BrickGPT-Qwen3-1.7B-BrickMore-48
Kyle308666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
언어부터 이미지, 오픈 웨이트부터 API까지. 기능과 실제 비용을 비교하세요.
다음 아이디어에 맞는 AI를 찾아보세요.
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
A **64-layer frankenmerge** of two of Jackrong's incredible Qwen3.5-9B finetunes, stacking all 32 layers from each to create an ~18B parameter model, then **healed with a 1000-step QLoRA fine-tune** to smooth the layer boundary. **This was a fun experiment!** A lot of people have been asking for something between Jackrong's 27B and 9B models — something that runs well on 12–16 GB GPUs. This frankenmerge is an attempt at filling that gap, and the results are surprisingly good. The raw frankenmerge had a known issue: **garbled code output**. Because two separately-trained models were stacked at layer 32, structured output (code blocks, HTML, bracket matching) would occasionally come out malformed or hallucinated.
번역 대기 중 · 원문 표시
> **Research preview.** This model attempts to combine the **reasoning** capability of > `Qwopus3.6-27B-v2` with the **code-execution** capability of `Qwopus3.6-27B-Coder` — in a single 27B > model, *without significant loss to either* skill. In practice it behaves like a production model > with both capabilities fused, but it has **not** yet been through a full rigorous evaluation. If you > find issues, please reach out on X — **@kylehessling1**. - **Format:** GGUF, `Q4_K_M` (~16.5 GB) — runs on a single 24–32 GB GPU via `llama.cpp`. - **Architecture:** `qwen35` hybrid (linear-attention + periodic full-attention), 27B params, 64 layers. - **Native context:** 262,144 tokens. Verified clean (needle + termination) to 60K. - **Modes:** thinking (reasoning) **on** by default; strong agentic/coding behavior. - **Vision:** 🖼️ **image input supported** via the companion projector `Qwopus3.6-27B-Fusion-mmproj-Q8_0.gguf` (~0.6 GB) — pair it with *any* quant below (see Vision). ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
번역 대기 중 · 원문 표시
**Model Architecture** Ko-PlatYi-6B is an auto-regressive language model based on the Yi-34B transformer architecture. **Training Dataset** kyujinpy/KOR-OpenOrca-Platypus-v3. > Follow up as link.
번역 대기 중 · 원문 표시
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
Helium-1 preview is a lightweight language model with 2B parameters, targeting edge and mobile devices. It supports the following languages: English, French, German, Italian, Portuguese, Spanish. ⚠️ Helium-1 Preview is a base model, which was not fine-tuned to follow instructions or human preferences. For most downstream use cases, the model should be aligned with supervised fine-tuning, RLHF or related methods. The intended use of the Helium model is research and development of natural language processing systems, including but not limited to language generation and understanding. The model can be used in English, French, German, Italian, Portuguese and Spanish. For most downstream use cases, the model should be aligned with supervised fine-tuning, RLHF or related methods.
번역 대기 중 · 원문 표시
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
대조 학습은 다중 모달 표현 학습 분야에서 뛰어난 성과를 보여 왔습니다. 본 논문에서는 오디오 데이터와 자연어 설명을 결합하여 오디오 표현을 개발하기 위한 대조 언어-오디오 사전 훈련 파이프라인을 제안합니다. 이 목표를 달성하기 위해 먼저 다양한 데이터 소스에서 수집한 633,526쌍의 오디오-텍스트 쌍으로 구성된 대규모 컬렉션인 LAION-Audio-630K를 공개합니다. 둘째로, 다양한 오디오 인코더와 텍스트 인코더를 고려하여 대조 언어-오디오 사전 훈련 모델을 구축합니다. 또한 특징 융합 메커니즘과 키워드-캡션 증강 기법을 모델 설계에 도입하여 모델이 가변 길이의 오디오 입력을 처리하고 성능을 더욱 향상시킬 수 있도록 했습니다. 셋째로, 텍스트-오디오 검색, 제로샷 오디오 분류, 지도학습 오디오 분류 등 세 가지 과제에서 우리 모델을 평가하기 위한 포괄적인 실험을 수행합니다. 실험 결과는 우리 모델이 텍스트-오디오 검색 과제에서 우수한 성능을 달성함을 보여줍니다. 오디오 분류 과제에서는 제로샷 설정에서 최첨단 성능을 구현하며, 비제로샷 설정에서도 모델의 결과와 비교할 만한 성능을 얻을 수 있음을 확인했습니다. LAION-Audio-630K와 제안된 모델은 모두 공개되어 있으며, 해당 모델을 사용하여 제로샷 오디오 분류 또는 오디오 및/또는 텍스트 특징 추출을 수행할 수 있습니다.
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.