これは通話記録分析用に特別に開発された混合言語AIモデルで、ヒンディー語、英語、およびヒンディー語と英語の混合通話の文字起こし内容を処理できます。モデルはQwen2.5 - 1.5B - Instructをベースに微調整されており、強力な多言語理解と情報抽出能力を備えています。

自然言語処理Transformers多言語

これはMCG - NJU/videomae - baseモデルを未知のデータセットで微調整した動画理解モデルで、20エポックの学習を経て、評価セットで13.31%の正解率を達成しました。このモデルは動画分析タスクに特化して最適化されています。

コンピュータビジョンTransformers

Atom-Olmo3-7Bは、Olmo-3-7B-Instructをベースにファインチューニングされた言語モデルで、協調型問題解決と創造的な探索に特化して設計されています。このモデルは、複雑な問題を扱う際に、熟慮された構造化分析を提供し、同時に魅力的な会話スタイルを維持し、Apache 2.0オープンソースライセンスを持っています。

自然言語処理Transformers英語

MiroThinker v1.0はオープンソースの研究エージェントで、モデルレベルの対話型拡張により、ツール強化推論と情報検索能力を向上させます。このモデルは複数のベンチマークテストで優れた性能を発揮し、長文脈と深度のある多段階分析をサポートします。

自然言語処理Transformers英語

ERNIE-4.5-VL-28B-A3B-Thinking AWQ - INT8は、百度のERNIE-4.5アーキテクチャに基づくマルチモーダル大規模言語モデルで、AWQ量子化技術を通じて8ビット精度を実現し、高性能を維持しながらメモリ要件を大幅に削減します。このモデルは、視覚推論、STEM問題解決、画像分析などの分野で優れた性能を発揮し、強力なマルチモーダル理解と推論能力を備えています。

マルチモーダルTransformers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

NV-Reason-CXR-3B GGUFはNVIDIA NV-Reason-CXR-3Bビジュアル言語モデルの量子化バージョンで、エッジデバイスへのデプロイに最適化されています。これは30億パラメータのモデルで、胸部X線分析に特化しており、GGUF形式に変換され、量子化処理が施されているため、モバイルデバイス、デスクトップデバイス、組み込みシステムで効率的に動作します。

マルチモーダルGguf英語

このモデルはVideoMAEアーキテクチャに基づく暴力検出モデルで、Kineticsデータセットで事前学習した後、暴力検出タスクに対して92エポックの微調整を行っています。モデルはVision Transformerアーキテクチャを採用し、ビデオコンテンツ分析に特化しており、ビデオ内の暴力行為を識別することができます。

コンピュータビジョンTransformers

Qwen3-VLはアリババが開発した最新世代のビジュアル言語モデルで、テキスト理解、ビジュアル認知、空間理解、ビデオ分析、エージェントインタラクションなどの分野で著しい向上が見られます。このモデルはマルチモーダル入力をサポートし、強力な推論能力と長文脈処理能力を備えています。

マルチモーダルTransformers

NVIDIA-Nemotron-Nano-VL-12B-V2-FP8はNVIDIAが開発した量子化視覚言語モデルで、最適化されたTransformerアーキテクチャを採用し、商用画像で三段階のトレーニングを行っています。このモデルは単一画像の推論をサポートし、多言語およびマルチモーダル処理能力を備えており、画像要約、テキスト画像分析などの様々なシーンに適用できます。

マルチモーダルTransformers

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

Qwen3-VL-TimeTravelは、Qwen3-VL-8B-Instructモデルをベースに、Unslothライブラリを使用してMBZUAI/TimeTravelデータセットで微調整したバージョンです。このモデルは、歴史文物画像の説明を生成するために特別に設計されており、歴史および文化文物の分析において専門的な能力を持っています。

マルチモーダルTransformers英語

Qwen3-VL-30B-A3B-Instruct-AWQはQwen3-VLシリーズの量子化バージョンで、強力なビジュアル言語処理能力を備え、画像理解、ビデオ分析、マルチモーダル推論などのタスクをサポートします。このモデルは、テキスト理解、ビジュアル感知、空間理解、長文脈処理などの面で顕著な向上が見られます。

マルチモーダルTransformers

Qwen3-VL-4B-Instructは、アリババクラウドのQwenチームが開発した40億パラメータの命令調整済みマルチモーダル大規模言語モデルで、高通NPU用に最適化されており、強力なビジュアル言語理解能力と対話微調整機能を融合させ、チャット推論、文書分析、ビジュアル対話などの実際のアプリケーションシーンに適しています。

マルチモーダルGguf

bert-micro-cybersecurityは、ネットワークセキュリティのテキスト分類タスク用に設計されたコンパクトなトランスフォーマーモデルで、脅威検出やイベントレポート分析などに使用でき、英語とインドネシア語をサポートします。

自然言語処理Transformers多言語

Apriel-1.5-15b-ThinkerはServiceNowが開発した150億パラメータのマルチモーダル推論モデルで、テキストと画像の推論能力を備え、その性能は10倍大きいモデルに匹敵します。人工分析指数で52点を獲得し、企業分野の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Transformers

Qwen3-Omni-30B-A3B-Captionerは、Qwen3-Omni-30B-A3B-Instructをベースにファインチューニングされた細粒度オーディオ分析モデルで、任意のオーディオ入力に対して詳細で低幻覚の記述を生成し、複雑で多様なオーディオシーンで優れた性能を発揮します。

音声処理Transformers英語

YOLOv11アーキテクチャに基づく3種類の文書レイアウト分析モデル（nano、small、medium）で、DocLayNetデータセットで微調整され、文書内のテキスト、表、グラフなど11種類のレイアウト要素を正確に検出でき、文書理解と情報抽出タスクに適しています。

Leporis-Qwen3-Radiation-1.7Bは推論に特化したモデルで、Qwenをベースに微調整され、高精度な推論とトークン確率の最適化に使用されます。このモデルは、数学と一般的な推論にまたがる多言語のバランスの取れた生成能力を強化し、イベント駆動型の論理、構造化分析、高精度な確率モデリングに特化しています。

自然言語処理Transformers多言語

ARC-Qwen-Video-7Bは、騰訊ARCラボが開発した現実世界の短動画を理解するためのマルチモーダルモデルで、Qwen2.5-VL-7B-Instructをベースに構築され、音声と動画の同期分析と理解をサポートしています。

マルチモーダルTransformers