Z-Imageは機能が豊富で高効率な画像生成モデルで、60億のパラメータを持っています。これは画像生成分野における効率、品質、機能の多様性の問題を効果的に解決し、ユーザーに高品質の画像生成と編集サービスを提供します。

コンピュータビジョンDiffusers英語

これはGoogle Gemma - 3 - 4B - ITモデルを微調整したテキスト生成モデルで、デモンストレーションテンプレートのメタデータに基づいて多様で関連性のある検索クエリを生成するために特別に設計されています。このモデルはLoRAアダプタを使用して効率的に微調整されており、構造化文書のフィールド適応型密集検索フレームワークの重要な構成要素です。

自然言語処理Safetensors英語

このプロジェクトはQwen3-VL-32B-Thinkingモデルを量子化処理した成果物で、量子化技術を用いることで、さまざまなハードウェア条件下でより効率的にモデルを実行でき、多様な使用ニーズを満たすことができます。

マルチモーダルGguf

Lamapi/next-12bは120億パラメータの多言語大規模言語モデルで、複数の量子化バージョンを提供し、テキスト生成、質問応答、チャットなどの多様な自然言語処理タスクをサポートします。このモデルは複数の領域のデータセットで学習され、高効率で軽量な特徴を持っています。

自然言語処理Transformers多言語

これは多言語処理をサポートするマルチモーダルモデルで、自然言語処理、コード処理、音声処理などの複数の分野をカバーし、自動音声認識、音声要約、音声翻訳、ビジュアル質問応答などの様々なタスクを実行できます。

マルチモーダルSafetensors多言語

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

これはinclusionAIのRing-mini-2.0モデルの量子化バージョンで、llama.cppを通じてimatrix量子化処理を行い、さまざまなハードウェア条件下でより効率的に動作し、多様な使用ニーズを満たすことができます。

自然言語処理Gguf

Qwen2.5-14B-InstructはQwen2.5アーキテクチャに基づく多言語大規模言語モデルで、140億のパラメータを持ち、13種類の言語をサポートし、優れた指令追従と対話能力を備えています。このモデルは様々な言語タスクで優れた性能を発揮し、多言語シーンでのテキスト生成と理解に適しています。

自然言語処理Transformers多言語

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RoPE（回転位置符号化）に基づくVision Transformerモデルで、パラメータ規模は150Mで、14x14のパッチサイズを採用しています。このモデルは約2100万枚の画像からなる多様なデータセットで事前学習されており、汎用的なビジュアル特徴抽出器として使用できます。

コンピュータビジョンPytorch

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

Granite-4.0-Micro-BaseはIBMが開発したデコーダーのみの長文脈言語モデルで、約15兆のトークンを使ってゼロから学習され、四ステージトレーニング戦略を採用しています。このモデルは様々なテキスト生成タスクに特化して設計されており、多言語と穴埋め式のコード補完機能をサポートしています。

自然言語処理Transformers

Wan-Funは強力なテキストから動画生成ツールで、多解像度の動画予測と多言語をサポートし、多様な動画生成ニーズを満たすことができます。このモデルはWan2.2アーキテクチャに基づいており、14Bのパラメータ規模を持ち、テキストから動画および画像から動画の生成タスクに特化しています。

マルチモーダルDiffusers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

これは騰訊混元翻訳モデル7Bの量子化バージョンで、複数の言語の翻訳をサポートし、さまざまなシチュエーションで多様な翻訳ニーズを満たすことができます。このモデルはGGUF形式で量子化され、さまざまなハードウェアとパフォーマンスの要件に合わせた複数の量子化レベルを提供します。

自然言語処理Transformers多言語

これはS4nfsのNeeto-1.0-8bモデルを量子化処理したバージョンで、llama.cppツールを使用して多様な量子化タイプを提供し、さまざまなハードウェア条件下での効率的な実行に適しています。

自然言語処理Gguf

Realistic Vision V5.1は、Stable Diffusion XLに基づくテキストから画像への生成モデルで、高品質でリアルな人物肖像やシーン画像の生成に特化しています。このモデルは、リアル、アニメ、ゲームなどの多様なスタイルをサポートし、高度なリアリティを持つ人物、女優の肖像やアニメスタイルの画像を生成することができます。

コンピュータビジョンDiffusers英語

GPT-OSS-20BはOpenAIがリリース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、および多様な開発者の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21Bのパラメータ（うち3.6Bがアクティブパラメータ）を持ち、低遅延推論とローカルデプロイをサポートし、Apache 2.0ライセンスを採用しており、実験、カスタマイズ、および商用デプロイに自由に使用できます。

自然言語処理Transformers

これは、様々な小言語のGGUF形式の大規模言語モデルを収集した選りすぐりのコレクションで、ロシア語、英語、ドイツ語などの多くの言語をサポートし、事実照会、数学計算、文化ユーモア、倫理フィルターなどの複数のテスト次元をカバーしています。

自然言語処理Gguf多言語

DINOv3はMeta AIが開発した多機能ビジュアル基礎モデルで、微調整なしで幅広いビジュアルタスクで専用モデルを上回ります。このモデルは高品質な密集特徴を生成でき、様々なビジュアルタスクで優れた性能を発揮し、これまでの自己監督型および弱監督型の基礎モデルを大幅に上回っています。

コンピュータビジョンTransformers英語