AI NEWS.ccAI는 지금, 미래는 업데이트 중
♡ 저장한 도구 0
AI NEWS · 모델 정보기능을 이해하고 근거 있게 선택하세요. ↗기본 정보 우선 등록 · 상세 정보 지속 보완
THE AI MODEL DIRECTORY 모델 탐색을 시작하세요

나에게 맞는 AI 모델을 찾아보세요.

언어부터 이미지, 오픈 웨이트부터 API까지. 기능과 실제 비용을 비교하세요.
다음 아이디어에 맞는 AI를 찾아보세요.

인기 검색
84,838 개 모델13099 개 제공사 / 게시자45 개 기능 분류465개 비교 가능 요금 · 30개 공개 평가
T텍스트 생성▧이미지 생성▷영상 생성⌘코드 생성◖음성 합성♫음악 생성⬡3D 모델링▤문서 분석
DISCOVER & COMPARE

AI 모델 탐색 15

주목할 모델을 찾아보세요

grug-27b-gguf

ProCreations

**2026-07-23: all rocks re-squeezed from v2.1 weights** (deep think on hard problems, stuck-loop escape, stop discipline - full changelog on grug-27b card). re-download if you grab rocks before. mmproj unchanged (vision tower untouched). this GGUF of grug-27b: Qwen3.6-27B that think in dense grug-speak inside ` `, answer in normal english. same reasoning depth, way fewer think token. full story on main model card. both parent grug hunt HumanEval and sanitized MBPP. number below come from big parent brain, NOT squeezed GGUF rock. grug not claim rock test it never get. number show pass@1 percent. bold grug win that hunt.

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

grug-27b-mtp-gguf

ProCreations

grug rock WITH prediction head inside. Q8_0 / Q5_K_M / Q4_K_M, mtp tensors included for llama.cpp speculative decoding (needs build with qwen3_5 MTP support). draft head trained on grug data: t+2 agreement 89.3%. main card: grug-27b-mtp. no-MTP rocks: grug-27b-gguf. grug made by ProCreations.

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

**2026-07-23 refresh: rock now QAT-trained from grug-27b v2.1 weights** (deep-think + agent-discipline update). bench table below measured on the v1-era rock vs v1 control - directional guide still; v2.1 rock inherit both the QAT recovery AND the v2.1 brain improvements. grug put 27b brain in four-bit cave DURING training. brain feel rounding rock before final squish. this not normal quant. this QAT recovery rock, made for Q4 people. recipe (same as grug-9b-qat, scaled): full-weight QAT on grug-27b, fake int4 asymmetric group-32 with straight-through gradient, ~3M token of grug-think data, Adafactor LR 2e-6, 249 step on one H200. release = 25% QAT move + 75% original anchor (full QAT overcorrect, 9b teach grug this). then fresh BF16 export, quantize ONE time to Q4_K_M.

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

grug-35b-v2-gguf

ProCreations

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

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

Updated September 18, 2026 with the best verified continued-training checkpoint: **r2-dflash**. The original Ternary Bonsai 2 27B PQ2_0 target is unchanged. The head is available as BF16 master weights and **integer Q8_0** inference weights, not FP8. Matched testing against the previous release measured **169.12 → 170.04 decode tokens/sec (+0.54%)** on eight unseen prompts with two repeats. This is a small measured gain, not a large speedup. Both arms used the same runtime and maximum 3 draft tokens. Acceptance is accepted draft tokens divided by proposed draft tokens. Throughput is total generated tokens divided by total decode time, including reasoning tokens. The complete comparison links to the preserved raw requests, outputs and counters in the same reports directory.

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

Updated September 18, 2026 with the best verified continued-training checkpoint: **r3-mtp**. The original Ternary Bonsai 2 27B PQ2_0 target is unchanged. The head is available as BF16 master weights and **integer Q8_0** inference weights, not FP8. **The +1.26% below is the extra gain over our previous trained MTP head, not the total gain from enabling MTP.** For an independent MTP-on versus MTP-off comparison, see the community reproduction below. Matched testing against the previous release measured **167.14 → 169.25 decode tokens/sec (+1.26%)** on eight unseen prompts with two repeats. This is a small measured gain, not a large speedup. Both arms used the same runtime and maximum 2 draft tokens.

번역 대기 중 · 원문 표시

텍스트 생성
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗
COST EXPLORER

좋은 모델, 명확한 비용.

비용 분석

월간 토큰 사용량으로 예상 API 비용을 비교하세요.

1 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.

AI NEWS · 정보에서 선택으로

뉴스로 흐름을, 도구로 효율을, 모델로 가능성을.

AI 뉴스 탐색 ↗AI 도구 찾기 ↗