【細野選】最近のAIモデル・ボット一覧

はじめに

私は、AIは仕事を少し楽にしてくれる便利な道具だと思っています。だからこそ、普段からいろいろなAIを試して、自分に合うものを見つけてほしいと思っています。ただ、AIといっても種類が多すぎて、何を使えばいいのかわからないという声をよく聞きます。そこで、2026年11月9日時点で利用できるAIモデルやAIボットを、個人的な視点でMuseに整理してもらいました。

私は特に、生成AIを文章作成のサポートに活用することをおすすめしています。そのため今回のリストは、文章作成に活用しやすく、現在も継続して利用できるサービスを中心にまとめています。絞り込みの基準は4つです。

第1に、同じモデルの重複（提供ルート違いの「-T」「-DI」「-CS」「-EL」版、別表記、日付スナップショット版）は、代表の1件に統合しました。

第2に、説明文の中で「新しいモデルは○○」と世代交代が案内されている旧世代は、原則として最新の世代に統合しました（ただし、高速版・小型版など役割の違うグレードは別々に残しています）。

並びは、言語モデル、音声、画像、動画、検索・調査、エージェント・ツールの順です。

言語モデル

文章の生成、推論、コーディング、文書作業を行うモデル群です。系統ごとに、現行の代表的なグレードを残しました。

1. GPT-6-Astra（OpenAI）

この一覧におけるOpenAIの最上位モデルです。複雑な推論、エージェント型のコーディング、パソコン操作、調査・研究、専門的な文書作成など、最も困難な一連の業務向けです。文脈ウィンドウは100万トークンで、画像理解、推論量の調整、Web検索に対応します。迷ったらまずこれ、という旗艦です。

2. GPT-6.1-Sol（OpenAI）

GPT-6.1世代の最上位グレードです。SolはOpenAIの段階名で最上位を指し、複雑なコーディング、推論、専門業務向けです。前世代のGPT-6-Solからの更新版にあたります。

3. GPT-6.1-Terra（OpenAI）

GPT-6.1世代の中位グレードです。Terraは知能とコストのバランスを担う段階で、視覚的推論、パソコン操作、明確で自然な文章生成のための高速で効率的なモデルです。文脈ウィンドウは100万トークンです。

4. GPT-6-Luna（OpenAI）

GPT-6世代の効率グレードです。Lunaは段階名の中で効率的で大量処理向きを担い、集中したタスクを迅速かつ効率的にこなすためのモデルです。日常の定型作業を低コストで回す用途が想定されます。

5. GPT-OSS-120B（OpenAI）

OpenAIのオープンウェイト（重み公開）モデルの大型版です。完全にオープンで高度な思考連鎖推論を提供し、Apache 2.0ライセンスで公開されています。推論とツール使用に対応し、データの管理を自分で行いたい組織向けです。提供ルート違いの「-T」「-CS」版は統合しました。

6. GPT-OSS-20B（OpenAI）

GPT-OSSの小型版です。効率的な200億パラメータで強力な思考連鎖推論を提供し、単一GPUでの展開用に設計されています。Apache 2.0ライセンスです。文脈ウィンドウは131Kトークンです。

7. Claude-Opus-5.5（Anthropic）

Anthropicの上位シリーズ「Opus」の現行版です。高度なコーディングと専門的な知識業務向けで、文脈ウィンドウは100万トークン、画像理解に対応します。Claude系は文章の自然さと慎重な判断で選ばれることが多い系統です。

8. Claude-Fable-5.1（Anthropic）

Anthropicの「Fable」シリーズの現行版です。高度な推論と長時間のエージェント作業向けに作られ、長時間のコーディング、複数ステップの調査、文書・スプレッドシート・スライドの作業に強みがあります。文脈ウィンドウは100万トークンで画像理解に対応し、適応的思考は常時オンで調整可能です。

9. Claude-Sonnet-5.5（Anthropic）

Claudeの中位シリーズ「Sonnet」の現行版です。高速な日常業務、コーディング、ドキュメント作成向けで、文脈ウィンドウは100万トークン。画像理解、推論努力の調整、Web検索に対応します。実務の中心になるグレードです。

10. Claude-Haiku-5.5（Anthropic）

Claudeの小型シリーズ「Haiku」の現行版です。高速でコスト効率に優れたコーディングや日常的なタスク向けで、文脈ウィンドウは100万トークン。画像理解、推論努力の調整、Web検索に対応します。軽い仕事を大量に回すときの系統です。

11. Gemini-4-Argon（Google）

GoogleのGemini 4世代のモデルです（Argonはこの世代の呼び名）。複雑なコーディング、推論、ドキュメント分析に対応します。Gemini系はGoogle検索との連携や、文章・画像・音声・動画をまとめて扱う力に強い系統です。

12. Gemini-3.8-Flash（Google）

Gemini 3.8世代の高速グレードです。コーディングとエージェント向けの、高速でコスト効率の高い主力と位置づけられ、文脈ウィンドウは100万トークン、Web検索と思考レベルの調整に対応します。Flashの速さで強めの推論を使いたい場合の選択肢です。

13. Gemini-3.5-Flash（Google）

Gemini 3.5世代のFlashです。高速で信頼性の高い動作を備えた知能のために作られ、エージェント型のワークフロー、コーディング、長期推論、マルチモーダル理解で大幅な向上がありつつ、Flash系の速さ・低遅延・コスト効率を維持します。多段階のツール使用やサブエージェントの取りまとめにも最適化されています。

14. Gemini-3.5-Flash-Lite（Google）

Gemini 3.5世代で最速・最もコスト効率に優れたグレードです。大量処理向けに作られ、文章・画像・音声・動画の分析、推論の深さの調整、Web検索に対応し、最大100万トークンの文脈で作業できます。

15. Grok-4.7（xAI）

xAIの旗艦モデルです。コーディングと専門的な知識業務向けで、より長く難しいタスクを処理し、作業をより慎重に確認するために構築されています。評価指標としてCursorBench 4.0で46.3％、GDPvalで1,695 Eloが案内されています（提供元公表値）。

16. Grok-4.3（xAI）

エージェント型のワークフロー、指示実行タスク、高い事実精度が必要な用途向けの推論モデルです。文章と画像の入力を受け付け、文脈ウィンドウは100万トークン。推論が常時有効で、無効化や努力レベルの設定ができない設計が特徴です。長文書の分析や多段階の問題解決に向きます。

17. Grok-4.20-Multi-Agent（xAI）

単体のモデルではなく、複数のAIエージェントを連携させる調査用の仕組みです。各エージェントが研究の特定の側面（Web検索、データ分析、結果の統合）に特化し、協力して深い多段階の研究タスクをリアルタイムで実行します。

18. Kimi-K3.1-Pro（Moonshot AI）

中国のMoonshot AIの「Kimi」シリーズの上位版です。複雑な推論、コーディング、長文の処理に対応し、画像入力と100万トークンの文脈ウィンドウを備えます。長い文書を一度に読み込む使い方で知られる系統です。

19. Kimi-K2.7-Code（Moonshot AI）

Kimi K2系のコーディング特化版です。エージェントパフォーマンス、指示への追従、推論効率、および長期的な開発に特化したコーディングモデルです。

20. Mistral-Large-4（Mistral AI）

フランスのMistral AIの大型モデルです。重みが公開されたオープンウェイトのマルチモーダルモデルで、推論、コーディング、画像理解に対応し、文脈ウィンドウは524Kトークン。現在はパブリックプレビューとして提供されています。

21. Mistral-Small-4（Mistral AI）

Mistralの中型モデルです。汎用指示モデルと推論モデルの両方として機能できるハイブリッドが特徴で、Instruct、Reasoning（旧Magistral）、Devstralの3系統の機能を1つに統合しています。マルチモーダル対応で、文脈は256K、文章・画像・ドキュメントの入力に対応します。

22. Muse-Wonder-1.0（Meta）

Metaの「Muse」モデルシリーズの上位版です。高度なコーディング、推論、複雑なタスクに対応し、文脈ウィンドウは100万トークン、画像とドキュメントの理解機能を備えます。

23. Muse-Spark-1.1（Meta）

Metaの高速推論モデルです。日常的な質問、科学、数学、計画、コーディングに対応します。高度なコーディングと複雑な推論には上位のMuse-Wonder-1.0が案内されています。

24. Muse-Spark-Open（Meta）

Metaのオープンウェイトの推論モデルです。コーディングとエージェント型のワークフロー向けで、Vercel AI Gatewayを通じて提供されます。文脈ウィンドウは100万トークンで、文章と画像の入力に対応します。

25. Muse-Glimmer-30B-EL（Meta）

Metaのオープンなエージェントモデルです。ツール使用、コーディング、多段階推論向けに構築されています。128Kトークンの文脈でテキストおよび画像入力を受け付け、関数呼び出し、構造化されたJSON出力、制御可能な推論強度をサポートしています。Muse系の小型オープン版という位置づけです。

26. Llama-4-Maverick（Meta）

MetaのLlama 4世代のモデルです。文章、コーディング、画像理解に対応し、128Kトークンの文脈ウィンドウを備えています。オープンなモデルの系統として現行の代表です。

27. Inkling（Thinking Machines）

米国のThinking Machinesのマルチモーダル推論モデルです。文章・画像・ドキュメントにわたる深い分析、コーディング、ツールを使う作業向けに作られています。規模は約9,750億パラメータのMoE構造（実際に動くのは約410億）で、文脈ウィンドウは256Kトークンです。

28. Qwen3.8-Max-EL（Alibaba）

Qwen3.8の旗艦「Max」の、最新のビルドを追跡する版です。コーディング、長期エージェント作業、プロフェッショナルなタスクのために構築された兆規模のMoEシステムで、深い思考とテキスト、画像、動画の入力に対応しています。文脈ウィンドウは100万トークンです。固定スナップショット版は重複として外しました。

29. Qwen3.8-Flash（Alibaba）

Alibabaの高効率なQwen 3.8 Flashモデルです。推論、コーディング、画像理解に対応し、991Kトークンの文脈ウィンドウを備えます。「-EL」版は統合しました。

30. Qwen3.8-27B（Alibaba）

Qwen 3.8の270億パラメータ版です。推論、コーディング、画像理解、動画入力に対応しており、100万トークンの文脈ウィンドウを備えています。オープンな中規模モデルとしての位置づけです。

31. Qwen3.8-2.4T-A95B（Alibaba）

Qwen 3.8世代の巨大なMoEモデルです。総パラメータは約2.4兆（T）、実際に動くのは約950億（A95B）という規模で、推論、コーディング、画像理解に対応し、文脈ウィンドウは262Kトークンです。

32. Qwen3-Coder-Next（Alibaba）

コーディングとツール使用に特化した、Qwen3系のCoder Nextモデルです。文脈ウィンドウは256Kトークンです。開発作業に絞った系統のモデルです。

33. Seed-2.1-Turbo（ByteDance）

ByteDanceの次世代コーディング・エージェントモデルです。エンジニアリングレベルのコード生成、長期的なエージェント実行、テキスト・画像・動画にわたるマルチモーダル理解を備えています。文脈ウィンドウは256Kです。Seed系の現行世代です。

34. GLM-5.3（Z.ai）

中国のZ.aiのGLM系の現行世代の中心です。コーディングや複雑なテキストタスク向けの推論モデルで、100万トークンの文脈ウィンドウを搭載しています。提供ルート違いの「-EL」版は統合しました。

35. GLM-5.3-Flash（Z.ai）

GLM 5.3世代の効率版です。コーディング、テキスト、画像理解に対応しており、文脈ウィンドウは100万トークンです。MITライセンスのオープンな提供版もあります。大型の5.3と同じ世代の、速く回せる側のモデルです。

36. DeepSeek-V4-Pro（DeepSeek）

中国のDeepSeekの旗艦です。総パラメータ数1.6兆、アクティブパラメータ数490億を持つMoEモデルで、最大100万トークンの文脈長をネイティブサポートしています。高度な数学的推論、複雑な論理推論、専門的なコーディング、長文テキストの深い分析に優れています。スナップショット版や提供ルート違いの版は統合しました。

37. DeepSeek-V4-Flash（DeepSeek）

V4ファミリーの軽量・高速側です。推論およびツール使用機能を備えたテキストモデルで、Proと同じ世代の回しやすい版です。

38. MiniMax-M3（MiniMax）

中国のMiniMaxのオープンウェイトフロンティアモデルです。コーディング、エージェントタスク、マルチモーダル（テキストおよび画像）理解に対応し、推論機能もサポートしています。100万トークンの文脈とネイティブマルチモーダリティを単一チェックポイントに統合した設計が特徴です。提供ルート違いの「-T」版は統合しました。

39. MiMo-V2.6-Pro（Xiaomi）

XiaomiのMiMo V2.6 Proは、推論およびコーディング向けのモデルで、テキスト、画像、音声、動画の入力に対応し、100万トークンの文脈ウィンドウを備えています。Xiaomiのモデルシリーズの上位版です。

40. MiMo-V2.6-Flash（Xiaomi）

Xiaomiの高効率MiMo V2.6 Flashモデルは、推論とコーディングに対応し、テキスト、画像、音声、動画の入力と100万トークンの文脈ウィンドウを備えています。Proの軽量側です。「-EL」版は統合しました。

41. Nova-Pro-1.0（Amazon）

AmazonのNovaシリーズの高性能マルチモーダル基盤モデルです。テキスト、画像、動画の処理において、精度、速度、コストの優れたバランスを提供します。文脈ウィンドウは300,000トークンで、単一のリクエストで非常に大きな入力（最大約30分の動画入力を含む）を処理できます。

42. Nova-Lite-2（Amazon）

Amazon Nova 2世代のLiteです。テキスト、画像、文書、動画を処理できる、高速で費用対効果の高いマルチモーダル推論モデルで、チャットボット、文書処理、ビジネス自動化などの日常的なワークロード向けに設計されています。文脈ウィンドウは100万トークンで、拡張思考の有効化と推論努力の設定ができます。

43. Nova-Micro-1.0（Amazon）

Amazon Novaファミリーのテキストのみの基盤モデルです。要約、翻訳、対話型チャットなどのタスクに最適化された、超低遅延と非常に低コストを実現するよう設計されています。文脈ウィンドウは128,000トークンです。

44. Gemma-4-31B（Google）

Googleのオープンモデルの最上位です。310億パラメータの密な構造で、最先端クラスの推論とマルチモーダル理解を提供します。文脈ウィンドウは256Kトークン、140以上の言語を理解し、テキストと画像の入力に対応。Apache 2.0ライセンスで完全にオープンウェイトです。提供ルート違いのVercel版などは統合しました。

45. Gemma-4-26B-A4B（Google）

Gemma 4シリーズの効率型です。文章作成、コーディング、画像理解に対応し、文脈ウィンドウは262Kトークン。「A4B」はMoE構造のうち実際に動くパラメータが約40億であることを示す表記です。31B版より軽く回せる位置づけです。

46. Reka-Core（Reka）

Rekaの最大かつ最も高性能なマルチモーダル言語モデルです。テキスト、画像、動画の入力に対応し、8Kの文脈長に対応します。

47. Reka-Flash（Reka）

高速な処理と優れた品質に最適化された、効率的で高性能な21Bマルチモーダルモデルです。テキスト、画像、動画の入力に対応します。

48. Solar-Pro-2（Upstage）

韓国のUpstageのフロンティアスケールLLMです。わずか31Bのパラメータで、世界クラスの多言語サポート、高度な推論能力、実用的なツール活用を通じて最高レベルのパフォーマンスを実現します。特に韓国語において、より大規模なモデルを上回ると案内されています。文脈長は64Kトークンです。

49. Ling-3.0-Flash-Fin（inclusionAI）

inclusionAIの金融特化型モデルです。財務テキストの分析と推論を目的としており、256Kトークンの文脈ウィンドウを備えています。汎用モデルではなく、金融分野に絞った特化型という点が珍しい存在です。

50. Step-5-Preview-EL（StepFun）

中国のStepFunのフロンティア推論モデル（プレビュー版）です。テキスト、画像、動画の入力を受け付け、100万トークンの文脈をサポートし、並列関数呼び出し、厳密なJSON Schema構造化出力、調整可能な推論努力量をサポートしています。プレビューという位置づけのため、仕様が変わる可能性があります。

51. Fugu-Ultra-v1.1-EL（Sakana AI）

Sakana AIのマルチエージェントコンダクター（統括役）の現行版です。リクエストごとに専門モデル群を統括し、それらの成果を1つの回答にまとめます。高度な推論、コーディング、調査研究向けで、テキストと画像の入力を受け付け、100万トークンの文脈に対応しています。単一モデルではなく、複数モデルを指揮する仕組みである点が特徴です。

52. Mercury-3-Vercel（Inception）

Inceptionの拡散ベースのモデルです。高速なチャット、コーディング、エージェント型ワークフローに対応しており、100万トークンの文脈ウィンドウと調整可能な推論量を備えています。Vercelを通じて提供されます。通常の言語モデルが文章を順に生成するのに対し、拡散ベースはまとめて推論する方式で、速さが売りの系統です。

53. Aplomb-1（EmpirioLabs）

EmpirioLabsの意思決定モデルです。テキスト、画像、または動画について質問すると、生成されたテキストの代わりに、「はい（97％）」のように調整された確率で回答します。回答タイプを「選択肢」に設定してオプションの1つを選んだり、「スコア」に設定してスケールで評価したりすることができます。文章を生成するのではなく判断の確率を返す、唯一のタイプのモデルです。

音声（対話・合成・認識・音楽）

声でやり取りするモデル、読み上げ（TTS）、文字起こし（STT）、音楽生成のモデル群です。

54. GPT-Audio-1.5（OpenAI）

OpenAIの音声対話モデルの上位版です。テキストと音声の入力を受け付け、自然な音声で応答できます。音声出力がオンの場合、応答には音声録音とテキストの転写の両方が含まれます。声は11種類から選べ、デフォルトはmarinです。

55. GPT-Audio-Mini（OpenAI）

GPT-Audio系のコスト効率版です。テキストと音声の入力を受け付け、自然な音声で応答できます。声の選択肢は項目54と同じ11種類です。開発や大量の音声対応など、コストを抑えたい用途向けです。

56. Qwen3.5-Omni-Plus（Alibaba）

Qwenの「オムニモーダル」モデルの旗艦版です。テキスト、画像、音声、動画の理解と対話をサポートし、最大3時間の音声と1時間の動画入力を処理できます。音声入力は90以上の言語、音声出力は30以上の言語・55の音色で提供します。

57. Qwen3.5-Omni-Flash（Alibaba）

オムニモーダルモデルのコスト効率的なバリアントです。テキスト、画像、音声、動画の理解と対話をサポートし、最大3時間の音声と1時間の動画入力を処理できます。音声入力は90以上の言語、音声出力は30以上の言語で55種類の音色を提供します。

58. ElevenLabs-v3（ElevenLabs）

ElevenLabsの最先端のテキスト読み上げモデルです。従来のTTSシステムとは異なり、文章の中に角括弧の音声タグ（[whispers]、[angry]、[sarcastic]、[laughs]、効果音の[explosion]など）を書くことで、感情的なトーン、ペース、サウンドスケープを形作ることができます。オーディオブック、ゲーム、ポッドキャスト、インタラクティブメディアなど、表現力豊かなナレーションと対話に適しています。複数話者の対話にも対応します。

59. ElevenLabs-v2.5-Turbo（ElevenLabs）

ElevenLabsの高速な読み上げモデルです。Turbo v2.5モデルを使用してテキストを自然な音声に変換します。URLやPDFをリンクすると読み上げも行います。全体のデフォルト音声はJessica（アメリカ英語の女性）で、日本語ではAliceが推奨音声として挙げられています。入力は40,000文字までです。速さと低遅延が要る用途向けです。

60. Gemini-3.1-Flash-TTS（Google）

Googleの最も制御可能なテキスト読み上げモデルです。スタイル、トーン、ペース、配信を正確に制御しながら、テキストを自然な音声に変換するように設計されています。感情やトーン（[whispers]、[shouts]、[laughs]など）、ペース、間、強調などのオーディオタグをテキスト内で使用して配信を制御できます。最大出力時間は約10分です。

61. Gemini-2.5-Pro-TTS（Google）

Googleの最高品質のテキスト読み上げモデル（プレビュー）です。ポッドキャスト、オーディオブック、カスタマーサポートなどの複雑なワークフロー向けに設計されています。表現豊かで、アクセントやスタイルを制御可能な単一または複数話者による音声を提供し、23以上の言語をサポートします。最大出力時間は約10分です。

62. Qwen-Audio-3.0-TTS（Alibaba）

Alibabaの音声合成モデルです。1,000以上の共有ボイス、16言語、20の中国語方言地域をカバーする2つのティアで利用できます。通常の言葉でデリバリーを指示するか、インラインタグ（[excited]、[whispers]、[laughing]など）をテキストに直接挿入して文中の表現を変えることができます。日本語にも対応します。

63. Orpheus-TTS（Canopy Labs）

最先端のLlamaベースのSpeech-LLMで、高品質で共感的なテキスト読み上げ生成用に設計されています。利用可能な音声はtara、leah、jess、leo、dan、mia、zac、zoeの8種類です。音響効果タグとして、<laugh>、<chuckle>、<sigh>、<cough>、<sniffle>、<groan>、<yawn>、<gasp>、<giggle>が公式にサポートされています。オープンソースのモデルです。

64. Whisper-V3-Large-T（OpenAI）

OpenAIが開発した最先端の自動音声認識・翻訳モデル「Whisper v3 Large」です。前モデルのlarge-v2と比較してエラー率が10〜20％低減しています。多言語での文字起こしと翻訳に対応しており、ノイズの多い環境や長時間の音声ファイルなど、さまざまな音声入力の処理能力が向上しています。

65. Deepgram-Nova-3（Deepgram）

DeepgramのNova-3モデルを使用した音声認識技術で、音声ファイルを文字起こしします。多言語対応と高度なカスタマイズ設定が特徴です。文字起こしのPDF生成、話者識別、スマートフォーマット（句読点や段落を含む自動フォーマット）のほか、個人識別情報（PII）の削除や不適切な言葉のフィルターなど、業務利用向けの機能が揃っています。キーワードを指定して認識精度を向上させることもできます。

66. Cartesia-Ink-Whisper（Cartesia）

Cartesiaの「Ink Whisper」モデルを使用したSpeech-to-Textで、音声ファイルを文字起こしします。音声ファイルの言語を選択でき、デフォルトは英語です。英語、中国語、ドイツ語、スペイン語、ロシア語、韓国語、フランス語、日本語、ポルトガル語など、Whisper系の幅広い言語（90言語以上）に対応します。

67. ElevenLabs-Music-v2（ElevenLabs）

ElevenLabsの音楽生成モデルの現行版です。テキストプロンプトからオリジナルの楽曲、インストゥルメンタル、ボーカル入りトラックを生成します。あらゆるジャンルにわたる優れたボーカル、演奏、アレンジ、トラック途中でのジャンル転換、トラック内に埋め込まれたサウンドエフェクト、多言語対応の歌詞とボーカル（日本語を含む）が特徴です。生成されたトラックはライセンスデータを使用してトレーニングされており、商用利用が許可されています。楽曲の長さは3秒から5分の範囲です。

68. Lyria-3（Google DeepMind）

Google DeepMindの高度なAI音楽生成モデルです。テキストや画像プロンプトから高品質で最大3分間のトラックを作成し、ボーカル、スタイル、楽曲構成を詳細にコントロールできます。オプションでフルソングをオンにすると、フルレングスのトラック（最大3分）を生成します。特定のアーティストや楽曲名を含むプロンプトはブロックされます。

69. Hailuo-Music-v1.5（MiniMax）

MiniMaxのモデルを使用して、テキストプロンプトから音楽を生成します。最良の品質のためには、歌詞とスタイルの両方を送る必要があります。プロンプトは[intro][verse][chorus][bridge][outro]といったセクション指定に対応し、歌詞に沿った曲作りができます。

70. Stable-Audio-2.5（Stability AI）

テキストプロンプトから最大3分間の高品質オーディオを生成します。テキストからオーディオ、オーディオからオーディオへの変換、および継続時間、ステップ、CFGスケールなどのカスタマイズ可能な設定でのインペインティングをサポートします。音楽制作、映画的サウンドデザイン、リミックスに最適です。出力形式はWAVとMP3から選べます。

画像（生成・編集・加工ツール）

画像の生成と編集を行うモデル群と、背景除去やアップスケールなどの加工ツールです。

71. GPT-Image-2.6-Sunburst（OpenAI）

OpenAIの画像モデルの現行世代の高品質側です。正確な指示への追従と、複雑なプロンプトに対する高品質な結果のために設計されたプレミアムな画像生成・編集モデルです。複雑さ（complexity）を調整することで、詳細度と処理速度のバランスを取ることができます。SVGやアニメーションGIFの出力にも対応する世代です。

72. GPT-Image-2.6-Flare（OpenAI）

GPT Image 2.6の高速側です。低レイテンシで高品質な結果と、迅速なクリエイティブな反復を実現するために設計された高速な画像生成・編集モデルです。まずFlareで当たりを付けて、Sunburstで仕上げる使い分けが想定されています。

73. Nano-Banana-Pro（Google）

正式名はGemini 3 Pro Imageです。詳細でコンテキストに富んだビジュアルを作成し、入力画像を卓越した忠実度で正確に編集またはリスタイルし、複数の言語で画像内に読みやすいテキストを生成することもできます。Nano Banana系の最高品質版で、1K・2K・4K出力に対応します。

74. Nano-Banana-2.1（Google）

Nano Bananaシリーズの新しい標準版です。正確なテキストレンダリングと、編集全体を通じた一貫した被写体で、画像の生成と編集を行います。1K、2K、4Kの出力に対応し、アスペクト比を調整できます。画像をアップロードして編集することもできます。

75. Nano-Banana-2-Lite（Google）

Googleの最速かつ最も効率的なGemini Imageモデルで、過去最低コストで高速な生成と編集を実現します。強力なキャラクターの一貫性、精密なビジュアル編集、そして実世界の知識を維持しながら、大幅に低減されたレイテンシで素早いクリエイティブな探索を加速します。

76. FLUX-2-Pro（Black Forest Labs）

Black Forest Labsの最先端モデル「Flux.2 [Pro]」です。マルチリファレンス対応、高精度のテキストレンダリングなどを備え、構造化JSONプロンプトと、プロンプト内で16進カラーコードを使った精密な色指定に対応します。編集用の画像は最大8枚まで送れます。実務の標準グレードです。

77. Flux-2-Max（Black Forest Labs）

「Flux.2 [Max]」は、Black Forest Labsの最新の最先端モデルで、マルチリファレンス対応、細かいテキストレンダリング、その他の機能を備えています。構造化JSONプロンプトに対応し、16進カラーコードを使用して正確な色指定が可能です。編集用に最大8枚の画像を送れます。FLUX.2系の最高グレードで、Web検索の情報を踏まえた生成にも対応します。

78. FLUX-2-Flex（Black Forest Labs）

「Flux.2 [Flex]」は、Black Forest Labsのモデルで、マルチリファレンスサポート、細かいテキストレンダリングなどを備えています。構造化されたJSONプロンプトをサポートし、16進カラーコードを使用して正確な色指定が可能です。生成のステップ数やガイダンスといった内部パラメータを自分で動かせる、調整向けのグレードです。

79. FLUX-2-Dev（Black Forest Labs）

FLUX.2ベースモデルから派生したオープンウェイト画像生成（32B）モデルです。現在利用可能な最も強力なオープンウェイト画像生成・編集モデルとされ、単一のチェックポイントで、テキストから画像への合成と、複数の入力画像による画像編集を組み合わせています。自分で運用・カスタマイズしたい場合の系統です。

80. Flux-2-Turbo（Black Forest Labs）

高速でオープンウェイトの画像生成モデル（320億パラメータ）で、FLUX.2ベースモデルから派生しています。画像編集や参照用に最大3枚の画像を送れます。下書きや大量のアイデア出し向けの高速版です。

81. Flux-2-Klein-4B（Black Forest Labs）

Flux 2 [klein] 4B Distilled（蒸留版）による、テキストから画像生成と画像編集です。リアリズムの向上、よりシャープなテキスト生成、ネイティブ編集機能を備え、少ないステップで高速に生成できます。画像編集や参照として最大3枚の画像を送れます。Apache 2.0で公開されている小型モデルです。

82. Flux-2-Klein-9B-Base（Black Forest Labs）

Flux 2 [klein] 9B Baseを使用した、テキストから画像生成と画像編集です。リアリズムの向上、画像内のテキストレンダリングの鮮明化、ネイティブ編集機能を提供します。画像編集や参考資料として最大3枚の画像を送れます。4B版より大きい基盤モデルで、追加学習の土台にも向きます。

83. Flux-Kontext-Max（Black Forest Labs）

「FLUX.1 Kontext [max]」は、Black Forest Labsのプレミアムモデルで、あらゆる面で最大のパフォーマンスを提供します。プロンプトを送信して画像を生成するか、画像と編集指示を一緒に送信して画像を編集できます。文脈を理解した編集（同じキャラクターを保ったままの変更）の最上位版です。

84. FLUX-Krea（Black Forest Labs × Krea）

FLUX-Kreaは、FLUX Devの美的品質を向上させるように調整されたバージョンです。いかにもAIらしい均一な質感を避けた、個性のある絵づくりが特徴です。画像を送信すると、FLUX Krea Reduxを使用して再構築・再生成します。

85. Seedream-5.0-Pro（ByteDance）

Seedream系の現在の最上位です。テキストプロンプトと参照画像からプレミアムな画像を生成します。詳細な描写、構図、複数参照の融合に優れており、製品コンセプト、スタイル探索、画像編集、1Kおよび2K出力の洗練されたビジュアルアセット制作に活用できます。参照画像は最大10枚まで、リクエストごとに1枚の生成画像が返されます。

86. Seedream-5.0-Lite（ByteDance）

ByteDanceの統合マルチモーダル画像生成モデルで、レンダリング前にプロンプトを理解し、より強力な理解力、推論力、画像品質を提供するよう設計されています。テキストから画像、画像から画像の両方の作成をサポートし、高解像度出力、詳細なシーン、編集、ブランドビジュアルの一貫した結果などの機能を備えています。提供ルート違いの「-EL」版は統合しました。

87. Seedream-5.0-Flash（ByteDance）

Seedream 5.0系の高速版です。テキストプロンプトと最大10枚の参照画像から、画像を素早く生成・編集します。スケッチ、矢印、または座標でエリアをマークして正確に編集でき、1枚の添付画像をベース画像と最大16枚の透明レイヤーに分割できるのが特徴です。中国語、英語、その他14言語のテキストをレンダリングします。

88. Qwen-Image-3.0-EL（Alibaba）

Qwen Image 3.0の提供版です。BaseおよびProバリアント、多言語タイポグラフィ、複数画像の参照、制御可能な1Kまたは2K出力を備えた画像生成・編集をサポートします。テキストプロンプトから生成でき、添付画像1〜3枚の編集または組み合わせが可能で、リクエストごとに1〜6枚の画像を生成します。Qwen系画像モデルの現行世代です。

89. Ideogram-v3（Ideogram）

Ideogram V3で高品質な画像、ポスター、ロゴを生成します。優れたタイポグラフィ処理と、商用・クリエイティブ用途に最適化されたリアルな出力が特徴です。画像のリミックスやリスタイリングにはプロンプトと共に1枚の画像を、画像編集には元画像とマスク画像の2枚を送信してください。文字が主役のデザイン仕事に向いています。

90. Hunyuan-Image-3（Tencent）

Tencentの次世代オープンソーステキスト画像生成モデル「Hunyuan Image 3.0」です。大規模マルチモーダルMixture-of-Expertsアーキテクチャを使用して、画像理解と生成を一つのシステムに統合しています。高忠実度で、しばしば写真のようにリアルな画像を生成し、強力なプロンプト遵守、多言語テキストレンダリング、そして簡潔なプロンプトを適切な視覚的詳細で豊かにする知的な世界知識推論を備えています。

91. StableDiffusion3.5-L（Stability AI）

Stability AIのStable Diffusion 3.5 Largeです。Stable Diffusionファミリーの中で、画像品質とプロンプト遵守の両面において最も強力な画像生成モデルと案内されています。重みが公開されており、自分で運用したり追加学習したりできる系統の現行版です。

92. Z-Image-Lightning（Alibaba・Tongyi）

fal.aiがホストするZ-Image Turboの超高速エンドポイントです。ポートレート写真とリアルな画像に優れています。ボットは添付ファイルを受け付けません。縦横比は16:9、4:3、1:1、3:4、9:16から設定できます。Z-ImageはAlibabaのTongyi系の高速画像モデルです。

93. Grok-Imagine-Image-2（xAI）

Grok Imagine Image 2.0です。テキストプロンプトから画像を生成し、平易な言語による指示で最大5枚の添付画像を編集できます。画質の選択、1Kまたは2Kの出力、15種類のアスペクト比に対応しています。複数の画像がある場合は、プロンプト内でIMAGE_0、IMAGE_1などのように参照してください。

94. Wan2.7-Image（Alibaba）

Alibabaのwan 2.7シリーズの画像生成・編集モデルです。テキストから画像生成、画像編集、バウンディングボックスを使ったインタラクティブ編集、単一プロンプトからの一貫した画像セット生成をサポートしています。Proバリアントは最大4K出力解像度で品質が向上し、Standardバリアントはより低コストで高速生成を提供します。画像を1〜9枚アップロードすると画像編集モードが有効になります。

95. Luma-Photon（Luma AI）

Luma Photonは、業界特化の視覚的優秀性を提供し、プロフェッショナルな基準に完璧に合致する画像を作成すると案内されています。マーケティングからクリエイティブデザインまで、各生成は業界固有の要件に合わせて意図的に調整されます。縦横比は1:1、16:9、9:16、4:3、3:4、21:9、9:21に対応し、プロンプト入力は5,000文字までです。

96. Retro-Diffusion-Core（Retro Diffusion）

16x16から512x512までの任意の解像度で、さまざまなスタイルにわたって本格的なゲーム対応ピクセルアートを数秒で生成します。ドット絵の格子に沿った、ゲーム素材としてそのまま使える絵を出すことに特化しています。「animation_four_angle_walking」スタイルを使用して、スプライトの48x48歩行アニメーションも作成できます。

97. Trellis-3D（Microsoft）

Trellisを使用して画像から3Dモデルを生成できます。Trellisはネイティブな3D生成モデルで、多用途で高品質な3Dアセットの作成を可能にします。画像を送信して3Dモデルに変換してください。2D画像の生成モデルではない点に注意してください。

98. Sketch-to-Image（機能）

スケッチを取り込んでカラー画像に変換する機能です。特定のモデル名ではなく、手描きのラフスケッチを完成した画像に変換する機能の総称で、裏側で動く生成モデルは提供先によって異なります。

99. remove-background（ツール）

画像の背景を削除する専用ツールです。生成モデルではなく、人物や商品の写真から被写体だけを残し、別の背景と合成したり、ECサイトの商品画像を白背景に揃えたりする後処理に使います。

100. Clarity-Upscaler（ツール）

元の画像に対して高い忠実度で画像をアップスケールします。Upscale_factor（1から4の間の数値）で拡大倍率を設定し、CreativityとClarity（0から1）で元の画像への忠実度と鮮明度を調整します。jpg、png、bmp、gif、tiff画像をサポートしています。

101. Bria-Eraser（Bria）

高品質な出力を維持しながら、画像から不要なオブジェクトを正確に削除することができるツールです。安全かつリスクフリーな商用利用のため、ライセンスされたデータのみで学習されています。消去したいオブジェクトを示す白黒マスク画像と元の画像を送信してください。

102. FLUX-Inpaint（ツール）

画像とマスク（別々の画像）が与えられた場合、プロンプトに従ってマスクで指定された画像領域を埋める編集ツールです。ベース画像は最初に添付された画像、白黒マスクは2番目の画像である必要があります。テキストプロンプトは必須で、マスクの白い領域に描画する内容を指定します。ほぼ同じ説明のFLUX-Fillは重複として統合しました。

103. FLUX-dev-finetuner（ツール）

自分の写真でFLUX devモデルをファインチューニング（追加学習）するツールです。8〜12枚の写真（同じ被写体で、1枚の写真に1つの被写体のみ、できれば異なるポーズや背景）をアップロードし、約2〜5分待つと、その被写体の画像を生成できる独自のファインチューニングされたボットが作成されます。

104. Restyler（ツール）

既存の画像を素早く変換し、高品質なスタイル転送と画像修正を実現するボットです。テキスト入力と画像添付を受け付けます。--strengthを使用して元の画像からのガイダンスを制御でき、値が高いほど画像により忠実に従います。

動画（生成・編集・アニメーション）

動画の生成と編集を行うモデル群です。系統ごとに、現行の代表グレードを残しました。

105. Gemini-Omni-1.2-Flash（Google）

GoogleのGemini Omni 1.2 Flashは、テキスト、画像、または動画から最大15秒の動画を生成・編集でき、参照への追従、キャラクターの一貫性、自然な対話が向上しています。Omni系の現行版です。

106. Veo-3.1（Google）

GoogleのVeo 3.1は、自然な会話から同期されたサウンドエフェクトまで、より豊かなネイティブオーディオを特徴とし、映画的スタイルの理解を向上させてより優れたナラティブコントロールを提供する、Veoファミリーの現行版です。複数のシーン間でキャラクターの一貫性を保ちながら、プロンプトへの忠実性を向上させます。継続時間は4・6・8秒、解像度は720pまたは1080pです。別表記のVeo-v3.1は統合しました。

107. Veo-3.1-Fast（Google）

Veo 3.1の高速版です。速度とコストに最適化されていますが、豊かなネイティブオーディオや映画的スタイルの理解など、Veo 3.1世代の改良は受けています。別表記のVeo-v3.1-Fastは統合しました。

108. Veo-3.1-Lite（Google）

Veo 3.1ファミリーの中で最もコスト効率の良いモデルで、ネイティブオーディオ付きの高品質な動画生成を従来のコストの一部で提供します。テキストから動画、画像から動画の両方のワークフローをサポートし、同期された対話、効果音、環境音を含みます。1080pには8秒の長さが必要です。

109. Seedance-2.5-EL（ByteDance）

ByteDanceの次世代動画モデルの提供版です。1回のリクエストで最大30秒の一貫したクリップを生成し、最大50個のリファレンスアセットを同時に参照し、既存の動画の編集や延長も行えます。マルチモーダルリファレンスでは、最大30枚の画像、10本の動画、10個の音声クリップをまとめて添付できます。Seedance系の最新世代です。

110. Seedance-2.0（ByteDance）

Seedanceの現行主力世代です。テキストと画像の入力に対して高品質な動画生成を提供し、映画的なシーン、一貫したキャラクター、詳細なモーション制御に対応しています。料金の目安は480pで1秒あたり約0.144ドル、720pで約0.309ドルと案内されています。Fast版やPro版、Mini版はグレード違いとして本項目に統合しました。

111. Kling-v3-Pro（Kuaishou）

Kling 3.0の高品質版の動画モデルです。テキストから動画、画像から動画の生成が可能で、開始フレームと終了フレーム機能には最大2枚の画像をオプションで使用できます。生成には最大20分程度かかる場合があります。

112. Kling-3.0-Turbo（Kuaishou）

Kling 3.0 Turboは、720pまたは1080pの解像度で、同期したネイティブオーディオを備えた高品質な動画を生成する高速動画生成モデルです。Text-to-VideoおよびImage-to-Videoをサポートし、1つのクリップ内で最大6シーンのマルチショットプロンプトが可能です。長さは3〜15秒です。

113. Kling-O3（Kuaishou）

Kling Omni系の新しい世代です。StandardまたはProモードで高品質な動画を作成でき、Text-to-Video、Image-to-Video、Reference-to-Video、Video Editingなど複数のワークフローをサポートし、ネイティブサウンド生成やマルチシーン遷移などの高度な機能を備えています。プロンプト内で縦線でシーンを区切ると最大6シーンまで自動検出されます。

114. Kling-v3-Motion-Ctrl（Kuaishou）

Kling 3.0モデルを使用して、参照動画からの動きを参照画像のキャラクターに転送し、被写体が高い忠実度と時間的一貫性を持って動作を実行する新しい動画を生成します。Standard（720p）とPro（1080p）の品質レベルをサポートしています。動きの転写という専用機能のため、別枠で残しました。

115. Wan-3.0（Alibaba）

Wanの最新世代です。StandardとPrime（高速）の2つのティアで、ネイティブオーディオと同期した2〜30秒のビデオクリップを生成します。プロンプトのみを使ったテキストから動画、1枚または2枚の画像を最初と最後のフレームとしてアニメーション化、リファレンスモード（最大10枚の画像、5つのビデオクリップ、5つのオーディオクリップの組み合わせ）に対応します。

116. Wan-2.7（Alibaba）

Alibabaのマルチモーダル動画生成モデルです。テキスト、画像、動画参照から高品質な動画を作成したり、既存の動画を編集したりすることができます。4つの生成モード（テキストから動画、画像から動画、動画編集、参照から動画）をサポートしています。モードは添付ファイルから自動検出されます。生成完了まで30分以上かかる場合があります。

117. Wan-Animate（Alibaba）

画像と動画を入力として受け取り、画像内のキャラクターが動画内のキャラクターに置き換わる新しい動画（デフォルト）を生成するか、動画のキャラクターの動きを使って画像内のキャラクターをアニメーション化します。2番目の機能を使用する場合は--animateを指定してください。対応ファイル形式はJPEG、PNG、WebP、MP4のみです。キャラクターアニメーション専用のモデルです。

118. Hailuo-02-Pro（MiniMax）

MiniMax Hailuo-02 Proビデオ生成モデルです。1080p解像度の高度な画像からビデオへの生成モデルで、画像からビデオへの生成には画像とプロンプトを、テキストからビデオへの生成にはプロンプトのみを送信してください。5秒間のビデオを生成します。Standard版はグレード違いとして統合しました。

119. MiniMax-H3-EL（MiniMax）

MiniMax H3は、768pまたは2K・24fpsで4〜15秒のクリップを生成するマルチモーダル動画生成モデルで、各クリップにはネイティブのステレオ音声トラックが付属しています。テキストから動画、画像から動画、最初/最後のフレーム、参照から動画をサポートしています。参照から動画では、画像最大9枚、動画3本、音声クリップ3つ、合計12ファイルまで使えます。Hailuo系の次の系統です。

120. Runway-Gen-4.5（Runway）

Runway Gen 4.5は、自然言語と画像から映画的で高品質な動画を生成する先進的な動画モデルです。モーション、カメラの動作、構図、スタイルを細かく制御でき、物理的にリアルで時間的に一貫したシーンを生成します。アスペクト比は21:9から9:16まで、長さは5・8・10秒から選択できます。

121. Pixverse-v5.6（PixVerse）

PixVerse v5.6は、テキストプロンプトのみから、またはアップロードされた画像（1〜2フレーム）をアニメーション化することで、高品質な動画を作成できます。最大1080pの解像度、複数のアスペクト比、5〜10秒の再生時間、オプションの同期音声、スタイルプリセット、思考モード、ネガティブプロンプト、シードベースの再現性の制御をサポートしています。

122. Grok-Imgn-Video-1.5（xAI）

Grok Imagine Video 1.5は、テキストから動画、画像から動画、リファレンスから動画への生成をサポートしており、キャラクターの一貫性を保つために最大7枚のリファレンス画像を使用して、1080pで最大15秒の動画を生成できます。2〜7枚の画像を添付することで、新しいシーンでもキャラクターの一貫性を保つことができます（最大720p）。

123. MOSS-Video-and-Audio（OpenMOSS）

正式名MOVA。OpenMOSSが開発したオープンソース基盤モデルで、単一のエンドツーエンド推論ステップで同期された高忠実度の動画と音声を生成します。320億パラメータのMoEアーキテクチャ上に構築され、非対称デュアルタワー設計を採用して正確なリップシンクを実現します。解像度は360pまたは720p、長さは2〜8秒です。

124. SVI-2.0-Pro（研究プロジェクト）

正式名はStable Video Infinity 2.0 Pro（WAN 2.2搭載）です。静止画像から、一貫したキャラクターIDを維持しながら、シームレスに拡張する理論上無限長の動画を生成します。高度な時間的一貫性と生成的シーン拡張を使用して視覚的一貫性を維持します。生成には選択した長さによって45分以上かかる場合があります。

125. HappyHorse-1.1（Alibaba）

Alibabaが提供するモデルで、最大9枚の画像を使ったテキストから動画、画像から動画、および参照画像から動画の生成をサポートし、すべてネイティブ音声との同期に対応しています。720pまたは1080pで3〜15秒のクリップにおいて、より鮮明な映像品質、滑らかな動き、クリップ間でのキャラクターの一貫性が向上しています。

126. OmniHuman（ByteDance）

Bytedanceが開発したOmniHumanは、人物の画像と音声ファイルを組み合わせて動画を生成します。キャラクターの感情や動きが音声と高い相関性を保ちながら、鮮明で高品質な動画を生成します。顔が見える人物の画像と音声を送信すると、ボットが動画を返信します。受け付ける音声の最大長は30秒です。

127. Kling-Avatar-Pro（Kuaishou）

リアルな人物、動物、漫画、またはスタイライズされたキャラクターを特徴とする、生命感あふれるアバター動画を作成できます。画像とオーディオファイルをアップロードするだけで、キャラクターが話す動画を生成できます。対応ファイル形式は、画像がJPEG、PNG、WEBP、オーディオがMP3、WAVです。

128. LTX-2-Pro（Lightricks）

LTX-2 Proは、Lightricksが開発したプロフェッショナルグレードの結果を実現する高度な動画生成モデルです。高品質でリアルな動画生成を驚異的な速度で提供し、最大2K解像度の出力をサポートします。テキストから動画、画像から動画の両方の作成に最適で、映画的な詳細と滑らかなパフォーマンスを実現します。Fast版はグレード違いとして統合しました。

129. Vidu（ShengShu Technology）

Vidu Video Generation Botは、画像とテキストプロンプトを使用して動画を作成します。Image-to-Video、Start-to-End Frame、Reference-to-Video、Template-to-Videoの4つのモードで動画を生成できます。ボットはアスペクト比（16:9、1:1、9:16）をサポートし、動きの振幅を設定できます。動画の長さは5秒に制限されています。

130. Pika-v1.5-Effects（Pika）

写真に特殊効果を適用する動画ツールです。画像を添付して、「cakeify」、「crush」、「crumble」などの効果を適用できます。効果にはCake-ify、Crumble、Crush、Decapitate、Deflate、Dissolve、Explode、Eye-pop、Inflate、Levitate、Melt、Peel、Poke、Squish、Ta-da、Tearがあります。

131. LivePortrait（fal.ai）

動画の動きに合わせて、提供された人物写真にアニメーションを付けるツールです。fal.ai提供です。静止した顔写真に、見本動画の表情や頭の動きを移す用途に使います。

検索・調査

Web検索と結びついた回答や、深掘りの調査レポートを作るボット群です。

132. Perplexity-Adv-Deep-Research（Perplexity）

機関レベルの調査のために設計されており、Claude Opus 4.6の強力な推論を活用して洗練された分析と最大限の深度を提供します。強化されたツールアクセスと広範囲なソースカバレッジにより、厳密で包括的な研究を必要とする複雑なタスクに最適な選択肢です。推論努力、最大出力トークン、ドメイン・言語・日付のフィルターなどを細かく設定できます。

133. Perplexity-Deep-Research（Perplexity）

複雑なトピックにわたる多段階検索、統合、推論のために設計された研究特化型モデルです。自律的に検索、読み取り、情報源の評価を行い、情報収集に応じてアプローチを改良します。これにより、金融、技術、健康、時事問題などの分野にわたる包括的なレポート生成が可能になります。文脈長は128Kです。

134. Perplexity-Pro-Search（Perplexity）

Sonar Proを完全な自律型研究エージェントに変換し、Web検索を自動的に連鎖させ、ライブ推論をストリーミングしながら完全なページを取得します。複雑なクエリに対して動的に戦略を適応させ、標準的なSonar Proの単一検索をはるかに超えた機能を提供します。学術ソースやSEC提出書類に制限する検索モードなど、細かい設定ができます。

135. Perplexity-Sonar-Pro（Perplexity）

Perplexityが開発したSonar Proは、引用数を2倍に増やし、より大きなコンテキストウィンドウを備えたリアルタイムのWeb接続検索機能を強化した先進的なAIモデルです。複雑なクエリに対応するよう設計され、詳細で繊細な回答と拡張性を提供します。文脈長は200Kです。

136. Perplexity-Search（Perplexity）

Perplexityの技術を活用して、ドメイン、言語、日付などでフィルタリングしたリアルタイムWeb検索を実行します。このエンドポイントはLLMスタイルの応答を返しません。ファイルアップロードはサポートされていません。検索結果そのものが欲しい場合の入口です。

137. Exa-Answer（Exa）

Exa検索結果に基づいた質問に対する、迅速なLLMスタイルの回答を取得します。サポートされているファイル形式のアップロードはPDF、TXT、PNG、JPG、JPEGで、オーディオおよびビデオファイルのアップロードはサポートされていません。ソース引用の下にテキストスニペットを含める設定もできます。

138. Exa-Search（Exa）

ExaのWeb検索、類似ページ検索、ページコンテンツおよびコード検索を実行し、結果を直接返します。文章による回答が必要な場合は、Exa-Answer（項目137）の使用を検討してください。ファイルのアップロードはサポートされていません。

139. Linkup-Deep-Search（Linkup）

AI搭載の検索ボットで、最初の試行で十分な情報が見つからない場合、反復的に検索を続けます。標準検索と比較して結果は遅くなりますが、より包括的な結果が得られることが多いとされます。Linkupの技術は事実の正確性において世界第1位にランクされ、OpenAIのSimpleQAベンチマークで最先端のスコアを達成したと案内されています。

140. Linkup-Standard（Linkup）

Webから得られた詳細な概要と回答を提供するAI搭載の検索ボットです。高品質な情報を迅速かつ正確に見つけるのに役立ちます。Deep検索（項目139）と比較して結果が速く表示されます。

141. GPT-Researcher

あらゆるトピックについて詳細な調査を行い、引用付きの包括的なレポートを生成するエージェントです。GPT ResearcherはTavilyの検索エンジンを活用しています。人気のオープンソースプロジェクトをベースにしており、信頼できる研究ソースの選定とランク付けに最適化されています。

142. Reka-Research（Reka）

Webを閲覧して複雑な質問に答える最先端のエージェント型AIです。複数のソースから情報を統合し、通常数時間かかる作業を数分で実行することができます。

143. Deep-AI-Search

Brave AIとリアルタイムWeb検索を統合した高度な検索エンジンです。この研究アシスタントはコマンドを実行し、事実を検証し、大規模にWebサイトをスクレイピングしながら、その特徴的なスピードと知能の優位性を保持します。Deep-AI-Searchはファイル添付を受け付けません。

エージェント・ツール

モデル本体ではなく、仕事を任せたり、作業を助けたりするためのボット群です。

144. Manus（自律エージェント）

タスクを実行する自律型AIエージェントです。高レベルなプロンプトを受け取り、それをサブタスクに分解し、ツール/APIと連携して、各ステップを管理することなく、エンドツーエンドの結果（レポート、コード、ウェブサイト、画像など）を提供します。複雑さによっては、応答の完了まで数分かかる場合があります。

145. Claude-Code（Anthropic）

多くのファイル形式の読み取り、作成、分析が可能な強力なアシスタントです。複雑な複数ステップのタスクを処理するために、他のPoeボットに作業を委任することもできます。AnthropicのClaude Agent SDKを基に構築されています。

146. MarkItDown（Microsoft）

あらゆるものをMarkdownに変換します。URL、PDF、Word、Excel、画像（EXIFメタデータ）、音声（EXIFメタデータと文字起こし）などに対応します。このボットはMicrosoftのMarkItDown MCPサーバーをラップしています。資料をAIに読ませる前の下ごしらえに便利な道具です。

147. GPTZero

AIと人間の著者によって生成される可能性が高いテキストの部分を分析し、フラグを立てるように設計された深層学習駆動プラットフォームです。「完全に人間」、「完全にAI」、または「混合」コンテンツを区別し、関連する特定の文章をハイライトします。また、引用や参考文献を検証するための参考文献スキャンや、テキスト内の主張を支持するソースを見つけるためのソース分析も実行できます。

148. Tako（Tako）

株式、スポーツ、経済、政治に関する質問を、信頼できる情報源からの対話型で共有可能な知識カードに変換するボットです。Takoの知識グラフは、信頼性の高いリアルタイムデータプロバイダーのみから構築されています。クエリや質問の最後に「--specificity 30」（または0〜100の間の値）と入力することで、特異性の閾値を調整できます。

おわりに

この一覧は、AIのモデルの追加・廃止は頻繁に行われるため、実際に使う画面での最新表示もあわせてご確認ください。無料で試せるものも多いので、気になるものがあったら是非試してみてください。

お気に入りのノートに、気づいたことはメモしておいてください。