DeepSeek公式の小型エージェントモデル。284B総計/13BアクティブのMoE、100万トークンコンテキスト、MITオープンウェイト、DSpark投機デコード、100万トークンあたり$0.14/$0.28の料金。

WeChat AI の 617B MoE モデル。トークンあたり活性化パラメータ 23B で、Hidden Decoding によるフロンティア規模初のシーケンス長スケーリングを実証。WeChat の AI アシスタント「小微」を支える。

多言語プログラミング、エージェントワークフロー、実世界の開発タスクに最適化されたオープンソース230Bパラメータ MoE モデル。SWE-bench パフォーマンス74%。

NVIDIA の効率的なオープンウェイトモデル。総パラメータ 30B で活性化はわずか 3B。MoE ハイブリッド構成、最大 1M トークンのコンテキスト、単一 GPU 展開でローカル推論とポストトレーニング研究に対応。

以前の WizardLM-2 8x22B スナップショット。再確認：Microsoft の 2026 既定ではない。旧の最先端 / オープン SoTA 王冠は捨てる。

以前の DeepSeek V3 スナップショット。再確認：生きた経路は V4 Flash/Pro。GPT-4o / Claude 3.5 のセンサスではない。

DeepSeek V4 は、DeepSeek のフラッグシップ AI モデルの次世代版であり、V3 の成功を基盤に、推論能力、マルチモーダル理解、エージェントベースのインタラクションの向上が期待されています。

DeepSeek-V4.1-Flash は MIT の 552B マルチモーダル MoE で、プリフィル 8B・デコード 16B 活性化、1M コンテキスト、KV キャッシュは V4-Flash の約 1/4。

DeepSeek-V4-Flash-Vision-Exp は V4 初のマルチモーダル実験。Flash に視覚モジュールを足した MIT 重みで、約 305B パラメータ。

Google DeepMind のオープンウェイトモデル。総パラメータ 25.2B の MoE で 1 トークンあたり 3.8B のみ活性化。256K コンテキスト、マルチモーダル入力、Apache 2.0 ライセンス。

智譜（Z.ai）GLM-5 シリーズ初のネイティブ・マルチモーダルモデル（匿名モデル「Ox Alpha」と判明）：320B MoE、18B のみ活性化、1M コンテキスト、MIT オープンウェイト、入力 $0.15/百万トークン。

Tencentの次世代オープンウェイトMoEフラッグシップ。合計770B・トークン毎に49Bアクティブ、1Mトークンコンテキスト。Apache 2.0で、ゲーテッドDSA注意を採用。長時間コーディングとプロダクティビティに強み。

Kwaipilot のオープンウェイト・エージェント型コーディングモデル。35B MoE/活性 3B、Qwen3.6 ベース、Apache 2.0、262K コンテキスト、PinchBench ツール使用で首位。

Poolsideのオープンウェイト118B MoEコーディングモデル。8Bアクティブ、100万トークンコンテキスト、ネイティブ推論、OpenMDW-1.1ライセンスでエージェントコーディング向け。

Ling-3.0-flash-VL は inclusionAI の MIT マルチモーダル MoE。総パラメータ 124B、活性化 5.5B、画像と動画に対応。

MeituanのオープンウェイトMoEモデル：総パラメータ1.6T/活性約48B、1Mコンテキスト、MITライセンス。コーディングとエージェントタスクに強み（2026-08-25）。

Alibaba（通義千問）による Qwen4 アーキテクチャの先行公開：125B のマルチモーダル MoE、トークンごと 6B のみ活性化、51B の N-gram 語彙、ネイティブ 262K コンテキスト、入力 $0.16/百万トークン。

Alibabaの2.4Tパラメータのオープンウェイト最上位モデル：95BアクティブのMoE、テキスト/画像/動画入力、1Mコンテキスト、$2/$6（100万トークン）。

エージェント型コーディングMoE。再確認：Ornith-1.5-35B-A3B を精鋭化、4bit約22GB、SWE-bench-Live 約12/25、MIT、GGUF/MLX。研究所リリースではない。