AI モデルの最高の場を見つける — DistilGPT2やClaude Opusのような言語トランスフォーマーから、GPT-5.6: Frontier intelligenceやGoogle DeepMindのGemini 3.1 Proといった高度なシステムまで、開発者や研究者がプロジェクトを向上させるツールを探求する場です: 人間のようなテキストを生成したり、会話エージェントを構築したり、複雑なアルゴリズムを開発したり、AIの能力の限界を押し広げたりします。 AIモデルとLLM, コンピュータービジョンツール, テキスト読み上げ, 3Dモデル生成ツール と 科学的発見・ラボツール などのカテゴリーにわたる 317 件のAI モデルをご覧ください。
317 件のツール
AI モデル
画像生成、音声転写、推論、コーディング、音声を網羅する独自の AI モデルファミリーを構築している Microsoft の部門です。モデルには MAI-Image-2.6、MAI-Transcribe-2、MAI-Thinking-1、MAI-Code-1.1-Flash、MAI-Voice-2…Microsoft AI (MAI) は、画像生成、音声転写、推論、コーディング、音声を網羅する独自の AI モデルファミリーを構築している Microsoft の部門です。モデルには MAI-Image-2.6、MAI-Transcribe-2、MAI-Thinking-1、MAI-Code-1.1-Flash、MAI-Voice-2…
AI モデルで第1位AI モデル
人型ロボティクスのための研究イニシアティブおよび開発プラットフォームです。オープンデータ、シミュレーションフレームワーク、リアルタイム制御のためのNVIDIA Jetson Thorを使用して、AI駆動のロボットを効率的に構築、訓練、展開するための基盤技術を提供します。NVIDIA Isaac GR00Tは、人型ロボティクスのための研究イニシアティブおよび開発プラットフォームです。オープンデータ、シミュレーションフレームワーク、リアルタイム制御のためのNVIDIA Jetson Thorを使用して、AI駆動のロボットを効率的に構築、訓練、展開するための基盤技術を提供します。
AI モデルで第2位AI モデル
クリエイティブな作業への障壁を下げることを目的としたAIクリエイティブプラットフォームです。テキストから画像、画像から画像、テキストから動画、画像から動画、画像編集などの機能を提供し、ユーザーがアイデアを簡単に具現化できるようにします。Wanは、クリエイティブな作業への障壁を下げることを目的としたAIクリエイティブプラットフォームです。テキストから画像、画像から画像、テキストから動画、画像から動画、画像編集などの機能を提供し、ユーザーがアイデアを簡単に具現化できるようにします。
AI モデルで第3位AI モデル
さまざまなアプリケーション向けに設計された高度なAIモデルです。プロジェクトにAI技術を活用し、さまざまな分野での効率と生産性を向上させるための強力な機能を提供します。Ideogram 4.0は、さまざまなアプリケーション向けに設計された高度なAIモデルです。プロジェクトにAI技術を活用し、さまざまな分野での効率と生産性を向上させるための強力な機能を提供します。
AI モデルで第4位AI モデル
高度なオープンウェイトAIモデルを開発する米国拠点のオープンインテリジェンスラボです。同社のTrinityモデルファミリーは、エンタープライズデプロイメント、推論、エッジアプリケーションにおいて最先端のパフォーマンスを提供します。Arceeは、セルフホスティングまたはAPI経由でアクセス可能なモデルを提供し、透明性とカスタマイズ性を重視し…Arcee AIは、高度なオープンウェイトAIモデルを開発する米国拠点のオープンインテリジェンスラボです。同社のTrinityモデルファミリーは、エンタープライズデプロイメント、推論、エッジアプリケーションにおいて最先端のパフォーマンスを提供します。Arceeは、セルフホスティングまたはAPI経由でアクセス可能なモデルを提供し、透明性とカスタマイズ性を重視し…
AI モデルで第5位AI モデル
Meta AIによるオープンリソースであり、メタゲノムデータから予測された7億7200万以上のタンパク質構造へのアクセスを提供します。研究者はタンパク質のフォールドと配列を探索、検索、分析し、微生物の多様性とタンパク質機能の理解を深めることができます。ESM Metagenomic Atlasは、Meta AIによるオープンリソースであり、メタゲノムデータから予測された7億7200万以上のタンパク質構造へのアクセスを提供します。研究者はタンパク質のフォールドと配列を探索、検索、分析し、微生物の多様性とタンパク質機能の理解を深めることができます。
科学的発見・ラボツールで第48位AI モデル
RLWRLDの高自由度ロボットハンド用の基盤モデルです。標準的な視覚-言語-アクションモデルが苦手とする、注ぐ、手の中での回転、反応的な把持といったタスクを処理するために構築されており、視覚、動作、触覚を別々のストリームとして処理し、高自由度の手を持つ単腕、双腕、ヒューマノイドロボットで動作します。RLDX-1は、RLWRLDの高自由度ロボットハンド用の基盤モデルです。標準的な視覚-言語-アクションモデルが苦手とする、注ぐ、手の中での回転、反応的な把持といったタスクを処理するために構築されており、視覚、動作、触覚を別々のストリームとして処理し、高自由度の手を持つ単腕、双腕、ヒューマノイドロボットで動作します。
ロボティクスと AI ハードウェアで第24位AI モデル
GPT-2から派生した、英語のテキスト生成モデルです。前身モデルよりも高速かつ軽量な代替手段を提供し、様々な創造的および補助的なライティングタスクに適しています。このモデルは事前学習済みで、Hugging Faceを通じて統合可能です。DistilGPT2は、GPT-2から派生した、英語のテキスト生成モデルです。前身モデルよりも高速かつ軽量な代替手段を提供し、様々な創造的および補助的なライティングタスクに適しています。このモデルは事前学習済みで、Hugging Faceを通じて統合可能です。
AI モデル トップ5を見るAI モデル
真剣なコーディングとAIエージェントのために設計されたハイブリッド推論モデルで、1Mのコンテキストウィンドウを備えています。生産準備が整ったコード、洗練されたAIエージェント、複雑な文書作成に優れており、要求の厳しいユースケースに最適です。Claude Opusは、真剣なコーディングとAIエージェントのために設計されたハイブリッド推論モデルで、1Mのコンテキストウィンドウを備えています。生産準備が整ったコード、洗練されたAIエージェント、複雑な文書作成に優れており、要求の厳しいユースケースに最適です。
AI モデル トップ5を見るAI モデル
テキスト記述から画像を生成するために設計された120億パラメータの整流フロートランスフォーマーです。これは、オープンソースとオープンサイエンスを通じて人工知能を進展させるための取り組みの一部です。FLUX.1-devは、テキスト記述から画像を生成するために設計された120億パラメータの整流フロートランスフォーマーです。これは、オープンソースとオープンサイエンスを通じて人工知能を進展させるための取り組みの一部です。
AI モデル トップ5を見るAI モデル
強化学習を通じて問題解決能力を向上させるために開発された高度なAI推論モデルです。オープンソースでモデルへのアクセスを提供することで、研究者や開発者がその高度な推論機能を効果的に活用できるようにすることを目指しています。DeepSeek-R1は、強化学習を通じて問題解決能力を向上させるために開発された高度なAI推論モデルです。オープンソースでモデルへのアクセスを提供することで、研究者や開発者がその高度な推論機能を効果的に活用できるようにすることを目指しています。
AI モデル トップ5を見る複雑なタスクと深い推論のために設計された高度なAIモデルです。マルチモーダル理解に優れ、スマートで簡潔な応答を提供し、学習、計画、革新的なアプリケーションの構築に最適です。Gemini 3.1 Proは、複雑なタスクと深い推論のために設計された高度なAIモデルです。マルチモーダル理解に優れ、スマートで簡潔な応答を提供し、学習、計画、革新的なアプリケーションの構築に最適です。
AI モデル トップ5を見るAI モデル
文や段落を384次元のベクトル空間にエンコードする文変換モデルで、クラスタリングや意味検索などのタスクを可能にします。効率的な情報検索と文の類似性アプリケーションのために設計されています。all-MiniLM-L6-v2は、文や段落を384次元のベクトル空間にエンコードする文変換モデルで、クラスタリングや意味検索などのタスクを可能にします。効率的な情報検索と文の類似性アプリケーションのために設計されています。
AI モデル トップ5を見るAI モデル
長時間稼働するエージェントや野心的なインタラクティブおよびビジュアルタスクに焦点を当て、Grok 4.5の機能を強化します。複雑なプロジェクトに優れ、コーディングや知識作業においてパフォーマンスが向上しています。Grok 4.6は、長時間稼働するエージェントや野心的なインタラクティブおよびビジュアルタスクに焦点を当て、Grok 4.5の機能を強化します。複雑なプロジェクトに優れ、コーディングや知識作業においてパフォーマンスが向上しています。
AI モデル トップ5を見るAI モデル
コーディング、専門的なタスク、研究のために設計された高度なAIモデルです。画像や動画を理解するネイティブなビジョン・ランゲージモデルを搭載しており、信頼性を向上させた複雑なタスクの完了を可能にします。Qwen3.8-27Bは、コーディング、専門的なタスク、研究のために設計された高度なAIモデルです。画像や動画を理解するネイティブなビジョン・ランゲージモデルを搭載しており、信頼性を向上させた複雑なタスクの完了を可能にします。
AI モデル トップ5を見るAI モデル
長期的なコーディング、知識作業、推論のために設計された高度なオープンウェイトのマルチモーダルAIモデルです。1百万トークンのコンテキストウィンドウを備え、効率とパフォーマンスを向上させる革新的なアーキテクチャに基づいています。Kimi K3は、長期的なコーディング、知識作業、推論のために設計された高度なオープンウェイトのマルチモーダルAIモデルです。1百万トークンのコンテキストウィンドウを備え、効率とパフォーマンスを向上させる革新的なアーキテクチャに基づいています。
AI モデル トップ5を見るStability AIによって開発された拡散ベースのテキストから画像への生成モデルです。テキストプロンプトから画像を生成および修正することができ、芸術的および教育的なアプリケーションに適しています。Stable Diffusion XL Base 1.0は、Stability AIによって開発された拡散ベースのテキストから画像への生成モデルです。テキストプロンプトから画像を生成および修正することができ、芸術的および教育的なアプリケーションに適しています。
AI モデル トップ5を見る8200万パラメータを持つオープンウェイトのテキスト読み上げ（TTS）モデルです。高品質な音声出力を提供し、より大きなモデルよりも高速でコスト効率が良いです。Apacheライセンスのウェイトを使用しており、さまざまな環境に展開できます。Kokoro-82Mは、8200万パラメータを持つオープンウェイトのテキスト読み上げ（TTS）モデルです。高品質な音声出力を提供し、より大きなモデルよりも高速でコスト効率が良いです。Apacheライセンスのウェイトを使用しており、さまざまな環境に展開できます。
AI モデル トップ5を見るAI モデル
Metaによって開発された多言語大規模言語モデルで、指示ベースのタスクに最適化されています。商業および研究用途向けに設計されており、自然言語理解と生成において高度な機能を提供します。Llama-3.1-8B-Instructは、Metaによって開発された多言語大規模言語モデルで、指示ベースのタスクに最適化されています。商業および研究用途向けに設計されており、自然言語理解と生成において高度な機能を提供します。
AI モデル トップ5を見るコーディングとサイバー能力のために設計された高度なAIモデルです。複雑なコーディングタスクと脆弱性発見において大幅な改善を提供し、開発者やセキュリティ専門家にとって強力なツールとなります。GLM-5.3は、コーディングとサイバー能力のために設計された高度なAIモデルです。複雑なコーディングタスクと脆弱性発見において大幅な改善を提供し、開発者やセキュリティ専門家にとって強力なツールとなります。
AI モデル トップ5を見るAI モデル
自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。Whisper-large-v3は、自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。
AI モデル トップ5を見るAI モデル
エンタープライズ用途に設計されたスケーラブルなAI言語モデルファミリーです。実世界のAIエージェントアプリケーションにおいて高いパフォーマンスと精度を提供し、ビジネスワークフローの自動化、コンテンツ作成、セキュアなデプロイメントを可能にします。Command は、データに基づいたAIでチームを強化します。Cohere Command は、エンタープライズ用途に設計されたスケーラブルなAI言語モデルファミリーです。実世界のAIエージェントアプリケーションにおいて高いパフォーマンスと精度を提供し、ビジネスワークフローの自動化、コンテンツ作成、セキュアなデプロイメントを可能にします。Command は、データに基づいたAIでチームを強化します。
AI モデル トップ5を見るスタジオ品質の精度と制御を持つ画像の作成と編集のために設計されたAIモデルです。高度な人工知能を活用して、高い詳細度と創造性の基準を満たすビジュアルを生成します。ナノバナナプロは、スタジオ品質の精度と制御を持つ画像の作成と編集のために設計されたAIモデルです。高度な人工知能を活用して、高い詳細度と創造性の基準を満たすビジュアルを生成します。
AI モデル トップ5を見るAI モデル
OpenAIによる高度な画像生成モデルで、高速かつ高品質な画像の作成と編集を目的としています。さまざまな画像サイズと高忠実度の入力をサポートしており、視覚コンテンツ作成の多様なアプリケーションに適しています。GPT Image 2は、OpenAIによる高度な画像生成モデルで、高速かつ高品質な画像の作成と編集を目的としています。さまざまな画像サイズと高忠実度の入力をサポートしており、視覚コンテンツ作成の多様なアプリケーションに適しています。
AI モデル トップ5を見るフォトリアルな画像生成とバイリンガルテキストレンダリングに優れた効率的な画像生成モデルです。サブ秒の推論レイテンシを持ち、エンタープライズグレードとコンシューマーデバイスの両方に対応しているため、さまざまなアプリケーションに適した多用途のツールです。Z-Image-Turboは、フォトリアルな画像生成とバイリンガルテキストレンダリングに優れた効率的な画像生成モデルです。サブ秒の推論レイテンシを持ち、エンタープライズグレードとコンシューマーデバイスの両方に対応しているため、さまざまなアプリケーションに適した多用途のツールです。
AI モデル トップ5を見るAI モデル
高度な推論タスク向けに設計されたオープンウェイトのAIモデルで、単一の80GB GPUでのプロダクション使用に適しています。多様なアプリケーション向けにカスタマイズ可能な推論努力とファインチューニング機能を提供します。gpt-oss-120bは、高度な推論タスク向けに設計されたオープンウェイトのAIモデルで、単一の80GB GPUでのプロダクション使用に適しています。多様なアプリケーション向けにカスタマイズ可能な推論努力とファインチューニング機能を提供します。
AI モデル トップ5を見るAI モデル
Black Forest Labsによる次世代の画像生成技術で、AI生成画像の最先端の品質、速度、制御性を提供し、さまざまなクリエイティブアプリケーションに最適です。FLUX.2は、Black Forest Labsによる次世代の画像生成技術で、AI生成画像の最先端の品質、速度、制御性を提供し、さまざまなクリエイティブアプリケーションに最適です。
AI モデル トップ5を見るAI モデル
消費者ハードウェア上での自律的なエージェントタスクのために設計された300億パラメータの因果言語モデルです。マルチステップ推論、信頼性の高いツール使用、マルチモーダル理解を統合し、クラウドに依存せずに効率的なローカル展開を可能にします。Muse Glimmerは、消費者ハードウェア上での自律的なエージェントタスクのために設計された300億パラメータの因果言語モデルです。マルチステップ推論、信頼性の高いツール使用、マルチモーダル理解を統合し、クラウドに依存せずに効率的なローカル展開を可能にします。
AI モデル トップ5を見る高度なAIアプリケーション向けに設計された事前学習済みの生成的スパースエキスパートモデルです。さまざまなベンチマークでLlama 2 70Bを上回り、自然言語処理におけるファインチューニングと推論タスクのための堅牢なソリューションを提供します。Mixtral-8x7B-Instruct-v0.1は、高度なAIアプリケーション向けに設計された事前学習済みの生成的スパースエキスパートモデルです。さまざまなベンチマークでLlama 2 70Bを上回り、自然言語処理におけるファインチューニングと推論タスクのための堅牢なソリューションを提供します。
AI モデル トップ5を見るAI モデル
ユーザーがバージョンパラメータを使用して異なるバージョンを探索し、切り替えることを可能にするAIモデルです。美学、画像品質、パーソナライズに重点を置き、創造的な出力とユーザー体験を向上させます。Midjourney V8.2は、ユーザーがバージョンパラメータを使用して異なるバージョンを探索し、切り替えることを可能にするAIモデルです。美学、画像品質、パーソナライズに重点を置き、創造的な出力とユーザー体験を向上させます。
AI モデル トップ5を見るAI モデル
ByteDance Seedによって開発されたテキストから動画、画像から動画を生成するモデルです。ユーザーはテキストや画像を動的な動画コンテンツに変換し、創造的な可能性を高めることができます。Seedance 2.5は、ByteDance Seedによって開発されたテキストから動画、画像から動画を生成するモデルです。ユーザーはテキストや画像を動的な動画コンテンツに変換し、創造的な可能性を高めることができます。
AI モデル トップ5を見るAI モデル
BERTベースモデル（未ケース）は、英語を理解するために設計された事前学習済みのトランスフォーマーモデルです。マスク付き言語モデルと次の文予測を利用して文脈的関係を学習し、さまざまなNLPタスクに適しています。
AI モデル トップ5を見るAI モデル
英語のテキスト生成のために設計された事前学習済みのトランスフォーマーモデルです。因果言語モデルの目的を利用し、プロンプトに基づいて一貫したテキストを生成する能力があり、さまざまな自然言語処理タスクに役立ちます。GPT-2は、英語のテキスト生成のために設計された事前学習済みのトランスフォーマーモデルです。因果言語モデルの目的を利用し、プロンプトに基づいて一貫したテキストを生成する能力があり、さまざまな自然言語処理タスクに役立ちます。
AI モデル トップ5を見る動きの質、プロンプトの遵守、時間的一貫性を向上させる高度なAI動画生成モデルです。すべての有料プランで利用可能で、クリエイターや開発者にとって強力なツールとなっています。Runway Gen-4.5は、動きの質、プロンプトの遵守、時間的一貫性を向上させる高度なAI動画生成モデルです。すべての有料プランで利用可能で、クリエイターや開発者にとって強力なツールとなっています。
AI モデル トップ5を見る多機能性、多言語対応、情報検索における多粒度性を備えた先進的なAIモデルです。100以上の言語をサポートし、さまざまな長さの入力を処理できるため、AIやデータ検索の多様なアプリケーションに適しています。BAAI/bge-m3は、多機能性、多言語対応、情報検索における多粒度性を備えた先進的なAIモデルです。100以上の言語をサポートし、さまざまな長さの入力を処理できるため、AIやデータ検索の多様なアプリケーションに適しています。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
企業向けに設計された最先端のAIモデルで、AIアシスタントやエージェントのカスタマイズ、ファインチューニング、展開を可能にします。41Bのアクティブパラメータを持つスパースミクスチャーオブエキスパートアーキテクチャを特徴としており、マルチモーダルおよび多言語アプリケーションにおいて高度な機能を提供します。Mistral Large 3は、企業向けに設計された最先端のAIモデルで、AIアシスタントやエージェントのカスタマイズ、ファインチューニング、展開を可能にします。41Bのアクティブパラメータを持つスパースミクスチャーオブエキスパートアーキテクチャを特徴としており、マルチモーダルおよび多言語アプリケーションにおいて高度な機能を提供します。
AI モデル トップ5を見る70以上の言語でリアルな音声を生成する高度なAI音声モデルです。感情の深みや複数話者の制御を提供し、顧客体験やコンテンツ制作など、さまざまなアプリケーション向けに設計されています。Eleven v3は、70以上の言語でリアルな音声を生成する高度なAI音声モデルです。感情の深みや複数話者の制御を提供し、顧客体験やコンテンツ制作など、さまざまなアプリケーション向けに設計されています。
AI モデル トップ5を見るVoices、Custom models、My Tasteなどの機能を通じて創造性を高め、ユーザーが自分の音楽的アイデンティティを表現できるAI音楽モデルです。初心者からプロのミュージシャンまで、音楽制作をより個人的で魅力的なものにします。Suno v5.5は、Voices、Custom models、My Tasteなどの機能を通じて創造性を高め、ユーザーが自分の音楽的アイデンティティを表現できるAI音楽モデルです。初心者からプロのミュージシャンまで、音楽制作をより個人的で魅力的なものにします。
AI モデル トップ5を見るシンプルなテキスト記述からフォトリアルな環境を生成する画期的なAIモデルです。ユーザーはこれらのインタラクティブな世界をリアルタイムで探索でき、エージェントのトレーニングや教育シミュレーションなど、さまざまなアプリケーションにおいて強力なツールとなります。Genie 3は、シンプルなテキスト記述からフォトリアルな環境を生成する画期的なAIモデルです。ユーザーはこれらのインタラクティブな世界をリアルタイムで探索でき、エージェントのトレーニングや教育シミュレーションなど、さまざまなアプリケーションにおいて強力なツールとなります。
AI モデル トップ5を見るAI モデル
複雑な推論と多言語タスクのために設計された強力なAIモデルです。5500億のパラメータを持ち、長文コンテキスト分析とツール使用に優れており、さまざまな業界での高リスクアプリケーションに最適です。NVIDIA Nemotron 3 Ultraは、複雑な推論と多言語タスクのために設計された強力なAIモデルです。5500億のパラメータを持ち、長文コンテキスト分析とツール使用に優れており、さまざまな業界での高リスクアプリケーションに最適です。
AI モデル トップ5を見るAI モデル
テキスト記述から画像を生成する12億パラメータの整流フロートランスフォーマーです。オープンソースとオープンサイエンスを通じて人工知能を進化させることを目的としており、わずか数ステップで高品質な出力を提供します。FLUX.1-schnellは、テキスト記述から画像を生成する12億パラメータの整流フロートランスフォーマーです。オープンソースとオープンサイエンスを通じて人工知能を進化させることを目的としており、わずか数ステップで高品質な出力を提供します。
AI モデル トップ5を見るAI モデル
信頼性のあるツール呼び出しと多段階推論を必要とする長期的なタスクのために構築された、Metaのエージェントワークフローおよびコーディングワークフロー用のAIモデルです。動画、画像、文書のネイティブなマルチモーダル認識、100万トークンのコンテキストウィンドウを提供し、Meta Model…Muse Spark 1.3は、信頼性のあるツール呼び出しと多段階推論を必要とする長期的なタスクのために構築された、Metaのエージェントワークフローおよびコーディングワークフロー用のAIモデルです。動画、画像、文書のネイティブなマルチモーダル認識、100万トークンのコンテキストウィンドウを提供し、Meta Model…
AI モデル トップ5を見るOpenAIによって設計されたオープンウェイトのAIモデルで、低遅延および特化したユースケース向けです。210億のパラメータを持ち、強力な推論とエージェントタスクをサポートしており、AIの開発者や研究者に最適です。gpt-oss-20bは、OpenAIによって設計されたオープンウェイトのAIモデルで、低遅延および特化したユースケース向けです。210億のパラメータを持ち、強力な推論とエージェントタスクをサポートしており、AIの開発者や研究者に最適です。
AI モデル トップ5を見るAmazon Novaは、企業規模のアプリケーション向けに設計された基盤モデルとサービスのスイートで、高いパフォーマンスとマルチモーダル機能を提供します。これにより、組織は安全で責任あるAIの使用を確保しながら、革新を促進できます。
AI モデル トップ5を見る指示ベースのタスク向けに設計された高度な大規模言語モデルです。対話アプリケーションに優れ、役立ちや安全性を最適化しているため、商業利用や研究利用に適しています。Meta-Llama-3-8B-Instructは、指示ベースのタスク向けに設計された高度な大規模言語モデルです。対話アプリケーションに優れ、役立ちや安全性を最適化しているため、商業利用や研究利用に適しています。
AI モデル トップ5を見るAI モデル
コーディング、オフィス作業、エージェントツールの使用のために設計された高度なAIモデルです。効率性とコスト効果に優れ、さまざまな業界での革新的なアプリケーションを可能にします。MiniMax-M2.5は、コーディング、オフィス作業、エージェントツールの使用のために設計された高度なAIモデルです。効率性とコスト効果に優れ、さまざまな業界での革新的なアプリケーションを可能にします。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
オープンソース技術を通じて人工知能を進化させるために設計された最先端のAIモデルです。効率的な処理のための革新的なアーキテクチャを備えており、自然言語処理やマルチモーダルタスクのさまざまなアプリケーションに適しています。Qwen3.8-Flash-Nextは、オープンソース技術を通じて人工知能を進化させるために設計された最先端のAIモデルです。効率的な処理のための革新的なアーキテクチャを備えており、自然言語処理やマルチモーダルタスクのさまざまなアプリケーションに適しています。
AI モデル トップ5を見るAI モデル
複雑な推論、視覚、48 言語にわたる多言語タスクのために設計された、25B のアクティブパラメータと 218B の総パラメータを持つ専門家の混合モデルです。企業向けに効率的で正確なソリューションを提供します。Command A+ は、複雑な推論、視覚、48 言語にわたる多言語タスクのために設計された、25B のアクティブパラメータと 218B の総パラメータを持つ専門家の混合モデルです。企業向けに効率的で正確なソリューションを提供します。
AI モデル トップ5を見るAI モデル
テキストプロンプトからフォトリアルな画像を生成する潜在的なテキストから画像への拡散モデルです。これは研究目的で設計されており、ユーザーが生成モデルとそのアートやデザインへの応用を探求できるようにします。Stable Diffusion v1-4は、テキストプロンプトからフォトリアルな画像を生成する潜在的なテキストから画像への拡散モデルです。これは研究目的で設計されており、ユーザーが生成モデルとそのアートやデザインへの応用を探求できるようにします。
AI モデル トップ5を見るAI モデル
パフォーマンスに優れ、事前トレーニングコストを最小限に抑えた最先端のAIモデルです。エージェントの能力、推論、創造性において重要な進展を提供し、AI分野での有力な候補となっています。ERNIE 5.1は、パフォーマンスに優れ、事前トレーニングコストを最小限に抑えた最先端のAIモデルです。エージェントの能力、推論、創造性において重要な進展を提供し、AI分野での有力な候補となっています。
AI モデル トップ5を見る画像の品質とプロンプトの理解を向上させるテキストから画像へのモデルです。Stability AIによって開発され、テキストプロンプトから画像を生成するために設計されており、さまざまなクリエイティブおよび研究用途に適しています。Stable Diffusion 3 Mediumは、画像の品質とプロンプトの理解を向上させるテキストから画像へのモデルです。Stability AIによって開発され、テキストプロンプトから画像を生成するために設計されており、さまざまなクリエイティブおよび研究用途に適しています。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
文や段落を768次元のベクトル空間にエンコードする文変換モデルで、クラスタリングや意味検索などのタスクを容易にします。効率的なテキスト埋め込みおよび検索アプリケーション向けに設計されています。all-mpnet-base-v2は、文や段落を768次元のベクトル空間にエンコードする文変換モデルで、クラスタリングや意味検索などのタスクを容易にします。効率的なテキスト埋め込みおよび検索アプリケーション向けに設計されています。
AI モデル トップ5を見るAI モデル
OpenAIによって開発されたclip-vit-base-patch32モデルは、ゼロショット画像分類タスクのために設計されています。これは、コンピュータビジョンにおける堅牢性と一般化を強化するために、ビジョントランスフォーマーアーキテクチャを利用しており、AI研究者にとって貴重なリソースとなっています。
AI モデル トップ5を見るAI モデル
複雑なテキストレンダリングと正確な画像編集に優れた高度な画像生成基盤モデルです。さまざまな芸術スタイルをサポートし、高度な編集機能を提供するため、アーティストやデザイナーにとって多用途なツールとなっています。Qwen-Imageは、複雑なテキストレンダリングと正確な画像編集に優れた高度な画像生成基盤モデルです。さまざまな芸術スタイルをサポートし、高度な編集機能を提供するため、アーティストやデザイナーにとって多用途なツールとなっています。
AI モデル トップ5を見る検索強化型言語モデルタスクのために設計された小規模な埋め込みモデルです。さまざまな自然言語処理アプリケーションで競争力のあるパフォーマンスを提供し、AIの開発者や研究者に適しています。BAAI/bge-small-en-v1.5は、検索強化型言語モデルタスクのために設計された小規模な埋め込みモデルです。さまざまな自然言語処理アプリケーションで競争力のあるパフォーマンスを提供し、AIの開発者や研究者に適しています。
AI モデル トップ5を見るAI モデル
AlibabaのQwenチームによって開発されたオープンウェイトの8.2億パラメータの因果言語モデルで、Apache 2.0の下でリリースされました。複雑な推論や数学のための「思考」モードと、一般的な対話のためのより速い非思考モードの切り替えをサポートし、内蔵ツール呼び出しと100以上の言語に対応しています。Qwen3-8Bは、AlibabaのQwenチームによって開発されたオープンウェイトの8.2億パラメータの因果言語モデルで、Apache 2.0の下でリリースされました。複雑な推論や数学のための「思考」モードと、一般的な対話のためのより速い非思考モードの切り替えをサポートし、内蔵ツール呼び出しと100以上の言語に対応しています。
AI モデル トップ5を見るテキストから画像を生成するために設計されたマルチモーダル拡散トランスフォーマーモデルです。画像の品質、タイポグラフィ、プロンプトの理解を向上させつつ、リソース効率が高く、さまざまなクリエイティブアプリケーションに適しています。Stable Diffusion 3.5は、テキストから画像を生成するために設計されたマルチモーダル拡散トランスフォーマーモデルです。画像の品質、タイポグラフィ、プロンプトの理解を向上させつつ、リソース効率が高く、さまざまなクリエイティブアプリケーションに適しています。
AI モデル トップ5を見るAI モデル
100の言語にわたる2.5TBのデータで事前学習された多言語モデルです。シーケンス分類やトークン分類などのタスクに優れており、さまざまな自然言語処理アプリケーションにとって貴重なツールです。XLM-RoBERTaは、100の言語にわたる2.5TBのデータで事前学習された多言語モデルです。シーケンス分類やトークン分類などのタスクに優れており、さまざまな自然言語処理アプリケーションにとって貴重なツールです。
AI モデル トップ5を見るAI モデル
BLOOMは、BigScienceによって開発された多言語自動回帰型大規模言語モデルです。46の言語と13のプログラミング言語で一貫したテキストを生成し、自然言語処理や研究における多様なアプリケーションを可能にします。
AI モデル トップ5を見るAI モデル
Ray3.2は、創造的な意図をスケーラブルなビデオワークフローに変換する多用途なAIビデオモデルです。Modify Video、image2video、text2video、Reframeを含む複数のワークフローにわたって、制御、連続性、映画的な指示を強化します。
AI モデル トップ5を見るオープンソースのコラボレーションを通じて人工知能を進化させることを目的としたHugging FaceにホストされたAIモデルです。開発者や研究者がAIプロジェクトを効果的に強化するためのツールを提供することを目指しています。ControlNet-v1-1は、オープンソースのコラボレーションを通じて人工知能を進化させることを目的としたHugging FaceにホストされたAIモデルです。開発者や研究者がAIプロジェクトを効果的に強化するためのツールを提供することを目指しています。
AI モデル トップ5を見るAI モデル
さまざまな入力から同期された高忠実度のビデオとオーディオを生成するために設計されたオープンワールドモデルです。ローカル実行のための完全な制御とカスタマイズを提供し、LTX-2.xコミュニティライセンスの下で商業および制作利用に適しています。LTX-2.5は、さまざまな入力から同期された高忠実度のビデオとオーディオを生成するために設計されたオープンワールドモデルです。ローカル実行のための完全な制御とカスタマイズを提供し、LTX-2.xコミュニティライセンスの下で商業および制作利用に適しています。
AI モデル トップ5を見るAI モデル
同期したビデオとオーディオを生成するために設計されたDiTベースのオーディオビデオ基盤モデルです。最新のビデオ生成技術とオープンウェイトを組み合わせており、さまざまなアプリケーションに対して実用的なローカル実行を可能にします。LTX-2は、同期したビデオとオーディオを生成するために設計されたDiTベースのオーディオビデオ基盤モデルです。最新のビデオ生成技術とオープンウェイトを組み合わせており、さまざまなアプリケーションに対して実用的なローカル実行を可能にします。
AI モデル トップ5を見るAI モデル
ゼロショット予測のために設計された120Mパラメータのエンコーダ専用時系列基盤モデルです。さまざまな予測タスクをサポートし、単一のA10G GPU上で毎秒300以上の予測を提供する効率性を誇ります。Chronos-2は、ゼロショット予測のために設計された120Mパラメータのエンコーダ専用時系列基盤モデルです。さまざまな予測タスクをサポートし、単一のA10G GPU上で毎秒300以上の予測を提供する効率性を誇ります。
AI モデル トップ5を見るMiniMax Hailuo 2.3は、複雑なビデオパフォーマンスとメディアタスクのために設計された高度なAIモデルです。マルチモーダル機能を備え、メディアとテクノロジーの幅広いアプリケーションに適したユーザー体験の向上を目指しています。
AI モデル トップ5を見るマトリョーシカ表現学習を利用したマルチモーダル埋め込みモデルで、パフォーマンスを維持しながら柔軟な埋め込みサイズを可能にします。クラスタリングや分類などのさまざまなタスクをサポートし、多様なAIアプリケーションに適しています。Nomic-embed-text-v1.5は、マトリョーシカ表現学習を利用したマルチモーダル埋め込みモデルで、パフォーマンスを維持しながら柔軟な埋め込みサイズを可能にします。クラスタリングや分類などのさまざまなタスクをサポートし、多様なAIアプリケーションに適しています。
AI モデル トップ5を見るAI モデル
Cosmos 3は、NVIDIAが開発した高度なAIモデルで、人工知能、高性能コンピューティング、ロボティクスにおけるさまざまなアプリケーションを強化するために設計されています。NVIDIAのGPU技術を活用して、強力な計算能力を提供します。
AI モデル トップ5を見るGoogle DeepMindによって開発されたAIモデルで、タンパク質の構造と相互作用を予測し、生物学的研究と分子相互作用の理解を大幅に加速します。AlphaFold 3は、Google DeepMindによって開発されたAIモデルで、タンパク質の構造と相互作用を予測し、生物学的研究と分子相互作用の理解を大幅に加速します。
AI モデル トップ5を見るAI モデル
ユーザーがテキストとビジュアルプロンプトを利用して、画像や動画内のオブジェクトを正確に特定、セグメント化、追跡できるようにします。近日中にMeta AIアプリのInstagram EditsおよびVibesで利用可能になり、ユーザーの動画制作を向上させます。SAM 3は、ユーザーがテキストとビジュアルプロンプトを利用して、画像や動画内のオブジェクトを正確に特定、セグメント化、追跡できるようにします。近日中にMeta AIアプリのInstagram EditsおよびVibesで利用可能になり、ユーザーの動画制作を向上させます。
AI モデル トップ5を見るAI モデル
Lyria 3.5は、Google DeepMindによる高度な音楽生成モデルで、ユーザーが簡単に曲を作曲できるよう支援します。技術的なコントロールを提供し、さまざまなジャンルのトラックを作成できるため、音楽制作がアクセスしやすく革新的になります。
AI モデル トップ5を見る44言語で表現力豊かな声を生成するCartesiaのリアルタイムテキスト読み上げAPIです。AIエージェントやインタラクティブアプリケーション向けに設計されており、低遅延と高品質な音声合成を提供します。ソニックは、44言語で表現力豊かな声を生成するCartesiaのリアルタイムテキスト読み上げAPIです。AIエージェントやインタラクティブアプリケーション向けに設計されており、低遅延と高品質な音声合成を提供します。
AI モデル トップ5を見るAI モデル
テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。セサミCSMは、テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。
AI モデル トップ5を見るAI モデル
IBMグラニットは、ビジネス向けに設計されたオープンで信頼できるAIモデルのファミリーであり、効率的な言語、ビジョン、音声、ガードレールモデルを提供し、企業のニーズに合わせてカスタマイズおよび展開できます。
AI モデル トップ5を見るAI モデル
ByteDance Seedによって開発されたテキストから画像を生成し、画像を編集するモデルです。画像の作成と編集に関する高度な機能を提供し、アーティストやデザイナーにとって貴重なツールとなります。Seedream 5.0 Proは、ByteDance Seedによって開発されたテキストから画像を生成し、画像を編集するモデルです。画像の作成と編集に関する高度な機能を提供し、アーティストやデザイナーにとって貴重なツールとなります。
AI モデル トップ5を見るAI モデル
対話のユースケースに最適化されたファインチューニングされた生成テキストモデルです。Metaによって開発され、自然言語処理タスクに対する高度な機能を提供し、商業および研究アプリケーションの両方に適しています。Llama-2-7b-chat-hfは、対話のユースケースに最適化されたファインチューニングされた生成テキストモデルです。Metaによって開発され、自然言語処理タスクに対する高度な機能を提供し、商業および研究アプリケーションの両方に適しています。
AI モデル トップ5を見るインクリングは、開発者向けに設計された975BパラメータのマルチモーダルAIモデルです。テキスト、画像、音声入力を受け付け、チャットボットやコーディングアシスタントなどのさまざまなアプリケーション向けにテキスト出力を生成します。オープンウェイトでリリースされており、研究やサードパーティ製品への統合をサポートします。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
70億のパラメータを持つ事前学習済みの生成テキストモデルで、オープンソースを通じて人工知能を進化させることを目的としています。さまざまなベンチマークでLlama 2 13Bを上回り、自然言語処理タスクにおいて強力なツールとなっています。Mistral-7B-v0.1は、70億のパラメータを持つ事前学習済みの生成テキストモデルで、オープンソースを通じて人工知能を進化させることを目的としています。さまざまなベンチマークでLlama 2 13Bを上回り、自然言語処理タスクにおいて強力なツールとなっています。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
アミノ酸配列から高解像度の全原子3Dタンパク質構造を予測します。単一配列およびMSA条件付きモデルへのオープンアクセスを提供し、難しいターゲットに対する精度を向上させます。ESMFold2は、アミノ酸配列から高解像度の全原子3Dタンパク質構造を予測します。単一配列およびMSA条件付きモデルへのオープンアクセスを提供し、難しいターゲットに対する精度を向上させます。
AI モデル トップ5を見るAI モデル
NVIDIA アイザック GR00T N1.7 は、人型ロボットの推論とスキルのために設計されたオープンな基盤モデルです。マルチモーダル入力を処理して操作タスクを実行し、開発者が特定のアプリケーションに向けてモデルをポストトレーニングできるようにします。
AI モデル トップ5を見る検索強化型言語モデルのために設計された最先端の埋め込みモデルです。検索機能を向上させ、さまざまなタスクをサポートし、自然言語処理やAI研究のアプリケーションに適しています。BAAI/bge-large-en-v1.5は、検索強化型言語モデルのために設計された最先端の埋め込みモデルです。検索機能を向上させ、さまざまなタスクをサポートし、自然言語処理やAI研究のアプリケーションに適しています。
AI モデル トップ5を見るユーザーインターフェースのスクリーンショットを構造化された要素に解析するための手法です。GPT-4Vのようなビジョン言語モデルがインターフェース上でアクションを生成する能力を向上させます。OmniParserは、インタラクティブなアイコンを識別し、要素のセマンティクスを理解することで、ベンチマークでのパフォーマンスを向上させます。さま…OmniParserは、ユーザーインターフェースのスクリーンショットを構造化された要素に解析するための手法です。GPT-4Vのようなビジョン言語モデルがインターフェース上でアクションを生成する能力を向上させます。OmniParserは、インタラクティブなアイコンを識別し、要素のセマンティクスを理解することで、ベンチマークでのパフォーマンスを向上させます。さま…
AI モデル トップ5を見るAI モデル
説明的なテキストキャプションに基づいてオーディオサンプルを作成する自己回帰型生成AIモデルです。ソースの分離、実世界のノイズの処理、テキストアノテーションの不足といったオーディオ生成における課題に対処します。このモデルは、高忠実度の出力を実現するために、学習済みの離散オーディオ表現上で動作します。AudioGenは、説明的なテキストキャプションに基づいてオーディオサンプルを作成する自己回帰型生成AIモデルです。ソースの分離、実世界のノイズの処理、テキストアノテーションの不足といったオーディオ生成における課題に対処します。このモデルは、高忠実度の出力を実現するために、学習済みの離散オーディオ表現上で動作します。
AI モデル トップ5を見る画像と動画に対応した統合セグメンテーションモデルです。クリック、ボックス、マスクによる高速かつ正確なオブジェクト選択を可能にし、多様なアプリケーションで堅牢なゼロショット性能とリアルタイムインタラクティビティを提供します。Meta Segment Anything Model 2 (SAM 2) は、画像と動画に対応した統合セグメンテーションモデルです。クリック、ボックス、マスクによる高速かつ正確なオブジェクト選択を可能にし、多様なアプリケーションで堅牢なゼロショット性能とリアルタイムインタラクティビティを提供します。
AI モデル トップ5を見るAI モデル
ビデオ制作ワークフロー向けにファインチューニングされたLlama 2 7B LLMです。ユーザーは自然言語コマンドでビデオ編集タスクを制御でき、FFMPerativeツールと連携します。このモデルは、クロッピング、リサイズ、音声調整などのタスクを、技術的な専門知識を持たないユーザーでも簡単に実行できるようにします。FFMPerative-7Bは、ビデオ制作ワークフロー向けにファインチューニングされたLlama 2 7B LLMです。ユーザーは自然言語コマンドでビデオ編集タスクを制御でき、FFMPerativeツールと連携します。このモデルは、クロッピング、リサイズ、音声調整などのタスクを、技術的な専門知識を持たないユーザーでも簡単に実行できるようにします。
AI モデル トップ5を見るAI モデル
Meta AIが研究コミュニティ向けに公開した1750億パラメータの大規模言語モデルです。これにより、大規模言語モデルへのアクセスが可能になり、NLP研究の深い理解と進歩を促進します。責任ある開発とバイアスの軽減に重点を置いています。OPT-175Bは、Meta AIが研究コミュニティ向けに公開した1750億パラメータの大規模言語モデルです。これにより、大規模言語モデルへのアクセスが可能になり、NLP研究の深い理解と進歩を促進します。責任ある開発とバイアスの軽減に重点を置いています。
AI モデル トップ5を見るAI モデル
Google DeepMindが開発した単一の汎用AIエージェントです。Atariゲームのプレイ、画像へのキャプション付け、チャット、実際のロボットアームの制御など、幅広いタスクを実行できます。このマルチモーダルエージェントは、Transformerニューラルネットワークを使用して多様なデータ入力を処理し、適切な出力を生成します。Gatoは、Google DeepMindが開発した単一の汎用AIエージェントです。Atariゲームのプレイ、画像へのキャプション付け、チャット、実際のロボットアームの制御など、幅広いタスクを実行できます。このマルチモーダルエージェントは、Transformerニューラルネットワークを使用して多様なデータ入力を処理し、適切な出力を生成します。
AI モデル トップ5を見るNeRF、またはニューラル・ラディアンス・フィールドは、連続的な体積シーン関数を最適化することで、複雑なシーンの新しいビューを合成します。入力ビューの疎なセットを使用してディープネットワークでシーンを表現し、密度と視点依存の放射輝度を出力します。この手法は、ニューラルレンダリングとビュー合成において最先端の結果を達成しています。
AI モデル トップ5を見るDETRは、Transformerをコアコンポーネントとして統合した、エンドツーエンドの物体検出およびパノプティックセグメンテーションフレームワークです。アーキテクチャを簡素化し、直接的に物体セットを予測し、COCOのような挑戦的なデータセットで最先端のパフォーマンスを達成し、コンピュータビジョンタスクに対してより柔軟で合理化されたアプローチを提供します。
AI モデル トップ5を見るAI モデル
PyTorchで利用可能なディープ畳み込みニューラルネットワークアーキテクチャです。各層をフィードフォワード方式で他のすべての層に接続することで、特徴伝播と再利用を強化します。このモデルはImageNetで事前学習済みであり、画像分類タスク向けにdensenet121、densenet169、densenet201、densenet161…Densenetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークアーキテクチャです。各層をフィードフォワード方式で他のすべての層に接続することで、特徴伝播と再利用を強化します。このモデルはImageNetで事前学習済みであり、画像分類タスク向けにdensenet121、densenet169、densenet201、densenet161…
AI モデル トップ5を見るAI モデル
PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。SqueezeNetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。
AI モデル トップ5を見るAI モデル
Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。Xceptionは、Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。
AI モデル トップ5を見るAI モデル
相対位置埋め込みを備えた因果的トランスフォーマーモデルであり、より長いコンテキストのために隠れ状態を再利用できます。Zihang Daiらによって開発され、入出力にアダプティブソフトマックスを使用しています。このモデルはテキスト生成タスクに適しており、Wikitext-103データセットでトレーニングされました。Transfo-XL-WT103は、相対位置埋め込みを備えた因果的トランスフォーマーモデルであり、より長いコンテキストのために隠れ状態を再利用できます。Zihang Daiらによって開発され、入出力にアダプティブソフトマックスを使用しています。このモデルはテキスト生成タスクに適しており、Wikitext-103データセットでトレーニングされました。
AI モデル トップ5を見るAI モデル
テキストの説明から高忠実度の音楽を生成するAIモデルです。最大24kHzの音楽を数分間一貫して生成でき、オーディオ品質とテキストへの忠実度において従来のシステムを上回ります。メロディーによる条件付けもサポートしています。MusicLMは、テキストの説明から高忠実度の音楽を生成するAIモデルです。最大24kHzの音楽を数分間一貫して生成でき、オーディオ品質とテキストへの忠実度において従来のシステムを上回ります。メロディーによる条件付けもサポートしています。
AI モデル トップ5を見るAI モデル
生のオーディオとして、初歩的な歌声を含む音楽を生成するニューラルネットワークです。様々なジャンルやアーティストのスタイルで楽曲を生成でき、AIによる音楽制作に新しいアプローチを提供します。モデルの重みとコード、生成されたサンプルを探索するためのツールが公開されています。Jukeboxは、生のオーディオとして、初歩的な歌声を含む音楽を生成するニューラルネットワークです。様々なジャンルやアーティストのスタイルで楽曲を生成でき、AIによる音楽制作に新しいアプローチを提供します。モデルの重みとコード、生成されたサンプルを探索するためのツールが公開されています。
AI モデル トップ5を見るAI モデル
Google DeepMindによる2800億パラメータのトランスフォーマー言語モデルで、4400万から2800億パラメータまでのモデルファミリーの一部です。2021年の研究発表で紹介され、読解力、ファクトチェック、毒性言語の識別において評価され、一部のタスクではスケールの恩恵を受けましたが、論理的推論などのタスクではそうではありませんでした…Gopherは、Google DeepMindによる2800億パラメータのトランスフォーマー言語モデルで、4400万から2800億パラメータまでのモデルファミリーの一部です。2021年の研究発表で紹介され、読解力、ファクトチェック、毒性言語の識別において評価され、一部のタスクではスケールの恩恵を受けましたが、論理的推論などのタスクではそうではありませんでした…
AI モデル トップ5を見るAI モデル
Google DeepMindによる70億パラメータの言語モデルで、1.3兆トークンで訓練されており、より多くのデータで訓練された小型モデルが大型モデルを上回るかどうかをテストしています。DeepMindの280億パラメータのゴファーと同じトレーニングコンピュートを使用し、ほぼすべてのベンチマークでゴファーや他の大型モデルを上回りました。チンチラは、Google DeepMindによる70億パラメータの言語モデルで、1.3兆トークンで訓練されており、より多くのデータで訓練された小型モデルが大型モデルを上回るかどうかをテストしています。DeepMindの280億パラメータのゴファーと同じトレーニングコンピュートを使用し、ほぼすべてのベンチマークでゴファーや他の大型モデルを上回りました。
AI モデル トップ5を見るAI モデル
Google DeepMindが開発した、競技レベルでコンピュータプログラムを作成するAIシステムです。プログラミングコンテスト参加者の上位54%に入る推定ランクを達成し、複雑なコーディング課題に対する革新的なソリューション生成を通じて、高度な問題解決能力を示しました。AlphaCodeは、Google DeepMindが開発した、競技レベルでコンピュータプログラムを作成するAIシステムです。プログラミングコンテスト参加者の上位54%に入る推定ランクを達成し、複雑なコーディング課題に対する革新的なソリューション生成を通じて、高度な問題解決能力を示しました。
AI モデル トップ5を見る高忠実度でフォトリアルな画像を生成する自己回帰型テキスト画像生成モデルです。画像生成をシーケンス・ツー・シーケンスの問題として扱い、大規模言語モデルの進歩を活用して複雑な構図と世界の知識合成を実現します。Partiは、詳細なディテールとインタラクションを伴うコンテンツリッチな合成をサポートします。Partiは、高忠実度でフォトリアルな画像を生成する自己回帰型テキスト画像生成モデルです。画像生成をシーケンス・ツー・シーケンスの問題として扱い、大規模言語モデルの進歩を活用して複雑な構図と世界の知識合成を実現します。Partiは、詳細なディテールとインタラクションを伴うコンテンツリッチな合成をサポートします。
AI モデル トップ5を見るAI モデル
Googleが開発した画期的な対話型AIモデルで、幅広いトピックについて自由な対話を行うように設計されています。Transformerアーキテクチャを基盤とし、対話データに特化してトレーニングされているため、妥当性や具体性といったニュアンスを理解し、より自然な人間とコンピューターの対話や新しいアプリケーションカテゴリを可能にします。LaMDAは、Googleが開発した画期的な対話型AIモデルで、幅広いトピックについて自由な対話を行うように設計されています。Transformerアーキテクチャを基盤とし、対話データに特化してトレーニングされているため、妥当性や具体性といったニュアンスを理解し、より自然な人間とコンピューターの対話や新しいアプリケーションカテゴリを可能にします。
AI モデル トップ5を見るAI モデル
InstructGPTモデルは、GPT-3よりもユーザーの意図をより良く理解するように訓練されたAI言語モデルです。人間からのフィードバックによる強化学習により、より真実味があり、毒性が低く、ユーザーの目標に沿ったものとなっており、現在OpenAIのAPIで利用可能です。
AI モデル トップ5を見るAI モデル
テキスト記述から3Dオブジェクトを生成するAIモデルです。事前学習済みの2D拡散モデルを活用し、3Dトレーニングデータを必要とせずに、Neural Radiance Fields（NeRF）のような再照明可能な3Dアセットを作成します。これにより、多様なテキストプロンプトに対して、高忠実度の外観、深度、法線を実現できます。DreamFusionは、テキスト記述から3Dオブジェクトを生成するAIモデルです。事前学習済みの2D拡散モデルを活用し、3Dトレーニングデータを必要とせずに、Neural Radiance Fields（NeRF）のような再照明可能な3Dアセットを作成します。これにより、多様なテキストプロンプトに対して、高忠実度の外観、深度、法線を実現できます。
AI モデル トップ5を見るAI モデル
長文ドキュメントの処理に特化したTransformerモデルです。RoBERTaをベースとし、最大4,096トークンの拡張シーケンスで事前学習されています。このモデルは、スライディングウィンドウとグローバルアテンションを組み合わせたハイブリッドアテンションメカニズムを採用し、効率的な長文理解とタスク固有の表現学習…Longformer Base 4096 は、長文ドキュメントの処理に特化したTransformerモデルです。RoBERTaをベースとし、最大4,096トークンの拡張シーケンスで事前学習されています。このモデルは、スライディングウィンドウとグローバルアテンションを組み合わせたハイブリッドアテンションメカニズムを採用し、効率的な長文理解とタスク固有の表現学習…
AI モデル トップ5を見るBigBirdベースモデルは、ブロック疎行列アテンションを使用して、はるかに長いシーケンスを処理できるように拡張されたBERTのTransformerです。マスク言語モデリングのために英語テキストで事前学習されており、最大4096トークンのシーケンスを効率的に処理でき、長文タスクで最先端の結果を達成しています。
AI モデル トップ5を見るAI モデル
Microsoft Researchが開発した27億パラメータの言語モデルです。130億パラメータ未満のモデルの中で最先端のパフォーマンスを示し、優れた推論能力と自然言語理解能力を備えています。Phi-2は、最大25倍大きいモデルと同等またはそれ以上の性能を複雑なベンチマークで達成しており、研究や実験に最適です。Phi-2は、Microsoft Researchが開発した27億パラメータの言語モデルです。130億パラメータ未満のモデルの中で最先端のパフォーマンスを示し、優れた推論能力と自然言語理解能力を備えています。Phi-2は、最大25倍大きいモデルと同等またはそれ以上の性能を複雑なベンチマークで達成しており、研究や実験に最適です。
AI モデル トップ5を見る本研究では、敵対的生成ネットワーク（GAN）の新しい学習手法を提案します。低解像度から開始し、より詳細な情報を捉えるために層を追加していくことで、ジェネレーターとディスクリミネーターの両方を段階的に成長させます。このアプローチにより、学習が大幅に高速化され、安定性が向上し、品質と多様性が改善された高解像度画像が生成されます。
AI モデル トップ5を見るAI モデル
生成器内の信号処理を全面的に見直すことで、エイリアシングのない（alias-free）敵対的生成ネットワークを導入します。この革新により、「テクスチャスティッキング」が解消され、ビデオやアニメーションのより一貫性のある合成が可能になります。このモデルはStyleGAN2のFIDを達成しつつ、サブピクセルスケールでも平行移動と回転に対して…StyleGAN3は、生成器内の信号処理を全面的に見直すことで、エイリアシングのない（alias-free）敵対的生成ネットワークを導入します。この革新により、「テクスチャスティッキング」が解消され、ビデオやアニメーションのより一貫性のある合成が可能になります。このモデルはStyleGAN2のFIDを達成しつつ、サブピクセルスケールでも平行移動と回転に対して…
AI モデル トップ5を見る分子モデリングタスク向けの深層学習パッケージであり、材料および創薬研究を加速します。分子動力学と物性予測をサポートし、将来的には反応予測や大規模分子モデリングの機能拡張も予定されています。グラフレベルの予測タスクにおいて、従来のグラフニューラルネットワークを上回る性能を発揮します。Graphormerは、分子モデリングタスク向けの深層学習パッケージであり、材料および創薬研究を加速します。分子動力学と物性予測をサポートし、将来的には反応予測や大規模分子モデリングの機能拡張も予定されています。グラフレベルの予測タスクにおいて、従来のグラフニューラルネットワークを上回る性能を発揮します。
AI モデル トップ5を見るAI モデル
Googleのユニバーサルセンテンスエンコーダーは、テキストを高次元ベクトルにエンコードし、テキスト分類、意味的類似性、クラスタリングなどのタスクに使用されます。文、フレーズ、短い段落に最適化されています。
AI モデル トップ5を見るAI モデル
実世界の連続的なセンサーデータをテキストと統合する、具現化されたマルチモーダル言語モデルです。これにより、ロボットは言語を知覚に結びつけることで複雑なタスクを実行できるようになり、高度な推論と計画のために多様なトレーニングドメインと具現化にわたるポジティブな転移を示します。PaLM-Eは、実世界の連続的なセンサーデータをテキストと統合する、具現化されたマルチモーダル言語モデルです。これにより、ロボットは言語を知覚に結びつけることで複雑なタスクを実行できるようになり、高度な推論と計画のために多様なトレーニングドメインと具現化にわたるポジティブな転移を示します。
AI モデル トップ5を見るこのフレームワークは、大規模な 3D 形状データセットにセマンティックな領域アノテーションを付与するための、新しいアクティブラーニング手法を提案します。手動アノテーション、自動伝播、検証を効率的に組み合わせ、3D モデルのラベル付けにおけるユーザーの労力を最小限に抑えつつ精度を最大化します。
AI モデル トップ5を見るAI モデル
MMAction2は、アクション認識およびビデオ理解タスクのための基盤となるライブラリです。PyTorch上に構築され、OpenMMLabエコシステムと統合されており、最先端のビデオ分析モデルの開発とデプロイのための包括的なツールキットを提供します。このドキュメントには、チュートリアル、APIリファレンス、およびプロジェクト情報が含まれています。
AI モデル トップ5を見るAI モデル
自動音声認識のための自己教師あり学習アルゴリズムです。生の音声から学習し、高い精度を達成するために最小限の書き起こしデータしか必要としません。これにより、広範なラベル付きデータセットへの依存を減らし、より多くの言語、方言、ドメインでの音声認識が可能になります。Wav2vec 2.0は、自動音声認識のための自己教師あり学習アルゴリズムです。生の音声から学習し、高い精度を達成するために最小限の書き起こしデータしか必要としません。これにより、広範なラベル付きデータセットへの依存を減らし、より多くの言語、方言、ドメインでの音声認識が可能になります。
AI モデル トップ5を見るAI モデル
長期的な一貫性を持つ高品質なオーディオを生成するAIモデルです。オーディオ生成を言語モデリングタスクとして扱い、オーディオを離散トークンにマッピングします。このフレームワークは、未知のスピーカーやスタイルに対しても、音声や音楽の自然で一貫性のある継続を生成することに優れています。AudioLMは、長期的な一貫性を持つ高品質なオーディオを生成するAIモデルです。オーディオ生成を言語モデリングタスクとして扱い、オーディオを離散トークンにマッピングします。このフレームワークは、未知のスピーカーやスタイルに対しても、音声や音楽の自然で一貫性のある継続を生成することに優れています。
AI モデル トップ5を見るAI モデル
このリストは、見つからなかった GitHub Pages サイトを参照しています。指定されたドメインにアクティブな GitHub Pages サイトが存在しないことを示しています。サイトを公開しようとしているユーザーは、セットアップ手順について GitHub Pages のドキュメントを参照するように案内されます。
AI モデル トップ5を見るAI モデル
テキストの説明から画像を生成するAIモデルです。幅広い視覚的コンセプトを作成したり、無関係なアイデアを組み合わせたり、テキストをレンダリングしたり、既存の画像を変換したりすることができ、自然言語プロンプトを視覚化する新しい方法を提供します。DALL·Eは、テキストの説明から画像を生成するAIモデルです。幅広い視覚的コンセプトを作成したり、無関係なアイデアを組み合わせたり、テキストをレンダリングしたり、既存の画像を変換したりすることができ、自然言語プロンプトを視覚化する新しい方法を提供します。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
マスク画像モデリングを用いてビジョントランスフォーマーを事前学習する自己教師あり学習の視覚表現モデルです。画像を視覚トークンにトークン化し、マスクされたパッチを復元することで、画像分類やセマンティックセグメンテーションなどの下流タスクで競争力のある結果を達成します。BEiTは、マスク画像モデリングを用いてビジョントランスフォーマーを事前学習する自己教師あり学習の視覚表現モデルです。画像を視覚トークンにトークン化し、マスクされたパッチを復元することで、画像分類やセマンティックセグメンテーションなどの下流タスクで競争力のある結果を達成します。
AI モデル トップ5を見るAI モデル
原子系のための深層学習ライブラリです。ニューラルネットワークポテンシャルの構築とトレーニングのための柔軟なフレームワークを提供し、研究者が高度なAIモデルを使用してシミュレーションを実行し、分子特性を分析できるようにします。ドキュメントはRead the Docsでホストされています。SchNetPackは、原子系のための深層学習ライブラリです。ニューラルネットワークポテンシャルの構築とトレーニングのための柔軟なフレームワークを提供し、研究者が高度なAIモデルを使用してシミュレーションを実行し、分子特性を分析できるようにします。ドキュメントはRead the Docsでホストされています。
AI モデル トップ5を見るAI モデル
強化学習を用いて改良されたコンピュータサイエンスアルゴリズムを発見するAIシステムです。より高速なソートおよびハッシュアルゴリズムを特定し、人間が開発した手法を凌駕して、より効率的で持続可能なコンピューティングに貢献しています。これらのアルゴリズムは現在オープンソース化されています。AlphaDevは、強化学習を用いて改良されたコンピュータサイエンスアルゴリズムを発見するAIシステムです。より高速なソートおよびハッシュアルゴリズムを特定し、人間が開発した手法を凌駕して、より効率的で持続可能なコンピューティングに貢献しています。これらのアルゴリズムは現在オープンソース化されています。
AI モデル トップ5を見るAI モデル
Meta AIが開発したマルチモーダルAIモデルであり、画像、動画、音声、テキスト、深度、熱の6つのモダリティからのデータを結合します。明示的な教師なしで単一の埋め込み空間を学習し、AIシステムにおける高度なクロスモーダル理解と生成を可能にします。ImageBindは、Meta AIが開発したマルチモーダルAIモデルであり、画像、動画、音声、テキスト、深度、熱の6つのモダリティからのデータを結合します。明示的な教師なしで単一の埋め込み空間を学習し、AIシステムにおける高度なクロスモーダル理解と生成を可能にします。
AI モデル トップ5を見るZephyr-7B-βは、Direct Preference Optimization（DPO）を用いてMistral-7B-v0.1からファインチューニングされたオープンソース言語モデルです。MT-BenchおよびAlpacaEvalベンチマークで高い性能を示し、チャットアプリケーションに適した有益なアシスタントとして優れています。
AI モデル トップ5を見るAI モデル
Google Researchが開発した、ゼロショットビデオ生成が可能な大規模言語モデルです。オートリグレッシブ言語モデルを高品質なビデオジェネレーターに変換し、テキストからビデオ、ビデオからオーディオ、および様々な編集タスクを、印象的な時間的整合性とモーション忠実度でサポートします。VideoPoetは、Google Researchが開発した、ゼロショットビデオ生成が可能な大規模言語モデルです。オートリグレッシブ言語モデルを高品質なビデオジェネレーターに変換し、テキストからビデオ、ビデオからオーディオ、および様々な編集タスクを、印象的な時間的整合性とモーション忠実度でサポートします。
AI モデル トップ5を見るAI モデル
Google Researchが開発した時空間拡散モデルであり、リアルで多様かつ一貫性のある動画生成を実現します。単一のパスで動画全体の長さを合成できるため、高度なテキストから動画への変換、画像から動画への変換、動画インペインティング、スタイル化された生成タスクを、印象的な時間的整合性をもって実行できます。Lumiereは、Google Researchが開発した時空間拡散モデルであり、リアルで多様かつ一貫性のある動画生成を実現します。単一のパスで動画全体の長さを合成できるため、高度なテキストから動画への変換、画像から動画への変換、動画インペインティング、スタイル化された生成タスクを、印象的な時間的整合性をもって実行できます。
AI モデル トップ5を見るデジタルエージェント向けに設計されたオープンソースのマルチモーダルAIモデルです。そのシンプルなアーキテクチャは、任意の画像解像度をサポートし、グラフ、図、UI要素に関する質問に高速に応答することを可能にします。標準的なベンチマークで高い性能を発揮し、HuggingFaceで利用可能です。Fuyu-8Bは、デジタルエージェント向けに設計されたオープンソースのマルチモーダルAIモデルです。そのシンプルなアーキテクチャは、任意の画像解像度をサポートし、グラフ、図、UI要素に関する質問に高速に応答することを可能にします。標準的なベンチマークで高い性能を発揮し、HuggingFaceで利用可能です。
AI モデル トップ5を見る最先端の機能を再現するオープンアクセス可能なビジュアル言語モデルです。画像とテキストのインターリーブ入力を受け付け、テキスト出力を生成し、Flamingoのようなプロプライエタリモデルに匹敵します。9Bおよび80Bのパラメータサイズで利用可能で、マルチモーダルAIの研究開発をサポートします。IDEFICSは、最先端の機能を再現するオープンアクセス可能なビジュアル言語モデルです。画像とテキストのインターリーブ入力を受け付け、テキスト出力を生成し、Flamingoのようなプロプライエタリモデルに匹敵します。9Bおよび80Bのパラメータサイズで利用可能で、マルチモーダルAIの研究開発をサポートします。
AI モデル トップ5を見るAI モデル
凍結されたビジュアルエンコーダーと大規模言語モデルを連携させることで、視覚と言語の理解を強化するAIモデルです。詳細な画像説明の生成、ドラフトからのウェブサイト作成、画像に触発された物語の執筆、視覚的な問題の解決など、高度なマルチモーダル能力を発揮します。MiniGPT-4は、凍結されたビジュアルエンコーダーと大規模言語モデルを連携させることで、視覚と言語の理解を強化するAIモデルです。詳細な画像説明の生成、ドラフトからのウェブサイト作成、画像に触発された物語の執筆、視覚的な問題の解決など、高度なマルチモーダル能力を発揮します。
AI モデル トップ5を見るAI モデル
汎用的な視覚と言語の理解のために、ビジョンエンコーダーと言語モデルを組み合わせた大規模マルチモーダルモデルです。マルチモーダルチャット機能に優れ、GPT-4を模倣し、視覚的指示チューニングを通じてScience QAのようなベンチマークで最先端の精度を達成しています。LLaVAは、汎用的な視覚と言語の理解のために、ビジョンエンコーダーと言語モデルを組み合わせた大規模マルチモーダルモデルです。マルチモーダルチャット機能に優れ、GPT-4を模倣し、視覚的指示チューニングを通じてScience QAのようなベンチマークで最先端の精度を達成しています。
AI モデル トップ5を見るAI モデル
効率的な推論と柔軟なファインチューニング機能を提供する強力な言語モデルです。デスクトップGUI、Webベースの推論、モバイルアプリなど、さまざまなアプリケーションをサポートし、多様なタスクのために複数のプラットフォームやデバイスで高度なAIへのアクセスを可能にします。RWKVは、効率的な推論と柔軟なファインチューニング機能を提供する強力な言語モデルです。デスクトップGUI、Webベースの推論、モバイルアプリなど、さまざまなアプリケーションをサポートし、多様なタスクのために複数のプラットフォームやデバイスで高度なAIへのアクセスを可能にします。
AI モデル トップ5を見るAI モデル
Apple Machine Learning Researchが開発した最先端のオープン言語モデルファミリーです。精度向上のためのレイヤーごとのスケーリング戦略を特徴とし、ログやチェックポイントを含む公開データセットでのトレーニングと評価のための完全なフレームワークを提供します。また、AppleデバイスでのMLX統合用のコードも含まれていま…OpenELMは、Apple Machine Learning Researchが開発した最先端のオープン言語モデルファミリーです。精度向上のためのレイヤーごとのスケーリング戦略を特徴とし、ログやチェックポイントを含む公開データセットでのトレーニングと評価のための完全なフレームワークを提供します。また、AppleデバイスでのMLX統合用のコードも含まれていま…
AI モデル トップ5を見るAI モデル
ロボット操作における幅広い適用性を目指して設計されたオープンソースの汎用ロボットポリシーです。このTransformerベースの拡散ポリシーは、大規模データセットで事前学習されており、柔軟なタスク定義と効率的なファインチューニングをサポートし、様々なロボティクスアプリケーションへの適応を可能にします。Octoは、ロボット操作における幅広い適用性を目指して設計されたオープンソースの汎用ロボットポリシーです。このTransformerベースの拡散ポリシーは、大規模データセットで事前学習されており、柔軟なタスク定義と効率的なファインチューニングをサポートし、様々なロボティクスアプリケーションへの適応を可能にします。
AI モデル トップ5を見るAI モデル
Databricksが提供する最先端のオープン大規模言語モデル（LLM）であり、言語、プログラミング、数学のベンチマークで優れた性能を発揮します。GPT-3.5を凌駕し、Gemini 1.0 Proに匹敵する効率性と品質の向上を実現し、高度なLLM機能をエンタープライズおよびオープンコミュニティに提供します。DBRXは、Databricksが提供する最先端のオープン大規模言語モデル（LLM）であり、言語、プログラミング、数学のベンチマークで優れた性能を発揮します。GPT-3.5を凌駕し、Gemini 1.0 Proに匹敵する効率性と品質の向上を実現し、高度なLLM機能をエンタープライズおよびオープンコミュニティに提供します。
AI モデル トップ5を見るAI モデル
CaffeフレームワークとSSD実装による物体検出。このリポジトリは、高速でオープンなディープラーニングフレームワークを提供し、特にSingle Shot MultiBox Detectorに特化しています。単一のモデルで物体検出ネットワークのトレーニングと評価を可能にし、効率的なパフォーマンスを実現します。
AI モデル トップ5を見るAI モデル
計算オーバーヘッドを最小限に抑えながら、ディープ畳み込みネットワークからマルチスケール特徴マップを生成することで、物体検出を強化します。このアーキテクチャは、さまざまなサイズの物体に対する精度を向上させ、リアルタイム検出タスクに実用的かつ効率的なソリューションを提供します。Feature Pyramid Networks (FPN)は、計算オーバーヘッドを最小限に抑えながら、ディープ畳み込みネットワークからマルチスケール特徴マップを生成することで、物体検出を強化します。このアーキテクチャは、さまざまなサイズの物体に対する精度を向上させ、リアルタイム検出タスクに実用的かつ効率的なソリューションを提供します。
AI モデル トップ5を見るAI モデル
Apple Machine Learning Researchは、機械学習分野の進歩を推進するプラットフォームです。AIとMLにおけるAppleの貢献に関する研究論文、出版物、洞察を集めたハブとして機能します。このサイトは、研究コミュニティ内での協力促進と知識共有を目指しています。
AI モデル トップ5を見るセルフアテンションTransformerのみを利用した革新的なビデオ理解AIアーキテクチャです。アクション認識ベンチマークで最先端の結果を達成し、従来の3D CNNと比較してトレーニングが大幅に高速化され、推論計算コストが低減されます。これにより、より複雑なビデオ分析やリアルタイムアプリケーションが可能になります。TimeSformerは、セルフアテンションTransformerのみを利用した革新的なビデオ理解AIアーキテクチャです。アクション認識ベンチマークで最先端の結果を達成し、従来の3D CNNと比較してトレーニングが大幅に高速化され、推論計算コストが低減されます。これにより、より複雑なビデオ分析やリアルタイムアプリケーションが可能になります。
AI モデル トップ5を見るこのAIモデルは、汎用的な画像間変換タスクのためのソリューションを提供します。画像のマッピングと適切な損失関数の両方を学習するため、ラベルからの写真合成、エッジからのオブジェクト再構成、画像の色付けなど、多様なアプリケーションが可能です。このフレームワークは適応性が高く、様々な人気のディープラーニングライブラリに実装されています。
AI モデル トップ5を見るAI モデル
Google Researchが開発したテキストから画像を生成する拡散モデルです。言語を深く理解し、フォトリアルな画像を生成します。Imagenは画像とテキストの整合性およびサンプルの忠実性に優れており、人間の評価で他のモデルを凌駕し、COCOなどのベンチマークで最先端のFIDスコアを達成しています。ImagenはGoogle Researchが開発したテキストから画像を生成する拡散モデルです。言語を深く理解し、フォトリアルな画像を生成します。Imagenは画像とテキストの整合性およびサンプルの忠実性に優れており、人間の評価で他のモデルを凌駕し、COCOなどのベンチマークで最先端のFIDスコアを達成しています。
AI モデル トップ5を見るAI モデル
Google Researchが開発したテキスト条件付きビデオ生成システムです。ビデオ拡散モデルのカスケードを活用し、テキストプロンプトから高解像度ビデオを生成します。多様なクリエイティブアプリケーション向けに、高い忠実度、制御性、および世界知識を提供します。Imagen Videoは、Google Researchが開発したテキスト条件付きビデオ生成システムです。ビデオ拡散モデルのカスケードを活用し、テキストプロンプトから高解像度ビデオを生成します。多様なクリエイティブアプリケーション向けに、高い忠実度、制御性、および世界知識を提供します。
AI モデル トップ5を見るAI モデル
多様な制御タスクを解決するために環境モデルを学習する汎用強化学習アルゴリズムです。単一の設定で150以上のタスクで優れた性能を発揮し、専門的な手法を凌駕します。このアルゴリズムは、将来のシナリオを想像することでドメイン全体で堅牢な学習を可能にし、広範な人間の専門知識や実験なしにAIを広く応用できるようにします。Dreamer V3は、多様な制御タスクを解決するために環境モデルを学習する汎用強化学習アルゴリズムです。単一の設定で150以上のタスクで優れた性能を発揮し、専門的な手法を凌駕します。このアルゴリズムは、将来のシナリオを想像することでドメイン全体で堅牢な学習を可能にし、広範な人間の専門知識や実験なしにAIを広く応用できるようにします。
AI モデル トップ5を見るAI モデル
強化学習環境向けの生成ニューラルネットワークモデルを探求する研究プロジェクトです。エージェントが自身のワールドモデルによって生成されたシミュレートされた「夢」の中で学習することを可能にし、その学習結果を実世界環境に転送できます。このアプローチは、よりコンパクトで効率的なポリシーの作成を目指しています。World Modelsは、強化学習環境向けの生成ニューラルネットワークモデルを探求する研究プロジェクトです。エージェントが自身のワールドモデルによって生成されたシミュレートされた「夢」の中で学習することを可能にし、その学習結果を実世界環境に転送できます。このアプローチは、よりコンパクトで効率的なポリシーの作成を目指しています。
AI モデル トップ5を見るAI モデル
グラフ同型性ネットワーク（GIN）は、Keyulu Xu、Weihua Hu、Jure Leskovec、Stefanie Jegelkaによる2019年の論文「グラフニューラルネットワークはどれほど強力か？」で紹介されたグラフニューラルネットワークアーキテクチャです。主にグラフ分類のために、Weisfeiler-Lehmanグラフ同型性テストの識別力に匹敵…
AI モデル トップ5を見るAI モデル
汎用的な拡散モデルであるDiffWaveを搭載した音声合成デモをご覧ください。このリソースは、ニューラルボコーダー、クラス条件付き生成、無条件波形生成、音声ノイズ除去の機能を紹介します。様々なデータセットや条件におけるモデルのパフォーマンスに関する音声サンプルと洞察を提供し、その柔軟性を強調しています。
AI モデル トップ5を見るAI モデル
音声品質とトレーニング速度を向上させるエンドツーエンドのテキスト読み上げモデルです。ピッチやエネルギーなどの音声のバリエーション情報を直接組み込むことで、教師蒸留を排除し、より高速で高品質な音声合成を可能にし、以前の非自己回帰モデルを改善しています。FastSpeech 2は、音声品質とトレーニング速度を向上させるエンドツーエンドのテキスト読み上げモデルです。ピッチやエネルギーなどの音声のバリエーション情報を直接組み込むことで、教師蒸留を排除し、より高速で高品質な音声合成を可能にし、以前の非自己回帰モデルを改善しています。
AI モデル トップ5を見るMicrosoft Researchによって開発された大規模事前学習済み言語モデルです。T5 11Bモデルを性能で凌駕し、SuperGLUEベンチマークで人間レベルの結果を達成しています。この先進的なモデルは、自然言語理解タスクに顕著な能力を提供します。DeBERTaは、Microsoft Researchによって開発された大規模事前学習済み言語モデルです。T5 11Bモデルを性能で凌駕し、SuperGLUEベンチマークで人間レベルの結果を達成しています。この先進的なモデルは、自然言語理解タスクに顕著な能力を提供します。
AI モデル トップ5を見るAI モデル
グラフ内のノードの連続的な特徴表現を学習するためのスケーラブルなフレームワークです。バイアス付きランダムウォークにより近傍の保存を最適化し、多様な機械学習タスクを可能にします。このアルゴリズムは、探索と活用をバランスさせ、リッチなノード埋め込みを実現します。node2vecは、グラフ内のノードの連続的な特徴表現を学習するためのスケーラブルなフレームワークです。バイアス付きランダムウォークにより近傍の保存を最適化し、多様な機械学習タスクを可能にします。このアルゴリズムは、探索と活用をバランスさせ、リッチなノード埋め込みを実現します。
AI モデル トップ5を見る317 件中 24 件
ToolPotionは、最高のAI モデルを見つけるために人々が閲覧するAIツールディレクトリです。掲載は無料で、すべての投稿は編集者がレビューします。検索の出発点にあなたのツールを置きましょう。
