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

本プロジェクトでは、MiniMaxAIのMiniMax - M2モデルを量化処理し、llama.cppツールを使用して、様々なニーズを持つユーザーに複数の量化タイプのモデルファイルを提供し、異なるハードウェア条件下でのモデルの効率的な実行を容易にします。

自然言語処理Gguf

これはTheDrummerのCydonia-24B-v4.2.0モデルの量子化バージョンで、llama.cppとimatrix技術を使用して最適化処理され、さまざまなハードウェアとニーズに対応するための複数の量子化タイプを提供し、ユーザーがさまざまなシーンでモデルを高効率に実行できるようになっています。

自然言語処理Gguf

ArcMindはArcDevsによって開発された次世代の対話モデルで、自然なインタラクション、適応型インテリジェンス、コンテキストの正確性に焦点を当て、ユーザーにシームレスで人間に似た対話体験を提供することを目的としています。

自然言語処理Transformers英語

これはzfj1998/A2Search-3B-Instructモデルを量化処理したバージョンで、さまざまな量化タイプのGGUF形式ファイルを提供し、ユーザーがニーズに応じて選択して使用できます。このモデルは主に英語タスクをサポートし、多様な量化タイプを選択できる特徴があります。

自然言語処理Transformers英語

これはlemon07rのVellumMini-0.1-Qwen3-14Bモデルを量子化処理したバージョンで、特定の量子化方法とツールを通じて、さまざまな量子化タイプのファイルを提供し、異なるユーザーの性能、品質、リソース占有に関するニーズを満たします。

自然言語処理Gguf

GTA1はGRPO強化学習に基づいて訓練されたGUI接地モデルで、グラフィカルユーザーインターフェイスの自動操作に特化しています。長い思考連鎖の推論に依存する方法と比較して、GRPOは直接操作可能で根拠のある応答を促し、複数のベンチマークテストで卓越した接地性能を示しています。

マルチモーダルTransformers英語

これはGLM-4.6モデルのLlamacpp imatrix量子化バージョンで、llama.cpp b6647バージョンを使用して量子化されています。このモデルは複数の量子化バージョンを提供し、さまざまなハードウェア条件で動作し、異なるユーザーのニーズを満たすことができます。すべての量子化バージョンはimatrixオプションを使用し、特定のデータセットを組み合わせて最適化されています。

自然言語処理Gguf

GTA1は強化学習（GRPO）に基づいて訓練された最先端のGUI接地モデルで、グラフィカルユーザーインターフェースの自動化タスクに特化しています。長い思考チェーンの推論に依存する方法とは異なり、GRPOは直接的に操作可能で根拠のある応答を促し、複数の難しいデータセットで卓越した接地性能とエージェント性能を示しています。

マルチモーダルTransformers英語

AcToraは、ソーシャルメディア上のユーザーのインタラクションを予測するために設計された、高度な言語モデルとPythonライブラリです。このプロジェクトは、RdivxeAIとMechaMLの支援を受けてAmrTwegによって開発され、言語モデルをマーケティング研究に応用することを目的としています。

自然言語処理Transformers

Qwen3 4B InstructはQwen3アーキテクチャに基づく40億パラメータの命令微調整モデルで、多言語テキスト生成タスクをサポートしています。このモデルは2ビットから32ビットまでのさまざまな量子化バージョンを提供し、ユーザーに柔軟なパフォーマンスと効率のバランスを選択させます。

自然言語処理Gguf多言語

NVIDIA Nemotron Nano 12B v2は、NVIDIAによって最初から訓練された大規模言語モデルで、推論および非推論タスク用に設計されています。混合Mamba2-Transformerアーキテクチャを採用し、多言語に対応し、制御可能な推論能力を備えており、ユーザーの要求に応じて推論過程を生成するか、直接答えを提供することができます。

自然言語処理Transformers多言語

NVIDIA-Nemotron-Nano-9B-v2はNVIDIAが新たに訓練した大規模言語モデルで、推論タスクと非推論タスクの両方に対応した統一モデルです。このモデルはMamba2-Transformer混合アーキテクチャを採用し、多言語に対応し、制御可能な推論能力を備えています。ユーザーはシステムプロンプトを通じてモデルの推論プロセスを制御できます。このモデルは複数のベンチマークテストで優れた成績を収め、すでに商用可能です。

自然言語処理Transformers多言語

MiMo-VLはコンパクトで強力なビジュアル言語モデルで、ネイティブ解像度ViTエンコーダ、MLPプロジェクター、MiMo-7B言語モデルを組み合わせており、マルチモーダル推論などのタスクで優れた性能を発揮します。このモデルは複数のベンチマークテストで良好な結果を収め、思考制御機能を備えており、ユーザー体験が大幅に向上しています。

マルチモーダルTransformers

Qwen3-4B-Instruct-2507はアリババクラウドが開発した40億パラメータの大規模言語モデルで、Unsloth Dynamic 2.0量子化技術に基づいており、一般的な能力、希少知識のカバレッジ、ユーザーの嗜好との整合性、長文脈理解などの面で大幅な向上が見られます。

自然言語処理Transformers

Qwen3-30B-A3B-Instruct-2507はQwen3-30B-A3Bの非思考モードの更新バージョンで、一般的な能力、希少知識のカバレッジ、ユーザーの嗜好のアライメント、長文脈の理解などの面で著しい向上が見られます。これは305億パラメータの大規模言語モデルで、MoEアーキテクチャを採用し、活性化パラメータは33億です。

自然言語処理Transformers

Qwen3-235B-A22B-Instruct-2507はQwen3シリーズモデルの更新バージョンで、汎用能力、希少知識のカバレッジ、ユーザーの嗜好アライメント、長文脈理解などの面で著しい向上が見られ、より質の高いテキスト生成サービスを提供できます。このモデルは混合専門家アーキテクチャを採用し、合計235Bのパラメータのうち、22Bのパラメータが活性化され、ネイティブで262,144の文脈長をサポートします。

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

これはSuperbEmphasisのVelvet-Eclipse-4x12B-v0.2モデルの量化バージョンで、llama.cppのimatrix量化技術によって処理され、複数の量化オプションを提供し、さまざまなハードウェア条件で高効率に動作します。モデルはテキスト生成タスクをサポートし、BF16からIQ2_XXSまでの複数の量化レベルを提供し、ユーザーのモデル品質とファイルサイズに対するさまざまなニーズを満たします。

自然言語処理Gguf

DynaGuard-8Bはメリーランド大学とカピタルワンによって開発された80億パラメータのガーディアンモデルで、ユーザーが定義した自然言語ポリシーに基づいてテキストのコンプライアンスを評価し、柔軟なコンテンツ審査ソリューションを提供し、セキュリティとコンプライアンスのベンチマークテストで先進水準に達しています。

自然言語処理Transformers英語