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。

StrataはWindowsとLinux向けのローカル推論エンジンです。Qwen3.8-Flash-Next、チャット画面、監視、エージェント用の互換APIを提供します。

Command A+ は Cohere 初の MoE フラッグシップ。総パラメータ 218B、活性 25B、48 言語と画像入力に対応し、Apache 2.0 で重みを公開。

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。

Fireworks Research が Kimi K3 を「考えすぎない」モデルに作り替えた派生版。ベンチマーク品質はほぼ同じでトークンは約 40% 削減、100 万トークンあたり入力 $3・出力 $15。

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。

Aleph Alphaのドイツ語・英語向け公開重み推論モデル。総パラメータ約78B、ツール呼び出しと長文入力に対応し、サーバーでの自己運用を検討できます。

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）。

Xiaomi の MiMo-V2.6 オープンウェイトシリーズ。旗艦 Pro は総 1.02T・活性 42B のスパース MoE、Flash は 309B。両方 MIT ライセンスで 100 万トークン対応。

mini-AGI は 8GB の VRAM でゼロから学習し、単一のデータストリームから学び続けても既存の知識を忘れないバイトレベルのモデルです。

Alibaba の次世代フラッグシップ Qwen 4 は訓練中。ロードマップでは Qwen 4.5 と Qwen 5 が 5 兆〜10 兆パラメータまで拡大するとされています。

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。