Ollama_Quantised_LLaVA-NeXT-Video-7B-DPO
ManishThota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 埋め込み
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
Ollama_Video_llama_7B
ManishThota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 ↗gpt-oss-20b-tq3
manjunathshiva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 ↗NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-tq3-g64
manjunathshiva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 ↗opendecider-nano
manjunathshiva**Open, calibrated System 1 decision model.** Give it a **state** (text, email, ticket or JSON) and **typed questions** (`choice`, `score`, `noul`); it returns a calibrated probability for every option in a single forward pass: **17 ms on an NVIDIA L40S, 18 ms on an Apple M4 Max, ~9 ms per question batched**. ~400M parameters, Apache-2.0. It never generates text, so there is nothing to parse and nothing to hallucinate. **Ahead of Laya like for like on typed-decisions: 0.796**, against 0.766 for Laya's typed-decisions checkpoint (+0.030, 95% CI +0.014 to +0.044), both fine-tuned on its train split. TypeSafe Jev scores 0.754 there zero-shot (measured through TypeSafe's own API): a reference, not a head-to-head. **Documentation: manjunathshiva.github.io/opendecider**: getting started, choosing a model, guides for serving, LM Studio, Ollama and vLLM and automating the confident decisions, plus the Python and HTTP API reference.
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 ↗opendecider-small-GGUF
manjunathshivaGGUF builds of OpenDecider-small, the 4B OpenDecider decision model, for **LM Studio**, **Ollama** and anything else built on llama.cpp. Best for decisions it has never seen: the best general accuracy and calibration of the 4B models (zero-shot on typed-decisions). A decision model answers typed questions (`choice`, `score`, yes/no) about any text or JSON with a probability for every option, instead of generating text. The opendecider package builds the exact prompt the model was trained on and reads the option probabilities from the server's token log-probabilities. On typed-decisions (2,000 questions), the Q8_0 build gives the same top answer as the full-precision model on 1,975 (98.8%), at the same accuracy: Measured through Ollama's llama.cpp engine; LM Studio runs the same engine and returned identical log-probabilities on the same file. **Q8_0 is the recommended file**; Q4_K_M is for machines with little memory.
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 ↗opendecider-small-td-GGUF
manjunathshiva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 ↗Qwen3.6-35B-A3B-tq3a-tqTe-g64
manjunathshiva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 ↗Qwen3.8-27B-tq3-mini-g64
manjunathshiva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 ↗Qwen3.8-Flash-Next-tq4a-tq2e-g64
manjunathshiva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 ↗The latest version of the model is always available online at PornWorks.com - best nsfw neural generator We have done a lot of work to create a model that follows the hint perfectly, producing the highest quality NSFW output images even without using ADetailer and Upscaler
翻訳待ち・原文を表示
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 ↗gemma-4-26B-A4B-it-assistant-GGUF
ManniX-ITA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 ↗gemma-4-A4B-98e-v6-coder-it-GGUF
ManniX-ITA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 ↗gemma-4-A4B-98e-v7-coder-it-GGUF
ManniX-ITA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 ↗gemma-4-A4B-98e-v7-coderx-it-GGUF
ManniX-ITA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 ↗gemma-4-E2B-it-assistant-GGUF
ManniX-ITA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 ↗JackOD-9B-Coder
ManniX-ITA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 ↗JackOD-9B-Coder-MTP-DFlash-GGUF
ManniX-ITA**`ManniX-ITA/JackOD-9B-Coder` v3** quantized for **DFlash speculative decoding**: every quant tier of `JackOD-9B-Coder-MTP-GGUF` with the built-in MTP (NextN) layer removed, plus a separate **DFlash drafter** that does the drafting instead. Use **this** repo if your runtime drafts with DFlash. Use `JackOD-9B-Coder-MTP-GGUF` if it drafts with the model's own MTP head, or if you do not use speculative decoding at all. The two repos hold the same quantized weights; only the speculative-decoding path differs. JackOD-9B-Coder is a merge over `Qwen/Qwen3.5-9B` built for multi-turn agentic coding — DeltaCoder-9B 0.55 / Ornith-1.5-9B 0.30 / Coder-Flash 0.15, `omnimerge_v2`. The recipe, the evaluations and the full description are on the model card.
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 ↗JackOD-9B-Coder-MTP-GGUF
ManniX-ITAGGUF quants of **`ManniX-ITA/JackOD-9B-Coder`**, a four-way `omnimerge_v2` merge over `Qwen/Qwen3.5-9B` built for **multi-turn agentic coding** — staying on a task across turns and tool calls until it is actually finished, and then stopping. > **v3 (2026-10-24).** v3 is the v2 recipe with the two smaller weights swapped: > **DeltaCoder 0.55 / Ornith-1.5-9B 0.30 / Coder-Flash 0.15** (v2: Coder-Flash 0.30 / Ornith 0.15). > `omnimerge_v2` density 0.53, darex-q 0.75, seed 42, the root `eos_token_id` 248046 / `pad_token_id` 248055 > fix and the Coder-Flash tokenizer and template are unchanged. v3 ships a **new serving sampler** and was > evaluated with it; the v2 and v1 results kept at the end of this card were measured **greedy**, so they are > a record, not a same-basis comparison. Every `_K` and `IQ` tier is **imatrix-calibrated**, including `Q6_K`. The calibration matrix used to build them is published in this repo as `imatrix.dat` (sha256 `feb286c4…`) so the quants can be audited and reproduced.
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 ↗opencoti-llamafile
ManniX-ITASelf-contained single-file inference engine from the opencoti project — a Mozilla-Ocho llamafile base carrying the opencoti patch series: advanced KV residency/quantization (PolyKV, KVarN — see `docs/features/kvarn.md`), the KV rolling window (a KV cache larger than VRAM), elastic multi-session serving (elastic slots, an enforced KV admission gate with fast 429 + `Retry-After`, PolyKV shared-prefix pools with a REST control plane), DCA long-context extension, MTP speculative decode, sparse attention, RYS layer duplication, CUDA **and Vulkan** GPU backends, and a runtime introspection/control API. **Start with USAGE.md** — it explains exactly how this engine diverges from upstream llamafile, every added feature, its flags, defaults, limitations, and which features compose. This repo hosts the packaged release artifacts (they exceed GitHub's 2 GiB release-asset cap) plus the full patch series under `patches/` and the project documentation under `docs/`. Release notes and per-release `SHA256SUMS` live under `releases/` and are mirrored on the corresponding GitHub release at mann1x/opencoti.
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 ↗Ornith-1.5-27B-A3B-Coder-MTP-GGUF
ManniX-ITAGGUF quantizations of **`ManniX-ITA/Ornith-1.5-27B-A3B-Coder`** — the pure competence-map 184-expert cut of `Ornith-1.5-35B-A3B`. **→ Recipe, drop maps, the full 11-bench evaluation, the cross-family comparison and the length/deliberation analysis all live on the weights card.** This card covers the quantized files only. > Its sibling **CoderX** > uses the same map with a REAP stability floor and measures better on almost every code and > reasoning axis at the same expert budget and the same file size. Start there unless you > specifically want this arm.
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 ↗Ornith-1.5-27B-A3B-CoderX-MTP-GGUF
ManniX-ITA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 ↗Qwen3.6-27B-A3B-Coder
ManniX-ITA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 ↗Qwen3.6-27B-A3B-Coder-MTP-GGUF
ManniX-ITAA **code-specialist expert prune** of Qwen3.6-35B-A3B: the MoE is reduced from **256 experts to 184** (72 dropped per layer, ~35B→27B, still A3B active) using a **code-targeted competence map** (LiveCodeBench + MultiPL-E competence classes). Same router, attention, norms, MTP head and vision tower as the base — only the expert keep-set changes. **Served at top-10** (`num_experts_per_tok = 10`, baked as the default). This is a routing-recovery lever: after pruning to 184 experts, activating the top-10 (vs the base top-8) recovers instruction-following at **no cost to code** (see below). No fine-tuning, no distillation — pure expert selection + a routing-width dial. 1. **Competence map**: the 256e teacher is profiled per-expert on a balanced corpus + targeted **LiveCodeBench** and **MultiPL-E** (Rust/Java/JS) PASS-response classes. 2. **Drop map**: `wmax` aggregation with the LCB + MPE classes up-weighted (1.5) → 72/256 experts dropped per layer, protecting the code-competent experts. 3. **Top-10 routing** (`num_experts_per_tok = 10`) baked into the config → the shipped default. Pass `--override-kv qwen35moe.expert_used_count=int:8` to any llama.cpp tool to A/B back to native top-8.
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。