ModelDock
宣言されたローカル実行
マシン、モデル成果物、ランタイム、量子化、コンテキスト。
Codex のためのモデルハブ
ひとつの場所で作業し、
あらゆる能力で完遂する。
Codex での作業をそのまま続けられます。ModelDock は、ネイティブ GPT、マネージドプロバイダー、ローカルエンジンなど選んだモデルと、タスクに必要なツールを同じワークフローに接続します。プロンプト、ファイル、結果をアプリ間で手作業で移す必要はありません。
ローカルブリッジ Responses のストリーミング、ツールループ、長いセッションも同じタスクの一部として維持されます。
01 / モデル選択
慣れた作業方法はそのまま。
必要なルートを追加。
ModelDock は Codex を別のチャット画面に置き換えません。モデルピッカーにネイティブ GPT と追加ルートを並べ、今の環境を離れずに、タスクに合う能力やコスト構成を選べるようにします。
02 / 機能
タスクが求める能力をモデルに追加。
高速なテキストモデルに画像理解を組み合わせられます。ローカルモデルも、ツールを設定すれば検索、記憶、発話、音声理解、生成、成果物作成が可能です。機能は別アプリではなく、タスク内のツールとして追加されます。
例 画像理解 · Web 検索 · メモリ · 音声 · 画像生成 · 動画制作
03 / ローカルモデル
ローカルエンジンを接続。
タスクは分断しない。
Ollama、llama.cpp、vLLM、互換ローカルエンドポイントはループバック上で検出するか、URL で追加できます。ModelDock はモデルが収まるかを示し、実用的な設定を提案し、リクエスト、コンテキスト、レイテンシの挙動をタスクとともに可視化します。
Ollamallama.cppvLLM互換エンドポイント
04 / ハードウェア根拠
組む前、買う前に、
マシンを理解する。
ローカルモデルの背後には実機があります。モデル成果物、量子化、ランタイム、コンテキスト、トポロジー、消費電力、そして実際のワークロードです。ベンチマークと購入ガイドは ModelDock の自然な拡張であり、ローカル構成を実用的な性能根拠と運用経済性に変換します。
実用時の挙動
Prefill、decode、電力、タスク条件を分けて保持。
比較可能な情報源
結果が表に入る前に、出典と条件を明示。
運用上の選択
ワークロード、時間、電力から判断材料を作成。