QwenEdit2509は、画像の色彩処理に特化した低ランク適応型（LoRA）モデルです。画像の飽和度を下げ、コントラストを低下させ、カメラのログプロファイルに似た扁平で未グレーディングの外観を作り出すと同時に、ハイライトとシャドウの細部を保持します。

コンピュータビジョンDiffusers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

これはRouWei-0.8に基づく実験的な事前学習モデルで、16チャンネル潜在空間アーキテクチャを採用し、Fluxオートエンコーダを使用しています。このモデルは、低い計算コストでより細かい画像の細部を実現し、同時に元のモデルの知識と性能を保持することを目的としています。

コンピュータビジョンDiffusers英語

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

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。独自の2段階アーキテクチャにより、大規模言語モデルと効率的な音声コーデックを組み合わせ、低遅延で高品質な音声合成を実現します。リアルタイムファクターは最低0.2で、リアルタイム速度の5倍の高速合成が可能です。

音声処理Transformers英語

LightOnOCR-1B-1025は、光学文字認識とドキュメント理解に特化したコンパクトなエンドツーエンドのビジュアル言語モデルです。同じ重みレベルで最先端の精度を達成し、大型の汎用ビジュアル言語モデルよりも高速で低コストです。

マルチモーダルSafetensors多言語

Nemotron-Flash-3Bは、NVIDIAが開発した新しい混合型小型言語モデルで、実際のアプリケーションにおける低遅延のニーズに特化して設計されています。このモデルは、数学、コーディング、一般知識の推論などのタスクで卓越した性能を発揮し、小バッチでの低遅延と大バッチでの高スループットの特性を兼ね備えています。

自然言語処理Transformers

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

これは最初の世代の強力なvibe-code大規模言語モデルで、構造が緩やかな「雰囲気コーディング」のプロンプトに基づいて直接自然言語とコードの補完を生成するように最適化されています。初期のモデルと比較して、提示エンジニアリングのコストが低く、潜在空間の補間がよりスムーズで、利用可能なコードを生成しやすくなっています。

自然言語処理Transformers英語

CoDAはSalesforce AI Researchによって開発された拡散モデルに基づくコード生成言語モデルで、双方向コンテキスト理解能力を備え、強力なコード生成と補完タスク用に設計されています。このモデルはわずか17億のパラメータで、低い計算要件を維持しながら卓越したコード生成性能を実現しています。

自然言語処理Transformers英語

Qwen3-Next-80B-A3B-Instructは通義千問チームが開発した効率的な疎な混合エキスパートモデルで、総パラメータ数は80B、活性化パラメータ数はわずか3Bです。このモデルは革新的な混合注意力機構と極低活性化率のMoEアーキテクチャを採用し、強力な性能を維持しながら推論効率を大幅に向上させ、ネイティブで262Kのコンテキスト長をサポートし、1Mトークンまで拡張可能です。

自然言語処理Transformers

これはQwen/Qwen3-0.6B言語モデルのGGUF量子化バージョンで、6億のパラメータを持つコンパクトな大規模言語モデルで、低リソースデバイスでの超高速推論用に設計されています。llama.cpp、LM Studio、OpenWebUI、GPT4Allなどのフレームワークをサポートし、どこでもオフラインでプライベートAIを使用できます。

自然言語処理Gguf多言語

LLaVA-OneVision-1.5は、完全にオープンソースの一連の大型マルチモーダルモデルで、ネイティブ解像度の画像でトレーニングすることで、低コストで高度な性能を実現しています。このモデルは、複数のマルチモーダルベンチマークテストで卓越した性能を発揮し、Qwen2.5-VLなどの競合モデルを上回っています。

マルチモーダルTransformers

MobileLLM-R1はMobileLLMシリーズの高効率推論モデルで、数学、プログラミング、科学問題に特化して最適化されています。パラメータ規模が小さいにもかかわらず、より高い精度を実現し、低トレーニングコストと高効率の特徴を持っています。

自然言語処理Transformers英語

快手Keye-VLは快手Keyeチームによって開発された最先端のマルチモーダル大規模言語モデルで、ビデオ理解、視覚認知、および推論タスクで卓越した性能を発揮します。1.5バージョンは革新的な高速・低速ビデオコーディング戦略、LongCoTコールドスタートデータパイプライン、および強化学習トレーニング戦略を通じて、ビデオ理解、画像認知、および推論能力において新たな高みに到達し、最大128kトークンの拡張文脈長をサポートします。

マルチモーダルSafetensors多言語

PARDは高性能な推測デコード方法で、低コストで自己回帰ドラフトモデルを並列ドラフトモデルに変換でき、大規模言語モデルの推論速度を大幅に向上させ、展開の複雑さと適合コストを削減します。

自然言語処理Transformers

Kokoroは8200万パラメータのオープンソースのテキストを音声に変換するモデルで、軽量級のアーキテクチャを採用していますが、大型モデルに匹敵する品質を提供し、速度が速く、コストが低いという利点があります。Apacheライセンスを採用しており、本番環境や個人プロジェクトに適しています。

音声処理Mlx英語

Holo1-7B GGUFモデルはSurfer - Hシステムの一部で、視覚文書検索などのマルチモーダルタスクに適しており、特にウェブページのインタラクションとネットワーク監視に長けており、低コストで高い精度を実現できます。

マルチモーダルTransformers英語

FairyR1-32Bは北京大学DS-LABが開発した効率的な大規模言語モデルで、DeepSeek-R1-Distill-Qwen-32Bを基に、'蒸留-融合'という革新的なプロセスにより高性能と低コスト推論のバランスを実現しています。

自然言語処理Transformers英語

xGen-smallはエンタープライズ向けのコンパクトな言語モデルで、ドメイン特化型データキュレーション、スケーラブルな事前学習、長文脈拡張、強化学習による微調整を通じて、予測可能な低コストで長文脈性能を実現します。

自然言語処理Transformers英語