# 多輪対話最適化

Llama-3.3-Nemotron-Super-49B-v1 は大規模言語モデルで、Meta Llama-3.3-70B-Instruct を改良し、推論能力、人間とのチャット適性、タスク実行能力を強化し、128Kトークンのコンテキスト長をサポートします。

FlashVLは、リアルタイムアプリケーションに使用するためのビジュアル言語モデル（VLMs）を最適化する新しい方法で、超低遅延と高スループットを実現しながら、精度を犠牲にしません。

ELYZA-Thinking-1.0-Qwen-32BはELYZA, Incによって訓練された日本語推論モデルで、Qwen/Qwen2.5-32B-Instructをベースに後続訓練を行い、日本語の推論能力を強化しています。

Hugging Face transformersライブラリに基づく4Bパラメータの大規模言語モデルで、テキスト生成、思考モード切り替え、ツール呼び出し、長テキスト処理などの機能をサポートします。

これはQwen/Qwen3-0.6Bを基に変換されたMLX形式のテキスト生成モデルで、中国語と英語のテキスト生成タスクをサポートしています。

Qwen3-0.6B-8bitは、Qwen/Qwen3-0.6Bをベースに変換された8ビット量子化バージョンで、MLXフレームワークに適したテキスト生成モデルです。

これはLlama-70Bに基づく蒸留モデルで、mlx-lmを通じてMLX形式に変換され、4ビット量子化処理が行われています。

Gemma 2 27B ITは、AutoAWQ量子化に基づく4ビットの大規模言語モデルで、対話と命令追従タスクに適しています。

HomerSlerp6-7Bの強力なファインチューニングAIモデルをベースに、複数のQwen2.5-7Bシリーズモデルを融合し、高い適応性、深い知識、魅力的なインタラクション体験を提供

これは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。

DeepSeek-R1-Distill-Qwen-32Bの量子化バージョン。INT8の重み量子化と活性化量子化により、メモリ要件を削減し、計算効率を向上させます。

Llama 3.1 SwallowはMeta Llama 3.1をベースに構築された大規模言語モデルシリーズで、持続的事前学習により日本語能力を強化し、同時に英語能力を維持しています。

DeepSeek-V2-Lite-Chatは軽量チャットモデルで、DeepSeek-V2アーキテクチャに基づいて最適化され、効率的な対話生成タスクに適しています。

MahaMarathi 7Bは、Llama2+Mistralアーキテクチャに基づく、70億のパラメータを持つ分野適応型の持続的事前学習指令微調整のネイティブマラーティー語大規模言語モデル（LLM）です。8300万人以上の母語話者向けに設計されており、マラーティー語の複雑な対話と指令のやり取りをスムーズに処理することができます。

KARAKURI LMはLlama 2をベースに構築された事前学習言語モデルで、日本語処理能力を強化し、日本語および多言語コーパスでさらに事前学習を行っています。

TeleChatは中国電信人工知能科技有限公司が開発・訓練した大規模言語モデルで、7Bモデル基盤は1.5兆トークンの中英語高品質コーパスで訓練され、12Bモデル基盤は3兆トークンの中英語高品質コーパスで訓練されています。

初のLlama - 2をベースに構築された、商用可能なオープンドイツ語基礎言語モデルで、ドイツ語の言語処理に特化しています。

このモデルは対話型質問の再構成訓練用に特別に設計されており、過去の対話と現在の質問に基づいて首尾一貫した質問の再構成を生成することができます。