楠米色4-3B-思考-2511は楠米色シリーズの最新の強化バージョンで、高度な蒸留技術と強化学習による最適化を通じて、コンパクトな3Bパラメータ規模で強力な推論能力を実現しています。このモデルはArena-Hard-V2やBFCL-V4などのベンチマークテストで、パラメータが32B未満のモデルの中で最先端（SOTA）の成果を達成しています。

自然言語処理Transformers多言語

これはMiniMax-M2-REAP-172B-A10BモデルのMXFP4_MOE量子化バージョンで、メモリ効率の高い圧縮モデルです。REAP（ルーティング重み付き専門家活性化剪定）方法を通じて、性能を維持しながらモデルを230Bパラメータから172Bパラメータに圧縮し、サイズを25％縮小し、リソース制限のある環境、ローカルデプロイ、および学術研究に適しています。

自然言語処理Gguf

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

これはinclusionAIのLing-flash-2.0モデルのLlamacpp imatrix量化バージョンです。高度な量化技術を通じて、モデルの性能を維持しながらメモリ使用量と計算量を大幅に削減し、実行効率を向上させます。複数の量化レベルをサポートし、異なるハードウェア構成に適しています。

自然言語処理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

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

Qwen3-Omni-30B-A3B-ThinkingモデルのQ4_K_S量子化GGUFバージョンで、テキスト、視覚、オーディオのマルチモーダル処理をサポートし、llama.cppを通じて高効率な推論を実現します。このバージョンは品質を保証しつつ、ファイルサイズを大幅に削減し、推論速度を向上させます。

マルチモーダルGguf多言語

svizzはLoRA技術に基づくテキストから画像への生成モデルで、LyliaEngine/Pony_Diffusion_V6_XLをベースモデルとして、特定のトリガーワードを通じて高品質な画像コンテンツを生成することができます。

コンピュータビジョンDiffusers

Huihui-gpt-oss-20b-mxfp4-abliterated-v2-qx86-hi-mlxは20Bパラメータに基づく大規模言語モデルで、量子化技術を用いて最適化され、MLXフレームワークに特化した形式変換が行われています。このモデルは高精度量子化技術を通じて、モデルの精度を維持しながら推論効率を大幅に向上させ、様々な自然言語処理タスクに適しています。

自然言語処理Mlx

Llama-3.1-8B-onnx-ryzenai-npuは、AMDがMetaのLlama-3.1-8Bモデルをベースに開発した最適化バージョンで、AMD Ryzen AI NPU向けに最適化されたデプロイが行われています。このモデルは、Quark量子化、OGAモデルビルダー、およびNPU専用の後処理技術を通じて、高品質なテキスト生成能力を維持しながら、AMDハードウェア上での推論効率を大幅に向上させています。

自然言語処理Onnx英語

Qwen3-Next-80B-A3B-Instructは、アリババの通義千問チームによって開発された最新世代の大規模言語モデルです。革新的な混合注意力機構と高疎なエキスパート混合アーキテクチャを採用し、総パラメータ数を80Bに保ちながら3Bのパラメータのみを活性化させ、効率的なコンテキストモデリングと推論の高速化を実現しています。ネイティブで262Kのコンテキスト長をサポートし、1Mトークンまで拡張可能です。

自然言語処理Transformers

Qwen3-Next-80B-A3B-Thinking-AWQ-4bitは、Qwen3-Next-80B-A3B-ThinkingモデルをAWQ量子化技術を通じて生成した4ビットバージョンで、モデルの推論効率を著しく向上させました。このモデルは混合注意力機構と高疎なMoEアーキテクチャを採用し、複雑な推論タスクで優れた性能を発揮し、最大262Kトークンのコンテキスト長をサポートします。

自然言語処理Transformers

Qwen3-Next-80B-A3B-InstructはQwen3-Nextシリーズの基礎モデルで、革新的な混合注意力機構や高疎性のエキスパート混合層などの技術を通じて、長テキスト処理における効率的なモデリングと推論加速を実現し、複数のベンチマークテストで卓越した性能を発揮しています。

自然言語処理Transformers

本プロジェクトは、騰訊の混元-MT-7B大規模言語モデルの量子化バージョンを提供します。モデル圧縮技術を通じて計算と記憶の要件を削減し、知識をすべての人に利用可能にすることを目指し、高性能なAIモデルをより普及させ、使いやすくします。

自然言語処理Gguf

Qwen-Image-Lightningは、Qwen/Qwen-Imageに基づくテキストから画像への生成モデルで、蒸留とLoRA技術を通じて高速かつ高品質な画像生成を実現し、diffusersライブラリを使用した簡便な呼び出しをサポートしています。

マルチモーダルDiffusers多言語

快手Keye-VLは快手Keyeチームによって開発された最先端のマルチモーダル大規模言語モデルで、ビデオ理解、視覚認知、および推論タスクで卓越した性能を発揮します。1.5バージョンは革新的な高速・低速ビデオコーディング戦略、LongCoTコールドスタートデータパイプライン、および強化学習トレーニング戦略を通じて、ビデオ理解、画像認知、および推論能力において新たな高みに到達し、最大128kトークンの拡張文脈長をサポートします。

マルチモーダルSafetensors多言語

これはQwen3-Code-Reasoning-4BモデルのGGUF量子化バージョンで、競技プログラミングとコード推論タスクに特化して最適化されています。このモデルは高品質のコード推論データセットでトレーニングされ、詳細な推論を通じて複雑なプログラミング問題を解決する能力が強化されています。

自然言語処理Gguf英語

Seed-OSS-36B-Instructは、バイトドングが開発したテキスト生成モデルで、36Bパラメータ規模の大規模言語モデルアーキテクチャに基づいており、指令追従タスクに特化して最適化されています。このモデルは英語と中国語の両方をサポートし、Apache-2.0オープンソースライセンスを採用しており、vllmとmlx推論フレームワークを通じて高効率にデプロイできます。

自然言語処理Mlx多言語

これはCivitaiプラットフォームに基づくテキストから画像生成モデルで、テキスト記述を高品質な画像に変換することができます。モデルは量子化ツールを通じて最適化することができ、クリエイティブデザインやビジュアルコンテンツ生成に適しています。

コンピュータビジョンGguf

cudaLLM-8BはByteDance Seedによって開発された専門の言語モデルで、高性能かつ構文が正しいCUDAカーネルコードを生成するために特別に設計されています。Qwen3-8B基礎モデルをベースに構築され、監督微調整と強化学習の2段階のトレーニングを通じて、開発者が効率的なGPU並列プログラミングコードを記述するのを支援することができます。

自然言語処理Transformers英語