# エッジデバイス最適化

phi-2 は IQ-DynamicGate 超低ビット量子化（1-2 ビット）を採用したテキスト生成モデルで、自然言語処理とコード生成タスクに適しています。

Llama-3-8Bアーキテクチャを基に最適化された超低ビット量子化モデル。IQ-DynamicGate技術により1-2ビット精度の適応的量子化を実現し、メモリ制約環境に適しています。

OlympicCoder-32BはQwen2.5-Coder-32B-Instructをベースとしたコード生成モデルで、IQ-DynamicGate超低位量子化技術を採用し、メモリ制約環境下での効率的な推論に適しています。

このモデルはGemma-3-27b-toolsを変換したGGUF形式バージョンで、ローカル推論タスクに適しています。

BERT-Emotionは、bert-liteとNeuroBERT-Miniをベースにした軽量自然言語処理モデルで、エッジおよびIoTデバイス上の短いテキストの感情検出に最適化されています。

EXAONE-Deep-32Bは32Bパラメータの大規模言語モデルで、英語と韓語をサポートし、テキスト生成タスク向けに設計されています。

Llama-3アーキテクチャに基づく8Bパラメータモデルで、IQ-DynamicGate超低ビット量子化技術によりメモリ使用を最適化

IQ-DynamicGate技術を採用した超低ビット量子化（1-2ビット）の7.8Bパラメータモデルで、英語と韓語のテキスト生成タスクをサポートします。

これはMistral-Small-3.1-24B-Base-2503を基にした命令微調整モデルで、GGUFフォーマットとIQ-DynamicGate超低ビット量子化技術を採用しています。

Qwen2.5-7B-Instruct-1MはQwen2.5-7Bを基にした命令微調整バージョンで、IQ-DynamicGate超低ビット量子化技術（1-2ビット）を採用し、メモリ制約環境下での効率的な推論に適しています。

Llama-3.1-8B-Instruct は Llama-3-8B の命令調整バージョンで、IQ-DynamicGate 技術を用いた超低ビット量子化（1-2 ビット）を採用し、メモリ効率を維持しながら精度を向上させています。

Mistral-7B-Instruct-v0.2はMistral-7Bアーキテクチャに基づく命令微調整モデルで、テキスト生成タスクをサポートし、IQ-DynamicGate超低ビット量子化技術によりメモリ効率を最適化しています。

LLaMA-3Bを基に構築された微調整推論モデル、推論能力を強化し、多言語処理をサポート

マイクロエージェント-αはQwen2.5-Coderシリーズモデルを基に訓練された軽量AIエージェントで、エッジデバイス向けに設計され、Pythonicな関数呼び出し方式をサポートします。

DistilBERTアーキテクチャに基づくマルチラベルコンテンツ審査システムで、ユーザーコメント内の潜在的に有害なコンテンツを検出・分類する。高精度かつ軽量な特徴を持つ。

ヒンディー語と英語の混合（ヒングリッシュ）で日常会話が可能なマイクロテキスト補完モデルです。

Moondream2のファインチューニング版で、画像プロンプト生成に最適化された軽量視覚言語モデルです。エッジデバイスでの効率的な実行に適しています。