Hammer2.1-0.5b
MadeAgents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 未確認→ 出力 未確認
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 85001
Hammer2.1-1.5b
MadeAgents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 未確認→ 出力 未確認
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 ↗rerank-indonesia
madebyaris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 未確認→ 出力 未確認
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 ↗sdxl-vae-fp16-fix
madebyollinSDXL-VAE-FP16-Fix is the SDXL VAE*, but modified to run in fp16 precision without generating NaNs. 1. Download the fixed sdxl.vae.safetensors file 2. Move this `sdxl.vae.safetensors` file into the webui folder under `stable-diffusion-webui/models/VAE` 3. In your webui settings, select the fixed VAE you just added 4. If you were using the `--no-half-vae` command line arg for SDXL (in `webui-user.bat` or wherever), you can now remove it (Disclaimer - I haven't tested this, just aggregating various instructions I've seen elsewhere :P PRs to improve these instructions are welcomed!)
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
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 ↗taef1
madebyollinTAEF1 is very tiny autoencoder which uses the same "latent API" as FLUX.1's VAE. FLUX.1 is useful for real-time previewing of the FLUX.1 generation process.
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
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 ↗taesd
madebyollinFor SDXL, use TAESDXL instead (the SD and SDXL VAEs are incompatible).
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
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 ↗taesd3
madebyollin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 未確認→ 出力 未確認
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 ↗taesdxl
madebyollinTAESDXL is very tiny autoencoder which uses the same "latent API" as SDXL-VAE. TAESDXL is useful for real-time previewing of the SDXL generation process.
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
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 ↗texture-fix-vae-for-qwen-image-2.1
madebyollinTexture-Fix-VAE-for-Qwen-Image-2.1 is the Qwen-Image-2.1 VAE, but finetuned to produce cleaner textures with no checkerboard artifacts (and no NaNs when running in fp16). Texture-Fix-VAE-for-Qwen-Image-2.1's improved decoding is most noticeable in detailed, photo-style images. The latents for the VAE comparison image below were generated by Qwen-Image-2.1 from the photo-style prompt: > Landscape photograph of a subalpine wildflower meadow in the Pacific Northwest in midsummer: a clear mountain stream winding over mossy boulders through purple lupine and red paintbrush, dense old-growth Douglas fir and western red cedar forest behind, a snow-capped volcano in the distance, golden late-afternoon light, highly detailed
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
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 ↗whisper-small-egyptian-arabic
MAdel121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 音声→ 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 ↗autonlp-Gibberish-Detector-492513457
madhurjindal{ "@context": "https://schema.org", "@type": "SoftwareApplication", "name": "Gibberish Detector - High-Accuracy Text Classification Model", "url": "https://huggingface.co/madhurjindal/autonlp-Gibberish-Detector-492513457", "applicationCategory": "NaturalLanguageProcessing", "description": "State-of-the-art gibberish detection model using DistilBERT. Detect nonsensical text, spam, and incoherent input with 97.36% accuracy. Perfect for chatbots, content moderation, and text validation.", "keywords": "gibberish detector, gibberish detection, text classification, spam filter, content moderation, text validation, NLP model, DistilBERT, AutoNLP, text quality, input validation, chatbot filter", "creator": { "@type": "Person", "name": "Madhur Jindal" }, "datePublished": "2021-05-01", "softwareVersion": "1.0", "operatingSystem": "Cross-platform", "offers": { "@type": "Offer", "price": "0", "priceCurrency": "USD" } } **State-of-the-art gibberish detection model** that accurately identifies nonsensical text, spam, and incoherent input in English. Built with DistilBERT and AutoNLP, this model achieves **97.36% accuracy** in multi-class text classification, making it the ideal solution for content moderation, chatbot input validation, and text quality assurance. - **🎯 97.36% Accuracy**: Industry-leading performance in gibberish detection - **⚡ Fast Inference**: Optimized DistilBERT architecture for real-time applications - **🏷️ Multi-Class Detection**: Distinguishes between Noise, Word Salad, Mild Gibberish, and Clean text - **🔧 Easy Integration**: Simple API with transformers pipeline - **🌐 Production Ready**: Tested on diverse real-world datasets - **💚 Eco-Friendly**: Low carbon footprint (5.53g CO2 emissions)
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 ↗Jailbreak-Detector
madhurjindalWelcome to the **Jailbreak-Detector** model, an advanced AI solution engineered for detecting jailbreak attempts in user interactions. This state-of-the-art model is pivotal for maintaining the security, integrity, and reliability of AI systems across various applications, including automated customer service, content moderation, and other interactive AI platforms. By leveraging this model, organizations can enhance their AI system's defenses against malicious activities, ensuring safe and secure user interactions. In the rapidly evolving field of artificial intelligence (AI), ensuring the security and integrity of deployed models is of paramount importance. One critical challenge is the potential for "jailbreaking"—a process where users exploit vulnerabilities to manipulate AI systems into performing unintended or harmful actions. To mitigate this risk, we present the **Jailbreak-Detector** model, meticulously trained to identify and classify jailbreak attempts.
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 ↗Jailbreak-Detector-Large
madhurjindal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 ↗madrimed1.2-VL-2B-GGUF
madrisight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 · 画像→ 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 ↗relsgg-vits16plus
maelic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 · 画像→ 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 · 画像→ 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 ↗JEMM
MaestroYan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 未確認→ 出力 未確認
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 ↗maetok-b-128
MAETok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 未確認→ 出力 未確認
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 ↗Qwen3.8-27B-pi-exl3-5bpw
maeuryhoisj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 ↗mplug-owl-llama-7b
MAGAer13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 画像→ 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 ↗mplug-owl2-llama2-7b
MAGAer13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 未確認→ 出力 未確認
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 ↗FLUX.1-schnell-bnb-nf4
magespace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 画像
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 ↗Wan2.2-I2V-A14B-Lightning-Diffusers
magespace💜 Wan    ｜    🖥️ GitHub    |   🤗 Hugging Face    |   🤖 ModelScope    |    📑 Technical Report    |    📑 Blog    |   💬 WeChat Group    |    📖 Discord    🔗 Lightx2v — Distilled & optimized Wan2.2 for fast, high-quality 480P / 720P image-to-video generation We are excited to introduce **Wan2.2**, a major upgrade to our foundational video models. With **Wan2.2**, we have focused on incorporating the following innovations:
翻訳待ち・原文を表示
入力 テキスト→ 出力 動画
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 ↗Wan2.2-T2V-A14B-Lightning-Diffusers
magespace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 未確認→ 出力 未確認
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。