**VisionPsy-Nano-460M-Flash-GGUFs** provides GGUF weights of VisionPsy-Nano-460M-Flash for fast, fully on-device multimodal inference with our patched **llama.cpp** fork (not stock upstream). Flash is the **efficiency-optimized** sibling of VisionPsy-Nano-460M: same ~460M nanoVLM architecture, but it processes each image with **far fewer visual tokens (as few as 64 at 512x512)**, so it responds an order of magnitude faster on real phones while giving up only a small amount of accuracy. Unquantized **FP32** and **BF16 GGUFs** are included alongside a family of quantization formats, from near-lossless **8-bit** through a high-quality **5-bit** option down to ultra-compact **3-bit**. All sub-8-bit variants (except the legacy `Q4_0`) use **importance-matrix (imatrix) calibration**. If VisionPsy-Nano-460M-GGUF is our best-quality ~0.5B GGUF, **Flash-GGUF is the one you ship when time-to-first-token, battery, and RAM are the binding constraints.** > Each GGUF is a **vision-language** model: alongside the text weights (`*.gguf`) you also need the > multimodal projector (`mmproj-*.gguf`, the SigLIP2 vision encoder) to run image inputs. See > Usage.

翻訳待ち・原文を表示

画像質問応答

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 ↗

比較に追加出典・文書 ↗

VisionPsy-Nano-460M-GGUFs

qvac

**VisionPsy-Nano-460M-GGUFs** provides GGUF weights of VisionPsy-Nano-460M for fast, fully on-device multimodal inference with our patched **llama.cpp** fork (not stock upstream). Requires the patched llama.cpp. VisionPsy-Nano-460M is a compact (~460M parameter) vision-language model that **compares favourably with other models in its ~0.5B weight class on 16 of 17 public benchmarks**; these GGUF builds bring that quality to phones, tablets, and edge hardware. We release some **GGUF variants**, ranging from unquantized **FP32** and **BF16** references to lossless **8-bit**, high-quality **5-bit**, and ultra-compact **3-bit** formats. This range supports deployment across diverse hardware settings, from high-end workstations to resource-constrained on-device environments. All sub-8-bit variants (except the legacy Q4_0) use **importance-matrix (imatrix) calibration**, which consistently reduces quality degradation. > Each GGUF is a **vision-language** model: alongside the text weights (`*.gguf`) you also need the > multimodal projector (`mmproj-*.gguf`, the SigLIP2 vision encoder) to run image inputs. See > Usage.

翻訳待ち・原文を表示

画像質問応答

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 ↗

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 13

fabric-llm-finetune-bitnet

MedPsy-1.7B

MedPsy-4B

MedPsy-4B-GGUF

TranscribePsy-250M-EU-sub-gguf

TranslatePsy-AfriSLM-0.8B

TranslatePsy-AfriSLM-0.8B-Q4-GGUF

TranslatePsy-AfriSLM-0.8B-Q8-GGUF

TranslatePsy-AfriSLM-4B

VisionPsy-Nano-460M

VisionPsy-Nano-460M-Flash

VisionPsy-Nano-460M-Flash-GGUFs

VisionPsy-Nano-460M-GGUFs

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。