Qwen3-Embedding は Alibaba Qwen の Apache 2.0 テキスト埋め込みシリーズ（0.6B、4B、8B）で、32K コンテキスト、100 以上の言語に対応し、2025 年 6 月に公開されました。

モデル、データセット、推論。再確認：PRO 月$9、Team $20、Enterprise は$50から。追加プライベートストレージは$18/TB。10万モデルのスローガンではない。

cogvlm-base-490-hf は Z.ai（旧 THUDM）が公開するオープンな CogVLM-17B の視覚言語モデルで、ビジュアルエキスパートを備え、コードは Apache-2.0 です。

MythoMax-L2-13b は Gryphe による Llama 2 13B ベースの MythoLogic-L2 と Huginn のマージで、ロールプレイと物語執筆向け。Alpaca 形式のプロンプトで、レガシー扱いです。

OpenChat 3.5 7B（0106）は Mistral-7B-v0.1 を微調整した Apache 2.0 の対話モデル。コンテキスト 8,192 トークンで、カードによると MT-Bench は 7.8 です。

Rocinante 12B は TheDrummer によるロールプレイと冒険物語向けの120億パラメータの微調整モデル。v1 と v1.1 があり、ChatML、Alpaca、Mistral テンプレートに対応します。

llava-v1.6-34b-hf は LLaVA-NeXT 34B の Hugging Face Transformers 版で、Nous-Hermes-2-Yi-34B をベースにしたオープンな視覚言語モデルです（2024 年 1 月 30 日発表）。

Qwen2-VL-72B-Instruct はアリババの 72B 視覚言語モデルで、動的な画像解像度と 20 分超の動画理解に対応します。新しい版は Qwen2.5-VL です。

Qwen3-VL-Embedding は Qwen の Apache-2.0 マルチモーダル埋め込みファミリー（2B・8B）。テキスト、画像、スクリーンショット、動画に対応し、32K、最大4096次元です。

Qwen3-VL-Reranker は Alibaba Qwen の Apache 2.0 マルチモーダルリランカー。2B と 8B があり、32K コンテキスト、30 以上の言語、テキスト・画像・動画入力に対応します。

Qwen-VL は Alibaba Cloud が 2023 年に公開した Qwen-7B ベースの視覚言語モデルで、画像・テキスト・バウンディングボックスを入力でき、解像度 448、グラウンディングと文字読み取りに対応します。

DeepSeek-VL-7B-Base はオープンな 7B 視覚言語モデルで、SigLIP-L と SAM-B の混合エンコーダで 1024x1024 画像に対応し、DeepSeek-LLM-7B-Base を基盤とします。

Agnes-3.0-Flash Preview は Apache-2.0 の 33B マルチモーダル公開重みで、コンテキスト 262k。プロプライエタリ API とは別チェックポイントです。

Apple が公開した 9B の視覚言語モデル。文書を圧縮画像として読み、本当に関係するページだけを展開します。4.3 倍の圧縮でも全文並みの精度を維持します。

DeepSeek-V4-Flash-Vision-Exp は V4 初のマルチモーダル実験。Flash に視覚モジュールを足した MIT 重みで、約 305B パラメータ。

Inco AI の Apache 2.0 ブロック拡散ドラフトモデル。推測デコード用。2026-08-18 に Qwen3.8-27B と Muse Glimmer 向けを公開。

Ling-3.0-flash-VL は inclusionAI の MIT マルチモーダル MoE。総パラメータ 124B、活性化 5.5B、画像と動画に対応。

inclusionAI の MIT ハイブリッド線形 MoE。総パラメータ 124B、活性化 5.1B。2026-08-21 に Hugging Face で再確認。

Ling-3.0-tiny は inclusionAI の MIT ハイブリッド線形 MoE。総パラメータ 7.9B、活性化 1.3B。

OpenBMB MiniCPM5-2B は 2B のオンデバイス密モデル。131k コンテキスト、Apache-2.0、ローカル助手とツール呼び出し向け。

Nex-N2.5-mini は Nex-AGI の Apache-2.0 マルチモーダルエージェントモデル。コンピュータ操作、閲覧、コーディング向け。

Nex-N2.5-Pro は Nex-AGI の Apache-2.0 マルチモーダルエージェントチェックポイント。コンピュータ操作、閲覧、コーディング向け。

Orukeet は 25 言語の音声認識モデルで、NVIDIA Parakeet TDT 0.6B v3 上で適合した Gabor カーネルを凍結する。

Qwen-Drive-1.0-4B は 3D 知覚、VQA、運動計画をまとめる Alibaba の Apache-2.0 運転 VLM。