KAT-Coder-V2.5-Dev

Qwen3-Coder-Next

LLM

#9

コーディングエージェントとローカル開発のために特化されたオープンウェイトの言語モデルです。エージェントトレーニングに優れ、強力なコーディング能力を提供し、推論コストを削減します。Qwen3-Coder-Nextは、コーディングエージェントとローカル開発のために特化されたオープンウェイトの言語モデルです。エージェントトレーニングに優れ、強力なコーディング能力を提供し、推論コストを削減します。

Nanbeige4.2-3B

LLM

#33

強力な推論能力と整合性を備えたコンパクトなエージェントモデルです。一般的なエージェントおよびコードエージェントタスクにおいて優れた性能を発揮し、パラメータサイズを小さく保ちながらも大規模モデルを上回ります。Nanbeige4.2-3Bは、強力な推論能力と整合性を備えたコンパクトなエージェントモデルです。一般的なエージェントおよびコードエージェントタスクにおいて優れた性能を発揮し、パラメータサイズを小さく保ちながらも大規模モデルを上回ります。

Codestral AI Platform

LLM

#6

コード生成タスクのために設計されたオープンウェイトの生成AIモデルです。80以上のプログラミング言語をサポートし、開発者が効率的にコードを記述し、対話できるようにします。22Bパラメータモデルを備え、高度なコード補完とエラー削減機能を提供します。Codestralは、コード生成タスクのために設計されたオープンウェイトの生成AIモデルです。80以上のプログラミング言語をサポートし、開発者が効率的にコードを記述し、対話できるようにします。22Bパラメータモデルを備え、高度なコード補完とエラー削減機能を提供します。

Kimi K2.7 Code

LLM

#17

ソフトウェアエンジニアリングのワークフローを強化するコーディングに特化したエージェントモデルです。トークン効率とタスク完了を改善し、前のバージョンであるKimi K2.6に対して大幅な進歩を提供します。Kimi K2.7 Codeは、ソフトウェアエンジニアリングのワークフローを強化するコーディングに特化したエージェントモデルです。トークン効率とタスク完了を改善し、前のバージョンであるKimi K2.6に対して大幅な進歩を提供します。

Mellum2.1 Thinking

LLM

#19

コーディング、数学、推論における複雑なタスクのために設計された大規模言語モデルです。広範な強化学習のおかげで、リポジトリ作業やツール使用などのエージェンティックタスクに優れています。Mellum2.1 Thinkingは、コーディング、数学、推論における複雑なタスクのために設計された大規模言語モデルです。広範な強化学習のおかげで、リポジトリ作業やツール使用などのエージェンティックタスクに優れています。

ノースミニコード

LLM

#12

コード生成とエージェントソフトウェアエンジニアリングのために設計された30B-A3Bパラメータモデルです。Cohere Labsによって開発され、ツール使用機能をサポートし、効率的なアテンション実装を提供して、コーディングタスクを強化します。ノースミニコードは、コード生成とエージェントソフトウェアエンジニアリングのために設計された30B-A3Bパラメータモデルです。Cohere Labsによって開発され、ツール使用機能をサポートし、効率的なアテンション実装を提供して、コーディングタスクを強化します。

StarCoder

AI GitHub リポジトリ

ソースコードと自然言語でトレーニングされた大規模言語モデルです。コード生成、補完、テキスト生成タスクに優れています。このリポジトリは、ファインチューニングと推論のためのリソースを提供し、開発者がその機能をさまざまなアプリケーションに統合できるようにします。StarCoderは、ソースコードと自然言語でトレーニングされた大規模言語モデルです。コード生成、補完、テキスト生成タスクに優れています。このリポジトリは、ファインチューニングと推論のためのリソースを提供し、開発者がその機能をさまざまなアプリケーションに統合できるようにします。

Qwen3-Coder-480B-A35B-Instruct

AI モデル

エージェント型コーディングタスクのために設計された強力なAIモデルです。長いコンテキストをサポートし、ツール呼び出しに優れているため、複雑なコーディング環境に適しています。Qwen3-Coder-480B-A35B-Instructは、エージェント型コーディングタスクのために設計された強力なAIモデルです。長いコンテキストをサポートし、ツール呼び出しに優れているため、複雑なコーディング環境に適しています。