# マルチタスク処理

Phi-3-Mini-4K-Instructは38億パラメータの軽量で最先端のオープンソースモデルで、Phi-3データセットを使用して訓練され、高品質と推論集中特性に重点を置いています。

DeepSeek-R1T-Chimeraはテキスト生成モデルで、tngtechの技術を基に開発され、効率的な自然言語処理タスクに特化しています。

andrewzhのAbsolute_Zero_Reasoner-Coder-14bモデルを基に、llama.cppを使用してimatrix量子化を施したバージョンで、推論とコード生成タスクに適しています。

Kevin 32BはCognition AIによって開発された大規模言語モデルで、超長コンテキスト（40960トークン）をサポートし、CUDAカーネル生成と強化学習タスクに特化しています。

ServiceNowが提供する150億パラメータの効率的な推論モデルで、メモリ使用量は同クラスの先進モデルの半分のみ

エンコーダー-デコーダーアーキテクチャに基づく多言語トランスフォーマーモデルで、テキスト要約、翻訳、質問応答システムタスクをサポートします。

Qwen3-1.7Bは、Alibaba Cloudが提供する1.7Bパラメータ規模のオープンソース大規模言語モデルで、Transformerアーキテクチャに基づき、様々な自然言語処理タスクをサポートします。

Lughaat-1.0-8B-InstructはLlama 3.1 8Bアーキテクチャに基づいて構築されたウルドゥー語大規模モデルで、最大のウルドゥー語データセットでトレーニングされ、ウルドゥー語タスクで優れたパフォーマンスを発揮します。

Trendyol LLM v4.1.0 は、EC分野とトルコ語理解に特化した生成モデルで、Trendyol LLM base v4.0（130億トークンで追加事前学習されたQwen2.5 7Bバージョン）に基づいています。

InstellaはAMDが開発した30億パラメータのオープンソース言語モデルシリーズで、AMD Instinct™ MI300X GPUでトレーニングされ、同規模の完全オープンソースモデルを性能で凌駕しています。

Mistralアーキテクチャに基づく240億パラメータモデルで、DeepSeekモデルから蒸留され、高速かつ効率的な処理を実現することを目的としています。

CyberAgentがリリースした日本語大規模言語モデル、Qwen-32Bを蒸留して最適化

TransformersはHugging Faceが提供するオープンソースライブラリで、自然言語処理（NLP）タスクをサポートし、さまざまな事前学習モデルに対応しています。

Llama3.1-Typhoon2-8Bは、Transformerアーキテクチャに基づくタイ語の大規模言語モデル（指令型）で、複数の言語タスクを処理でき、ユーザーに効率的で正確な言語インタラクションサービスを提供します。

Qwen2.5-Aloe-Beta-7Bはオープンソースの医療用大規模言語モデルで、複数の医療タスクにおいて最先端の性能を達成しています。Qwen2.5-7Bアーキテクチャを基に微調整され、18億トークンの多様な医療タスクデータでトレーニングされています。

Tango-70B-Instructは、スペイン語地域の言語性能を向上させるために設計された大型言語モデルです。

Hymba-1.5B-Baseを基に命令微調整された15億パラメーターモデルで、数学的推論、関数呼び出し、ロールプレイなどの複雑なタスク処理能力を備える

Lumina-mGPTはマルチモーダル自己回帰モデルのファミリーで、テキスト記述に基づいて柔軟でリアルな画像を生成するのに優れており、さまざまな視覚と言語タスクを実行できます。

Lumina-mGPT はマルチモーダル自己回帰モデルのシリーズで、テキスト記述に基づいて柔軟でリアルな画像を生成するのに優れています。

YiSM-34B-0rnはYi-1.5-34BとYi-1.5-34B-Chatを融合した大規模言語モデルで、命令追従能力と基本モデルの特性のバランスを目指しています。

ペルシャ語初の画期的な大規模言語モデルで、130億のパラメータを持ち、ペルシャ語ウィキペディアのコーパスで訓練され、様々な自然言語処理タスクのために設計されています。

meta-llama/Meta-Llama-3.1-8B-Instructをベースに最適化された言語モデルで、スペイン語テキスト生成に長けています。

Easy-Systems社初のLlama3-8B-Instructを基に韓国語で微調整したLLMモデルで、韓国語と英語のテキスト生成タスクをサポートします。

これはHugging Face Transformersライブラリに基づく大規模言語モデルで、テキスト生成、言語翻訳、質問応答などの自然言語処理タスクに適しています。

qwen-4bモデルをベースに、100億の高品質インドネシア語テキストで継続訓練されたインドネシア語大規模言語モデル

ProLLaMAはLlama-2-7bアーキテクチャに基づくタンパク質大規模言語モデルで、マルチタスクタンパク質言語処理に特化しています。

BioMistral - MedMNXは、複数の事前学習モデルを融合することで作成された生物医学分野専用の言語モデルで、DAREとTIESの融合方法を用いて性能を最適化しています。

ウィザードレイク7Bは次世代WizardLM 2 7BモデルとカスタムDolphinLakeモデルを融合したモデルで、優れた性能を発揮します。

Spivavtor-Largeは命令ファインチューニングに基づくウクライナ語テキスト編集モデルで、テキストの書き換え、簡略化、文法修正、一貫性の最適化などのタスクに特化しています。

Mistralアーキテクチャに基づく7Bパラメータの大規模言語モデル。UnslothとTRLライブラリを使用した効率的なトレーニングにより、複数のベンチマークテストで優れたパフォーマンスを発揮。

T-LLaMAはLLaMA2-7Bモデルをベースに訓練されたチベット語大規模言語モデルで、22億のチベット文字を含むコーパスを構築し、テキスト分類、生成、要約タスクで良好な性能を示しています。

GemmaはGoogleが開発した軽量で先進的なオープンソース大規模言語モデルシリーズで、Gemini技術体系に基づいており、英文テキスト生成タスクをサポートします。

GemmaはGoogleが提供する軽量オープンソース大規模言語モデルシリーズで、Geminiモデルを構築した技術を基盤とし、20億パラメータの基本バージョンを提供します。

KafkaLM 70B German V0.1はLlama2アーキテクチャを基盤とした大規模ドイツ語言語モデルで、Seedboxによって開発されました。このモデルはドイツ語に特化して最適化されており、様々なテキスト生成タスクに適しています。

phixtral-2x2_8 は、2つの microsoft/phi-2 モデルを基に構築された初の混合エキスパートモデル（MoE）であり、個々のエキスパートモデルよりも優れたパフォーマンスを発揮します。

kaori-70b-v1はLLaMA2アーキテクチャに基づく大規模言語モデルで、KaeriとJentiチームがOpen-Platypus、dolphin、OpenOrcaデータセットを使用してファインチューニングを行いました。

AthneteはAlpacaフォーマットに基づく13Bパラメータの大規模言語モデルで、ロールプレイ、感情的なロールプレイ、一般的な用途に適しています。

LaMini-T5-738Mはt5-largeをLaMini-instructionデータセットで微調整した命令微調整モデルで、パラメータ数は738M、LaMini-LMシリーズモデルの1つです。

LaMini-Flan-T5-783Mはgoogle/flan-t5-largeをLaMini-instructionデータセットでファインチューニングした命令追従モデルで、パラメータ数は783M、LaMini-LMシリーズの一つです。

LaMini-T5-61MはT5-smallアーキテクチャをベースに、LaMini-instructionデータセットでファインチューニングされた命令追従モデルで、パラメータ規模は61Mです。