This is a DELLA merge of the following finetuned & post-trained models: | Model Repo | Purpose | | --- | --- | | EryriLabs/Ornith-1.5-35B-A3B-BigBang-MTP-GGUF | The base model, for terminal use, coding, software architecture, planning. Also provides MTP support | | Kwaipilot/KAT-Coder-V2.5-Dev | Contributes efficient coding with fewer tokens over more languages | | Accio-Lab/occamy-1.0 | Contributes general agent abilities, also a semi-official finetune | | AllSpark-Research/CompoWorld | Also contributes general agent abilities, different strengths/weaknesses from occamy | The result is an intelligent and efficient hybrid model for coding, terminal agent work, planning, designing, and conversation. Although most of this model's weights were merged with with a method that drops weights, more sensitive tensors such as the router gates and shared experts, were protected by using a density of 1.0 and epsilon of 0.0 to disable sparsification.

번역 대기 중 · 원문 표시

텍스트 생성

입력 텍스트→ 출력 텍스트

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

Qwen3.8-Flash-Next-GSQ-RCO-IQ3_XXS-PLE-50pct

DarkKitsune

This model is ISTA-DASLab's GSQ-RCO IQ3_XXS quant of Qwen3.8-Flash-Next, but with the PLE (ngram) table pruned to 50% of its original parameters. This reduces the total size of the model further in return for an increase in perplexity. If using mmap without mlock, this probably won't make any noticable difference in VRAM usage, but with mmap *and* mlock (which boosts prefill speeds and lowers latency), there should be significantly less VRAM usage compared to the unpruned PLE table. The resulting model is ~61 GB (20% smaller than the original quant which is ~76GB), fitting nicely on 128 GB systems with ample room for the KV cache and other resources, even with mlock enabled. It is capable of chat, reasoning, basic tool calls & coding, but may stumble on more complex tasks. Compared to DarkKitsune/Qwen3.8-Flash-Next-UD-IQ3_XXS-PLE-25pct, this quant offers higher accuracy, and slightly higher performance.

번역 대기 중 · 원문 표시

텍스트 생성

입력 텍스트→ 출력 텍스트

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

COST EXPLORER

좋은 모델, 명확한 비용.

비용 분석

월간 토큰 사용량으로 예상 API 비용을 비교하세요.

월간 입력 토큰 10 M월간 출력 토큰 2 M1 M = 100만 토큰 · USD
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

선택 가이드 및 FAQ

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.

나에게 맞는 AI 모델을 찾아보세요.

AI 모델 탐색 5

LFM2.5-8B-A1B-Opus-Distil-Q5_K_M-imat-GGUF

Qwen3.5-9B-Polaris-HighIQ-INSTRUCT-Q4_K_M-GGUF

Qwen3.6-Candid-Coder-35B-A3B

Qwen3.6-Qworus-35B-A3B-V1-APEX-GGUF

Qwen3.8-Flash-Next-GSQ-RCO-IQ3_XXS-PLE-50pct

일치하는 모델 없음

좋은 모델, 명확한 비용.

이해하고 선택하세요

뉴스로 흐름을, 도구로 효율을, 모델로 가능성을.