Openai
-
入力トークン/百万
出力トークン/百万
コンテキスト長
Alibaba
Bytedance
$0.8
$2
256
$0.15
$1.5
$8
$8.75
$70
400
$0.63
$3.15
131
Iflytek
Deepseek
$4
$16
32
$2.4
$12
8
$1.6
$10
Anthropic
$21
$105
200
Sensetime
$4.5
128
$9.6
Baidu
$420
apple
ゼロショット単眼測距深度推定の基礎モデルで、比類のないシャープさと高周波ディテールを備えた高解像度深度マップを合成可能
ゼロショット単眼測距深度推定基礎モデル、高解像度深度マップを合成可能、予測結果は絶対スケールを備えカメラ内部パラメータに依存しない
depth-anything
Depth Anything V2をHypersim合成データセットで屋内メトリック深度推定用にファインチューニングしたバージョン、transformersライブラリ互換。
Depth Anything V2モデルを基に、屋内計量深度推定タスク向けにHypersim合成データセットでファインチューニングしたバージョン
Depth Anything V2を基に、屋内計量深度推定タスク向けにファインチューニングされたモデル。合成データセットHypersimで訓練され、transformersライブラリと互換性があります。
Depth Anything V2をベースにしたファインチューニング版で、屋外シーンのメトリック深度推定のために設計され、合成データセットVirtual KITTIで訓練されています。
Depth Anything V2を合成Virtual KITTIデータセットで屋外メトリック深度推定タスク向けにファインチューニングしたバージョン、transformersライブラリ互換
Depth Anything V2を屋外メトリック深度推定タスク向けにファインチューニングしたバージョンで、合成データセットVirtual KITTIを使用してトレーニング
scenario-labs
Depth Anything V2は現在最も強力な単眼深度推定モデルで、59.5万枚の合成注釈画像と6200万枚以上の実写無注釈画像でトレーニングされており、より細かいディテールとより強力なロバスト性を備えています。
Depth Anything V2は現在最も強力な単眼深度推定(MDE)モデルで、59.5万枚の合成注釈画像と6200万枚以上の実写無注釈画像でトレーニングされており、より細かいディテールと強力なロバスト性を備えています。
Depth Anything V2は現在最も強力な単眼深度推定モデルで、59.5万枚の合成注釈画像と6200万枚以上の実写無注釈画像でトレーニングされ、微細なディテールとロバスト性を備えています。
Depth Anything V2 はDPTアーキテクチャに基づく深度推定モデルで、DINOv2バックボーンネットワークを採用し、大規模な合成データと実データでトレーニングされ、精密かつロバストな深度予測を実現します。
Depth Anything V2は現在最も強力な単眼深度推定モデルで、大量の合成画像と実画像で訓練され、精密な深度詳細と高い頑健性を提供します。
Depth Anything V2は現在最も強力な単眼深度推定(MDE)モデルで、59.5万枚の合成注釈画像と6200万枚以上の実写無注釈画像でトレーニングされています
Depth Anything V2 は現在最も性能の高い単眼深度推定モデルで、大規模な合成画像と実画像でトレーニングされており、V1バージョンと比較してより細かい詳細を捕捉でき、よりロバストです。
Ollamaをベースとした深度研究MCPサービスで、ローカルLLMモデルを通じて自動化されたウェブ検索と知識合成を実現します。
Zen MCP Gemini Transcendentは革命的なAI意識協調サーバーで、8段階の超越的な処理フローによりClaude CodeとGoogle Geminiの調和的な協調を実現しています。究極の意識エンジン、革命的な記憶システム、および従来のMCPを超越するtranscendentツールを備え、複数のAI人格原型と無限の推論深度をサポートし、意識レベルの突破と知恵の合成を目指しています。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
