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 84738
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 ↗This repository contains a full spectrum of GGUF quantizations for lukey03's Qwen3.5-9B-abliterated. These files are optimized for local inference using llama.cpp, LM Studio, Jan, Ollama, and other compatible software. The base model is a fully uncensored version of Qwen3.5-9B. It achieved a **0% refusal rate** (answering 100% of controversial/restricted prompts) through a two-stage process: 1. **Orthogonal Projection (Abliteration):** Surgically removing the "refusal direction" from the residual stream across all 32 layers. 2. **LoRA Fine-tuning:** Targeted training to eliminate the remaining stubborn refusal categories.
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 ↗This repository contains GGUF quantizations of the heavily fine-tuned and uncensored AEON-7/Qwen3.6-27B-AEON-Ultimate-Uncensored model. Unlike standard quantization, these models were generated using a high-precision pipeline: * **Output Tensor Preservation:** We utilized `--leave-output-tensor` during quantization. This ensures the model's final projection head remains in `FP16` precision, preventing the "numerical noise" that typically degrades the reasoning capabilities of smaller quantizations. * **SSM Weight Fidelity:** The 1D SSM routing weights (alpha/beta) were preserved to maintain the model's complex long-range memory and selective state dynamics. * **Native Reasoning:** The model is equipped with a native reasoning trigger. By utilizing the built-in ` ` block, the model can perform multi-step logical planning before providing a final response. These files are prefixed with `Qwen3.6-27B...`. They are generated using `--leave-output-tensor`, ensuring the final projection head and 1D SSM routing weights are preserved at higher precision. **These provide superior reasoning, logic retention, and intelligence.**
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。
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。
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。
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。
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 ↗These files were quantized by Abiray using `llama.cpp` to make the model accessible for consumer hardware and CPU-heavy environments. I have processed this model into several different quantization formats. You can find them in my other repositories: * Abiray/Qwen3.6-35B-A3B-Q8_0-GGUF (High quality, largest file) * Abiray/Qwen3.6-35B-A3B-Q6_K-GGUF (Very high quality) * Abiray/Qwen3.6-35B-A3B-Q5_K_M-GGUF (Great balance of quality and size) * Abiray/Qwen3.6-35B-A3B-Q4_K_M-GGUF (Good quality, recommended for most users) * Abiray/Qwen3.6-35B-A3B-Q3_K_M-GGUF (Low quality, smallest file)
翻訳待ち・原文を表示
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。
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。
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。
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 ↗Qwen3.8-27B-Q4_K_M-GGUF
AbirayThis repository contains the GGUF format quantization of the Qwen3.8-27B model, a native vision-language model. Qwen3.8-27B is the most capable generation in the Qwen open-model family, built on the architectural foundation of Qwen3.5. It is a native vision-language model that understands images and videos, delivering substantial gains across coding, professional work, research, and long-horizon agentic tasks. This GGUF file is compatible with popular local LLM inference tools. When configuring the model in your preferred client, ensure you attach the mmproj-F16.gguf file in the "Vision Adapter" or "Multimedia Projection" setting to enable image processing. The original model was developed and released by the Qwen Team.
翻訳待ち・原文を表示
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 ↗A standalone, **weight-baked uncensored & abliterated GGUF** of **`ISTA-DASLab/Qwen3.8-Flash-Next-GSQ-RCO-Coder-GGUF`.** This build is created by precisely transplanting 144 orthogonalized residual-writing tensors from **`orcarouter/Qwen3.8-Flash-Next-Uncensored`** (via `SC117/Qwen3.8-Flash-Next-GSQ-RCO-abliterated-GGUF`) directly into the optimized 256-expert pruned Coder architecture. `ISTA-DASLab/Qwen3.8-Flash-Next-GSQ-RCO-Coder-GGUF` compresses `Qwen3.8-Flash-Next` from 354 GB (BF16, 512 experts per layer) down to **58.4 GB** by combining: 1. **Structured Expert Pruning ($512 \rightarrow 256$ experts per layer):** Selects the 256 experts specialized for software engineering, coding, agentic tool calling, and vision. 2. **GSQ (Gumbel-Softmax Quantization) + RCO (Riemannian Co-design Search):** Assigns optimal mixed-precision GGUF quantization types across individual tensors while storing the retained weights at `~3.5 bits` (`IQ3_S`-equivalent fidelity, labeled `IQ1_M` for its `1.89` effective bits per parameter relative to the unpruned 512-expert model). --- Because this is an ultra-low-bit MoE model (`IQ1_M` effective / `IQ3_S` retained weights), **avoid pure greedy decoding (`--temp 0.0` with no repetition penalty)** on repetitive C/C++ struct definitions. Use standard Qwen sampling parameters with a light repetition/presence penalty:
翻訳待ち・原文を表示
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 ↗SCAIL-2-GGUF
AbirayThis repository contains GGUF quantizations of **SCAIL-2**, the cutting-edge end-to-end controlled character animation and video motion-transfer model built on the Wan 2.1 14B architecture by zai-org. These weights are specifically optimized to execute the heavy SCAIL-2 Diffusion Transformer (DiT) inside ComfyUI at a fraction of the native FP16/FP8 VRAM overhead. 1. **Required Loader:** Install city96's ComfyUI-GGUF extension. 2. **Node Placement:** Use the `Unet Loader (GGUF)` node. 3. **File Path:** Download your preferred quant from this repository and drop it into: ComfyUI/models/unet/ ---
翻訳待ち・原文を表示
入力 画像→ 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 ↗Shieldstral-1.0-3B-GGUF
Abiray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 ↗Sulphur-2-base-GGUF
Abiray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 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 ↗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 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 ↗This repository contains **GGUF-quantized versions** of the LightX2V Distilled Wan2.2 14B Image-to-Video Model. By quantizing the ultra-fast 4-step distilled models into the GGUF format, this repository allows for drastically reduced VRAM/RAM requirements while maintaining near real-time, high-performance video generation. We provide quantizations ranging from heavily compressed (Q3) to near-lossless (Q8) to fit your specific memory and quality requirements. Both **High Noise** and **Low Noise** versions are available.
翻訳待ち・原文を表示
入力 画像→ 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 ↗ZAYA1-8B-GGUF
Abiray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 ↗t5-base-gguf
Able2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 ↗lfm3-2b-omni-abliter8-gguf
abliter8-ai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 ↗lfm3-2b-vl-abliter8-gguf
abliter8-ai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 ↗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。