thinking

Googleのリアルタイム音声対話向けモデル。Gemini 3.8 Liveのうち、複雑な複数ステップのタスクや、対話を続けながらのバックグラウンド推論に重点を置いたモデルです。公式発表日は2026年9月15日です。(blog.google) 音声応答をストリーミングしながら、背景で推論や非同期のツール呼び出しを実行できます。進行状況を音声で伝えることも可能です。推論レベルは low、medium…

Google

Gemini 3.8 Live

Googleの低遅延なリアルタイム対話モデル。大規模利用とコスト効率を重視し、音声対話と視覚情報の理解を組み合わせる。複雑な多段階推論向けのGemini 3.8 Live Extended Thinkingとは別モデル。(blog.google) **発表日:2026年9月15日。**公式発表は同年9月17日に更新された。(blog.google) Google CloudのGemini…

Moonshot AI

K2.8 Preview

K2.8 Previewは、Kimi Code向けのプレビュー版コーディング・エージェントモデルです。2026年9月11日にKimi Codeで全面提供が発表されました。既存のモデルID kimi-for-coding は変更されていません。公式発表では、総合性能はK3に近く、K2.7 Codeより思考効率が高いとされています。(kimi.com) コード補完、一般的なソフトウェア開発、コーディン…

DeepSeek

DeepSeek-V4.1-Flash

DeepSeekが2026年9月10日に発表した、ネイティブな画像理解に対応するマルチモーダルモデル。新しいモデル構造系列の中では最小サイズに位置付けられ、推論速度、スループット、拡張性の向上を目指している。(deepseek.com) 552Bのバックボーンパラメータを持つMoEモデル。Causal Encoder–Decoder構造を採用し、入力の処理時には8B、出力の生成時には16Bのパラメ…

Tencent

AuK-Flash

AuK-Flashは、音声生成・編集向け基盤モデルAuKの蒸留版です。自然言語の指示と、必要に応じた音声を入力し、音声を生成・編集します。AuKは15億パラメータのモデルとして紹介されています。(huggingface.co) 参照音声の声を用いたゼロショット音声合成、声の特徴を文章で指定する音声合成。 発話内容や歌詞の編集、ピッチ・速度・音量の調整、感情・声質・アクセントやささやき声の編集。 音…

Tencent

AuK

AuKは、音声の生成と編集を自然言語の指示で行う、15億パラメータのオープンソース基盤モデルです。指定された公式リポジトリには、高品質な生成を目的としたベースモデルの重みが収録されています。別モデルのAuK-Flashは、4ステップの高速推論向けに蒸留された版です。(huggingface.co) 参照音声の声を使うゼロショット音声合成、および声の説明に基づく音声合成。 発話内容の置換・挿入・削除…

OpenAI

GPT-Image-2.5 Sunburst

OpenAIの画像生成・編集モデル。編集時の精密な制御が重要な、高品質なビジュアル制作向けに設計されている。Flareより詳細な作業に適する一方、生成にはより長い時間がかかる。(openai.com) テキストや画像を入力として、画像の生成・編集ができる。品質設定は low、medium、high、xhigh、max、auto に対応する。(developers.openai.com) Image…

OpenAI

GPT-Image-2.5 Flare

GPT-Image-2.5 Flareは、速度を重視した日常的な画像生成・編集向けAPIモデルです。OpenAIは2026年9月8日の発表で、多くのアプリケーション向けの標準的な選択肢と位置づけ、GPT-Image-2より高品質な画像を50%低い遅延で生成すると説明しています。実際の品質と速度は作業内容によって異なります。(openai.com) テキストと画像を入力し、画像を生成・編集できます。…

Alibaba

Qwen-Drive-1.0

自動運転向けの視覚言語基盤モデル。Qwen3.5-4Bを基盤とし、3D知覚、視覚的質問応答、動作計画を統合する。公開モデルの重みとコードはApache 2.0ライセンスで提供されている。(alibabacloud.com) 単一・複数視点の走行画像や時系列画像を扱い、走行場面に関する質問に回答する。 外部の鳥瞰視点(BEV)知覚ヘッドにより、3D物体検出、セマンティック占有予測、BEVマップのセグ…

OpenAI

GPT-6 Astra

OpenAIが高度な推論、プログラミング、コンピューター操作、調査、文書作成など、複雑な業務向けに提供するモデルです。(developers.openai.com) テキストと画像を入力し、テキストを出力できます。複数段階の作業や、文書・スプレッドシート・プレゼンテーションの作成に利用できます。(developers.openai.com) Responses APIでは、ウェブ検索、ファイル検索…

Google

WeatherNext 3

Google DeepMindとGoogle Researchが開発した、全球を対象とするAI気象予測モデル。リアルタイムの静止衛星観測と従来の気象解析データを入力し、地上観測データも学習に利用する。予測は1時間ごとに更新される。(blog.google) 64メンバーのアンサンブル予測を生成する。6時間ごとの基準時刻に初期化した予測は最大15日先、その他の毎時初期化予測は最大48時間先までを対象…

Google

Gemini 3.8 Flash Cyber

Gemini 3.8 Flashをサイバーセキュリティ用途向けに追加学習したモデルです。Googleは、脆弱性の自律的な発見と修正に重点を置いたモデルとして位置付けています。2026年9月2日に発表されました。Google Cloudのモデル一覧では、2026年9月16日をリリース日としています。(blog.google)…

Google

Gemini 3.8 Flash

Gemini 3.8 Flashは、Gemini 3.7 Flashを基盤とする汎用モデルです。長期的なソフトウェア開発、自律エージェント、複雑な知識業務向けに設計され、速度とコスト効率を重視しています。Googleは2026年9月2日に発表しました。(blog.google) テキスト、画像、音声、動画、PDFを入力し、テキストを出力します。入力上限は1,048,576トークン、出力上限は65,…

Alibaba

Qwen3.8-Max-0902

Qwen3.8-Max の改良版スナップショット。テキスト生成、深い推論、視覚理解を備え、複雑なソフトウェア開発や長期的な自律作業、複数ツールを使うエージェントの協調、図表・文書の解析に適する。別名は qwen3.8-max-2026-09-02。(help.aliyun.com) テキスト・画像・動画を入力し、テキストを出力する。思考モード、関数呼び出し、構造化出力、ウェブ検索、コンテキストキャ…

Anthropic

Claude Mythos 5.1

Claude Mythos 5.1は、コーディング、知識労働、科学研究を対象とするAnthropicのモデルです。Claude Fable 5.1と同じ基盤モデルですが、安全対策の設定が異なり、Mythos 5.1は審査を受けた利用者向けにサイバーセキュリティと生命科学の作業を支援します。(anthropic.com) テキストと画像を入力し、テキストを出力します。コンテキストウィンドウは100万…

Anthropic

Claude Fable 5.1

Claude Fable 5.1は、Anthropicがコーディング、知識労働、複雑な推論、長時間にわたるエージェント作業向けに提供するモデルです。科学研究の支援も想定されています。公開日は2026年9月1日です。(anthropic.com) テキストと画像を入力として受け取り、テキストを出力します。 コンテキストウィンドウは100万トークン、最大出力は128,000トークンです。 適応的思考が…

Google

TimesFM-3

TimesFM-3は、Google Researchが開発した、ゼロショットの単変量・多変量時系列予測向け基盤モデルです。3億3,000万パラメータを持ち、実世界と合成データを合わせて1兆点を超える時系列データで事前学習されています。タスクごとの追加学習なしで、関連する複数系列を同時に予測できます。(research.google) 複数の予測対象に対し、点予測と第10〜第90パーセンタイルの9分…

Alibaba

Qwen-MT-Image-2.0

画像翻訳に特化したモデルサービス。画像内の文字を指定言語に翻訳し、元のレイアウトや内容の再現を目指す。公式発表日は2026年8月28日。 (alibabacloud.com) 中国語、英語、日本語などの画像翻訳に対応。用語定義・介入、分野のヒント、センシティブワードのフィルタリング、商品主体の検出をサポートする。多言語の画像ローカライズに利用できる。 (alibabacloud.com) 発表では…

Tencent

Tencent Hy4 preview

Tencent Hy4 previewは、ソフトウェア開発、オフィス業務、科学研究などの実務を対象とする、オープンソースの大規模言語モデルです。2026年8月28日に公開されました。Hy4の初期プレビュー版であり、正式版とは別のモデルです。(tencent.com) 総パラメータ数は770B、推論時の活性化パラメータ数は49Bです。 Tencent Cloud TokenHubでは、コンテキストウ…

Google

Gemini Omni 1.1 Flash

Googleが開発者向けに提供する、動画生成・編集に特化したマルチモーダルモデル。自然言語による編集や、映像制作の制御性を重視した製品版で、2026年8月27日に発表された。(blog.google) Gemini APIではテキスト、画像、動画を入力し、動画を出力できる。自然言語での対話的な編集にも対応する。(aistudio.google.com) 既存シーンを10秒単位で延長し、累計最大40…