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 ↗DISCOVER & COMPARE
AIモデルを探す 84996
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 ↗gliguard-LLMGuardrails-300M
fastinoGLiGuard is a compact, encoder-based guardrail model for LLM safety moderation built on the `GLiNER2` interface. Instead of generating moderation verdicts autoregressively, it treats safety as structured classification: you provide task names and candidate labels at inference time, and the model scores all requested moderation tasks in a single bidirectional encoder pass. This model is CPU-first and can be used for effective protection against prompt hack injection, jailbreaking, and identifying harmful content. *GLiGuard’s accuracy remains competitive with guardrail models that are 23 to 90 times its size while running up to 16 times faster with 17 times lower latency.* The released checkpoint, `fastino/gliguard-LLMGuardrails-300M`, is a 0.3B-parameter model designed for fast local inference.
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 ↗gliner2.5-base-v1
fastino> *Extract entities, classify text, parse structured records, score span attributes, and extract relations — all in one boundary architecture.* GLiNER2.5 Base is the English boundary checkpoint at DeBERTa-v3-base scale. It is the everyday English model for schema-driven NER, classification, records, and relations. Load it with `AutoExtractor`: the checkpoint's `architecture` field selects `BoundaryExtractor` automatically. Fine-tune via Fastino. Join discussions on Reddit.
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 ↗GLiNER2.5-Decide
fastino**The 340M English classification model in the GLiNER2.5 family.** Pass any label set at call time: intent, routing, sentiment, priority, policy, and multi-label tags, in a single forward pass. No prompt template. No generated tokens. Load it with `AutoExtractor` and ship it locally. A single call can score several heads at once. Single-label tasks return one string. Multi-label tasks return every label above the threshold. Exact-match accuracy on `fastino/fast-decisions`: 17 domains, 300 held-out examples each, with the same text and candidate labels for every model.
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 ↗GLiNER2.5-Decide-1B
fastino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 ↗GLiNER2.5-multi-Decide
fastino**The 287M multilingual classification model in the GLiNER2.5 family.** Pass any label set at call time: intent, routing, sentiment, priority, policy, and multi-label tags, in a single forward pass. No prompt template. No generated tokens. Load it with `AutoExtractor` and ship it locally. Use it when the text is not English. A single call can score several heads at once. Single-label tasks return one string. Multi-label tasks return every label above the threshold. Exact-match accuracy on `fastino/fast-decisions`: 17 domains, 300 held-out examples each, with the same text and candidate labels for every model.
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 ↗gliner2.5-multi-v1
fastino> *Extract entities, classify text, parse structured records, score span attributes, and extract relations — all in one boundary architecture.* GLiNER2.5 Multi is the multilingual boundary checkpoint. It is built on mDeBERTa-v3-base and is the default choice when you need entities, classification, records, and relations in one model across languages. Load it with `AutoExtractor`: the checkpoint's `architecture` field selects `BoundaryExtractor` automatically. Fine-tune via Fastino. Join discussions on Reddit.
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 ↗gliner2.5-small-v1
fastino> *Extract entities, classify text, parse structured records, score span attributes, and extract relations — all in one boundary architecture.* GLiNER2.5 Small is the compact English boundary checkpoint. It keeps the same public API as the larger 2.5 models while running faster on CPU and edge-style deployments. Load it with `AutoExtractor`: the checkpoint's `architecture` field selects `BoundaryExtractor` automatically. Fine-tune via Fastino. Join discussions Reddit.
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 ↗gliner2-base-v1
fastino> *Extract entities, classify text, parse structured data, and extract relations—all in one efficient model.* GLiNER2 unifies **Named Entity Recognition**, **Text Classification**, **Structured Data Extraction**, and **Relation Extraction** into a single 205M parameter model. It provides efficient CPU-based inference without requiring complex pipelines or external API dependencies. Fine-tune via Fastino. Join discussions on Discord and Reddit.
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 ↗GLiNER2-Guardrails-PII-Multi
fastino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 ↗gliner2-large-v1
fastino> *Extract entities, classify text, parse structured data, and extract relations—all in one efficient model.* GLiNER2 unifies **Named Entity Recognition**, **Text Classification**, **Structured Data Extraction**, and **Relation Extraction** into a single 205M parameter model. It provides efficient CPU-based inference without requiring complex pipelines or external API dependencies. Fine-tune via Fastino. Join discussions on Discord and Reddit.
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 ↗gliner2-multi-v1
fastino> *Extract entities, classify text, parse structured data, and extract relations—all in one efficient model.* GLiNER2 unifies **Named Entity Recognition**, **Text Classification**, **Structured Data Extraction**, and **Relation Extraction** into a single 205M parameter model. It provides efficient CPU-based inference without requiring complex pipelines or external API dependencies. Fine-tune via Fastino. Join discussions on Discord and Reddit.
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 ↗**GLiNER2-PII** is a fine-tune of the GLiNER2 model (205M parameters) for detecting and masking personally identifiable information across **42 entity types** and **7 languages**. Trained entirely on a constraint-driven synthetic corpus of 4,910 annotated texts, it achieves the **highest span-level F1 (0.477)** on the SPY benchmark among four compared systems — including OpenAI Privacy Filter, NVIDIA GLiNER-PII, and urchade/gliner\_multi\_pii-v1. 📄 **Technical Report** 🔗 **GitHub**
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 ↗embeddinggemma-2-GGUF
Fastiraz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 ↗Qwen3.6-27B-GGUF
Fastiraz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 ↗Qwen3.6-35B-A3B-MTP-GGUF
Fastiraz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-GGUF
Fastiraz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 ↗Qwythos-27B-v1-GGUF
Fastiraz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 ↗FastH3-NVFP4-VAE-Decoder
FastVideo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 ↗FastH3-Omni-Comfy
FastVideoComfyUI-ready BF16 and INT8 ConvRot diffusion models for the final FastH3 Omni release. Generate video and synchronized audio from a prompt and ordered image, video and audio references. These files are available in this repository's `text_encoders/` and `vae/` folders. The text encoders include the vision tower needed for references. Accelerated NVFP4 text encoding requires Blackwell hardware; choose BF16 or INT8 for other devices. For additional diffusion formats, see FP8 ComfyUI and NVFP4 QAD ComfyUI.
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 ↗FastH3-Omni-FP8-Comfy
FastVideoThe ComfyUI-native FP8 diffusion model for FastH3 Omni. It generates video with synchronized 32-kHz stereo audio from a prompt and ordered image, video and audio references in eight sampling steps. Download a compatible text encoder, video VAE and audio VAE from FastH3 Omni Comfy and place them in `ComfyUI/models/text_encoders/` and `ComfyUI/models/vae/`. The audio VAE and the text encoder's reference-vision support are required. Select a text-encoder format supported by your GPU. FP8 uses ComfyUI’s native quantization layout and kernels. Quantized output can differ from BF16. This is the ComfyUI format; use the separate FastVideo-format model for FastVideo inference.
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 ↗FastH3-Omni-NVFP4-QAD
FastVideo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 ↗FastH3-Omni-NVFP4-QAD-Comfy
FastVideoThe ComfyUI-native NVFP4 QAD diffusion model for FastH3 Omni. It generates video with synchronized 32-kHz stereo audio from a prompt and ordered image, video and audio references in eight sampling steps. Download a compatible text encoder, video VAE and audio VAE from FastH3 Omni Comfy and place them in `ComfyUI/models/text_encoders/` and `ComfyUI/models/vae/`. The audio VAE and the text encoder's reference-vision support are required. Select a text-encoder format supported by your GPU. Accelerated NVFP4 inference requires NVIDIA Blackwell hardware. Use BF16 or FP8 on other GPU families. Quantized output can differ from BF16. This is the ComfyUI format; use the separate FastVideo-format model for FastVideo inference.
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 ↗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。