Qwen3.6-27Bcmf
infosave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 ↗DISCOVER & COMPARE
AIモデルを探す 84999
Qwen3.6-35B-A3B-Escha-W2cmf
infosave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 ↗Qwen3.6-35B-A3Bcmf
infosave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 ↗Qwen3.8-27B-cmf
infosaveQwen3.8-27B (48 GatedDeltaNet linear-attention layers + 16 full-attention layers, 262k context, thinking mode) packaged as a single CMF file. It runs with `cortiq`, a Rust inference engine with no Python and no ML framework: NVIDIA, AMD and Intel GPUs through Vulkan/DX12, Apple silicon through Metal, and the CPU. Use cortiq 0.8.15 or later for fast prompt processing; prebuilt binaries for Linux, macOS and Windows are on the releases page. The engine picks the GPU and its settings itself. `--no-think` asks for a direct answer; without it the model reasons first, so raise `--max-tokens` (default 256). The 4-bit files are quantized directly from the bf16 checkpoint. Perplexity: twelve 512-token windows of wikitext-2.
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 ↗Qwen3.8-Flash-Next-cmf
infosaveQwen3.8-Flash-Next — a 125B hybrid mixture-of-experts model, 6B active per token (36 Gated DeltaNet + 12 sparse-attention layers, 512 experts per layer, 51B n-gram table, 262k context, thinking mode) — as CMF files, text only. It runs with `cortiq`, a Rust engine with no Python. Experts stream from the memory-mapped file as tokens need them, so the default 77 GB file runs on one GPU (measured from a 12 GB VRAM budget up to a whole 32 GB card) with the rest in system RAM. **RTX 3090 (24 GB), cortiq 0.8.15: 49.1 tok/s decode; first token after a 1,000-token prompt in 9.9 s.** RTX 5090 (cortiq 0.8.8): 81.7 tok/s, 108.6 with speculative decoding. Use cortiq 0.8.15 or later (prebuilt binaries). Without `--no-think` the model reasons first; raise `--max-tokens` (default 256). Each `cortiq run` loads the model again (10–30 s to the first token); for chat, keep it loaded with `cortiq serve`.
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 ↗Spark-X2.5-cmf
infosaveSpark-X2.5-4B and Spark-X2.5-1.7B (hybrid attention: three 512-token sliding-window layers per full layer, 1M-token context, thinking mode, tool calling, 200+ languages) packaged as single CMF files. They run with `cortiq`, a Rust inference engine with no Python and no ML framework: NVIDIA, AMD and Intel GPUs through Vulkan/DX12, Apple silicon through Metal, and the CPU. Use cortiq 0.8.12 or later; prebuilt binaries for Linux, macOS and Windows are on the releases page. The engine picks the GPU and its settings itself. `--no-think` asks for a direct answer; without it the model reasons in a ` ` block first, so raise `--max-tokens` (default 256). All files are quantized from the bf16 checkpoints. Perplexity: the first 4096 tokens of wikitext-2 test with the BOS token in front; the unquantized models score 10.61 (4B) and 14.49 (1.7B; transformers in float32 gives the same 14.49). Spark is sensitive to 4-bit attention and down projections, so only gate/up are 4-bit in the compact files.
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 ↗Spark-X2.6-4B-cmf
infosave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 ↗Ternary-Bonsai-2-27B-cmf
infosave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 ↗soc-triage-nemotron-bolt-e4b-lora-gguf
infosecn1nja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 ↗NT-Java-1.1B-GGUF
InfosysEnterpriseGGUF, introduced by the llama.cpp team on August 21st, 2023, is a new format designed to replace the outdated GGML, which is no longer maintained by llama.cpp. GGUF boasts several improvements over GGML, such as enhanced tokenization, support for special tokens, and metadata capabilities. It is also designed with extensibility in mind. The NT-Java-1.1B GGUFs are supported by llama.cpp and are compatible with a range of third-party user interfaces and libraries. For a detailed list, please refer to the beginning of this README. **Note**: the above RAM figures assume no GPU offloading. If layers are offloaded to the GPU, this will reduce RAM usage and use VRAM instead.
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 ↗InfoVis
InfoVis**InfoVis** is a unified 9B model for slide image generation and editing, fine-tuned from FLUX.2-klein-base-9B. One model handles text-to-slide generation, template-conditioned generation, multi-image grounded generation, and instruction-based slide editing. This repository contains the InfoVis transformer in diffusers format. The text encoder (Qwen3) and the VAE are loaded from the base model. Try InfoVis in the browser in the demo Space, or run it locally with the inference script from our code repository:
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 ↗modelo-ajustado-sena
inghggw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 ↗vit-frijol
inghggw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 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 ↗qwen-image-2512-fp8-scaled-comfyui
ingtellect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 ↗Swift1.5-Qwen3.8-Flash-Next-Sushi-2.6bpw
initialed85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 ↗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 ↗f5-shan-tts-model
innkl24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 ↗InnoSpark3.0-397B-q8
innospark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。
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 ↗eedgym-ckpts
inq-android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 ↗LongCat-Flash-Lite-GGUF
InquiringMinds-AI> **Custom fork required.** This model uses a novel architecture (MLA + MoE with identity experts + N-gram embeddings) that is not supported by upstream llama.cpp. You must build from the `longcat-flash-ngram` branch of the linked fork. LongCat-Flash-Lite is a 68.5B parameter Mixture-of-Experts language model from Meituan, with only 3–4.5B parameters activated per token. It combines three architectural innovations that make it unusually efficient: Two upstream llama.cpp PRs attempted to add this architecture: - PR #19167 (ngxson) — N-gram embedding support, blocked by base model not yet being supported - PR #19182 (ngxson) — LongCat-Flash base architecture, abandoned after maintainers deemed identity experts too complex
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 ↗BgGPT-7B-Instruct-v0.2
INSAIT-Institute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 ↗BgGPT-Gemma-2-9B-IT-v1.0-GGUF
INSAIT-Institute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 ↗BgGPT-Gemma-3-12B-IT-GGUF
INSAIT-Institute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。