# 低パラメータ高効率

Qwen3-0.6BはQwenシリーズ最新世代の0.6Bパラメータ規模の大規模言語モデルで、思考モードと非思考モードの切り替えをサポートし、強力な推論、指示追従、多言語能力を備えています。

Qwen3は通義千問シリーズの最新世代大規模言語モデルで、完全な密モデルと混合専門家（MoE）アーキテクチャを提供します。膨大なトレーニングを経て、Qwen3は推論、指示遵守、エージェント能力、多言語サポートの面で画期的な進歩を実現しました。

通義千問シリーズの大規模言語モデルの最新バージョンで、思考モードと非思考モードの切り替えをサポートし、強力な推論、多言語、エージェント能力を備えています。

ファルコン-H1はTIIによって開発されたハイブリッドTransformers+Mambaアーキテクチャの因果デコーダ専用言語モデルで、英語をサポートし、優れた性能を発揮します。

Qwen3-1.7Bは通義千問シリーズ最新世代の大規模言語モデルにおける17億パラメータ版で、思考モード切替、多言語処理、エージェント能力をサポートしています。

Qwen3-0.6Bは通義千問シリーズ最新世代の0.6Bパラメータ規模の大規模言語モデルで、思考モードと非思考モードの切り替えをサポートし、強力な推論、命令追従、インテリジェントエージェント能力を備えています。

OpenMath-Nemotron-1.5BはQwen2.5-Math-1.5BをOpenMathReasoningデータセットでファインチューニングした数学推論モデルで、複数の数学ベンチマークで最先端の結果を達成しています。

自動音声認識(ASR)と自動音声翻訳(AST)向けに設計されたコンパクトで効率的な音声言語モデル。オーディオとテキストを二段階で処理する設計

UI-R1は強化学習によって強化されたGUIエージェントの動作予測を行う視覚言語モデルで、Qwen2.5-VL-3B-Instructを基に構築されています。

Qwen2-VL-2B-Instruct はマルチモーダル視覚言語モデルで、画像テキストからテキストへのタスクをサポートします。

Qwen2視覚モデルとstella_en_1.5B_v5を組み合わせた多言語視覚検索器で、Vidoreベンチマークにおいてパラメータ数≤20億のモデルで1位を獲得

TIGERは軽量音声分離モデルで、周波数帯域分割とマルチスケール特徴抽出により効率的な音声処理を実現

TIGERは軽量音声分離モデルで、周波数帯域分割、マルチスケールおよび全周波数フレームモデリングにより重要な音響特徴を効果的に抽出します。

微調整された Llama 3.2 (3B) に基づく会話要約モデルで、会話の簡潔な要約を生成するために特別に設計されています。

Xinyuan-VL-2B はサイリンガーグループが提供するエッジサイド向けの高性能マルチモーダル大規模モデルで、Qwen/Qwen2-VL-2B-Instruct をファインチューニングしており、500万件以上のマルチモーダルデータと少量のテキストデータを使用しています。

フランス語音声テキスト変換に最適化されたWhisper蒸留版、デコーダ構造を2層のみ保持し精度を保ちつつ推論効率を向上

Ruri-Rerankerは日本語テキストに特化して最適化されたリランキングモデルで、sentence-transformersアーキテクチャに基づき、検索結果の関連性ソートを効果的に向上させます。

ConvAI-9bは90億パラメータを持つ対話型AIモデルで、Zephyr-7b-betaとMistral-7B-v0.2を融合して構築されており、チャットボットや仮想アシスタントなどのインタラクティブなシナリオに適しています。

Mistralアーキテクチャに基づく70億パラメータの多言語翻訳モデル、10言語の翻訳関連タスクをサポート

CodeGemmaはGemmaをベースに構築された軽量オープンソースコードモデルシリーズで、コード補完と生成タスクに特化しています。

CodeGemmaはGemmaをベースに構築された軽量なオープンソースコードモデルシリーズで、テキストからテキスト、テキストからコードへのデコーダモデルを含み、コード補完と生成タスクに特化しています。

MiniCPMは面壁智能と清華大学自然言語処理研究所が共同でオープンソース化した一連のエッジAI大規模言語モデルで、コア言語モデルMiniCPM-2Bは24億の非単語埋め込みパラメータのみを有しています。

Proctoraはエキスパート混合アーキテクチャ(MoE)に基づくモデルで、ロールプレイングと事実回答のエキスパートモジュールを組み合わせ、32Kのコンテキスト長をサポートし、AI-RPG評価で優れたパフォーマンスを発揮します。

これはTinyStoriesデータセットで訓練された42MパラメータのLlama 2アーキテクチャfloat32精度モデルで、シンプルなテキスト生成タスクに適しています。

TinyStoriesデータセットでトレーニングされた1500万パラメータのLlama 2アーキテクチャモデル

MusicGenはテキスト記述またはオーディオプロンプトから高品質な音楽サンプルを生成するテキストtoミュージックモデルです。

SantaCoderはPython、Java、JavaScriptのコードでトレーニングされた11億パラメータのコード生成モデルで、中間埋め込みタスクをサポートします。