これはQwen-Image用に特別に設計されたオープンソースのLoRAモデルで、現代のiPhone撮影のリアルな外観と感じを再現することに特化しています。このモデルは5000枚以上の実際のiPhoneスタイルの写真を基に訓練されており、鮮明で自然な、ソーシャルメディアで共有するのに適した画像を生成できます。

コンピュータビジョンDiffusers

このモデルは、FacebookAI/xlm-roberta-largeを多言語テキストで微調整したジョーク評価モデルで、ジョークの品質とユーモア度を評価するために特化しています。評価セットで0.4005の正解率と5.0327の二乗平均平方根誤差を達成しています。

自然言語処理Transformers

シャルロット-AMYはClemyliaによって開発された微調整された小型言語モデルで、5100万のパラメータを持ち、希望、友情、倫理、サポートの分野に特化しています。このモデルは「訓練の質がパラメータの数より重要」という理念を持ち、意味の明瞭さと一貫性に優れ、高品質の倫理相談と感情的サポートサービスを提供します。

自然言語処理Transformersフランス語

このモデルはQwen3 - 4Bアーキテクチャに基づく知識蒸留モデルで、Gemini 2.5 Flashによって生成された約5440万個のトークンを使用してトレーニングされ、Gemini - 2.5 Flashの振る舞い、推論プロセス、知識を単一のデータセットに統合することを目的としています。

自然言語処理Transformers英語

Stable Diffusion v2は拡散モデルに基づくテキストから画像生成モデルで、テキストプロンプトに基づいて画像を生成および修正することができます。このモデルはLAION - 5Bデータセットのサブセットで訓練され、オートエンコーダと拡散モデルを組み合わせて潜在空間で訓練され、複数の解像度とタスクをサポートします。

コンピュータビジョンDiffusers

Tarka-Embedding-350M-V1は3億5000万のパラメータを持つテキスト埋め込みモデルで、1024次元の密集したテキスト表現を生成することができます。このモデルは、意味的な類似性、検索、および検索強化生成（RAG）などの下流アプリケーションに対して最適化されており、複数の言語をサポートし、長いコンテキストを処理する能力を持っています。

自然言語処理Sentence-transformers

これはVideoMAE-Baseアーキテクチャに基づいてWLASLデータセットで微調整された動画動作認識モデルです。200エポックの訓練を経て、評価セットで52.96%のトップ1精度と79.88%のトップ5精度を達成し、手話動作認識タスクに特化しています。

コンピュータビジョンTransformers

Tarka-Embedding-150M-V1は1億5000万のパラメータを持つ埋め込みモデルで、768次元の密集したテキスト表現を生成できます。意味の類似性、検索、および検索強化生成（RAG）などのさまざまな下流アプリケーションに対して最適化されており、深いコンテキスト意味を捉えることに焦点を当て、さまざまな分野にまたがる汎用的なテキスト理解をサポートします。

自然言語処理Sentence-transformers

これはDanrisiのFluxアーキテクチャに基づくテキストから画像へのモデルUltraReal Fine-TuneのNunchaku量子化（SVDQ）バージョンです。このモデルは2種類の量子化形式を提供します：INT4は非BlackwellアーキテクチャのGPU（50シリーズ以前）に適しており、NVFP4はBlackwellアーキテクチャのGPU（50シリーズ）に適しており、ハードウェア要件を下げながら画像生成品質を維持することを目的としています。

コンピュータビジョンDiffusers英語

gpt-oss-safeguard-120bは、OpenAIがgpt-ossをベースに構築したセキュリティ推論モデルで、1170億のパラメータ（うち51億がアクティブなパラメータ）を持っています。このモデルはセキュリティのユースケースに特化して設計されており、提供されたセキュリティポリシーに基づいてテキストコンテンツを分類し、基本的なセキュリティタスクを実行することができます。

自然言語処理Transformers

Tashkeel-350M-v2は、アラビア語テキストの標音に特化したモデルで、3億5000万のパラメータを持っています。このモデルはibm-granite/granite-4.0-h-350mモデルをベースに、Misraj/Sadeed_Tashkeelaデータセットで微調整トレーニングされ、アラビア語テキストに正しい音標記号を自動的に付けることができます。

自然言語処理Transformersアラビア語

Lamapi/next-12bは、12Bパラメータに基づく大規模言語モデルで、多言語データセットを使用して微調整され、50種類以上の言語をサポートし、効率的なテキスト生成能力を備えており、化学、コード、生物学、金融、法律などの複数の分野の自然言語処理タスクに適しています。

自然言語処理Transformers多言語

MiniMax-M2-5bitは、MiniMaxAI/MiniMax-M2モデルから変換された5ビット量子化バージョンで、MLXフレームワーク用に最適化されています。このモデルは大規模言語モデルで、テキスト生成タスクをサポートし、MITライセンスで公開されています。

自然言語処理Mlx

これはQwen3-Coder-REAP-25B-A3Bに基づく量子化バージョンで、Macデバイス用に特別に最適化されています。Deckard(qx)公式を使用して量子化を行い、埋め込み層、ヘッド、および選択的注意経路では6ビット量子化を使用し、その他の部分では5ビット量子化を使用し、グループサイズを32として、q8量子化に近い品質を維持しながら、より効率的な実行を実現します。

自然言語処理Mlx英語

これはQwen-Coder-14Bモデルをネットワークデータセットで微調整したバージョンで、ネットワークデータシーンに特化して最適化されています。基礎バージョンと比較して、特定のネットワークタスクでより優れた性能を発揮します。モデルは3エポックのトレーニングを行い、学習率は5e-5です。

自然言語処理Transformers

KaniTTSは、リアルタイム対話型AIアプリケーション向けに最適化された高速かつ高忠実度のテキスト音声変換モデルです。独自の2段階アーキテクチャにより、大規模言語モデルと効率的な音声コーデックを組み合わせ、低遅延で高品質な音声合成を実現します。リアルタイムファクターは最低0.2で、リアルタイム速度の5倍の高速合成が可能です。

音声処理Transformers英語

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

これは美团のLongCat-Flash-ChatモデルのMLX形式への変換バージョンで、革新的なDQ6_K_M量子化技術を採用し、512GBメモリを搭載したApple Mac Studio M3 Ultraデバイス向けに最適化されており、8ビット量子化に近い性能を維持しながらメモリ使用量を大幅に削減します。

自然言語処理Mlx

これはT5-smallアーキテクチャに基づいて微調整された英語からサンスクリット語への翻訳モデルで、50輪の訓練後の検証損失は0.1564に達し、英語のテキストを効率的かつ正確にサンスクリット語に翻訳することができます。

自然言語処理Transformers

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