Gemma 3n E4B ITは、Googleが開発した軽量マルチモーダルオープンモデルで、Geminiモデルと同じ研究に基づいて構築されています。このモデルは、テキスト、オーディオ、ビジュアル入力をサポートし、様々なタスクに適用できます。MatFormerアーキテクチャを採用して、効率的なパラメータ利用を実現しています。

マルチモーダルTransformers

GLM-4.5-Air-REAP-82B-A12B-mxfp4-mlxは、GLM-4.5-AirモデルをREAP方法で圧縮した82Bパラメータの大規模言語モデルで、MXFP4量子化形式を採用し、Macデバイス用に最適化されており、核心タスクの性能を維持しながらメモリ使用量を大幅に削減します。

自然言語処理Mlx英語

このプロジェクトでは、Qwen3-4B-Thinking-2507モデルのGGUF形式のファイルを提供しています。これは、思考過程推論能力を持つ4Bパラメータの大規模言語モデルで、複数の量子化バージョンをサポートし、さまざまなハードウェアでのデプロイと実行が容易です。

自然言語処理Gguf

Olmo 3 7B RL-Zero Mathは、Allen AIによって開発された、数学的推論タスクに特化して最適化された70億パラメータの言語モデルです。RL-Zero強化学習方法を用いて数学データセットで訓練され、数学的推論能力を効果的に向上させます。

自然言語処理Transformers英語

VibeThinker-1.5B-GGUFはWeiboAI/VibeThinker-1.5BモデルのGGUF量子化バージョンで、MaziyarPanahiによって量子化処理されました。このモデルは15億パラメータのテキスト生成モデルで、2ビットから8ビットまでの複数の量子化レベルをサポートし、さまざまなハードウェアで効率的に動作します。

自然言語処理Gguf

これはQwen3 VL 8Bモデルに基づく混合量子化バージョンで、MXFP4量子化技術を採用し、密集モデルで混合重みを使用しています。このモデルは、Q8に近い精度を維持しながら、より小さなファイルサイズとより高い推論速度を実現し、効率と精度のバランスに優れた解決策です。

マルチモーダルSafetensorsその他

これはQwen3 VL 8Bモデルに基づく実験的な混合量子化バージョンで、MXFP4_MOE技術を高精度の重みと組み合わせ、Q8に近い精度を維持しながら、より小さなファイルサイズとより高い推論速度を実現しています。このモデルは混合量子化方法を探索し、精度の損失とパフォーマンスの間で良好なバランスを達成しています。

マルチモーダルSafetensorsその他

これはHelsinki-NLP/opus-mt-en-berモデルの微調整バージョンで、英語からアトラスタマジグ語への翻訳に特化しています。モデルはMarianMTアーキテクチャに基づいており、48.6万対の合成文ペアを使用して訓練され、タマジグ語、タシュリート語、中央アトラスタマジグ語の翻訳タスクをサポートします。

自然言語処理Safetensors多言語

これは実験的な混合量子化モデルで、MXFP4_MOE混合重み技術を採用し、Q8に近い精度を維持しながら、より小さなファイルサイズとより高い推論速度を実現します。モデルはMXFP4と高精度の埋め込み/出力重みの組み合わせを探索し、密集モデルで精度がほぼ損失しない最適化効果を達成しました。

自然言語処理Ggufその他

これはQwen3 4B Instructモデルに基づく混合量子化バージョンで、MXFP4と混合重み技術を採用し、ほぼ無損失な精度を維持しながら、より小さなファイルサイズとより高い推論速度を実現しています。

自然言語処理Safetensorsその他

これはQwen3 4Bモデルに基づく混合量子化バージョンで、MXFP4_MOE混合重み技術を採用し、ほぼ無損な精度を維持しながら、より小さなファイルサイズとより高い推論速度を実現しました。このモデルは、MXFP4と高精度の埋め込み/出力重みを精巧に組み合わせることで、Q8量子化に近い精度レベルを達成し、同時にQ4 - Q6レベルのスループットを備えています。

自然言語処理Safetensorsその他

BT4モデルはLeelaChessZeroエンジンの背後にあるニューラルネットワークモデルで、チェス対局に特化しています。このモデルはTransformerアーキテクチャに基づいて設計されており、過去の手順に基づいて次の最適な手順を予測し、局面を評価し、手順の確率を生成することができます。

科学計算Transformers

これはManoghn/voicecraft-mistral-7bモデルの静的量子化GGUFバージョンで、Mistral-7Bアーキテクチャに基づいており、コンテンツ生成とテキスト生成タスクに特化しています。このバージョンでは、2.8GBから14.6GBまでのさまざまな量子化レベルが提供されており、ユーザーはハードウェア条件とパフォーマンス要件に応じて適切なバージョンを選択できます。

自然言語処理Transformers英語

FastVideoチームが開発した画像を動画に変換するモデルで、CausalWan2.2 I2V A14Bシリーズに属し、8ステップ推論をサポートし、H100から4090までのさまざまなGPUに対応し、Macユーザーも使用できます。

コンピュータビジョンDiffusers

ChonkyはDistilBERTをベースにした多言語段落分割モデルで、3400万編を超えるウィキペディア記事の約110億個のトークンで微調整され、任意の自然言語テキストを意味的なチャンクに分割でき、104言語をサポートします。

自然言語処理Transformers多言語

Chandraは高精度のOCRモデルで、画像やPDFをMarkdown、HTML、JSONなどの構造化出力に変換することができ、詳細なレイアウト情報を保持します。40種類以上の言語をサポートし、複雑なドキュメント要素の処理に長けています。

マルチモーダルTransformers英語

これはMLXフレームワークに基づいて最適化されたテキスト音声変換モデルで、元のモデルMarvis-AI/marvis-tts-100m-v0.2から変換され、6ビット量子化技術を採用し、Apple Siliconハードウェア用に特別に最適化され、効率的な音声合成能力を提供します。

音声処理Transformers多言語

aquif-3.5シリーズは2025年11月3日にリリースされた傑作で、PlusとMaxの2つのバージョンがあり、高度な推論能力とこれまでにない100万トークンのコンテキストウィンドウを提供し、それぞれのカテゴリで最先端の性能を実現しています。

自然言語処理Transformers多言語

このモデルは、facebook/mask2former-swin-tiny-coco-instanceをqubvel-hf/ade20k-miniデータセットでファインチューニングしたインスタンスセグメンテーションモデルです。このモデルは、ADE20K-miniデータセットのシーン理解タスクに特化して最適化されており、インスタンスセグメンテーションタスクで良好な性能を発揮します。

コンピュータビジョンTransformers

Apriel-H1-15b-Thinkerは150億のパラメータを持つ混合推論モデルで、Transformerの注意力機構とMambaの状態空間層を組み合わせており、推論、数学、コーディングなどの分野で優れた性能を発揮し、高効率性と拡張性を備えています。

自然言語処理Transformers