# 低リソース消費

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

Qwen3 30B A3BはGPTQメソッドを用いて8ビット量子化処理を施した大規模言語モデルで、効率的な推論シナリオに適しています。

SmolLM2-135Mをファインチューニングしたロシア語・英語バイリンガル軽量言語モデルで、ロシア語処理能力は強化されているが明らかな限界がある

HiDream-I1-FastはGGUF量子化を施したテキストから画像を生成するモデルで、高速な画像生成タスクに適しています。

openai/whisper-large-v3-turboをベースにしたINT4重み量子化バージョンで、効率的な音声をテキストに変換するタスクをサポートします。

このモデルはgoogle/gemma-3-12b-itから変換されたGGUF形式モデルで、llama.cppフレームワークに適しています。

LTX-Videoはテキストから動画を生成する技術に基づいたモデルで、入力されたテキストの説明に応じた動画コンテンツを生成できます。

OuteTTS-0.3-500M は多言語テキスト読み上げモデルで、英語、中国語、日本語、韓国語、フランス語、ドイツ語をサポートしています。

効率的なテキストから画像生成AIモデルで、わずか4ステップで高品質な画像を生成可能。複数のハードウェア最適化フォーマットをサポート。

SDXL-Turboベースの画像ウォーターマーク処理モデルで、画像から画像への変換タスクに特化しています。

OpenAI Whisperを基にした高速音声認識モデル、CTranslate2で推論速度を最適化

Phi-3-mini-4k-instruct-graphは、マイクロソフトのPhi-3-mini-4k-instructを微調整したバージョンで、一般的なテキストデータからエンティティ関係を抽出するために特別に設計されており、エンティティ関係グラフの生成においてGPT-4と同等の品質と精度を達成することを目指しています。

t5-smallをxsumデータセットでファインチューニングした軽量テキスト要約モデル、生成速度が速くリソース使用量が少ない

Whisper Large v3の蒸留版、効率的な自動音声認識(ASR)用

BART-largeをファインチューニングしたニュース要約生成モデルで、StableBeluga-7Bを教師モデルとして使用し、効率的で高品質なニュース要約を提供

これはOpenAI Whisper large-v3モデルのCTranslate2変換バージョンで、特に日本語に対して4000ステップの追加トレーニングを行い、多言語音声認識をサポートしています。

Gerbil-A-32m は3200万パラメータを有するAクラスのモデルで、6億4000万のトレーニングトークン数を処理し、様々な自然言語処理タスクに適しています。

Dreambooth技術に基づいてトレーニングされたAIイラスト生成モデルで、テキストから画像を生成するタスクに適しています

これはAutoTrainでトレーニングされた二項分類モデルで、スズメバチ画像の分類タスクに特化しています。

Vi-(Arcane)-v1 は、asukii が TheLastBen の迅速な DreamBooth ノートブックを使用してトレーニングした Dreambooth モデルで、テキストから画像を生成するタスクに適しています。

これはRE - SepFormerアーキテクチャに基づくオーディオソース分離モデルで、SpeechBrainによって実装され、WSJ0 - 2Mixデータセットで訓練されました。

これはAutoTrainで訓練されたエンティティ認識モデルで、高い精度とF1スコアを有しています。

このモデルはdistilbert-base-uncasedをfew_nerdデータセットでファインチューニングした固有表現抽出(NER)モデルで、評価セットでF1スコア0.7621を達成しました。

Squad V2データセットでファインチューニングされたMobile-BertアーキテクチャベースのQAモデル、リソースが限られたデバイスに適しています

これはAutoNLPを通じて訓練された二元分類モデルで、IMDB映画レビューの感情分析に使用されます。

SAMSumデータセットを基に微調整された軽量級の対話要約モデルで、アマゾンSageMakerとHugging Faceコンテナを使用して訓練されました。