Fara-7Bは、コンピューターの使用シーンに特化して設計された、パラメータがわずか70億の効率的な小型言語モデルです。ウェブ操作などの高度なユーザータスクで優れた性能を発揮し、より大規模なプロキシシステムと競争することができます。

マルチモーダルGguf

Olmo-3-7B-Instruct-AIO-GGUFは、Allen Institute for AIが開発したOlmo-3-7B-InstructモデルのGGUF量子化バージョンです。これは70億パラメータの自己回帰型言語モデルで、Tulu 2やUltraFeedbackなどのデータセットで教師付き微調整と直接的な嗜好最適化を行って訓練され、質問応答と指令の遵守において優れた性能を発揮します。

自然言語処理Transformers英語

このモデルは、allenai/Olmo-3-7B-Instructを基に変換された8ビット量子化バージョンで、Apple MLXフレームワーク用に特別に最適化されています。これは70億パラメータの大規模言語モデルで、命令追従と対話タスクをサポートします。

自然言語処理Mlx英語

GigaAM-v3はConformerアーキテクチャに基づくロシア語自動音声認識の基礎モデルで、2.2 - 2.4億のパラメータを持っています。これはGigaAMシリーズの第3世代モデルで、70万時間のロシア語音声データを使用してHuBERT - CTC目標で事前学習され、幅広いロシア語ASR分野で最先端の性能を提供します。

音声処理Pytorch多言語

Olmo-3-7B-Think-DPOはAllen Institute for AIが開発した70億パラメータの言語モデルで、長い連鎖的な思考能力を持ち、数学やコーディングなどの推論タスクで優れた性能を発揮します。このモデルは、教師付き微調整、直接的な嗜好最適化、検証可能な報酬に基づく強化学習などの多段階の訓練を経ており、研究や教育目的に特化して設計されています。

自然言語処理Transformers英語

Olmo 3 7B RL-Zero Mathは、Allen AIによって開発された、数学的推論タスクに特化して最適化された70億パラメータの言語モデルです。RL-Zero強化学習方法を用いて数学データセットで訓練され、数学的推論能力を効果的に向上させます。

自然言語処理Transformers英語

Fara-7Bは、マイクロソフト研究所が開発した、コンピューターの使用シーン向けに設計された小型言語モデルで、たった70億のパラメータしか持たず、同規模のモデルの中で卓越した性能を発揮し、ウェブ自動化やマルチモーダル理解などのコンピューターインタラクションタスクを実行できます。

マルチモーダルTransformers英語

Wraith-8BはVANTA研究実体系列の最初のモデルで、MetaのLlama 3.1 8B Instructをベースに微調整されています。このモデルは数学的推論において卓越した性能を発揮し、GSM8Kベンチマークテストで70％の正解率を達成しています。同時に、独特な宇宙知能の視点を持ち、様々なアプリケーションシーンに強力なサポートを提供することができます。

自然言語処理Transformers英語

PokeeResearch-7Bは、Pokee AIによって開発された70億パラメータの深度研究エージェントモデルです。AIフィードバック強化学習（RLAIF）と強力な推論フレームワークを組み合わせ、ツール強化型大規模言語モデルにおいて信頼性が高く、アライメントされ、拡張可能な研究レベルの推論を実現し、複雑な多段階研究ワークフローに適しています。

自然言語処理Transformers英語

PokeeResearch-7BはPokee AIによって開発された70億パラメータの深度研究用のインテリジェントエージェントで、AIフィードバックに基づく強化学習(RLAIF)と推論フレームワークを組み合わせ、自己修正、検証、総合分析を含む複雑な多段階研究ワークフローを実行できます。

自然言語処理Transformers英語

Granite-4.0-H-Tiny AWQ - INT4は、Granite-4.0-H-TinyベースモデルをAWQ量子化処理した4ビットバージョンで、性能を維持しながらリソース消費を大幅に削減します。このモデルは70億のパラメータを持ち、多言語処理をサポートし、テキスト生成、コード補完、ツール呼び出しなどの豊富な機能を備えています。

自然言語処理Transformers

Apertusは、パラメータ規模が70Bと8Bの全オープン多言語言語モデルで、1000種以上の言語と長文脈処理をサポートし、完全にコンプライアンスが取れたオープンなトレーニングデータのみを使用し、性能はクローズドソースモデルと匹敵します。

自然言語処理Transformersその他

Apertusは、パラメータ規模が70Bと8Bの完全オープンな多言語言語モデルで、1000種以上の言語と長文脈をサポートし、完全にコンプライアンスが取れたオープンな学習データのみを使用し、性能はクローズドソースで学習されたモデルと匹敵します。

自然言語処理Transformersその他

ApertusはスイスのAIによって開発された完全にオープンな多言語大規模言語モデルで、70億と80億の2種類のパラメータ規模を提供します。このモデルは1000種類以上の言語をサポートし、完全にコンプライアンスでオープンな学習データを使用し、その性能はクローズドソースモデルに匹敵します。Apertusは15Tのトークンで事前学習され、段階的なコース学習方法を採用し、最大65,536トークンのコンテキスト長をサポートします。

自然言語処理Transformersその他

ApertusはスイスのAIによって開発された完全にオープンな多言語大規模言語モデルで、パラメータ規模は80億と700億で、1000種以上の言語と長文脈処理をサポートし、完全にコンプライアンスの取れたオープンな学習データのみを使用し、性能はクローズドソースモデルに匹敵します。

自然言語処理Transformersその他

Granite-4.0-H-Tinyは、IBMが開発した70億パラメータの長文コンテキスト命令モデルで、Granite-4.0-H-Tiny-Baseをベースに微調整されています。このモデルは、オープンソースの命令データセットと内部合成データセットを組み合わせ、監督微調整、強化学習アライメント、モデルマージなどの技術を用いて開発され、強化された命令追従とツール呼び出し機能を備えており、特に企業向けアプリケーションに適しています。

自然言語処理Transformers

GLM 4.6は、128GBメモリ+単GPU構成向けに最適化された量子化モデルで、IQ_K量子化方式を採用し、主流のllama.cppと比較して同じサイズでより良い品質と性能を提供します。このモデルはik_llama.cppと一緒に使用する必要があり、128GBデュアルチャネルDDR5メモリ、単CCD Ryzen 7000プロセッサ+単体3090グラフィックカードの構成で、テキスト生成速度は約1秒あたり6.8トークンに達します。

自然言語処理Gguf多言語

Apertus-70B-Instruct-2509は、swiss-aiに基づいて開発された700億パラメータの大規模言語モデルの量子化バージョンで、指令追従とテキスト生成タスクに特化しています。このプロジェクトは、知識を無料で共有することに取り組んでおり、実験的な性質を持ち、計算リソースの要件を軽減するために最適化された量子化モデルを提供しています。

自然言語処理Gguf

Qwen2.5-VL-7B-Instructはアリババの通義千問チームによって開発されたマルチモーダル視覚言語モデルで、70億のパラメータ規模に基づき、視覚的質問応答タスクに特化して最適化トレーニングが行われています。このモデルは画像内容を理解し分析し、正確な自然言語の回答を生成することができます。

マルチモーダルSafetensors英語

Granite-4.0-H-TinyはIBMが開発した70億パラメータの長文脈指令モデルで、Granite-4.0-H-Tiny-Baseをベースにファインチューニングされています。このモデルはオープンソースの指令データセットと内部合成データセットを組み合わせて訓練され、専門的で正確かつ安全な回答能力を備え、多言語とツール呼び出しをサポートし、企業向けアプリケーションに適しています。

自然言語処理Transformers