This repository contains an FP8 quantized version of the Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro-2.0 model. **This is NOT a fine-tuned model** but a direct quantization of the original BFloat16 model to FP8 format for optimized inference performance. We provide an online demo. This model has been quantized from the original BFloat16 format to FP8 format using PyTorch's native FP8 support. Here are the specifics: The benefits of FP8 quantization include: - **Reduced Memory Usage**: Approximately 50% smaller model size compared to BFloat16/FP16 - **Faster Inference**: Potential speed improvements, especially on hardware with FP8 support - **Minimal Quality Loss**: Carefully calibrated quantization process to preserve output quality

翻訳待ち・原文を表示

画像生成

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 ↗

比較に追加出典・文書 ↗

llm_3_2_flux_prompt

ABDALLALSWAITI

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

テキスト生成

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 ↗

比較に追加出典・文書 ↗

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-mangy_hulking_dingo

Abdelmnam

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

テキスト生成

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 ↗

比較に追加出典・文書 ↗

wav2vec2-quran-arabic

abderraouff

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

音声認識

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 ↗

比較に追加出典・文書 ↗

mgi-assistant-v1-qwen3-4b

abdullahalbaki

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

テキスト生成

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 ↗

比較に追加出典・文書 ↗

hares-qwen2.5-3b

abdullahashraf122

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

テキスト生成

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 ↗

比較に追加出典・文書 ↗

ModernBERT-base-doc_en-Cefr

AbdullahBarayan

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

テキスト分析

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 ↗

比較に追加出典・文書 ↗

ModernBERT-base-reference_AllLang2-Cefr2

AbdullahBarayan

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

テキスト分析

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 ↗

比較に追加出典・文書 ↗

English_Grammar_Checker

abdulmatinomotoso

This model is a fine-tuned version of bert-base-uncased on the glue dataset. It achieves the following results on the evaluation set: - Loss: 1.1117 - Matthews Correlation: 0.5324 The following hyperparameters were used during training: - learning_rate: 5e-05 - train_batch_size: 8 - eval_batch_size: 8 - seed: 42 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 - lr_scheduler_type: linear - num_epochs: 5

翻訳待ち・原文を表示

テキスト分析

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 ↗

比較に追加出典・文書 ↗

COST EXPLORER

モデル選びに、費用の視点も。

コスト分析

月間トークン数を調整してAPI費用を比較。

月間入力トークン 10 M月間出力トークン 2 M1 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

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

選び方とよくある質問

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。

あなたに合う AIモデルを。

AIモデルを探す 84214

12bgguf

4bgguf

gguf27bv3

Llama-3.2-3B-Instruct-uncensored-Q4_K_M-GGUF

binaryHelminths

gemma-3-1b-it-GGUF

Qwen3-0.6B

SmolLM-135M-Instruct

SmolLM2-135M

SmolLM2-135M-Instruct

ABD3ID-CodeMentor

ABD3ID-CyberGuard-32B

rawda-4b-instruct

rawda-cite-jafari-8b

rawda-coder-30b-a3b

FLUX.1-dev-ControlNet-Union-Pro-2.0-fp8

llm_3_2_flux_prompt

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-mangy_hulking_dingo

wav2vec2-quran-arabic

mgi-assistant-v1-qwen3-4b

hares-qwen2.5-3b

ModernBERT-base-doc_en-Cefr

ModernBERT-base-reference_AllLang2-Cefr2

English_Grammar_Checker

該当するモデルがありません

モデル選びに、費用の視点も。

モデルを理解して選ぶ

ニュースで知り、ツールで効率化、モデルで可能性を。