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…
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。
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…
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…
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…
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…
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…
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…