LFM2-VL-3BはLiquid AIが開発したマルチモーダル視覚言語モデルで、LFM2バックボーンアーキテクチャに基づいて構築されており、強力な視覚理解と推論能力を備えており、特に細粒度な感知タスクで優れた性能を発揮します。このモデルは、テキストと画像の入力を効率的に処理することができ、最大512×512解像度の原生画像処理をサポートしています。

マルチモーダルTransformers多言語

NVIDIA GPT-OSS-120B Eagle3は、OpenAIのgpt-oss-120bモデルをベースに最適化されたバージョンで、ハイブリッドエキスパート（MoE）アーキテクチャを採用し、総パラメータ数が1200億、アクティブなパラメータ数が50億です。このモデルは商用および非商用の使用をサポートし、テキスト生成タスクに適しており、特にAIエージェントシステムやチャットボットなどのアプリケーション開発に適しています。

自然言語処理Safetensors

Stable Diffusion v1-5は潜在拡散技術に基づくテキストから画像生成モデルで、テキスト記述に基づいてリアルな画像を生成できます。このモデルはLAION - 2Bデータセットで訓練され、英語テキスト入力をサポートし、512x512解像度の画像を生成します。

マルチモーダルDiffusers

Wan2.2は基礎ビデオモデルの大幅なアップグレード版で、混合専門家（MoE）アーキテクチャを導入し、精心設計された美学データを組み込み、より多くのデータで学習させることで複雑な動きの生成能力を向上させています。このモデルは480Pと720Pの解像度の5秒間のビデオ生成をサポートし、ビデオ生成の品質と性能が大幅に向上しています。

マルチモーダルDiffusers

IBM Granite-4.0-H-Tinyモデルの5ビット量子化バージョンで、Appleシリコンチップ用に最適化されています。Mamba-2とソフトアテンションの混合アーキテクチャを採用し、混合専門家モデル（MoE）を組み合わせることで、高品質を維持しながら効率的な推論を実現します。

自然言語処理Mlx多言語

Apriel-1.5-15b-ThinkerはServiceNowが開発した150億パラメータのマルチモーダル推論モデルで、テキストと画像の推論能力を備え、その性能は10倍大きいモデルに匹敵します。人工分析指数で52点を獲得し、企業分野のベンチマークテストで優れた成績を収めています。

マルチモーダルTransformers

これはQwen3-Coder-30B-A3B-Instructをベースとした混合エキスパートモデルで、540億のパラメータと100万のコンテキスト長を持っています。モデルは三段階のマージとBrainstorm 40X最適化により、強力なプログラミング能力と一般的なシーンの処理能力を備え、特に思考モジュールを統合しており、回答前に深い推論を行うことができます。

自然言語処理Transformers多言語

これはGLM-4.6モデルの5ビット量子化バージョンで、mlx-lmツールを使用して変換され、Apple Siliconデバイス用に最適化され、大規模言語モデルの効率的な推論能力を提供します。

自然言語処理Mlx多言語

これはNVIDIA-Nemotron-Nano-9B-v2モデルのFP8動的量子化バージョンで、重みと活性化をFP8データ型に量子化することで最適化を実現し、ディスクサイズとGPUメモリ要件を約50％削減し、同時に優れたテキスト生成性能を維持します。

自然言語処理Transformers多言語

Kairos-50Mは5000万のパラメータを持つ時系列基礎モデルで、異なる分野にまたがるゼロショット予測に特化しています。適応的分詞と位置符号化技術を採用し、異なる情報密度を持つ異種時系列データを処理でき、微調整することなく異なる分野で強力な汎化能力を実現します。

科学計算Transformers

Oviは、テキストまたはテキスト + 画像の入力に基づいて、同期したビデオとオーディオコンテンツを同時に生成できる高度なオーディオ - ビデオ生成モデルです。このモデルはデュアルバックボーンアーキテクチャを採用し、5秒のビデオ生成をサポートし、マルチメディア創作に強力なツールを提供します。

マルチモーダルSafetensors英語

これはQwen3-VL-235B-A22B-Instructの量子化バージョンで、重みと活性化値をFP8データ型に量子化することで、ディスク容量とGPUメモリの要件を約50％削減します。テキスト、画像、ビデオの入力をサポートし、テキストを出力し、さまざまな自然言語処理とマルチモーダルタスクに適しています。

マルチモーダルSafetensors

KaniTTSは高速で高忠実度のテキスト音声変換モデルで、リアルタイム対話型人工知能アプリケーション向けに最適化されています。このモデルは2段階の処理フローを採用し、大規模言語モデルと効率的なオーディオコーデックを組み合わせています。Nvidia RTX 5080で15秒の音声を生成する際の遅延は約1秒だけで、MOS自然度評価は4.3/5で、英語、中国語、日本語などの多言語をサポートしています。

音声処理Transformers多言語

これはQwen3-Omni 31.7Bパラメータモデルの専用量子化バージョンで、先進的なINT8+FP16混合精度量子化技術を採用し、メモリ使用量を50%以上削減し、スマートなGPU/CPU混合推論をサポートし、大型マルチモーダルモデルをコンシューマーレベルのハードウェアで効率的に動作させることができます。

マルチモーダルSafetensors多言語

Rapido NERは強力な多言語命名エンティティ認識とエンティティ埋め込みモデルで、55の言語をサポートし、エンコーダ、アテンションベースのメンションプーリング、タイプ投影層、条件付き確率場デコードを統合しており、命名エンティティ認識分野の一般的な問題を解決するために特別に設計されています。

自然言語処理Transformers多言語

Isaac 0.1は感知器会社が発表した最初の知覚言語モデルで、20億のパラメータを持ち、現実世界のアプリケーション向けに設計されています。このモデルは効率の面で新しい基準を確立し、それよりも50倍以上大きいモデルと同等またはそれ以上の性能を発揮し、強力な視覚理解と空間推論能力を備えています。

マルチモーダルTransformers

Isaac-0.1は感知会社が発表した最初のオープンソースの視覚言語モデルで、20億のパラメータを持ち、現実世界のアプリケーション向けに設計されています。このモデルはマルチモーダル理解と空間推論において優れた性能を発揮し、それよりも50倍以上大きいモデルを上回る性能を達成し、新しい効率基準を確立しました。

マルチモーダルTransformers

これはQwen3-Next-80B-A3B-Instructモデルの5ビット量子化MLX形式のバージョンで、Apple Silicon用に最適化され、効率的な推論性能を提供します。

自然言語処理Mlx

これはDistilBERTを微調整したメンタルヘルス分類モデルで、ソーシャルメディアのテキスト（ツイートやRedditの投稿など）に含まれるメンタルヘルス関連の信号を分析するために特化しています。このモデルはテキストをうつ病、不安、自殺念慮、快楽、中性/日常の5つのカテゴリに分類でき、メンタルヘルス問題のリスクのある個人を識別するのに役立ちます。

自然言語処理Transformers英語

Qwen/Qwen2-1.5Bをベースに微調整されたログ分類モデルで、システムまたはアプリケーションのログエントリを分類するために特別に設計されています。正常、疑わしい、悪意のある、情報性、エラーの5種類のラベル識別をサポートし、自動化されたログ監視とセキュリティ分析を支援します。

自然言語処理Safetensors英語