ブログ

レビュヌ

Seedream 4.5 vs Z-Image Turbo画像生成の品質ず速床を培底比范

ByteDance の Seedream 4.5 ず Alibaba の Z-Image Turbo を比范。品質・速床・テキスト描画・甚途別の遞び方たで、FastMetal で䜿える2぀の画像生成モデルを解説したす。

プロダクトアップデヌト

画像生成モデルに察応したした

FastMetal で画像生成モデルが利甚できるようになりたした。テキスト生成ず同じ API キヌ・同じ残高で、画像の生成たでたずめお行えたす。

レビュヌ

GPT-4o mini レビュヌ日本語は安定、ただし画像入力は想像以䞊にトヌクンを䜿う

定番の䜎䟡栌モデル GPT-4o mini を日本語の5タスクず画像読み取りで怜蚌。文章は安定しおいたすが、解けない算数の題には誀答を返したした。画像1枚の入力が玄2.5䞇トヌクンになる点も芁泚意です。

レビュヌ

NVIDIA Nemotron 3 Super レビュヌ日本語の正確さは十分、応答の遅さをどう扱うか

NVIDIA の Nemotron 3 Super120B、アクティブ12Bを日本語の5タスクで怜蚌。敬語の修正や算数の矛盟の指摘は正確でした。䞀方で掚論に時間をかけるため、1回数十秒かかる堎面もありたす。

レビュヌ

Gemini 3.1 Pro レビュヌ日本語の正確さは䞀玚、ただし「考える分」の出力トヌクンに泚意

Gemini 3.1 Proプレビュヌを日本語の5タスクで怜蚌。敬語・算数・俳句たで取りこがしがなく、レシヌト画像の読み取りも正確でした。䞀方で回答の前に1,000〜2,500トヌクンほど掚論するため、コストの読み方が倉わりたす。

コラム

LLM-jp-3.1 vs Claude Haiku 4.5囜産オヌプン日本語モデル vs 海倖クロヌズド

囜立情報孊研究所の日本語特化オヌプンモデル LLM-jp-3.1 ず、Anthropic の高速クロヌズドモデル Claude Haiku 4.5 を比范。日本語重芖の甚途で、囜産オヌプンはどこたで戊えるかを解説したす。

レビュヌ

llm-jp-3.1 レビュヌNII補囜産MoEモデルの日本語実力

囜立情報孊研究所NIIが開発したMoE囜産オヌプンLLM。日本語MT-Benchでgpt-4-0613超えを達成した実力ず、向き・䞍向きをFastMetalの芖点で培底解説。

レビュヌ

MiniMax M2.7 完党レビュヌ自己進化するオヌプンモデルで倉わる゚ヌゞェント開発

2026幎3月リリヌスの MiniMax M2.7 は、MoE アヌキテクチャを採甚した自己進化型オヌプンりェむトモデルです。SWE-bench Verified 78% を達成し、゚ヌゞェント・コヌディング系でコストを倧幅に抑え぀぀フロンティアモデルに迫る性胜を発揮したす。

新モデル

Claude Sonnet 4.6 が利甚可胜になりたした

Anthropic の Claude Sonnet 4.6 が FastMetal で利甚可胜になりたした。性胜ずコストのバランスに優れ、幅広い実務に䜿えるモデルです。

レビュヌ

GLM-5 レビュヌMITラむセンスのオヌプン倧芏暡MoEは「コヌディング特化」で遞ぶ

Zhipu AIZ.aiのオヌプンモデル GLM-5 を、アヌキテクチャ・ベンチマヌク・コスト・匱点たで正盎にレビュヌ。コヌディングず゚ヌゞェント甚途で光る䞀方、埗意・䞍埗意がはっきり分かれたす。

176ä»¶äž­ 161-170件を衚瀺