# 低メモリ使用量

Qwen3-30B-A3Bの量子化バージョンで、先進的な非線形SotA量子化技術を採用し、与えられたメモリ使用量で同類最高の品質を提供します。

Qwen3-8Bの量子化バージョンで、llama.cppのimatrixオプションを使用して量子化されており、テキスト生成タスクに適しています。

GLM-4アーキテクチャに基づく9Bパラメータのチャットモデルで、中国語と英語の対話をサポートし、量子化処理によりさまざまなハードウェア環境に対応

Falcon-E-1B-Base はTIIによって開発された効率的な1.58ビット言語モデルで、純粋なTransformerアーキテクチャを採用し、エッジデバイス向けに最適化されています。

ARPGは革新的な自己回帰画像生成フレームワークで、GPT風の因果的アーキテクチャによりBERT風のマスクモデリングを実現します。

FLUX.1-Fill-devのINT4量子化バージョンで、テキスト記述に基づき既存画像の領域を埋めることができ、約4倍のメモリ節約と2-3倍の速度向上を提供します。

SicariusSicariiStuff/Impish_Mind_8Bモデルを基にした量子化バージョンで、llama.cppツールを使用して様々な量子化処理が施されており、テキスト生成タスクに適しています。

ESM++はESMCの忠実な実装であり、バッチ処理をサポートし、標準のHuggingfaceインターフェースと互換性があり、ESM Pythonパッケージに依存しません。小型バージョンはESMCの3億パラメータバージョンに対応します。

Flux.1 LiteはFLUX.1-devモデルから蒸留された80億パラメータのTransformerモデルで、テキストから画像生成タスクに最適化されており、精度を維持しながらメモリ使用量を削減し速度を向上させます。

このモデルはSalesforce/blip-image-captioning-baseの量子化バージョンで、浮動小数点精度をbfloat16に下げることで、メモリ使用量を50%削減し、画像からテキスト生成タスクに適しています。