**VisionPsy-Nano-460M-Flash-GGUFs** provides GGUF weights of VisionPsy-Nano-460M-Flash for fast, fully on-device multimodal inference with our patched **llama.cpp** fork (not stock upstream). Flash is the **efficiency-optimized** sibling of VisionPsy-Nano-460M: same ~460M nanoVLM architecture, but it processes each image with **far fewer visual tokens (as few as 64 at 512x512)**, so it responds an order of magnitude faster on real phones while giving up only a small amount of accuracy. Unquantized **FP32** and **BF16 GGUFs** are included alongside a family of quantization formats, from near-lossless **8-bit** through a high-quality **5-bit** option down to ultra-compact **3-bit**. All sub-8-bit variants (except the legacy `Q4_0`) use **importance-matrix (imatrix) calibration**. If VisionPsy-Nano-460M-GGUF is our best-quality ~0.5B GGUF, **Flash-GGUF is the one you ship when time-to-first-token, battery, and RAM are the binding constraints.** > Each GGUF is a **vision-language** model: alongside the text weights (`*.gguf`) you also need the > multimodal projector (`mmproj-*.gguf`, the SigLIP2 vision encoder) to run image inputs. See > Usage.

번역 대기 중 · 원문 표시

시각 질의응답

입력 텍스트 · 이미지→ 출력 텍스트

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

VisionPsy-Nano-460M-GGUFs

qvac

**VisionPsy-Nano-460M-GGUFs** provides GGUF weights of VisionPsy-Nano-460M for fast, fully on-device multimodal inference with our patched **llama.cpp** fork (not stock upstream). Requires the patched llama.cpp. VisionPsy-Nano-460M is a compact (~460M parameter) vision-language model that **compares favourably with other models in its ~0.5B weight class on 16 of 17 public benchmarks**; these GGUF builds bring that quality to phones, tablets, and edge hardware. We release some **GGUF variants**, ranging from unquantized **FP32** and **BF16** references to lossless **8-bit**, high-quality **5-bit**, and ultra-compact **3-bit** formats. This range supports deployment across diverse hardware settings, from high-end workstations to resource-constrained on-device environments. All sub-8-bit variants (except the legacy Q4_0) use **importance-matrix (imatrix) calibration**, which consistently reduces quality degradation. > Each GGUF is a **vision-language** model: alongside the text weights (`*.gguf`) you also need the > multimodal projector (`mmproj-*.gguf`, the SigLIP2 vision encoder) to run image inputs. See > Usage.

번역 대기 중 · 원문 표시

시각 질의응답

입력 텍스트 · 이미지→ 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 13

fabric-llm-finetune-bitnet

MedPsy-1.7B

MedPsy-4B

MedPsy-4B-GGUF

TranscribePsy-250M-EU-sub-gguf

TranslatePsy-AfriSLM-0.8B

TranslatePsy-AfriSLM-0.8B-Q4-GGUF

TranslatePsy-AfriSLM-0.8B-Q8-GGUF

TranslatePsy-AfriSLM-4B

VisionPsy-Nano-460M

VisionPsy-Nano-460M-Flash

VisionPsy-Nano-460M-Flash-GGUFs

VisionPsy-Nano-460M-GGUFs

일치하는 모델 없음

좋은 모델, 명확한 비용.

이해하고 선택하세요

뉴스로 흐름을, 도구로 효율을, 모델로 가능성을.