Neural-network-medium-5b-16k
Alignment-Lab-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→ 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 84838
Vid
Alignment-Lab-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 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 ↗Llama-3.3-Tiny-Instruct-boolq
AlignmentResearch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 ↗FLUX.1-dev-Controlnet-Inpainting-Beta
alimama-creativeThis repository hosts an improved Inpainting ControlNet checkpoint for the alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Alpha model, developed by the AlimamaCreative Team. 1. **1024 Resolution Support**: Capable of directly processing and generating 1024x1024 resolution images without additional upscaling steps, providing higher quality and more detailed output results. 2. **Enhanced Detail Generation**: Fine-tuned to capture and reproduce finer details in inpainted areas. 3. **Improved Prompt Control**: Offers more precise control over generated content through enhanced prompt interpretation. The following images were generated using a ComfyUI workflow (click here to download) with these settings: `control-strength` = 1.0, `control-end-percent` = 1.0, `true_cfg` = 1.0
翻訳待ち・原文を表示
入力 画像→ 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 ↗FLUX.1-Turbo-Alpha
alimama-creativeThis repository provides a 8-step distilled lora for FLUX.1-dev model released by AlimamaCreative Team. This checkpoint is a 8-step distilled Lora, trained based on FLUX.1-dev model. We use a multi-head discriminator to improve the distill quality. Our model can be used for T2I, inpainting controlnet and other FLUX related models. The recommended guidance_scale=3.5 and lora_scale=1. Our Lower steps version will release later. - With alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Beta. Our distilled lora can be well adapted to the Inpainting controlnet, and the accelerated generated effect can follow the original output well.
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 ↗This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the common_voice_albanian dataset. The following hyperparameters were used during training: - learning_rate: 0.0003 - train_batch_size: 16 - eval_batch_size: 8 - seed: 42 - gradient_accumulation_steps: 2 - total_train_batch_size: 32 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 - lr_scheduler_type: linear - lr_scheduler_warmup_steps: 500 - num_epochs: 30 - mixed_precision_training: Native AMP - Transformers 4.35.2 - Pytorch 2.1.0+cu118 - Datasets 2.14.7 - Tokenizers 0.15.0
翻訳待ち・原文を表示
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 ↗albert-japanese
ALINEAR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 ↗albert-japanese-v2
ALINEAR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 ↗flash-sqlite
AlioLeuchtmann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 ↗qwen-3.5-sql-27B-Distill-2B
AlioLeuchtmann**WE HAVE A NEW MODEL scoring 73.73 EX on the hidden BIRD test set** https://huggingface.co/AlioLeuchtmann/flash-sqlite The smallest model in the top tier of the BIRD single-model leaderboard A 2B-parameter text-to-SQL model that outperforms models over 500× its size on the official BIRD benchmark. Qwen3.5-2B fine-tuned for SQLite text-to-SQL through execution-verified structured chain-of-thought distillation from a Qwen 27B teacher. Evaluated officially by the BIRD team on the hidden test set.
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 ↗small100
alirezamshSMaLL-100 is a compact and fast massively multilingual machine translation model covering more than 10K language pairs, that achieves competitive results with M2M-100 while being much smaller and faster. It is introduced in this paper(accepted to EMNLP2022), and initially released in this repository. The model architecture and config are the same as M2M-100 implementation, but the tokenizer is modified to adjust language codes. So, you should load the tokenizer locally from tokenization_small100.py file for the moment. Afrikaans (af), Amharic (am), Arabic (ar), Asturian (ast), Azerbaijani (az), Bashkir (ba), Belarusian (be), Bulgarian (bg), Bengali (bn), Breton (br), Bosnian (bs), Catalan; Valencian (ca), Cebuano (ceb), Czech (cs), Welsh (cy), Danish (da), German (de), Greeek (el), English (en), Spanish (es), Estonian (et), Persian (fa), Fulah (ff), Finnish (fi), French (fr), Western Frisian (fy), Irish (ga), Gaelic; Scottish Gaelic (gd), Galician (gl), Gujarati (gu), Hausa (ha), Hebrew (he), Hindi (hi), Croatian (hr), Haitian; Haitian Creole (ht), Hungarian (hu), Armenian (hy), Indonesian (id), Igbo (ig), Iloko (ilo), Icelandic (is), Italian (it), Japanese (ja), Javanese (jv), Georgian (ka), Kazakh (kk), Central Khmer (km), Kannada (kn), Korean (ko), Luxembourgish; Letzeburgesch (lb), Ganda (lg), Lingala (ln), Lao (lo), Lithuanian (lt), Latvian (lv), Malagasy (mg), Macedonian (mk), Malayalam (ml), Mongolian (mn), Marathi (mr), Malay (ms), Burmese (my), Nepali (ne), Dutch; Flemish (nl), Norwegian (no), Northern Sotho (ns), Occitan (post 1500) (oc), Oriya (or), Panjabi; Punjabi (pa), Polish (pl), Pushto; Pashto (ps), Portuguese (pt), Romanian; Moldavian; Moldovan (ro), Russian (ru), Sindhi (sd), Sinhala; Sinhalese (si), Slovak (sk), Slovenian (sl), Somali (so), Albanian (sq), Serbian (sr), Swati (ss), Sundanese (su), Swedish (sv), Swahili (sw), Tamil (ta), Thai (th), Tagalog (tl), Tswana (tn), Turkish (tr), Ukrainian (uk), Urdu (ur), Uzbek (uz), Vietnamese (vi), Wolof (wo), Xhosa (xh), Yiddish (yi), Yoruba (yo), Chinese (zh), Zulu (zu)
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 ↗roberta-large-wanli
alisawuffles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 ↗rm-seed-42-harmfulness-flipped-05
AlisonWenNCTU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 ↗BFS-Best-Face-Swap
AlissonerdxBFS is a collection of LoRAs for face, head, and body replacement across Qwen Image 2.1, Qwen Image Edit 2509/2511, Flux 2 Klein, Krea 2, and experimental LTX-2 workflows. Each release has its own base-model, input-order, prompt, and workflow contract. Use the guide for the exact version you are loading. - BFS Head V1 / V1.1 for Qwen Image 2.1 - BFS Body Swap V1.0 for Qwen Image 2.1 - Qwen Image Edit 2509/2511 - Flux 2 Klein - Krea 2 - Experimental LTX-2 weights - Use the LoRA with its matching base model whenever possible. - Follow the input order in the version guide; several BFS head releases intentionally use body first and reference face second. - Start at LoRA strength `1.0`, then adjust for the base model, resolution, and reference image. - The examples and workflows in this repository are demonstrations, not a guarantee of identical results on every image. - Do not use or share results involving public figures or people who have not given consent.
翻訳待ち・原文を表示
入力 画像→ 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 ↗BFS-Best-Face-Swap-Video
Alissonerdx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 ↗CustomLightning
Alissonerdx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 ↗EditAnything
Alissonerdx> **Heads up.** These LoRAs are research experiments. They are far from > production-ready and will fail on many inputs. They are released for the > community to play with and break, not as a finished tool. 0. **Edit Anything v2 for LTX-2.5** — the current one, a plain instruction-editing IC-LoRA. Start here. *(built on LTX-2.5 22B)* 1. **Edit Anything v0.1 — motion transfer LoRA** (two ranks). *(LTX-2.3)* 2. **Edit Anything — no-reference multitask LoRA** (rank 256, prompt-driven only). *(LTX-2.3)* 3. **Reference video-to-video (Ref V2V) — experimental IC-LoRA + sidecar modules** (two builds). *(LTX-2.3)* Tracks 1-3 are **LTX-2.3** and are kept for reference. Track 0 is **LTX-2.5** and is the one being worked on.
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 ↗flux.1-dev-SRPO-LoRas
AlissonerdxThese LoRAs were extracted from **three sources**: - the original SRPO (Flux.1-Dev): tencent/SRPO - community checkpoint: rockerBOO/flux.1-dev-SRPO - community checkpoint (quantized/refined): wikeeyang/SRPO-Refine-Quantized-v1.0 They are designed to provide modular, lightweight adaptations you can mix with other LoRAs, reducing storage and enabling fast experimentation across ranks (8, 16, 32, 64, 128). Notes: - The Loras version for Nunchaku was converted using the official Nunchaku conversion tool but it is something experimental I still need to test and analyze the results, I do not recommend using it for now it is only for testing. - These loras allow you to use the quality of SRPO using the official flux dev as a base, without the need to use the base flux SRPO, that is, in my opinion, it is not very advantageous to use any of these loras + flux SRPO as a base, unless you want to apply the quality of, for example, SRPO RockerBOO in the base flux SRPO model. - The version I recommend is RockerBOO but I advise you to test the others, because the original version will give you different results than the other versions. - According to some reports it seems to work well with Flux Krea, the report was with rank 256, I haven't tested it yet to confirm.
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 ↗LTX-LoRAs
AlissonerdxThese LoRAs may cover different use cases over time, so this repository is not limited to inpainting only. These inpainting LoRAs were trained with a specific guide and mask setup, so input preparation during inference is important. After that, you need to use the **`LTXVAddGuideMulti`** node to pass the guide video into the 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 ↗Minimax-H3-ComfyUI
AlissonerdxExperimental LoRAs for MiniMax H3, packaged for ComfyUI and tested mainly with the `ref2va` weights. These are research models, not finished tools. Results vary substantially with the source clip, resolution, prompt and reference images. **Training adapter V2.** The Motion Transfer LoRAs were trained on top of ostris' training adapter V2 (`minimax_h3_ref2va_training_adapter_v2.safetensors`) kept frozen. They usually work without it, but loading the adapter first (strength 1) and the motion LoRA after it reproduces the training conditions; compare both on your clips.
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 ↗gemma-4-26B-A4B-it-DFlash-GGUF-llama.cpp
Alittlehammmer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 ↗gemma-4-31B-it-DFlash-GGUF-llama.cpp
Alittlehammmer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 ↗Qwen3.6-27B-DFlash-GGUF-llama.cpp
AlittlehammmerGGUF quantizations of z-lab/Qwen3.6-27B-DFlash. Converted to BF16 using `convert_hf_to_gguf.py`, then quantized using `llama-quantize` from llama.cpp. Use in conjunction with existing Qwen3.6 Quants, example `config` if using `llama-server`:
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 ↗Qwen3.6-35B-A3B-DFlash-GGUF-llama.cpp
AlittlehammmerGGUF quantizations of z-lab/Qwen3.6-35B-A3B-DFlash. Converted to BF16 using `convert_hf_to_gguf.py`, then quantized using `llama-quantize` from llama.cpp. Use in conjunction with existing Qwen3.6 Quants, example `config` if using `llama-server`:
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。