tinytowns
dave8172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 84991
MeaningBERT
davebulavalMeaningBERT is an automatic and trainable metric for assessing meaning preservation between sentences. MeaningBERT was proposed in our article MeaningBERT: assessing meaning preservation between sentences. Its goal is to assess meaning preservation between two sentences that correlate highly with human judgments and sanity checks. For more details, refer to our publicly available article. > This public version of our model uses the best model trained (where in our article, we present the performance results > of an average of 10 models) for a more extended period (500 epochs instead of 250). We have observed later that the > model can further reduce dev loss and increase performance. Also, we have changed the data augmentation technique used > in the article for a more robust one, that also includes the commutative property of the meaning function. Namely, Meaning(Sent_a, Sent_b) = Meaning(Sent_b, Sent_a). The repository root holds the **v1** model described in the article, unchanged, so anything already using `from_pretrained("davebulaval/MeaningBERT")` keeps returning exactly the scores it returned before.
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 ↗Global-Innovation-Build-Challenge-V2
davemaxuellkr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 ↗scglm-v2-46m
davemaxuellkr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 ↗pocket-tts-ptts
davencyw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 音声
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 ↗halogen-qwen3.8-flash-next-uncensored
davenetdev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 ↗NudtyFix
Daverrrr75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 ↗Qwen_SNOFS
Daverrrr75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 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 ↗INT8 `W8A16` quantization of Blackfrost-AI/Qwen3.8-27B-ABLITERATED-BF16, which is itself an abliterated derivative of `Qwen/Qwen3.8-27B`. > **On this hardware int8 is SLOWER than BF16** — roughly half the decode rate — > and MTP speculative decoding does not work. Both are measured below. Use these > only if you need the smaller memory footprint. Weights 8-bit, **group size 128**, symmetric. Activations are **not** quantized (`pack-quantized`), so this is weight-only int8.
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 ↗A **W4A16 (AWQ)** quantization of `Blackfrost-AI/Qwen3.8-Flash-Next-DERISKED-BF16`, an abliterated ("derisked") variant of Qwen's Qwen3.8-Flash-Next. Multimodal (image-text-to-text), MTP speculative-decode head and PLE n-gram table preserved. Built to run the 80B-class Flash-Next MoE on 2× AMD MI210 (gfx90a) at long context. - **Format:** `compressed-tensors`, **W4A16** — 4-bit weights, group size **128**, symmetric, no zero-point (loads on vLLM's `TritonW4A16` + `fused_moe_kernel_gptq_awq` fast paths). - **Method:** **AWQ** (activation-aware). Smoothing is restricted to the mathematically-exact `up_proj → down_proj` pairs. The standard `norm → q/k/v` and `norm → gate/up` smoothings are deliberately **excluded**: this architecture uses hyper-connections with a data-dependent (sigmoid) gate, so folding a smoothing scale into the norm would change the gate non-linearly and corrupt the weights. - **Quantized:** routed experts (gate/up/down) and full-attention `q/k/v/o`. - **Kept in bf16** (matching the reference recipe): the GDN linear-attention layers (recurrent state — error compounds along the sequence), the shared expert, the QSA indexer, the router gates, hyper-connections, norms, `embed_tokens`, `lm_head`, the **MTP** speculative-decode head, and the **PLE** n-gram embedding table.
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→ 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 ↗whale-call-detector
davethaler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 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 ↗vjepa2.1-vitb-fpc64-384
davevanveen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 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 ↗EgoX
DAVIAN-Robotics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 ↗pi05_droid_jointpos
DAVIAN-Robotics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 ↗ACE-Step-1.5-Naija-Legacy-Rhythms-LoRA-v1
David-A-Amoo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 音声
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 ↗my-fusion-v1
David-kim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 ↗llama-7b-hf-20230407
David003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 ↗Two versions of Command-R-01 35B using TWO new DARK HORROR Neo Imatrix datasets bring an INTENSE horror upgrade to Command-R 01 35B. I created the HORROR datasets using Grand Horror 16B using 90+ different horror prompts for generation. This process created an incredibility intense, visceral and vivid horror stories in an ultra compact form - perfect for an Imatrix NEO class dataset. The dataset is focused exclusively on visceral, vivid horror based on phycological horror. (rather than "gore" or "body part horror"). There is some swearing the dataset, so this might appear in generation.
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 ↗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 ↗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 ↗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。