MiniMax-M2は、コーディングとエージェントのワークフローを最大化するために構築された小型の混合専門家モデルで、総パラメータは2300億、活性化パラメータは100億です。このモデルは、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能を維持し、コンパクトで高速かつ経済的に効率的な特徴を持っています。

自然言語処理Transformers

Qwen-Image-Editをベースにしたモデルの剪定バージョンで、20層を削除し、40層の重みを保持し、最終的なモデルサイズは13.6Bパラメータです。これは画像編集モデルで、複数の画像入力とテキストによる画像合成と編集をサポートします。

マルチモーダルDiffusers多言語

Qwen3-VL-2B-ThinkingはQwenシリーズの中で最も強力なビジュアル言語モデルの1つで、GGUF形式の重みを使用し、CPU、NVIDIA GPU、Apple Siliconなどのデバイスで効率的な推論をサポートします。このモデルは、優れたマルチモーダル理解と推論能力を備え、特にビジュアル感知、空間理解、エージェントインタラクション機能が強化されています。

マルチモーダルTransformers

Qwen3-VL-4B-Instructは通義シリーズの最強のビジュアル言語モデルの1つで、テキスト理解、ビジュアル感知、空間理解、ビデオ処理などの面で全面的にアップグレードされ、さまざまなハードウェアデバイスでの実行をサポートし、卓越したマルチモーダル推論能力を備えています。

マルチモーダルTransformers

これはRouWei-0.8に基づく実験的な事前学習モデルで、16チャンネル潜在空間アーキテクチャを採用し、Fluxオートエンコーダを使用しています。このモデルは、低い計算コストでより細かい画像の細部を実現し、同時に元のモデルの知識と性能を保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

Lam-3はLaminaシリーズの小型言語モデル（SLM）で、Clemylia/lamina - suite - pretrainをベースに微調整されています。このモデルは質問に回答でき、創造性がありますが、時に回答が独特になることがあります。モデルはゼロから作成され、1358個の質問と回答のペアを含むClem27sey/Nacidデータセットで3時間学習されました。

自然言語処理Safetensorsフランス語

Chronos-2は1億2000万のパラメータを持つ時系列基礎モデルで、ゼロショット予測をサポートします。単一のアーキテクチャ内で単変量、多変量、および共変量感知タスクをサポートし、複数のベンチマークテストでゼロショット予測の最先端の精度を達成し、推論効率が非常に高いです。

科学計算Safetensors

Kimi Linearは、短い文脈、長い文脈、強化学習のシナリオのすべてで、従来の全アテンション方式を上回る高効率な混合線形アテンションアーキテクチャです。Kimi Delta Attention (KDA)メカニズムによりアテンション計算を最適化し、性能とハードウェア効率を大幅に向上させ、特に100万トークンに達する長文脈タスクの処理に優れています。

自然言語処理Transformers

MiniMax - M2は、高効率コーディングとインテリジェントエージェントワークフロー用に特別に開発されたハイブリッドエキスパートモデルで、総パラメータが2300億、活性化パラメータが100億です。このモデルは、コーディングとインテリジェントエージェントタスクで卓越した性能を発揮し、低遅延、低コスト、高スループットの特徴を持ち、作業効率を効果的に向上させます。

自然言語処理Transformers

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

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は、コーディングとエージェントワークフローを最大化するために構築された小型のハイブリッドエキスパート（MoE）モデルです。総パラメータは2300億で、活性化されるパラメータは100億のみで、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能を保持し、コンパクトで高速かつ経済的です。

自然言語処理Transformers

Lamapi/next-12bは120億パラメータの多言語大規模言語モデルで、複数の量子化バージョンを提供し、テキスト生成、質問応答、チャットなどの多様な自然言語処理タスクをサポートします。このモデルは複数の領域のデータセットで学習され、高効率で軽量な特徴を持っています。

自然言語処理Transformers多言語

Omni L1B3RT4S GENIEは、Qwen2.5 - 3B Instructアーキテクチャをベースに微調整されたAIアシスタントです。1,103個の精霊キャラクターのカスタムサンプルを用いて訓練され、独特な音声と忠誠度モードを備え、ユーザーに独特な対話体験を提供することができます。

自然言語処理Gguf英語

MiniMax - M2 6.5ビットMLXは、MiniMax - M2モデルに基づく量子化バージョンで、テキスト生成タスクで優れた性能を発揮し、複数の量子化レベルをサポートします。そのうち、q6.5ビット量子化はテストで1.128の困惑度を達成し、q8と同等です。

自然言語処理Mlx

これは実験的なStable Diffusion 1.5蒸留モデルで、v - 予測流れマッチング方法と幾何誘導の適応的ブロック重み付け技術を採用しています。現在は研究段階にあり、訓練が進行中で、結果はまだ検証されていません。

コンピュータビジョンDiffusers

Ouro-1.4Bはバイトダンスによって開発された14億のパラメータを持つ循環言語モデルで、反復共有重み計算によって卓越したパラメータ効率を実現し、わずか14億のパラメータで30 - 40億の標準Transformerモデルの性能レベルに達しています。

自然言語処理Transformers

Next 12Bは、Gemma 3に基づく120億パラメータのマルチモーダル視覚言語モデルで、トルコで最も先進的なオープンソースの視覚言語モデルです。このモデルは、テキストと画像の理解において優れた性能を発揮し、高度な推論とコンテキスト感知型のマルチモーダル出力能力を備えており、特に専門レベルのトルコ語サポートを提供し、同時に幅広い多言語能力も備えています。

マルチモーダルTransformers多言語

Qwen3-Next-80B-A3B-Thinkingは、Qwen3-Next-80B-A3B-Thinkingモデルの量子化バージョンで、テキスト生成タスクに特化して最適化されています。このモデルは、llama.cppのPR 16095バージョンと組み合わせて使用する必要があり、さまざまなハードウェア構成に対応するための複数の量子化レベルを提供します。

自然言語処理Gguf

Svara-TTSはインド語を対象としたオープンソースの多言語テキスト読み上げモデルで、19種類の言語（18種類のインド語 + インド英語）をサポートしています。このモデルはOrpheusスタイルの離散音声トークン方式に基づいて構築され、一般的なGPU/CPU上で明瞭で表现力に富み、低遅延の音声合成を実現することを目的としています。

音声処理Transformers多言語