# 低メモリ消費

Apriel-Nemotron-15b-Thinkerは強力な推論モデルで、同規模のモデルの中で優れた性能を発揮し、効率的なメモリ使用と優れた推論能力を備え、さまざまな企業や学術シーンに適しています。

これはShakker-Labs/FLUX.1-dev-ControlNet-Union-Pro-2.0モデルのFP8量子化バージョンで、PyTorchネイティブFP8サポートにより元のBFloat16フォーマットから量子化され、推論性能が最適化されています。

AIによって生成された完全な楽曲（ボーカル、音楽、歌詞、スタイルを含む）を識別できる、エンドツーエンド合成楽曲検出の先進モデル

DeepSeek-R1-Distill-Qwen-1.5Bの複数のバリエーションを基に、LiteRTフレームワークとMediaPipe LLM推論APIに適合し、Androidプラットフォームにデプロイ可能です。

Meta Llama 3.2-3B-Instructモデルをベースに、Unslothの動的4ビット量子化技術で最適化された効率的な大規模言語モデル

ModernBERT-largeをファインチューニングしたゼロショット分類器で、効率的で高速かつメモリ使用量が少なく、さまざまなテキスト分類タスクに適しています。

Hugging Faceの事前学習モデルを基にしたテキストと音声の強制アライメントツールで、多言語対応かつメモリ効率に優れています

google/gemma-2bモデルを基に、AWQ技術を用いて圧縮した4ビット量子化バージョンで、推論効率の向上とリソース消費の削減を目的としています。

PrunaAIが提供する圧縮版UniNER-7B-allモデル。量子化技術によりメモリ使用量と消費電力を大幅に削減しながら、良好な固有表現抽出能力を維持。

RecurrentGemmaはGoogleの新しいループアーキテクチャに基づいて構築されたオープンソース言語モデルで、より効率的な長文シーケンス処理能力を提供します

PrunaAIが最適化した8ビット量子化版Palmyra小型言語モデル、メモリ使用量とエネルギー消費を大幅に削減

PrunaAIが圧縮したMPT-7Bストーリーライティングモデル。llm-int8技術により高効率推論を実現

Whisper-Large-V3-フランス語蒸留版は、デコーダ層数を32層から16層に削減し、大規模データセットで蒸留訓練を行ったフランス語音声認識モデルです。このモデルは性能を維持しながら、メモリ消費量と推論時間を大幅に削減しました。