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
84,047 件のモデル12939 社の提供元・公開者45 件の機能分類464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 16

注目のモデルを見つける

A Swin-B image feature model. Supervisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 109.1 - Image size: 224 x 224 - Architecture: swin_base_patch4_window7_224 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets

翻訳待ち・原文を表示

画像分類
入力 画像→ 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 ↗

A CLIP based image feature model. Supervisely pre-trained on animal re-identification datasets. Original model: timm/vit_large_patch14_clip_336.openai_ft_in12k_in1k

翻訳待ち・原文を表示

画像分類
入力 画像→ 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 ↗

A DINOv2 based image feature model. Supervisely pre-trained on animal re-identification datasets. Original model: timm/vit_large_patch14_dinov2.lvd142m - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 304.4 - GMACs: 507.1 - Activations (M): 1058.8 - Image size: 518 x 518

翻訳待ち・原文を表示

画像分類
入力 画像→ 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 ↗

A Swin-L image feature model. Supervisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 228.6 - Image size: 224 x 224 - Architecture: swin_large_patch4_window7_224 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets

翻訳待ち・原文を表示

画像分類
入力 画像→ 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 ↗

A Swin-L image feature model. Superwisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 228.8 - Image size: 384 x 384 - Architecture: swin_large_patch4_window12_384 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets

翻訳待ち・原文を表示

画像分類
入力 画像→ 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 ↗

A Swin-S image feature model. Supervisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 49.6 - Image size: 224 x 224 - Architecture: swin_small_patch4_window7_224 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets

翻訳待ち・原文を表示

画像分類
入力 画像→ 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 ↗

A Swin-T image feature model. Superwisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 28.3 - Image size: 224 x 224 - Architecture: swin_tiny_patch4_window7_224 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets

翻訳待ち・原文を表示

画像分類
入力 画像→ 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 ↗

A EfficientNetB3 based image feature model. Supervisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Architecture: EfficientNetB3 - Params (M): 12.2 - GMACs: 1.6 - Activations (M): 21.5 - Image size: 288 x 288 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets

翻訳待ち・原文を表示

画像分類
入力 画像→ 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 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基本情報を収録・詳細は順次追加

画像分割
入力 画像→ 出力 画像
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 ↗