「マルチモーダル」のコラム

2026年8月21日公開のDeepSeek-V4-Flash-Vision-Expを解説。V4-Flashに画像理解を追加した実験的マルチモーダルAPIで、価格プレミアムはなくV4-Flashと同一単価。画像は1枚最大384トークンで課金され、Files APIは無料。使い方と料金、既存モデルとの違いを整理した。

Qwen3.7 Flashは2026年7月27日にOpenRouterへ掲載されたアリババのクローズド型ビジョン言語モデルである。入力$0.03/100万トークンから、コンテキスト長は最大100万トークン。料金の階段制・重み非公開・動画非対応という制約と使い方を整理して解説する。2026年8月更新。

2026年4月16日にAnthropicがリリースしたClaude Opus 4.7は、SWE-bench Verified 87.6%・Vision精度98.5%・新しいxhigh Effort Controlを搭載。Opus 4.6と同価格でコーディングエージェント・マルチモーダル能力を大幅強化した最新フラグシップの全機能を解説します。

2026年3月リリースのMistral Small 4は、推論・マルチモーダル・エージェントコーディングを1モデルに統合した119B MoE。Apache 2.0ライセンスで商用利用可能、日本語を含む11言語対応。スペック・導入手順・比較を完全解説。

Qwen3.5-9Bのアーリーフュージョン・マルチモーダルアーキテクチャを活用し、画像認識・動画解析AIを社内環境で無料運用する方法を解説。OCR、製品検査、監視映像分析、会議要約など業種別ユースケースとクラウドAPI比較、セットアップ手順まで網羅します。