いま話題のAIモデル
32本まとめ

Google 製。Workspace 連携と長文処理（1M tokens）で頭ひとつ抜けてる。

• ◎ Gmail / Docs / Sheets / Slides と連携
• ◎ 画像・動画・音声・PDFの理解が強い
• ◎ 1M tokens の長いコンテキスト
• ◎ Deep Research Max など独自機能
• △ 回答の口調がやや堅め

Windows / Office に組み込まれたAI助手。

• ◎ Word / Excel / Outlook 内で直接呼べる
• ◎ Bing 検索ベースで最新情報に強い
• ◎ 中身はGPT系（OpenAIと提携）

AIブームの火付け役。GPT-5.5 を内蔵し、画像・音声まで一つで完結。

• ◎ 総合力が高くてなんでもこなす
• ◎ 音声・画像・ファイル対応がスムーズ
• ◎ アプリ・拡張機能が豊富
• △ 話の事実確認は弱め、要ファクトチェック

長文・コード・推論で定評。Opus 4.7 / Sonnet 4.6 / Haiku 4.5 の3枚体制。

• ◎ 長い文書をまとめるのが得意（1M tokens context）
• ◎ コード生成・修正の精度が高い（SWE-Bench で常時トップ争い）
• ◎ 安全側に振った穏やかな応答
• ◎ adaptive thinking で必要に応じて推論時間を自動調整
• △ 画像生成はできない（読み取りのみ）

X 統合のノリ軽め AI。Grok 4.3 で料金大幅引き下げ、エージェント性能も向上。

• ◎ Xのリアルタイム投稿を検索できる
• ◎ ユーモアと毒舌のあるキャラ設定
• ◎ X Premium に同梱でコスパ良
• ◎ Grok Speech / TTS API も2026-05 から提供開始
• ◎ 4.3 で料金 $1.25/$2.5 per MTok と大幅引き下げ
• △ 過激寄りの応答もあるので場面を選ぶ
• △ Grok 5（6T params MoE）は2026 Q2 予定で未リリース

エンタープライズ特化のカナダ発LLM。

• ◎ RAG・検索向けに最適化
• ◎ セキュリティ・コンプラ重視の設計
• ◎ 100言語超に対応

VS Code ベースのAIネイティブエディタ。Composer 独自モデル＋並列エージェント＋Visual Editor。

• ◎ Tab補完と Composer 独自モデルが業界トップクラスに賢い
• ◎ parallel agents で複数タスクを並列実行
• ◎ Visual Editor で UI を見ながら直接操作
• ◎ Claude / GPT / Gemini も切り替えて使える

GPT-5.5 を搭載した、ChatGPT 統合のコーディング相棒。in-app browser でローカルUIまで触れる。

• ◎ CLI / デスクトップ / Web / iOS から呼べる
• ◎ GPT-5.5 で並列タスクと長文コンテキストに強い
• ◎ in-app browser でローカル開発サーバを Codex 自身が操作・検証
• ◎ ChatGPT Plus に追加課金なしで使える

ブラウザだけでフルスタックアプリを作るAI。

• ◎ 言葉だけで動くWebアプリが生成される
• ◎ ブラウザ内でそのまま実行・編集
• ◎ デプロイまでワンクリック

Webデザインから本物のコードを生成するAI。

• ◎ 言葉や画像から美しいUIを生成
• ◎ React / Tailwind のコードがそのまま出る
• ◎ デザイナーがコード書けるようになる

エディタ内で動くコーディングAIの定番。2026-06 から usage-based billing に全面移行。

• ◎ VS Code / JetBrains などのエディタ内補完
• ◎ コード補完・チャット・PR レビュー対応
• ◎ Pro+ は Claude Opus 4.7 も利用可能
• ◎ 業界導入率トップクラス
• △ 2026-06-01 から usage-based billing（AI Credits 制）へ移行
• △ 移行期は Pro / Pro+ / Student 新規受付が一時停止中

Managed Agents 4機能を備えた、エージェント開発のフラッグシップ。Code with Claude 2026 で大型強化。

• ◎ プロジェクト全体を Opus 4.7 が把握して長時間自走
• ◎ Managed Agents（Dreaming／Outcomes／Multi-agent Orchestration／Webhooks）で自律性が一段階上
• ◎ Agent View / /goal / Background Sessions で複数タスクを並行運用
• ◎ 大規模リポジトリの読み込みが得意（1M tokens context）

答えに必ず出典がつく「検索特化AI」。

• ◎ 回答にウェブの出典リンクが必ずつく
• ◎ リアルタイムの情報に強い
• ◎ 学術・調べ物に最適

資料を読ませて深く考えさせる、Google製のAIノート。

• ◎ アップロード資料だけを根拠に答える（ハルシネ激減）
• ◎ 資料からポッドキャスト風音声を自動生成
• ◎ 学習・研究のおとも

AIが何時間もかけて調べて長文レポートを書く機能。

• ◎ ウェブを何十本も読み込んで要約
• ◎ 出典つきの長文レポートを生成
• ◎ ChatGPT・Gemini・Claude が各社実装

資料アップ＋検索を組み合わせたチーム向けRAG。

• ◎ 社内文書とウェブ検索を混ぜて回答
• ◎ チームで共有できる調査スペース
• ◎ 回答に出典が必ずつく

ChatGPT 内蔵の OpenAI 最新画像生成。4K ネイティブ、文字描画と多言語が大幅強化。

• ◎ ChatGPT / API どちらからでも呼べる
• ◎ 4K ネイティブ、文字・図表・UIモック生成の精度が業界トップ
• ◎ 推論モデルを画像生成に統合、生成前に構造を「考えてから描く」
• ◎ 日本語・中国語・韓国語・ヒンディーなどの多言語テキスト描画が大幅強化
• △ GPT Image 2 の生成はやや高コスト（推論統合のため）

Gemini 内蔵の画像生成。Nano Banana 2（速い）と Pro（推論型・高品質）の二段構成へ。

• ◎ Nano Banana 2 = Gemini 3.1 Flash Image：速度・量産向け（512px〜4K）
• ◎ Nano Banana Pro = Gemini 3 Pro Image：推論型、品質最優先
• ◎ 最大5キャラ＋14オブジェクトの一貫性
• ◎ テキスト描画＆翻訳が大幅強化（日本語含む）
• ◎ Web 検索ベースのリアルタイム知識統合

SD 開発者発の次世代画像 AI。FLUX.2 で 4MP 出力＋10枚参照のキャラ一貫性へ。

• ◎ プロンプト追従性が業界最高クラス
• ◎ 最大4MP 出力、参照画像10枚までのキャラ・スタイル一貫性
• ◎ JSON ベースで細かい制御が可能
• ◎ FLUX.2 [klein] は1秒未満で生成（Apache 2.0 でオープン）
• ◎ max / pro / flex / dev / klein の5層構成

アート性で群を抜く画像生成 AI。V8.1 で生成速度4〜5倍、2K ネイティブに進化。

• ◎ イラスト・アート系のクオリティが他を寄せ付けない
• ◎ プロンプトの個性が強く反映される
• ◎ V8.1 で --hd 2K ネイティブ＋4〜5倍高速化
• ◎ V7 の sref / ムードボードも後方互換で使える
• ◎ Web版でブラウザ完結

オープンソース画像生成の元祖。SD4 Ultra で 4096×4096 ネイティブ＋解剖学的破綻 87% 削減。

• ◎ SD4 Ultra は 4096×4096 ネイティブ出力
• ◎ glyph conditioning でテキスト描画も実用域
• ◎ 完全オープンウェイトで自分で動かせる
• ◎ 派生モデル・LoRA が膨大
• ◎ ローカル実行でデータが外に出ない
• △ 商用ライセンスは年商 $1M 未満まで無料、超えると Enterprise 契約必要

Sora 2 撤退後の動画生成本命。4K upscaling・Scene Extension・全 Google アカウント無料化。

• ◎ 4K upscaling と 9:16 vertical 対応
• ◎ Scene Extension で60秒超のシーン継続生成
• ◎ Veo 3.1 / Fast / Lite の3層構成で用途別最適
• ◎ 音声付き動画の生成にも対応
• ◎ 2026-04 から全 Google account で無料利用可能に

中国発、4K/60FPS ネイティブ＋Chain-of-Thought シーン推論を備える次世代動画 AI。

• ◎ 15秒クリップ、ネイティブ 4K / 60FPS 出力
• ◎ Chain-of-Thought でシーン構成を推論しながら生成
• ◎ multi-shot / multi-character 対応で複雑なストーリー OK
• ◎ native multi-language audio（多言語音声同時生成）
• ◎ 物理法則を踏まえた動きが自然、顔・身体の安定性が高い

動画生成のプロ向け本命。Artificial Analysis text-to-video ベンチで Elo 1247 の首位。

• ◎ text-to-video のクオリティで業界トップ（Elo 1247）
• ◎ 物理精度・複雑指示遂行に強み
• ◎ Aleph（動画編集）/ Act-Two（演技キャプチャ）併載
• ◎ Gen-4 は image-to-video 役割で並走

⚠️ 2026-04-26 アプリ停止・2026-09-24 API 終了予定。コスト圧と計算資源不足が原因。後継モデル未発表。

• ◎ 音声同期生成にネイティブ対応（リリース時点）
• ◎ 短編動画の生成クオリティが高い
• ◎ 画像→動画も対応
• △ ⚠️ Sora 2 アプリは 2026-04-26 にシャットダウン済み
• △ ⚠️ API も 2026-09-24 で廃止予定
• △ OpenAI 公式に Sora 3 の計画は出ていない
• △ 新規動画生成の選択肢としては推奨しない（Veo 3.1 / Kling 3.0 / Runway Gen-4.5 へ）

歌詞と曲調を指示するだけで歌を作る AI。v5.5 で「パーソナライゼーション」フェーズへ。

• ◎ ボーカル入りの曲が秒で作れる
• ◎ Voices：自分の声をクローンして歌わせられる
• ◎ Custom Models：自作楽曲で個別チューニング可能
• ◎ My Taste：嗜好を学習して提案精度向上
• ◎ 8分超の長尺楽曲もベース機能化

音声合成・音声クローン・文字起こしの統合プラットフォーム。Eleven v3 + Scribe v2 Realtime で実用域に。

• ◎ Eleven v3：70+ 言語、感情幅広い読み上げ
• ◎ Scribe v2 batch（90+ 言語、speaker diarization、98% 話者ラベル精度）
• ◎ Scribe v2 Realtime（150ms レイテンシ、57言語ライブ API）
• ◎ 数秒のサンプルで本人そっくりの声を作る

Suno のライバル。v1.5 で 48kHz stereo・stem 分離・key 制御を備え UMG 共同ライセンス化。

• ◎ 48kHz stereo 出力、stem 分離・DL、key 制御
• ◎ audio-to-audio remix で既存楽曲をリミックス
• ◎ 音質・楽曲構成のクオリティが高い
• △ 2025-10 UMG 和解、2026 Q2 から共同ライセンス済プラットフォーム化
• △ raw WAV/MP3 DL は不可、エコシステム内再生のみ

中国発、コスパとオープン性の象徴。V4 Preview で 1.6T パラメータ MoE が登場。

• ◎ V4-Pro 1.6T（49B active）/ V4-Flash 284B（13B active）の MoE
• ◎ 1M tokens の長文コンテキスト
• ◎ CSA+HCA ハイブリッドアテンションで効率改善
• ◎ API 価格が圧倒的に安い
• ◎ オープンウェイトで公開
• △ 中国製のため業務利用は規約・データ取扱の確認を
• △ R2 は未リリース（公式モデルIDに存在せず、V4 が現役）

Alibaba 製の高性能オープンモデル群。Qwen3.6 で 397B MoE を超える dense モデルへ。

• ◎ 日本語含む多言語が得意
• ◎ サイズのバリエーションが豊富（dense 27B / MoE 36B-A3B 等）
• ◎ ベンチで上位常連、agentic coding で 397B MoE を超える
• ◎ Apache 2.0 ライセンスで完全オープン

Meta 製のオープンウェイト LLM。Llama 4 で MoE アーキ + native multimodal + 1M〜10M context へ進化。

• ◎ 中身（重み）が公開されている
• ◎ 自分の PC・サーバーで動かせる
• ◎ 派生モデル・改造モデルが豊富
• ◎ Llama 4 で native multimodal（テキスト + 画像）に対応
• ◎ Scout は 10M tokens 長コンテキスト

ヨーロッパ発、軽量で速いオープンモデル。Mistral Large 3 で MoE 675B へ大型化。

• ◎ Mistral Large 3 が 675B 総 / 41B アクティブの MoE
• ◎ オープンウェイトの選択肢が広い
• ◎ API も提供（Le Chat）
• ◎ Voxtral TTS（2026-03）で音声も拡充