Gemma 3はGoogleが開発した軽量オープンソースのマルチモーダルモデルです。このバージョンは12Bパラメータの命令調整量子化感知トレーニングモデルで、MLXフレームワークのMXFP4形式に変換されています。テキストと画像の入力をサポートし、テキスト出力を生成します。128Kのコンテキストウィンドウと140種類以上の言語をサポートしています。

マルチモーダルMlx

Fyodor-Q3-8B-Instructは、スマート推論と堅牢なコード生成のために設計された高忠実度の命令調整モデルです。Qwen3 - 8Bアーキテクチャに基づき、高ランクのLoRA設定で訓練されており、コーディング前の計画立案に長けており、複雑なソフトウェアエンジニアリングタスクに非常に適しています。

自然言語処理Transformers多言語

OpenMMReasonerは完全に透明な2段階のマルチモーダル推論アプローチで、教師付き微調整（SFT）と強化学習（RL）を用いてトレーニングされます。SFT段階では874Kのサンプルからなるコールドスタートデータセットを構築し、RL段階では74Kのサンプルを利用して能力をさらに向上させ、マルチモーダル推論のベンチマークテストで優れた結果を示します。

マルチモーダル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

これはApplied Brain Research（ABR）によって開発された、状態空間モデル（SSM）に基づく英語の自動音声認識モデルです。約1900万のパラメータを持ち、英語の音声を効率的かつ正確にテキストに変換することができます。このモデルは複数のベンチマークデータセットで優れた性能を発揮し、平均単語誤り率はわずか10.61%です。リアルタイム音声認識をサポートし、低コストのハードウェアで動作することができます。

音声処理Transformers英語

Qwen3-Coder-REAP-363B-A35Bは、REAP手法を用いてQwen3-Coder-480B-A35B-Instructを25％のエキスパート剪定を行った疎な混合エキスパートモデルです。元のモデルに近い性能を維持しながら、パラメータ規模とメモリ要件を大幅に削減し、特にリソースが制限されたコード生成とスマートコーディングのシナリオに適しています。

自然言語処理Transformers英語

このプロジェクトは、Qwen3-Coder-30B-A3B-InstructモデルをMXFP4_MOE量子化した成果物で、コンテキストサイズを256kから1Mに拡張し、コード生成やプログラミングタスクに最適化されたモデルバージョンを提供し、パフォーマンスの向上とリソースの節約に価値があります。

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

Gemma 3 27B IT QATのMLX MXFP4量子化バージョンで、Googleによって開発された軽量オープンソースのマルチモーダルモデルです。このモデルは、テキストと画像の入力を同時に処理し、テキスト出力を生成することができ、128Kの大規模コンテキストウィンドウを持ち、140種類以上の言語をサポートし、さまざまなテキスト生成と画像理解タスクに適しています。

マルチモーダルMlx

これはMistral Small 3.2をベースに構築された24Bパラメータの効率的な推論モデルで、MLX - MXFP4形式に変換されています。モデルは強化された推論能力を持ち、マルチモーダル入力をサポートし、128kのコンテキストウィンドウを持ち、RTX 4090または32GB RAMのMacBookで動作します。

マルチモーダルMlx多言語

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、空間およびビデオ理解能力などの面で全面的にアップグレードされ、卓越したマルチモーダル対話能力を備えています。

マルチモーダルTransformers

bert-micro-cybersecurityは、ネットワークセキュリティのテキスト分類タスク用に設計されたコンパクトなトランスフォーマーモデルで、脅威検出やイベントレポート分析などに使用でき、英語とインドネシア語をサポートします。

自然言語処理Transformers多言語

Qwen3-Nemotron-32B-RLBFFはQwen/Qwen3-32Bをベースに微調整された大規模言語モデルで、強化学習フィードバック技術により、デフォルトの思考パターンでの応答生成品質を大幅に向上させています。このモデルは複数のベンチマークテストで優れた性能を発揮し、低い推論コストを維持しています。

自然言語処理Transformers英語

Granite-4.0-H-350M-BaseはIBMが開発した軽量なデコーダーのみの言語モデルで、リソースが制限されたデバイス向けに特別に設計されており、多言語のテキスト生成とコード補完機能をサポートし、スマートフォンやIoTデバイスで効率的に動作します。

自然言語処理Transformers

これはQwen3-Omni 31.7Bパラメータモデルの専用量子化バージョンで、先進的なINT8+FP16混合精度量子化技術を採用し、メモリ使用量を50%以上削減し、スマートなGPU/CPU混合推論をサポートし、大型マルチモーダルモデルをコンシューマーレベルのハードウェアで効率的に動作させることができます。

マルチモーダルSafetensors多言語

ColModernVBERTはModernVBERTの後期インタラクティブバージョンで、ビジュアルドキュメント検索タスクに特化して微調整され、このタスクで最も高い性能を発揮するモデルです。これは2.5億のパラメータを持つコンパクトなビジュアル - 言語エンコーダで、ビジュアルドキュメントベンチマークテストではパラメータが約10倍のモデルに匹敵する性能を達成し、同時にCPU上でも十分な推論速度を持っています。

マルチモーダルSafetensors英語

InstinctはQwen2.5-Coder-7Bに基づくコード編集モデルで、実世界のコード編集データセットで微調整され、開発者の次の操作をスマートに予測し、スムーズなプログラミング状態を維持できます。このGGUF量子化バージョンはQuantFactoryによって作成され、効率的なローカル推論能力を提供します。

自然言語処理Transformers

InstinctはContinueが提供する最先端のオープンな次回編集モデルで、Qwen2.5-Coder-7Bモデルをベースに、現実世界のコード編集データセットで堅牢に微調整され、開発者の次の操作をスマートに予測できます。

自然言語処理Transformers

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

これはNVIDIA Nemotron-H-8B-Reasoning-128KモデルのLlamacpp imatrix量子化バージョンで、さまざまな量子化タイプのモデルファイルを提供し、さまざまなハードウェアとパフォーマンス要件を満たします。128Kのコンテキスト長をサポートし、推論タスク用に最適化されています。

自然言語処理Gguf