モデル選定

マルチモーダル視覚推論

# マルチモーダル視覚推論

Qwen2.5 VL 32B Instruct GGUF

Qwen2.5 VL 32B InstructはQwenが開発したマルチモーダル大規模言語モデルで、視覚と言語タスクをサポートし、強力な画像理解とテキスト生成能力を備えています。

テキスト生成画像英語

lmstudio-community

Mlabonne Gemma 3 27b It Abliterated GGUF

Google Gemma 3Bモデルを基にした量子化バージョンで、llama.cppを使用して最適化され、様々な量子化レベルをサポートし、テキスト生成タスクに適しています。

大規模言語モデル

Phi 3.5 Vision Instruct

Phi-3.5-visionは、軽量で最先端のオープンマルチモーダルモデルで、128Kのコンテキスト長をサポートし、高品質で推論に富んだテキストと視覚データに焦点を当てています。

画像生成テキスト

Transformers その他

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

大規模言語モデル

Transformers 複数言語対応

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

対話システム

Transformers 英語

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase