Hemmingway-1-GGUF
darrellbest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 · 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 10
Hemmingway-1-Heretic-GGUF
darrellbest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 ↗Qwen-Image-2.1-PE-I2I-Heretic-GGUF
darrellbestGGUF builds of darrellbest/Qwen-Image-2.1-PE-I2I-Heretic, the refusal-ablated image-editing prompt rewriter: it reads the image you are editing and turns a short instruction into a detailed edit prompt. For **llama.cpp** and **Ollama**, including machines with no CUDA GPU and ARM machines such as the DGX Spark. > **Not affiliated with or endorsed by Alibaba / Qwen.** Derived from > `Qwen/Qwen-Image-2.1-PE-I2I` under the **Qwen Research > License** (copy included). **Non-commercial use only.** **`system_prompt.txt` is included and required.** It defines the output contract, and the model is useless without it.
翻訳待ち・原文を表示
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 ↗Qwen-Image-2.1-PE-T2I-Heretic-GGUF
darrellbestGGUF builds of darrellbest/Qwen-Image-2.1-PE-T2I-Heretic, the refusal-ablated text-to-image prompt rewriter: it turns a short request into a detailed prompt plus a recommended aspect ratio. For **llama.cpp** and **Ollama**, including machines with no CUDA GPU and ARM machines such as the DGX Spark. > **Not affiliated with or endorsed by Alibaba / Qwen.** Derived from > `Qwen/Qwen-Image-2.1-PE-T2I` under the **Qwen Research > License** (copy included). **Non-commercial use only.** **`system_prompt.txt` is included and required.** It defines the output contract, and the model is useless without it.
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 ↗Qwen-Image-2.1-Text-Encoder-GGUF
darrellbestGGUF builds of the text encoder shipped in Qwen/Qwen-Image-2.1 (`text_encoder/`). That encoder is stock Qwen/Qwen3-VL-8B-Instruct: all 750 tensors match in name, shape and dtype, and every sampled tensor is byte-identical. So these files also work as a general Qwen3-VL-8B-Instruct GGUF. **Q6_K and Q4_K_M are not stock recipes.** Plain Q6_K visibly garbled rendered text, so both use: - an importance matrix computed on ~1500 real image prompts wrapped in the pipeline's own encoder template (`llama-imatrix --parse-special`); - the last 4 decoder layers (32-35) kept at Q8_0, because the pipeline reads the last layer's output directly; - token embeddings at Q8_0. **Recommendation:** Q8_0 if it fits. Q6_K is the smallest build that rendered text correctly in testing. Q4_K_M is usable, but at the same seed it changes composition and can misspell rendered text.
翻訳待ち・原文を表示
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 ↗Qwen3.5-2B-Heretic-GGUF
darrellbest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 ↗Qwen3.5-4B-Heretic-GGUF
darrellbestGGUF builds of darrellbest/Qwen3.5-4B-Heretic. Qwen/Qwen3.5-4B with its refusal behaviour removed by Heretic using full-weight Arbitrary-Rank Ablation: **6/100 refusals** (original: 99/100) at **KL divergence 0.0220**. See the main repository for how it was made and measured. Converted from the bf16 safetensors with llama.cpp's `convert_hf_to_gguf.py` and quantized with `llama-quantize` (no imatrix). The mmproj file carries the vision encoder; load it alongside any of the three for image input. Every file was loaded in `llama-server` with the mmproj and in Ollama. All three answered ordinary prompts correctly (BF16 and Q8_0 reproduce each other word for word), described a test image (a red circle and a blue square) correctly, and in Ollama answered 17 x 23 = 391 with thinking off. Thinking-mode reasoning, 4 arithmetic and word problems x 10 seeds with Qwen's recommended sampling: BF16 39/40, Q8_0 40/40, Q4_K_M 40/40 finished and correct (the original model in vLLM: 40/40).
翻訳待ち・原文を表示
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 ↗Qwen3.5-9B-Heretic-GGUF
darrellbestGGUF builds of darrellbest/Qwen3.5-9B-Heretic. Qwen/Qwen3.5-9B with its refusal behaviour removed by Heretic using full-weight Arbitrary-Rank Ablation: **5/100 refusals** (original: 100/100) at **KL divergence 0.0403**. See the main repository for how it was made and measured. Converted from the bf16 safetensors with llama.cpp's `convert_hf_to_gguf.py` and quantized with `llama-quantize` (no imatrix). The mmproj file carries the vision encoder; load it alongside any of the three for image input. Every file was loaded in `llama-server` with the mmproj and in Ollama. All three answered ordinary prompts correctly, described a test image (a red circle and a blue square) correctly, and in Ollama answered 17 x 23 = 391 with thinking off. Thinking-mode reasoning, 4 arithmetic and word problems x 10 seeds with Qwen's recommended sampling: BF16 39/40, Q8_0 37/40, Q4_K_M 35/40 finished and correct (the original model in vLLM: 40/40); the misses ran out of the 4,000-token budget rather than answering wrongly.
翻訳待ち・原文を表示
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 ↗Qwen3.8-27B-Heretic
darrellbest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 ↗Qwen3.8-27B-Heretic-GGUF
darrellbestGGUF builds of darrellbest/Qwen3.8-27B-Heretic: Qwen3.8-27B with its refusal behaviour removed (0/100 refusals vs 98/100 for the original, KL divergence 0.0465). The three model files are text-only: this is a vision-language model, and llama.cpp keeps the vision encoder in the separate `mmproj` file. Add it only if you want to send images. The included `Modelfile` sets `RENDERER qwen3.8` and `PARSER qwen3.5`, Ollama's built-in support for this architecture. They matter: without them the model's reasoning text ends up inside the answer, and generation was measured about half as fast (9.5 vs 18.8 tokens/s on an RTX PRO 6000 with Q4_K_M).
翻訳待ち・原文を表示
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。