AI NEWS.ccAIが動く、未来が変わる
♡ 保存済み 0
AI NEWS・モデル情報能力を知り、根拠ある選択を。 ↗基本情報を先に収録・詳細を随時追加
THE AI MODEL DIRECTORY ここからモデルを探す

あなたに合う AIモデルを。

言語から画像、オープンウェイトからAPIまで。能力と実際の費用を比較。
次のアイデアに合うAIを見つけましょう。

人気の検索
85,003 件のモデル13202 社の提供元・公開者45 件の機能分類465件の比較可能な料金・30件の公開評価
Tテキスト生成▧画像生成▷動画生成⌘コード生成◖音声合成♫音楽生成⬡3Dモデリング▤文書分析
DISCOVER & COMPARE

AIモデルを探す 10

注目のモデルを見つける

**TL;DR:** abliterated Ornith-1.5-35B-A3B (MoE, 3B active) as a GGUF ladder (Q8_0, Q6_K, Q5_K_M, Q4_K_M + mmproj BF16); hard refusals reduced from 586/1120 to 20/1120 (NVFP4 sibling) with the Q4_K_M build measured at 43/1120 on the same 5-dataset cross-eval. Same abliterated master as the NVFP4 repo, converted with llama.cpp for local use. Built for security research, red-teaming and penetration-testing workflows; it will comply with requests a stock model refuses. Use responsibly. Note: the BF16 GGUF (71.1 GB) is not uploaded because Hugging Face rejects single files over 50 GB; use the Q8_0 file for near-BF16 quality or ask for a sharded BF16 upload.

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 ↗
出典・文書 ↗

**TL;DR:** abliterated Ornith-1.5-9B as a GGUF ladder (BF16, Q8_0, Q6_K, Q5_K_M, Q4_K_M + mmproj BF16); hard refusals reduced from 767/1120 to 20/1120 (NVFP4 sibling measurement) with the Q4_K_M build measured at 101/1120 on the same 5-dataset cross-eval. Same abliterated master as the NVFP4 repo, converted with llama.cpp for local and edge use. Built for security research, red-teaming and penetration-testing workflows; it will comply with requests a stock model refuses. Use responsibly. Effective refusal rate on 1120 harmful prompts across 5 datasets (temp 0, hard decline phrases in the first 25 words; naive keyword counts are inflated by compliant-with-disclaimer answers and are not the metric here). The NVFP4 column is the sibling repo's artifact, shown because the BF16 master it was measured on is identical; aggressive quantization visibly re-amplifies hedged declines (Q4 column).

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 ↗
出典・文書 ↗

**TL;DR:** abliterated Qwen3.8-27B as a GGUF ladder (Q8_0, Q6_K, Q5_K_M, Q4_K_M) plus a BF16 mmproj for the vision tower. Hard refusals on the 1120-prompt cross-eval: Q8_0 0/1120, Q4_K_M 0/1120 (BF16 master 0/1120, base model 804/1120). Built for security research, red-teaming and penetration-testing workflows; it will comply with requests a stock model refuses. Use responsibly. BF16 master: abliterated Qwen/Qwen3.8-27B with norm-preserving biprojection over 128 residual-writing matrices (pipeline in the master repository). Conversion: `convert_hf_to_gguf.py` (BF16 plus mmproj), quantization: `llama-quantize`. Validation: served with llama.cpp and re-evaluated on the house cross-eval before upload. Abliteration, conversion, quantization and validation by **Robert Ressl** (Hugging Face - Website - LinkedIn).

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 ↗
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。

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

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。

AI NEWS・情報から選択へ

ニュースで知り、ツールで効率化、モデルで可能性を。

AIニュースを読む ↗AIツールを探す ↗