# 低メモリ最適化

これはPinkPixelのCrystal-Think-V2モデルを量子化したバージョンで、さまざまなハードウェアと性能要件を満たすために複数の量子化タイプを提供します。

これはGrypheのCodex-24B-Small-3.2モデルの量子化バージョンで、量子化技術によりさまざまなハードウェア条件下での実行効率が最適化されています。

これはMistral-Small-3.2-24B-Instruct-2506モデルのLlamacpp imatrix量子化バージョンで、さまざまな量子化タイプを提供して、異なるハードウェアの要件を満たします。

llama.cppに基づいてMenlo/Jan - nanoモデルを量子化処理し、様々な量子化タイプのモデルファイルを提供し、異なるハードウェアとパフォーマンスの要件を満たします。

cognitivecomputations/Qwen3-72B-Embiggenedモデルに基づく量子化バージョンで、llama.cppを使用して量子化処理を行い、様々な環境で効率的に動作します。

これはBAAIのRoboBrain2.0-7Bモデルの量子化バージョンで、llama.cppを通じて量子化処理を行い、さまざまなハードウェアのニーズに対応するための複数の量子化タイプを提供します。

Kuvera-8Bは、金融および個人理財分野に特化した80億パラメータの大規模言語モデルで、さまざまな量子化バージョンを提供して、異なるハードウェア要件に対応します。

これはllama.cppを使用して量子化されたJedi - 7B - 1080pモデルで、ファイルサイズとモデル品質のバランスを取るために複数の量子化タイプが提供されています。

Legion-V2.1-LLaMa-70B-Elarablated-v0.8-hfはLLaMa-70B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の複数の量子化オプションを提供します。

NVIDIA Llama-3.1-Nemotron-Nano-4B-v1.1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、リソースが限られた環境での実行に適しています。

Qwen2.5-Omniはエンドツーエンドのマルチモーダルモデルで、テキスト、画像、音声、ビデオなど様々なモダリティを認識し、ストリーミング方式でテキストと自然音声応答を生成できます。

これは8GiBのコンシューマー向けGPUで動作することを目的とした実験的な小型思考モデルで、汎用推論能力を備えています。教師あり微調整（SFT）と高品質な推論軌跡トレーニングにより、モデルは推論能力を様々なタスクに汎化できます。

Qwen3-14B-abliteratedはQwen3-14Bモデルに基づく量子化バージョンで、llama.cppを使用して最適化され、さまざまな性能要件に対応するための複数の量子化オプションを提供します。

Qwen/Qwen3-32Bを基にした量子化バージョンで、llama.cppを使用して量子化されており、様々な量子化タイプをサポートし、異なるハードウェア要件に対応します。

Qwen/Qwen3-1.7Bを基にした量子化バージョンで、llama.cppを使用して量子化されており、複数の量子化タイプをサポートし、テキスト生成タスクに適しています。

Qwenチームが提供するQwen3-4BのLlamacpp imatrix量子化バージョンで、複数の量子化タイプをサポートし、テキスト生成タスクに適しています。

Qwen/Qwen3-30B-A3Bを基にした量子化バージョンで、llama.cppを使用して複数の精度で量子化されており、テキスト生成タスクに適しています。

Llama-3.2-1B-Instruct は Llama アーキテクチャに基づく 1B パラメータの命令微調整モデルで、さまざまなハードウェアニーズに対応するために複数の量子化フォーマットを提供します。

Tessa-Rust-T1-7Bの量子化バージョンで、llama.cppツールを使用して量子化処理を行い、さまざまなハードウェア条件で高効率に動作します。

ViCoder-HTML-32B-previewは、HTML、Tailwind CSS、JavaScriptコードを含む完全なウェブサイトを生成するために設計された強力なAIモデルです。

これはDARE TIES手法でマージされた12Bパラメータの言語モデルで、複数の事前学習モデルを融合し、強力なテキスト生成能力を提供します。

Qwen2.5-72B-InstructのGGUF量子化バージョンで、複数の精度フォーマットをサポートし、様々なハードウェア環境での効率的な推論に適しています。

Llama 2はMetaが開発した70億パラメータ規模の大規模言語モデルで、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バージョンを提供しています。

mxbai-rerank-large-v2は多言語テキストリランキングモデルで、複数の言語と量子化フォーマットをサポートし、様々なハードウェア環境に適しています。

phi-4はマイクロソフトリサーチが開発したオープンソース言語モデルで、高品質なデータと推論能力に重点を置き、メモリ/計算リソースが限られた環境に適しています。

Meta-Llama-3-8BはGGUFフォーマットに基づく80億パラメータの大規模言語モデルで、様々な量子化バージョンをサポートし、異なるハードウェア環境に適応します。

flash-linear attention形式のRWKV-7モデルで、多言語テキスト生成タスクをサポートします。

RWKV-7アーキテクチャの29億パラメータ大規模言語モデル、多言語テキスト生成タスクをサポート

これはWan-AI/Wan2.1-T2V-1.3Bを基にしたgguf量子化バージョンで、テキストから動画生成タスク向けに設計されており、comfyui-ggufとggufノードと互換性があります。

Cydonia-24B-v2.1は24Bパラメータの大規模言語モデルで、llama.cppのimatrix量子化処理を施し、さまざまなハードウェア要件に対応する複数の量子化バージョンを提供します。

Rombo-LLM-V3.1-QWQ-32bは32Bパラメータ規模の大規模言語モデルで、llama.cppのimatrix量子化処理を経ており、さまざまなハードウェアニーズに対応する複数の量子化バージョンを提供します。

mochiのGGUF量子化バージョンはテキストから動画を生成するモデルで、GGUFエンコーダーとGGUF変分自己符号化器を含み、迅速な動画コンテンツ生成に適しています。

これは24Bパラメータの大規模言語モデルで、llama.cppのimatrix量子化処理を施し、さまざまなハードウェア要件に対応する複数の量子化バージョンを提供します。

これはzed - industriesのzetaモデルをLlamacpp imatrixで量子化したバージョンで、異なるハードウェア条件下でモデルを高効率に実行する問題を解決し、ユーザーに複数の量子化タイプを提供します。

Nera_Noctis-12BのLlamacpp imatrix量子化バージョンで、Nitral-AI/Nera_Noctis-12Bモデルをベースにし、英語テキスト生成タスクをサポートします。

mochiはgguf量子化バージョンに基づくテキスト生成動画モデルで、テキスト記述から動画コンテンツを生成できます。

Aura-4BはAuraIndustries/Aura-4Bをベースにした量子化バージョンで、llama.cppを使用してimatrix量子化を行い、複数の量子化タイプをサポートし、テキスト生成タスクに適しています。

StarCoder2-3Bは30億のパラメータを持つコード生成モデルで、17種類のプログラミング言語のデータを基に訓練されており、コード断片を生成することができますが、必ずしも完全に正確であるとは限りません。

Mixtral-8x7Bは事前学習済みの生成的スパース混合エキスパートモデルで、ほとんどのベンチマークテストでLlama 2 70Bを上回る性能を示しています。

StarCoder2-3Bは30億パラメータを持つコード生成モデルで、17のプログラミング言語でトレーニングされ、16,384トークンのコンテキストウィンドウをサポートします。