A flagship workhorse for complex software engineering and long-horizon agent tasks. It uses the same base model as GLM-5.2, with improvements driven by post-training, delivering a 50% gain on Z.ai Code Bench alongside stronger terminal-operation and vulnerability-discovery capabilities. It offers a 1M-token context window, up to 128K output, always-on reasoning with low, high, and max effort levels, function calling, and structured outputs. It currently accepts text only and is not intended for tasks requiring visual understanding.

Qwen's most capable flagship multimodal reasoning model, built for long-horizon coding, professional work, and multi-stage agent tasks. It accepts text, images, and video, offers a 1M-token context window with up to 128K output, and supports function calling, structured outputs, web search, and a code interpreter. It is best used as a high-quality workhorse for complex tasks rather than for the lowest-cost, lowest-latency batch workloads.

ネイティブ ビジョンと最大 1M トークンのコンテキスト ウィンドウを備えた Moonshot フラッグシップ モデル。現在、最大の推論労力で実行され、長期的なコーディング、知識作業、ターミナル ツールを調整する複雑なタスクに適しています。安定して使用するには、完全な推論履歴を保存し、互換性のあるエージェント ハーネスで新しいセッションを開始します。

The balanced workhorse tier of GPT-5.6, combining capability and cost. Well suited to production work involving image understanding, tool use, and large source material; choose Sol for the hardest quality-first work or Luna for cost-controlled high volume.

The flagship GPT-5.6 tier for complex professional work and quality-first delivery. It supports image input, function calling, structured outputs, and an exceptionally large context window; consider Terra or Luna when latency or unit cost is the primary constraint.

The cost-sensitive, high-volume tier of GPT-5.6. A good fit for summarization, classification, rewriting, and batch automation; choose the Sol sibling for complex professional judgment or quality-first multi-step work.

コーディング、ナレッジワーク、STEM タスクのためのフロンティア推論モデル。画像入力、関数呼び出し、構造化出力をサポートします。その 500K トークンのコンテキストは、ファイル間の分析や長いソース素材に適しています。最先端の推論が必要ない場合は、低コストのモデルを選択します。

Anthropic の最も有能で広くリリースされているモデルで、最も要求の厳しい推論と長期的なエージェント作業向けに構築されています。最大 128,000 の出力と常時オンの適応的思考を備えた 1M トークンのコンテキスト ウィンドウを提供し、人間の入力が必要になる前に、指定されていないタスクを自律的に探索、計画し、長時間実行されるコーディングとマルチエージェント オーケストレーションを実行することに優れています。

デイリードライバーのソネット層モデルは、より低い運用コストでニアフロンティアのエージェント、コーディング、ナレッジワーク機能を実現することを目的としています。デフォルトの 1M トークンのコンテキストと適応的思考は、長いドキュメント、コードベース、および複数ステップのツールのワークフローに適合します。最も深い推論や制限された高リスクのセキュリティ作業については、より上位のモデルまたは特殊なモデルを評価します。

ネイティブ 1M トークン コンテキストに加え、ツー​​ル呼び出しとマルチステップ推論を備えた、プロジェクト規模のコーディングと長時間実行されるエージェント タスクのための LongCat 2.0 の主力製品。大規模なリポジトリ、長いドキュメント、または自動化ワークフローを範囲内に保持する必要がある場合に最適です。軽量の Q&A や低遅延チャットの場合、通常は小型の Flash/Lite スタイル モデルの方が安価です。

コーディング、エージェント、複雑な生産性タスク向けに構築されており、長いコンテキスト、長い出力、ツール指向のワークフローにおいて Doubao Seed 2.0 を超えています。 Qwen、GLM、DeepSeek の同等の製品と比較して、中国の事務作業、コーディング、および複数ステップの自動化にとってコスト効率の高いオプションです。

HappyHorse 1.0 よりも強力なオーディオネイティブのワークフローを備え、テキストからビデオへの変換用に構築されており、ダイアログ、サウンドエフェクト、バックグラウンドミュージックを 1 つのパスで生成します。 Veo、Kling、Runway と比較した場合、その差別化要因は、同期されたオーディオビジュアル生成と、短編ドラマ、広告、電子商取引、およびブランド マーケティング向けのキャラクター一貫性のあるワークフローです。

HappyHorse 1.0 よりも強力なオーディオ ネイティブ ワークフローを備えたビデオ参照用に構築されており、ダイアログ、サウンド効果、バックグラウンド ミュージックを 1 つのパスで生成します。 Veo、Kling、Runway と比較した場合、その差別化要因は、同期されたオーディオビジュアル生成と、短編ドラマ、広告、電子商取引、およびブランド マーケティング向けのキャラクター一貫性のあるワークフローです。

HappyHorse 1.0 よりも強力なオーディオネイティブのワークフローを備え、ダイアログ、サウンドエフェクト、BGM を 1 つのパスで生成する、画像からビデオへの変換用に構築されています。 Veo、Kling、Runway と比較した場合、その差別化要因は、同期されたオーディオビジュアル生成と、短編ドラマ、広告、電子商取引、およびブランド マーケティング向けのキャラクター一貫性のあるワークフローです。

Built for video generation and multi-asset video creation, improving on Seedance 1.x with more complete motion stability, audiovisual generation, and reference inputs. Compared with Veo, Kling, and Runway, it is better suited to Chinese creative workflows driven by mixed text, image, audio, and video inputs. The Mini tier is positioned for lower-cost, high-frequency testing compared with standard Seedance 2.0. Useful for short drama, ads, e-commerce, and social assets.

ビデオ生成とマルチアセットビデオ作成用に構築されており、より完全なモーション安定性、オーディオビジュアル生成、リファレンス入力により Seedance 1.x が改良されています。 Veo、Kling、Runway と比較して、テキスト、画像、オーディオ、ビデオの混合入力によって駆動される中国のクリエイティブ ワークフローに適しています。このフィルターオフのバリアントは、標準の Seedance 2.0 と同じ層の生成機能を維持しながら、より緩やかなコンテンツ フィルターを適用します。短編ドラマ、広告、電子商取引、ソーシャル アセットに役立ちます。

推論、コーディング、および長いコンテキストのエージェント タスク向けに構築されており、コンテキストの長さ、ツールの使用、および複雑な複数ステップのワークフローにおいて GLM-5.1 よりも改善されています。 Qwen、DeepSeek、Kimi などの中国の主力製品と比較すると、エンタープライズ自動化、プロジェクト レベルのコード分析、中国語でのナレッジ ワークに適しています。

長いコンテキスト、複数ステップのツールの使用、およびコード/ドキュメントのワークフロー向けに構築されており、Kimi K2.6 よりも強力なエンジニアリング タスクの安定性とコンテキスト容量が備わっています。 Qwen、GLM、DeepSeek と比較すると、中国語の長い文書の分析、プロジェクトの Q&A、日常的なエージェント プログラミングに適しています。

Grok Imagine 1.0 よりも強力なモーションの一貫性と高速なソーシャル コンテンツ制作を備えた、画像/ビデオ主導の生成、編集、拡張用に構築されています。 Veo、Kling、Runway と比較すると、xAI エコシステムの短編ビデオ、広告コンセプト、トレンド主導のアセットに適合します。

長期にわたるコーディング、ツールの使用、マルチターンの制作コラボレーション向けに構築されており、1M トークンのコンテキスト ウィンドウを維持しながら、マルチモーダル入力で MiniMax M2.7 を超えて拡張されています。 Claude、Gemini、GLM-5.2 のロングコンテキスト エージェント モデルと比較して、テキスト、画像、ビデオ素材を 1 つのワークフローに入れるのに適しています。

主要な推論と複雑なエージェント タスクに関しては、長いコンテキスト、コード、ツールの使用法、および複雑な計画の点で、Claude Opus 4.7 よりもさらに進んでいます。 GPT、Gemini、Qwen などの主力モデルと比較して、信頼性の高いエージェント、コード ベースのメンテナンス、詳細な調査ワークフローに適しています。

あらゆる入力からビデオへのマルチモーダル作成用に構築されており、以前の Gemini ビデオ ワークフローよりもテキスト、画像、オーディオ、ビデオ素材の統合されたオーケストレーションに重点が置かれています。 Veo、Kling、Runway と比較して、複雑なマルチモーダル アセットを 1 つのクリエイティブ ワークフローに統合するのに適しています。

マルチモーダルな理解、コーディング、および長いコンテキストのタスク向けに構築されており、スループット、コンテキスト、およびツールの機能が Gemini 3.1 よりも向上しています。 GPT、Claude、Qwen モデルと比較して、テキスト、画像、オーディオ、ビデオ、ドキュメントにわたる統合分析ワークフローに優れています。

エージェントのワークロード、コーディング、オフィスの生産性向けに設計されており、Qwen3.6 よりも長いコンテキスト、ツールの呼び出し、構造化された出力に重点を置いています。 GPT、Claude、Gemini などの主力モデルと比較して、中国語、コーディング、およびマルチステップ ツールのワークフローにとってコスト効率の高い代替品です。

Alibaba Qwen 3.6 Max Preview、約 1 兆のパラメータを持つ専門家がまばらに混在するモデル。エージェントティック コーディング、ツールの使用、および複数ターンの会話にわたる推論トレースを保存する統合思考モードによる長期コンテキスト推論用に最適化されています。 262K コンテキスト ウィンドウ。Alibaba Cloud Model Studio API 経由で利用可能。

ビデオ編集に関しては、初期のビデオ モデルと比較して、ネイティブ オーディオの生成により重点が置かれており、ダイアログ、効果音、BGM を一度に完成させることができます。 Veo、Kling、Runway と比較して、その差別化された利点は、サウンドとビジュアルの同期とキャラクターの一貫性のあるワークフローにあります。短編ドラマ、広告、電子商取引、ブランドマーケティングビデオなどに適しています。

Wensheng ビデオでは、初期のビデオ モデルと比較して、ネイティブ オーディオの生成に重点が置かれており、ダイアログ、効果音、BGM が一度に完成します。 Veo、Kling、Runway と比較して、その差別化された利点は、サウンドとビジュアルの同期とキャラクターの一貫性のあるワークフローにあります。短編ドラマ、広告、電子商取引、ブランドマーケティングビデオなどに適しています。

初期のビデオ モデルと比較して、参照用ビデオの生成はネイティブ オーディオ生成においてより顕著であり、ダイアログ、サウンド効果、BGM を一度に完成させます。 Veo、Kling、Runway と比較して、その差別化された利点はサウンドとビジュアルの同期とキャラクターの一貫性ワークフローにあります。短編ドラマ、広告、電子商取引、ブランドマーケティングビデオなどに適しています。

Tusheng ビデオでは、初期のビデオ モデルと比較して、ネイティブ オーディオの生成に重点が置かれており、ダイアログ、効果音、BGM が一度に完成します。 Veo、Kling、Runway と比較して、その差別化された利点は、サウンドとビジュアルの同期とキャラクターの一貫性のあるワークフローにあります。短編ドラマ、広告、電子商取引、ブランドマーケティングビデオなどに適しています。

DeepSeek V3.2 よりも強力なロングコンテキスト、思考モード、および複雑なタスクの実行を備えた、推論、コーディング、およびエージェント ツールの使用のために構築されています。 Qwen、GLM、Kimi などの中国の同業他社と比較して、特に数学、プログラミング、論理的推論のタスクで競争力があります。

DeepSeek V3.2 よりも強力なロングコンテキスト、思考モード、および複雑なタスクの実行を備えた、推論、コーディング、およびエージェント ツールの使用のために構築されています。 Qwen、GLM、Kimi などの中国の同業他社と比較して、特に数学、プログラミング、論理的推論のタスクで競争力があります。

GPT-5.4 よりも強力な長いコンテキスト、ツールの使用、およびスケーラブルで信頼性の高い出力を備えた、推論、コーディング、視覚的理解、エージェント タスク向けに構築されています。 Claude、Gemini、Qwen のフラッグシップ モデルと比較して、信頼性の高い自動化と複雑なナレッジ ワークフローのための強力な汎用ベースです。

MiMo V2 TTS よりも強力な V2.5 シリーズの自然言語音声作成、きめ細かいペース/感情/トーン コントロール、低摩擦の音声生成を備えた一文音声デザインとテキスト読み上げ用に構築されています。イレブンラボ、OpenAI TTS、Azure Speech と比較すると、リファレンスフリーのキャラクター音声デザイン、広告ナレーション、短いビデオのナレーション、マルチスタイルの音声探索に役立ちます。

MiMo V2 TTS よりも強力な V2.5 シリーズの高忠実度の音色再現、音声キャラクターの一貫性、クロステキスト汎用化を備えた、少数サンプルの音声クローン作成用に構築されています。イレブンラボ、OpenAI TTS、Azure Speech と比較すると、中国語の吹き替え、ショートビデオのナレーション、ポッドキャスト音声の複製、ターゲットの音声を保存する必要がある多言語音声制作に適しています。

MiMo V2 TTS よりも強力な V2.5 シリーズの自然な音声合成、きめ細かいペース/感情/トーン コントロール、低摩擦の音声作成を備えたテキスト読み上げ、音声デザイン、音声クローン作成用に構築されています。イレブンラボ、OpenAI TTS、Azure Speech と比較すると、中国語のナレーション、キャラクターの吹き替え、ショートビデオの音声、多言語の音声制作に適しています。

割引価格のお試しルートです。生成にはさらに時間がかかる場合があり、失敗する可能性が約 10% あります。これは、キューイングや偶発的な失敗が許容される、コスト重視のイメージ生成トライアルに最適です。より安定して本番環境で使用するには、通常のルートを選択してください。

割引価格のお試しルートです。生成にはさらに時間がかかる場合があり、失敗する可能性が約 10% あります。これは、キューイングや偶発的な失敗が許容される、コスト重視のイメージ生成トライアルに最適です。より安定して本番環境で使用するには、通常のルートを選択してください。

高品質のイメージ生成と編集用に構築されており、テキスト レンダリング、ローカル編集、マルチターンの一貫性において GPT Image 1.x よりも改善されています。 Gemini イメージ モデル、Qwen Image、Seedream と比較すると、ブランド ビジュアル、広告デザイン、製品イメージ、厳密に制御されたクリエイティブ ワークフローに適しています。

長いコンテキスト、複数ステップのツールの使用、およびコード/ドキュメントのワークフロー向けに構築されており、Kimi K2.5 よりも強力なエンジニアリング タスクの安定性とコンテキスト容量が備わっています。 Qwen、GLM、DeepSeek と比較すると、中国語の長い文書の分析、プロジェクトの Q&A、日常的なエージェント プログラミングに適しています。

主要な推論と複雑なエージェント タスクに関しては、長いコンテキスト、コード、ツールの使用法、および複雑な計画の点で、Claude Opus 4.6 よりもさらに進んでいます。 GPT、Gemini、Qwen などの主力モデルと比較して、信頼性の高いエージェント、コード ベースのメンテナンス、詳細な調査ワークフローに適しています。

テキストの生成、推論、ツールの使用のために構築されており、以前の MiniMax M2.x バージョンよりも強力な 200K ロング コンテキストとエージェント ワークフローの安定性を備えています。 Kimi、GLM、Qwen などの中国の同業他社と比較して、生産性、コーディング支援、長い文書の処理に適しています。

テキストの生成、推論、ツールの使用のために構築されており、以前の MiniMax M2.x バージョンよりも強力な 200K ロング コンテキストとエージェント ワークフローの安定性を備えています。 Kimi、GLM、Qwen などの中国の同業他社と比較して、生産性、コーディング支援、長い文書の処理に適しています。

GPT-5.3 よりも強力な長いコンテキスト、ツールの使用、およびスケーラブルで信頼性の高い出力を備えた、推論、コーディング、視覚的理解、エージェント タスク向けに構築されています。 Claude、Gemini、Qwen のフラッグシップ モデルと比較して、信頼性の高い自動化と複雑なナレッジ ワークフローのための強力な汎用ベースです。

GPT-5.3 よりも強力な長いコンテキスト、ツールの使用、およびスケーラブルで信頼性の高い出力を備えた、推論、コーディング、視覚的理解、エージェント タスク向けに構築されています。 Claude、Gemini、Qwen のフラッグシップ モデルと比較して、信頼性の高い自動化と複雑なナレッジ ワークフローのための強力な汎用ベースです。

画像の生成と編集のために構築されており、以前の Gemini 画像機能よりも強力なマルチモーダルな理解、会話型編集、および迅速なビジュアル プロトタイピングが可能です。 GPT Image、Qwen Image、および Seedream と比較すると、ドキュメント、画像、およびプロンプトを 1 つの視覚的なワークフローに組み合わせるのに役立ちます。

マルチモーダルな理解、コーディング、および長いコンテキストのタスク向けに構築されており、スループット、コンテキスト、およびツールの機能が Gemini 3.0 / 2.5 よりも向上しています。 GPT、Claude、Qwen モデルと比較して、テキスト、画像、オーディオ、ビデオ、ドキュメントにわたる統合分析ワークフローに優れています。

Anthropic Claude Sonnet 4.6 の拡張思考バージョン。複雑な問題に対する思考連鎖推論を可能にします。コーディング、コードベースのナビゲーション、プロジェクト管理、ドキュメント作成、およびテキストと画像の入力を伴うエージェント タスクに優れています。 1M コンテキスト ウィンドウは、深い推論を必要とするタスクで標準バージョンよりも優れたパフォーマンスを発揮し、複雑なソフトウェア エンジニアリングや複数ステップの計画に最適です。

コーディングとエージェントのタスクを効率的に行うために、長いコンテキスト、コード、ツールの使用法、および複雑な計画の点で、Claude 4.5/4.6 のプレオーダー バージョンよりもさらに進んでいます。 GPT、Gemini、Qwen などの主力モデルと比較して、信頼性の高いエージェント、コード ベースのメンテナンス、詳細な調査ワークフローに適しています。

カジュアル チャットだけではなく、コーディング、ツールの使用、検索、オフィス スタイルの成果物に最も優れた、実際の生産性エージェント向けのコスト効率の高いモデルです。ファイル間の変更、調査の取得、ドキュメント/スプレッドシート/プレゼンテーションのワークフローを計画および実行するエージェントに適しています。より高価なフラッグシップと比較して、主なトレードオフは、ニアフロンティアに近い実行効率の低コストです。

ビデオ生成とマルチアセットビデオ作成用に構築されており、より完全なモーション安定性、オーディオビジュアル生成、リファレンス入力により Seedance 1.x が改良されています。 Veo、Kling、Runway と比較して、テキスト、画像、オーディオ、ビデオの混合入力によって駆動される中国のクリエイティブ ワークフローに適しています。このフィルターオフのバリアントは、標準の Seedance 2.0 と同じ層の生成機能を維持しながら、より緩やかなコンテンツ フィルターを適用します。短編ドラマ、広告、電子商取引、ソーシャル アセットに役立ちます。

ビデオ生成とマルチアセットビデオ作成用に構築されており、より完全なモーション安定性、オーディオビジュアル生成、リファレンス入力により Seedance 1.x が改良されています。 Veo、Kling、Runway と比較して、テキスト、画像、オーディオ、ビデオの混合入力によって駆動される中国のクリエイティブ ワークフローに適しています。このフィルターオフのバリアントは、標準の Seedance 2.0 と同じ層の生成機能を維持しながら、より緩やかなコンテンツ フィルターを適用します。短編ドラマ、広告、電子商取引、ソーシャル アセットに役立ちます。

主力の推論と複雑なエージェント タスクに関しては、長いコンテキスト、コード、ツールの使用法、および複雑な計画の点で、Claude 4.5/4.6 のプレオーダー バージョンよりもさらに進んでいます。 GPT、Gemini、Qwen などの主力モデルと比較して、信頼性の高いエージェント、コード ベースのメンテナンス、詳細な調査ワークフローに適しています。

テキスト/画像からビデオへの変換およびマルチショットの作成用に構築されており、モーションの安定性、カメラ言語、参照の一貫性において Kling 2.x よりも向上しています。 Veo、Runway、Seedance と比較して、中国の短編ドラマ、広告アセット、高品質のソーシャル ビデオ制作に適しています。

テキスト/画像からビデオへの変換およびマルチショットの作成用に構築されており、モーションの安定性、カメラ言語、参照の一貫性において Kling 2.x よりも向上しています。 Veo、Runway、Seedance と比較して、中国の短編ドラマ、広告アセット、高品質のソーシャル ビデオ制作に適しています。

画像の生成と編集のために構築されており、Seedream 4.x よりも強力な中国語の指示、視覚的な推論、および高頻度のクリエイティブ制作を備えています。 GPT Image、Gemini 画像モデル、Qwen Image と比較すると、ByteDance エコシステムの広告デザイン、電子商取引アセット、およびマルチシナリオのビジュアル制作に適しています。

ビデオ生成とマルチアセットビデオ作成用に構築されており、より完全なモーション安定性、オーディオビジュアル生成、リファレンス入力により Seedance 1.x が改良されています。 Veo、Kling、Runway と比較して、テキスト、画像、オーディオ、ビデオの混合入力によって駆動される中国のクリエイティブ ワークフローに適しています。高速バリアントは、標準レベルよりも迅速な反復とバッチ生産に適しています。短編ドラマ、広告、電子商取引、ソーシャル アセットに役立ちます。

ビデオ生成とマルチアセットビデオ作成用に構築されており、より完全なモーション安定性、オーディオビジュアル生成、リファレンス入力により Seedance 1.x が改良されています。 Veo、Kling、Runway と比較して、テキスト、画像、オーディオ、ビデオの混合入力によって駆動される中国のクリエイティブ ワークフローに適しています。短編ドラマ、広告、電子商取引、ソーシャル アセットに役立ちます。

長いコンテキスト、複数ステップのツールの使用、およびコード/ドキュメントのワークフロー向けに構築されており、Kimi K2 よりも強力なエンジニアリング タスクの安定性とコンテキスト容量を備えています。 Qwen、GLM、DeepSeek と比較すると、中国語の長い文書の分析、プロジェクトの Q&A、日常的なエージェント プログラミングに適しています。

エージェントのワークフロー、マルチターン チャット、コーディング支援向けに設計された Google の高速思考モデル。 1M トークンのコンテキスト ウィンドウでテキスト、画像、オーディオ、ビデオ、PDF 入力をサポートします。設定可能な思考レベル、ツールの使用、構造化された出力が特徴です。 Gemini 2.5 フラッシュと比較して、推論、マルチモーダルな理解、信頼性の幅広い品質が向上しています。

DeepSeek V3.1 よりも強力なロングコンテキスト、思考モード、および複雑なタスクの実行を備えた、推論、コーディング、およびエージェント ツールの使用のために構築されています。 Qwen、GLM、Kimi などの中国の同業他社と比較して、特に数学、プログラミング、論理的推論のタスクで競争力があります。

画像の生成と編集のために構築されており、以前の Gemini 画像機能よりも強力なマルチモーダルな理解、会話型編集、および迅速なビジュアル プロトタイピングが可能です。 GPT Image、Qwen Image、および Seedream と比較すると、ドキュメント、画像、およびプロンプトを 1 つの視覚的なワークフローに組み合わせるのに役立ちます。

主力の推論と複雑なエージェント タスクを目的としており、長いコンテキスト、コード、ツールの使用法、および複雑な計画の点で、Claude 4 シリーズのプレオーダー バージョンよりもさらに進んでいます。 GPT、Gemini、Qwen などの主力モデルと比較して、信頼性の高いエージェント、コード ベースのメンテナンス、詳細な調査ワークフローに適しています。

Veo 2/3 よりも成熟したネイティブ オーディオ、カメラ制御、リファレンス入力ワークフローを備えた高忠実度ビデオ生成用に構築されています。 Kling、Runway、Seedance と比較して、映画の短編、広告ストーリーボード、安定した物理的な動きが必要なビデオに適しています。 Lite レベルでは、Standard レベルよりも高スループットで低コストのドラフトが優先されます。

Veo 2/3 よりも成熟したネイティブ オーディオ、カメラ制御、リファレンス入力ワークフローを備えた高忠実度ビデオ生成用に構築されています。 Kling、Runway、Seedance と比較して、映画の短編、広告ストーリーボード、安定した物理的な動きが必要なビデオに適しています。高速層は、標準層よりも迅速なコンセプトの検証に適しています。

Veo 2/3 よりも成熟したネイティブ オーディオ、カメラ制御、リファレンス入力ワークフローを備えた高忠実度ビデオ生成用に構築されています。 Kling、Runway、Seedance と比較して、映画の短編、広告ストーリーボード、安定した物理的な動きが必要なビデオに適しています。

画像の生成と編集のために構築されており、以前の Gemini 画像機能よりも強力なマルチモーダルな理解、会話型編集、および迅速なビジュアル プロトタイピングが可能です。 GPT Image、Qwen Image、および Seedream と比較すると、ドキュメント、画像、およびプロンプトを 1 つの視覚的なワークフローに組み合わせるのに役立ちます。

効率的なコーディングとエージェント タスクに関しては、長いコンテキスト、コード、ツールの使用法、および複雑な計画の点で Claude Haiku 3.5 よりも優れています。 GPT、Gemini、Qwen などの主力モデルと比較して、信頼性の高いエージェント、コード ベースのメンテナンス、詳細な調査ワークフローに適しています。

主要な推論と複雑なエージェント タスクに関しては、長いコンテキスト、コード、ツールの使用法、および複雑な計画の点で、Claude Opus 4.6 よりもさらに進んでいます。 GPT、Gemini、Qwen などの主力モデルと比較して、信頼性の高いエージェント、コード ベースのメンテナンス、詳細な調査ワークフローに適しています。

プロフェッショナルなビジュアル制作のためのマルチモーダル画像生成モデル。テキストから画像を生成し、参照画像や空間注釈を使用して正確な編集を実行でき、高密度のインフォグラフィック、タイポグラフィ、リアルな照明、多言語テキストのレンダリングに強みを持ちます。

長いシーン、複数のアセットのディレクション、反復的な改善に重点を置き、広告、ブランド コンテンツ、短編物語などのプロフェッショナルなビデオ作品向けに構築されています。テキストおよび画像主導の生成と R2V 参照制御をサポートし、マルチモーダル アセットを結合し、標準モードで最大 30 秒生成し、クリップ全体を再生成せずに選択した領域を修正できます。 Seedance 2.0 ではなくこれを選択する主な理由は、より長い連続ショット、より豊富なリファレンス入力、より制御しやすい生成後の修正です。

コーディング、エージェント、複雑な生産性タスク向けに構築されており、長いコンテキスト、長い出力、ツール指向のワークフローにおいて Doubao Seed 2.0 を超えています。 Qwen、GLM、DeepSeek の同等の製品と比較して、中国の事務作業、コーディング、および複数ステップの自動化にとってコスト効率の高いオプションです。

エージェントのワークロード、コーディング、オフィスの生産性向けに設計されており、Qwen3.6 よりも長いコンテキスト、ツールの呼び出し、構造化された出力に重点を置いています。 GPT、Claude、Gemini などの主力モデルと比較して、中国語、コーディング、およびマルチステップ ツールのワークフローにとってコスト効率の高い代替品です。

エージェントのワークロード、コーディング、オフィスの生産性を考慮して設計されており、Qwen3.5 よりも長いコンテキスト、ツールの呼び出し、構造化された出力に重点を置いています。 GPT、Claude、Gemini などの主力モデルと比較して、中国語、コーディング、およびマルチステップ ツールのワークフローにとってコスト効率の高い代替品です。

エージェントのワークロード、コーディング、オフィスの生産性を考慮して設計されており、Qwen3.5 よりも長いコンテキスト、ツールの呼び出し、構造化された出力に重点を置いています。 GPT、Claude、Gemini などの主力モデルと比較して、中国語、コーディング、およびマルチステップ ツールのワークフローにとってコスト効率の高い代替品です。

画像の生成と編集用に構築されており、中国語テキストのレンダリング、指示に従って、複雑なレイアウトにおいて Qwen Image 1.x よりも改善されています。 GPT Image、Gemini 画像モデル、Seedream と比較すると、中国のポスター、電子商取引画像、インフォグラフィック、反復的なビジュアル作成に適しています。

画像の生成と編集用に構築されており、中国語テキストのレンダリング、指示に従って、複雑なレイアウトにおいて Qwen Image 1.x よりも改善されています。 GPT Image、Gemini 画像モデル、Seedream と比較すると、中国のポスター、電子商取引画像、インフォグラフィック、反復的なビジュアル作成に適しています。

エージェント、コーディング、および長いコンテキストのタスク向けに構築されており、MiMo V2 よりも完全なマルチモーダルの理解、100 万トークンのコンテキスト ウィンドウ、および長期的な推論を提供します。 Qwen、GLM、DeepSeek などの中国の同業他社と比較すると、Xiaomi のエコシステムへの適合性とエンジニアリング自動化シナリオが強みです。

エージェント、コーディング、および長いコンテキストのタスク向けに構築されており、MiMo V2 よりも完全なマルチモーダルの理解、100 万トークンのコンテキスト ウィンドウ、および長期的な推論を提供します。 Qwen、GLM、DeepSeek などの中国の同業他社と比較すると、Xiaomi のエコシステムへの適合性とエンジニアリング自動化シナリオが強みです。

長いコンテキスト、複数ステップのツールの使用、およびコード/ドキュメントのワークフロー向けに構築されており、Kimi K2.6 よりも強力なエンジニアリング タスクの安定性とコンテキスト容量が備わっています。 Qwen、GLM、DeepSeek と比較すると、中国語の長い文書の分析、プロジェクトの Q&A、日常的なエージェント プログラミングに適しています。

リアルタイムの推論、コーディング、および長いコンテキストのタスク用に構築されており、以前の Grok 4.x バージョンよりも強力な長いコンテキストの処理と高速な応答が備わっています。 GPT、Claude、Gemini と比較すると、xAI エコシステムにおけるトレンド分析、コーディング支援、接続された情報のワークフローに役立ちます。

画像の生成と編集用に構築されており、以前の GLM ビジョン機能よりも中国語のプロンプト、画像テキストの理解、制御可能な生成に重点を置いています。 GPT Image、Gemini 画像モデル、Qwen Image と比較すると、中国のマーケティング アセット、説明用ビジュアル、および反復的なビジュアル編集に適合します。

ビデオ作成用の軽量の Seedance 2.0 層。テキストや参照画像をソーシャル、e コマース、クリエイティブ ドラフト用の短いビデオ アセットにすばやく変換するのに役立ちます。これは、迅速なイテレーションとアセットの生成を目的としています。最終的な選択の前に、モーション、カメラの動作、被写体の一貫性をレビューします。

An experimental multimodal variant of DeepSeek-V4-Flash for image understanding alongside text. A practical choice for visual Q&A, screenshot and document analysis, while its experimental status makes it better suited to evaluation and flexible workflows than strict production-critical paths.

DeepSeek V3.1 よりも強力なロングコンテキスト、思考モード、および複雑なタスクの実行を備えた、推論、コーディング、およびエージェント ツールの使用のために構築されています。 Qwen、GLM、Kimi などの中国の同業他社と比較して、特に数学、プログラミング、論理的推論のタスクで競争力があります。