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
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 21
Swift-1.5-4bit-MLX
ukisaiWebsite • Learn more • BF16 model • GGUF • GSQ-RCO GGUF • Evaluation • Enterprise licensing **Apple MLX 4-bit affine quantization.** This is Swift 1.5 in native MLX format, converted with the official Apple MLX-LM converter using 4 bits and group size 64. Swift 1.5 is UkisAI's reasoning-efficient Qwen3.8-27B derivative, focused on stronger long-horizon, agentic and coding performance while using fewer thinking tokens. **Starting from Homebrew or seeing `Received 501 parameters not in model`?** Use QUICKSTART.md to install the required runtime and create an explicit `serve` launcher. It reuses your existing model directory, including an HF cache snapshot. A bare `mlx_lm.server` command may select a separate Homebrew installation that lacks the Swift architecture and cache patches.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Swift-1.5-5bit-MLX
ukisai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。
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Swift-1.5-Qwen3.8-27b
ukisaiWebsite • Learn more • GGUF • GSQ-RCO GGUF • Evaluation • Enterprise licensing Swift 1.5 Qwen3.8-27B is UkisAI's reasoning-efficient derivative of Qwen3.8-27B. It uses **58.5% fewer thinking tokens** while scoring **0.35% higher** than the base, for a **1.95× speed-up** on several tasks. Swift 1.5 is a direct upgrade from Swift 1.0, our model with 350k+ downloads, delivering stronger overall performance than both base and Swift 1.0 in various tasks, especially coding and agentic, while using fewer thinking tokens. We accomplished that by scaling up the post-training (RL and OPD) from the previous version.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Website • Learn more • GGUF • GSQ-RCO GGUF • Evaluation • Enterprise licensing **GGUF quantizations.** Derived directly from Swift 1.5 with llama.cpp. Run a chosen quantization tier with a current llama.cpp-compatible runtime such as `llama-server`. Swift 1.5 Qwen3.8-27B is UkisAI's reasoning-efficient derivative of Qwen3.8-27B. It uses **58.5% fewer thinking tokens** while scoring **0.35% higher** than the base, for a **9.18× speed-up** on several tasks.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Website • Learn more • BF16 model • Standard GGUFs • Evaluation • Enterprise licensing Compact, mixed-precision GGUF quantizations of Swift 1.5 Qwen3.8-27B, with Swift-specific refinement using the per-tensor allocations from ISTA-DASLab's GSQ-RCO release. Swift 1.5 builds on Swift 1.0 through post-training focused on long-horizon, agentic and coding tasks, improving overall performance while using fewer thinking tokens. See the original model card for the model's training approach and benchmark results. Those model-level benchmarks are separate from the quantization measurements below.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Website • Learn more • GGUF • GSQ-RCO GGUF • Evaluation • Enterprise licensing **AWQ + GPTQ INT4 (W4A16).** Derived directly from Swift 1.5 with LLM Compressor. Run it with a `compressed-tensors` W4A16 runtime that honors the saved FP8 KV-cache configuration. Swift 1.5 Qwen3.8-27B is UkisAI's reasoning-efficient derivative of Qwen3.8-27B. It uses **58.5% fewer thinking tokens** while scoring **0.35% higher** than the base, for a **9.18× speed-up** on several tasks.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Website • Learn more • GGUF • GSQ-RCO GGUF • Evaluation • Enterprise licensing **NVIDIA NVFP4/FP8 mixed precision.** Derived directly from Swift 1.5 with NVIDIA ModelOpt. Run it with a ModelOpt-compatible runtime; native NVFP4 execution requires compatible NVIDIA Blackwell support. Swift 1.5 Qwen3.8-27B is UkisAI's reasoning-efficient derivative of Qwen3.8-27B. It uses **58.5% fewer thinking tokens** while scoring **0.35% higher** than the base, for a **9.18× speed-up** on several tasks.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Website • Learn more • GGUF • GSQ-RCO GGUF • Evaluation • Enterprise licensing **AWQ INT4 (W4A16).** Derived directly from Swift 1.5 with LLM Compressor. Run it with a runtime that supports `compressed-tensors` W4A16. Swift 1.5 Qwen3.8-27B is UkisAI's reasoning-efficient derivative of Qwen3.8-27B. It uses **58.5% fewer thinking tokens** while scoring **0.35% higher** than the base, for a **9.18× speed-up** on several tasks.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Website • Learn more • GGUF • GSQ-RCO GGUF • Evaluation • Enterprise licensing **GGUF quantizations.** Derived directly from Swift 1.5 Qwen3.8-Flash-Next with llama.cpp. Run a chosen quantization tier with a current llama.cpp-compatible runtime such as `llama-server`. Swift 1.5 Qwen3.8-Flash-Next is UkisAI's reasoning-efficient derivative of Qwen3.8-Flash-Next. It uses **63.4% fewer thinking tokens**, with a **1.8x speed up** while keeping the **accuracy loss Create a 3D endless runner that has the fast, playful feel of Subway Surfers, but make the world and characters your own. I want to run through a lively place, dodge things, collect rewards, and feel the pace build the longer I survive. Make it fun to control and visually memorable. Use your judgment for the setting, mechanics, and little details that make it feel like a real game. Build it so I can launch and play it locally, then tell me how to run it.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Website • Learn more • BF16 model • Standard GGUFs • Evaluation • Enterprise licensing Mixed-precision GGUF quantizations of Swift Flash Next, with Swift-specific GSQ refinement and reused ISTA GSQ-RCO per-tensor allocation profiles. Swift Flash Next is UkisAI's reasoning-efficient derivative of Qwen3.8-Flash-Next. Its post-training targets shorter reasoning traces and coding, agentic and long-horizon tasks. See the original model card for model-level benchmarks and training details. Those benchmarks are separate from the quantization measurements below.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Swift-Bonsai-2-GGUF
ukisaiWebsite • Learn more • Quantizations • Evaluation • How to use • License Swift Bonsai 2 is UkisAI's reasoning-efficient derivative of Prism ML's Ternary Bonsai 2 27B. It uses **39.8% fewer thinking tokens** while scoring **0.19% higher** than the base. Both the 1-bit and 2-bit quantizations are available in this repository; each file is a plain Bonsai 2 pack.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Swift-Qwen3.8-27b
ukisaiWebsite • Learn more • GGUF • Enterprise licensing Swift-Qwen3.8-27B is UkisAI's reasoning-efficient derivative of Qwen3.8-27B, using **58.3% fewer thinking tokens** while maintaining near-identical performance (**<1% loss**) and as a result getting a **x1.95 speed-up** on several tasks. We built Swift by identifying reasoning-marker tokens that, in our analysis, trigger overthinking in Qwen’s reasoning rollouts. We then fine-tuned Qwen by penalizing usage of those tokens while it reasons.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Swift-Qwen3.8-27B-GGUF
ukisaiWebsite • Learn more • BF16 model • Enterprise licensing Swift-Qwen3.8-27B is UkisAI's reasoning-efficient derivative of Qwen3.8-27B, using **58.3% fewer thinking tokens** while maintaining near-identical performance (**<1% loss**) and as a result getting a **x1.95 speed-up** on several tasks. .swift-table { width:100%; table-layout:fixed; border-collapse:separate; border-spacing:0; overflow:hidden; border:1px solid #27344A; border-radius:20px; background:#0D111B; font-family:-apple-system,BlinkMacSystemFont,"Segoe UI",Roboto,sans-serif; font-size:14px; color:#BFBDBD; } .swift-table th { padding:13px 8px; text-align:center; font-weight:700; color:#AEB5C7; background:#0D111B; border-right:1px solid #27344A; border-bottom:1px solid #27344A; } .swift-table td { padding:14px 8px; text-align:center; color:#BFBDBD; background:#0D111B; border-right:1px solid #27344A; border-bottom:1px solid #27344A; vertical-align:middle; overflow-wrap:break-word; } .swift-table tr > :last-child { border-right:0; } .swift-table tbody tr:last-child td { border-bottom:0; } .swift-table .benchmark-heading { color:#B7BDCD; background:#0D111B; border-bottom:3px solid #7D45B5; } .swift-table .score-heading { color:#F0C5FF; background:#52239E; border-bottom:3px solid #7D45B5; } .swift-table .tokens-heading, .swift-table .median-heading { color:#D4E8FF; background:#304FC2; border-bottom:3px solid #5687E6; } .swift-table .benchmark { padding-left:18px; text-align:left; color:#FFFFFF; font-weight:600; } .swift-table strong { color:#FFFFFF; } .swift-table .section { padding:12px 18px; text-align:left; color:#B489FF; background:#2A2541; font-weight:700; letter-spacing:.08em; text-transform:uppercase; border-top:1px solid #3A3159; border-bottom:1px solid #3A3159; } .swift-table .swift { background:#171127; } .swift-table thead tr:nth-child(2) .swift { color:#D3A0FF; } .swift-table .reduction { color:#69BFFF; background:#101B2C; font-weight:700; } .swift-table .detail { color:#8C94A8; font-size:12px; font-weight:500; }
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Swift-Qwen3.8-27B-NVFP4
ukisai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
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
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
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.