> ## Documentation Index > Fetch the complete documentation index at: https://docs.mixroute.ai/llms.txt > Use this file to discover all available pages before exploring further. # 人気モデル > このページでは、モデルの詳細情報、料金、使用方法を紹介します。 ## 🔥 現在のおすすめモデル 以下は、現在安定して利用できる人気のモデルです。モデルの全一覧とリアルタイムの価格については、[MixRouteモデルマーケットプレイス](https://console.mixroute.ai/models)を参照してください。 APIを呼び出す際は、モデル名が[MixRouteモデルマーケットプレイス](https://console.mixroute.ai/models)の命名規則と一致していることを確認してください。一致していない場合、リクエストは失敗します。 コンテキストの値には、モデルプロバイダーが公開している仕様を使用しています。MixRouteのエンドポイント対応、ルートエイリアス、利用可否、料金は、モデルマーケットプレイスと各モデルの詳細ページの情報に従います。 ## モデルのカテゴリ ### 🤖 OpenAIシリーズ #### GPTシリーズ | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | GPT 6 Astra ⭐ | gpt-6-astra | 1.05M | 複雑な一連の作業向けのOpenAIで最も高性能なモデル。テキストと画像を入力でき、最大出力は128K | 複雑な推論、コーディングエージェント、調査、ドキュメント作成 | | [GPT 6.1 Sol](/ja/model-api/openai/gpt-6.1-sol) | gpt-6.1-sol | 1.05M | 複雑なコーディングと専門業務向けのテキスト/画像推論モデル。最大出力は128K。Responses経由の関数呼び出しに対応 | コーディング、エージェント、専門的なタスク | | [GPT 6 Sol](/ja/model-api/openai/gpt-6-sol) | gpt-6-sol | 1,050,000 | コーディングとエージェント型ワークフローで知能とコストのバランスを取るGPT 6モデル。 | コーディング、ツールを使用するワークフロー、専門業務 | | [GPT 6 Luna](/ja/model-api/openai/gpt-6-luna) | gpt-6-luna | 1,050,000 | 対象を絞った大量のタスク向けの効率的なGPT 6モデル。 | ルーティング、抽出、大量のリクエストを処理するアシスタント | | GPT 5.6 Sol ⭐ | gpt-5.6-sol | 1.05M | 深い推論と最大128Kの出力に対応する、複雑な専門業務向けの最先端モデル | 複雑な推論、コーディング、長時間動作するエージェント | | GPT 5.6 Terra | gpt-5.6-terra | 1.05M | 専門業務全般で知能とコストのバランスを取り、最大128Kの出力に対応 | 一般的なコーディング、分析、コンテンツ | | GPT 5.6 Luna | gpt-5.6-luna | 1.05M | コストを重視した大量処理向けのGPT 5.6ファミリーのモデル。最大128Kの出力に対応 | 高スループット、ルーティング、バッチ処理 | | GPT Chat Latest | gpt-chat-latest | 400K | OpenAIの継続更新されるChat Latestモデルに対するMixRouteエイリアス。基になるスナップショットは変更される場合があります | チャットアシスタント、プロトタイピング、互換性 | | GPT 5.5 | gpt-5.5 | 1.05M | コーディングと専門業務向けの最先端モデル。テキストと画像の入力を受け付け、最大128Kの出力に対応 | コーディング、推論、専門業務のワークフロー | | GPT 5.4 Pro | gpt-5.4-pro | 1.05M | 正確な回答のために、より多くの推論計算を使用します。Responses APIのみ対応し、複雑なリクエストには時間がかかる場合があります | 高精度の分析と難易度の高いタスク | | GPT 5.4 | gpt-5.4 | 1.05M | コーディングと専門業務向けの汎用モデル。Chat CompletionsとResponsesに対応 | コーディング、分析、ビジネスコンテンツ | #### 画像生成モデル | モデル名 | モデルID | 特徴 | | - | - | - | | [GPT Image 2.5 Sunburst](/ja/model-api/openai/gpt-image-2.5-sunburst) | gpt-image-2.5-sunburst | 精密な生成、高度な編集、細部まで作り込んだビジュアル素材向けのGPT Image 2.5モデル。 | | [GPT Image 2.5 Flare](/ja/model-api/openai/gpt-image-2.5-flare) | gpt-image-2.5-flare | 画像生成と編集向けの高速なGPT Image 2.5モデル。 | | GPT-Image-2 | gpt-image-2 | 柔軟なサイズ指定に対応する旧世代のGPT Image画像生成・編集モデル。 | | GPT-Image-1.5 | gpt-image-1.5 | 既存の連携のために維持されている前世代の画像モデル | | GPT-Image-1 | gpt-image-1 | 互換性のために提供を継続している旧世代の画像生成モデル | #### 音声・文字起こし・動画モデル | モデル名 | モデルID | 特徴 | 推奨用途 | | - | - | - | - | | GPT-Realtime-2 ⭐ | gpt-realtime-2 | ツール利用、128Kのコンテキスト、32Kの最大出力を備えた、リアルタイムの音声対音声推論モデル | 音声エージェント、リアルタイムアシスタント、ツールを使うワークフロー | | GPT Audio 1.5 | gpt-audio-1.5 | Chat Completionsによる音声の入力と出力 | 音声アシスタント、音声によるやり取り | | GPT Audio | gpt-audio | Chat Completions向けの従来の音声入出力モデル | 既存の音声チャット連携 | | GPT-4o Transcribe Diarize | gpt-4o-transcribe-diarize | 誰がいつ話したかを識別する音声文字起こし | 会議、インタビュー、通話分析 | | GPT-4o Mini Transcribe | gpt-4o-mini-transcribe | より低コストなGPT-4o mini音声テキスト変換モデル | 字幕、一括文字起こし | | Sora 2 ⭐ | sora-2 | 同期音声付きのテキストからの動画生成と画像からの動画生成に対応した、フラッグシップ動画生成モデル | 動画制作、クリエイティブ制作 | ### 🎭 Claudeシリーズ（Anthropic） #### 最新のClaudeモデル | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | [Claude Opus 5.5](/ja/model-api/anthropic/claude-opus-5-5) | claude-opus-5-5 | 1M | 長時間にわたるエージェント型コーディングと知識業務向けのClaude Opusモデル。 | コーディングエージェント、調査、複雑な知識業務 | | Claude Opus 5 ⭐ | claude-opus-5 | 1M | 複雑なエージェント型コーディングと企業業務向けの深い推論モデル。最大出力128K、思考はデフォルトで有効 | 長期にわたり動作するエージェント、難度の高いコーディング、企業業務 | | Claude Fable 5.1 ⭐ | claude-fable-5-1 | 1M | 高度な推論と長期にわたるエージェント処理向けの高性能モデル。128Kの出力と常時有効の適応型思考に対応 | 難度の高い推論、長時間動作するエージェント、複数ステップの調査 | | Claude Fable 5 | claude-fable-5 | 1M | 創作的な物語作成と知識業務向けのAnthropicの深い推論モデル。拡張思考に対応 | 創作、コンテンツ制作、調査・分析 | | [Claude Sonnet 5.5](/ja/model-api/anthropic/claude-sonnet-5-5) | claude-sonnet-5-5 | 1M | コーディングと知識業務向けの高速モデル。128Kの出力、適応型思考、自動選択によるツール使用に対応 | コーディング、エージェント、知識業務 | | Claude Sonnet 5 | claude-sonnet-5 | 1M | 既存の連携向けに提供を継続している前世代のSonnet。最大出力128K | 既存のSonnetワークフロー | | Claude Haiku 5.5 | claude-haiku-5-5 | 1M | 大量処理向けの低レイテンシモデル。適応型推論と最大128Kの出力に対応 | 分類、ルーティング、抽出、コーディング用サブエージェント | | Claude Haiku 4.5 | claude-haiku-4-5-20251001 | 200K | 最大出力64Kと、任意で利用できる拡張思考を備えた前世代のHaiku | 既存のHaiku連携 | ### 🌟 Google Geminiシリーズ | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | Gemini 3.8 Flash ⭐ | gemini-3.8-flash | 1M | Googleの最もインテリジェントなFlashモデル。1Mの入力、64Kの出力、調整可能な思考、ツール、構造化出力に対応 | 長期的なコーディング、自律型エージェント、企業ワークフロー | | [Lyria 3.5](/ja/model-api/google/lyria-3.5) | lyria-3.5 | 入力131,072 | インストゥルメンタル曲とボーカル付き楽曲向けのGoogle音楽生成モデル。 | 楽曲、サウンドトラック、インストゥルメンタル音楽 | | Gemini Omni 1.1 Flash | gemini-omni-1.1-flash | 1M | テキスト、画像、動画を使った対話型の動画生成と編集。3～10秒、最大4Kの出力に対応 | 動画の作成、編集、延長 | | Gemini 3.7 Flash | gemini-3.7-flash | 1M | 思考、ツール、構造化出力に対応する、安定版のネイティブマルチモーダル推論モデル | 反復的なコーディング、マルチモーダル分析、エージェント | | Gemini 3.6 Flash | gemini-3.6-flash | 1M | エージェント型コーディング、マルチモーダル推論や空間推論向けの本番運用対応モデル。最大出力64K | 反復的なコーディング、マルチモーダル分析、エージェント | | Gemini 3.5 Flash-Lite | gemini-3.5-flash-lite | 1M | 高スループットのサブエージェント、ドキュメント解析、情報抽出向けの低レイテンシ・低コストモデル | ルーティング、抽出、大量処理タスク | | Gemini 3.1 Pro Preview | gemini-3.1-pro-preview | 1M | ソフトウェアエンジニアリング、正確なツール使用、信頼性の高い複数ステップの実行に向けて調整されたプレビューモデル | 複雑な推論、コーディング、ツールを使ったワークフロー | | [Nano Banana 2.1](/ja/model-api/google/gemini-nano-banana-2.1) | gemini-nano-banana-2.1 | 128K | 画像生成と会話形式の編集。1K/2K/4K出力に対応し、文字組みと参照の一貫性が向上 | 画像の作成、編集、ビジュアルコンテンツ | | Gemini 3.1 Flash Image | gemini-3.1-flash-image | 128K | 既存の画像連携のために維持されている、以前のNano Banana 2ルート | 既存の画像生成と編集 | ### 🚀 xAI Grokシリーズ | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | [Grok 4.7](/ja/model-api/xai/grok-4.7) | grok-4.7 | 500,000 | 設定可能な推論を備えた、コーディング、エージェント型タスク、知識業務向けのxAIのモデル。 | コーディング、エージェント、視覚分析 | | Grok 4.6 ⭐ | grok-4.6 | 500K | コーディング、エージェント型タスク、知識業務向けのxAIのフラッグシップモデル。テキストまたは画像の入力、設定可能な推論、関数呼び出し、構造化出力に対応 | コーディング、エージェント、複雑な知識業務 | | Grok 4.5 | grok-4.5 | 500K | コーディング、エージェント型タスク、知識業務向けの最先端モデル。推論、ツール、テキストまたは画像の入力をサポート | コーディング、エージェント、複雑な知識業務 | | Grok 4.20 Reasoning | grok-4.20-0309-reasoning | 1M | エージェント型のツール呼び出しと構造化出力に対応する高速推論モデル。リアルタイムデータには検索ツールが必要 | 推論、調査エージェント、ツールを使用するワークフロー | | Grok 4.20 Multi-Agent | grok-4.20-multi-agent-0309 | 1M | 複数のエージェントが並列に連携して詳細な調査を行います。Responses APIを使用してください | 詳細調査、マルチエージェント分析、複雑な調査 | | Grok 4.3 | grok-4.3 | 1M | 優れた指示追従、ツール呼び出し、構造化出力、設定可能な推論機能を備えた高速な汎用モデル | チャット、エージェント、大量のツール使用 | | Grok Build 0.1（互換ID） | grok-code-fast-1 | 256K | xAIは、この互換IDを、エージェント型ソフトウェアエンジニアリングのワークフロー向けにGrok Build 0.1へルーティングします。 | コーディングエージェント、リポジトリのタスク、ウェブ開発 | | Grok Imagine Image 2.0 ⭐ | grok-imagine-image-2.0 | — | 1K/2K出力と品質制御に対応するxAIの画像生成・編集モデル | 画像生成、編集、クリエイティブ制作 | | Grok Imagine Image | grok-imagine-image | — | 互換性のために残されている、以前のxAI画像生成ルート | 既存の画像連携 | ### 🔍 DeepSeekシリーズ | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | [DeepSeek V4.1 Flash](/ja/model-api/deepseek/deepseek-v4.1-flash) | deepseek-v4.1-flash | 1M | コーディング、エージェント、マルチモーダル分析に対応する、ネイティブな視覚理解機能を備えたDeepSeek推論モデル。 | 視覚推論、コーディング、エージェント | | DeepSeek V4 Pro ⭐ | deepseek-v4-pro | 1M | 推論とエージェント型コーディング向けの高性能V4モデル。thinkingモードとnon-thinkingモードに対応し、最大384Kの出力が可能 | 難度の高い推論、コーディングエージェント、長時間のタスク | | DeepSeek V4 Flash | deepseek-v4-flash | 1M | 両方の思考モードと最大384Kの出力を備えた、より高速で経済的なV4モデル | 高スループットの推論、チャット、比較的単純なエージェント | | DeepSeek V4 Flash Vision Exp | deepseek-v4-flash-vision-exp | 1M | テキストと画像の推論、ツール、Responsesワークフロー向けの、視覚機能を備えた実験的なV4 Flashモデル | 画像分析、マルチモーダルエージェント、視覚情報を使ったコーディング | | [DeepSeek V3.2 Speciale](/ja/model-api/deepseek/deepseek-v3.2-speciale) | deepseek-v3.2-speciale | - | 難度の高いテキスト、数学、分析タスクに向けて、推論に重点を置いたDeepSeek V3.2のバリアント。 | 数学、難度の高いテキスト推論 | | DeepSeek V3.2 | deepseek-v3.2 | 164K | 効率的な推論と、ツールを使った推論ワークフローに重点を置いた前世代モデル | 汎用推論、ツール利用、互換性 | | DeepSeek V3.1 | deepseek-v3.1 | 128K | 思考モードと非思考モードを備え、以前のV3リリースよりもツールおよびエージェントの動作を強化したハイブリッドモデル | チャット、推論、コーディング、エージェント | ### 🐘 中国のモデルシリーズ #### Zhipu AI (GLM) | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | [GLM-5.3 FlashX](/ja/model-api/zhipu/glm-5.3-flashx) | glm-5.3-flashx | 1M | マルチモーダルなコーディングと長時間動作するエージェント向けの、より高速に応答するGLM-5.3 Flashの派生モデル。 | 視覚情報を活用したコーディング、ドキュメント分析、高速エージェント | | GLM-5.3 Flash ⭐ | glm-5.3-flash | 1M | コーディング、視覚理解、長期にわたり動作するエージェント向けの効率的なネイティブマルチモーダルモデル | マルチモーダルなコーディング、文書分析、高速エージェント | | GLM-5.3 ⭐ | glm-5.3 | 1M | 複雑なコーディング、長期にわたるエージェント処理、セキュリティ分析向けの常時思考型フラッグシップモデル | 難易度の高いコーディング、自律エージェント、セキュリティ業務 | | GLM-5.2 | glm-5.2 | 1M | プロジェクト規模のエンジニアリングと長期タスク向けの旧フラッグシップモデル。最大出力128K | 既存のコーディングエージェントと長時間のタスク | | GLM-5.1 | glm-5.1 | 200K | 長時間にわたる自律的なコーディングとエンジニアリング成果物の提供に向けたフラッグシップ基盤モデル。最大出力128K | エージェント型コーディング、システム最適化、オフィス業務 | | GLM-5 Turbo | glm-5-turbo | 200K | OpenClaw型のエージェント、ツール呼び出し、指示追従、継続的な複数ステップの実行に向けて調整されています | ツールを使うエージェント、スケジュールされたタスク、自動化 | | GLM-5 | glm-5 | 200K | エージェント型エンジニアリング、複雑なシステム、長期的な実行向けの基盤モデル | コーディング、エージェント、構造化された知識業務 | | GLM-4.7 FlashX | glm-4.7-flashx | 200K | 最大出力128Kとエージェント型コーディングへの対応を備えた、軽量かつ高速なGLM-4.7のバリアント | 高速なコーディング、文章作成、翻訳、チャット | #### Alibaba Qwen | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | Qwen Image 2.0 Pro | qwen-image-2.0-pro | — | 最大2Kの画像生成と編集。写実性、細部、テキスト描画が向上 | テキストからの画像生成、画像編集、商品ビジュアル | | Qwen 3.8 Max ⭐ | qwen3.8-max | 1M | コーディングと専門業務向けの2.4TパラメータのMoEフラッグシップモデル。視覚理解、関数呼び出し、構造化出力に対応 | 推論、コーディング、エージェント、長いコンテキストを扱う作業 | #### Moonshot Kimiシリーズ | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | Kimi K3 ⭐ | kimi-k3 | 1M | 長期にわたるコーディング、知識業務、推論に向けて設計された、Moonshotで最も高性能なオープンウェイトのネイティブマルチモーダル・エージェント型モデル | 大規模なリポジトリ、調査、マルチモーダルエージェント | | Kimi K2.7 Code | kimi-k2.7-code | 256K | コーディングを重視したエージェント型モデル。画像・動画入力、常時有効の思考、ターンをまたぐ推論の保持に対応 | ソフトウェアエンジニアリング、コーディングエージェント、ツール利用 | | Kimi K2.6 | kimi-k2.6 | 256K | 長期的なコーディング、能動的な実行、マルチエージェントの連携制御に対応するネイティブマルチモーダルエージェント型モデル | コーディング、視覚エージェント、自律的なワークフロー | | Kimi K2.5 | kimi-k2.5 | 256K | テキスト、画像、動画の理解に加え、思考モードと即時応答モードを備えたネイティブマルチモーダルモデル | マルチモーダルチャット、推論、コーディング | #### MiniMaxシリーズ | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | MiniMax H3 ⭐ | MiniMax-H3 | — | テキスト、画像、マルチモーダル参照のワークフロー、ネイティブステレオ音声、768Pまたは2K出力、4〜15秒の長さに対応する汎用マルチモーダル動画モデル | 動画制作、マルチモーダル編集、ブランドコンテンツ | | MiniMax M3 ⭐ | MiniMax-M3 | 1M | ツール利用に対応した、複雑な推論、コーディング、長いコンテキストの処理向けのMiniMaxの最新フラッグシップ | 複雑な推論、コーディング、長文 | | MiniMax M2.7 | MiniMax-M2.7 | 256K | 推論、コーディング、複数ターンのチャットでバランスの取れた能力を備える高性能な汎用モデル | 汎用的な推論、コーディング、チャット | | MiniMax M2.5 | MiniMax-M2.5 | 256K | 性能とコストのバランスに優れた軽量汎用モデル | チャット、コンテンツ生成、バッチタスク | | MiniMax M2 | MiniMax-M2 | 128K | 既存の連携との互換性を維持するために提供されている前世代の汎用モデル | 互換性、簡単なタスク | #### Xiaomi MiMoシリーズ | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | MiMo V2.5 Pro ⭐ | mimo-v2.5-pro | 1M | Xiaomiの最も高性能なオープンウェイトのエージェント型モデル。総パラメーター数1.02T、アクティブパラメーター数42B | 複雑なコーディング、長期にわたるエージェント処理、ツールを多用する作業 | #### Tencent | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | Hy4 Preview ⭐ | hy4-preview | 1M | 推論、構造化出力、関数呼び出し、キャッシュに対応する生産性向上向けのフラッグシップモデル。最大入力960K、最大出力64K | 複雑なエージェント、コーディング、オフィス業務、分析業務 | | Hy3 | hy3 | 256K | コーディングエージェント、長文ドキュメント、検索Q\&A、複雑なタスクの実行向けの本番用モデル。最大入力192K、最大出力128K | コーディング、文書分析、複数ステップのエージェント | | Hy-MT2-Pro | hy-mt2-pro | 8K | 専門分野や品質が重要な業務向けのフラッグシップ翻訳モデル | 専門分野・業務向けの翻訳 | | Hy-MT2-Plus | hy-mt2-plus | 8K | 優れた指示追従性能を備えた翻訳モデル | 制御された翻訳、用語の正確さが重要な作業 | | Hy-MT2-Lite | hy-mt2-lite | 8K | 低レイテンシに最適化された軽量翻訳モデル | 高速かつ大量の翻訳 | #### Seedance動画シリーズ | モデル名 | モデルID | 特徴 | | :- | :- | :- | | Seedance 2.5 ⭐ | doubao-seedance-2-5-260628 | テキストからの動画生成、画像からの動画生成、および480p、720p、1080p出力に対応する、MixRouteの最新のSeedance動画ルート | | [Dreamina Seedance 2.5](/ja/model-api/bytedance/dreamina-seedance-2-5) | dreamina-seedance-2-5-260628 | Dreaminaルートを通じたSeedance 2.5の動画生成。マルチモーダル参照と同期音声に対応。 | | Seedance 2.0 | dreamina-seedance-2-0-260128 | テキスト、画像、動画、音声の参照からマルチモーダルに動画を生成。同期音声と最大4Kの出力に対応 | | Seedance 2.0 Fast | dreamina-seedance-2-0-fast-260128 | マルチモーダル参照、同期音声、480pまたは720p出力に対応する、より高速なSeedance 2.0ルート | | Seedance 2.0 Mini | dreamina-seedance-2-0-mini-260615 | マルチモーダル参照、同期音声、480pまたは720pの出力に対応した軽量なSeedance 2.0ルート | #### Wan動画シリーズ | モデル名 | モデルID | 特徴 | | - | - | - | | [Wan 3.0 Video Prime](/ja/model-api/alibaba/wan3.0-video-prime) | wan3.0-video-prime | 標準版と同じ入力モードを備えた高速なWan 3.0動画モデル。 | | [Wan 2.6 I2V Flash](/ja/model-api/alibaba/wan2.6-i2v-flash) | wan2.6-i2v-flash | 最初のフレームを使うWan 2.6の高速な画像から動画への生成モデル。オプションで音声トラックを付けられます。 | | [Wan 2.6 R2V Flash](/ja/model-api/alibaba/wan2.6-r2v-flash) | wan2.6-r2v-flash | 被写体の一貫性を保った生成に向けた、参照入力から動画を生成する高速なWan 2.6モデル。 | ### Cohere | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | [Command A+](/ja/model-api/cohere/command-a-plus-05-2026) | command-a-plus-05-2026 | 128K | 多言語推論、企業向けエージェント、視覚理解のためのCohereのモデル。 | 企業向けアシスタント、推論、エージェント | | [Command A](/ja/model-api/cohere/command-a-03-2025) | command-a-03-2025 | 256K | 企業向けチャット、検索拡張生成、ツールを使用するワークフロー向けのCohereの多言語モデル。 | エンタープライズ向けチャット、RAG、ツール | | [Embed v4.0](/ja/model-api/cohere/embed-v4.0) | embed-v4.0 | 128K | 長文コンテキストのテキストに対応する、多言語検索向けのCohereの埋め込みモデル。 | セマンティック検索、情報検索、分類 | | [Embed English v3.0](/ja/model-api/cohere/embed-english-v3.0) | embed-english-v3.0 | 512 | 英語の検索に最適化されたCohereのテキスト埋め込みモデル。 | セマンティック検索、情報検索、分類 | | [Embed Multilingual v3.0](/ja/model-api/cohere/embed-multilingual-v3.0) | embed-multilingual-v3.0 | 512 | 言語横断検索向けのCohereテキスト埋め込みモデル。 | セマンティック検索、情報検索、分類 | | [Rerank v4.0 Pro](/ja/model-api/cohere/rerank-v4.0-pro) | rerank-v4.0-pro | 32,768 | 品質を重視したCohereの多言語関連度ランキングモデル。 | RAGの順位付け、検索の関連性 | | [Rerank v4.0 Fast](/ja/model-api/cohere/rerank-v4.0-fast) | rerank-v4.0-fast | 32,768 | 低レイテンシを重視したCohereの多言語関連度ランキングモデル。 | RAGの順位付け、検索の関連性 | ### Meta Llama | モデル名 | モデルID | コンテキスト | 特徴 | 推奨用途 | | - | - | - | - | - | | [Llama 3.3 70B Instruct](/ja/model-api/meta/llama-3.3-70b-instruct) | llama-3.3-70b-instruct | 128K | 多言語の対話とテキスト生成向けに指示調整されたMetaのテキストモデル。 | チャット、要約、テキスト生成 | | [Llama 4 Maverick FP8](/ja/model-api/meta/llama-4-maverick-17b-128e-instruct-fp8) | llama-4-maverick-17b-128e-instruct-fp8 | 1M | テキストと画像の理解に対応するMetaのマルチモーダルMoEモデル。 | マルチモーダルアシスタント、視覚分析 | | [Llama 4 Scout](/ja/model-api/meta/llama-4-scout-17b-16e-instruct) | llama-4-scout-17b-16e-instruct | 10M | テキストと画像の理解に対応するMetaのマルチモーダルMoEモデル。 | マルチモーダルアシスタント、視覚分析 | ## 🛠️ 利用上の推奨事項 ### モデル選択ガイド **最高性能**：GPT 6 Astra、GPT 6.1 Sol、Claude Fable 5.1、Claude Opus 5.5、GLM-5.3、Hy4 Preview、Kimi K3、MiMo V2.5 Pro **バランスの取れた選択肢**: GPT 5.6 Terra、Claude Sonnet 5.5、Gemini 3.8 Flash、GLM-5.3 Flash、Hy3、Grok 4.7 **オープンモデルの選択肢**：DeepSeek V4.1 Flash、GLM-5.3、Qwen 3.8 Max、MiMo V2.5 Pro **推奨**：GPT 5.6 Terra、Claude Sonnet 5.5、Qwen 3.8 Max **難易度の高い調査や長い資料向け**：GPT 6 Astra、GPT 6.1 Sol、Claude Fable 5.1、Claude Opus 5.5、GLM-5.3、Grok 4.20 Multi-Agent、Gemini 3.1 Pro Preview **推奨**：GPT 6 Luna、GPT-5.4 Nano、Claude Haiku 5.5、Gemini 3.5 Flash-Lite **代替モデル**: GLM-5.3 Flash、Gemini 3.6 Flash、DeepSeek V4.1 Flash **画像**：GPT Image 2.5 Sunburst、GPT Image 2.5 Flare、Grok Imagine Image 2.0、Nano Banana 2.1、DeepSeek V4.1 Flash **音声**: GPT-Realtime-2、GPT Audio 1.5、GPT-4o Transcribe Diarize、Lyria 3.5 **動画**: Sora 2、Gemini Omni 1.1 Flash、Seedance 2.5、Wan 3.0 Video Prime、MiniMax H3 ### 長いコンテキストの処理 * **1Mクラス**: GPT 6 Astra、GPT 6.1 Sol、GPT 5.6ファミリー、GPT 5.5（1.05M）、Claude Fable 5.1、Opus 5.5、Sonnet 5.5、Haiku 5.5、Gemini 3.8 Flash、DeepSeek V4、GLM-5.3、Qwen 3.8 Max、Hy4 Preview、Kimi K3、MiMo V2.5 Pro、Grok 4.20/4.3（1M） * **コーディングとエージェントのタスク**：GPT 6 Astra、GPT 6.1 Sol、Claude Fable 5.1、Claude Opus 5.5、GLM-5.3、Hy4 Preview、Kimi K3、MiMo V2.5 Pro、Grok 4.7、DeepSeek V4.1 Flash * **容量計画**: 公称のコンテキストウィンドウ全体を埋めるのではなく、モデルの出力、推論トークン、ツールの結果のための余裕を確保してください ### コスト最適化の提案 1. **段階的な使い分け**：単純なタスクには安価なモデル、複雑なタスクには高度なモデルを使用 2. **テストと最適化**: まず小規模なモデルでテストし、要件が明確になってから大規模なモデルへ拡張します 3. **バッチ処理**：多数の類似タスクにはMini版を使用 4. **キャッシュの再利用**：繰り返されるクエリの結果をキャッシュ ## 🔗 関連リソース 詳細なAPIリファレンス 連携ガイド モデル一覧は継続的に更新されます。新しく公開された優れたモデルを速やかに追加しています。特定のモデルや大規模な利用に関するご要望は、サポートまでお問い合わせください。 This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.