Qwen3-32BはQwenシリーズの最新世代の大規模言語モデルで、強力な推論、命令遵守、エージェント間の相互作用、多言語処理能力を備えています。100種類以上の言語と方言をサポートし、思考モードと非思考モードをシームレスに切り替えることができ、ユーザーに自然でスムーズな対話体験を提供します。

自然言語処理Transformers

Gelato-30B-A3Bは、GUIコンピュータ使用タスクに対して微調整された最先端（SOTA）モデルで、デプロイ効率を最適化するために量子化バージョンを提供しています。このモデルは、グラフィカルユーザーインターフェース関連のタスクを理解して処理するように特別に設計されています。

マルチモーダルGguf

Gelato-30B-A3Bは、GUIコンピュータ使用タスクに使用される最先端の基礎モデルで、Click-100kデータセットで訓練され、複数のベンチマークテストで以前の専用コンピュータ基礎モデルやより大きなビジュアル言語モデルを上回っています。

マルチモーダルTransformers英語

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

GTA1はGRPO強化学習に基づいて訓練されたGUI接地モデルで、グラフィカルユーザーインターフェイスの自動操作に特化しています。長い思考連鎖の推論に依存する方法と比較して、GRPOは直接操作可能で根拠のある応答を促し、複数のベンチマークテストで卓越した接地性能を示しています。

マルチモーダルTransformers英語

GTA1は強化学習（GRPO）に基づいて訓練された最先端のGUI接地モデルで、グラフィカルユーザーインターフェースの自動化タスクに特化しています。長い思考チェーンの推論に依存する方法とは異なり、GRPOは直接的に操作可能で根拠のある応答を促し、複数の難しいデータセットで卓越した接地性能とエージェント性能を示しています。

マルチモーダルTransformers英語

Qwen2.5-14B-Instructは140億パラメータの大規模言語モデルで、チャットとテキスト生成シーン向けに設計されています。このモデルはtransformersライブラリに基づいて構築され、内部テストと軽量アプリケーションのデプロイに適しています。

自然言語処理Transformers英語

InternVL3.5-4Bはオープンソースのマルチモーダルモデルシリーズの中規模バージョンで、汎用性、推論能力、推論効率の面で顕著な進歩を遂げ、GUIインタラクションなどの新機能をサポートしています。このモデルはカスケード強化学習フレームワークと視覚解像度ルーター技術を採用し、効率的なマルチモーダル理解と推論を実現しています。

マルチモーダルTransformersその他

InternVL3.5はオープンソースのマルチモーダルモデルファミリーの新メンバーで、InternVLシリーズの汎用性、推論能力、推論効率を大幅に向上させ、GUIインタラクションなどの新機能をサポートし、オープンソースのマルチモーダル大規模言語モデルの先進水準に達しています。

マルチモーダルTransformersその他

InternVL3.5-1BはInternVLシリーズのオープンソースマルチモーダルモデルで、パラメータ数は11億で、そのうちビジュアルパラメータが3億、言語パラメータが8億を含んでいます。このモデルは汎用性、推論能力、推論効率を大幅に向上させ、GUIインタラクションなどの新機能をサポートしています。

マルチモーダルTransformersその他

InternVL3.5-14BはInternVLシリーズのオープンソースのマルチモーダルモデルで、汎用性、推論能力、推論効率が大幅に向上し、GUIインタラクションなどの新機能をサポートし、商用モデルとの性能差を縮小しました。

マルチモーダルTransformersその他

GTA1は強化学習（GRPO）に基づいて訓練された最先端のGUI位置決定モデルで、長い推論ではなく直接操作可能な応答を促すことで、正確なインターフェース要素の位置決定を実現します。

マルチモーダルTransformers

GTA1は強化学習（GRPO）に基づくGUI位置決定モデルで、成功したクリックに直接報酬を与えることで正確な位置決定を実現し、長い思考チェーン推論を避けます。

マルチモーダルTransformers

GUI-Actor-2BはQwen2-VL-2Bに基づく視覚言語モデルで、グラフィカルユーザーインターフェイス（GUI）の位置特定タスク用に設計されています。アテンションベースのアクションヘッドを追加して微調整することで、複数のGUI位置特定ベンチマークテストで良好な結果を得ています。

マルチモーダルTransformers

GUI-Actor-7BはQwen2-VL-7B-Instructをベースに開発されたビジュアル言語モデルで、グラフィカルユーザーインターフェイス（GUI）エージェントタスクに特化し、座標なしのビジュアル接地ソリューションを提供します。

マルチモーダルTransformers

Transformerアーキテクチャに基づく画像テキストからテキストを生成するモデルで、コンピュータ/GUI関連のシーン向けに設計され、インテリジェントエージェント機能を備えています。

マルチモーダルGguf英語

InternVL3-78B-Instructは、マルチモーダル知覚、推論、言語処理などの分野で優れた性能を発揮する先進的なマルチモーダル大規模言語モデルです。このモデルは、ネイティブマルチモーダル事前学習手法を用いて、視覚と言語の学習を統一した学習段階に統合し、ツールの使用、GUIエージェント、産業用画像分析、3D視覚知覚などの多くの分野で卓越した能力を発揮します。

マルチモーダルTransformersその他

InternVL3-2B-Instructは先進的なマルチモーダル大規模言語モデルで、前代と比べてより優れたマルチモーダル感知と推論能力を持ち、ツール使用、GUIエージェント、産業画像分析、3Dビジョン感知などの分野を拡張しています。原生のマルチモーダル事前学習方法を採用し、言語学習とビジョン学習を単一の事前学習段階に統合しています。

マルチモーダルTransformersその他

InternVL3-14B-Instructは先進的なマルチモーダル大規模言語モデル（MLLM）で、優れたマルチモーダル知覚と推論能力を示し、ツール使用、GUIエージェント、産業画像分析、3D視覚知覚など様々なタスクをサポートします。

マルチモーダルTransformersmultilingual

InternVL3 - 78Bは、高度なマルチモーダル大規模言語モデルで、卓越したマルチモーダル認知と推論能力を備え、ツール使用、GUIエージェント、産業用画像分析、3D視覚認知などの分野で優れた性能を発揮し、全体的なテキスト性能も非常に高い。

マルチモーダルTransformersその他