これはkldzj/gpt-oss-120b-hereticモデルの量子化バージョンで、llamacppを使用して量子化処理を行い、BF16、Q8_0、MXFP4_MOEなどの特殊フォーマットを含む複数の量子化タイプを提供し、モデルの実行効率を大幅に向上させています。

自然言語処理Gguf

VibeThinker-1.5B-GGUFはWeiboAI/VibeThinker-1.5BモデルのGGUF量子化バージョンで、MaziyarPanahiによって量子化処理されました。このモデルは15億パラメータのテキスト生成モデルで、2ビットから8ビットまでの複数の量子化レベルをサポートし、さまざまなハードウェアで効率的に動作します。

自然言語処理Gguf

Qwen3-32BはQwenシリーズの最新世代の大規模言語モデルで、強力な推論、命令遵守、エージェント間の相互作用、多言語処理能力を備えています。100種類以上の言語と方言をサポートし、思考モードと非思考モードをシームレスに切り替えることができ、ユーザーに自然でスムーズな対話体験を提供します。

自然言語処理Transformers

このプロジェクトでは、Qwen-4B-Instruct-2507-Self-correctモデルの静的量子化バージョンを提供しています。テキスト生成、偏差緩和、自己修正などのタスクをサポートしています。このモデルはQwen-4Bアーキテクチャに基づいており、指令微調整と自己修正訓練を経て、様々な量子化バージョンを提供して異なるハードウェア要件に対応しています。

自然言語処理Transformers英語

これはGoogleのmT5-smallモデルをアマゾンのデータセットで微調整した英語からスペイン語への翻訳モデルで、テキスト要約生成タスクに特化しています。モデルは評価セットでRouge1: 16.44、Rouge2: 8.04のスコアを獲得しました。

自然言語処理Transformers

Fyodor-StarCoder2-7B-MoEはStarCoder2-7Bをベースにした強化版で、ハイブリッドエキスパートアーキテクチャを採用し、3つのMoE層、6つのエキスパートネットワーク、top-2ルーティングメカニズムを持ち、コード生成、関数呼び出し、エージェントタスクの分野で優れた性能を発揮します。

自然言語処理Transformersその他

これはHugging FaceモデルセンターにアップロードされたTransformerモデルです。具体的な機能と特性については、さらに情報を補充する必要があります。

自然言語処理Transformers

Trouper-12B GGUFは、DarwinAnim8orによってオリジナルモデルを基に開発されたテキスト生成モデルで、ロールプレイングやクリエイティブライティングのシナリオに特化して最適化されています。このモデルはMistral-Nemo-Base-12Bから微調整され、カスタムの「Actors」データセットを使用して訓練されており、生成されるテキストはより自然で、一般的な「AI言語」の特徴を避けています。

自然言語処理Gguf英語

これは実験的な混合量子化モデルで、MXFP4_MOE混合重み技術を採用し、Q8に近い精度を維持しながら、より小さなファイルサイズとより高い推論速度を実現します。モデルはMXFP4と高精度の埋め込み/出力重みの組み合わせを探索し、密集モデルで精度がほぼ損失しない最適化効果を達成しました。

自然言語処理Ggufその他

NVIDIA Nemotron Parse v1.1は、文書の意味を理解し、空間的な位置情報を持つテキストや表の要素を抽出するために特別に開発された先進的な文書解析モデルです。非構造化文書を機械が読み取り可能な構造化表現に変換し、従来のOCRが複雑な文書レイアウトを処理する際の限界を克服します。

マルチモーダルTransformers

Kimi - K2 - Thinking 3.825bit MLXは、テキスト生成に使用される量子化モデルで、異なる量子化方式を通じてテストで異なる困惑度の結果を得ています。そのうち、q3.825ビット量子化では1.256の困惑度を達成できます。

自然言語処理Mlx英語

MiniMax-M2-REAP-162B-A10BはMiniMax-M2の高効率圧縮バージョンで、REAP（ルーティング重み付き専門家活性化枝刈り）手法を採用し、性能をほぼ維持したままモデルサイズを30％削減し、230Bパラメータから162Bパラメータに圧縮し、メモリ要件を大幅に削減しました。

自然言語処理Transformers英語

MiniMax-M2-REAP-172B-A10BはMiniMax-M2のメモリ効率の高い圧縮バリアントで、REAP専門家枝刈り方法を採用し、性能をほぼ維持したまま、モデルサイズを25％軽減し、230Bパラメータから172Bパラメータに圧縮しました。

自然言語処理Transformers英語

BT4モデルはLeelaChessZeroエンジンの背後にあるニューラルネットワークモデルで、チェス対局に特化しています。このモデルはTransformerアーキテクチャに基づいて設計されており、過去の手順に基づいて次の最適な手順を予測し、局面を評価し、手順の確率を生成することができます。

科学計算Transformers

Prima-24Bは240億パラメータの大規模言語モデルで、GGUF形式を用いて量子化最適化され、ロールプレイングとクリエイティブライティングタスクに特化して最適化されています。このモデルは元のPrima-24Bモデルから変換され、Q4_K_M量子化レベルを採用しており、良好な性能を維持しながらモデルサイズとメモリ要件を大幅に削減しています。

自然言語処理Gguf英語

これはsentence-transformers/all-mpnet-base-v2を微調整した文変換器モデルで、テキストを768次元の密ベクトル空間にマッピングでき、意味類似度計算、意味検索、テキスト分類などのさまざまな自然言語処理タスクをサポートします。

自然言語処理Sentence-transformers

これはManoghn/voicecraft-mistral-7bモデルの静的量子化GGUFバージョンで、Mistral-7Bアーキテクチャに基づいており、コンテンツ生成とテキスト生成タスクに特化しています。このバージョンでは、2.8GBから14.6GBまでのさまざまな量子化レベルが提供されており、ユーザーはハードウェア条件とパフォーマンス要件に応じて適切なバージョンを選択できます。

自然言語処理Transformers英語

Jan-v2-VLは、80億のパラメータを持つ視覚言語モデルで、実際のソフトウェア環境（ブラウザやデスクトップアプリなど）で長時間の多段階タスクを実行するために設計されています。このモデルは、言語推論と視覚認知を組み合わせ、複雑な指示に従い、中間状態を維持し、軽微な実行エラーから回復することができます。

マルチモーダルGguf

FLAN-T5 SmallはGoogleが開発した指令微調整テキスト生成モデルで、T5アーキテクチャの小型バージョンに基づいています。このモデルは、さまざまなNLPタスクで指令微調整が行われ、さまざまなテキスト生成指令を理解して実行することができます。

自然言語処理Safetensors英語

これはVideoMAE-baseアーキテクチャに基づき、WLASLデータセットで微調整された動画動作認識モデルで、手話認識タスクに特化して最適化されており、評価セットで48.22%の正解率を達成しています。

コンピュータビジョンTransformers