Wan2.2は基礎ビデオモデルの大幅なアップグレード版で、有効なMoEアーキテクチャ、効率的なトレーニング戦略、マルチモーダル融合などの革新的な技術をビデオ拡散モデルに取り入れ、ビデオ生成分野により強力で効率的な解決策をもたらします。

マルチモーダルDiffusers多言語

SteadyDancerは、画像から動画へのパラダイムに基づく強力なアニメーションフレームワークで、高忠実度で時間的に連続した人体アニメーションの生成に特化しています。このフレームワークは、堅牢な最初のフレームの保持メカニズムにより、従来の方法におけるアイデンティティドリフトの問題を効果的に解決し、視覚的な品質と制御性に優れており、同時にトレーニングリソースの必要量を大幅に削減します。

コンピュータビジョンDiffusers

これはVideoMAE-baseアーキテクチャに基づくビデオ理解モデルで、未知のデータセットで20エポックの微調整トレーニングを行いました。モデルは評価セットでの性能が限られており、正解率は0.0041、損失値は7.7839です。

コンピュータビジョンTransformers

Gemma 3はGoogleが開発した軽量オープンソースのマルチモーダルモデルです。このバージョンは12Bパラメータの命令調整量子化感知トレーニングモデルで、MLXフレームワークのMXFP4形式に変換されています。テキストと画像の入力をサポートし、テキスト出力を生成します。128Kのコンテキストウィンドウと140種類以上の言語をサポートしています。

マルチモーダルMlx

セシリアFT MS v1は、セシリア2B v0.1を微調整したキューバ言語モデルで、キューバスペイン語に特化して最適化されており、キューバの言語、文化、社会の微妙なニュアンスを捉えることができます。このモデルはスペイン語と英語をサポートし、主にテキスト生成タスクに使用されます。

自然言語処理Transformers多言語

Fyodor-Q3-8B-Instructは、スマート推論と堅牢なコード生成のために設計された高忠実度の命令調整モデルです。Qwen3 - 8Bアーキテクチャに基づき、高ランクのLoRA設定で訓練されており、コーディング前の計画立案に長けており、複雑なソフトウェアエンジニアリングタスクに非常に適しています。

自然言語処理Transformers多言語

これはai-sage/GigaChat3-10B-A1.8B-bf16モデルのGGUF量子化バージョンで、高精度のQ8_0から極度に圧縮されたsmol-IQ1_KTまで、さまざまな量子化オプションを提供し、さまざまなハードウェア条件でのデプロイメントニーズを満たします。このモデルは32Kのコンテキスト長をサポートし、MLAアーキテクチャを採用し、対話シナリオに最適化されています。

自然言語処理Ggufその他

初の本当にオープンソースで制限のない2次元ビデオ生成モデル。Wan2.2-5Bアーキテクチャに基づいており、VRAMが6GBあれば動作し、見事な2次元アニメコンテンツを生成できます。

マルチモーダルDiffusers

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

Olmo 3は、Allen Institute for AIによって開発された次世代の言語モデルファミリーで、7Bと32Bの指令と思考のバリエーションを含んでいます。このモデルは、長鎖思考において優れた性能を発揮し、数学やコーディングなどの推論タスクの性能を大幅に向上させます。すべてのコード、チェックポイント、およびトレーニングの詳細は公開され、言語モデル科学の発展を促進します。

自然言語処理Transformers英語

OpenMMReasonerは完全に透明な2段階のマルチモーダル推論アプローチで、教師付き微調整（SFT）と強化学習（RL）を用いてトレーニングされます。SFT段階では874Kのサンプルからなるコールドスタートデータセットを構築し、RL段階では74Kのサンプルを利用して能力をさらに向上させ、マルチモーダル推論のベンチマークテストで優れた結果を示します。

マルチモーダルTransformers

このモデルはQwen3 - 4Bアーキテクチャに基づく知識蒸留モデルで、Gemini 2.5 Flashによって生成された約5440万個のトークンを使用してトレーニングされ、Gemini - 2.5 Flashの振る舞い、推論プロセス、知識を単一のデータセットに統合することを目的としています。

自然言語処理Transformers英語

VieNeu-TTS-1000hは、約1000時間の高品質ベトナム語音声データを基にトレーニングされた、先進的なベトナム語エッジ側テキスト音声変換モデルです。即時音声クローニング機能を備え、ベトナム語と英語のシームレスな切り替えをサポートし、CPUまたはGPU上で24kHz波形をリアルタイムで合成できます。

音声処理Tensorboardその他

Fyodor-StarCoder2-7B-MoEはStarCoder2-7Bをベースにした強化版で、ハイブリッドエキスパートアーキテクチャを採用し、3つのMoE層、6つのエキスパートネットワーク、top-2ルーティングメカニズムを持ち、コード生成、関数呼び出し、エージェントタスクの分野で優れた性能を発揮します。

自然言語処理Transformersその他

BT4モデルはLeelaChessZeroエンジンの背後にあるニューラルネットワークモデルで、チェス対局に特化しています。このモデルはTransformerアーキテクチャに基づいて設計されており、過去の手順に基づいて次の最適な手順を予測し、局面を評価し、手順の確率を生成することができます。

科学計算Transformers

このモデルはQwen3-4B-Thinking-2507をベースに、GPT-5-Codexの1000個のサンプルで微調整され、テキスト生成タスクに特化しており、Unsloth技術を使用してトレーニング速度を2倍に向上させています。

自然言語処理Transformers英語

これはQwen/Qwen3-8B-Baseをベースに微調整されたバージョンで、TRLフレームワークとGKD（On-Policy Distillation）方法を使用してトレーニングされ、テキスト生成タスクに特化しています。このモデルは自己生成エラーを通じて学習し、テキスト生成の品質と安定性を向上させました。

自然言語処理Transformers

ZygAIは、リトアニア語と英語のタスク用に設計された高速なローカル大規模言語モデルで、テスト段階にあります。軽量級のバイリンガルアシスタントとして、ローカルハードウェア上でリアルタイムに動作し、ユーザーに効率的で正確なバイリンガルサービスを提供します。

自然言語処理Gguf多言語

サイバーブレインは、コンテスト（CTF）の挑戦やネットワークセキュリティタスクに特化して微調整された大規模言語モデルです。Llama - 3.1 - 8B - Instructアーキテクチャに基づいており、CTFの問題解決、セキュリティ脆弱性の分析、リバースエンジニアリングや暗号学的挑戦に対応し、倫理規範に沿った脆弱性利用推論を提供します。

自然言語処理Safetensors多言語

このモデルはmeta-llama/Llama-3.3-70B-Instructをベースに微調整したバージョンで、mlabonne/FineTome-100kデータセットを使用してトレーニングされ、100kトークンのデータを含んでいます。モデルはUnslothとHuggingface TRLライブラリを使用して微調整され、英語の言語処理をサポートしています。

自然言語処理Transformers英語