fy
Abhijnyabhat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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 이미지
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 84991
age-gender-prediction
abhilash88A state-of-the-art Vision Transformer model for simultaneous age estimation and gender classification, achieving **94.3% gender accuracy** and **4.5 years age MAE** on the UTKFace dataset. ✅ **Issue Resolved:** Model now includes helper functions that return proper age and gender values (not `LABEL_0`/`LABEL_1`) **Important:** These helper functions work correctly. The standard `pipeline()` approach returns `LABEL_0`/`LABEL_1` and should not be used.
번역 대기 중 · 원문 표시
입력 이미지→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗gemma-2b-it-tamil-v0.1-alpha
abhinand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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗MedEmbed-base-v0.1
abhinandMedEmbed is a family of embedding models fine-tuned specifically for medical and clinical data, designed to enhance performance in healthcare-related natural language processing (NLP) tasks, particularly information retrieval. **GitHub Repo:** https://github.com/abhinand5/MedEmbed **Technical Blog Post:** https://huggingface.co/blog/abhinand/medembed-finetuned-embedding-models-for-medical-ir
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗MedEmbed-large-v0.1
abhinand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。
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗MedEmbed-small-v0.1
abhinandMedEmbed is a family of embedding models fine-tuned specifically for medical and clinical data, designed to enhance performance in healthcare-related natural language processing (NLP) tasks, particularly information retrieval. **Technical Blog Post:** https://huggingface.co/blog/abhinand/medembed-finetuned-embedding-models-for-medical-ir This model is intended for use in medical and clinical contexts to improve information retrieval, question answering, and semantic search tasks. It can be integrated into healthcare systems, research tools, and medical literature databases to enhance search capabilities and information access.
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.6-35B-A3B-DFlash-GGUF
abhinand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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗tamil-llama-13b-instruct-v0.1
abhinand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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗tamil-llama-7b-base-v0.1
abhinand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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗tamil-llama-7b-instruct-v0.1
abhinand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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗tamil-llama-7b-instruct-v0.2
abhinand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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗jev-control-core
abhishek085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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗spark-s1-4b-v6-GGUF
abhishek085GGUF builds of `abhishek085/spark-s1-4b-v6` for **llama.cpp**, **Ollama**, LM Studio, Jan and other GGUF runtimes. Part of Open Spark Jev, an open-source project of the Nokast AI community. > **This is not a chat model.** `spark-s1` is a System-1 *decision* model: given a state and a question with a fixed menu of options, the > answer is the probability distribution over the option letters at the **first** generated token. Chatting with it (`ollama run ...`) only > ever produces a single letter. Use it through the logprob recipe below or through the Open Spark Jev gateway. Measured on 200 shuffled rows of the project's locked held-out split (`v5_test_locked`), llama.cpp `llama-server` (CUDA, build `38a5b42`), `/v1/completions` with `top_logprobs=20`, calibrated temperature applied client-side. Ollama 0.40.2 with the Q8_0 file gave the same 99.5% / 0.900. This is a parity check against the HF model, not a new benchmark; the model's own evaluation is on the base model card.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗spark-s1-4b-v8-GGUF
abhishek085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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗gemma-3-12b-it-quantized-W4A16
abhishekchohanThis repository contains W4A16 quantized versions of Google's Gemma 3 instruction-tuned models, making them more accessible for deployment on consumer hardware while maintaining good performance. - **abhishekchohan/gemma-3-27b-it-quantized-W4A16** - **abhishekchohan/gemma-3-12b-it-quantized-W4A16** - **abhishekchohan/gemma-3-4b-it-quantized-W4A16** These models use W4A16 quantization via LLM Compressor: - Weights quantized to 4-bit precision - Activations use 16-bit precision - Significantly reduced memory requirements
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗gemma-3-27b-it-quantized-W4A16
abhishekchohanThis repository contains W4A16 quantized versions of Google's Gemma 3 instruction-tuned models, making them more accessible for deployment on consumer hardware while maintaining good performance. These models use W4A16 quantization via LLM Compressor: - Weights quantized to 4-bit precision - Activations use 16-bit precision - Significantly reduced memory requirements
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗gemma-4-26B-A4B-it-AWQ
abhishekchohan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。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗minimax-h3-int8
abhishekchohan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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 영상
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.8-27B-AWQ-INT4
abhishekchohan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。
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.8-27B-AWQ-INT4-FP8KV
abhishekchohanThe scales were measured on the quantized model itself, not on the BF16 base, because activation-aware smoothing and int4 rounding change the K/V activations the served model actually writes to cache. Calibration replayed the exact same sequences that were used to calibrate the AWQ model: **112 packed sequences × 262,144 tokens (~29.4M tokens)** from the same Nemotron Post-Training v3 SFT blend (instruction-following chat, math, science, agentic code, multilingual), same shuffle seed, rendered with thinking enabled, so the measured KV distribution matches the deployment regime the weights were tuned for, at the exact context length the model serves at. While the model processed those sequences, we tracked the running maximum absolute value of the K states (after QK-norm) and V states each of the 16 global attention layers writes to the cache. Each scale is `amax / 448` (the fp8-e4m3 representable maximum), symmetric, per tensor, so no cached value can clip. The result is 32 per-layer scalars (`k_scale` / `v_scale`). Only the 16 global attention layers accumulate KV; the 48 DeltaNet linear-attention layers carry recurrent state and have no KV scales.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.8-27B-GPTQ-INT4-FP8KV
abhishekchohanA 4-bit weight-only **GPTQ** quantization of **Qwen/Qwen3.8-27B** with an **fp8-e4m3 KV cache calibrated alongside the weights**. INT4 weights shrink the footprint ≈2.8× and fp8 KV halves the cache, so the model serves its native **262,144-token** context on a **single 48 GB GPU**. fp8 KV also makes YaRN extension to **524,288 tokens** fit the same card, and up to 1M tokens on 96 GB (retrieval beyond 262k unvalidated). Identical harness and hardware for base and quantized: lm-evaluation-harness with the vLLM 0.27.1 backend on a single NVIDIA RTX PRO 6000 (Blackwell, 96 GB), greedy decoding, seed 1234. The base runs with bf16 KV and the quantized model with fp8-e4m3 KV, each at its recommended serving configuration, so every Δ measures the full int4 + fp8-KV stack rather than weights alone. Generative tasks run with the model's native chat template, thinking enabled, `max_gen_toks=8192`; loglikelihood tasks run untemplated. `minerva_math500` reports `math_verify`, since strict `exact_match` measures answer format, not content, on thinking-model outputs. The BF16 base scores identically (9/9), showing no retrieval degradation through the int4 + fp8-KV stack at the context length it was calibrated at.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Tiny-Hinglish-Chat-21M
Abhishekcr448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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3-4B-Instruct-2507-Insight-Extractor
AbhishekG711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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗wav2vec2-base-960h-itw-deepfake
abhishtagatya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。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.