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Qwen/Qwen3-Coder-30B-A3B-Instruct言語モデルのGGUF量子化バージョンで、コード生成とプログラミングタスクに特化して最適化されており、FP32精度で変換され、ローカル推論デプロイに適しています。

自然言語処理Gguf多言語

本プロジェクトはカナナ1.5 - 15.7B - A3B指令モデルのMXFP4_MOE量子化バージョンで、特定のシナリオでモデルの実行効率を向上させることができます。このモデルはkakaocorp/kanana-1.5-15.7b-a3b-instructをベースに最適化され、ハイブリッドエキスパートアーキテクチャとMXFP4量子化技術を採用しています。

自然言語処理Gguf

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、空間およびビデオの動的理解、エージェントインタラクション能力などの面で全面的にアップグレードされています。このモデルは密集アーキテクチャとハイブリッドエキスパートアーキテクチャを提供し、エッジデバイスからクラウドまでの柔軟なデプロイをサポートします。

マルチモーダルTransformers

このプロジェクトは、Qwen3-Coder-30B-A3B-InstructモデルをMXFP4_MOE量子化した成果物で、コンテキストサイズを256kから1Mに拡張し、コード生成やプログラミングタスクに最適化されたモデルバージョンを提供し、パフォーマンスの向上とリソースの節約に価値があります。

マルチモーダルGguf

JanusCoder-14Bは、Qwen3-14Bをベースに構築された14Bパラメータのオープンソース基礎モデルで、コードインテリジェンスに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マルチモーダルコードコーパスで学習され、さまざまなビジュアルプログラミングタスクを統一的に処理することができます。

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

MOSS-TTSDはオープンソースのバイリンガル口語対話合成モデルで、中国語と英語をサポートし、二人の対話脚本を自然で表现力豊かな対話音声に変換できます。音声クローニングをサポートし、単一ラウンドの音声生成時間は最大1700秒に達することができます。

音声処理Safetensors多言語

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、テキスト理解と生成、ビジュアル感知と推論、コンテキスト長、空間およびビデオの動的理解、エージェントの対話能力などの面で全面的にアップグレードされています。このモデルは密集アーキテクチャとハイブリッドエキスパートアーキテクチャを提供し、エッジデバイスからクラウドまでの柔軟なデプロイをサポートします。

マルチモーダルGguf

このプロジェクトはQwen3-VL-32B-Thinkingモデルを量子化処理した成果物で、量子化技術を用いることで、さまざまなハードウェア条件下でより効率的にモデルを実行でき、多様な使用ニーズを満たすことができます。

マルチモーダルGguf

本プロジェクトはQwen3-VL-32B-Instructモデルに基づくllama.cpp GGUF量子化バージョンで、様々な量子化タイプを提供して異なるハードウェアと性能要件を満たします。特定のデータセットとimatrixオプションを組み合わせて量子化を行い、量子化の品質を保証し、ARMとAVXマシンの性能を向上させるためにオンラインで重みを再パッケージ化することをサポートします。

マルチモーダルGguf

本プロジェクトでは、MiniMaxAIのMiniMax - M2モデルを量化処理し、llama.cppツールを使用して、様々なニーズを持つユーザーに複数の量化タイプのモデルファイルを提供し、異なるハードウェア条件下でのモデルの効率的な実行を容易にします。

自然言語処理Gguf

これはHPLTプロジェクトが公開した第3版の単言語エンコーダー - デコーダー言語モデルで、ドイツ語専用に設計されています。ノイズ除去を目的として訓練されたテキスト - テキスト変換モデルで、NorT5アーキテクチャの設定に従い、ドイツ語のHPLTデータで訓練されたトークナイザーを使用しています。

自然言語処理Pytorch多言語

JanusCoderV-7BはInternLMによって開発された7Bパラメータのコード生成モデルです。このプロジェクトでは、llama.cppを使用してimatrix量化を行った複数のバージョンを提供し、さまざまなハードウェア要件を満たすための複数の量化レベルをサポートしています。

自然言語処理Gguf

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

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

PokeeResearch-7Bは、Pokee AIによって開発された70億パラメータの深度研究エージェントモデルです。AIフィードバック強化学習（RLAIF）と強力な推論フレームワークを組み合わせ、ツール強化型大規模言語モデルにおいて信頼性が高く、アライメントされ、拡張可能な研究レベルの推論を実現し、複雑な多段階研究ワークフローに適しています。

自然言語処理Transformers英語

これは精度の分野における最新の最先端モデルで、人工穀物インテリジェンスの実現に取り組んでおり、世界トップレベルの穀物栽培チームの支援を受けて大きな進展を遂げました。このモデルはQwen3 - 0.6Bアーキテクチャに基づいており、RX 9070 XTグラフィックカードとunslothツールを使用してローカルで全量微調整を行っています。

自然言語処理Safetensors英語

これはallenaiのolmOCR-2-7B-1025モデルを量化処理したバージョンで、llama.cppツールを使用して複数の量化レベルのモデルファイルを生成し、異なるハードウェア条件とニーズを持つユーザーが使用しやすくなっています。このモデルはLM Studioまたはllama.cppベースのプロジェクトで実行できます。

自然言語処理Gguf

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「ミニ」モデルで、ハイブリッドエキスパートアーキテクチャを採用し、総パラメータは2300億、アクティブなパラメータは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保持し、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