AI NEWS.ccAIが動く、未来が変わる
♡ 保存済み 0
AI NEWS・モデル情報能力を知り、根拠ある選択を。 ↗基本情報を先に収録・詳細を随時追加
THE AI MODEL DIRECTORY ここからモデルを探す

あなたに合う AIモデルを。

言語から画像、オープンウェイトからAPIまで。能力と実際の費用を比較。
次のアイデアに合うAIを見つけましょう。

人気の検索
84,997 件のモデル13202 社の提供元・公開者45 件の機能分類465件の比較可能な料金・30件の公開評価
Tテキスト生成▧画像生成▷動画生成⌘コード生成◖音声合成♫音楽生成⬡3Dモデリング▤文書分析
DISCOVER & COMPARE

AIモデルを探す 84997

注目のモデルを見つける

This is ruRoberta-large model finetuned on ru_go_emotions dataset for multilabel classification. Model can be used to extract all emotions from text or detect certain emotions. Thresholds are selected on validation set by maximizing f1 macro over all labels. The quality of the model varies greatly across all classes (look at the table with metrics below). There are classes like amusement, gratitude, where the model shows high recognition quality, and classes that pose difficulties for the model - grief, relief, that do have much fewer examples in the training data. Also ONNX version of model and INT8 quantized model is available. information about them is posted in the last sections.

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 ↗
出典・文書 ↗

Format repackaging of huihui-ai's abliterated Swift-1.5 GSQ-RCO GGUF series into single-file **`.ninfer`** containers for the NInfer engine. **The abliteration is not ours.** The refusal-direction ablation was performed by huihui-ai on the Swift-1.5 tiers of that GGUF repository; this repository only repackages their GGUF blocks into the NInfer container format. See Attribution and the usage warnings carried over below. Tiers are published one at a time; this repository grows as each conversion completes. **All four tiers are now published.**

翻訳待ち・原文を表示

画像質問応答
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 ↗
出典・文書 ↗

Format repackaging of huihui-ai's abliterated Ternary-Bonsai GGUF into a single-file **`.ninfer`** container for the NInfer engine. **The abliteration is not ours.** huihui-ai ablated layers 22–52 (0-based) of the PrismML Ternary-Bonsai-2-27B weights; this repository only repackages them. See Attribution and the usage warnings carried over below. huihui-ai's published `Ternary-Bonsai-PQ2_0.gguf` has 54 tensors that lost their ternary encoding (`ffn_down.weight` ×31 and `ssm_out.weight` ×23 became `Q3_K`/`Q2_K`) — they had to de-quantize those tensors to ablate them. A mixed ternary/k-quant file cannot enter the `.ninfer` container, whose runtime only reads `t2_g128_fp16`.

翻訳待ち・原文を表示

画像質問応答
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 ↗
出典・文書 ↗

Swift-1.5 Qwen3.8-27B is UkisAI's Swift 1.5 fine-tune of Qwen3.8-27B, quantized by UkisAI as the **GSQ-RCO** GGUF series (mixed-precision per-tensor allocation, optional MTP-head package). This repository repackages that GGUF series into single-file **`.ninfer`** containers for the NInfer engine. Four tiers are published, all built from the `-mtp` GGUF packages: Pick by weight budget: **IQ2_XS** when VRAM is tightest, **IQ3_S** when fidelity matters most. Note the IQ3_S tier is ~11.9 GiB of weights plus KV cache, so it needs a 16 GB+ card or offloading — the three smaller tiers fit smaller cards. All four carry the identical component set — only the source GGUF's per-tensor quantization allocation differs.

翻訳待ち・原文を表示

画像質問応答
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 ↗
出典・文書 ↗

Swift-Bonsai-2 is UkisAI's reasoning-efficient derivative of Prism ML's Ternary Bonsai 2 27B, packaged here for the NInfer engine as `PQ2_0_G128` and `PTQ1_0_G128` artifacts. The ternary codes were moved **byte-for-byte** out of the source GGUF into the NInfer container — nothing was dequantized and requantized, so there is no second quantization loss. Both files are in the root of this repository — download them from the **Files** tab. Each file is a complete container — text tower, vision tower, MTP head, proposal head, tokenizer, chat template and media-processor resources. No adapter file, patch, or extra flag is needed. **No DFlash2 adapter.**

翻訳待ち・原文を表示

画像質問応答
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 ↗
出典・文書 ↗

UniverSat

g-astruc

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

分類準備中
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 ↗
出典・文書 ↗

gwen-tts-0.6B

g-group-ai-lab

**Key highlights:** - Clone any voice with just a few seconds of reference audio - Natural and expressive Vietnamese voice cloning - Finetuned from Qwen3-TTS-0.6B on ~1,000 hours of Vietnamese audio data crawled from TikTok > **Note:** For best quality, proactively apply **TTS text normalization** (numbers, symbols, abbreviations, etc.) and **split input into chunks** before passing to the model. Each speaker shows the **reference audio** (voice input) and the **generated inference audio** (output).

翻訳待ち・原文を表示

音声合成
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 ↗
出典・文書 ↗

d_p7

g0001

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

分類準備中
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 ↗
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。

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

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。

AI NEWS・情報から選択へ

ニュースで知り、ツールで効率化、モデルで可能性を。

AIニュースを読む ↗AIツールを探す ↗