Nemotron-Flash-3Bは、NVIDIAが開発した新しい混合型小型言語モデルで、実際のアプリケーションにおける低遅延のニーズに特化して設計されています。このモデルは、数学、コーディング、一般知識の推論などのタスクで卓越した性能を発揮し、小バッチでの低遅延と大バッチでの高スループットの特性を兼ね備えています。

自然言語処理Transformers

Wan2.2は基礎ビデオモデルの大幅なアップグレード版で、混合専門家（MoE）アーキテクチャを導入し、精心設計された美学データを組み込み、より多くのデータで学習させることで複雑な動きの生成能力を向上させています。このモデルは480Pと720Pの解像度の5秒間のビデオ生成をサポートし、ビデオ生成の品質と性能が大幅に向上しています。

マルチモーダルDiffusers

IBM Granite - 4.0 - H - Tinyは、Apple Siliconチップで最適化された混合Mamba - 2/Transformerモデルで、3ビット量子化技術を採用し、長文脈、高効率推論、および企業利用向けに設計されています。このモデルはMamba - 2アーキテクチャとエキスパート混合技術を組み合わせ、表現力を維持しながらメモリ使用量を大幅に削減します。

自然言語処理Mlx多言語

Apriel-1.5-15B-Thinkerは、画像理解と推論のために設計された150億パラメータのマルチモーダルモデルで、中期トレーニング方法を採用し、RLHFトレーニングではありません。このバージョンはAppleチップに適したMLX量子化バージョンで、メモリ使用量が少なく、起動速度が速いという特徴があります。

マルチモーダルMlx英語

LFM2はLiquid AIによって開発された次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メントに特化して設計されており、品質、速度、メモリ効率の面で新しい基準を確立しています。このモデルは革新的なハイブリッドLiquidアーキテクチャを採用し、乗算ゲートと短い畳み込みを備えており、多言語処理をサポートしています。

自然言語処理Transformers多言語

Qwen2.5-14B-Instructは140億パラメータの大規模言語モデルで、チャットとテキスト生成シーン向けに設計されています。このモデルはtransformersライブラリに基づいて構築され、内部テストと軽量アプリケーションのデプロイに適しています。

自然言語処理Transformers英語

ペルシア語OCRは、ペルシア語テキストに特化して設計された光学文字認識のディープラーニングモデルです。CNN+トランスフォーマーアーキテクチャを採用し、60万枚の合成ペルシア語テキスト画像を含むデータセットでトレーニングされ、シーケンスの正解率は96%に達しています。

コンピュータビジョンPytorchその他

OpenAI Whisper Large v2をCommon Voice 17.0 スワヒリ語データセットでファインチューニングした音声認識モデルで、タンザニアの子供向けヘルプラインのスワヒリ語音声認識タスクに特化して設計されています。基本モデルと比較して、スワヒリ語の認識精度が大幅に向上しています。

音声処理Transformersその他

NVIDIA Qwen3-14B FP4モデルは、アリババのQwen3-14Bモデルの量子化バージョンで、FP4データ型を用いて最適化され、TensorRT-LLMによる効率的な推論が可能です。このモデルはNVIDIA GPU加速システム向けに設計されており、AIエージェントシステム、チャットボット、RAGシステムなどの様々なAIアプリケーションシーンに適しており、世界中での商用および非商用利用がサポートされています。

自然言語処理Safetensors

MiniCPM4.1-8B-GGUFはMiniCPM4.1-8BモデルのGGUF量子化形式のバージョンで、エッジデバイス向けに設計された効率的な大規模言語モデルです。80億のパラメータを持ち、融合思考をサポートし、典型的なエッジチップで5倍以上の生成速度向上を実現します。

自然言語処理Transformers多言語

GPT-OSS-20BはOpenAIが開発したオープンウェイトモデルで、強力な推論、エージェントタスク、多様な開発者ユースケースに特化して設計されています。このモデルは210億のパラメータ（うち36億はアクティブなパラメータ）を持ち、ハイブリッドエキスパートアーキテクチャを採用し、低遅延のローカルデプロイと特定のシナリオでのアプリケーションをサポートしています。

自然言語処理Transformers

Step-Audio 2は、業界レベルの音声理解と音声対話のニーズを満たすために設計されたエンドツーエンドのマルチモーダル大規模言語モデルです。高度な音声と音声理解能力、スマート音声対話機能、ツール呼び出しおよびマルチモーダル検索強化生成能力を備え、複数の音声理解と対話のベンチマークテストでトップクラスの性能を発揮しています。

マルチモーダルTransformers

Marvisは、リアルタイムストリーミングテキストを音声合成するために設計された高度な対話式音声モデルです。効率性と使いやすさを重視し、Appleチップ、iPhone、iPad、Macなどの消費者向けデバイスでの高品質なリアルタイム音声合成をサポートします。

音声処理Transformers英語

Gemma 3はGoogleが開発した軽量で最先端のオープンソースのマルチモーダルモデルファミリーで、140種類以上の言語をサポートし、テキスト生成と画像理解能力を備えています。270Mパラメータバージョンはリソースが制限された環境向けに設計されており、ノートパソコンやデスクトップコンピュータなどのデバイスでデプロイできます。

マルチモーダルTransformers

MedScholar-1.5Bはコンパクトな医学質問応答モデルで、Qwen2.5-1.5B-Instructアーキテクチャに基づいており、MIRIAD-4.4Mデータセットの100万個のサンプルを使用して微調整されています。このモデルは臨床知識研究と教育探索に特化して設計されており、UnslothフレームワークとQLoRAトレーニングを採用し、厳密に非臨床の学術用途のみに使用されます。

自然言語処理Transformers英語

Foundation-Sec-8B-Instructは、ネットワークセキュリティアプリケーション向けに設計された80億パラメータの指令微調整言語モデルです。Llama-3.1-8Bアーキテクチャに基づいており、優れた指令追従能力とネットワークセキュリティの専門知識を備え、ローカルデプロイメントをサポートしています。これにより、組織はAIセキュリティツールを構築し、クラウドサービスへの依存を減らすことができます。

自然言語処理Transformers英語

Qwen3-Coder-30B-A3B-InstructはQwenが開発した30Bパラメータ規模のコード生成モデルで、命令微調整により最適化され、プログラミングタスクに特化して設計されています。このモデルはMLXフレームワークを用いて4ビット量子化され、Appleチップに最適化されており、Macデバイスで効率的に動作します。

自然言語処理Transformers

Qwen3アーキテクチャに基づいて構築された専門モデルで、科学、人工知能設計、一般的な推論分野に特化しています。このモデルは高難度の科学推論データセットで微調整され、優れた一般的および創造的な推論能力を備え、サイズが小さく、ローカルデバイスとサーバーへのデプロイに適しています。

自然言語処理Transformers英語

Devstral 1.1は、Mistral AIとAll Hands AIが共同開発したスマート大規模言語モデルで、ソフトウェアエンジニアリングタスク向けに設計されています。このモデルはSWE-benchベンチマークテストで優れた成績を収め、オープンソースモデルのトップにランクインしており、240億のパラメータと128kトークンの長いコンテキストウィンドウを持っています。

自然言語処理Safetensors多言語

Arch-Agent-1.5B GGUFモデルは、高度な関数呼び出しとエージェントベースのアプリケーション向けに設計された最先端の大規模言語モデルセットで、複雑な多段階タスクを出色に処理でき、複雑なシチュエーションで卓越した性能を発揮します。

自然言語処理Transformers英語