GLM-4.5V：画像や動画を理解しコードを生成できるマルチモーダル対話モデル
GLM-4.5VはZhipu AI (Z.AI)によって開発された新世代の視覚言語メガモデル(VLM)です。このモデルは、MOEアーキテクチャを使用したフラッグシップ・テキストモデルGLM-4.5-Airをベースに構築されており、120億の活性化パラメータを含む1060億の総パラメータを備えています。GLM-4.5Vは、画像やテキストを処理するだけでなく、視覚的...
ARC-Hunyuan-Video-7B：短いビデオコンテンツを理解するためのインテリジェントモデル
ARC-Hunyuan-Video-7B 是一个由腾讯 ARC 实验室开发的开源多模态模型，专注于理解用户生成的短视频内容。它通过整合视频的视觉、音频和文本信息，提供深度的结构化分析。该模型能处理复杂视觉元素、高密度音频信息和快速节奏的短视...
GLM-4.1V-Thinking：マルチモーダルな複雑作業を支援するオープンソースの視覚推論モデル
GLM-4.1V-Thinkingは、清華大学（THUDM）のKEG研究室によって開発されたオープンソースの視覚言語モデルで、マルチモーダル推論機能に焦点を当てています。GLM-4-9B-0414の基本モデルをベースに、GLM-4.1V-Thinkingは強化学習と「心の連鎖」推論メカニズムを使って...
ビデオマインド
VideoMind 是一个开源的多模态AI工具，专注于长视频的推理、问答和摘要生成。它由香港理工大学的刘晔（Ye Liu）和新加坡国立大学Show Lab的团队共同开发。工具模仿人类理解视频的方式，把任务拆成规划、定位、验证和回答等步骤，逐...
ディープシーク-VL2
DeepSeek-VL2は、高度なMoE（Mixture-of-Experts）視覚言語モデルのシリーズで、前身であるDeepSeek-VLの性能を大幅に向上させています。このモデルは、視覚的な質問と回答、光学式文字認識、文書/表/図の理解、視覚的なローカリゼーションなどのタスクに優れています。
レカ：マルチモーダルAIモデルの提供、多言語処理のサポート、データ分析の最適化、視覚的理解の強化
Reka 是一家致力于提供新一代多模态AI解决方案的公司。其产品包括Reka Core、Flash、Edge和Spark等多种型号，支持文本、代码、图像、视频和音频数据的处理。Reka 的模型具有强大的推理能力和多语言支持，适用于各种部署环...
トップに戻る
