モデル

hh1-i2v

Alibaba の HappyHorse 1.0 画像から動画へのモデルです。参照画像を任意のテキストプロンプトとともにアニメーション化します。720P と 1080P の出力に対応し、長さは 3〜15 秒です。

• サードパーティ
• ゼロデータ保持

hh1-t2v

Alibaba の HappyHorse 1.0 テキストから動画へのモデルです。テキストプロンプトから動画を生成し、解像度、アスペクト比、長さ（3〜15 秒）を設定できます。

• サードパーティ
• ゼロデータ保持

hh1.1-i2v

Alibaba の HappyHorse 1.1 画像から動画へのモデルです。参照画像を任意のテキストプロンプトとともにアニメーション化し、1.0 より動きが滑らかで、肌の質感が自然になり、クローズアップの品質も向上しています。720P と 1080P の出力に対応し、長さは 3〜15 秒です。

• サードパーティ

hh1.1-r2v

Alibaba の HappyHorse 1.1 参照から動画へのモデルです。キャラクターやシーンの参照画像 1〜9 枚とプロンプトを受け取り、各被写体の同一性を保ったまま 1 本の動画にまとめます。720P と 1080P の出力に対応し、長さは 3〜15 秒です。

• サードパーティ

hh1.1-t2v

Alibaba の HappyHorse 1.1 テキストから動画へのモデルです。テキストプロンプトから動画を生成し、1.0 より動的な表現力、画質、指示追従性が向上しています。解像度、アスペクト比、長さ（3〜15 秒）を設定できます。

• サードパーティ

qwen-image-3.0-pro

Alibaba の Qwen Image 3.0 Pro は、テキストプロンプトから画像を生成します。複雑なレイアウト生成、小さな文字の精度、多言語フォントの描画に優れています。1 回の呼び出しで最大 6 枚のバリアント、ネガティブプロンプト、シード制御、任意のプロンプト書き換えに対応します。

• サードパーティ

qwen3-max

Alibaba の Qwen 3 Max は、コーディング、推論、多言語に強い大規模言語モデルです。DashScope の OpenAI 互換エンドポイント経由で提供されます。

• サードパーティ
• ゼロデータ保持

qwen3.5-397b-a17b

Alibaba の Qwen 3.5 は、397B パラメータの Mixture-of-Experts モデルで、有効パラメータは 17B です。高い推論能力と効率的な推論処理を備えています。

• サードパーティ
• ゼロデータ保持

qwen3.7-max

Alibaba の Qwen 3.7 Max は、Qwen3.7 シリーズ最大かつ最も高性能なモデルです。エージェント中心の時代向け次世代フラッグシップで、プログラミング、オフィス・生産性タスク、長期の自律実行に強みがあります。DashScope の OpenAI 互換エンドポイント経由で提供されます。

• サードパーティ

qwen3.7-plus

Alibaba の Qwen 3.7 Plus は、Qwen3.7 シリーズのコスト効率に優れたモデルです。高いテキスト能力に画像・動画理解を組み合わせ、コーディング、ツール利用、GUI ベースの自動化向けのフルスタックなエージェント知能を備えています。DashScope の OpenAI 互換エンドポイント経由で提供されます。

• サードパーティ

qwen3.8-max

Alibaba の Qwen 3.8 Max は、2.4 兆パラメータの MoE フラッグシップです。プロフェッショナル級のコーディングと長期の自律作業向けで、法律、金融、デザインなどの専門領域で 10 日以上にわたる本番品質のプロジェクトを完遂できます。画像と長時間動画をネイティブに理解し、計画・実行・検証のサイクル全体を回せます。DashScope の OpenAI 互換エンドポイント経由で提供されます。

• サードパーティ

wan-2.6-image

Alibaba の Wan 2.6 テキストから画像へのモデルです。テキストプロンプトから画像を生成し、任意のネガティブプロンプトとカスタムサイズに対応します。

• サードパーティ
• ゼロデータ保持

wan-2.7-i2v

Alibaba の Wan 2.7 画像から動画へのモデルです。参照画像と任意のテキストプロンプトから動画を生成します。720P と 1080P の出力に対応し、長さは 2〜15 秒です。

• サードパーティ
• ゼロデータ保持

wan-3.0

Alibaba の Wan 3.0 テキストから動画へのモデルです。テキストプロンプトからシネマティックな動画を生成します。アスペクト比は適応的で、解像度は 480P、720P、1080P、長さは設定可能です。

• サードパーティ

claude-fable-5

Claude Fable 5 は、Anthropic が広く提供する中で最も高性能なモデルです。要求の厳しい推論と長期のエージェント作業向けです。adaptive thinking は常時オンで、100 万トークンのコンテキストウィンドウと、リクエストあたり最大 128k の出力トークンに対応します。

• サードパーティ

claude-fable-5.1

Claude Fable 5.1 は、Anthropic の Fable ファミリーの次のモデルです。エージェント型コーディング、長時間のエージェントワークフロー、ナレッジワーク、フロントエンドおよびビジュアルなコード生成、金融・分析タスクが向上しています。adaptive thinking と 100 万トークンのコンテキストウィンドウに対応します。

• サードパーティ

claude-haiku-4.5

Claude Haiku 4.5 は、大型モデルと同程度のコーディング性能を、3 分の 1 のコストと 2 倍以上の速度で提供します。

• サードパーティ
• ゼロデータ保持

claude-opus-4.5

Claude Opus 4.5 は、Opus 4.1 から推論、コーディング、エージェント能力をさらに向上させ、ツール利用と指示追従がより正確です。

• サードパーティ
• ゼロデータ保持

claude-opus-4.6

Claude Opus 4.6 は、Anthropic のフラッグシップ言語モデルです。コーディング、財務分析、法的推論などの複雑で多段階の作業向けです。extended thinking で複雑な問題を慎重に解き、100 万トークンのコンテキストウィンドウを備えています。

• サードパーティ
• ゼロデータ保持

claude-opus-4.7

Claude Opus 4.7 は、Anthropic が一般提供する中で最も高性能なモデルです。Claude Opus 4.6 からエージェント型コーディングが大幅に向上しています。adaptive thinking でタスクごとに推論を調整し、標準料金で 100 万トークンのコンテキストウィンドウに対応します。

• サードパーティ
• ゼロデータ保持

claude-opus-4.8

Claude Opus 4.8 は、Anthropic が一般提供する中で最も高性能なモデルです。Claude Opus 4.7 からエージェント型コーディングが大幅に向上しています。adaptive thinking でタスクごとに推論を調整し、標準料金で 100 万トークンのコンテキストウィンドウに対応します。

• サードパーティ
• ゼロデータ保持

claude-opus-5

Claude Opus 5 は、複雑なエージェント型コーディングとエンタープライズ作業向けの Anthropic モデルです。Claude Fable 5 に近い知能を半額で提供します。adaptive thinking でタスクごとに推論を調整し、標準料金で 100 万トークンのコンテキストウィンドウに対応します。Fable 5 と異なり、一般アクセスにデータ保持要件はありません。

• サードパーティ

claude-sonnet-4.5

Claude Sonnet 4.5 は、現時点で最も優れたコーディングモデルです。開発ライフサイクル全体で大幅に向上しています。

• サードパーティ
• ゼロデータ保持

claude-sonnet-4.6

Claude Sonnet 4.6 は、Anthropic の最新のバランス型モデルです。コーディング、推論、エージェント能力が強く、指示追従も向上しています。

• サードパーティ
• ゼロデータ保持

claude-sonnet-5

Claude Sonnet 5 は、Anthropic の Sonnet モデルの中で最もエージェント能力が高いモデルです。コーディング、ツール利用、推論、長期のプロフェッショナル作業向けで、Opus クラスより低コストです。

• サードパーティ

universal-3-pro

AssemblyAI の Universal 3 Pro は、高精度な文字起こし向けの音声認識モデルです。

• サードパーティ
• ゼロデータ保持

universal-3.5-pro

AssemblyAI の Universal-3.5 Pro は、高速かつ高精度な文字起こし向けの音声認識モデルです。

• サードパーティ

flux-1-kontext-max

FLUX.1 Kontext [max] は、Black Forest Labs の Kontext モデルで最高品質です。テキストから画像の生成と、コンテキストを考慮した画像編集に対応します。

• サードパーティ

flux-1-kontext-pro

FLUX.1 Kontext [pro] は、テキストプロンプトから画像を生成・編集し、キャラクターとスタイルの一貫性が高いモデルです。

• サードパーティ

flux-2-flex

FLUX.2 [flex] は、Black Forest Labs の FLUX.2 の細かい制御向けバリアントです。推論ステップ、guidance、プロンプトアップサンプリングを調整でき、タイポグラフィ重視や本番ワークフローに適しています。

• サードパーティ

flux-2-max

FLUX.2 [max] は Black Forest Labs の最高品質の画像モデルです。編集の一貫性、プロンプトへの追従性に優れ、リアルタイム情報の可視化向け grounding search に対応します。

• サードパーティ

flux-2-pro-preview

FLUX.2 [pro] Preview は、本番の画像生成・編集向けに Black Forest Labs が推奨するデフォルトモデルです。最新の [pro] 重みに追従し、複数参照にも強く対応します。

• サードパーティ

flux-3-video

FLUX 3 Video は Black Forest Labs の動画生成モデルです。テキストプロンプトからの生成 (t2v)、参照画像のアニメーション化 (i2v)、既存クリップの継続 (v2v) に対応します。同期音声、最大 FHD 解像度、5〜20 秒の長さをサポートします。

• サードパーティ

flux-video-upscale

FLUX Video Upscale は動画の解像度を上げます。ソースに忠実な precise モードと、ディテールを強く強調する creative モードがあります。最大 20 秒のクリップに対応し、音声は保持します。

• サードパーティ

seedance-2.0

統一マルチモーダルアーキテクチャを採用した ByteDance の次世代動画モデルです。テキスト、画像、動画クリップ、音声入力から、同期音声付きの高品質動画を生成します。マルチモーダル参照（最大 9 枚の画像、3 本の動画、3 つの音声ファイル）、ネイティブ音声生成、動画編集、動画延長、インテリジェントな長さ、適応的なアスペクト比に対応します。

• サードパーティ

seedance-2.0-fast

ByteDance の Seedance 2.0 動画モデルの高速版です。同じマルチモーダルアーキテクチャを共有しつつ、品質の一部を速度と引き換えにしています。テキストから動画、画像から動画、ネイティブ音声生成、マルチモーダル参照（画像・動画・音声）、動画編集、動画延長に対応します。

• サードパーティ

seedance-2.0-mini

Seedance 2.0 ファミリーの、コンパクトでコスト効率の高い ByteDance の動画生成モデルです。テキストから動画、画像から動画、参照動画、BGM 向けの参照音声に対応します。速度とコストが重要な大量処理に適しています。

• サードパーティ

seedance-2.5

統一マルチモーダルの参照から動画へのアーキテクチャを採用した ByteDance の次世代動画モデルです。テキスト、最大 30 枚の参照画像、10 本の参照動画、10 本の参照音声クリップから動画を生成します。画像や動画なしの音声のみ入力にも対応します。最初・最後のフレームからの画像から動画、動画編集、動画延長、インテリジェントな長さ（自動選択を含む）、適応的なアスペクト比をサポートします。

• サードパーティ

seedream-4.0

Seedream 4.0 は、テキストから画像の生成と画像編集をひとつのアーキテクチャにまとめた ByteDance の画像作成モデルです。最大 4K の高解像度出力を高速に生成します。

• サードパーティ

seedream-4.5

Seedream 4.5 は 4.0 を基盤に、複数参照画像、バッチ生成、連続画像生成に対応します。

• サードパーティ

seedream-5-lite

Seedream 5 Lite は Seedream 5 ファミリーの軽量で高速なバージョンです。複数参照とバッチ生成に対応します。

• サードパーティ

seedream-5-pro

Seedream 5 Pro は ByteDance の高品質な画像生成・編集モデルです。テキストプロンプト、最大 10 枚の参照画像、1K・2K またはピクセルサイズ指定の出力に対応します。

• サードパーティ

DeepSeek V4 Pro は DeepSeek の高性能な Reasoning モデルです。本番向けの推論として Fireworks インフラ経由で提供されます。

• サードパーティ

eleven-flash-v2-5

ElevenLabs の低レイテンシな Flash v2.5 テキスト読み上げモデルです。多言語の音声を高速に生成します。

• サードパーティ

eleven-multilingual-v2

ElevenLabs の多言語テキスト読み上げモデルです。ElevenLabs のボイスで、多くの言語の自然な音声を生成します。

• サードパーティ

eleven-turbo-v2-5

ElevenLabs の Turbo v2.5 テキスト読み上げモデルです。32 言語で、高品質な音声生成と低レイテンシのバランスを取ります。

• サードパーティ

eleven-v3

ElevenLabs の最新テキスト読み上げモデルです。高度なボイス制御で、表現力の高い自然な音声を生成します。

• サードパーティ

music-v2

ElevenLabs Music v2 は、プロンプトまたは詳細な作曲プランから楽曲とインストゥルメンタルを生成します。

• サードパーティ

gemini-2.5-flash

Google の高速なマルチモーダル Gemini 2.5 モデルです。推論能力が高く、コンテキストウィンドウは 100 万トークンです。

• サードパーティ
• ゼロデータ保持

gemini-2.5-flash-lite

Google の Gemini 2.5 のなかで最も軽量でコスト効率の高いモデルです。大量処理のタスク向けです。

• サードパーティ
• ゼロデータ保持

gemini-2.5-pro

Google の Gemini 2.5 のなかで最も高性能なモデルです。推論能力が高く、thinking に対応し、コンテキストウィンドウは 100 万トークンです。

• サードパーティ
• ゼロデータ保持

gemini-3-flash

Gemini 3 Flash は Google の高速なマルチモーダルモデルです。最先端の知能、優れた検索、grounding に対応します。

• サードパーティ
• ゼロデータ保持

gemini-3.1-flash-lite

Google の Gemini のなかで最も軽量でコスト効率の高いモデルです。大量処理のタスク向けです。

• サードパーティ
• ゼロデータ保持

gemini-3.1-flash-tts

• サードパーティ
• ゼロデータ保持

gemini-3.1-pro

Google の Gemini のなかで最も知能の高いモデルです。推論が強化され、thinking レベルは medium、コンテキストウィンドウは 100 万トークンです。

• サードパーティ
• ゼロデータ保持

gemini-3.5-flash

Gemini 3.5 Flash は Google の高速なマルチモーダルモデルです。最先端の知能、優れた検索、grounding に対応します。

• サードパーティ

gemini-3.5-flash-lite

Gemini 3.5 Flash-Lite は、低レイテンシでコスト効率の高いマルチモーダルモデルです。サブエージェントのタスクやドキュメント解析向けに、大量処理と低コスト実行に最適化されています。

• サードパーティ

gemini-3.6-flash

Gemini 3.6 Flash は、実世界のタスク向けに最適化された持続的な最先端知能を、より高速・低コストで提供します。コード生成、エージェント実行、空間推論に優れています。

• サードパーティ

gemini-3.7-flash

Gemini 3.7 Flash は、ネイティブマルチモーダルの高性能な推論モデルです。エージェントワークフローと実世界のタスク向けに最適化されています。

• サードパーティ

nano-banana

テキストプロンプトから高品質な画像を生成する、Google の高速な画像生成モデルです。

• サードパーティ
• ゼロデータ保持

nano-banana-2

品質と速度を向上させた、Google の第2世代画像生成モデルです。

• サードパーティ
• ゼロデータ保持

nano-banana-2-lite

Google の Gemini 画像生成モデルのなかで最速です。画像の迅速な作成と反復に適しています。

• サードパーティ
• ゼロデータ保持

nano-banana-pro

細部の表現とプロンプト追従を強化した、Google の高品質な画像生成モデルです。

• サードパーティ
• ゼロデータ保持

veo-3.1

品質、動き、音声生成を強化した、Google の最新動画生成モデルです。

• サードパーティ
• ゼロデータ保持

veo-3.1-fast

高品質な動画と音声を保ちつつ、低レイテンシに最適化した Veo 3.1 の高速版です。

• サードパーティ
• ゼロデータ保持

tts-1.5-max

200ms 未満のレイテンシ、感情コントロール、15 言語対応を備えた、最高品質のテキスト読み上げモデルです。

• サードパーティ
• ゼロデータ保持

tts-1.5-mini

約 120ms のレイテンシと 15 言語対応を備えた、超高速でコスト効率の高いテキスト読み上げモデルです。

• サードパーティ
• ゼロデータ保持

tts-2

Inworld の最も強力で表現力の高いテキスト読み上げモデルです。TTS 1.5 を基盤に、豊かな表現、リアルタイムのレイテンシ、自然言語による指示（例: [whisper]、[say excitedly]）、本番向け 15 言語と実験的な 90 以上の言語への対応を強化しています。

• サードパーティ
• ゼロデータ保持

Medium の 2 倍以上のサイズで、ポストトレーニングはより穏やかです。出力はより生々しく、質感があり、柔軟です。最良の場合、Large は Medium では出せない結果を生み出します。フォトリアリズム、生っぽい見た目（モーションブラー、グレイン、低ダイナミックレンジ）、表現力のある芸術的なスタイルが得意です。

• サードパーティ

より小さく、速く、コスト効率に優れています。十分なポストトレーニングにより、生成結果は安定して一貫しています。イラスト、アニメ、絵画など、表現力のある芸術的なスタイルが得意です。

• サードパーティ

表現力のあるイラスト、スタイル重視のコンセプト、素早いビジュアル探索向けの低コストな反復に作られた、最速の Krea 2 モデルです。Krea 2 のスタイルシステムと表現力はそのままに、蒸留したサンプリングスケジュールでアイデアを素早く回せます。表現力のあるイラスト、グラフィックスタイル、タイポグラフィの実験、キャンペーンやコンセプトの方向性検討に特に向いています。

• サードパーティ

Lightricks LTX-2.5 Fast は、テキストから動画、画像から動画のワークフロー向けの高速な動画生成モデルです。同期した音声に加え、長さ、解像度、フレームレートを設定できます。

• サードパーティ

hailuo-2.3

リアルな人の動き、シネマティックな VFX、表現力のあるキャラクター、プロンプトとスタイルへの強い追従に最適化した高忠実度の動画生成モデルです。テキストから動画、画像から動画のワークフローに対応します。

• サードパーティ
• ゼロデータ保持

hailuo-2.3-fast

動きの品質、視覚的な一貫性、スタイライゼーションを保ちつつ、より速い反復ができる Hailuo 2.3 の低レイテンシ版です。

• サードパーティ
• ゼロデータ保持

m2.7

多言語対応の MiniMax M2.7 言語モデルです。

• サードパーティ
• ゼロデータ保持

m3

最先端のコーディングとエージェント能力、100 万トークンのコンテキストウィンドウ、多言語対応を備えた MiniMax M3 言語モデルです。

• サードパーティ
• ゼロデータ保持

music-2.6

テキストプロンプトと歌詞からボーカル付きのフル尺楽曲、またはインストゥルメンタルを生成する MiniMax の音楽生成モデルです。BPM / キーの制御と歌詞の自動生成に対応します。

• サードパーティ
• ゼロデータ保持

speech-2.8-hd

MiniMax Speech 2.8 HD は、感情コントロール、40 以上の言語対応、音声クローンを備えたスタジオ品質の音声生成に特化しています。

• サードパーティ
• ゼロデータ保持

speech-2.8-turbo

MiniMax Speech 2.8 Turbo は、音声クローン、感情コントロール、40 以上の言語対応を備え、テキストを自然で表現力のある音声へより速く変換します。

• サードパーティ
• ゼロデータ保持

kimi-k3

Kimi K3 は、Kimi Delta Attention（ハイブリッド線形アテンション機構）と Attention Residuals を基盤にした、Moonshot のフラッグシップ 2.8 兆パラメータモデルです。ネイティブな視覚理解、常時オンの推論、100 万トークンのコンテキストウィンドウを備え、長期のコーディング、ナレッジワーク、深い推論タスクに使えます。

• サードパーティ

gpt-4.1

100 万トークンのコンテキストウィンドウを備え、複雑なタスク向けの OpenAI フラッグシップ GPT モデルです。

• サードパーティ
• ゼロデータ保持

gpt-4.1-mini

100 万トークンのコンテキストウィンドウを備えた、GPT-4.1 の高速で手頃なバージョンです。

• サードパーティ
• ゼロデータ保持

gpt-4.1-nano

GPT-4.1 Nano は、高スループットで低レイテンシなタスク向けに最適化された、OpenAI の最小かつ最安の GPT-4.1 バリアントです。

• サードパーティ
• ゼロデータ保持

gpt-4o

GPT-4o は、テキストと画像を受け付け、幅広いタスクに素早く応答する OpenAI のマルチモーダルなフラッグシップモデルです。

• サードパーティ
• ゼロデータ保持

gpt-4o-mini

GPT-4o Mini は、GPT-4o の軽量で低コストなバリアントです。マルチモーダル入力を含む大量タスクに適しています。

• サードパーティ
• ゼロデータ保持

gpt-4o-transcribe

GPT-4o を使って音声を文字起こしする音声認識モデルです。元の Whisper モデルと比べて、単語誤り率と言語認識が向上しています。

• サードパーティ
• ゼロデータ保持

gpt-5

コーディング、文章作成、推論に優れた OpenAI のモデルです。

• サードパーティ
• ゼロデータ保持

gpt-5-mini

GPT-5 Mini は、GPT-5 の軽量で低コストなバリアントです。大量のコーディングと推論タスクに適しています。

• サードパーティ
• ゼロデータ保持

gpt-5-nano

GPT-5 Nano は、低レイテンシで安価な高スループットタスク向けに最適化された、OpenAI の最小 GPT-5 バリアントです。

• サードパーティ
• ゼロデータ保持

gpt-5.1

GPT-5.1 は、コーディング、推論、ライティングを強化した、OpenAI による GPT-5 の改良版です。

• サードパーティ
• ゼロデータ保持

gpt-5.4

GPT-5.4 は、コーディング、推論、マルチモーダルに優れた OpenAI のフラッグシップモデルです。

• サードパーティ
• ゼロデータ保持

gpt-5.4-mini

GPT-5.4 mini は、軽量タスク向けに、より小さく、速く、コスト効率を高めた GPT-5.4 です。

• サードパーティ
• ゼロデータ保持

gpt-5.4-nano

GPT-5.4 nano は OpenAI の最小かつ最速のモデルで、エッジおよび低レイテンシ用途向けに最適化されています。

• サードパーティ
• ゼロデータ保持

gpt-5.4-pro

GPT-5.4 pro は、組み込みツール、強化された推論、ステートフルなコンテキスト管理を備えた OpenAI の Responses API を使用します。

• サードパーティ
• ゼロデータ保持

gpt-5.5

GPT-5.5 は、コーディング、推論、マルチモーダルに優れた OpenAI のフラッグシップモデルです。

• サードパーティ
• ゼロデータ保持

gpt-5.5-pro

GPT-5.5 pro は、組み込みツール、強化された推論、ステートフルなコンテキスト管理を備えた OpenAI の Responses API を使用します。

• サードパーティ
• ゼロデータ保持

gpt-5.6-luna

GPT-5.6 Luna は、コスト重視のワークロード向けに最適化された OpenAI の GPT-5.6 モデルです。Responses API で効率的にテキストを生成します。

• サードパーティ

gpt-5.6-sol

GPT-5.6 Sol は、複雑な専門業務向けの OpenAI 最先端 GPT-5.6 モデルです。Responses API で推論とステートフルなコンテキスト管理を行います。

• サードパーティ

gpt-5.6-terra

GPT-5.6 Terra は、知能とコストのバランスを取った OpenAI の GPT-5.6 モデルです。Responses API で推論とステートフルなコンテキスト管理を行います。

• サードパーティ

gpt-image-1.5

テキストプロンプトから画像を生成・編集する OpenAI の画像生成モデルです。複数の品質レベルと出力サイズに対応しています。

• サードパーティ
• ゼロデータ保持

gpt-image-2

テキストプロンプトから画像を生成・編集する OpenAI の次世代画像モデルです。複数の品質レベル、サイズ、出力形式に対応しています。なお、透明背景には対応していません。透明な PNG が必要な場合は openai/gpt-image-1.5 を使用してください。

• サードパーティ
• ゼロデータ保持

o3

o3 は、高い分析性能と妥当なレイテンシ・コストを両立した、OpenAI の汎用推論モデルです。

• サードパーティ
• ゼロデータ保持

o3-mini

o3-mini は o3 の軽量・低コストな推論バリアントで、大規模かつ迅速な分析タスクに適しています。

• サードパーティ
• ゼロデータ保持

o4-mini

多段階の問題解決を低コストで行うために最適化された、OpenAI の高速・軽量な推論モデルです。

• サードパーティ
• ゼロデータ保持

tts-1

低レイテンシのリアルタイム用途向けに最適化された、OpenAI のテキスト読み上げモデルです。

• サードパーティ
• ゼロデータ保持

tts-1-hd

より高品質な音声を出力する、OpenAI の高精細テキスト読み上げモデルです。

• サードパーティ
• ゼロデータ保持

v5.6

PixVerse v5.6 は、テキストから動画と画像から動画に対応した動画生成モデルです。音声生成、カスタマイズ可能なアスペクト比、最大 1080p 出力をサポートします。

• サードパーティ
• ゼロデータ保持

v6

PixVerse v6 は最新の PixVerse 動画モデルで、最長 15 秒の動画、1〜15 秒の長さ指定、音声生成に対応しています。

• サードパーティ
• ゼロデータ保持

p-image

Pruna の P-Image は、自動プロンプト強化と 2 段階のリファインメントを備えた超高速テキストから画像モデルです。優れた速度と高品質な出力、柔軟なアスペクト比を兼ね備えています。

• サードパーティ

p-image-edit

Pruna の P-Image-Edit は、テキストの指示で 1〜5 枚の参照画像を編集・合成します。複雑な構図、スタイル転送、ピンポイント編集に対応し、出力のアスペクト比も柔軟に指定できます。

• サードパーティ

p-image-try-on

Pruna の P-Image Try-On は、人物の写真に 1 着以上の衣服を仮想試着します。人物写真と衣服の参照画像を渡すと、指定した衣服をその人物にリアルに着せます。

• サードパーティ

p-image-upscale

Pruna の P-Image-Upscale は AI で画像の解像度を上げます。1〜128 メガピクセルを目標に、任意でディテールとリアリズムを強化し、よりシャープでクリーンな結果を得られます。

• サードパーティ

p-video

Pruna の P-Video は、テキストから動画、画像から動画、音声条件付き生成に対応したプレミアム動画生成モデルです。最大 1080p、24 または 48 fps、最長 20 秒まで設定できます。

• サードパーティ

p-video-animate

Pruna の P-Video-Animate は、ソース動画と被写体の参照画像を受け取り、ソース動画の動きと音声でその被写体をアニメーション化します。

• サードパーティ

p-video-avatar

Pruna の P-Video-Avatar は、1 枚のポートレート画像から、テキストの台本または音声ファイルに基づいてトーキングヘッド動画を生成します。複数の声、言語、出力解像度に対応しています。

• サードパーティ

p-video-replace

Pruna の P-Video-Replace は、ソース動画と 1 枚以上の人物参照画像を受け取り、ソースの動きと音声を保ったまま、参照した人物を動画に配置します。

• サードパーティ

recraftv3

Recraft V3 は Recraft の前世代テキストから画像モデルで、デザイン品質の構図、ブランドを意識した画像、正確なテキスト描画に適しています。

• サードパーティ
• ゼロデータ保持

recraftv4

Recraft V4 は、構図、正確なテキスト描画、デザインセンスを備えたアートディレクション画像を生成します。標準解像度では高速かつコスト効率に優れています。

• サードパーティ
• ゼロデータ保持

recraftv4-1

Recraft V4.1 は、高い審美性に合わせて調整されたアートディレクション画像を生成します。構図、正確なテキスト描画、洗練されたデザインセンスに優れ、標準解像度では高速かつコスト効率に優れています。

• サードパーティ
• ゼロデータ保持

recraftv4-1-pro

Recraft V4.1 Pro は、2048px 以上の高解像度でアートディレクションされた画像を生成します。高い審美性、しっかりした構図、テキスト描画、洗練されたデザインセンスに最適化されており、印刷や制作向けです。

• サードパーティ
• ゼロデータ保持

recraftv4-1-pro-vector

テキストプロンプトから、美しく細かいジオメトリの高解像度 SVG ベクターグラフィックを生成します。任意のサイズに拡大でき、印刷やデザイン作業に適しています。

• サードパーティ
• ゼロデータ保持

recraftv4-1-utility

Recraft V4.1 Utility は、標準解像度で日常的な幅広い用途向けに品質と柔軟性のバランスをとった汎用画像生成モデルです。

• サードパーティ
• ゼロデータ保持

recraftv4-1-utility-pro

Recraft V4.1 Utility Pro は、制作や印刷など幅広い用途向けに 2048px 以上の高解像度画像を生成する汎用モデルです。

• サードパーティ
• ゼロデータ保持

recraftv4-1-utility-pro-vector

汎用モデルで、テキストプロンプトから詳細な高解像度 SVG ベクターグラフィックを生成します。任意のサイズに拡大でき、印刷や大規模なデザイン作業に適しています。

• サードパーティ
• ゼロデータ保持

recraftv4-1-utility-vector

デザインやイラストなど幅広い用途に適した汎用モデルで、テキストプロンプトから制作向け SVG ベクターグラフィックを生成します。

• サードパーティ
• ゼロデータ保持

recraftv4-1-vector

テキストプロンプトから、高い審美性、きれいなジオメトリ、構造化されたレイヤー、編集可能なパスを備えた制作向け SVG ベクターグラフィックを生成します。

• サードパーティ
• ゼロデータ保持

recraftv4-pro

Recraft V4 Pro は、2048px 以上の高解像度で、構図、テキスト描画、デザインセンスに優れたアートディレクション画像を生成します。印刷や制作向けに設計されています。

• サードパーティ
• ゼロデータ保持

recraftv4-pro-vector

テキストプロンプトから、精細なジオメトリを備えた詳細な制作向け SVG ベクターグラフィックを生成します。印刷やデザイン用途で任意のサイズに拡大できます。

• サードパーティ
• ゼロデータ保持

recraftv4-vector

テキストプロンプトから、きれいなジオメトリ、構造化されたレイヤー、編集可能なパスを備えた制作向け SVG ベクターグラフィックを生成します。

• サードパーティ
• ゼロデータ保持

aleph-2

RunwayML の動画編集モデルです。1 フレームを編集すると動画全体が更新され、複数ショットにまたがる変更や最大 30 秒の動画に対応します。キーフレームガイド編集で、クリップ内の特定の瞬間を精密に制御できます。

• サードパーティ

gen-4.5

テキストから動画、画像から動画の両方に対応する RunwayML の動画生成モデルです。長さ、アスペクト比、コンテンツモデレーションをカスタマイズできます。

• サードパーティ

Inkling は、mixture-of-experts アーキテクチャを採用した Thinking Machines のオープンウェイトなハイブリッド推論モデルです。デフォルトで推論し、思考過程を先頭の thinking コンテンツブロックとして出力します。推論の強さは Tinker 固有の output_config.effort パラメータで調整できます。Tinker のベータ版 Anthropic Messages 互換エンドポイントで、ツール利用、ストリーミング、マルチターン会話とともに利用できます。現時点では高スループットの本番運用ではなく、低トラフィックのテストや内部利用を想定しています。このエンドポイントではプロンプトキャッシュ、引用、音声入力は非対応です。

• サードパーティ

Thinking Machines のオープンウェイトなハイブリッド推論 MoE モデル Inkling の 256K コンテキスト版です。ベースモデルと同じハイブリッド推論、ツール利用、ストリーミングに対応し、より長い会話やドキュメント向けにコンテキストウィンドウを拡張しています。現時点では高スループットの本番運用ではなく、低トラフィックのテストや内部利用を想定しています。

• サードパーティ

q3-pro

Vidu Q3 Pro は、テキストから動画、画像から動画、開始・終了フレームから動画のワークフローに対応する高品質な動画生成モデルです。音声付きで最大 16 秒のクリップを生成できます。

• サードパーティ
• ゼロデータ保持

q3-turbo

Vidu Q3 Turbo は、音声対応と最大 16 秒のクリップを維持しつつ、低レイテンシの動画生成に最適化した Vidu Q3 の高速版です。

• サードパーティ
• ゼロデータ保持

grok-4.20-0309-non-reasoning

xAI の Grok 4.20 非推論モデルです。推論バリアントと同じ学習を保ちつつ、思考トレースを省略して高速な単一パス応答を返します。

• サードパーティ
• ゼロデータ保持

grok-4.20-0309-reasoning

xAI の Grok 4.20 推論モデルです。拡張された思考で複雑な問題を解き、最終回答とともに推論トレースを返します。

• サードパーティ
• ゼロデータ保持

grok-4.20-multi-agent-0309

200 万トークンのコンテキストウィンドウを備えた、xAI の Grok 4.20 マルチエージェントモデルです。複数のエージェントが並列に協働して深い調査タスクを行い、関数呼び出し、構造化出力、推論に対応します。

• サードパーティ
• ゼロデータ保持

grok-4.3

100 万トークンのコンテキストウィンドウと、幻覚の少ない強力なエージェント型ツール呼び出しを備えた、xAI の Grok 4.3 モデルです。テキストと画像入力を受け付け、関数呼び出し、構造化出力、推論の強さ（none、low、medium、high）の設定に対応します。

• サードパーティ
• ゼロデータ保持

grok-4.5

コーディング、エージェントタスク、ナレッジワーク向けのフロンティアモデルである xAI の Grok 4.5 です。テキストと画像入力を受け付け、関数呼び出し、構造化出力、推論の強さ（low、medium、high）の設定に対応します。

• サードパーティ
• ゼロデータ保持

grok-4.6

コーディング、エージェントタスク、ビジュアル作業向けのフラッグシップ推論モデルである xAI の Grok 4.6 です。テキストと画像入力を受け付け、関数呼び出しと構造化出力に対応します。

• サードパーティ
• ゼロデータ保持

grok-imagine-image

xAI の Grok Imagine 画像モデルです。テキストと参照画像から画像を生成・編集し、アスペクト比と解像度を設定できます。

• サードパーティ
• ゼロデータ保持

grok-imagine-image-2.0

xAI の Grok Imagine Image 2.0 は、指示追従、タイポグラフィ、レイアウト、参照画像の保持に優れた、クリエイティブ用途向けの精密な画像生成・編集モデルです。

• サードパーティ

grok-imagine-image-quality

よりシャープな細部、正確な構図、強力なテキスト描画に最適化した、xAI の高忠実度テキスト画像生成モデルです。参照画像とマスクによる画像編集に対応します。grok-imagine-image と比べて速度より品質を優先します。デフォルト出力は 2k 解像度です。

• サードパーティ
• ゼロデータ保持

grok-imagine-video

xAI の動画生成モデルです。テキストと画像入力から動画を生成、編集、延長し、対話、効果音、音楽を含むネイティブ同期音声を付けます。複数のクリエイティブモード（normal、fun、custom）に対応します。

• サードパーティ
• ゼロデータ保持

grok-imagine-video-1.5-preview

xAI の次世代動画生成モデルです。テキストと画像入力から動画を生成、編集、延長します。複数のアスペクト比と解像度に対応し、前世代より品質が向上しています。

• サードパーティ
• ゼロデータ保持

grok-stt

xAI の Grok 音声認識モデルです。25 言語の音声ファイルをテキストに文字起こしし、単語レベルのタイムスタンプ、マルチチャネル文字起こし、話者分離、キーワードバイアスに対応します。

• サードパーティ
• ゼロデータ保持

grok-tts

xAI の Grok テキスト読み上げモデルです。eve、ara、rex、sal、leo の 5 つの表現豊かな音声で、20 以上の言語に対応した高忠実度の音声を生成します。笑い、ささやき、間などのインライン speech タグに対応します。

• サードパーティ
• ゼロデータ保持

grok-voice

低レイテンシの音声入出力ストリーミングに対応した、xAI のリアルタイム音声会話モデルです。

• サードパーティ
• ゼロデータ保持

aura-1

Aura は、入力テキストの文脈に応じて自然な間、表現力、フィラーを加えるコンテキスト認識型のテキスト読み上げ（TTS）モデルです。入力テキストの品質が、音声の自然さに直結します。

• Cloudflare ホスト
• バッチ
• パートナー
• リアルタイム

aura-2-en

Aura-2 は、入力テキストの文脈に応じて自然な間、表現力、フィラーを加えるコンテキスト認識型のテキスト読み上げ（TTS）モデルです。入力テキストの品質が、音声の自然さに直結します。

• Cloudflare ホスト
• バッチ
• パートナー
• リアルタイム

aura-2-es

Aura-2 は、入力テキストの文脈に応じて自然な間、表現力、フィラーを加えるコンテキスト認識型のテキスト読み上げ（TTS）モデルです。入力テキストの品質が、音声の自然さに直結します。

• Cloudflare ホスト
• バッチ
• パートナー
• リアルタイム

bart-large-cnn

ベータ

BART は、双方向（BERT ライク）のエンコーダーと自己回帰（GPT ライク）のデコーダーを備えた transformer encoder-encoder（seq2seq）モデルです。テキストの要約に使えます。

• Cloudflare ホスト
• 非推奨

bge-base-en-v1.5

任意のテキストを 768 次元のベクトルに変換する BAAI general embedding（Base）モデルです。

• Cloudflare ホスト
• バッチ

bge-large-en-v1.5

任意のテキストを 1024 次元のベクトルに変換する BAAI general embedding（Large）モデルです。

• Cloudflare ホスト
• バッチ

bge-m3

多機能、多言語、多粒度に対応した embeddings モデルです。

• Cloudflare ホスト

bge-reranker-base

embedding モデルと異なり、reranker は質問と文書を入力として受け取り、embedding ではなく類似度を直接出力します。クエリとパッセージを入力すると関連度スコアが得られます。このスコアは sigmoid 関数で [0,1] の浮動小数点値に変換できます。

• Cloudflare ホスト

bge-small-en-v1.5

任意のテキストを 384 次元のベクトルに変換する BAAI general embedding（Small）モデルです。

• Cloudflare ホスト
• バッチ

deepseek-r1-distill-qwen-32b

DeepSeek-R1-Distill-Qwen-32B は、Qwen2.5 をベースに DeepSeek-R1 から蒸留したモデルです。各種ベンチマークで OpenAI-o1-mini を上回り、dense モデルとして新たな最先端の結果を達成しています。

• Cloudflare ホスト
• 推論

deepseek-v4-flash-0731

DeepSeek-V4-Flash-0731 は、プレビュー版に代わる DeepSeek-V4-Flash の正式リリースで、エージェント能力が大きく強化されています。

• Cloudflare ホスト
• 関数呼び出し
• 推論

deepseek-v4-pro-0813

DeepSeek V4 Pro は、100 万トークンのコンテキストウィンドウを持つ DeepSeek の高性能な推論モデルで、長期的なエージェントワークフローと複雑な多段階の問題解決向けです。

• Cloudflare ホスト
• 関数呼び出し
• 推論

detr-resnet-50

ベータ

COCO 2017 の物体検出（注釈付き画像 11.8 万枚）でエンドツーエンドに学習した DEtection TRansformer（DETR）モデルです。

• Cloudflare ホスト

distilbert-sst-2-int8

SST-2 で感情分類向けにファインチューンした Distilled BERT モデルです。

• Cloudflare ホスト

写実性を高めつつ表現の幅は損なわないようファインチューンした Stable Diffusion モデルです。

• Cloudflare ホスト

embeddinggemma-300m

EmbeddingGemma は、Google が公開する 3 億パラメーターの embedding モデルで、同規模では最先端の性能を持ちます。Gemma 3（T5Gemma で初期化）と、Gemini モデルと同じ研究・技術を基に構築されています。テキストのベクトル表現を生成し、分類、クラスタリング、意味的類似検索など、検索・取得のタスクに適しています。100 以上の話し言葉のデータで学習されています。

• Cloudflare ホスト

flux

Flux は、音声エージェント向けに作られた初の会話型音声認識モデルです。

• Cloudflare ホスト
• パートナー
• リアルタイム

flux-1-schnell

FLUX.1 [schnell] は、テキストの説明から画像を生成できる 120 億パラメーターの rectified flow transformer です。

• Cloudflare ホスト

flux-2-dev

FLUX.2 [dev] は Black Forest Labs の画像モデルで、複数の参照画像に対応し、非常に写実的で精細な画像を生成できます。

• Cloudflare ホスト
• パートナー

flux-2-klein-4b

FLUX.2 [klein] は超高速な蒸留済み画像モデルです。画像生成と編集を 1 つのモデルに統合し、最先端の品質でインタラクティブなワークフロー、リアルタイムプレビュー、低遅延が求められる用途に使えます。

• Cloudflare ホスト
• パートナー

flux-2-klein-9b

FLUX.2 [klein] 9B は、品質を高めた超高速な蒸留済み画像モデルです。画像生成と編集を 1 つのモデルに統合し、最先端の品質でインタラクティブなワークフロー、リアルタイムプレビュー、低遅延が求められる用途に使えます。

• Cloudflare ホスト
• パートナー

gemma-2b-it-lora

ベータ

LoRA アダプターによる推論向けに Cloudflare が用意した Gemma-2B のベースモデルです。Gemma は Google の軽量で最先端のオープンモデルファミリーで、Gemini モデルと同じ研究・技術を基に構築されています。

• Cloudflare ホスト
• LoRA

gemma-3-12b-it

Gemma 3 モデルは、質問応答、要約、推論など、さまざまなテキスト生成と画像理解のタスクに適しています。テキストと画像を入力しテキストを出力するマルチモーダルモデルで、128K の大きなコンテキストウィンドウ、140 以上の言語への対応、従来より豊富なサイズ展開があります。

• Cloudflare ホスト
• LoRA
• 非推奨

gemma-4-26b-a4b-it

Gemma 4 は、パラメーターあたりの知能を最大化するため Gemini 3 の研究を基に構築された、Google のオープンモデルのなかで最も知能の高いファミリーです。

• Cloudflare ホスト
• 関数呼び出し
• 推論
• 画像入力

gemma-7b-it

ベータ

Gemma は Google の軽量で最先端のオープンモデルファミリーで、Gemini モデルと同じ研究・技術を基に構築されています。テキストからテキストを生成する decoder-only の大規模言語モデルで、英語に対応し、オープンウェイト、事前学習版、instruction-tuned 版があります。

• Cloudflare ホスト
• LoRA
• 非推奨

gemma-7b-it-lora

ベータ

LoRA アダプターによる推論向けに Cloudflare が用意した Gemma-7B のベースモデルです。Gemma は Google の軽量で最先端のオープンモデルファミリーで、Gemini モデルと同じ研究・技術を基に構築されています。

• Cloudflare ホスト
• LoRA

SEA-LION は Southeast Asian Languages In One Network の略で、東南アジア（SEA）向けに事前学習および instruct-tuned された大規模言語モデル（LLM）のコレクションです。

• Cloudflare ホスト

glm-4.7-flash

GLM-4.7-Flash は、131,072 トークンのコンテキストウィンドウを持つ高速で効率的な多言語テキスト生成モデルです。100 以上の言語で対話、指示追従、複数ターンのツール呼び出し向けに最適化されています。

• Cloudflare ホスト
• 関数呼び出し
• 推論

glm-5.2

Z.ai のフラッグシップとなるエージェント型コーディングモデルです。

• Cloudflare ホスト
• 関数呼び出し
• 推論

glm-5.3

GLM-5.3 は Z.ai のフラッグシップのエージェント型コーディングモデルです。100万トークンのコンテキストウィンドウに、推論、関数呼び出し、構造化出力を組み合わせ、複数ステップのツール駆動開発ワークフローを支えます。

• Cloudflare ホスト
• 関数呼び出し
• 推論

glm-5.3-flash

GLM-5 シリーズ初のネイティブマルチモーダルモデルです。総パラメータ数は 3200億、有効パラメータは 180億で、ベンチマークと実運用の双方で GLM-5.2 を上回り、価格は約 10分の1です。コーディングとエージェント系ベンチマークでは Claude Opus 4.8 に近い性能を発揮します。

• Cloudflare ホスト
• 関数呼び出し
• 推論
• 画像入力

gpt-oss-120b

OpenAI のオープンウェイトモデルで、強力な推論、エージェントタスク、幅広い開発者向け用途に設計されています。gpt-oss-120b は本番環境の汎用・高推論用途向けです。

• Cloudflare ホスト
• 関数呼び出し
• 推論

gpt-oss-20b

OpenAI のオープンウェイトモデルで、強力な推論、エージェントタスク、幅広い開発者向け用途に設計されています。gpt-oss-20b は低レイテンシ、ローカル、または専門用途向けです。

• Cloudflare ホスト
• 関数呼び出し
• 推論

granite-4.0-h-micro

Granite 4.0 の指示追従モデルは、幅広いベンチマークで高い性能を発揮し、指示追従や関数呼び出しなどの主要なエージェント型タスクで業界トップクラスの結果を達成しています。この効率性により、retrieval-augmented generation（RAG）、マルチエージェントワークフロー、エッジ展開など幅広い用途に適しています。

• Cloudflare ホスト
• 関数呼び出し

Mistral 7B 上の Hermes 2 Pro は、新しいフラッグシップの 7B Hermes です。Hermes 2 Pro は Nous Hermes 2 をアップグレードして再学習したバージョンで、更新・クリーニング済みの OpenHermes 2.5 Dataset に加え、社内で開発した Function Calling と JSON Mode のデータセットを含みます。

• Cloudflare ホスト
• 関数呼び出し
• 非推奨

IndicTrans2 は、インドの指定公用語 22 言語すべてで高品質な翻訳に対応する、初のオープンソースの Transformer ベース多言語 NMT モデルです。

• Cloudflare ホスト

kimi-k2.5

Kimi K2.5 はフロンティア規模のオープンソースモデルです。256k のコンテキストウィンドウ、マルチターンのツール呼び出し、ビジョン入力、構造化出力に対応し、エージェント型ワークロード向けです。

• Cloudflare ホスト
• 関数呼び出し
• 非推奨
• 推論
• 画像入力

kimi-k2.6

Kimi K2.6 はフロンティア規模のオープンソース 1T パラメータモデルです。262.1k のコンテキストウィンドウ、マルチターンのツール呼び出し、ビジョン入力、構造化出力に対応し、エージェント型ワークロード向けです。

• Cloudflare ホスト
• 関数呼び出し
• 推論
• 画像入力

kimi-k2.7-code

Kimi K2.7 はフロンティア規模のオープンソース 1T パラメータモデルです。262.1k のコンテキストウィンドウ、マルチターンのツール呼び出し、ビジョン入力、構造化出力に対応し、エージェント型ワークロード向けです。

• Cloudflare ホスト
• 関数呼び出し
• 推論
• 画像入力

llama-2-7b-chat-fp16

Meta による 70億パラメータのフル精度（fp16）生成テキストモデルです。

• Cloudflare ホスト
• 非推奨

llama-2-7b-chat-hf-lora

ベータ

Cloudflare が LoRA アダプターによる推論専用に用意した Llama 2 ベースモデルです。Llama 2 は、70億から 700億パラメータまでの事前学習済みおよびファインチューニング済み生成テキストモデルのコレクションです。これは対話用途向けに最適化し、Hugging Face Transformers 形式に変換した 7B ファインチューニングモデルです。

• Cloudflare ホスト
• LoRA

llama-2-7b-chat-int8

Meta による 70億パラメータの量子化（int8）生成テキストモデルです。

• Cloudflare ホスト
• 非推奨

llama-3-8b-instruct

Meta Llama 3 は世代を重ねるごとに、幅広い業界ベンチマークで最先端の性能を示し、推論の向上をはじめとする新しい能力を備えています。

• Cloudflare ホスト
• 非推奨

llama-3-8b-instruct-awq

Meta による 80億パラメータの量子化（int4）生成テキストモデルです。

• Cloudflare ホスト
• 非推奨

llama-3.1-70b-instruct

Meta Llama 3.1 の多言語大規模言語モデル（LLM）コレクションは、事前学習済みおよび指示チューニング済みの生成モデル群です。Llama 3.1 の指示チューニング済みテキスト専用モデルは、多言語対話向けに最適化されており、一般的な業界ベンチマークで多くのオープンソースおよびクローズドなチャットモデルを上回ります。

• Cloudflare ホスト
• 非推奨

llama-3.1-8b-instruct

Meta Llama 3.1 の多言語大規模言語モデル（LLM）コレクションは、事前学習済みおよび指示チューニング済みの生成モデル群です。Llama 3.1 の指示チューニング済みテキスト専用モデルは、多言語対話向けに最適化されており、一般的な業界ベンチマークで多くのオープンソースおよびクローズドなチャットモデルを上回ります。

• Cloudflare ホスト
• 非推奨

llama-3.1-8b-instruct-awq

Meta による 80億パラメータの量子化（int4）生成テキストモデルです。

• Cloudflare ホスト
• 非推奨

llama-3.1-8b-instruct-fast

[高速版] Meta Llama 3.1 の多言語大規模言語モデル（LLM）コレクションは、事前学習済みおよび指示チューニング済みの生成モデル群です。Llama 3.1 の指示チューニング済みテキスト専用モデルは、多言語対話向けに最適化されており、一般的な業界ベンチマークで多くのオープンソースおよびクローズドなチャットモデルを上回ります。

• Cloudflare ホスト

llama-3.1-8b-instruct-fp8

Llama 3.1 8B を FP8 精度に量子化したモデルです。

• Cloudflare ホスト

llama-3.2-11b-vision-instruct

Llama 3.2-Vision の指示チューニング済みモデルは、視覚認識、画像推論、キャプション生成、画像に関する一般的な質問応答向けに最適化されています。

• Cloudflare ホスト
• LoRA
• 画像入力

llama-3.2-1b-instruct

Llama 3.2 の指示チューニング済みテキスト専用モデルは、エージェント型の検索や要約を含む多言語対話向けに最適化されています。

• Cloudflare ホスト

llama-3.2-3b-instruct

Llama 3.2 の指示チューニング済みテキスト専用モデルは、エージェント型の検索や要約を含む多言語対話向けに最適化されています。

• Cloudflare ホスト

llama-3.3-70b-instruct-fp8-fast

Llama 3.3 70B を fp8 精度に量子化し、より高速になるよう最適化したモデルです。

• Cloudflare ホスト
• バッチ
• 関数呼び出し

llama-4-scout-17b-16e-instruct

Meta の Llama 4 Scout は、16 のエキスパートを持つ 170億パラメータのネイティブマルチモーダルモデルです。Mixture-of-Experts アーキテクチャにより、テキストと画像の理解で業界トップクラスの性能を発揮します。

• Cloudflare ホスト
• バッチ
• 関数呼び出し
• 画像入力

llama-guard-3-8b

Llama Guard 3 は、コンテンツ安全性の分類向けにファインチューニングした Llama-3.1-8B の事前学習モデルです。以前のバージョンと同様に、LLM の入力（プロンプト分類）と LLM の応答（レスポンス分類）の両方でコンテンツを分類できます。LLM として動作し、プロンプトや応答が安全か不安全かを示すテキストを出力します。不安全な場合は、違反したコンテンツカテゴリも列挙します。

• Cloudflare ホスト
• LoRA

LLaVA は、GPT が生成したマルチモーダルな指示追従データで LLaMA/Vicuna をファインチューニングして学習したオープンソースのチャットボットです。Transformer アーキテクチャに基づく自己回帰型言語モデルです。

• Cloudflare ホスト

lucid-origin

Leonardo.AI の Lucid Origin は、同社で最も適応性が高く、プロンプトへの追従性が高いモデルです。シャープなグラフィックデザイン、美しいフル HD レンダリング、細かいクリエイティブ指示のいずれでも、プロンプトに忠実に従い、テキストを正確に描画します。スタイライズされたコンセプトアートから鮮明な製品モックアップまで、幅広いビジュアルスタイルに対応します。

• Cloudflare ホスト
• パートナー

m2m100-1.2b

多対多の多言語翻訳向けに学習した、多言語エンコーダー・デコーダー（seq-to-seq）モデルです。

• Cloudflare ホスト
• バッチ

melotts

MeloTTS は、MyShell.ai による高品質な多言語テキスト読み上げライブラリです。

• Cloudflare ホスト

meta-llama-3-8b-instruct

Meta Llama 3 は世代を重ねるごとに、幅広い業界ベンチマークで最先端の性能を示し、推論の向上をはじめとする新しい能力を備えています。

• Cloudflare ホスト
• 非推奨

mistral-7b-instruct-v0.1

70億パラメータの生成テキストモデル Mistral-7b を、指示追従向けにファインチューニングしたバージョンです。

• Cloudflare ホスト
• LoRA
• 非推奨

mistral-7b-instruct-v0.2

ベータ

Mistral-7B-Instruct-v0.2 は、Mistral-7B-v0.2 を指示追従向けにファインチューニングした大規模言語モデル（LLM）です。Mistral-7B-v0.2 では、v0.1 と比べてコンテキストウィンドウが 32k（v0.1 は 8k）、rope-theta = 1e6、Sliding-Window Attention なしに変更されています。

• Cloudflare ホスト
• LoRA
• 非推奨

mistral-7b-instruct-v0.2-lora

ベータ

Mistral-7B-Instruct-v0.2 は、Mistral-7B-v0.2 を指示追従向けにファインチューニングした大規模言語モデル（LLM）です。

• Cloudflare ホスト
• LoRA

mistral-small-3.1-24b-instruct

Mistral Small 3（2501）を基盤とする Mistral Small 3.1（2503）は、最先端のビジョン理解を追加し、テキスト性能を落とさずに最長 128k トークンの長文コンテキストに対応します。240億パラメータで、テキストとビジョンの両タスクでトップクラスの能力を発揮します。

• Cloudflare ホスト
• 関数呼び出し

Moondream 3 は、高速で効率的な 90億パラメータの Mixture-of-Experts ビジョン言語モデル（有効パラメータは 20億）です。物体検出、ポインティング、OCR、構造化出力などのタスクで、最先端レベルの視覚推論を提供します。

• Cloudflare ホスト
• 画像入力

nemotron-3-120b-a12b

NVIDIA Nemotron 3 Super は、マルチエージェント用途や専門的なエージェント型 AI システムで高い精度を持つハイブリッド MoE モデルです。

• Cloudflare ホスト
• 関数呼び出し
• 推論

nova-3

Deepgram の音声認識モデルで音声を文字起こしします。

• Cloudflare ホスト
• バッチ
• パートナー
• リアルタイム

phi-2

ベータ

Phi-2 は、次単語予測を目的とした Transformer ベースのモデルです。NLP とコーディング向けの合成データと Web データセットを複数回学習し、1.4T トークンで訓練されています。

• Cloudflare ホスト
• 非推奨

phoenix-1.0

Phoenix 1.0 は Leonardo.Ai のモデルで、プロンプトへの追従性が高く、一貫したテキストを含む画像を生成します。

• Cloudflare ホスト
• パートナー

PLaMo-Embedding-1B は、Preferred Networks, Inc. が開発した日本語テキスト埋め込みモデルです。 日本語テキストを数値ベクトルに変換でき、情報検索、テキスト分類、クラスタリングなど幅広い用途に使えます。

• Cloudflare ホスト

qwen2.5-coder-32b-instruct

Qwen2.5-Coder は、コード特化型 Qwen 大規模言語モデル（旧称 CodeQwen）の最新シリーズです。現在は 0.5、1.5、3、7、14、320億パラメータの 6 サイズを揃え、さまざまな開発者のニーズに応えます。CodeQwen1.5 からの改善も加わっています。

• Cloudflare ホスト
• LoRA

qwen3-30b-a3b-fp8

Qwen3 は Qwen シリーズの最新世代の大規模言語モデルで、Dense モデルと Mixture-of-Experts（MoE）モデルを幅広く揃えています。大規模な学習に基づき、推論、指示追従、エージェント能力、多言語対応で大きな進歩を実現しています。

• Cloudflare ホスト
• バッチ
• 関数呼び出し
• 推論

qwen3-embedding-0.6b

Qwen3 Embedding モデルシリーズは、Qwen ファミリー最新の独自モデルで、テキスト埋め込みとランキング向けに設計されています。

• Cloudflare ホスト

qwen3.8-27b

Qwen 3.8 27B は、Alibaba の Qwen ファミリーに属する 270億パラメータの指示追従型言語モデルです。ビジョン、効率的な汎用テキスト生成、エージェント用途向けに設計されています。

• Cloudflare ホスト
• 関数呼び出し
• 推論
• 画像入力

qwq-32b

QwQ は Qwen シリーズの推論モデルです。思考と推論ができるため、従来の指示追従モデルと比べて、下流タスク、とくに難問で大幅に高い性能を発揮します。QwQ-32B は中規模の推論モデルで、DeepSeek-R1 や o1-mini といった最先端の推論モデルと競える性能を備えています。

• Cloudflare ホスト
• LoRA
• 推論

resnet-50

ImageNet の 100万枚以上の画像で学習した、50層の画像分類 CNN です。

• Cloudflare ホスト

smart-turn-v2

オープンソースのコミュニティ主導による、ネイティブ音声ターン検出モデルの第2版です。

• Cloudflare ホスト
• バッチ
• リアルタイム

sqlcoder-7b-2

ベータ

技術者以外のユーザーが、SQL データベース内のデータを理解するためのモデルです。

• Cloudflare ホスト
• 非推奨

stable-diffusion-v1-5-img2img

ベータ

Stable Diffusion は、写真のようにリアルな画像を生成できる潜在テキストから画像への拡散モデルです。Img2img では、入力画像から新しい画像を生成します。

• Cloudflare ホスト

stable-diffusion-v1-5-inpainting

ベータ

Stable Diffusion Inpainting は、任意のテキストから写真のようにリアルな画像を生成できる潜在拡散モデルです。マスクを使ったインペインティングにも対応します。

• Cloudflare ホスト

stable-diffusion-xl-base-1.0

ベータ

Stability AI による拡散ベースのテキストから画像への生成モデルです。テキストプロンプトに基づいて画像を生成・編集します。

• Cloudflare ホスト

stable-diffusion-xl-lightning

ベータ

SDXL-Lightning は超高速のテキストから画像への生成モデルです。わずかなステップで高品質な 1024px 画像を生成できます。

• Cloudflare ホスト

uform-gen2-qwen-500m

ベータ

UForm-Gen は、画像キャプションと Visual Question Answering 向けの小型生成ビジョン言語モデルです。社内の画像キャプションデータセットで事前学習し、SVIT、LVIS、VQA などの公開指示データセットでファインチューニングされています。

• Cloudflare ホスト
• 非推奨

whisper

Whisper は汎用の音声認識モデルです。多様な音声の大規模データセットで学習しており、多言語音声認識、音声翻訳、言語識別をこなすマルチタスクモデルでもあります。

• Cloudflare ホスト

whisper-large-v3-turbo

Whisper は、自動音声認識（ASR）と音声翻訳向けの事前学習モデルです。

• Cloudflare ホスト
• バッチ

whisper-tiny-en

ベータ

Whisper は、自動音声認識（ASR）と音声翻訳向けの事前学習モデルです。68万時間のラベル付きデータで学習しており、ファインチューニングなしでも多くのデータセットやドメインに汎化します。これは音声認識タスクで学習した Whisper Tiny の英語専用版です。

• Cloudflare ホスト