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

84,878 件のモデル13127 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 5

提供元入力出力ライセンス

注目のモデルを見つける

BGE-m3-ko

dragonkue

This is a sentence-transformers model trained on the train_set dataset. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. - Learning other languages besides Chinese and English is insufficient, so additional learning is needed to optimize use of other languages. - This model is additionally trained on the Korean dataset. - **Model Type:** Sentence Transformer Transformer Encoder - **Maximum Sequence Length:** 8192 tokens - **Output Dimensionality:** 1024 tokens - **Similarity Function:** Cosine Similarity

翻訳待ち・原文を表示

埋め込みと類似度

入力テキスト→ 出力埋め込み

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 ↗

比較に追加出典・文書 ↗

bge-reranker-v2-m3-ko

dragonkue

Different from embedding model, reranker uses question and document as input and directly output similarity instead of embedding. You can get a relevance score by inputting query and passage to the reranker. And the score can be mapped to a float value in [0,1] by sigmoid function. - Base model : BAAI/bge-reranker-v2-m3 - The multilingual model has been optimized for Korean. Bi-Encoders convert texts into fixed-size vectors and efficiently calculate similarities between them. They are fast and ideal for tasks like semantic search and classification, making them suitable for processing large datasets quickly.

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 ↗

比較に追加出典・文書 ↗

multilingual-e5-small-ko

dragonkue

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-small on datasets that include Korean query-passage pairs for improved performance on Korean retrieval tasks. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. This model is a lightweight Korean retriever, designed for ease of use and strong performance in practical retrieval tasks. It is ideal for running demos or lightweight applications, offering a good balance between speed and accuracy. For even higher retrieval performance, we recommend combining it with a reranker. Suggested reranker models:

翻訳待ち・原文を表示

埋め込みと類似度

入力テキスト→ 出力埋め込み

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 ↗

比較に追加出典・文書 ↗

multilingual-e5-small-ko-v2

dragonkue

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-small on datasets that include Korean query-passage pairs for improved performance on Korean retrieval tasks. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. This model is a lightweight Korean retriever, designed for ease of use and strong performance in practical retrieval tasks. It is ideal for running demos or lightweight applications, offering a good balance between speed and accuracy. This small-sized model delivers **superior performance** on Korean benchmarks compared to the much larger 'intfloat/multilingual-e5-base' model (which has over 2x parameters). This means that you can enjoy performance superior to the base model while using half the computing resources.

翻訳待ち・原文を表示

埋め込みと類似度

入力テキスト→ 出力埋め込み

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 ↗

比較に追加出典・文書 ↗

snowflake-arctic-embed-l-v2.0-ko

dragonkue

This is a sentence-transformers model finetuned from Snowflake/snowflake-arctic-embed-l-v2.0 on the clustered datasets. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search. The **Snowflake/snowflake-arctic-embed-l-v2.0** model has been further trained with Korean data to enhance its performance in **Korean retrieval tasks**. It is a powerful model that achieves **state-of-the-art (SOTA) performance across multiple retrieval benchmarks**. - **Model Type:** Sentence Transformer - **Base model:** Snowflake/snowflake-arctic-embed-l-v2.0 - **Maximum Sequence Length:** 8192 tokens - **Output Dimensionality:** 1024 dimensions - **Similarity Function:** Cosine Similarity - **Training Datasets:** - AI Hub Dataset - 행정 문서 대상 기계 독해 - 기계 독해 - 뉴스 기사 기계독해 - 도서 자료 기계독해 - 숫자 연산 기계독해 - 금융 법률 문서 기계독해 - **Language:** Korean, English

翻訳待ち・原文を表示

埋め込みと類似度

入力テキスト→ 出力埋め込み

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 ↗

比較に追加出典・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。

月間入力トークン 10 M月間出力トークン 2 M1 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。

あなたに合う AIモデルを。

AIモデルを探す 5

BGE-m3-ko

bge-reranker-v2-m3-ko

multilingual-e5-small-ko

multilingual-e5-small-ko-v2

snowflake-arctic-embed-l-v2.0-ko

該当するモデルがありません

モデル選びに、費用の視点も。

モデルを理解して選ぶ

ニュースで知り、ツールで効率化、モデルで可能性を。