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→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 84991
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 ↗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 ↗This repository contains a full spectrum of GGUF quantizations for lukey03's Qwen3.5-9B-abliterated. These files are optimized for local inference using llama.cpp, LM Studio, Jan, Ollama, and other compatible software. The base model is a fully uncensored version of Qwen3.5-9B. It achieved a **0% refusal rate** (answering 100% of controversial/restricted prompts) through a two-stage process: 1. **Orthogonal Projection (Abliteration):** Surgically removing the "refusal direction" from the residual stream across all 32 layers. 2. **LoRA Fine-tuning:** Targeted training to eliminate the remaining stubborn refusal categories.
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗This repository contains GGUF quantizations of the heavily fine-tuned and uncensored AEON-7/Qwen3.6-27B-AEON-Ultimate-Uncensored model. Unlike standard quantization, these models were generated using a high-precision pipeline: * **Output Tensor Preservation:** We utilized `--leave-output-tensor` during quantization. This ensures the model's final projection head remains in `FP16` precision, preventing the "numerical noise" that typically degrades the reasoning capabilities of smaller quantizations. * **SSM Weight Fidelity:** The 1D SSM routing weights (alpha/beta) were preserved to maintain the model's complex long-range memory and selective state dynamics. * **Native Reasoning:** The model is equipped with a native reasoning trigger. By utilizing the built-in ` ` block, the model can perform multi-step logical planning before providing a final response. These files are prefixed with `Qwen3.6-27B...`. They are generated using `--leave-output-tensor`, ensuring the final projection head and 1D SSM routing weights are preserved at higher precision. **These provide superior reasoning, logic retention, and intelligence.**
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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 ↗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 ↗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 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗These files were quantized by Abiray using `llama.cpp` to make the model accessible for consumer hardware and CPU-heavy environments. I have processed this model into several different quantization formats. You can find them in my other repositories: * Abiray/Qwen3.6-35B-A3B-Q8_0-GGUF (High quality, largest file) * Abiray/Qwen3.6-35B-A3B-Q6_K-GGUF (Very high quality) * Abiray/Qwen3.6-35B-A3B-Q5_K_M-GGUF (Great balance of quality and size) * Abiray/Qwen3.6-35B-A3B-Q4_K_M-GGUF (Good quality, recommended for most users) * Abiray/Qwen3.6-35B-A3B-Q3_K_M-GGUF (Low quality, smallest file)
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.8-27B-Q4_K_M-GGUF
AbirayThis repository contains the GGUF format quantization of the Qwen3.8-27B model, a native vision-language model. Qwen3.8-27B is the most capable generation in the Qwen open-model family, built on the architectural foundation of Qwen3.5. It is a native vision-language model that understands images and videos, delivering substantial gains across coding, professional work, research, and long-horizon agentic tasks. This GGUF file is compatible with popular local LLM inference tools. When configuring the model in your preferred client, ensure you attach the mmproj-F16.gguf file in the "Vision Adapter" or "Multimedia Projection" setting to enable image processing. The original model was developed and released by the Qwen Team.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗A standalone, **weight-baked uncensored & abliterated GGUF** of **`ISTA-DASLab/Qwen3.8-Flash-Next-GSQ-RCO-Coder-GGUF`.** This build is created by precisely transplanting 144 orthogonalized residual-writing tensors from **`orcarouter/Qwen3.8-Flash-Next-Uncensored`** (via `SC117/Qwen3.8-Flash-Next-GSQ-RCO-abliterated-GGUF`) directly into the optimized 256-expert pruned Coder architecture. `ISTA-DASLab/Qwen3.8-Flash-Next-GSQ-RCO-Coder-GGUF` compresses `Qwen3.8-Flash-Next` from 354 GB (BF16, 512 experts per layer) down to **58.4 GB** by combining: 1. **Structured Expert Pruning ($512 \rightarrow 256$ experts per layer):** Selects the 256 experts specialized for software engineering, coding, agentic tool calling, and vision. 2. **GSQ (Gumbel-Softmax Quantization) + RCO (Riemannian Co-design Search):** Assigns optimal mixed-precision GGUF quantization types across individual tensors while storing the retained weights at `~3.5 bits` (`IQ3_S`-equivalent fidelity, labeled `IQ1_M` for its `1.89` effective bits per parameter relative to the unpruned 512-expert model). --- Because this is an ultra-low-bit MoE model (`IQ1_M` effective / `IQ3_S` retained weights), **avoid pure greedy decoding (`--temp 0.0` with no repetition penalty)** on repetitive C/C++ struct definitions. Use standard Qwen sampling parameters with a light repetition/presence penalty:
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗SCAIL-2-GGUF
AbirayThis repository contains GGUF quantizations of **SCAIL-2**, the cutting-edge end-to-end controlled character animation and video motion-transfer model built on the Wan 2.1 14B architecture by zai-org. These weights are specifically optimized to execute the heavy SCAIL-2 Diffusion Transformer (DiT) inside ComfyUI at a fraction of the native FP16/FP8 VRAM overhead. 1. **Required Loader:** Install city96's ComfyUI-GGUF extension. 2. **Node Placement:** Use the `Unet Loader (GGUF)` node. 3. **File Path:** Download your preferred quant from this repository and drop it into: ComfyUI/models/unet/ ---
번역 대기 중 · 원문 표시
입력 이미지→ 출력 영상
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Shieldstral-1.0-3B-GGUF
Abiray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→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Sulphur-2-base-GGUF
Abiray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→ 출력 영상
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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 ↗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 ↗This repository contains **GGUF-quantized versions** of the LightX2V Distilled Wan2.2 14B Image-to-Video Model. By quantizing the ultra-fast 4-step distilled models into the GGUF format, this repository allows for drastically reduced VRAM/RAM requirements while maintaining near real-time, high-performance video generation. We provide quantizations ranging from heavily compressed (Q3) to near-lossless (Q8) to fit your specific memory and quality requirements. Both **High Noise** and **Low Noise** versions are available.
번역 대기 중 · 원문 표시
입력 이미지→ 출력 영상
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ZAYA1-8B-GGUF
Abiray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 ↗t5-base-gguf
Able2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 ↗lfm3-2b-omni-abliter8-gguf
abliter8-ai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 ↗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.