Gemma 3n E4B ITは、Googleが開発した軽量マルチモーダルオープンモデルで、Geminiモデルと同じ研究に基づいて構築されています。このモデルは、テキスト、オーディオ、ビジュアル入力をサポートし、様々なタスクに適用できます。MatFormerアーキテクチャを採用して、効率的なパラメータ利用を実現しています。

マルチモーダルTransformers

Olmo-3-Thinkはアレン人工知能研究所が発表した完全にオープンソースの言語モデルシリーズで、7Bと32Bの2種類の規模があります。このモデルは特別に訓練され、明確な推論過程を示すことができ、透明な段階的な推論と検証可能な中間思考痕跡をサポートし、推論、数学、コードタスクで優れた性能を発揮します。

自然言語処理Transformers英語

OpenMMReasonerは完全に透明な二段階マルチモーダル推論方案で、教師あり微調整（SFT）と強化学習（RL）を含んでいます。この方案は、質の高いデータセットを精心に構築することで、複数のマルチモーダル推論ベンチマークテストで強力なベースラインモデルを上回り、将来の大規模マルチモーダル推論研究に堅実な実証的基礎を築きました。

マルチモーダルTransformers

MiroThinker v1.0はオープンソースの研究エージェントで、モデルレベルの対話型拡張により、ツール強化推論と情報検索能力を向上させます。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、長文脈と深度のある多段階分析をサポートします。

自然言語処理Transformers英語

Olmo-3-7B-Think-DPOはAllen Institute for AIが開発した70億パラメータの言語モデルで、長い連鎖的な思考能力を持ち、数学やコーディングなどの推論タスクで優れた性能を発揮します。このモデルは、教師付き微調整、直接的な嗜好最適化、検証可能な報酬に基づく強化学習などの多段階の訓練を経ており、研究や教育目的に特化して設計されています。

自然言語処理Transformers英語

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

Stable Diffusion v2-1-baseは、テキストから画像を生成する拡散モデルで、v2-baseをベースに220kの追加ステップで微調整されています。このモデルは、テキストプロンプトに基づいて画像を生成および修正でき、複数の解像度出力をサポートし、アート創作や教育研究などのさまざまな分野に適しています。

コンピュータビジョンDiffusers

Qwen2.5はアリババが開発した次世代の大規模言語モデルで、チャットテンプレートに重要な最適化を施し、思考状態を恒久的に無効化し、多輪チャットテンプレートに関する問題を解決し、実験や研究により便利な体験を提供します。

自然言語処理Transformers

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

Emu3.5は北京智源人工知能研究院（BAAI）によって開発されたネイティブ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、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

Fara-7Bは、マイクロソフト研究所が開発した、コンピューターの使用シーン向けに設計された小型言語モデルで、たった70億のパラメータしか持たず、同規模のモデルの中で卓越した性能を発揮し、ウェブ自動化やマルチモーダル理解などのコンピューターインタラクションタスクを実行できます。

マルチモーダルTransformers英語

これは実験的なStable Diffusion 1.5蒸留モデルで、v - 予測流れマッチング方法と幾何誘導の適応的ブロック重み付け技術を採用しています。現在は研究段階にあり、訓練が進行中で、結果はまだ検証されていません。

コンピュータビジョンDiffusers

Gaperon-Young-1125-1Bは、15億のパラメータを持つバイリンガル（フランス語 - 英語）言語モデルで、フランス国立情報学・自動制御研究所（Inria Paris）のALMAnaCHチームによって開発されました。このモデルは約3兆個の高品質トークンで訓練され、ベンチマークテストの最適化ではなく、言語品質と一般的なテキスト生成能力に特に重点を置いています。

自然言語処理Transformers多言語

PyLateは、文の類似度計算と情報検索に特化したツールキットで、さまざまなデータセットで効率的な情報検索タスクを実行でき、関連分野の研究とアプリケーションに強力なサポートを提供します。このモデルは8つの言語をサポートし、複数のベンチマークテストで優れた性能を発揮します。

自然言語処理Safetensors多言語

Granite-4.0-H-350MはIBMが開発した軽量指令モデルで、350Mのパラメータを持ち、多言語処理と指令遵守において優れた性能を発揮し、デバイス端末デプロイと研究シナリオ向けに設計されています。

自然言語処理Transformers

Wraith-8BはVANTA研究実体系列の最初のモデルで、MetaのLlama 3.1 8B Instructをベースに微調整されています。このモデルは数学的推論において卓越した性能を発揮し、GSM8Kベンチマークテストで70％の正解率を達成しています。同時に、独特な宇宙知能の視点を持ち、様々なアプリケーションシーンに強力なサポートを提供することができます。

自然言語処理Transformers英語

Llama-4-Maverick-17B-128E-Instruct-NVFP4は、FP4量子化処理を施された多言語大規模言語モデルで、Meta-Llama-3.1アーキテクチャに基づいており、商業および研究用途に特化して設計されています。このモデルは、重みと活性化をFP4データ型に量子化することで、ディスク容量とGPUメモリの要件を大幅に削減しながら、良好な性能を維持しています。

自然言語処理Safetensors多言語

PokeeResearch-7Bは、Pokee AIによって開発された70億パラメータの深度研究エージェントモデルです。AIフィードバック強化学習（RLAIF）と強力な推論フレームワークを組み合わせ、ツール強化型大規模言語モデルにおいて信頼性が高く、アライメントされ、拡張可能な研究レベルの推論を実現し、複雑な多段階研究ワークフローに適しています。

自然言語処理Transformers英語

Granite-4.0-1BはIBMが開発した軽量指令モデルで、Granite-4.0-1B-Baseをベースに微調整されています。このモデルはオープンソースの指令データセットと内部合成データセットを組み合わせ、監督微調整、強化学習、モデルマージなどの技術を用いて開発され、デバイス端末デプロイと研究用ケースに適しています。

自然言語処理Transformers

Granite-4.0-350MはIBMが開発した軽量指令モデルで、Granite-4.0-350M-Baseをベースに微調整されています。このモデルはオープンソースの指令データセットと内部合成データセットを組み合わせ、監督微調整、強化学習、モデル融合などの技術を用いて開発され、強力な指令追従能力を備えており、特にデバイス端末デプロイと研究シーンに適しています。

自然言語処理Transformers