This is a DELLA merge of the following finetuned & post-trained models: | Model Repo | Purpose | | --- | --- | | EryriLabs/Ornith-1.5-35B-A3B-BigBang-MTP-GGUF | The base model, for terminal use, coding, software architecture, planning. Also provides MTP support | | Kwaipilot/KAT-Coder-V2.5-Dev | Contributes efficient coding with fewer tokens over more languages | | Accio-Lab/occamy-1.0 | Contributes general agent abilities, also a semi-official finetune | | AllSpark-Research/CompoWorld | Also contributes general agent abilities, different strengths/weaknesses from occamy | The result is an intelligent and efficient hybrid model for coding, terminal agent work, planning, designing, and conversation. Although most of this model's weights were merged with with a method that drops weights, more sensitive tensors such as the router gates and shared experts, were protected by using a density of 1.0 and epsilon of 0.0 to disable sparsification.

翻訳待ち・原文を表示

テキスト生成

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 ↗

比較に追加出典・文書 ↗

Qwen3.8-Flash-Next-GSQ-RCO-IQ3_XXS-PLE-50pct

DarkKitsune

This model is ISTA-DASLab's GSQ-RCO IQ3_XXS quant of Qwen3.8-Flash-Next, but with the PLE (ngram) table pruned to 50% of its original parameters. This reduces the total size of the model further in return for an increase in perplexity. If using mmap without mlock, this probably won't make any noticable difference in VRAM usage, but with mmap *and* mlock (which boosts prefill speeds and lowers latency), there should be significantly less VRAM usage compared to the unpruned PLE table. The resulting model is ~61 GB (20% smaller than the original quant which is ~76GB), fitting nicely on 128 GB systems with ample room for the KV cache and other resources, even with mlock enabled. It is capable of chat, reasoning, basic tool calls & coding, but may stumble on more complex tasks. Compared to DarkKitsune/Qwen3.8-Flash-Next-UD-IQ3_XXS-PLE-25pct, this quant offers higher accuracy, and slightly higher performance.

翻訳待ち・原文を表示

テキスト生成

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 ↗

比較に追加出典・文書 ↗

COST EXPLORER

モデル選びに、費用の視点も。

コスト分析

月間トークン数を調整してAPI費用を比較。

月間入力トークン 10 M月間出力トークン 2 M1 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

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

選び方とよくある質問

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。

あなたに合う AIモデルを。

AIモデルを探す 5

LFM2.5-8B-A1B-Opus-Distil-Q5_K_M-imat-GGUF

Qwen3.5-9B-Polaris-HighIQ-INSTRUCT-Q4_K_M-GGUF

Qwen3.6-Candid-Coder-35B-A3B

Qwen3.6-Qworus-35B-A3B-V1-APEX-GGUF

Qwen3.8-Flash-Next-GSQ-RCO-IQ3_XXS-PLE-50pct

該当するモデルがありません

モデル選びに、費用の視点も。

モデルを理解して選ぶ

ニュースで知り、ツールで効率化、モデルで可能性を。