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。 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, 科学的発見・ラボツール と 予測と予測分析 などのカテゴリーにわたる 221 件のAI モデルをご覧ください。
221 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
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
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
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
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
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
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
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
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
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
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
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
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AI モデル
潜在拡散モデルを活用したテキストからオーディオへの生成フレームワークです。様々なモダリティを統一された「オーディオ言語（LOA）」に変換し、音声、音楽、効果音を生成します。このアプローチにより、インコンテキスト学習が可能になり、自己教師あり事前学習済みモデルを活用して多様なオーディオ作成を実現します。AudioLDMは、潜在拡散モデルを活用したテキストからオーディオへの生成フレームワークです。様々なモダリティを統一された「オーディオ言語（LOA）」に変換し、音声、音楽、効果音を生成します。このアプローチにより、インコンテキスト学習が可能になり、自己教師あり事前学習済みモデルを活用して多様なオーディオ作成を実現します。
AI モデル トップ5を見るAI モデル
プロンプト拡張拡散モデルを採用したテキストから音声への生成システムです。疑似プロンプト拡張とスペクトログラムオートエンコーダーを使用して、データの希少性と音声の複雑性に対処します。このシステムは最先端の結果を達成し、様々な入力から高解像度で忠実度の高い音声を生成するための制御性を提供します。Make-An-Audioは、プロンプト拡張拡散モデルを採用したテキストから音声への生成システムです。疑似プロンプト拡張とスペクトログラムオートエンコーダーを使用して、データの希少性と音声の複雑性に対処します。このシステムは最先端の結果を達成し、様々な入力から高解像度で忠実度の高い音声を生成するための制御性を提供します。
AI モデル トップ5を見るAI モデル
強化学習をシーケンスモデリング問題として再定式化し、GPT-x や BERT のような Transformer アーキテクチャを活用します。望ましいリターン、過去の状態、および行動を条件付けることで最適な行動を生成し、Atari、OpenAI Gym、Key-to-Door…Decision Transformer は、強化学習をシーケンスモデリング問題として再定式化し、GPT-x や BERT のような Transformer アーキテクチャを活用します。望ましいリターン、過去の状態、および行動を条件付けることで最適な行動を生成し、Atari、OpenAI Gym、Key-to-Door…
AI モデル トップ5を見るAI モデル
モバイルデバイス向けに設計された効率的なニューラルネットワークバックボーンです。推論速度を最適化し、高い精度を維持しながらiPhone12で1ms未満を実現します。このモデルは、画像分類、物体検出、セマンティックセグメンテーションのタスク全体で汎用性を示し、レイテンシと精度の両方で大幅な改善を提供します。MobileOneは、モバイルデバイス向けに設計された効率的なニューラルネットワークバックボーンです。推論速度を最適化し、高い精度を維持しながらiPhone12で1ms未満を実現します。このモデルは、画像分類、物体検出、セマンティックセグメンテーションのタスク全体で汎用性を示し、レイテンシと精度の両方で大幅な改善を提供します。
AI モデル トップ5を見るAI モデル
RETRO（Retrieval Enhanced Transformers）は、検索機能をトランスフォーマーアーキテクチャに組み込んだAIモデルです。ウェブページ、書籍、ニュース、コードなど、膨大なテキストデータベースにアクセスし、言語生成の精度と事実の一貫性を向上させます。この手法は、標準的なトランスフォーマーと比較して大幅なパフォーマンス向上をもたらしま…
AI モデル トップ5を見るAI モデル
LS-GAN、またはLoss-Sensitive Generative Adversarial Networksは、GANの進化に焦点を当てたプロジェクトです。損失関数の革新的なアプローチを導入し、生成品質と安定性の向上を目指しています。このプロジェクトは、LS-GANとそのバリアントを実装および実験するためのソースコードを提供します。
AI モデル トップ5を見るAI モデル
StyleGAN3は、信号処理を全面的に見直すことで「テクスチャースティッキング」を排除した敵対的生成ネットワークです。これにより、並進および回転の等変性を実現し、ビデオやアニメーションのより一貫性のある合成を可能にします。このモデルは、動的なビジュアルコンテンツの詳細の一貫性を向上させます。
AI モデル トップ5を見るAI モデル
効率的で非自己回帰的なオーディオ生成のためのAIモデルです。高品質なオーディオを従来の数百分の一の速度で生成し、音声と音響条件の一貫性を維持します。話される内容、話者の声、話者のターンを制御して、自然な対話セグメントを合成できます。SoundStormは、効率的で非自己回帰的なオーディオ生成のためのAIモデルです。高品質なオーディオを従来の数百分の一の速度で生成し、音声と音響条件の一貫性を維持します。話される内容、話者の声、話者のターンを制御して、自然な対話セグメントを合成できます。
AI モデル トップ5を見るAI モデル
Transformerベースのモデルの公式実装であり、長期時系列予測に特化しています。時系列データをパッチに分割し、それらを独立して処理することで、効率的かつ効果的な予測を実現します。本プロジェクトは、教師あり学習と自己教師あり学習の両方のアプローチに対応したコードを提供し、堅牢な予測能力を可能にします。PatchTSTは、Transformerベースのモデルの公式実装であり、長期時系列予測に特化しています。時系列データをパッチに分割し、それらを独立して処理することで、効率的かつ効果的な予測を実現します。本プロジェクトは、教師あり学習と自己教師あり学習の両方のアプローチに対応したコードを提供し、堅牢な予測能力を可能にします。
AI モデル トップ5を見るAI モデル
1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。TimesNetは、1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。
AI モデル トップ5を見るAI モデル
複雑なリアルタイム戦略ゲームであるStarCraft IIでグランドマスターレベルを達成したAIモデルです。マルチエージェント強化学習と模倣学習を活用し、ゲームの制限なしに人間のような制約下でプレイすることで、動的な環境における高度なAI能力を示しています。AlphaStarは、複雑なリアルタイム戦略ゲームであるStarCraft IIでグランドマスターレベルを達成したAIモデルです。マルチエージェント強化学習と模倣学習を活用し、ゲームの制限なしに人間のような制約下でプレイすることで、動的な環境における高度なAI能力を示しています。
AI モデル トップ5を見るAI モデル
AUIのApollo-1は、タスク指向対話のためのニューロシンボリック基盤モデルです。重みではなくコードで推論するため、企業はユーザーと会話しながらビジネスルールに従うエージェントを構築できます。Apollo-1は、追跡可能な意思決定、ツール起動、ルールベースの制御性、および確かな応答を提供し、予測可能なAIを実現します。
AI モデル トップ5を見るAI モデル
1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。daVinci-MagiHumanは、1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。
AI モデル トップ5を見るAI モデル
ソーシャルインタラクティブアプリケーション向けに最適化されたリアルタイムオーディオビジュアル生成モデルです。220億のパラメータを持ち、ストリーミング生成とサブ秒のインタラクションを可能にし、魅力的なソーシャルメディアコンテンツの作成に最適です。Cat-MaineCoonは、ソーシャルインタラクティブアプリケーション向けに最適化されたリアルタイムオーディオビジュアル生成モデルです。220億のパラメータを持ち、ストリーミング生成とサブ秒のインタラクションを可能にし、魅力的なソーシャルメディアコンテンツの作成に最適です。
AI モデル トップ5を見る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…
AI モデル トップ5を見るAI モデル
ユーザーがシネマティックな4Kビデオをネイティブオーディオで作成できる、最先端のビデオ生成を提供します。スピードと効率を最適化しており、ソーシャルメディアコンテンツや広告クリエイティブを迅速にスケールするのに最適です。Google Veo 3.1は、ユーザーがシネマティックな4Kビデオをネイティブオーディオで作成できる、最先端のビデオ生成を提供します。スピードと効率を最適化しており、ソーシャルメディアコンテンツや広告クリエイティブを迅速にスケールするのに最適です。
AI モデル トップ5を見る効率的なデバイス上でのパフォーマンスのために設計された高度なオープンマルチモーダルモデルです。オフラインで動作するプライバシー重視のアプリケーションを可能にする音声、テキスト、画像、動画の処理をサポートしています。Gemma 3nは、効率的なデバイス上でのパフォーマンスのために設計された高度なオープンマルチモーダルモデルです。オフラインで動作するプライバシー重視のアプリケーションを可能にする音声、テキスト、画像、動画の処理をサポートしています。
AI モデル トップ5を見るAI モデル
テキスト指示とオプションのオーディオ入力を使用してオーディオ合成と変換を行うフレームワークです。クリエイターが音の幻想を具現化できるようにし、ComposeableARTのような革新的な技術を用いてオーディオを作成・制御するためのツールを提供します。Fugattoは、テキスト指示とオプションのオーディオ入力を使用してオーディオ合成と変換を行うフレームワークです。クリエイターが音の幻想を具現化できるようにし、ComposeableARTのような革新的な技術を用いてオーディオを作成・制御するためのツールを提供します。
AI モデル トップ5を見るAI モデル
Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。Chatterbox Turboは、Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。
AI モデル トップ5を見るAI モデル
高度なテキスト生成タスクのために設計されたAIモデルコレクションです。オープンソースとオープンサイエンスの原則を活用し、人工知能を民主化することを目的とし、さまざまなアプリケーションに対応する異なるパラメータを持つモデルを提供します。DeepSeek V4 Flashは、高度なテキスト生成タスクのために設計されたAIモデルコレクションです。オープンソースとオープンサイエンスの原則を活用し、人工知能を民主化することを目的とし、さまざまなアプリケーションに対応する異なるパラメータを持つモデルを提供します。
AI モデル トップ5を見るAI モデル
マルチモーダルなビデオ、オーディオ、世界シミュレーションのために設計された高度なオープンウェイト拡散トランスフォーマーモデルです。高忠実度のレンダリング、滑らかな動き、正確な制御を提供し、プロフェッショナルなビデオ制作やリアルタイムアプリケーションに最適です。LTX-2.5 Proは、マルチモーダルなビデオ、オーディオ、世界シミュレーションのために設計された高度なオープンウェイト拡散トランスフォーマーモデルです。高忠実度のレンダリング、滑らかな動き、正確な制御を提供し、プロフェッショナルなビデオ制作やリアルタイム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
高速推論と簡単なデプロイメントのために設計された軽量の多言語リランカーモデルです。クエリとドキュメントの類似スコアを出力し、中国語と英語の両方をサポートしています。BAAI/bge-reranker-v2-m3は、高速推論と簡単なデプロイメントのために設計された軽量の多言語リランカーモデルです。クエリとドキュメントの類似スコアを出力し、中国語と英語の両方をサポートしています。
AI モデル トップ5を見るINSAITによって開発されたブルガリア語モデルで、GoogleのGemma 2 27Bに基づいています。ブルガリアの文化的および言語的タスクに優れ、英語の能力も保持しています。BgGPT-Gemma-2-27B-IT-v1.0は、INSAITによって開発されたブルガリア語モデルで、GoogleのGemma 2 27Bに基づいています。ブルガリアの文化的および言語的タスクに優れ、英語の能力も保持しています。
AI モデル トップ5を見るAI モデル
LightricksによるDiTベースの動画生成モデルで、高品質なリアルタイム動画を生成することができます。多様なデータセットで訓練され、リアルなコンテンツを生成し、1216×704の解像度で30 FPSの動画を生成します。LTX-VideoはLightricksによるDiTベースの動画生成モデルで、高品質なリアルタイム動画を生成することができます。多様なデータセットで訓練され、リアルなコンテンツを生成し、1216×704の解像度で30 FPSの動画を生成します。
AI モデル トップ5を見るAI モデル
密なモデルと専門家の混合機能を提供する最先端の言語モデルです。推論、多言語サポート、エージェント統合に優れ、複雑なタスクに最適です。Qwen3-0.6Bは、密なモデルと専門家の混合機能を提供する最先端の言語モデルです。推論、多言語サポート、エージェント統合に優れ、複雑なタスクに最適です。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
高度な推論、多言語サポート、エージェント機能を提供する大規模言語モデルです。複雑なタスクに優れ、100以上の言語をサポートし、思考モードと非思考モードの間でシームレスに切り替えることで最適なパフォーマンスを実現します。Qwen3-32Bは、高度な推論、多言語サポート、エージェント機能を提供する大規模言語モデルです。複雑なタスクに優れ、100以上の言語をサポートし、思考モードと非思考モードの間でシームレスに切り替えることで最適なパフォーマンスを実現します。
AI モデル トップ5を見る優れたテキスト理解、視覚認識、推論能力を提供する強力なビジョン・ランゲージモデルです。強化されたマルチモーダル推論と空間認識を備えた柔軟な展開をサポートします。Qwen3-VL-235B-A22B-Instructは、優れたテキスト理解、視覚認識、推論能力を提供する強力なビジョン・ランゲージモデルです。強化されたマルチモーダル推論と空間認識を備えた柔軟な展開をサポートします。
AI モデル トップ5を見るAI モデル
高性能なマルチモーダル学習のために設計されたビジョンエンコーダーを備えた因果言語モデルです。201の言語をサポートし、スケーラブルな強化学習のための効率的なハイブリッドアーキテクチャを提供します。Qwen3.5-4Bは、高性能なマルチモーダル学習のために設計されたビジョンエンコーダーを備えた因果言語モデルです。201の言語をサポートし、スケーラブルな強化学習のための効率的なハイブリッドアーキテクチャを提供します。
AI モデル トップ5を見るAI モデル
テキストからビデオ、画像からビデオ、ビデオ編集タスクに優れた最先端のビデオ生成モデルです。コンシューマー向けGPUをサポートし、重要な動的表現を持つ高品質なビジュアルを生成します。Wan2.1-T2V-14Bは、テキストからビデオ、画像からビデオ、ビデオ編集タスクに優れた最先端のビデオ生成モデルです。コンシューマー向けGPUをサポートし、重要な動的表現を持つ高品質な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
複雑なタスク向けに設計された高度なオープンソースのMixture-of-Experts言語モデルです。ハイブリッドアテンションアーキテクチャを特徴とし、最大1Mトークンのコンテキスト長をサポートしているため、要求の厳しいソフトウェアエンジニアリングや長期的なタスクに最適です。MiMo-V2.5-Proは、複雑なタスク向けに設計された高度なオープンソースのMixture-of-Experts言語モデルです。ハイブリッドアテンションアーキテクチャを特徴とし、最大1Mトークンのコンテキスト長をサポートしているため、要求の厳しいソフトウェアエンジニアリングや長期的なタスクに最適です。
AI モデル トップ5を見るAI モデル
Llama-3アーキテクチャに基づく100億パラメータの言語モデルです。推論、コード生成、数学的問題解決に優れ、コンパクトなサイズで堅牢なパフォーマンスを提供します。Virtuoso-Liteは、Llama-3アーキテクチャに基づく100億パラメータの言語モデルです。推論、コード生成、数学的問題解決に優れ、コンパクトなサイズで堅牢なパフォーマンスを提供します。
AI モデル トップ5を見るAI モデル
効率的な推論とエージェントタスクのために設計された高度なAIモデルです。DeepSeekスパースアテンション、スケーラブルな強化学習、そして大規模なエージェントタスク合成パイプラインを特徴としています。DeepSeek-V3.2は、効率的な推論とエージェントタスクのために設計された高度なAIモデルです。DeepSeekスパースアテンション、スケーラブルな強化学習、そして大規模なエージェントタスク合成パイプラインを特徴としています。
AI モデル トップ5を見るAI モデル
Meta AIによって開発されたテキストから音楽を生成するモデルで、テキストの説明や音声のプロンプトに基づいて高品質な音楽サンプルを生成することができます。効率的な音楽生成のために、単一段階の自己回帰型トランスフォーマーモデルを使用しています。MusicGen Largeは、Meta AIによって開発されたテキストから音楽を生成するモデルで、テキストの説明や音声のプロンプトに基づいて高品質な音楽サンプルを生成することができます。効率的な音楽生成のために、単一段階の自己回帰型トランスフォーマーモデルを使用しています。
AI モデル トップ5を見るAI モデル
さまざまなデバイスで効率的に動作するように設計された高度なビデオ理解モデルです。ビデオ分析と視覚的推論の能力を強化し、異なるプラットフォームでのビデオ理解を可能にします。SmolVLM2は、さまざまなデバイスで効率的に動作するように設計された高度なビデオ理解モデルです。ビデオ分析と視覚的推論の能力を強化し、異なるプラットフォームでのビデオ理解を可能にします。
AI モデル トップ5を見るAI モデル
推論能力、ウェブ開発、そして中国語の執筆能力において大幅な改善を提供する高度なAIモデルです。これは、マルチターンのインタラクティブなリライトと翻訳の質を向上させ、開発者や研究者にとって多用途なツールとなります。DeepSeek-V3-0324は、推論能力、ウェブ開発、そして中国語の執筆能力において大幅な改善を提供する高度なAIモデルです。これは、マルチターンのインタラクティブなリライトと翻訳の質を向上させ、開発者や研究者にとって多用途なツールとなります。
AI モデル トップ5を見るAI モデル
クロスリンガル音声認識のために設計された事前学習済みの音声モデルです。自動音声認識などの特定のタスクに対してファインチューニングが必要で、複数の言語にわたってエラー率が改善されます。Wav2Vec2 Large XLSR-53は、クロスリンガル音声認識のために設計された事前学習済みの音声モデルです。自動音声認識などの特定のタスクに対してファインチューニングが必要で、複数の言語にわたってエラー率が改善されます。
AI モデル トップ5を見るAI モデル
テキストと画像の入力を処理してテキスト出力を生成することができる、Googleの最先端のマルチモーダルAIモデルです。140以上の言語をサポートし、リソースが限られた環境での効率的な展開を目的としています。Gemma 3-27B ITは、テキストと画像の入力を処理してテキスト出力を生成することができる、Googleの最先端のマルチモーダルAIモデルです。140以上の言語をサポートし、リソースが限られた環境での効率的な展開を目的としています。
AI モデル トップ5を見るAI モデル
テキストと画像の入力を処理してテキスト出力を生成することができる、Googleの最先端のマルチモーダルAIモデルです。140以上の言語をサポートしており、リソースが限られた環境での効率的な展開を目的としています。Gemma 3-4Bは、テキストと画像の入力を処理してテキスト出力を生成することができる、Googleの最先端のマルチモーダルAIモデルです。140以上の言語をサポートしており、リソースが限られた環境での効率的な展開を目的としています。
AI モデル トップ5を見るSigLIPは、WebLiで事前学習された形状最適化されたマルチモーダルモデルで、ゼロショット画像分類と画像-テキスト検索のために設計されています。パフォーマンスとスケーラビリティを向上させるためにシグモイド損失関数を使用しています。
AI モデル トップ5を見るAI モデル
さまざまなNLPアプリケーション向けに設計された多言語・多タスクのテキスト埋め込みモデルです。長い入力シーケンスとタスク特有の埋め込みをサポートし、さまざまなユースケースに対応します。Jina Embeddings v3は、さまざまなNLPアプリケーション向けに設計された多言語・多タスクのテキスト埋め込みモデルです。長い入力シーケンスとタスク特有の埋め込みをサポートし、さまざまなユースケースに対応します。
AI モデル トップ5を見るAI モデル
Googleによって開発された軽量で最先端のAIモデルで、リソースの少ないデバイスでの効率的な実行を目的としています。テキスト、画像、動画、音声のマルチモーダル入力をサポートし、事前学習済みおよび指示調整済みのバリアントのオープンウェイトでテキスト出力を生成します。Gemma-3n-E4B-itは、Googleによって開発された軽量で最先端のAIモデルで、リソースの少ないデバイスでの効率的な実行を目的としています。テキスト、画像、動画、音声のマルチモーダル入力をサポートし、事前学習済みおよび指示調整済みのバリアントのオープンウェイトでテキスト出力を生成します。
AI モデル トップ5を見るAI モデル
Googleによって開発された軽量でオープンソースのAIモデルのファミリーで、リソースが限られたデバイスでの効率的な実行を目的としています。テキスト、画像、動画、音声などのマルチモーダル入力をサポートし、テキスト出力を生成します。モデルは、選択的パラメータアクティベーション技術を使用してパフォーマンスを最適化しています。Gemma 3nは、Googleによって開発された軽量でオープンソースのAIモデルのファミリーで、リソースが限られたデバイスでの効率的な実行を目的としています。テキスト、画像、動画、音声などのマルチモーダル入力をサポートし、テキスト出力を生成します。モデルは、選択的パラメータアクティベーション技術を使用してパフォーマンスを最適化しています。
AI モデル トップ5を見る視覚認識、画像推論、キャプショニングのために設計されたマルチモーダルAIモデルです。Metaによって開発され、テキストと画像の入力を統合して高度な画像理解能力を提供します。Llama-3.2-11B-Vision-Instructは、視覚認識、画像推論、キャプショニングのために設計されたマルチモーダルAIモデルです。Metaによって開発され、テキストと画像の入力を統合して高度な画像理解能力を提供します。
AI モデル トップ5を見るMetaによって開発されたマルチモーダルAIモデルで、高度なテキストおよび画像理解のために設計されています。さまざまなアプリケーションで高いパフォーマンスを発揮するために、エキスパートの混合アーキテクチャを活用しています。Llama-4 Maverick 17B-128E Instructは、Metaによって開発されたマルチモーダルAIモデルで、高度なテキストおよび画像理解のために設計されています。さまざまなアプリケーションで高いパフォーマンスを発揮するために、エキスパートの混合アーキテクチャを活用しています。
AI モデル トップ5を見るAI モデル
光学文字認識（OCR）タスクのために設計されたエンコーダ-デコーダモデルです。画像を処理してテキストを生成するためにTransformerベースのアーキテクチャを利用しており、画像内の手書きテキストを認識するのに適しています。TrOCRは光学文字認識（OCR）タスクのために設計されたエンコーダ-デコーダモデルです。画像を処理してテキストを生成するためにTransformerベースのアーキテクチャを利用しており、画像内の手書きテキストを認識するのに適しています。
AI モデル トップ5を見るMetaによって設計されたマルチモーダルAIモデルです。専門家の混合アーキテクチャを活用して、先進的なテキストおよび画像理解機能を提供し、多言語出力と多様なアプリケーション向けのファインチューニングをサポートします。Llama-4-Scout-17B-16E-Instructは、Metaによって設計されたマルチモーダルAIモデルです。専門家の混合アーキテクチャを活用して、先進的なテキストおよび画像理解機能を提供し、多言語出力と多様なアプリケーション向けのファインチューニングをサポートします。
AI モデル トップ5を見るAI モデル
エッジデプロイメント向けに設計されたコンパクトなAIモデルで、多言語サポートと視覚機能を提供します。指示タスクに最適化されており、リソースの少ないデバイスでも効率的に動作します。Ministral 3は、エッジデプロイメント向けに設計されたコンパクトなAIモデルで、多言語サポートと視覚機能を提供します。指示タスクに最適化されており、リソースの少ないデバイスでも効率的に動作します。
AI モデル トップ5を見るAI モデル
Microsoftによって開発された高度なビジョン基盤モデルで、さまざまなビジョンおよびビジョン-言語タスクを処理するように設計されています。キャプショニングや物体検出などのタスクに対してプロンプトベースのアプローチを使用し、多様なデータセットを活用してマルチタスク学習を行います。Florence-2は、Microsoftによって開発された高度なビジョン基盤モデルで、さまざまなビジョンおよびビジョン-言語タスクを処理するように設計されています。キャプショニングや物体検出などのタスクに対してプロンプトベースのアプローチを使用し、多様なデータセットを活用してマルチタスク学習を行います。
AI モデル トップ5を見るAI モデル
Microsoft Researchによって開発された最先端の推論モデルです。Phi-4からスーパーバイズド・ラーニングと強化学習を用いてファインチューニングされ、数学、科学、コーディングにおける高度な推論タスクのために設計されています。Phi-4-reasoning-plusは、Microsoft Researchによって開発された最先端の推論モデルです。Phi-4からスーパーバイズド・ラーニングと強化学習を用いてファインチューニングされ、数学、科学、コーディングにおける高度な推論タスクのために設計されています。
AI モデル トップ5を見る221 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。
