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、空間およびビデオ理解能力などの面で全面的にアップグレードされ、卓越したマルチモーダル対話能力を備えています。

マルチモーダルTransformers

BEVANetは、リアルタイムセマンティックセグメンテーション用に設計されたディープラーニングモデルで、Cityscapesなどのデータセットで優れた性能を発揮し、RTX3090で81.0%のmIoUと32.8FPSの優れた性能を達成し、精度と速度のバランスを保っています。

コンピュータビジョンSafetensors

KAT-Dev-72B-Expは、ソフトウェアエンジニアリングタスクに使用される720億パラメータのオープンソース大規模言語モデルで、SWE-Bench Verifiedベンチマークテストで74.6%の正解率を達成し、KAT-Coderモデルの実験的な強化学習バージョンです。

自然言語処理Transformers

これはsentence-transformersライブラリを微調整したBiEncoderモデルで、LangCacheの意味キャッシュタスクに特化して最適化されています。モデルは文や段落を384次元のベクトル空間にマッピングし、意味類似度計算や意味検索などのタスクをサポートします。

自然言語処理Sentence-transformers英語

Apriel-1.5-15b-ThinkerはServiceNow Apriel SLMシリーズのマルチモーダル推論モデルで、150億のパラメータを持ち、テキストと画像の推論タスクで規模が10倍大きいモデルと競争できます。このモデルは中期トレーニング方式により卓越した推論能力を実現し、画像SFTトレーニングや強化学習なしでSOTA性能を達成します。

マルチモーダルTransformers

IntrinsiXは、画像の事前知識を利用して高品質なPBR（物理ベースレンダリング）を生成することに特化したプロジェクトです。テキスト入力からレンダリング可能なPBRマップを生成し、画像生成と大規模なPBRテクスチャ生成に革新的な解決策を提供します。

コンピュータビジョンDiffusers英語

Qwen2.5-VL-7B-Instructはアリババの通義千問チームによって開発されたマルチモーダル視覚言語モデルで、70億のパラメータ規模に基づき、視覚的質問応答タスクに特化して最適化トレーニングが行われています。このモデルは画像内容を理解し分析し、正確な自然言語の回答を生成することができます。

マルチモーダルSafetensors英語

Snowflake Arctic Embed L V2.0は、最大90言語をサポートする高度な文の類似度モデルで、テキスト分類、検索、クラスタリング、再ランキング、意味的テキスト類似度などのタスクで優れた性能を発揮します。このモデルはMTEBベンチマークテストに基づいており、複数のデータセットで強力な性能を示しています。

自然言語処理Sentence-transformers多言語

MobileLLM - R1はFacebookが開発した高効率推論モデルシリーズで、数学、プログラミング、科学問題の解決に特化しています。このモデルは約2Tの高品質ラベル付きデータのみで事前学習を行ったにもかかわらず、複数のベンチマークテストで優れた性能を発揮しまし。

自然言語処理Transformers英語

Qwen3-Next-80B-A3B-InstructはQwen3-Nextシリーズの基礎モデルで、革新的な混合注意力機構や高疎性のエキスパート混合層などの技術を通じて、長テキスト処理における効率的なモデリングと推論加速を実現し、複数のベンチマークテストで卓越した性能を発揮しています。

自然言語処理Transformers

SmolVLAはコンパクトで効率的なビジュアル - 言語 - アクションモデルで、計算コストを削減しながらも競争力のある性能を発揮し、コンシューマ向けハードウェアにデプロイできます。このモデルはLeRobotフレームワークを使用してトレーニングされ、ロボット技術のアプリケーション向けに設計されています。

マルチモーダルSafetensors

これはDevstral-Small-2507モデルのINT8量子化バージョンで、重みと活性化値を8ビット整数に量子化することで、GPUメモリとディスク空間の要件を約50%大幅に削減し、同時に良好なコーディングタスクのパフォーマンスを維持しています。

自然言語処理Safetensors英語

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

GLM-4.5V-AWQ-4bitは、Zhipu AIの次世代フラッグシップテキスト基礎モデルに基づいて構築された量子化バージョンのマルチモーダルモデルで、AWQ-4bit量子化技術により最適化され、優れた性能を維持しながら計算リソースの必要量を大幅に削減します。このモデルは42の公開視覚言語ベンチマークテストで同規模のモデルのSOTA性能を達成し、強力な視覚推論能力を備えています。

マルチモーダルTransformers多言語

これはAlibaba - NLP/gte - reranker - modernbert - baseをベースに微調整されたクロスエンコーダモデルで、Redis LangCache意味的キャッシュシナリオに特化して最適化されています。このモデルは、テキストペア間の意味的類似度スコアを効果的に計算し、文ペア分類と意味的マッチングタスクに使用できます。

自然言語処理Sentence-transformers英語

GLM-4.5はインテリジェントエージェント向けに設計された基礎モデルで、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、総パラメータは3550億に達し、12の業界標準ベンチマーク評価で3位となり、得点は63.2です。MITオープンソースライセンスを採用しており、商用や二次開発に利用できます。

自然言語処理Transformers多言語

Qwen-Imageは通義シリーズのマルチモーダル画像生成基礎モデルで、複雑なテキストレンダリングと正確な画像編集において卓越した性能を発揮し、特に中国語テキストレンダリングに長けており、様々な画像生成と編集タスクをサポートします。

コンピュータビジョンDiffusers多言語

Qwen3-Coder-480B-A35B-Instructはアリクラウドが開発した強力なコード生成モデルで、総パラメータ数が480B、アクティブパラメータ数が35Bで、複数の基本的なコーディングタスクで優れた性能を発揮し、長文脈処理とスマートコーディング機能をサポートしています。

自然言語処理Safetensors

Arch-Router-1.5Bは、大規模言語モデルのルーティングと嗜好選択に特化した15億パラメータのモデルで、transformersライブラリに基づいて構築され、katanemo-researchライセンスで公開されています。このモデルは、ユーザーのクエリを最適な大規模言語モデルにスマートにルーティングして処理することができます。

自然言語処理Transformers英語

Eden-L3.3-70b-0.3は、クリエイティブライティングとロールプレイングのシナリオに特化して最適化された70Bパラメータの大規模言語モデルです。SCEマージ方法を用いて複数の先進的な70Bモデルを融合し、優れたテキスト生成と対話能力を備えています。

自然言語処理Transformers