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

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

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

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

これはQwen3-4Bモデルをベースに微調整された量子化バージョンで、UnslothフレームワークとHuggingface TRLライブラリを使用して高効率なトレーニングを行い、トレーニング速度が2倍に向上します。モデルはint8-int4混合量子化方式を採用し、モバイルデバイスでの実行をサポートしています。

自然言語処理Transformers英語

CenKreChro-SVDQは、ChromaとFlux Kreaを統合したテキストから画像生成モデルの量子化バージョンで、SVDQuant技術を用いて最適化され、INT4とFP4の2種類の量子化形式を提供し、それぞれ異なる世代のGPUハードウェアに適しています。

コンピュータビジョンDiffusers英語

これはQwen3アーキテクチャに基づくファインチューニングモデルで、UnslothとHuggingface TRLライブラリを使用して高効率にトレーニングされ、トレーニング速度が2倍に向上し、テキスト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

これはコンパクトなスペイン語から英語への翻訳モデルで、精度と効率を最適化しています。モデルサイズは386MBで、4096トークンのコンテキスト長をサポートし、翻訳タスクを効率的かつ正確に完了することができます。平均応答時間は約245msです。

自然言語処理Gguf多言語

これはOpenAI Whisper Smallモデルを微調整したバンバラ語音声認識モデルで、24738個のバンバラ語音声サンプルで訓練され、バンバラ語の音声を正確にテキストに文字起こしでき、文字誤り率は21.69%にまで低く抑えられています。

音声処理Safetensorsその他

テキストから画像生成に特化したアニメスタイルのモデルで、可愛い女の子形象の2Dイラスト、人物肖像、キャラクター設定を生成できます。画像は動的なポーズ、明確な構造、強い照明などの特徴があります。

コンピュータビジョンDiffusers英語

これはWeOpenMLに基づくGPT-OSS 20BモデルのGGUF形式のバージョンで、革新的なMoE CPUエキスパート卸載技術を初めて実現しました。この技術は、完全な生成品質を維持しながら、99.9%のVRAM削減を実現し、200億パラメータのハイブリッドエキスパートモデルを2MBのVRAMで実行できます。

自然言語処理Safetensors多言語

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

Tiny-Purr-350MはLiquidAI/LFM2 - 350Mをベースに微調整された会話モデルで、Tiny - Purr - 2データセットで訓練されており、自由で友好的な猫をテーマとした会話スタイルの返信能力を持ち、中国語と英語の両方に対応しています。

自然言語処理Peft多言語

Granite Docling 258Mは、ONNX形式に基づく画像テキストをテキストに変換するモデルで、文書理解と処理に特化しています。このモデルは、画像内の文書内容を構造化されたテキスト形式に変換でき、マルチモーダル入力処理をサポートします。

マルチモーダルTransformers

Outfit-Cutはblack-forest-labのFLUX.1-Kontext-devのアダプターで、画像から指定された服装項目を正確に抽出するために特別に設計されています。このモデルは200組の画像で訓練され、服装をきれいな単色背景に配置し、専門的な商品写真スタイルで表現することができます。同時に、服装の元のテクスチャ、色、形状、細部を保持します。

コンピュータビジョンDiffusers

IBM Granite - 4.0 - H - Tinyは、Apple Siliconチップで最適化された混合Mamba - 2/Transformerモデルで、3ビット量子化技術を採用し、長文脈、高効率推論、および企業利用向けに設計されています。このモデルはMamba - 2アーキテクチャとエキスパート混合技術を組み合わせ、表現力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多言語

ApertusはスイスのAIによって開発された完全にオープンな多言語大規模言語モデルで、70億と80億の2種類のパラメータ規模を提供します。このモデルは1000種類以上の言語をサポートし、完全にコンプライアンスでオープンな学習データを使用し、その性能はクローズドソースモデルに匹敵します。Apertusは15Tのトークンで事前学習され、段階的なコース学習方法を採用し、最大65,536トークンのコンテキスト長をサポートします。

自然言語処理Transformersその他

これはRoPE（回転位置符号化）に基づくVision Transformerモデルで、パラメータ規模は150Mで、14x14のパッチサイズを採用しています。このモデルは約2100万枚の画像からなる多様なデータセットで事前学習されており、汎用的なビジュアル特徴抽出器として使用できます。

コンピュータビジョンPytorch

Miraは、複数のGemma 3 27Bベースモデルを融合したテキスト生成モデルです。精心に選ばれた訓練データと特定の訓練方法により、独特な詩的なテキスト生成能力を備えています。このモデルは、ロールプレイングと創造的な執筆において優れた性能を発揮し、異なるシステムプロンプトに基づいて文学的な色彩のあるテキストを生成することができます。

自然言語処理Transformers

google/medgemma-4b-itをベースに微調整されたバージョンで、OMAMA 256×256データセットでの二元乳房X線画像分類に特化しています。このモデルはLoRA（低ランク適応）を使ってパラメータを効率的に調整し、乳がん分類タスクで優れた性能を発揮し、ベースモデルの12%から95%に精度が向上しました。

マルチモーダルTransformers英語