これはClaude Sonnet 4.5の推論データセットを基に訓練された300億パラメータの大規模言語モデルで、高難度の推論タスクに特化して最適化されており、コーディングと科学の分野で優れた性能を発揮します。

自然言語処理Transformers英語

これはQwen3 30B A3Bモデルをベースに、Claude Sonnet 4.5の高い推論難易度のデータセットで訓練された蒸留モデルです。このモデルは複雑な推論タスクに特化して最適化されており、コーディングと科学の分野で優れた性能を発揮し、強力な論理推論能力を持っています。

自然言語処理Transformers英語

このプロジェクトはQwen3-30B-A3B-Thinking-2507-Deepseek-v3.1-Distill-V2-FP32モデルに基づく量子化バージョンで、F16全精度やQ5_K_XL、Q4_K_XL、Q3_K_XLなどの複数のGGUF形式のファイルを提供し、さまざまなハードウェア環境と使用ニーズに対応します。

自然言語処理Gguf

Qwen3-30B-A3B-Thinking-2507のW4A16量子化バージョンで、LLM-Compressorを使用して4ビットの重みと16ビットの活性化を量子化しています。FP16バージョンと比較して、メモリ使用量が約75％減少し、対応するハードウェアでより高速な推論速度を実現します。このモデルは、優れた推論能力、ツール呼び出し能力、および長文脈のサポートを備えています。

自然言語処理Transformers

これはQwen3-30B-A3B-Thinking-2507モデルに基づくGGUF形式の量子化バージョンで、abliterated処理を施され、Q4_K_M量子化レベルを採用しています。このモデルはテキスト生成タスクに特化しており、中国語と英語をサポートし、30Bのパラメータ規模を持っています。

自然言語処理Transformers英語

Qwen3-30B-A3B-Thinking-2507は、推論能力と汎用能力が著しく向上した大規模言語モデルで、長文脈理解能力を強化し、高度に複雑な推論タスクに適しています。このモデルは305億のパラメータを持ち、そのうち33億のパラメータがアクティブで、262,144トークンの長文脈処理をサポートしています。

自然言語処理Safetensors

Qwen3-30B-A3B-Thinking-2507-AWQは、Qwen/Qwen3-30B-A3B-Thinking-2507のベースモデルをベースにした効率的な推論モデルです。このモデルは、推論タスク、一般的な能力、および長いコンテキストの理解において顕著な向上が見られ、高度に複雑な推論タスクに特化して最適化されており、262,144トークンの長いコンテキストの処理をサポートしています。

自然言語処理Transformers

Qwen3-30B-A3B-Thinking-2507-GPTQ-Int8はQwen/Qwen3-30B-A3B-Thinking-2507に基づく量子化バージョンで、推論タスク、一般的な能力、長文脈理解能力などの面で著しい向上が見られ、高度に複雑な推論タスクに適しています。

自然言語処理Transformers

このモデルはQwen/Qwen3-30B-A3B-Thinking-2507のMLX形式変換バージョンで、テキスト生成タスクに対して効率的な解決策を提供します。4ビット量子化技術を採用して性能を最適化し、Apple Siliconデバイスでの効率的な実行をサポートします。

自然言語処理Mlx

Qwen3-30B-A3B-Thinking-2507は量子化処理された大規模言語モデルで、強化された推論能力、汎用能力、長文脈理解能力を持っています。このモデルは混合エキスパートアーキテクチャを採用しており、論理推論、数学、科学、コーディングなどの複雑なタスクで優れた性能を発揮し、262,144トークンの長文脈処理をサポートしています。

自然言語処理Transformers

Qwen3-30B-A3B-Thinking-2507-AWQは、Qwen3-30B-A3B-Thinking-2507モデルをAWQ量子化処理したバージョンです。このモデルは、推論能力、汎用能力、長文脈理解能力などにおいて著しい向上が見られ、256Kの文脈長をサポートし、様々な自然言語処理タスクに適用できます。

自然言語処理Transformers