ツール
更新: 2026-10-27
10.27
10月22日に発表した Ling-3.1-flash の更新版の重みを Hugging Face で公開。総パラメータ約560B・活性化約25Bの MoE で、最大100万トークンのコンテキストに対応。推論と複数段階のエージェント作業を強化し、重みは MIT License で提供。
Ling-3.1-flash-1019 のモデルカード | inclusionAI / 重みの追加履歴 | inclusionAI
10.26
画像の理解、コンピューター操作、文章作成に向けた高速モデルを公開。ChatGPT Work・Codex と OpenAI API で利用でき、標準 API 料金は100万トークン当たり入力1ドル・出力5ドル・キャッシュ入力0.05ドル。
10.23
コーディング、3D制作、金融調査などの長時間のエージェント作業向けモデルを Kimi・Kimi Code・API で提供開始。100万トークンのコンテキストに対応し、Highspeed は同じモデルを約2〜3倍の速度で提供。重みは11月4日までに公開予定。
10.23
10月15日に発表したローカル対話エージェント向けモデルの重みを公開。Gemma 4 E4B を基盤に、複数ターンのツール利用や指示への追従を強化。量子化した4GB版と BF16 版を提供し、音声・デバイスアシスタントなどへの利用を想定。
Nemotron 3.5 Bolt E4B の公開 | NVIDIA Research / 4GB版のモデルカード | NVIDIA
10.23
10月19日に API で提供を始めたモデルの重みを公開。総パラメータ約428B・活性化23Bのマルチモーダル MoE で、テキスト・画像・動画の入力と最大100万トークンのコンテキストに対応。Hugging Face と ModelScope で MiniMax Community License の下で提供。
10.23
Tencent がテキストやカメラの移動指示に応じて、動画を区間ごとに生成する対話型の世界モデルの重みを公開。生成済み区間の文脈を保持し、次の場面に反映する。コードとデモは10月21日に公開され、重みは Apache 2.0 で提供。
Hy-Nomas のモデルカード | Tencent / コードと公開履歴 | Tencent / 重みの公開 | Tencent
10.23
上海人工知能研究所が研究・開発向けエージェントモデルの正式版と FP8 版の重みを公開。GLM-5.2 を基盤とし、ツール利用や複数段階の作業に対応。正式版のコンテキストは512Kで、重みは MIT License で提供。
Atria Dawn のモデルカード | Shanghai AI Laboratory / モデル公開先の追加履歴 | Atria
10.22
Canva Research がデザイン向けに学習した画像生成モデルを公開。文章から構図を計画して画像を生成する2段階の方式を採用し、最大2Kの画像や文字入りのレイアウトに対応。Canva と開発者向け API で利用できる。
10.22
テキストから編集可能な SVG を生成し、既存画像をベクター形式に変換できるモデルを公開。グラデーションや文字を含むデザインに対応し、Ideogram と API で利用できる。
10.22
inclusionAI が医療研究・専門的な推論向けに追加学習したモデルの重みを公開。総パラメータ124B・活性化5.1Bの MoE で、調査やツール利用を支援。重みは MIT License で提供し、10月22日の公開発表を記録。
Ling-3.0-flash-Sante のモデルカード | inclusionAI / 重みの公開 | Ant Ling
10.22
Ant Ling が Ling-3.1-flash の更新版を発表。従来版と比べ、エージェント作業の評価結果が改善したと報告。発表時点では API と重みの提供は今後の予定で、10月27日に重みを公開。
10.21
Recursive がローカル環境でのコーディングエージェント向けに、総パラメータ約40B・活性化約2.5Bの MoE モデルを公開。専用の推論エンジンを提供し、モデル重みは Apache 2.0 で公開。
10.21
NVIDIA が文書検索向けの Embed 1B・8B と Rerank 8B を発表。テキストに加え、表やグラフを含む文書画像を検索し、候補を関連度順に並べ替える。モデル重み、データ、学習レシピを公開し、NVIDIA NIM などでも提供。
10.21
Baseten の Base Labs が27Bと9Bの判断モデルを公開。Qwen3.5 を基盤に、分類・振り分け・採点などの選択肢や確率を返すよう追加学習。モデル重みを公開し、Baseten の System One API でも提供。
10.21
iFlytek が端末上のエージェント向け4Bモデルを API で提供開始。コーディング、ツール利用、長文処理を強化し、推論強度を3段階から選べる。モデル重みも Apache 2.0 で公開。
10.21
Gradium が端末上で動作する音声合成モデルを公開。31M・40Mパラメータの2種類で、スマートフォン、PC、組み込み機器、ブラウザーでのローカル実行に対応。モデル重みと推論コードを Apache 2.0 で公開し、Rust・Python・Swift・WebAssembly 向けの実装を提供。
10.21
日本語を含む6言語の文字起こしと翻訳に対応する2Bパラメータの Granite Speech 5.0 を公開。470M の Turbo CTC は多言語対応と句読点・大文字の出力を追加し、4.1 Plus は話者識別・タイムスタンプ・長時間音声の精度を改善。3モデルとも重みを Apache 2.0 で提供。
10.21
表・リレーショナルデータ・時系列から予測する基盤モデル群を発表。分類・回帰向けの Relational / Tabular と、時系列予測の Forecast、異常検知の Anomaly を提供。重みを Hugging Face で公開し、構造化データ処理・学習・推論のためのライブラリも提供。
Kumo Structured の発表 | NVIDIA Blog / NVIDIA Kumo のモデルと提供形態 | NVIDIA Developer
10.21
自動運転車内でのリアルタイムな状況理解と動作計画向けに、小型の推論モデルを発表。Cosmos を基盤とし、NVIDIA DRIVE AGX Thor 向けに最適化。GitHub・Hugging Face でのダウンロード提供は10月後半を予定し、発表時点では未公開。
10.20
iFlytek が総パラメータ293B・活性化30Bの MoE モデルを API で提供開始。100万トークンのコンテキストに対応し、コーディングやエージェント作業向けに設計。提供元のモデル一覧に記載された API の提供開始日を記録。
10.20
音声認識の Small Transcribe / Mini Transcribe / Mini Transcribe Realtime と、音声合成の Mini TTS を API の公開プレビューで提供。多言語の文字起こし、話者識別、専門用語への対応、発話終了の検出を強化。LiveKit ベースの音声エージェント SDK も提供し、認識・推論・ツール利用・音声応答を連携。
Voxtral 3 の公開 | Mistral / 各モデルの公開日 | Mistral Legal Center / 公開プレビューの提供形態 | Mistral Docs
10.20
音声認識・会話制御・推論・音声合成をまとめた音声対話モデルを提供開始。Mini は低コストの自然な会話、Max は推論や複数段階のツール利用向け。90以上の言語と17,000以上の音声に対応し、ElevenAgents と WebSocket の Realtime API で利用可能。
10.20
NVIDIA とワシントン大学 Baker Lab が共同開発したタンパク質設計モデルを、NVIDIA NIM の API とコンテナで提供開始。分子の条件に基づく構造・配列の生成と、評価に基づく候補探索に対応。一般公開のモデル重みとは異なるチェックポイントを含み、NIM 版の提供日として記録。
RFD4-Proteina の NIM 提供日 | NVIDIA / NIM 初期リリースの仕様 | NVIDIA Docs
10.19
エージェント作業、コーディング、PC操作、サイバーセキュリティを強化したモデルを、MiniMax API・M Plan・MiniMax Code で提供開始。API 料金は100万トークン当たり入力0.15ドル・出力0.60ドル・キャッシュ入力0.015ドル。重みは発表時点では未公開で、10月23日に公開。
10.19
Inception が拡散方式の言語モデルを API で提供開始。コンテキストを100万トークンに拡張し、リアルタイムの検索、ブラウザー操作、教育、顧客対応などを想定。同社測定では毎秒1,068トークンの生成速度を示し、OpenRouter・Baseten・Vercel からも利用可能。
10.19
GoTo がインドネシアの言語・文化向けに学習した27Bパラメータのモデルを公開。Gemma 3 を基盤とし、インドネシア語・ジャワ語・スンダ語・バリ語・トバ・バタク語と英語に対応。128K のコンテキストを持ち、重みを Gemma License で提供。
GoTo の27Bモデル公開 | GoTo / GoTo-AI-Gemma-3-27B-IT のモデルカード | GoTo
10.19
doubleAI が実行中のプログラムを高速化する Code Execution Model を発表し、早期アクセスの申し込みを開始。CPU・GPU と実行時データに合わせてバイナリを最適化し、置換前後の意味的同値性を形式的に検証する方式。一般向け API や重みの公開ではなく、提供前の受付段階。
10.19
inclusionAI が音声合成の TTS 2種、音声理解・対話の Audio 2種、音声認識の ASR 1種を発表。TTS は日本語を含む7言語や声の指定に対応し、Audio と ASR は中国語・英語の音声を扱う。5モデルの重みを MIT License で提供。
Ming-3.0 のモデル群の発表 | Ant Ling / モデル一覧 | inclusionAI / Ming-3.0 TTS | inclusionAI
10.17
NVIDIA が文書画像から文章・表・グラフなどを構造化して抽出する631Mパラメータのモデルを公開。読み順や各要素の位置も出力し、文書検索やデータ抽出に利用できる。モデルカードに記載された Hugging Face の公開日を記録。
10.17
DeepSeek-V4.1-Flash の更新版を Web・アプリ・API で提供開始し、重みも公開。推論、コーディング、エージェント作業、視覚理解を改善し、タスクの実行時間と出力長を削減。API は従来の deepseek-flash で利用でき、呼び出し方法と料金は維持。
DeepSeek-V4.1-Flash-1017 の公開 | DeepSeek / 10月17日のモデル更新 | DeepSeek API Change Log
10.16
Reflection が10月5日に発表した、総パラメータ501B・活性化23Bの MoE モデルの重みを Apache 2.0 で公開。コーディング、推論、長時間のエージェント作業向けで、BF16・FP8・NVFP4 形式と投機的デコード用モデルを提供。自社 API は公開ベータで提供。
10.16
Elorian が画像・動画の視覚推論モデルを研究プレビューとして API とチャットで提供。動く物体の追跡、視点の変化、空間関係の理解に対応し、推論中に画像や動画を再確認する仕組みを採用。料金は100万トークン当たり入力0.60ドル・出力3ドル。
10.15
Microsoft AI が総パラメータ2.8兆・活性化80Bの MoE 基盤モデルの事前学習完了を発表。テキストと画像を統合して学習し、16,000基の GB200 GPU で38日間の学習を実施。発表時点では事後学習中で、一般向け API やモデル重みは未公開。
10.15
5.6Bパラメータの画像生成・編集モデルを、公開重みと BFL API で提供開始。最大10枚の参照画像、ネイティブ4K生成、領域を指定する編集に対応。学習向けのベース版と高速な蒸留版を公開し、商用利用には FLUX Kommunity License の条件が適用される。
10.15
多変量の確率的予測を行う時系列基盤モデルを、5M・28M・123M・209Mの4サイズで公開。過去の観測値と既知の将来条件を取り込み、最大32,768時点の入力と CPU での推論に対応。モデル重みを Modified MIT License、推論コードを Apache 2.0 で提供。
10.15
総パラメータ816B・活性化42B、100万トークンのコンテキストを持つマルチモーダルモデルの重みを公開。テキスト・画像・動画・音声の入力に対応し、コーディングや長時間のエージェント作業向け。Muse Model License の商用利用条件が適用され、提携各社の API でも利用可能。
Muse Spark Open の公開 | Meta AI Research / Build with Muse Spark Open | Meta for Developers
10.15
画像や文書を理解する120Bパラメータのモデルを公開。OCR、表・グラフの読解、ツール利用、複数段階の業務処理など、継続稼働する専門エージェント向け。重み・データセット・学習レシピを公開し、Hugging Face や NVIDIA NIM などで提供。
10.15
10月13日に発表したローカルエージェント向けモデルの重みを公開。ネイティブ2ビット量子化により24GBのメモリに収まり、RTX / DGX Spark などで動作。llama.cpp、Ollama、LM Studio、vLLM などに対応。
10.15
4GBのメモリで動作する、物理・対話エージェント向けモデルを発表。GeForce RTX、Jetson、RTX / DGX Spark 上での音声アシスタントや対話型キャラクターを想定。発表時点では未公開で、10月23日に重みを公開。
Nemotron 3.5 Bolt E4B の発表 | NVIDIA Blog / 重みの公開 | NVIDIA Research
10.15
テキスト・画像から判断を返すマルチモーダル判断モデルを Liquid AI API で提供。文章を生成せず、真偽・選択肢・スコアの確率を返し、分類や検査、申請内容の確認などに対応。入力100万トークン当たり0.042ドルで、出力トークンの課金はなし。
10.15
テキスト・画像・画面から選択肢、真偽、スコア、数値を返す判断モデルを公開。推論に使う時間をミリ秒単位で指定でき、期限までに得られた判断と確信度を返す。Respan Gateway の API と、セルフホスト用の公開重みを提供。
Introducing Span-02: Anytime Reasoning for Decisions | Respan
10.14
inclusionAI が9月に発表したモデルの重みを公開。総パラメータ約560B・活性化約25Bの MoE で、コーディングやエージェント作業に対応。重みは MIT License で提供し、最大100万トークンのコンテキストに対応。
10.14
判断モデル Jev の新バージョンを jev-preview で提供し、全般的な性能と多言語対応を改善。画像入力、画像内の対象を囲む box 型の出力、長いコンテキストを実験機能として追加。実験機能は API ヘッダーで明示的に有効化する方式。
10.13
端末上のエージェント向けに、総パラメータ24B・活性化2Bの推論モデルを公開。コンテキストを131,072トークンに拡張し、ツール利用や複数ターンの作業を強化。ベースモデルと事後学習済みモデルの重みを Hugging Face で提供。
10.13
複雑なソフトウェア開発、数学・科学、複数段階のエージェント作業向けの推論モデルを一般提供。テキスト・画像・動画・音声・PDF の入力に対応し、約100万トークンのコンテキストと長文出力をサポート。
Gemini 4 Argon | Google AI for Developers / Gemini 4 Argon の一般提供開始 | Gemini API Release notes
10.13
GLM-5.3-Flash を基盤とする法律業務向けモデルを発表。契約レビュー、証拠分析、コンプライアンスなどの専門業務に対応。API のベータ利用申請を受け付け、AutoClaw でも試用可能。
10.13
RTX Spark 上のローカルエージェント向けに、総パラメータ74B・活性化9Bの MoE モデルを発表。2ビット量子化でモデルを24GBに圧縮。発表時点では10月15日の提供開始を予告し、同日に重みを公開。
Nemotron 3.5 Bolt 74B の発表 | NVIDIA Blog / 10月15日の重み公開 | NVIDIA Blog
10.12
個人・業務用エージェント向けの2モデルを公開。会話をまたいで必要な情報を取り出す Active Memory と、長時間の作業を継続する Active Focus を導入。Wonder は Meta Model API と Muse Code、Full は Muse Code の購読者向けに提供。
10.09
Qwen-Image-2.1 系列のコスト効率を重視した画像モデルを、Alibaba Cloud Model Studio の国際向け API で提供。画像生成と編集を統合し、透過画像や複数の参照画像を使った編集に対応。
Qwen-Image-2.1-Turbo の API 提供開始 | Alibaba Cloud Model Studio
10.07
大量・低コストの処理向けの小型モデルを公開。要約、コンテキスト圧縮、分類、データベース照会や、コーディング作業のサブエージェント用途を強化。Claude Platform、AWS、Google Cloud、Microsoft Azure で提供。
10.06
Gemini Nano Banana 2.1 を一般提供。Nano Banana 2 の速度・コスト効率を維持しながら、画質、指示への追従、複数ターンでのキャラクターの一貫性、文字描画を改善。最大14枚の参照画像と、1K・2K・4K の画像生成に対応。
Gemini Nano Banana 2.1 | Google AI for Developers / Nano Banana 2.1 の一般提供開始 | Gemini API Release notes
10.06
総パラメータ1兆のマルチモーダル MoE モデルを、Mistral Studio の API で公開プレビュー提供。コーディング、エージェント作業、視覚理解を強化。重みは発表時点では未公開で、10月27日時点の予定日は10月31日。
10.06
GPT-6 Luna を使う判断専用 API を公開ベータ提供。テキスト・画像から、条件が成立する確率、選択肢、評価スコアを返す。分類やリクエスト振り分け向けで、OpenAI は Responses API と比べ約10倍の速度を示している。
Decisions API | OpenAI / Decisions API の公開ベータ開始 | OpenAI API Changelog
10.05
リアルタイム音声エージェント向けの音声対話モデルを一般提供。推論、指示への追従、ツール呼び出しの精度と遅延を改善。7言語の音声、非同期ツール呼び出し、約26万トークンのコンテキストに対応し、東京を含む4リージョンの Amazon Bedrock で利用可能。
10.02
画質・推論効率・コストのバランスを重視する画像モデルを、Alibaba Cloud Model Studio の国際向け API で提供。画像生成部は7Bパラメータで、透過画像の生成・編集、最大10枚の参照画像、局所的な編集に対応。
09.29
複雑なコーディング、コンピューター操作、専門業務向けモデルを公開。GPT-6 Astra に近い性能を低コストで提供する位置付けで、Responses API と Chat Completions API に対応。ツール利用は Responses API を使い、サブエージェントへ作業を委任する Multi-agent もベータ対応。
GPT-6.1 Sol | OpenAI / GPT-6.1 Sol の公開 | OpenAI API Changelog
09.28
llm-jp-4.1-8b-thinking、32b-a3b-thinking、33b-thinking の3モデルを公開。STEM 分野の性能とツール呼び出し対応を強化し、回答が簡潔になるよう事後学習を改善。Apache 2.0 ライセンスで公開。
09.28
コーディングや知識業務向けに速度とコスト効率を改善したモデルを公開。
09.24
Alibaba Cloud Model Studio で構造化された判断を返すモデルをプレビュー提供。分類・二択の判断・スコアリングを行い、確率分布と信頼度を返す。
09.23
Muse Realtime Voice の音声に同期して、参照画像の表情や身体の動きをリアルタイムに生成する動画モデルを発表。公開デモには、Muse アプリで提供されていないアバターも含まれる。
09.22
GPT-6 Sol と GPT-6 Luna を公開。どちらもテキスト・画像入力からテキストを出力し、Responses API と Chat Completions API に対応。Sol はコーディングやエージェント作業向け、Luna は低コストで大量処理する用途向け。
GPT-6 Sol | OpenAI / GPT-6 Luna | OpenAI / GPT-6 Sol / GPT-6 Luna の公開 | OpenAI API Changelog
09.22
長時間の開発作業や知識業務を改善した Opus モデルを公開。Claude、Claude Code、Claude API と主要クラウドで提供し、Opus 5 からトークン単価とタスク当たりの使用量を削減。
09.22
表現力を重視した Flash TTS と、低遅延・低コストの Flash-Lite TTS を一般提供。長文の音声合成やカスタム音声に対応。API の一般提供日は9月22日、公式ブログの発表日は9月23日。
Gemini 3.8 TTS の一般提供開始 | Gemini API Release notes / Gemini 3.8 Flash TTS / Flash-Lite TTS の発表 | Google
09.21
より大きな基盤モデルと長時間タスクの学習により、開発・知識業務・結果の自己検証を強化。Grok Build、Cursor、Grok API などで提供開始。
09.21
音声・動画によるリアルタイム対話モデルを API で提供。テキスト・音声出力、複数チャンネルの音声入力、リモート MCP ツールに対応。
Qwen3.8-Omni-Flash-Realtime の提供開始 | Alibaba Cloud Model Studio
09.20
画像生成と編集を統合したモデルを重み公開。画像生成部は7Bパラメータで、透過画像の生成・編集と最大10枚の参照画像に対応。
Qwen-Image-2.1: Compact, Efficient, and Unified Image Creation | Qwen
09.20
全二重の音声対話モデルを API で提供。約26万トークンのコンテキスト、ツール呼び出し、Web検索、音声クローニングに対応。
Qwen-Audio 3.1 Realtime Plus の提供開始 | Alibaba Cloud Model Studio
09.18
多言語・雑音環境での認識を改善した音声文字起こしモデルを公開。バッチ・ストリーミング、話者分離、単語単位の時刻情報に対応。
09.17
テキスト・画像・音声・動画を入力し、テキストを出力するモデルを API で提供。推論モードとツール利用に対応。
09.17
対話型の世界モデル Adventure・Directing・Acting を Model Studio で提供。テキストや画像から、探索・演出・ロールプレイが可能な場面を生成する。
09.17
同時通訳モデルを9月17日に API で提供開始し、9月18日に公式ブログで発表。60言語の音声入力と29言語の音声出力に対応し、話者分離、原文と訳文の同期表示、過去の文脈を使った訳語の曖昧さの解消を強化。
Qwen3.8-LiveTranslate-Flash-Realtime の API 提供開始 | Qwen Cloud / Qwen3.8-LiveTranslate の発表 | Qwen
09.16
TypeSafe AI の Jev に着想を得た独立研究プロジェクト（旧称 OpenJev、TypeSafe とは無関係）。ブラウザ上でオープンモデルを動かし、選択肢の確率を logits から直接読み取る方式と、JSON をトークン生成させる方式を同一モデルで比較できるデモを公開。Qwen3 0.6B・MiniCPM5 2B・Qwen3.5 4B を選択可能。
SemIf - OpenJev in your browser / GitHub - TheoLeeCJ/openjev
09.15
音声対話向けライブモデル Gemini 3.8 Live と、高推論版の Extended Thinking を公開。
Gemini 3.8 Live / 3.8 Live Extended Thinking の公式発表・公開情報 | Google
09.15
TypeSafe AI が公開した新しいモデルクラス「System One Model」。テキスト生成を行わず、型付きの決定・確率・信頼度を返す。早期アクセスで提供開始。
09.11
Kimi Code 向けモデルを更新。開発・エージェント能力と推論効率を改善し、100万トークンのコンテキストと推論強度の調整に対応。モデル ID は kimi-for-coding を継続。
09.10
画像理解に対応した新アーキテクチャのモデルを API で提供開始。
09.10
音声対話モデルの API 一般提供を開始。
09.09
50超の言語間翻訳に対応する MoE モデルを Chat V2 API で提供。重みを非商用の CC BY-NC 4.0 ライセンスで公開。
09.08
画像生成・編集モデルの Sunburst と Flare を提供開始。
09.08
ライフサイエンス研究向けモデルを、承認された利用者向けに正式提供。
09.04
画像生成・編集モデル2種を Microsoft Foundry で公開プレビュー提供。複数画像を参照した編集、Web情報の参照、可変アスペクト比に対応。
Pushing the quality-cost frontier with MAI-Image-2.6 | Microsoft AI
09.03
テキストや画像から楽曲を生成する音楽モデルを API で一般提供。楽曲構成・長さの制御と、自然な歌声を改善。
09.03
60言語に対応する音声認識モデルを公開。話者分離、単語単位の時刻情報、専門用語の認識補助、逐語・整文の切り替えに対応。
09.03
推論、コーディング、コンピューター操作、調査、文書作成に対応するモデルを提供開始。
09.03
数学的推論と、数学の証明に含まれる誤りの検出に特化したモデルを公開。
09.02
長時間の開発作業、複数タスクの追跡、複雑な指示への追従を改善。Muse Code と Meta Model API で提供開始。
09.02
開発・ツール連携・視覚理解を改善した API スナップショットを提供。
09.02
3.8 Flash を提供開始。サイバーセキュリティ向けの 3.8 Flash Cyber は、Fairwind Program を通じた限定提供。
09.01
リアルタイム音声認識モデルを Meta Model API、Meta AI for Mac、Muse Code で提供。多言語の文字起こし、20人以上の話者分離、発話区間の検出に対応。
09.01
Fable 5.1 を一般提供。Mythos 5.1 は、サイバーセキュリティ・ライフサイエンス分野の審査済み組織向けに限定提供。
09.01
llm-jp-4-8b-thinking をマルチモーダル化した約91億パラメータの視覚言語モデル（正式版）を公開。
08.31
7月に公開した文書認識モデル OCR 4.1 の一般提供を開始。
08.27
動画生成・対話的編集モデルを一般提供。動画の延長、開始・終了画像の指定、出力解像度の選択に対応。
08.26
100万トークンのコンテキストと画像理解に対応する高速モデルを API で提供。開発支援やエージェント用途に対応。
08.26
音声認識モデルと、ストリーミング音声認識モデルの一般提供を開始。
08.25
IBM が Granite 4.2 の 3B・8B・30B モデルを公開。推論、ツール呼び出し、コードに対応し、Apache 2.0 ライセンスでダウンロード可能。
08.21
08.18
約332億パラメータの Dense 型モデル LLM-jp-4 33B（base / thinking）と DPO データセットを公開。
08.14
Qwen3.8 の Dense 27B モデルを公開。
08.13
アイデアや歌詞から、作曲・編曲・歌唱を含む楽曲を生成する音楽モデルを公開。最大5分の曲で、構成の一貫性と楽器・歌声の表現を改善。
08.12
Qwen3.8 の大規模 MoE モデルの重みを公開。
08.12
数学・コーディング・業務向けの推論モデルを Microsoft Foundry でパブリックプレビュー提供。
08.11
常時稼働するエージェントの特化タスク向けに、30B規模の MoE モデルを重み公開。低遅延と推論効率を重視。
08.11
軽量な開発向けモデルを GitHub Copilot で提供。CLI・.NET のタスクを改善し、前モデルからトークン効率と生成速度を向上。
08.10
ローカルのエージェント用途に最適化した30Bモデルを Apache 2.0 で重み公開。画像・テキスト入力とツール利用に対応し、単一GPUのPCやMacでの実行を想定。
Introducing Muse Glimmer: An Open Agentic Model That Runs on Your Device | Meta AI Research
08.07
画像生成・編集モデルを Grok の Quality Mode として一般提供。細かな指示への追従、文字・レイアウトの描画、編集時の一貫性を改善。
08.07
Daybreak Red を通じ、承認された利用者向けにサイバーセキュリティ専用モデルを提供。
08.05
開発向けモデルを、同時発表のターミナルエージェント Muse Code と Meta Model API で提供。大規模リポジトリでの計画・実装・検証を強化。
08.03
音声付き動画を生成する H3-Base の2種のチェックポイントを公開。前処理の H3-Context-IR と2K生成用の H3-Regenerate-2K は、この重み公開には含まれない。
Open General Intelligence: MiniMax H3 Is Now Open Source | MiniMax
08.03
視覚理解と長いコンテキストに対応する大規模モデルを API で提供。
07.31
テキスト・画像・動画・音声を参照する動画生成モデルを公開。ネイティブなステレオ音声付きで、最大2K・15秒の動画を生成。
MiniMax H3: An Open Model Breaking the Boundaries Between Tasks and Modalities | MiniMax
07.30
ロボット向けの空間推論・ツール操作モデルを公開プレビュー提供。通常版と、音声・動画を扱うリアルタイム版を用意。
07.29
発話と並行して推論する音声対話モデルを公開。会話能力・音声認識・ツール利用を改善。
07.21
3.6 Flash と 3.5 Flash-Lite を提供開始。3.5 Flash Cyber は CodeMender と組み合わせたサイバーセキュリティ向けモデルとして発表。
Gemini 3.6 Flash・3.5 Flash-Lite・3.5 Flash Cyber の発表 | Google
07.16
文書認識モデル OCR 4.1 を公開。OCR API にブロック単位の信頼度スコアを追加。
07.16
画像理解と100万トークンのコンテキストに対応する新世代モデルを発表し、Kimi と API で提供を開始。モデル重みの公開は後日の予定として案内。
07.09
ツール・コンピューター操作、開発、マルチモーダル理解を強化。Meta AI の Thinking モードと、公開プレビューの Meta Model API で提供開始。
07.07
Meta Superintelligence Labs の画像生成モデルを公開。複数の参照画像を使った生成・編集、指示追従、検索やコード実行を使う画像作成に対応。
06.30
Lean 4 の形式的証明向けモデルを更新。学習データの品質と長文脈での推論を改善。
06.30
動画生成と対話的な編集に対応するモデルを公開プレビュー提供。
06.30
06.30
フルスクラッチ開発の国産LLM Sarashina3 シリーズを、ソフトバンクの Cloud PF Type A で商用APIとして提供開始。
06.23
文書認識モデル OCR 4 を公開。段落単位の領域座標と、表・見出し・数式などの構造ラベルを出力。
06.09
エージェント型コーディング向けの30B・有効パラメータ数3Bの MoE モデルを API で提供し、重みを Apache 2.0 ライセンスで公開。
06.04
総550B・有効55Bパラメータの MoE モデルを公開。100万トークンのコンテキストと長時間のエージェント処理に対応し、事前学習・追加学習・量子化済みの重みを提供。
06.03
視覚・音声入力を統合した 12B モデルを追加。
05.28
画像生成・編集モデル Gemini 3.1 Flash Image と Gemini 3 Pro Image の一般提供を開始。
05.22
指示追従・推論・開発を統合した128Bモデルを、Vibe と Le Chat の公開プレビューに導入。ここでは製品への導入を伝える公式発表記事の日付を記録。API の変更履歴とモデルページでは、モデルの初回リリースを4月28日と記載。
Vibe / Le Chat への導入発表 | Mistral AI / モデルの公開情報 | Mistral Docs
05.20
MoE モデル Command A+ を API で提供。多言語対応を 48 言語に拡大。
05.07
3月にプレビュー公開した軽量・低遅延モデルの一般提供を開始。
04.28
画像・音声・動画を扱うマルチモーダルモデル Nemotron 3 Nano Omni を公開。
04.28
日本語音声合成モデル Sarashina2.2-TTS を公開（非商用ライセンス）。
04.24
100万トークンのコンテキストに対応するモデルをプレビュー提供し、重みを公開。
04.22
Qwen3.6 の Dense 27B モデルを公開。
04.20
長い開発作業と複数エージェントの協調能力を強化。
04.18
知識・指示追従・開発能力を強化したモデルをプレビュー提供。
04.16
開発作業と複数ターンの推論を改善した MoE モデルを公開。
04.14
LLM-jp-4 8B を画像入力対応に拡張した約91億パラメータの視覚言語モデル beta 版を公開。
04.08
Meta Superintelligence Labs 初の Muse 系列モデルを公開。マルチモーダル推論とツール利用に対応し、Meta AI で提供開始。API は一部利用者向けの限定プレビュー。
Introducing Muse Spark: Scaling Towards Personal Superintelligence | Meta
04.03
画像を扱う国産マルチモーダルモデル PLaMo 2.1 8B VLM と 2B VLM を公開。
04.03
約12兆トークンのコーパスで学習した国産LLM。Dense 型 8B と MoE 型 32B-A3B（総32B・活性約3.8B）をオープンソースライセンスで公開。
04.02
推論・エージェント用途向けの第4世代モデルを公開。
03.25
LLM-jp-3.1 のフラグシップ 8x13B の長文脈対応版を公開。最大文脈長を 4,096 から 32,768 トークンに拡張。
03.17
03.16
汎用・推論・開発能力を統合したモデルを公開。
03.16
形式証明と検証可能なコード生成向けのモデルを公開。
03.11
エージェント用途向けの Nemotron 3 Super を公開。
03.02
小型の視覚言語モデルを追加。
02.26
02.25
商用利用可能な同時双方向の日本語音声対話モデルを公開。
02.24
Dense・MoE の中型モデルを追加。
02.17
02.16
視覚言語処理を統合した第3.5世代の最初のモデルを公開。
02.12
コード・ツール利用・業務作業向けの性能を改善。
02.02
開発エージェントとローカル実行向けのハイブリッドモデルを公開。
01.27
視覚理解と開発・エージェント能力を統合したモデルを公開。
01.25
推論と検索・コード実行の連携を強化したモデルを発表。
01.16
Dream-v0-Instruct-7B をベースに日本語追加学習した拡散言語モデルの Base / Instruct を公開（Apache 2.0）。
12.23
多言語のプログラミングと実用的な開発作業を強化。
12.15
Nemotron 3 ファミリーを発表し、最初のモデル Nano を公開。Super と Ultra は後続の公開予定として紹介。
12.09
開発向けモデルの第2世代を公開。
12.02
大規模 MoE と小型の視覚言語モデル群を公開。
Mistral Large 3 / Ministral 3 (3B, 8B, 14B) の公式発表・公開情報 | Mistral AI
12.02
推論能力を強化した Nova 2 Lite と Nova 2 Pro のプレビューを Amazon Bedrock で提供。
12.01
推論とツール利用を強化したモデルと推論重視版を公開。
11.25
日本語の画像理解に対応する Sarashina2.2-Vision-3B を公開。
11.20
Olmo 3 の Base、Instruct、Think モデルを公開。学習過程を再現するためのデータとコードも提供。
11.19
11.06
推論中にツールを使い続ける能力を強化したモデルを公開。
10.27
10.23
31B モデルからの pruning と知識蒸留で構築した 8B モデルの重みを公開（PLaMo community license）。Hugging Face での公開日に基づく。
10.21
2B・32B の視覚言語モデルを公開。
10.15
4B・8B の視覚言語モデルを公開。
10.07
商用フラッグシップ PLaMo Prime を 2.1 に更新し、自動ツール連携などエージェント機能を強化。
10.04
視覚言語モデルに 30B MoE 版を追加。
10.02
Mamba-2 と Transformer を組み合わせたハイブリッドモデルを含む Granite 4.0 を公開。Micro、Tiny、Small を展開。
09.30
09.29
DeepSeek Sparse Attention を導入した実験版を公開。長文処理の効率を改善。
09.23
視覚言語モデルの指示追従版と推論版を公開。
Qwen3-VL-235B-A22B (Instruct, Thinking) の公式発表・公開情報 | Alibaba
09.22
V3.1 の応答品質とツール利用を改善。
09.22
画像・音声・動画を理解し、テキストと音声を生成するモデルを公開。
09.11
ハイブリッド注意機構を用いた効率重視の MoE モデルを公開。
09.05
開発能力と長文理解を強化した K2 の更新版を公開。
09.05
08.26
08.21
推論モードと非推論モードを統合したモデルを提供。
08.20
テキスト埋め込みモデル Sarashina-Embedding-v2-1B を公開（非商用ライセンス）。
08.14
特定用途への調整に適した軽量なテキストモデルを追加。
08.06
4B の指示追従版と推論版を公開。
08.01
Kimi K2 の高速な API 提供版を公開。
07.31
30B MoE の推論モデルを更新。
07.30
30B MoE の非推論モデルを更新。
07.28
推論・コード・エージェント用途のモデルを公開。
07.25
Qwen3 の推論専用モデルを更新。
07.22
コード生成とツールを使う開発作業向けの MoE モデルを公開。
07.21
非推論モードの指示追従モデルを更新。
07.11
コード生成とツール利用を重視した MoE モデルを公開。
07.10
開発向けモデルを更新し、Medium 版を追加。
Devstral Small 1.1 / Devstral Medium の公式発表・公開情報 | Mistral AI
07.09
07.08
多言語・長文コンテキスト・推論に対応した 3B パラメータの SmolLM3 を公開。
07.02
画像を使った推論向けの 9B モデルを公開。
06.30
Baidu が ERNIE 4.5 ファミリーのモデル重みを公開。
06.27
総パラメータ 80B・アクティブ 13B の MoE モデルを公開。推論モードの切り替えと 256K コンテキストに対応。
06.26
端末上で画像・音声・動画を扱うモデルの重みを公開。
06.21
視覚推論モデルを更新し、画像認識・動画理解・高解像度入力への対応を強化。
06.17
ソフトウェア開発向けモデルを発表。
06.16
ハイブリッド注意機構を用いた長文推論モデルを発表。
06.10
推論モデルを発表。Small の重みを公開し、Medium を提供。
05.30
継続事前学習と事後学習の改善で指示追従性を向上させた LLM-jp-3.1 シリーズを公開。
05.28
R1 の推論・コード・指示追従能力を改善。
05.23
05.22
日本語での実務利用に向けた PLaMo 2.0 Prime を公開し、API で提供を開始。
05.21
リポジトリを操作するソフトウェア開発向けモデルを公開。
05.20
モバイル端末を重視したマルチモーダルモデルをプレビュー公開。
05.01
日本語の論理的思考能力を強化した Reasoning Model と、派生の Shortcut モデル（32B / 7B）を公開（Apache 2.0）。
04.30
Phi-4 Reasoning、Reasoning Plus、Mini Reasoning を公開。小型モデルの推論能力を強化。
Phi-4 Reasoning / Reasoning Plus / Mini Reasoning の公式発表・公開情報 | Microsoft
04.30
複雑なマルチモーダル処理やカスタムモデルの蒸留に向けた Nova Premier を提供開始。
04.29
推論モードを切り替えられる第3世代の Dense・MoE モデルを公開。
04.14
対話・推論・調査向けのモデル群を公開。
04.14
コード生成・指示追従・長文理解を強化した GPT-4.1、mini、nano を API で提供。
04.10
MoE 構造の視覚言語モデルを発表。
04.05
画像・テキストを扱う第4世代の MoE モデルを公開。
03.27
テキスト・画像・音声・動画を入力し、テキストと音声を生成。
03.26
LLM-jp 初の MoE モデルシリーズ。8x1.8B（総9.2B・活性2.9B）と 8x13B（総73B・活性22B）を Apache 2.0 で公開。
03.25
視覚言語モデルに 32B 版を追加。
03.25
DeepSeek-V3 の更新版を API で提供。推論、フロントエンド開発、ツール利用を改善。
03.17
画像理解と長文対応を加えた小型モデルを公開。
03.13
企業での運用効率を重視した Command A を公開。多言語処理や RAG、ツール利用に対応。
03.12
多言語・長文対応を強化し、4B 以上で画像理解に対応。
03.07
Sarashina2.2 ベースの Instruct モデル 3 サイズを MIT ライセンスで公開。
03.06
03.06
Jamba Large と Mini の新世代を公開。長文処理と指示追従を改善。
03.06
数学・コーディング性能を向上させた小規模事前学習モデル 3 サイズを MIT ライセンスで公開。
02.26
Phi-4 Mini と、テキスト・画像・音声を扱う Phi-4 Multimodal を公開。
02.25
02.25
02.19
推論を強化した第3世代を発表。
02.17
Kimi の最新の対話・画像理解能力を利用できる API モデルを発表。
02.05
02.05
LLM-jp-3 全サイズの instruct2 / instruct3 を公開し、150M / 440M / 980M / 7.2B のベースモデルも追加。
01.30
効率を重視した小型の汎用モデルを公開。
01.28
文書・画像・動画理解を強化した視覚言語モデルを公開。
01.15
長文対応の言語モデルと視覚言語モデルを公開。
12.26
大規模 MoE の基盤モデルと対話モデルを公開。
12.25
画像を使った推論向けの実験モデルを公開。
12.24
約1720億パラメータ（GPT-3級）の LLM-jp-3 172B を公開。instruct3 は GPT-3.5 を上回る性能。ベースモデルは申請・承認制で再配布制限あり。
12.18
Granite の言語モデルを更新し、長文コンテキストへの対応を強化。
12.17
小型モデル群 Falcon 3 を公開。1B / 3B / 7B / 10B を展開。
12.12
数学などの推論能力を強化した 14B パラメータの Phi-4 を発表。Azure AI Foundry で提供。
12.10
小型の日本語モデル Sarashina2.1-1B を公開。
12.10
V2.5 系列の最終更新版を公開。数学、コード生成、文章作成を改善。
12.06
多言語の指示追従能力を改善した 70B モデルを公開。
12.03
Amazon Bedrock で Nova Micro、Lite、Pro を提供開始。Micro はテキスト、Lite と Pro は画像や動画の理解にも対応。
11.28
数学・コードなどの推論に取り組む実験モデルを公開。
11.26
OLMo 2 の 7B / 13B モデルを公開。学習データ・コード・評価手順を含む公開を継続。
11.20
R1 系列の推論モデルをプレビュー提供。
11.20
LLM-jp-3 13B をベースに画像入力へ拡張したマルチモーダルモデルを公開。
11.18
大規模な視覚言語モデルを公開。
11.15
目標学習量の約3分の2にあたる 1.4兆トークンを学習した 172B の beta2 を公開。
11.12
32B を含むコード生成モデルの全サイズを発表。
Qwen2.5-Coder (0.5B, 1.5B, 3B, 7B, 14B, 32B) の公式発表・公開情報 | Alibaba
11.08
Sarashina2-70B を基に MoE で大規模化した日本語モデルを公開。
10.31
SmolLM2 の小型言語モデルを公開。公式モデルリポジトリの公開履歴に基づく日付。
10.22
Claude 3.5 Sonnet を更新。コード生成能力を改善し、computer use を公開ベータで導入。
10.21
企業向けの Granite 3.0 を公開。2B / 8B の言語モデルなどを展開。
10.04
172B の学習初期段階で得られたチェックポイント alpha1 / alpha2 を公開。
09.25
端末向けの小型モデルと画像理解モデルを公開。
Llama 3.2 (1B, 3B, 11B Vision, 90B Vision) の公式発表・公開情報 | Meta
09.25
llm-jp-corpus v3 で学習した 1.8B / 3.7B / 13B と instruct モデルを Apache 2.0 で公開。13B は llm-jp-13b v2.0 から大幅に性能向上。
09.19
汎用・コード・数学向けのモデル群を同時発表。
09.19
Qwen2-VL の 72B 指示追従モデルを公開。
09.17
画像とテキストを扱うモデルを発表。
09.12
172B のプレビュー版 beta1 と事前学習コーパス v3 を公開（モデル利用は申請・承認制）。
09.05
汎用対話とコード生成の能力を統合したモデルを公開。
08.30
画像・動画を理解する視覚言語モデルを公開。
08.30
Command R と R+ を更新。多言語対応、ツール利用、応答品質を改善。
08.22
多言語対応を強化した Phi-3.5 Mini、MoE、Vision を発表。テキストと画像を扱う小型モデルの選択肢を拡充。
08.22
長いコンテキストを扱う Jamba 1.5 Large と Mini を公開。
08.13
第2世代の汎用モデルと軽量版をベータ提供。
08.07
Sarashina2 シリーズに 70B パラメータの日本語モデルを追加公開。
07.24
コード・数学・多言語処理を強化したモデルを公開。
07.23
405B モデルを追加し、多言語・長文対応を強化。
07.18
NVIDIA と共同開発した多言語モデルを公開。
07.16
135M / 360M / 1.7B の小型言語モデル SmolLM を公開。
06.27
性能と推論効率を高めた第2世代を公開。
06.26
Llama 3 ベースの日本語モデルを発表。8B のモデル重みと、70B のデモを公開。
06.21
06.14
日本語 LLM の Sarashina1（7B / 13B / 65B）と Sarashina2（7B / 13B）を公開。
06.14
合成データ生成にも利用できる Nemotron-4 340B の Base / Instruct / Reward モデルを公開。
06.06
05.29
コード生成・補完に特化したモデルを公開。
05.13
Yi-1.5 の 6B / 9B / 34B ベースモデルと Chat モデルを公開。
05.13
05.13
05.08
05.02
Jamba の指示応答向けモデルを発表。企業向けの長文処理に対応。
04.30
日本語大規模言語モデル llm-jp-13b v2.0 を公開。
04.25
Qwen1.5 系列に 110B モデルを追加。
04.23
Phi-3 ファミリーの最初のモデルとして、3.8B パラメータの Phi-3 Mini を公開。
04.18
第3世代の基盤・指示追従モデルを公開。
04.17
Mixtral の大規模版を発表。
04.16
コード生成向けの基盤・対話モデルを発表。
04.12
04.04
企業向けの RAG と複数段階のツール利用を強化した Command R+ を公開。
03.28
Qwen 初の Mixture-of-Experts モデルを公開。
03.28
Mamba と Transformer を組み合わせたハイブリッド言語モデル Jamba を公開。
03.27
MoE を採用した汎用言語モデル DBRX の Base / Instruct を公開。
03.17
Grok-1 の基盤モデルの重みと構造を公開。
03.16
Yi-9B の 200K コンテキスト対応モデルを公開。
03.14
03.11
検索拡張生成（RAG）とツール利用に対応する Command R を公開。
03.04
Claude 3 ファミリーを発表し、Opus と Sonnet の提供を開始。画像入力に対応。
02.21
小型の基盤・指示追従モデルを公開。
02.09
llm-jp-13b の v1.1 を公開。v1.0 に続く日本語モデルの更新。
02.05
多言語対応の基盤モデルと対話モデルを複数サイズで公開。
02.01
01.31
Kimi の基盤となる長文対応モデルを API の公開ベータで提供。
01.29
Code Llama に 70B の基盤・Python・指示追従版を追加。
01.23
画像と言語を扱う Yi-VL-6B / 34B を公開。
12.27
日本語の追加学習を行った 13B パラメータの Llama 2 派生モデルを公開。
12.12
Microsoft が 2.7B パラメータの小型言語モデル Phi-2 を公開。
12.11
疎な Mixture-of-Experts モデルを発表。
11.30
大規模版と小型版の基盤・対話モデルを公開。
11.23
Yi-6B / 34B の対話向け Chat モデルを公開。
11.06
128K コンテキストに対応する GPT-4 Turbo をプレビュー公開。
11.05
Yi-6B / 34B に 200K コンテキスト長のモデルを追加。
11.02
01.AI が英語・中国語に対応する Yi-6B / 34B のベースモデルを公開。
10.20
LLM-jp が日本語大規模言語モデル llm-jp-13b v1.0 を公開。
09.27
09.25
14B モデルを追加し、7B モデルも更新。
09.06
Falcon シリーズを 180B パラメータへ拡大したモデルを公開。
08.29
Llama 2 をベースに日本語の追加学習を行った 7B モデルを公開。
08.24
Llama 2 を基にしたコード生成・補完向けモデルを公開。
08.03
初代 Qwen の基盤モデルと対話モデルを公開。
07.18
商用利用にも対応する基盤モデルと対話モデルを公開。
05.25
TII が Falcon 40B のモデル重みを研究・商用利用向けに公開。
04.12
商用利用可能な指示応答モデル Dolly 2.0 と、人手で作成した学習データを公開。
03.14
推論能力を向上した GPT-4 を発表。ChatGPT Plus と待機リスト制の API で提供を開始。
02.24
研究者向けに初代 LLaMA のモデルを公開。