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 ↗DISCOVER & COMPARE
AIモデルを探す 84117
gemma4-comfyui-mcp
21world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 ↗Qwen3.5-2B-action
229nagibator229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 ↗Qwen3-VL-4B-Instruct-action
229nagibator229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 ↗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 ↗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 ↗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 ↗seethroughv0.0.1_marigold_nf4
24yearsoldA 4-bit NF4 quantisation of layerdifforg/seethroughv0.0.1_marigold for GPUs with less memory. The UNet and the text encoder are quantised with bitsandbytes (NF4, bfloat16 compute dtype). The VAE is unquantised and identical to the full model. It is used by `inference/scripts/inference_psd_quantized.py` (the default `--quant_mode nf4`), which needs `requirements-inference-bnb.txt`. Read our GitHub repository for usage and details. The See-through code is licensed under Apache-2.0. These weights are released under Apache-2.0 for our own contributions, and they also inherit the licences of the models they are derived from:
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 ↗seethroughv0.0.2_layerdiff3d_nf4
24yearsoldA 4-bit NF4 quantisation of layerdifforg/seethroughv0.0.2_layerdiff3d for GPUs with less memory. The UNet and both text encoders are quantised with bitsandbytes (NF4, bfloat16 compute dtype). The VAE and the transparent VAE are unquantised and identical to the full model. It is used by `inference/scripts/inference_psd_quantized.py` (the default `--quant_mode nf4`), which needs `requirements-inference-bnb.txt`. Read our GitHub repository for usage and details. The See-through code is licensed under Apache-2.0. These weights are released under Apache-2.0 for our own contributions, and they also inherit the licences of the models they are derived from:
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 ↗Qwen3.8-27B-GGUF
2531oupp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 ↗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 ↗160M-exp
294-288-pretrain-interactionFive 160M GPT-NeoX training runs on the separate M/C/G source pools in Dolma3-16B. `Clean`, `M500`, `C500`, `G500`, and `MCG500` are separate run directories under `runs/`. Each contains all existing `step-*.pt` checkpoints, including the final `step-122071.pt` after 16,000,090,112 tokens. Intermediate checkpoints are approximately 1B tokens apart, with additional scheduled steps. Standalone final weights are under `models/ /model.safetensors`, with a matching config and tokenizer in each run directory. Load one with `GPTNeoXForCausalLM.from_pretrained("294-288-pretrain-interaction/160M-exp", subfolder="models/Clean")` and the tokenizer from the same subfolder. Each `.pt` is a PyTorch training checkpoint containing `model`, optimizer, scheduler, rank RNG states, step, token count, and run/manifest/config hashes. The `.pt` files are **not** direct `from_pretrained` artifacts. For trusted checkpoints, load the `model` state dict into `GPTNeoXForCausalLM(GPTNeoXConfig.from_json_file("config.json"))`. Use the included `tokenizer/`. The `training/` directory contains the training and data code; `manifest.json` fixes the source mixture, event schedule, and seeds.
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 ↗Native NInfer v3 packages of RentedNoodle/Qwen3.8-27B-OrcaRouter-GSQ-RCO-IQ3_XXS-Uncensored. The IQ3_XXS trunk is preserved from the source GGUF rather than quantized again. Two artifacts are provided: a smaller MTP-only build and a build that also contains the Qwen3.8 DFlash2 draft. These are NInfer artifacts, not GGUF or Transformers checkpoints. They contain the text model and speculative-decoding components; the source repository's separate vision projector is **not** included. NInferEZ Manager 1.0.0 provides model downloads, hardware-aware profiles, an on-demand local API, logs and conversion in one Windows application. Its catalog presents both variants together. Use the MTP-only variant when memory matters most; use the larger variant when you want the embedded DFlash2 draft.
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。
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 ↗penflux
2ch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 ↗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 ↗ChatTTS
2Noise**We are also training larger-scale models and need computational power and data support. If you can provide assistance, please contact OPEN-SOURCE@2NOISE.COM. Thank you very much.** **For more usage examples, please refer to the example notebook, which includes parameters for finer control over the generated speech, such as specifying the speaker, adjusting speech speed, and adding laughter.** The information provided in this document is for academic purposes only. It is intended for educational and research use, and should not be used for any commercial or legal purposes. The authors do not guarantee the accuracy, completeness, or reliability of the information.
翻訳待ち・原文を表示
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 ↗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 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 ↗X-VLA-Libero
2toINF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 ↗X-VLA-Pt
2toINF**Paper:** *Zheng et al., 2025, “X-VLA: Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action Model”* (arXiv:2510.10274) Successful generalist **Vision-Language-Action (VLA)** models rely on effective training across diverse robotic platforms with large-scale, cross-embodiment, heterogeneous datasets. To facilitate and leverage the heterogeneity in rich robotic data sources, **X-VLA** introduces a **Soft Prompt approach** with minimally added parameters: we infuse prompt-learning concepts into cross-embodiment robot learning, introducing **separate sets of learnable embeddings** for each distinct embodiment. These embodiment-specific prompts empower VLA models to exploit cross-embodiment features effectively. Our architecture—**a clean, flow-matching-based VLA design relying exclusively on soft-prompted standard Transformers**—achieves superior scalability and simplicity.
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 ↗X-VLA-RoboTwin2
2toINF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 ↗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 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 ↗Qwen3.8-Flash-Next-REAP-288-MLX-Serve-4bit-MTP
30cmtonyfaker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 ↗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。