Jais-ASR
IFM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 ↗DISCOVER & COMPARE
AIモデルを探す 84999
Jais-ASR-FP8
IFM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 ↗K2
IFM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 ↗K2-Horizon-0.9B is the compact dense member of the K2-Horizon family: a 0.9B-class decoder-only model with a 128K context window. The chart at the top of this card shows K2-Horizon-0.9B against selected reference models. The table below lists every comparison model used in the figure. Reference models K2-Horizon-0.9B Qwen3.5-0.8B OpenBMB-1B Qwen3.5-2B # Params 0.9B 0.8B 1B 2B # Activated params 0.9B 0.8B 1B 2B Architecture Dense Dense Dense Dense Math AIME 2025 Competition mathematics 41.7 1.0 40.4 34.2 AIME 2026 Competition mathematics 48.5 0.2 40.4 38.8 HMMT Feb 2026 Competition mathematics 25.8 0.6 23.3 22.7 Scientific Reasoning GPQA Diamond Graduate-level science QA 27.3 11.9 26.3 54.9 Coding HumanEval+ Code generation 79.9 16.5 65.2 75.6 MBPP+ Code generation 68.0 35.4 60.6 67.7 LiveCodeBench v6 Competitive coding 37.4 6.6 33.5 29.8 Agents BFCL v4 Function calling 28.0 25.3 25.2 43.6
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 ↗> [!NOTE] > This repository contains GGUF versions of the IFM/K2-Horizon-0.9B for use with `llama.cpp`. > > Multiple precision and quantization variants are available, including `BF16`, `Q8_0`, `Q6_K`, `Q5_K_M`, `Q5_0`, and `Q4_K_M`. All GGUF files include tokenizer metadata and a llama.cpp-compatible chat template. > [!WARNING] > **💡 Important Deployment Notes:** These models require a version of `llama.cpp` containing K2 Horizon architecture support. Mainline support merged in release b11454. K2-Horizon-0.9B is the compact dense member of the K2-Horizon family: a 0.9B-class decoder-only model with a 128K context window.
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 ↗K2-Horizon-3.7B is the small dense member of the K2-Horizon family: a 3.7B-core decoder-only model with a 512K context window. - **Strong small-model baseline.** A dense model evaluated on the same agentic, coding, and reasoning benchmarks as the rest of the family. - **512K context.** Native 524,288-token context from the midtraining stages onward. - **Intermediate checkpoints.** Intermediate checkpoints are released so capability changes can be studied across training rather than at a single checkpoint. - **Fully open.** Training data and recipe, training code, and evaluation resources are public. The chart at the top of this card shows K2-Horizon-3.7B against selected reference models. The table below lists every comparison model used in the figure.
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 ↗> [!NOTE] > This repository contains GGUF versions of the IFM/K2-Horizon-3.7B for use with `llama.cpp`. > > Multiple precision and quantization variants are available, including `BF16`, `Q8_0`, `Q6_K`, `Q5_K_M`, `Q5_0`, and `Q4_K_M`. All GGUF files include tokenizer metadata and a llama.cpp-compatible chat template. > [!WARNING] > **💡 Important Deployment Notes:** These models require a version of `llama.cpp` containing K2 Horizon architecture support. Mainline support merged in release b11454. K2-Horizon-3.7B is the small dense member of the K2-Horizon family: a 3.7B-core decoder-only model with a 512K context window.
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 ↗K2-Horizon-32B is the large dense member of the K2-Horizon family: a 32B decoder-only model with a 512K context window. Open-weight dense models K2-Horizon-32B Qwen3.8-27B Muse Glimmer-30B IBM Granite 4.2 30B # Params 32B 27B 30B 30B # Activated params 32B 27B 30B 30B Architecture Dense Dense Dense Dense Agents tau3-Banking Agentic tool use 24.1 48.0 23.5 14.4 Coding Terminal-Bench 2.1 Agentic terminal use 62.6 79.8 51.7 26.6 SciCode Scientific coding 37.9 44.7 43.6 36.6 Scientific Reasoning Humanity's Last Exam (without tools) Expert-level reasoning 25.2 33.9 22.0 11.2 GPQA Diamond Graduate-level science QA 82.8 90.5 83.5 64.4 CritPt Frontier physics reasoning 2.9 5.4 2.6 0.3 General AA-LCR Long-context reasoning 68.0 77.3 80.0 46.7 AA-Omniscience Accuracy Factual accuracy 18.2 15.6 27.0 10.1 AA-Omniscience Non-Hallucination Non-hallucination rate 69.7 69.7 18.1 74.4 Scores in %. Bold marks the best score in each row. Sections follow the Artificial Analysis Intelligence Index categories. Baseline scores are from Artificial Analysis; Muse Glimmer-30B at high reasoning effort, other open models in their reasoning mode.
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。
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。
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→ 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 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→ 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-7B is the medium dense member of the K2-Horizon family: a 7B-core decoder-only model with a 512K context window. - **Strong dense baseline.** A 7B-class dense model evaluated across agentic, coding, long-context, and reasoning benchmarks. - **512K context.** Native 524,288-token context from the midtraining stages onward. - **Diffusion Adapters.** For faster inference (HF). - **Intermediate checkpoints.** Intermediate checkpoints are released so capability changes can be studied across training rather than at a single checkpoint. - **Fully open.** Training data and recipe, training code, and evaluation resources are public. The chart at the top of this card shows K2-Horizon-7B against selected reference models. The table below lists every comparison model used in the figure.
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→ 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 ↗> [!NOTE] > This repository contains GGUF versions of the IFM/K2-Horizon-7B for use with `llama.cpp`. > > Multiple precision and quantization variants are available, including `BF16`, `Q8_0`, `Q6_K`, `Q5_K_M`, `Q5_0`, and `Q4_K_M`. All GGUF files include tokenizer metadata and a llama.cpp-compatible chat template. > [!WARNING] > **💡 Important Deployment Notes:** These models require a version of `llama.cpp` containing K2 Horizon architecture support. Mainline support merged in release b11454. K2-Horizon-7B is the medium dense member of the K2-Horizon family: a 7B-core decoder-only model with a 512K context window.
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 ↗K2-Horizon-MoVA-36B-A4B is the sparse member of the K2-Horizon family: a Mixture-of-Experts model with Mixture-of-Values attention (MoVA) that stores 36B parameters and runs 4B per token. We have released the checkpoints, along with the data and the training code. Open-weight models K2-Horizon-MoVA-36B-A4B Nemotron 3 Ultra Nemotron 3 Super G9v3-39A5B Qwen3.6-35B-A3B Muse Glimmer-30B Gemma 4 31B-it # Params 36B 550B 120B 39B 35B 30B 31B # Activated params 4B 55B 12B 5B 3B 30B 31B Architecture MoE MoE MoE MoE MoE Dense Dense Agents tau3-Banking Agentic tool use 26.8 14.2 10.3 22.1 9.3 23.5 14.8 Coding Terminal-Bench 2.1 Agentic terminal use 58.6 53.9 38.6 32.6 44.9 51.7 43.4 SciCode Scientific coding 38.9 39.9 36.0 34.0 35.8 43.6 43.4 Scientific Reasoning Humanity's Last Exam (without tools) Expert-level reasoning 25.2 28.4 20.8 17.5 22.2 22.0 23.6 GPQA Diamond Graduate-level science QA 80.8 86.7 80.0 80.5 84.1 83.5 85.7 CritPt Frontier physics reasoning 2.1 3.1 3.1 0.3 0.3 2.6 1.4 General AA-LCR Long-context reasoning 66.3 71.0 60.3 62.0 66.7 80.0 68.3 AA-Omniscience Accuracy Factual accuracy 18.8 22.6 24.3 14.9 18.8 27.0 20.0 AA-Omniscience Non-Hallucination Non-hallucination rate 69.2 70.3 13.0 87.0 49.5 18.1 15.0 Scores in %. Bold marks the best score in each row. Sections follow the Artificial Analysis Intelligence Index categories. Baseline scores are from Artificial Analysis; Muse Glimmer-30B at high reasoning effort, all other open models in their reasoning mode.
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→ 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 ↗> [!NOTE] > This repository contains GGUF versions of the IFM/K2-Horizon-MoVA-36B-A4B for use with `llama.cpp`. > > Multiple precision and quantization variants are available, including `BF16`, `Q8_0`, `Q6_K`, `Q5_K_M`, `Q5_0`, and `Q4_K_M`. All GGUF files include tokenizer metadata and a llama.cpp-compatible chat template. > [!WARNING] > **💡 Important Deployment Notes:** These models require a version of `llama.cpp` containing K2 Horizon architecture support. Mainline support merged in release b11454. K2-Horizon-MoVA-36B-A4B is the sparse member of the K2-Horizon family: a Mixture-of-Experts model with Mixture-of-Values attention (MoVA) that stores 36B parameters and runs 4B per token. We have released the final checkpoint; intermediate checkpoints, along with the data and the training code, will be released.
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 ↗K2-Think
IFM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 ↗K2-Think-V2
IFM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 ↗K2-Type-0.9B
IFM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 ↗K2-V2
IFM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 ↗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。