「tag:Multimodal」に一致するピン

Alibabaは、フラッグシップのQwen3-VL-235B-A22BをInstruct版とThinking版でオープンソース化した。235Bのビジョン言語Mixture-of-Expertsモデルで、256Kトークンのネイティブコンテキストを備え、主要な視覚認識ベンチマークでGemini 2.5 Proに匹敵するか上回るとAlibabaは述べている。

Mistral AI は Mistral 3 を公開した。675Bパラメータ(アクティブ41B)のスパース混合エキスパートモデル Mistral Large 3(Apache 2.0)と、3つのデンス型 Ministral 3 モデル(3B、8B、14B)で構成される。

Z.aiは、1060億パラメータのMixture-of-Experts型ビジョン言語モデルGLM-4.6Vと、9BのGLM-4.6V-FlashをMITライセンスで公開した。GLM-Vシリーズとして初めてネイティブの関数呼び出しに対応し、128Kトークンのコンテキスト向けに学習され、入力100万トークンあたり$0.30で提供される。

Moonshot AIは、約15兆の画像とテキストの混合トークンで継続的に事前学習したネイティブマルチモーダルのオープンウェイトモデルKimi K2.5を公開した。最大100のサブエージェントを1,500回のツール呼び出しにわたって協調させるAgent Swarmモードを備える。

Alibabaは旧正月の前日に、397Bパラメータのうち17Bを稼働させるネイティブマルチモーダルなオープンウェイトモデル「Qwen3.5-397B-A17B」と、1Mトークンのコンテキストを持つホスト型の「Qwen3.5-Plus」を公開した。

AlibabaのQwenチームは、Apache 2.0の下でオープンウェイトの中規模Qwen3.5モデルを3つ公開した。アクティブ10Bの122B混合エキスパート、アクティブ3Bの35B、そして27Bの高密度モデルで、同社はほとんどのベンチマークでOpenAIのGPT-5 miniを上回ると述べている。

Z.ai（智譜AI）は初のマルチモーダルなコーディング基盤モデルGLM-5V-Turboをリリース。デザインのモックアップ、スクリーンショット、動画を動くフロントエンドコードに変換し、Design2CodeでClaude Opus 4.6の77.3を上回る94.8を記録した。

Alibabaは、エージェント型コーディングを狙った1Mトークンのコンテキストウィンドウを持つホスト型マルチモーダルモデル「Qwen3.6-Plus」を公開した。価格は入力100万トークンあたりCNY 2で、SWE-bench Verifiedで78.8を記録している。

Metaは、Meta Superintelligence Labsの最初のモデルであり、オープンウェイトのない最初のフロンティアモデルであるMuse Sparkをリリースします。これは Meta AI アプリを強化し、発売時の人工分析インテリジェンス インデックスで 52 点を獲得し、Gemini 3.1 Pro、GPT-5.4、Claude Opus 4.6 に次ぎました。

Moonshot AIは、総パラメータ1兆、アクティブ320億のマルチモーダルMixture-of-Expertsモデル、Kimi K2.6をオープンソースで公開した。256Kトークンのコンテキストウィンドウを持ち、最大300のサブエージェントが4,000の連携ステップを実行するエージェントスウォームに対応する。

Xiaomiは、1.02Tパラメータでアクティブ42B、1Mトークンのコンテキストを持つエージェント型モデルMiMo-V2.5-Proと、310Bのオムニモーダルな姉妹モデルMiMo-V2.5を公開し、両モデルをMITライセンスでオープンソース化した。

Mistral AI は、初の統合型フラッグシップ Mistral Medium 3.5 を公開した。128Bのデンス型オープンウェイトモデルで、256Kのコンテキストウィンドウを持ち、SWE-Bench Verified で77.6%を記録し、価格は入力トークン100万あたり$1.50、出力トークン100万あたり$7.50。

MiniMaxは、新しいスパースアテンションを基盤とする1Mトークンのコンテキストを持つネイティブマルチモーダルモデルMiniMax-M3を公開した。SWE-Bench Proで59.0%を記録し、発売時の割引後は入力100万トークンあたり$0.30となる。

Alibaba は、画像とビデオを読み取り、画面を操作し、ScreenSpot Pro で 79.0 のスコアを獲得する独自のマルチモーダル エージェント モデルである Qwen3.7-Plus をリリースします。価格は 100 万入力トークンあたり約 0.40 ドルです。

MetaはMuse Spark 1.1を公開した。エージェント型タスク向けのマルチモーダル推論モデルで、コンテキストウィンドウは1Mトークン。同時にMeta Model APIのパブリックプレビューを開始し、価格は入力100万トークンあたり$1.25、出力100万トークンあたり$4.25。Artificial Analysis Intelligence Indexでは51点。

Thinking Machines LabがInklingを公開した。同社初のモデルで、975Bパラメータ(アクティブ41B)、1Mトークンのコンテキストを持つオープンウェイトのMixture-of-Expertsシステムであり、テキスト・画像・音声を推論でき、ファインチューニングのベースとして設計されている。

Moonshot AIは、2.8兆パラメータ、100万トークンのコンテキストウィンドウを備えたオープンウェイトのマルチモーダルモデル「Kimi K3」をリリースした。価格は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00で、重みは7月27日に公開された。

Thinking Machines LabがInkling-Smallを公開した。276Bパラメータ(アクティブ12B)のオープンウェイトモデルで、推論とエージェント型コーディングのベンチマークで975BのInklingに匹敵または上回り、SWE-bench Verifiedでは80.2%を記録した。

アリババは、2.4兆パラメータのMixture-of-Expertsフラッグシップモデルであるコンテキストウィンドウ100万トークンのQwen3.8-Maxを発表した。Text Arenaで5位、Vision Arenaで2位となり、その後ウェイトを公開した初のMaxクラスのQwenとなった。

AlibabaのQwenチームは、Apache 2.0で公開する密(dense)なマルチモーダル27BモデルQwen3.8-27Bをオープンソース化した。コーディングとオフィス業務ではプロプライエタリなQwen3.7-Plusを上回るとしており、ネイティブコンテキストは262K。

Z.ai は、新たに学習したベースの上に構築した 320B パラメータ(アクティブ 18B)のネイティブマルチモーダル・オープンウェイトモデル GLM-5.3-Flash を公開した。同社は GLM-5.2 を10分の1の価格で上回ると主張しており、入力は100万トークンあたり $0.15。

StepFunは、600Bパラメータ(うち27Bがアクティブ)のスパース・エキスパート混合型フラッグシップで、1Mトークンのコンテキストを持つStep 5 Previewを発表した。価格は入力100万トークンあたり$1.00で、Artificial Analysis Intelligence Indexでは44点を記録している。

シャオミは、ネイティブにオムニモーダルでコンテキストが100万トークンのMiMo-V2.6-ProとMiMo-V2.6-Flashをリリースし、オープンソース化した。ProはArtificial Analysis Intelligence Indexで46.32を記録し、オープンソースモデルとして最高の数値となった。

Mistral AIは、自社クラスターで学習した約1兆パラメータのネイティブマルチモーダルなエキスパート混合モデル「Mistral Large 4」をパブリックプレビューとして公開した。オープンウェイトは2026年10月末までに公開される予定だ。