Open weights you can host, and the APIs to compareAIモデル図鑑
国内外の最新AIモデルを、カテゴリごとに一覧にしています。中心は自前のGPUやPCに「頑張れば載せられる」オープンウェイトモデルです。各系列は最新世代だけを載せ、Flash／Pro など用途の違う版は分けています。LLMは大型（40B超）とローカル（40B以下）に分け、音声系は日本語に強いものを中心に集めました。音楽・画像・動画・3D・Decision Model は、比べやすいように重み非公開のAPIサービスも載せています。
- 最終更新
- —
- 次回更新予定
- —
- 収録数
- —
LLM：いまの最強 早見
直近30日にデビューしたモデル
カテゴリ別ページ
見方と収録ルール
収録ルール
用語ミニ辞典
- 公開日（デビュー）
- 重みが一般にダウンロードできるようになった日です。API提供のものはサービス開始日です。「NEW」は更新日から45日以内に出たものに付けています。
- 総パラメータ / 稼働パラメータ
- 総パラメータはモデル全体の大きさで、必要なメモリ量を決めます。稼働（アクティブ）パラメータは1トークンごとに実際に計算する量で、速さを決めます。MoE は総が大きく稼働が小さいので「メモリは食うが速い」モデルです。
- MoE（Mixture of Experts）
- 中に多数の「専門家」ネットワークを持ち、入力ごとに一部だけを使う構造。いまの超巨大LLMのほとんどがこれです。
- BF16 / FP8 / MXFP4 / 量子化
- 重み1個あたりのビット数です。BF16は2バイト、FP8は1バイト、4bitは約0.5バイト、2bitは約0.25バイト。ビット数を落とすほど小さい機械に載りますが、性能は下がります。2bit以下はかなり劣化するので「とりあえず動く」水準と考えてください。
- 大型LLMの必要メモリ
- 「公式重みのサイズ × 1.2」（KVキャッシュ等の余裕込み）で計算しています。長い文脈や多数の同時アクセスで使うなら、さらに余裕が要ります。
- ローカルLLMの必要メモリ
- 「4bit量子化ファイル（Q4_K_M 相当）× 1.15」で計算しています。量子化ファイルのサイズが分からないものは「総パラメータ × 0.6GB」で見積もっています。
- Mac・DGX Spark などの統合メモリ
- CPUとGPUでメモリを共有する機械です。Mac は標準設定だとGPUに使えるのが搭載量の約75%（64GB機なら約48GB）なので、その値で判定しています。
- 8×H100 / 8×H200 / 8×B200 / 8×B300
- GPUを8枚積んだサーバ1台（1ノード）。合計メモリはそれぞれ約640GB / 1,128GB / 1,440GB / 2,304GB です。
- 最低VRAM（画像・動画・音声など）
- 量子化やCPUオフロードを使って「とりあえず動く」最小のGPUメモリ。推奨VRAMは快適に使える目安です。最低VRAMで動かすと生成はかなり遅くなります。
- AA Intelligence Index
- Artificial Analysis が複数のベンチマーク（知識・推論・コーディング・エージェント等）を同じ条件で測って合成した総合点。版が変わると点数の水準も変わるので、同じ版の中で比べてください。
- 完了時間（AgentPerf-Local）
- Artificial Analysis がローカル機で、同じエージェント作業（168ターン・172回のツール呼び出し）を最後までやり切るのにかかった時間。短いほど速い機械・モデルです。
- CER（文字誤り率）
- 音声認識で、正解の文字列に対してどれだけ間違えたかの割合。日本語は単語の区切りがないので WER ではなく CER で比べるのが普通です。
- T2V / I2V / R2V
- 動画生成の入力の違い。T2Vはテキストから、I2Vは1枚の画像を動かす、R2Vは参照画像の人物や物の見た目を保ったまま新しい動画を作ります。
- 全二重（full-duplex）
- 人と同じように「聞きながら話す」音声対話。相づちや割り込みができます。半二重は交互にしか話せません。
- ゼロショット声クローン
- 数秒〜数十秒の参考音声を渡すだけで、追加学習なしにその声で喋らせる機能。本人の同意がある声だけに使いましょう。
- Decision Model（判断モデル）
- 文章を生成する代わりに「この文は正しいか（確率）」「選択肢のどれか」「何段階の何点か」を型の決まった形で返すモデル。生成しないぶん速く安く、問い合わせの振り分けやエージェントの次の行動選びに向きます。