VLM

GoogleのGemma 4 E4Bをベースにした音声処理向け大規模言語モデル「google/DiarizationLM-Gemma-4-E4B-v1」のスペックや推論手順を解説します。

Qwenチームによる次世代アーキテクチャ採用のマルチモーダル対応オープンウェイトモデル「Qwen3.8-Flash-Next」のスペックや導入方法を解説します。

llama.cpp等のローカル環境で動かせる、総パラメータ数320Bのネイティブマルチモーダル対応MoEモデル「ggml-org/GLM-5.3-Flash-GGUF」の概要や特徴を解説します。

Cloudflareが公開した9Bモデル「Clef-Flash」のスペックや推測性能、従来の自由文生成モデルとの違いを解説します。

ggml-orgが公開した、意思決定に特化した27.4Bのオープンウェイトモデル「OpenJev」のGGUF量子化版のスペックや特徴、llama.cppでの動かし方を解説します。

CloudflareがQwen3.8-27Bをベースとした27Bパラメータのマルチモーダル意思決定モデル「Clef」を公開しました。テキスト、JSON、画像、動画を入力として受け取り、構造化された意思決定を行います。

AppleがQwen3.5-9Bをベースに開発した視覚言語モデル「LensVLM-9B」をHugging Faceで公開。長い文書を画像として縮小し、必要なページだけ拡大して読むことでメモリを大幅に削減する非商用研究モデルの仕組みとス ...

Qwenチームによる27Bパラメータのオープンウェイト視覚言語モデル「Qwen3.8-27B」のスペックとベンチマーク性能を紹介。コーディングやPC操作エージェントでの性能向上を解説します。

LiquidAIが「LFM2.5-VL-3B」向けの実験的なDSparkドラフトモデル「LFM2.5-VL-DSpark」を公開しました。推論速度の高速化手順や対応エンジンを解説します。

XiaomiMiMo開発のオムニモーダルモデル「MiMo-V2.6-Flash-RL」のGGUF量子化版がggml-orgより公開。MTPサイドカーや音声・画像用mmprojも同梱。