# 効率的なテキスト生成

Gemmaアーキテクチャに基づくトルコ語大規模言語モデルで、テキスト生成タスクに特化しています。

Google Gemma-3-4b-itモデルを変換した4ビットDWQ量子化MLX形式のバージョンで、効率的なテキスト生成能力を提供します。

慧慧AIのQwen3-4Bモデルの量子化バージョンで、知識をより広く大衆に利用してもらうことを目的としています。

Qwen3-1.7B-4bitは通義千問1.7Bモデルの4ビット量子化バージョンで、MLXフレームワーク形式に変換されており、Apple Siliconデバイスで効率的に実行できます。

SimpleStoriesは説明可能性研究のために設計されたマイクロモデルファミリーで、SimpleStoriesデータセットでトレーニングされ、ストーリー生成タスクに特化しています。

GLM-4-9B-0414-abliterated は GLM アーキテクチャに基づく 9B パラメータ規模の大規模言語モデルで、テキスト生成タスクに適しています。

Transformerアーキテクチャに基づく微調整モデルで、QAとテキスト生成タスクで優れた性能を発揮し、正確で効率的な言語対話体験を提供します。

このモデルはcanopylabs/orpheus-3b-0.1-ftから変換されたGGUF形式モデルで、テキスト生成タスクに適しています。

革新的な量子化手法により、より小さなモデルサイズと高性能を両立

Gemma 3 27B 命令調整モデルのGGUF量子化バージョン、テキスト生成タスクに適しています。

QwQ-32BはQwen2アーキテクチャに基づく32Bパラメータの大規模言語モデルで、GPTQ手法による4ビット整数量子化処理が施されており、効率的なテキスト生成タスクに適しています。

これは量子化バージョンの大規模言語モデルで、知識をより簡単に取得して利用できるようにすることを目的としています。

0x MiniはOzone AIが開発した軽量言語モデルで、Llama-3.1アーキテクチャを最適化し、効率的なテキスト生成能力を提供します

DeepSeek-R1-Distill-Llama-8B は、Llama アーキテクチャに基づく 8B パラメータ規模の大規模言語モデルで、蒸留トレーニングによって最適化され、テキスト生成タスクに適しています。

Qwenアーキテクチャに基づく2億パラメータモデル、MiniPLM知識蒸留フレームワークを使用してゼロから事前学習

Hymba-1.5B-BaseはNVIDIAが開発した基礎テキスト生成モデルで、Mambaとアテンションヘッドを組み合わせたハイブリッドアーキテクチャを採用し、様々な自然言語生成タスクに適しています。

これは内部ユースケース向けにカスタマイズされた多言語画像テキスト変換モデルで、英語とドイツ語をサポートしています。

Fikriはトルコ語タスク専用にカスタマイズされた言語モデルで、Llama 3.1アーキテクチャを基に80億のパラメータを持っています。

PowerLM-3Bは30億のパラメータを持つ小型言語モデルで、Power学習率スケジューラを用いて訓練され、自然言語の多肢選択、コード生成、数学的推論などの複数のベンチマークテストで優れた性能を発揮します。

Llama2 7Bを改良したモデルで、階層スキップと自己推測デコードをサポートし、推論効率を向上

Mistral 7BはMistral AIが開発した70億パラメータを持つ大規模言語モデルで、効率性と高性能を追求して設計されており、迅速な応答が必要なリアルタイムアプリケーションシーンに適しています。

Mistral-7B-Instruct-v0.3はMistral-7B-v0.3を基に命令ファインチューニングされた大規模言語モデルで、4ビットAWQ量子化技術により推論効率を最適化

Mistral-7B-Instruct-v0.3のGGUF量子化バージョン、ローカル推論用テキスト生成モデル

Mistral-7B-v0.3はMistral-7B-v0.2をアップグレードした大規模言語モデルで、主な改善点は語彙表を32768トークンに拡張したことです。

Mistral-7B-Instruct-v0.3は、Mistral-7Bをベースにした命令調整バージョンで、人間の指示に従うテキスト生成タスクに特化しています。

abacusai/Llama-3-Smaug-8Bを基にしたGGUFフォーマットの量子化モデルで、2-8ビットの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

GIGABATEMAN-7Bは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で、テキスト生成タスクに特化しています。

Mamba-7BはMambaアーキテクチャに基づく70億パラメータのモデルで、RefinedWebデータセットで複数回のトレーニング（1.2兆トークン）を受けています。Mambaは状態空間モデルで、自己注意機構を使用せず、さまざまな自然言語ベンチマークで優れた性能を発揮します。

Mambaは状態空間モデル(SSM)に基づく効率的な言語モデルで、線形時間計算量のシーケンスモデリング能力を持っています。

Mambaはtransformersと互換性のあるシーケンスモデリングモデルで、効率的な推論能力を備えています。

Mambaは状態空間モデル(SSM)アーキテクチャに基づく効率的な言語モデルで、1.4Bパラメータ規模を持ち、テキスト生成タスクをサポートします

DareBeagle-7BはLazyMergekitを使用してmlabonne/NeuralBeagle14-7Bとmlabonne/NeuralDaredevil-7Bを統合した7Bパラメータの大規模言語モデルで、複数のベンチマークテストで優れた性能を発揮しています。

DeciLM-7Bは70.4億パラメータを持つ純粋なデコーダーテキスト生成モデルで、Apache 2.0ライセンスの下で公開されており、現在のOpen LLMランキングで最高性能の7Bベース言語モデルです。