Hypnos i1-8BはNous Hermes 3（Llama 3.1 8B）に基づく専門的な推論モデルで、複雑な論理、思考連鎖推論、数学問題の求解に特化しています。このモデルは、混合量子 - 古典機械学習の分野で独自の探求を行い、量子ノイズ注入を導入することで、モデルの創造力と推論能力を向上させています。

自然言語処理Transformers英語

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Qwen3 30B A3Bモデルをベースに、Claude Sonnet 4.5の高い推論難易度のデータセットで訓練された蒸留モデルです。このモデルは複雑な推論タスクに特化して最適化されており、コーディングと科学の分野で優れた性能を発揮し、強力な論理推論能力を持っています。

自然言語処理Transformers英語

Olmo-3-32B-Think-DPOはAllen AIが開発した32Bパラメータの言語モデルで、直接嗜好最適化（DPO）を用いて訓練され、長鎖的な思考推論能力を備え、数学やコーディングなどの複雑な推論タスクで優れた性能を発揮します。

自然言語処理Transformers英語

Olmo 3 32B Think SFTはTransformerアーキテクチャに基づく自己回帰型言語モデルで、長い思考連鎖推論に優れており、特に数学やコーディングなどの複雑な推論タスクを処理するのに適しています。このモデルはDolma 3データセットで事前学習され、Dolciデータセットで教師付き微調整されています。

自然言語処理Transformers英語

Jan-v2-VLは、80億のパラメータを持つ視覚言語モデルで、実際のソフトウェア環境（ブラウザやデスクトップアプリなど）で長時間の多段階タスクを実行するために設計されています。このモデルは、言語推論と視覚認知を組み合わせ、複雑な指示に従い、中間状態を維持し、軽微な実行エラーから回復することができます。

マルチモーダルGguf

Jan-v2-VLは80億のパラメータを持つ視覚言語モデルで、ブラウザやデスクトップアプリケーションなどの実際のソフトウェア環境で長周期、多段階のタスクを実行するために設計されています。このモデルは言語推論と視覚認知を密接に結びつけ、複雑な指示に従い、中間状態を維持し、軽度の実行エラーから回復して、安定した持続的なタスク完了を実現します。

マルチモーダルTransformers英語

Lodos-24B-Instruct-2510は、Mistral-Small-3.2-24B-Instruct-2506をベースに微調整されたトルコ語の大規模言語モデルで、TRLフレームワークを使用して完全監督微調整を行い、トルコ語の命令追従タスクに特化して最適化されており、長文生成と複雑な推論をサポートしています。

自然言語処理Transformersその他

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

Cogito v2.1は、命令微調整を行った6710億パラメータの混合専門家生成モデルで、オープンライセンスで公開され、商用利用が可能です。このモデルは、複雑な推論と命令遵守の問題を効果的に解決でき、30種類以上の言語と128kのコンテキスト長をサポートします。

自然言語処理Transformers

Qwen3-VL-30B-A3B-InstructはQwen3-VL-30Bモデルに基づくマルチモーダルビジュアル言語モデルで、画像とテキストの統合理解と生成タスクをサポートします。このモデルは先進的なビジュアル言語融合アーキテクチャを採用しており、複雑なマルチモーダル推論タスクを処理することができます。

マルチモーダルGguf

Qwen3-Next-80B-A3B-Thinkingは通義千問チームが開発した新世代の思考型大規模言語モデルで、革新的な混合注意力機構と高疎性MoEアーキテクチャを採用し、高効率推論を維持しながら強力な複雑推論能力を備え、ネイティブで262Kの文脈長をサポートします。

自然言語処理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-8B-Thinkingは、アリババクラウドのQwenチームによって開発された80億パラメータのマルチモーダル大規模言語モデルで、深度マルチモーダル推論用に設計されており、ビジュアル理解、長文脈処理、構造化思考チェーン生成をサポートし、複雑な推論タスクで優れた性能を発揮します。

マルチモーダルMlx

Bee-8Bは、データ品質に特化した、最先端の完全オープンソースのマルチモーダル大規模言語モデルです。専用モデルとの性能ギャップを縮小することを目的としています。高品質のHoney-Data-15Mコーパスと先進的なデータ処理パイプラインHoneyPipeを使用することで、複雑な推論などの分野で卓越した性能を発揮しています。

マルチモーダルTransformers英語

LFM2-8B-A1B-qx86-hi-mlxはMLX形式に基づく高効率推論モデルで、LiquidAI/LFM2-8B-A1Bから変換されました。このモデルはハイブリッドエキスパートアーキテクチャを採用し、推論タスクで卓越した効率を発揮し、特に複雑な論理推論タスクに長けており、同時に多言語処理をサポートします。

自然言語処理Mlx多言語

GLM-4.6-FP8は智譜AIが発表した次世代のテキスト生成モデルで、GLM-4.5と比較していくつかの重要な点で著しい改善が見られます。このモデルはより長い文脈ウィンドウ、卓越したコーディング性能、高度な推論能力、およびより強力なエージェント機能を備えており、より複雑なタスクを処理することができます。

自然言語処理Transformers多言語

QuestAは、問題強化手法を用いて大規模言語モデルの推論能力を向上させる革新的なフレームワークです。強化学習訓練の過程で部分解決策を組み込むことで、数学推論などの複雑なタスクにおけるモデルの性能を大幅に向上させ、特に小パラメータモデルで最適な結果を達成しています。

自然言語処理Transformers

Qwen3 - VLは通義シリーズで最も強力な視覚言語モデルで、卓越したテキスト理解と生成能力、深い視覚認知と推論能力、長いコンテキストのサポート、強力な空間と動画理解能力、そして優れたインテリジェントエージェント対話能力を備えています。このバージョンは235Bパラメータの思考強化版で、より複雑な推論タスクをサポートします。

マルチモーダルTransformers

palmyra-miniシリーズのモデルは、複雑な推論や数学の問題解決の分野で卓越した能力を発揮し、特に深い理解と多段階の思考が必要なベンチマークテストで優れた成績を収めています。このモデルは小学校レベルの数学問題を解くのに長けており、gsm8kベンチマークテストで0.818の高得点を獲得し、MATH500ベンチマークテストでも0.818の得点を、AMC23ベンチマークテストでは0.6の安定した得点を獲得しています。

自然言語処理Transformers多言語