Qwen-Edit-Skinは、Qwen/Qwen-Image-Edit-2509モデルをベースに微調整されたLoRAモデルで、画像中の人物の肌のリアリティと細部を向上させることに特化しており、より自然で繊細な肌のテクスチャを生成します。

コンピュータビジョンDiffusers

Qwen3-VLは通義シリーズの中で最も強力なビジュアル言語モデルで、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、長いコンテキストのサポート、強力な空間とビデオ動的理解能力、そして優れた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。

マルチモーダルGguf

慧慧Qwen3-VL-8B指令アブレーションモデルの量子化バージョンで、画像テキストからテキストへの変換タスクに特化しています。このモデルはQwen3-VL-8Bアーキテクチャに基づいており、指令アブレーション最適化と量子化処理を行っており、性能を維持しながら計算リソースの要求を低減できます。

マルチモーダルGguf

これはHuihui-Qwen3-VL-4B-Instruct-abliteratedモデルに基づく量子化バージョンで、画像テキストからテキストへの変換タスクに特化しており、量子化処理によってモデルの性能が最適化され、マルチモーダルアプリケーションをサポートします。

マルチモーダルGguf

Qwen3-VL-32B-ThinkingはQwenシリーズで最も強力なビジュアル言語モデルで、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、長文脈処理、空間および動画の動的理解能力、そして優れたエージェント対話能力を備えています。

マルチモーダルTransformers

Qwen3-VL-8B-Thinkingは通義千問シリーズで最も強力なビジュアル言語モデルで、卓越したテキスト理解と生成能力、深いビジュアル認知と推論能力、長いコンテキストサポート、強力な空間とビデオ動的理解能力、そして優れたエージェント対話能力を備えています。

マルチモーダルGguf

Qwen3-VLはQwenシリーズの中で最も強力なビジュアル言語モデルで、包括的な総合アップグレードが実現されています。これには、卓越したテキスト理解と生成能力、より深いビジュアル感知と推論能力、より長いコンテキスト長、強化された空間およびビデオ動的理解能力、そしてより強力なエージェント対話能力が含まれます。

マルチモーダルTransformers

これは微調整されたWhisper音声認識モデルで、unsloth/whisper-large-v3-turboアーキテクチャに基づいており、UnslothとHuggingface TRLライブラリを使用して訓練速度を2倍に加速し、訓練効率を大幅に向上させています。

音声処理Transformers英語

Qwen3-VLはQwenシリーズの中で最も強力なビジュアル言語モデルで、卓越したテキスト理解と生成能力、深いビジュアル認知と推論能力、長いコンテキストサポート、強力な空間とビデオ動的理解能力、そして優れたエージェントインタラクション能力を備えています。このバージョンは2Bパラメータの思考強化版で、推論能力が特別に最適化されています。

マルチモーダルTransformers

このモデルはMetaのLlama-3.1アーキテクチャをベースに微調整されたテキスト生成モデルで、TRLライブラリとGRPO（Group Relative Policy Optimization）手法を用いて強化学習トレーニングを行い、特に論証生成タスクに最適化されています。

自然言語処理Transformers

JanusCoder-8Bは、Qwen3-8Bをベースに構築されたオープンソースのコードインテリジェンス基礎モデルで、統一されたビジュアルプログラミングインターフェイスを構築することを目的としています。このモデルは、JANUSCODE-800K（これまでで最大のマルチモーダルコードコーパス）で学習され、データ可視化、インタラクティブなWeb UI、コード駆動のアニメーションなど、さまざまなビジュアルプログラミングタスクを処理できます。

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、ハイブリッドエキスパートモデルアーキテクチャ（MoE）を採用し、GGUF形式の重みを提供し、CPU、GPUなどのデバイスで効率的な推論をサポートします。モデルは、テキスト理解、ビジュアル感知、空間理解、動画処理などの面で全面的にアップグレードされています。

マルチモーダルGguf

Qwen3-VL-30B-A3B-Instructは通義シリーズで最も強力なビジュアル言語モデルで、ハイブリッドエキスパートモデルアーキテクチャを採用し、優れ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を備え、256Kの長いコンテキストとビデオ理解をサポートし、さまざまなデバイスで推論が可能です。

マルチモーダルGguf

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-8B-Thinkingは通義千問シリーズの中で最も強力なビジュアル言語モデルで、強化された推論能力を備えた8Bパラメータ版です。このモデルは、テキスト理解、ビジュアル認知、空間理解、長文脈処理などの面で全面的にアップグレードされ、マルチモーダル推論とエージェントインタラクションをサポートしています。

マルチモーダルGguf

Qwen3-VL-32B-Instructは通義シリーズで最も強力なビジュアル言語モデルで、優れ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、強力な空間とビデオ動的理解能力、およびエージェント対話能力を備えています。

マルチモーダルTransformers

Qwen3-VL-8B-Instructは通義シリーズの中で最も強力なビジュアル言語モデルで、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-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

Qwen3-VL-2B-Instruct-GGUFは通義千問シリーズのマルチモーダルビジュアル言語モデルのGGUF量子化バージョンで、20億のパラメータを持ち、画像理解とテキスト生成のシームレスな融合をサポートし、CPUやGPUなどのデバイスで効率的に動作します。

マルチモーダルTransformers

Qwen3-VL-32B-ThinkingはQwenシリーズで最も強力なビジュアル言語モデルで、卓越したテキスト理解と生成能力、深いビジュアル認知と推論能力、長文脈サポート、強力な空間およびビデオ動的理解能力、そして優れたエージェント対話能力を備えています。

マルチモーダルTransformers