マイクロソフトの最新決算で、Microsoft 365 Copilotの有料企業シートが2000万に達し、企業ユーザーが急増。CEOナデラ氏によると、5万シート超の企業数は4倍増加し、バイエル、ジョンソン・エンド・ジョンソン、メルセデス・ベンツなどの大手が9万シート超を契約。特にアクセンチュアとの74万シート取引は同製品の最大単一受注記録を更新した。....
中国発の大規模AIモデルが、コストパフォーマンスと実用性で世界の開発者コミュニティを席巻。MiniMax M2.5、Kimi K2.5、GLM-5が世界のAPI呼び出し量トップ3を独占し、中国AIの実用化競争力と開発者支持を証明。効率性を武器に国際市場で存在感を拡大。....
2026年初、世界の医療大規模モデル競争が激化。OpenAIはChatGPT Healthを、AnthropicとGoogleはそれぞれClaude for HealthcareとMedGemma1.5を発表。中国製モデルも強く、百川智能のBaichuan-M3/M3Plusは複数指標でGPT-5.2を上回る。....
百川智能がBaichuan-M3Plusモデルを発表。医療質問応答の正確性と信頼性を向上させ、幻覚率を大幅に低減し、業界記録を更新。....
richardyoung
これは高性能の4ビット量子化版のKimi K2 Instructモデルで、MLXフレームワークを使用してApple Silicon（M1/M2/M3/M4）Mac上で実行するように最適化されています。このモデルは6710億のパラメータを持ち、128Kのコンテキストウィンドウをサポートし、品質と効率の間で優れたバランスを実現しており、ほとんどの実際のデプロイに理想的な選択肢です。
mlx-community
これは美团のLongCat-Flash-ChatモデルのMLX形式への変換バージョンで、革新的なDQ6_K_M量子化技術を採用し、512GBメモリを搭載したApple Mac Studio M3 Ultraデバイス向けに最適化されており、8ビット量子化に近い性能を維持しながらメモリ使用量を大幅に削減します。
inferencerlabs
GLM-4.6はMLXフレームワークに基づく効率的なテキスト生成モデルで、6.5bit量子化技術を採用し、高品質なテキスト生成能力を維持しながら、計算リソースの要求を大幅に削減します。このモデルは単一のM3 Ultraデバイスで実行でき、効率的なテキスト生成タスクをサポートします。
moonshotai/Kimi-K2-Instruct-0905基礎モデルに基づき、改良版MLX 0.26を使用して動的量子化を行った大規模言語モデルです。革新的な動的量子化戦略により、優れた性能を維持しながらハードウェア要件を大幅に削減し、単一のM3 Ultraデバイスで効率的に実行できます。
Kimi-K2 Dynamic MLXはmoonshotai/Kimi-K2-Instructモデルに基づいて構築されたテキスト生成プロジェクトで、最適化されたMLXライブラリを用いて高効率な量子化性能を実現しています。このモデルは単一のM3 Ultra 512GB RAMマシン上で動作し、複数の量子化方式をサポートし、テストで優れた困惑度指標を示しまし。
OpenMed
OpenMed-NER-ChemicalDetect-MultiMed-568Mは、化学実体識別に特化した生物医学NLPモデルで、生物医学文献中の化学化合物や物質を高精度に識別することができます。このモデルはbge - m3アーキテクチャに基づいており、BC4CHEMDデータセットで訓練され、F1スコアが0.9459に達し、生物医学研究や臨床応用に有力な支援を提供します。
これはがん遺伝学に特化した専門的な命名実体認識モデルで、bge - m3アーキテクチャに基づいて構築され、5.68億のパラメータを持っています。このモデルはBIONLP2013_CGデータセットで訓練され、がんに関連する遺伝的実体を正確に認識でき、がん研究や臨床応用に強力なサポートを提供します。
OpenMed-NER-ProteinDetect-MultiMed-568Mは、生物医学エンティティ認識用に特別に開発された高度なモデルで、bge - m3アーキテクチャに基づいており、568Mのパラメータを持っています。このモデルはFSUデータセットで訓練され、タンパク質、タンパク質複合体、タンパク質ファミリーなどのさまざまな生物医学エンティティを正確に認識でき、臨床および研究のアプリケーションで非常に高い実用価値があります。
nmixx-fin
bge - m3に基づくSentenceTransformerモデルで、韓国語金融テキストに対して微調整され、多言語処理をサポートし、金融分野の意味的類似度タスクを最適化しています。
yuriyvnv
BGE - m3は、法律アプリケーション用に特別にカスタマイズされた特定分野のテキスト埋め込みモデルで、法律文書、文章、クエリを密集ベクトル表現に変換し、法律言語の微妙な意味関係を正確に捉えることができます。
mradermacher
これはmoka-ai/m3e-baseモデルの静的量子化バージョンで、テキスト埋め込みタスクに特化しており、中国語と英語をサポートしています。Q2_Kからf16までの複数の量子化レベルを提供し、さまざまなシナリオでのパフォーマンスと精度の要件を満たします。
pablosi
BGE large Legal Spanish 2は、法律分野のスペイン語の文の類似度計算と特徴抽出に使用されるモデルで、BAAI/bge - m3基礎モデルを基に訓練されています。
airesearch
bge - m3モデルを微調整したタイ語の法律テキスト検索器で、会社と商法の分野に特化しています。
alvdansen
Alvdansen研究所が提供するシュールレアリスムスタイルのテキスト生成画像モデル。Stable Diffusion XLベースモデルとLoRA技術を採用。
m3
SSCDは画像複製検出のための深層学習モデルで、画像特徴を抽出し類似度比較を行えます。
TatonkaHF
英語とロシア語に適したbge - m3モデルで、語彙表の精簡版です。英語とロシア語の語彙を保持し、語彙数は原版の21%に削減され、全体のモデルパラメータ数は原版の63.3%で、英語とロシア語の埋め込み品質に影響を与えません。
GoodBaiBai88
これはApache 2.0ライセンスに基づくオープンソースプロジェクトで、ユーザーに広範な使用権限と保障を提供します。具体的なモデル機能と特性はさらに確認する必要があります。
mucai
M3は実行時に視覚粒度を明示的に制御可能なマルチモーダルモデルで、画像/データセットの複雑度測定基準としても機能し、LLaMA/Vicunaをファインチューニングして作成されました。
M3Dはマルチモーダル大規模言語モデルに基づく3D医療画像解析技術で、M3D-Dataデータセット、M3D-LaMedモデル、M3D-Bench評価基準を含みます。
M3D-CLIPは3D医用画像専用に設計されたCLIPモデルで、コントラスト損失により視覚と言語のアラインメントを実現します。
このプロジェクトは、CISA BOD 25 - 01のセキュリティコントロールを実装したM365 MCPサーバーで、Microsoft Graph APIを通じてMicrosoft 365のセキュリティ設定を管理し、レガシー認証のブロック、リスクベースのアクセス制御、多要素認証管理、アプリケーション登録制御、パスワードポリシー管理などの機能を提供します。
PythonベースのMCPサーバープロジェクトで、ClaudeなどのAIアシスタントと連携し、ユーザーの気分やテーマに基づいて.m3u形式のローカル音楽プレイリストを生成し、指定されたディレクトリに保存します。
CISA BOD 25 - 01のセキュリティコントロールを実現するM365 MCPサーバーで、Microsoft 365のセキュリティ設定を管理および構成します
PythonベースのMCPサーバーで、AIエージェントがプログラム的にMicrosoft 365のロードマップを照会でき、組織がTeams、SharePointなどの製品のこれからの機能更新を追跡するのに役立ちます。
MementoはSQLiteベースの知識グラフ記憶システムで、永続的な記憶機能を提供し、全文検索と意味検索をサポートし、BGE - M3埋め込みによるスマートなコンテキスト検索を実現し、技術的なクリエイティブプロジェクト管理に適しています。
Transformers英語%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
