INTELLECT-3は1060億のパラメータを持つ混合専門家（MoE）モデルで、大規模な強化学習によって訓練されています。数学、コーディング、推論のベンチマークテストで卓越した性能を発揮し、モデル、訓練フレームワーク、環境はすべて緩やかなライセンス契約でオープンソース化されています。

自然言語処理Transformers英語

DeepMathは40億パラメータの数学推理モデルで、Qwen3 - 4B Thinkingをベースに構築され、微調整された大規模言語モデルとサンドボックス化されたPython実行器を組み合わせています。これは計算ステップに対して簡潔なPythonコード断片を生成し、エラーを大幅に減らし、出力長を短縮します。

自然言語処理Transformers英語

π₀.₅はPhysical Intelligenceによって開発された視覚 - 言語 - 動作モデルで、オープンワールド汎化能力を備えており、訓練時に一度も見たことのない全く新しい環境やシーンでロボットタスクを実行することができます。

マルチモーダルSafetensors

Qwen3-Next-80B-A3B-Thinkingモデルをベースに、インテルのauto-roundツールで生成された混合int4量子化モデルです。混合精度量子化技術を採用し、非専門家層は8ビットに戻し、精度を保ちながら計算リソースの要求を大幅に削減し、思考内容解析機能をサポートします。

自然言語処理Safetensors

Qwen3-Next-80B-A3B-Instructをベースとした混合int4量子化モデルで、AutoRound技術を用いて対称量子化を行い、グループサイズは128、非エキスパート層は8ビットに戻し、リソース消費を削減しながら性能を維持します。テキスト生成タスクに適しています。

自然言語処理Safetensors

これはIntelligent-Internet/II-Search-4Bモデルの量子化バージョンで、知識を誰もが利用できるようにすることを目指し、量子化技術を通じてモデルのデプロイと実行コストを削減します。

自然言語処理Gguf

これはQwen3-Coder-30B-A3B-Instructモデルの定量化バージョンで、AutoRoundアルゴリズムによってgguf q4km形式に変換され、性能を維持しながらより多くのデバイスで効率的に動作します。このモデルはコード生成タスクに特化しており、複数のプログラミング言語をサポートしています。

自然言語処理Gguf

これはIntel/polite-guardモデルの静的定量バージョンで、さまざまなGGUF定量形式を提供し、ユーザーのデプロイと使用を容易にします。このモデルは主に礼儀性検出とテキスト分析に使用され、英語の言語処理をサポートします。

自然言語処理Transformers英語

II-Medical-8Bはインテリジェントインターネットが開発した次世代医療大規模言語モデルで、AI医療推論能力を強化するために設計され、医療質問応答能力において大きなブレークスルーを実現しました。

自然言語処理Transformers

INTELLECT-2-GGUF は PrimeIntellect/INTELLECT-2 の GGUF フォーマット量子化バージョンで、テキスト生成タスクに適しています。

自然言語処理Gguf

INTELLECT-2はPrime Intellectによって公開された320億パラメータの大規模言語モデルで、Qwen2アーキテクチャに基づいて構築され、数学、コーディング、論理推論タスクに特化しています。

自然言語処理Gguf

INTELLECT 2はPrimeIntellectが開発した大規模言語モデルで、40960トークンのコンテキスト長をサポートし、QwQアーキテクチャとGRPO強化学習フレームワークでトレーニングされています。

自然言語処理Gguf

INTELLECT-2の量子化バージョンで、llama.cppを使用して最適化され、さまざまなハードウェア要件に対応するために複数の量子化タイプをサポートしています。

自然言語処理Gguf

Qwen/Qwen2.5-7B-Instructをファインチューニングした医療推論モデルで、複数の医療QAベンチマークテストで優れた性能を発揮

自然言語処理Transformers

π0+FASTはロボット技術向けの効率的な動作トークン化スキームで、Physical Intelligenceによって設計され、視覚-言語-動作タスクに適しています。

マルチモーダルSafetensors

Phi-4はマイクロソフトが開発したテキスト生成モデルで、Intel auto-round技術を用いて量子化最適化され、自然言語処理、数学推論、コード生成、対話交流などのタスクで優れた性能を発揮します。

自然言語処理Transformers多言語

ポライトガードはインテルが開発したオープンソースのNLP言語モデルで、BERTをファインチューニングしてテキスト分類タスクに使用され、テキストを礼儀正しい、やや礼儀正しい、中立、礼儀正しくないの4つに分類します。

自然言語処理Transformers英語

RoBERTaベースのテキスト分類モデルで、会話システム内の毒性プロンプトや返答を検出するために使用されます

自然言語処理Transformers

Qwen2-7BベースのINT4自動量子化モデル、インテルのauto-roundツールで生成され、効率的な推論タスクに適しています

自然言語処理Transformers

microsoft/Phi-3-mini-4k-instructをベースにしたスパース量子化モデルで、Wandaスパース化とGPTQ-INT4量子化技術を採用し、スパース度は50%です。

自然言語処理Transformers英語