AIモデル

Anthropicの中位モデルです。多くのベンチマークでOpus 5.5に迫り、価格は半分の100万トークンあたり$2/$10です。

GPT-6.1 Sol

OpenAI汎用

OpenAIの中価格帯の主力モデルです。コーディングとcomputer useでAstraに近い結果を、100万トークンあたり$2/$10で出します。

Nano Banana 2.1

Google画像生成

GoogleのFlash級の画像モデルです。ブラインド投票で4位、1K画像1枚あたり約3.4セントからで、最大14枚の参照画像に対応します。

Voyage rerank-3

Voyage AI (MongoDB)埋め込み・リランキング

Voyage AIの最新のリランカーです。32Kトークンのウィンドウ、指示への追従に対応し、価格は100万トークンあたり$0.02からです。

Claude Haiku 5.5

Anthropic汎用

Anthropicの小型で高速なモデルです。価格は100万トークンあたり$0.10/$0.50から、1Mトークンのコンテキストとeffortの調整に対応しています。

Gemini 3.8 Flash TTS

Google音声合成

Googleの表現力のある音声合成です。ブラインド投票で5位、100万文字あたり約$16.50で、ボイスデザインとクローンに対応します。

Gemini 4 Argon

Google推論

Googleの新しいフラッグシップ推論モデルです。テキスト、画像、音声、動画、PDFを読み、コンテキストは1Mトークンです。

MiMo-V2.6-Pro

Xiaomi推論オープンウェイト

Xiaomiの1兆パラメータのオープンウェイトモデルで、Artificial Analysisのオープンモデルで首位です。出力は100万トークンあたり$0.87です。

NVIDIA Nemotron 3.5 Transcribe

NVIDIA音声認識オープンウェイト

プロンプトで指示できるNVIDIAのオープンな音声モデルです。40言語の文字起こし、話者ラベル、翻訳を1つのチェックポイントでこなします。

Perplexity Decider (pplx-decider)

Perplexity判定モデルオープンウェイト

Perplexityのオープンな27Bと4Bの判定モデルで、100万トークンあたり$0.02のAPIとしても販売されています。テキストと画像を受け取り、確率を返します。

Qwen3.8-27B

Alibaba (Qwen)汎用オープンウェイト

AlibabaのApache 2.0の密なモデルです。270億パラメータで、画像と動画を入力でき、何倍も大きなモデルに匹敵するコーディングのスコアを示します。

voyage-4-large

Voyage AI (MongoDB)埋め込み・リランキング

mixture-of-expertsで作られたVoyage AIの最上位のテキスト埋め込みモデルです。より安価なVoyage 4のモデルと1つのベクトル空間を共有します。

Wan 3.0

Alibaba動画

Alibabaの最新の動画モデルです。現在のArtificial Analysisの動画ボードで首位に立ち、最長30秒のクリップに対応します。

Cartesia Sonic 3.6

Cartesia音声合成

Cartesiaによる音声エージェント向けの低レイテンシなテキスト読み上げモデルで、44言語に対応しています。

Cohere Rerank 5

Cohere埋め込み・リランキング

2026年10月に公開されたCohereのリランカーで、ProとFastの2サイズがあります。スコアは較正されており、関連箇所だけを返すオプションもあります。

ElevenLabs Scribe v2

ElevenLabs音声認識

ElevenLabsのバッチ文字起こしモデルです。独立したテストで単語誤り率2.2%、1時間あたり$0.22で、話者分離とエンティティ検出に対応しています。

Gemma 4

Google小型・オンデバイスオープンウェイト

GoogleのApache 2.0のオープンモデルファミリーです。スマートフォン向けのE2Bから、GPU 1基で動く31Bまであり、画像、動画、音声を入力できます。

GLM-5.3

Z.ai (Zhipu AI)コーディングオープンウェイト

Z.aiのオープンウェイトのコーディング・エージェント向けモデルです。ほぼMITのライセンスで、APIでは100万トークンあたり$1.40/$4.40です。

PaddleOCR-VL-1.6

Baidu (PaddlePaddle)OCR・文書オープンウェイト

少なくとも開発元の集計では、主要なOCRベンチマークで首位に立つ9億（0.9 billion）パラメータの文書解析モデルです。

SAM 3 (Segment Anything Model 3)

Meta画像認識・マルチモーダルオープンウェイト

Metaによる848Mパラメータのモデルです。短いテキストの語句に当てはまるすべての対象を、画像と動画の中で見つけ、輪郭を取り、追跡します。

Seedance 2.5

ByteDance動画

ByteDanceの音声と映像を同時に生成するモデルで、30秒のテイク、豊富なマルチモーダルの参照、タイムスタンプ指定の編集に対応します。

Voxtral 3 (Transcribe and TTS)

Mistral AI音声認識

Mistralの2026年10月の音声ファミリーです。1分$0.0035からの50言語の文字起こし、500 ms未満のリアルタイム処理、音声クローンに対応します。

Claude Fable 5.1

Anthropic推論

難しい推論と長時間のエージェント作業向けのAnthropicの最上位モデルで、価格は100万トークンあたり$10/$50です。

DeepSeek-V4-Pro

DeepSeek推論オープンウェイト

DeepSeek最大のオープンウェイトモデルです。パラメータ1.6兆、MITライセンス、100万トークンのコンテキストで、APIの価格は非常に安価です。

EmbeddingGemma 2

Google DeepMind埋め込み・リランキングオープンウェイト

Googleによるオープンなオンデバイスの埋め込みモデルです。テキスト、コード、画像、音声、動画を1つの空間にまとめます。

Gemini 4 Carbon

Google推論

Artificial Analysisの指標で首位に立つGoogle最強の推論モデルです。ただし現時点で使えるのは審査を通ったサイバー防御担当者だけです。

Gemini Embedding 2

Google埋め込み・リランキング

Google初の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、PDFを1つの共有ベクトル空間に置きます。

Gemini Omni Flash 1.1

Google動画

Geminiを基盤にしたGoogleの標準の動画モデルです。短いクリップを会話で仕上げていけます。

GLM-5.3-Flash

Z.ai (Zhipu AI)汎用オープンウェイト

Z.aiのMITライセンスの320B mixture-of-expertsモデルです。画像と動画を入力でき、コンテキストは1Mトークン、APIの価格は$0.15/$0.50です。

GLM-OCR

Z.ai (Zhipu AI)OCR・文書オープンウェイト

Zhipuによる小型のOCRモデルです。独立した評価を受けており、月174万回ダウンロードされ、APIは100万トークンあたり$0.03です。

GPT-6 Luna

OpenAI汎用

大量処理向けのOpenAIの小型で安価なモデルです。100万トークンあたり$0.10/$0.50で、コンテキストは1.05Mトークンです。

GPT-Live-1 (and GPT-Realtime-2.1)

OpenAI音楽・オーディオ

OpenAIの全二重音声モデルです。話しながら聞き取り、思考は選んだテキストモデルに任せます。料金は1分あたり$0.05です。

Jina Embeddings v5

Jina AI (Elastic)埋め込み・リランキングオープンウェイト

Jina AIの小型の多言語テキスト埋め込みモデルと、画像、動画、音声に対応するomni版です。すべてが1つのベクトル空間を共有します。

Jina Reranker v3.5

Jina AI (Elastic)埋め込み・リランキングオープンウェイト

Jina AI（現Elastic）の小型0.6Bの多言語リランカーです。候補リスト全体を1回で採点し、コンテキストは131Kトークンです。

Kimi K3

Moonshot AI推論オープンウェイト

Moonshot AIの2.8兆パラメータのオープンウェイトモデルです。エージェントとブラウジングのタスクに強く、コンテキストは1Mトークンです。

MAI-Image-2.6

Microsoft AI画像生成

Microsoftの自社開発の画像モデルで、Artificial Analysisのアリーナで5位です。Foundryでプレビュー提供中で、1,000枚あたり約$39です。

Midjourney V8

Midjourney画像生成

Midjourneyの第8世代の画像モデルです。現在は指示で編集できるエディター付きのV8.2で、月額サブスクリプションでのみ販売されています。

MiniCPM-OCR 1.0

OpenBMBOCR・文書オープンウェイト

OpenBMBによる1.3BのOCRモデルで、Apache 2.0です。開発元の15モデルのテストで最速、6つのOCRのベンチマークのうち4つで首位です。

MiniMax H3 (Hailuo 3.0)

MiniMax動画オープンウェイト

ステレオ音声付きのMiniMaxの33B動画モデルです。オープンウェイトでは首位ですが、米国、EU、英国、韓国はライセンスの対象外です。

Qwen3-VL-Embedding

Alibaba (Qwen)埋め込み・リランキングオープンウェイト

テキスト、画像、スクリーンショット、動画を1つのベクトル空間に置く、Alibabaのオープンなマルチモーダル埋め込みモデルです。2Bと8Bのサイズがあります。

Chandra OCR 2

DatalabOCR・文書オープンウェイト

DatalabによるQwen 3.5ベースの文書解析モデルです。olmOCR-Benchと、歴史的な印刷物を扱う独立したランキングで首位に立っていますが、重みが無料なのは$2M未満の企業だけです。

Cohere Embed 5

Cohere埋め込み・リランキング

テキスト、画像、PDFに対応するCohereのマルチモーダル埋め込みモデルです。入力は128Kトークンまでで、ProとFastの2つの階層が同じベクトル空間を共有します。

DeepSeek-V4.1-Flash

DeepSeek汎用オープンウェイト

DeepSeekのMITライセンスのオープンなmixture-of-expertsモデルで、画像入力と100万トークンのコンテキストに対応します。オフピークなら100万入力トークンあたり$0.15からです。

Fish Audio Drama 3

Fish Audio (39 AI, Inc.)音声合成オープンウェイト

演出付きの複数キャラクターの場面向けの、Fish Audioによる35Bのオープンウェイト音声モデルです。Artificial AnalysisのTTS順位表でオープンモデルの首位に立っています。

FLUX 3

Black Forest Labs動画

Black Forest Labsによる、音声付き動画と画像のためのマルチモーダルモデルで、1つの共通アーキテクチャで作られています。

Gemini 3.5 Transcribe

Google音声認識

Googleの音声認識専用モデルです。ストリーミング用のLive版もあり、1分あたり約0.5セントです。

GPT-6 Astra

OpenAI推論

最も難しい仕事のためのOpenAIのフラッグシップ推論モデルです。100万トークンあたり$10/$50で、コンテキストは1.05Mトークンです。

Hy4 preview

Tencent (Hy, formerly Hunyuan)コーディングオープンウェイト

Tencent（旧Hunyuan）の770Bのオープンウェイトのフラッグシップで、素のApache 2.0です。コーディングに強く、コンテキストは1Mトークンです。

Kimi K3.1 Pro

Moonshot AI推論

Moonshot AIが追加学習したKimi K3です。Artificial AnalysisのTerminal-Benchでは首位ですが、より難しいv5.0指数では22位で、速度も遅いです。

LightOnOCR-3-4B

LightOnOCR・文書オープンウェイト

LightOnによる、レイアウトのボックスとグラフのデータを出す4Bのエンドツーエンドのモデルです。開発元のテストでは、ParseBenchで首位、フランス語の文書で最高の成績です。

Mistral OCR 4.1

Mistral AIOCR・文書

段落のバウンディングボックス、ブロックのラベル、信頼度スコアを170言語で返すMistralの文書OCRです。料金は1,000ページあたり$4です。

Nano Banana Pro (Gemini 3 Pro Image)

Google画像生成

Googleのプレミアムな画像モデルです。価格はNano Banana 2.1の4倍ですが、写実性ではレビュアーが今も信頼するモデルです。

OvisOCR3

Alibaba (ATH-MaaS)OCR・文書オープンウェイト

OvisOCR2の後継で、同じ0.8Bの大きさに項目の抽出とページをまたぐ表が加わりました。スコアを確かめたのは、いまのところAlibabaだけです。

Qwen3-Embedding and Qwen3-Reranker

Alibaba (Qwen)埋め込み・リランキングオープンウェイト

AlibabaのApache 2.0の埋め込み・リランキングモデル群です。0.6Bから、2025年6月にMTEBの多言語部門で首位に立った8Bまでそろいます。

Qwen3.8-Flash-Next

Alibaba (Qwen)汎用オープンウェイト

Qwen4のアーキテクチャのQwenによるプレビューです。アクティブパラメータは60億、ベンダー報告のコーディングのスコアは高く、ライセンスは制約が多めです。

Qwen3.8-Max

Alibaba (Qwen)推論オープンウェイト

Alibabaの2.4兆パラメータのフラッグシップです。重みは公開され、$2/$6のAPIでは画像、動画、1Mのコンテキストが加わります。

Shieldstral 1.0 3B

Mistral AI判定モデルオープンウェイト

平易な言葉で書いたモデレーションのポリシーに照らしてテキストと画像を確認する、Mistralのオープンな3Bの安全性分類モデルです。

Step 5 Preview

StepFun推論オープンウェイト

StepFunの600Bのオープンウェイトモデルです。コンテキストは100万トークンで、Artificial AnalysisではKimi K3と同等の賢さを半分のコストで示します。

Unlimited-OCR 2

BaiduOCR・文書オープンウェイト

300ページの文書を1回のリクエストで解析するBaiduのオープンなOCRモデルです。文書が長くなってもメモリ使用量はほぼ一定です。

d3-turbo (vLLM Semantic Router)

vLLM Semantic Router判定モデルオープンウェイト

vLLM Semantic Routerの27Bの判定モデルの改良版です。入力を一度読むだけで最大255の質問に答え、動画内の物体の位置も特定します。

Doubao Seed 2.1 Pro

ByteDance汎用

Doubaoアプリを支えるByteDanceのクローズドなフラッグシップモデルです。動画と視覚の理解で首位に立ち、主に中国のVolcano Engineで販売されています。

Gemini 3.5 Flash-Lite

Google汎用

Googleの現行Geminiで最も安いテキストモデルです。出力が始まれば非常に速く、100万トークンあたり$0.30/$2.50で、無料枠もあります。

Gemini 3.8 Flash

Google汎用

エージェントと文書向けのGoogleの中位モデルです。テキスト、画像、音声、動画、PDFを読み、入力は1Mトークンです。

HunyuanOCR 1.5

Tencent (Hy, formerly Hunyuan)OCR・文書オープンウェイト

Tencentによる1.12Bのエンドツーエンドのモデルで、解析、文字検出、抽出、翻訳をこなします。EU、英国、韓国では利用が許諾されていません。

Kling 4.0

Kuaishou (Kling AI)動画

Kuaishouの新しい動画モデルです。30秒のテイク、10個のキーフレーム、15個の参照、ステレオ音声に対応し、APIは今のところfalだけです。

Ministral 3 (3B, 8B and 14B)

Mistral AI小型・オンデバイスオープンウェイト

Apache 2.0で公開されたMistralの小型オープンモデルです。3つのサイズそれぞれにbase、instruct、reasoning版があり、画像入力に対応します。

Moondream Parakeet Redux

Moondream (M87 Labs)音声認識オープンウェイト

Moondreamによる1.58ビット版Parakeetです。NVIDIAの25言語対応の文字起こしモデルを1.2 GBから178 MBに縮め、8つのCPUコアで実時間の113倍の速さで動かします。

Muse Glimmer

Meta汎用オープンウェイト

Muse Sparkから蒸留されたMetaの30BのApache 2.0エージェントモデルです。コンシューマー向けGPU 1枚で動く検証済みの4ビット版が付属します。

Muse Wonder

Meta汎用

Metaとして初めて最先端モデル並みの価格を付けたモデルです。長いコーディングと法務のエージェント作業に強いものの、Meta自身の表の大半でClaude Opus 5.5に及びません。

Nemotron 3.5 Super VL

NVIDIA画像認識・マルチモーダルオープンウェイト

画像、文書、動画を読み取るNVIDIAのオープンな120BのハイブリッドMamba MoEです。1Mトークンのコンテキストを持ち、学習レシピも公開されています。

OvisOCR2

Alibaba (ATH-MaaS)OCR・文書オープンウェイト

Alibabaによる0.8Bのページ解析モデルです。独立したOmniDocBenchの表で上位に入っていますが、すでにOvisOCR3に置き換えられています。

Parakeet TDT 0.6B v3

NVIDIA音声認識オープンウェイト

NVIDIAの6億（600M）パラメータの文字起こしモデルで、25のヨーロッパ言語に対応します。Artificial Analysisのランキングで最速です。

Phonon-2

Fermion Research音声認識オープンウェイト

NVIDIAの音声モデルParakeetを、英語の精度をほぼ保ったまま164MBのダウンロードに収めた、ノートPCとスマートフォン向けのモデルです。

PP-OCRv6

Baidu (PaddlePaddle)OCR・文書オープンウェイト

Baiduによる、検出してから読む従来型のOCRのパイプラインです。1.5Mから34.5Mパラメータまでの3つの大きさがあり、Apache 2.0です。

pyannote speaker-diarization-community-1

pyannoteAI音声認識オープンウェイト

ほとんどの文字起こしの構成が「誰がいつ話したか」を割り出すのに使うオープンな話者分離のパイプラインです。話者の取り違えが減りました。

Seedream 5.0 Pro

ByteDance画像生成

編集可能なデザイン作業向けに作られたByteDanceのフラッグシップの画像モデルです。最大20のレイヤー、座標指定の編集、14言語のテキストに対応します。

Xiaomi-OCR-0

XiaomiOCR・文書オープンウェイト

Xiaomiによる0.8BのオープンなOCRモデルです。ページを解析し、それについての質問に答え、JSONの項目を埋めます。Apache 2.0です。

d3 (vLLM Semantic Router)

vLLM Semantic Router判定モデルオープンウェイト

動画入力と標準のvLLMでの提供に対応した、vLLM Semantic Routerのオープンな27Bの判定モデルです。すでに自らのd3-turboに追い越されています。

Deepgram Nova-3

Deepgram音声認識

Deepgramの音声認識モデルです。Artificial Analysisのテストで2番目に速く、分単価も安いですが、精度では上位から大きく離されています。

Falcon OCR

Technology Innovation Institute (TII)OCR・文書オープンウェイト

TIIによる270MパラメータのOCRモデルです。1つの小さなTransformerでページを読み、3倍から10倍の大きさのモデルに驚くほど迫ります。

FLUX 3 Image Klein

Black Forest Labs画像生成オープンウェイト

Black Forest Labsによる5.6Bのオープンな画像モデルです。FLUX 3の4K出力、編集、バウンディングボックスを備え、売上$5M未満なら商用でも無料で使えます。

GPT-5.6-Cyber

OpenAI推論

審査を通った研究者向けのOpenAIの制限付きサイバーセキュリティモデルです。標準モデルが拒否するエクスプロイトの作成や防御のテストを行います。

gpt-oss-120b

OpenAI推論オープンウェイト

OpenAIの大きい方のオープンウェイト推論モデルです。Apache 2.0、動作パラメータ5.1B、80GBのGPU 1枚に収まります。

GPT-Rosalind

OpenAI推論

承認された研究機関向けの、OpenAIの利用制限付きライフサイエンスモデルです。創薬、ゲノミクス、タンパク質の研究を対象とします。

Granite 4.2

IBM推論オープンウェイト

IBMのApache 2.0のモデルファミリーで、エージェントとコーディング向けの3B、8B、30Bの密な推論モデルです。2026年8月に公開されました。

Ideogram 4.0

Ideogram画像生成オープンウェイト

画像内のテキストに強いIdeogramの9.3Bのデザインモデルです。ダウンロードできる重みは非商用なので、有償の仕事はAPI経由になります。

LFM3

Liquid AI小型・オンデバイスオープンウェイト

テキスト、ビジョン、音声、オムニ、型付き判定を扱うLiquid AIの6つの2Bモデルのファミリーで、すべて1つの1.7Bのベースから派生しています。

Ling-3.1-flash

Ant Group (inclusionAI)推論オープンウェイト

Ant Groupの560Bのオープンウェイトモデルです。毎秒200トークン超と高速で、MITライセンス、コンテキストは100万トークンです。

Maya 2 Native

Maya Research音声合成オープンウェイト

インドの11言語と英語に対応する、2.5BでApache 2.0のストリーミング音声合成モデルです。VoiceArenaのヒンディー語のランキングでは、MistralやEleven v3と並んでいます。

MiniCPM-V 4.7 (35B-A3B and 1B)

OpenBMB画像認識・マルチモーダルオープンウェイト

OpenBMBのApache 2.0ビジョンモデルです。文書に強い35BのMixture-of-Expertsと、スマートフォン向けの1Bがあります。

MiniCPM5-2B

OpenBMB小型・オンデバイスオープンウェイト

OpenBMBの2.5Bのオンデバイスモデルです。ツール呼び出しとコード修正は4Bモデル並みで、チェックポイントと訓練データも公開されています。

MiniMax-M3.1-Flash

MiniMax汎用オープンウェイト

常に推論するMiniMaxのオープンウェイトMoEです。M3の428B設計、一律$0.15/$0.60のAPI、1Mコンテキスト、そしてハルシネーションの問題があります。

Muse Spark 1.3

Meta汎用

Metaのクローズドなエージェント・コーディングモデルです。1Mトークンのコンテキストを$1.25/$4.25で提供し、今はMuse Wonderの下の低価格帯です。

Muse Spark Open

Meta汎用オープンウェイト

Metaの816BのオープンウェイトMuse Sparkです。セルフホストできる1Mトークンのエージェントモデルですが、ライセンスには条件が付いています。

OmniVoice

k2-fsa (Next-gen Kaldi)音声合成オープンウェイト

Next-gen Kaldiのチームによる、600以上の言語で音声クローンと音声デザインができるオープンなゼロショットTTSです。

Qianfan-OCR

BaiduOCR・文書オープンウェイト

Baiduによる4.7Bのモデルで、ページの解析、項目の抽出、グラフの読み取りを1回でこなします。その代わり、大きさとページの精度で代償を払います。

Qwen-Image-2.1

Alibaba (Qwen)画像生成オープンウェイト

Alibabaの7Bのオープンな画像生成・編集モデルで、オープンウェイトのランキングで首位に立ち、透過画像も出力しますが、ライセンスは研究用途のみです。

Surya OCR 2.5

DatalabOCR・文書オープンウェイト

Datalabの689Mパラメータの文書パーサーです。レイアウト、OCR、表、数式をHTMLで返し、GPU 1基で高速に動き、売上$5M未満なら無料です。

Ternary Bonsai 2 9B

PrismML小型・オンデバイスオープンウェイト

PrismMLによるQwen3.5-9Bの3値化版です。ツール呼び出しに対応したビジョン言語モデルが2.42 GBのファイルに収まり、スマートフォンやノートPCで動きます。

Codestral 25.08

Mistral AIコーディング

コード補完向けのMistralの高速なfill-in-the-middleモデルで、IDEツールでは今も既定の選択肢です。エージェント作業向けには作られていません。

FireRed-OCR

Xiaohongshu (FireRedTeam)OCR・文書オープンウェイト

XiaohongshuによるQwen3-VLの2Bのファインチューニング版です。自社の表ではエンドツーエンドのOCRモデルの首位に立ちますが、同じ表でパイプライン型には及びません。

Flint

Recursiveコーディングオープンウェイト

Recursiveの最初のモデルです。パラメータ数40B、アクティブ2.5Bのオープンウェイトのコーディングモデルで、ノートパソコンで速く動くように作られています。

GPT Transcribe

OpenAI音声認識

OpenAIのWhisperの後継です。GPT-4o Transcribeより正確で安価ですが、タイムスタンプと話者ラベルはありません。

Kokoro-82M

hexgrad音声合成オープンウェイト

82MパラメータのApache 2.0の音声モデルです。品質は中位で、Artificial Analysisのボードで最も安い音声です。

Kolibri 1

Aleph Alpha推論オープンウェイト

Aleph AlphaのApache 2.0のドイツ語・英語推論モデルです。パラメータ78B、動作3.46Bで、ドイツとフィンランドで訓練されました。

Luma Ray3.2

Luma AI動画

ポストプロダクション向けのLumaの動画モデルです。16のキーフレーム、ネイティブのHDR、16ビットのEXRに対応し、APIとLumaアプリでクリップ単位で販売されています。

Mage-VL-Cowork

Microsoft画像認識・マルチモーダルオープンウェイト

Microsoftによる4Bのデスクトップエージェントです。画面をクリックするか、ターミナルでコードを実行するかを、1手ごとに選びます。

Marengo 3.5

TwelveLabs埋め込み・リランキング

TwelveLabsの動画を主眼とする埋め込みモデルです。動画、音声、画像、テキスト、PDFのページを1つの512次元の空間にまとめ、トークン単位で課金します。

MiniMax-M3

MiniMax汎用オープンウェイト

MiniMaxのオープンウェイトのマルチモーダルMoEです。1Mトークンのコンテキスト、スパースアテンション、$0.30/$1.20のAPI、条件付きのライセンスがあります。

Mistral Large 4

Mistral AI汎用

欧州で学習・ホストされたMistralの1兆パラメータの主力モデルです。$1.36/$4.18でプレビュー中で、重みの公開が約束されています。

MOSS-Transcribe-Diarize 0.9B

OpenMOSS (MOSI)音声認識オープンウェイト

最大90分の音声を1回の処理で文字起こしし、話者を識別し、タイムスタンプを付ける0.9Bのオープンモデルです。

Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)

NVIDIA小型・オンデバイスオープンウェイト

NVIDIAのローカルエージェント向けの2モデルです。24 GBを名前に掲げた2ビットの74Bビジョンモデルと、音声アシスタント向けのGemmaベースの4Bです。

Sage-A1.5

Shanghai AI Laboratory (InternScience)推論オープンウェイト

Shanghai AI Labによる研究タスク向けの35Bのエージェントモデルです。サブエージェントへの分散と自己確認モードを内蔵し、Apache 2.0で公開されています。

Sakana Fugu (Fugu, Max and Ultra v2)

Sakana AI推論

Sakana AIのオーケストレーター。1つのAPIで各タスクを非公開のフロンティアモデル群に振り分け、回答を統合します。

zerank-2

ZeroEntropy (Notion)埋め込み・リランキングオープンウェイト

較正されたスコアを返すZeroEntropyの4Bのオープンなリランカーです。Notionが同社を買収し、ホスト型APIが停止して以降、Apache 2.0になっています。

Beam

Reflection推論オープンウェイト

Reflection初のオープンモデルです。501Bパラメータで23Bがアクティブ、Apache 2.0で、タスクあたりの推論トークンは競合より少なめです。

Breeze TTS 2

BreezeBlue音声合成オープンウェイト

パラメータ数3.5Bの音声クローンと音声デザインのモデルです。オープンウェイトのアリーナで上位にいますが、商用のセルフホストは禁止されています。

Command A+

Cohere汎用オープンウェイト

エージェントと多言語RAG向けのCohereの218B mixture-of-expertsモデルです。重みはApache 2.0で、H100 2枚に収まります。

gpt-oss-20b

OpenAI小型・オンデバイスオープンウェイト

OpenAIのApache 2.0オープンウェイト推論モデルです。動作パラメータは3.6Bで、ノートPCや一般向けGPUの16GBのメモリで動くサイズです。

Grok 4.7

SpaceXSI (formerly xAI)汎用

チャット、コード、エージェント向けのSpaceXSIの主力Grokモデルです。100万トークンあたり$2／$6、500Kのコンテキスト、そして非常に長い思考時間が特徴です。

Infinity-Parser2-Flash

INF Technology (infly)OCR・文書オープンウェイト

INFによる2.2Bの解析モデルです。olmOCR-Benchとグラフには強いものの、単一ストリームでは遅く、OmniDocBenchではより小さな競合に劣ります。

Jev

TypeSafe AI判定モデル

TypeSafe AIのホスト型の判断モデルです。型付きの選択、スコア、yes/noの確率を、100万入力トークンあたり$0.042で返し、出力は無料です。

LFM2.5-24B-A2B

Liquid AI小型・オンデバイスオープンウェイト

Liquid AIの24Bの推論モデルで、動作パラメータは2.45Bです。ノートPC上でツールを呼び出すよう、エージェントのハーネス内で訓練されています。

Ling-3.0-flash-Sante

Ant Group (inclusionAI)汎用オープンウェイト

Ant GroupのMITライセンスの124B医療モデルで、動作パラメータは5.1Bです。自社の医療ベンチマークでは最先端に近く、価格はごく一部です。

LTX-2.5

Lightricks (LTX)動画オープンウェイト

Lightricksの22Bのオープンな動画モデルで、同期した音声とマルチショットのシーンに対応します。APIでは最大4Kで、1秒あたり$0.09からです。

Mistral Medium 3.5

Mistral AI汎用オープンウェイト

Mistralのdenseな128Bオープンウェイトのコーディング・エージェントモデルはGPU 4台に収まりますが、ライセンスは月商2,000万ドル（$20M）超の企業を締め出します。

MOSS-Image

OpenMOSS (MOSI)画像生成オープンウェイト

Apache 2.0の5Bのオープンな画像モデルです。JSONのレイアウトで指示した場所に文字や物体を配置し、長いテキストもうまく描きます。

mxbai-rerank v2

Mixedbread埋め込み・リランキングオープンウェイト

MixedbreadのApache 2.0のリランカーです。0.5Bと1.5Bのサイズがあり、100以上の言語と8Kトークンのコンテキストに対応し、セルフホスト向けに作られています。

Nanbeige4.3-33B

BOSS Zhipin (Nanbeige LLM Lab)コーディングオープンウェイト

BOSS Zhipinの研究所によるdenseな33Bのオープンモデルです。エージェント型コーディングで30Bクラスの首位を主張しており、Apache 2.0で公開されています。

Nemotron ColEmbed V2

NVIDIA埋め込み・リランキングオープンウェイト

OCRなしでページ画像を検索するNVIDIAのlate interaction型リトリーバーです。正確ですが、ストレージを大量に使い、どのサイズも非商用です。

Nemotron OCR v2

NVIDIAOCR・文書オープンウェイト

RAGへの取り込み向けの、NVIDIAによる84Mパラメータの検出器と認識器から成るOCRです。A100で毎秒約35ページを処理し、商用利用が許諾されています。

Pika H3 Flex

Pika (Mellis, Inc.)動画オープンウェイト

PikaによるMiniMax H3の6ステップの事後学習版です。ステレオ音声付きの動画をMiniMaxのAPIの半額で作れますが、MiniMaxの地域制限付きのライセンスが適用されます。

Runway Gen-4.5

Runway動画

Runway自社開発の動画モデルです。2025年のリーダーボードの勝者でしたが、今は順位を落とし、競合のモデルも再販するスイートの中で販売されています。

VibeVoice-ASR

Microsoft音声認識オープンウェイト

1時間の音声を1回で処理し、誰がいつ話したかをラベル付けする、MicrosoftのMITライセンスの文字起こしモデルです。

Whistle

Cactus Compute音声認識オープンウェイト

依存関係なしにCPUで動く、7言語対応の16.9 MBの音声認識モデルです。コミュニティによる移植版は$10のチップにも収まります。

ZDTaichu5.0-9B

Zidong Taichu (CASIA and Wuhan AI Research)画像認識・マルチモーダルオープンウェイト

中国のZidong Taichuチームによる9Bのビジョン言語モデルです。OCRの性能を少し犠牲にして、空間推論とツール利用を強化しています。

Chatterbox

Resemble AI音声合成オープンウェイト

Resemble AIによるMITライセンスの音声クローンモデル群です。110MのCPU向けモデルから23言語対応まであり、すべてのクリップに透かしが入ります。

Cohere Rerank 4

Cohere埋め込み・リランキング

2025年12月に公開されたCohereのリランカーで、ProとFastの2版があり、コンテキストは32Kトークンです。2026年10月21日にRerank 5に置き換えられました。

DecisionNode

Bynn Intelligence判定モデル

Bynn Intelligenceのホスト型判定モデルで、確信度付きで6種類の型付き回答を返します。デバイス向けに小型のオープンウェイトEdgeモデルも2つあります。

DeepSeek-OCR 2

DeepSeekOCR・文書オープンウェイト

DeepSeekの3Bのオープンな文書読み取りモデルで、読む前にページの順序を組み替えます。ただし現在はPaddleOCR-VLとUnlimited-OCRがスコアで上回っています。

ERNIE 5.1

Baidu汎用

ERNIE 5.0からわずかなコストで蒸留されたBaiduのクローズドな旗艦モデルです。検索と数学に強い一方、中国国外では購入が難しいモデルです。

FrogNano-4B-2609

Microsoftコーディングオープンウェイト

Microsoftの4Bの研究用コーディングエージェントです。合成タスクでの強化学習だけで訓練され、SWE-bench Verifiedで61.5%（自社発表）を記録しています。

humanizer (12B)

jialinyyzz (independent developer)小型・オンデバイスオープンウェイト

Gemma 4 12Bをファインチューニングしたオープンな12Bモデルです。AIが書いた英語と中国語の下書きを、事実を保ったまま、オフラインで人が書いたように書き直します。

Hy-Memory-30B-A3B

Tencent (Hy, formerly Hunyuan)汎用オープンウェイト

アクティブ3BのTencentのモデルで、仕事はひとつです。エージェントの長期記憶に何を残すかを、フロンティアLLMの代わりに判断します。

Iris-3B

Speridlabs画像生成オープンウェイト

VAEを使わずピクセルを直接描くSperidlabsの3Bのテキストから画像へのモデルです。4ステップのTurboと、深度推定とアップスケーリングのファインチューンも付きます。

Jina OCR v1

Jina AI (Elastic)OCR・文書オープンウェイト

現在Elasticの一部であるJina AIによるDeepSeek-OCRのファインチューニング版で、安価なGPUでの毎秒のページ数を重視して調整されています。重みは非商用です。

Mistral Small 4

Mistral AI汎用オープンウェイト

Apache 2.0のMistralのMixture-of-Expertsです。1,190億パラメータ、画像入力、切り替え可能な推論を備え、100万トークンあたり$0.15/$0.60です。

ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)

ScaleDown判定モデル

ScaleDownのホスト型の分類、抽出、要約モデルで、100万入力トークンあたり$0.05です。Jevと同じ形のDecisionsエンドポイントも備えています。

Spark-X2.6-4B

iFlytek (SparkLLM)小型・オンデバイスオープンウェイト

iFlytekによるApache 2.0の4Bのオンデバイスのエージェントモデルです。ツールとコードでQwen3.5-9Bに勝つとしており、1Mトークンのコンテキストを備えています。

text-embedding-3-large

OpenAI埋め込み・リランキング

OpenAIの最上位の埋め込みモデルで、2024年1月から変わっていません。どこでも対応していて安価ですが、検索性能ではもうトップではありません。

Whisper large-v3-turbo

OpenAI音声認識オープンウェイト

OpenAIのオープンウェイトの音声認識モデルで、自前ホスティングでの文字起こしの定番であり続けています。

Z-Image-Turbo

Alibaba (Tongyi-MAI)画像生成オープンウェイト

AlibabaのTongyiラボによる6BのApacheライセンスの画像モデルです。16GBの一般向けGPUで8ステップで動きます。

Clef

Cloudflare判定モデルオープンウェイト

テキストと画像に関する型付きの選択肢を採点する、Cloudflareのオープンな27Bの判定モデルです。Workers AIで、Jev互換のAPIから提供されています。

Clover-35B-A3B-Preview

DiffuSpace汎用オープンウェイト

Qwen3.6-35B-A3Bから変換された拡散言語モデルで、32トークンのブロックを並列に書き出します。Apache 2.0で公開されています。

dots.ocr

Xiaohongshu (rednote hi lab)OCR・文書オープンウェイト

Xiaohongshuによる2025年の多言語レイアウト解析モデルです。いまも多くダウンロードされていますが、開発元自身と3つの新しい競合がすでに先へ進んでいます。

Falcon-H1R-7B

Technology Innovation Institute (TII)推論オープンウェイト

TIIによる7Bの数学・コーディング向け推論モデルです。TransformerとMambaのハイブリッド設計、256Kのコンテキスト、クレジット表記を求めるライセンスを備えています。

GLiNER2.5-Decide

Fastino判定モデルオープンウェイト

Fastinoの10億パラメータ未満のゼロショット分類器です。呼び出し時に任意のラベルを渡せば、プロンプトも生成もなしにCPU上で1つを返します。

Limite 1B - Violetto

Paradigma小型・オンデバイスオープンウェイト

ローマのスタートアップによる1Bの数学モデルです。競技数学の問題では30Bのモデルに並びますが、それ以外のほとんどすべてを読み違えます。

Needle 3

Cactus Compute小型・オンデバイスオープンウェイト

スマートフォン、ロボット、ハブの上で、依頼を関数呼び出しに変える29Mから121Mのモデルです。スマートフォンのコマンドには強く、それ以外では弱めです。

Ornith-1.5-122B

Ornithコーディングオープンウェイト

自ら課題を作る自己改善ループで学習した、122Bのオープンウェイトの推論・コーディングモデルです。ライセンスはMITです。

Qwen-Image-Edit-2511

Alibaba (Qwen)画像編集オープンウェイト

AlibabaのApacheライセンスの画像編集モデルです。品質は中位ですが、製品に使えるオープンな編集モデルの中で最もすっきりしたライセンスです。

Qwen3.5-397B-A17B

Alibaba (Qwen)汎用オープンウェイト

AlibabaのQwen3.5で最初のオープンモデルです。Apache 2.0の397B MoEで17Bがアクティブですが、今ではQwen3.8と自社のホスト版に追い抜かれています。

Sakana Namazu

Sakana AI汎用

Kimi K2.6をベースにしたSakana AIの日本語向けモデルです。Web検索とコード実行を内蔵し、OpenAI形式のAPIで提供されます。

Underdog Saluki 27B 1.0

Conway Research (Underdog)小型・オンデバイスオープンウェイト

Qwen3.8-27Bを7.89 GBの2-bitファイルに詰め込み、ツール呼び出しをそのまま保ったモデルです。Apache 2.0です。

Xing4.0-29B-A4B

China Telecom (XingChen)汎用オープンウェイト

China TelecomのApache 2.0のエージェントモデルです。注目点はスコアよりも、HuaweiのAscendチップだけで学習されたことです。

HunyuanImage 3.0 Instruct

Tencent (Hunyuan)画像編集オープンウェイト

推論ステップを備えたTencentの80Bのオープン画像モデルです。オープンな編集モデルでは3位ですが、8 GPUのノードが必要で、欧州では使えません。

Qwen3-TTS

Alibaba (Qwen)音声合成オープンウェイト

AlibabaのApacheライセンスの音声合成モデル群です。1文から声を設計し、3秒の音声から声を複製できますが、悪用への安全策はありません。

SenseNova-Loop-9B-Preview

SenseTime (SenseNova)画像認識・マルチモーダルオープンウェイト

SenseTimeによる9Bの画像とテキストのモデルで、中間の24層を2回実行します。オフィス業務のエージェントを狙ったもので、Apache 2.0です。

SmolLM3-3B

Hugging Face小型・オンデバイスオープンウェイト

Hugging Faceの完全にオープンな3Bモデルです。推論を切り替えられ、コンテキストは128Kで、学習のレシピ全体が公開されています。

all-MiniLM-L6-v2

Sentence Transformers (Hugging Face)埋め込み・リランキングオープンウェイト

数えきれないほどのチュートリアルで定番になった埋め込みモデルです。いまはテスト、プロトタイプ、短い英語テキスト向けにとどめるのが最適です。

Decision-2.0-Nox-4B (vLLM Semantic Router)

vLLM Semantic Router判定モデルオープンウェイト

vLLM Semantic RouterのApacheライセンスの4Bテキスト判定モデルです。較正は良好ですが、同じチームのd3-miniにすでにスコアで抜かれています。

Devstral Small 2

Mistral AIコーディングオープンウェイト

RTX 4090 1枚または32GBのMacで動く、MistralのApache 2.0の24Bコーディングモデルです。コンテキストは256Kで、画像入力に対応します。

KittenTTS 2

KittenML (Stellon Labs)音声合成オープンウェイト

音声クローン機能を持つ1.7Bの3値の音声モデルです。ダウンロードは1 GB未満でGPUなしで動きますが、ライセンスは厳しいコミュニティライセンスです。

Laya

Convai Innovations判定モデルオープンウェイト

ModernBERTを基にしたApache 2.0の判定モデルです。型付きの質問に数十ミリ秒で答えますが、正確さを得るにはファインチューニングが必要です。

Phi-4-Reasoning-Vision-15B

Microsoft推論オープンウェイト