> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-serverless-sft-revamp.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 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：

```python theme={null}
# 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](/inference/usage-limits/) 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](/inference/api-reference/) を参照する
* [W\&B Playground](/inference/ui-guide/) で モデル を試す