google_gemma-4-E4B-it-GGUF
indiansatoshi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 ↗DISCOVER & COMPARE
AIモデルを探す 84999
bert-base-cantonese
indiejoseph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 ↗indobart-v2
indobenchmark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 ↗indobert-base-p1
indobenchmarkIndoBERT was trained and evaluated by Bryan Wilie\*, Karissa Vincentio\*, Genta Indra Winata\*, Samuel Cahyawijaya\*, Xiaohong Li, Zhi Yuan Lim, Sidik Soleman, Rahmad Mahendra, Pascale Fung, Syafri Bahar, Ayu Purwarianti.
翻訳待ち・原文を表示
入力 テキスト→ 出力 埋め込み
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 ↗indobert-base-p2
indobenchmarkIndoBERT was trained and evaluated by Bryan Wilie\*, Karissa Vincentio\*, Genta Indra Winata\*, Samuel Cahyawijaya\*, Xiaohong Li, Zhi Yuan Lim, Sidik Soleman, Rahmad Mahendra, Pascale Fung, Syafri Bahar, Ayu Purwarianti.
翻訳待ち・原文を表示
入力 テキスト→ 出力 埋め込み
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 ↗indobert-large-p1
indobenchmarkIndoBERT is a state-of-the-art language model for Indonesian based on the BERT model. The pretrained model is trained using a masked language modeling (MLM) objective and next sentence prediction (NSP) objective. IndoBERT was trained and evaluated by Bryan Wilie\*, Karissa Vincentio\*, Genta Indra Winata\*, Samuel Cahyawijaya\*, Xiaohong Li, Zhi Yuan Lim, Sidik Soleman, Rahmad Mahendra, Pascale Fung, Syafri Bahar, Ayu Purwarianti.
翻訳待ち・原文を表示
入力 テキスト→ 出力 埋め込み
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 ↗indobert-large-p2
indobenchmarkIndoBERT is a state-of-the-art language model for Indonesian based on the BERT model. The pretrained model is trained using a masked language modeling (MLM) objective and next sentence prediction (NSP) objective. IndoBERT was trained and evaluated by Bryan Wilie\*, Karissa Vincentio\*, Genta Indra Winata\*, Samuel Cahyawijaya\*, Xiaohong Li, Zhi Yuan Lim, Sidik Soleman, Rahmad Mahendra, Pascale Fung, Syafri Bahar, Ayu Purwarianti.
翻訳待ち・原文を表示
入力 テキスト→ 出力 埋め込み
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 ↗indobert-lite-base-p1
indobenchmark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 埋め込み
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 ↗indobert-base-uncased
indolemWe trained the model for 2.4M steps (180 epochs) with the final perplexity over the development set being 3.97 (similar to English BERT-base). This IndoBERT was used to examine IndoLEM - an Indonesian benchmark that comprises of seven tasks for the Indonesian language, spanning morpho-syntax, semantics, and discourse. The paper is published at the 28th COLING 2020. Please refer to https://indolem.github.io for more details about the benchmarks.
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 ↗indobertweet-base-uncased
indolemFajri Koto, Jey Han Lau, and Timothy Baldwin. _IndoBERTweet: A Pretrained Language Model for Indonesian Twitter with Effective Domain-Specific Vocabulary Initialization_. In Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing (**EMNLP 2021**), Dominican Republic (virtual). In this paper, we show that initializing domain-specific vocabulary with average-pooling of BERT subword embeddings is more efficient than pretraining from scratch, and more effective than initializing based on word2vec projections. We crawl Indonesian tweets over a 1-year period using the official Twitter API, from December 2019 to December 2020, with 60 keywords covering 4 main topics: economy, health, education, and government. We obtain in total of **409M word tokens**, two times larger than the training data used to pretrain IndoBERT. Due to Twitter policy, this pretraining data will not be released to public.
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 ↗gpt2
indonesian-nlp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 ↗wav2vec2-indonesian-javanese-sundanese
indonesian-nlpThis is the model built for the project Multilingual Speech Recognition for Indonesian Languages. It is a fine-tuned facebook/wav2vec2-large-xlsr-53 model on the Indonesian Common Voice dataset, High-quality TTS data for Javanese - SLR41, and High-quality TTS data for Sundanese - SLR44 datasets. We also provide a live demo to test the model. The model can be evaluated as follows on the Indonesian test data of Common Voice.
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 ↗wav2vec2-large-xlsr-indonesian
indonesian-nlpThis is the model for Wav2Vec2-Large-XLSR-Indonesian, a fine-tuned facebook/wav2vec2-large-xlsr-53 model on the Indonesian Common Voice dataset. When using this model, make sure that your speech input is sampled at 16kHz. The model can be evaluated as follows on the Indonesian test data of Common Voice. The Common Voice `train`, `validation`, and synthetic voice datasets were used for training.
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 ↗DeepSeek-V4.1-Flash-1017-XQ-Uncensored
IndrasMirror**A 552B-parameter MoE running on one gaming PC: RTX 4090 (24 GB) + 90 GB RAM + NVMe** Runs on **Xolotl** (formerly Strata-DSV4.1), an engine built for exactly this model and this class of machine, on top of Strata. **Builds:** **V4** (`v4/`, 163 GB, recommended) · V3 (`v3/`, 163 GB) · V2 (`v2/`, 152 GB)
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 ↗DeepSeek-V4.1-Flash-GSQ-Uncensored
IndrasMirrorRuns on **Xolotl** (formerly Strata-DSV4.1), an engine built for exactly this model and this class of machine, on top of Strata. > **Update 2026-10-17:** the engine is now **Xolotl** (Strata-DSV4.1 renamed; > old links redirect) - one tree that also serves GLM-5.3-Flash and the Qwen3.8 models. Measured through the server > with thinking on (32K budget): **HumanEval 21/21, tool calls 10/10, agentic 3/3, decode 26.8 tok/s**. Agent turns got > cheaper: small-turn prefill -12% (bit-identical logits) and a **conversation-adaptive expert arena** (on by default) > that moves the conversation's NVMe experts into RAM between turns: -21..-30% NVMe reads, a +180-token turn on a 6K > context 8.5 -> 7.6 s. Build with `build-xolotl` (below). > **Update 2026-10-15:** the engine's defaults are now the **coding-safe route bias ×0.5** (HumanEval 20/21 and tool calls > 10/10, vs 16/21 at the old full bias) with DSpark speculative decoding **in the server** (exact speculative sampling), > a confidence-gated verify (prose 9.5 → 17.3, code 18.8 → 25.5, python 26.6 → 29.1 tok/s), a **bit-exact 4-bit KV cache** > (`--kv-fp4`, +1.1 GiB VRAM at 512K) and ~2× faster conversational turns (+1000-token turn 40 → 20 s at 512K). > Details: the repo README "Latest".
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 ↗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 ↗ponyRealism_v22MainVAE
Ine007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 ↗ponyRealism_V23ULTRA
Ine007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 ↗waiIllustriousSDXL_v160
Ine007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 ↗waiNSFWIllustrious_v100
Ine007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 ↗waiNSFWIllustrious_v140
Ine007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 ↗WhisperLv3-FT
inesc-id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。
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 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。