AI Overview

汎用アシスタント。文章の作成、コーディング、リアルタイム情報の照会、画像の生成など、様々なことができます。 クエリはタスクとサブスクリプションのステータスに基づいて自動的にルーティングされます。 サブスクライバー向け： – 一般的なクエリ：@GPT-5.2-Instant – 画像生成：@Nano-Banana-2 – 動画入力タスク：@Gemini-3.1-Pro 非サブスクライバー向け： – 一般的なクエリ：@GPT-5.4-Nano – 画像生成：@Nano-Banana-2 – 動画入力タスク：@Gemini-3-Flash

OpenAI の最も高性能な GPT-5.6 モデルで、複雑な推論、高度なコーディング、技術的分析、エージェント型ワークフロー向けに構築されています。より深い推論と慎重な回答が求められる難しい問題に最適な選択肢です。

Anthropic の Claude Opus 5 は、高度なエージェント型コーディング、専門的な知識業務、および長期的な推論向けに構築されています。Opus 4.8 と比較して大幅な向上を実現しており、複雑で持続的なタスクにおいてトークンあたりのパフォーマンスが強化されています。 1M-token のコンテキストウィンドウと画像理解機能により、大規模なコードベース、膨大なドキュメント、およびマルチモーダル分析に適しています。

Anthropicの最も高性能な一般利用可能モデルで、一般使用向けに安全化されたMythosクラスシステムです。Claude Fable 5は、ソフトウェアエンジニアリング、知識労働、視覚処理、科学研究において卓越した性能を発揮し、テストされたほぼ全てのベンチマークで最先端の結果を示します。タスクが長く複雑になるほど、その優位性は拡大します。コードベース全体の移行、長期的なエージェント型コーディング、金融グレードの分析、視覚のみのタスクに優れ、数百万トークンにわたって集中力を維持し、持続的メモリを使用して自身の作業を改善します。機密性の高いクエリ（サイバーセキュリティ、生物学・化学、蒸留）の一部でClaude Opus 4.8にフォールバックする保守的に調整されたセーフガードと共にリリースされ、Fable 5は最先端の能力と優れた推論、整合性、信頼性を兼ね備えています。 このボットは、高度なカスタマイズのためのオプションパラメータをサポートしています。

Anthropicの最もエージェント指向のSonnetモデルであり、より低価格でOpusクラスの性能を提供します。調整可能な努力レベルを搭載したSonnet 5は、継続的なコーディング、複数ステップのツール使用、デバッグ、自律的な知識作業に優れており—複雑なタスクをエンドツーエンドで完了し、求められることなく自身の出力を確認します。強力な推論能力とコンピューター使用スキルに加え、向上した安全性、低いハルシネーションおよびおもねり率、悪意あるリクエストへの一貫した拒否を兼ね備えています。 このボットは高度なカスタマイズのためのオプションパラメーターをサポートしています。

Kimiの長期的なコーディングとエンドツーエンドのナレッジワークに対応するフラッグシップモデル。コンテキストウィンドウは100万トークン。

コーディング、知識業務、STEMにおいて最先端のパフォーマンスを発揮する、SpaceXAIの最もスマートなモデル。

GoogleのGemini Omni Flashは、Geminiのマルチモーダル推論と動画生成・会話形式の編集を融合させた、高品質でコスト効率の高いモデルです。テキストのみ、テキスト付き画像、テキスト付き動画、テキスト付き複数画像など、柔軟な入力から動画を生成・改善し、自然言語を使用して結果を編集することができます。歴史、生物学、物語の論理に関するGeminiの実世界の知識を活用し、テキストとオンスクリーンアクションを同期させた魅力的な動画を制作しながら、マルチモーダル参照によりシーン全体のコントロールと一貫性を維持します。

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。 このボットは追加のカスタマイズのためのオプションパラメーターをサポートしています。

2026年4月21日時点でのOpenAIの最先端画像生成モデルで、高速で高品質な画像生成と編集を目的として設計されており、強力なプロンプト遵守と柔軟な画像サイズに対応しています。最新のユーザークエリに添付された画像の生成、編集、スタイル変更、および組み合わせをサポートします。 オプションパラメータ： アスペクト比の設定（3:2、1:1、2:3のオプション）。 品質を低、中、高に設定。 マスクの使用を有効にするには、トグルをオンにするか、プロンプトでuse_maskと入力します。このオプションはデフォルトでオフになっています。

コーディング、ナレッジワーク、マルチモーダルタスクに対応した、Google’s トークン効率の高い万能モデルです。Flashの速度で高度な推論を実行し、テキスト、画像、音声、動画を分析し、最大1Mトークンのコンテキストで作業できます。

Google’s最速かつ最もコスト効率に優れたGemini 3.5モデル。大量処理向けに構築されており、テキスト、画像、音声、動画の分析、推論の深さの調整、最新情報のウェブ検索、最大100万トークンのコンテキストでの作業が可能です。

日常業務、コーディング、分析、調査、問題解決に適した、バランスの取れた GPT-5.6 モデルです。フラッグシップモデルよりもコストを抑えながら、強力な汎用インテリジェンスを提供します。

大量のチャット、下書き、要約、コーディング支援、日常業務に対応した、高速でコスト効率に優れたGPT-5.6モデルです。あらゆるタスクに最高性能のモデルを使わずとも、迅速で高品質な回答を求めるユーザーに最適です。

GPT-5.5のより賢く、より精密なバージョンで、追加の計算能力を活用してより深く思考し、一貫してより良い回答を提供します。最も困難な問題に取り組むよう設計されており、このモデルは最高の推論能力で動作し、複雑なエージェント、コーディング、研究タスクにおいて最大限の精度を保証します。

Anthropicのエンタープライズグレードの知識作業向けフラッグシップモデル。より鋭い判断力と大幅に向上した誠実性を備えています。Dynamic Workflowsとeffort controlを搭載し、Opus 4.8はコードベース規模の移行、マルチエージェント協調、数百の並列サブエージェントを使用した長時間実行の自律タスクに優れています。100万トークンの大規模コンテキストウィンドウとクラス最高のコンピューター使用機能を活用し、エリートレベルの推論、安全性、信頼性で複雑なワークフローをシームレスに実行します。 このボットは高度なカスタマイズのためのオプションパラメータをサポートしています。

InklingはThinking Machinesのマルチモーダル推論モデルで、テキスト、画像、ドキュメントにわたる深い分析、コーディング、ツール駆動の作業向けに構築されています。975Bパラメータのmixture-of-expertsアーキテクチャを採用し、41Bのアクティブパラメータと256Kトークンのコンテキストウィンドウを備えています。

Muse Spark 1.1は、Meta Superintelligence LabsのMuseシリーズ初のモデルであり—Metaがこれまでに開発した最も強力なモデルです。コンパクトかつ高速な設計で、日常的な簡単な質問から、科学・数学・健康・計画・コーディングにわたる複雑な作業まで幅広く対応します。

GPT-5.5は、エージェント型コーディング、コンピューター使用、知識作業、初期科学研究向けに構築されたOpenAIの最もスマートで直感的なモデルです。複雑な多段階タスクをより少ないガイダンスで処理し、不明確な問題で次に何が必要かを把握し、GPT-5.4と同等のトークンあたりのレイテンシを維持しながら、はるかに高いレベルのインテリジェンスを提供します。Terminal-Bench 2.0およびSWE-Bench Proで最先端の精度を達成し、以前のモデルよりも多くのタスクを1回のパスでエンドツーエンドで解決します。40万トークンの入力コンテキストとネイティブビジョンをサポートします。

Gemini 3.5 Flashは、高速で信頼性の高いアクションを備えた最先端のインテリジェンスのために構築された、Googleの最新Flash系列AIモデルです。エージェント的ワークフロー、コーディング、長期推論、マルチモーダル理解、リッチなインタラクティブUI/グラフィック生成において大幅なアップグレードを提供しながら、Flash系列の特徴である速度、低レイテンシ、コスト効率性を維持しています。Google AntigravityやGemini APIなどのプラットフォームを通じた多段階ツール使用とサブエージェントオーケストレーションに最適化されています。最新のgemini-3.5-flashリリースを提供します。

Googleの最新画像モデルは、Proレベルの知能と超高速生成を組み合わせています。高度な世界知識、精密なテキストレンダリング、強力な被写体一貫性、4K制作対応出力を特徴としています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Grok-4.3は、xAIが開発したエージェント型ワークフロー、指示実行タスク、および高い事実精度を必要とするアプリケーション向けの推論モデルです。テキストと画像の入力を受け付け、テキストを出力し、100万トークンの大規模なコンテキストウィンドウをサポートしているため、長文書の分析、詳細な調査、多段階の問題解決に有用です。 推論は常にアクティブで、無効化したり、努力レベルで設定することはできません。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

GPT-5.4は、コーディング、コンピュータ使用、深い研究、複雑なドキュメント理解、複数ステップの問題解決における高度な実世界タスクのために構築されたOpenAIの最も有能なAIモデルです。エージェントワークフローとツール使用において以前のバージョンを上回り、より強力な推論、より高い精度、複雑なタスクでのより信頼性の高い結果を提供します。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

GPT‑5.4 Nanoは、GPT‑5ファミリーの中で最も高速でコスト効率の良いモデルで、要約、分類、抽出、軽量なマルチモーダルワークフローなどの大量タスク向けに構築されています。ネイティブビジョンと効率的な大規模処理のための400kトークンのコンテキストウィンドウをサポートしています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

GPT‑5.4 Miniは、本番環境のアシスタント、コーディングサポート、文書分析、マルチモーダル推論向けに設計された高速で手頃な汎用モデルです。400k‑トークンのコンテキストウィンドウを持ち、複雑な入力とスケーラブルなワークフローを高い信頼性で処理します。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Gemini 3.1 Proは、複雑な問題解決、高度な推論、創造的コーディング、野心的なエージェント的ワークフローのための最先端モデルで、ARC-AGI-2ベンチマークで77.1%の検証済みスコア（Gemini 3 Proの推論性能の2倍以上）を含むトップベンチマーク結果を提供します。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Poe上でボットを組み合わせたワークフローの構築を専門としています。Claude Codeによって動作します。ガイドとヒント: https://creator.poe.com/docs/script-bots/quick-start 注意：Script-Bot-Creatorは他のボットとの間で送受信されるメッセージにアクセスできません。 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Poeでアプリとして公開するためのインタラクティブなWebアプリケーションの構築に特化しています。Claude Codeによって動作します。 新機能を確認: https://creator.poe.com/changelog?tag=canvas-apps 注意: Canvas-Creatorは他のボットとの間で送受信されたメッセージにアクセスできません。 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

GPT-5.4のより賢く、より精密なバージョンで、追加の計算能力を活用してより深く考え、一貫してより良い回答を提供します。最も困難な問題に取り組むために設計されたこのモデルは、複雑なタスクで最大の精度を確保するために最高の推論能力で動作します。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Anthropicのエンタープライズグレードの知識作業向けフラッグシップモデル。拡張思考モードと最適化されたModel Context Protocol（MCP）を搭載し、Opus 4.7はマルチエージェント連携、複雑なコーディング、長時間実行される自律タスクに優れています。100万トークンの大規模なコンテキストウィンドウを活用し、エリートレベルの推論、安全性、信頼性で複雑なワークフローをシームレスに実行します。 このボットは高度なカスタマイズのためのオプションパラメータをサポートしています。

Gemini 3.1 Flash Lite Previewは、Gemini 3.1ファミリーで最も高速で安価なモデルです。Gemini 2.5 Flashと同等またはそれ以上のマルチモーダル理解と知能を、大量のワークロードに最適な低価格で提供します。100万トークンのコンテキストをサポート このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

GPT‑5.3‑Codexはソフトウェア開発に優れています。複雑なコードベースを理解し、正確な補完を提供し、アルゴリズムを説明し、現代のプログラミング言語でのデバッグを支援します。開発者向けに設計され、生産性を向上させ、精密なフルスタックコーディングワークフローをサポートします。40万トークンの入力コンテキストをサポート。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Googleの最も高性能なオープンモデルで、310億パラメータの密なアーキテクチャ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。Gemma 4は256Kトークンのコンテキストウィンドウをサポートし、140以上の言語を理解し、テキストと画像の両方の入力を受け付けます。複雑な多段階タスクのための組み込み思考連鎖推論、強力なコーディングと数学のパフォーマンス、関数呼び出しサポートを特徴としています。Apache 2.0ライセンスの下でリリースされたGemma 4 31Bは、完全にオープンウェイトでありながら、主要なプロプライエタリモデルと競合する性能を提供します。このボットは、このモデルへの高いトラフィックにより、パフォーマンスが低下する可能性があります。

GLM-5.1は、Z.aiの次世代フラグシップモデルで、エージェント工学に特化しており、前世代モデルと比較してコーディング能力が大幅に向上しています。SWE-Bench Proで最先端のパフォーマンスを達成し、NL2Repo（リポジトリ生成）とTerminal-Bench 2.0（実世界のターミナルタスク）においてGLM-5を大幅に上回る性能を示しています。

GPT-5.3 Instantは、日常的な会話をよりスムーズで正確、そして直接的に役立つものにすることに焦点を当てています。幻覚、不要な拒否、長い防御的な注意書きを減らし、より明確な回答とWeb情報を使用する際のより良い統合結果を生成します。新しい機能や重い推論機能を追加するのではなく、通常のチャットでより高速で自然に感じられるように設計されています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

リアルタイム・マルチエージェント・リサーチにより、Grokは複数のAIエージェントを連携させ、リアルタイムで協力して深い多段階の研究タスクを実行できます。各エージェントは研究の特定の側面（ウェブ検索、データ分析、調査結果の統合）に特化し、包括的で十分な根拠に基づいた回答を提供するために協力します。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.6ネイティブビジョン言語Plusシリーズモデルは、現在の最先端モデルと同等の優れた性能を実証し、3.5シリーズと比較して全体的な結果が大幅に改善されています。このモデルは、エージェンティックコーディング、フロントエンドプログラミング、Vibeコーディングなどのコード関連機能、およびマルチモーダル一般物体認識、OCR、物体位置特定において著しく強化されています。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 注意事項： – 入力トークンが256Kを超える場合、料金は入力4倍、出力2倍になります – コンテキストウィンドウ：1,000,000 – テキスト、画像、動画入力がサポートされています – 動画添付ファイルでは組み込みツール呼び出しはサポートされていません このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Kimi K2.5は、Moonshot AIの大規模言語モデルシリーズの最新フラッグシップ版であり、マルチモーダルおよびエージェント機能において大幅な飛躍を遂げています。視覚とテキストの両方の入力をサポートするネイティブマルチモーダルアーキテクチャと、多様な思考モードと非思考モードを備えています。このモデルは、K2シリーズで採用された256kトークンという大容量のコンテキストウィンドウを維持しながら、一般知能、コーディング、視覚理解のベンチマークにおいて新たなオープンソース最高水準（SoTA）のパフォーマンスを実現しています。Kimi K2.5は、フロントエンド開発において画期的な進歩を遂げ、自然言語から直接、複雑な動的レイアウトを持つ完全に機能的で美しく洗練されたインタラクティブインターフェースの生成を可能にします。複雑な問題解決に最適化されており、マルチステップツール呼び出し、論理的推論、フルスタックコード合成において優れた性能を発揮します。 オプションパラメータ： 最終回答を出す前に応答について思考を有効にする：`on`に切り替えると有効になり、デフォルトでは`off`です。 応答のランダム性を制御する温度を設定：1から2の数値を設定します。デフォルトでは0.7に設定されています。値を低くすると、出力がより集中的で決定論的になります。 最大出力トークン数を設定：1から262144の数値を設定します。デフォルトでは262144に設定されています。

MiniMax M2.7は、ハードコアなエンジニアリング生産性と高いEQ（感情知能）を持つ人間らしいインタラクション能力をシームレスに融合した、汎用性に優れた進化したオープンソース大規模言語モデルです。 実際のソフトウェアエンジニアリングにおいて、M2.7はログ解析、バグトラブルシューティング、コードセキュリティ、機械学習などの高度なタスクを効率的に処理しながら、エンドツーエンドのプロジェクト配信を独立して推進することに優れています。プロフェッショナルなワークスペースでは、最高のオープンソースGDPval-AAスコア（1495 ELO）を誇ります。Officeスイート（Excel、PPT、Word）全体で高精度で複雑な編集と複数回の修正を提供し、タスク実行を業界最高水準まで押し上げます。 複雑な環境でのインタラクション用に構築されたM2.7は、複雑で長いコンテキストのツール呼び出し（>2000トークン）でも97%という印象的なスキル追従率を維持します。その堅牢な生産性を超えて、M2.7は従来のモデルの「冷たいツール」というステレオタイプを打ち破ります。優れたアイデンティティ保持と高い感情知能（EQ）により、企業の生産性を向上させるだけでなく、製品イノベーションのためのより多くの余地を開きます。 コンテキストウィンドウ：205kトークン このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Mistral Small 4は、汎用指示モデルと推論モデルの両方として機能できる強力なハイブリッドモデルです。Instruct、Reasoning（旧Magistral）、Devstralという3つの異なるモデルファミリーの機能を単一の統合モデルに統合しています。 マルチモーダル機能、効率的なアーキテクチャ、柔軟なモード切り替えにより、あらゆるタスクに対応する強力な汎用モデルです。レイテンシ最適化設定では、Mistral Small 4はエンドツーエンドの完了時間を40%短縮し、スループット最適化設定では、Mistral Small 3と比較して1秒あたり3倍多くのリクエストを処理できます。 注意事項： – コンテキストウィンドウ：256k – サポートされる入力モダリティ：テキスト、画像、ドキュメント このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Xiaomi MiMo-V2-Flashは、Xiaomiが開発した独自のMoEモデルで、3090億個の総パラメータ（150億個がアクティブ）を持ち、極めて効率的な推論を実現するよう設計されています。革新的なハイブリッドアテンション・アーキテクチャと多層MTP推論加速を組み込むことで、複数のAgentベンチマークにおいて世界のオープンソースモデルのトップ2にランクインしています。そのコーディング能力は全てのオープンソースモデルを上回り、業界をリードするクローズドソースモデルであるClaude 4.5 Sonnetに匹敵します。しかも推論コストはわずか2.5%、生成速度は2倍を実現し、モデルの性能と効率の両方の限界を押し上げることに成功しています。 コンテキストウィンドウ：262kトークン このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.5-Plusは、効率的な深層思考と堅牢な視覚理解のために設計されたハイブリッドアーキテクチャを特徴とする最先端のマルチモーダルモデルです。100万トークンという大規模なコンテキストウィンドウ内でテキスト、画像、動画の入力をサポートし、多様なタスクにおいて世界をリードするモデルに匹敵する性能を提供します。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 注意事項： – 標準API料金と比較して、入力トークンで10%、出力トークンで8%の節約 – 入力トークンが256Kを超える場合、料金は3倍 – コンテキストウィンドウ：1,000,000 – テキスト、画像、動画入力をサポート – 動画添付ファイルでは組み込みツール呼び出しはサポートされていません このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.5-Omni Flashは、Qwenの最新オムニモーダルモデルのコスト効率的なバリアントで、テキスト、画像、音声、動画の理解と対話をサポートします。最大3時間の音声と1時間の動画入力を処理でき、90以上の言語での音声入力と30以上の言語での音声出力を55種類の音色で提供します。 注意事項： – コンテキストウィンドウ：256K – 推奨：テキスト + 音声モードでは、マークダウン形式を避けるようモデルに指示してください 入力制限： – 画像：最大2,048ファイル、各≤20 MB、最小10×10 px、アスペクト比≤200:1 – 音声：最大2,048ファイル、各≤2 GB、最大3時間 – 動画：最大512ファイル、各≤2 GB、最大1時間 – 形式 — 画像：JPG、JPEG、JPE、PNG、WebP、BMP、TIF、TIFF、HEIC、GIF | 音声：AMR、WAV、3GP、3GPP、AAC、MP3 | 動画：MP4、AVI、MKV、MOV、FLV、WMV – 音声入力：92言語、21方言 出力： – モダリティ：テキストのみ、またはテキスト + 音声（音声のみは利用不可） – 55種類の音色（デフォルト：Tina） – 音声出力：29言語、7方言 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.5ネイティブビジョン言語Flashモデルは、線形アテンション機構とスパース混合エキスパートモデルを統合したハイブリッドアーキテクチャ上に構築されており、より高い推論効率を実現しています。3シリーズと比較して、これらのモデルは純粋なテキストとマルチモーダルタスクの両方でパフォーマンスの飛躍的向上を実現し、推論速度と全体的なパフォーマンスのバランスを取りながら高速な応答時間を提供します。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 標準API料金と比較して、入力トークンで10%、出力トークンで8%節約できます。 注意事項： – コンテキストウィンドウ：1,000,000 – テキスト、画像、動画入力がサポートされています – 動画添付ファイルでは組み込みツール呼び出しはサポートされていません このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Seed 2.0 Liteは、高頻度のエンタープライズワークロード向けに設計されたバランスの取れたモデルで、機能とコストの両方を最適化しています。全体的なパフォーマンスは前世代のByteDance-Seed-1.8を上回ります。非構造化情報処理、テキストコンテンツ作成、検索・推薦、データ分析などの本番タスクに適しています。このモデルは長いコンテキスト処理、マルチソース情報融合、マルチステップ命令実行、高精度な構造化出力をサポートし、安定した品質を提供しながらコストを大幅に削減します。 このモデルはマレーシアから提供されています。 注意事項： – 入力トークンが128kを超える場合、料金は2倍になります – コンテキストウィンドウ：256k – TemperatureとTop_pはモデルによって固定されています（temp=1、top_p=0.95）。 利用可能なパラメータ制御： 1. 推論 – デフォルト：思考が有効 – 推論努力 [low、medium、high]：モデルがどの程度深く考えるか。Low=高速、Medium=バランス、High=徹底的（デフォルト：medium）。思考が有効な場合のみ適用されます。 2. 検索・視覚 – Web検索：最新情報のためのリアルタイムWeb検索を有効にする（デフォルト：false）。 – 画像詳細 [low、high、xhigh]：画像理解の品質。高いほど正確ですが、より多くのトークンを使用します（デフォルト：high）。 – ビデオFPS [0.2-5]：ビデオ入力のフレームサンプリングレート。高いほど多くのフレームが分析され、より正確になりますが、より多くのトークンを使用します（デフォルト：1）。

Qwen3.5-Omni Plusは、Qwenの最新オムニモーダルモデルのフラッグシップバリアントで、テキスト、画像、音声、動画の理解と対話をサポートしています。最大3時間の音声と1時間の動画入力を処理でき、90以上の言語での音声入力と30以上の言語での音声出力を55の音色で提供します。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 注意事項： – コンテキストウィンドウ：256K – 推奨：テキスト + 音声モードでマークダウン形式を避けるようモデルに指示してください 入力制限： – 画像：最大2,048ファイル、各≤20 MB、最小10×10 px、アスペクト比≤200:1 – 音声：最大2,048ファイル、各≤2 GB、最大3時間 – 動画：最大512ファイル、各≤2 GB、最大1時間 – 形式 — 画像：JPG、JPEG、JPE、PNG、WebP、BMP、TIF、TIFF、HEIC、GIF | 音声：AMR、WAV、3GP、3GPP、AAC、MP3 | 動画：MP4、AVI、MKV、MOV、FLV、WMV – 音声入力：92言語、21方言 出力： – モダリティ：テキストのみ、またはテキスト + 音声（音声のみは利用不可） – 55の音色（デフォルト：Tina） – 音声出力：29言語、7方言 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Gemma 4 26B A4Bは、コア機能を犠牲にすることなくスケーラブルなパフォーマンスを必要とする開発者向けに構築されています。重要なことに、31Bモデルの大規模な262kトークンのコンテキストウィンドウを保持しており、長いコンテキストのRAGや広範囲な画像豊富なドキュメントデータセットの処理において非常に競争力があります。このシリーズのコアイノベーションを完全にサポートしています：高度なロジックのためのネイティブThinkingモード、動的なテキスト-画像ワークフローのためのInterleaved Multimodal Input、そして完璧なドキュメント/UI解析。ネイティブFunction Callingと堅牢なコーディング能力を備えた26B A4Bは、実世界のエージェントワークフロー、ビジュアル自動化、そして140以上の事前訓練された言語での グローバルアプリケーションを動かすための理想的で費用対効果の高いエンジンです。 ファイルサポート：テキスト、Markdown、画像、PDFファイル コンテキストウィンドウ：262kトークン このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Seedance 2.0 Fastはテキストと画像の入力をサポートしていますが、速度に最適化されており、迅速な反復、素早いコンセプトテスト、大量のクリエイティブワークフローに最適です。 コスト見積もり – 480pで1秒あたり$0.115（1秒あたり10300トークン）、720pで1秒あたり$0.24752（1秒あたり22100トークン）、1000トークンあたり$0.0112の料金です。

Seedance 2.0は、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ます。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。 コスト見積もり – 480pで1秒あたり$0.1442（1秒あたり10300トークン）、720pで1秒あたり$0.3094（1秒あたり22100トークン）、1000トークンあたり$0.014のレートです。

Claude Opus 4.6は、深い推論、複雑なコーディング、長期間の自律タスクのために構築されたAnthropicの最も高度なAIモデルです。計画、デバッグ、大規模なコードベースでの作業に優れ、膨大な量の情報を理解するための1Mトークンのコンテキストウィンドウをサポートしています。専門的な知識作業のために設計され、最先端のパフォーマンスと強力な安全性と信頼性を組み合わせています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Claude Haiku 4.5は、Anthropicの最速かつ最も効率的なモデルで、より大規模なClaudeモデルと比べてコストと遅延を大幅に抑えながら、最先端の知能を提供します。Claude Sonnet 4と同等の推論、コーディング、コンピューター使用タスクの性能を持ち、Haiku 4.5はリアルタイムおよび大規模処理アプリケーションに最先端の機能をもたらします。Haikuシリーズに拡張思考を導入し、SWE-benchで73%以上のスコアを獲得し、世界最高のコーディングモデルの一つとして評価されています。200kトークンのコンテキストに対応しています。

BytedanceのSeed-2.0-Miniは、レイテンシに敏感で高並行性、コスト重視のシナリオを対象とし、高速応答と柔軟な推論デプロイメントを重視しています。256kコンテキスト、4つの推論努力モード、マルチモーダル理解（画像と動画を含む）をサポートし、コストと速度を優先する軽量タスクに最適化されています。 このモデルはマレーシアから提供されています。 注意：入力トークンが128kを超える場合、料金は2倍になります 利用可能なパラメータ制御： 1. 推論 – デフォルト：思考が有効 – 推論努力 [low, medium, high]：モデルがどの程度深く考えるか。Low=高速、Medium=バランス、High=徹底的（デフォルト：medium）。思考が有効な場合のみ適用されます。 2. 検索とビジョン – Web検索：最新情報のためのリアルタイムWeb検索を有効にする（デフォルト：false）。 – 画像詳細 [low, high, xhigh]：画像理解の品質。高いほど正確ですが、より多くのトークンを使用します（デフォルト：high）。 – 動画FPS [0.2-5]：動画入力のフレームサンプリングレート。高いほど多くのフレームが分析され、より正確になりますが、より多くのトークンを使用します（デフォルト：1）。

AnthropicのClaude Sonnet 4.6は、高品質な会話、高度なコーディング、大規模なエージェントワークフローのために構築されています。反復的な開発と複雑なコードベースのナビゲーションに優れ、メモリを使用したエンドツーエンドのプロジェクト管理をサポートし、洗練されたドキュメントを作成します。このモデルは、WebのQAとワークフロー自動化のための確実なコンピュータ使用、財務モデリング、コンプライアンスレビュー、正確なデータ要約も可能にします。広範なプロジェクトと長文コンテンツを簡単に処理するための1Mトークンのコンテキストウィンドウを特徴としています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.5シリーズ397B-A17Bネイティブビジョン言語モデルは、線形アテンション機構とスパースMixture-of-Experts（MoE）を統合したハイブリッドアーキテクチャ設計に基づいており、より高い推論効率を実現しています。言語理解、論理的推論、コード生成、エージェントタスク、画像理解、動画理解、グラフィカルユーザーインターフェース（GUI）インタラクションなど、様々なタスクにおいて、現在のトップクラスのフロンティアモデルに匹敵する優れた性能を実証しています。堅牢なコード生成とエージェント機能を持ち、様々なエージェントシナリオにおいて強力な汎化性を示します。 ファイルサポート：テキスト、Markdown、画像、動画、PDFファイル コンテキストウィンドウ：262kトークン オプションパラメータ： 最終回答前の思考を有効にする：`on`に切り替え、デフォルトでは`off`です。 応答のランダム性を制御する温度設定：1から2の数値を設定。デフォルトは`0.7`です。低い値ほど出力がより集中的で決定論的になります。 最大出力トークン数設定：1から64000の数値を設定。デフォルトは64000です。

Gemma 4 31Bは、最も要求の厳しいエンタープライズワークロードと複雑な推論タスクに対処するよう設計されています。広大な256Kトークンのコンテキストウィンドウにより、31Bモデルは単一のプロンプトでコードベース全体や大量の画像セットを簡単に取り込むことができます。最先端のビジョン言語機能を誇り、開発者がテキストと画像を自由に組み合わせることができます。UIスクリーンの解析、複雑なチャートの理解、多言語OCRや手書き認識の実行に優れています。ネイティブな構造化Function Calling、堅牢なコード生成、35以上の言語での標準的な流暢性と組み合わせることで、Gemma 4 31Bは洗練された自律型AIエージェントと重要なマルチモーダル分析パイプラインを構築するための究極の基盤となります。 ファイルサポート：テキスト、Markdown、画像、PDFファイル コンテキストウィンドウ：262kトークン このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Grok Imagine Imageで創造的で芸術的な画像を作成できます。テキストから画像生成と画像編集（jpeg/png/webp形式の単一画像）に対応しています。パラメーター設定でアスペクト比を調整できます。

Seed 2.0 Proは、エージェント時代における複雑な推論と長鎖タスク実行のために設計された、フラッグシップの汎用総合モデルです。マルチモーダル理解、長文脈推論、構造化生成、ツール拡張実行に重点を置いています。複雑な指示とマルチ制約実行の処理において優れた性能を発揮し、マルチステップの複雑な計画、高度な視覚テキスト推論、動画コンテンツ理解、高難度分析などのシナリオに確実に対応できます。 このモデルはマレーシアから提供されています。 注意事項： – 入力トークンが128kを超える場合、料金は2倍になります – コンテキストウィンドウ：256k – TemperatureとTop_pはモデルによって固定されています（temp=1、top_p=0.95）。 利用可能なパラメータ制御： 1. 推論 – デフォルト：思考機能有効 – 推論努力レベル [low, medium, high]：モデルがどの程度深く考えるか。Low=高速、Medium=バランス、High=徹底的（デフォルト：medium）。思考機能が有効な場合のみ適用されます。 2. 検索と視覚 – Web検索：最新情報のためのリアルタイムWeb検索を有効にする（デフォルト：false）。 – 画像詳細度 [low, high, xhigh]：画像理解の品質。高いほど正確ですが、より多くのトークンを使用します（デフォルト：high）。 – 動画FPS [0.2-5]：動画入力のフレームサンプリングレート。高いほど多くのフレームが分析され、より正確になりますが、より多くのトークンを使用します（デフォルト：1）。

MiniMax Speech 2.8は、スタジオ品質のオーディオを提供し、明瞭性と自然さを向上させたプレミアムなテキスト読み上げモデルです。複数の音声プリセット、感情的なトーン、きめ細かなオーディオ制御をサポートし、プロフェッショナルなアプリケーション向けに放送品質の音声合成を生成します。

Manusは、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。 注意事項： – Manusが作成したファイルが誤ってPoeメッセージにアップロードされる場合があります。その場合は、Manusチャットでファイルを確認してください。 – 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。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

GLM-5は、複雑なシステムエンジニアリングと長期的なAgentタスクのために設計されたオープンソースの基盤モデルで、トップレベルのプログラマーに信頼性の高い生産性を提供します。「コードを書く」から「システムを構築する」への境界を超越し、従来のスニペット生成を超えて、シニアアーキテクトレベルの計画と実行能力を提供します。「フロントエンド重視、ロジック軽視」のアプローチを拒否し、GLM-5はバックエンドリファクタリング、複雑なアルゴリズム実装、深いデバッグにおいて卓越した推論と自己修復能力を実証します。ログを自律的に分析し、システムが動作するまで持続的なバグを反復的に修正します。Opusクラスのスタイルとシステムエンジニアリングの深さを特徴とする初のオープンソースモデルとして、GLM-5は極めて高いロジック密度と、ローカルデプロイメントの自由度および高いコスト効率性を提供し、大規模なバックエンド開発と自動化されたAgent構築に理想的な選択肢となっています。コンテキストウィンドウ：205kトークン このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

GPT-5.2は、執筆、分析、コーディング、問題解決における実際の作業のために設計されたOpenAIの最先端AIモデルです。長いコンテキストと複数ステップのタスクを以前のバージョンよりも適切に処理し、エラーを減らして正確な応答を提供するように調整されています。400kトークンのコンテキストとネイティブビジョンをサポートしています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Gemini 3 Proの推論能力を基盤として、Gemini 3 Flashは強力でありながら手頃で高性能なモデルです。同等のモデルのわずかなコストで、卓越した世界知識、マルチモーダル理解、推論能力を持っています（2025年12月時点）。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

日常使用のために構築された、高速で安定した会話モデルです。長いスレッドでも逸脱することなく処理し、コンテキストをクリーンに保ち、分かりやすい方法で回答します。計画、書き直し、要約、迅速な技術サポートに適しています。400kトークンのコンテキストとネイティブビジョンをサポートしています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Grok-4.1-Fast-Reasoningは、xAIの最高の機能呼び出しモデルであるGrok 4.1 Fastの高性能バージョンです。カスタマーサポート、詳細な調査、高度な分析的推論など、実際のユースケースで優れた性能を発揮します。2Mトークンのコンテキストウィンドウを搭載し、このモデルは膨大な情報を円滑に処理し、一貫性があり、文脈を理解した深い洞察を驚異的な速度で提供します。

GoogleのVeo 3.1 Liteは、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。手頃な価格に最適化されていますが、Veo 3.1世代の改良されたプロンプト遵守と映画的理解の恩恵を受けています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。 注意：1080pには8秒の長さが必要です リファレンスモード：動画生成のリファレンスとして最大3枚の入力画像を使用 リファレンス画像には8秒の長さが必要です あなたが所有している、または使用する権利を持っている写真のみをアップロードしてください。そうでなければ、ボットはエラーを返します。

このモデルは2026-10-10に廃止されます。こちらに切り替えてください: https://poe.com/Qwen3.7-Max Qwen3-Max-Thinkingは、適応型ツール使用を統合したフラッグシップ推論モデルであり、複雑なタスクに対処するために検索、メモリ、コード解釈を自律的に活用します。さらに、推論時に追加の計算を割り当てることで推論精度とコンテキスト効率を向上させる戦略であるテスト時スケーリングを通じて、パフォーマンスをさらに最適化します。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 注意事項: – コンテキストウィンドウ: 256K – 入力トークンが32Kを超える場合は料金が2倍、128Kを超える場合は2.5倍になります – 標準APIレートと比較して、入力トークンで10%、出力トークンで8%節約できます。 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Grok Imagine Video でアーティスティックでクリエイティブな動画を作成できます。テキストから動画、画像から動画（jpeg/png/webp の単一添付ファイル）、動画編集（単一の mp4 動画添付ファイル）に対応しています。サポートされているすべてのコントロール（duration および aspect_ratio）については、パラメーターコントロールをご確認ください。

Claude Sonnet 4.5は、AI能力とアライメントにおける大きな飛躍を表しています。これはAnthropic社がこれまでにリリースした最も先進的なモデルで、推論、数学、実世界でのコーディングにおいて劇的な改善が特徴です。100万トークンのコンテキストをサポートします。

Seedream 5.0 LiteはByteDanceの最新のテキストから画像生成モデルで、より高い知能を備えています。Seedream 5.0 Liteは複数の画像を参照として取り込み、それらを組み合わせたり編集したりして出力を返すこともできます。 オプションパラメータ： モデルのアスペクト比を設定（`16:9`、`4:3`、`1:1`、`3:4`、`9:16`のいずれか）。

Kling v3 Motion Controlは、Kuaishouの 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。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

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。 オプションパラメータ： アスペクト比を設定してください。(21:9, 16:9, 4:3, 1:1, 3:4, 9:16)から選択してください。デフォルトでは16:9のアスペクト比に設定されています。 動画の長さを設定してください。(5秒, 8秒, 10秒)から選択して動画の長さを秒単位で指定してください。デフォルトでは5秒に設定されています。

Qwen3-Coder-Nextは、コーディングエージェントとローカル開発環境向けに特別に設計されたオープンウェイト言語モデルです。この高効率モデルは、総パラメータ数80Bのうちわずか3Bのアクティブパラメータで卓越したパフォーマンスを実現し、10-20倍多くのアクティブパラメータを持つモデルに匹敵する結果を達成しながら、エージェント展開において驚くべきコスト効率を維持しています。洗練された訓練手法により、Qwen3-Coder-Nextは長期推論、複雑なツール使用、実行失敗からの堅牢な回復などの高度なエージェント機能に優れ、動的なコーディングタスク全体で信頼性の高いパフォーマンスを保証します。このモデルの汎用性は、256kのコンテキスト長と様々なスキャフォールドテンプレートへの適応性によってさらに向上し、Claude Code、Qwen Code、Qoder、Kilo、Trae、Clineなどの多様なCLI/IDEプラットフォームとのシームレスな統合を可能にし、包括的な開発環境に理想的なソリューションとなっています。 オプションパラメータ： 応答のランダム性を制御する温度を設定：1から2の数値を設定してください。デフォルトでは0.7に設定されています。値を低くすると、出力がより集中的で決定論的になります。 最大出力トークン数を設定：1から65536の数値を設定してください。デフォルトでは65536に設定されています。

MiniMax-M2.5は、実世界での生産性向上を目的として設計された最先端の大規模言語モデルです。複雑で多様な実世界のデジタル作業環境でトレーニングされたM2.5は、M2.1のコーディング専門知識を基盤として一般的なオフィス業務に拡張し、Word、Excel、PowerPointファイルの生成と操作、多様なソフトウェア環境間でのコンテキスト切り替え、異なるエージェントや人間のチーム間での作業において流暢性を実現しています。SWE-Bench Verifiedで80.2%、Multi-SWE-Benchで51.3%、BrowseCompで76.3%のスコアを記録し、M2.5は計画を通じてアクションと出力を最適化するようトレーニングされており、前世代よりもトークン効率が向上しています。 コンテキストウィンドウ：205kトークン このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Grok-4.1-Fast-Non-Reasoningは、xAIの最高の機能呼び出しモデルであるGrok 4.1 Fastの効率化版です。2Mのコンテキストウィンドウと高い応答性を備えていますが、論理的思考を必要としないタスクに最適化されており、テキスト生成、要約、スピードと効率性を重視する自動化ワークフローで優れた性能を発揮します。カスタマーサポートの自動化、大量のコンテンツ作成、迅速な会話応答など、高スループットのユースケースに最適です。

kimi-k2-thinkingモデルは、Moonshot AIが開発した汎用エージェント推論モデルです。 対応ファイル：テキスト、マークダウン、PDFファイル コンテキストウィンドウ：262kトークン

DeepSeek-V3.2を紹介します。これは、高い計算効率と最先端の推論およびエージェント性能を統合するために設計された次世代の基盤モデルです。DeepSeek-V3.2は、以下の3つの主要な技術的ブレークスルーに基づいて構築されています： • DeepSeek Sparse Attention (DSA)： 長文脈の推論と高スループットのワークロード向けに特別に設計された、モデルの品質を維持しながら計算オーバーヘッドを大幅に削減する新しい高効率なアテンション機構です。 • スケーラブルな強化学習フレームワーク： DeepSeek-V3.2は、堅牢なRL訓練プロトコルと拡張された事後訓練計算を活用して、GPT-5レベルの性能を達成します。その高計算変種であるDeepSeek-V3.2-SpecialeはGPT-5を凌駕し、Gemini-3.0-Proに匹敵する推論能力を示します。 • 大規模エージェントタスク合成パイプライン： 信頼性の高いツール使用と多段階の意思決定を可能にするため、大規模で高品質なインタラクティブ推論タスクを生成する革新的なエージェントデータ合成パイプラインを開発し、モデルの性能を大幅に向上させます。 ファイル対応：テキスト、マークダウン、PDFファイル コンテキストウィンドウ：164kトークン

Gemma 4モデルは、各サイズで最先端レベルのパフォーマンスを提供するよう設計されており、コンシューマーGPUやワークステーションでの展開シナリオを対象としています。推論、エージェントワークフロー、コーディング、マルチモーダル理解に適しています。Gemma 4は最大256Kトークンのコンテキストウィンドウを備え、140以上の言語での多言語サポートを維持しています。

Grok 4はxAIの最新かつ最も高性能な言語モデルです。コーディング、推論、質問応答において最先端の機能を備えています。複雑な多段階のタスクを得意としています。推論の過程はxAI APIでは利用できません。

2025年12月時点のChatGPTにおけるOpenAIの最先端の画像生成モデルで、優れたプロンプト応答性、世界知識、正確な編集、顔の保持、詳細度、全体的な品質を提供し、レイテンシー/生成時間が改善されています。最新のユーザークエリに添付された画像の編集、リスタイル、結合をサポートします。会話形式の画像生成と編集体験には以下をご利用ください：https://poe.com/GPT-5.2 任意のパラメータ： アスペクト比を3:2、1:1、2:3から設定できます。 品質を低、中、高から設定できます。デフォルトは高に設定されています。 マスクの使用は、トグルをオンにするか、プロンプトに「use_mask」と入力することで有効になります。このオプションはデフォルトでオフです。 高精細度は、トグルをオフにするか、「use_high_fidelity」と入力することで無効にできます。このオプションはデフォルトでオンです。

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。

MiniMax M2.1は、開発者がソフトウェアを構築する方法を革新するために設計された最先端のAIモデルです。強化されたマルチ言語プログラミングサポートにより、Rust、Java、Golang、C++、Kotlin、Objective-C、TypeScript、JavaScriptなどの人気言語で高品質なコードの生成に優れています。 主な改善点： 効率的なワークフローのために、応答時間が22%高速化し、トークン消費量が30%削減されました。 主要な開発フレームワーク（Claude Code、Droid Factory AI、BlackBoxなど）とのシームレスな統合。 モバイル（Android/iOS）からWeb、3Dインタラクティブプロトタイピングまでのフルスタック開発機能。 最適化されたパフォーマンス対コスト比により、AI支援開発がより身近になりました。 ソフトウェアエンジニア、アプリ開発者、技術革新者のいずれであっても、M2.1は業界最高水準のAIでよりスマートなコーディングを可能にします。 コンテキストウィンドウ：205kトークン このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Perplexity Advanced Deep Researchは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。 サポートされるファイル形式：PNG、JPEG、WEBP、GIF、PDF、DOCX、TXT 利用可能なパラメータ制御： 1. 一般 – 推論努力 [low/medium/high]：推論の深度レベル（デフォルト：high） – 最大出力トークン [10000-16000]：トークン単位での最大応答長（デフォルト：10000） – ページあたりの最大トークン [4096-16384]：検索結果ページあたりの最大抽出トークン数（デフォルト：4096） 2. 検索フィルター – 検索ドメインフィルター [domains]：含める/除外するドメインをカンマ区切りで指定。除外する場合は’-‘を前に付ける。最大20個。（例：”nature.com, arxiv.org, -pinterest.com”） – 検索言語フィルター [codes]：ISO 639-1言語コードをカンマ区切りで指定。最大10個。（例：”en, fr, de”） 3. 日付と最新性 – 検索開始日 [MM/DD/YYYY]：この日付以降に公開されたソースのみを含める – 検索終了日 [MM/DD/YYYY]：この日付以前に公開されたソースのみを含める – 検索最新性フィルター [none/day/week/month/year]：相対時間フィルター（特定の日付と組み合わせることはできません） 4. 場所 – 国 [code]：2文字のISO 3166-1国コード（例：”US”、”FR”、”JP”） – 地域 [name]：州または県（例：”California”） – 都市 [name]：都市名（例：”San Francisco”） – 緯度 [decimal]：緯度（経度と国と一緒に提供する必要があります） – 経度 [decimal]：経度（緯度と国と一緒に提供する必要があります）

このモデルは2026年10月10日にサービスを終了します。以下に切り替えてください：https://poe.com/DeepSeek-V4-Pro-EL DeepSeek V3.2は、推論、コーディング、一般的な言語タスクにおいてトップクラスのモデルと競合するよう設計された、強力なオープンソースの大規模言語モデルです。Mixture-of-Experts（MoE）アーキテクチャを基盤とし、高い効率性を維持しながら優れたパフォーマンスを発揮します。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 注意事項： – コンテキストウィンドウ：128K – サポートされる入力モダリティ：テキスト、画像（非ネイティブ）、ドキュメント このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

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。 注意：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。 利用可能なパラメータ制御： 1. 一般 – `query`（必須）：単一の文字列としての検索クエリ – `multi_query`：バッチ検索用に改行で区切られた最大5つのクエリ – `max_results` [1-20]：返す検索結果の数（デフォルト5） – `max_tokens` [5000-100000]：全結果にわたる総コンテンツトークン予算 – `max_tokens_per_page` [256-8192]：個別ページから抽出される最大トークン数 2. フィルタ – `search_domain_filter`：特定のドメインを許可または拒否（拒否する場合は`-`を前に付ける、最大20、許可/拒否の混在不可） – `search_language_filter`：ISO 639-1コード（例：`en`、`fr`）を使用して言語で結果を制限、カンマ区切り、最大10 – `country`：ISO 3166-1 alpha-2コード（例：`US`、`GB`）を使用して国で結果を制限 3. 日付と最新性 – `search_recency_filter`：結果を`hour`、`day`、`week`、`month`、または`year`に制限 – `search_after_date_filter`（MM/DD/YYYY）：この日付以降に公開された結果のみを返す（最新性を上書き） – `search_before_date_filter`（MM/DD/YYYY）：この日付以前に公開された結果のみを返す（最新性を上書き） – `last_updated_after_filter`（MM/DD/YYYY）：この日付以降に最終更新された結果のみを返す – `last_updated_before_filter`（MM/DD/YYYY）：この日付以前に最終更新された結果のみを返す – `display_server_time`：レスポンスにサーバータイムスタンプを含めるかどうかの切り替え

Wan2.7 Imageは、Alibabaのwan 2.7シリーズの画像生成・編集モデルで、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。 注意事項： – このモデルはシンガポール地域から提供されています。 – 1-9枚の画像をアップロードすると画像編集モードが有効になります。画像がない場合、ボットはテキストから画像生成モードで動作します。 – 解像度、画像数、モデルバリアント、思考モードが有効かどうかによって、応答に10-60秒かかる場合があります。 – プロンプトは最大5,000文字です。 添付ファイル（画像編集モード）： – 1-9枚の画像（JPEG、PNG、BMP、WEBP）をテキスト指示と共に添付して編集します。 – 入力画像の解像度は各辺240-8000ピクセル、アスペクト比は1:8から8:1の間である必要があります。 – 画像1枚あたりの最大ファイルサイズ：20MB。 – 複数画像編集：順序で画像を参照します（例：「画像2の落書きを画像1の車にスプレーする」）。 – インタラクティブ編集：バウンディングボックスを使用して画像の領域を指定し、対象を絞った編集を行います（例：「画像1のオブジェクトを画像2の選択された領域に配置する」）。 – サポートされる操作：スタイル転送、オブジェクト配置、落書き/テクスチャ適用、シーン合成、背景置換、マルチリファレンス合成など。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen-Image-2-ProはAlibabaの最新画像生成モデルです。このモデルは画像を編集できます（png/jpeg/webp、最大3枚の画像）。 このボットは追加のカスタマイズ用のオプションパラメータをサポートしています。

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。 利用可能なパラメータ制御： 1. 基本設定 – デフォルト：テキストから動画（画像不要） – 画像からアニメーション化する場合：1枚の画像（最初のフレーム）または2枚の画像（最初+最後のフレーム）を添付 – 解像度 [360p | 540p | 720p | 1080p]`（デフォルト：1080p） – アスペクト比 [16:9 | 4:3 | 1:1 | 3:4 | 9:16]`（デフォルト：16:9）（画像入力時は無視） – 音声 [true | false]` 同期音声を生成（デフォルト：true） 2. タイミングとランダム性 – 再生時間 [5 | 8 | 10]` 秒（デフォルト：5；1080pでは10秒は利用不可） – シード [1-9223372036854775807]` 再現可能な結果のため（省略時はランダム） 3. 詳細設定 – スタイル [none | anime | 3d_animation | clay | comic | cyberpunk]` 視覚スタイルプリセット（デフォルト：none） – 思考 [auto | enabled | disabled]` 生成時の拡張推論（デフォルト：auto） – ネガティブプロンプト “blurry, low quality, distorted”` 除外するコンテンツ（最大2048文字） 入力制限と要件： – プロンプト長：最大2,048文字（ポジティブおよびネガティブプロンプト両方） – 画像入力：JPEG、PNG、WEBP、またはHEICのみ。ファイルあたり最大20MB。300×300未満の画像は自動的にアップスケール；4000×4000を超える画像は自動的にダウンスケールされます。

MOSS Video and Audio（MOVA）は、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Mixture-of-Experts（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、従来のカスケードシステムで見られるエラーの蓄積を排除します。 このモデルはEmpirioLabs.aiによってホストされ、Poeプラットフォーム限定です。 詳細はこちら： https://mosi.cn/models/mova 注意事項： – 生成には最大20分かかる場合があります。 – 画像から動画への生成の方が優れた結果が得られる可能性があります。 – サポートされる画像アップロードファイル形式：.jpg、.jpeg、.png、.webp、.heic、.heif、.bmp、.tiff、.tif、.gif – 画像添付は1枚のみサポート（最初のフレーム）、動画添付はサポートされていません。 利用可能なパラメータ制御： 1. 生成 – 解像度 `360p`または`720p`（デフォルト：360p） – アスペクト比 `landscape`または`portrait`または`square`（デフォルト：landscape；アップロードされた画像では自動検出） – 継続時間 [2-8] 動画の長さ（秒）（デフォルト：4） – t2v品質 `fast`または`quality`（デフォルト：quality；テキストから動画のみ） 2. 詳細設定 – 推論ステップ [10-50] ステップ数が多いほど高品質だが低速（デフォルト：25、ステップ：5） – CFGスケール [1.0-10.0] プロンプト遵守強度、高いほどより文字通り（デフォルト：5.0、ステップ：0.5） – Sigma_shift [1.0-10.0] ノイズスケジュールシフト、360pのみ（デフォルト：5.0、ステップ：0.5） – シード [数値] 再現性のため、省略するとランダム – ネガティブプロンプト “your negative prompt” 最適化されたデフォルトの場合は空白のままにする

Qwen-Image-2はAlibabaの最新画像生成モデルです。このモデルは画像を編集できます（png/jpeg/webp、最大3枚まで）。 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Wan 2.7は、Alibabaの最新のマルチモーダル動画生成モデルで、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つの生成モードをサポートしています：テキストから動画（T2V）、画像から動画（I2V）、動画編集、参照から動画（R2V）。 注意事項： – このモデルはシンガポール地域から提供されています。 – 画像から動画を有効にするには画像をアップロード、動画編集には動画を、参照から動画には画像/動画をアップロードしてください。モードは添付ファイルから自動検出されますが、手動で選択して上書きすることも可能です。 – 応答の生成完了まで30分以上かかる場合があります。 – ショットタイプはプロンプトで直接記述してください（例：「マルチショット動画を生成」またはタイムライン構文「ショット1 [0-5秒] ワイドショット…」を使用）。 添付ファイル： – T2V用：添付ファイルは不要。オプションでカスタムオーディオ用の音声ファイルを添付可能。 – I2V（最初のフレーム）用：最初のフレームとして画像を1枚添付。オプションで駆動音声用の音声ファイルを添付可能。 – I2V（最初+最後のフレーム）用：画像を正確に2枚添付（最初のフレームと最後のフレーム）。オプションで駆動音声用の音声ファイルを添付可能。 – I2V（動画継続）用：最初のクリップとして動画を1本（2〜10秒）添付。オプションで目標の最後のフレームとして画像を1枚添付可能。 – 動画編集用：動画を1本（2〜10秒、≤100 MB、MP4/MOV）+ 参照画像を最大3枚添付。動画が選択した長さより短い場合、出力は動画の長さに合わせられます。 – R2V用：参照を合計最大5個添付（画像+動画の組み合わせ）。アップロードした動画の被写体を参照するにはプロンプトで`Video1`、`Video2`を使用し、アップロードした画像には`Image1`、`Image2`を使用してください。オプションで音声音色参照用の音声ファイルを添付可能。 – 音声ファイル：T2VとI2V用：2〜30秒。R2V用：1〜10秒（音声音色サンプル）。最大15 MB、.mp3/.wav。長すぎる場合は自動的にモードの制限に合わせてトリミングされます。 – 画像は制限に合うよう自動的にリサイズされます（1辺240〜8,000px）。HEIC/HEIF画像は自動変換されます。動画は検証され（MP4/MOV、≤100 MB）、モードの最大長を超える場合は自動的にトリミングされます。 このボットは追加のカスタマイズ用のオプションパラメータをサポートしています。

Seedream-4.5はByteDanceの最新かつ最高のテキストから画像生成モデルで、優れたテキストレンダリング能力を持つ印象的な高忠実度画像生成が可能です。Seedream-4.5は複数の画像を参照として取り込み、それらを組み合わせたり編集したりして出力を返すこともできます。`–aspect`を渡してモデルのアスペクト比を設定してください（`16:9`、`4:3`、`1:1`、`3:4`、`9:16`のいずれか）。

Kling v3 Pro Videoボット。テキストから動画、画像から動画の生成が可能です。テキストから動画を生成する場合はテキストプロンプトを送信し、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。 詳細についてはパラメータ制御をご確認ください。 注意：生成には最大20分程度かかる場合があります。

Anthropic の Claude Opus 4.5、カスタマイズ可能な思考予算（最大64kトークン）と200kコンテキストウィンドウをサポート。

Gemini 2.5 Flashは、Googleの人気の2.0 Flashの基盤を基に構築されており、この新バージョンでは、スピードとコストを重視しながらも、推論能力、検索能力、画像・動画理解において大幅なアップグレードを提供します。100万トークンの入力コンテキストをサポートします。最新の`gemini-2.5-flash-preview-09-2025`スナップショットを提供します。

Kling O3は、StandardまたはProモードで高品質な動画を作成できる多機能なAI動画生成モデルで、解像度はアスペクト比によって異なります。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。 マルチシーンモード – プロンプト内で`|`でシーンを区切る — 自動検出されるため、トグルは不要（最大6シーン） – 動画入力ワークフロー（動画編集、動画付きリファレンス）とは互換性なし – シーンごとの時間指定（オプション）：`5s: シーン1 | 3s: シーン2 | 7s: シーン3` – 明示的なシーンごとの時間指定は、設定された総時間を上書きします – 時間が指定されていない場合、スライダーの時間がシーン間で均等に配分されます – モデルがこれらを正確なフレームカットではなくガイダンスとして扱うため、シーンごとの時間は時々正確でない場合があります 入力制限と要件 – プロンプト長：最小3文字、最大2,500文字 – 画像入力：JPEG、PNG、またはWEBPのみ。ファイルあたり最大10MB。300×300未満の画像は自動的にアップスケールされ、1:2.5-2.5:1のアスペクト比範囲外の画像は自動的に中央クロップされてフィットします – 動画入力：MP4、MOV、またはWEBMのみ。10秒を超える動画は自動的にトリミングされ、720-2160pxの解像度範囲外の動画は自動的にリサイズされます。最小3秒（延長不可） – 動画ワークフロー時間：動画入力が使用される場合（Video Edit、動画付きReference）、出力時間は自動的に10秒に制限されます – Image-to-Video：最大2枚の画像（最初のフレーム + オプションの最後のフレーム） – Reference-to-Video：最大7枚のリファレンス画像（リファレンス動画も含まれる場合は最大4枚）、最大1本のリファレンス動画 – Video Edit：動画1本のみ、画像なし このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Gemini 2.5 Proは、様々な主要ベンチマークで最先端の性能を発揮するGoogleの高度なモデルで、ウェブ検索と100万トークンの入力コンテキストに対応しています。

最も複雑で高難度なタスクに最適な強力な推論モデルです。x-high推論努力レベルでは、ARC-AGI-1ベンチマークで90.5%のスコアを記録しており、これは人間が100%のスコアを取る非常に困難な問題解決ベンチマークです。注意：このモデルは問題を考え抜くのに最大30分かかることがあり、非常に高価です。40万トークンのコンテキストとネイティブビジョンをサポートしています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Kling Omni画像から動画への推論用Bot。画像から動画生成には1枚の画像を、最初から最後のフレーム動画生成には2枚の画像を送信してください。 オプションパラメータ： 動画の長さを設定。（5秒、10秒）から選択して動画の長さを秒単位で指定します。デフォルトは5秒に設定されています。 注意事項： 対応ファイル形式：jpeg、png、webp、heic、heif このBotは動画ファイルには対応していません。 動画を生成するには、画像を添付した後にプロンプトが必要です。

GLM-4.7-Flashは、30Bクラスの最先端モデルで、高性能と効率性の魅力的なバランスを提供します。Agentic Codingに特化して設計されており、コーディング能力、長期計画、ツール連携を強化し、同規模のオープンソースモデルの中で公開ベンチマークにおいてトップクラスの結果を確保しています。ツール使用における優れた指示追従により複雑なエージェントタスクに優れ、ArtifactsとAgentic Codingにおける長期ワークフローのフロントエンド美観と完了効率を大幅に向上させます。 コンテキストウィンドウ：200kトークン オプションパラメータ： 最終回答を出す前に応答について考える機能を有効にする：`on`に切り替えると有効になり、そうでなければデフォルトで`off`です。 応答のランダム性を制御する温度を設定：1から2の数値を設定します。デフォルトは`0.7`に設定されています。値が低いほど出力がより集中的で決定論的になります。 最大出力トークン数を設定：1から65500の数値を設定します。デフォルトは65500に設定されています。

ElevenLabs v3は、スクリプトに驚くべきリアリズムとパフォーマンスレベルの制御で命を吹き込む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、クリエイターはインライン音声タグを使用して、音声の感情的なトーン、ペース、サウンドスケープを形作ることができます。これらのタグは角括弧で囲まれ、舞台指示として機能し、セリフの話し方や挿入する効果音を指示しますが、実際に読み上げられることはありません。これにより、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のアプリケーションで豊かで表現力豊かなナレーションと対話が可能になります。緊張したささやき、皮肉な発言、爆発や環境音に満ちた劇的なサウンドスケープなど、テキストプロンプト内で細かい制御が可能です。このボットはPDF添付ファイル/URLリンクでもテキスト読み上げを実行します。 音声表現タグの例： * [whispers] 秘密を教えなければならない。 * [angry] それは*決して*計画ではなかった。 * [sarcastic] ああ、確かに。それは完全にうまくいくだろう。 * そして [laughs] あなたは面白い。 効果音タグの例： * [gunshot] 伏せろ！ * [applause] 皆さん、ありがとうございます。 * そして [explosion] あれは何だった？！ これらは組み合わせることもできます。 複数の話者はパラメータ制御でサポートされます。複数話者の対話は以下の形式に従う必要があります（例：3人の話者の場合）： Speaker 1: [対話] Speaker 2: [対話] Speaker 3: [対話] Speaker 1: [対話] Speaker 2: [対話] 以下の音声がサポートされています： Alexandra – 会話的でリアル Amy – 若くて自然 Arabella – 成熟した女性ナレーター Austin – テキサスの良き青年 Blondie – 温かく会話的 Bradford – イギリス人男性ストーリーテラー Callum – ざらざらしているが不安にさせる Charlotte – かすれて官能的 Chris – 地に足の着いた Coco Li – 上海女性 Gaming – アンリアル・トーンマネジメント2003 Harry – アニメーション戦士 Hayato – 癒しの禅男性 Hope – 明るくクリア James – ハスキーで魅力的 James Gao – 穏やかな中国語音声 Jane – プロのオーディオブックリーダー Jessica – 遊び心のあるアメリカ人女性 Juniper – 地に足の着いた女性プロフェッショナル Karo Yang – 若々しいアジア人男性 Kuon – 鋭い幻想的女性 Laura – 風変わりな女性音声 Liam – 温かく活力ある若者 Monika Sogam – インド英語アクセント Nichalia Schwartz – 魅力的なアメリカ人女性 Priyanka Sogam – 深夜ラジオ Reginald – 陰鬱で激しい悪役 ShanShan – 若く活力ある女性 Xiao Bai – 甲高くうるさい プロンプト入力は5,000文字を超えることはできません。

OpenAIのgpt-audio-miniモデルをサーバーボットとしてPoeに導入しました！このモデルはテキストと音声の入力を受け付け、自然な音声で応答することができます。このモデルの詳細については https://platform.openai.com/docs/models/gpt-audio-mini をご覧ください。 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。音声出力がオフの場合、会話内のメッセージの1つに音声ファイルの添付が必要です（あなたまたはボットからの以前のメッセージに音声が含まれていても構いません）。 オプションパラメータ： – enable_audio_output: 応答を音声で読み上げるかどうかを制御するtrueまたはfalse（デフォルト：true） – voice: 音声出力用の音声名：”alloy”、”ash”、”ballad”、”cedar”、”coral”、”echo”、”fable”、”marin”、”nova”、”onyx”、”sage”、または”shimmer”（デフォルト：marin） – model_snapshot: 特定のモデルバージョンを選択 – auto_max_tokens: モデルに出力する最大トークン数を決定させる（デフォルトで有効）。このオプションを無効にして、max_tokensパラメータを使用して10から16,384の間でトークン制限を手動で指定できます。

OpenAIのgpt-audio-1.5モデルをサーバーボットとしてPoeに導入！このモデルはテキストと音声の入力を受け付け、自然な音声で応答することができます。詳細は https://platform.openai.com/docs/models/gpt-audio-1.5 をご覧ください。 音声出力がオンの場合、応答には音声録音とテキスト転写の両方が含まれます。音声出力がオフの場合、会話内のメッセージの1つに音声ファイルの添付が必要です（あなたまたはボットからの以前のメッセージに音声が含まれていても構いません）。 オプションパラメータ： – enable_audio_output: 応答を音声で読み上げるかどうかを制御するtrueまたはfalse（デフォルト：true） – voice: 音声出力用の音声名：”alloy”、”ash”、”ballad”、”cedar”、”coral”、”echo”、”fable”、”marin”、”nova”、”onyx”、”sage”、または”shimmer”（デフォルト：marin） – auto_max_tokens: モデルに出力する最大トークン数を決定させる（デフォルトで有効）。このオプションを無効にして、max_tokensパラメータを使用して10から16,384の間でトークン制限を手動で指定できます。

GLM-4.7はZ.AIの最新フラッグシップモデルで、高度なコーディング機能とより信頼性の高い多段階推論・実行に焦点を当てた大幅なアップグレードが施されています。複雑なエージェントワークフローにおいて明確な向上を示し、より自然な会話体験とより強力なフロントエンドデザイン感覚を提供します。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：205kトークン オプションパラメータ： 最終回答前の思考を有効にする：`オン`に切り替え、デフォルトでは`オフ`です。 応答のランダム性を制御する温度設定：1から2の数値を設定。デフォルトは`0.7`です。値を低くすると、出力がより集中的で決定論的になります。 最大出力トークン数の設定：1から131072の数値を設定。デフォルトは131072です。

OpenAIのgpt-audioモデルをサーバーボットとしてPoeに導入しました！このモデルはテキストと音声の入力を受け付け、自然な音声で応答することができます。詳細については https://platform.openai.com/docs/models/gpt-audio をご覧ください。 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。音声出力がオフの場合、会話内のメッセージの1つに音声ファイルの添付が必要です（あなたまたはボットからの以前のメッセージに音声が含まれていても構いません）。 オプションパラメータ： – enable_audio_output: 応答を音声で読み上げるかどうかを制御するtrueまたはfalse（デフォルト：true） – voice: 音声出力用の音声名：”alloy”、”ash”、”ballad”、”cedar”、”coral”、”echo”、”fable”、”marin”、”nova”、”onyx”、”sage”、または”shimmer”（デフォルト：marin） – model_snapshot: 特定のモデルバージョンを選択 – auto_max_tokens: モデルに出力する最大トークン数を決定させる（デフォルトで有効）。このオプションを無効にして、max_tokensパラメータを使用して10から16,384の間でトークン制限を手動で指定することもできます。

OpenAIの主力汎用モデルで、高度な推論、理解力、創造性を実現するために構築されています。テキストとコードの両方で堅牢なパフォーマンスを提供し、事実の正確性、長文脈理解、多言語流暢性において大幅な改善を実現しています。あらゆる分野での研究、コンテンツ作成、分析、問題解決に最適です。 40万トークンの入力コンテキストウィンドウをサポートしています。

OpenAIの最新フラッグシップモデルで、コーディングスキル、長いコンテキスト（40万トークン）、指示に従う能力が大幅に向上しています。ネイティブビジョンをサポートし、一般的にGPT-4.1よりも高い知能を持っています。 注意： GPT-5-Proは長時間深く考えます。APIを通じてこのボットを使用する際は、リクエストのタイムアウトを長めに設定することを検討してください。

Seedance 2.0 Proは、テキスト、画像、音声、動画入力から映画品質の高品質な出力を生成するために構築されたマルチモーダルAI動画生成モデルです。強力なモーション安定性、ネイティブな音声・映像生成、そして一貫したキャラクター処理を備えています。参照素材、編集、テンポ、および複数のアセットを一つのワークフローで洗練されたストーリーテリングに仕上げることをより細かく制御したいクリエイターに最適です。 このモデルはマレーシアから提供されています。 注意：4K動画はレンダリングに失敗する場合があります。ダウンロードしてローカルで再生することをお勧めします。 このボットは追加のカスタマイズのためのオプションパラメーターをサポートしています。

GLMシリーズの最新版として、GLM-4.6は実践的なコーディング、長文脈処理、推論、検索、文章作成、エージェント応用など、複数の領域で包括的な機能強化を実現しています。 ファイル対応：テキスト、マークダウン、PDFファイル 文脈ウィンドウ：205kトークン

GLM-4.6Vは、GLMシリーズにおける重要なマルチモーダルの進歩を示し、同規模のパラメータを持つモデルの中で最先端の視覚理解精度を達成しています。特筆すべきは、アーキテクチャに直接Function Call機能を統合した初めての視覚モデルであり、視覚認識から実行可能なアクションへのシームレスな経路を確立しています。この画期的な進歩により、実際のビジネスアプリケーションにおけるマルチモーダルエージェントの展開に向けた統一された技術基盤が確立されました。 サポートファイル：テキスト、Markdown、画像、PDFファイル コンテキストウィンドウ：131kトークン オプションパラメータ： 思考の有効化 – 応答を提供する前にモデルが思考するようにするには、これをオンにします。デフォルトではオフになっています 温度 – 応答のランダム性を制御します。値を低くすると、出力がより焦点を絞った決定論的なものになります。0から2の範囲で選択できます。デフォルトでは0.7に設定されています。 最大出力トークン数：応答で生成する最大トークン数です。1から32768の範囲で設定可能です。デフォルトでは最大トークン数32768に設定されています。

Nano Banana Pro（Gemini 3 Pro Image Preview）は、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。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Google DeepMindのNano Banana（Gemini 2.5 Flash Imageモデル）は、画像生成および編集機能を提供し、例外的な速度でフォトリアリスティックなマルチターン編集において最先端の性能を発揮します。最大32kトークンの入力コンテキストをサポートします。 オプションパラメータ： アスペクト比の設定。(1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9)から選択してください。デフォルトでは16:9のアスペクト比に設定されています。 画像のみ出力する場合は画像のみをオンにしてください。デフォルトでは`off`になっています。 注意：画像のみを有効にしただけでは、プロンプトが画像生成用に特別に作成されていない限り画像は生成されませんが、単一の画像（または何も生成されない）のみが生成されることが保証されます。

OpenAIの最も高度な汎用モデルで、コーディングスキルが大幅に向上し、長いコンテキスト（40万トークン）と改善された指示追従機能を備えています。ネイティブビジョンをサポートし、一般的にGPT-4.1よりも高い知能を持っています。90%のチャット履歴キャッシュ割引を提供します。

Seedance 2.0 Fastは、Seedance 2.0の速度最適化版で、ネイティブオーディオ同期、カメラ制御、安定したモーションを備えた映画的な動画をより迅速に生成するよう設計されています。標準版よりも高速で低コストな結果を提供するよう構築されているため、迅速な反復作業や大量生産に適した選択肢です。 このモデルはマレーシアから提供されています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

GPT-5 nanoは非常に高速で低コストなモデルで、テキスト/画像の要約/分類タスクに最適です。ネイティブな画像認識と400kの入力トークンコンテキストをサポートします。チャット履歴のキャッシュに90%の割引を提供します。

GPT-5 miniは、小型で高速かつ手頃な価格のモデルで、多くの知能およびビジョン関連タスクにおいてGPT-4.1と同等もしくはそれ以上の性能を発揮します。40万トークンのコンテキストに対応。チャット履歴キャッシュが90%割引になります。

コスト効率と低レイテンシに最適化された軽量なGemini 2.5 Flash推論モデル。ウェブ検索をサポート。100万トークンの入力コンテキストをサポート。最新の`gemini-2.5-flash-lite-preview-09-2025`スナップショットを提供。より複雑なクエリには https://poe.com/Gemini-2.5-Pro または https://poe.com/Gemini-2.5-Flash をご利用ください

Grok 4 Fast Non-Reasoningは、2Mトークンのコンテキストウィンドウを持つコンテンツ生成などの高速で効率的なタスク向けに設計されています。最先端の性能とコスト効率を組み合わせ、シンプルな日常的なアプリケーションに高品質な結果を提供します。

Qwen3-Nextは高度にスパースなMoE設計を採用しており、総パラメーター数は80Bですが、推論ステップごとに活性化されるのは約3Bのみです。グローバルな負荷分散を用いた実験では、活性化エキスパートを固定したまま総エキスパートパラメーターを増やすと、トレーニングロスが着実に減少することが示されています。Qwen3のMoE（総エキスパート数128、ルーティング数8）と比較して、Qwen3-Nextは512の総エキスパートに拡張し、10のルーティングエキスパートと1つの共有エキスパートを組み合わせることで、パフォーマンスを損なうことなくリソース使用率を最大化しています。 Qwen3-Next-80B-A3B-Thinkingは複雑な推論タスクに優れており、Qwen3-30B-A3B-Thinking-2507やQwen3-32B-Thinkingなどのよりコストの高いモデルを上回り、複数のベンチマークでクローズドソースのGemini-2.5-Flash-Thinkingを凌駕し、最上位モデルQwen3-235B-A22B-Thinking-2507のパフォーマンスに迫っています。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：131kトークン

Qwen3-Nextは高度にスパースなMoE設計を採用しており、総パラメーター数は80Bですが、推論ステップごとに活性化されるのは約3Bのみです。グローバルな負荷分散を用いた実験では、活性化エキスパートを固定したまま総エキスパートパラメーターを増やすと、トレーニングロスが着実に減少することが示されています。Qwen3のMoE（総エキスパート数128、ルーティング数8）と比較して、Qwen3-Nextは512の総エキスパートに拡張し、10のルーティングエキスパートと1つの共有エキスパートを組み合わせることで、パフォーマンスを損なうことなくリソース使用率を最大化しています。 Qwen3-Next-80B-A3B-Instructは、フラッグシップモデルQwen3-235B-A22B-Instruct-2507に匹敵するパフォーマンスを発揮し、超長コンテキスト（最大256Kトークン）を必要とするタスクにおいて明確な優位性を示しています。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：131kトークン

DeepSeek-V3.2-Expは、長コンテキスト処理効率を向上させる画期的なDeepSeek Sparse Attention（DSA）メカニズムを導入した実験的モデルです。 V3.1-Terminusをベースに構築されたDSAは、同一の出力品質を維持しながら細粒度のスパースアテンションを実現します。これにより、精度を損なうことなく大幅な計算効率の向上が得られます。 包括的なベンチマークにより、V3.2-ExpがV3.1-Terminusのパフォーマンスに匹敵することが確認されており、効率化の向上が能力を犠牲にしないことを証明しています。強力なツールとリサーチプラットフォームの両方として、効率的な長コンテキストAI処理のための新しいパラダイムを確立しています。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：164kトークン

Amazon Nova Pro 1.0は、Amazon Novaの高性能マルチモーダル基盤モデルで、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。コンテキストウィンドウは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。 オプションパラメータ： Latency Optimized Inference：より高いコストでより高速な推論を可能にします。デフォルトでは`off`に設定されています。 有効にした場合、コストが増加する可能性があります。詳細については料金表をご確認ください。

注意：このモデルは2026年9月14日に廃止されます Amazon Nova Premier 1.0モデルは、Amazonの最も高性能な基盤モデルで、非常に長いコンテキスト（約100万トークン）とテキスト、画像、動画などのマルチモーダル入力を処理でき、ツールやデータソース全体にわたる複雑な多段階タスクに優れています。 チェーン・オブ・ソート形式の推論をサポートし、最終的な答えに到達する前に問題を中間ステップに分解することで、一貫性と精度を向上させます。 オプションパラメータ： 最終回答を出す前に応答について考える機能を有効にする：`off`に切り替えない限り、デフォルトで`on`になっています。

Grok 4 Fast Reasoning は、論理的思考と問題解決を必要とするタスクにおいて卓越した性能を発揮します。2Mトークンのコンテキストウィンドウと最先端のコスト効率を備え、複雑な推論タスクを正確かつ迅速に処理し、より多くのユーザーが高度なAI機能を利用できるようにします。

Amazon Nova Microは、Amazon Novaファミリーのテキストのみの基盤モデルで、要約、翻訳、インタラクティブチャットなどのタスクに最適化された超低レイテンシーと非常に低コストを実現するように設計されています。128,000トークンのコンテキストウィンドウをサポートし、1回のリクエストで大量のテキスト入力を処理することができます。

Amazon Nova Liteは、Amazonが提供する低コストのマルチモーダル基盤モデルで、テキスト、画像、動画を処理でき、速度と経済性に最適化されています。300,000トークンのコンテキストウィンドウを提供し、1回のリクエストで非常に大きな入力（最大約30分の動画を含む）を処理できます。

MiniMax-M2は、エンドツーエンドのコーディングとエージェント型ワークフロー向けに最適化されたコンパクトで高効率な大規模言語モデルです。100億のアクティブパラメータ（総計2300億）を持ち、低レイテンシと展開効率を維持しながら、一般的な推論、ツール使用、マルチステップタスク実行において最先端に近い知能を発揮します。 このモデルはコード生成、マルチファイル編集、コンパイル・実行・修正ループ、テスト検証による修復に優れており、SWE-Bench Verified、Multi-SWE-Bench、Terminal-Benchで優れた結果を示しています。また、BrowseCompやGAIAなどのエージェント評価でも競争力のあるパフォーマンスを発揮し、長期的な計画、検索、実行エラーからの回復を効果的に処理します。 Artificial Analysisによるベンチマークでは、MiniMax-M2は数学、科学、指示追従を網羅する複合知能において、トップオープンソースモデルの一つにランクされています。小さなアクティベーションフットプリントにより、高速推論、高並列性、改善されたユニットエコノミクスが可能となり、大規模エージェント、d ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：205kトークン

Hunyuan Image 3.0は、Tencentの次世代オープンソーステキスト画像生成モデルで、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。 注意：添付ファイルのアップロードはサポートされていません。 利用可能なパラメータ制御： 1. 画像設定 サイズ / アスペクト比 – デフォルト：1024×1024（正方形 1:1） – 768×1024（縦長 3:4） – 1024×768（横長 4:3） – 1024×1536（縦長 2:3） – 1536×1024（横長 3:2） – 512×512（小さい正方形 1:1） 数量 – 生成する画像の数。1から4まで選択可能。（デフォルト：1） 品質と生成 – 推論ステップ。品質のためのノイズ除去ステップ数、10から50まで選択可能。（デフォルト：28、高いほど品質向上するが処理が遅くなる） – ガイダンススケール。プロンプトにどの程度従うかを設定、1.0から20まで選択可能。（デフォルト：7.5） カスタマイズ – ネガティブプロンプト。生成画像で避けたい要素を入力 – シード。固定シードでの再現可能な生成のためのランダムシード番号（例：42）

Kling 2.6 Proを使用して、テキストと画像からネイティブオーディオ付きの高品質動画を生成します。 オプションパラメータ： – ネガティブプロンプト。生成画像で避けたい要素を入力してください – CFGスケール。0.0から1.0の間でclassifier-free guidanceスケールを送信します。デフォルトは0.5に設定されています – アスペクト比を設定します。(16:9, 1:1, 9:16)から選択してください。デフォルトは16:9のアスペクト比に設定されています。 – 動画の長さを設定します。(5秒または10秒)から選択して動画の長さを秒単位で指定してください。デフォルトは5秒に設定されています。 – サイレントモード。動画生成でサイレントモードを使用するには`on`に切り替えてください。これによりオーディオなしの動画が生成され、コストが削減されます。

Flux.2 [Pro]は、Black Forest Labsの最先端モデルで、マルチリファレンス対応、高精度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、プロンプト内で16進カラーコードを使用した精密な色指定が可能です。編集用の画像（最大8枚）をjpeg/png/webp形式で送信してください。総メガピクセル数（入力+出力）は9メガピクセルを超えないようにしてください。 オプションパラメータ： アスペクト比を設定します。(16:9, 4:3, 1:1, 3:4, 9:16)から選択してください。デフォルトは4:3のアスペクト比に設定されています。

Flux.2 [Flex]はBlack Forest Labの最新モデルで、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、その他の機能を備えています。構造化されたJSONプロンプトをサポートし、プロンプト内で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jpeg/png/webp形式の画像を送信してください。総メガピクセル数（入力+出力）は14メガピクセルを超えないようにしてください。 オプションパラメータ： アスペクト比を設定します。(16:9, 4:3, 1:1, 3:4, 9:16)から選択してください。デフォルトでは4:3のアスペクト比に設定されています。

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。現在利用可能な最も強力なオープンウェイト画像生成・編集モデルで、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。 オプションパラメータ： アスペクト比を設定します。(16:9, 4:3, 1:1, 3:4, 9:16)から選択してください。デフォルトでは4:3のアスペクト比に設定されています。

このモデルは2026年8月31日に廃止されます。こちらに切り替えてください：https://poe.com/Mistral-Small-4 Mistral Medium 3.1は、強力な推論、コーディング、STEM機能を提供する高性能なエンタープライズグレードの言語モデルです。ハイブリッド、オンプレミス、VPC内デプロイメントをサポートし、競争力のある精度とクラウド環境全体での簡単な統合を提供します。コンテキスト長：131k

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。 より詳細な結果については、以下のエンドポイントの使用を検討してください： https://poe.com/Exa-Research サポートされているファイル形式のアップロード：PDF、TXT、PNG、JPG、JPEG 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。 利用可能なパラメータ制御： – ソーステキストスニペットを含める。各ソース引用の下にテキストスニペットを表示するには`on`に切り替えてください。これはデフォルトで`off`に設定されています。

Exaの技術を活用してWebページの検索、類似Webページの検索、クローリングなどを行います。 注意：このエンドポイントはLLMスタイルの応答を返しません（LLMスタイルの応答をお求めの場合は、以下をご利用ください： https://poe.com/Exa-Answer または https://poe.com/Exa-Research ）。ファイルアップロードはサポートされていません。 利用可能なパラメータ制御： 1. 操作モード – デフォルト：Web検索 – 類似ページを検索。類似ページを見つけるため。 – ページコンテンツを取得。ページコンテンツを取得するため。 – コード検索。コード検索のため。 2. 検索設定（検索操作） – 検索タイプ：Auto（インテリジェント）、Instant（150ms未満）、Neural（埋め込み）、Deep Search（Exa 2.1）、Fast（ストリームライン）から選択。デフォルト：Auto（インテリジェント） – 完全なコンテンツを表示。結果に完全なページコンテンツを表示するかを切り替え – ドメインを含める。含めるドメインをカンマ区切りで入力 – テキストを含める。必ず表示されるテキストを入力（最大5語） – テキストを除外。表示されてはならないテキストを入力（最大5語） 3. 共通検索設定（検索および類似操作） – 結果数：1から100の間で選択し、返す結果数を設定。デフォルトは10に設定 – カテゴリフィルタ：すべてのカテゴリ、企業、研究論文、ニュース、PDF、Github、Tweet、個人サイト、LinkedInプロフィール、財務報告書。デフォルトはなしに設定 – ドメインを除外。除外するドメインをカンマ区切りで入力 4. 日付フィルタ（検索操作） – 開始クロール日。この日付以降にクロールされた結果（ISO 8601） – 終了クロール日。この日付以前にクロールされた結果（ISO 8601） – 開始公開日。この日付以降に公開されたコンテンツ（ISO 8601） – 終了公開日。この日付以前に公開されたコンテンツ（ISO 8601） 5. コンテンツオプション（検索、類似、およびコンテンツ操作） – テキストを返す。ページテキストコンテンツを取得するかを切り替え（デフォルト：オン） – 最大文字数。テキスト長を制限する数値を設定（空白=無制限） – HTMLタグを含める。HTML構造を保持するには`オン`に切り替え。（デフォルト：オフ） – ハイライトを返す。AI選択の重要なスニペットを取得するには`オン`に切り替え。（デフォルト：オフ） – ハイライトあたりの文数。1から10の間でハイライトあたりの文数を設定。（デフォルト：3） – ページあたりのハイライト数。1から10の間で結果あたりのハイライト数を設定。（デフォルト：3） – ハイライトクエリ。ハイライト選択をガイドするテキストを設定 – 要約を返す。AI生成の要約を取得するには`オン`に切り替え。（デフォルト：オフ） – 要約クエリ。要約生成をガイドするテキストを設定 6. 高度なオプション（検索、類似、およびコンテンツ操作） – ライブクロールモード：Fallback（キャッシュ優先）、Never（キャッシュのみ）、Always（新鮮なもののみ）、Preferred（新鮮なもの優先）。デフォルト：Fallback – クロールするサブページ数。0から10の間でリンクされたサブページのクロール数を設定。（デフォルト：0） – サブページターゲット。キーワードに一致する特定のサブページを見つけるテキストを設定 7. コード検索制御（コード操作） – `–code_tokens 応答長。コード検索結果の最大長を設定。Dynamic（最適）、5000トークン（標準）、10000トークン（拡張）、20000トークン（最大）から選択。デフォルトはDynamicに設定。

Amazon Nova 2 Liteは、テキスト、画像、文書、動画を処理できるAmazonの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。100万トークンのコンテキストウィンドウを提供し、長い文書や拡張動画クリップ（約90分）を含む非常に大きく複雑な入力を単一のリクエストで処理できます。 注意事項： – 動画ファイルのアップロードは約1GBに制限されています。また、推論トレースはAWSから公開されないことにご注意ください。 – サポートされるファイル形式：JPEG、PNG、GIF、WEBP、PDF、DOCX、TXT、MP4、MOV、MKV、WebM、FLV、MPEG、MPG、WMV、3GP 利用可能なパラメータ制御： – 拡張思考を有効にする。段階的推論を有効にします（デフォルト：オン）。 – 推論努力を設定：低（高速）、中（バランス）、高（深い分析）から選択します。デフォルト：中（バランス）

OpenAIのGPT-OSS-120Bは、完全にオープンなモデルで高度な思考連鎖推論機能を提供します。コミュニティからのフィードバックを基に開発され、Apache 2.0ライセンスの下でリリースされたこの120Bパラメータモデルは、完全なデータセキュリティとプライバシー管理を必要とする組織に、透明性、カスタマイズ性、そして柔軟な展開オプションを提供します。

OpenAIのGPT-OSS-20Bは、効率的な20Bパラメーターモデルで強力な思考連鎖推論を提供します。単一GPUでの展開用に設計され、高度な推論能力を維持しながら、このApache 2.0ライセンスモデルは、様々なアプリケーションに対してパフォーマンスとリソース効率の完璧なバランスを提供します。

Amazon Nova Reel 1.1は、テキストとオプションの画像プロンプトから最大2分間のマルチショット動画を生成する高度なAI動画生成モデルで、前バージョンと比較して動画品質、レイテンシー、視覚的一貫性が向上しています。

注意：このモデルは2026年9月30日に廃止されます Amazon Nova Canvasは、テキストや画像入力から画像を作成・編集する高品質な画像生成モデルです。インペインティング/アウトペインティング、バーチャル試着、スタイル制御、背景除去などの機能を提供し、すべて組み込みのカスタマイゼーション機能付きです。

Pika-v1.5 Effectsで写真に驚くべき、心を奪うような効果を適用しましょう。画像を添付して、「cakeify」、「crush」、「crumble」などの効果に驚いてください。パラメータコントロールシェルフを開いて、効果の完全なリストをご覧ください。 効果の完全なリスト： Cake-ify、Crumble、Crush、Decapitate、Deflate、Dissolve、Explode、Eye-pop、Inflate、Levitate、Melt、Peel、Poke、Squish、Ta-da、Tear オプションパラメータ： – シード。固定シードで再現可能な生成のためのランダムシード番号 – ネガティブプロンプト。生成画像で避けたいものを入力してください

GLM-4.5シリーズモデルは、インテリジェントエージェント向けに特別に設計された基盤モデルです。フラッグシップモデルのGLM-4.5は、総3,550億パラメーター（320億のアクティブパラメーター）を統合し、推論、コーディング、エージェント機能を統一して複雑なアプリケーションの要求に対応します。 ハイブリッド推論システムとして、2つの動作モードを提供します： – シンキングモード：複雑な推論、ツール呼び出し、戦略的計画を実現 – ノンシンキングモード：リアルタイムインタラクションのための低レイテンシ応答を提供 このアーキテクチャは、動的なエージェント環境において高性能AIと適応型機能を橋渡しします。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：131kトークン

DeepSeek-V3.1は、シンキングモードとノンシンキングモードの両方をサポートするハイブリッドモデルです。DeepSeek-V3.1は、元のDeepSeek-V3レポートで説明された方法論に従い、2段階の長コンテキスト拡張アプローチによって元のV3ベースチェックポイントから構築されたDeepSeek-V3.1-Baseをベースに後処理学習されています。追加の長文書を収集し、両トレーニングフェーズを大幅に拡張することでデータセットを拡充しました。32K拡張フェーズは10倍に増加して630Bトークンになり、128K拡張フェーズは3.3倍に延長されて209Bトークンになりました。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：131kトークン

o4-miniは、科学、数学、コーディングなど、様々なタスクや分野において高い知能を手頃な価格で提供します。 このボットは20万トークンの入力コンテキストと10万トークンの出力コンテキストをサポートしています。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

OpenAIのGPT-4oは、豊富な世界知識を活かし、自然で魅力的、かつユーザーに合わせた文章でプロンプトに応答します。GPT-Image-1を使用して会話形式で画像の作成や編集を行います。画像生成の詳細な制御（画質など）については、https://poe.com/GPT-Image-1をご利用ください。128kトークンのコンテキストウィンドウに対応しています。

o3-proは、https://poe.com/o3 よりも高い価格と低い速度というコストはありますが、様々な分野において優れた能力を持つ包括的で強力なモデルです。特に数学、科学、コーディング、視覚的推論タスク、技術文書作成、指示に従うことに優れています。テキスト、コード、画像を横断した分析を含む多段階の問題を考え抜くために使用してください。 オプションパラメータ： 推論努力レベルの設定：`low`、`medium`、`high`から選択してください。デフォルトでは中程度の推論努力が設定されています。

xAIが2025年2月にリリースしたフラッグシップモデルで、複数の推論・問題解決領域でほぼ最先端の性能を実現しています。APIはGrok 3の推論モードには未対応ですが、https://poe.com/Grok-3-Miniでは対応しています。このボットはXのデータフィードにはアクセスできません。131kトークンのコンテキストに対応し、ネイティブビジョンにはGrok 2を使用します。

xAIの2025年2月リリースで、多くの分野で強力なパフォーマンスを発揮しながら、より手頃な価格で提供されています。設定可能な推論努力レベルでの推論をサポートし、131kトークンのコンテキストを持ちます。Xデータフィードへのアクセスはありません。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

o3は科学、数学、コーディングなど、様々なタスクや分野において最先端のインテリジェンスを提供します。このボットはデフォルトで中程度の推論努力を使用しますが、低、中、高も選択可能です。20万トークンの入力コンテキストと10万トークンの出力コンテキストをサポートします。 オプションパラメータ： 推論努力を設定：`low`、`medium`、`high`から選択。デフォルトでは中程度の推論努力が設定されています。

DeepSeek-V3.1-Terminusは、ユーザーから報告された主要な問題を解決しながら、元のモデルのすべての機能を維持しています。主な改善点は以下の通りです： – 言語の一貫性：中国語と英語が混在する出力を大幅に削減し、異常な文字の出現を排除 – エージェントのパフォーマンス：Code AgentとSearch Agentの機能を強化・最適化 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：131kトークン

OpenAIのGPT-4.1は、コーディングスキル、長いコンテキスト（1Mトークン）、改善された指示への対応において、過去のモデルから大幅に進化しています。ネイティブビジョンに対応し、一般的にGPT-4oよりも高い知能を持っています。チャット履歴キャッシュが75%割引されます。

GPT-4.1 miniは、小型で高速かつ手頃な価格のモデルで、多くの知能および視覚関連タスクでGPT-4oと同等もしくはそれ以上の性能を発揮します。1Mトークンの文脈をサポートしています。

GPT-4.1 nanoは非常に高速で低コストなモデルで、テキスト/画像の要約/分類タスクに最適です。ネイティブな視覚認識と1Mトークンの入力文脈をサポートしています。

このモデルは2026-10-10にサービスを終了します。こちらへ切り替えてください：https://poe.com/Qwen3.7-Max Qwen3-MaxはQwen3シリーズの大型アップデートで、推論、指示への追従、多言語サポートにおいて大幅な改善をもたらします。コーディングや数学などの複雑なタスクでの精度が向上し、幻覚（ハルシネーション）が減少するとともに、オープンエンドな質問への対応も改善されています。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 注意事項： – 入力トークンが32Kを超える場合は料金が2倍、128Kを超える場合は2.5倍になります – 標準APIレートと比較して、入力トークンを10%、出力トークンを8%節約できます。

gpt-oss-120bは、OpenAIによるオープンウェイトの1170億パラメータMixture-of-Experts（MoE）言語モデルで、高度な推論、エージェント型、および汎用の本番ユースケース向けに設計されています。フォワードパスごとに51億パラメータを活性化し、ネイティブMXFP4量子化を使用して単一のH100 GPU上で動作するよう最適化されています。このモデルは、設定可能な推論深度、完全な思考連鎖アクセス、および関数呼び出し、ブラウジング、構造化出力生成を含むネイティブツール使用をサポートしています。 ファイルサポート：テキスト、Markdown、画像、PDFファイル コンテキストウィンドウ：131kトークン

gpt-oss-20bは、OpenAIがApache 2.0ライセンスの下でリリースしたオープンウェイトの21Bパラメーターモデルです。フォワードパスごとに3.6Bのアクティブパラメーターを持つMixture-of-Experts（MoE）アーキテクチャを使用し、低レイテンシ推論とコンシューマー向けまたは単一GPUハードウェアへの展開に最適化されています。このモデルはOpenAIのHarmonyレスポンス形式でトレーニングされており、推論レベルの設定、ファインチューニング、および関数呼び出し、ツール使用、構造化出力を含むエージェント機能をサポートしています。 ファイルサポート：テキスト、Markdown、画像、PDFファイル コンテキストウィンドウ：131kトークン

Cerebrasによる GPT OSS 120B の世界最速の推論。OpenAI の GPT-OSS-120B は完全にオープンなモデルで高度な思考連鎖推論機能を提供します。このボットは動画、ppt、docx、excelファイルには対応していません。

GPT-OSS-120bは、本番環境グレードの汎用的なユースケース向けに設計された高性能なオープンウェイトの言語モデルです。単一のH100 GPUで動作可能で、マルチGPUインフラを必要とせずにアクセスできます。Harmony応答フォーマットで訓練されており、複雑な推論に優れ、設定可能な推論努力、デバッグと信頼性向上のための完全な思考連鎖の透明性、関数呼び出し、ツール使用、構造化出力のためのネイティブなエージェント機能をサポートしています。

GPT-OSS-20Bは、ローカルやエッジデプロイメントを含む、低レイテンシーとリソース制約のある環境向けに最適化されたコンパクトなオープンウェイトの言語モデルです。120Bと同じHarmonyトレーニング基盤と機能を共有しており、より高速な推論と容易なデプロイメントを実現し、特殊またはオフラインのユースケース、高速な応答性能、思考連鎖出力、エージェント型ワークフローに最適です。

Qwen/qwen3-maxは、エージェントプログラミングとツール呼び出しに特化したアップグレードで強化されています。この公式リリースはドメインSOTAパフォーマンスを達成し、より複雑なエージェントシナリオをサポートしています。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：262kトークン

qwen/qwen3-vl-235b-a22b-thinking（Novita AI提供） ファイルサポート：テキスト、Markdown、画像、動画、PDFファイル コンテキストウィンドウ：131kトークン

qwen/qwen3-vl-235b-a22b-instruct（Novita AI提供） ファイルサポート：テキスト、Markdown、画像、動画、PDFファイル コンテキストウィンドウ：131kトークン

Qwen3 235B A22B 2507は、現在クローズドおよびオープンソースモデルの中で最高の指示モデル（非推論）です。指示に従う能力、論理的思考、テキスト理解、数学、科学、コーディング、ツールの使用に優れています。また、多言語タスクにも優れており、長いコンテキストウィンドウ（262k）をサポートしています

Qwen3-Coder-480B-A35B-Instructは、Qwenが提供する最先端のオープンコーディングモデルで、エージェント型プログラミング、ブラウザ自動化、コア開発タスクにおいてClaude Sonnetのパフォーマンスに匹敵します。ネイティブ256Kコンテキスト（YaRN経由で最大1Mトークンまで拡張可能）を備え、リポジトリスケールの分析に優れ、Qwen CodeやCLINEなどのプラットフォーム向けに特化した関数呼び出しサポートを提供し、複雑な実際の開発ワークフローに最適です。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：262kトークン

Qwen3は、Qwenシリーズの最新世代の大規模言語モデルで、密なモデルとエキスパートの混合（MoE）モデルの包括的なスイートを提供します。広範なトレーニングに基づき、Qwen3は推論、指示への従順性、エージェント機能、多言語サポートにおいて画期的な進歩を実現しています。 32kトークンの入力コンテキストと8kトークンの出力コンテキストをサポート。量子化：FP8。

Qwen3-235B-A22B-Instruct-2507は、Qwen3-235Bアーキテクチャをベースにしたフォワードパスごとに220億のアクティブパラメータを持つ多言語対応の指示調整済みMixture-of-Experts言語モデルです。指示追従、論理推論、数学、コード、ツール使用を含む汎用テキスト生成向けに最適化されています。このモデルはネイティブ262Kコンテキスト長をサポートし、”思考モード”（<think>ブロック）を実装していません。 ベースバリアントと比較して、このバージョンは知識カバレッジ、長コンテキスト推論、コーディングベンチマーク、オープンエンドタスクとのアライメントで大幅な向上を実現しています。多言語理解、数学的推論（例：AIME、HMMT）、Arena-HardやWritingBenchなどのアライメント評価において特に優れています。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：131kトークン

このモデルは2026年7月31日に廃止されます。こちらに切り替えてください： https://poe.com/Mistral-Small-4 Magistral Medium 1.2（別名Magistral Medium 2509）は、Mistralの初の推論モデルです。非推論LLMよりも長い思考処理とより高い精度を必要とする汎用用途に最適です。法的調査や財務予測からソフトウェア開発やクリエイティブなストーリーテリングまで — このモデルは透明性と精度が重要な多段階の課題を解決します。コンテキストウィンドウ：40,000k サポートされているファイルタイプのアップロード：PDF、XLSX、TXT、PNG、JPG、JPEG

OpenAIのo1は応答前に推論するよう設計されており、複雑なタスク（科学、コーディング、数学など）において世界クラスの能力を提供します。o1-previewを改良し、より高い推論努力を持ち、画像を通じた推論も可能で、200kトークンの入力コンテキストをサポートします。デフォルトでは中程度の推論努力を使用しますが、低、中、高も選択可能です。

OpenAIのo1-proは高度に有能な推論モデルで、複雑な計算やコンテキスト重視のタスクに特化し、より正確で信頼性の高い回答を提供するために追加の思考時間を費やします。コストが低く複雑でないタスクには、https://poe.com/o3-mini が推奨されます。 オプションパラメータ： 推論努力を設定：低、中、高から選択。デフォルトでは中程度の推論努力が設定されています。

Cartesia 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してください。デフォルトは英語（en）です。 サポートされている言語： 英語（en） 中国語（zh） ドイツ語（de） スペイン語（es） ロシア語（ru） 韓国語（ko） フランス語（fr） 日本語（ja） ポルトガル語（pt） トルコ語（tr） ポーランド語（pl） カタルーニャ語（ca） オランダ語（nl） アラビア語（ar） スウェーデン語（sv） イタリア語（it） インドネシア語（id） ヒンディー語（hi） フィンランド語（fi） ベトナム語（vi） ヘブライ語（he） ウクライナ語（uk） ギリシャ語（el） マレー語（ms） チェコ語（cs） ルーマニア語（ro） デンマーク語（da） ハンガリー語（hu） タミル語（ta） ノルウェー語（no） タイ語（th） ウルドゥー語（ur） クロアチア語（hr） ブルガリア語（bg） リトアニア語（lt） ラテン語（la） マオリ語（mi） マラヤーラム語（ml） ウェールズ語（cy） スロバキア語（sk） テルグ語（te） ペルシャ語（fa） ラトビア語（lv） ベンガル語（bn） セルビア語（sr） アゼルバイジャン語（az） スロベニア語（sl） カンナダ語（kn） エストニア語（et） マケドニア語（mk） ブルトン語（br） バスク語（eu） アイスランド語（is） アルメニア語（hy） ネパール語（ne） モンゴル語（mn） ボスニア語（bs） カザフ語（kk） アルバニア語（sq） スワヒリ語（sw） ガリシア語（gl） マラーティー語（mr） パンジャブ語（pa） シンハラ語（si） クメール語（km） ショナ語（sn） ヨルバ語（yo） ソマリ語（so） アフリカーンス語（af） オック語（oc） ジョージア語（ka） ベラルーシ語（be） タジク語（tg） シンド語（sd） グジャラート語（gu） アムハラ語（am） イディッシュ語（yi） ラオ語（lo） ウズベク語（uz） フェロー語（fo） ハイチ・クリオール語（ht） パシュトー語（ps） トルクメン語（tk） ニーノシュク（nn） マルタ語（mt） サンスクリット語（sa） ルクセンブルク語（lb） ミャンマー語（my） チベット語（bo） タガログ語（tl） マダガスカル語（mg） アッサム語（as） タタール語（tt） ハワイ語（haw） リンガラ語（ln） ハウサ語（ha） バシキール語（ba） ジャワ語（jw） スンダ語（su） 広東語（yue）

OpenAIのこのインテリジェントな小規模モデルは、GPT-3.5 Turboと同じ速さを保ちながら、より賢く、より低コストです。

このモデルは2026年10月10日に廃止されます。以下に切り替えてください: https://poe.com/Qwen3.7-Max Qwen3-Max-Previewは、総合的な能力において2.5シリーズから大幅な向上を示しており、中英テキスト理解、複雑な指示への対応、主観的なオープンエンドタスクの処理、多言語能力、ツール呼び出しにおいて顕著な強化が見られます。また、モデルの知識ハルシネーションが低減されています。 利用可能なパラメーター設定: 1. Thinking Mode – 最終回答を出す前に応答について考えることを有効にする: `on` に切り替えてください。それ以外の場合は、デフォルトで `off` です。 2. Code Interpreter – `on` に切り替えるとコードインタープリターが有効になります。デフォルトでは `off` です。 – モデルが計算、データ分析、可視化のためのPythonコードを記述・実行できるようにします

o3-miniはOpenAIの推論モデルで、科学、数学、コーディングなど様々なタスクや分野で高い知能を提供します。このボットはデフォルトで中程度の推論努力を使用しますが、低、中、高から選択可能です。20万トークンの入力コンテキストと10万トークンの出力コンテキストをサポートします。 オプションパラメータ： 推論努力の設定：`low`、`medium`、`high`から選択。デフォルトでは中程度の推論努力が設定されています。

o3-mini-highは、OpenAIの最新の推論モデルで、reasoning_effortが高に設定されており、ほとんどのタスクで最先端の知能を提供します。o-シリーズの他のモデルと同様に、科学、数学、コーディングタスクで優れた性能を発揮するように設計されています。入力コンテキストとして200kトークン、出力コンテキストとして100kトークンをサポートしています。

Metaのllama 3.1ファミリーの中で最小かつ最速のモデルです。このオープンソース言語モデルは多言語対話に優れており、クローズドおよびオープンソースの対話型AIシステムの業界ベンチマークを上回る性能を発揮します。このボットに送信されるすべてのデータは、Poeのプライバシーポリシーに準拠し、米国を拠点とするDeepInfraにのみ送信されます。 入力トークン制限128k、出力トークン制限8k。量子化：FP16（公式）。

このモデルは2026年8月31日に廃止されます。こちらに切り替えてください：https://poe.com/Mistral-Small-4 Mistral Medium 3は、トップクラスの推論とマルチモーダル性能を提供する強力でコスト効率の良い言語モデルです。コンテキストウィンドウ：130k

Mistral AIの中サイズモデルです。32kトークン（約24,000語）のコンテキストウィンドウをサポートし、ベンチマーク全体でMixtral-8x7bおよびMistral-7bよりも強力です。

Fireworks AIがホストするMeta’s Llama 3.3 70B Instructです。Llama 3.3 70Bは、Llama 3.1 70Bを上回る性能を持ち、合成データ生成などのテキストベースのユースケースで優れたパフォーマンスと品質を低推論コストで提供する新しいオープンソースモデルです。

Llama 3.3 70B は、Llama 3.1 405B と同等の性能を持ちながら、より高速で大幅にサイズが小さくなっています！Llama 3.3 70B は、はるかに低い推論コストで合成データ生成などのテキストベースのユースケースで優れた性能と品質を提供する新しいオープンソースモデルで、Llama 3.1 70B から改善されています。

DeepSeek-Prover-V2は、Lean 4における形式的定理証明のために特別に設計されたオープンソースの大規模言語モデルです。このモデルは、同社のDeepSeek-V3基盤モデルを活用した再帰的定理証明パイプラインに基づいて構築されています。

OpenAI の o1 モデルに匹敵するトップクラスのオープンソース推論 LLM。数学、コード、推論タスクにおいて、低コストで最高レベルのパフォーマンスを提供します。このボットに提供されるすべてのデータは、トレーニングには使用されず、米国を拠点とする DeepInfra にのみ送信されます。ボットは添付ファイルを受け付けません。 入力コンテキスト64kトークン、出力コンテキスト8kトークンをサポート。量子化：FP8（公式）。

DeepSeek R1 0528は、DeepSeekチームがリリースした最新のオープンソースモデルで、優れた推論能力を備えており、特に数学、コーディング、および推論タスクにおいてOpenAIのo1モデルに匹敵するパフォーマンスを達成しています。 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：164kトークン

Meta Llama 3.3多言語大規模言語モデル（LLM）は、70B（テキスト入力／テキスト出力）の事前学習済みおよびインストラクションチューニング済みの生成モデルです。Llama 3.3インストラクションチューニング済みテキスト専用モデルは、多言語対話のユースケース向けに最適化されており、一般的な業界ベンチマークにおいて利用可能なオープンソースおよびクローズドチャットモデルの多くを上回っています。 サポート言語：英語、ドイツ語、フランス語、イタリア語、ポルトガル語、ヒンディー語、スペイン語、タイ語 ファイルサポート：テキスト、Markdown、PDFファイル コンテキストウィンドウ：131kトークン

GPT Researcherは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。 GPTRは人気のオープンソースプロジェクト（https://github.com/assafelovic/gpt-researcher）をベースにしています — Tavily検索を統合することで、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。詳細は https://gptr.dev または https://tavily.com をご覧ください

OpenAIのリアルタイム情報をウェブ検索するための微調整モデルです。より低コストのメッセージには、https://poe.com/GPT-4o-mini-Searchをご検討ください。中程度の検索コンテキストサイズを使用し、現在プレビュー中で、128kトークンのコンテキストをサポートしています。画像検索には対応していません。

Reka Researchは、ウェブ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

Sonar by Perplexityは、正確な引用付きでリアルタイムのウェブ接続検索結果を提供する最先端のAIモデルです。最新の情報と検索ソースのカスタマイズ機能を提供するよう設計されており、様々なアプリケーションにAI検索を統合するための強力なツールです。コンテキスト長：127k このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Linkup Deep Searchは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です。 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ています。 注意事項： コンテキストウィンドウ：10万 音声/動画ファイルは現在サポートされていません。 利用可能なパラメータ制御： 1. ドメイン制御。特定のドメイン内のみを検索するには`Include only these domains`を選択、検索結果からドメインを除外するには`Exclude these domains`を選択。 2. ドメインの優先順位付け。検索でより高い優先度を与える 3. 日付範囲：`from date`と`to date`を設定して日付範囲検索を選択。YYYY-MM-DD日付形式を使用 4. コンテンツオプション：`include image`を切り替えて検索に関連画像を含め、`image count`（最大45）を設定して表示する画像の特定の数を設定。 5. 引用オプション：インライン引用を有効にして応答テキストにインライン引用を含める（デフォルト：`on`）。ソースリストを含めるを切り替えて応答にソースのリストを含める（デフォルト：`on`） 詳細はこちら：https://www.linkup.so/

Linkup Standard は、ウェブ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検索と比較して結果が速く表示されます。 Linkupのテクノロジーは、事実の正確性において世界第1位にランクされており、OpenAI’s SimpleQAベンチマークで最先端のスコアを達成しています。 注意事項: コンテキストウィンドウ: 100k 現時点では音声/動画ファイルはサポートされていません。 利用可能なパラメータ制御: 1. ドメイン制御。特定のドメインのみを検索する場合は `Include only these domains` を選択し、検索結果からドメインを除外する場合は `Exclude these domains` を選択します。 2. ドメインの優先順位付け。検索での優先度を高めるために使用します。 3. 日付範囲: `from date` と `to date` を設定して日付範囲検索を指定します。YYYY-MM-DD形式を使用してください。 4. コンテンツオプション: `include image` を切り替えて検索結果に関連画像を含め、`image count`（最大45件）を設定して表示する画像数を指定します。 5. 引用オプション: `enable inline citation` を切り替えてレスポンステキストにインライン引用を含めます（デフォルト: `on`）。`include sources list` を切り替えてレスポンスにソースの一覧を含めます（デフォルト: `on`）。 詳細はこちら: https://www.linkup.so/

Perplexity Pro Searchは、Sonar Proを完全な自律型研究エージェントに変換し、ウェブ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。 利用可能なパラメータ制御： 1. 検索設定 – 検索コンテキストサイズ（low、medium、high）は検索の深度を調整します（コストと包括性に影響） – ストリームモードfullは、簡潔な推論表示から従来のストリーミングに切り替えます 2. コンテンツフィルタリング – 検索モードacademicは結果を学術ソースに制限します – 検索モードsecはSEC提出書類のみに制限します – 検索ドメインフィルター例：example.com,nasa.govは指定されたドメインのみを含めます（最大20） – 検索ドメインフィルター例：-pinterest.com,-spam.comはドメインを除外します（-を前に付ける） – 検索言語フィルター例：en,fr,deはISO 639-1言語コードでフィルタリングします（最大10、2文字コード） 3. 日付と最新性フィルター – 検索最新性フィルター（day、week、month、year）は今日からの相対時間でフィルタリングします – 検索開始日MM/DD/YYYYと検索終了日MM/DD/YYYYは正確な公開日を指定します – 注意：特定の日付と最新性フィルターは相互排他的です（日付が優先されます） – 最終更新日以降フィルターMM/DD/YYYYと最終更新日以前フィルターMM/DD/YYYYは最終変更日でフィルタリングします 4. 位置ベース検索 – 国例：USは2文字のISO 3166-1国コードでローカライズされた結果を設定します – 地域例：Californiaは州/省を指定します（国が必要） – 都市例：San Franciscoは市レベルに絞り込みます（国が必要） – 緯度-37.7749 経度-122.4194は正確な座標ベース検索を行います（国が必要） 5. メディア結果 – 画像を返すは検索結果にインラインプレビュー付きの画像を含めます – 画像ドメインフィルター例：wikimedia.org,-getty.comは画像ソースをフィルタリングします（最大10、-を前に付けて除外） – 画像形式フィルター例：jpg,png,webpは特定の形式に制限します（gif、jpg、png、webpをサポート） – 動画を返すは埋め込み動画プレビューを含めます（YouTube動画はiframeとしてレンダリング）

このモデルは、ウェブ検索機能を備えたPerplexityのオープンソース無制限R1-1776モデルをベースに動作します。Perplexity Sonar Rsn Pro推論モデルは、AI駆動の回答を次のレベルへと引き上げ、比類のない品質と精度を提供します。主要な検索エンジンやLLMを凌駕し、SimpleQAベンチマークで優れたパフォーマンスを示しており、高品質な回答生成のゴールドスタンダードとなっています。コンテキスト長：128k（最大出力トークン制限8k）

Perplexity Deep Researchは、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。コンテキスト長：128k このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Mistral Small 3.1 24B Instructは、Mistral Small 3（2501）の改良版で、240億のパラメータと高度なマルチモーダル機能を備えています。テキストベースの推論や視覚タスク、画像分析、プログラミング、数学的推論、数十の言語に対応した多言語サポートにおいて最先端の性能を提供します。128kトークンのコンテキストウィンドウを備え、ローカル推論に最適化されており、会話エージェント、関数呼び出し、長文書の理解、プライバシーに配慮した導入などのユースケースをサポートします。

Generate music from text prompts using the MiniMax model, which leverages advanced AI techniques to create high-quality, diverse musical compositions. Notes: Send the lyrics of the music over as your prompt. Both prompt/lyrics and style must be sent over for best quality. The prompt supports [intro][verse][chorus][bridge][outro] sections. Optional parameters: Set music style to set the style of the generated music – for example, rock and roll, hip-hop, etc.

ElevenLabs Music v2 は、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する高度なAI音楽生成モデルです。ジャンル、ムード、テンポ、調性、楽器、歌詞など、希望する音楽を説明してください—モデルがあなたのニーズに合わせたロイヤリティフリーのトラックを作曲します。 主な機能： – あらゆるジャンルにわたる、より優れたボーカル、演奏、アレンジ – トラック途中でのジャンル転換や、高速ラップを含む複雑なボーカル表現 – 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（英語、スペイン語、フランス語、ドイツ語、日本語など） 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。

ElevenLabs音楽モデルは、テキストプロンプトからオリジナル音楽を作曲するように設計された生成AIシステムです。クリエイターがジャンル、ムード、楽器、構造を指定でき、ニーズに合わせたロイヤリティフリーのトラックを制作します。このモデルは速度、創造的柔軟性、高品質なオーディオ出力を重視し、動画、ポッドキャスト、ゲーム、その他のマルチメディアプロジェクトでの使用に適しています。このボットは、一般的な説明に基づく推奨歌詞、そのように指定された正確な歌詞、またはインストゥルメンタルの楽曲を、すべてプロンプトを通じて制作できます。 オプションパラメータ： 楽曲の長さをミリ秒単位で設定する音楽の長さ（10,000〜300,000ms）。 注意：プロンプト入力は2,000文字を超えることはできません。

Whisper v3 Large は OpenAI が開発した最先端の自動音声認識・翻訳モデルで、前モデルの Whisper 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、様々な音声入力の処理能力が向上しています。

Stable Audio 2.5は、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、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。 注意：オーディオからオーディオおよびインペイントモードでは、生成のためにアップロードされたオーディオファイルと一緒にプロンプトが必要です。 利用可能なパラメータ制御： 1. 基本 – 生成モード：テキストからオーディオ、オーディオからオーディオ（変換）、オーディオインペイント（セグメント編集） – 出力形式：WAV（高品質）、MP3（圧縮） 2. タイミングとランダム性 – 継続時間 [1-190秒] 生成されるオーディオの長さを制御 – シード [0-4294967294]’ ランダムシード生成を無効にします。設定するには、ランダムシードを使用をオフにする必要があります。 3. 詳細設定 – Cfgスケール [1-25]：高い値 = プロンプトにより近い（推奨7-15） – ステップ [4-8]`：高い値 = より良い品質（推奨6-8） 4. 変換制御（オーディオからオーディオのみ） – 強度 [0-1]`：どの程度変更/変換するか（通常0.3-0.7） 5. インペインティング制御（オーディオインペイントのみ） – マスク開始時間 [秒] アップロードされたオーディオの修正開始時間 – マスク終了時間 [秒] アップロードされたオーディオの修正終了時間

Stable Audio 2.0は、テキストプロンプトから最大3分間のオーディオを生成し、持続時間、ステップ、CFGスケールなどのカスタマイズ可能な設定でテキストからオーディオ、オーディオからオーディオの変換をサポートします。シンプルなプロンプトから詳細で拡張された出力を求めるクリエイティブプロフェッショナルに最適です。 注意：オーディオからオーディオモードでは、生成のためにアップロードされたオーディオファイルと一緒にプロンプトが必要です。 利用可能なパラメータ制御： 1. 基本 – 生成モード：Text to Audio、Audio to Audio（変換） – 出力形式：WAV（高品質）、MP3（圧縮） 2. タイミングとランダム性 – 持続時間[1-190秒]は生成されるオーディオの長さを制御します – シード[0-4294967294]はランダムシード生成を無効にします。設定するにはランダムシードを使用をオフにする必要があります。 3. 高度 – Cfgスケール[1-25]：高いほどプロンプトに近くなります（推奨7-15） – ステップ[4-8]：高いほど品質が向上します（推奨6-8） 4. 変換制御（オーディオからオーディオのみ） – 強度[0-1]：どの程度変更/変換するか（通常0.3-0.7）

ElevenLabsの最先端のテキスト読み上げ技術は、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。テキストプロンプトを送信するだけで、利用可能な音声から選択した音声を使用してオーディオを生成します。URLやPDFをリンクすると、可能な限り読み上げを行います。全体のデフォルト音声はJessica（アメリカ英語の女性）です。 オプションパラメータ： 音声名。（例：”Hello world –voice Eric”）使用する音声をカスタマイズします。 言語。発音エラーに気づいた場合は、メッセージに言語ISO-639-1コードを追加してください。ISO-639-1コードの表はこちら： https://en.wikipedia.org/wiki/List_of_ISO_639_language_codes （例：中国語はzh、スペイン語はes、ヒンディー語はhi） 以下の音声が各言語でサポートされ、推奨されています： 英語 — Sarah、George、River、Matilda、Will、Jessica、Brian、Lily、Monika Sogam 中国語 — James Gao、Martin Li、Will、River スペイン語 — David Martin、Will、Efrayn、Alejandro、Sara Martin、Regina Martin ヒンディー語 — Ranga、Niraj、Liam、Raju、Leo、Manu、Vihana Huja、Kanika、River、Monika Sogam、Muskaan、Saanu、Riya、Devi アラビア語 — Bill、Mo Wiseman、Haytham、George、Mona、Sarah、Sana、Laura ドイツ語 — Bill、Otto、Leon Stern、Mila、Emilia、Lea、Leonie インドネシア語 — Jessica、Putra、Mahaputra ポルトガル語 — Will、Muhammad、Onildo、Lily、Jessica、Alice ベトナム語 — Bill、Liam、Trung Caha、Van Phuc、Ca Dao、Trang、Jessica、Alice、Matilda フィリピン語 — Roger、Brian、Alice、Matilda フランス語 — Roger、Louis、Emilie スウェーデン語 — Will、Chris、Jessica、Charlotte トルコ語 — Cavit Pancar、Sohbet Adami、Belma、Sultan、Mahidevran ルーマニア語 — Eric、Bill、Brian、Charlotte、Lily イタリア語 — Carmelo、Luca、Alice、Lily ポーランド語 — Robert、Rob、Eric、Pawel、Lily、Alice ノルウェー語 — Chris、Charlotte チェコ語 — Pawel フィンランド語 — Callum、River ハンガリー語 — Brian、Sarah 日本語 — Alice プロンプト入力は40,000文字を超えることはできません。

Gemini‑2.5‑Pro‑TTSは、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た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。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、最も強力なモデルアーキテクチャによる最先端の出力を実現します。 注意事項： – テキストとスタイルプロンプトはそれぞれ4,000バイトまで（合計8,000バイト） – 最大出力時間：約10分 – 複数話者の場合は「話者名: テキスト」形式が必要（例：Alice: こんにちは！ Bob: こんにちは、新しい行に記述する必要があります） – モデルは入力言語を自動検出します。言語設定は適切な音声/アクセントの選択を支援するヒントであり、テキストが異なる言語の場合、モデルがこの設定を上書きする場合があります。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Orpheus TTSは最先端の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。テキストプロンプトを送信して音声化してください。 オプションパラメータ: 利用可能な音声から選択（`tara`、`leah`、`jess`、`leo`、`dan`、`mia`、`zac`、`zoe`）。公式にサポートされている音響効果は：<laugh>、<chuckle>、<sigh>、<cough>、<sniffle>、<groan>、<yawn>、<gasp>、<giggle>です。

Deepgram 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。 [1] 基本機能： – PDF生成：文字起こしのPDFファイルを生成します。デフォルトでは無効です – 話者識別：音声内の異なる話者を識別します。これにより発話機能が自動的に有効になります。デフォルトでは無効です。 – スマートフォーマット：句読点や段落を含む読みやすさを向上させるための自動テキストフォーマットを設定します。この機能はデフォルトで有効です。 [2] 高度な機能： – 音声入力：句読点の音声コマンドをそれぞれの記号に変換します（例：「ピリオド」が「。」になります）。これにより句読点機能が自動的に有効になります。デフォルトでは無効です。 – 測定単位：話された測定単位を略語にフォーマットします。デフォルトでは無効です – 不適切な言葉フィルター：不適切な言葉をアスタリスクに置き換えます。デフォルトでは無効です。 – PCI情報削除：支払いカード情報を削除します。デフォルトでは無効です。 – PII情報削除：個人識別情報を削除します。デフォルトでは無効です。 – 発話：音声を意味のある意味単位に分割します。デフォルトでは無効です。 – 段落：音声を段落に分割して文字起こしの読みやすさを向上させます。これにより句読点機能が自動的に有効になります。デフォルトで有効です。 – 句読点：文字起こしに句読点と大文字化を追加します。デフォルトで有効です。 – 数字：数字を文字形式から数値形式に変換します。デフォルトで有効です。 [3] 対応言語： 自動検出（デフォルト） 英語 スペイン語 フランス語 ドイツ語 イタリア語 ポルトガル語 日本語 中国語 ヒンディー語 ロシア語 オランダ語 [4] キーワード：認識精度を向上させるための重要な用語をカンマで区切って入力してください。英語のみ、合計500トークンまで。

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。 注意事項： 構造化JSONプロンプトに対応し、プロンプト内で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jpeg/png/webp形式の画像を送信できます（最大8枚まで）。 オプションパラメータ： – アスペクト比の設定。(16:9, 4:3, 1:1, 3:4, 9:16)から選択。デフォルトは4:3のアスペクト比に設定されています。

fal.aiがホストするZ-Image Turboの超高速エンドポイント。ポートレート写真とリアルな画像に優れています。 注意事項： ボットは添付ファイルを受け付けません。 オプションパラメータ： – アスペクト比の設定。（16:9、4:3、1:1、3:4、9:16）から選択。デフォルトは4:3のアスペクト比に設定されています。

Black Forest LabsのFlux 2 [klein] 4B Baseを使用したテキストから画像生成と画像編集。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。画像編集や参考資料として最大3枚の画像（jpeg/png/webp）を送信できます。 オプションパラメータ： – アスペクト比の設定。（16:9、4:3、1:1、3:4、9:16）から選択。デフォルトは4:3のアスペクト比に設定されています。

Black Forest Labsの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。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。画像編集や参考資料として最大3枚の画像（jpeg/png/webp）を送信できます。 オプションパラメータ： – アスペクト比の設定。（16:9、4:3、1:1、3:4、9:16）から選択。デフォルトは4:3のアスペクト比に設定されています。

Black Forest LabsのFlux 2 [klein] 4B Distilledによるテキストから画像生成と画像編集。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。画像編集や参照として使用するために最大3枚の画像（jpeg/png/webp）を送信できます。 オプションパラメータ： アスペクト比を設定。サポートされているアスペクト比 – 16:9、4:3、1:1、3:4、9:16

ByteDanceのDreamina 3.1 Text-to-Imageは優れた画像効果を示し、画像の美的品質、正確で多様なスタイル、豊富な詳細において大幅な改善を実現しています。このモデルは大きなプロンプトで優れた性能を発揮するため、コンテンツチェッカーの問題に直面した場合は大きなプロンプトを使用してください。 このモデルは添付ファイルを受け付けません。 オプションパラメータ： アスペクト比。有効なアスペクト比は16:9、4:3、1:1、3:4、9:16です。

Stable Video Infinity 2.0 Pro（WAN 2.2搭載）は、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、ループや急激な遷移なしに無限で滑らかな動きと進化する視覚効果を可能にします。 このモデルはEmpirioLabs.aiによってホストされ、Poeプラットフォーム限定です。 詳細はこちら：https://stable-video-infinity.github.io/homepage/ 注意事項： – 選択した長さによっては、生成に45分以上かかる場合があります。 – スローモーションの問題が発生している場合は、セグメントごとにより連続的な動きを記述するようにプロンプトを調整してみてください（例：騎士が雨の中に立ち、ヘルメットから水が滴り落ちる中で拳を握りしめ、城門に向かって見上げ、息を整えてから振り返って前進する）。 – Image-to-Video生成の方が優れた結果が得られる可能性があります。 – サポートされている画像アップロードファイル形式：.jpg、.jpeg、.png、.webp、.heic、.heif、.bmp、.tiff、.tif パラメータ制御： 1. 動画設定 – 解像度 [832×480、480×832、720×1280、1280×720]：出力サイズを制御（デフォルト：832×480） – 継続時間 [18-121.5]：推定動画長（秒）（ステップ4.5） – 480p：最大121.5秒 – 720p：最大40.5秒 2. 詳細設定 – Cfg [1.0-2.0]：プロンプト遵守強度（デフォルト：1.0） – ネガティブプロンプト [テキスト]：デフォルトで含まれる標準ネガティブプロンプト（例：”vibrant tone, overexposed…”） 3. Text-to-Video設定 – t2v品質 [fast または quality]：テキストから動画への生成モード（デフォルト：quality）

FLUX.2ベースモデルから派生した超高速オープンウェイト画像生成（32Bパラメータ）モデル。画像編集や参考として使用するために最大3枚の画像（jpeg/png/webp）を送信できます。 オプションパラメータ： アスペクト比を設定：16:9、4:3、1:1、3:4、9:16

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）、FLUX.2ベースモデルから派生。画像編集や参照用に最大3枚の画像（jpeg/png/webp）を送信できます。 オプションパラメータ： アスペクト比を設定：16:9、4:3、1:1、3:4、9:16

FLUX.1 Kontext [max]は、Black Forest Labsの新しい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。 オプションパラメータ： テキストから画像生成のアスペクト比を設定します。利用可能なアスペクト比（21:9、16:9、4:3、1:1、3:4、9:16、9:21）

FLUX.1 Kontext [pro]モデルは、前例のないプロンプト追従性、フォトリアリスティックなレンダリング、完璧なタイポグラフィ、画像編集機能を備えた最先端の画像生成結果を提供します。プロンプトを送信して画像を生成するか、指示と共に画像を送信して画像を編集してください。 オプションパラメータ： テキストから画像生成のアスペクト比を設定。利用可能なアスペクト比（21:9、16:9、4:3、1:1、3:4、9:16、9:21）

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。 オプションパラメータ： アスペクト比を選択します。有効なアスペクト比は16:9、4:3、1:1、3:4、9:16です。画像を送信すると、このモデルがFLUX Krea Reduxを使用して再構築/再生成します。

Wan Animateは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。 ボットが対応しているファイル形式は、JPEG、PNG、WebP、MP4の4種類のみです。

ByteDanceのSeedream 3.0は、テキストから画像生成に優れたバイリンガル（中国語と英語）のテキスト画像生成モデルです。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Seedanceは、テキストから動画、画像から動画への変換機能を持つ動画生成モデルです。セマンティック理解とプロンプト追従において画期的な進歩を達成しています。 オプションパラメータ： アスペクト比（利用可能な値：`21:9`、`16:9`、`4:3`、`1:1`、`3:4`、`9:16`）。 解像度（`480p`、`720p`、`1080p`のいずれかで動画解像度を設定）。 継続時間（3から12）で動画の長さを設定します。 注意：料金計算に使用される動画トークン数は概算で：`height * width * fps * duration / 1024`です。

Seedanceは、テキストから動画、画像から動画への機能を持つ動画生成モデルです。セマンティック理解とプロンプト追従において画期的な成果を達成しています。 オプションパラメータ: アスペクト比（利用可能な値：`21:9`、`16:9`、`4:3`、`1:1`、`3:4`、`9:16`）。 解像度（`480p`、`720p`、`1080p`のいずれかで動画解像度を設定）。 継続時間（3から12）で動画の長さを設定。 注意：料金計算に使用される動画トークン数は概算で：`height * width * fps * duration / 1024`です。

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。 注意事項： 画像のリミックス/リスタイリングには、プロンプトと共に1枚の画像を送信してください。 画像編集には、2枚の画像（1枚は元画像、もう1枚は編集エリアを示す白黒マスク画像）を送信してください。 オプションパラメータ： アスペクト比を設定。(5:4, 4:3, 4:5, 1:1, 1:2, 1:3, 3:4, 3:1, 3:2, 2:1, 2:3, 16:9, 16:10, 10:16, 9:16)から選択。デフォルトは4:3のアスペクト比に設定されています。 スタイルを設定。希望するスタイルプリセットを選択。デフォルトではスタイルは設定されていません。

Ideogramの最新画像モデルで、リアルな画像生成、グラフィックデザイン、タイポグラフィなどの業界最高水準の機能を備えています。 オプションパラメータ： アスペクト比を設定。(10:16, 16:10, 9:16, 16:9, 3:2, 2:3, 4:3, 3:4, 1:1)から選択。デフォルトは1:1のアスペクト比に設定されています。 スタイルを設定。General、Realistic、Design、Render 3D、Animeから選択。デフォルトはGeneralに設定されています。 注意事項：対応ファイル形式：JPEG、WebP、PNG。Ideogramによって提供されています。

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します – 単なる汎用的なAIアートではありません。マーケティングからクリエイティブデザインまで、各生成はあなたの業界固有の要件に合わせて意図的に調整されます。 オプションパラメータ： Aspectをプロンプトの最後に追加して、生成画像のアスペクト比を変更できます（1:1、16:9、9:16、4:3、3:4、21:9、9:21がサポートされています）。 注意：プロンプト入力は5,000文字を超えることはできません。

16×16から512×512までの任意の解像度で、様々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。”animation_four_angle_walking”スタイルを使用して、スプライトの48×48歩行アニメーションを作成しましょう！最初の50回分の基本画像リクエスト相当のポイントが無料！以下の詳細設定をご確認ください👇 メッセージ例：”サングラスとパーティーハットを着けた可愛いコーギー” 設定: – AR設定：ピクセル単位の画像サイズ、大きな画像ほどコストが高くなります。または16:9のようなアスペクト比 – スタイル設定：使用したいスタイルの名前。利用可能なスタイル：rd_fast__anime、rd_fast__retro、rd_fast__simple、rd_fast__detailed、rd_fast__game_asset、rd_fast__portrait、rd_fast__texture、rd_fast__ui、rd_fast__item_sheet、rd_fast__mc_texture、rd_fast__mc_item、rd_fast__character_turnaround、rd_fast__1_bit、animation__four_angle_walking、rd_plus__default、rd_plus__retro、rd_plus__watercolor、rd_plus__textured、rd_plus__cartoon、rd_plus__ui_element、rd_plus__item_sheet、rd_plus__character_turnaround、rd_plus__isometric、rd_plus__isometric_asset、rd_plus__topdown_map、rd_plus__top_down_asset – シード：ランダム数値、一貫した生成のために同じ値を保持 – タイル：対応する画像でシームレスなエッジを作成 – タイルX：水平方向のみシームレス – タイルY：垂直方向のみシームレス – ネイティブ：アップスケーリングなしで、ネイティブ解像度でピクセルアートを返す – remove-background：背景を自動的に削除 – 強度：画像生成の強さを制御。小さな変更には0.0、大きな変更には1.0 追加注意事項：すべてのスタイルのサイズ範囲は48×48 -> 512×512ですが、”mc”スタイルは16×16 -> 128×128、”animation_four_angle_walking”スタイルは48×48アニメーションのみ作成します。

Stability.aiのStableDiffusion3.5 Large（@falでホスト）は、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です。 オプションパラメータ： アスペクト比を選択するためのAspect。有効なアスペクト比は16:9、4:3、1:1、3:4、9:16です。

GLM-4.7 はコーディング、推論、エージェントワークフローに最適化された次世代の汎用モデルで、多言語ソフトウェアエンジニアリング、ツールの使用、複雑な問題解決において大きな進歩を実現します。長期的な複数ターンのタスクの安定性を向上させるため、インターリーブ思考、保持思考、ターンレベル思考という高度な思考制御を導入しています。対応コンテキスト長：198kトークン。詳細情報： https://app.fireworks.ai/models/fireworks/glm-4p7 対応ファイル形式：jpg、jpeg、png、heic、pdf、python、xlsx

ChatGPTで画像生成を担うOpenAIのモデルで、優れたプロンプト忠実性、詳細レベル、品質を提供します。最新のユーザークエリに添付された画像の編集、リスタイル、組み合わせをサポートします。対話的な編集体験については、代わりに https://poe.com/GPT-4o （全ユーザー）または https://poe.com/Assistant （サブスクライバー）をご利用ください。 オプションパラメータ： – アスペクト比。出力画像のアスペクト比（オプション：1:1、3:2、2:3） – 品質：画像解像度（オプション：high、medium、low） – マスク。最後に添付された画像がインペインティング（特定領域の編集）用のマスクであることを示します。マスクはベース画像の寸法と一致する必要があり、透明（ゼロアルファ）領域で編集する部分を示します。 – 高忠実度をfalseに設定して高入力忠実度を無効にします。このオプションはデフォルトで有効になっています。

ChatGPTで画像生成を支えるOpenAIのモデルで、優れたプロンプト追従性、詳細レベル、品質を提供します。最新のユーザークエリに添付された画像の編集、スタイル変更、組み合わせをサポートします。 オプションパラメータ: – 出力画像のアスペクト比（オプション：1:1、3:2、2:3）。 – 品質：画像解像度（オプション：high、medium、low）。 – マスク：最後に添付された画像がインペインティング（特定領域の編集）用のマスクであることを示します。マスクはベース画像の寸法と一致する必要があり、透明（ゼロアルファ）領域で編集する部分を示します。

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ファミリーモデルの更新版です。強化された画像から動画への機能により、優れたオーディオと視覚品質を提供し、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。 オプションパラメータ： – アスペクト比の設定（`16:9`または`9:16`）、デフォルトは`16:9` – 避けたい要素にネガティブプロンプトを設定可能 – 継続時間の設定（`4s`、`6s`、または`8s`のいずれか）、デフォルトは`8s` – シードの設定（数値を設定） – 解像度（720pまたは1080pから設定） – リファレンスモード。動画生成の参考として入力画像（最大3枚）を使用するかの切り替え 最初と最後のフレーム動画生成とリファレンスサポートについては、www.poe.com/Veo-v3.1 をご利用ください

GoogleのVeo 3.1 Fastは、速度とコストに最適化されたVeoファミリーモデルの更新版ですが、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向上により優れたナラティブコントロールを提供します。強化された画像から動画への機能により、優れたオーディオと視覚品質を提供し、複数のシーンにわたってキャラクターの一貫性を維持しながら、プロンプトへの忠実性を向上させます。 オプションパラメータ： – アスペクト比の設定（`16:9`または`9:16`）、デフォルトは`16:9` – 避けたい要素にネガティブプロンプトを設定可能 – 継続時間の設定（`4s`、`6s`、または`8s`のいずれか）、デフォルトは`8s` – シード値の設定（数値を設定） – 解像度（720pまたは1080pから設定） 最初と最後のフレーム動画生成サポートについては、www.poe.com/Veo-v3.1-Fastをご利用ください

Sora 2 ProはOpenAIの最先端動画・音声生成モデルで、自然言語プロンプトや画像から同期されたオーディオを含む豊かで詳細な動的クリップを作成できます。Sora 2の機能をベースに、物理的精度の向上、複雑な世界状態の持続性、映画的スタイルでの高い忠実性を強化しています。このモデルは、現実世界の物理法則に従いながら、同期された対話、サウンドエフェクト、リアルなシミュレーションの生成に優れています。Sora 2 Proは、シームレスな編集、複雑なマルチショットプロンプト実行、そして人、動物、オブジェクトなどの現実世界の要素を比類のない詳細さと精度で統合することもサポートしています。 このボットはテキストから動画、画像から動画の生成をサポートしています。 オプションパラメータ： – 継続時間。動画出力の継続時間（秒）（オプション：4、8、12） – サイズ。出力動画の解像度。オプション：[横向き] – 1280×720、1792×1024、[縦向き] – 720×1280、1024×1792

Sora 2はOpenAIの最新動画・音声生成モデルで、卓越したリアリズム、物理的精度、制御性を提供します。映画的なシーン、同期した対話、効果音、動的シミュレーションの作成に優れ、物理法則に忠実に従います。このモデルは編集、マルチショットプロンプト対応、人、動物、物体などの現実世界の要素の統合をサポートします。 このボットはテキストから動画、画像から動画の生成をサポートします。 オプションパラメータ： – 継続時間設定。動画の長さを秒単位で指定するため（4秒、8秒、または12秒）から選択。デフォルトは4秒に設定。 – 解像度設定。（横向き – 1280×720またはポートレート – 720×1280）から選択。デフォルトはポートレート（720×1280）解像度に設定。

Kling 2.5 Turbo Standardを使用して画像から高品質な動画を生成します。 オプションパラメータ： – ネガティブプロンプト。生成画像で避けたい要素を入力 – CFGスケール。0.0から1.0の間でclassifier-free guidanceスケールを送信。デフォルトは0.5に設定 – 継続時間設定。動画の長さを秒単位で指定するため（5秒または10秒）から選択。デフォルトは5秒に設定 注意：画像から動画のみサポートされており、アスペクト比は画像から自動的に推測され、設定できません。 サポートされている画像ファイル形式：jpeg、png、webp

Wan 2.6は、映画的でマルチショットのストーリーテリングのために構築されたAlibabaのマルチモーダル動画生成モデルです。テキストや画像から高品質な動画を作成し、シーン全体でキャラクターとスタイルの一貫性を保ちます。また、ネイティブな音声・映像同期（リップシンクを含む）をサポートし、映像に合わせて対話・音楽・効果音を生成または調整することで、重い後処理作業なしに制作レベルの「プロンプトから動画」の結果を実現します。 注意事項： – このモデルはシンガポール地域から提供されています。 – 画像をアップロードすると画像から動画への生成が有効になり、動画をアップロードすると参照動画から動画への生成が有効になります。モードは添付ファイルから自動検出されますが、手動で選択して上書きすることも可能です。 – 応答の生成完了まで10分以上かかる場合があります。 添付ファイル – i2v用：最初のフレームとして画像を添付 – r2v用：最大5枚の画像 + 1-3本の参照動画（各1-30秒、最大100MB、MP4/MOV）を添付（プロンプトで`character1`、`character2`、`character3`を使用して被写体を参照。例：character1は最初にアップロードされた動画の被写体を参照）（合計最大5個）。R2Vではアップロードされた音声ファイルは無視されます。代わりに、参照動画から音声が抽出されます。 – t2v/i2v用：カスタム音声用に音声ファイル（3-30秒、最大15MB、.mp3/.wav）をオプションで添付 – 画像は制限に合わせて自動リサイズされます（I2V：240～8,000px、R2V：240～8,000px）。HEIC/HEIF画像は自動変換されます。R2V用の動画は検証され（MP4/MOV、1～30秒、≤100MB）、30秒を超える場合は自動トリミングされます。R2Vで出力時間が10秒を超えて設定された場合、自動的に10秒に制限されます。 マルチショットプロンプト – マルチショットモードでは、タイムライン構文を使用：`[Shot #] [Timestamp] [Action]`。例：`[Shot 1] [0-5s] Wide shot of city skyline. [Shot 2] [5-10s] Close-up of character walking.` – タイムスタンプが選択した時間と一致することを確認し、ショット間で「Hard cut」や「Fade in」などの遷移キーワードを使用してください。 このボットは、追加のカスタマイズ用のオプションパラメータをサポートしています。

Seedream 4.0は、ByteDanceの最新かつ最高のテキストから画像生成モデルで、印象的な高品質画像生成が可能で、優れたテキストレンダリング能力を持っています。Seedream 4.0は複数の画像を参照として取り込み、それらを組み合わせたり編集したりして出力を返すこともできます。 オプションパラメータ： アスペクト比を設定。（`16:9`、`4:3`、`1:1`、`3:4`、`9:16`のいずれかから選択）

Kling 2.5 Turbo Proを使用してテキストと画像から高品質な動画を生成します。 オプションパラメータ： – ネガティブプロンプト。生成画像で避けたいものを入力 – CFGスケール。0.0から1.0の間のclassifier-free guidanceスケールを送信。デフォルトは0.5に設定 – アスペクト比を設定。（16:9、1:1、9:16）から選択。デフォルトは16:9のアスペクト比に設定。テキストから動画の場合のみ有効 – 継続時間を設定。動画の長さを秒単位で指定するため（5秒または10秒）から選択。デフォルトは5秒に設定

MiniMax Hailuo-02 動画生成モデル：768p解像度の高度な画像から動画への生成モデル。画像から動画への生成には画像付きプロンプトを、テキストから動画への生成にはプロンプトのみを送信してください。 オプションパラメータ： 動画の長さを設定。(6秒または10秒)から選択して動画の長さを秒単位で指定。デフォルトは6秒に設定されています。

MiniMax Hailuo-02 Pro ビデオ生成モデル：1080p解像度の高度な画像からビデオへの生成モデル。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。

OpenAIのo1モデルに匹敵するオープンソースの推論LLM。数学、コード、推論タスクにおいて、低コストで最高レベルの性能を発揮します。Turboモデルは高速化のために量子化されています。このボットに提供されるすべてのデータは、トレーニングには使用されず、米国企業のDeepInfraにのみ送信されます。 32kトークンの入力コンテキストと8kトークンの出力コンテキストをサポートします。量子化：FP4（turbo）。

自然言語の説明とカメラの動きの指示を使用して、より正確にビデオクリップを生成できます。テキストからビデオ、画像からビデオの両方に対応しています。 カメラの動きの指示は角括弧を使用して追加できます（例：[Pan left]または[Zoom in]）。 1つのプロンプトにつき最大3つの組み合わせた動きを使用できます。動画の長さは5秒に固定されています。 対応している動き：Truck left/right、Pan left/right、Push in/Pull out、Pedestal up/down、Tilt up/down、Zoom in/out、Shake、Tracking shot、Static shot。例：[Truck left, Pan right, Zoom in]。 より詳しいガイドは https://sixth-switch-2ac.notion.site/T2V-01-Director-Model-Tutorial-with-camera-movement-1886c20a98eb80f395b8e05291ad8645 をご参照ください。

Pixverse v5は3つの主要機能を持つ高度なクリエイティブツールを提供します： 1. テキストから動画：書かれたプロンプトを流動的な動きと正確な視覚的解釈を持つ映画的で高詳細な動画クリップに変換します； 2. 画像から動画：静止画像を生き生きとした動きと滑らかな遷移を持つダイナミックな短編動画にアニメーション化します；そして 3. トランジション：フレームやシーン間でシームレスなモーフィングを生成し、統一されたプロフェッショナル品質の視覚的フローを作成します。 パラメータ制御と使用方法： 1. 動画生成（メイン制御セクション） – 動画解像度を設定。360p、540p、720p、1080pから選択。デフォルトは720pに設定されています。 – 継続時間を設定。（5秒または8秒）から選択して動画の長さを秒単位で指定。デフォルトは5秒に設定。注意：1080pでは8秒はサポートされていません。 – アスペクト比を設定。（16:9、4:3、1:1、3:4、9:16）から選択。デフォルトは16:9のアスペクト比に設定されています。 – ネガティブプロンプト。生成される画像で避けたいものを入力 – シード。固定シードでの再現可能な生成のためのランダムシード番号（例：12345） 2. 生成モード（添付ファイルによって決定） – テキストから動画：画像添付ファイル0個でプロンプトを提供。 – 画像から動画：画像添付ファイル1個を提供。 – トランジション：画像添付ファイル2個を提供（最初が開始フレーム、2番目が終了フレーム）。 3. 制限事項 – 解像度`1080p`と継続時間`8秒`の組み合わせはサポートされていません。 – 画像添付ファイルは0個、1個、または2個のみサポートされています。 – 添付ファイルは画像である必要があります（PNG/JPEG/WEBP/TIFF/BMP/HEIC/GIF）。

Wan-2.5 動画生成ボット。テキストから動画、画像から動画の機能を持ちます。オプションで音声ファイル（mp3）を送信して動画生成をガイドできます。 オプションパラメータ： 出力の解像度を制御します。480p、720p、1080pから選択でき、デフォルトは720pです。解像度に基づいて料金が変動します。 アスペクト比。16:9、1:1、9:16から選択でき、デフォルトは16:9のアスペクト比です。 動画の長さ。5秒または10秒の動画の長さを選択できます。デフォルトは5秒です。

Pixverse v4.5は、1分以内に高品質な動画を生成できる動画生成モデルです。 注意： 画像から動画への変換や動画エフェクト生成を行う場合は1枚の画像を、動画トランジション作業を行う場合は2枚の画像を送信してください。最初の画像を最初のフレーム、2番目の画像を最後のフレームとして使用します。 オプションパラメータ： ネガティブプロンプトでネガティブプロンプトを設定。 動画の長さを設定（5秒または8秒）。 解像度を設定（360p、540p、720p、または1080p）。 1枚の画像が提供された場合の動画生成エフェクトを設定（オプション：`Kiss_Me_AI`、`Kiss`、`Muscle_Surge`、`Warmth_of_Jesus`、`Anything,_Robot`、`The_Tiger_Touch`、`Hug`、`Holy_Wings`、`Hulk`、`Venom`、`Microwave`）。`–style`を使用して動画生成スタイルを設定（テキストから動画、画像から動画、トランジションのみ、オプション：`anime`、`3d_animation`、`clay`、`comic`、`cyberpunk`）。 シードを設定し、アスペクト比を設定（16:9、4:3、1:1、3:4、9:16）。

Google DeepMindのLyria 3は、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する高度なAI音楽生成モデルです。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。 オプションパラメータ： フルソング：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。 注意事項： Lyriaは特定のアーティストや楽曲名を含むプロンプトをブロックします（アーティスト意図および朗読チェック）。

Google DeepMindのLyria 2は、テキストプロンプトから多様なサウンドスケープや音楽作品を作成できる高品質なオーディオ生成を提供します。 オプションパラメータ： ネガティブプロンプト。ユーザーがオーディオから除外したい要素を指定できます。 決定論的生成のためのシード。例：”エネルギッシュなエレクトロニックダンストラック `no vocals`、スローテンポ 1seed 123`”。 注意事項： Lyriaは特定のアーティストや楽曲名を含むプロンプトをブロックします（アーティスト意図と朗読チェック） このボットは添付ファイルをサポートしていません。 このボットは最大480トークンの入力プロンプトを受け付けます。

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。 オプションパラメータ： Upscale_factor（1から4の間の数値）でアップスケールされた画像のサイズを設定します（2は出力画像が2倍のサイズになることを意味します）。 CreativityとClarityは0から1の間で設定でき、それぞれ元の画像への忠実度と鮮明度を調整します。 注意：このボットは.jpg、.png、bmp、gif、tiff画像をサポートしています。

GoogleのVeo-3.1は、Veo 3の改良版です。 オプションパラメータ： 生成される画像のアスペクト比を設定（`16:9`、`9:16`のいずれか）。 silentを設定して、より低コストでサイレント動画を生成。 ネガティブプロンプトオプション`blur`、`low resolution`、`poor quality`を設定。（T2Vのみ）。 継続時間`4s`、`6s`、`8s`を設定、デフォルトは`8s`。`4s`と`6s`はテキストから動画生成でのみサポート。 注意事項： 画像から動画タスクには単一の画像を渡してください。 最初のフレームから最後のフレームへの動画生成タスクには2つの画像を渡してください。 リファレンスから動画タスクには最大3つの画像をリファレンスと共に渡してください。リファレンス画像は動画生成で直接使用されます。

GoogleのVeo 3.1 Fastは、Veo 3.1の高速版です。 オプションパラメータ： 生成される画像のアスペクト比を設定（`16:9`、`9:16`のいずれか）。 より低コストでサイレント動画を生成するためのSilent。 ネガティブプロンプトオプション`blur`、`low resolution`、`poor quality`を設定。（T2Vのみ）。 継続時間`4s`、`6s`、`8s`を設定、デフォルトは`8s`。`4s`と`6s`はテキストから動画生成でのみサポート。 注意事項：画像から動画タスクには単一の画像を渡してください。最初のフレームから最後のフレームへの動画生成タスクには2つの画像を渡してください。

LTX-2 FastはLightricksによる動画モデルで、優れた品質と速度を提供します。高解像度で最大50 FPSの動画を生成でき、テキストから動画への生成と画像から動画への生成の両方をサポートしています。 オプションプロンプト： 動画と一緒にオーディオを生成します。これはデフォルトで無効になっています。 解像度を`1080p`、`1440p`、`2160p`のいずれかで設定します。これはデフォルトで1080pに設定されています。 生成される動画の継続時間を設定します（`6s、8s、10s`のいずれか）。これはデフォルトで6sに設定されています。 生成される動画のfpsを25または50のいずれかに設定します。これはデフォルトで25に設定されています。 注意： 継続時間と解像度の値は価格に影響します。 受け入れられるファイル添付：jpeg、png、webp

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。 オプションプロンプト： 動画と一緒にオーディオを生成します。デフォルトでは無効になっています。 解像度を`1080p`、`1440p`、`2160p`のいずれかに設定します。デフォルトでは1080pに設定されています。 生成される動画の長さを設定します（`6s、8s、10s`のいずれか）。デフォルトでは6sに設定されています。 生成される動画のfpsを25または50のいずれかに設定します。デフォルトでは25に設定されています。 注意事項： 長さと解像度の値により価格が変わります。 対応ファイル形式：jpeg、png、webp

Veo-3 FastはGoogleのVeo 3のより高速で費用対効果の高いバージョンです。 オプションパラメータ： 生成される画像のアスペクト比を設定（`16:9`、`1:1`、`9:16`のいずれか）。 より高いコストで動画と一緒に音声を生成する場合は`on`に切り替え。 除外したい内容のネガティブプロンプト（例：`blur`、`low resolution`、`poor quality`）。 動画の長さは7秒に制限されています。これはテキストから動画への生成モデルのみです。

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。4つのモードで動画を生成できます： (1) Image-to-Video：プロンプト付きの画像1枚を送信、 (2) Start-to-End Frame：トランジション動画用にプロンプト付きの画像2枚を送信、 (3) Reference-to-Video：ガイダンス用の参照画像パラメータ付きで最大3枚の画像を送信、 (4) Template-to-Video：`–template`を使用して事前デザインされたテンプレートを適用（1-3枚の画像が必要、価格はテンプレートによって異なります）。 必要な画像数はテンプレートによって異なります：`dynasty_dress`と`shop_frame`は1-2枚の画像を受け付け、`wish_sender`は正確に3枚の画像が必要で、その他のテンプレートは1枚の画像のみを受け付けます。 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、PNG、JPEG、WEBP形式を受け付けます。 タスクは相互排他的です（例：start-to-end frameとreference-to-videoを組み合わせることはできません）。 動画の長さは5秒に制限されています。

Seedance Pro Fastは、速度、品質、コストのバランスを取ったSeedance 1.0 Proの高速版です。Seedanceは、テキストから動画と画像から動画の機能を持つ動画生成モデルです。意味理解とプロンプト追従において画期的な成果を達成しています。 オプションプロンプト： アスペクト比を設定します（利用可能な値：`21:9`、`16:9`、`4:3`、`1:1`、`3:4`、`9:16`）。デフォルトでは`16:9`に設定されています。 解像度を設定します（`480p`、`720p`、`1080p`のいずれかで動画解像度を設定）。デフォルトでは`1080p`に設定されています。 動画の長さを設定します（3秒から12秒）。デフォルトでは`5s`に設定されています。 注意事項： 価格計算に使用される動画トークン数は概算で：`高さ * 幅 * fps * 長さ / 1024`です。 対応ファイル形式：jpeg、png、webp

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。

xAIのGrok-Code-Fast-1は、エージェント型コーディング向けに設計された高性能で費用対効果の高いモデルです。推論過程の可視化、高い制御性を備え、256kのコンテキストウィンドウをサポートしています。

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。

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： 画像：JPEG、PNG、WEBP オーディオ：MP3、WAV

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します – 単なる汎用的なAIアートではありません。マーケティングからクリエイティブデザインまで、各生成はあなたの業界固有の要件に合わせて意図的に調整されます。 オプションパラメータ： Aspect ratioで生成画像のアスペクト比を変更できます（1:1、16:9、9:16、4:3、3:4、21:9、9:21がサポートされています）。 注意：プロンプト入力は5,000文字を超えることはできません。

SeedEdit 3.0はByteDanceが独自に開発した画像編集モデルです。編集指示を正確に実行し、画像の内容を効果的に保持することに優れており、特に実写画像の処理に長けています。画像と編集プロンプトを送信してください。

Kling 2.1 Proは、Kling 2.1モデルの高度なエンドポイントで、視覚的忠実度の向上、精密なカメラ動作、動的モーション制御を備えたプロフェッショナルグレードの動画を提供し、映画的なストーリーテリングに最適です。 オプションパラメータ： – ネガティブプロンプト。生成画像で避けたい要素を入力 – CFGスケール。0.0から1.0の間でclassifier-free guidanceスケールを送信。デフォルトは0.5に設定 – 継続時間設定。動画の長さを秒単位で指定するため（5秒または10秒）から選択。デフォルトは5秒に設定

Kling 2.1 Standardは、Kling 2.1モデルのコスト効率的なエンドポイントで、高品質な画像から動画への生成を提供します。 オプションパラメータ： – ネガティブプロンプト。生成画像で避けたい要素を入力 – CFGスケール。0.0から1.0の間でclassifier-free guidanceスケールを送信。デフォルトは0.5に設定 – 動画の長さを設定。動画の長さを秒単位で指定（5秒または10秒から選択）。デフォルトは5秒に設定 注意：このボットは一度に1枚の画像のみ処理できます。

テキストまたは画像から高品質な動画を Kling 2.0 Master で生成します。`–negative_prompt` で否定的なプロンプトを送信し、`–cfg_scale` で0.0から1.0（両端を含む）の間のクラスフリーガイダンススケールを送信します。`–aspect` でアスペクト比を設定します（`16:9`、`9:16`、`1:1` のいずれか）。`–duration` で5秒または10秒の動画の長さを設定します。

Qwen-Imageをベースにした、優れたテキスト編集機能を備えた画像編集モデルです。

GPTZeroは、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。 *同時に提出できるファイルの最大数は50で、すべてのファイルを合わせた最大ファイルサイズは15MBです。各ファイルのドキュメントは50,000文字に切り詰められます。 サポートされているファイル形式：PDF、DOC/DOCX、TXT、ODT 利用可能なパラメータ制御： 1. スキャンタイプ（ドロップダウン）： – AI検出（デフォルト）：AI生成テキストを検出 – 参考文献スキャン：引用と参考文献を分析 – ソース分析：テキスト内の主張のソースを見つける 2. AI検出オプション（スキャンタイプ = AI検出の場合に表示）： – モデルバージョン：特定のGPTZeroモデルバージョンを選択するか、最新（自動）を使用して最新版を使用 – 多言語：テキストスキャン用のGPTZeroの多言語モデルを有効にする（フランス語、スペイン語などをサポート） – AIハイライト閾値：文章をAI生成としてフラグを立てる確率のカットオフ（デフォルト0.70、範囲0.10〜0.99）。低い値 = より敏感 – 最大ハイライト文数：レポートに表示されるフラグ付き文章の数を制限（デフォルト15、範囲1〜50） 3. ソース分析オプション（スキャンタイプ = ソース分析の場合に表示）： – 文章または主張（オプションのテキストエリア）：チェックする正確な文章または主張を1つ指定します。空白のままにすると、メッセージ全体が使用されます – 主張あたりの最大ソース数：主張ごとに取得するソースの数（デフォルト3、範囲1〜10） – 主張抽出器：主張を識別するために使用される方法、ClaimBuster（高速）またはLLM Extractor（より徹底的）

Kling-Pro-Effects を使用して、物を押しつぶす、二人が抱き合う、ハートジェスチャーなどのエフェクトを付けた動画を生成します。画像入力が必要です。`squish`と`expansion`エフェクトには1枚の画像を、`hug`、`kiss`、`heart_gesture`エフェクトには2枚の画像（人物）を送信してください。–effectでエフェクトを設定します。デフォルトエフェクトは`squish`です。`–duration`で動画の長さを5秒か10秒で設定できます（デフォルトは5秒）。

MiniMaxによる最高クラスのテキストおよび画像から動画への変換モデル。

グラフィックデザインと写真撮影に最適化された、高速で手頃な価格のテキスト画像生成モデルです。より高速でコスト効率の良い生成には、https://poe.com/Ideogram-v2A-Turbo をご利用ください。 注意：サポートされているファイル形式：JPEG、WebP、PNG。 オプションパラメータ： Aspectでアスペクト比を設定します。有効なアスペクト比は10:16、16:10、9:16、16:9、3:2、2:3、4:3、3:4、1:1です。 Styleでスタイルを指定します（`GENERAL`、`REALISTIC`、`DESIGN`、`3D RENDER`、`ANIME`のいずれか、デフォルト：`GENERAL`）。

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。

あなたの写真でFLUX devモデルをファインチューニングしましょう！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、好きな設定で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。

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ます。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モデルが描画する内容を指定する必要があります。

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ます。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モデルが描画する内容を指定する必要があります。

Bria Eraserは、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ます。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。画像から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。入力プロンプトは出力画像のファイル名の作成にのみ使用されます。

fal.aiでホストされているKling-1.5-Pro動画生成ボットです。最良の結果を得るには、画像を添付してアップロードしてください。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

DeepReasoning（旧DeepClaude）は、DeepSeek R1のChain of Thought（CoT）推論機能とAnthropic Claudeの創造性とコード生成能力を組み合わせた高性能LLM推論システムです。両モデルの強みを活用しながら、データの完全な制御を維持する統合インターフェースを提供します。詳細はこちら：https://deepclaude.com/ サポートされているファイル形式：PDF、TXT、PNG、JPG、JPEG このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Gemma 3は、視覚言語入力とテキスト出力をサポートするマルチモダリティを導入しています。128kトークンまでのコンテキストウィンドウを処理し、140以上の言語を理解し、構造化された出力や関数呼び出しを含む、数学、推論、チャット機能が向上しています。Gemma 3 27BはGemma 2の後継となるGoogleの最新オープンソースモデルです。

Mistral Small 3は、堅牢な言語処理と指示に従う性能を必要とし、非常に低いレイテンシーを持つ生成AIタスクの「80%」に対応する、事前学習済みの教師あり学習モデルです。Apache 2.0ライセンスで公開され、Llama-3.3-70BやQwen2.5-32B-Instructに匹敵します。

Deepseek-v3 – 新しいトップオープンソースLLM。コーディング、数学、推論などのタスクで最先端のパフォーマンスを実現。このボットに提出されるすべてのデータはPoeのプライバシーポリシーに準拠し、米国企業のDeepInfraにのみ送信されます。 64kトークンの入力コンテキストと8kトークンの出力コンテキストをサポート。量子化：FP8（公式）。

Deepseek-v3 – 新しいトップクラスのオープンソースLLM。コーディング、数学、推論などのタスクで最先端の性能を実現します。Turboバリアントは高速化のために量子化されています。このボットに送信されるすべてのデータはPoeのプライバシーポリシーに従い、米国企業のDeepInfraにのみ送信されます。 入力コンテキスト32kトークン、出力コンテキスト8kトークンをサポート。量子化：FP4（turbo）。

Microsoft Research Phi-4は、複雑な推論タスクで高いパフォーマンスを発揮し、メモリが限られた状況や迅速な応答が必要な場面でも効率的に動作するように設計されています。 140億のパラメータを持ち、高品質な合成データセット、キュレーションされたウェブサイトのデータ、学術資料を組み合わせて訓練されました。指示を正確に従い、強力な安全基準を維持するよう慎重に改良されています。英語の入力で最も効果を発揮します。 このボットに提供されるすべてのデータは訓練に使用されず、米国企業のDeepInfraにのみ送信されます。 入力コンテキスト16kトークン、出力コンテキスト8kトークンをサポート。量子化：FP16（公式）。

Mistral AIによるMistral Instruct 7B v0.3。 このボットに提供されるすべてのデータは訓練に使用されず、米国企業のDeepInfraにのみ送信されます。 入力コンテキスト32kトークン、出力コンテキスト8kトークンをサポート。量子化：FP16（公式）。

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ます。fal.ai提供。

安定したDiffusion v3 Medium – fal.aiによる

FireworksがホストするMistralのMixtral 8x22B Mixture-of-Expertsインストラクトモデル。

Mistralの最新テキスト生成モデル（Mistral-Large-2407）は、トップクラスの推論能力を持っています。テキスト理解、変換、コード生成を含む複雑な多言語推論タスクに使用できます。このボットは、モデルがサポートする128kの全コンテキストウィンドウを利用できます。

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。8kのコンテキスト長に対応。

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。テキスト、画像、動画の入力に対応します。

OpenAI’s GPT 3.5 Turbo model is a powerful language generation system designed to provide highly coherent, contextually relevant, and detailed responses. Supports 16,384 tokens of context.

スケッチを取り込んでカラー画像に変換します。

BFLが誇る最先端の画像生成モデルです。FLUX 1.1 Proは、前モデルのFLUX 1 Proと比べて6倍の速度で画像を生成し、画質、プロンプトの忠実度、出力の多様性も向上しています。このボットは添付ファイルに対応していません。

わずか数秒で高品質な画像を生成する超高速AI画像生成モデルです。クイックプロトタイピングやリアルタイムのユースケースに最適です。これはFLUX.1の最速バージョンです。 このボットは添付ファイルに対応していません。

OpenAI’s most powerful model, GPT-4o, using the August 2024 model snapshot. Stronger than GPT-3.5 in quantitative questions (math and physics), creative writing, and many other challenging tasks.

Solar Pro 2はUpstageの最新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重要なベンチマークで上回ります。次世代の実用的なLLMのために構築されたSolar Pro 2は、小規模なモデルでもリードできることを証明しています。64kトークンのコンテキスト長をサポートしています。

画像の背景を削除

Takoは、株式、スポーツ、経済、政治に関するあなたの質問を、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おり、アプリ、研究、ストーリーテリングに組み込むことができます。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。デフォルトは60です。

Llama 3.1ファミリーの中で最小かつ最速のモデルで、128Kのコンテキスト長で優れた効率性と高速な応答時間を提供します。

このボットは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します。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。

Alibabaが開発したQwen 2.5 7B。コーディング、数学、指示の遂行、自然言語理解に優れ、29言語以上の優れた多言語サポートを提供します。

ユーザーメッセージからPythonコード（バージョン3.11）を実行し、結果を出力します。ユーザーメッセージにコードブロック（トリプルバッククォートで囲まれた部分）がある場合、そのコードブロックのみが実行されます。numpy、pandas、requests、matplotlib、scikit-learn、torch、PyYAML、tensorflow、scipy、pytestなどの広く使用されているPythonライブラリ約150個が、このボットの実行環境に自動的にインポートされています。

あらゆるものをMarkdownに変換：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。このボットはMicrosoftのMarkItDown MCPサーバー (https://github.com/microsoft/markitdown) をラップしています。

OpenAIのGPT-4 Turboを使用しています。ほとんどのタスクでは、https://poe.com/GPT-4o の方が優れた性能を発揮します。128kトークンのコンテキストをサポートしています。画像を含むリクエストは@GPT-4oにルーティングされます。

最先端のビデオ生成モデルで、高精度なモーションと優れたプロンプト追従性を備えています。テキストからビデオ、画像からビデオの両方に対応。5秒間のビデオを生成します。

このモデルは指示プロンプト用に調整されたGPT-3.5 Turboの変種で、チャット関連の最適化を省略しています。

システムプロンプトなしで、gpt-3.5-turboによって動作します。

重要なアップデートをユーザーに通知するシステムボット。

Poe Python用インタープリター

チャットでPoeスクリプトを処理するシステムボットです。

Mixture-of-Experts言語モデル。M2.7は複雑なエージェントハーネスの構築と高度で精巧な生産性タスクの完了が可能で、エージェントチーム、複雑なスキル、動的ツール検索を活用します。

Kimi K2.6は、長期間のコーディング、コーディング駆動設計、スウォームベースのタスクオーケストレーションにおける実用的な能力を大幅に向上させるオープンソースのネイティブマルチモーダルエージェントモデルです。複数のプログラミング言語とドメインにわたって複雑なエンドツーエンドの開発タスクを堅実に実行し、シンプルなプロンプトと視覚的入力を本番環境対応の美的に精密なインターフェースとフルスタックワークフローにシームレスに変換します。高いスケーラビリティのために独自に設計されたK2.6は、4,000の協調ステップを通じて最大300の専門ドメインサブエージェントを水平的にオーケストレーションでき、複雑なタスクを動的に分解して、ドキュメントやスプレッドシートから完全に機能するウェブサイトまで、多様なエンドツーエンド出力を単一の自律実行で提供します。さらに、その積極的な実行能力により、持続的な24時間365日のバックグラウンドエージェントがスケジュール管理、コードデプロイ、クロスプラットフォーム操作を人間の監視なしに完全に管理することを可能にし、次世代の基盤モデルとしての地位を確立しています。 ファイルサポート：テキスト、Markdown、画像、動画、PDFファイル コンテキストウィンドウ：262kトークン

このモデルは2026年10月10日に廃止されます。以下に切り替えてください: https://poe.com/Qwen3.7-Max Maxモデルは、Qwen3.6シリーズの中で最大かつ最も高性能なバリアントであり、プレビュー版として利用可能になりました。現時点では、プレーンテキスト機能のみが試験的に公開されています。以前リリースされたQwen3-MaxおよびQwen3.6-Plusと比較して、このモデルはバイブコーディング能力の強化、より効率的なコーディングエージェントの実行、およびフロントエンド開発スキルの大幅な向上を特徴としています。さらに、ロングテール知識の保持能力もさらに向上しています。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 注記: – 入力トークンが128kを超える場合、料金は約1.5倍になります – コンテキストウィンドウ: 256k – サポートされている入力モダリティ: テキスト、画像（非ネイティブ）、ドキュメント このボットは追加カスタマイズのためのオプションパラメーターをサポートしています。

Seedream 5.0 Liteは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。 このモデルはマレーシアから提供されています。 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Seed 2.0 Codeは、エンタープライズグレードのコーディングシナリオに最適化されています。Seed 2.0の強力なエージェント機能とVLM機能をベースに、コード生成とソフトウェアエンジニアリングのパフォーマンスをさらに強化しています。特にフロントエンドで優れた結果を提供し、エンタープライズ環境でよく見られる多言語コーディングのニーズにも最適化されており、幅広いAIコーディングツールとの統合に適しています。 注意事項： – 入力トークンが128kを超える場合、料金は2倍になります – コンテキストウィンドウ：256k このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

MiMo-V2.5は、ネイティブな視覚・音声理解機能を備えたマルチモーダルモデルで、大きなコンテキストウィンドウをサポートしながら、モダリティ間での推論と行動を行うように構築されています。エージェント機能とマルチモーダル理解における大きな前進として位置づけられ、視覚的推論、チャート分析、実世界のマルチモーダルタスクにおいて優れた性能を発揮します。 注意事項： – モダリティ：テキスト、画像、動画、音声 – コンテキストウィンドウ：1M このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

MiMo-V2.5-Proは、Xiaomiの最も高性能なモデルで、高度なエージェントワークフロー、複雑なソフトウェアエンジニアリング、および非常に長いコンテキストにわたって強力な指示追従性と一貫性を持つ長期タスク向けに設計されています。1000回以上のツール呼び出しにわたって複雑な自律作業を維持しながら、強力なトークン効率で最先端レベルの機能を提供できます。 注意事項： – 入力トークンが256kを超える場合、料金は2倍になります – コンテキストウィンドウ：1M このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

HappyHorse 1.0は動画生成モデルで、テキストや画像からの高品質かつ動きの滑らかな動画の作成や、既存の動画の編集が可能です。テキストから動画（T2V）、画像から動画（I2V）、参照から動画（R2V）、動画編集の4つの生成モードをサポートしています。 注意事項： – このモデルはシンガポールリージョンから提供されています。 – 画像から動画には1枚の画像を、参照から動画には複数の画像を、動画編集には動画をアップロードしてください。モードは添付ファイルから自動検出されますが、手動で選択して上書きすることもできます。 – 生成は通常1〜5分かかりますが、それ以上かかる場合もあります。 – ショットの種類とカメラの動きは、プロンプトに直接記述します（例：”サイドミディアムショットで始まり、ローアングルショットにカットし、顔のクローズアップにプッシュイン”）。 添付ファイル： – T2Vの場合：添付ファイルは不要です。希望する動画を説明するだけです。 – I2Vの場合：最初のフレームとして正確に1枚の画像を添付してください。出力のアスペクト比は入力画像に自動的に従います（アスペクト比コントロールは無視されます）。プロンプトはオプションですが推奨されます。 – R2Vの場合：1〜9枚の参照画像を添付してください。プロンプト内で`character1`、`character2`、…を使用して、添付した順番に各画像を参照します（例：”赤いチャイナドレスを着た女性 character1 が扇子を持っている character2…”）。 – 動画編集の場合：1本の動画（3〜15秒、100MB以下、MP4/MOV）と0〜5枚の参照画像を添付してください。出力の長さは入力動画の長さに従います（最大15秒）。音声はAudio Settingコントロールからソースの音声を保持できます。 – 音声ファイル：サポートされていません。HappyHorse 1.0は音声添付ファイルを受け付けません。送信前に音声ファイルを削除してください。 – 画像は自動的に検証され、制限に合わせてリサイズされます（1辺あたり300〜8,000ピクセル。R2Vの参照画像は短辺が少なくとも400ピクセル必要で、720P以上を推奨）。HEIC/HEIF画像はJPEGに自動変換されます。 – 動画は検証され（MP4/MOV、100MB以下、3〜15秒）、必要に応じて自動トランスコード/トリミングされます。 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

DeepSeek V4 ProはDeepSeekの1.6Tパラメータ（49Bアクティベート）MoEモデルで、1Mトークンコンテキストをサポートしています。圧縮スパースアテンションと重圧縮アテンションを組み合わせたハイブリッドアテンションアーキテクチャを導入し、100万トークンコンテキストにおいてV3.2と比較して推論FLOPsを27%、KVキャッシュを10%しか必要としません。Muonオプティマイザーと2段階のポストトレーニングパイプラインを使用して32T+トークンで事前トレーニングされ、V4 Proは3つの設定可能な推論モードを提供し、コーディング（93.5% LiveCodeBench）、推論（90.1% GPQA Diamond）、エージェントタスク（80.6% SWE-Bench Verified）において優れた性能を発揮します。MITライセンス。

DeepSeek V4 Flashは、総パラメータ数2840億、アクティブパラメータ数130億を持つ高効率な軽量Mixture-of-Expertsモデルで、最大100万トークンのコンテキストウィンドウをネイティブサポートしています。高速な推論速度、低レイテンシ、コスト効率の良い実行を提供し、バランスの取れた総合的なパフォーマンスを実現します。日常的な対話、コンテンツ作成、基本的なRAGアプリケーション、バッチテキスト処理などの高並行性・軽量ワークロード向けに設計されています。 このモデルはドイツ（フランクフルト）からのものです。 注意事項： – コンテキストウィンドウ：100万 – サポートされる入力モダリティ：テキスト、画像（非ネイティブ）、ドキュメント – 上流での高使用率により、モデルにエラーが発生する可能性があります。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

DeepSeek V4 Proは、総パラメータ数1.6兆、アクティブパラメータ数490億を持つフラッグシップのMixture-of-Experts大規模言語モデルで、最大100万トークンのコンテキスト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おり、最先端の研究、高度なオフィスワークフロー、先進的なAIエージェントに適しています。 このモデルはドイツ（フランクフルト）から提供されています。 注意事項： – コンテキストウィンドウ：100万 – サポートされる入力モダリティ：テキスト、画像（非ネイティブ）、ドキュメント – 上流での高使用率により、モデルにエラーが発生する可能性があります。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.6-Plusは、効率的な線形アテンションとスパースMoEルーティングを組み合わせたハイブリッドアーキテクチャ上に構築されたQwenのマルチモーダルエージェントモデルで、1Mトークンのコンテキストウィンドウを持ちます。SWE-Bench Verifiedで78.8%、Terminal-Bench 2.0で61.6%の強力なエージェントコーディング性能を発揮し、推論においてはGPQA Diamondで90.4%、マルチモーダル理解においてはMMUで86.0%を達成しています。このモデルは、UIスクリーンショットから本番コードへのビジュアルコーディング、動画理解、そしてマルチターンエージェントセッション間で推論コンテキストを維持するためのpreserve_thinkingを備えた思考モードをサポートしています。

DeepSeek V4 Proは、総パラメータ数1.6兆、アクティブパラメータ数490億を持つフラッグシップのMixture-of-Experts大規模言語モデルで、最大100万トークンのコンテキスト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おり、最先端の研究、高度なオフィスワークフロー、先進的なAIエージェントに適しています。 このモデルはシンガポールから提供されています。 注意事項： – コンテキストウィンドウ：100万 – サポートされる入力モダリティ：テキスト、画像（非ネイティブ）、ドキュメント このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

DeepSeek V4 Flashは、総パラメータ数2840億、アクティブパラメータ数130億を持つ高効率な軽量Mixture-of-Expertsモデルで、最大100万トークンのコンテキストウィンドウをネイティブサポートしています。高速な推論速度、低レイテンシ、コスト効率の良い実行を提供し、バランスの取れた総合的なパフォーマンスを実現します。日常的な対話、コンテンツ作成、基本的なRAGアプリケーション、バッチテキスト処理などの高並行性で軽量なワークロードに設計されています。 このモデルはシンガポール製です。 注意事項： – コンテキストウィンドウ：100万 – サポートされる入力モダリティ：テキスト、画像（非ネイティブ）、ドキュメント このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Gemma 4 26B A4Bは、256Kコンテキスト、テキスト、画像、動画入力、ツール、構造化出力を備えたGoogleのオープンマルチモーダルモデルです。 重み精度：FP8 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.5 9Bは、256Kコンテキスト、画像・動画入力、ファンクションツール、構造化出力を備えたコンパクトなマルチモーダル推論モデルです。 重み精度：FP8 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.5 4Bは、256Kコンテキスト、画像・動画入力、ファンクションツール、構造化出力を備えた低コストのマルチモーダル推論モデルです。 重み精度：FP8 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Gemma 4 31B-it-PearlはPearl Research LabsによるGoogleのGemma 4 31Bの指示調整済みチェックポイントで、Pearl NetworkのProof of Useful Workプロトコル向けに最適化されています。ベースのGemma 4 31Bと同様の機能（テキスト入力、256Kコンテキスト、関数呼び出し、JSONモード）を、Together AIの独占的なPearl Network統合により25%以上の割引で提供します。

Qwen3.7 Maxは、エージェント中心時代に向けて設計された次世代フラッグシップモデルで、エージェントレベルの機能の幅広さと深さにその中核的な強みがあります。プログラミング、オフィス・生産性タスク、長期自律実行に優れています。 このモデルはシンガポールのAlibaba Cloud Int.によって提供されています。 注意事項： – コンテキストウィンドウ：1,000,000 – テキストのみ入力 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

Qwen3.7-Maxは、エージェント時代に向けて構築されたQwenのフラッグシップ独自モデルで、最先端の推論能力と、コーディング、オフィス自動化、長期タスク実行における深く汎用的なエージェント機能を組み合わせています。Terminal-Bench 2.0-Terminusで69.7のスコアでトップを獲得し、GPQA Diamondで92.4%、SWE-Bench Verifiedで80.4%、HMMT 2026 Febで97.1%を達成しました。Qwenによると、このモデルは約35時間の自律セッションにわたって一貫した実行を維持し、フレームワーク固有の調整なしにエージェントスキャフォールド全体で汎化能力を発揮しました。Together AIで100万トークンのコンテキストウィンドウとともに利用可能です。

Grok Imagine Video 1.5は、プロンプトガイド付きモーションでソース画像をアニメーション化する画像から動画への変換モデルで、7つのアスペクト比で480pまたは720pの最大15秒の動画を生成できます。 このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

MiniMax M3 は、コーディング、エージェント、長文ドキュメント向けのマルチモーダル推論モデルです。テキスト、画像、動画の入力、ツール、プロンプトキャッシュ、アダプティブシンキングをサポートしています。 注意事項: – コンテキストウィンドウ: 1M – コンテキストが512kトークンを超える場合、標準APIレートと比べて25%節約できます。 このボットは追加カスタマイズのためのオプションパラメーターをサポートしています。

Qwen3.7シリーズの中でも、コストパフォーマンスに優れたPlusモデルは、堅牢なテキスト機能をベースに、視覚言語能力の包括的なアップグレードを実現し、コーディング、ツール使用、生産性ワークフローにおけるフルスタックエージェントレベルのインテリジェンスを維持しています。その主要な特徴は、マルチモーダルインタラクティブハイブリッドエージェント機能であり、現実世界のシーンを認識し、画面を読み取ってGUIと対話し、視覚的参照に基づいてコードを生成し、モバイルアプリ内でエンドツーエンドのナビゲーションを実行することができます。 このモデルは、シンガポールのAlibaba Cloud Int.によって提供されています。 注意事項： – 入力トークンが256Kを超える場合、料金は入力3倍、出力3倍になります – コンテキストウィンドウ：1,000,000 – テキスト、画像、動画入力に対応 – 動画添付ファイルでは組み込みツール呼び出しはサポートされていません このボットは、追加のカスタマイズのためのオプションパラメータをサポートしています。

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ウェブ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、堅牢な検索ソリューションを必要とする企業や開発者に最適です。コンテキスト長：200k（最大出力トークン制限8k）

Novita AIによるminimax/minimax-m3 ファイルサポート：テキスト、Markdown、画像、動画、PDFファイル コンテキストウィンドウ：1Mトークン

Kimi K2.7 Codeは、MoonshotAIの最強のコーディング＆エージェントモデルです。1Tパラメータ（32Bアクティブ）のMoE、256Kコンテキスト、マルチステップツール呼び出しによるインターリーブ思考を備えています。K2.6と比較して思考トークン使用量を約30%削減しながら、長期間のコーディングタスクで大幅な向上を実現し、ビジョン駆動開発ワークフローのためにテキスト、画像、動画入力に対応しています。 ファイルサポート：テキスト、Markdown、画像、動画、PDFファイル コンテキストウィンドウ：262kトークン

Kimi K2.7 Code は、Moonshot のトリリオンパラメーターのエージェント型コーディングモデルで、256K のコンテキスト、常時オンの推論、テキスト・画像・動画の入力に対応しています。ツールと組み込みウェブ検索をサポートしています。 このボットは、追加のカスタマイズのためのオプションパラメーターをサポートしています。

MiniMax M3はMiniMaxのフロンティアオープンウェイトモデルで、コーディングとエージェント機能、100万トークンのコンテキスト、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ています — この3つすべてを実現した初のオープンウェイトモデルです。MSA（MiniMax Sparse Attention）という新しいスパースアテンションアーキテクチャを導入しており、100万コンテキスト時のトークンあたりの計算量を前世代の1/20に削減し、プリフィリングを9倍、デコードを15倍高速化します。このモデルはトレーニングステップ0からネイティブマルチモーダルで、画像・動画入力およびコンピューター操作に対応し、切り替え可能な思考モードを備えています。SWE-Bench Proで59.0%、Terminal-Bench 2.1で66.0%のスコアを達成しており、Together AIにて100万トークンのコンテキストウィンドウで利用可能です。

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。 マルチショットモード – `shot 1, <seconds>, <description>; shot 2, <seconds>, <description>;` の形式でプロンプトを作成し、1つの動画に最大6つのシーケンシャルショットを生成できます。ショットはセミコロンで区切ります – n：ショットのシーケンス番号（1〜6ショット） – m：ショットの長さ。各ショットは最低1秒で、ショットの合計長さが動画の総再生時間と等しくなります – words：そのショットのプロンプト（最大512文字） – ショットごとのタイミングはガイダンスとして扱われるため、カットが正確なフレームに合わない場合があります – Text-to-Videoのみ プロンプト – 別途ネガティブプロンプトはありません。不要な要素を回避するには、プロンプト内に直接記述してください。例：夜明けの静かな森、ぼやけた動きを避ける、画面上のテキストなし 入力制限と要件 – プロンプトの長さ：最大3,072文字（2,500文字推奨）。ポジティブおよびネガティブな説明はどちらもプロンプトに含めることができます – 解像度：720pまたは1080p。長さ：3〜15秒 – アスペクト比：Text-to-Videoの場合は16:9、9:16、または1:1。Image-to-Videoはソース画像に従います – 画像入力（Image-to-Video）：JPEGまたはPNGのみ、最大50MB。幅と高さはそれぞれ最低300px以上で、アスペクト比は1:2.5〜2.5:1の範囲内である必要があります – ネイティブオーディオは自動的に生成されます このボットは追加のカスタマイズのためのオプションパラメーターをサポートしています。

HappyHorse 1.1は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。 モード（自動検出） – テキストから動画：プロンプトのみを送信します。 – 画像から動画：1枚の画像を添付してアニメーション化します。出力は画像のアスペクト比に従います。 – 参照画像から動画：2〜9枚の参照画像を添付し、プロンプト内でcharacter1、character2のように名前を付けることで、被写体・シーン・スタイルの一貫性を保ちます。 入力制限 – プロンプトは最大2,500文字。 – 画像：JPEG、PNG、BMP、またはWEBP。画像から動画には1枚、参照画像から動画には最大9枚。 – 動画や音声の入力は不可。 このボットは追加のカスタマイズのためのオプションパラメーターをサポートしています。

Fugu Ultra v1.0 は Sakana AI のマルチエージェントコンダクターです。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、リサーチ向けに構築されており、テキストと画像の入力を受け付け、100万トークンのコンテキストに対応しています。 注意事項： – 回答の完了には数秒から数分かかる場合があります。 – モデルは返答前に内部処理を完了させるため、回答はトークンごとではなく一度にまとめて届きます（つまり、ストリーミングは利用できません）。 – 「Extra High」と「Max」の推論レベルはエイリアスです。 このボットは追加のカスタマイズのためのオプションパラメーターをサポートしています。

Seedance 2.0 MiniはByteDanceのSeedance 2.0動画モデルの高速・低コストプランです。テキスト、画像、または動画から480pおよび720pで、ネイティブ音声同期、カメラ制御、安定したモーションを備えた短い映画的クリップを生成します。下書き、迅速なイテレーション、大量の短尺動画制作向けに構築されています。 このボットは追加のカスタマイズのためのオプションパラメーターをサポートしています。

実際のビジネスシナリオ向けに設計されたHy3は、295B/21Bのアクティブなモエ（MoE）アーキテクチャ、ネイティブの256Kコンテキストサポート、および3つの推論モードを搭載しています。コーディング、長文理解、マルチターン対話、エージェント型タスク実行を強化し、高頻度のインタラクションと複雑なワークフローの両方において信頼性・効率性・コストのバランスを実現します。 ファイルサポート: テキスト、Markdown、PDFファイル コンテキストウィンドウ: 262kトークン

Seedream 5.0 Pro は、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ご活用いただけます。 入力制限 – 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 このボットは、追加カスタマイズのためのオプションパラメータをサポートしています。

StepFun マルチモーダル推論モデル。画像および動画入力、ツール呼び出し、調整可能な推論の深さ、256Kコンテキストに対応しています。 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Seed 2.1 Turbo は 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。 注記： – コンテキストウィンドウ：256K – サポートされる入力モダリティ：テキスト、画像、動画 このボットは追加のカスタマイズのためのオプションパラメータをサポートしています。

Kimi K3は、Moonshot AIのフラッグシップ推論モデルです。100万トークンのコンテキストを持ち、ソフトウェアエンジニアリング、深い推論、ナレッジワークのために構築されています。ネイティブウェブ検索を備え、テキスト、画像、動画の入力に対応しています。 このボットは、追加のカスタマイズ用のオプションパラメーターをサポートしています。

GLM-5.2はZ.AIの最新フラッグシップモデルで、長期的な自律タスクのために精密に設計されています。単一の課題に最大8時間継続して取り組むことができ、初期計画・実行から反復的な最適化、プロダクショングレードの成果物の提供まで、ワークフロー全体を自律的に管理します。主要なプロプライエタリフロンティアモデルに匹敵するコーディングおよびエージェント機能を持ち、特に継続的な実行、複雑なエンジニアリング最適化、実世界の開発シナリオで優れた性能を発揮します。コンテキストウィンドウは200Kから100万トークンに拡張されており、高度な自律エージェントや長期コーディングアシスタントを支える理想的な基盤モデルです。 ファイルサポート: テキスト、Markdown、PDFファイル コンテキストウィンドウ: 100万トークン

GLM-5.2はZ.aiのフラッグシップ推論・コーディングモデルで、100万トークンのコンテキストと128K出力を備えています。調整可能な推論の深さ、組み込みのウェブ検索、関数呼び出し、JSON構造化出力に対応しています。 このボットは追加のカスタマイズのためのオプションパラメーターをサポートしています。

Fugu Ultra v1.1は、Sakana AIのマルチエージェントコンダクターで、100万トークンのコンテキストウィンドウを備え、高度な推論、コーディング、調査研究向けに構築されています。テキストと画像の入力を受け付け、専門エージェントを調整して1つの回答を生成します。 注意事項： – 応答の完了には数秒から数分かかる場合があります。 – モデルは返答前に内部処理を完了させるため、トークンごとではなく回答全体が一度に届きます（ストリーミングは利用できません）。 このボットは、追加のカスタマイズのためのオプションパラメーターをサポートしています。