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

このプロジェクトは、Qwen3-VL-30B-A3B-ThinkingモデルをMXFP4_MOE量子化した成果です。このモデルは、画像テキストからテキストへの変換を実現し、関連分野のアプリケーションに新しい解決策を提供します。

マルチモーダルGguf

これはCross Encoderに基づく意味的再ランキングモデルで、Redis LangCache意味的キャッシュシステムに特化して微調整されています。このモデルは、テキストペアの類似度スコアを効果的に計算でき、文ペア分類と意味的類似度計算タスクに適しています。

自然言語処理Sentence-transformers英語

このモデルは、GLM-4.5-AirをベースにREAP方法を用いて25%均一に枝刈りを行った専門家混合モデルで、MLX形式の4ビット量子化バージョンに変換されており、Appleチップデバイスでの効率的な推論に適しています。

自然言語処理Transformers英語

Zirel-3は、GLM - 4.5 - Air - REAP - 82B - A12Bをベースにした特定の微調整モデルで、REAP（ルーティング重み付きエキスパート活性化剪定）技術を用いて圧縮された820億パラメータの混合エキスパートモデルです。高性能を維持しながら、モデルサイズを大幅に削減しています。

自然言語処理Transformers英語

Chandraは高度なOCRモデルで、画像やPDFから高精度でテキストを抽出し、レイアウト情報を保持することができます。Markdown、HTML、JSON形式の出力をサポートし、手書き文字認識、フォーム再構築、表処理などで優れた性能を発揮し、40種類以上の言語をサポートします。

マルチモーダルTransformers

このモデルはcerebras/Qwen3-Coder-REAP-25B-A3BのGGUF形式に変換されたバージョンで、llama.cppツールを使用して形式変換と量子化処理を行っています。元のモデルは25Bパラメータの大規模言語モデルで、コード生成タスクに特化して最適化されています。

自然言語処理Transformers英語

これはCerebras社のQwen3-Coder-REAP-25B-A3Bモデルの定量版で、llama.cppのimatrix技術を使用して定量処理を行い、モデルの保存スペースと計算リソースの要件を減らしながら、モデルの性能を維持することができます。

自然言語処理Gguf

これはinclusionAIのLing-flash-2.0モデルのLlamacpp imatrix量化バージョンです。高度な量化技術を通じて、モデルの性能を維持しながらメモリ使用量と計算量を大幅に削減し、実行効率を向上させます。複数の量化レベルをサポートし、異なるハードウェア構成に適しています。

自然言語処理Gguf

これはinclusionAIのLing-mini-2.0モデルの量化バージョンで、llama.cppのimatrix技術を使用して量化処理を行い、32.54GBのBF16から4.66GBのIQ2_XSまでの様々な量化オプションを提供し、様々なハードウェア環境で効率的に動作します。

自然言語処理Gguf

INLアーキテクチャは、積分ニューロンダイナミクスに基づくプロダクションレベルのニューラルアーキテクチャで、従来のフィードフォワードネットワーク層を反復ダイナミクスに置き換え、大規模言語モデル、ビジュアルトランスフォーマー、マルチモーダルモデルなどのさまざまなタイプに適用可能です。

自然言語処理Safetensors英語

GLM-4.5-Air-REAP-82B-A12BはGLM-4.5-Airの効率的な圧縮バージョンで、REAP剪定技術を通じてパラメータ規模を106Bから82Bに圧縮し、メモリ要件を25％削減しながら、ほぼ損失のない性能を維持しています。

自然言語処理Transformers英語

これはQwen3-Next-80B-A3B-Instructモデルに基づくQ4_0量子化バージョンで、特定の量子化技術により、モデルのストレージと計算の効率を大幅に向上させ、同時に良好なパフォーマンスを維持しています。

自然言語処理Gguf

nanochat-d32は軽量チャットモデルで、ONNXランタイムに特化して最適化され、効率的なテキスト生成能力を提供します。このモデルはkarpathyのnanochat-d32モデルを変換したもので、JavaScript環境での実行をサポートしています。

自然言語処理Transformers

PixelWaveはFlux.1をベースに開発されたテキストから画像生成モデルで、Nunchaku量子化（SVDQ）による最適化を施し、さまざまなGPU構成のユーザーに効率的な画像生成ソリューションを提供します。

コンピュータビジョンDiffusers英語

これはDeepSeek-MoE-16B-ChatモデルのMXFP4_MOE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、より効率的な推論ソリューションを提供します。

自然言語処理Gguf

Qwen3-VLは通義シリーズで最も強力な視覚言語モデルで、卓越したテキスト理解と生成能力、深い視覚知覚と推論能力、長いコンテキストのサポート、強化された空間とビデオ理解能力、そして強力なインテリジェントエージェント対話能力を備えています。このモデルは2Bパラメータの思考版で、推論能力を特別に強化しています。

マルチモーダルTransformers

Qwen3-VL-2B-Instruct-FP8はQwenシリーズで最も強力なビジュアル言語モデルのFP8量子化バージョンで、ブロックサイズ128の細粒度fp8量子化を採用し、性能は元のBF16モデルとほぼ同じです。このモデルは卓越したテキスト理解と生成能力、深いビジュアル感知と推論能力、長いコンテキストサポート、および強化された空間とビデオ動的理解能力を備えています。

マルチモーダルTransformers

Qwen3-VLは通義シリーズで最も強力なビジュアル言語モデルで、テキスト理解と生成、ビジュアル認知と推論、コンテキスト長、空間およびビデオ理解能力などの面で全面的にアップグレードされ、卓越したマルチモーダル対話能力を備えています。

マルチモーダルTransformers

Qwen3-VL-32B-Instruct-FP8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FP8量子化バージョンで、ブロックサイズ128の細粒度fp8量子化を採用し、性能指標は元のBF16モデルとほぼ同じです。このモデルは卓越したテキスト理解と生成能力、深いビジュアル感知と推論能力、長いコンテキストサポート、強力な空間およびビデオ動的理解能力を備えています。

マルチモーダルTransformers