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

Emu3.5は北京智源人工知能研究院が開発したオリジナルのマルチモーダルモデルで、視覚と言語をまたいで次の状態を連合予測し、一貫した世界モデリングと生成を実現します。エンドツーエンド事前学習と大規模強化学習による事後学習を行うことで、マルチモーダルタスクで卓越した性能を発揮します。

マルチモーダルTransformers

i3 - 80Mは革新的な混合アーキテクチャの言語モデルで、畳み込み/循環層と全アテンション層の長所を組み合わせています。このモデルはRWKVスタイルの時間混合とMamba状態空間ダイナミクスを採用し、初期層では効率的なシーケンス処理を実現し、深層では標準的なマルチヘッドアテンションメカニズムを使用して複雑なパターン認識を行います。

自然言語処理Transformers英語

NVIDIA-Nemotron-Nano-VL-12B-V2-FP4-QADはNVIDIAが開発した自己回帰型ビジュアル言語モデルで、最適化されたTransformerアーキテクチャに基づいており、画像とテキストの入力を同時に処理することができます。このモデルはFP4量子化技術を採用しており、性能を維持しながらモデルサイズと推論コストを大幅に削減し、さまざまなマルチモーダルアプリケーションシナリオに適しています。

マルチモーダルTransformers

このプロジェクトでは、慧慧Qwen3-VL-30B-A3B-Instructモデルの量子化バージョンを提供しており、特定のシナリオでのモデルの性能と効率を向上させることを目的としています。これはQwen3-VLアーキテクチャに基づく視覚言語モデルで、画像とテキストのマルチモーダル対話をサポートしています。

マルチモーダルGguf

これはSmallThinker - 21BA3B - InstructモデルのMXFP4_MOE量子化バージョンで、特定のシナリオに合わせて最適化され、モデルのパフォーマンスと推論効率を向上させることを目的としています。この量子化バージョンは元のモデルの核心機能を維持しながら、リソース消費と推論速度の面で改善が見られます。

自然言語処理Gguf

INLアーキテクチャは、積分ニューロンダイナミクスに基づくプロダクションレベルのニューラルアーキテクチャで、従来のフィードフォワードネットワーク層を反復ダイナミクスに置き換え、大規模言語モデル、ビジュアルトランスフォーマー、マルチモーダルモデルなどのさまざまなタイプに適用可能です。

自然言語処理Safetensors英語

これはQwen3-VL-4B-InstructモデルのMLX形式の8ビット量子化バージョンで、mlx-communityによって変換されました。このモデルは40億パラメータのマルチモーダル視覚言語モデルで、画像理解とテキスト生成タスクをサポートし、命令追従シナリオ向けに最適化されています。

マルチモーダルMlx

これはIBM Granite 4.0 Microモデルの量子化バージョンで、llama.cppのimatrix技術を使用して最適化処理され、特定の環境でのモデルの実行効率とパフォーマンスを向上させることを目的としています。このバージョンは複数の量子化レベルを提供し、さまざまなハードウェア構成と使用シナリオに適しています。

自然言語処理Gguf

Lapa LLM 12B PTは、Google Gemma 3 - 12Bをベースに開発されたオープンソースの大規模言語モデルで、ウクライナ語処理に特化して最適化されています。ウクライナの複数の大学の研究チームによって開発され、ウクライナ語処理において卓越した性能を発揮し、効率的な指令微調整とマルチモーダル能力を備えています。

マルチモーダルTransformersその他

NVIDIA Qwen2.5-VL-7B-Instruct-FP4は、アリババのQwen2.5-VL-7B-Instructモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用し、マルチモーダル入力（テキストと画像）をサポートし、さまざまなAIアプリケーションシナリオに適しています。このモデルはTensorRT Model Optimizerを使用してFP4量子化され、NVIDIA GPU上で効率的な推論性能を提供します。

マルチモーダルSafetensors

NVIDIA Qwen3-8B FP4モデルは、アリババのQwen3-8Bモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用した自己回帰型言語モデルです。このモデルはFP4量子化技術を使用し、パフォーマンスを維持しながらメモリ使用量と計算要件を大幅に削減し、AIエージェントシステム、チャットボット、RAGシステムなどのアプリケーションシナリオに適しています。

自然言語処理Safetensors

テンセントの混元-MT-奇美拉-7Bに基づく多言語翻訳モデルの量子化バージョンで、複数の量子化精度を選択でき、36種類の言語の翻訳タスクをサポートします。主流言語とマイナー言語を含み、多言語交流に効率的なツールを提供します。

自然言語処理Transformers多言語

MiDashengLM-7B-0804は小米が発表した7Bパラメータのマルチモーダル音声言語モデルで、音声理解とテキスト生成タスクをサポートし、一般的なシナリオの推論と微調整に適しています。

マルチモーダルSafetensors多言語

Vi - Qwen2 - 7B - RAGは、検索強化生成（RAG）タスク用に特別にカスタマイズされた大規模言語モデルで、Qwen2 - 7B - Instructをベトナム語データセットで微調整したもので、ベトナム語処理能力とRAGタスクの実行効率を大幅に向上させています。

自然言語処理Transformersその他

これはAlibaba - NLP/gte - reranker - modernbert - baseをベースに微調整されたクロスエンコーダモデルで、Redis LangCache意味的キャッシュシナリオに特化して最適化されています。このモデルは、テキストペア間の意味的類似度スコアを効果的に計算し、文ペア分類と意味的マッチングタスクに使用できます。

自然言語処理Sentence-transformers英語

これはzai-org/GLM-4.5モデルのik_llama.cpp imatrix量子化バージョンで、先進的な量子化技術を採用してモデルの記憶容量を削減しながら、高い予測精度を維持し、特定のシナリオでのパフォーマンスと効率を最適化するために設計されています。

自然言語処理Gguf

これはGoogle Gemma 3N E4B ITモデルをFP8ダイナミック量子化したバージョンで、重みと活性化値をFP8データ型に量子化することで、推論効率を大幅に向上させると同時に、元のモデルの性能を維持しています。マルチモーダル入力（テキスト、画像、音声、ビデオ）とテキスト出力をサポートしています。

マルチモーダルSafetensors多言語

これは dongguanting/Qwen3-14B-ARPO-DeepSearch モデルの量子化バージョンで、IQ1_S、IQ2_XS、IQ3_M、Q4_K_M など、さまざまなサイズと品質の量子化タイプを提供し、さまざまなパフォーマンスと精度要件のシナリオに適しています。

自然言語処理Transformers英語

AlemLLMはアスタナイノベーションセンターによってカスタマイズされた大規模言語モデルで、カザフ語のコンテキストに特化して最適化され、カザフ語の生成応答の有効性を向上させます。このモデルはカザフ語、ロシア語、トルコ語、英語の4つの言語をサポートし、エキスパート混合モデルアーキテクチャを採用し、総パラメータ数は247Bに達します。

自然言語処理Transformers多言語