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

20 モデル

公開日の新しい順
Tencent

HyPDE

HyPDEは、2次元の偏微分方程式(PDE)シミュレーション向け基盤モデルです。約3億2,300万パラメータのTransformerを、13種類の2次元物理データセットで一から学習しています。公開日は2026年11月4日です。(github.com) 規則的な2次元格子上の速度、圧力、密度などの数値場について、直近6フレームから次の4フレームを予測します。予測結果を再入力することで、その後の軌跡も…

Tencent

Tencent Hy4

Tencent Hy4は、生産性向上や長時間にわたるエージェント型タスクを重視した、Tencentの次世代大規模言語モデルです。正式版は2026年11月4日に発表されました。発表時点でTencentはモデル重みとシステムカードを今後公開する予定と説明しており、発表時点ですでに公開済みとは確認できません。 (tencent.com) テキストと画像を入力し、テキストを出力。画像理解、複雑な図表分析、…

Tencent

HyCell

HyCellは、単一細胞トランスクリプトームの解析を目的とする、約1,610万パラメータの埋め込みモデルです。ヒト細胞の生の遺伝子発現カウントを512次元の埋め込みに変換し、デコーダーで埋め込みから遺伝子発現を推定できます。CZ CELLxGENE Censusのヒト細胞約7,950万個を用い、細胞型ラベルなしで事前学習されています。(raw.githubusercontent.com) 凍結した…

Tencent

Hy-SimulMT-30B-A3B-Interleave

Tencent混元のリアルタイム同時通訳モデル「Hy-SimulMT」のInterleave版。音声を継続的に受け取り、中国語と英語の双方向翻訳を行う。Interleave版は翻訳文だけでなく原文も出力する。モデルカード上のライセンスはApache-2.0。(huggingface.co) 発話中に逐次翻訳し、会議、講演、インタビューなどでの利用を想定する。音声合成サービスを組み合わせることで、翻…

Tencent

Hy-SimulMT-30B-A3B

Tencent Hunyuanが開発したリアルタイム同時通訳モデル。中国語と英語の音声を双方向に翻訳し、話者の発話中から訳文を順次生成する。会議、講演、インタビューなどでの利用を想定している。(github.com) このモデルは翻訳文のみを出力する。原文と訳文の両方を出力するInterleave版は別のチェックポイント。FP8量子化版とGGUF版も公開されている。(github.com) 翻訳音…

Tencent

WeVisOne-VL-4B

TencentのWeChat Visionが開発した、物体レベルからピクセルレベルまでの視覚認識を統合する視覚言語モデルの4B版。Qwen3-VLを基盤とし、構造化されたトークン予測と約960万パラメータのピクセルデコーダーを組み合わせる。モデル重みはApache 2.0ライセンスで公開されている。(huggingface.co) 画像とテキストによる指示を用いた物体検出、指示表現に基づく位置特定…

Tencent

WeVisOne-VL-2B

TencentのWeChat Visionチームが開発した、画像内の物体からピクセルまでを統一的に扱う視覚言語モデル。Qwen3-VLを基盤とする2B版で、公開重みと推論コードを利用できる。構造化された次トークン予測と約960万パラメータのピクセルデコーダーを組み合わせる。(huggingface.co) 画像とテキストによる指示を基に、物体検出、指示対象の位置特定、物体数の計数、ポイント指定、O…

Tencent

Hy-Nomas

Hy-Nomasは、複数ターンのテキスト指示とカメラ操作によって、自由形式のインタラクティブな動画世界を生成するモデルです。動画をセグメント単位で自己回帰的に生成し、KVキャッシュを使って過去の文脈を引き継ぎます。技術報告では、拡散バックボーンは80億パラメータとされています。(huggingface.co) 生成を続けながら、物体、動作、画風、場面などをテキストで指定できます。カメラ軌道による視…

Tencent

Hy-Memory-30B-A3B

Tencent Hunyuanが開発した、外部メモリシステムの長期記憶への書き込みに特化したモデル。MoE構成で、総パラメータ数は約30B、トークンごとの活性化パラメータ数は約3B。モデルの重みはApache 2.0ライセンスで公開されている。(huggingface.co) 保持すべき情報の選択、記憶の表現、新しい情報に基づく既存の記憶の更新を行う。 Mem0、MemOS、Hy-Memoryなど…

Tencent

Hy Image3.5 preview

Tencent Hunyuanの画像生成モデルのプレビュー版。Tencent Cloud TokenHubのAPIを通じて、テキストからの画像生成、参考画像を使った生成、複数ターンにわたる画像編集に利用できます。ポスター、UIデザイン、商品画像の編集などが想定用途です。 (cloud.tencent.com) テキストと参考画像を含む会話形式の入力に対応し、生成結果を同期的に返します。外部検索によ…

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…

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…

Tencent

WeMM-Embedding-9B

TencentのWeChat Visionチームが開発した、約90億パラメータの汎用マルチモーダル埋め込みモデル。異なる種類のコンテンツを共通のベクトル空間で表現する。(github.com) テキスト、画像、動画、視覚文書、およびそれらを組み合わせた入力に対応する。 出力次元は64、128、256、512、1024、2048、4096から選択できる。 検索、推薦、分類、エージェントシステムなどに…

Tencent

WeMM-Embedding-4B

Tencentの微信視覚チームが開発した、Qwen3.5ベースの汎用マルチモーダル埋め込みモデルです。入力を共通のベクトル空間に表現し、テキスト生成ではなく特徴抽出や類似度計算に用います。(huggingface.co) テキスト、画像、動画、視覚文書、それらを交互に組み合わせた入力に対応します。 出力はL2正規化された埋め込みベクトルで、最大2,560次元です。Matryoshka方式により64…

Tencent

WeMM-Embedding-2B

TencentのWeChat Visionチームが開発した、Qwen3.5ベースの汎用マルチモーダル埋め込みモデルです。入力を共通のベクトル表現に変換し、検索や推薦などに利用できます。(huggingface.co) テキスト、画像、動画、視覚文書、およびそれらを交互に含む入力に対応します。通常は2,048次元のL2正規化済み埋め込みを出力します。(huggingface.co)…

Tencent

Hunyuan3D-Buffalo 1.0

Tencent Hunyuan3Dによる、3D生成・理解・編集を単一の枠組みで扱う統合マルチモーダルモデル。Hunyuan3D-VLMによる意味・構造・空間の理解と、Hunyuan3D DiTによる3D生成を組み合わせている。(tencent-hunyuan.github.io) テキストからの3Dアセット生成。 既存の3Dオブジェクトに対する自然言語指示に基づく編集。 3Dオブジェクトに関する質…

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…

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…