これは🤗 Transformersライブラリに基づく双方向自己回帰Transformerモデルで、モデルセンターにアップロードされています。モデルカードはシステムによって自動生成され、具体的な技術詳細とアプリケーション情報はさらに補足する必要があります。

自然言語処理Transformers

Olmo 3 32B Think SFTはTransformerアーキテクチャに基づく自己回帰型言語モデルで、長い思考連鎖推論に優れており、特に数学やコーディングなどの複雑な推論タスクを処理するのに適しています。このモデルはDolma 3データセットで事前学習され、Dolciデータセットで教師付き微調整されています。

自然言語処理Transformers英語

NVIDIA-Nemotron-Nano-VL-12B-V2-FP4-QADはNVIDIAが開発した自己回帰型ビジュアル言語モデルで、最適化されたTransformerアーキテクチャに基づいており、画像とテキストの入力を同時に処理することができます。このモデルはFP4量子化技術を採用しており、性能を維持しながらモデルサイズと推論コストを大幅に削減し、さまざまなマルチモーダルアプリケーションシナリオに適しています。

マルチモーダルTransformers

NVIDIA Qwen3-14B FP4モデルは、アリババクラウドのQwen3-14Bモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用した自己回帰型言語モデルです。このモデルはTensorRT Model Optimizerを使用して量子化され、重みと活性化をFP4データ型に量子化することで、NVIDIA GPU加速システム上で高効率な推論を実現します。

自然言語処理Safetensors

NVIDIA Qwen3-8B FP8は、アリババのQwen3-8Bモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用し、自己回帰型言語モデルに属します。このモデルはFP8量子化技術によって最適化され、NVIDIA GPU上で効率的な推論を実現でき、商用および非商用用途に対応しています。

自然言語処理Safetensors

NVIDIA Qwen3-8B FP4モデルは、アリババのQwen3-8Bモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用した自己回帰型言語モデルです。このモデルはFP4量子化技術を使用し、パフォーマンスを維持しながらメモリ使用量と計算要件を大幅に削減し、AIエージェントシステム、チャットボット、RAGシステムなどのアプリケーションシナリオに適しています。

自然言語処理Safetensors

NVIDIA DeepSeek-R1-0528-FP4 v2はDeepSeek R1 0528モデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用し、自己回帰型言語モデルです。FP4量子化最適化により、ディスク容量とGPUメモリの要求量を削減し、同時に高い推論効率を維持します。

自然言語処理Safetensors

NVIDIA Qwen3-30B-A3B FP4モデルは、アリババクラウドのQwen3-30B-A3Bモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用し、自己回帰型言語モデルです。このモデルはTensorRT Model Optimizerを使用してFP4量子化を行い、各パラメータのビット数を16ビットから4ビットに減らし、ディスクサイズとGPUメモリ要件を約3.3倍削減しながら、高いパフォーマンスを維持します。

自然言語処理Safetensors

NVIDIA Qwen3-235B-A22B FP4モデルは、アリクラウドのQwen3-235B-A22Bモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用した自己回帰型言語モデルです。このモデルは、FP4量子化技術を用いてパラメータを16ビットから4ビットに削減し、ディスク容量とGPUメモリの要件を約3.3倍削減すると同時に、高い精度と性能を維持します。

自然言語処理Safetensors

NVIDIA Qwen3-235B-A22B FP4モデルは、アリババクラウドのQwen3-235B-A22Bモデルの量子化バージョンで、最適化されたTransformerアーキテクチャに基づく自己回帰型言語モデルです。このモデルはTensorRT Model Optimizerを使用して量子化され、重みと活性化値をFP4データ型に量子化することで、ストレージと計算の要件を大幅に削減しています。

自然言語処理Safetensors

NVIDIA Qwen3-235B-A22B FP8モデルは、アリクラウドのQwen3-235B-A22Bモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用した自己回帰型言語モデルです。このモデルは、FP8量子化技術により、ディスク容量とGPUメモリの要件を大幅に削減しながら、高い推論精度を維持し、さまざまなAIアプリケーションシナリオに適しています。

自然言語処理Safetensors

DeepSeek AI社のDeepSeek R1 0528モデルの量子化バージョンで、最適化されたTransformerアーキテクチャに基づく自己回帰型言語モデルで、商用および非商用用途に使用できます。

自然言語処理Safetensors

AuriStream-1Bは、生物に着想を得たGPTスタイルの自己回帰型Transformerモデルで、長い音声文脈で蝸牛マークを予測するために特別に設計されています。このモデルは約20秒（4096個のマーク）の長い文脈ウィンドウを使用し、LibriLightデータセット（約60000時間）で約500000ステップの訓練を行い、豊富な時間的に整列した表現を学習し、音声の続きを生成することができます。

音声処理Transformers英語

NVIDIA DeepSeek R1 FP4モデルは、DeepSeek AIのDeepSeek R1モデルの量子化バージョンで、最適化されたTransformerアーキテクチャを使用した自己回帰型言語モデルです。このモデルは、FP4量子化技術を通じてパラメータのビット数を8ビットから4ビットに減らし、ディスクサイズとGPUメモリ要件を約1.6倍削減すると同時に、高い精度性能を維持します。

自然言語処理Safetensors

Janus-Proは、マルチモーダル理解と生成を統一する新しい自己回帰フレームワークです。視覚エンコーディングパスを分離し、単一の統一Transformerアーキテクチャを使用してマルチモーダルタスクを処理します。

マルチモーダルTransformers

Janus-Proは、新しい自己回帰フレームワークで、マルチモーダルの理解と生成能力を統一しています。視覚エンコーディングパスを分離し、単一のTransformerアーキテクチャでマルチモーダルタスクを処理します。

マルチモーダルTransformers

Janus-Proは革新的な自己回帰型フレームワークで、マルチモーダル理解と生成機能を統合しています。視覚エンコーディングパスを分離し、単一のTransformerアーキテクチャで処理することで、視覚エンコーダが理解と生成の役割間で生じる衝突を解決しました。

マルチモーダルTransformers

MobileLLMはMetaがリソース制限のあるデバイス側アプリケーション用に最適化した自己回帰型言語モデルで、最適化されたTransformerアーキテクチャを採用し、SwiGLU活性化関数、深くて狭いアーキテクチャ、埋め込み共有、グループ化クエリ注意などの重要な技術を統合しており、ゼロショット常識推論タスクで優れた性能を発揮します。

自然言語処理Transformers

MobileLLMは、デバイス端アプリケーション向けに最適化された自己回帰型言語モデルで、最適化されたTransformerアーキテクチャを採用し、SwiGLU活性化関数、深くて狭いアーキテクチャ、埋め込み共有、グループ化クエリアテンションなどの重要な技術を統合し、リソースが制限されたデバイス端で強力な言語処理能力を提供します。

自然言語処理Transformers英語

NVIDIA Llama 3.1 405B Instruct FP8モデルは、MetaのLlama 3.1 405B Instructモデルの量子化バージョンで、最適化されたTransformerアーキテクチャを採用した自己回帰型言語モデルです。このモデルは商用または非商用目的で使用できます。

自然言語処理Transformers