VibeThinker-1.5Bは微博AIが開発した15億パラメータの密集型言語モデルで、Qwen2.5-Math-1.5Bをベースに微調整され、数学やアルゴリズムコーディングの問題に特化して設計されています。「スペクトルから信号への原理」のフレームワークを用いてトレーニングされ、複数の数学コンテストのテストでより大規模なモデルを上回り、トレーニングコストは約7800ドルで、最大約40kトークンの出力をサポートします。

自然言語処理Transformers多言語

DeepMathは40億パラメータの数学推理モデルで、Qwen3 - 4B Thinkingをベースに構築され、微調整された大規模言語モデルとサンドボックス化されたPython実行器を組み合わせています。これは計算ステップに対して簡潔なPythonコード断片を生成し、エラーを大幅に減らし、出力長を短縮します。

自然言語処理Transformers英語

aquif-3.5シリーズのトップモデルで、高度な推論能力と100万トークンの大規模コンテキストウィンドウを備え、複数のベンチマークテストで卓越した性能を発揮し、AAII総合スコアが60点に達します。

自然言語処理Transformers多言語

Qwen3-Coder-REAP-363B-A35Bは、REAP手法を用いてQwen3-Coder-480B-A35B-Instructを25％のエキスパート剪定を行った疎な混合エキスパートモデルです。元のモデルに近い性能を維持しながら、パラメータ規模とメモリ要件を大幅に削減し、特にリソースが制限されたコード生成とスマートコーディングのシナリオに適しています。

自然言語処理Transformers英語

Qwen3-VLは通義大規模モデル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、深いビジュアル認識と推論能力、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。このモデルはハイブリッドエキスパート（MoE）アーキテクチャを採用し、推論を強化した思考版です。

マルチモーダルGguf

Lamapi/next-12bは、12Bパラメータに基づく大規模言語モデルで、多言語データセットを使用して微調整され、50種類以上の言語をサポートし、効率的なテキスト生成能力を備えており、化学、コード、生物学、金融、法律などの複数の分野の自然言語処理タスクに適しています。

自然言語処理Transformers多言語

Gemma 3 27B IT QATのMLX MXFP4量子化バージョンで、Googleによって開発された軽量オープンソースのマルチモーダルモデルです。このモデルは、テキストと画像の入力を同時に処理し、テキスト出力を生成することができ、128Kの大規模コンテキストウィンドウを持ち、140種類以上の言語をサポートし、さまざまなテキスト生成と画像理解タスクに適しています。

マルチモーダルMlx

AesCoder-4Bは、コードの美学的品質の向上に特化した大規模言語モデルです。インテリジェントな報酬フィードバックメカニズムを通じて、コード生成の美学的表現を最適化し、ウェブデザインやゲーム開発などのビジュアルコーディングタスクで優れた性能を発揮します。

自然言語処理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

Qwen-SEA-LION-v4-32B-IT-4BITは、東南アジア言語に最適化された32Bパラメータの大規模言語モデルの4ビット量子化バージョンで、優れた性能を維持しながらメモリ要件を大幅に削減し、コンシューマーグレードのハードウェアで実行できます。

自然言語処理Transformers多言語

dParallelは大規模言語モデルに対する学習可能な並列デコード手法で、モデルの内在的な並列性を掘り起こすことで高速サンプリングを実現します。この手法はデコードステップを大幅に削減し、同時にモデルの性能を維持し、GSM8KやMBPPなどのベンチマークテストで8.5 - 10.5倍の高速化を達成します。

自然言語処理Transformers

Qwen3-Nemotron-32B-RLBFFはQwen/Qwen3-32Bをベースに微調整された大規模言語モデルで、強化学習フィードバック技術により、デフォルトの思考パターンでの応答生成品質を大幅に向上させています。このモデルは複数のベンチマークテストで優れた性能を発揮し、低い推論コストを維持しています。

自然言語処理Transformers英語

これは最初の世代の強力なvibe-code大規模言語モデルで、構造が緩やかな「雰囲気コーディング」のプロンプトに基づいて直接自然言語とコードの補完を生成するように最適化されています。初期のモデルと比較して、提示エンジニアリングのコストが低く、潜在空間の補間がよりスムーズで、利用可能なコードを生成しやすくなっています。

自然言語処理Transformers英語

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

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、パラメータ規模は80億と700億で、1000種以上の言語と長文脈処理をサポートし、完全にコンプライアンスの取れたオープンな学習データのみを使用し、性能はクローズドソースモデルに匹敵します。

自然言語処理Transformersその他

PaDT Pro 3BはQwen2.5VL - 3Bに基づくマルチモーダル大規模言語モデルで、デコード可能なブロックトークンの統一パラダイムを採用しており、直接テキストとビジュアル出力を生成することができ、複数のビジュアル知覚と理解タスクで先進的な性能を達成しています。

マルチモーダルTransformers多言語

GLM-4.6は智譜AIが開発した次世代の大規模言語モデルで、GLM-4.5と比較して、文脈処理、コーディング能力、推論性能の面で著しい向上が見られます。このモデルは200Kの文脈長をサポートし、複数の公開ベンチマークテストで優れた成績を収めており、特にコード生成、推論、エージェントタスクの分野で競争力を持っています。

自然言語処理Transformers多言語

Mellum-4b-dpo-allはJetBrainsが開発した、コード生成と理解に特化した40億パラメータの大規模言語モデルです。事前学習、SFT、直接嗜好最適化（DPO）の3段階のトレーニングを経て、高品質で読みやすいコードを生成でき、複数のプログラミング言語をサポートします。

自然言語処理Transformersその他

Ming-UniVisionは多モーダル大規模言語モデルで、初めて連続ビジュアル表現を次のトークン予測フレームワークに統合し、単一の自己回帰パラダイムの下でビジュアルと言語を統一し、離散量子化や特定モーダルのヘッドを必要としません。このモデルは連合画像理解と生成をサポートし、ビジュアル言語トレーニングでの収束速度がより速く、多輪コンテキストビジュアルタスクもサポートします。

マルチモーダルTransformers多言語

dParallelは大規模言語モデル向けの学習可能な並列デコード方法で、モデルの内在的な並列性を掘り起こすことで高速サンプリングを実現し、性能を維持しながらデコードステップを大幅に削減でき、GSM8KやMBPPなどのベンチマークテストで8.5 - 10.5倍の加速効果を達成します。

自然言語処理Transformers