AI NEWS.ccAIが動く、未来が変わる
♡ 保存済み 0
AI NEWS・モデル情報能力を知り、根拠ある選択を。 ↗基本情報を先に収録・詳細を随時追加
THE AI MODEL DIRECTORY ここからモデルを探す

あなたに合う AIモデルを。

言語から画像、オープンウェイトからAPIまで。能力と実際の費用を比較。
次のアイデアに合うAIを見つけましょう。

人気の検索
84,991 件のモデル13202 社の提供元・公開者45 件の機能分類465件の比較可能な料金・30件の公開評価
Tテキスト生成▧画像生成▷動画生成⌘コード生成◖音声合成♫音楽生成⬡3Dモデリング▤文書分析
DISCOVER & COMPARE

AIモデルを探す 399

注目のモデルを見つける

> **AesCode-8B** is Microsoft's 8B vision-language model, built on Qwen3-VL-8B-Instruct, for generating information-rich visual artifacts such as slides, posters, dashboards and reports as structured, editable HTML/CSS. It addresses a gap between two kinds of generator: code models can't see how layout, hierarchy and color come together on the canvas, while image generators compose attractive pages but misrender text, numbers and logical relationships. AesCode therefore takes an image generated from the same prompt as an aesthetic reference and follows the prompt for the required content. Tables come out as HTML table structures and charts as ECharts specifications, so both stay inspectable and verifiable. Training was cold-start SFT on 3,000 demonstrations, followed by GDPO reinforcement learning for 400 steps over 7,408 prompts, using verl and no separately trained reward model. Each target is represented as a design graph, and the reward is split into seven decoupled channels: execution, text, boundary, tablechart, layout, whitespace and design. Deterministic verifiers score what can be parsed from the code and its rendering, and a VLM judge scores the rest against a sample-specific Visual Graph Rubric. On the card's 300 infographic samples, AesCode-8B scores 82.94 Overall (Rule 90.07, Visual 75.80). That is above the reference-conditioned GPT-5.5 (81.28) and Claude Opus 4.8 (80.39), and 31.0 points above its reference-conditioned Qwen3-VL-8B backbone. The 32B companion model leads at 85.89. Style is a ceiling for every system, with no model above 60. The reference image is optional, since withholding it costs AesCode-8B only 1.00 Visual point, versus 19.55 for the base model, though quality is highest with it. The model loads through standard Transformers or vLLM, with the training code, verifier stack and rubric builder released on GitHub. The paper is still listed as under review. It is released under Apache 2.0.

翻訳待ち・原文を表示

画像質問応答
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

> [!NOTE] > The Adapter/LoRA is experimental and may generate artifacts. The attached image in the corners of the video frame is the input provided for video generation. The results are generated using 4–6 steps with MiniMax-H3 [Fast] + MiniMax-H3-Facial-Realism-CloseUp (LoRA). Below are the example prompts used to generate the videos with respect to the image input. MiniMax-H3-Facial-Realism-CloseUp is an experimental Human Face Realism LoRA adapter trained on the general-purpose multimodal model MiniMax H3. This LoRA is trained on a high-quality, human-centric face portrait dataset composed of video buckets featuring subtle facial details and micro-expressions. > [!NOTE] > All checkpoints are available here: https://huggingface.co/buckets/prithivMLmods/minimax-h3-facial-realism-closeup. It is recommended to use checkpoint 1800 or 2000.

翻訳待ち・原文を表示

分類準備中
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗
COST EXPLORER

モデル選びに、費用の視点も。

コスト分析

月間トークン数を調整してAPI費用を比較。

1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較

収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。

MODEL HANDBOOK

モデルを理解して選ぶ

選び方とよくある質問
API料金はどう比較しますか？+

入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。

オープンウェイトは無料で商用利用できますか？+

必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。

ランキング1位が最適ですか？+

順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。

AI NEWS・情報から選択へ

ニュースで知り、ツールで効率化、モデルで可能性を。

AIニュースを読む ↗AIツールを探す ↗