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
84,991 개 모델13202 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 10

주목할 모델을 찾아보세요

GGUF builds of darrellbest/Qwen-Image-2.1-PE-I2I-Heretic, the refusal-ablated image-editing prompt rewriter: it reads the image you are editing and turns a short instruction into a detailed edit prompt. For **llama.cpp** and **Ollama**, including machines with no CUDA GPU and ARM machines such as the DGX Spark. > **Not affiliated with or endorsed by Alibaba / Qwen.** Derived from > `Qwen/Qwen-Image-2.1-PE-I2I` under the **Qwen Research > License** (copy included). **Non-commercial use only.** **`system_prompt.txt` is included and required.** It defines the output contract, and the model is useless without it.

번역 대기 중 · 원문 표시

시각 질의응답
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

GGUF builds of darrellbest/Qwen-Image-2.1-PE-T2I-Heretic, the refusal-ablated text-to-image prompt rewriter: it turns a short request into a detailed prompt plus a recommended aspect ratio. For **llama.cpp** and **Ollama**, including machines with no CUDA GPU and ARM machines such as the DGX Spark. > **Not affiliated with or endorsed by Alibaba / Qwen.** Derived from > `Qwen/Qwen-Image-2.1-PE-T2I` under the **Qwen Research > License** (copy included). **Non-commercial use only.** **`system_prompt.txt` is included and required.** It defines the output contract, and the model is useless without it.

번역 대기 중 · 원문 표시

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

GGUF builds of the text encoder shipped in Qwen/Qwen-Image-2.1 (`text_encoder/`). That encoder is stock Qwen/Qwen3-VL-8B-Instruct: all 750 tensors match in name, shape and dtype, and every sampled tensor is byte-identical. So these files also work as a general Qwen3-VL-8B-Instruct GGUF. **Q6_K and Q4_K_M are not stock recipes.** Plain Q6_K visibly garbled rendered text, so both use: - an importance matrix computed on ~1500 real image prompts wrapped in the pipeline's own encoder template (`llama-imatrix --parse-special`); - the last 4 decoder layers (32-35) kept at Q8_0, because the pipeline reads the last layer's output directly; - token embeddings at Q8_0. **Recommendation:** Q8_0 if it fits. Q6_K is the smallest build that rendered text correctly in testing. Q4_K_M is usable, but at the same seed it changes composition and can misspell rendered text.

번역 대기 중 · 원문 표시

시각 질의응답
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

GGUF builds of darrellbest/Qwen3.5-4B-Heretic. Qwen/Qwen3.5-4B with its refusal behaviour removed by Heretic using full-weight Arbitrary-Rank Ablation: **6/100 refusals** (original: 99/100) at **KL divergence 0.0220**. See the main repository for how it was made and measured. Converted from the bf16 safetensors with llama.cpp's `convert_hf_to_gguf.py` and quantized with `llama-quantize` (no imatrix). The mmproj file carries the vision encoder; load it alongside any of the three for image input. Every file was loaded in `llama-server` with the mmproj and in Ollama. All three answered ordinary prompts correctly (BF16 and Q8_0 reproduce each other word for word), described a test image (a red circle and a blue square) correctly, and in Ollama answered 17 x 23 = 391 with thinking off. Thinking-mode reasoning, 4 arithmetic and word problems x 10 seeds with Qwen's recommended sampling: BF16 39/40, Q8_0 40/40, Q4_K_M 40/40 finished and correct (the original model in vLLM: 40/40).

번역 대기 중 · 원문 표시

시각 질의응답
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

GGUF builds of darrellbest/Qwen3.5-9B-Heretic. Qwen/Qwen3.5-9B with its refusal behaviour removed by Heretic using full-weight Arbitrary-Rank Ablation: **5/100 refusals** (original: 100/100) at **KL divergence 0.0403**. See the main repository for how it was made and measured. Converted from the bf16 safetensors with llama.cpp's `convert_hf_to_gguf.py` and quantized with `llama-quantize` (no imatrix). The mmproj file carries the vision encoder; load it alongside any of the three for image input. Every file was loaded in `llama-server` with the mmproj and in Ollama. All three answered ordinary prompts correctly, described a test image (a red circle and a blue square) correctly, and in Ollama answered 17 x 23 = 391 with thinking off. Thinking-mode reasoning, 4 arithmetic and word problems x 10 seeds with Qwen's recommended sampling: BF16 39/40, Q8_0 37/40, Q4_K_M 35/40 finished and correct (the original model in vLLM: 40/40); the misses ran out of the 4,000-token budget rather than answering wrongly.

번역 대기 중 · 원문 표시

시각 질의응답
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

GGUF builds of darrellbest/Qwen3.8-27B-Heretic: Qwen3.8-27B with its refusal behaviour removed (0/100 refusals vs 98/100 for the original, KL divergence 0.0465). The three model files are text-only: this is a vision-language model, and llama.cpp keeps the vision encoder in the separate `mmproj` file. Add it only if you want to send images. The included `Modelfile` sets `RENDERER qwen3.8` and `PARSER qwen3.5`, Ollama's built-in support for this architecture. They matter: without them the model's reasoning text ends up inside the answer, and generation was measured about half as fast (9.5 vs 18.8 tokens/s on an RTX PRO 6000 with Q4_K_M).

번역 대기 중 · 원문 표시

시각 질의응답
입력 텍스트 · 이미지→ 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 ↗