Gemini 3.1 Pro — Google DeepMind

Gemini Omni — Google DeepMind

AI モデル

Google DeepMindによって開発されたAIモデルで、ユーザーが自然な会話を通じて動画を作成および編集できるようにします。推論と創造的な能力を組み合わせ、ユーザーが任意の入力を一貫した動画出力に変換できるようにします。Gemini Omniは、Google DeepMindによって開発されたAIモデルで、ユーザーが自然な会話を通じて動画を作成および編集できるようにします。推論と創造的な能力を組み合わせ、ユーザーが任意の入力を一貫した動画出力に変換できるようにします。

Mistral Small 4

AI モデル

推論、コーディング、マルチモーダル機能を1つのプラットフォームに統合した多用途のAIモデルです。ユーザーはAIアシスタントやエージェントを効率的にカスタマイズ、ファインチューニング、展開できるため、さまざまな企業アプリケーションに最適です。Mistral Small 4は、推論、コーディング、マルチモーダル機能を1つのプラットフォームに統合した多用途のAIモデルです。ユーザーはAIアシスタントやエージェントを効率的にカスタマイズ、ファインチューニング、展開できるため、さまざまな企業アプリケーションに最適です。

Phi-4-reasoning-vision-15B

AI モデル

Microsoftによって開発されたマルチモーダルAIモデルで、視覚と言語の理解および推論能力を必要とするタスクに設計されています。科学的推論やコンピュータ使用エージェントタスクに優れており、さまざまなアプリケーションに適しています。Phi-4-reasoning-vision-15Bは、Microsoftによって開発されたマルチモーダルAIモデルで、視覚と言語の理解および推論能力を必要とするタスクに設計されています。科学的推論やコンピュータ使用エージェントタスクに優れており、さまざまなアプリケーションに適しています。

Gemma 4 — Google DeepMind

AI モデル

Geminiモデルを支えるのと同じ技術を基に構築された軽量でオープンなモデルのコレクションです。これにより、開発者はさまざまなプラットフォーム向けにAIアプリケーションを作成し、モバイルおよびIoTデバイスにおける効率と知性を向上させることができます。Gemmaは、Geminiモデルを支えるのと同じ技術を基に構築された軽量でオープンなモデルのコレクションです。これにより、開発者はさまざまなプラットフォーム向けにAIアプリケーションを作成し、モバイルおよびIoTデバイスにおける効率と知性を向上させることができます。

Flamingo

AI モデル

Google DeepMindが開発した単一のビジュアル言語モデル（VLM）であり、多様なマルチモーダルタスクにおける少数の例からの学習（few-shot learning）に優れています。画像、動画、テキストが混在した入力を処理し、関連する言語出力を生成します。追加のトレーニングなしで、タスク固有の例を最小限で済ませることができます。Flamingoは、Google DeepMindが開発した単一のビジュアル言語モデル（VLM）であり、多様なマルチモーダルタスクにおける少数の例からの学習（few-shot learning）に優れています。画像、動画、テキストが混在した入力を処理し、関連する言語出力を生成します。追加のトレーニングなしで、タスク固有の例を最小限で済ませることができます。

ナノバナナ - Google DeepMind

AI モデル

AI画像生成と編集に使用されるGoogle DeepMindのGemini Imageモデルのブランドです。テキストプロンプトとアップロードされた画像を一緒に理解し、生成する内容に現実世界の論理を反映させ、ユーザーが会話を通じて結果を洗練させることを可能にします。プロレベルの精密なスタジオ品質の編集から、Geminiを使用して画像を作成または編…ナノバナナは、AI画像生成と編集に使用されるGoogle DeepMindのGemini Imageモデルのブランドです。テキストプロンプトとアップロードされた画像を一緒に理解し、生成する内容に現実世界の論理を反映させ、ユーザーが会話を通じて結果を洗練させることを可能にします。プロレベルの精密なスタジオ品質の編集から、Geminiを使用して画像を作成または編…

HunyuanImage 3.0 — 画像生成のためのAIモデル

AI モデル

画像生成のために設計された強力なネイティブマルチモーダルモデルです。テキストから画像、画像から画像へのタスクの両方に優れた能力を発揮し、創造的な編集やインテリジェントなプロンプトの強化に向けた高度な機能を提供します。HunyuanImage 3.0は、画像生成のために設計された強力なネイティブマルチモーダルモデルです。テキストから画像、画像から画像へのタスクの両方に優れた能力を発揮し、創造的な編集やインテリジェントなプロンプトの強化に向けた高度な機能を提供します。

LLaVA

AI GitHub リポジトリ

大規模言語とビジョン機能を組み合わせたビジュアル指示チューニングモデルです。GPT-4Vレベルのパフォーマンスを目指し、マルチモーダルな理解とインタラクションを可能にします。このプロジェクトは、研究者や開発者向けにコード、モデル、リソースを提供します。LLaVAは、大規模言語とビジョン機能を組み合わせたビジュアル指示チューニングモデルです。GPT-4Vレベルのパフォーマンスを目指し、マルチモーダルな理解とインタラクションを可能にします。このプロジェクトは、研究者や開発者向けにコード、モデル、リソースを提供します。