MiniMax-M2は、コーディングとエージェントのワークフローを最大化するために構築された小型の混合専門家モデルで、総パラメータは2300億、活性化パラメータは100億です。このモデルは、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能を維持し、コンパクトで高速かつ経済的に効率的な特徴を持っています。

自然言語処理Transformers

MiniMax - M2は、高効率コーディングとインテリジェントエージェントワークフロー用に特別に開発されたハイブリッドエキスパートモデルで、総パラメータが2300億、活性化パラメータが100億です。このモデルは、コーディングとインテリジェントエージェントタスクで卓越した性能を発揮し、低遅延、低コスト、高スループットの特徴を持ち、作業効率を効果的に向上させます。

自然言語処理Transformers

MiniMax - M2は、コーディングとエージェントワークフローを最大化するために構築された小型のハイブリッドエキスパート（MoE）モデルです。総パラメータは2300億で、活性化されるパラメータは100億のみで、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能を保持し、コンパクトで高速かつ経済的です。

自然言語処理Transformers

MiniMax-M2は、コーディングとエージェントのワークフローを最大化するために構築された「ミニ」モデルです。これはコンパクトで高速かつ費用対効果の高い混合専門家（MoE）モデルで、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能も備えています。

自然言語処理Transformers

これは高性能の4ビット量子化版のKimi K2 Instructモデルで、MLXフレームワークを使用してApple Silicon（M1/M2/M3/M4）Mac上で実行するように最適化されています。このモデルは6710億のパラメータを持ち、128Kのコンテキストウィンドウをサポートし、品質と効率の間で優れたバランスを実現しており、ほとんどの実際のデプロイに理想的な選択肢です。

自然言語処理Mlx多言語

PokeeResearch-7Bは、Pokee AIによって開発された70億パラメータの深度研究エージェントモデルです。AIフィードバック強化学習（RLAIF）と強力な推論フレームワークを組み合わせ、ツール強化型大規模言語モデルにおいて信頼性が高く、アライメントされ、拡張可能な研究レベルの推論を実現し、複雑な多段階研究ワークフローに適しています。

自然言語処理Transformers英語

MiniMax-M2は、コーディングとエージェントのワークフローを最大化するために構築された「ミニ」モデルで、ハイブリッドエキスパートアーキテクチャを採用し、総パラメータは2300億、アクティブなパラメータは100億です。このモデルは、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能を保持し、コンパクトで高速かつ経済的に効率的な特徴を持っています。

自然言語処理Transformers

INLアーキテクチャは、積分ニューロンダイナミクスに基づくプロダクションレベルのニューラルアーキテクチャで、従来のフィードフォワードネットワーク層を反復ダイナミクスに置き換え、大規模言語モデル、ビジュアルトランスフォーマー、マルチモーダルモデルなどのさまざまなタイプに適用可能です。

自然言語処理Safetensors英語

PokeeResearch-7BはPokee AIによって開発された70億パラメータの深度研究用のインテリジェントエージェントで、AIフィードバックに基づく強化学習(RLAIF)と推論フレームワークを組み合わせ、自己修正、検証、総合分析を含む複雑な多段階研究ワークフローを実行できます。

自然言語処理Transformers英語

FIBOは、長い構造化記述用に最初にトレーニングされたオープンソースのテキストから画像へのモデルで、制御可能性、予測可能性、特徴解離に新しい基準を設定しました。このモデルは80億のパラメータを持ち、許可を得たデータのみを使用してトレーニングされ、専門的なワークフローの要件をサポートします。

マルチモーダルDiffusers英語

ドラドーネットワークサーフィンツール拡張版は、通義千問3 - 4Bをベースに微調整された関数呼び出しとインテリジェント推論モデルで、ネットワーク検索の編成、ツール強化推論、動的問題解決のために設計されています。 このモデルは、インテリジェント決定、ツール選択、構造化された実行フローにおいて優れた性能を発揮します。

自然言語処理Transformers英語

このモデルはGPT-OSS-20Bをベースに、Unsloth強化学習フレームワークを用いて微調整されており、推論効率の最適化と、人間のフィードバックからの強化学習（RLHF）型トレーニング中に発生するバグの削減を目的としています。微調整プロセスでは、アライメントの堅牢性と効率に重点が置かれ、モデルが過度の計算コストをかけずに推論の深度を維持できるようにしています。

自然言語処理Transformers英語

これはQwen/Qwen3-Coder-30B-A3B-Instruct言語モデルのGGUF量子化バージョンで、ローカル推論用に最適化されており、llama.cpp、LM Studio、OpenWebUI、GPT4Allなどのフレームワークをサポートしています。このモデルは30Bパラメータ規模のコード生成とプログラミングアシスタントモデルです。

自然言語処理Gguf多言語

これはQwen/Qwen3-14B言語モデルのGGUF量子化バージョンで、140億のパラメータを持ち、深い推論能力、研究レベルの正確性、自律的なワークフローを備えています。変換後、llama.cpp、LM Studio、OpenWebUI、GPT4Allなどのローカル推論フレームワークで使用できます。

自然言語処理Gguf多言語

これはQwen/Qwen3-4B言語モデルのGGUF量子化バージョンで、アリババの通義シリーズによって開発された40億パラメータの大規模言語モデルです。消費者向けハードウェアに特化して設計され、強力な推論、インテリジェントエージェントワークフロー、多言語対話をサポートします。

自然言語処理Gguf多言語

bert-base-uncasedをベースに、LoRA（低ランク適応）技術を用いて微調整された意図分類モデルです。テキストをビジネス、技術、科学などのカテゴリに分類でき、意味ルーティングプロジェクトの一部です。RustのCandleフレームワークに対して最適化されています。

自然言語処理Safetensors英語

BERT基礎大文字小文字区別なしモデルに基づき、LoRA（低ランク適応）技術を使用して微調整された意図分類モデルで、テキストをビジネス、技術、科学などのカテゴリに分類でき、意味ルータープロジェクトの一部で、Rust言語のCandleフレームワークに対して最適化されています。

自然言語処理Safetensors英語

UIGEN-FX-4B-Previewは40億のパラメータを持つUI生成モデルで、フロントエンド開発に特化して最適化されており、22のフレームワークでフロントエンドエンジニアのように機能します。このモデルは意味論的なHTMLコードの生成に焦点を当てており、優れたレイアウトリズム、間隔制御、コンポーネント組み合わせ能力を持ち、単一ファイルのウェブページを迅速に生成するのに適しています。

自然言語処理Transformers英語

HuMoは統一的で人を中心としたビデオ生成フレームワークで、テキスト、画像、音声などのマルチモーダル入力に基づいて、高品質、細粒度で制御可能な人間のビデオを生成できます。強力なテキストプロンプト追従、一貫した主体保持、同期した音声駆動型モーションをサポートします。

マルチモーダルGguf

HuMoは人を中心としたビデオ生成フレームワークで、テキスト、画像、音声などのマルチモーダル入力を利用して、高品質、細粒度で制御可能な人間のビデオを生成することができます。テキストプロンプトの追従、主体の保持、音声駆動運動の同期をサポートします。

マルチモーダルGguf