DeepSeek-V4.1-Flash-1017
DeepSeek-V4.1-Flash-1017は、2026年10月17日に公開されたDeepSeek-V4.1-Flashの更新版です。推論、コーディング、エージェントタスク、視覚理解を対象とするマルチモーダルモデルで、公式Webサイト、アプリ、APIで提供されています。APIのモデル名は deepseek-flash です。(api-docs.deepseek.com) テキストと画像の理解、…
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。
DeepSeek-V4.1-Flash-1017は、2026年10月17日に公開されたDeepSeek-V4.1-Flashの更新版です。推論、コーディング、エージェントタスク、視覚理解を対象とするマルチモーダルモデルで、公式Webサイト、アプリ、APIで提供されています。APIのモデル名は deepseek-flash です。(api-docs.deepseek.com) テキストと画像の理解、…
この言語の紹介は準備中です。
GPT-Live-1の後継となる音声対話モデル。OpenAIは2026年10月15日、ChatGPT Voiceへの順次導入を発表した。小型版のGPT-Live-1.1 Quipは別モデル。(help.openai.com) 全二重方式で、聞きながら継続的に応答でき、間や割り込み、会話の速度変化に対応する。自然な音声会話、質問、アイデア出しなどに利用できる。(deploymentsafety.op…
Googleのフロンティアモデル。複雑で長時間にわたる実務向けに、推論、マルチモーダル理解、専門知識を組み合わせたモデルです。Google Cloudでの公開日は2026年10月13日です。 (cloud.google.com) テキスト、画像、音声、動画を入力でき、テキストを出力します。コーディング、複数ステップの調査、文書分析、金融・法律分析、科学・数学、サイバー防御などに利用できます。…
2026年10月12日に発表された、法律実務とエージェント型ワークフロー向けのモデル。GLM-5.3-Flashを基盤とし、法律コーパスによる中間学習と、模擬法律環境での強化学習を行っている。(z.ai) 複数の資料から争点を抽出し、事実と法的根拠を結び付け、論点や成果物を構成する用途を想定する。契約レビュー、証拠の照合、法令・コンプライアンス調査、法律文書の作成を支援できる。Wordへの変更履歴…
リアルタイム対話向けに低遅延を重視した、テキストから音声を生成するモデルです。公式リリース日は 2026年10月12日 です。(docs.qwencloud.com) ストリーミング音声合成、システム音声、音声クローニング、音声デザインに対応します。 日本語を含む複数言語・方言に対応し、自然言語による指示やタグで感情、声の調子、話者の人物像、速度、音量などを調整できます。 音声アシスタント、リアル…
この言語の紹介は準備中です。
Claude Haiku 5.5は、大量処理や低遅延、コスト重視の用途向けに設計された小型モデルです。公開日は2026年10月7日です。(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100万トークン、通常の最大出力は12万8,000トークンです。(platform.claude.com) 要約、分類、情報抽出、ルーティング、データベースクエリ…
Gemini Nano Banana 2.1は、Nano Banana 2を更新した、高効率な画像生成・対話型画像編集モデルです。Google DeepMindによるとGemini 3.6 Flashを基盤としています。Gemini APIでは2026年10月6日に一般提供(GA)が発表されました。 (aistudio.google.com) Gemini APIのモデル仕様では、テキスト、画像、…
Google DeepMind が開発した、端末上での利用を想定したオープンなマルチモーダル埋め込みモデル。Gemma 4 を基盤とし、重みは Apache 2.0 ライセンスで公開されている。公開日:2026年10月6日。(blog.google) テキスト、コード、画像、動画、音声、およびそれらの組み合わせを共通のベクトル空間に変換する。標準出力は768次元で、512・256・128次元への短…