マルチモーダルのすべてのツール（54件）
- UI-TARS-desktopByteDance のオープンソース視覚マルチモーダルエージェントスタック。人間のように PC とブラウザを操作し、Agent TARS CLI・リモートオペレータ・UI-TARS-1.5 を提供。
- MiniMaxHailuo と 2026 年の M3 / H3 コーディングモデルを出す上海の研究所。TalkAPI の M3 は 100 万トークン $0.24/$0.98。
- NotebookLMGoogle のソース接地型リサーチノート。いまは notebook.google の Gemini Notebook。ファイルを分析し、音声や動画などに変換する。
- ToAPIsOpenAI互換のAI APIゲートウェイ。1つのBase URLとAPIキーでGPT・Claude・Gemini・DeepSeek・Sora・VEOなど60以上のモデルに統一アクセス。ルーティング、フェイルオーバー、統合請求に対応。
- DoubaoByteDance のコンシューマー AI アシスタント。チャット、執筆、プログラミングに加え、アプリ内で Seedance 動画を提供。公式トップはログイン後 Seedance 2.0 無料と案内。
- TRAEByteDance の AI IDE。継続月額は Lite $3、Pro $10、Pro+ $30、Ultra $100。従量は Dollar Usage であり、extra-fast 回数パックではない。
- Veo 3Google DeepMind の Veo 動画モデル。公式はいま Veo 3.1 として提示し、ネイティブ音声付きのシネマティック動画と 1080p / 4K 出力を案内する。
- YouMindYouMindは保存した記事・動画・メモを文章・スライド・画像・ウェブ・動画に変えるAI創作スタジオで、有料Skillsマーケットも備える。
- cogvlm-base-490-hf以前の CogVLM スナップショット。再確認：サイトは誤った DeepSeek-VL カードではなく CogVLM を指す。2026年の VLM 既定ではない。
- DeepSeek-V4.1-FlashDeepSeek-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-ExpDeepSeek-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。
- deepseek-vl-7b-base以前の DeepSeek-VL 7B Base スナップショット。再確認：生きた経路は V4 Flash/Pro。2026年のVL既定ではない。
- FLUX 3Black Forest Labs のマルチモーダルモデル。動画、音声、近日公開の画像、アクション予測に対応し、最大 20 秒クリップ、ネイティブ音声、ドラフトモードを備える。
- Gemma 4 26B A4BGoogle 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。
- GLM-5.3-Flash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。
- Google: Gemini 2.0 Flash以前のGemini 2.0 Flashスナップショット。再確認：deprecatedで2026-06-01に停止。生きたFlashはGemini 3.7 Flash。
- Google: Gemini 3.1 Flash-LiteGoogle Gemini 3.1 Flash-Lite：生きたモデルページの leftover 安い Flash-Lite 兄弟。2026-08-18 に公式モデルページを再確認。
- Google: Gemini 3.1 Flash LiveGoogle Gemini 3.1 Flash Live：生きた Gemini モデルページの leftover ライブ/音声兄弟。2026-08-18 再確認。2026年の Flash 既定ではない。ドル行は作らない。
- Google: Gemini 3.1 ProGoogle Gemini 3.1 Pro：生きたモデルページの leftover Pro 兄弟。2026-08-18 再確認。2026年のPro既定ではない。
- Google: Gemini 3.5 Flash-LiteGoogle Gemini 3.5 Flash-Lite：生きたGeminiモデルページに残る安価Flash-Lite行。2026-08-18再確認。
- Google: Gemini 3.5 Flashアクション志向の Google 最前線モデル：エージェントとコーディング向けに設計され、100万トークンのコンテキストとFlash級の速度・コストを両立。
- Google: Gemini 3.6 FlashGoogle Gemini 3.6 Flash：3.5の後、生きた3.7 Flashの前の前世代Flash。2026-08-18に公式モデルページを再確認。
- Google: Gemini 3.7 Flashエージェントワークフローとマルチモーダル推論向けの Google 最強 Flash モデル。100万トークンコンテキスト、65k出力トークン、Computer Use プレビューに対応。
- Google: Gemini 3 FlashGoogleの最新フロンティアモデル。前例のない速度とコスト効率で画期的なインテリジェンスを提供。Google: Gemini 3 Flash（models）の機能・料金・代替ツールを比較できます。
- Google: Gemini 3 Pro以前の Gemini 3 Pro Preview スナップショット。再確認：モデル索引は停止と記す。2026年の視覚クラウンではない。
- Google: Gemini Omni FlashGoogle Gemini Omni Flash：生きた Gemini モデルページの leftover Omni Flash 兄弟。2026-08-18 再確認。2026年の Flash 既定ではない。ドル行は作らない。
- GPT Image 2OpenAI 最新の画像生成モデル。高速で高品質な生成と編集に対応し、最大 4K の柔軟なサイズとトークン課金 API を提供する。
- Grok 4.6SpaceXAI の最先端 1.5T パラメータ推論モデル。50 万トークンのコンテキストとエージェント的なコーディングの強さを備え、リアルタイムの X データにアクセス可能。競合フロンティアモデルの約半額で提供される。
- GrokxAI / SpaceXAI の Grok 家族。現行ドキュメントの旗艦は grok-4.6。50 万トークン文脈、$2/$6 per 1M、Imagine 画像/動画と Voice API 付き。
- Jina Embeddings v4以前の Jina Embeddings v4 スナップショット。再確認：leftover 2025年6月カード。旧 3.8B / 8192 王冠は捨てる。
- Kimi K3Moonshot AI のオープンウェイト 2.8T パラメータ多モーダルエージェントモデル。1M トークンのコンテキストを備えた世界初のオープン 3T 級モデルで、コーディングとエージェントのベンチマークでクローズド最先端に迫る。
- Ling-3.0-flash-VLLing-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。
- llava-v1.6-34b-hf以前の LLaVA-NeXT / LLaVA 1.6 スナップショット。再確認：leftover HF 34B カード。2026年の VLM 既定ではない。
- Meta Llama 3.2 Vision2024年Llama 3.2視覚スナップショット。再確認：llama.comは今Llama 4が先頭。2026年の既定マルチモーダルではない。
- MiniMax H3MiniMax が 2026 年 7 月 31 日に出したオープン寄りのマルチモーダル動画モデル。テキスト/画像/動画/音声入力、768P または 2K、4–15 秒、ネイティブステレオ、従量 API。
- MiniMax M3MiniMax の 2026 年 6 月 1 日オープンウェイト級フラッグシップ。MSA による 100 万トークン文脈、ネイティブな画像/動画入力とデスクトップ操作、割引中の API 料金。
- Mistral OCR 4.1Mistral OCR 4.1：現行カタログ最新OCR。段落ボックス、構造ラベル、信頼度。再確認：1000ページ$4。leftover OCR 4.0ではない。
- Mistral Pixtral 12B2024年Mistral 12B視覚スナップショット。再確認：現行カタログはMedium 3.5 / Small 4 / Large 3。唯一の初マルチモーダルではない。
- Mistral Shieldstral 1.0Mistral Shieldstral 1.0：現行カタログのコンパクトなマルチモーダルモデレーション。2026-08-18 再確認。Apache 2.0。ドル行は作らない。
- Nex-N2.5-miniNex-N2.5-mini は Nex-AGI の Apache-2.0 マルチモーダルエージェントモデル。コンピュータ操作、閲覧、コーディング向け。
- OpenAI: GPT-4o-mini以前のGPT-4o miniスナップショット。再確認：まだ$0.15/$0.60で掲載。生きた起点はGPT-5.6 Sol。2026年の最新ではない。
- OpenAI: GPT-4o以前のGPT-4oスナップショット。再確認：まだ$2.50/$10で掲載。生きた起点はGPT-5.6 Sol。2026年の最新ではない。
- Qwen-Drive-1.0-4BQwen-Drive-1.0-4B は 3D 知覚、VQA、運動計画をまとめる Alibaba の Apache-2.0 運転 VLM。
- Qwen-VL以前のアリババ Qwen-VL スナップショット。再確認：生きた旗艦は Qwen3.8。2026年のLVLM既定ではない。
- Qwen2-VL 72B Instruct以前の Qwen2-VL 72B Instruct スナップショット。再確認：生きた経路は Qwen3.8。2024年のVLクラウンではない。
- Qwen3.8-2.4T-A95BAlibaba のフラッグシップ 2.4T MoE モデル。活性化パラメータ 95B、1M トークンのコンテキスト、ネイティブな多モーダル入力、トップクラスのエージェント性能を備えた史上最大の Qwen。
- Qwen3.8-27BAlibaba のオープンウェイト 27B デンスモデル。Qwen3.8-Max のコンパニオンとして Apache 2.0 で公開。画像・テキストのマルチモーダル入力に対応し、ローカル運用と小規模バッチ推論向け。
- Qwen3.8-Flash-NextAlibaba（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。
- Qwen3.8-MaxAlibaba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）。
- Qwen3-VL-Embedding以前の Qwen3-VL 埋め込みスナップショット。再確認：Hugging Face には 2B / 8B が今も掲載。旧の最新マルチモーダル王冠は捨てる。
- Qwen3-VL-Reranker以前の Qwen3-VL リランクスナップショット。再確認：Hugging Face には 2B / 8B が今も掲載。旧の最先端マルチモーダル王冠は捨てる。
- Seedance 2.5ByteDance Seed の音声付き動画モデル。30 秒ストーリー、精密な参照制御、2 回の延長、グリーンスクリーンなど制作向け編集を備える。
- WeMM-EmbeddingTencent WeChat Visionチームの汎用マルチモーダル埋め込みモデル群（2B/4B/9B）、Qwen3.5ベース。テキスト・画像・動画・視覚ドキュメントをL2正規化空間に統合。Apache 2.0。
- YuE2-3BYuE2-3B は M·A·P の CC BY-NC 音楽モデルで、編集可能なスコアを計画してからボーカルと伴奏をローカルでレンダリングする。
すべてのタグ
A2AプロトコルAIアシスタントAIエージェントAIコンテンツAI検索AI決済AlibabaAnthropicAPIAWSBAAIBlack Forest LabsByteDanceClaudeClaude CodeCLICloudflareCodexCohereCursorDeepgramDeepSeekElevenLabsFLUXGeminiGemmaGitGoGoogleGPTGPUGrokHugging FaceIBMJina AIKimiLangChainLangGraphLinuxLlamamacOSMarkdownMCPMetaMicrosoftMiniMaxMistralMixedbread AIMoEMoonshot AINous ResearchNVIDIAObsidianOpenAIOpenClawOpenCodeOpenHandsOpenRouterPerplexityPythonQwenRAGReplitRustStability AITencentTypeScriptVoyage AIxAIZhipu AIエージェントウォレットエージェントオーケストレーションエージェントフレームワークエージェントランタイムエンタープライズエンベディングオープンウェイトオープンソースクラウドコーディングエージェントコードアシスタントコードレビューコード品質コミュニケーションコンピューター操作サンドボックスステーブルコインスプレッドシートセキュリティセルフホストソーシャルメディアチャットボットデータサイエンスデータベースデータ可視化ディープリサーチデザインテストデバッグデプロイドキュメントドキュメント処理ナレッジベースノーコード/ローコードファインチューニングプライバシーブラウザ自動化プレゼンテーションプロジェクト管理プロトコルフロンティアモデルベクトルデータベースマルチエージェントマルチモーダル
マルチモーダル にタグ付けされた項目 (54 個)
Month Visit20000000DR: 90AS: 95
Month Visit20000000DR: 90AS: 95
ByteDance のコンシューマー AI アシスタント。チャット、執筆、プログラミングに加え、アプリ内で Seedance 動画を提供。公式トップはログイン後 Seedance 2.0 無料と案内。
Month Visit15700000DR: 72AS: 58
Month Visit15000000DR: 95AS: 98
Month Visit12000000DR: 88AS: 90
Month Visit12000000DR: 88AS: 90
Month Visit4800000DR: 95AS: 80
Month Visit2500000DR: 70AS: 60
Month Visit800000DR: 90AS: 88
Month Visit800000DR: 90AS: 88
Month Visit800000DR: 78AS: 82
Month Visit500000DR: 65AS: 70
Month Visit150000DR: 60AS: 55
Month Visit1500DR: 95AS: 92
Month Visit100DR: 100AS: 100
Month Visit100DR: 100AS: 100
Month Visit100DR: 100AS: 100
Month Visit100DR: 100AS: 100
Month Visit100DR: 100AS: 100
Month Visit800DR: 88AS: 85
Month Visit198DR: 93AS: 87
Month Visit215DR: 92AS: 87
Month Visit249DR: 87AS: 92
Month Visit180DR: 91AS: 85