MiniMax-M2 AWQ - INT4は、MiniMax-M2モデルを量子化したバージョンで、INT4量子化技術を採用し、パフォーマンスを維持しながらメモリ使用量を大幅に削減し、推論効率を向上させます。このモデルは、コーディングとエージェントタスクで優れた性能を発揮し、卓越した総合性能を持っています。

自然言語処理Transformers

MiniMax-M2は、コーディングとエージェントのワークフローを最大化するために構築された小型の混合専門家モデルで、総パラメータは2300億、活性化パラメータは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維持し、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

Gelato-30B-A3Bは、GUIコンピュータ使用タスクに対して微調整された最先端（SOTA）モデルで、デプロイ効率を最適化するために量子化バージョンを提供しています。このモデルは、グラフィカルユーザーインターフェース関連のタスクを理解して処理するように特別に設計されています。

マルチモーダル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

これはMiniMax-M2モデルのMXFP4_MOE量子化バージョンで、unslothによるチャットテンプレート修正版を再量子化したもので、特定のシナリオでMiniMax-M2モデルの能力をより効率的に使用できます。これはコーディングモデルで、最新のllama.cppと併用する必要があります。

自然言語処理Gguf

Apriel-H1-15b-Thinkerは150億のパラメータを持つ混合推論モデルで、Transformerの注意力機構とMambaの状態空間層を組み合わせており、推論、数学、コーディングなどの分野で優れた性能を発揮し、高効率性と拡張性を備えています。

自然言語処理Transformers

KaniTTSは、リアルタイム対話型AIアプリケーション向けに最適化された高速、高音質のテキスト音声変換モデルです。2段階パイプラインを用いて、大規模言語モデルと高効率オーディオコーデックを組み合わせ、卓越した速度とオーディオ品質を実現します。このモデルはスペイン語をサポートし、4億のパラメータを持ち、サンプリングレートは22kHzです。

音声処理Transformersスペイン語

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

このモデルはGPT-OSS-20Bをベースに、Unsloth強化学習フレームワークを用いて微調整されており、推論効率の最適化と、人間のフィードバックからの強化学習（RLHF）型トレーニング中に発生するバグの削減を目的としています。微調整プロセスでは、アライメントの堅牢性と効率に重点が置かれ、モデルが過度の計算コストをかけずに推論の深度を維持できるようにしています。

自然言語処理Transformers英語

これはDINOv3フレームワークに基づくビジュアルTransformerモデルで、知識蒸留技術を通じてDINOv3 ViT - 7BモデルからLVD - 1689Mデータセットで訓練されたものです。このモデルは画像特徴エンコーディングに特化しており、画像の特徴表現を効率的に抽出することができ、様々なコンピュータビジョンタスクに適しています。

コンピュータビジョンTimm

Qwen3-Next-80B-A3B-Instructは、アリババの通義千問チームによって開発された最新世代の大規模言語モデルです。革新的な混合注意力機構と高疎なエキスパート混合アーキテクチャを採用し、総パラメータ数を80Bに保ちながら3Bのパラメータのみを活性化させ、効率的なコンテキストモデリングと推論の高速化を実現しています。ネイティブで262Kのコンテキスト長をサポートし、1Mトークンまで拡張可能です。

自然言語処理Transformers

GLM-4.5-Airは智譜AIが開発した、エージェントに適した基礎モデルです。コンパクトな設計を採用し、推論、コーディング、エージェント機能を統合しており、エージェントアプリケーションの複雑なニーズを満たすことができます。このモデルは適切なパラメータ数と高い効率を兼ね備え、複数のバージョンがオープンソースで公開されており、商用や二次開発に利用できます。

自然言語処理Transformers多言語

FastVLMは、効率的なビジュアル言語モデルのビジュアルコーディング方式です。革新的なFastViTHDハイブリッドビジュアルエンコーダーにより、高解像度画像のコーディング時間を大幅に短縮し、モデルの性能と応答速度を向上させ、複数のビジュアル言語理解ベンチマークテストで優れた成績を収めています。

マルチモーダルSafetensors

FastVLMは、ビジュアル言語モデル向けに設計された高効率ビジュアルコーディング方式です。革新的な混合ビジュアルエンコーダーFastViTHDにより、高解像度画像のコーディング時間を大幅に削減し、モデルの応答速度と性能を向上させます。このモデルは、複数のビジュアル質問応答と文書理解のベンチマークテストで優れた成績を収めています。

マルチモーダルSafetensors

MGM-Omni-TTS-2BはMGM-Omni全機能チャットボットの音声生成コンポーネントで、テキストから音声への変換に特化しています。中英語のゼロサンプル音声クローニングをサポートし、10分以上の流暢で自然な音声を生成でき、効率的なストリーミングオーディオ生成を実現します。

マルチモーダルTransformers多言語

Qwen3-Coder-30B-A3B-Instructは、コーディングタスクに特化して最適化された高効率のテキスト生成モデルで、優れた長文脈処理能力とツール呼び出しサポートを備え、開発者に強力なコーディング支援を提供します。

自然言語処理Safetensors

GLM-4.5-AWQは、GLM-4.5ベースモデルに基づく4ビット量子化バージョンで、高度なAWQ量子化方法を採用しており、良好なパフォーマンスを維持しながら推論効率を大幅に向上させます。このモデルはインテリジェントエージェント向けに設計されており、推論、コーディング、インテリジェントエージェント機能を統合しています。

自然言語処理Transformers多言語

Qwen3-30B-A3B-Instruct-2507-AWQは、Qwen3-30B-A3B-Instruct-2507のAWQ int4量子化バージョンで、総パラメータが305億、活性化パラメータが33億です。このモデルは、命令遵守、論理推論、テキスト理解、数学、科学、コーディング、ツール使用などの分野で著しい改善が見られ、256Kの長いコンテキスト理解能力をサポートし、TransformersとvLLMと互換性があり、効率的にテキスト生成を行うことができます。

自然言語処理Transformers

これはNVIDIA OpenReasoning Nemotron 7BモデルのGGUF量子化バージョンで、テキスト生成タスクに特化しています。このモデルはLM Studioコミュニティモデルハイライトプログラムを通じて提供され、効率的な推論とデプロイをサポートします。

自然言語処理Gguf

LFM2-350MはLiquid AIによって開発された第2世代のハイブリッドモデルで、エッジAIとデバイス端末のデプロイに特化して設計されています。このモデルは、品質、速度、メモリ効率の面で新しい基準を確立し、3億5000万のパラメータを持ち、複数の言語をサポートし、エッジコンピューティングシナリオに適しています。

自然言語処理Transformers多言語