モデル

テキスト生成 13 モデル、埋め込み 1 モデル、画像生成 3 モデル、 動画生成 1 モデル、音声文字起こし 2 モデル、音声合成 1 モデル、判定 1 モデル。

テキスト生成

glm-5.3-uncensored

GLM-5.3 Uncensored

GLM-5.3 の無検閲派生。拒否応答を返さない。思考は常時 ON

入力 ¥600 / キャッシュ読取 ¥80 / 出力 ¥1,000(1M tok)
コンテキスト 1,000,000
対応入力 テキスト
出力速度 99 tok/s / TTFT 1.12 s / 稼働率 100.00%

glm-5.3

GLM-5.3

複雑なコーディングと長時間エージェント向け。思考は常時 ON

入力 ¥280 / キャッシュ読取 ¥55 / 出力 ¥880(1M tok)
コンテキスト 1,000,000
対応入力 テキスト
出力速度 — tok/s / TTFT — s / 稼働率 100.00%

glm-5.3-flash-uncensored

GLM-5.3 Flash Uncensored

GLM-5.3-Flash の無検閲派生。拒否応答を大幅に抑え、画像・動画入力に対応

入力 ¥200 / キャッシュ読取 ¥140 / 出力 ¥600(1M tok)
コンテキスト 1,000,000
対応入力 テキスト / 画像 / 動画
出力速度 131 tok/s / TTFT 0.78 s / 稼働率 100.00%

deepseek-v4.1-flash-1017-uncensored

DeepSeek V4.1 Flash 1017 Uncensored

DeepSeek V4.1 Flash 1017 の無検閲派生。拒否応答を抑え、画像入力と 1M コンテキストに対応

入力 ¥200 / キャッシュ読取 ¥140 / 出力 ¥600(1M tok)
コンテキスト 1,000,000
対応入力 テキスト / 画像
出力速度 58 tok/s / TTFT 1.50 s / 稼働率 100.00%

qwen3.8-flash-next-uncensored

Qwen3.8 Flash Next Uncensored

Qwen3.8 Flash Next の無検閲派生。拒否応答を大幅に抑えた MoE。画像・動画入力に対応

入力 ¥180 / キャッシュ読取 ¥130 / 出力 ¥640(1M tok)
コンテキスト 245,760
対応入力 テキスト / 画像 / 動画
出力速度 97 tok/s / TTFT 1.00 s / 稼働率 100.00%

kimi-k2.6

Kimi K2.6

汎用。思考の ON / OFF を選べる

入力 ¥160 / キャッシュ読取 ¥35 / 出力 ¥730(1M tok)
コンテキスト 262,144
対応入力 テキスト / 画像
出力速度 — tok/s / TTFT — s / 稼働率 100.00%

qwen3.8-27b-uncensored

Qwen3.8 27B Uncensored

27B dense の無検閲派生。拒否応答を返さない

入力 ¥70 / キャッシュ読取 ¥50 / 出力 ¥480(1M tok)
コンテキスト 245,760
対応入力 テキスト / 画像
出力速度 108 tok/s / TTFT 1.74 s / 稼働率 100.00%

deepseek-v4.1-flash-1017

DeepSeek V4.1 Flash 1017

DeepSeek V4.1 Flash の 10/17 版。コーディング・エージェント性能を強化

入力 ¥60 / キャッシュ読取 ¥5 / 出力 ¥240(1M tok)
コンテキスト 1,048,576
対応入力 テキスト / 画像
出力速度 157 tok/s / TTFT 4.40 s / 稼働率 100.00%

gemma-4-31b-it

Gemma 4 31B

動画入力に対応。低コストなマルチモーダル

入力 ¥55 / 出力 ¥125(1M tok)
コンテキスト 262,144
対応入力 テキスト / 画像 / 動画
出力速度 55 tok/s / TTFT 2.88 s / 稼働率 100.00%

llm-jp-4.1-33b-thinking

LLM-jp-4.1 33B Thinking

日本語特化の思考モデル。テキスト専用

入力 ¥55 / キャッシュ読取 ¥40 / 出力 ¥125(1M tok)
コンテキスト 65,536
対応入力 テキスト
出力速度 31 tok/s / TTFT 0.19 s / 稼働率 100.00%

qwen3.8-flash-next

Qwen3.8 Flash Next

Qwen4 系アーキテクチャの先行版。エージェントコーディングと画像・動画理解

入力 ¥30 / キャッシュ読取 ¥5 / 出力 ¥95(1M tok)
コンテキスト 262,144
対応入力 テキスト / 画像 / 動画
出力速度 76 tok/s / TTFT 0.65 s / 稼働率 100.00%

glm-5.3-flash

GLM-5.3 Flash

1M コンテキストのマルチモーダル。最安帯で画像・動画入力に対応

入力 ¥30 / キャッシュ読取 ¥10 / 出力 ¥100(1M tok)
コンテキスト 1,000,000
対応入力 テキスト / 画像 / 動画
出力速度 — tok/s / TTFT — s / 稼働率 100.00%

plamo-3-translate

PLaMo 3 Translate

53 言語に対応した翻訳専用モデル。用語集・参考文脈・常体 / 敬体を指定できる

入力 ¥10 / 出力 ¥30(1M tok)
コンテキスト 32,768
対応入力 テキスト
出力速度 — tok/s / TTFT — s / 稼働率 100.00%

出力速度と TTFT は直近 24 時間の中央値、稼働率は直近 72 時間です。

埋め込み

qwen3-embedding-8b

Qwen3 Embedding 8B

テキストをベクトル化。検索・分類・クラスタリング向け

入力 ¥10(1M tok・出力単価なし)
次元 4,096(32〜4096 で指定可)
コンテキスト 32,000

埋め込みは /v1/embeddings です。対応モデルは GET /v1/embeddings/models で確認できます(テキスト生成の GET /v1/models には含まれません)。

画像生成

krea-2-medium-turbo

Krea 2 Medium Turbo

テキストと参照画像から画像を生成。高速な反復向け

1 枚 約 ¥3(出力 ¥720 / 1M 画像 tok)
精度 BF16
利用モデル krea/Krea-2-Turbo
解像度 1K / 参照画像 最大 1 枚 / seed 可
アスペクト比 1:1 / 4:3 / 3:2 / 16:9 / 4:5 / 2:3 / 9:16

krea-2-turbo-uncensored

Krea 2 Turbo Uncensored

表現の制限を緩めた画像生成。精度 FP8。1K / 2K を同額で

1 枚 ¥10(1K / 2K 同額)
精度 FP8
利用モデル ChrisColeTech/krea2-turbo-uncensored-v1.1-FP8
解像度 1K / 2K / 参照画像 0 枚 / seed 可
アスペクト比 1:1 / 1:2 / 2:1 / 1:3 / 3:1 / 2:3 / 3:2 / 3:4 / 4:3 / 4:5 / 5:4 / 9:16 / 16:9 / 9:21 / 21:9

minimax-h3-image

MiniMax H3 Image

最大 4K(約 16 メガピクセル)まで直接生成。精度 FP8

1 枚 約 ¥0.8(1K)〜 ¥13.1(4K)(出力 ¥800 / 1M 画像 tok + 入力 ¥600 / 1M tok + 参照画像 ¥400 / 1M tok)
精度 FP8
利用モデル MiniMaxAI/MiniMax-H3-Image
解像度 1K / 2K / 4K / 参照画像 最大 1 枚 / seed 可
アスペクト比 1:1 / 4:3 / 3:4 / 3:2 / 2:3 / 16:9 / 9:16 / 21:9 / 9:21

画像生成は /v1/images/generations です。対応モデルは GET /v1/images/models で確認できます(テキスト生成の GET /v1/models には含まれません)。krea-2-medium-turbo は生成画像のトークン数 × 単価、 krea-2-turbo-uncensored は生成枚数 × ¥10、minimax-h3-image は画像のトークン数 × 単価にプロンプトのトークン数 × 入力単価(参照画像を渡した場合はそのトークン数 × 参照画像単価も)を加えて課金します。

動画生成

minimax-h3

MiniMax H3

テキストと先頭・末尾フレームの画像から動画を生成

秒単価 ¥30 / 参照画像 ¥10(1 枚・最大 2 枚)
精度 INT8
利用モデル MiniMaxAI/MiniMax-H3
長さ 5〜15 秒 / 解像度 2K / 音声あり
アスペクト比 21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16

動画生成は /v1/videos です。対応モデルは GET /v1/videos/models で確認できます(テキスト生成の GET /v1/models には含まれません)。詳細は ドキュメント と 料金 を参照してください。

音声文字起こし

whisper-large-v3

Whisper Large V3

多言語の音声文字起こし。精度優先

¥0.03 / 秒(¥1.8 / 分)
精度 FP16
利用モデル openai/whisper-large-v3
形式 mp3 / mp4 / m4a / wav / flac / ogg / webm / 上限 25 MB

whisper-large-v3-turbo

Whisper Large V3 Turbo

V3 のデコーダを 32 層 → 4 層に刈り込んだ高速版。速度優先

¥0.025 / 秒(¥1.5 / 分)
精度 FP16
利用モデル openai/whisper-large-v3-turbo
形式 mp3 / mp4 / m4a / wav / flac / ogg / webm / 上限 25 MB

音声文字起こしは /v1/audio/transcriptions です。対応モデルは GET /v1/audio/models で確認できます(テキスト生成の GET /v1/models には含まれません)。音声の長さ(秒)で課金し、1 秒未満は切り上げます。詳細は ドキュメント を参照してください。

音声合成

irodori-tts

Irodori-TTS v4.1 Small

日本語の音声合成。声と話し方を文章で指定できる

¥0.006 / 文字(¥6,000 / 100 万文字)
精度 BF16
利用モデル Aratako/Irodori-TTS-v4.1-Small
形式 mp3 / wav / flac / aac / 上限 1,000 文字

音声合成は /v1/audio/speech です。対応モデルは GET /v1/audio/speech/models で確認できます(テキスト生成の GET /v1/models には含まれません)。入力の文字数で課金します。詳細は ドキュメント を参照してください。

判定

clef-flash

Clef Flash

テキストに対する Yes/No・分類・スコアの質問に、確率つきで答える判定専用モデル

入力 ¥20(1M tok・出力単価なし)
精度 BF16
利用モデル Cloudflare/clef-flash
コンテキスト 16,384 / 対応入力 テキスト

判定は /v1/decisions と /v1/systemone です。対応モデルは GET /v1/decisions/models で確認できます(テキスト生成の GET /v1/models には含まれません)。詳細は ドキュメント を参照してください。

掲載してほしいモデルがあれば教えてください。ご意見箱扱いとなるため、こちらでは返信いたしません。

モデルをリクエストする