ベスト AIモデルとLLM AI モデル

Pixtral-12B-2409モデル

AI モデル

12億のパラメータと4億のパラメータを持つビジョンエンコーダを備えたマルチモーダルAIモデルで、高度な画像およびテキスト処理タスクのために設計されています。Pixtral-12B-2409は、12億のパラメータと4億のパラメータを持つビジョンエンコーダを備えたマルチモーダルAIモデルで、高度な画像およびテキスト処理タスクのために設計されています。

Mistral-Small-3.1-24B-Instruct-2503

AI モデル

240億のパラメータを持つ高度なAIモデルで、最先端の視覚およびテキスト機能を提供します。最大128kトークンまでの長いコンテキスト理解をサポートし、会話エージェントや視覚分析に最適です。Mistral-Small-3.1-24B-Instruct-2503は、240億のパラメータを持つ高度なAIモデルで、最先端の視覚およびテキスト機能を提供します。最大128kトークンまでの長いコンテキスト理解をサポートし、会話エージェントや視覚分析に最適です。

RolmOCR

AI モデル

Reducto AIによって開発されたオープンソースのOCRツールで、前のolmOCRと比較して処理速度が速く、メモリ使用量が少なくなっています。メタデータ入力を使用せずに、さまざまな文書タイプを効率的に処理するように設計されています。RolmOCRはReducto AIによって開発されたオープンソースのOCRツールで、前のolmOCRと比較して処理速度が速く、メモリ使用量が少なくなっています。メタデータ入力を使用せずに、さまざまな文書タイプを効率的に処理するように設計されています。

OpenAI Whisperモデル

AI モデル

自動音声認識と翻訳のための事前学習済みモデルです。複数の言語をサポートし、ファインチューニングなしでデータセット全体に一般化するように設計されており、さまざまなASRタスクに対応できます。OpenAI Whisperは、自動音声認識と翻訳のための事前学習済みモデルです。複数の言語をサポートし、ファインチューニングなしでデータセット全体に一般化するように設計されており、さまざまなASRタスクに対応できます。

nomic-embed-text-v2-moe

AI モデル

最先端の多言語Mixture of Expertsテキスト埋め込みモデルです。約100の言語をサポートし、多言語検索タスクに優れ、柔軟な埋め込み次元とストレージコストの削減を提供します。nomic-embed-text-v2-moeは、最先端の多言語Mixture of Expertsテキスト埋め込みモデルです。約100の言語をサポートし、多言語検索タスクに優れ、柔軟な埋め込み次元とストレージコストの削減を提供します。

Whisper Large V3 Turbo

AI モデル

自動音声認識と翻訳のための最先端モデルで、デコーディング層を減らすことで速度を最適化しています。複数の言語をサポートし、堅牢な文字起こし機能を提供します。Whisper Large V3 Turboは、自動音声認識と翻訳のための最先端モデルで、デコーディング層を減らすことで速度を最適化しています。複数の言語をサポートし、堅牢な文字起こし機能を提供します。

GOT-OCR2.0 AI Model

AI モデル

効率的なテキスト認識のために設計された高度なOCRモデルです。統一されたエンドツーエンドアプローチを活用して精度とパフォーマンスを向上させ、テキスト抽出や処理のさまざまなアプリケーションに最適です。GOT-OCR2.0は、効率的なテキスト認識のために設計された高度なOCRモデルです。統一されたエンドツーエンドアプローチを活用して精度とパフォーマンスを向上させ、テキスト抽出や処理のさまざまなアプリケーションに最適です。

Bark AI Model

AI モデル

Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。Barkは、Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。

ソーラープロプレビューインストラクト

AI モデル

22億のパラメータを持つ高度な大規模言語モデルで、単一のGPU上で効率的に動作するように設計されています。小型モデルと比較して優れたパフォーマンスを提供し、はるかに大きなモデルに匹敵するため、AIタスクにおいて強力なツールとなります。ソーラープロプレビューインストラクトは、22億のパラメータを持つ高度な大規模言語モデルで、単一のGPU上で効率的に動作するように設計されています。小型モデルと比較して優れたパフォーマンスを提供し、はるかに大きなモデルに匹敵するため、AIタスクにおいて強力なツールとなります。

GLM-4.7-Flashモデル

AI モデル

パフォーマンスと効率のバランスを取った軽量デプロイメント向けに設計された30B-A3B MoEモデルです。さまざまなベンチマークで優れた性能を発揮し、AIアプリケーションに強力な選択肢となります。GLM-4.7-Flashは、パフォーマンスと効率のバランスを取った軽量デプロイメント向けに設計された30B-A3B MoEモデルです。さまざまなベンチマークで優れた性能を発揮し、AIアプリケーションに強力な選択肢となります。

GLM-4.6モデル

AI モデル

前モデルであるGLM-4.5に対して改善を提供する高度なAIモデルです。より長いコンテキストウィンドウ、優れたコーディング性能、強化された推論能力を備えており、複雑なタスクやエージェントフレームワークに適しています。GLM-4.6は、前モデルであるGLM-4.5に対して改善を提供する高度なAIモデルです。より長いコンテキストウィンドウ、優れたコーディング性能、強化された推論能力を備えており、複雑なタスクやエージェントフレームワークに適しています。

GLM-OCR

AI モデル

複雑な文書理解のために設計されたマルチモーダルOCRモデルです。Multi-Token Prediction損失と安定した強化学習を使用して、トレーニング効率と認識精度を向上させます。このモデルは、さまざまな文書レイアウトにわたって堅牢なパフォーマンスを提供し、実世界のシナリオに最適化されています。GLM-OCRは、複雑な文書理解のために設計されたマルチモーダルOCRモデルです。Multi-Token Prediction損失と安定した強化学習を使用して、トレーニング効率と認識精度を向上させます。このモデルは、さまざまな文書レイアウトにわたって堅牢なパフォーマンスを提供し、実世界のシナリオに最適化されています。

InternVL

AI モデル

OpenGVLabによって開発されたオープンソースのマルチモーダル大規模言語モデルのファミリーです。これは、視覚と言語のタスクに焦点を当てたGPT-4oの代替手段として機能します。このプロジェクトは、柔軟でアクセスしやすい形式で高度な対話機能を提供することを目指しています。InternVLは、OpenGVLabによって開発されたオープンソースのマルチモーダル大規模言語モデルのファミリーです。これは、視覚と言語のタスクに焦点を当てたGPT-4oの代替手段として機能します。このプロジェクトは、柔軟でアクセスしやすい形式で高度な対話機能を提供することを目指しています。

LG AI Research EXAONE 4.5

AI モデル

LG AI ResearchによるEXAONE 4.5は、視覚と言語の能力を統合したプロフェッショナル向けに設計された大規模言語モデルです。複雑な産業コンテキストの理解に優れ、多言語操作をサポートし、さまざまな分野でのAI駆動ソリューションを強化します。

Celeris-1 AIモデル

AI モデル

超低遅延アプリケーション向けに設計された最先端の言語モデルで、音声、エージェントなどにおけるリアルタイムAIインタラクションを可能にします。迅速な応答時間と高い精度を提供し、インテリジェンス処理の速度を変革します。Celeris-1は、超低遅延アプリケーション向けに設計された最先端の言語モデルで、音声、エージェントなどにおけるリアルタイムAIインタラクションを可能にします。迅速な応答時間と高い精度を提供し、インテリジェンス処理の速度を変革します。

Hy3 Preview

AI モデル

Tencent HunyuanによるHy3 Previewは、2950億のパラメータを持つオープンソースの言語モデルです。数学、コーディング、マルチリンガルタスクに優れ、256Kのコンテキストウィンドウを持つ競争力のあるパフォーマンスを提供します。Tencent CloudおよびOpenRouterで利用可能です。

NVIDIA Parakeet ASRモデル

AI モデル

600百万パラメータを持つ自動音声認識モデルで、高品質な英語の文字起こしを目的としており、句読点、大文字、正確なタイムスタンプ予測をサポートしています。NVIDIA Parakeetは、600百万パラメータを持つ自動音声認識モデルで、高品質な英語の文字起こしを目的としており、句読点、大文字、正確なタイムスタンプ予測をサポートしています。

MAI-Image-2.6

AI モデル

Microsoft AIによって開発された高度な画像モデルで、高品質な生成と正確な編集を目的としています。プロフェッショナルレベルの制御を提供し、創造性を高めるためにウェブからの情報を統合します。MAI-Image-2.6は、Microsoft AIによって開発された高度な画像モデルで、高品質な生成と正確な編集を目的としています。プロフェッショナルレベルの制御を提供し、創造性を高めるためにウェブからの情報を統合します。

MiMo-V2.5 AIモデル

AI モデル

XiaomiによるフラッグシップAIモデルで、現実世界の生産性向上のためにトリリオンパラメータの能力を提供します。長期的なタスクに優れ、単一のコンテキストで最大1Mトークンをサポートし、複雑なプロジェクトに最適です。MiMo-V2.5は、XiaomiによるフラッグシップAIモデルで、現実世界の生産性向上のためにトリリオンパラメータの能力を提供します。長期的なタスクに優れ、単一のコンテキストで最大1Mトークンをサポートし、複雑なプロジェクトに最適です。

Agnes 2.5 Pro

AI モデル

高度なコーディング、科学的推論、長文コンテキスト分析、エージェントワークフロー、マルチモーダル理解のために設計された商業用AIモデルです。複雑なAIタスクのための安定したプラットフォームを提供します。Agnes 2.5 Proは、高度なコーディング、科学的推論、長文コンテキスト分析、エージェントワークフロー、マルチモーダル理解のために設計された商業用AIモデルです。複雑なAIタスクのための安定したプラットフォームを提供します。

Quasar 438B | CompactifAI API

AI モデル

ツール呼び出し、構造化出力、マルチモダリティ、音声認識機能を提供するOpenAI互換のLLM推論APIです。Multiverse Computingによって開発され、さまざまなアプリケーション向けに高度な推論と構造化出力をサポートします。Quasar 438Bは、ツール呼び出し、構造化出力、マルチモダリティ、音声認識機能を提供するOpenAI互換のLLM推論APIです。Multiverse Computingによって開発され、さまざまなアプリケーション向けに高度な推論と構造化出力をサポートします。

Gemini 3.8 Flash — Google DeepMind

AI モデル

Google DeepMindによるGemini 3.8 Flashは、コーディングおよびエージェントタスクに最適化された高度なAIモデルです。複雑なワークフローに優れ、さまざまな分野でのマルチモーダル理解と高いパフォーマンスを提供します。

TxGemma — Google DeepMind

AI モデル

治療開発の効率を向上させることを目的としたGoogle DeepMindによるオープンモデルのコレクションです。さまざまなモデルを提供し、ラボテストをシミュレーションすることで、研究コストとベッドサイドまでの時間を短縮する可能性があります。TxGemmaは、治療開発の効率を向上させることを目的としたGoogle DeepMindによるオープンモデルのコレクションです。さまざまなモデルを提供し、ラボテストをシミュレーションすることで、研究コストとベッドサイドまでの時間を短縮する可能性があります。

Claude Haiku 4.5

AI モデル

Anthropicによる高速で軽量なAIモデルで、高性能なコーディングとリアルタイムアプリケーション向けに設計されています。開発者や企業にとってコスト効率の良いソリューションを提供し、並列実行とサブエージェントのオーケストレーションに優れています。Claude Haiku 4.5は、Anthropicによる高速で軽量なAIモデルで、高性能なコーディングとリアルタイムアプリケーション向けに設計されています。開発者や企業にとってコスト効率の良いソリューションを提供し、並列実行とサブエージェントのオーケストレーションに優れています。

Gemini Flash-Lite

AI モデル

Google DeepMindの最速かつ最もコスト効率の良い3.5クラスモデルで、1秒あたり350トークンを出力します。低遅延で高スループットのタスクに優れており、コーディング、UI生成、翻訳などの複雑なエージェントタスクに最適です。Gemini Flash-Liteは、Google DeepMindの最速かつ最もコスト効率の良い3.5クラスモデルで、1秒あたり350トークンを出力します。低遅延で高スループットのタスクに優れており、コーディング、UI生成、翻訳などの複雑なエージェントタスクに最適です。

Arcee-Blitzモデル

AI モデル

効率性と多様性を考慮して設計されたMistralベースの24Bモデルです。大規模モデルの複雑さを排除し、さまざまなタスクで優れたパフォーマンスと世界知識を提供します。Apache-2.0の下でリリースされており、オープンソースの革新をサポートします。Arcee-Blitzは、効率性と多様性を考慮して設計されたMistralベースの24Bモデルです。大規模モデルの複雑さを排除し、さまざまなタスクで優れたパフォーマンスと世界知識を提供します。Apache-2.0の下でリリースされており、オープンソースの革新をサポートします。

Qwen2-VL-72B-Instruct

AI モデル

最先端の視覚理解と多言語サポートのために設計された高度なAIモデルです。画像、動画、複雑な推論タスクの処理に優れており、AI駆動の環境における多様なアプリケーションに適しています。Qwen2-VL-72B-Instructは、最先端の視覚理解と多言語サポートのために設計された高度なAIモデルです。画像、動画、複雑な推論タスクの処理に優れており、AI駆動の環境における多様なアプリケーションに適しています。

Qwen1.5-110Bモデル

AI モデル

重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。Qwen1.5-110Bは、重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。

Mistral-Large-Instruct-2411

AI モデル

123Bパラメータを持つ高密度の大規模言語モデルで、高度な推論、コーディング、マルチリンガル機能を提供します。長いコンテキスト、関数呼び出し、システムプロンプトをサポートし、多様なAIアプリケーションに適しています。Mistral-Large-Instruct-2411は、123Bパラメータを持つ高密度の大規模言語モデルで、高度な推論、コーディング、マルチリンガル機能を提供します。長いコンテキスト、関数呼び出し、システムプロンプトをサポートし、多様なAIアプリケーションに適しています。

ルマフォトン

AI モデル

超高品質とコスト効率を提供する次世代AI画像生成モデルです。既存のモデルを創造性と理解力で上回り、デザイナーやビジュアルシンカーに最適です。ルマフォトンは、超高品質とコスト効率を提供する次世代AI画像生成モデルです。既存のモデルを創造性と理解力で上回り、デザイナーやビジュアルシンカーに最適です。

GLM-5.3-Flash

AI モデル

効率性とパフォーマンスを考慮して設計された320BパラメータのマルチモーダルAIモデルです。コーディングおよびエージェントベンチマークにおいて高度な機能を提供し、コストを削減しながら以前のバージョンを上回ります。GLM-5.3-Flashは、効率性とパフォーマンスを考慮して設計された320BパラメータのマルチモーダルAIモデルです。コーディングおよびエージェントベンチマークにおいて高度な機能を提供し、コストを削減しながら以前のバージョンを上回ります。

GPT-5.6 テラモデル

AI モデル

GPT-5.6 テラは、OpenAIによって設計された、知性とコストのバランスを取るためのAIモデルです。さまざまな推論作業をサポートし、異なるニーズに応じた複数の価格帯を提供します。

ルシッドオリジン

AI モデル

Leonardo.AiによるAI画像モデルで、鮮やかな色彩、多様なビジュアル、そしてフルHDでの鮮明なテキストを提供します。画像生成において精度と一貫性を求めるクリエイターのために設計されています。ルシッドオリジンは、Leonardo.AiによるAI画像モデルで、鮮やかな色彩、多様なビジュアル、そしてフルHDでの鮮明なテキストを提供します。画像生成において精度と一貫性を求めるクリエイターのために設計されています。

Ring-2.6-1Tモデル

AI モデル

複雑なタスクシナリオ向けに設計された1兆パラメータの推論モデルです。エージェントの実行を強化し、柔軟な推論レベルをサポートし、安定性と効率性のための革新的なトレーニングパラダイムを使用しています。Ring-2.6-1Tは、複雑なタスクシナリオ向けに設計された1兆パラメータの推論モデルです。エージェントの実行を強化し、柔軟な推論レベルをサポートし、安定性と効率性のための革新的なトレーニングパラダイムを使用しています。

GPT-5 AIモデル

AI モデル

2025年8月に発表されたOpenAIの最も先進的なモデルで、知性と信頼性が向上しています。コーディング、問題解決、さまざまな分野での正確な応答生成に優れ、ビジネスや開発者にとって多用途なツールです。GPT-5は2025年8月に発表されたOpenAIの最も先進的なモデルで、知性と信頼性が向上しています。コーディング、問題解決、さまざまな分野での正確な応答生成に優れ、ビジネスや開発者にとって多用途なツールです。

GPT Image 1 モデル

AI モデル

テキストと画像の入力を処理して画像出力を生成するOpenAIのマルチモーダルモデルです。さまざまな使用レベルに応じた異なるティアを提供しており、高度な画像生成機能を求める開発者や企業に適しています。GPT Image 1は、テキストと画像の入力を処理して画像出力を生成するOpenAIのマルチモーダルモデルです。さまざまな使用レベルに応じた異なるティアを提供しており、高度な画像生成機能を求める開発者や企業に適しています。

Qwen3 VL 8B Instruct (Alibaba)

AI モデル

AlibabaによるQwen3 VL 8B Instructは、優れたテキスト理解、視覚認識、マルチモーダル推論を提供する強力なビジョン・ランゲージモデルです。DenseおよびMoEアーキテクチャをサポートし、さまざまなアプリケーションにおけるAI機能を強化します。

intfloat multilingual-e5-large

AI モデル

intfloat multilingual-e5-largeモデルは、多言語テキスト埋め込みのために設計された堅牢なAIツールです。100の言語をサポートし、テキスト検索や意味的類似性などのタスクに最適化されており、多様なデータセットで高いパフォーマンスを提供します。

Google Gemma 2 9B Instruct

AI モデル

テキスト生成タスクのために設計された軽量で最先端のオープンモデルです。Gemmaファミリーの一部であり、質問応答、要約、推論の機能を提供し、リソースが限られた環境での展開に適しています。Google Gemma 2 9B Instructは、テキスト生成タスクのために設計された軽量で最先端のオープンモデルです。Gemmaファミリーの一部であり、質問応答、要約、推論の機能を提供し、リソースが限られた環境での展開に適しています。

QwerySmith 1.0

AI モデル

自然言語のクエリをSQLコマンドに変換するために設計された専門的なText-to-SQLモデルです。QLoRAを使用してUnslothでファインチューニングされており、正確なSQLクエリの生成において高い精度を提供し、データベース管理タスクに最適です。QwerySmith 1.0は、自然言語のクエリをSQLコマンドに変換するために設計された専門的なText-to-SQLモデルです。QLoRAを使用してUnslothでファインチューニングされており、正確なSQLクエリの生成において高い精度を提供し、データベース管理タスクに最適です。

EmbeddingGemma — Google DeepMind

AI モデル

Google DeepMindによって開発された、デバイス上での使用に最適化された軽量なオープン埋め込みモデルファミリーです。マルチモーダルタスクをサポートし、日常のデバイス上でのクロスモーダル検索および取得システムを可能にします。EmbeddingGemmaはGoogle DeepMindによって開発された、デバイス上での使用に最適化された軽量なオープン埋め込みモデルファミリーです。マルチモーダルタスクをサポートし、日常のデバイス上でのクロスモーダル検索および取得システムを可能にします。

Clef

AI モデル

タイプ付き質問の状態とスキーマを意思決定に変換するために設計された27Bのマルチモーダルモデルです。テキスト、JSON、画像、またはビデオなどの入力を処理し、各質問のすべての選択肢に対する確率を単一のフォワードパスで返します。Clefは、タイプ付き質問の状態とスキーマを意思決定に変換するために設計された27Bのマルチモーダルモデルです。テキスト、JSON、画像、またはビデオなどの入力を処理し、各質問のすべての選択肢に対する確率を単一のフォワードパスで返します。

EmbeddingGemma 2

AI モデル

Google DeepMindによって開発されたマルチモーダル埋め込みモデルです。テキスト、画像、動画、音声を統一されたベクトル空間にマッピングし、100以上の言語とコードタスクをサポートします。デバイス上のアプリケーション向けに設計されており、低遅延の意味的表現を提供します。EmbeddingGemma 2は、Google DeepMindによって開発されたマルチモーダル埋め込みモデルです。テキスト、画像、動画、音声を統一されたベクトル空間にマッピングし、100以上の言語とコードタスクをサポートします。デバイス上のアプリケーション向けに設計されており、低遅延の意味的表現を提供します。

Gemma 4 12B 統合モデル

AI モデル

Google DeepMindによるGemma 4 12B統合モデルは、効率的なローカル実行のために設計されたマルチモーダルAIモデルです。テキスト、画像、音声入力をサポートし、大きなコンテキストウィンドウを持つ高度な推論およびコーディング機能を提供します。

YuE2-3B

AI モデル

歌詞とスタイルのプロンプトを完全な歌に変換するオープンな音楽生成モデルです。ボーカルと伴奏を含み、編集可能なスコアを通じてメロディとコードを編集することができ、競争力のある歌の品質を提供します。YuE2-3Bは、歌詞とスタイルのプロンプトを完全な歌に変換するオープンな音楽生成モデルです。ボーカルと伴奏を含み、編集可能なスコアを通じてメロディとコードを編集することができ、競争力のある歌の品質を提供します。

Krea 2 Raw

AI モデル

自然言語の説明から画像を生成するために設計されたテキストから画像への拡散モデルです。これは、ファインチューニングとポストトレーニングの基盤として機能し、創造的および商業的なアプリケーションをサポートします。Krea 2 Rawは、自然言語の説明から画像を生成するために設計されたテキストから画像への拡散モデルです。これは、ファインチューニングとポストトレーニングの基盤として機能し、創造的および商業的なアプリケーションをサポートします。

Nemotron 3 ダイアライゼーション

AI モデル

音声録音における「誰がいつ話したか」を特定するスピーカーダイアライゼーションモデルです。最大8人のスピーカーをサポートし、ストリーミングおよびオフライン推論機能を提供するため、さまざまなアプリケーションに適しています。Nemotron 3 ダイアライゼーションは、音声録音における「誰がいつ話したか」を特定するスピーカーダイアライゼーションモデルです。最大8人のスピーカーをサポートし、ストリーミングおよびオフライン推論機能を提供するため、さまざまなアプリケーションに適しています。

NVIDIA NemotronLabs VoiceChat

AI モデル

会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。NVIDIA NemotronLabs VoiceChatは、会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。

PaddleOCR-VL-1.6

AI モデル

領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。PaddleOCR-VL-1.6は、領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。

Ideogram 4

AI モデル

画像の構成、スタイル、レイアウトに対する比類のない制御を提供する最先端のテキストから画像へのモデルです。ネイティブ2k解像度と多言語テキストレンダリングをサポートしており、デザイン指向のアプリケーションに最適です。Ideogram 4は、画像の構成、スタイル、レイアウトに対する比類のない制御を提供する最先端のテキストから画像へのモデルです。ネイティブ2k解像度と多言語テキストレンダリングをサポートしており、デザイン指向のアプリケーションに最適です。

TabFM 1.0.0 (PyTorch)

AI モデル

Google Researchによって開発されたゼロショットの表形式基盤モデルで、構造化データに対する分類と回帰のために設計されています。ファインチューニングは不要で、数値列とカテゴリ列の混合をサポートします。TabFM 1.0.0は、Google Researchによって開発されたゼロショットの表形式基盤モデルで、構造化データに対する分類と回帰のために設計されています。ファインチューニングは不要で、数値列とカテゴリ列の混合をサポートします。

Cosmos3-Edge

AI モデル

NVIDIAのCosmos3-Edgeは、物理AIアプリケーション向けに設計されたマルチモーダルAIモデルです。テキスト、画像、動画から動的な出力を生成し、ロボティクス、自律運転、スマート環境をサポートします。このモデルは、世界中で展開可能で、商業用および非商業用の両方に適しています。

Qwen3-ASR-1.7B-hf

AI モデル

52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。Qwen3-ASR-1.7B-hfは、52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。

Whistle — 多言語音声認識モデル

AI モデル

さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。Whistleは、さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。

ムーンドリームパラキートリダックス

AI モデル

スピードと効率性を最適化したparakeet-tdt-0.6b-v3モデルのコンパクト版です。英語の音声認識において競争力のある精度を維持しながら、多言語タスクでのパフォーマンスが向上しています。ムーンドリームパラキートリダックスは、スピードと効率性を最適化したparakeet-tdt-0.6b-v3モデルのコンパクト版です。英語の音声認識において競争力のある精度を維持しながら、多言語タスクでのパフォーマンスが向上しています。

Kumo Tabular

AI モデル

分類および回帰タスクのために設計されたNVIDIAの事前学習済みの表形式基盤モデルです。構造化データを使用してクラス確率を予測する高度な機能を提供し、データサイエンティストやアナリストにとって貴重なツールとなっています。Kumo Tabularは、分類および回帰タスクのために設計されたNVIDIAの事前学習済みの表形式基盤モデルです。構造化データを使用してクラス確率を予測する高度な機能を提供し、データサイエンティストやアナリストにとって貴重なツールとなっています。

FrogNano-4B-2609

AI モデル

Microsoftによって開発されたコンパクトなコーディングエージェントです。リポジトリレベルのソフトウェアエンジニアリングタスクに特化しており、強化学習を利用してコードナビゲーションとデバッグを改善します。Pythonを多く使用する環境向けに設計されており、リポジトリの変更に対する構造化されたツールコールを生成します。FrogNano-4B-2609は、Microsoftによって開発されたコンパクトなコーディングエージェントです。リポジトリレベルのソフトウェアエンジニアリングタスクに特化しており、強化学習を利用してコードナビゲーションとデバッグを改善します。Pythonを多く使用する環境向けに設計されており、リポジトリの変更に対する構造化されたツールコールを生成します。

GLiNER2.5-Decide

AI モデル

運用上の意思決定のために設計された340Mパラメータの英語分類モデルです。単一およびマルチラベルタスクをサポートし、顧客サポート、銀行業務、旅行リクエストなどのさまざまな分野で高い精度を提供します。GLiNER2.5-Decideは、運用上の意思決定のために設計された340Mパラメータの英語分類モデルです。単一およびマルチラベルタスクをサポートし、顧客サポート、銀行業務、旅行リクエストなどのさまざまな分野で高い精度を提供します。

Ming-Image-0.1-Design

AI モデル

UI、インフォグラフィック、ポスター、その他のテキストが豊富なビジュアルデザインを作成するために設計された6Bテキストから画像へのモデルです。透明な背景のためのRGBA出力をサポートしており、さまざまなデザインアプリケーションに対応しています。Ming-Image-0.1-Designは、UI、インフォグラフィック、ポスター、その他のテキストが豊富なビジュアルデザインを作成するために設計された6Bテキストから画像へのモデルです。透明な背景のためのRGBA出力をサポートしており、さまざまなデザインアプリケーションに対応しています。

TencentによるAuKモデル

AI モデル

AuKは、Tencentが開発したHugging Face上にホストされたAIモデルです。オープンソースのコラボレーションと革新を通じてAIの能力を向上させることを目的としています。ユーザーはさまざまなアプリケーションのためにAPIを介してアクセスできます。

FLUX 3 アクションベース

AI モデル

ロボティクスアプリケーション向けに設計されたオープンウェイト7Bワールドアクションモデルです。カメラフレーム、ロボットの状態、テキスト指示を処理してアクションシーケンスとビデオフレームを生成し、具現化の適応を促進します。FLUX 3 アクションベースは、ロボティクスアプリケーション向けに設計されたオープンウェイト7Bワールドアクションモデルです。カメラフレーム、ロボットの状態、テキスト指示を処理してアクションシーケンスとビデオフレームを生成し、具現化の適応を促進します。

NeuDecide

AI モデル

音声を直接関数呼び出しに変換するコンパクトな音声アクションモデルです。オフラインで動作し、GPUを必要とせず、JSONスキーマを通じてさまざまなツールに適応します。NeuDecideは、音声を直接関数呼び出しに変換するコンパクトな音声アクションモデルです。オフラインで動作し、GPUを必要とせず、JSONスキーマを通じてさまざまなツールに適応します。

Youtu-Parsing-Omni

AI モデル

文書、画像、チャート、動画などの多様な入力を構造化されたJSONに変換する多用途のオムニモーダルパーシングモデルです。知覚および認知タスクに優れ、さまざまなパーシングニーズに対応する統一スキーマを提供します。Youtu-Parsing-Omniは、文書、画像、チャート、動画などの多様な入力を構造化されたJSONに変換する多用途のオムニモーダルパーシングモデルです。知覚および認知タスクに優れ、さまざまなパーシングニーズに対応する統一スキーマを提供します。

LightOnOCR-3-4B

AI モデル

高性能なOCRモデルで、先進的なレイアウトおよび視覚理解機能を提供します。正確な転写と視覚要素のバウンディングボックス座標を提供し、複雑な文書処理タスクに適しています。LightOnOCR-3-4Bは、高性能なOCRモデルで、先進的なレイアウトおよび視覚理解機能を提供します。正確な転写と視覚要素のバウンディングボックス座標を提供し、複雑な文書処理タスクに適しています。

pplx-embed-v2-context-9b-preview

AI モデル

RAGシステムにおける文書チャンク用に設計されたコンテキスト埋め込みモデルです。文書チャンクを一緒にエンコードし、その周囲のコンテキストを反映し、チャンクごとに1つの埋め込みを返します。pplx-embed-v2-context-9b-previewは、RAGシステムにおける文書チャンク用に設計されたコンテキスト埋め込みモデルです。文書チャンクを一緒にエンコードし、その周囲のコンテキストを反映し、チャンクごとに1つの埋め込みを返します。

Index-Translate-2B

AI モデル

150の言語にわたる翻訳をサポートするコンパクトな多言語テキストモデルです。マルチモーダル画像翻訳に優れ、詳細な翻訳指示に従うため、さまざまな言語タスクに適しています。Index-Translate-2Bは、150の言語にわたる翻訳をサポートするコンパクトな多言語テキストモデルです。マルチモーダル画像翻訳に優れ、詳細な翻訳指示に従うため、さまざまな言語タスクに適しています。

Qwen-Image-2.1-Turbo

AI モデル

今週

効率的なテキストから画像への生成と画像編集のために設計されたQwen-Image-2.1の加速版です。8段階のデノイジングプロセスを特徴とし、Diffusers内のQwenImage21Pipelineとシームレスに統合されています。Qwen-Image-2.1-Turboは、効率的なテキストから画像への生成と画像編集のために設計されたQwen-Image-2.1の加速版です。8段階のデノイジングプロセスを特徴とし、Diffusers内のQwenImage21Pipelineとシームレスに統合されています。

LIDstral Arabic

AI モデル

今週

アラビア文字の言語および方言分類器です。現代標準アラビア語、さまざまなアラビア方言、同じ文字を使用する非アラビア語を特定し、言語の区別を強化します。LIDstral Arabicは、アラビア文字の言語および方言分類器です。現代標準アラビア語、さまざまなアラビア方言、同じ文字を使用する非アラビア語を特定し、言語の区別を強化します。

ステップ5プレビュー

AI モデル

今週

エージェント作業のために設計されたStepFunのフラッグシップAIモデルです。ソフトウェアエンジニアリング、専門知識作業、金融において優れた能力を発揮し、スパースMixture-of-Expertsアーキテクチャを採用しています。ステップ5プレビューは、エージェント作業のために設計されたStepFunのフラッグシップAIモデルです。ソフトウェアエンジニアリング、専門知識作業、金融において優れた能力を発揮し、スパースMixture-of-Expertsアーキテクチャを採用しています。

MOSS-Image-SFT

AI モデル

今週

OpenMOSSによる監視付きファインチューニング済みのテキストから画像へのモデルです。自然言語プロンプト、タグシーケンス、テキストとオブジェクトの配置のためのJSONレイアウトをサポートし、生成された画像の明確さと整理を向上させます。MOSS-Image-SFTは、OpenMOSSによる監視付きファインチューニング済みのテキストから画像へのモデルです。自然言語プロンプト、タグシーケンス、テキストとオブジェクトの配置のためのJSONレイアウトをサポートし、生成された画像の明確さと整理を向上させます。

Qwen3-8B-DSpine-b16

AI モデル

昨日

隣接因果注入を用いた効率的な並行ドラフトを可能にするために設計されたAIモデルです。ネットワークの深さにわたって因果連鎖を展開することで性能を向上させ、効率的な処理を実現します。Qwen3-8B-DSpine-b16は、隣接因果注入を用いた効率的な並行ドラフトを可能にするために設計されたAIモデルです。ネットワークの深さにわたって因果連鎖を展開することで性能を向上させ、効率的な処理を実現します。