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、テキスト理解と生成、ビジュアル認知と推論、コンテキスト長、空間およびビデオの動的理解、エージェントインタラクション能力などの面で全面的にアップグレードされています。このモデルは密集アーキテクチャとハイブリッドエキスパートアーキテクチャを提供し、エッジデバイスからクラウドまでの柔軟なデプロイをサポートします。

マルチモーダルTransformers

Qwen3-VLは通義シリーズの中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、ビジュアル感知と推論、コンテキスト長、空間およびビデオの動的理解、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。このモデルは密集アーキテクチャとハイブリッドエキスパートアーキテクチャを提供し、エッジデバイスからクラウドまでの柔軟なデプロイをサポートします。

マルチモーダルGguf

MiniMax - M2は、高効率コーディングとインテリジェントエージェントワークフロー用に特別に開発されたハイブリッドエキスパートモデルで、総パラメータが2300億、活性化パラメータが100億です。このモデルは、コーディングとインテリジェントエージェントタスクで卓越した性能を発揮し、低遅延、低コスト、高スループットの特徴を持ち、作業効率を効果的に向上させます。

自然言語処理Transformers

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

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。

自然言語処理Mlx多言語

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、ハイブリッドエキスパートアーキテクチャを採用し、総パラメータは2300億、アクティブなパラメータは100億です。このモデルは、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に効率的な特徴を持っています。

自然言語処理Transformers

PaDT Pro 3BはQwen2.5VL - 3Bに基づくマルチモーダル大規模言語モデルで、デコード可能なブロックトークンの統一パラダイムを採用しており、直接テキストとビジュアル出力を生成することができ、複数のビジュアル知覚と理解タスクで先進的な性能を達成しています。

マルチモーダルTransformers多言語

KaniTTSは、リアルタイム対話型AIアプリケーション向けに最適化された高速かつ高忠実度のテキスト音声変換モデルです。2段階のパイプラインアーキテクチャを採用し、大規模言語モデルと効率的なオーディオコーデックを組み合わせることで、卓越した速度と音質を実現し、複数の言語をサポートし、エッジ/サーバーデプロイメントに適しています。

音声処理Transformers多言語

SmolVLAはコンパクトで効率的な視覚言語アクションモデルで、計算コストを削減しながら競争力のある性能を達成し、消費者向けハードウェアにデプロイできます。このモデルはLeRobotを使用してトレーニングされ、ロボット技術アプリケーション向けに設計されています。

マルチモーダルSafetensors

Qwen3-Next-80B-A3B-Thinkingは、4ビット量子化処理が施され、Apple Silicon向けに特別に最適化された80Bパラメータの大規模言語モデルで、LM Studioコミュニティモデルハイライトプログラムに選定され、テキスト生成タスクに特化しています。

自然言語処理Transformers

これはQwen3-Next-80B-A3B-Thinking基礎モデルに基づくApple MLX最適化4ビットmxfp4量子化バージョンで、Appleシリコンチップに特化して最適化されており、Macデバイスで効率的なローカル推論を実現し、メモリ使用量を大幅に削減しながら良好なパフォーマンスを維持します。

自然言語処理Mlx

SmolVLAはコンパクトで効率的な視覚言語行動モデルで、計算コストを削減しながら競争力のある性能を実現し、消費者向けハードウェアにデプロイすることができます。このモデルはLeRobotによってトレーニングされ、ロボット技術タスク向けに設計されています。

マルチモーダルSafetensors

SmolVLAはコンパクトで効率的なビジュアル - 言語 - アクションモデルで、計算コストを削減しながらも競争力のある性能を発揮し、コンシューマ向けハードウェアにデプロイできます。このモデルはLeRobotフレームワークを使用してトレーニングされ、ロボット技術のアプリケーション向けに設計されています。

マルチモーダルSafetensors

Wan2.2-S2V-14Bは、音声駆動の映画レベルのビデオ生成に特化したハイブリッドエキスパート（MoE）モデルです。入力された音声、参照画像、およびテキストプロンプトに基づいて高品質のビデオコンテンツを生成でき、480Pと720Pの解像度をサポートし、複雑な動き生成と映画レベルの美学効果を備えています。

マルチモーダルDiffusersスペイン語

Gemma 3はGoogleが開発した軽量で最先端のオープンソースのマルチモーダルモデルファミリーで、140種類以上の言語をサポートし、テキスト生成と画像理解能力を備えています。270Mパラメータバージョンはリソースが制限された環境向けに設計されており、ノートパソコンやデスクトップコンピュータなどのデバイスでデプロイできます。

マルチモーダルTransformers

Qwen3-Coder-30B-A3B-InstructはQwenが開発した30Bパラメータ規模のコード生成モデルで、命令微調整により最適化され、プログラミングタスクに特化して設計されています。このモデルはMLXフレームワークを用いて4ビット量子化され、Appleチップに最適化されており、Macデバイスで効率的に動作します。

自然言語処理Transformers

SnowflakeCore-G1-Tiny2は、GPTスタイルのカスタムTransformer言語モデルで、SnowflakeCore-G1-Tinyの改良版です。このモデルはPyTorchを使用してゼロから構築され、common-pile/wikimedia_filteredデータセットで訓練され、約4億のパラメータを持ち、2048トークンのコンテキストウィンドウをサポートし、テキスト生成タスク用に設計されています。

自然言語処理Transformers英語

GLiClassは、GLiNERにインスパイアされた高効率のゼロショット分類器で、単一の前方伝播で分類タスクを完了でき、クロスエンコーダの性能とより高い計算効率を兼ね備えています。

自然言語処理Safetensorsその他

LFM2-350MはLiquid AIによって開発された第2世代のハイブリッドモデルで、エッジAIとデバイス端末のデプロイに特化して設計されています。このモデルは、品質、速度、メモリ効率の面で新しい基準を確立し、3億5000万のパラメータを持ち、複数の言語をサポートし、エッジコンピューティングシナリオに適しています。

自然言語処理Transformers多言語

LoggenixMoE133Mは、軽量な混合専門家（MoE）因果言語モデルで、総パラメータ数は133M、アクティブなパラメータ数は80Mです。このモデルは、根本原因分析、コード生成、推論タスクを含むカスタムデータセットでゼロから学習され、エージェント能力の特殊なトークンをサポートし、エッジデバイスへのデプロイと専門的なAIエージェントの構築に適しています。

自然言語処理Transformers