Kimi K2.7 Code

ノースミニコード

LLM

#12

コード生成とエージェントソフトウェアエンジニアリングのために設計された30B-A3Bパラメータモデルです。Cohere Labsによって開発され、ツール使用機能をサポートし、効率的なアテンション実装を提供して、コーディングタスクを強化します。ノースミニコードは、コード生成とエージェントソフトウェアエンジニアリングのために設計された30B-A3Bパラメータモデルです。Cohere Labsによって開発され、ツール使用機能をサポートし、効率的なアテンション実装を提供して、コーディングタスクを強化します。

Kimi-K2-Instructモデル

LLM

#44

高度なAIタスク向けに設計された最先端のミクスチャー・オブ・エキスパート言語モデルです。推論、コーディング、ツール使用に優れ、320億のアクティブパラメータを持つ堅牢なパフォーマンスを提供します。Kimi-K2-Instructは、高度なAIタスク向けに設計された最先端のミクスチャー・オブ・エキスパート言語モデルです。推論、コーディング、ツール使用に優れ、320億のアクティブパラメータを持つ堅牢なパフォーマンスを提供します。

Laguna S 2.1

LLM

#31

エージェントコーディングと長期タスクのために設計されたMixture-of-Expertsモデルです。1180億のパラメータを特徴とし、高度な推論能力を提供し、複雑なソフトウェアエンジニアリングアプリケーションに適しています。Laguna S 2.1は、エージェントコーディングと長期タスクのために設計されたMixture-of-Expertsモデルです。1180億のパラメータを特徴とし、高度な推論能力を提供し、複雑なソフトウェアエンジニアリングアプリケーションに適しています。

Kolibri 1

LLM

#29

Aleph Alphaによって開発された多言語大規模言語モデルです。多段階の推論、検索強化生成、コーディングタスクに優れ、ドイツ語と英語の両方をサポートしています。このモデルは、大きなコンテキストウィンドウを持つ複雑なタスクのために設計されており、Apache 2.0ライセンスの下で利用可能です。Kolibri 1は、Aleph Alphaによって開発された多言語大規模言語モデルです。多段階の推論、検索強化生成、コーディングタスクに優れ、ドイツ語と英語の両方をサポートしています。このモデルは、大きなコンテキストウィンドウを持つ複雑なタスクのために設計されており、Apache 2.0ライセンスの下で利用可能です。

Mellum2.1 Thinking

LLM

#19

コーディング、数学、推論における複雑なタスクのために設計された大規模言語モデルです。広範な強化学習のおかげで、リポジトリ作業やツール使用などのエージェンティックタスクに優れています。Mellum2.1 Thinkingは、コーディング、数学、推論における複雑なタスクのために設計された大規模言語モデルです。広範な強化学習のおかげで、リポジトリ作業やツール使用などのエージェンティックタスクに優れています。

KAT-Coder-V2.5-Dev

LLM

高度なコーディングタスクのために設計された大規模言語モデルです。エージェント的コーディングにおいて最先端のパフォーマンスを提供し、強化学習を通じて異常な行動の最適化に焦点を当てています。KAT-Coder-V2.5-Devは、高度なコーディングタスクのために設計された大規模言語モデルです。エージェント的コーディングにおいて最先端のパフォーマンスを提供し、強化学習を通じて異常な行動の最適化に焦点を当てています。

Kimi K2.6

LLM

高度なプログラミングとエージェントクラスター機能を備えたオープンソースモデルです。プロフェッショナルグレードのウェブサイト構築、ワークフロー実行、Claw Groups（ベータ版）の探索を可能にします。Kimi K2.6は、高度なプログラミングとエージェントクラスター機能を備えたオープンソースモデルです。プロフェッショナルグレードのウェブサイト構築、ワークフロー実行、Claw Groups（ベータ版）の探索を可能にします。

mu

AI GitHub リポジトリ

#110

ソフトウェア開発における意思決定を最適化するために設計されたコーディングエージェントです。ルーチン作業には小さくて迅速なジャッジを使用し、複雑な操作にはより大きなモデルが対応します。piとAionUiに基づいて構築されたmuは、コーディングプロセスを効率化することを目指しています。muは、ソフトウェア開発における意思決定を最適化するために設計されたコーディングエージェントです。ルーチン作業には小さくて迅速なジャッジを使用し、複雑な操作にはより大きなモデルが対応します。piとAionUiに基づいて構築されたmuは、コーディングプロセスを効率化することを目指しています。