flux2-dev-ggufは、FLUX.2-devに基づく画像から画像への変換モデルで、テキストプロンプトに基づいて特定のスタイルの画像を生成するために特別に設計されています。このモデルはComfyUI環境での実行をサポートし、テキスト記述をスタイル化されたビジュアルコンテンツに変換することができます。

マルチモーダルGguf英語

FLUX.2 [dev] は320億のパラメータを持つ補正フロートランスフォーマーモデルで、画像生成、編集、および合成タスクに特化しています。このモデルは、テキストから画像への生成、単一参照編集、および多参照編集においてリーディングレベルであり、微調整なしでキャラクター、オブジェクト、およびスタイルの参照を実現し、個人、科学、および商業用途をサポートします。

マルチモーダルDiffusers英語

これは🤗 Transformersライブラリに基づく双方向自己回帰Transformerモデルで、モデルセンターにアップロードされています。モデルカードはシステムによって自動生成され、具体的な技術詳細とアプリケーション情報はさらに補足する必要があります。

自然言語処理Transformers

Qsana-coder-baseは小型言語モデル（SLM）で、コーディング基礎（Python、疑似コード）の概念創意のために特別に設計されています。これは実行可能な生産コードを生成するのではなく、教育や迅速なプロトタイプ設計のシナリオでコーディングの論理断片を生成し、主な目標は初心者の論理思考と概念理解を刺激することです。

自然言語処理Transformersフランス語

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

これはVibeStudioのMiniMax-M2-THRIFTモデルを量子化したバージョンで、llama.cppツールと特定のデータセットを使用して生成され、複数の量子化タイプのGGUFファイルを提供し、LM Studioまたはllama.cppベースのプロジェクトでの実行をサポートします。

自然言語処理Gguf

このプロジェクトでは、cerebras/MiniMax-M2-REAP-172B-A10Bモデルの量子化バージョンを提供しており、知識を大衆に利用してもらうことを目指しています。これは1720億パラメータの大規模言語モデルで、最適化と量子化処理が施されており、デプロイコストの削減と推論効率の向上を目的としています。

自然言語処理Gguf

これはMiniMax-M2-REAP-172B-A10BモデルのMXFP4_MOE量子化バージョンで、メモリ効率の高い圧縮モデルです。REAP（ルーティング重み付き専門家活性化剪定）方法を通じて、性能を維持しながらモデルを230Bパラメータから172Bパラメータに圧縮し、サイズを25％縮小し、リソース制限のある環境、ローカルデプロイ、および学術研究に適しています。

自然言語処理Gguf

VieNeu-TTS-1000hは、約1000時間の高品質ベトナム語音声データを基にトレーニングされた、先進的なベトナム語エッジ側テキスト音声変換モデルです。即時音声クローニング機能を備え、ベトナム語と英語のシームレスな切り替えをサポートし、CPUまたはGPU上で24kHz波形をリアルタイムで合成できます。

音声処理Tensorboardその他

Trouper-12B GGUFは、DarwinAnim8orによってオリジナルモデルを基に開発されたテキスト生成モデルで、ロールプレイングやクリエイティブライティングのシナリオに特化して最適化されています。このモデルはMistral-Nemo-Base-12Bから微調整され、カスタムの「Actors」データセットを使用して訓練されており、生成されるテキストはより自然で、一般的な「AI言語」の特徴を避けています。

自然言語処理Gguf英語

Prima-24Bは240億パラメータの大規模言語モデルで、GGUF形式を用いて量子化最適化され、ロールプレイングとクリエイティブライティングタスクに特化して最適化されています。このモデルは元のPrima-24Bモデルから変換され、Q4_K_M量子化レベルを採用しており、良好な性能を維持しながらモデルサイズとメモリ要件を大幅に削減しています。

自然言語処理Gguf英語

RealRobot_chatbot_llmはGemma3nアーキテクチャに基づく専門の製品用人工知能モデルで、RealRobot製品カタログの独自データセットで専用に微調整されています。このモデルは、企業自身の製品データに基づいて、迅速に正確で費用対効果が高く、デプロイ可能な専門の言語モデルを作成し、高度に専門化された製品質問サービスを提供することができます。

自然言語処理Gguf多言語

ZygAIは、リトアニア語と英語のタスク用に設計された高速なローカル大規模言語モデルで、テスト段階にあります。軽量級のバイリンガルアシスタントとして、ローカルハードウェア上でリアルタイムに動作し、ユーザーに効率的で正確なバイリンガルサービスを提供します。

自然言語処理Gguf多言語

SAM 3はMetaが発表した第3世代のプロンプト可能な分割ベースモデルで、テキストまたはビジュアルプロンプト（点、ボックス、マスク）を利用して、画像とビデオ内のオブジェクトを検出、分割、追跡することができます。前代と比較して、SAM 3はオープンボキャブラリ概念のすべてのインスタンスを詳細に分割する機能を導入し、大量のオープンボキャブラリプロンプトをサポートし、SA - COベンチマークで人間の性能の75 - 80％を達成しています。

コンピュータビジョンTransformers英語

これはQwen/Qwen3-Coder-30B-A3B-Instruct言語モデルのGGUF量子化バージョンで、コード生成とプログラミングタスクに特化して最適化されており、FP32精度で変換され、ローカル推論デプロイに適しています。

自然言語処理Gguf多言語

UME-R1-7Bの静的量子化バージョンで、文の類似度、埋め込み、ゼロショット画像分類、ビデオテキストからテキストへの変換などの複数のタスクをサポートします。軽量なQ2_Kから高品質なQ8_0まで、さまざまな量子化タイプを提供し、さまざまなニーズに対応します。

マルチモーダルTransformers英語

NV-Reason-CXR-3B GGUFはNVIDIA NV-Reason-CXR-3Bビジュアル言語モデルの量子化バージョンで、エッジデバイスへのデプロイに最適化されています。これは30億パラメータのモデルで、胸部X線分析に特化しており、GGUF形式に変換され、量子化処理が施されているため、モバイルデバイス、デスクトップデバイス、組み込みシステムで効率的に動作します。

マルチモーダルGguf英語

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はアリババが開発した新世代のビジュアル言語モデルで、テキスト理解、ビジュアル感知、空間理解、長文脈処理、エージェントインタラクションなどの分野で全面的にアップグレードされ、エッジデバイスからクラウドまで柔軟にデプロイできます。

マルチモーダルTransformers

これはGoogleのembeddinggemma-300mベースモデルの様々なGGUF形式の量子化バージョンで、効率的なデプロイとさまざまなシーンでの使用に特化して最適化されています。このモデルは文の埋め込みと類似度計算タスクに焦点を当てています。

自然言語処理Gguf英語