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 84997
Ternary-Bonsai-2-27B-vllm
fraserpriceIt needs the `prism_ternary` vLLM plugin from fraserprice/bonsai-vllm, which has the run command, kernels and throughput numbers: Built and tested for the RTX PRO 6000 Blackwell only; other NVIDIA GPUs are untested. Problems: open an issue. Produced by `prism-ternary-convert` from the repo above. For benchmarks, sampling parameters and everything else about the model, see the original 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 ↗immunomatch-kappa
fraternalilab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 ↗immunomatch-lambda
fraternalilab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 ↗elmod-2.7b-it
fraunhofer-iis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-SmoothQuant-W8A8-INT8
Freaksterz**v3 (`main`, 2026-09-03):** mean full-vocab KLD vs BF16 **0.00556** — lower than the official `Qwen/Qwen3.8-27B-FP8` on the same harness (0.00584) — and the stock **DFlash2 drafter works unchanged** (acceptance length 4.34, identical to a W8A16 target). No residual-stream rotation. 288 of 400 Linear modules run INT8×INT8 on Ampere tensor cores; prefill is 1.42× a W8A16 checkpoint of the same model. Previous revisions stay available: `v2-rotated` (KLD 0.01098, rotation-based; **breaks DFlash2**, MTP only) and `v1-smoothquant-rtn` (0.01414, DFlash2-compatible). If you are here because DFlash2 gave 0% acceptance on v2: `main` fixes it. Teacher-forced full-vocab KLD, BF16 reference captured offline (transformers), candidates served through vLLM (so INT8 *activation* rounding is included). 240 × 512-token WikiText-2 windows = 122,640 positions, top-K 512 with reported tail bound. "Floor-free" is the paired estimator that removes the truncation floor (see `eval/` in the repo).
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 ↗apex-flash-1-abliterated-GGUF
freakyskittle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 ↗CYBER-FROST-3.8-GGUF
freakyskittleThe queued trunk quants are uploaded. Each one passed a short Vulkan generation test. `CYBER-FROST-3.8-Q2_K_S.gguf` now carries the MTP head inside the file. The separate `mtp-` files still do not load. Source checkpoint: Blackfrost-AI/CYBER-FROST-3.8-BF16. Architecture `qwen4exp` (`Qwen4ExpForConditionalGeneration`), from `Qwen/Qwen3.8-Flash-Next`. The vision tower is in `mmproj-CYBER-FROST-3.8-f16.gguf`. One mmproj works with every trunk. About 180B parameters, about 6B active. 48 layers, 512 experts, 10 experts per token, one shared expert. Configured context is 262144. Smoke tests used 512 tokens of context. Long context is not tested.
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 ↗K2-Horizon-MoVA-36B-A4B-DERISKED-GGUF
freakyskittle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 ↗LFM2.5-24B-A2B-DERISKED-GGUF
freakyskittle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 ↗MiniMax-3.1-Flash-DeRisked-GGUF
freakyskittleGGUF conversion of Blackfrost-Research/MiniMax-3.1-Flash-DeRisked, converted with llama.cpp `convert_hf_to_gguf.py`. Vision tower and multimodal projector are included as a separate mmproj GGUF — image understanding works through `llama-mtmd-cli` / `llama-server`. The upstream DeRisked checkpoint ships experts pre-quantized to NVFP4 (compressed-tensors `nvfp4-pack-quantized`) and the rest as MXFP8. This conversion repacks the NVFP4 expert tensors losslessly into GGUF's native NVFP4 layout (per-expert `weight` + `.scale` + `.input_scale` companions) and dequantizes MXFP8 blocks to BF16 in the F16 master before quantizing. *Approximate; experts dominate size at every quant level. All language-model files are split GGUF — download **every** `-0000N-of-0000M` shard of the quant you want.
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 ↗NVIDIA-Nemotron-3.5-Bolt-74B-DERISKED-GGUF
freakyskittle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 ↗qwen36-35b-a3b-distill
freakyskittle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 ↗RED-SNOW-5.3-FLASH-GGUF
freakyskittle> GGUF quants of Blackfrost-AI/RED-SNOW-5.3-FLASH-BF16 - a red-team operations model built on a GLM-5.3-Flash (`glm5_next`) foundation with targeted security adaptation. Full-functionality GGUF exports for llama.cpp: text + **vision included** (the GLM-5.3 vision tower ships as a separate `mmproj` file, keeping every quant pairable with it). Every file was smoke-tested end to end before upload - text runs with `llama-cli`, vision with `llama-server --mmproj`. RED-SNOW 5.3 FLASH is built for authorized offensive-security work: attack-path reasoning, cross-domain operations (identity, cloud, network, app, endpoint, OT), exploit and tradecraft analysis, detection-aware execution, and purple-team handoff. See the base model card for the full picture.
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 ↗MiniCPM-V-2.6-Arm-AArch64-GGUF
freakyXO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 ↗Legal-Qwen-SFT-Indo
freakzy-spec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 ↗LongCat-Video-Avatar-ComfyUI-GGUF
Frederic75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 ↗LTX-2-GGUF
Frederic75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 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 ↗Qwen-Image-2512-GGUF
Frederic75💜 Qwen Chat    |   🤗 Hugging Face    |   🤖 ModelScope    |    📑 Tech Report    |    📑 Blog    🖥️ Demo    |   💬 WeChat (微信)    |   🫨 Discord   |    Github    We are excited to introduce Qwen-Image-2512, the December update of Qwen-Image’s text-to-image foundational model. You are welcome to try the latest model at Qwen Chat. Compared to the base Qwen-Image model released in August, Qwen-Image-2512 features the following key improvements:
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 ↗whisper-medium-finnish-onnx
FredrikKarlssonSpeech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 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 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 ↗deberta-v3-base-prompt-injection-v3
fredstrey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 ↗anime-anything-promptgen-v2
FredZhang7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 ↗distilgpt2-stable-diffusion-v2
FredZhang7Fast Anime PromptGen generates descriptive safebooru and danbooru tags for anime text-to-image models. This model was trained on 2,470,000 descriptive stable diffusion prompts on the FredZhang7/distilgpt2-stable-diffusion checkpoint for another 4,270,000 steps. Compared to other prompt generation models using GPT2, this one runs with 50% faster forwardpropagation and 40% less disk space & RAM.
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。