# 動的精度割り当て

Dans-PersonalityEngine-V1.3.0-24bは、50以上の専門データセットで微調整された多機能モデルシリーズで、多言語と専門分野のタスクをサポートします。

Qwen3-8Bをベースにした量子化バージョンで、IQ-DynamicGate超低ビット量子化技術を採用し、メモリ効率と推論速度を最適化

Qwen3-30B-A3BはQwen3-30B-A3B-Baseを基にした大規模言語モデルで、テキスト生成タスクをサポートし、超低位量子化技術によりメモリ効率を最適化しています。

Qwen3-14BはQwen/Qwen3-14B-Baseから生成されたGGUF形式モデルで、テキスト生成タスクをサポートし、IQ-DynamicGate超低ビット量子化技術によりメモリ効率を最適化しています。

GLM-Z1-9B-0414 は中英バイリンガルのテキスト生成モデルで、GGUFフォーマットを採用し、BF16から超低ビット量子化（1-2ビット）までの複数の量子化レベルに対応しています。

OlympicCoder-7BはQwen2.5-Coder-7B-Instructを最適化したコード生成モデルで、IQ-DynamicGate超低ビット量子化技術を採用し、メモリ制約環境向けに設計されています。

GLM-4-32B-0414 GGUFモデルは、一連の強力なテキスト生成モデルで、さまざまな量子化形式を持ち、異なるハードウェアとメモリ条件に適しています。

IQ-DynamicGate技術を採用した超低ビット量子化(1-2ビット)言語モデル、メモリ制約環境に適応

IQ-DynamicGate技術を採用した超低ビット量子化(1-2ビット)大規模言語モデル、多言語テキスト生成タスクをサポート

Llama-3-8Bアーキテクチャを基に最適化された超低ビット量子化モデル。IQ-DynamicGate技術により1-2ビット精度の適応的量子化を実現し、メモリ制約環境に適しています。

Llama-3.1-70Bを基にした超低位量子化(1-2ビット)モデルで、IQ-DynamicGate技術を用いて精度適応型量子化を実現し、メモリ効率を維持しながら精度を向上させています。

OlympicCoder-32BはQwen2.5-Coder-32B-Instructをベースとしたコード生成モデルで、IQ-DynamicGate超低位量子化技術を採用し、メモリ制約環境下での効率的な推論に適しています。

Qwen2.5-VL-7B-Instruct はマルチモーダル視覚言語モデルで、画像理解とテキスト生成タスクをサポートします。

Gemma 3 27BパラメータのGGUF量子化バージョン、画像テキストインタラクションタスクをサポート

EXAONE-Deep-32Bは32Bパラメータの大規模言語モデルで、英語と韓語をサポートし、テキスト生成タスク向けに設計されています。

Llama-3アーキテクチャに基づく8Bパラメータモデルで、IQ-DynamicGate超低ビット量子化技術によりメモリ使用を最適化

IQ-DynamicGate技術を採用した超低ビット量子化（1-2ビット）の7.8Bパラメータモデルで、英語と韓語のテキスト生成タスクをサポートします。

Llama-3.1-8B-Instruct は Llama-3-8B の命令調整バージョンで、IQ-DynamicGate 技術を用いた超低ビット量子化（1-2 ビット）を採用し、メモリ効率を維持しながら精度を向上させています。

Mistral-7B-Instruct-v0.2はMistral-7Bアーキテクチャに基づく命令微調整モデルで、テキスト生成タスクをサポートし、IQ-DynamicGate超低ビット量子化技術によりメモリ効率を最適化しています。