FOMC-RoBERTa
gtfintechlab基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 2428
ModernGuard-1
guardion> TL;DR: A state-of-the-art multilingual prompt injection classifier achieving 94.3% F1 score with industry-leading 30ms latency, 20x faster than cloud alternatives, trained on a large corpus of attacks, capable of detecting both explicitly malicious prompts as well as data that contains injected inputs. ModernGuard-1 is a state-of-the-art, cheaper and faster multilingual classifier designed by GuardionAI for real-time detection of prompt injections and jailbreak attempts. Built on the ModernBERT architecture, the model provides industry-leading latency for securing LLM-based applications across over 1,080 languages, making it one of the fastest and most linguistically diverse safety classifiers available. **Context Window:** Supports up to 8,192 tokens (2,048 tokens recommended for optimal real-time performance)
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗finetuned_nli_provenance
GuardrailsAI基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗prompt-saturation-attack-detector
GuardrailsAIA small model to detect saturation jailbreak attacks. Not intended for standalone use against other kinds of jailbreaks. - **Developed by:** Guardrails AI, Joseph Catrambone - **Funded by [optional]:** Guardrails AI - **Model type:** Transformer, BERT - **Language(s) (NLP):** English - **License:** Restrictive - **Finetuned from model [optional]:** bert-tiny Not designed to catch other types of jailbreaks. Saturation protection is one part of a more complite suite of defenses against improper use of ML systems.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗nuner-v1_orgs
guishe基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗This is a SpanMarker model trained on the FewNERD dataset that can be used for Named Entity Recognition. This SpanMarker model uses numind/generic-entity_recognition_NER-v1 as the underlying encoder.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗A finetuned model designed to recognize and classify Personally Identifiable Information (PII) within unstructured text data. This powerful model accurately identifies a wide range of PII categories, such as account names, credit card numbers, emails, phone numbers, and addresses. The model is specifically trained to detect various PII types, including but not limited to: The PII Identifier Model ensures data privacy and compliance by effectively detecting and categorizing sensitive information within documents, emails, user-generated content, and more. Make your data processing safer and more secure with our state-of-the-art PII detection technology.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗layoutreader
hantianA reading order prediction model. Turn bboxes extracted from PDF or detected by OCR into readable order. Please refer to Github for more details.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗bert-based-false-positive-secrets
harshvkarn基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗ams_non_ams_classifier
Harvinder6766This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated. Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations. Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗news_sentiment_sentence_v1
Harvinder6766基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗bert-base-uncased-hatexplain
Hate-speech-CNERG基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dehatebert-mono-english
Hate-speech-CNERG基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗indic-abusive-allInOne-MuRIL
Hate-speech-CNERG基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗arabic-ner
hatmimohaThe training corpus is made of 378.000 tokens (14.000 sentences) collected from the Web and annotated manually.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗dslim-bert-base-NER-ov-fp32
helenai基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗english-sarcasm-detector
helinivan基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗chatgpt-detector-roberta
Hello-SimpleAIThis model is trained on **the mix of full-text and splitted sentences** of `answer`s from Hello-SimpleAI/HC3. More details refer to arxiv: 2301.07597 and Gtihub project Hello-SimpleAI/chatgpt-comparison-detection. The base checkpoint is roberta-base. We train it with all Hello-SimpleAI/HC3 data (without held-out) for 1 epoch.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗chatgpt-detector-roberta-chinese
Hello-SimpleAIThis model is trained on **the mix of full-text and splitted sentences** of `answer`s from Hello-SimpleAI/HC3-Chinese. More details refer to arxiv: 2301.07597 and Gtihub project Hello-SimpleAI/chatgpt-comparison-detection. The base checkpoint is hfl/chinese-roberta-wwm-ext. We train it with all Hello-SimpleAI/HC3-Chinese data (without held-out) for 2 epochs.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗rlcd-modernbert-151m
heman10x**OpenJev (Verdict)** is an open-source, post-trained foundational decision model built for structured software workflows, inspired by **TypeSafe AI's Jev** and **Reinforcement Learning for Calibrated Decisions (RLCD)**. It provides calibrated semantic judgments (discrete choices, ordinal scores, and binary probabilities) in a single forward pass without conversational text generation. - **GitHub Repository**: https://github.com/Heman10x-NGU/Verdict-open-jev - **Base Architecture**: ModernBERT-base (`knowledgator/gliclass-modern-base-v2.0`, 151,378,177 parameters) - **Logit Capacity**: 25 candidate slots (24 substantive options + 1 explicit abstention slot) 1. **Non-Autoregressive Single Pass**: Evaluates all candidate options simultaneously in a single forward pass (< 35ms latency) without token generation loops. 2. **Proper Scoring Calibration**: Trained with composite Cross-Entropy + Brier Score loss: $$\mathcal{L}_{\text{total}} = \mathcal{L}_{\text{CE}} + 1.0 \times \mathcal{L}_{\text{Brier}}$$ followed by post-hoc L-BFGS temperature scaling ($T = 1.0716$). 3. **Explicit Abstention Route**: Dedicated `__insufficient_evidence__` candidate slot ensures calibrated rejection on out-of-distribution or insufficient context queries. 4. **Edge and In-Browser WebGPU**: Runs locally in browsers via WebGPU/WASM and on servers via PyTorch/ONNX Runtime.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗tiny-random-RobertaForSequenceClassification
hf-tiny-model-private基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗ncii-guard-v02
hfmlsocA binary classifier that flags image-editing prompts seeking non-consensual intimate imagery (NCII): requests to strip, undress, or otherwise sexualise a person in a photograph. It is `microsoft/harrier-oss-v1-270m` with a LoRA adapter (r=8) merged in, so it loads with plain `transformers` and needs no `peft`. The unmerged adapter is kept under `adapter/`. **This model does not ship a recommended threshold, and the default 0.5 is not a neutral choice.** Precision on clean text runs from 0.870 at 0.5 to 0.951 at 0.935, and buying that precision costs recall against obfuscated input: across 35 attack families the model misses 617 of 2,070 obfuscated NCII prompts at 0.5 and 749 at 0.935. Which way to err depends on what we need to prioritize. Pick the threshold against the precision/recall tradeoff. The full sweep for dev here is in `eval/`, both on clean text and per attack family.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。