INTELLECT-3は1060億のパラメータを持つ混合専門家（MoE）モデルで、大規模な強化学習によって訓練されています。数学、コーディング、推論のベンチマークテストで卓越した性能を発揮し、モデル、訓練フレームワーク、環境はすべて緩やかなライセンス契約でオープンソース化されています。

自然言語処理Transformers英語

Wan2.2は基礎ビデオモデルの大幅なアップグレード版で、有効なMoEアーキテクチャ、効率的なトレーニング戦略、マルチモーダル融合などの革新的な技術をビデオ拡散モデルに取り入れ、ビデオ生成分野により強力で効率的な解決策をもたらします。

マルチモーダルDiffusers多言語

GigaChat3-10B-A1.8BはGigaChatシリーズの対話モデルで、混合専門家（MoE）アーキテクチャに基づいており、合計100億のパラメータがあり、そのうち18億がアクティブなパラメータです。このモデルは、マルチヘッド潜在注意力と多トークン予測技術を採用しており、25.6万トークンの長文脈をサポートし、多言語対話と推論タスクで優れた性能を発揮します。

自然言語処理Safetensors多言語

GigaChat3-10B-A1.8B-baseはGigaChatシリーズの基礎事前学習モデルで、混合エキスパート（MoE）アーキテクチャを採用し、総パラメータは100億、アクティブなパラメータは18億です。モデルはマルチヘッド潜在的注意機構（MLA）と多トークン予測（MTP）技術を統合し、推論時に高いスループットの利点を持ちます。

自然言語処理Safetensors多言語

これはREAP方法に基づいて、MiniMax-M2の40%の専門家を均等に剪定して得られた139Bパラメータの大規模言語モデルです。GLMアーキテクチャと専門家混合（MoE）技術を採用し、llama.cppを通じて様々な量化処理を行い、テキスト生成タスクに適しています。

自然言語処理Gguf英語

Fyodor-StarCoder2-7B-MoEはStarCoder2-7Bをベースにした強化版で、ハイブリッドエキスパートアーキテクチャを採用し、3つのMoE層、6つのエキスパートネットワーク、top-2ルーティングメカニズムを持ち、コード生成、関数呼び出し、エージェントタスクの分野で優れた性能を発揮します。

自然言語処理Transformersその他

Moondream 3 Preview HFは、HuggingFace Transformersアーキテクチャの仕様に基づいてMoondream 3 (Preview)モデルを再実装したもので、Hugging Faceのエコシステムと完全に互換性があります。これはマルチモーダルビジュアル言語モデルで、エキスパート混合（MoE）テキストバックボーンを採用し、約90億のパラメータと20億のアクティブパラメータを持ちます。

マルチモーダルTransformers

Qwen3 - VLは通義シリーズで最も強力なビジュアル言語モデルで、ハイブリッドエキスパートモデルアーキテクチャ（MoE）を採用し、GGUF形式の重みを提供し、CPU、GPUなどのデバイスで効率的な推論をサポートします。モデルは、テキスト理解、ビジュアル感知、空間理解、動画処理などの面で全面的にアップグレードされています。

マルチモーダルGguf

Qwen3-VLはこれまでのQwenシリーズで最も強力なビジュアル言語モデルで、テキスト理解と生成、ビジュアル認識と推論、コンテキスト長、空間と動画の動的理解、エージェントの対話能力などの面で全面的にアップグレードされています。このモデルはハイブリッドエキスパート（MoE）アーキテクチャを採用し、卓越したマルチモーダル処理能力を提供します。

マルチモーダルGguf

Qwen3-VLは通義大規模モデルシリーズの中で最も強力なビジュアル言語モデルで、卓越したテキスト理解と生成能力、深いビジュアル認識と推論能力、長いコンテキストのサポート、強力な空間とビデオ動的理解能力、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。このモデルはハイブリッドエキスパート（MoE）アーキテクチャを採用し、推論を強化した思考版です。

マルチモーダルGguf

MiniMax - M2は、コーディングとエージェントワークフローを最大化するために構築された小型のハイブリッドエキスパート（MoE）モデルです。総パラメータは2300億で、活性化されるパラメータは100億のみで、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能を保持し、コンパクトで高速かつ経済的です。

自然言語処理Transformers

MiniMax-M2は、コーディングとエージェントのワークフローを最大化するために構築された「ミニ」モデルです。これはコンパクトで高速かつ費用対効果の高い混合専門家（MoE）モデルで、コーディングとエージェントタスクで卓越した性能を発揮し、同時に強力な汎用知能も備えています。

自然言語処理Transformers

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

これはinclusionAI/Ling-1Tモデルの量子化バージョンのセットで、ik_llama.cppブランチに基づいて開発され、さまざまなメモリとパフォーマンスの要件に合わせた複数の量子化方案を提供します。これらの量子化モデルは、与えられたメモリ使用量で優れた困惑度の性能を提供し、特にMoEアーキテクチャの推論効率を最適化しています。

自然言語処理Gguf

Ming-flash-omni プレビュー版は、Ling-Flash-2.0の疎なエキスパート混合（MoE）アーキテクチャに基づいて構築されたマルチモーダル大規模モデルで、総パラメータは100Bに達し、各トークンでは6Bのパラメータのみがアクティブ化されます。このモデルはMing-Omniをベースに全面的にアップグレードされ、マルチモーダル理解と生成能力において著しい向上が見られ、特に音声認識、画像生成、およびセグメンテーション編集において優れた性能を発揮します。

マルチモーダルDiffusers英語

これはDeepSeek社のDeepSeek - MoE - 16BモデルのQ4_K_M量子化バージョンで、llama.cppのRustバインディングを通じてMoE（専門家混合）のCPUオフロード機能が有効になっており、VRAMの使用量を大幅に削減します。

自然言語処理Gguf多言語

LFM2-8B-A1Bは、Appleシリコンチップ用に最適化された8ビット量子化のMLX構築バージョンで、エキスパート混合（MoE）アーキテクチャを採用し、総パラメータは約80億、各トークンのアクティブパラメータは約10億で、デバイス端での高速推論をサポートします。

自然言語処理Mlx英語

NVIDIA GPT-OSS-120B Eagle3は、OpenAIのgpt-oss-120bモデルをベースに最適化されたバージョンで、ハイブリッドエキスパート（MoE）アーキテクチャを採用し、総パラメータ数が1200億、アクティブなパラメータ数が50億です。このモデルは商用および非商用の使用をサポートし、テキスト生成タスクに適しており、特にAIエージェントシステムやチャットボットなどのアプリケーション開発に適しています。

自然言語処理Safetensors

これはWeOpenMLに基づくGPT-OSS 20BモデルのGGUF形式のバージョンで、革新的なMoE CPUエキスパート卸載技術を初めて実現しました。この技術は、完全な生成品質を維持しながら、99.9%のVRAM削減を実現し、200億パラメータのハイブリッドエキスパートモデルを2MBのVRAMで実行できます。

自然言語処理Safetensors多言語

GLM-4.6-AWQは、智譜AIのGLM-4.6（357B MoE）を高性能AWQ量子化したモデルで、vLLM推論用に最適化されており、本番デプロイのスループットを効果的に向上させます。このモデルは4ビット量子化技術を採用しており、高精度を維持しながら顕著にVRAM使用量を削減します。

自然言語処理Transformers多言語