利用可能な Models

W&B Inference で利用可能なファウンデーション Models を閲覧する

W&B Inference は、いくつかのオープンソースの基盤 モデル への アクセス を提供します。各 モデル にはそれぞれ異なる強みと ユースケース があります。

​

モデル カタログ

モデル	モデル ID (API 使用時)	タイプ	コンテキストウィンドウ	パラメータ	説明
DeepSeek R1-0528	deepseek-ai/DeepSeek-R1-0528	Text	161K	37B-680B (Active-Total)	複雑な コーディング 、数学、構造化文書の 分析 を含む、精密な推理タスクに最適化
DeepSeek V3-0324	deepseek-ai/DeepSeek-V3-0324	Text	161K	37B-680B (Active-Total)	高度な複雑さを持つ言語 プロセッシング と包括的な文書 分析 に合わせて調整された、堅牢な Mixture-of-Experts モデル
DeepSeek V3.1	deepseek-ai/DeepSeek-V3.1	Text	128K	37B-671B (Active-Total)	プロンプトテンプレートを介して思考モードと非思考モードの両方をサポートする大型ハイブリッド モデル
Meta Llama 3.1 8B	meta-llama/Llama-3.1-8B-Instruct	Text	128K	8B (Total)	応答性の高い多言語 チャットボット インタラクションに最適化された効率的な対話型 モデル
Meta Llama 3.1 70B	meta-llama/Llama-3.1-70B-Instruct	Text	128K	70B (Total)	応答性の高い多言語 チャットボット インタラクションに最適化された効率的な対話型 モデル
Meta Llama 3.3 70B	meta-llama/Llama-3.3-70B-Instruct	Text	128K	70B (Total)	対話タスク、詳細な指示への追従、 コーディング に優れた多言語 モデル
Meta Llama 4 Scout	meta-llama/Llama-4-Scout-17B-16E-Instruct	Text, Vision	64K	17B-109B (Active-Total)	テキストと画像の理解を統合したマルチモーダル モデル で、視覚タスクと複合 分析 に理想的
Microsoft Phi 4 Mini 3.8B	microsoft/Phi-4-mini-instruct	Text	128K	3.8B (Active-Total)	リソース制約のある 環境 での高速なレスポンスに最適な、コンパクトで効率的な モデル
Moonshot AI Kimi K2	moonshotai/Kimi-K2-Instruct	Text	128K	32B-1T (Active-Total)	複雑な ツール の利用、推論、 コード 合成に最適化された Mixture-of-Experts モデル
Moonshot AI Kimi K2 Instruct 0905	moonshotai/Kimi-K2-Instruct-0905	Text	262K	32B-1T	Kimi K2 Mixture-of-Experts 言語 モデル の最新 バージョン 。320億の活性 パラメータ と合計1兆の パラメータ を特徴とする
OpenAI GPT OSS 20B	openai/gpt-oss-20b	Text	131K	3.6B-20B (Active-Total)	推論機能を備え、OpenAIのHarmonyレスポンス形式でトレーニングされた低レイテンシの Mixture-of-Experts モデル
OpenAI GPT OSS 120B	openai/gpt-oss-120b	Text	131K	5.1B-117B (Active-Total)	高度な推論、 エージェント 的な ユースケース 、および汎用目的のために設計された効率的な Mixture-of-Experts モデル
OpenPipe Qwen3 14B Instruct	OpenPipe/Qwen3-14B-Instruct	Text	32.8K	14.8B (Active-Total)	効率的な多言語、高密度、命令 チューニング 済み モデル 。ファインチューニングによる エージェント 構築のために OpenPipe によって最適化
Qwen2.5 14B Instruct	Qwen/Qwen2.5-14B-Instruct	Text	32.8K	14.7B-14.7B (Active-Total)	ツール 利用と構造化出力のサポートを備えた、高密度の多言語命令 チューニング 済み モデル
Qwen3 235B A22B Thinking-2507	Qwen/Qwen3-235B-A22B-Thinking-2507	Text	262K	22B-235B (Active-Total)	構造化された推論、数学、およびロングフォーム生成に最適化された高性能 Mixture-of-Experts モデル
Qwen3 235B A22B-2507	Qwen/Qwen3-235B-A22B-Instruct-2507	Text	262K	22B-235B (Active-Total)	論理的推論に最適化された、効率的な多言語 Mixture-of-Experts 命令 チューニング 済み モデル
Qwen3 Coder 480B A35B	Qwen/Qwen3-Coder-480B-A35B-Instruct	Text	262K	35B-480B (Active-Total)	関数呼び出し、 ツール 利用、および長いコンテキストの推論などの コーディング タスクに最適化された Mixture-of-Experts モデル
Z.AI GLM 4.5	zai-org/GLM-4.5	Text	131K	32B-355B (Active-Total)	推論、 コード 、 エージェント のために ユーザー が制御可能な思考/非思考モードを備えた Mixture-of-Experts モデル

​

モデル ID の使用

API を使用する際は、上記の表にある ID を使用して モデル を指定します。例：

# モデル ID を使用してチャット補完を作成する例
response = client.chat.completions.create(
    model="meta-llama/Llama-3.1-8B-Instruct",
    messages=[...]
)

​

次のステップ

• 各 モデル の 利用制限と価格 を確認する
• これらの モデル の使用方法について API リファレンス を参照する
• W&B Playground で モデル を試す